Wednesday, February 3, 2016

Endüstriyel İdeolojilerin Temelleri: Merkezileştirme

Bir önceki yazı için Endüstriyel İdeolojilerin Temelleri: Maksimizasyon sayfasını okuyunuz

The Third Wave, Alvin Toffler, syf. 70-73

En son olarak, tüm endüstriyel devletler merkezileştirmeyi bir sanat dalı haline getirdiler. Muhakkak 1. dalgadaki [tarım bazlı] toplumların yöneticileri ve kilise gibi odaklar gücü merkezileştirmeyi biliyordu, ama endüstriyel toplumları baştan aşağı merkesileştiren nesle kıyasla onlar kaba birer amatör sayılırdı. Zaten eski çağlardaki yöneticiler çok daha az karmaşık topluluklarla meşguldüler.

Tüm çetrefil toplulukların işleyişinde operasyonlar merkezi ve gayri-merkezi yaklaşımların bir karışımıdır. Fakat her yerel bölgenin kendi ihtiyaçlarını temin etmesiyle sorumlu olduğu çoğunlukla gayri merkezi olan 1. dalga düzeninden, aşırı entegre 2. dalga milli ekonomisine geçiş, gücü merkezileştirme açısından tamamen değişik metotlara ihtiyaç duymuştur. Bu ihtiyaç şirketler, endüstriler ve tüm genel ekonomi bazında ortaya çıkmıştır.

İlk demiryolu şirketleri bu anlatıma iyi bir örnek sağlayabilir. Zamanlarındaki diğer şirketlere göre onlar birer 'dev' sayılırdı [.. Bu büyüklüğü idare etmek için de] yöneticiler yeni metotlar keşfetmek zorundaydı. Onlar da kullandıkları teknolojileri, bilet fiyatlarını, tren saatlerini standardize ettiler. Yüzlerce kilometreyi kapsayacak şekilde operasyonları senkronize ettiler. Tek alanda çalışacak şekilde insanları düzenlediler, ve sermayeyi, insanları ve enerjiyi odakladılar. Tren ağını maksimize etmek için uğraştılar. Ve tüm bunları başarabilmek için bilginin ve komutanın merkezileşmiş hale geldiği yeni bir tür organizasyonu ortaya çıkardılar.

Çalışanlar 'hat görevlisi' ve 'kadrolu' olarak ikiye ayrıldı. Trenlerin hareketleri, yük bindirme, boşaltma, kayıp mal, tamirler, vs. gibi konular hakkında günlük raporlar üretilmeye başlandı. Tüm bu veriler merkezi bir hiyerarşide en tepedeki genel müdüre ulaşıncaya kadar yukarı doğru gönderiliyor, ve müdür gereken kararı verdikten sonra karar bu sefer yukarıdan aşağı doğru akmaya başlıyordu.

Wednesday, November 25, 2015

Endüstriyel İdeolojilerin Temelleri: Maksimizasyon

Bir önceki yazı için Endüstriyel İdeolojilerin Temelleri: Senkronizasyon sayfasını okuyunuz.

The Third Wave, Alvin Toffler, syf. 68-70

Bölünmüş üretim / tüketim, 2. dalga toplumlarında "makro manyaklığı" denebilecek, büyüklük ve büyümeye olan Teksasvarı bir bağımlılığın, bir tür hastalığın da ortaya çıkmasına sebep oldu. Düşünce şöyleydi: madem ki fabrikalarda bir malın üretim süresinin, miktarının arttırılması (longer production runs) daha az birim fiyatı anlamına geliyordu, o zaman ölçeğin büyütülmesi diğer aktivitelerde aynı şekilde kazanımlar sağlayabilirdi. Bu mantık "büyük" kelimesi ile "daha verimli" kelimesini eşanlamlı görmeye başlayacaktı. Sonuçta maksimizasyon 2. dalganın 5. ana prensibi haline geldi.

