Etiket: modelleme

Soy Ağacımız Bir Veritabanı Olsaydı: Dedeler, Genler ve Kayıp Düğümler

12 Eylül 2026

12:43

Bir yorum yaz on Soy Ağacımız Bir Veritabanı Olsaydı: Dedeler, Genler ve Kayıp Düğümler

Bilişim

, , , , , ,

İnsan soyunu yazılımsal olarak modellemek, ilk bakışta masum bir aile ağacı çizmek gibi görünür: kökte büyük büyük büyükanne, dallarda çocuklar, yapraklarda biz. Fakat biraz yaklaşınca tablo çatırdamaya başlar. Çünkü insanlık tarihi, düzenli klasörlere ayrılmış fotoğraflardan değil; göçlerden, kayıp kayıtlardan, evlat edinmelerden, bilinmeyen babalardan, akraba evliliklerinden, mutasyonlardan ve bazen de aile yemeklerinde kimsenin konuşmak istemediği sırlardan oluşur. Yani mesele yalnızca “Ahmet, Mehmet’in babasıdır” demek değildir; mesele, biyolojik aktarımı, kültürel kimliği ve belirsizliği aynı veri yapısında yaşatabilmektir.

Hiyerarşi Güzel, Ama Hayat Daha Kurnaz

Hiyerarşik veritabanları, veriyi ağaç biçiminde düzenler: her düğümün bir ebeveyni, onun da çocukları vardır. Dosya sistemleri, organizasyon şemaları ve klasik soy ağaçları bu modele çok yakındır. Bir kişinin anne ve babasını üst düğümler, çocuklarını alt düğümler olarak düşünürüz. Sorgu da basittir: “Bu kişinin ataları kimler?”, “Şu soydan kimler geliyor?” Ağaçta yukarı çık, aşağı in, dalları takip et.

Fakat genetik aktarım açısından insan soyu tam bir ağaç değildir; daha çok yönlü, katmanlı ve zaman içinde kıvrılan bir graf yapısıdır. Her bireyin iki biyolojik ebeveyni vardır. Bu bile tek ebeveynli klasik hiyerarşiyi zorlar. Dahası, kuzen evlilikleri gibi durumlarda aynı ata, ağacın farklı dallarında tekrar belirir. Böylece soy ağacı bir noktada ağaç olmaktan çıkar, döngüye benzeyen bağlantılar taşıyan karmaşık bir ağa dönüşür. Yazılım geliştirici için bu, “güzelim veri modeli neden gece yarısı hata veriyor?” sorusunun genetik versiyonudur.

Genleri Nesne, İlişkileri Kenar Gibi Düşünmek

Bu nedenle sağlam bir modelde kişi tablosu ya da kişi düğümü tek başına yeterli değildir. Birey, doğum tarihi, ölüm tarihi, cinsiyet, coğrafya ve kimlik bilgileriyle temsil edilebilir; fakat genetik aktarım için ilişki türleri ayrıca tanımlanmalıdır. “Biyolojik anne”, “biyolojik baba”, “evlat edinen ebeveyn”, “sosyal ebeveyn”, “taşıyıcı”, “donör” gibi ilişki tipleri ayrıştırılmalıdır. Çünkü yazılım açısından ilişki yalnızca çizgi değildir; anlam taşıyan bir kenardır.

Burada ilişkisel veritabanı, grafik veritabanı ve belge tabanlı yaklaşımlar arasında seçim yapmak gerekir. İlişkisel model, tutarlılık ve sorgu disiplini sağlar. Örneğin kişi, ilişki ve genetik işaretçi tablolarıyla güçlü bir omurga kurulabilir. Grafik veritabanları ise soy, akrabalık ve uzak bağlantıları keşfetmekte daha çeviktir. “Bu iki kişi kaç kuşak öteden akraba?”, “Ortak ata nerede?”, “Belirli bir mutasyon hangi hat üzerinden taşınmış olabilir?” gibi sorular graf dünyasında doğal biçimde ifade edilir.

