Yapay Zekânın Meslekleri Tehdidi Karşısında Jeolojinin Durumu

Jeoloji Mühendisleri Yapay Zekâ ile Baş Edebilirler mi?

Yapay Zekâ Tehdidi Karşısında Jeolojinin Geleceği İnsan, bir iş/proje sürecinde etkinliğini beş aşamada yürütür: 1) Veri toplama, 2) Bilgiyi kazanma, 3) Öngörme, 4) Karar verme, 5) Eylem1. Yapay Zekâ (YZ) bunların ilk üçünü, insan kadar hatta ondan daha iyi yerine getirir.

Matematiğin sayıların oluşturduğu desenlerin incelenmesi olduğu gibi, yer bilimleri de zaman ve uzamda (mekânda) yerküreyi oluşturan fiziksel, kimyasal ve biyolojik bileşenlerin desenlerinin incelenmesi olarak düşünülebilir2. Doğanın yapısını ve örgütlenmesini de bu desenler oluşturur. Gezegenimizin herhangi bir durumunun bilimsel olarak incelenmesi bu desenlerin varlığı sayesinde olası olur. Yerbilimciler, jeolojik geçmişi boyunca Yerküre üzerinde çeşitli biçimlerde kendini gösteren bu desenlerin bazı türlerini tanımada gerçekten çok başarılıdırlar.

Ortaya konulan yetkinlik düzeyi, iyi eğitilmiş ve deneyim kazanmış yerbilim uzmanlarından beklenen başarımın ötesinde kalır2. Bulunduğu ortam, zaman baskısı, güven, yorgunluk/ sıkıntı, dikkat dağılması, vb gibi çeşitli etkenler belirli bir görev sırasında insan başarımının sınırlanmasına neden olabilir. YZ’nin Makine Öğrenmesi (MÖ) ile bu sorunun üstesinden gelmesi olanaklıdır.

Ekonomik yapısı, işgücü/toplumsal sermaye niteliği ve siyasal/ toplumsal/kültürel dinamikleri dikkate alındığında ülkemizin sayısal dönüşümü gerçekleştirme kapasitesinin oldukça düşük olduğu söylenebilir3. TUİK verilerine göre, 2017’de ülkemizdeki en büyük 500 şirketten sadece %3,6’sı ileri teknoloji kullanmaktadır. Geleceğin üzerine kurulacağı araştırma-geliştirme- deyse durum çok daha kötüdür: 2016’da, AR-GE/GSYH oranı % 0,94’dür. Ne kadar uzak görülse de YZ yayılmasından jeolojinin de payını alması kaçınılmaz olduğundan düşünsel temelde hazır olmak gerekir.

Çizelge 1- Alt yapı, madencilik ve petrol-gaz sektörlerinde 2018-2022 döneminde beklenen yeni teknolojinin kullanım oranları (%)4 a Programın birincil amacı, ‘derin zamanlı’ sayısal jeolojik veriyi düzenlemektir. Derin zamanlı veri, jeolojik zaman boyunca Yerküre’nin başından geçen dönüştürücü süreçlerle ilgili veridir. Yaşamın evrimi, iklim, levha tektoniği hareketi ve gezegenin coğrafyasının evrimi hakkındaki veriyi kapsar. Bu veri, Yerküre’nin jeolojik geçmişi ve geleceğine kısa bir bakış sağlar. (https://www.iugs.org/dde) b Dört boyutlu (4D), Einstein görelilik kuramına göre, geleneksel üç boyuta (genişlik-derinlik-yükseklik) zamanı da ekleyerek bulunulan yerin uzamsal yapısının gösterilmesidir. Blok diyagramdaki üç eksene bir de sanal ‘t’ ekseni eklenir. Böylece, üç boyutlu uzayımızın dışındaki her şeyi de doğrudan gözlemleyebilmemiz olanaklı olacaktır. 

Dünya Ekonomik Forumu 2018 yılındaki bir raporunda işlerin geleceğini incelemiştir4. Sanayi sektörlerinde 2018-2022 döneminde beklenen yeni teknolojinin kullanım oranları tahminleri, meslektaşlarımızın genel olarak yoğunlaştığı alt yapı, madencilik ve petrol-gaz sektörleri için Çizelge 1’de verilmiştir.

Ülkemizdeyse TUİK verilerine göre, madencilik sektöründeki teknolojik yenilik oranı 2002-2004 dönemindeki %31,57 düzeyinden 2006-8 döneminde %22,70’e ve 2008-10 dönemindeyse %19,60’a kadar düşmüştür. Daha sonra, belki de yeni nesil şirketlerin devreye girmesiyle, 2010-12 döneminde %24,60 olarak yeniden yükselmeye başlamıştır5.

