Özet
Beyin ile bilgisayar arasındaki ilişki genellikle yalnızca metafor olarak kabul edilir. Oysa gerçek işlemlemesel (computational) sistemler hemen hemen her fiziksel temelde implement[1] edilebilir; dolayısıyla beynin gerçek anlamda işlemleme yaptığı görüşü de ciddiye alınabilir. Fakat fiziksel bir sistemi gerçek bir işlemlemesel sistem yapan şey empirik ölçütler ile temellendirilmezse, işlemleme sadece bir bakış açısı farkından ibaret kalır. Özellikle de açıkça bilgisayar olarak tasarlanmamış ve mühendislik ile geliştirilmemiş doğal sistemler (örneğin beyin) için. Analog, dijital, modern veya tarihi fark etmeksizin, fiziksel bilgisayarların gerçek örneklerinden yola çıkılarak yapılan değerlendirmeler, söz konusu empirik ölçütlerin ne olması gerektiğini net bir şekilde ortaya koyar. Nihayet, bu ölçütleri beyne uygulamak, beyni bir bilgisayar (hem de muhtemelen analog bir bilgisayar) olarak nasıl algılayabileceğimizi açığa kavuşturur. Bu da söz konusu iddianın hem bilgilendirici hem de yanlışlanabilir olduğunu gözler önüne serer.
1. Giriş
Nörobilimcilerin ve bilişsel bilimcilerin zihni ve beyni bir bilgisayara benzetmeleri hiç de yeni bir olgu değildir. Bu sözde metafor o kadar iyi bilinir ve geniş çevrelerce tartışılmıştır ki, bazı araştırmacılar bu metaforun ve ona eşlik eden tartışmaların bir kenara bırakılmasını önermiştir (Brette, 2022; Gomez-Marin, 2022; Kelty-Stephen vd., 2022; Richards and Lillicrap, 2022). Sıradan bir metafor gibi görünen bu benzetmenin bir kenara bırakılmasını istemelerinin nedenleri anlaşılırdır: ‘bilgisayar’ terimini anlamlandırmanın pek çok yolu vardır ve bunların her biri belirli bir bağlam içinde makul görünüp, hiçbiri diğerine tercih edilemeyebilir. Çoğu bilim insanı, kelimelerin anlamları üzerine tartışmaktansa zamanını bilim yapmak için harcamayı yeğleyebilir. Fakat işlemleme ve nörobilim filozofları, kelimelerin anlamlarıyla uğraşmaktan oldukça memnuniyet duyarlar. Bunu salt ilgi çekici olduğu için değil; beyin hakkında dikkatlice düşünmeye ve etkili bir iletişim kurmaya çalıştığımızda kabul ettiğimiz varsayımları aydınlatabileceği için yaparlar. Kavramlarımızı sorgulamanın, farklı disiplinlerden araştırmacıların ortak bir zeminde buluşabilmesi ve diyalog kopukluğunun önüne geçilebilmesini sağlayan verimli bir yöntem olması, özellikle disiplinler arası sahalarda (bilişsel bilim, bilgisayar bilimi ve nörobilim gibi) öne çıkar.
Bu çalışmada, beynin mecazi anlamda değil, gerçek anlamda da bir bilgisayar olabileceği argümanı savunulacaktır. Bunun için, fiziksel sistemleri işlemlemesel bir sistem haline getiren empirik ölçütler belirlenmelidir. Bu ölçütler, teorik bilgisayar biliminin kavramsal ve matematiksel çerçevesini aşacağından dolayı bu ölçütlerin olası bir kümesi geliştirilecektir.
Bu ölçütler ışığında, beynin -dijital olmasa da- bir bilgisayar olabileceği gösterilecektir. Burada ana hatları çizilen fiziksel işlemleme çerçevesi, hem farklı ișlemleme türlerini birbirinden ayıran özellikleri (dijital, analog ve belki de diğerleri) hem de tüm bu türlerin nasıl bona fide (gerçek) ișlemleme türleri olarak sayılabileceğini ortaya koyacaktır.
