Matematiksel İmha Silahları

date
Sep 1, 2020
slug
matematiksel-imha-silahlari-cathy-oneil
status
Published
tags
data
book
summary
1997’de cinayetle suçlanan Duane Buck isimli bir Afro-Amerikan Teksas’ta jüri karşısına çıkarılır. Buck iki kişiyi öldürmüştür ve jüri onu idam mı edeceğine yoksa şartlı tahliye olasılığına karşı müebbet hapse mi çarptıracağına karar vermek zorundadır.
type
Post

İstatistik temelli algoritmalar ve matematiksel modeller, yani kısaca büyük veri, eşitsizliği artırıp demokrasiyi ve adaleti tehdit edebilir mi?

Veri bilimci Cathy O’Neil’a göre bu sorunun cevabı evet.
1997’de cinayetle suçlanan Duane Buck isimli bir Afro-Amerikan Teksas’ta jüri karşısına çıkarılır. Buck iki kişiyi öldürmüştür ve jüri onu idam mı edeceğine yoksa şartlı tahliye olasılığına karşı müebbet hapse mi çarptıracağına karar vermek zorundadır.
Savcı, Buck eğer serbest kalırsa tekrar cinayet işleyebileceğini iddia ederek idam talebinde bulunur. Buck’ı savunan avukat da Walter Quijano isimli psikoloğu mahkemeye çağırır. Yeniden suç işleme oranlarını araştırmış olan Quijano, Buck’ın ırkına gönderme yapar.
“Çeşitli karmaşık sebeplerden ötürü ırk faktörünün, yani siyah olmasının gelecekte tehlikeli olabileceği ihtimalini arttıracağını belirttiniz. Bu doğru mu?” diye sorar savcı. “Evet” diye cevaplar Quijano ve jüri Buck’u idama mahkum eder.
Üç yıl sonra eyalet başsavcısı John Cornyn, psikoloğun 6 ayrı idam davasında da ırk temelli tanıklık verdiğini ve savcılık makamı için çalıştığını fark eder. 2002 yılında bu 7 mahkum için yeni duruşmalar açılır ama yine aynı temellerle idama mahkum edilirler.
Maryland Üniversitesi’nde yapılan bir araştırma, Teksas’ta savcıların aynı suçla yargılanan beyazlara kıyasla Afro-Amerikanlar için idam cezası isteme olasılıklarının üç kat, Hispanikler içinse dört kat daha fazla olduğunu göstermiştir.
Amerikan Sivil Özgürlükler Birliği’ne göre siyahilere verilen cezalar benzer suçlarla mahkum edilmiş beyazlarınkinden yüzde 20 daha uzundur. Dahası nüfusun sadece yüzde 13’ünü meydana getirmelerine rağmen Amerikan hapishanelerinde hücrelerin yüzde 40’ını siyahlar doldurmaktadır.
Verilerle beslenen bilgisayar tabanlı risk modellerinin verilen cezalarda önyargıların rolünü azaltacağını ve daha tarafsız olacağını düşünebilirsiniz. Bu umutla 24 eyalette mahkemeler kararlarını bu sözde suç tekrarı modelleriyle desteklediler.
Hükümleri verilerle tutarlı hale getirip yargıçların önyargılarıyla şekillenme olasılıklarını azalttılar. Ayrıca ortalama hapis sürelerini aşağı çekerek (idam) hapishanelerde maddi bir tasarruf da sağladılar. (Bir mahkumun hapiste tutulmasının yıllık ortalama masrafı 31.000$.)
Ancak esas soru bu modellerle insani önyargıları ortadan mı kaldırdığımız yoksa basitçe teknolojiyle kamufle mi ettiğimizdir. Yeni suç tekrarı modelleri karmaşık ve matematikseldir. Ve içinde kimisi önyargılara dayanan yığınlarca varsayım gömülüdür.
Nitekim psikolog Walter Quijano’nun sözleri daha sonra okunup mahkemede itiraz edilebilecek şekilde kayda alınırken suç tekrarı modelinin yaptıkları sadece küçük bir elitin anlayabileceği algoritmalarla gizlenmiştir.
Gözden Geçirilmiş Hizmet Düzeyi Envanteri (LSI-R) olarak bilinen daha popüler bir modelde mahkumların dolduracağı uzun bir anket bulunur. Sorulardan biri “Daha önce kaç kez mahkum oldunuz?” sorusudur ve suç tekrarı riskiyle yakından bağlantılıdır.