Jeoloji biliminde yaklaşık 70 yıldır, “Jeoinformatik” denilen veri derlenmesi, yönetilmesi, çözümlenmesi ve aktarılması etkinlikleri için bilgisayar kullanılmaktadır6. Jeobilişim (Jeoinformatik) içerisindeki veri çözümlemesinin çekirdeğiniyse “jeoistatistik” oluşturur.

Son zamanlarda, YZ’nin geniş yayılımlı altlığını oluşturan MÖ’nün jeoloji bilimlerinde çok sayıda uygulaması görülmüştür. IUGS (Jeoloji Bilimleri Uluslararası Birliği) tarafından 2019 yılında başlatılan Deep-Time Digital Earth (Derin Zamanlı Sayısal Yerküre) a projesinde öngörüldüğü gibi, YZ ve MÖ büyük ölçekli sayısal ve görüntü veri tabanlarının bütünleştirilmesiyle sağlanır2. Genelde YZ ve özelde MÖ yerbilimlerinde grup düzeyindeki saptamaların niteliğini ve verimliliğini iyileştirir; Yerküre’nin geçmişteki, şimdiki ve gelecekteki durumları üzerine çok geniş olarak deneysel tabanlı incelemeleri sağlar; veri türlerinin ve veri analiz geleneklerinin belirgin biçimde ayrımlaştığı durumlarda bile Yerküre’nin incelenmesinde kapsamlı, disiplin içi ve çok disiplinli yaklaşımları kolaylaştırır.

Bununla birlikte, veri analizlerinde bu araçların kullanılmasının tüm alanlarda insan zekâsı uzmanlığını, sezisini ve yaratıcılığını azaltacağı beklenmemelidir. Bu sistemler gerçekten, yerbilimcilerin işlerini tehdit yerine, bilişim teknolojisi kullanımının bir mantıksal ve doğal sonraki adımı olarak insan yeteneklerine derin ve önemli bir uzantıyı temsil eder.

Öte yandan jeoloji bilimi incelediği çok uzun bir tarih dönemine bağlı olarak elindeki veri setinin sayısına karşın büyük boyutlu veri setine sahip olduğundan diğer fiziksel bilimlerden ayrı bir yerdedir7. Bu verilerin jeoloji bilimi için çok önemli potansiyeli olsa da çok daha önemli olarak MÖ’ye ve dolayısıyla YZ’ye ket vurmaktadır.

Mesleklerin bu yeni teknolojik devrime ne kadar duyarlı olduğunun araştırıldığı bir çalışmada 702 mesleğin bilgisayarlaşma olasılığı belirlenmiştir8. Ücret ve eğitimdeki üstünlüğün bilgisayarlaşma olasılığı ile ters bağlantısı vardır. Bu modellemede taşıma ve lojistik sektörlerinde çalışanların çoğu ile ofis ve idari işlerde çalışanların büyük kısmı ve üretimde çalışan işçilerin risk altında oldukları görülmüştür. Çalışmanın ekler bölümündeki mesleklerin bilgisayarlaşma olasılıkları listesinde (bilgisayarlaşmaz ‘0’ ve bilgisayarlaşır ‘1’ dereceleri arasında sıralanmış olarak) hidrojeoloji mühendislerinin olasılık derecesi 0,014 iken jeoloji ve maden mühendislerininki 0,14 düzeyindedir.

Jeolojide YZ Uygulamaları

Madencilik sektöründeki meslek dergilerinde yer alan yazıları okuduğumuzda, teknolojik uygulamaların “akıllı madencilik” olarak sunulduğu görülür. Örneğin üretimde, kazı ve yükleme çalışmalarındaki mekanize madencilik ile zenginleştirmede kullanılan yarı özdevinimli (otomatik) sistemler ve algılayıcılar (sensör) ile cevher ve çözelti akışının izlenmesi böyle kabul edilmektedir9. Madencilik uygulamalarında sayısal sistemlerin kullanılması da böyle algılanmaktadır10. Aramalardaysa Coğrafi Bilgi Sistemleri’nden yararlanma, sondaj karotlarından elde edilen verilerin veri tabanında işlenmesi, hem jeolojide hem de maden üretiminde üç boyutlu programların kullanılması bu sınıftan sayılmaktadır9. Araçlara takılan algılayıcılar ile bakım gereksiniminin uzaktaki merkezden izlenmesi de “akıllı teknoloji” kabul ediliyor.

Sayısal (dijital) jeoloji kavramı ülkemizde “sayısal jeoloji haritaları” ve “CBS-Coğrafi Bilgi Sistemleri” olarak düşünülmektedir11. Böyle olmakla birlikte jeoloji çalışmalarında oldukça yaygın olarak uygulanmakta olan yapısal ölçümler, sondaj verileri, zamana bağlı değişimler, yerinde yapılan ölçümler, mineralojik- petrografik özellikler, hidrojeolojik ölçümler, jeokimyasal ölçümler gibi her türlü jeolojik veri MÖ’nün bir uyarlaması olarak düşünülebilir.

