Küresel ekonomide bilgi üretimi arttıkça bu konuya ilişkin pek çok eğilim ve tartışma alanı ortaya çıkmaktadır.
HPE Türkiye, Kazakistan, Kırgızistan, Doğu-Güney Avrupa, Hazar ve Orta Asya Bölgesi Genel Müdürü Güngör Kaymak, “Geleceğimizle ilgili en önemli sorulardan biri, bu doyumsuz veri talebini değerlerle nasıl bağdaştıracağız? mahremiyet, özgürlük ve egemenlik gibi.”
Kaymak, veri ekonomisindeki son gelişmeleri ve trendleri şöyle analiz etti:
“Massachusetts Teknoloji Enstitüsü Profesörü Alex Pentland, bilgi ekonomisinin mevcut durumunun geçmiş sanayi devrimlerinde olanları tekrarladığını savunuyor.
Pentland’a göre, üretim araçları birkaç şirketin elinde toplanmış durumda ve çoğunluk, üretilen varlıktan adil bir pay almak için ortaya çıkıyor.
Pentland, günümüzde böyle bir birliğin en uygun biçimini ‘veri kooperatifi’ olarak tanımlıyor. Buna göre kişi ve kurumlar, zirvedeki büyük tekellere karşı güç oluşturmak amacıyla, haklarını savunan komitelerin denetimine tabi olarak verilerini paylaşıyor.
Bu fikir zaten bir dizi paydaş tarafından destekleniyor. Örneğin, inanç temelli model, Avrupa Veri Yönetimi Yasasında merkezi bir rol oynamaktadır.
Ayrıca International Data Spaces Association ve Gaia-X gibi kuruluşlar, şirketlerin merkezi bir platform kullanmak zorunda kalmadan bilgilerini paylaşabilecekleri ortamlar için standartlar geliştiriyor.
Veri kolektifleri organizasyonu
Kredi kooperatifleri, bu tür birliklerin başarılı olabileceğinin bir göstergesi gibi görünüyor. Ancak bilgi için böyle bir model oluşturmak çok daha zordur. Para açısından bu işi yapmak kolaydır çünkü para yaygın ve standartları mutlaka bir ortam sağlayacaktır. Bilgi ise kendine özgü, karmaşık ve heterojen bir yapıya sahiptir.
Bu sadece bilgilerin güvenli bir şekilde paylaşılmasına izin verecek yeni teknik standartların geliştirilmesini gerektirmez.
Böyle bir kooperatifin, hangi bilgilerin kiminle ve hangi amaçlarla paylaşılacağını tanımlayan karmaşık bir kurallar dizisi üzerinde anlaşması gerekir.
Üyelerin çıkarları ne kadar farklı olursa, bu süreç o kadar uzun ve karmaşık hale gelir.
Bununla birlikte, bilgi alışverişini gerektirmemekle birlikte, en yüksek bilgi verimliliğini sağlayacak alternatif bir işbirliği biçimi sunabilen sürü modeline dayalı bir teknik vardır.
Sürülerde öğrenen yapay zeka
Sürüler, merkezi bir birliğe ihtiyaç duymadan kolay prosedürlerle çalışır. Ancak, hiyerarşik şemalar kadar, hatta onlardan daha etkili olabilir.
Sürü unsuru, hayvanlar aleminde tanıdıktı ve yazılım geliştirme veya wiki oluşturma gibi insana özgü alanlarda da başarılı olduğunu kanıtladı.
Bu yaklaşım son zamanlarda bilgi bilimi ve yapay zeka (AI) alanında uygulanmaktadır. Sistem şu şekilde çalışır: Bir grup kuruluş, makul bir görev için ortaklaşa bir yapay zeka modeli eğitmeye karar verir. İlk olarak, her kuruluş bunu kendilerine sunulan bilgilerle yapar. Daha sonra verinin kendisi değil, veriden öğrenilenler bir yere getirilir. Bu gelişmiş model, kümenin tüm üyeleri tarafından kullanılabilir.
Örneğin, doktorlar ve sağlık uzmanları, X-ışını görüntülerine, kan değerlerine veya genom dizilerine dayalı olarak hastalıkları teşhis etmek için yapay zeka kullanıyor. Bununla birlikte, bireysel enstitüler, birden fazla sayılabilecek bir yapay zekayı eğitmek için yeterli hasta verisine sahip değildir. Bu tür verilerin başka kurumlarla paylaşılması veri koruma kuralları gereği çoğu zaman zor veya imkansızdır.
Emsal sorunlar sürü toplama ile çözülebilir. Ayrıca bu şekilde eğitilen yapay zeka örneklerinin, merkezi yapay zeka eğitimine göre daha iyi sonuçlar verdiği kanıtlanmıştır.
Verilerdeki Blockchain
Sürü öğreniminde, yalnızca öğrenme değil, aynı zamanda öğrenilenlerin zamanında gösterilmesi de merkezi olmayan bir şekilde gerçekleşir. Bu görevi üstlenmek için, her eğitim türünde blockchain ve akıllı sözleşmelerle yeni bir küme üyesi seçilir. Bu demokratik prosedür, gücün belirli bir kesimin elinde toplanmasını engeller.
Bu nedenle sürü toplama sadece mevcut düzenlemeler nedeniyle bilgilerin paylaşılamadığı durumlar için değil, aynı zamanda şirketlerin rekabet nedeniyle veri alışverişi yapmak istemedikleri durumlar için de uygundur.
Sürü öğrenme, bilgi kümelerinin çok büyük olduğu ve bu nedenle düzenli aktarımın çok maliyetli veya yavaş olacağı durumlarda da avantajlıdır.
Sürü eğitimi, bilgi bilimi ve dijital hakimiyet hedeflerinin ortada gerçekleşip gerçekleşmeyeceği sorusuna şüphesiz bir şekilde olumlu bir cevap veriyor.
Elbette tüm veri uygulamalarının yapay zeka uygulamaları olacak diye bir kural yok. Çoğu durumda amaç, yakındaki araçlara buzlanma uyarısı göndermek için bilgileri doğru zamanda yanlış yere iletme sorunudur. Bu tür kullanım durumları genellikle şirketler arasında veri alışverişini gerektirir, bu da veri işbirliklerinin ve veri alanlarının tanımlanmasını gerekli kılar.
Ayrıca, herhangi bir bilgi veya yapay zeka kooperatifinin başarısının, üyelerinin yeteneklerine bağlı olduğu unutulmamalıdır. Bu durumda, üyelerin başkaları için yararlı hale getirmek için kendi verilerini kontrol etmesi gerekir. Kurumun maliyet zincirindeki itici gücü bilgi olmadığı sürece, kooperatifin bilgisinden fayda sağlamaz.
Çoğu şirket ve kamu kurumu hala bu seviyenin çok uzağında ve onlara ulaşmak çok zor görünüyor. Ancak birçok kişi bu yolu izler ve güçlerini birleştirirse, bilgi ekonomisinin vaadini yerine getirirken her bir organizasyonun hakimiyeti güçlendirilebilir.
