Etiket: karar

Planların Sonu mu? Makineler Geleceği Tahmin Etmeden Nasıl Kazanıyor?

21 Eylül 2026

10:33

Bir yorum yaz on Planların Sonu mu? Makineler Geleceği Tahmin Etmeden Nasıl Kazanıyor?

Bilişim

, , , , , ,

İnsan zihni planlara âşıktır. Sabah ne yapacağını, rakibinin nasıl davranacağını, yatırımın nereye gideceğini ve hayatın beş yıl sonra hangi biçimi alacağını bilmek ister. Bir nedenin belirli bir sonuç doğuracağına inanmak güven verir. Ne var ki dünya, hazırladığımız senaryoları okumadan sahneye çıkan doğaçlama bir oyuncudur. Olasılıksal sistemlerin yükselişi tam da bu noktada sessiz bir devrim yaratıyor: Geleceği tek bir hikâye olarak tahmin etmek yerine, mümkün gelecekleri ağırlıklarıyla birlikte değerlendiriyor.

Deterministik düşünme, kabaca şu mantıkla çalışır: Eğer A gerçekleşirse B olur; ardından C gelir ve hedefe ulaşılır. Satranç oyuncusu on hamlelik bir varyant kurar, yönetici yıllık plan hazırlar, öğrenci sınavda çıkacağına inandığı konulara yoğunlaşır. Fakat rakip beklenmedik bir hamle yaptığında, piyasa yön değiştirdiğinde veya sınav soruları şaşırttığında planın görkemli mimarisi iskambil kâğıtları gibi çöker. Sorun plan yapmak değildir; plana, gerçekliğin kendisinden daha fazla inanmak tehlikelidir.

Hikâyelerden ağırlıklara

Olasılıksal değerlendirme, bir pozisyona bakıp tek doğru devam yolunu ilan etmez. Bunun yerine seçeneklere değerler dağıtır. Bir hamlenin başarı ihtimali yüzde 62, diğerinin yüzde 57 olabilir; ancak ikinci seçenek başarısızlık hâlinde daha az kayıp yaratabilir. Böylece karar, yalnızca en parlak sonuca değil, sonuçların dağılımına dayanır. Sistem geleceği görmez; belirsizliği düzenler. Onu güçlü yapan kehanet yeteneği değil, yanılma ihtimalini hesabın içine katmasıdır.

Modern yapay zekâ sistemleri, oyun motorları, öneri algoritmaları ve risk modelleri bu yaklaşımın farklı biçimlerini kullanır. Bir satranç motoru her zaman insan gibi uzun ve anlamlı bir plan kurmak zorunda değildir. Taş etkinliği, şah güvenliği, alan kontrolü ve olası devam yolları gibi unsurları sayısal ağırlıklarla değerlendirir. Bazen insan gözüne çirkin görünen bir hamleyi seçer; çünkü estetik sezgimiz düzen ararken sistem sonuç dağılımına bakar. Makine, güzel bir hikâyeyi değil, daha yüksek beklenen değeri tercih eder.

Bu durum insan aklının değersizleştiği anlamına gelmez. Tam tersine, zihnimizin hangi noktalarda kandırılabildiğini gösterir. İnsanlar dramatik ihtimalleri abartır, yakın geçmişi geleceğe taşır, sevdiği görüşü destekleyen kanıtları seçer ve tesadüflere anlam yükler. Bir kez başarı kazanan stratejiyi evrensel yasa sanmak kolaydır. Olasılıksal düşünme ise bizi entelektüel tevazuya çağırır: Haklı olabilirim, fakat ne kadar eminim? Hangi veri fikrimi değiştirir? Yanılıyorsam bedeli nedir?

Plan yerine güncelleme

Devrimin asıl ilkesi plan yapmamak değil, planı sürekli güncellemektir. Yeni bilgi geldiğinde eski kanaate sadakat göstermek erdem sayılmamalıdır. Bayesçi yaklaşımın gündelik hayattaki özü budur: Önce bir tahmin oluştur, kanıt geldikçe ağırlıkları değiştir. Doktor teşhisini test sonucuyla, yatırımcı beklentisini piyasa verisiyle, öğretmen yöntemini öğrencinin tepkisiyle yeniler. Böyle bir zihin, kararlarını kimliğinin parçası hâline getirmediği için dönüşebilir.

