Yapay zekâ, finans sektöründe veri analizi ve risk yönetiminden bireysel yatırım kararlarına kadar geniş bir alanda devrim yaratıyor. Büyük veri ve makine öğrenimi, finans dünyasında hızlı ve etkili çözümler sunarken, yatırım stratejilerinin özelleştirilmesini mümkün kılıyor. Bu yenilikler, finansal hizmetlerin daha erişilebilir, şeffaf ve kişiselleştirilmiş bir hale gelmesini sağlıyor.
Bu bölümde, yapay zekânın finans sektöründe bireysel emeklilik sisteminden risk yönetimine kadar sunduğu fırsatları ve uygulama alanlarını Prof. Dr. Burak Saltoğlu’nun rehberliğinde keşfediyoruz. Makine öğreniminin veri analizinde sağladığı kolaylıklar, sahtekarlık tespiti ve kredi risk analizleri gibi konular, sohbetin ana ekseninde yer alıyor. Yapay zekâ teknolojilerinin finans dünyasında nasıl bir dönüşüm yarattığını anlamak için bu keyifli sohbeti kaçırmayın.
Makine öğrenimi nedir?
Cüneyt Toros: Yapı Kredi ile Geleceği Konuşalım podcast kanalına hoş geldiniz. Yaşamımıza yön veren konuları konuştuğumuz kanalımızda bugün yapay zekâ ve makine öğrenmesinin finansal alandaki uygulamaları üzerine konuşacağız. Finans sektöründe yapay zekâ kullanımı, bireysel yatırımlardan tasarruf tercihlerimize kadar birçok alanda yaygınlaşıyor. Bu alanda Türkiye'deki ve dünyadaki son gelişmeleri Boğaziçi Üniversitesi İktisat Fakültesinden Profesör Doktor Burak Saltoğlu ile konuşacağız.
Hocam yayınımıza hoş geldiniz. Biz sizi yakınen tanıyoruz aslında hem ekonomist tarafınızda hem de özellikle bu yazılım ve machine learning dediğimiz artık günümüzün herkes tarafından da oldukça rağbet gören alanını ekonomi ile ekonometri ile birleştiren ve risk yönetiminde de kullanan çalışmalarınızdan ve makalelerinizden, hocam birazcık bu konuyla girelim istiyorum. İzleyicilerimiz için biraz anlatabilir misiniz? Bu makina öğrenmesi, machine learning dediğimiz şey nedir ve özellikle ekonomide nasıl kullanılıyor?
Burak Saltoğlu: Çok teşekkürler. Ben de hani bayağı bir süredir zaten istastiksel olarak benzer yöntemleri çalışıyorduk. Fakat özellikle son üç senedir falan bunun yapay zekâ makine öğrenmesi ilişkileri ve bunun ağırlıklı olarak finans ve ekonomi etkileri ve kullanımına yönelik bayağı üzerinde bir kafa patlatıyoruz. Şimdi çok hani hafiften bir girizgah yaparsak hani bu yöntemler neydi, yeni mi gelişti falan dediğimizde aslında bu tartışmalar 90'lı yıllardan belki daha da eskiden haberi var ama özellikle 90'lı yıllarda kullanılan yöntemler bir şekilde böyle çok da etkili olmayacağı hani düşünülüyor. Fakat özellikle 2000'li yıllardan sonra tekrardan bunların endüstri de çok başarılı uygulamalar çıkardığı ortaya çıkıyor. Daha basit hani bir şekilde girersek yani tanımı nedir örneğin yapay zekâ hani burada Türkçe'ye bile yapay öğrenme diye de çeviriyorlar hani buralarda çok zor konuda doğru şeyleri seçemeyebiliriz ama işte yapay hani öğrenme dersek bu açıkçası makineler tarafından doğal zekânın yerine makineleri bırakırsak ve çok da fazla müdahil olmadan kendi kendine öğrenebilecek sistemler yaratmak.
Bu sistemler finansta, makroda, portal yönetiminde, risk yönetiminde olduğu gibi çok daha tabi doğal olarak da görüntü işleme, dijital bir yollanan e-maillerin spam mı yani sahte mi yoksa gerçek ne olduğunu çözmek gibi çok çok geniş alanlara giden son zamanlarda derken tabi en az 10-15 senesinde var genetik biliminde, eczacılıkta yani alan bittikçe genişliyor yani modellemenin gerektiği her yerde bu var. Bir şekilde bir tanım yaparsak makine öğrenmesi de bizim istastiksel yöntemlerle bir şekilde yine yönlendirmesi mümkün olarak en az şekilde olarak veri üzerinden kendi kendine öğrenmeyi sağlamak buna da hani makine öğrenmesi diyor. Bu da yapay zekânın bir alt grubu diye düşünebiliriz.
Şimdi peki niye yaygın oldu, neden şimdi çıktı sorusu hani doğal olarak gündemde. Öncelikle bu tabi bilgisayar teknolojisindeki hız çok yüksek ve saklama kapasitesi çok arttı. Bununla beraber tabii ki bir internetin gelişimi online alışveriş online her türlü sitenin etkisiyle şirketler çok bildiği anlamda bilgi depoluyorlar ve tabi ki zaten bizlerin de sürekli işte sosyal medya vesaire uygulamalarından da gördüğümüz gibi görüşler, fikirler, paylaşımlar sosyal medya üzerinden inanılmaz yüksek bir şey oluşturuyor. Bunların işlenebilme durumu gelir gelmez bütün yöntemleri de bu şekilde değiştirip oraya yönlendirip bir endüstrileşmesi konusu gündeme geliyor.
Dijital veri ve işlenmesi
Cüneyt Toros: Yani çok özür dilerim hocam. O kadar çok veri var ki artık yani bundan 10 yıl önce falan ortaya çıkan bilgi ona kısaca bilgi diyelim ve bunların çok kolaylıkla açık bilgi bunlar ve bunların bu datanın bilginin işlenmesi bu büyük bir datanın işlenmesi belki biraz zorladı galiba endüstriyi bu alanda geçmiş konusunda.
