Yapay Zeka Ekonomik Ajan Olarak: Homo Silicus Kavramı ve Uygulamaları

Geleneksel ekonomi araştırmaları, uzun yıllardır iki temel eksen etrafında şekillenmiştir: Teorik modelleme yoluyla "Rasyonel insan (Homo Economicus) ne yapardı?" sorusuna yanıt aramak ve ampirik çalışmalarla "Gerçek insan (Homo Sapiens) ne yaptı?" sorusunu cevaplamak. Ancak, John J. Horton'un öncü çalışmasında ortaya koyduğu gibi, Büyük Dil Modelleri'nin (LLM'ler) yakın zamanda ulaştığı yetkinlik seviyesi, ekonomi biliminde üçüncü bir araştırma yolu açmıştır: Homo Silicus.

Homo Silicus: Yeni Bir Paradigma

Homo Silicus terimi, insan benzeri yanıtlar vermek üzere tasarlanmış ve eğitilmiş LLM'lerin, insan davranışının örtük bir hesaplamalı modeli olarak kullanılmasını ifade eder. Bu yaklaşım, ekonomik davranışın anlaşılmasında devrim niteliğinde bir potansiyel sunmaktadır.

Teorik Çerçeve

Homo Silicus'un geçerli bir araştırma aracı olabilmesi iki temel sütun üzerine dayanır:

Tasarım Amacı: LLM'ler, doğaları gereği, insan benzeri ve gerçekçi yanıtlar üretmek üzere tasarlanmışlardır.
Örtük Sosyal Bilgi: Bu modeller, insanların ekonomik konuları tartıştığı devasa metin veri kümeleri üzerinde eğitilirler ve karar verme sezgileri, yaygın sosyal tercihler ve temel ekonomik kanunlar gibi büyük miktarda örtük sosyal bilgiyi içselleştirirler.

Geleneksel Simülasyondan Fark

Bu yaklaşım, Ajan Tabanlı Modeller (ABM) gibi geleneksel simülasyon tekniklerinden köklü bir şekilde ayrışır:

ABM: Araştırmacı, ajanın davranış kurallarını açıkça programlar ("Benim inşa ettiğim model ne yapardı?")
Homo Silicus: Araştırmacı, insan metinleri üzerinde eğitilmiş örtük bir modelin davranışını donatılar aracılığıyla koşullandırır ("İnsan metinleri üzerinde eğitilmiş bir model bu koşullar altında ne yapardı?")

Bu durum, araştırmacının tam kontrolünden çıkarak, öngörücü simülasyondan ziyade tanımlayıcı bir simülasyon biçimine geçişi temsil eder.

Deneysel Doğrulama: Klasik Ekonomik Senaryolar

Bu yaklaşımın teorik geçerliliğini göstermek için, davranışsal ekonominin temel taşlarından sayılan klasik deneylerin LLM'ler kullanılarak nasıl yeniden canlandırıldığını inceleyelim:

1. Sosyal Tercihler: Charness ve Rabin (2002) Simülasyonu

Charness ve Rabin'in basit diktatör oyunları, bireylerin verimlilik (toplam faydayı maksimize etme) ve eşitlik (paylaşımdaki adaleti sağlama) arasındaki dengeyi ölçer.

Bulgular:

GPT-3 modeli (text-davinci-003) farklı sosyal tercihler yüklendiğinde, seçimleri bu donatılarla tutarlı ve öngörülebilir bir şekilde değişmiştir
Herhangi bir tercih yüklenmediğinde, model toplam faydayı maksimize eden bir "sosyal planlamacı" gibi davranmıştır
Daha az yetenekli ve eski LLM'ler bu donatılara anlamlı tepkiler vermemiştir

2. Adil Olma ve Fiyat Artışı: Kahneman vd. (1986) Simülasyonu

Kar fırtınası ardından kar küreği fiyatını artıran bir dükkan senaryosunda, orijinal çalışmada katılımcıların %82'si bu durumu "adaletsiz" bulmuştur.

Homo Silicus Avantajı:

Fiyat artışının büyüklüğü ("doz-tepki" ilişkisi) sistematik olarak değiştirilmiştir
Ajanın siyasi görüşü ("sosyalist"ten "liberteryen"e) gibi değişkenler test edilmiştir
Büyük fiyat artışları "liberteryen" olarak donatılmış yapay zeka tarafından bile olumsuz karşılanmıştır

3. Statüko Yanlılığı: Samuelson ve Zeckhauser (1988) Simülasyonu

Bir seçeneğin mevcut durum ("statüko") olarak sunulduğunda diğer alternatiflara kıyasla daha fazla tercih edilme eğilimi.

Çarpıcı Sonuç:

Nötr çerçevede hiçbir ajan tarafından tercih edilmeyen (%0) (60,40) bütçe seçeneği, "statüko" olarak sunulduğunda en çok tercih edilen seçenek haline gelmiştir
Bu, modelin sadece rasyonel hesaplamalar yapmadığını, aynı zamanda insana özgü bilişsel çerçeveleme etkilerine de son derece duyarlı olduğunu göstermektedir

4. Asgari Ücret ve İşgücü Piyasası: Horton (2023) Simülasyonu

Bulaşıkçı işe alım senaryosunda asgari ücret uygulamasının, işverenlerin daha az deneyimli adaylar yerine daha deneyimli çalışanlara yönelmesine neden olduğu gözlemlenmiştir.

