"Hakikat ötesi" dünyada neye inanmalı

Araştırmacı Alex Edmans, yanılıyor olma olasılığına gerçekten açık olursak ancak o zaman bir şeyler öğrenebileceğimizi söylüyor. Bu konuşmada doğrulama yanlılığının -- sadece kendi görüş ve inançlarını destekleyen bilgileri benimseme eğilimi -- sosyal medya, siyaset ve başka alanlarda nasıl doğrudan sapmamıza yol açabileceğini inceliyor ve gerçekten güvenebileceğimiz kanıtlara ulaşmak için üç pratik yöntem öneriyor. (İpucu: Hayatınızda şeytanın avukatı olacak birini görevlendirin.)

Belle Gibson mutlu,
genç bir Avustralyalıydı.

Perth'te yaşıyor
ve kaykay yapmayı seviyordu.

Fakat 2009 yılında Belle, beyin kanseri
olduğunu ve dört ayı kaldığını öğrendi.

İki aylık kemoterapi ve radyoterapinin
hiç etkisi olmadı.

Fakat Belle azimliydi.

Bütün hayatı boyunca bir savaşçı olmuştu.

Otizmli erkek kardeşi
ve çoklu skleroz hastası annesi için

altı yaşından beri
yemek yapmak zorundaydı.

Babası bu fotoğrafın dışındaydı.

Belle, egzersiz ve meditasyon yaparak
ve et yemeyi terk edip

meyve ve sebze tüketerek mücadele etti.

Ve o, tamamen iyileşti.

Belle'in hikâyesi hızla yayıldı.

Konu tvit edildi, blog tutuldu,
paylaşıldı ve milyonlarca insana ulaştı.

Geleneksel tıptan uzaklaşıp
diyet ve egzersiz yapmanın

faydalarını gösterdi.

Ağustos 2013'te Belle, bir sağlıklı
beslenme uygulaması yayınladı.

Adı "The Whole Pantry" olan uygulama

ilk ayda 200.000 kez indirildi.

Fakat Belle'in hikâyesi bir yalandı.

Belle hiçbir zaman kanser olmadı.

İnsanlar onun hikâyesini,
doğruluğunu teyit etmeden paylaştılar.

Bu, doğrulama yanlılığının
klasik bir örneği.

Bir hikâye doğru olmasını istediğimiz şeyi
teyit ediyorsa sorgulamadan kabul ederiz.

Ve teyit etmeyen hikâyeleri reddederiz.

Paylaştığımız ve görmezden
geldiğimiz hikâyelerde

bunu ne sıklıkla görüyoruz?

Politikada, iş hayatında
ve sağlık tavsiyelerinde.

2016'da Oxford Sözlüğü tarafından
yılın kelimesi "hakikat ötesi" seçildi.

Ve hakikat ötesi bir dünyada
yaşadığımızı kabul etmemiz

gerçekleri kontrol etmenin üzerinde
çok daha fazla durulmasına yol açtı.

Ama konuşmamın vurucu noktası şu ki

sadece gerçekleri
kontrol etmek yeterli değil.

Belle'in hikâyesi doğru bile olsa

aynı derecede alakasız olurdu.

Neden mi?

İstatistikteki en temel tekniklerden
birine bakalım.

Bayesçi sonuç çıkarımı deniyor.

Ve çok basitleştirirsek

Bizim önemsediğimiz sorular
"Veri teoriyi destekliyor mu?"

Veri, teorinin doğruluğuna olan
inancımızı arttırıyor mu?

Ama işin sonunda
"Veri teoriyle uyumlu mu?" diye bakıyoruz.

Fakat teoriyle uyumlu olması

verinin teoriyi desteklediği
anlamına gelmez.

Neden mi?

Unutulan ama elzem bir
üçüncü terim yüzünden --

veri aynı zamanda muhalif teorilerle de
uyumlu olabilir.

Fakat doğrulama yanlılığı yüzünden
muhalif teorileri hesaba katmıyoruz

çünkü ilgilendiğimiz
kendi teorimize çok bağlıyız.

Şimdi bu duruma
Belle'in hikâyesinde bakalım.