Yine de sayılar tarafsız tanrılar değildir. Bir sistemin verdiği ağırlıklar, beslendiği verilerin ve seçilen hedeflerin izini taşır. Başarı yanlış tanımlanmışsa algoritma yanlış şeyi kusursuzca optimize edebilir. Tıklanmayı ödüllendiren bir platform öfkeyi, kısa vadeli kazancı ölçen bir şirket tükenmişliği büyütebilir. Bu nedenle olasılıksal değerlendirme etik muhakemenin yerine geçmez; ona daha dürüst bir zemin sağlar.

Geleceğin akıllı insanı, en kesin konuşan kişi olmayacak. İhtimalleri ayırabilen, güven düzeyini ifade edebilen ve yeni bilgi karşısında utanmadan yön değiştirebilen kişi olacak. Dünya bir saat mekanizması değil, sürekli zar atan karmaşık bir sistemdir. Ustalık, zarın sonucunu önceden bilmekte değil; her sonuç için ne kadar hazırlıklı olduğumuzu hesaplayabilmektedir.

Bilgisayarların Kehanet Duvarı: Turing’in ‘Biter mi Bitmez mi?’ Laneti

17 Eylül 2026

12:43

Bir yorum yaz on Bilgisayarların Kehanet Duvarı: Turing’in ‘Biter mi Bitmez mi?’ Laneti

Bilişim

, , , , , ,

Bir program yazdığınızı düşünün. Düğmeye basıyorsunuz ve makine çalışmaya başlıyor. Ekranda imleç yanıp sönüyor. Kahveniz bitiyor, gün kararıyor, sabrınız çatlıyor. Soru basit gibi görünür: Bu program bir gün duracak mı, yoksa sonsuza kadar dönüp duran dijital bir hamster tekerleğine mi mahkûm? İşte Alan Turing’in meşhur Durma Problemi, yani Halting Problem, tam bu sorunun kalbine hançer gibi saplanır: Her programın, her girdide durup durmayacağını önceden söyleyen genel bir algoritma yazılamaz.

Bu cümle ilk bakışta karamsar bir yazılımcı atasözü gibi gelebilir. “Tabii canım, bazı kodlar karmaşıktır.” Hayır, mesele karmaşıklık değil; mesele ilkesel imkânsızlıktır. Turing bize sadece bazı işleri zor yaptığımızı değil, bazı işlerin doğası gereği yapılamayacağını gösterdi. Bilgisayar biliminin en sarsıcı dersi budur: Her şey hesaplanabilir değildir.

Kâhin Programın Trajedisi

Hayal edelim: Elimizde HALT adında mucizevi bir program var. Bu program, başka bir programı ve girdisini alıyor; “durur” ya da “sonsuza kadar çalışır” diye kesin yanıt veriyor. Harika! Yazılım dünyası bayram ederdi. Sonsuz döngüler tarihe karışır, test ekipleri çiçek dağıtır, proje yöneticileri ilk kez huzurla uyurdu.

Fakat Turing’in zekâsı burada devreye girer. Der ki: Bu HALT programını kullanarak tuhaf bir program yazalım. Adı da TERS olsun. TERS, kendisine verilen programın kendi üzerinde durup durmayacağını HALT’a sorar. Eğer HALT “durur” derse, TERS sonsuz döngüye girer. Eğer HALT “durmaz” derse, TERS hemen durur. Yani TERS, kâhinin söylediğinin tersini yapar.

Şimdi büyük sahneye geldik: TERS programını kendi kendisine verelim. TERS(TERS) ne yapar? Eğer duracaksa, tanımı gereği durmamalıdır. Eğer durmayacaksa, tanımı gereği durmalıdır. Mantık kendi kuyruğunu ısıran bir yılan gibi kıvrılır. Çelişki kaçınılmazdır. Demek ki başta varsaydığımız kusursuz HALT programı var olamaz.