DNA: Sessiz Ama Gürültülü Veri

Genetik veri aktarımını modellemek için yalnızca aile bağlarını kaydetmek yetmez. DNA, olasılıklarla konuşur. Çocuk, anne ve babasından kromozomların karışmış bir kombinasyonunu alır. Rekombinasyon nedeniyle aktarım, fotokopi değil, ustaca karılmış bir deste kart gibidir. Bu yüzden sistem, kesin soy ilişkilerinin yanında olasılıksal kalıtım modellerini de barındırmalıdır. Belirli bir gen varyantının kimden geldiğini anlamak bazen doğrudan bellidir, bazen de istatistiksel tahmindir.

Bu noktada yazılım mimarisi iki seviyeli düşünmelidir: birincisi soy ilişkileri, ikincisi genetik varyantların aktarım yolları. İlk katman aile ağını kurar; ikinci katman bu ağ üzerinde genetik işaretçilerin nasıl ilerlediğini analiz eder. Böylece veri modeli yalnızca “kim kimin nesi?” sorusunu değil, “hangi biyolojik bilgi hangi olasılıkla hangi kuşaktan geldi?” sorusunu da yanıtlar.

Mahremiyet: En Kritik Güvenlik Duvarı

Elbette böyle bir sistem teknik olduğu kadar etik bir mayın tarlasıdır. Genetik veri, sıradan kişisel veri değildir; bir kişinin DNA’sı, aynı zamanda ailesi hakkında da bilgi verir. Bir bireyin verisini açığa çıkarmak, kuzenlerinin, kardeşlerinin, doğmamış çocuklarının bile mahremiyetini etkileyebilir. Bu nedenle erişim kontrolü, anonimleştirme, şifreleme, açık rıza ve veri minimizasyonu mimarinin sonradan eklenen aksesuarları değil, temel kolonları olmalıdır.

Sonuçta insan soyunu modellemek, geçmişi dijital bir dolaba kaldırmak değildir. Bu, biyolojinin kaotik zarafetini yazılımın mantıksal disiplinine çevirmeye çalışmaktır. Hiyerarşik veritabanları bize başlangıç için güzel bir merdiven sunar; fakat insanlık merdivenden ibaret değildir. Bizler düğümler, kenarlar, mutasyonlar, anılar ve ihtimallerden oluşan canlı bir veri evreniyiz. Belki de en doğru model şunu kabul eden modeldir: Soy ağacı bir ağaç gibi başlar, ama insan hikâyesi her zaman dallardan fazlasını ister.

Kodun Bize Fısıldadığı Sır: Hayatta Her Detayı Bilmek Zorunda Değilsin

6 Eylül 2026

14:43

Bir yorum yaz on Kodun Bize Fısıldadığı Sır: Hayatta Her Detayı Bilmek Zorunda Değilsin

Bilişim

, , , , ,

Programlamada soyutlama, ilk bakışta teknik bir kavram gibi görünür: karmaşık ayrıntıları sakla, kullanıcıya yalnızca gereken düğmeyi, fonksiyonu, arayüzü göster. Fakat dikkatli bakınca bunun sadece bilgisayarların değil, insan zihninin de hayatta kalma stratejisi olduğunu fark ederiz. Sabah kahve makinesine bastığınızda termodinamik, elektrik devreleri, su basıncı ve metal alaşımlar üzerine düşünmezsiniz. Sadece kahve istersiniz. Makine size evrenin tüm mühendislik dramını değil, bardağı verir. İşte soyutlama budur: kaosu kullanışlı bir şekle sokma sanatı.