Burak Saltoğlu: Aynen öyle yani sonuçta hiçbir şey yani ben bilimde de dikkatli incelediğim takdirde hiçbir yöntem durduk yere bir bilim adamını sabah kalkıp şunla geleyim diye değil genellikle bir endüstriyel ihtiyaçtan doğuyor özellikle kalıcı buluşlar. Bu da çok bariz bir şekilde aynen. Mesela demin sizin bahsettiğiniz noktada büyük verinin ölçü üzerine bir size bir vermem gerekirse, dijital hani veri mislisel büyüyor diyelim hani böyle eksponansiyel büyüyor. Bunun içinde işte bahsettiğimiz şeyler var. Mesela 2016'da yapılan bir çalışmada 1 milyar web sitesi var. 10 trilyon bireysel web sitesi var. 500 milyar gigabaytlık bir veri toplanıyor bir gün içerisinde ve her gün 2016 bu arada 100 milyon web sitesi açılıyor. Yani bu sitenin bir kısmı şirket bir kısmı. Onun yanında anketler, sorgular, facebook beğenileri vs.
Aklınıza gelebilecek o kadar çok şey var ki bütün bunlar tabi ki bu sürecin bir şekilde kaçınılmaz hale getiriyor. Dolayısıyla bizim normalde derslerde kullandığımız yöntemler de tabi buna göre kendini ayarlıyor. Çok daha büyük yöntemlerle öğrenmeye çalışıyorsunuz. Şu verilerle yöntemler de kendilerini bu büyük verinin altından kalkacak şekilde geliştiriliyor. O yüzden de hem istatistik bilimi tekrar şey yapıyor ama daha da önemlisi özellikle bilgisayar bilimi bu kadar büyük veriyi nasıl işleriz, nasıl saklarız, bu yöntemler nelerle dediğinizde inanılmaz bir büyüme şeyinde şu anda da o yüzden bu bilimde özellikle genç arkadaşlarım bu kadar yoğun bir şekilde bu alanlara kaymasının arkasındaki neden inanılmaz bir eleman talebi söz konusu bu konularda işleyecek ve genç arkadaşlar açısından da ülkemizde de yine büyük bir şey talebi oldu ve olmaya devam edecek.
Yani şu anda mesela yurt dışında en zor girilen branşlar ağırlıklı bilgisayar bilimleri üzerinde. Bizde de açıkçası ilk defa Boğaziçi Üniversitesi bilgisayar mühendisliği tıplarla dahil olmak üzere en yüksek puana ulaştı. Diğer branşlarda da olduğu gibi yükselme bu nedenden dolayı. Peki bununla neler yapılıyor uygulamalar dediğimizde hani zaten hepimizin izlediği zaman işte önce birkaç gün önce spor aşağısı arıyorsunuz ertesi gün geldiğinde o konuyla ilgili size bir spor eşyasını mesela öneriyor yani malzeme öneriyor. Ertesi gün kitap aradığınızda bu sefer birkaç gün yeni spor malzemesi ile ilgili şey yapıyor. Ama bu sefer tekrar kitaba yönelik gelişiyor yani ne yapıyor sizin verileriniz alıyor, işliyor sizin nasıl bir profil olduğunuza model karar veriyor. Bu bir kere boyunca sizi bunu değerlendiriyor bu da tabi ki pazarlama faaliyetinizi kişiye özelleştiriyor. İşte size belki başka bana başka şey söylüyor hatta bana bir hafta içerisinde başka bir karaktermişim gibi davranabiliyor, bütün bunların hepsi tabi ki bir yandan tabi üretime yönelik bir taraftan da tüketime yönelik yani ağırlıklı pazarlama kısmı açıkçası daha çok tüketim yönünde. Dünyada hani bunların geldiği nokta şunu da diyebilirim ne kadar büyüdüğünü anlayabilmek açısından da 2005 yılında örneğin ilk 10 dünyadaki en yüksek sermayeli ilk 10 firmanın içinde sadece Microsoft varmış o da beşinci altıncı falan 2020'de ilk 10'daki büyük firmaların 8 ya da 9'u teknoloji firması. Yani bu da hani olan şeyin nasıl bir evrilme geçirdiğini gösteriyor.
İstatik ve makine öğrenimi
Cüneyt Toros: Hocam şimdi ben de işletme okudum istatistik derslerinde zorlandığımız derslerden biridir. O modeller hep bütün işletme öğrencileri için biraz sıkıntılı derslerdi. Şuna geçmek istiyorum buradan. Biraz ekonomi alanına dönerse eski konvansiyonel istatistik yöntemleriyle makine öğrenmesinin birleştirilmesi mevzusu yani işler artık daha mı kolay oluyor yoksa eski yöntemlerde devam ediyor mu?
Burak Saltoğlu: Harika bir soru hani tam hani alanımızın en yüksek yerinde de olduğu için şöyle bir ayrım yapayım. Normal işletme ve ekonomide kullanılan temel istetik yöntemleri resetlenip yeniden üzerine bir şey konmuyor. Fakat bu yöntemlerin yapabildiği şeylerin daha böyle pratik endüstrinin öngörü için kullanılan biçimlerine doğru evriliyor ya da o kısımları daha çok değerlendiriliyor yani bence bu model olmuyor ama hani şu noktaya gelmiş durumda. Şimdi software'ler vs o kadar güzel hale gelmiş durumda ki eskiden işte tahtada işte hoca hepimizin tahtada işte rakamlar yazıp ortalığı böyle şöyle yaptığımız onun ispatlarını yaptığımız yer yerine bütün o yapıları kendi başına çözen çok daha hızlı etkili bir şekilde yapan açık yazılımlar var. İşte isim zaten şeysiz oldukları için parasız R ve Python diyelim ikisi özellikle Python şu anda normal bir şey gibi biz normal şartlarda o tip eğitimleri de daha böyle paralı işte daha bilinen ekonometri ve istatistik yazılımları kullanırken dünya tamamen buraya kayıyor çünkü açık kodlu herkes erişebiliyor.
