Judea Pearl: Nedensellik Devriminin Mimarı

Tel Aviv'den UCLA'ya

Judea Pearl 4 Eylül 1936'da Filistin'in Tel Aviv kentinde, Polonya'dan göçmüş Yahudi bir ailenin oğlu olarak doğdu. Büyükbabası ünlü bir hahamdı; baba ailesi köklü dini gelenekten geliyordu.

İlk eğitimini Tel Aviv'de aldı. Technion (İsrail Teknoloji Enstitüsü) elektrik mühendisliği okudu (1956-1960). Ordu hizmeti sonrası ABD'ye geçti.

Newark College of Engineering'de master, Brooklyn Polytechnic Institute'da doktora (1965). Tezi transmission line teorisi üzerine — pür mühendislik.

RCA Sarnoff Center

Doktora sonrası RCA David Sarnoff Research Center'da çalıştı (1965-1970). Burada kuantum elektronik ve bellek teknolojisi üzerine araştırma yaptı.

1970'de UCLA'ya geçti, bilgisayar bilimleri ve istatistik bölümlerinde profesör oldu. Kalan kariyerinin tamamı orada geçti.

1980'ler: Bayes ağları

Pearl 1980'lerin başında olasılıksal akıl yürütme üzerine çalışmaya başladı. AI o yıllarda expert sistemler ve kural tabanlı çıkarım ile sınırlıydı; belirsizlik ile başa çıkmak zordu.

Pearl'in çözümü: Bayes ağları (Bayesian networks). Olasılıksal ilişkileri grafik halinde temsil etme yöntemi:

• Düğümler: rastgele değişkenler.
• Oklar: olasılıksal bağlılıklar.
• Koşullu olasılık tabloları: bağlılıkların gücü.

1988'de yayımladığı "Probabilistic Reasoning in Intelligent Systems" kitabı Bayes ağlarının kurucu metnidir. Bu kitap:

• Modern AI'da olasılık temelli akıl yürütmenin standardını belirledi.
• Tıbbi teşhis, makine öğrenmesi, robotik gibi pek çok alanda kullanılır.
• 5000+ alıntı; AI tarihinin en etkili kitaplarından.

1990'lar: Nedensellik devrimi

Pearl Bayes ağlarından nedensel ağlara geçti. Sezgisi: olasılık tek başına yeterli değil; nedensel bağlar ayrı bir matematiksel tanımlama gerektirir.

Geleneksel istatistik korelasyon'da kalıyordu (Fisher, Pearson). Pearl karşıolgusal (counterfactual) akıl yürütmeyi formel hale getirmek istedi: "X olsaydı, Y ne olurdu?" sorusunu cevaplama.

Do-operatörü

Pearl'in en önemli kavramı: do-operatörü ($\text{do}(X = x)$). Sıradan koşullu olasılık ($P(Y | X = x)$) gözlemsel; do-operatörü müdahaleli olarak yorumlanır:

"Eğer müdahaleyle $X = x$ yaparsak, $Y$ ne olur?"

Bu, deneysel koşulları matematiksel olarak temsil eder. Korelasyondan farklıdır: "$X$ ile $Y$ birlikte değişiyor" demek farklı, "$X$'i $x$'e zorlarsak $Y$ değişir" demek farklı.

Karşıolgusallar

Daha derin bir kavram: karşıolgusal olasılık ($Y_{X=x}(u)$). "Eğer $X = x$ olsaydı, $u$ koşullarında $Y$ ne olurdu?" — verili olmayan bir senaryoyu hayal etmek.

Bu kavram etik ve hukuki sorumluluk için temeldir: "Eğer şu önlem alınmasaydı, kaza olmazdı" tipi cümleler.

"The Book of Why" (2018)

Pearl popüler bilim kitabı "The Book of Why: The New Science of Cause and Effect" (Neden Kitabı: Sebep ve Sonuç Bilimi) ile 2018'de geniş kitleye ulaştı.

Tezi: modern istatistik ve AI, nedensellik kavramından uzun zaman kaçtı. 20. yüzyıl boyunca istatistikçiler "korelasyon yeter" diyordu; ama bu modeli sınırlandırdı.