Bu Sadece Kod Meselesi Değil

Durma Problemi, programlama derslerinde anlatılan teknik bir numara olmaktan çok daha fazlasıdır. Modern dünyanın “her şeyi ölçer, tahmin eder, optimize ederiz” inancına atılmış matematiksel bir tokattır. Bazı süreçlerin sonucunu, sürecin dışına çıkıp tepeden bakarak bile kesin biçimde bilemezsiniz. Onları çalıştırmanız gerekir. Ya biterler ya da beklemeye devam edersiniz.

Bu, yazılım geliştiricinin günlük hayatında çok somut görünür. Bir derleyici tüm hataları yakalayamaz. Bir güvenlik aracı her zararlı davranışı kesin olarak belirleyemez. Bir analiz programı, her olası kodun davranışını eksiksiz çözemez. Bu yüzden pratikte yaklaşık yöntemler, zaman sınırları, testler, tip sistemleri, biçimsel doğrulama araçları ve insan sezgisi kullanılır. Mutlak kehanetin yerini mühendislik disiplini alır.

Burada önemli ayrım şudur: “Genel çözüm yok” demek, “hiçbir şey bilemeyiz” demek değildir. Pek çok özel program için durup durmayacağını anlayabiliriz. Örneğin belirli sayıda dönen bir döngü, açıkça sona eren bir hesaplama, iyi tasarlanmış bir algoritma analiz edilebilir. Turing’in yasakladığı şey, tüm programlar ve tüm girdiler için çalışan evrensel bir karar makinesidir.

Sonsuzlukla Pazarlık Yapılmaz

Durma Problemi bize sonsuzluk hakkında da mütevazı olmayı öğretir. Bilgisayarlar hızlıdır, acımasızca mantıklıdır, yorulmazlar. Ama sonsuzluk karşısında onların da bileği bükülür. Çünkü mesele hız değildir. Bir programın trilyon yıl sonra duracağını bilmek ile asla durmayacağını bilmek arasında uçurum vardır. Bekleyerek kanıt elde edemezsiniz; sadece henüz durmadığını görürsünüz.

Bu yüzden Halting Problem, dijital çağın bilgelik taşlarından biridir. Bize şunu fısıldar: Her sorunun bir butonu, her belirsizliğin bir raporu, her karanlığın bir algoritmik feneri yoktur. Bazı kapılar hesaplamanın duvarına açılır. Orada yapılacak şey paniklemek değil, sınırı tanımaktır.

Turing’in dehası, bilgisayarı icat etmeden önce bilgisayarın rüyalarını ve kâbuslarını görmesiydi. Durma Problemi o kâbuslardan biridir: Bir makineye geleceği tamamen sordurmak istersiniz; makine size mantığın aynasını tutar ve der ki, “Beni ne kadar hızlandırırsan hızlandır, bazı sorular kendi gölgelerine takılır.” İşte bu yüzden bilgisayar bilimi yalnızca makinelerle değil, bilinebilirliğin sınırlarıyla da ilgilidir. Ve bazen en güçlü cevap, dürüst bir imkânsızlıktır.

Zihin Eski Haritayı Yakınca: Bilişsel Esnekliğin Gizli Gücü

10 Eylül 2026

14:43

Bir yorum yaz on Zihin Eski Haritayı Yakınca: Bilişsel Esnekliğin Gizli Gücü

Psikoloji

, , , , , ,

Bir gün hayat, masanın üzerine eski kurallar kitabınızı koyar ve gülümseyerek kibriti çakar. Dün işe yarayan yöntem bugün duvara çarpar. Ezberlediğiniz cümleler, bildiğiniz yollar, güvenli sandığınız çıkarımlar bir anda paslı anahtarlara dönüşür. İşte tam o anda sahneye bilişsel esneklik çıkar: beynin, “Bu oyun değişti; o halde ben de yeni bir oyun kurmalıyım” diyebilme yeteneği.