Peki yöntemlerde ne yapılabiliyor dediğimizde şöyle bir şey var normal işletmede, daha çok hani nedir işte enflasyonla işte kur arasındaki ilişki acaba enflasyon kur etkili midir, sorusu varken burada ise ben enflasyonu Türkiye'deki tüm verileri toplayarak bir bilgisayara bırakarak bunu ay bir ay ya da günbegün yeni çıkan verilerle tahmin et ve bana sonucunu ver yani aslında ikinde de yöntem çıkış noktası aynı bir öğrenme mekanizması var. Ama kullanım anında çok daha pratik çok daha böyle nasıl diyelim şeye yönelik hemen hani birisi sonucu odaklık evet diğerinde odaksız diyemeyiz tabi ama daha akademik amaçlı daha entelektüel bir tatmin ya da işte teorisyenlerin aralarındaki kavgayı da çözecek amaçlı.
Yani pragmatik tarafı da tabi işletmede de ekonomide de bir tahmin yani oralarda biraz kavram kargaşası farklı ki onları da belki söylemek lazım projeksiyon ya da öngörü dediğimiz şey. İleriye yönelik şey tahmin ise yani genel olarak hani ekstradan böyle değişkenler arasındaki ya da işte faktörler arasındaki etkileşimi inceleyen bir şey çok böyle endüstrünün bayılacağı bir şey olmuyor sonuçta o zaman da biraz havada kalıyordu. Şimdi gerçekten yere indirilmiş durumda bu arada tabi akademi biraz buraya geri kalmış durumda çünkü akademi hala o konvansiyonel yöntemleri bizde uyguluyor. Bu arada şunda yine uygulamamızda fayda var bütün bu gelişmelerde ekonomi ve işletme alanlarının makine öğrenmesi ve benzeri yöntemleri bilimdeki uygulama oranları diğer teknik bilimler oranlar bir şekilde hala geriden geliyor. Yani özellikle genetik vesaire branşları hemen kullanıyor da bizim branşlarda biraz böyle hafif ne diyelim direnç var. Kırılacak kırılmaya da yakın ama maalesef bir şey var ama öğrenciler bunu çözmüş durumda gençler online eğitimlerle şununla bununla girip direk kendilerine güzel istihdam şeyleri yakalamaya çalışıyorlar.
Sürekli öğrenme
Cüneyt Toros: Şimdi hocam zaten burada hani o klasik tartışmadır günümüzde de çok fazla tartışılıyor hani klasik bizim üniversitelerimiz yani sadece Türkiye için söylemiyorum dünyada da hani bu kadar veri üretirken biz dört yıl okuyalım bitsin durumu biraz ortadan kalkıyor. Teknolojinin gelişmesiyle anladığım kadarıyla, sürekli öğrenme çok gündemde dolayısıyla hani akademilerin buna ayak uydurmasının biraz geride kalmasını anlayabiliyorum ama gerçekten yeni kuşaklar kendileri kullanıyorlar zaten ve çok hızlı adapte oluyorlar siz de çok iyi biliyorsunuzdur öğrencilerinizden. Ve biraz onlar zorluyor galiba akademi bu yöntemleri.
Burak Saltoğlu: Bu da yine çok mükemmel bir soru şöyle soru, bu Türkiye'nin gerçekten hani maddi imkanlar vesaire işte eğitim seviyesiyle ilgili zaten kendi adımıza sorun yaşadığımız bir yer ama son dönemde yani bütün dünyanın sorunu olmaya başladı. Mesela şöyle bir istatistik vereyim, son 2018 yılında yani öncesiyle işte bir yaklaşık 5-6 sene içerisinde dünyanın en iyi üniversitelerinin bilgisayar bölümlerinden 52 tane profesör bunlar Harvard, MIT diye yani aklımıza gelecek en iyi üniversitelerin Google, Facebook, Amazon gibi firmalara full time eleman olarak gidiyorlar. Dolayısıyla artık bırakın hani Türkiye'yi falan gibi bu işleri daha kendini ispatlayacak yerleri en ispatlamış üniversiteler bile bu sektörde hoca bulmakta zorlanıyor çünkü 1 trilyon, 5 trilyon, 100 trilyon datalarla uğraşıp gerçekten verinin tepesine oturabilecek ve mükemmel ilginç endüstriyel deneyimler yaşayacakları bir mutfağa geçmiş oluyorlar. Dolayısıyla bu rekabet kısmı bu şekilde gelmiş oluyor. Mesela işte yine Hollanda'da bir üniversite 100 milyon euroya bir sırf yapay zekâ merkezi açıyor ki Hollanda hani ölçek olarak da bu seviyelerin oldukça altında ama buna rağmen tam bunu bu şekilde bir destek verebiliyor. Özetle dediğiniz çok doğru akademi buradan bir şekilde daha geriden geliyor, endüstri çok daha hızlı önden yürüyor ve yönlendiriyor ama tabii özellikle gençlerinde sadece kendi başlarında online kuşlarla falan öğrenip hemen devreye girmesinden çok arka planda çok iyi oturtması ve şey yapması da gerekiyor.
Yapay zekâ ve risk yönetimi uygulamaları
Cüneyt Toros: Hocam biraz bu şimdi yavaş yavaş bir mikro alana gidelim sonra siz de dünya ekonomisi, global ekonomi neredeyiz onu konuşacağım. Finansal risk yani aslında sizin uzman olduğunuz konulardan biri şimdi bu özellikle sadece portföy yönetimi olarak bakmıyorum ama risk yönetimi açısından finansal kurumlar açısından bu yöntemin yani machine learning'in çok değerli olduğunu değerli hale geldiğini görüyoruz. Zaten ekonomide her türlü yenilik önce finansal kuruluşların kullanımıyla genişliyor geçmişte de bunu çok gördük. Burada durum nedir yani Türkiye'de de kullanımı var, siz de bu konuda çalışıyorsunuz risk yönetimi konusunda nasıl kullanılıyor ve ne durumdayız?