Kodun Perde Arkası

Bir yazılımcı için soyutlama, karmaşayı yenmenin en zarif yollarından biridir. Diyelim ki bir uygulamada kullanıcı kaydı yapıyorsunuz. Parola şifrelenecek, veri tabanına bağlantı kurulacak, e-posta doğrulaması gönderilecek, hata kontrolü yapılacak. Bunların hepsini her seferinde tek tek yazarsanız kodunuz kısa sürede dijital bir çöp sahasına dönüşür. Bunun yerine kullaniciOlustur() gibi bir fonksiyon yazarsınız. Artık içerideki ayrıntılar saklanır; dışarıdan bakınca yalnızca anlamlı bir eylem görünür. Bu, bilgisayara emir vermekten çok, düşünceyi düzenlemektir.

İyi soyutlama, iyi bir harita gibidir. Harita gerçeğin kendisi değildir; hatta gerçeği acımasızca eksiltir. Ağaçları, kaldırım taşlarını, sokaktaki kedinin tembel bakışını göstermez. Ama sizi hedefe ulaştırır. Programlamada da sınıflar, fonksiyonlar, API’ler ve modüller gerçeğin tamamını değil, işe yarayan kesitini sunar. Bir ödeme sistemini kullanırken bankaların iç protokollerini bilmek istemezsiniz. Sadece ‘öde’ dersiniz ve sistemin güvenli, hızlı, doğru çalışmasını beklersiniz. Soyutlama, güvenin mimarisidir.

Fazla Detay Zekâyı Boğar

Burada ilginç bir paradoks vardır: Daha fazla bilgi her zaman daha fazla güç değildir. Bazen daha fazla bilgi, karar verme felcidir. Bir yazılımcı her işlemci talimatını, her bellek adresini, her ağ paketinin içeriğini aynı anda düşünmek zorunda kalsaydı, basit bir not uygulaması bile yıllık destana dönüşürdü. Soyutlama, zihnin bant genişliğini korur. Karmaşıklığı yok etmez; onu katmanlara ayırır. Alt katmanda elektrik dans eder, üst katmanda algoritmalar konuşur, en üstte kullanıcı bir butona basar. Her katman kendi dilinde yaşar.

Bu yüzden soyutlama tembellik değildir; seçici dikkattir. Hangi ayrıntının saklanacağı, hangisinin görünür kalacağı kritik bir tasarım kararıdır. Kötü soyutlama, gerçeği fazla gizleyip kullanıcıyı kör eder. İyi soyutlama ise doğru şeyleri gizler, doğru şeyleri açığa çıkarır. Bir araba sürücüsünün motorun tüm iç hareketlerini bilmesi gerekmez, ama hız göstergesini görmesi gerekir. Yazılımda da durum aynıdır: Kullanıcıya karmaşayı değil, kontrol duygusunu vermek gerekir.

Yaşam da Bir API’dir

Bu kavramı gündelik yaşama taşıdığımızda daha da çarpıcı hale gelir. İnsan ilişkilerinde, mesleklerde, şehirlerde, hatta kimliğimizde soyutlamalarla yaşarız. Bir doktora gideriz ve tıp biliminin binlerce sayfalık bilgisini tek bir cümleye indirgeriz: Neyim var? Doktor da bedenimizin karmaşık biyokimyasını tanıya, reçeteye, öneriye dönüştürür. Bir arkadaşımızı ‘güvenilir’, bir işi ‘yorucu’, bir günü ‘verimli’ diye etiketleriz. Bunlar gerçeğin tamamı değildir; ama hareket etmemizi sağlar.

Tehlike, soyutlamayı gerçekliğin yerine koyduğumuzda başlar. Haritayı ülke sanmak, fonksiyonu sistemin tamamı sanmak, etiketi insan sanmak… Programlamada bu hata teknik borç üretir; hayatta ise önyargı. Bir insanı tek kelimeye indirgediğinizde, onun içindeki değişkenleri, koşulları, istisnaları silersiniz. Bu nedenle bilgece soyutlama, gerektiğinde perdeyi aralayabilme cesaretini de içerir. Ayrıntıları saklamak başka, onların varlığını inkâr etmek başkadır.