Bilişsel esneklik basitçe fikir değiştirmek değildir. Her rüzgârda yön değiştiren bir yaprak olmak da değildir. Daha çok, bir savaşçının sisli arazide kılıcını değil, algısını keskinleştirmesine benzer. Çünkü asıl mesele, eski mantık sisteminin artık gerçeği açıklamadığını fark edebilmektir. İnsan zihni genellikle düzen sever. Belirsizliği sevmez, boşluklardan hoşlanmaz, çelişkileri çabucak kapatmak ister. Bu yüzden birçok insan yeni bir durumla karşılaştığında düşünmez; eski cevabı daha yüksek sesle tekrar eder.

Eski Kuralın Konforu

Eski kuralların büyüleyici bir tarafı vardır: Bize kim olduğumuzu hatırlatırlar. “Ben böyle yaparım”, “dünya böyledir”, “insanlara güvenilmez”, “başarı için tek yol budur” gibi cümleler sadece düşünce değildir; kimlik kaleleri gibidir. Fakat kaleler aynı zamanda hapishane olabilir. Bilişsel esnekliği düşük olan zihin, kalenin duvarlarını güvenlik sanır. Oysa dışarıda iklim değişmiş, savaş biçimi değişmiş, hatta düşman dediği şey belki de artık düşman olmaktan çıkmıştır.

Jungiyen bir gözle bakarsak, bilişsel esneklik biraz da gölgeyle pazarlık etmektir. Zihin, kabul etmek istemediği ihtimallerle karşılaştığında savunmaya geçer. “Yanılmış olabilirim” demek ego için küçük bir ölüm gibidir. Fakat her küçük ölüm, daha geniş bir bilincin doğum sancısıdır. Esnek zihin, kendi haklılığına tapınmaz; hakikatin kendisinden daha büyük olduğunu sezer.

Beyin Yeni Mantığı Nasıl Kurar?

Beyin, değişen koşullarda farklı ağları devreye sokar. Alışkanlıklar otomatik pilot gibidir; enerji tasarrufu sağlar. Ama otomatik pilot fırtınalı havada da açık kalırsa uçak dağ yamacına selam verebilir. Bilişsel esneklik, bu otomatik pilotu fark edip gerektiğinde manuel kontrole geçmektir. Prefrontal korteks burada kaptan köşkündedir: seçenekleri tartar, eski tepkiyi durdurur, yeni bağlantılar kurar.

Fakat bu süreç sadece soğuk bir hesaplama değildir. Duygusal dayanıklılık da gerekir. Çünkü yeni mantık sistemi kurmak, bir süreliğine aptal hissetmeyi göze almak demektir. Eski dünyada uzmandınız; yeni dünyada acemisiniz. İnsanların çoğu acemiliğin utancından kaçmak için felaketin içine bile eski ustalıklarını taşır. Oysa gerçek zeka, bazen “Bilmiyorum, tekrar bakmalıyım” diyebilen zihindir.

Esnek Zihin Kaosla Dans Eder

Bilişsel esnekliği yüksek biri, sorunları tek kapılı odalar gibi görmez. Bir iş değişikliği, ilişki krizi, teknolojik dönüşüm ya da bilimsel paradigma kayması karşısında zihinsel mobilyalarını yeniden düzenleyebilir. “Bu neden başıma geldi?” sorusunun yanına “Bu bana hangi eski varsayımımı gösteriyor?” sorusunu ekler. Bu küçük soru değişimi, zihnin kaderini değiştirir.

Elbette esneklik, ilkesizlik değildir. Her şeye uyum sağlamak da bilgelik sayılmaz. Zehirli bir ortama uyum sağlamak, sağlıklı olmak anlamına gelmez. Buradaki incelik şudur: Değerler omurga, kurallar ise giysi gibidir. Omurgasız insan rüzgârda savrulur; giysisini hiç değiştirmeyen insan ise mevsime yenilir. Bilişsel esneklik, omurgayı koruyup giysiyi değiştirme sanatıdır.