Burak Saltoğlu: Çok güzel soru bu da şöyle dimi Cüneyt Bey örneğin yani dünyadaki uygulamalar ve bize gelişim en çok hani bütün bu yöntemlerin aslında en önemli şeylerinden bir tanesi böyle ortalama seviyedeki bir portföy yöneticisinin yerine bütün tarihsel süreci tüm verinin geçmişini tümünü alıp oradaki modellerle portföy önerisi sunan yöntemler bu işin belki en popüler en çok kullanılan yapısı. Buna da robo danışmanlık ürünleri deniyor. Bu özellikle bizim bireysel emeklilik sisteminde çok farklı bir şey yaratacak çünkü sayı çok fazla bu kadar çok insan, işte 5 milyon katılımcı var. 5 milyon katılımcıya sizin yani 50 bin tane portföy yöneticisi sunma şansınız yok. Yani bu hakikaten çok pahalı bir şey ve ikincisi bu portföy yöneticilerin duyguları vesaire gibi şeyler var. Ama makine duygusuz bu anlamda doğrudan hani fonları doğru yönlendirebiliyor.
Bu en önemli uygulamalardan biri ve bu yani trilyonlarca dolar para yönetiliyor sadece işte şeylerden bizim Android şu anda kullandığımız cep telefonları üzerinden size mesajlar geliyor ki Türkiye'de bu konuda çalışmalar bizim de yaptığımız çalışmalar var ve endüstride burada bir adım ileri gidilmiş durumda iyi bir yere gidebilir Türkiye. Özellikle de bağımsız portföy yönetim şirketlerine imkan tanındığında tabii ki fon performansı üzerinden gidecek olan bir yapı var. Buna SPK'nın yakında izin vereceğini düşünüyorum ve bu yüzden de çok sayıda bu tip fon yöneten makine öğrenmesi kullanan şirket ve uygulamaların daha da gelişeceğini düşünüyorum bu bir. İkincisi risk yönetimi çerçevesinde de işte mesela üst yönetimin size söyleyeceği şey ben mesela döviz açıklatıyorum toplamda yüzde 20 olmuşum, olunca da şu şunu kullanım dedikten sonra süreci tamamen bir makineye bırakıp yani o algoritmanın kendisine bırakıp sürekli bu mesajları risk yönetim kuruluna uyarabilen mekanizmalar dizayn edilip bunlar çok rahat kullanılabilir.
Bir de bunun diğer bir bacağı da doğal olarak kredi mesela tahsis kararlarında da direkt ver ver kime ne kadar ver ya da işte yeni gelen şeylere göre kredi riskini güncellemede ve model seçimleri tamamen bu otomatik yöntemlere doğru kayıyor ve bir diğer uygulaması yine finansta işte fraud dediğimiz yani sahtekarlık tanımında yine çok çok fazla kullanılıyor bu Türkiye'de bu noktada siber güvenlik alanında yine makine öğrenmesi kullanılıyor ama gençlerin popüler olarak kullanacağı şeyler fon seçimi fon yönetimi bu böyle bir standart kombinasyonal teknik analiz yöntemleriyle veri işte internetten indirip belli şeylerin yerinde bunun alacağını çok rahat öngörebiliyoruz dolayısıyla burada da hani hızlı bir teknoloji değişimi söz konusu olacak.
Yatırımcının duygusallığı ve yapay zekâ uygulamaları
Cüneyt Toros: Yani buradan tam da bu noktada bir hepimizin gördüğü gibi özellikle borsa İstanbul'a inanılmaz küçük yatırımcı geldi son dönemde bunu görüyoruz şimdi bir de toplumun psikolojisi var. Öyle şeyler oluyor ki yani bunlar kendi kararlarını hani bu kadar machine learning diyoruz data diyoruz veri analitiği diyoruz ama insanlar genellikle duygulara yönelik sadece hisse senediyle ilgili söylemiyorum bu başka yatırım araştırma olabilir çok ciddi yatırım kararı alabiliyorlar Türkiye'de yani tabii finansal okuryazarlık konusunda eksiklerimiz ortada ama budur budası görüyorsunuz yani evet bu kadar machine learning var ama millet hala işte komşusundan duyduğu işte bir bankaca arkadaşından duyduğu belli tüy olarak ya da dedikodulara göre hareket ediyor.
Burak Saltoğlu: Yani orada aslında belki dediğiniz yani buraya gelemedik. Şöyle yani bu sonuçta hani herhangi bir kişi kendi uygulaması üzerinden değil de bunu bir kurumsal yatırım aracı. Ya da kurumsal yatırıma da güvenmiyorsunuz bağımsız siteler falan yerlere doğru kanalize olabilir ama buna da henüz zaman var yani vatandaşı da o anlamda işte anlıyorum işte bir ülkede işte ne bileyim, 30-40-50 yıllık perspektife bakarsak hani genel olarak hani böyle bir şey tarafımız var hızdan böyle bir para yönelmek var.
Uzun vadede değer yaratmak falan gibi şeyler çok gitmiyor. Öte yandan tabi bizim makro resimde de hani işte mesela döviz yatırım aracı değildir deniyor ama işte bizde nereden nereye hani gelebiliyor dolayısıyla vatandaşın da kafasındaki karışıklığı anlayabiliyoruz. Yani burada tabi finansal okuryazarlık piyasaların biraz daha böyle bu oynaklık seviyesinin biraz daha kontrollü bir hale geldi, enflasyonun biraz daha kontrollü olduğu yerlerde bu işin daha iyi bir değer yarattığını insanların görmesi ve değerlemesi lazım. Özellikle de bence sanki ilk uygulama alanı bireysel emeklilik sistemi gibi hani insanların çok da vaktinin olmadığı, hani çünkü borsada oynamak diye bir kelime var bizden oynamak isimden duyuyor bu insanlar. Hani bu herhangi bir çok hani çevremde de var çok iyi bir fon yöneticisi ya da kurumsal yatırımcıya bırakmak değil de ben bu işlemi kendim yapmam lazım ben ona kimseye önermeyin diyor mesela bu tip insanları kolay kolay tekrar oraya entegre etmek zor ama öte yandan hani böyle vakti olmayan belki yavaş yavaş girilebilir. İyi bireysel fon yönetimi iyi bireysel emeklilikte zaten ister istemez para soruya gidecek kişinin. Diyelim doktordu işte profesyonel beyaz yakalayın diyelim ama vakti yok konuyla da o kadar. İlgilenmiyor buraları bence adım adım oraya doğru kayacağını düşünüyorum ama bir sonraki raunda bahsettiğiniz o hani kendi kendine yapan kişiler de belki fondan bildiği kısmını biraz daha böyle bir de deneyin bakalım. Arkadaşlarından gelirse gelir ama daha zaman var mı bence oraya daha var.
