Judea Pearl: nedensellik ve olasılıkla akıl yürütme

Bu ders genel bilgi verir; uzman görüşünün yerine geçmez.

Judea Pearl, bilgisayarlara “olasılık” ve “neden-sonuç” düşüncesini öğretmenin yolunu açan bilim insanıdır. Bu ders, bir yapay zekâ yanıtında “birlikte görülmek” ile “neden olmak” arasındaki farkı görmenize yardım eder.

Aklınıza bir soru mu takıldı?

Sorunuzu ya da aradığınız konuyu yazın Ders bul

Bu derste neler öğreneceksiniz?

• Pearl’ün kim olduğunu
• Bayes ağlarının ne için kullanıldığını
• Nedensellik düşüncesinin ne söylediğini
• Bir yapay zekâ yanıtında neden-sonuç iddiasını nasıl sınayacağınızı

Kim, ne zaman, nerede?

Judea Pearl, 4 Eylül 1936’da Tel Aviv’de doğdu. ACM, ona 2011 yılı Turing Ödülü’nü verdi. Ödül sayfasına göre ödül, yapay zekâya temel katkıları ve olasılıksal ile nedensel akıl yürütme için geliştirdiği kalkülüs nedeniyle verildi.

Temel katkısı ne?

ACM sayfası, Pearl’ün Bayes ağlarının icadıyla anıldığını yazar. Bayes ağı, karmaşık olasılık modellerini tanımlar. Pearl aynı zamanda bu ağlar için temel çıkarım algoritmalarını da geliştirdi. Bu çalışmayı 1988’de yayımlanan Probabilistic Reasoning in Intelligent Systems kitabında anlattı.

Bayes ağı, bir şeyin olma olasılığını başka şeylerin durumuna bağlayan bir şemadır. Örneğin yağmurun yağması ile yolun ıslak olması arasında bir bağ çizersiniz. Ağ, elinizdeki kanıta göre olasılıkları günceller.

2000’de yayımlanan Causality kitabında ise nedensel çerçevesini anlattı. Ana fikir şudur: bir değişkene müdahale ettiğinizde ağın yapısı değişir. Bu durum yalnız olasılıkları gösteren bir Bayes ağıyla yakalanamaz. Pearl bunu “do-calculus” adını verdiği bir hesapla biçimsel hâle getirdi.

Pearl’ün ayrımını gündelik bir örnekle düşünün. İki şey birlikte değişiyorsa, ikisini de üçüncü bir şey etkiliyor olabilir. Müdahale sorusu ise tek bir şeyi bilerek değiştirip sonucu izlemeyi sorar. Bu iki soru farklı yöntemler ister.

Bugün nerede görürsünüz?

Bir yapay zekâ asistanı size “kahve içenler daha uzun yaşıyor” gibi bir cümle kurabilir. Bu cümle burada bir örnektir, bir araştırma bulgusu değildir. Pearl’ün çalışmasının işaret ettiği ayrım şudur: iki şeyin birlikte görülmesi, birinin ötekine neden olduğu anlamına gelmez. Müdahale sorusu başka bir sorudur: kahve içmeyi bırakırsam ne olur?

Sağlık, finans ve eğitim gibi konularda bu fark önemlidir. Asistan size bir ilişkiyi anlatırken “bu bir gözlem mi, yoksa bir müdahalenin sonucu mu?” diye sorun. Gözlemlere dayanan bir cümle, neden-sonuç iddiasına dönüştürülürse kolayca yanıltır.

Bayes ağları her yapay zekâ aracının içinde bulunmaz; burada belirli bir ürünü kastetmiyoruz. Pearl’ün çalışması belirsiz bilgiyle ve neden-sonuç ilişkisiyle akıl yürütmeye ilişkindir. Bu, yanıtları değerlendirirken de işe yarayan bir düşünme biçimidir.