Yukarıdaki bölümde verdiğimiz açıklamalardan anlayacağınız gibi, YZ özellikle tanımlama, bilgi toplama, toplanan veriyi deneştirme ve çözümleme, tanı koyma ve belirlemede üstün durumdadır. Bu durumda, jeolojinin benzer alanlardaki uygulamalarının da belki yakın bir gelecekte YZ tarafından yerine getirilmesi beklenmelidir. Bu beklenen son karşısında dövünerek üzülmek yerine, bir dakikayı bile daha fazla boşa tüketmeden geleceğe gerektiği gibi hazırlanmak gerekmektedir.

Jeoloji biliminde YZ uygulamasına ilişkin kuramsal destekler ve yöntemler daha henüz olgunlaşmamıştır6. Jeoloji biliminde MÖ ve YZ uygulaması tam anlamıyla gerçekleştiğinde üç boyutlu (3D) haritalar üretilebilecek ve en sonunda, zaman ölçekli olarak yerküre üzerinde etkili olan süreçler kestirilerek yeraltının dört boyutlub (4D) betimlemesi ortaya konabilecektir7. Bu ise depremlerin, toprak kaymalarının, su basmalarının, kuraklığın, yerdeki çökmelerin, büzülme-şişme ile obrukların, vb önceden bilinmesi anlamına gelir. Zaman dizilimli veriler ve anomaliler kullanılarak insan yaşamını sürdürmesinde önemli gerçek değişim noktalarının önceden bilinmesi olası olacaktır.

MÖ algoritmaları, çok değişkenli veriler arasından desenleri etkinlikle tanımlamak ve doğrulukla öngörmek amacıyla tasarlanmışlardır12. Devasa veri setleri (metinler, çizimler, fotoğraflar, çizelgeler, vb) arasından insanın kolaylıkla ayırdına varamayacağı saklı desenleri, kümeleri ya da ilişkileri kısa zamanda deneştirerek ortaya koyar13. Çözümleyicilere, veriler ve incelenen olay arasındaki etkileşimlerin kararlama modellemesini ve yorumlamasını yapmak üzere hesaplama araçlarını sağlar. Jeoloji bilimi verileri, sıklıkla, doğrudan gözlemlerin sayısı ve dağılımındaki sınırlamayla, bu verilerdeki azaltılamaz parazitle ve fazlaca tür içi değişkenlik ile türler arası benzerlikle nitelendirilir. Şu halde MÖ algoritmalarının seçimi ve bunların ayrıntıları jeoloji bilimi verilerinin kapsamına uygun olmalıdır.

Bu konuda esası koyacak jeologlar da MÖ sonuçlarının anlamlı ve kullanılabilir, analizlerinin de özgeçmişlerine bakmaksızın herkes tarafından anlaşılabilir olduğundan emin olmalıdır13.

Bununla birlikte, geleneksel MÖ algoritmalarının yararlı olmasını sınırlayan çok sayıda jeolojik özellikler vardır14. Bunlardan ilki, jeolojik nesneler arasında, diğer alanlarda görülmeyen, jeolojik süreçlerin doğasından kaynaklanan zaman ve uzamda genel olarak belirsiz sınırlar bulunmasıdır. Jeolojik olgu ayrıca uzam-zamansal yapıdadır, fazlaca çok değişkenlidir, çizgisel olmayan ilişkiler (yani kaotik) izler, durağan olmayan özellikler gösterir ve çoğu kez ender fakat ilginç olaylar içerir. İkinci olarak, jeolojik gözlemlerin toplanması süreçleri, verilerde değişken ölçeklerde parazitler, yetersizlik ve belirsizlik gibi MÖ’ye aykırılıklar kapsar. Üçüncüsü, zamanda az sayıda yeterli kayıtların bulunduğu küçük boyutlu örnekleme olanağıdır. Jeolojik bilgilerdeki bir başka önemli sorun da deniz yüzeyi ısısındaki dönemsel değişikliklerin karalarda neden olduğu etkiler gibi farklı fiziksel süreçlerin birbirleriyle nasıl ilişkili olduklarını anlamaktır.

Jeoloji bilimi uygulamalarında karşılaşılan sorunların karmaşıklığı ve jeoloji biliminin geçerli yöntemsel çerçevelerindeki sınırlamalara karşın derin öğrenmeyle birlikte MÖ gelecek için büyük olanaklar doğurmaktadır. Jeoloji biliminde MÖ uygulamalarının başarılı olması, MÖ araştırması sürecinin tüm aşamalarında araştırıcının jeoloji bilimcisi/bilimcileri ile yakından işbirliği yapmasına bağlıdır. Çünkü jeoloji bilimcileri, hangi bilimsel sorunun yeni ve önemli olduğunu, bu soruyu yanıtlayacak değişkenleri ve veri setini verebilecek veri toplama sürecinin özünde hangi güçlüklerin ve zayıflıkların bulunduğunu ve süreç öncesinde hangi adımların atılacağını anlamada daha iyi bir konumdadırlar.