Bizim baktığımız şey:
"Belle'in hikâyesi,

diyetin kanseri iyileştirdiği
teorisini destekliyor mu?"

Bunun yerine "Belle'in hikâyesi

diyetin kanseri iyileştirmesiyle
uyumlu mu?" diye soruyoruz.

Ve cevap evet.

Eğer diyet kanseri iyileştirseydi,
Belle'inki gibi hikâyeler görürdük.

Ama diyet kanseri iyileştirmeseydi bile

yine Belle'ninki gibi hikâyeler görürdük.

En başta yanlış teşhis konulduğu için

kendi kendine iyileşen birinin hikâyesi.

Tıpkı, sigara içmek
sağlığa zararlı olsa da

100 yaşına kadar yaşayan
bir sigara içicisi bulunabileceği gibi.

(Gülüşmeler)

Aynı şekilde
eğitim, geliriniz için iyi olsa da

üniversiteye gitmeyen bir milyoner
bulunabileceği gibi.

(Gülüşmeler)

Dolayısıyla Belle'in hikâyesindeki
en büyük sorun doğru olmaması değil.

Sadece bir hikâyeden ibaret olması.

Tek başına diyetin işe yaramadığı
binlerce başka hikâye olabilir

ama onları hiç duymayız.

Biz uç vakalara bakarız çünkü yenilerdir

dolayısıyla haber değerleri vardır.

Hiçbir zaman sıradan vakaları paylaşmayız.

Onlar çok sıradandır,
normalde olan şeylerdir.

Bunlar görmezden geldiğimiz
gerçek yüzde 99.

Aynı toplumda olduğu gibi,
sadece yüzde 1'i

aykırıları dinleyip

sıradan olanları,
yüzde 99'u ihmal edemezsiniz.

Çünkü bu da doğrulama yanlılığının
ikinci örneğidir.

Bir gerçeği veri olarak kabul ederiz.

En büyük problem hakikat ötesi bir dünyada
yaşamamız değil;

veri-ötesi bir dünyada yaşamamız.

Tek bir hikâyeyi tonlarca veriye
tercih ediyoruz.

Hikâyeler güçlüdür, canlıdır
ve bir şeyi hayata geçirir.

Her konuşmaya bir hikâyeyle
başlamamız söylenir.

Ben öyle yaptım.

Ama tek bir hikâye, büyük ölçekli bir veri
tarafından desteklenmiyorsa

değersiz ve yanıltıcıdır.

Ancak büyük ölçekli bir verimiz olsa bile

bu, hâlâ yeterli olmayabilir.

Çünkü veriler yine de muhalif teorilerle
uyumlu olabilir.

Açıklamama izin verin.

Psikayatrist Peter Wason tarafından
düzenlenen klasik bir deneyde

size üçlü bir rakam dizisi verilir

ve bunları oluşturan kural sorulur.

Mesela, iki, dört, altı verilmişse

kural nedir?

Çoğu insan ardışık çift sayılar
olduğunu düşünür?

Bunu nasıl test edersiniz?

Başka ardışık çift sayı seti verirsiniz.

4, 6, 8 veya 12, 14, 16.

Ve Peter bu setlerin de
kurala uyduğunu söyler.

Fakat bu setlerin kurala uyduğunu bilmek,

belki de yüzlerce ardışık çift sayı
setinin uyduğunu bilmek

size bir şey kanıtlamaz.

Çünkü bu, muhalif teorilerle de uyumludur.

Belki kural herhangi üç çift sayıdır.

Veya artan üç sayı.

Ve bu da doğrulama sapmasının
üçüncü örneğidir:

muhalif teorilerle uyumlu olsa bile

veriyi kanıt olarak kabul etmek.

Veri yalnızca bir olgular toplamı.

Kanıt ise bir teoriyi destekleyip
diğerini reddeden veridir.

Dolayısıyla teorinizi desteklemenin
en iyi yolu

şeytanın avukatını oynayıp
teorinizin aksini ispat etmektir.

O zaman 4, 12, 26 gibi
bir diziyi test edin.

