Nature Communications’da yakın zamanda yayımlanan bir çalışma, yüksek dereceli yeniliklerin dinamiklerini inceleyerek, insan yaratıcılığı ve icat anlayışımızı değiştirebilecek, yenilik üretmek için mevcut parçaların kombinasyonundaki ilgi çekici kalıpları ortaya koyuyor.
İnsan yaşamının önemli bir parçası olan yenilikler, genellikle iki farklı kavramla karşımıza çıkar;
- Bunlardan ilki, bir yer, müzikal kompozisyon ya da icracı gibi bireysel bir varlığın tanımlanması
- İkincisi ise teknolojik gelişmeler veya farmasötik yenilikler gibi herkes için yeni olan keşifler
İnsanlığın ilerlemesinin katalizörleri olan yaratıcılık ve yenilikçilik sürekli olarak Dr. Latora ilgisini çekmiş. Açıklamasında da şunları söylüyor.
“Bu makale, yeni fikirlerin, ekiplerin, ürünlerin veya teknolojilerin başarısına katkıda bulunan faktörleri anlamayı amaçlayan, yaratıcılığın temelini oluşturan mekanizmaları araştırmak ve modellemek için araştırma grubum tarafından yürütülen bir dizi teorik ve uygulamalı çalışmanın bir parçasıdır.”
Ekip, üst düzey yenilikleri araştırmak için üç kaynaktan gelen ampirik verileri inceledi.
Yeniliklerin incelenmesindeki temel sorunlardan biri, önceki araştırmaların çoğunun birinci dereceden yeniliklere, özellikle de tek tek parçaların ilk ortaya çıkışlarına odaklanmış olmasıdır.
Örneğin, yeni bir mutfağın tadına bakmak ya da yabancı bir yeri ilk kez keşfetmek gibi. Bu yöntem çok önemli bir yenilik mekanizmasını ihmal etmektedir: yeni yaratımlar oluşturmak için mevcut parçaların birleştirilmesi.
Örneğin, orijinal şiir veya anlatılar üretmek için kelimeler çeşitli konfigürasyonlarda düzenlenebilir veya yepyeni bir şarkı bestelemek için müzik notaları sentezlenebilir. Bunlardan ilki üst düzey yenilikler olarak adlandırılır.
Profesör Latora şunları söyledi: “Araştırmamızda, iki ya da daha fazla unsurun bir dizide ilk kez bir arada görülmesi olarak tanımladığımız ve üst düzey yenilik olarak adlandırdığımız daha geniş bir yenilik kavramı sunduk ve inceledik.”
Araştırma ekibi, bu kombinasyonların oluşumunu taklit etmek için Tetiklemeli Kenar Takviyeli Rastgele Yürüyüş (ERRWT) adlı bir çerçeve oluşturdu.
Stokastik süreç ve Genişletilmiş Rastgele Yürüyüş Teorisi
ERRWT modeli, bir sistemin ayrık adımlarla ilerlemesini tanımlayan matematiksel bir çerçeve olan rastgele yürüyüşe dayanmaktadır. Bu yaklaşımda, yürüyenin sonraki konumu yalnızca mevcut konumu tarafından belirlenir.
Yerler arasındaki geçişler tamamen stokastiktir ve her yönlü hareket eşit olasılıklara sahiptir.
Profesör Latora sürece açıklık getirdi:
“Araştırabileceğimiz tüm öğeleri ya da tasavvur edebileceğimiz tüm fikirleri bir ağın düğümleri olarak hayal edin; bağlantılar iki öğe ya da kavram arasındaki ilişkileri ya da benzerlikleri ifade eder.”
Modelin özgünlüğü, bu ağların evrimini simüle etmesinde yatmaktadır. Yürüteç ağda gezinirken sadece yerleşik yollardan geçmekle kalmıyor, aynı zamanda yeni bağlantılar kuruyor ve gerçek dünyadaki keşif süreçlerinin olasılıklar alanımızı genişletmesine benzer şekilde yeni düğümlerin oluşumunu tetikliyor.