Jeoloji Haritası Alımı

Uzaktan algılama spektral görüntüleme, jeofiziksel (manyetik ve gravite) ile jeodetik (yükseklik) veriler kullanılarak jeolojik haritalama ve yorumlama amacıyla MÖ algoritmaları oluşturulur15. Var olan jeolojik ve jeofizik veriler kullanılarak arazideki litolojileri yansıtan türlerin oluşturulan MÖ algoritmaları vasıtasıyla doğru jeoloji haritaları yapılacağı bir doktora çalışmasıyla gösterilmiştir12. Bu yaklaşım, geleneksel arazide haritalama tekniğine göre daha hızlıdır ve nesnel yollara sahiptir15. Özellikle geniş veri setleri konu olduğunda, bu verilerin insan eliyle değerlendirilmesi kişiden kişiye değişen bir biçimde öznel ve uyumsuz olabilir. Üstelik bu teknik ile jeoloji haritalaması, bitki ve su örtüsüyle kapalı bölgelerde güvenilir sonuç vermez.

Kaya türlerinin doğru tanımlanmasıysa ancak yerden sağlıklı doğrulama bilgisiyle gerçeklik kazanır. Şu halde, bu yaklaşım, jeoloji haritalaması için özgün arazi incelemesinin yerini şimdilik tutamaz. Arazinin jeolojik yorumlanmasının niteliğini yükseltmek üzere etkin gözlem kesit yollarını planlamak amacıyla ofiste kullanılabilir. Bu olumsuzlukları gidermek amacıyla, bir arazinin jeolojik olarak incelenmesinin temel ve vaz geçilmez unsuru olan yüzeylemelerin yüksek görünürlükte görüntülerini alarak bir jeolojik panorama oluşturmak için araştırmalar yapılmaktadır16.

Örneğin, on binlerce veri kullanılarak büyük veri ve MÖ teknolojileri yoluyla deniz tabanı litolojilerinin sayısal haritası büyük bir doğrulukla (%80’in üzerinde) hazırlanmıştır17. Okyanus açılmasından günümüze kadar derin zamanlı bu harita sayesinde, litostratigrafik dizilimler içerisinde kronostratigrafik birimler arasında jeokronolojik deneştirmeler yapılabilmektedir. Bu örnek, küresel ölçekte jeolojik olayların çözümlenmesinin ve evrimsel model oluşturulmasının olanaklı olduğunu göstermiştir. Ayrıca bu olayların, gezegenimizin ekosistemleri üzerindeki etkileri de anlaşılmış olacaktır.

YZ ve Maden Arama

Arama, bir maden ömrünün en uzun ve doğası gereği en riskli evresidir. Kolayca bulunabilir cevherleşmelerin neredeyse tamamı, günümüzde, ortaya çıkarılmıştır. Daha güç olanlarını aramak ve bulmak zorunda olan aramacılar, daha az harcamayla daha kısa zamanda keşif yapacakları daha güçlü yeni teknikler ve yöntemler araştırmaya başladılar. Bilişim teknolojisindeki devrim sayılabilecek ilerlemeler olan MÖ ve buna bağlı YZ sayesinde bu arayış gerçekleşti18. Şirketlerin yeni maden arama programlarında, geleneksel yöntemlerin maliyetlerinin çok artması ve yeni hedef saha keşiflerinde fazla başarılı olmamaları nedeniyle MÖ ve YZ giderek anahtar unsur konumuna gelmektedir.

Aramada ilk sorun, hatasız bir biçimde yararlanmak üzere geniş, karmaşık ve sürekli miktarı artan büyük verinin nasıl oluşturulacağıdır19. Dünya Ekonomik Forumu20 bu yeni teknolojinin başarısındaki temel belirleyici noktanın, maden jeolojisi konusundaki devasa veri yığınını sayısal olarak toplaması ve işlemesiyle oluşan veri yönetim becerisi olduğunu belirtmektedir. Bunun için, bilgi-işlemsel düşünme ve jeolojik kuramla birlikte çok ölçekli jeolojik veri canlandırma yöntemlerinin kuramsal modelleri önerilmektedir19. Çok ölçekli ve çok çözünürlüklü jeolojik veriler, sanal gerçeklik teknolojisi kullanılarak canlandırılabilir. Sonunda, bir sarmalayıcıc 3D sanal gerçeklik platformu kurulur (Şek. 1).

Anlamsal veri madenciliği ve etkinlik alanının ontolojisine dayalı metaveri bilgisi keşfinde kullanıcının yönlendirilmesi gerekir.

