Dünya Mars’a gitmeye, uzayda maden aramaya, uydudan cep telefonlarına ulaşmaya çalışırken, yapay zeka hızla gelişirken, T.C. 67. Hükümetinin ve AKP’nin Milli Eğitim Bakanı Yusuf Tekin, ortaokul ve liselerdeki matematiği “yazık çocuklara” ve “Trigonometri’yi üniversitede öğrensinler” cümleleri ile azaltırken, 4 gün önce Hindistan Bakanı Rajeev Chandrasekhar, sosyal medyadan yaptığı paylaşımda; Musk ve Huang’ı alıntılayarak öğrencilerin “kodlama yerine fizik ve matematik”e odaklanması gerektiğini söyledi. Chandrasekhar şunları yazdı:
“Eğer bir öğrenciyseniz, bunu okumanız sizin yararınıza olacaktır.
Teknolojinin alışılmış tavsiyelerinden cesur bir sapma olarak, @elonmusk ve @nvidia CEO Jensen Huang, öğrencileri kodlamaya daha az, fizik ve matematiğe daha fazla odaklanmaya çağırıyor.
#YapayZeka çağında, dünyanın temel prensiplerinin derinlemesine anlaşılmasının her zamankinden daha önemli olacağını savunuyorlar.
#YapayZeka araçları kod yazma ve hata ayıklama konusunda daha yetenekli hale geldikçe, temel programlama becerilerinin değeri azalıyor. Ancak otomatikleştirilemeyen şey güçlü kavramsal düşünme, yaratıcı problem çözme ve yeniliği güçlendiren bilimsel zihniyettir. Bu, denklemlerde, enerjide, kuvvetlerde ve mantıkta ustalaşmakla başlar.
Hem Musk hem de Huang, bir sonraki atılım dalgasının daha iyi kodlayıcılardan değil, gerçekliğin nasıl işlediğini anlayan düşünürlerden geleceğine inanıyor. İster roket inşa etmek, ister çip tasarlamak veya daha akıllı YapayZeka yaratmak olsun, üstünlük bilim ve muhakemede temeli olanlara gidecek.
Öğrencilere ve geleceğin yenilikçilerine mesajları açık. Sadece makinelerle nasıl konuşulacağını öğrenmeyin. Makinelere gerçekten yeni bir şey öğretebilmek için evrenin nasıl çalıştığını öğrenin.
Algoritmaların ve yapay zekanın yönlendirdiği bir gelecekte, sizi farklı kılacak olan şey temelleri anlamanızdır. #AIAge”
Elon Musk ve Nvidia CEO’su Jensen Huang, yapay zekanın kodlamada rutin işlerin çoğunu devralmasıyla birlikte öğrencileri fizik ve matematiğe yönlendiriyor. Jensen Huang, bugün öğrenci olsaydı fizik alanına odaklanacağını, çünkü yapay zekanın geleceğinin fiziksel dünyayı derinlemesine anlamayı gerektireceğini söyledi. Kuvvetlerin nasıl çalıştığını, sistemlerin nasıl davrandığını ve neden-sonuç ilişkisinin gerçek ortamlarda nasıl işlediğini bilmek, yapay zekanın taklit etmesi için daha zor ve gelişmiş yapay zeka, yazılımdan robotik, otomasyon ve diğer gerçek dünya uygulamalarına geçtikçe hayati önem taşıyacak.
Musk, gelecek için değerli beceriler hakkında ayrı bir tartışmada benzer bir bakış açısı paylaştı. Telegram CEO’su Pavel Durov, öğrencileri “matematiği seçmeye” teşvik ettiğinde Musk, “Fizik (matematikle birlikte)” diye yanıtladı. Tesla ve SpaceX’teki problem çözme yaklaşımını şekillendiren fiziğe atıfta bulunan Musk, ilkelerden yola çıkarak akıl yürütmenin genellikle mevcut yöntemleri takip etmekten daha güçlü olduğunu belirtti.
Kodlama hala çok önemli, ancak hem Musk hem de Jensen, bir sonraki fırsat dalgasının, yapay zekanın gezinmek, modellemek ve kontrol etmek için inşa edildiği sistemleri anlayan insanları ödüllendireceğine işaret ediyor.
Matematik, Yapay Zeka için Neden Önemli?
8 sene önce de yine AKP’nin MEB Bakanlığının icraatleri üzerine “Matematik Ne İşe Yarar?” başlığı ile bir yazı yazmıştık. 8 yıldır aynı yerdeyiz. Ama şimdi konu; “yapay zeka”. Kısa bir süre önce “Yapay Zeka” amaçlı olarak ülkemizde 10 milyar $’lık Veri Merkezi yatırımı açıklandı ama matematik yoksa, veri merkezi ne işe yarar?
Yapay zeka için matematik önemlidir çünkü hem temeli hem de ilerlemesi tamamen matematiksel kavramlar üzerine inşa edilmiştir. Şöyle ki;
- Lineer cebir : Sinir ağlarındaki katmanlar, ağırlıklar, vektörler ve matris çarpımları tamamen lineer cebir işlemleriyle çalışır. Örneğin, bir görüntü işleme modeli milyonlarca pikseli matris olarak işler.
- Olasılık & istatistik : Yapay zekâ, belirsizlik altında karar vermek ve veriden anlam çıkarmak için olasılık kuramını kullanır. Bayes teoremi, Markov zincirleri, Gaussian dağılımlar gibi yapılar AI’nın bel kemiğidir.