Dünya ekonomisi
Cüneyt Toros: Evet hocam hocam tabii bu söyledikleriniz enflasyonun makul oranlara büyük zamanlarda insanların finansal okuryazarlık üzerine dikkatini çekmekte daha kolay olabiliyor şu anda insanlar yüksek enflasyon ortamında ellerindeki kıymetlerin değerinin düşmemesi için uğraşıyorlar bir yandan da öyle diyelim hocam şimdi bu enflasyon meselesinden biraz şöyle dünya perspektifine geçelim isterseniz. Amerika'da bir seçim yapıldı. Biden yeni Amerikan başkanı oluyor 21 Ocak itibariyle. Bunun etkilerini ekonomi alanında nasıl görmeye yapıyorsunuz çünkü Trump'ın özellikle Asya'da Çin'le bilek güreşi ticaret savaşları çok meşhur hikayeler olarak son dört yılda manşetlerdeydi. Burada nasıl gelişmeler bekliyorsunuz biraz dünya ekonomisinde bir gezinti yapalım siz de isterseniz.
Burak Saltoğlu: Burada da aslında soru yine şöyle bir şey ana konumuzda da açıkçası yani yüzde 60, 70, 80, şu anda Çin ve Amerika rekabetinde, en büyük rekabet nerede derseniz benim şeyim tabii bir sürü veri de destekleyebiliriz çok önemli bir kısmı işte yapay öğrenme yapay zekâ işte bu uygulamaları ve belki biraz da gen ki, gende de yani gen ya da işte onunla ilgili de yine bu yapay zekâ yöntemlerinde de ilişki var. Özetle buradaki tartışma şu yani bir de burada ikinci bir konu var. İşte kuantum hesaplama diye bir şey bu ikisi Amerika Çin ve Kanada ve Avrupa rekabeti üzerinde burada fark yaratılabilecek verimlilik artışı böyle hakikaten bir suçlama yaratılacaksa burada olacak buradaki yapı da şöyleydi.
Trump açıkçası burada çok net bir şekilde özellikle Çin mesela şu resmen Trump'ın senatörlerinden birinin bu pandemi sonrası söylediği bir söylendi aynen hani söylemeye çalışayım Çinliler bize işte kuantum öğrenmesi ya da yapay zekâ öğrenmesi değil de Shakespeare öğrenmek istiyorsa gelsin. Biz artık buna yönelik bir vize yapacağız falan noktasında, Çin'e karşı çok ciddi bir yapısal önlem düşünüyorlardı ve Çin de kendi adına bu arada yapay zekâda Avrupa'nın çok ötesinde. Bu arada hani sıra sıra gidersek Amerika en ötede ve inanılmaz yatırımları var ve bu arge yatırımlarının sonuçlarını muhtemelen önümüzdeki dönemlerde alacaklar.
Bunu en yakın anlamda Çin ve Kanada izliyor fakat Çinli ve Amerika'daki önemli yapay zekâ uzmanların da çoğunun olduğunu söylemek durumundayız ama yine de kurumlar Amerikalı yani hala birkaç adım önde olan Amerika ama bunun yaklaştığını gören Trump bence hani kendi perspektimimize tabii çok yanlış söylemlerini falan şey yapıyoruz ama vurguladığı noktalarda bir şey var yani Çin bu noktada da hani nüfus arttı. Diğer faktörler bir de burada birazdan yaklaşma yaparsa gerçekten global liderliği alabilir, kaygısına bir adını koydu yani Trump bunun belki çok şekil pars çok fena ama yani dolayısıyla, Biden'la beraber bu süreci sanki bu rekabeti görüp ama bunu böyle artık su yüzüne çıkartmak, olmasa belki arka planda vesaire devam ettirecek bir şey göreceğiz ama bu savaşın bu kavganın devam edeceği çok net bu kavga da gerçekten çok önemli çünkü bütün görüntü işlemeden hastalık teşhisine kadar çok enteresan noktalara savaş sistemlerinden savunma sistemlerinden ki bunlar bildiklerimiz bu arada bilmediğimiz çok enteresan şeyler arka planda çalışılıyor.
Dronlarla mesela Çinlerin yaptığı mesela işte bu ihaların böyle büyük bir filo halinde dolaşması falan şeklinde böyle savunma sanayi teknolojilerinde oynatacak bir taraf var. Buradan yola çıkarak bu rekabet devam ederken Amerika'nın kendi içindeki kaygısı da şu ki çok meşhur bizim iktisatçımız Saran Acemoğlu'nun bir konuşmasında hani şey yapmıştım şunu araştırıyor yani özellikle Amerika'da ki bu robot teknolojisinin ve yapay zekâ uygulamalarının Amerika ve dünya ekonomisin etkisi ki kısmı bize de tabi geliyor bu çok tekrarlı aşırı yüksek teknik yeterli olmayan istihdamın gittikçe daha da düşük ücretler aldığını ve işsizliğe daha çok gittiğini çünkü robotların ciddi anlamda onları aldığını söylüyor yerine aldığını söylüyor ve bu Amerika'da özellikle işte Detroit vesaire gibi yerlerde ki en çok araba falan üretim yerlerinde iş dünyadan yavaş yavaş koptuğunu söylüyor dolayısıyla hem global rekabette hem de ülke içerisinde insan ile robot arasındaki bu istihdam kaybıyla ilgili çok ciddi sorunlar olabilir bütün anlattıklarımız çok güzel çok güzel hoş geliyor ama olayın biraz bu negatif taraflarından da gerekirse hani.