Kanadalı Integra Gold şirketi, Eylül 2015’te, “Altına Hücum Meydan Okuması” adıyla 1 Milyon ABD Doları ödüllü bir yarışma açtığının duyurusunu yaptı21. Katılımcılar, Sigma ve Lamaque madenleri (Quebec, Val d’Or) bölgesindeki verileri çözümleyerek yeni büyük bir saha bulacaklardır. Birinci gelen SGS Geostat, var olan verileri birbirinin içine katıp (interpole) ve yeni bir kestirim yapıp (ekstrapole) bunları temel alan bir blok model üreterek MÖ yoluyla çözümledi. Kendi geliştirdiği Genesis yazılımıyla sondaj kuyuları planladı ve bunun için gerekli açı ve yönlendirmeleri hesapladı. Böylece YZ kullanılması, altın cevherleşmesinin yerleşimini belirlemede en hızlı olumlu sonucu verdi.

Günümüzde, maden arama amaçlı çeşitli MÖ sistemleri kullanılmaktadır13. Quantum Geology şirketi Avustralya’da, 2018 yılında OreFox’u yaratmıştır. Bir başka Avustralya’lı Cicada Innovations şirketi, 2016’da EarthAI sistemini geliştirmiştir. Bütün dünyadan milyonlarca veriyi çözümleyen bu MÖ algoritmaları, ulaşılması zor önceden araştırılmamış sahalarda bile cevherleşmeyi kestirmektedir. Güncel olarak bu arama sürecine, yüksek çözünürlükte manyetik inceleme ve özdevimli elmaslı sondaj donanımı taşıyan dron da eklenmiştir. Kanada kökenli Koan Analytics, yapılandırılmamış verileri (harita, belge, görüntü, çizelge, vb) jeo-uzamsal olarak bütünleştirerek ve kestirimci çözümlemeler yürütmek için duruma uyarlanmış algoritmalar sağlayarak çözüm getirmektedir. ABD kökenli KoBold Metals 2018’de geliştirdiği sistemle, temel maden yatakları bilimini, büyük veriyi ve yatırımcıyı birleştirerek özellikle batarya malzemeleri projelerinde maden aramayı gerçekleştirmektedir.

MÖ alanında en tanınmış olan Kanadalı Goldspot Discoveries 2016’dan beri, YZ kullanarak maden arama yapmaktadır. 2013’te kurulmuş olan İsrail kökenli Quantum Discovery, MÖ kullanarak Şili’de porfiri bakır yataklarını bulmayı amaçlamaktadır. Kanadalı Minerva Intelligence, jeoloji bilimindeki sorunlara YZ kadar verilerden elde edilen MÖ çözümlerini uygulamaktadır. Kanadalı Albert Mining kendi CARDS (Computer Aided Resources Detection System-bilgisayar yardımıyla kaynak belirleme sistemi) sistemini kullanarak bilinen cevherleşme sahalarına yüksek istatistiksel olasılıklı benzerlikteki sahaları belirlemektedir. Los Alamos National Laboratory’nin bir ticari uygulaması olan Descartes Labs, Yerkürenin kabuk altına uzanan bir sayısal modelini oluşturmak için jeo-uzamsal ve jeo-bilimsel verileri durmaksızın üst üste yığarak buluta yüklenmiş bir veri rafinerisi platformu yaratan ilginç bir çalışmadır.

Ülkemizde yapılmış bir çalışmada11, bir mermercilik bölgesindeki bej renkli kireçtaşı yüzeylemelerinin özellikleri bilgisayar ortamında analiz edilerek benzer yüzeylemeler belirlenmiş ve ardından, araştırmanın sonuçları saha verileriyle desteklenmiştir.

Jeoteknikte YZ Uygulamaları

Jeoteknik projelerinde riskin yönetimi en önemli konudur; MÖ’nün önceli olan Coğrafi Bilgi Sistemleri teknikleri kullanılarak bu riskler kısmen aşılabilir. YSA yani MÖ, çeşitli derecelerde başarılı sonuçlar vererek pek çok jeoteknik soruna uygulanmıştır22: Zemine çakılan kazıkların ve taşıyabileceği yük kapasitesinin kestirilmesi, çeşitli zemin özelliklerinin ve davranışının modellenmesi, yer seçimi nitelendirmesi, istinat duvarı yapıları, yapıların oturması, şev duraylığı, tünellerin ve yeraltı açmalarının tasarımı, sıvılaşma, gözeneklik ve hidrolik iletkenlik, zemin sıkıştırması, zemin şişmesi ve zemin sınıflaması gibi. Bu uygulamalarda sinir ağı modellemesi, gerçek olay kayıtlarına ilişkin saha verileriyle eğitilmiştir.

Jeoloji Mesleğinin Geleceği için Yapılabilecekler

Bugünkü durumda YZ, robotbilim teknolojiler ve özdevinim (otomasyon) çalışmalarında yaşanan gelişmeler dikkate alınarak jeoloji mesleğinin gelecekte neler ile karşılaşabileceğini kestirme denemelerine geç kalmadan bir an önce başlanmalıdır. Bu süreçte, güçlenerek gelişmekte olan sayısal teknolojik gidişin gelecekteki insan kaynağını, iş kalıplarını ve hizmet-çalışma standartlarını kendi ilke ve kurallarına göre değiştireceği hiç unutulmamalıdır.