Yeni kombinasyonlar aracılığıyla yeni bağlantıların oluşturulması kenar tetikleme olarak adlandırılırken, düzenli olarak kullanılan kombinasyonlar arasındaki bağlantıların güçlendirilmesi kenar güçlendirme olarak adlandırılır.
Ekip, üç veri kümesini incelemek için ERRWT modelini kullanmıştır.
Müzik dinleme trendlerini (Last.fm), edebi metinleri ve kitapları (Project Gutenberg) ve bilimsel yayınları (Semantic Scholar) incelemeyi seçtiler.
Profesör Latora, “Bir şarkıyı ne kadar sık dinlersek ya da iki şarkıyı ilişkilendirirsek, gelecekte şarkıyı ya da ilişkilendirmeyi tekrar ziyaret etme olasılığımız o kadar artar” diyerek modelin işleyişine açıklık getirdi.
Ayrıca bu, yeni şarkıların ya da çağrışımların keşfedilmesinin, ancak bunlarla ilgili olanları ortaya çıkardığımızda erişilebilir hale gelen genişleyen bir fırsatlar dizisi yarattığını göstermektedir.
Heaps Yasası Nedir?
Araştırmacılar, kombinasyonların Heaps yasası tarafından düzenlenen, bir güç yasası büyüme bağlantısı olan öngörülebilir kalıplara bağlı olduğunu buldular. Bu matematiksel bağlantı, zaman içinde yeni kombinasyonların ortaya çıkışını tanımlamakta ve buluş süreçlerini ölçmek ve tahmin etmek için nicel bir çerçeve sağlamaktadır.
Simülasyonları, çeşitli yaklaşımların tek tek unsurları tanımlamada aynı oranları sergilerken, kombinasyonları keşfetmede çok farklı oranlar sergileyebileceğini göstermektedir.
Özellikle, Last.fm veri kümesinde, aynı müzik keşif oranlarını sergileyen kullanıcıların, bu şarkıların sıralanmasında belirgin şekilde farklı yörüngeler izleyebileceğini keşfettiler.
Literatür veri setinde, yazarların yeni kelimelerden ziyade yeni kelime bağlantıları oluşturmaya daha meyilli oldukları görülmüştür. Sonuç olarak, bilimsel yayınlar, özellikle başlıklarında, anlatı yazılarından daha yenilikçi kelime kombinasyonları sergilemiştir.
ERRWT, ağ yapısı ve keşif modellerinin birlikte evrimini göstererek, gerçek dünyadaki olguların aydınlatılması için pekiştirme (mevcut yolları geliştirme) ve tetiklemenin (yeni bağlantılar kurma) gerekli olduğunu ortaya koymuştur.
Yeni çerçeve, bireysel keşif ile kombinatoryal icadı birbirine bağlayarak yenilik ve yaratıcılığı anlamak için bir temel oluşturmaktadır.
Bulgular, özellikle yeni bilimsel keşiflerin önceden var olan bilgilerin bir araya getirilmesinden nasıl ortaya çıktığını göstermesi bakımından bu yaklaşımın önemini ortaya koymaktadır. Ayrıca yaratıcılıkla ilgili eğitim metodolojilerine de rehberlik edebilir.
Dr. Latora, “Yaratıcı süreçlerin incelenmesi ve yeni fikirlerin ortaya çıkışının yanı sıra yeniliklerin ek keşifleri nasıl katalize edebileceğinin anlaşılması, toplumumuzun başarısını ve sürdürülebilir kalkınmasını teşvik edecek etkili stratejilerin formüle edilmesi için elzemdir” dedi. Bulgularımızın ve önerdiğimiz modellerin, popüler nesnelerin ya da kavramların yükselişi ve düşüşüne ilişkin araştırmalara hemen uygulanabileceğini iddia ediyoruz.
Çalışma ekibi, modeli daha da genişletmeyi ve şu anda bulunmayan sosyal bir bileşeni dahil etmeyi amaçlamaktadır.
Kaynak: phys.org/news/2025-01-scientists-mathematics.html