Pearl üç nedensel akıl yürütme seviyesi sundu:

1. Gözlem (görme): "Aspirin alanlar daha az baş ağrısı raporlar."
2. Müdahale (yapma): "Aspirin verirsek baş ağrısı azalır mı?"
3. Karşıolgusal (hayal etme): "Eğer aspirin almasaydım, baş ağrım nasıl olurdu?"

Geleneksel istatistik 1. seviyede. Pearl'in çalışması 2 ve 3. seviyelere matematiksel araçlar getirdi.

Turing Ödülü (2011)

Association for Computing Machinery (ACM) Turing Ödülü bilgisayar biliminin Nobel'idir. Pearl 2011'de Turing Ödülü kazandı:

"Yapay zekâda olasılıksal ve nedensel akıl yürütmeye temel katkılarda bulunmak için."

Gerekçesinin önemi: AI yeni nesilini şekillendiren bir teorik figür olarak tanınması.

Pratik etkisi

Pearl'in çalışmaları bugün:

Tıp ve epidemiyoloji

Tedavi etkilerini doğru ölçmek, gözlemsel veriden nedensellik çıkarmak. COVID-19 araştırmalarında causal inference çok kullanıldı.

Ekonomi

Politika değerlendirmesi (eğitim, vergi, sosyal güvenlik) için causal yöntemler. Joshua Angrist ve Guido Imbens Nobel Ekonomi 2021 — kısmen Pearl'in çatısı altında.

Makine öğrenmesi

Causal AI — sebep-sonuç anlayan modeller. Yoshua Bengio ve diğer derin öğrenme pionerleri Pearl'i bu yönde takip etmesi gerektiğini savunuyor.

Robotik

Robotların dünyada etki yapma ve sonuçları öngörme yeteneği için.

Bilim metodolojisi

Sosyal bilimler, eğitim araştırması, psikoloji — hepsinde causal düşünme standartlaşmakta.

Daniel Pearl trajedisi (2002)

Pearl'in hayatının trajik anı: oğlu Daniel Pearl.

Daniel Wall Street Journal muhabiri olarak 2002'de Pakistan'da al-Qaeda mensupları tarafından kaçırıldı; 1 Şubat 2002'de boynu kesilerek öldürüldü. Olay tüm dünyaya video olarak yayıldı; uluslararası şokta sebep oldu.

Judea Pearl ve eşi Daniel Pearl Foundation'ı kurdu (2002). Vakıf:

• Gazetecilik bursları.
• Müslüman-Yahudi diyaloğu.
• Daniel Pearl Music Day (10 Ekim, oğlunun doğum günü).

Daniel'in mirası bugün diyalog ve eğitim üzerinden yaşıyor.

Düşünür ve filozof

Pearl sadece bilimci değil; bilim felsefesi ve din felsefesi ile de uğraştı. "The Book of Why" sadece teknik değil felsefi bir kitaptır.

Sıkça vurguladığı görüş: insan zekâsı modeli causal düşünmeyi gerektirir. Çocuklar 3 yaşından itibaren "eğer ... olmasaydı ... olurdu" diye düşünebilir; modern AI bunu hâlâ tam beceremez. Bu ChatGPT gibi büyük dil modellerinin temel sınırı.

"Niye?" sorusunun bilimi

Judea Pearl modern bilimi "Korelasyon nedir?" sorusundan "Niye olur?" sorusuna taşıdı. Bu, 2000-yıllık felsefi soruyu (Aristoteles'in "sebep türleri") matematiksel araçlarla yeniden ele almak demek.

Modern AI'nın gerçek akıllı sistemlere dönüşmesi için, nedensel akıl yürütme gerekli; bu, Pearl'in en derin mesajı. ChatGPT, GPT-4 gibi büyük modeller hâlâ Pearl'in 1980-90'larda kurduğu Bayes-causal çerçevenin tam uygulamasından uzak.

Tel Aviv'li bir mühendis çocuğu, UCLA'da matematiksel nedensellik teorisinin modern babası oldu. 2024'te 88 yaşında hâlâ aktif yazıyor, konuşuyor, bilim politikası tartışmalarına katılıyor.

Judea Pearl: modern bilime "niye?" sormayı öğreten adam.