Sonuçta soyutlama, hem yazılımın hem yaşamın sessiz süper gücüdür. Bize şunu öğretir: Her şeyi bilmek zorunda değilsin, ama hangi katmanda düşündüğünü bilmek zorundasın. Bazen fonksiyonu kullanırsın, bazen içine girip hatayı ayıklarsın. Bazen insanları basit rolleriyle görürsün, bazen derinlerine inmeyi seçersin. Ustalık, ayrıntıyı ne zaman gizleyeceğini ve ne zaman çağıracağını bilmektir. Kod da hayat da bunu fısıldar: Sadelik, yüzeysellik değildir; doğru karmaşıklığın doğru yerde saklanmasıdır.

Bilgisayarlar Hapşırır mı? Zararlı Yazılımların Biyolojik Evrimle Şaşırtıcı Dansı

5 Eylül 2026

10:33

Bir yorum yaz on Bilgisayarlar Hapşırır mı? Zararlı Yazılımların Biyolojik Evrimle Şaşırtıcı Dansı

Bilişim

, , , , , ,

Bir hastalık ile zararlı yazılım arasında ilk bakışta şiirsel bir benzerlik varmış gibi görünür: İkisi de yayılır, çoğalır ve kurbanlarının davranışını değiştirir. Fakat paralellik yalnızca metafordan ibaret değildir. Epidemiyolojinin enfeksiyonları anlamak için kullandığı istatistiksel modeller, bilgisayar ağlarındaki kötü amaçlı yazılım hareketlerini incelemekte de işe yarar. Kripto-viroloji ise bu tabloya ayrı bir gerilim ekler: Kriptografinin koruyucu gücünü saldırgan amaçlarla tersine çevirir. Fidye yazılımları bunun en tanınmış örneğidir; matematiksel kilit, savunma aracı olmaktan çıkıp dijital bir rehine mekanizmasına dönüşür.

Dijital Salgının Matematiği

Epidemiyolojide kullanılan SIR modeli, bir topluluğu duyarlı, enfekte ve iyileşmiş gruplarına ayırır. Benzer biçimde bir bilgisayar ağı da savunmasız, etkilenmiş ve temizlenmiş ya da yalıtılmış cihazlardan oluşan bir sistem olarak düşünülebilir. Buradaki temel soru aynıdır: Yayılma hızı, iyileşme veya temizlenme hızından büyük mü? Eğer cevap evetse enfeksiyon büyür; değilse sönümlenir. Biyolojide temas, öksürük veya taşıyıcı canlı neyse dijital ortamda bağlantılar, kullanıcı etkileşimleri ve güven ilişkileri odur.

Üreme katsayısı olarak bilinen R sayısı da bu karşılaştırmaya taşınabilir. Bir enfekte cihaz ortalama olarak birden fazla yeni cihazı etkiliyorsa dijital salgın genişleme eğilimindedir. Ancak ortalama değerler bazen aldatıcıdır. Yoğun bağlantılı bir sunucu, sıradan bir kişisel bilgisayardan çok daha fazla sisteme erişebilir. Hastalıkların kalabalık etkinliklerde hızlanması gibi zararlı yazılımlar da ağın merkezi düğümlerinde orantısız bir sıçrama yaşayabilir. Dolayısıyla yalnızca kaç cihaz bulunduğuna değil, cihazların nasıl bağlandığına da bakmak gerekir.

Evrim Kod Yazmayı Bilmez, Ama Seçer

Biyolojik virüsler mutasyon geçirir; dijital zararlılar ise geliştiriciler, otomatik varyasyon mekanizmaları veya kopyalanma sürecindeki değişiklikler sayesinde yeni biçimler kazanabilir. Burada önemli bir ayrım vardır: Biyolojik evrim kör seçilimle işlerken yazılım çoğu zaman bilinçli tasarımın ürünüdür. Yine de ortaya çıktıktan sonra her iki sistem de benzer bir seçilim baskısıyla karşılaşır. Kolay fark edilen varyantlar elenir, savunmaları aşabilenler daha uzun süre dolaşır. Güvenlik yazılımları bu anlamda dijital bağışıklık sistemi gibi davranır; fakat her yeni savunma, saldırgan ekosistemde yeni bir uyum baskısı yaratır.

Bu dinamik bir silahlanma yarışı doğurur. Biyolojide konak ile parazit, bilişimde savunma ekibi ile saldırgan araçlar birbirinin hareketlerine cevap verir. Fakat en saldırgan varyantın her zaman en başarılı olmadığı unutulmamalıdır. Konağını hızla öldüren bir patojen yayılma fırsatını kaybedebilir; sistemi anında çökerten zararlı yazılım da erken fark edilerek yalıtılabilir. Sessizlik, kalıcılık ve düşük görünürlük bazen kaba yıkımdan daha avantajlıdır. Evrimin ironisi burada belirir: Başarı çoğu zaman en güçlü olmak değil, çevre tarafından yeterince geç fark edilmektir.

Bağışıklık Duvar Değil, Ekosistemdir

Bu istatistiksel paralellik savunmaya önemli bir ders verir. Tek bir antivirüs programına güvenmek, salgını yalnızca hastane kapısında durdurmaya çalışmaya benzer. Etkili yaklaşım; güncelleme, yedekleme, erişim sınırlaması, ağ bölümlendirmesi, davranış analizi ve kullanıcı eğitiminin birlikte işlemesini gerektirir. Amaç her tehdidi önceden tanımak değil, bulaşma zincirini kırmak ve sistemin toparlanma hızını yükseltmektir. Dijital hijyen deyimi bu nedenle süslü bir benzetme değil, sistem tasarımına ilişkin güçlü bir ilkedir.

Yine de bilgisayar virüslerini canlı organizmalarla tamamen özdeşleştirmek düşünsel bir tuzaktır. Yazılım metabolizma taşımaz, doğal anlamda yaşamaz ve biyolojik niyetlere sahip değildir. Modeller gerçekliğin kendisi değil, seçilmiş özelliklerin haritasıdır. Buna rağmen iki alanın birbirine tuttuğu ayna değerlidir: Ağlar kırılgandır, çeşitlilik sonucu değiştirir ve küçük davranışlar büyük salgınlara dönüşebilir. Bilgisayarlar gerçekten hapşırmaz; fakat birbirlerine güvenerek bağlandıklarında, istatistiksel olarak oldukça bulaşıcı davranabilirler.

Bir Virüsün Haritası: Graf Teorisi Salgınları Nasıl Okur?

4 Eylül 2026

12:43

Bir yorum yaz on Bir Virüsün Haritası: Graf Teorisi Salgınları Nasıl Okur?

Bilim

, , , , , ,

Bir salgını anlamaya çalışırken çoğu zaman gözümüz mikroskoba gider: virüsün biçimine, proteinlerine, mutasyonlarına bakarız. Oysa salgının asıl tiyatrosu yalnızca hücrenin içinde değil, insanların arasında kurulan görünmez ağlarda oynanır. Graf teorisi tam burada sahneye çıkar. İnsanları, şehirleri, havaalanlarını, okulları ya da sosyal medya hesaplarını birer düğüm; aralarındaki temasları, uçuşları, konuşmaları veya veri akışlarını birer kenar olarak düşünür. Bir anda kalabalık dünya, matematiksel bir haritaya dönüşür.

Graf teorisinin büyüsü şudur: Karmaşık olanı basitleştirir ama basit olanı aptallaştırmaz. Bir şehirde milyonlarca insan vardır; herkesin hikâyesi, alışkanlığı, korkusu, inadı farklıdır. Fakat salgın açısından temel soru nettir: Kim kime, ne sıklıkla, hangi koşullarda temas ediyor? Eğer bir düğüm çok fazla kenara sahipse, yani çok kişiyle bağlantılıysa, ona yüksek dereceli düğüm deriz. Bu kişi bir öğretmen, bir sağlık çalışanı, bir kuryeci, bir konser organizatörü ya da yalnızca çok sosyal biri olabilir. Salgın matematiğinde böyle düğümler, hikâyenin yan karakteri değil, çoğu zaman olay örgüsünün motorudur.

Düğümler Masum Değildir

Bir graf içinde her düğüm eşit görünür ama eşit davranmaz. Bazı düğümler köprü gibidir: İki ayrı topluluğu birbirine bağlar. Mesela küçük bir kasabadan büyükşehre her gün gidip gelen biri, iki farklı ağ parçası arasında biyolojik bir tünel açabilir. Buna aracılık merkeziyeti açısından önemli olmak denir. Bir başka düğüm ise ağın tam merkezinde olabilir; herkese doğrudan değilse bile birkaç adımda yakındır. Bu da yakınlık merkeziyetiyle ilgilidir. Salgın kontrolünde bu ölçüler, yalnızca akademik süs değildir; kime test yapılacağı, hangi bölgede önlem alınacağı, hangi temasların kesileceği gibi kararların pusulasıdır.

Virüslerin yayılması ile bilginin yayılması arasında şaşırtıcı bir akrabalık vardır. Bir söylenti, bir mizah videosu, bir komplo teorisi ya da bilimsel bir uyarı da ağ boyunca ilerler. Virüs bedenden bedene geçerken, bilgi zihinden zihne atlar. İkisi de kenar ister. İkisi de temas ister. İkisi de bazen süper yayıcı bulur. Fark şu olabilir: Virüs çoğu zaman biyolojik rastlantılardan yararlanırken, bilgi duygularımızı, öfkemizi, merakımızı ve korkumuzu kullanır. Yani birinde hapşırık, diğerinde heyecan bulaştırıcıdır.

R Sayısı Bir Dedikodu Gibi Düşünülebilir

Salgın modellerinde sık duyduğumuz R sayısı, bir enfekte kişinin ortalama kaç kişiye hastalık bulaştırdığını anlatır. Eğer R değeri 1’in üzerindeyse salgın büyüme eğilimindedir; altındaysa sönmeye başlar. Bunu bir dedikodu gibi düşünelim: Her kişi duyduğu haberi iki kişiye anlatıyorsa, mahalle kısa sürede çalkalanır. Ama her iki kişiden biri anlatmadan unutuyorsa, söylenti ölür. Graf teorisi, bu ortalamanın arkasındaki yapıyı görmemizi sağlar. Çünkü aynı R değeri, farklı ağlarda bambaşka sonuçlar doğurabilir.

Örneğin düzenli bir kafes ağında herkes yalnızca yakın komşularıyla görüşüyorsa yayılım yavaş ve yerel kalabilir. Ama küçük dünya ağlarında, yani çoğu temas yerelken arada birkaç uzak bağlantı varsa, virüs bir mahalleden diğer kıtaya sıçrayabilir. Modern dünya tam olarak böyledir: Sabah apartman komşusuyla asansöre binen biri, öğleden sonra uçakla başka bir ülkeye geçebilir. İnsanlık, biyolojik bedenleriyle Orta Çağ’da, ulaşım ağıyla bilimkurguda yaşıyor gibidir.

Bu yüzden salgınla mücadele yalnızca hastanelerde değil, ağın mimarisinde yapılır. Okulları kapatmak, büyük etkinlikleri ertelemek, uzaktan çalışmayı artırmak, maske kullanmak ya da temas takibi yapmak aslında graf üzerinde kenar silme, kenar zayıflatma veya kritik düğümleri izole etme işlemleridir. Aşı ise başka bir strateji sunar: Düğümleri dirençli hâle getirir. Eğer rastgele düğümleri değil de ağdaki merkezi düğümleri bağışık yaparsanız, çok daha az kaynakla yayılım zincirini kırabilirsiniz.