Bu beceriyi geliştirmek için zihni hafifçe rahatsız etmek gerekir. Farklı disiplinler okumak, karşıt görüşleri gerçekten anlamaya çalışmak, rutinleri bilinçli olarak bozmak, bir problemi en az üç farklı açıdan yeniden tarif etmek güçlü egzersizlerdir. “Ben haklı mıyım?” yerine “Hangi koşullarda haksız olabilirim?” diye sormak ise zihinsel kaslara acı veren ama onları büyüten bir harekettir.

Sonuçta bilişsel esneklik, modern dünyanın lüks becerisi değil, hayatta kalma sezgisidir. Çünkü çağımızın en tehlikeli insanı bilgisiz olan değil, eski bilgisinin sonsuza kadar geçerli olduğuna inanan insandır. Zihin, haritasını ara sıra yakmayı öğrenmelidir. Çünkü bazı ormanlardan çıkmanın tek yolu, yolu ezberlemek değil; karanlıkta yeni bir yön duygusu yaratmaktır.

Kitap Bittiğinde Kim Kazanır: Karar Ağacı mı, İnsan Sezgisi mi?

3 Eylül 2026

10:33

Bir yorum yaz on Kitap Bittiğinde Kim Kazanır: Karar Ağacı mı, İnsan Sezgisi mi?

Felsefe

, , , , , ,

Bir satranç oyuncusu açılışta taşlarını ilerletirken yalnızca hamle yapmaz; yüzyılların biriktirdiği düşünceyi masaya çağırır. Sicilya Savunması, İspanyol Açılışı ya da Şah Gambiti, geçmiş oyunlardan süzülmüş devasa karar ağaçlarıdır. Her dal, daha önce sorulmuş bir soruya verilen cevabı temsil eder. Fakat bütün kitapların sustuğu, veri tabanlarının seyrekleştiği ve yorumların çatallaştığı bir an gelir. Oyuncular buna genellikle “teoriden çıkmak” der. Asıl oyun da belki tam orada başlar.

Haritanın bittiği yerde

Açılış teorisi, bilinmeyeni ortadan kaldırmaz; onu erteler. Ezberlenmiş diziler oyuncuya güvenli bir koridor sunar, fakat koridorun sonunda tek bir kapı yoktur. Onlarca olası konum, plan ve risk belirir. Karar ağacı açısından mesele nettir: Muhtemel hamleleri üret, sonuçları değerlendir, kötü dalları buda ve en yüksek başarı beklentisine sahip seçeneği uygula. Ne var ki gerçek oyunlarda ağacın tamamını hesaplamak mümkün değildir. Zaman sınırlıdır, dallanma patlayıcıdır ve konumsal değerler kesin sayılara kolayca dönüşmez.

Burada tümevarım devreye girer. Oyuncu binlerce örnekten örüntüler çıkarır: Zayıf kareler uzun vadede sorun yaratır, gelişim üstünlüğü saldırıya dönüşebilir, kötü görünen bir piyon fedası hat açabilir. Makine öğrenmesi de benzer biçimde geçmiş örneklerden geleceğe ilişkin tahmin üretir. Ancak tümevarımın sessiz bir kusuru vardır: Geçmişte sık görülen şeyin gelecekte de geçerli olacağını varsayar. Oysa yaratıcılık, bazen tam olarak bu varsayımı ihlal etmektir.

Sezgi sihir değildir

İnsan sezgisini romantikleştirmek kolaydır. Büyükusta tahtaya bakar, kaşını kaldırır ve kimsenin düşünmediği hamleyi bulur. Dışarıdan bakıldığında bu, hesaplamanın ötesinde mistik bir sıçrama gibi görünür. Oysa sezgi çoğu zaman sıkıştırılmış deneyimdir. Zihin, tek tek varyantları bilinçli biçimde saymadan binlerce konumsal izi karşılaştırır. “Bu hamlede bir şey var” duygusu, görünmez bir örüntü tanıma sürecinin yüzeye çıkan sonucudur.