Şehirler ve ülkeler en yüksek gökdelene, en büyük baraja, dünyanın en büyük mini-golf sahasına sahip olmakla övünüyorlardı. Bunun ötesinde büyüklük, büyümenin bir sonucu olduğuna göre, çoğu endüstriyel devlet, holding ve diğer organizasyonlar büyüme idealinin fanatik takipçileri haline geldiler.

Mathushita Elektrik Şirketi'ndeki Japon işçiler ve yöneticiler topluca her gün koro olarak şu şarkıyı söylerler:

.. Üretimi arttırmak için
yapabildiğimizin en iyisini yapıyoruz,
Mallarımızı tüm dünyaya gönderiyoruz,
Bitmez tükenmez bir şekilde,
Aynen pınardan dışarı fışkıran şu gibi,
Büyü endüstri, Büyü, Büyü, Büyü!
Harmoni ve samimiyet!
Matsushita Elektrik!

1960'da Amerika klasik endüstriyelleşme evresini tamamlayıp 3. dalganın etkilerini hissetmeye başladığında, en büyük 50 holdinginin her birinin ortalama 80,000 çalışanı vardı. General Motors şirketi tek başına 595,000 çalışana, Vail'in AT&T şirketi ise 736,000 çalışana sahipti. Bu durum, o zamanlarda ortalama bir ev nüfusunun 3.3 kişi olduğundan hareketle, 2,000,000'dan daha fazla insanın geçim için bu tek şirkete bağımlı olduğu anlamına geliyordu. Bahsedilen rakamın büyüklüğünü şöyle perspektife koyalım: Üstteki insan sayısı Washington ve Hamilton ülkeyi kurarken ABD nüfusunun neredeyse yarısına eşitti [..]

Tuesday, November 17, 2015

Endüstriyel İdeolojilerin Temelleri: Senkronizasyon

Bir önceki yazı için Endüstriyel İdeolojilerin Temelleri: Standardizasyon sayfasını okuyunuz.

The Third Wave, Alvin Toffler, syf. 64-66

Üretim ve tüketim arasındaki sürekli büyüyen mesafe, insanların zamana bakışında büyük değişimlere sebep oldu. Serbest olsun, kontrollü olsun, piyasanın hakim olduğu her toplumda zaman = para desturu hakim olmuştur, çünkü endüstriyel ekonomilerde büyük paralar ödenmiş makinaların boş durmasına izin verilemezdi. Bu makinalar da, eşyanın tabiatına göre, kendi ritimlerine göre hareket ediyorlardı; işte bu faktör, 2. dalga için önemli bir prensibin daha ortaya çıkmasına sebep olmuştur: Senkronizasyon.

Aslında en erken insan topluluklarında bile işin belli bir zaman akışı içinde organize edilmesi kavramı yabancı değildi. Mesela avcıların bir avı yakalaması için, balıkçıların ağları, kürekleri çekmesi için birbirlerine zamansal olarak uyumlu halde çalışmaları gerekiyordu [..] Fakat, en azından 2. dalga'nın makinaları gelinceye kadar, toplumlardaki çoğu senkronizasyon organik ve doğal olarak ortaya çıkmıştır. Bu senkronizasyon mevsimlerin değişimi, dünyanın dönüşü, kalp atışı gibi biyolojik süreçlerin ritmini takip etmiştir.

2. dalga toplumları ise makinaların ritmine göre hareket etmeye başladı.

Wednesday, November 4, 2015

Endüstriyel İdeolojilerin Temelleri: Standardizasyon

Bir önceki yazı için Endüstriyel İdeolojilerin Temelleri: Tek Alanda Çalışmak sayfasını okuyunuz.

The Third Wave, Alvin Toffler, syf. 60-62

Pek çok kişinin en iyi bildiği 2. dalga kavramı "standardizasyon" kavramıdır. Endüstriyel toplumların birbirine benzeyen milyonlarca mal ürettiğini herkes bilir. Fakat pek az kişi, piyasa önem kazanmaya başladıktan sonra Coca-Cola şişeleri, elektrik ampulleri ve araba akşamından daha fazlasını standardize ettiğimizin farkındadır. Biz bu prensibi hayatın pek çok diğer alanına da uyguladık; bu akımın öncülerinden biri de ATT şirketini bir dev haline getiren Theodore Vail'den başkası değildi.