Mineraloji, petrografi, paleontoloji gibi, eldeki örnekleri benzeştirerek sonuca varma işinde YZ’nin bir insan jeologdan daha başarılı olacağı mutlaktır. Jeokimyasal ve jeofiziksel çalışmaların programlanması, elde edilen verilerin yorumlanması, sondalama işlemlerinin planlanması ve modelleme çalışmaları zaten yirmi yıla yakın bir zamandır YZ’ye başlangıç sayılabilecek bilgisayar programlarıyla yürütülmektedir. Her türlü çizim işleri çeşitli programlarla gerçekleştirilmektedir.

Sonraki aşamada beklenen jeoloji haritalarının arazide insan jeolog tarafından yapılıp yapılmayacağıdır. Harita alımında temel koşul olarak belirlenen noktalarda jeolojik gözlem yapılması ve gereken mineraloji ve paleontoloji örneklerinin alınması işlemlerinde, belki şimdilik, insan jeolog görevli olur. On yıla yakın bir süredir yapay zekânın ilk adımlarından dron (insansız hava araçları) denilen robot bilgi toplayıcılar, ulaşılması güç yerlerde havadan gözlem yaparak ve fotoğraf çekerek katkıda bulunmaktadır.

İnsan zekâsı, ender ve seyrek verilerin yorumlanmasında uzmandır (Şek. 2); YZ ise bir ağla birleşmiş büyük veri konusunda uzmandır25. Örneğin YZ, bir menderesli ırmağın terk edilmiş eski kollarının izlerini kolaylıkla ayırt edemez; fakat gözleri alışkın bir arazi jeologu bu eski kolları hemen belirler. YZ, bir sorun karşısında, onun anlamını kavrayamaz fakat belleğindeki büyük veri arasında bu duruma uyanların istatistiksel deneştirmesini yaparak çakışanı arar. İnsan ise sorunun temelindeki kavramı, anlamını kavradığından uygun yanıtı düşünür. Kavramı, anlamı kavradığından yanıt belleğinde olmasa bile neyi arayacağı konusunda benzeştirmeler, yakıştırmalar yapar. Fakat ileri bir zamanda, YZ’nin büyük veri takımına gerekli yüklemeler yapılarak bu sorun kolaylıkla aşılabilir. İnsan, bu kadar kısa zamanda bu kadar veriyi beynine yükleyemez. Aradaki fark da buradadır.

Bir robotla yapılan denemelerde sorulan bir soru ve yanıtı, bu konunun anlaşılmasını kolaylaştırmaktadır25. Robota sorulan soru, “Depremler, gezegenin tarihi hakkında bilim adamlarına ne anlatır” olmuştur. Robot, buradaki “deprem”, “gezegen” ve “tarih” anahtar sözcüklerini dikkate alarak dört yanıtf seçeneğinden “Dinozorlar 65 milyon yıl önce yok olmuşlardır” yanıtını; insan zekâsı ise “Kıtalar sürekli hareket durumundadır” yanıtını seçmişlerdir. Çünkü YZ’nin, insan zekâsı gibi usa vurma yeteneği yoktur. Şu halde, seyrek karşılaşılan ender durumlarda jeologlar YZ’nin üstesinden geleceklerdir.

YZ etkisiyle meslekte yaşanan dönüşüm ve gelişen işgücü gereksinimleri doğrultusunda bireylerin sahip olması gereken beceriler de değişecektir. Yeni teknolojik gereksinimlere uygun olarak jeoloji eğitiminin de yenilenmesi gerekeceği kaçınılmaz bir gerçektir. Yeni yetişenlerin eğitimi kadar, eski işini yitirdiğinden yeni beceriler edinmek isteyenlere yönelik meslek içi eğitim programları da planlanmalıdır. Kuşkusuz bu ikinci gruptakiler, kısa zamanda başarılı olmak isteyeceklerdir. Meslek insanları, yapay sinir ağları, algoritma, kestirme, bulut sistemler gibi bilişim teknolojisinde yaşanan gelişmeleri izleyebilir olmalıdırlar.

Jeolojik büyük veriye ve bilgilenmeye, açık internet hizmetiyle her isteyenin kolayca erişmesi büyük önem taşımaktadır.