Hepsi birleştiğinde, bu değerlendirmeler hem beynin gerçek anlamda ișlemleme yapabileceğini hem de bunun empirik bir iddia olduğunu gösterir. Dahası, analog ișlemleme bona fide bir ișlemleme olmakla birlikte, dijital ișlemlemeden -nörobilimciler, bilişsel bilimciler ve teorik bilgisayar bilimcileri için önem arz edecek şekilde- bariz olmayan yollarla ayrışır. Bu farklılıklardan birkaçı da tartışılacaktır.
2. İşlemlemesel teori ve sınırları
İșlemlemenin temellerinin, çoğunlukla Turing’in (1936) matematiksel çalışmaları ile atıldığı düşünülmektedir. Bir nesnenin ‘bilgisayar’ olarak değerlendirilmesine ilişkin yerleşik görüş, o nesnenin bir Turing makinesini (TM) veya benzeri bir soyut otomatı implement etmesi temeline dayanır. İșlemlemenin doğası ve sınırları hakkında pek çok temel soru, ki bunlar sınırlayıcı ve karmaşık cevapları da içerir, işlemleme teorisi (İT) ve teorik bilgisayar bilimi[2] çalışmalarından gelmektedir.
İT’nin değeri yadsınamaz olsa da sınırlarının farkında olmak gerekir. Özellikle, İT bir objeyi bilgisayar kılan ölçütü sağlayacak kuramsal kaynaklardan yoksundur. Unutulmamalıdır ki İT bize ancak bir objenin ‘bilgisayar’ olduğu varsayımından hareketle, o objenin ișlemlemelerinin verimliliği ve sınırları hakkında fazlasıyla bilgi sağlayabilir. İT, hangi objelerin ișlemleme yapıp yapmadığı hakkındaki ilk kararı vermemizi sağlayacak ölçütlere sahip değildir.
“Unutulmamalıdır ki İT bize ancak bir objenin ‘bilgisayar’ olduğu varsayımından hareketle, o objenin ișlemlemelerinin verimliliği ve sınırları hakkında fazlasıyla bilgi sağlayabilir.”
Zaten bilgisayar olarak tasarlanmış ve kurulmuş pek çok ișlemlemesel sistemin bilgisayar olup olmadığını tartışmak elbette yersizdir. Karar çoktan verilmiştir. Fakat beyin gibi doğal bir obje için bu kararı vermek ölçütlere dayalıdır ve İT bu ölçütlerden biri değildir.
Bir benzetme yapalım. Sayı teorisi bize, fiziksel objelerin nasıl sayılabileceğini, hatta sayılıp sayılamayacağını (örneğin, su gibi bazı fiziksel maddeler yalnızca birimlendirilebildiklerinde sayılabilir) söyleyecek yeterli kaynağa sahip değildir. Örneğin, önümüze konan bir bulut fotoğrafındaki bulut sayısının asal olup olmadığını merak edebiliriz. Peki bulutları nasıl tek tek obje olarak alabiliriz? Burada cevap için sayı teorisine başvurmak bariz bir hatadır: bundansa, başka bir alana, mesela meteorolojiye yönelmemiz gerekir. Ancak bulutları saymak için ölçütlerimizi belirledikten sonra sayılarıyla ilgili soruları yanıtlamak için sayı teorisinin araçlarını kullanabiliriz. Doğrusu, bu örnek sade (hatta basit) olsa da ana fikir aynıdır: Bir şeyin bilgisayar olarak addedilmesi için gereken ölçütleri aramak, İT’nin alanı dışındadır.