Yine de insan yaratıcılığını yalnızca hızlı tümevarıma indirgemek eksik kalır. Çünkü insan bazen en güçlü görünen hamleyi değil, rakibinin dünyasını en fazla karmaşıklaştıran hamleyi seçer. Nesnel değerlendirme ile pratik değer aynı değildir. Bilgisayar eşitlik görebilir; insan ise karşısındaki kişinin korkularını, zaman sıkışmasını ve alışkanlıklarını hesaba katar. Karar ağacına böylece yeni bir değişken girer: Kararı veren öznenin psikolojisi.

Çatışma mı, iş birliği mi?

Algoritma ile sezgi arasındaki mücadeleyi “soğuk makineye karşı yaratıcı insan” masalına dönüştürmek çekicidir, fakat yanıltıcıdır. Modern satranç motorları, insanlara son derece yabancı görünen fedalar ve uzun vadeli manevralar bulabiliyor. Demek ki yaratıcılık izlenimi yalnızca bilinçten doğmuyor; yeterince geniş arama, güçlü değerlendirme ve alışılmadık örüntüler de yaratıcı sonuçlar üretebiliyor. Buna karşılık insan zihni de sandığımız kadar özgür değildir: Gelenekler, ustalar ve ezberlenmiş kalıplar düşüncemizin görünmez sınırlarını çizer.

Asıl ayrım, ezber ile yaratıcılık arasında değil; kapalı ve açık düşünme biçimleri arasındadır. Kapalı düşünce, doğru cevabın önceden mevcut olduğunu varsayar. Açık düşünce ise konumun yeni bir kavram gerektirebileceğini kabul eder. Açılış teorisinin bittiği noktada güçlü oyuncu hafızasını çöpe atmaz; onu ham maddeye dönüştürür. Bildiği ilkeleri karşılaştırır, çelişkileri fark eder ve gerekirse bir ilkeyi diğerine feda eder.

Bu yüzden tahtadaki gerçek ustalık, karar ağacında en uzağı görmekten ibaret değildir. Bazen hangi dalların henüz adlandırılmadığını sezmek gerekir. Tümevarım bize geçmişin düzenini verir; yaratıcılık ise o düzenin nerede kırılabileceğini sorar. Kitap kapandığında insanın önünde boşluk değil, sorumluluk açılır: Artık doğru hamleyi hatırlamak değil, doğru hamlenin ne anlama geldiğine karar vermek zorundadır.

Daha Çok Çalışmak Yetmez: Hayatının Algoritması Ne Kadar Hızlı?

2 Eylül 2026

18:43

Bir yorum yaz on Daha Çok Çalışmak Yetmez: Hayatının Algoritması Ne Kadar Hızlı?

Bilişim

, , , , ,

Bir işi ne kadar hızlı bitirdiğimizi çoğu zaman irade, disiplin ve kahve miktarıyla açıklarız. Oysa bilgisayar biliminin soğukkanlı dünyası bize daha rahatsız edici bir şey söyler: Aynı problemi çözmek için seçtiğin yöntem, harcadığın çabadan daha belirleyici olabilir. İşte Big O Notation, yani zaman kompleksitesi, tam olarak bunu ölçmeye yarar. Bir algoritmanın, girdi büyüdükçe ne kadar yavaşladığını anlatır. Hayat da çoğu zaman bir algoritma seçme sanatıdır.

Diyelim ki evde kaybolan anahtarını arıyorsun. Bir yöntem, bütün evi rastgele altüst etmektir. Koltuk altına bak, sonra buzdolabına, sonra tekrar koltuk altına, sonra mont cebine, sonra varoluşsal krize. Bu yaklaşım kötü tasarlanmış bir algoritmaya benzer. Çok enerji harcarsın ama ilerleme hissin yanıltıcıdır. Başka bir yöntem ise son kullandığın yerleri sırayla düşünmek, giriş kapısı çevresinden başlamak, çantaları ve cepleri sistematik kontrol etmektir. Aynı insan, aynı anahtar, aynı ev; fakat farklı algoritma.