- Türev & Integral : Derin öğrenmede “geri yayılım” (backpropagation) algoritması, türevler sayesinde ağırlıkların nasıl güncelleneceğini hesaplar. Yani öğrenme sürecinin motoru türev ve integrallerdir.
Yanısıra, optimizasyon teknikleri (gradient descent, stochastic optimization) matematiksel fonksiyonların en iyi çözümünü arar. Matematik bilmeyen birinin, yapay zekanın neden “şu cevabı verdiğini” anlaması veya modelin hatasını düzeltmesi çok zordur.
Differansiyel denklemler ise fiziksel süreçleri modellemek, robotik kontrol veya hava tahmini gibi alanlarda kullanılır. Ağ teorisi (graph theory), Sosyal ağ analizi, internet bağlantı haritaları, moleküler yapı analizi gibi konular için şarttır.
Kod yazmak artık yapay zeka araçlarıyla kolaylaştı, ancak yeni algoritma icat etmek hâlâ matematiksel yaratıcılık gerektiriyor. Matematik bilen bir mühendis, sadece mevcut modelleri kullanmaz; onları daha verimli, daha hızlı veya daha akıllı hâle getirecek yeni yöntemler geliştirir.
Yani, yapay zekâ öğrenmek, sadece araçları kullanmak değil; araçların nasıl çalıştığını anlamaktır. Bunun dili de matematiktir. Matematik bilmeden yapay zeka kullanmak, uçağın kokpitinde düğmelere basıp uçtuğunu sanmaya benzer. Ama asıl uçuran fizik ve matematik bilgisidir.
Fizik, Yapay Zeka için Neden Önemli?
Fizik bilmek, yapay zekâ açısından düşündüğümüzde yalnızca mühendislikte değil, yapay zekanın geleceğini şekillendirecek alanlarda da kritik önemdedir. Yapay zekâ çoğu zaman soyut veri üzerinde çalışır, fakat fizik gerçek dünyanın işleyiş modelidir. Yapay zekaya dünyayı öğretebilmek için enerji, kuvvet, hareket, kütle, alan, dalga, termodinamik gibi kavramları anlamak gerekir. Örneğin, robotik kolların hareketi veya dronların uçuşu tamamen Newton mekaniği ve dinamik sistemler denklemleriyle modellenir.
Fizik bilgisi olmadan yapay zekanın gerçeğe uygun simülasyonlar üretmesi zordur. Otonom araçlar, fabrikalardaki otomasyon sistemleri veya uzay görevleri için fizik tabanlı simülasyonlar kullanılır. Yapay zeka, bu simülasyonlardan öğrenerek gerçek hayatta daha güvenilir çalışır.
Fizik, enerji verimliliği, malzeme dayanıklılığı, ısı yönetimi gibi alanlarda doğal kısıtları tanımlar. Yapay zeka bu kısıtları bilmezse, tasarladığı sistemler kağıt üzerinde iyi görünse bile pratikte çalışmaz. Örneğin, bir veri merkezinde ısıl yönetim (cooling) optimizasyonu yapay zekâ ile yapılır, ama ısıl iletim denklemleri fiziğin konusudur.
Kuantum bilgisayarlar, lityum-iyon piller, yarı iletkenler, optik haberleşme gibi teknolojiler fizik kökenlidir. Yapay zekanın bu alanlarda yenilik yapabilmesi için fiziksel prensipleri anlaması gerekir. Örneğin, Nvidia’nın GPU tasarımları yalnızca kod bilgisiyle değil, elektriksel devre fiziği ve ısı dağılımı hesaplarıyla mümkün olur.
İnsan zekâsı gerçek dünyaya uyum sağladığı için başarılıdır. Yapay zekanın da aynı şekilde fiziksel dünyanın nedensellik ilişkilerini öğrenmesi gerekir. Bu yaklaşım fizik tabanlı yapay zekâ (Physics-informed AI) olarak bilinir ve mühendislik, iklim modelleme, sağlık teknolojileri gibi alanlarda hızla büyüyor.
Yani, Fizik, yapay zekâya “dünyanın nasıl çalıştığını” öğreten dildir. Matematik yapay zekanın mantığını kurar, fizik ise yapay zekanın gerçekliğe uygun yaşamasını sağlar. Elon Musk ve Jensen Huang’ın “fizik öğrenin” vurgusu tam olarak bu yüzden anlamlı. Kod yazmak geçici bir beceridir, ama fiziği anlamak yapay zekanın sınırsız uygulama alanlarını açar.
Ülkemizin Geleceği için Siyasetçilere Mesaj
Din eğitimi olduğu zaman “Ağaç yaşken eğilir”, Fizik, matematik, bilim olunca, “Yazık değil mi bu çocuklara?” diyen Milli Eğitim Bakanına ve diğer benzer düşüncede olanlara mesajımız şudur; ülkemizin geleceği için matematik ve fizik alanlarını güçlendirmemiz ve hatta (aynen bugün en güçlü hackerlara sahip olan Rusya’da olduğu gibi) ilkokuldan itibaren uygulamalı matematik ve fizik derslerine ağırlık verilmesi, zor öğrenilen bu alanda çocukları ve gençleri desteklememiz, belki eğitimi oyunlaştırmamız lazım.
“Trigonometriyi ve benzer teorileri üniversitede öğrensinler” cümlesi içi boş bir cümle. Bu dersleri bütün eğitim hayatı boyunca zevkle okumuş bir yüksek mühendis olarak not edeyim, geç kalınmış olur. Ve de yukarıda başbakanının mesajını okuduğumuz Hindistan gibi ülkeler öne geçerken, biz arkadan nal toplar durumuna düşeriz.
Kaynak : 