Bu noktada, fiziksel ișlemlemesel sistemler hakkında önemli bir olguyu hatırlatmakta fayda var. Tüm ișlemlemesel sistemler, bazılarının “fiziksel temelden bağımsız (medium independent)”, “alt tabakasına nötr (substrate-neutral)” veya “çoklu-gerçeklenebilir (multiply realizabile)” olarak adlandırıldığı sistemlerdir. Yani doğru niteliklere sahip hemen hemen her sistemde implement edilebilirler[3]. Günlük hayatta kullandığımız bilgisayarlar için elektronik devreler kullanmak pratik olsa da teoride, bilgisayarlar mekanik dişlilerle, akışkan haraketiyle, bilyelerle ve hatta oyuncak yapı parçalarıyla kurulabilir (ve bunların örnekleri de vardır). Böylesi malzemelerden yapılmış bir bilgisayar, metafor olarak değil, aksine tıpkı silikon veya galyum arsenürden yapılan bir bilgisayar gibi, tam anlamıyla bir bilgisayardır. Benzer şekilde, bir bilgisayarın nöral implementasyonu da gerçek bir bilgisayardır.
Daha önce de belirttiğim gibi, bunların hepsi fiziksel bir sistemi ișlemlemesel kılan empirik ölçütlere bağlıdır. Öyleyse, tam da böyle bir ölçüt kümesi önerisine bakalım.
3. Fiziksel işlemleme için empirik ölçütler
Turing’in çalışması ne kadar değerli olsa da ișlemleme kavramı bu çalışmalardan doğmamıştır[4]. Turing’in a-makinelerini (bugün Turing makineleri dediğimiz şeyleri) insan bilgisayarların (human computers) eylemlerini modelleyerek oluşturduğu, nispeten bilinen (ancak daha çok bilinmesi gereken) bir gerçektir. Bu (çoğunluğu kadın olan) insan bilgisayarların işi, bilim, araştırma ve mühendislik uğruna matematiksel problemleri çözmekti (Ceruzzi, 1991; Light, 1999).
Üstelik Turing insan bilgisayarların sadece belirli eylemlerini modellemeyle ilgileniyordu. Örneğin, işlemlemenin bir türü olan sayıları dijital olarak manipüle etmekle. Bu tür manipülasyonlar, sayıların rakam dizileriyle temsil (represent) edilmesini ve üzerinde işlemlemeler yapılmasını içerir (tıpkı birçok öğrencinin öğrendiği toplama veya uzun bölme gibi). Ortaya çıkan rakam dizisi ise işlemlemenin çıktısını (output) oluşturur. Halbuki insan bilgisayarlar, sürgülü hesap cetvelleri gibi analog cihazlar da kullanıyorlardı., hem analog hem de dijital bir cihaz kullanan bir insan bilgisayar örneğini göstermektedir. Bu cihazlar, sayıları rakam dizilimleri ile değil, büyüklükleri (magnitude) ile temsil eder. Analog ișlemleme mekanizmaları, Turing makineleri veya diğer dijital otomatlar tarafından analiz edilmeye uygun değildir: zira sayıları doğru şekilde temsil edemezler[5]. Turing’in amaçları açısından bu durum son derece kabul edilebilirdi. Fakat yine bu durum, ișlemlemenin, Turing’in teorik çalışmasından önce de var olduğunu ve Turing’in teorik çalışmasının her ișlemleme türünü kapsamadığını -hatta hiçbir zaman kapsama niyetinde olmadığını- göstermektedir. Hem analog hem de dijital ișlemleme cihazları Turing’in analizinden yüzyıllar önce de mevcuttu.
Şekil 1 [Ulusal Havacılık Danışma Komitesi (NACA) Lewis Uçuş İtki Laboratuvarı’nda sürgülü hesap cetveli ve toplama makinesi kullanan bir insan bilgisayar]
“Dolayısıyla ișlemleme ve ișlemleme mekanizmaları da Turing’den önce de vardı, hiçbir zaman da dijitalle sınırlı değillerdi.”
Dolayısıyla ișlemleme ve ișlemleme mekanizmaları da Turing’den önce de vardı, hiçbir zaman da dijitalle sınırlı değillerdi. Peki hem analog hem dijital işlemlemeyi, aynı zamanda insan bilgisayarların yaptıklarını (yani, Turing’in ‘işlemlemenin matematiksel analizinin’ temelini oluşturan şeyi) ile işlemleme mekanizmalarının yaptıklarını (ve hâlâ yapmakta olduklarını) birleştiren şey nedir?
