İnsan vs. Yapay Zeka: Fitts'in Listesinden SESAR Otonomi Seviyelerine

İnsan vs. Yapay Zeka: Fitts'in Listesinden SESAR Otonomi Seviyelerine

Yapay zeka (AI) ile insan arasındaki görev ve yetki paylaşımı tasarlanırken, Paul Fitts tarafından 1951 yılında geliştirilen "Fitts'in Listesi" (Fitts' List) önemli bir çıkış noktası olarak kabul edilir. Literatürde MABA (Men-are-better-at/Machines-are-better-at) listeleri kısaltmasıyla da bilinmektedir. İnsanların ve makinelerin görece olarak neleri daha iyi yaptıklarına odaklanan bir yaklaşımla, insan-makine etkileşimi (Human-Machine Interface - HMI) hususunda genel hatlarıyla bir çerçeve çizmektedir. Bu bağlamda geçmişte bilişsel ağırlıklı tüm görevler insana bırakılırken, makineler ise daha çok tekrarlayan fiziksel görevler için kullanılmaktaydı.

MABA  (Men-are-better-at/Machines-are-better-at) karşılaştırmalı tablo.

Çalışmanın yapıldığı 1950'li yıllarda pek çok konuda insanların makinelerden daha yetenekli oldukları gözlemlense de özellikle son yıllarda teknolojinin hızlı gelişimi hesaba katıldığında, günümüz koşullarında yeni bir karşılaştırma yapma gerekliliği doğmaktadır. Görece yakın bir tarih olan 1997 yılında Hans Moravec'in AI dünyasındaki gelişimi metafor olarak kullandığı şu örneğe yakından bakalım:

"Bilgisayar performansının (işlem gücünün) artması coğrafyayı yavaşça yutan bir sele benzer. Yarım asır önce düzlükleri boğmaya başladı. İnsan hesaplayıcıları ve kayıt memurlarını yerinden etti ancak çoğumuzu kuru bıraktı. Şimdi sel dağ eteklerine ulaştı. Zirvelerimizde güvende hissediyoruz. Ancak mevcut hızla, onlar da bir yarım asır içinde sular altında kalacak."

Hans Moravec'in metaforunun görselleştirildiği bir diyagram.

Günümüzde Makine Öğrenimi (ML), Derin Öğrenme (Deep Learning) ve Üretken Yapay Zekadaki (GenAI ve LLM) olağanüstü gelişmeler, Moravec'in metaforundaki gibi insan bilişinin güvenli zirvelerini bile tehdit etmekte, Fitts listesindeki sınırları ise tamamen bulanıklaştırmaktadır.

Hava Trafik Kontrolü (ATC) Özelinde İnsan ve AI Ekosistemi

ATC ve ATM gibi emniyet kritik alanlarda insan-makine etkileşimini değerlendirmek, makinelerin ve insanların işlem yeteneklerine tarafsızca bakmayı gerektirir. İnsanlar uyum sağlama, benzeri görülmemiş acil durumları yönetme ve incelikli iletişim kurma konularında olağanüstü performans sergiler. Özellikle belirsizlik durumlarında, meteorolojik aktivitelerin kompleksiteyi arttırdığı senaryolarda veya sistem zafiyetleri karşısında kontrolörlerin sergilediği durumsal farkındalık (situational awareness) ve esnek karar alma yetisi, deterministik AI sistemlerinin kapasitesini halen aşmaktadır. Buna karşın, AI entegre sistemler yorgunluğa karşı sonsuz bir dirence sahiptir, binlerce değişken üzerinde aynı anda çoklu görev yapabilir ve milisaniyeler içinde optimal 4D yörüngeleri hesaplayabilir. Bu bağlamda AI ve insanın takım arkadaşı olarak çalışması ve yeteneklerine göre delege edilmeleri verimliliği arttıran bir sentez oluşturabilir. EASA'nın Yapay Zeka Yol Haritası (AI Roadmap) da tam olarak bu noktaya, yani makine zekasının devasa veri setlerini (Big Data) işleyerek hava trafik akış yönetiminde (ATFM) stratejik optimizasyon sağlama kapasitesine odaklanmaktadır.

İnsan ve AI özelinde yetenek setlerinin kıyaslaması.

Peki ATC ve ATM alanında AI kullanımı ne durumda?

SESAR programı, Avrupa ATM Ana Planı ve Dijital Avrupa Hava Sahası vizyonuyla uyumlu bir şekilde yapay zekanın aşamalı entegrasyonunu gösteren yapısal bir yol haritasına işaret eder. Tabloda görebileceğiniz üzere otomasyonu Seviye 0'dan (tamamen insan kontrolü) Seviye 4'e (yüksek otonom koruyucu sistemler) kadar ayırır ve detaylı bir şekilde karakterize eder.

Otomasyon Seviyesi	AI'ın Rolü	Operasyonel Özellikler	Hedeflenen Tarih
Seviye 0	Çalışma Ortamı	Temel dijitalleşmeyle manuel kontrol devam eder. Arka plan süreçlerine (ör. akış tahmini) temel makine öğrenimi (ML) dâhil edilir.	Günümüz -2030
Seviye 1	Gelişmiş Karar Verici	Yapay zeka, durumsal farkındalığı artırır ve tahmine dayalı içgörüler sunar. İnsan, tüm taktiksel karar yetkisini elinde tutar ve komutları uygular.	Günümüz - 2030
Seviye 2	Yönlendirici	Otomasyon destek araçları artar. AI, en uygun Uçuş Rotası Tabanlı Operasyonları (TBO) önerir. Kontrolör; makinenin önerilerini onaylar, başlatır ve uygular.	2035
Seviye 3	Denetleyici	AI, rutin çatışma tespiti ve çözümünü üstlenir. İnsan izleme rolüne geçer, durumsal farkındalığı korur ve sadece istisnai durumlarda müdahale eder.	2040
Seviye 4	Koruyucu	Sistem, insan gözetimi altında tamamen otonom çalışır. AI, operasyonel tasarım sınırlarından çıktığını fark ederse Seviye 3'e dönmeyi önerir. Sesli iletişim, makineden makineye veri iletişimi (datalink) uygulamalarının gerisinde kalır.	2045+

Tablodan da görülebileceği üzere 4. Seviye tam otomasyona işaret ederken, 3. Seviyeye kadar insanın döngüde kaldığı (human in the loop) bir kavrayış söz konusudur. Bu evrimsel süreç, hava trafik kontrolörlerinin "taktiksel uygulayıcı" (Human-in-the-loop) rolünden çıkarak "stratejik sistem yöneticisi" (Human-on-the-loop) rolüne evrilmesini gerektirebilir. Sistemin bu yeni doğası; durumsal farkındalık kaybı, otomasyon rehaveti (automation complacency), hata yönetimi ve bilişsel ergonomi bağlamında yepyeni paradigmaların benimsenmesini gerektirmektedir.

Kaynaklar:

- Hans Moravec: When will computer hardware match the human brain? published in Journal of Evolution and Technology 1:10 (1998)

- Fitts, P. M. (1951). Human engineering for an effective air-navigation and traffic-control system. Washington, DC: National Research Council.

- EASA Artificial Intelligence Roadmap 2.0, https://www.easa.europa.eu/en/domains/research-innovation/ai (alert-passed)