Harita Kader Değildir

Yine de graf teorisini mekanik bir kehanet makinesi sanmak hatadır. İnsan ağları canlıdır; insanlar korkar, alışır, isyan eder, dayanışır, kuralları bozar veya kuralları içselleştirir. Bir model bize olasılıkların iskeletini verir, etini ve ruhunu ise davranışlar ekler. Bu nedenle iyi salgın bilimi, matematiği sosyolojiyle, biyolojiyi psikolojiyle, veriyi etikle konuşturmak zorundadır.

Sonuçta graf teorisi bize rahatsız edici ama özgürleştirici bir şey söyler: Hiçbirimiz yalnızca birey değiliz; hepimiz bir ağın düğümüyüz. Bir kenar bazen dostluk, bazen risk, bazen bilgi, bazen sorumluluktur. Salgın dönemlerinde attığımız her adım, yalnızca kendi bedenimizde değil, bağlı olduğumuz görünmez haritada yankılanır. Matematik burada soğuk bir hesap değil, toplumsal kaderin röntgenidir. Ve belki de en önemli ders şudur: Ağı anlarsak, yayılımı yalnızca izlemekle kalmaz; onu değiştirmeye de başlarız.

Ekonominin Gizli Çarpım Tablosu: Matrisler Paranın Yolunu Nasıl Okur?

27 Ağustos 2026

18:43

Bir yorum yaz on Ekonominin Gizli Çarpım Tablosu: Matrisler Paranın Yolunu Nasıl Okur?

Bilim

, , , , , ,

Ekonomi çoğu zaman insan arzularının, kaynakların, fiyatların ve kararların devasa bir çorbası gibi görünür. Bir yanda üreticiler vardır, diğer yanda tüketiciler; arada bankalar, devletler, tedarik zincirleri, enerji maliyetleri, döviz kurları ve tabii ki kimsenin tam olarak kontrol edemediği beklentiler. Bu karmaşanın ortasında matris çarpımı, masanın üzerine serilen bir harita gibidir: Her yolun nereye bağlandığını, hangi değişkenin hangi sonucu ne kadar etkilediğini tek bir düzenli tabloda görmemizi sağlar.

Matris, en basit haliyle sayıların satır ve sütunlar halinde düzenlenmiş biçimidir. Fakat onu yalnızca “kalabalık bir tablo” sanmak büyük haksızlık olur. Matrisler, ilişkileri saklar. Bir fabrikanın farklı ürünler için ne kadar emek, enerji ve hammadde kullandığını; bir ülkenin sektörleri arasında paranın nasıl aktığını; tüketici tercihlerinin fiyat değişimlerine nasıl tepki verdiğini matrislerle ifade edebiliriz. Matris çarpımı ise bu ilişkileri birleştirir. Yani “A, B’yi etkiliyor; B de C’yi etkiliyor” dediğimiz zinciri tek hamlede hesaplanabilir hale getirir.

Bir Ekonomiyi Satır Satır Düşünmek

Diyelim ki bir ekonomide üç sektör var: tarım, sanayi ve hizmet. Tarım sanayiye hammadde sağlar, sanayi tarıma makine üretir, hizmet sektörü her ikisine finans, lojistik ve danışmanlık sunar. Bu sektörlerin birbirine ne kadar girdi verdiğini bir matrisle gösterebiliriz. Satırlar üreticileri, sütunlar alıcıları temsil eder. Her hücre, bir sektörün diğerine ne kadar katkı sağladığını anlatır. Böylece ekonomi, sisli bir pazar meydanı olmaktan çıkar; okunabilir bir ağ haline gelir.