İlk bakışta cevap barizmiş gibi görünebilir: işlemleme, bir veya daha fazla sayı girdisini manipüle ederek başka bir sayı çıktısı üretir. Ancak bu durum o kadar basit değildir. Sayılari doğrudan manipüle edemeyiz[6]; bu yüzden sayıların somut temsillerini işlemlemek durumundayız. Lakin her türlü manipülasyon işlemleme sayılmaz. Örneğin, bir yazı tahtasındaki ‘86’ rakamları, her rakamın üstü silinerek manipüle edilebilir ve geriye ‘oo’ görünümünde iki sembol kalabilir, ancak bu elbette bir işlemleme değildir.
İşlemleme araçları kullanımında doğru manipülasyon türünü tespit etmek zor olsa da geçerli sayılacak manipülasyon türlerini karşılaştırmak işimize yarayabilir. 86 sayısının ikili kodunun 01010110 olduğu dijital bir bilgisayarı ele alalım. Bu sayının temsil edildiği devre elemanında, farz edelim ki, her bir ‘1’ beş volt ile, her bir ‘0’ ise sıfır volt ile temsil edilsin. İşlemleme sayılacak bir manipülasyon, bu voltajların manipüle edilmesidir. Öte yandan bu elemanları saç kurutma makinesi ile ısıtmak veya kırmızıya boyamak, işlemleme sayılacak manipülasyonlardan değildir. Dolayısıyla, temsili gerçekleştiren tam da o spesifik niteliği -yani voltajı- manipüle etmemiz gerekir.
Analog bir elektronik bilgisayarı ele aldığımızda, temsil türü biraz farklı olsa da benzer bir durum ile karşılaşırız. Bu durumda 86 sayısı, 86 voltluk tek bir devre elemanı ile temsil edilecektir. Aynı şekilde, işlemleme sayılacak bir manipülasyon, yalnızca bu voltajın manipülasyonunu içerebilir, başka bir niteliği değil. Kısacası, bir işlemlemenin ilgili temsil kapasitelerine rastlantısal olarak eşlik eden bir niteliğe uygulananan manipülasyondan değil, temsili gerçekleştiren tam da o spesifik niteliğe yönelik olan manipülasyondan doğacağını söyleyebiliriz.
Sonuç olarak, konu işlemleme mekanizmaları olduğunda manipülasyonun, az önce yukarıda bahsedilen belirli niteliklere duyarlı olan bir mekanizma tarafından gerçekleştirilmesi gerekir. ‘Mekanizma’ kavramının tam olarak ne anlama geldiği, bilim felsefesinde önemli bir yer kaplasa da şimdilik bu ayrıntılara girmemize gerek yok (iyi bir referans noktası Piccinini, 2007’dir).
Artık her şeyi toparlayabiliriz: Bir fiziksel sistem, eğer fiziksel temsilleri, temsil kapasitesini taşıyan fiziksel niteliklerine duyarlı olan ve yalnızca bu nitelikleri manipüle eden bir mekanizma aracılığıyla manipüle ediliyorsa, o sistem bir fiziksel işlemleme cihazıdır.
“Bir fiziksel sistem, eğer fiziksel temsilleri, temsil kapasitesini taşıyan fiziksel niteliklerine duyarlı olan ve yalnızca bu nitelikleri manipüle eden bir mekanizma aracılığıyla manipüle ediliyorsa, o sistem bir fiziksel işlemleme cihazıdır.“
Eğer fiziksel bir işlemleme cihazının tanımının bu şekilde olduğunu doğru kabul edersek, -yani günümüzde ve geçmişte hem analog hem de dijital bilgisayar olarak kabul ettiğimiz sistemleri kapsıyorsa- o zaman bu tanımı yalnızca bu amaçla tasarlanmış cihazlar için değil, herhangi bir şeyin fiziksel bir işlemleme cihazı olup olmasının empirik ölçütü olarak kullanabiliriz. Nitekim, tanım tam da bunu kapsamaktadır: abaküsler ve Antikitera düzeneğinden sürgülü hesap cetvelleri ve modern dijital bilgisayarlara kadar tüm işlemleme cihazları, temsil işlevini üstlenen özelliklerin mekanik manipülasyonu yoluyla işlemlemelerini gerçekleştirir.