Dünya ekonomisinde Türkiye’nin yeri
Cüneyt Toros: Şimdi özetle şunu söylüyorsunuz yani bu Çin ile Amerika arasında rekabet sürecek özellikle yapay zekâ ve bu alanda bu robot teknolojileri anlamında ve iki büyük ülke rekabet ettiği zaman çok hızlı endüstriyelleşme oluyor o tip ürünlerde. Bu da aslında istihdama kendi içlerinde ve global istihdamda da negatif etki yaratacak. Hocam şimdi bu konu zaten dünyada en çok tartışılan konulardan biri. Çeşitli çözüm önerileri de sunuyor mesela global asgari ücret gibi bir kavram ortaya atıldı bilmiyorum hani şu anda bir kesim tarafından tartışılıyor ama genele yaygın olur mu diye bunun sosyal ve siyasi sonuçları da bekleniyor. Bu arada biz neredeyiz yani buna da girmek istiyorum, istihdam üzerinden biraz konuşursak Türkiye'nin çok ciddi bir işsizlik problemi var. Bu da çok çeşitli çözüm öneriler rakamlarla da ortada artık insanlar yani istihdam oranımızda düşüyor. Hani işsizliğimiz yükseliyor ama tam yaratamıyoruz.
Burak Saltoğlu: Yani çok güzel soru şimdi ben hani Türkiye'ye de girmeden önce bir gelişmekte olan ülkeler hikayesi ve sonra Türkiye'ye gireyim. İsterseniz lütfen bizim 2008-2009 hikayesini hatırlarsanız hatta belki pandemide de benzer bir beklenti oldu hani işte hemen ekonomilerde gelişmek olan ülkelere büyük bir para girişi falan diye bekledik çünkü 2009'da biraz o hikaye vardı fakat 2009'dan sonra bu bahsettiğimiz süreç iş bu tipi robot ve çok tekrarlı görece daha az kalifiye istihdam yaratan ülkelere böyle inanılmaz bir kayışı önledi açıkçası. Çünkü mesela Almanya tekstilini tekrardan Almanya geri getiriyordu.
Avrupa tekrar geri getiriyor çünkü robotlar öyle de böyle en ucuz işçiden bile daha ucuz zaman içerisindeki hareketliği düşünürseniz dolayısıyla robot teknolojisinde özellikle üretim tarafında Avrupa'nın daha iyi olduğu özellikle Almanya'nın daha iyi olduğu taraf yazının tarafından çok üretim tarafı robot üretimi tarafı yani fiziksel üretim yapan robotlarda. Şuna geleceğim hani bizim işte Bangladesh gibi ya da işte benzeri gibi artık ucuz işçiyle yani şimdi tatsız tarafı diyelim gelişmekte olan ülkelerde de iki seviye oldu. Robot teknolojisini kapıp üstte kendini bir üst lige iter artık onların adına gelişmek olan ülkeler demek de yanlış. Yani ikili bir sınıf oldu orada bu 2000'li yılların başından beri kullandığımız bu gelişmek ülkeler tanımında da bence değişim oldu. Şimdi Türkiye o ligi atlama şansı yok açıkçası.
Türkiye gibi de çok ülke var hani bunu da hani şey yapmayalım bulunduğumuz ligi belki yeniden tanımlamamız gerekecek. Bu ligde de yani gelişmekte ülkeler hikayesinin yeniden yazılması gerekiyor. Türkiye burada yeni bir hikaye yazabilir mi teknik olarak mümkün yani ama bütün bu şeyleri de kabul etmekle geriye başlar. Türkiye bu robot teknolojisini adapte etmeye yani buraya çok erken başladık diyemeyiz açıkçası geç başlayanlardanız. Altyapı burada hani gerekecek birçok faktör gerekecek bir, ciddi bir planlama gerekecek. Belki böyle bir eski devlet planlama teşkilatının böyle bir sırf bilim teknoloji bacağını ve çok daha ince ince oluşturan ve hani Türkiye'nin önümüzdeki on yıllık planı olacak ve bu hangi iktidar gelirse gelsin buna uymak zorunda kalan master planının falan çıkarılması gerekiyor. Buna kaynak da ayrılması gerekiyor demin bahsettim. Yani yüz elli milyon euro bir Hollanda ölçeğinde ve Kore bunu harcıyorsa, bu paralarla yani iki milyon üç milyon dolarlık işler değil. Çünkü hem insanlar çok pahalı yani R&D'de kullanacağımız iyi bir doktoralı ve şey birisinin yani şu anda ortalama yüz yüz elli bin dolarlardan bahsediyoruz tabi. Biz Türkiye'de yaşayan şartları falan desek bile ki hocalarımız şeyde çok daha ucuza çalışsa da yani bunun böyle sürekli arkasını yeni teknolojiler bilen insanları toplayacaksınız. Bilgisayarlar çok pahalı çok ciddi hardware var bir sürü farklı disitinden insanı yan yana getireceksiniz falan hani bütün bunların planlama konusu tabi ki şu anki Türkiye'nin gündeminde.