Big O bize ne anlatır?

Big O, küçük ayrıntıları değil, büyüme davranışını önemser. Bir işin 10 birimde nasıl davrandığı değil, 10.000 birimde neye dönüştüğü sorulur. O(1) sabit zamandır: Girdi büyüse de işlem süresi değişmez. Mesela telefonunda favorilere eklediğin bir kişiyi aramak gibi. O(n) doğrusal zamandır: Liste büyüdükçe süre de aynı oranda artar. Bir sınıftaki herkesin adını tek tek okumak buna benzer. O(n²) ise tehlikeli bölgedir: Her şeyi herkesle karşılaştırırsın. Toplantıda herkesin herkesle ayrı ayrı fikir alışverişi yapması gibi; katılımcı sayısı arttıkça zaman birden şişer.

Hayatta da bazı işler O(n²) gibi davranır. Gelen kutusunu düzensiz bırakırsan, her yeni e-posta sadece bir e-posta değildir; eski karmaşayla etkileşime giren yeni bir düğümdür. Notlarını kategorize etmezsen, bilgi birikimin büyüdükçe zekân değil, sürtünmen artar. Bir proje planın yoksa, ekipteki kişi sayısı arttıkça iletişim maliyeti patlar. Sonra insanlar şaşırır: Bu kadar çalışıyoruz, neden ilerlemiyoruz? Çünkü çalışma miktarı arttıkça sistemin verimsizliği de büyüyordur.

Bu noktada acı gerçek ortaya çıkar: Yoğunluk verimlilik değildir. Klavyeye hızlı basmak, doğru problemi çözdüğün anlamına gelmez. Bir yazılımcı yanlış algoritmayla milyonlarca işlem yapabilir; bir insan da yanlış alışkanlıkla yıllarca dönüp durabilir. Big O’nun hayata hediyesi, bize şunu sormayı öğretmesidir: Ben bu işi daha fazla kas gücüyle mi çözmeye çalışıyorum, yoksa yöntemi mi değiştirmeliyim?

Hayatındaki algoritmaları denetle

Sabah rutinin O(n²) mi? Yani bir çorabı ararken akşamdan kalan tabakları, bildirimleri, dağınık masayı ve gecikmiş kararları aynı anda mı işliyorsun? Öğrenme biçimin O(n) bile değil de rastgele arama mı? Aynı konuyu tekrar tekrar açıp kapatıyor, fakat hiçbir özet, örnek veya pratik üretmiyor musun? İlişkilerinde her anlaşmazlığı sıfırdan mı tartışıyorsun, yoksa ortak kurallar ve açık beklentiler gibi bir önbellek kurdun mu?

Bilgisayar biliminde iyi bir algoritma, problemi daha akıllıca temsil eder. Hayatta da mesele budur. Takvim kullanmak, zihni boşaltan bir veri yapısıdır. Kontrol listesi, tekrar eden hataları azaltan bir otomasyondur. Önceliklendirme, sonsuz görevler kümesinde arama alanını daraltmaktır. Hayır demek, gereksiz girdiyi sisteme almamaktır. Dinlenmek bile bir optimizasyondur; çünkü yorgun işlemci daha çok hata üretir.

Elbette her şeyi optimize etmeye çalışmak da ayrı bir tuzaktır. İnsan makine değildir; bazen en verimli yol, en anlamlı yol olmayabilir. Ama Big O bize mekanikleşmeyi değil, kör çabayı sorgulamayı önerir. Eğer sürekli yetişemiyorsan, sorun karakterinde olmayabilir. Belki de hayatını O(n²) bir düzende çalıştırıyorsundur.

Sonuç basit ama güçlü: Daha hızlı yaşamak için daha fazla koşmak zorunda değilsin; bazen rotayı yeniden çizmen gerekir. Hayatın performansını belirleyen şey yalnızca motivasyonun değil, kullandığın algoritmadır. Ve iyi haber şu: Algoritmalar değiştirilebilir.