Şimdi, devam etmeden önce bir sakıncayı veya bir gözden kaçırma gibi görünebilecek bir noktayı ele almakta fayda var. Teorik bilgisayar bilimindeki işlemleme, çoğu zaman hiçbir şeyi temsil etmeyen sembolleri manipüle eden soyut otomatların faaliyetlerini içerir. Ortalama bir lisans işlemleme teorisi dersinde, bazı otomata sınıflarının (deterministik sonlu durum makineleri gibi), diğerlerinin yapamadığı (deterministik olmayan sonlu durum makineleri gibi) anbn gibi dilleri tanıyabildiği gösterilir. Buradaki a’lar ve b’ler, herhangi bir anlam taşımayan, birbirinden ayrışık (discrete) sembollerdir ve herhangi bir şeyi temsil etmezler. Buradaki asıl odak, temsil edebilme potansiyeli olan ancak genellikle temsil etmeyen sembollerin manipüle edilmesidir. Bu durum, az önce sunulan ve temsili merkeze alan işlemleme tanımlamasıyla çelişiyor gibi görünür.
Bu konuda pek çok tartışma var ve işlemleme filozoflarının tartışmaları hâlen süregelmekte (Piccinini, 2015 ve Shagrir, 2022 bu tartışmadaki karşıt görüşlerin her ikisi için de mükemmel çalışmalardır). Kısaca özetlemek gerekirse, işlemleme teorisinin odağındaki teorik/matematiksel işlemlenebilirlik kavramının (fiziksel olarak uygulandığında), fiziksel işlemleme sayılan manipülasyon türlerinin yalnızca bir üst kümesi olduğunu söyleyebilirim. Nitekim, pek çok fiziksel mekanizma, az önce bahsedilen türden (temsilleri değil, anlamsız sembolleri manipüle eden) otomatları implement eder. Aslında, neredeyse her ayrışık durumdaki fiziksel mekanizma, bu tür bir otomatı implement eder. Asansörler, ışık düğmeleri, bisikletlerdeki vites değiştirme mekanizmaları, silindirli kilitler ve liste böyle uzar gider… Lâkin, bilgisayar terimini ‘temsilleri manipüle eden fiziksel mekanizmalar’ için saklıyoruz[7]. Dahası, Turing makineleri ile modellenen insan bilgisayarlara dönecek olursak, rakamları veya sürgülü hesap cetvelini doğru bir şekilde manipüle eden bir kişi işlemleme yapıyor olurdu. Fakat bu kişi anlamsız sembolleri (örneğin a ve b’lerin anlamlı rakamları veya herhangi bir şeyi) temsil etmediği durumlarda -tanımlı bir kurala göre de olsa- tutup çevirdiğinde veya hiçbir şeyi temsil etmeyen iki sürgülü çubuğu ileri geri oynattığında işlemleme yapmış sayılmaz.
4. Nöral işlemleme
Artık fiziksel bir sistemin ne zaman işlemlemesel olduğuna dair empirik ölçütler hakkında fikir sahibi olduğumuza göre, bu ölçütleri beynin gerçekten işlemleme yapıp yapmadığını belirlemek için kullanabiliriz. Fakat bundan önce, beynin temsiller kullanıp kullanmadığını ve eğer kullanıyorsa da bu temsillerin niteliklerinin, yalnızca temsil işlevi gören niteliklere duyarlı mekanizmalar tarafından manipüle edilip edilmediklerini sormak gerekir.
Cevap bariz bir şekilde kullandığı ve edildiği yönünde olacaktır. Bilişsel bilimler için, nöral sistemlerin temsillerle çalıştığı fikri neredeyse yerleşik bir görüş haline gelmiştir. Dahası nörobilimsel bir fenomeni açıklamak için başvurulan baskın strateji, o fenomenden sorumlu mekanizmayı tanımlamak ve açıklamaktır (Craver, 2007). Temsillerin tanımlanmasını, onları manipüle eden mekanizmaların tanımlanmasıyla birleştirmek, aslında pek çok nörobilimcinin nöral işlemleme sonuçlarını raporlarken zaten başvurduğu bir yöntemdir.