Sonuç Yerine

Bu yazıyı hazırlamaya başladığımda Korona salgını daha günlük yaşantımızı vurmamıştı. Salgının önümüzdeki günlerde daha da ağırlaşacağını gösteren korkutucu ve hapisli günlerde, son bölümdeyken, internet sitelerine düşen hem konumuzla hem de salgınla ilgili bir haberi okuyunca sonuç bölümünü karşımda buldum. “Antalya’da yaşayan bir vatandaş, hobi amaçlı çekim yaptığı droneyle marketten alışveriş yaptı. Hem evde kal çağrısına uyan hem de alışverişte yeni çığır açan vatandaş “evde kal” çağrısında alışverişe yeni bir boyut kazandırdı.”22  

Özellikle yaratıcılık, akıl yürütme ve sorun giderme gerektiren işlerde insanların egemenliği, kuşkusuz, sürecektir. Yapay zekânın robotları yapması kadar nerede ve nasıl kullanılacağına karar verme konusunda da insan zekâsına gereksinimi vardır.

Tüm sektörlerde işgücünün yerini YZ ile donanmış makinelerin almakta olduğu bir gerçektir. Nakliyeci robotların, üretim bandında vidalayıcı robotların, resepsiyoncu robotların, kasiyer robotların, çevirmen robotların, muhasebeci robotların, güvenlikçi robotların, vb giderek çoğalmakta olduğunu görüyoruz. Yakın gelecekte, birçok işin yiteceği ve belki de milyonlarca insanın işsiz kalacağını da kestiriyoruz. İnsanlığın önündeki en büyük sorun, bu işsiz kalan ve bu yüzden “yararsız” etiketini taşıyan bu insanların ne olacağıdır? Şimdiden, çok geç olmadan, bu soruna çözüm bulunmasına herkes ve her işkolu katılmalıdır.

YZ’nin yaşantımızı derinden etkileyeceği gelecek için kuşkusuz hazırlıklı olmalıyız. Çalışanlar açısından, nitelikli bir eğitim alarak beceri ve yetilerini YZ ile uyumlu duruma getirmek birincil önemdedir. Toplum olarak da toplumsal bakımdan YZ geleceğini kabullenmeye hazırlıklı olmalıyız.

YZ’nın temeli olan MÖ algoritmalarının başarılı biçimde oluşturulması için kamu ve özel sektörde bulunan veri setlerinin güvenilir ve korunaklı bir biçimde tüm sektörler arasında paylaşılmasını sağlayacak düzenlemelerin yapılması önceliklidir. Bu düzenlemelerin en önemlisi, YZ araştırması, geliştirilmesi ve uygulaması ile YZ’nin uygun ve rahat kullanımı amacıyla gerekli yasal altyapının sorumluluk ve bilişim güvenliği verecek biçimde oluşturulmasıdır. Bu düzenlemeler yapılırken bireysel gizlilik ve haklar korunmalı ve insan-YZ ilişkisinde etik ilkelerin ve sınırların belirlenmesi esas olmalıdır. Yetkili otorite, sorumluluk ve bilişim güvenliğinin sağlandığına, bireysel gizlilik ve haklar ile etik ilkelerin ve sınırların korunduğuna ilişkin güvence vermelidir.

Teşekkür

Yazının taslağını okuyarak gerekli düzeltmeleri öneren ve yol gösteren Galatasaray Lisesi’nden büyüğüm ve Türkiye’de bilişim biliminin kurucusu, “bilgisayar” içinde olmak üzere bilişim sözcüklerinin Türkçesini yerleştiren emekli Prof. Dr. Aydın Köksal ağabeyime en içten teşekkürlerimi sunarım.

Kaynakça

1. LePan, N., 2019, How AI and Big Data Will Unlock the Next Wave of Mineral Discoveries, Visual Capitalist, Feb. 26, 2019, https://www.visualcapitalist.com/ai-big-data-mineral-discoveries/

2. MacLeod, N., 2019, Artificial Intelligence & Machine Learning in the Earth Sciences, Acta Geologica Sinica (English Edition), c. 93, Özel Sayı: Abstracts of Deep-time Digital Earth (DDE) Forum, sf.48–51.

3. Akçoraoğlu, A., 2019, ‘Yeni Kapitalizm’ Teorileri, Dijital Devrim ve Türkiye Kapitalizmi, Mülkiye Derg., c. 43, no 3, sf. 525-575.

4. WEF, 2018, The Future of Jobs Report, 133 sf.
5. Okan, O.T., 2019, Cevheri Altına Dönüştüren Güç: AR-GE, Madencilik Türkiye, Aralık, No 83, sf. 116-118.

6. Xiaogang, M., 2019, Geo-Data Science: Leveraging Geoscience Research with Geoinformatics, Semantics and Open Data, Acta Geologica Sinica (English Edition), c. 93, Özel Sayı: Abstracts of Deep-time Digital Earth (DDE) Forum, sf.44–47.

7. Stephenson, M. H., 2019, The Uses and Benefits of Big Data for Geological Surveys, Acta Geologica Sinica (English Edition), c. 93, Özel Sayı: Abstracts of Deep-time Digital Earth (DDE) Forum, sf. 64–65.