Kısa sözlük

• Bayes ağı: Olasılıkları birbirine bağlayan şema; yeni kanıt geldikçe güncellenir.
• Korelasyon: İki şeyin birlikte değişmesi; neden-sonuç anlamına gelmez.
• Nedensellik: Birinin ötekine gerçekten yol açması.
• Müdahale: Bir değişkeni bilerek değiştirip sonucu izleme.

Bu bilgiyi nasıl kontrol edersiniz?

Bir kişi hakkındaki bilgiyi şu sırayla kontrol edin. Önce kişinin kendi kurumunun ya da ödülü veren kurumun sayfasına bakın. Sonra ansiklopedik bir kaynağa geçin. En sonda o bilgiyi aktaran haber ve blog yazılarına göz atın. Asistanın verdiği her tarihi bu sırayla sınayın. İki kaynak birbirini tutmuyorsa birincil kaynağa yakın olanı seçin ve yazarken belirsizliği tek cümleyle belirtin.

Pearl için en güvenilir kaynak ACM Turing Ödülü sayfasıdır. Kitapların yayın yılları için yayıncı ve kütüphane kayıtlarına bakabilirsiniz. “Korelasyon nedensellik değildir” cümlesi çok bilinir. Pearl’ün katkısını bu cümleyle karıştırmayın: o, nedensel soruları hesaba dökmenin bir yolunu geliştirdi.

Bir portreyi gerçekten öğrenmenin yolu, onu kendi sözcüklerinizle yeniden anlatmaktır. Aşağıdaki adımlar bunun için hazırlandı. Önce komutu kullanın, sonra yanıtı bu dersle karşılaştırın. Tutmayan her cümleyi silin ya da kaynağıyla birlikte düzeltin. Asistan size yanlış bir bilgi verirse bunu bir ders sayın. Amaç ezber değil, bilgiyi kontrol etmeyi öğrenmektir. Bu dizide her portrede aynı sırayı izliyoruz: önce kimin ne zaman ne yaptığına, sonra bugünkü araçlarla bağına, en sonda da nerede yanılabileceğinize bakıyoruz. Yeni bir isimle karşılaştığınızda bu sıra size yol gösterir.

1. Aşağıdaki güçlü komutu kopyalayın ve bir yapay zekâ asistanına yapıştırın.
2. Asistanın bir ilişkiyi “neden” sözcüğüyle anlattığı cümleleri bulun.
3. Her biri için “bu bir gözlem mi, müdahale mi?” diye sorun.
4. Yalnız gözleme dayanan cümlelerde “neden” yerine “birlikte görülüyor” yazın.

Kontrol listesi

• Yanıttaki her tarihi ve her adı bu dersle karşılaştırdım
• Korelasyonu neden-sonuç diye aktarmadım
• Asistanın kaynak göstermediği cümleleri ayrıca işaretledim
• Bilmediğim bir iddiayı kesin bilgi gibi başkasına aktarmadım

Sık yapılan hatalar

Portre derslerinde en sık görülen sorun, tarih, ad ve unvanların karışmasıdır. Aşağıdaki maddeler, bu kişiyle ilgili kaynaklarda açıkça görülen olgulara dayanır. Bir asistan bunlardan birini ters söylerse, yanıtın geri kalanına da şüpheyle bakın.

• Pearl’ün yalnız olasılık hesapladığını sanmak: nedensel çerçevesi müdahale sorusunu da kapsar
• Bayes ağını nedensel bir model saymak: Pearl’e göre müdahale, ağı değiştirir
• Gözlem bulgusunu doğrudan tavsiyeye çevirmek
• Asistanın verdiği oranı kaynaksız aktarmak

Kendinizi deneyin

Aşağıdaki üç soru dersin ana fikirlerini sınar. Yanlış yanıt verirseniz açıklamayı okuyun ve ilgili bölüme dönün.

Kaynaklar

• Judea Pearl, ACM A.M. Turing Ödülü sayfası (İngilizce)

Son kontrol: 8 Kasım 2026

Kaynak: yzdersleri.com/ders/judea-pearl-nedensellik-ve-bayes-aglari/ · Yapay Zeka Dersleri