Matris çarpımının büyüsü burada başlar. Elimizde bir sektörler arası girdi matrisi ve bir nihai talep vektörü varsa, toplam üretim ihtiyacını hesaplayabiliriz. Bu mantık, Wassily Leontief’in girdi-çıktı modelinin kalbidir. Model şunu sorar: “Toplum şu kadar otomobil, şu kadar ekmek, şu kadar sağlık hizmeti istiyorsa, bütün sektörlerin toplamda ne üretmesi gerekir?” Cevap çoğu zaman doğrudan görünen talepten büyüktür. Çünkü bir otomobil yalnızca metal değildir; enerji, yazılım, taşımacılık, finansman ve binlerce yan sürecin birleşimidir.

Matris çarpımı ekonomik modellerde yalnızca üretimi değil, fiyatları ve riskleri de anlamaya yarar. Bir yatırım portföyünü düşünün. Hisseler, tahviller, döviz ve emtialar farklı oranlarda seçilmiş olsun. Bu varlıkların getirileri bir vektör, portföy ağırlıkları başka bir vektör olarak yazılabilir. Çarpım bize beklenen getiriyi verir. Eğer işin içine kovaryans matrisi girerse, riskin farklı varlıklar arasında nasıl yayıldığını da hesaplarız. Böylece yatırımcı sezgiyle değil, ilişkilerin matematiksel iskeletiyle karar verir.

Karmaşıklığı Ezmeden Sadeleştirmek

Ekonomik hayat doğrusal değildir; insanlar bazen rasyonel davranmaz, piyasalar bazen panikler, teknoloji beklenmedik sıçramalar yapar. Yine de matrisler, karmaşıklığı inkâr etmeden yönetmenin yollarından biridir. Bir model, gerçeğin kendisi değildir; ama iyi kurulmuş bir model, gerçeğin hangi tarafına bakmamız gerektiğini gösteren keskin bir mercektir. Matris çarpımı bu merceği odaklar. Değişkenleri birbirine bağlar, dolaylı etkileri görünür kılar, “küçük bir fiyat artışı neden büyük bir sektör krizine dönüştü?” sorusuna mantıklı bir iz sürme yöntemi sunar.

Elbette burada dikkat edilmesi gereken kritik bir nokta vardır: Matrisin içindeki sayılar doğru değilse, çarpımın zarifliği bizi kurtarmaz. Kötü veriyle yapılan modelleme, cilalı bir pusulayla yanlış yöne yürümeye benzer. Bu yüzden ekonomik matris modellerinde veri kalitesi, varsayımlar ve güncellik hayati önemdedir. Bir tedarik zinciri matrisi pandemi öncesi değerlerle kurulmuşsa, kriz sonrası dünyayı açıklamakta zorlanabilir. Matematik güçlüdür, ama gerçekliğin nabzını tutan veriye ihtiyaç duyar.

Yine de matris çarpımı bize çok önemli bir düşünme disiplini kazandırır: Ekonomide hiçbir şey tek başına değildir. Bir karar, bir fiyat, bir talep artışı ya da faiz değişimi; satırlar ve sütunlar boyunca yayılır. Kahvenin fiyatı yalnızca kahveyle ilgili değildir; enerjiyle, nakliyeyle, kurla, işçilikle, iklimle ve tüketici psikolojisiyle bağlantılıdır. Matrisler bu bağlantıların sessiz dilidir.

Sonuçta matris çarpımı, ekonominin görünmez koreografisini okumaya yarayan matematiksel bir danstır. Sayılar sahnede yer değiştirir, satırlar sütunlarla buluşur, ilişkiler sonuçlara dönüşür. Karmaşık çok boyutlu ilişkiler tek bir tabloda çözülmeye başladığında ekonomi biraz daha az büyülü, ama çok daha anlaşılır hale gelir. Ve belki de asıl sihir budur: Kaosu yok etmek değil, onun içinde düzenli desenler görebilmek.