Sonuç: Simülasyon, orijinal saha deneyinin sonuçlarıyla niteliksel olarak tam bir tutarlılık göstermiştir.

Metodolojik Değerlendirmeler ve Eleştiriler

Her yeni araştırma yönteminde olduğu gibi, Homo Silicus yaklaşımının da sınırlarını ve potansiyel zayıf yönlerini anlamak kritik öneme sahiptir:

"Çöp Girer, Çöp Çıkar" Eleştirisi

Argüman: LLM'lerin dikkatle seçilmemiş internet metinleri üzerinde eğitildiği ve sonuçlarının da bu "çöp" verinin bir yansıması olacağı endişesi.

Yanıtlar:

Milton Friedman'ın argümanı: Bir modelin varsayımlarının gerçekçiliğinden ziyade, kullanışlılığı ve öngörü gücü önemlidir
"Out of one, many": Doğru "prompt" kullanımıyla tek bir modelden amaca yönelik koşullandırılmış çok sayıda farklı ve anlamlı "persona" üretilebilir

"Performanssallık" (Performativity) Sorunu

Endişe: LLM'lerin eğitim verilerinde okudukları ekonomi teorilerini anlamadan, papağan gibi ezberden tekrar etme riski.

Kanıt: GPT-3'e Charness ve Rabin (2002) deneyindeki spesifik yüzdesel sonuçlar sorulduğunda, modelin verdiği yanıtlar gerçek sonuçlardan oldukça farklıdır (Berk29 için %59 vs %31, Berk26 için %57 vs %78). Bu, modelin sonuçları doğrudan ezberlemek yerine bir tür "akıl yürütme" yaptığını göstermektedir.

"Beyan Edilen vs Ortaya Çıkan Tercih" İkilemi

Soru: LLM'lerin tamamen metin, yani ifadeler üzerine eğitilmiş olması, güvenilirlikleri hakkında şüpheler doğurur.

Çözüm: Eğitim verisi sadece insanların pazarlık sırasında yalan söylediği metinlerden oluşmaz; aynı zamanda ekonomik kararlar hakkında akıl yürüttükleri, niyetlerini açıkladıkları ve durumları analiz ettikleri zengin içerikten oluşur.

Homo Silicus'un Değeri ve Potansiyeli

Temel Avantajlar

Hipotez Üretme ve Pilot Çalışmalar: Araştırmacılar, gerçek insanlarla maliyetli ve zaman alıcı deneyler yapmadan önce hipotezlerini bilgisayar ortamında (in silico) test edebilirler
Maliyet ve Hız: Bu raporda incelenen tüm deneyler, yaklaşık 50 dolarlık bir maliyetle ve saatler ya da günler yerine dakikalar içinde gerçekleştirilmiştir
Tekrarlanabilirlik ve Etik: İnsan deneklerle çalışmanın getirdiği etik kaygılar tamamen ortadan kalkar. Araştırma kodunun paylaşılmasıyla deneyler "tek tuşla" tekrarlanabilir hale getirilebilir

Sonuç

Bu rapor, Büyük Dil Modelleri'nin Homo Silicus adı verilen simüle edilmiş ekonomik ajanlar olarak kullanılmasını incelemiştir. Teorik çerçeve, LLM'lerin insan benzeri yanıtlar vermek üzere tasarlandığını ve devasa metin verilerinden örtük sosyal bilgiler edindiğini ortaya koymuştur.

Deneysel doğrulamalar ise bu yaklaşımın:

Sosyal tercihler
Adalet algısı
Statüko yanlılığı
İşgücü piyasası dinamikleri

gibi konulardaki klasik ekonomi deneylerinin temel bulgularını niteliksel olarak yeniden üretebildiğini göstermiştir.

Homo Silicus, ne Homo Economicus'un teorik zarafetine ne de ampirik çalışmaların somut gerçekliğine bir alternatiftir; aksine, bu iki yaklaşıma köprü kuran, onları tamamlayan ve araştırma sürecini zenginleştiren yeni ve güçlü bir araçtır.

LLM teknolojisi geliştikçe, bu tür simülasyonların doğruluğu ve yetenekleri de şüphesiz artacaktır. Ancak, Homo Silicus ile elde edilen bulguların her zaman için nihai bir doğrulama merci olan ampirik kanıtlarla test edilmesi gerektiği unutulmamalıdır.

Bu yaklaşımın en büyük vaadi, ekonomi biliminde yeni hipotezlerin ve içgörülerin üretilmesi için güçlü bir "keşif motoru" olarak hizmet etme potansiyelidir.

Kaynaklar ve İleri Okumalar

Horton, J.J. (2023) - "Large Language Models as Simulated Economic Agents: Homo Silicus"
Charness, G. & Rabin, M. (2002) - "Social Preferences: Some Simple Tests and a New Model"
Kahneman, D. et al. (1986) - "Fairness and the Assumptions of Economics"
Samuelson, W. & Zeckhauser, R. (1988) - "Status Quo Bias in Decision Making"

Multimedia Kaynaklar

Bu blog yazısı için hazırlanan ek kaynaklar:

Podcast Versiyonu - Makalenin sesli anlatımı
Video Versiyonu - Görsel destekli sunum

Hakkımda

Bu akademik blog yazısı, davranışsal iktisat ve yapay zeka alanlarındaki araştırma ilgilerim doğrultusunda hazırlanmıştır. Daha fazla bilgi için iletişim sayfamı ziyaret edebilirsiniz.