Eğer buna doğru cevabı gelirse
ardışık çift sayılara ilişkin teoriniz

çürütülmüş olur.

Evet, bu test etkili

çünkü eğer cevap hayır olursa
"herhangi üç çift sayı" ya da

"artan herhangi üç sayı"
teorileri çürür.

Muhalif teorileri eler
ama sizinkini elemez.

Ama çoğu insan 4, 12, 26'yı
test etmeye korkar

çünkü evet cevabı alıp
teorilerini yanlış çıkarmak istemezler.

Doğrulama yanlılığı sadece yeni veri
araştırmayı ihmal etmek değil,

aynı zamanda veriye ulaşınca
onu yanlış yorumlamakla ilgili.

Bu laboratuvar dışında yer alan, önemli,
gerçek problemler için de geçerli.

Thomas Edison'ın söylediği gibi:

"Ben başarısız olmadım,

işe yaramayan 10.000 yol buldum."

Hatalı olduğunuzu keşfetmek

neyin doğru olduğunu bulmanın tek yolu.

Mesela bir üniversitenin
öğrenci kabul yöneticisisiniz

ve teoriniz sadece zengin ailelerden
gelen ve notları iyi olan öğrencilerin

başarılı olduğu yönünde.

Dolayısıyla sadece öyle
öğrencileri alıyorsunuz.

Ve başarılı oluyorlar.

Ama bu, muhalif teoriyle de uyumlu.

Belki notları iyi tüm öğrenciler başarılı,

zengin veya yoksul olsun.

Ama bu teoriyi asla test etmezsiniz
çünkü fakir öğrenci hiç kabul etmiyorsunuz

çünkü haksız çıkmak istemiyorsunuz.

Peki, ne öğrendik?

Bir hikâye gerçek değildir
çünkü doğru olmayabilir.

Bilgi veri değildir,

eğer sadece veri göstergesiyse
bütünü temsil etmiyor olabilir.

Ve veri bir kanıt değildir--

eğer karşıt teorilerle uyumlu ise
teoriyi destekleyici olmayabilir.

Peki, ne yapabiliriz?

Hayatın dönüm noktalarında,

işiniz için bir strateji belirlemek,

çocuğunuz için yetiştirme tekniği

veya sağlığınız için bir rejim gibi

bir hikâye yerine

bir kanıtınız olduğundan nasıl
emin olursunuz.

Size üç tüyo vermeme izin verin.

İlki aktif olarak farklı
bakış açıları aramaktır.

Alenen sizden farklı görüşleri olan
insanları okuyun ve dinleyin.

Sizin nazarınızda dediklerinin
yüzde doksanı yanlış olabilir.

Ama ya yüzde 10'u doğruysa?

Aristo'nun dediği gibi,

"Eğitimli bir adamın göstergesi

bir düşünceyi kabul etmeden

onu aklında bulundurma yeteneğidir."

Etrafınızı size meydan okuyan
insanlarla donatın

ve karşı olmayı destekleyen
bir kültür oluşturun.

Bazı bankalar, grup olarak düşünemedi,

çalışanlar, yönetimin kredi kararlarına
karşı çıkmaya çok çekindiler

bu da ekonomik krizin
sebeplerinden biri oldu.

Bir toplantıdayken fikrinize karşı
şeytanın avukatlığını yapması için

birini belirleyin.

Ve sadece farklı bir görüş duymayın,

aynı zamanda dinleyin.

Psikayatrist Stephen Covey'in dediği gibi:

"Anlama niyetiyle dinleyin,

yanıt verme niyetiyle değil."

Karşıt bir bakış açısı, kendisinden
öğrenebileceğimiz bir şeydir;

tartışacağımız değil.

Bu da bizi Bayesci sonuç çıkarımının
diğer unutulmuş terimlerine getiriyor.

Çünkü veri, bir şey öğrenmenizi sağlar

ama öğrenme sadece
bir başlangıç noktasına bağlıdır.

Eğer kendi teorinizin doğru olduğuna
kesinkes inanarak yola koyulduysanız

o zaman bakış açınız değişmez --

hangi veriyi kullanırsanız kullanın.

Sadece hatalı olma olasılığına
açık olduğunuzda öğrenebilirsiniz.

Leo Tolstoy'un yazdığı üzere,

"En zor konular

en basit zekalı adama anlatılabilir.

eğer henüz bir fikir oluşturmadıysa.

Ama en basit şey,

eğer doğru bildiği konusunda kararlıysa

en zeki adama açıklanamaz."

İkinci tüyo: "Uzmanları dinleyin."

Sanırım bu size sunabileceğim en
popüler olmayan tavsiye.

(Gülüşmeler)

İngiliz politikacı
Michael Gove'un bilinen deyişi

bu ülkedeki insanların
uzmanlara doyduğu yönündeydi.

Yakın zamanda yapılan bir anket
gösterdi ki insanlar kuaförüne

(Gülüşmeler)

ya da sokaktaki adama,

iş liderleri, sağlık sektörü ve hatta
hayır kurumlarından daha çok güveniyor.

Yani, bir anne tarafından geliştirilen bir
diş beyazlatıcı formüle güveniyoruz

ya da aşı konusunda
bir oyuncunun görüşlerini dinliyoruz.

İnsanların açık ve net konuşmasını,
içgüdülerine uymasını seviyoruz

ve onlara sahici diyoruz.

Ama içgüdü sizi
bir yere kadar götürebilir.

İçgüdü ishal olmuş bir bebeğe
su vermemeyi söyler

çünkü diğer taraftan çıkacaktır.

Uzmanlık ise tersini söyler.

Ameliyatınız için hiçbir zaman
sokaktaki adama güvenmezsiniz.

Yıllarını ameliyat yaparak geçirmiş

ve en iyi teknikleri
bilen birini istersiniz.

Fakat bu her büyük kararda uygulanmalı.

Politika, iş ve sağlık tavsiyesi de

tıpkı ameliyat gibi uzmanlık ister.

Peki o zaman, uzmanlara
duyulan güven neden bu kadar az?

Bir neden, uzak görünmeleri.

Milyoner bir CEO'nun sokaktaki adam için
konuşması mümkün bile değil.

Fakat gerçek uzmanlık bulguda bulunur.

Ve bulgu elitlere karşı

sokaktaki adam için dik durur.

Çünkü bulgular sizi kanıtlamaya zorlar.

Bulgular elitlerin kanıt olmadan

kendi görüşlerini dayatmalarını engeller.

Uzmanlara güvenilmemesinin ikinci nedeni

uzmanların farklı şeyler söylemeleri.

AB'den ayrılmanın Birleşik Krallık için
kötü olacağını söyleyen her uzmana karşı

iyi olacağını iddia eden bir uzman vardı.

Bu uzman addedilenlerin yarısı
hatalı çıkacak.

Ve kabul etmeliyim ki, uzmanlar tarafından
yazılan birçok makale yanlış.

Ya da en azından kanıtların desteklemediği
iddialarda bulunmakta.

Dolayısıyla sadece
bir uzmanın lafına güvenemeyiz.

Kasım 2016'da yönetici tazminatlarına
ilişkin bir çalışma manşetlerde yer aldı.

Üstelik bu çalışmayı haber yapan
gazetelerin hiçbiri

çalışmayı görmemiş olmasına rağmen.

Çalışma daha çıkmamıştı bile.

Yalnızca yazarın sözlerine inandılar,

aynı Belle'le yaptıkları gibi.

Bu kendi bakış açımızı destekleyen
çalışmaları seçip

inanabileceğimiz anlamına da gelmez,

bu doğrulama yanlılığı olur.

Yedi çalışma A'yı gösterirken

üç çalışma B'yi gösteriyorsa

bu A'nın doğru olduğu anlamına da gelmez.

Uzmanlığın niceliği değil

niteliği önemlidir.

O yüzden iki şey yapmalıyız.

Öncelikle, yazarların ehliyetlerini
eleştirel bir şekilde incelemeliyiz.

Aynı bir cerrahın ehliyetini eleştirel
bir şekilde inceleyeceğiniz gibi.

Gerçekten konuda uzmanlar mı

veya kendilerinin maddi bir çıkarı var mı?

İkinci olarak
üst düzey akademik dergilerde

yayınlanan makalelere bakmalıyız.

Akademisyenler genelde gerçek dünyadan
kopuk olmakla suçlanırlar.

Ama bu kopukluk bir çalışmaya
yılları adamaya vesile olur.

Gerçekten bir sonuca varmak,

karşıt teorileri çürütmek

ve korelasyonla neden sonuç ilişkisini
ayırt etmek için.

Ve akademik dergiler, bir makalenin

dünyanın önder zihinleri tarafından
titizlikle incelendiği

(Gülüşmeler)

bir hakemlik sürecinden geçer.

Dergi ne kadar iyiyse standart
o kadar yüksektir.

En elit dergiler makalelerin
yüzde 95'ini reddeder.

Akademik bulgular her şey değildir.

Gerçek dünya deneyimleri de önemlidir.

Hakem denetimi kusursuz değildir
hatalar yapılmaktadır.

Ancak kontrol edilmiş bir şeyi desteklemek

kontrol edilmemiş bir şeyi
desteklemekten daha iyidir.

Bir çalışmayı kim tarafından onaylandığını
hatta onaylanıp onaylanmadığını

göz önünde bulundurmaksızın sadece
bulguları beğendiğimiz için kabul edersek

bu çalışmanın yanıltıcı olma ihtimali
çok yüksektir.

Uzman olduğunu iddia edenler

analizlerinin sınırlılığının
farkında olmalı.

Bir şeyi kesin olarak kanıtlamak veya
öngörmek çok nadiren mümkün

ve fazlasıyla genel niteliksiz
bir açıklamada bulunmak çok cezbedici.

Bunu bir başlığa çevirmek veya
140 karakter bir tvit atmak daha kolay.

Ancak bulgu bile kanıt olmayabilir.

Evrensel olmayabilir
ya da her ortamda geçerli olmayabilir.

Bulgu sadece kırmızı şarap ve uzun
yaşamın ilişkilendirildiğine dair ise

''Kırmızı şarap ömrü uzatır'' demeyin.

Ancak o zaman
insanlar egzersiz de yaparlar.

Üç numaralı tavsiye ise bir şeyi
paylaşmadan önce durup bir düşünün.

Hipokrat yemini şöyle der,
''Önce, zarar verme.''

Paylaştığımız şeyler bulaşıcı olabilir

bu nedenle yaydığımız şeylere
çok dikkat etmeliyiz.

Hedefimiz beğenilmek
ya da retvitlenmek olmamalı.

Aksi takdirde yalnızca hemfikir oluruz
ve kimseyi düşünmeye davet etmeyiz.

Aksi takdirde yalnızca kulağa hoş geleni
paylaşmış oluruz,

kanıt olsun ya da olmasın.

Bunun yerine şunları sormalıyız:

Bu bir hikâye ise doğru mu?

Eğer doğruysa bunu destekleyen
geniş ölçekli bulgu var mı?

Eğer var ise kim tarafından sağlanıyor
ve onların ehliyeti nedir?

Yayımlanmış mı, yayımlandığı dergi
ne kadar titiz ve tutarlı?

Ve kendinize şu önemli soruyu sorun:

Eğer aynı çalışma aynı akademik geçmişe
sahip aynı yazarlar tarafından yazılmış

ancak zıt sonuçlara ulaşılmış olsa

hâlâ ona inanmak
ve onu paylaşmak ister miydiniz?

Bir problemi çözmek zordur

bu ister bir ulusun ekonomik problemi

ister bir bireyin sağlık problemi olsun.

Bu nedenle bize en iyi kanıtların
rehberlik ettiğinden emin olmalıyız.

Ancak doğru ise gerçek olabilir.

Ancak temsil edici özelliğe
sahipse veri olabilir.

Ancak destekleyici ise kanıt olabilir.

Ve ancak kanıtlar ile
hakikat ötesi dünyadan

hakikat yanlısı dünyaya ilerleyebiliriz.

Teşekkürler.

(Alkış)