Bu ne kadar önemli yer alır? Ama hani reform deyince aklıma benim bu tip şeyler kalkınma anlamında bunlar geliyor. Her gün konuşuyoruz da hani buralar daha böyle bir şey gerekiyor yani illa buradan olumsuz bir şey çıkarmak zorunda değiliz ama bu yani fırsat penceresinde Avrupa'nın bile aslında çok ileri gidemediği yani bu yapay zekâyla ilgili dünya raporları falan bunlar okuyorum, mesela burada hani, Avrupa'nın bu ana vagona binemediği kıta Avrupasının sadece üretim tarafındaki robot üretiminde Almanya'nın iyi gittiği ama özellikle yazılım bacağında geri kaldığı kısmı var onlar da tabi bu arada çok çabalıyor. Fransa inanılmaz bir şey yapıyor İngiltere inanılmaz bizim Teknokent yasaların çok daha şeyinde teşvikler veriyor ama bu dönüşümler tabi yılların birikimi hani Amerika'da burada açıkçası bütün eleştirilerimize rağmen önde gidiyorlar önde gidiyor yani o noktada yani özellikle Türkiye burada böyle bir oturup sakin bir şekilde öncelikle durumu da kabul ederek yani hani burada da bir ayıp bir şey yok hani sonuçta dünyada da bizim gibi geç başlayanlar var ama elde ne var görevli avantajlarımız neler genç bir insan kaynağımız var ama hani özellikle yurt dışında yaşayan Türklerden önemli bir kısmı buraya çekerek belki daha hızlı bir startup yapısı kurabiliriz. Sadece böyle gençlerin bir hevesiyle ya da işte online kurslarla şunlarla bunlarla hani böyle bir arge merkezi kurmak şey bundan hepsinin başında böyle yıllarca bu işleri yapmış böyle sinir profesörler var işte. Mesela şeyde Toronto bir merkez kurdu 150 milyon dolar harcadı başına Hinton denen birisini koydu. Bu derin öğrenmenin mesela mucidi, yani bu böyle lider kişilerle hani yürüyecek şeyler yoksa hani bir iyi niyet ya da şeyde sadece oluyor.
Cüneyt Toros: Şunu hatırlatıyor bana bilmiyorum katılır mısınız Cumhuriyet'in ilk yıllarında Mustafa Kemal Atatürk'ün yurt dışından ülkedeki eğitim hamlesini başlatmak için iyi profesörleri Türkiye'ye getirip bugün eğitim kurumlarımızın birçoğunun temelini atan yabancı profesör özellikle Almanya'dan o dönem için, Hitler yönetiminden kaçanların da getirilmesiyle bir hamle yapılmıştı. Sanki sizin söylediklerinizden benzer bir şey çıkarıyorum yani yine böyle dünyada bu konuda iyi olan insanların ikna edilerek belli teşviklerle getirilip bu alanlarda yeni kurumlar bir planlama dahilinde tabii kurulması Türkiye'yi orta ve uzun vadede biraz öne çıkarabilir gibi anlıyorum ben.
Burak Saltoğlu: Katılıyorum hatta yani bu son dönemde yapılan bir sürü uygulamada hani benim beğendiğim ve şey yaptığım böyle hani net olarak pozitif olarak baktığım şey Türkiye'nin işte bu TÜBİTAK projesiyle bir geriden tersine beyin göçü projesi falan var ismini şimdi hatırlamıyorum. Bu sene de 2021 için 100 kişi planlanıyor 100 çok az mesela çok iyi bir fikir bu, 1000 mesela çok rahat olabilmeli yani ben açık çok dürüst söylemek gerekirse bir reform planımız varsa Türkiye'nin insan kaynağıyla bir sıçrama yapması çok kolay değil yani eğitim sistemi ücretler kuyruğu vs. Buradan dıştan bir katalizör gelecek bu da %80-90'a Türk olur geri kalan aslında civar illerden de şimdi çok ciddi bir göç veriyoruz. Bunu çok sadece bizim üniversiteden söyleyebilirim iki ya da üç tane yapay zekâ uzmanı şeyin Hollanda üniversitelerine gittiğini görüyorum ki tüm Türkiye genelinde ve özellikle bilgisayar mühendisliği gençlerinde düşünürsek ve buradan da online Facebook'a şuna çalışanları düşünürsek yani adam Türkiye'de ama yurtdışına çalışıyor yani ciddi bir göç var yani o anlamda.
Tersine kesin çevirmemiz lazım bunu da artık kaynak neyse vereceğiz vermek zorundayız ve kaldı ki bence civar illerden Azerbaycan Türk coğrafyasına yakın diğer Türkiye Cumhuriyetlerden insanları da mantıklı bir göçmen politikasıyla nasıl Türkler Almanya'ya gidiyorsa siz de Afganistan'ı şunu bunu ama tabi en iyi profesörünü şunu bunu neyse tabi ki çok iyi standartlarla buraya çekmek şeklinde bir göçmen politikasında bir insan kaynağı kalitesinin filtrelenmesi lazım. Yoksa bu şekilde bizim mevcut imkanlarla bu dünyadaki hakikaten üniversitelerin top üniversitelerin bir de rekabetten koktuğu yerde bizim bu imkanlarla 5-10 milyon 20 milyon cirolarla rekabet ediyoruz diye görünmek yani halkı tek ikna edici olamaz açıkçası global perspektifle bakarsak.
Ülkelerin yapay zekâ rekabeti
Cüneyt Toros: Zor bir döneme giriyoruz bütün dünya için bu geçerli ve anladığım kadarıyla bu yeni Amerikan yönetimiyle bu rekabette yine hızlanmaya devam edecek özellikle Çin'in Amerika arasında çok daha hızlı uygulamaları piyasada görebileceğiz ve bizim artık zaman kaybetmememiz lazım. Ve Hindistan örneği var hocam onlar aslında biraz önceden başladılar şimdi Trump döneminde de Çin'in olan şeyde bazı üretim testlerini Hindistan'a kaydırmak gibi bir yöntem izlediler. Hindistan ciddi anlamda yol aldı bildiğim kadarıyla ve güzel bir yer olarak duruyor.
Burak Saltoğlu: Kendine göre bir silikon vadisi şey yani bizde de bir vadi kelimesiyle olmuyor tabi ama Hindistan tabi yıllardır yazılım işlerine de çok şey yaptığı için biraz da Çin kadar böyle global politika alanında aktif olmama nedeniyle biraz orada da hani hafif şeyin de etkisiyle iyi bir noktaya doğru gidiyor olabilir. Singapurdu Kore de bunlar da yine belli alanlarda çok iyi gidiyor hani. Bizim de yani bu süreçte özellikle bu civarda hani burada bir şansımız işte siha, iha teknolojisinde ora üzerinden belki teknoloji üzerinden savunma sanayi üzerinden yayılabilir bir şey var ama bu iş bir ekosistem gibi maalesef hani bu mesela hani bu arada kendi çocuğumun da ben Kanada'da böyle bir branşta okuduğu için çok yakında takip ediyorum.