Şimdi basit ama klasikleşmiş bir örneğe bakalım. Roeder (1966-1998), Noctiuade ailesindeki güvelerin kendilerini avlayan ve ekolokasyon yapan yarasalardan kaçma girişimlerinde rol oynayan nöral işlemlemeyi büyüleyeci detaylarıyla anlatır. Özet geçmek gerekirse, güvenin timpanik organı ses dalgalarını algılar ve ses şiddeti arttıkça frekansı artan nöral atımlar (spike) üretir. Ses şiddeti düşük olduğunda, sesin kaynağından uzaklaşırlar. Ses yeterince yüksek olduğunda ise kanatlarını tamamen kapatmak gibi ani ve düzensiz davranışlar sergilerler. Başka bir deyişle, eğer yarasalar uzaktaysa, güveler onlardan kolayca uzaklaşmaya çalışabilir. Fakat bu yırtıcılar çok yakındaysa, hızlıca kaçınma manevraları yapmak durumunda kalırlar.
Bu örnekte, nöral atımların frekansı, güvenin yarasaya olan yakınlığını (veya sesin yoğunluğunu) temsil eder. Nöral devreler daha sonra bu enformasyonu -spesifik olarak nöral atım frekansını- kullanarak bir karar verip kanat kaslarını harekete geçirir[8]. Böylece elimizde hem bir temsil hem de bu temsili işleyen ve ardından adaptif davranışlar üreten bir nöral mekanizma vardır.
Daha önce başka yerlerde savunduğum bu durum (Maley 2011, 2018), analog temsilinin paradigmatik bir örneğidir. Zira bir büyüklük (nöral atımların frekansı), bir diğer büyüklüğün (ses şiddeti düzeyi) doğrudan temsilidir. Her hâlükârda bu ilişki açık bir şekilde temsilseldir. Bu temsili manipüle eden bir mekanizma ile birleştiğinde ise nöral işlemleme ile karşılaşırız.
Sunulan empirik ölçütleri benimsemenin avantajı şudur: Bir nöral sistemin işlemleme yapıp yapmadığı, yalnızca bakış açısı veya yorum[9] meselesi değildir. Eğer sistem temsiller içeriyor ve temsiller doğru şekilde manipüle ediliyorsa o zaman işlemleme yapıyor demektir. Elbette farklı araştırmacılar arasında neyin temsil sayılabileceğine dair anlaşmazlıklar ortaya çıkabilir. Temsil terimi her ne kadar nörobilim alanında yaygın olsa da hâlâ farklı nörobilimcilerin bu terimle neyi kastettiği konusunda daha fazla netliğe ihtiyaç vardır (Baker vd., 2021; Cao, 2022). Diğer bir yandan, nöral işlevin temsille ilgili olmayan pek çok yönü vardır. Tıpkı diğer tüm canlı hücreler gibi, nöronlar da enformasyon işlemeyle hiçbir ilgisi olmayan sayısız şey yapar. Burada savunulan ölçütler, çoğu nörobilimcinin çoktan kabul ettiği bir gerçeği, yani beynin yaptığı her şeyin işlemleme olmadığını gözler önüne serer.
Son olarak, fiziksel işlemlemeye dair bu açıklama, farklı işlemleme türleri arasındaki ayrımı da netleştirir. Dijital işlemlemenin dijital olmasının nedeni dijital temsiller kullanmasıdır. Analog da aynı şekilde analog temsiller kullandığı için analogdur. Burada yine de bu terimlerle ne kastettiğimizi açıklığa kavuşturmalıyız. Daha önce de bahsettiğim gibi analog bilgisayarlar hem kavramsal hem de tarihsel olarak bilgisayarlar değişkenlerin büyüklüklerini, fiziksel niceliklerin büyüklükleri ile ifade ederken, dijital bilgisayarlar, değişkenlerin basamaklarını fiziksel niceliklerdeki farklılıklar ile (büyüklük olması gerekmez) temsil eder (Maley, yakında (a, b)). Farklı işlemleme türlerini birbirinden ayıran şey, kullanılan temsilin türüdür. Bu yüzden de kullanılan temsilleri manipüle edebilecek mekanizma türleri kısıtlı hale gelir. Belki nöral temsiller analog olduğu için nöral işlemlemeler da analogdur (başka yerlerde savunduğum gibi), belki de bambaşka bir şeydir. Her halükarda, bu tür işlemlemeleri işlemleme yapan şey, hepsinin doğru türden mekanizmalar aracılığıyla temsilleri manipüle etmesidir.