Sorular devam edip kişisel yaşamın derin noktalarına girdikçe ayrıcalıklı bir çevreden gelen mahkumlar ile şehrin zorlu sokaklarından gelen diğer tutukluların farklı cevaplar vereceğini hayal etmek zor değildir.
Rahat bir mahallede yetişmiş bir suçluya “Polisle ilk ne zaman münasebetiniz oldu?” diye sorduğunuzda onu hapse sokmuş olay dışında bahsedebileceği tek bir olay bile olmayabilir. Ama genç siyahi erkekler yanlış bir şey yapmasalar bile polis tarafından onlarca kez durdurulmuştur.
New York Sivil Özgürlükler Birliği’nin 2013’te yaptığı bir araştırma, 14–24 yaş arası siyahi ve Latin erkeklerin nüfusun sadece yüzde 4’üne tekabül etmelerine rağmen polisin durdurma kontrollerinin yüzde 40’ına maruz kaldığını göstermiştir. Durdurulanların yüzde 90’ı da masumdu.
Geri kalanların bazılarıysa reşit olmadan içki içiyordu veya sigara taşıyordu. Çoğu zengin çocuğun aksine başları bunun için belaya girmişti. Polisle erken dönem münasebete girmek suç tekrarı riskine işaret ediyorsa yoksulluk ve ırksal azınlık daha tehlikeli görülmektedir.
LSI-R anketinde mahkumlara ayrıca akrabalarının sabıkası olup olmadığı sorulur. Aynı soruyu orta sınıf muhitte büyümüş bir hükümlüye sorduğunuzda cevabın hayır olma ihtimali çok yüksektir. Irksal sorular yasadışı olsa da anketteki bolca ayrıntı sayesinde bu soru gereksiz kalır.
LSI-R anketi, başladığı 1995’ten itibaren binlerce mahkuma yapılmıştır. İstatistikçiler bu sonuçları suç tekrarıyla yüksek ilişkisi olan cevaplara daha fazla ağırlık verilen ve daha fazla puana karşılık gelen bir model tasarlamak için kullandılar. Suçlular kategorilere ayrıldı.
Bazı eyaletlerde bu testler sadece yüksek riskli kişilerin hedeflenip hapisteyken suç tekrarını önlemeye dönük kararlarda kullanıldı. Ama bazı eyaletlerdeki yargıçlar bu puanları verecekleri cezalar için birer kılavuz olarak gördüler. Adaletsizlik de buradaydı.
Anketin içine mahkumun doğumu, doğduğu yeri, yetişme koşulları, ailesi, akrabaları, mahallesi ve arkadaşları da girmektedir. Bu ayrıntılar davayla veya verilen cezayla bağlantılı şeyler olarak görülmez.
Savcının biri çıkıp da davalıyı sabıkalı kardeşinden veya mahalledeki suç oranından dolayı karaladığında düzgün bir avukat “İtiraz ediyorum sayın yargıç” diye kükrer, ciddi bir yargıç da bunu onaylar. Hukuk sisteminin temeli budur. Kim olduğumuzla değil yaptığımızla yargılanırız.
Birçok kişi LSI-R gibi istatistiksel modellerin suç tekrarını riskinde etkili olduğuna yargıcın rastlantısal tahmininden daha kesin sonuç verdiğine işaret edebilir. Ama hakkıyla düşünüldüğünde Matematiksel İmha Silahları’nın zararlı geribildirim döngüsüne kapıldığımızı görürüz.
Ankete göre “yüksek risk” taşıyan birinin işsiz olma ve ailesinin yasal güçlerle sorunlar yaşayan mahallelerden gelme ihtimalleri yüksektir. Değerlendirmede de yüksek bir risk puanı aldığından daha uzun bir ceza alır. Bu da onu yüksek riskli hapishanelerde uzun yıllar tutar.
Böylece hapse geri dönme olasılığı artmış olur. Nihayetinde hapisten çıkar ve aynı yoksul mahalleye döner. Bu sefer sabıkalı olduğundan iş bulması daha da zorlaşır. Yine suç işlerse suç tekrarı modeli başarılı bir tahminde bulunduğunu iddia edebilir.
Oysa modelin kendisi zehirli bir döngüye katkı sunmakta ve bunun sürmesine yardımcı olmaktadır. Bu, bir Matematiksel İmha Silahı’nın belirgin niteliklerindendir.

Kaynak kitap: Weapons of Math Destruction, Cathy O’Neil.
İngilizce orjinali için buraya, Türkçe çevirisi için de buraya tık.
notion image

© Bekir Arslan 2008 - 2021