8. Frey, C. B. ve Osborne, M. A., 2017, The Future of Employment: How Susceptible are Jobs to Computerisation? Technological Forecasting and Social Change, c. 114, no C, sf. 254-280

9. Yılmaden Holding A.Ş., 2019, Yılmaden Holding’in Akıllı Madencilik Uygulamaları, Madencilik Türkiye, 2019 Aralık, No 83, sf. 120-121.

10. Kahraman, M.M., 2019, Akıllı Madencilik, Madencilik Türkiye, Aralık, No 83, sf. 138-140.

11. Uysal, K.ve Yılmaz, Y. E., 2019, Sayısal Jeoloji İle Benzer Bej Kireçtaşı Mostralarının Tespiti: Eğirdir Örneği, Süleyan Demirel Üniv., Fen Bilimleri Enst. Derg., c. 23, no 3, sf. 717-726.

12. Cracknell, M. J., 2014, Machıne Learnıng For Geologıcal Mappıng: Algorıthms and Applıcatıons, Univ. of Tasmania, Australia, ARC Centre of Excellence in Ore Deposits (CODES), School of Physical Sciences (Earth Sciences), PhD Thesis, 275 sf.

13. Bridgwater, H., 2019, Startups Leveraging Machine Learning to İmprove Exploration Targeting, Medium, https://medium.com/unearthed-industry/ startups-leveraging-machine-learning-to-improve-exploration-targeting- 42490ff6e5a0

14. Karpatne, A., Ebert-Uphoff, I., Ravela, S., Babaie, H. A. ve Kumar, V., 2018, Machine Learning for the Geosciences: Challenges and Opportunities, IEEE Transactions on Knowledge and Data Engineering, c. 31 , no 8, sf. 1544-1554.

15. Harvey, A. S. ve Fotopoulos, G., 2016, Geological Mapping Using Machine Learning Algorithms, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLI-B8, XXIII ISPRS Congress, 2016, Prague, sf. 422-430.

16. Yiying, D., Dongyang, C., Junxuan, F., Yukun, S., Xudong, H., Jiao, Y. ve Wenxiang, X., 2019, Geological Panorama Database: Digitizing and Visualizing the Gological Outcrops, Acta Geologica Sinica (English Edition), c. 93, Özel Sayı: Abstracts of Deep-time Digital Earth (DDE) Forum, sf.11-13.

17. Spina, R., 2018, Big Data and Artificial Intelligence Analytics in Geosciences: Promises and Potential, GSA Today, c. 29, no 1, sf. 42-43, The Geological Society of America, https://www.doi.org/10.1130/GSATG372GW.1.

18. Pistilli, M., 2019, How Artificial Intelligence and Machine Learning are RevolutionizingMineral Exploration, Artificial Intelligence Investing News, Nov.5th 2019, https://investingnews.com/innspired/machine-learning-revolutionizing-mineral-exploration/

19. Yanjun, G., Mao, P. ve Jianbo, L., 2019, Exploration and Realization of Several Key Problems of Geological Big Data, Acta Geologica Sinica (English Edition),

20. 93, Özel Sayı: Abstracts of Deep-time Digital Earth (DDE) Forum, sf.19-20.
21. WEF, 2019b, Seven trends shaping the future of the mining and metals industry, https://www.weforum.org/agenda/2019/03/seven-trends-shapingthe- future-of-the-mining-and-metals-sector/

21. Lez’er, V., Semeryanova, N., Kopytova, A.Kvach, I., 2019, Application of Artificial İntelligence in the Field of Geotechnics and Engineering Education, E3S Web of Conferences 110, 02094, International Science Conference SPbWOSCE- 2018 Business Technologies for Sustainable Urban Development, St Petersburg, https://www.e3s-conferences.org/articles/e3sconf/abs/2019/36/e3sconf_spbwosce2019_02094/e3sconf_spbwosce2019_02094.html

22. Shahin, M. A., Jaksa, M. B. ve Maier, H. R., 2001, Artıfıcıal Neural Network Applıcatıons in Geotechnıcal Engıneerıng, Australian Geomechanics, March, sf. 49-62.

23. 23. Kayıkçı, M. Y. ve Bozkurt, A. K., 2018, Dijital Çağda Z ve Alpha Kuşağı, Yapay Zekâ Uygulamaları ve Turizme Yansımaları, Sosyal Bilimler Metinleri, no 1, sf. 54-64.

24. Yücebalkan, B. ve Aksu, B., 2018, Geleceğin İşgücü Olarak Z Kuşağının Dijital Teknolojiye Yönelik Tutumları, Sosyal Bilimlerde Güncel Akademik Çalışmalar, Gece Kitaplığı, Cilt 1, (Ed. B. Eryılmaz, K. Özlü, Y.B. Keskin, C. Yücetürk)

25. Cowan, J., 2018, How Geologists Can Outwit Artificial İntelligence, Linkedin, https://www.linkedin.com/pulse/how-geologists-can-outwit-artificial-intelligence-jun-cowan/

Kaynak