“Fiziksel işlemlemeye dair bu açıklama, farklı işlemleme türleri arasındaki ayrımı da netleştirir. Dijital işlemlemenin dijital olmasının nedeni dijital temsiller kullanmasıdır. Analog da aynı şekilde analog temsiller kullandığı için analogdur. Burada yine de bu terimlerle ne kastettiğimizi açıklığa kavuşturmalıyız.”
5. Tartışma
Fiziksel işlemlemeye dair yukarıda bahsedilen empirik ölçütleri ışığında, beynin bir bilgisayar olduğu iddiası yalnızca bir spekülasyon değil, hem anlamlı hem de yanlışlanabilir bir iddiadır. Eğer beyin temsiller kullanmıyorsa, ya da kullanıyor ancak bu temsiller yalnızca temsil işlevini üstlenen niteliklere duyarlı mekanizmalar tarafından manipüle edilmiyorsa, o zaman beyin (veya ilgili kısmı) işlemleme yapmıyor demektir. İşlemlemenin ilkesel bir karakterizasyonunu kullanarak, beynin işlemleme yapıp yapmadığına dair empirik bir ölçüt edinmek, son dönemlerdeki tartışmaların çoğundan daha kayda değer bir gelişmedir. Üstüne üstlük bu açıklamaya göre, beynin işlemleme yaptığı görüşü de doğru görünmektedir.
İşlemleme kavramını ve nöronların dijital olmayan (örneğin analog) işlemleme faaliyetlerini daha iyi anlamamız, bir dizi başka fikri de beraberinde getirir. Bazıları işlemlemenin yazılım gerektirdiğini veya programlanabilmesi gerektiğini öne sürerken (Brette, 2022), diğerleri ise işlemlemenin bir tür evrensellik gerektirdiğini iddia etmiştir (Richards ve Lillicrap, 2022). Fakat analog işlemleme örneği, bu her iki gereksinimi de karşılamamasına rağmen bir işlemleme türüdür. Hatta Marr’ın (1982), algoritmik/temsil düzeyi (algorithmic/representation level) ile implementasyon düzeyi (implementational level) (Maley, 2021) olarak adlandırdığı ayrımı bile kabul etmeyebilir. Sadece dijital işlemleme için veya sadece Turing makinesi (ve benzerleri) implemetasyonuna dayalı işlemleme için geçerli olanı, tüm işlemleme türlerine atfetmiş olabiliriz. Ve genele baktığımızda, analog işlemlemeye dönmeyi savunmak mantıksız olsa da doğal sistemlerin işlemleme mekanizmalarını anlamlandırmaya çalışırken tüm işlemleme türlerini de göz önünde bulundurmamız gerekir.
Dipnotlar
[1] “Implementation” kelimesi Türkçe’de gerçekleştirme ve uygulama gibi kavramlarla karşılanıyor. Fakat Bu bağlamda gerçekleştirme kavramı yine teknik bir kavram olan “realization” ile karışabileceğinden ve “uygulama” kelimesi buradaki anlamı karşılamadığından orijinalini koruduk. (E.N.)
[2] Kolaylık olması açısından, bundan sonra İşlemleme Teorisi’ni İT olarak kısaltacağım.
[3] Bu terimler arasında bazı teknik farklılıklar vardır fakat bizim için bunlar önemli değil.
[4] Konunun tam anlaşılabilmesi için Church ve Gödel’in çalışmaları da tartışılmalıdır fakat bu başka ve daha uzun bir yazının konusu.
