Menu TR

S360Mag

5 December

Milyonlarca iklim mültecisinin nereye gideceğini öngörebilir miyiz?

Bu haberi 4 dakikada okuyabilirsiniz.

İklim değişikliği, insanların binlerce yıldır yerleşmiş olduğu coğrafyaları değiştirmeyi sürdürüyor. Önümüzdeki yıllarda kuraklık, aşırı yağış ve kasırgalar gibi hava olaylarının milyonlarca mülteci yaratması bekleniyor.

Günümüzde, göç etmek zorunda kalan bireylerin hareketlerini öngörmeyi amaçlayan algoritmalar geliştiriliyor. Mülteci hareketlerini doğru öngörebilmek, destek kuruluşlarının doğru yerlerde faaliyete geçmesi, mevcut politikaların gözden geçirilmesi ve hakkında fazla veri bulunmayan ıssız veya tehlikeli bölgelerde mülteci nüfusunun tahmin edilmesi için büyük öneme sahip. Teknolojinin ilerlemesiyle bu algoritmalar oldukça gelişmiş olsa da mülteci hareketlerini hala bütünüyle öngörebilecek noktaya gelebilmiş değiller.

Algoritma geliştirme için kullanılan yaklaşımlardan birisi geçmiş verileri kullanarak kurallar, tahminler ve modeller üreterek algoritmayı eğiten “makine öğrenmesi” dir. Bu verilere örnek olarak “Yıllar önce ya da daha yakın bir zamanda ancak farklı bir ülkede ortaya çıkan bir çatışmada dağlık bir bölgeye yakın bir mülteci kampına gelen insan sayısı” verilebilir. Ancak tarihsel verilerin her zaman nicel olması ve simülasyonun öngörmeyi hedeflediği çatışma ile ilgili olmaması doğru tahminler oluşturmada önemli bir sorun teşkil ediyor. Makine öğrenimli modeller aynı zamanda doğrudan birbirini etkilemeyen olayları otomatik olarak birbiriyle ilişkilendirerek varsayımlar üreterek problemler yaratabiliyorlar.

Algoritma oluşturmada bir başka yaklaşım ise her bireyi bağımsız bir etmen olarak almak. Diana Suleimenova, David Bell ve Derek Groen isimli üç araştırmacının silahlı çatışmadan kaçan bireylerin göç yollarını öngörme amacıyla geliştirmeye başladığı algoritma, bireyleri bağımsız etmenler olarak ele alıyor ve ardından, “insanlar yağmurlu havalarda dağlık yollardan geçmekten kaçınma eğilimi gösterir” gibi basit bilimsel kabulleri temel alarak hareketlerini tahmin etmeyi hedefliyor. Bu modellerde, varsayımlar dağların, silahlı grupların varlığı gibi somut ve test edilebilir faktörlerden geliyor.

Araştırmacılar algoritmanın pratikte nasıl çalıştığını görmek için Burundi, Orta Afrika Cumhuriyeti ve Mali'de yakın zamanda gerçekleşen üç çatışmayı ele aldı. Sonuçlar Birleşmiş Milletler Mülteciler Yüksek Komiserliği (UNHCR) verileri ile karşılaştırıldığında algoritmanın mültecilerin %75'inden fazlasının nereye gideceğini doğru tahmin etmiş olduğu görüldü.

Algoritma aynı zamanda HiDALGO projesinin bir parçası olarak sınırların kapatılması gibi politika kararların Güney Sudan'daki çatışmalardan kaçan mültecilerin Etiyopya veya Uganda gibi komşu ülkelere geçişini nasıl etkilediğini inceledi. Bulgulara göre Uganda sınırını kapatmak, 300 gün sonra %40 daha az sayıda bireyin kamplara ulaşmasına neden oldu ve bu gelişmenin etkisi sınırın açıldığı 301. günün ardından dahi varlığını sürdürdü.

Ancak tarihsel bir durumun sonuçlarını tahmin edebilmek gelecekte insanların nereye gideceklerini tahmin etmekten daha basit. Bunun üç sebebi bulunuyor:

• Modeller varsayımlarda bulunur. Örneğin, bir model ulaşım yöntemleri veya çatışma bölgelerinde gece boyunca kalma ihtimalleri hakkında varsayımlarda bulunarak ilerleyebilir. Tahmin yaparken bu varsayımların irdelenmesi ve farklı durumlardan nasıl etkilendiklerini tespit etmek gerekiyor.

• Bununla birlikte bir olayı tahmin etmek, başka birçok şeyi de tahmin etmeyi gerektiriyor. İnsanların çatışmadan nasıl kaçtıklarını öngörmek için çatışmanın nasıl gelişeceğini öngörebilmemiz gerekiyor. Bu da gelecekteki pazar fiyatlarına, hava ve iklim etkilerine veya politik değişikliklere bağlı olabilir.

• Son olarak, göç halindeki insanların genellikle beklenmedik ve yıkıcı olaylardan kaçtığını göz önünde bulundurmak gerekiyor. Burada makine öğrenmesi algoritmalarının eğitildiği veriler eksik veya yanlı olabileceği gibi hiç bulunmuyor da olabilir. Bu noktada bireyleri bağımsız etmenler olarak ele alan ve göçe sebep veren süreçleri anlamayı amaçlayan modeller avantaj sağlıyor.

Süper bilgisayarlar ile gerçekleştirilen hava tahminlerinin bile hatalı tahminlerde bulunabildiğini düşündüğümüzde göç algoritmalarının önünde hala uzun bir yol olması şaşırtıcı değil.

SHARE: