Algoritmalar Kadınların Sessizliğini Çoğaltmasın, Sesini Büyütsün

“Bir toplumun yarısı görünmezse, makineler de kör kalır.”

© Eddie Worth/1946 AP

Yeni Çağın Sessizliği

Yapay zekâ, bugün yalnızca teknolojik bir buluş değil; sosyal yaşamın görünmez karar mekanizması haline gelmiş durumda. Bir iş başvurusunun kabul edilip edilmeyeceğini, bir bankadan kredi alınıp alınamayacağını, bir hastanın doğru teşhis edilip edilmeyeceğini ya da hangi haberin milyonlara ulaşacağını büyük ölçüde algoritmalar belirliyor. Ancak bu algoritmalar, veriden öğrendikleri için geçmişin eşitsizliklerini de geleceğe taşıyor. Ve bu noktada kadınların öyküleri, en çok eksik kalan alanı oluşturuyor.

Kadınların tarih boyunca görünmez kılınması yeni bir mesele değil. Ekonomik istatistiklerde ev içi emek uzun yıllar yok sayıldı. Bilimsel çalışmalarda “ortalama beden” erkek olarak kabul edildi. Kültürel üretim, çoğunlukla erkek kalemlerle yazıldı. Bu boşluklar şimdi yapay zekâya aktarılan verilerde yeniden ortaya çıkıyor. Sonuçta makineler, kadınların hikâyelerini değil, sessizliklerini öğreniyor.

Sessizliğin Çarpıcı Sonuçları

Bir köyde tarımla uğraşan kadının iklim değişikliği ile mücadelesi, göçmen bir annenin ayakta kalma savaşı ya da iş dünyasında cam tavanı kırmaya çalışan bir girişimci kadının deneyimi… Bunlar çoğunlukla veri setlerinde yer almıyor. Veri olmadığı için algoritmalar bu gerçeklikleri bilmiyor, yeniden üretmiyor.

Bunun çok somut yansımaları var. İşe alım süreçlerinde kullanılan bazı yapay zekâ yazılımları, erkek ağırlıklı geçmiş verilerden beslendiği için kadın adayları geri plana itebiliyor. Sağlıkta kullanılan yapay zekâ modelleri ise, erkeklerden toplanan verilerle eğitildiğinde kadınların kalp krizi belirtilerini tanımakta başarısız kalabiliyor. Teknoloji tarafsız değil; aksine, geçmişin hatalarını çoğaltan bir mekanizma haline geliyor.

Dünya Çapından İki Örnek

• Amazon’un işe alım algoritması (2018):

Amazon, işe alım süreçlerini hızlandırmak için yapay zekâ tabanlı bir sistem geliştirdi. Ancak sistem, erkek ağırlıklı geçmiş işe alım verileriyle eğitildiği için kadınların özgeçmişlerini geri plana itti. “Kadın” kelimesi geçen ifadeleri negatif kriter olarak değerlendirdi. Şirket, büyük tepki üzerine sistemi kapatmak zorunda kaldı. Bu olay, algoritmaların önyargıları nasıl büyütebileceğini dünyaya gösterdi.

•  Stanford Üniversitesi’nin kalp krizi araştırması (2019):

Stanford’daki bir çalışma, kalp krizi teşhisinde kullanılan verilerin %70’inin erkeklerden toplandığını ortaya koydu. Kadınlarda görülen farklı belirtiler —örneğin mide bulantısı, sırt ağrısı, nefes darlığı— algoritmalar tarafından göz ardı edildi. Bu nedenle kadınların teşhisinde ciddi hatalar yaşandı. Kadın verileri eklendiğinde teşhis oranı belirgin şekilde yükseldi. Bu durum, kadınların veride görünür olmasının hayat kurtarıcı olduğunu gösterdi.

Umuda Açılan Kapı

Karanlık tabloya rağmen umut veren gelişmeler de var. Avrupa’da “Gendered Innovations” girişimi, yapay zekâ projelerine toplumsal cinsiyet boyutunu yerleştirmeyi hedefliyor. Afrika’da kadın girişimcilerin ekonomiye katkısını görünür kılmak için özel veri platformları kuruluyor. Feminist veri kolektifleri, kadınların sağlık öykülerini, kültürel üretimlerini, ekonomik faaliyetlerini kayda geçiriyor. Bu girişimler, teknolojiyi yalnızca daha akıllı değil; aynı zamanda daha adil hale getirmeye çalışıyor.

“Algoritmalar kadınların sessizliğini çoğaltmasın, sesini büyütsün.”

Veri yalnızca matematik değildir; hayatın kendisidir. Ve hayatın yarısı kadınlardan oluşur. Kadınların öykülerini kayda almayan sistem, eksik bir geleceği kodlar. Ama bu hikâyeler algoritmalara dâhil edildiğinde, makineler yalnızca daha doğru kararlar vermekle kalmaz; aynı zamanda vicdanı da öğrenir.

Bugün sormamız gereken soru nettir: Geleceğimizi kodlayan makineler, kimin hikâyesini anlatacak? Kadınların sesi veri setlerinde yoksa, yapay zekâ da sessizliği büyütecek. Ama kadınların deneyimleri, üretimleri ve sezgileri sisteme katılırsa, teknolojinin dili daha kapsayıcı, daha adil ve daha insanî olacak.

“Bir toplumun yarısı görünmezse, makineler de kör kalır.”

İşte bu yüzden, kadınların hikâyeleri yalnızca hafızalarda, kitaplarda ya da filmlerde değil; algoritmaların kalbinde de yerini almalı. Çünkü makinelerin öğrenme biçimi, aslında insanlığın kendini yeniden yazma biçimidir. Ve bu defa, kadınlar bu yazının öznesi olmalı.

Ezgi Ülkü Aykut

Kaynakça

• Amazon Hiring Algorithm Bias Case (2018). Reuters Technology News.

• Obermeyer, Z., Powers, B., Vogeli, C., Mullainathan, S. (2019). Dissecting racial and gender bias in algorithmic healthcare. Science, 366(6464), 447–453.

• Stanford University (2019). AI in Cardiology: Gender Differences in Diagnosis. Stanford Medicine Reports.

• Schiebinger, L. et al. (2020). Gendered Innovations in Science, Health & AI. European Commission Report.