Ben de hani gidip geliyorum hani kendi alanımın dışında o üniversitelerde mesela şunu söyleyebilirim şu bence çok dikkat çekici bir şey. Yani biz mesela burada bulunduğumuz iyi liselerin devlet liselerimizin hatta özel liselerimizin yurtdışına göre çok rekabetçi ve iyi olduğunu hep düşünürüz doğruluk kısmını ben oraya gidince şey yapıyorum mesela orada özellikle kod ve yazılım liseleri geliştirmişler. Bu Kanada, Amerika vesaire gibi yerlerde bu arkadaşlar bitirdiklerinde o liseyi en iyi üniversitenin ilk iki üç yıllık müfredatını zaten algoritmasını şunluluğunu görerek geliyor ve orada zaten o dersleri çok rahat yapıyor hatta ve hatta bunların bir üç seviyesi orada olimpiyata falan girenler Google ve Facebook'a üniversiteye gitmektense doğrudan kabul alıyor yani çocuk 18 yaşında ve bugün Apple ve Google'da yüzde 15 çalışan lise mezunu. Yani lise mezunundan kasıt tabii ki öyle bir lise mezunu ki yani liselerinde bütün bu bahsedilen konunun temelini biliyor, çok da kıvrak ve hani çok da yetenekli çocuklar ve dolayısıyla bu bu da ki yetenek açığının çok daha genç yaşlardan itibaren başladığını da hissetmemiz lazım biz daha böyle eğitimde hani meslek lisesi mi yapalım falan aslında başka bir şey geçti evet yani o seviyeye yakalanabilir yakalayabilir miyiz diye de insan hani bilmiyorum. Hani çok da şey konuşmak da istemiyorum genç nüfus var çok potansiyelimiz var ama doğru yönlendirilmeden ve doğruyu da yurt dışındaki doğru örnekleri de görmeden yani bizim matematiğimiz iyidir falan gibi şeyler artık eskisi gibi gitmiyor. Çok daha rekabetçi bir genç ve jenerasyon geliyor evet biz de hani böyle aileler maalesef kendileri teknolojiye çok uzak olduğu için çok fazla oyun oynayan çocuğu inanılmaz bir teknoloji dehası falan diye görüyor. Ama bu zaten herkesin oynayacağı şeyler mesela o programları yapacak nesil ve bunu şey yapmak hatta bizim belki ne bir üniversite giriş sınavlarında bile hani bir kodlama da şurada burada yapılan başarıyı da puana değerlendirmek gerekiyor gibi. Yani başka şeyler düşünmek lazım şu anda üniversite giriş sınavında kullanılan fizik matematik falan bunların mesela bir kısmını çok da ötesinde farklı şeyler yapmaya izin veren müfredatlar var açıkçası gibi. Yani bütün bunlar böyle çok hızlı olmuyor ama böyle sakin sakin düşünüp yol almak gerekiyor. Böyle tartışmaya da girmeye gerek yok.
Cüneyt Toros: Yani bu konuda tartışmamıza gerek yok zaten doğru bir stratejik bir anlama yani bu işin hiçbir herhangi bir şeyi yok bunu yapmak zorundayız. Gelinen nokta da belli. Hocam çok teşekkür ediyorum sohbet için gerçekten ufuk açıcı bir sohbet oldu. Umuyorum bu söyledikleriniz en kısa sürede gerçekleşir ve biz de dünyadaki yerimizi yeniden daha yüksek sıralarda alırız.
Yapay zekâ uygulamalarının getirdiği sorunlar
Burak Saltoğlu: Bunun hep e-pozitif tarafından bahsettik ama mesela negatif taraflarını anlamak için de girmek lazım ve çok net bir şekilde yüz tanıma şeyleriyle ilgili insanları tanıyorlar, suçlu tanımada mesela bunu yapıyorlar ve o algoritmalarda siyahi olanların daha çok suçlu çıktığı, mesela bir siyahi vatandaş sırf bu nedenden dolayı işte 10 sene 5 sene hapiste kalabiliyor falan hani. İşin böyle etik boyutları olabiliyor işte verinin fazla kullanılması olabiliyor. Mesela Trump'ın seçim kazanması sırasında Facebook verilerinin kullanılması gibi şeyler oluyor. Özetle bütün bunların şeyi için böyle sırf kavramsal değil de işin içine yaşayarak girince de takip edebiliyorsunuz yoksa yani o anlamda da bize nasıl yansır, negatif şeyleri nelerdir, planlar nelerdir, içerideki teknolojiler nedir anlamak için de bu işin içine girmek lazım. Çünkü hep dediğim gibi güzel taraflarından bahsettik ama olumsuz olarak bir de böyle etik tarafları var. E bu bize nasıl yansır, hangi veriyi nasıl paylaşalım? Belli bir farkındalık içinde bu konuların daha sık tartışılmasında büyük fayda var.
Cüneyt Toros: Hocam zaten bu konuda da yani şimdi bir de bunun hukuki altyapısının olması gerekiyor tabii ki. Yani bu yeni sistemin geçtiğimiz günlerde yine bir bu programda bir robot psikologla Türk bir kızımızla sohbet etmek fırsatı oldum. Ben ilk defa duydum robot psikolojisi alanında çalışıyor yani insan-robot etkileşimi üzerinde alanlar var yani farklı farklı alanlar çıkıyor dediğiniz gibi işin olumsuz tarafı bireyin hak ve özgürlükleri ne olacak gibi gibi çok tartışılması gereken işin sosyal bilimler alanı da var aslında. Yani biz sadece şimdi yazılım tarafını ve onun getirecek atma değeri konuşuyoruz dediğiniz gibi ama tabii top bir strateji çerçevesinde değerlendirilirse bunların hepsi bir arada olacaktır diye düşünüyorum. Hocam çok teşekkür ediyorum tekrar vakit ayırdınız, iyi çalışmalar ve başarılar dilerim.
Burak Saltoğlu: Aynı şekilde sizlere de çok kolay gelsin, iyi günler.