[5] Elbette dijital bilgisayarlar analog işlemlemelere yakınsayabilir. Fakat tam da yakınsak (approximate) bir işlemleme yapmaları, yöntemlerinin temelde farklı olduğunu gösterir.
[6] Sayılar her ne olursa olsunlar uzay-zamansal nesneler olmadıkları açıktır. Matematikçilerin matematiksel nesnelerin nitelilerini keşfetmek için empirik çalışmalar yapması gerekmez.
[7] Şüphesiz, tüm evreni devasa bir işlemleme mekanizması olarak görenler de vardır. Ancak bu görüşü burada tartışma dışı bırakıyorum: Eğer her şey tam anlamıyla bir bilgisayarsa, beynin veya başka herhangi bir şeyin bilgisayar olduğu fikri önemsizleşir.
[8] Elbette daha fazla detay var fakat bu detaylar ana fikri daha da güçlendiriyor.
Referanslar
Baker, B., Lansdell, B., & Kording, K. (2021). A philosophical understanding of representation for neuroscience. arXiv:2102.06592. https://doi.org/10.48550/arXiv.2102.06592
Brette, R. (2022). Brains as computers: Metaphor, analogy, theory or fact? PhilSci Archive. http://philsci-archive.pitt.edu/20232/
Cao, R. (2022). Putting representations to use. Synthese, 200, 151. https://doi.org/10.1007/s11229-022-03522-3
Ceruzzi, P. E. (1991). When computers were human. IEEE Annals of the History of Computing, 13, 237–244. https://doi.org/10.1109/MAHC.1991.10025
Craver, C. F. (2007). Explaining the brain. Oxford University Press.
Gomez-Marin, A. (2022). Commentary: Metaphors we live by. Frontiers in Computational Science, 4, 890531. https://doi.org/10.3389/fcomp.2022.890531
Kelty-Stephen, D. G., Cisek, P. E., De Bari, B., Dixon, J., Favela, L. H., Hasselman, F., et al. (2022). In search for an alternative to the computer metaphor of the mind and brain. arXiv:2206.04603. https://doi.org/10.48550/arXiv.2206.04603
Light, J. S. (1999). When computers were women. Technology and Culture, 40, 455–483. https://doi.org/10.2307/25147356
Maley, C. J. (2011). Analog and digital, continuous and discrete. Philosophical Studies, 155, 117–131. https://doi.org/10.1007/s11098-010-9562-8
Maley, C. J. (2018). Toward analog neural computation. Minds and Machines, 28, 77–91. https://doi.org/10.1007/s11023-017-9442-5
Maley, C. J. (2021). The physicality of representation. Synthese, 199, 14725–14750. https://doi.org/10.1007/s11229-021-03441-9
Maley, C. J. (forthcoming a). The analog alternative. In J. Haugeland, C. F. Craver, & C. Klein (Eds.), Mind design III. MIT Press.
Maley, C. J. (forthcoming b). Analog computation and representation. British Journal for the Philosophy of Science. https://doi.org/10.1086/715031
Marr, D. (1982). Vision: A computational investigation into the human representation and processing of visual information. W. H. Freeman.
Piccinini, G. (2007). Computing mechanisms. Philosophy of Science, 74, 501–526. https://doi.org/10.1086/522851
Piccinini, G. (2015). Physical computation: A mechanistic account. Oxford University Press.
Richards, B. A., & Lillicrap, T. P. (2022). The brain–computer metaphor debate is useless: A matter of semantics. Frontiers in Computational Science, 4, 810358. https://doi.org/10.3389/fcomp.2022.810358
Roeder, K. D. (1966). Auditory system of noctuid moths. Science, 154, 1515–1521. https://doi.org/10.1126/science.154.3756.1515
Roeder, K. D. (1998). Nerve cells and insect behavior. Harvard University Press.
Shagrir, O. (2022). The nature of physical computation. Oxford University Press.
Turing, A. M. (1936). On computable numbers, with an application to the Entscheidungsproblem. Proceedings of the London Mathematical Society, 2, 230–265.