1860 yılında günlük işi tren hatlarından mektup ulaştırmak olan Vail, mektupların hiçbir zaman sonuç adresine aynı yollardan gitmediğini farketti. Çuvallarca mektup ileri, geri hareket ediyor, bazen sonuca varması aylar alabiliyordu. Vail, standardize edilmiş ulaşım yolu kavramını keşfetti, ki böylece aynı adrese giden her mektup hep aynı yolu takip edecekti. Bu sayede Vail postane kavramına devrimsel bir değişiklik getirdi. ATT'yi kurduktan sonra amacı Amerika'daki her eve aynı tip telefonu koymak olacaktı [..]

Vail, endüstriyel toplumların "Büyük Standartçıları" kategorisindeki ünlü kişiliklerden bir tanesidir. Eskiden makinist olan, sonra bir ideolog / danışmana dönüşen Fredrick Taylor bu kişilerden bir diğeriydi. Taylor yapılan bir işin, emeğin her adımını standardize ederek iş kavramını bilimsel hale getirebileceğini düşünmüştü. 20. yüzyılın ilk onyıllarında Taylor her işi yapmanın en iyi (standart) bir yolu, onu yaparken kullanılacak en iyi (standart) bir aracın, ve o işin tamamlanacağı kararlaştırılmış (standart) bir zaman dilimi olması gerektiğini iddia etti.

Friday, October 30, 2015

Endüstriyel İdeolojilerin Temelleri: Tek Alanda Çalışmak

Bir önceki yazı için Endüstriyel İdeolojilerin Temelleri: Konsentrasyon sayfasını okuyunuz.

Alvin Toffler, The Third Wave, syf. 62-64

Tüm 2. dalga toplumlarında yer etmiş bir diğer büyük prensip, sadece tek bir alanda çalışma (specialization) prensibidir. Bu tür topluluklar konuşma dillerinde, yaşam tarzlarında, dinlenme, eğlenmede çeşitliliği yokederken, aynı anda çalışma dünyasında [kutulara ayrılmış] bir çeşitliliğe gitme ihtiyacı hissediyorlardı. 2. dalga, işbölümü kavramını güçlendirip, o her şeyden anlayan (jack-of-all-trades) köylünün yerine sadece tek bir işe odaklı ketum memur / emekçi tipini ön plana çıkarttı. Bu kişi, o tek şeyi, tekrar tekrar, arka arkaya, aynen Taylor'un tavsiye ettiği gibi yapmakla yükümlü olacaktı [..]

Henry Ford, ünlü Model-T arabasını üretmek için fabrikasında 7882 farklı operasyonun gerektiğini hesaplarken işte bu mantığı takip ediyordu. Ford'un hesabına göre bu operasyonların sadece 949 güçlü, 3448'i her uzvu yerinde insana ihtiyaç duyuyordu, ve gayet soğukkanlı bir şekilde Ford şöyle devam etmişti "kalan işlerin ise 670'si bacağı olmayanlar, 2637'si tek bacağı olanlar, 2'si kolu olmayanlar, 715'ı tek kollu insanlar, 10'u da kör insanlar tarafından rahatça yapılabilir". Özetle tek alanda çalışma kavramının artık tam insana bile ihtiyacı yoktu. Sadece "kısmi insanlar" da onun işlemesi için yeterliydi. Aşırı tek alancılığın bu kadar gaddar daha iyi bir örneği herhalde başka yerde bulunamaz.

Genellikle kapitalizm ile bağdaşlaştırılan bu durum, sosyalizmin de en temel özelliklerinden biridir, çünkü aşırı tek alancılık üretimin tüketimden boşandığı her toplumda otomatik olarak ortaya çıkar. SSCB, Macaristan, Polonya, Doğu Almanya'daki fabrikalar, aynen Çalışma Bakanlığı tam 20.000 tane farklı iş kolu tanımlamış ABD ve Japonya gibi fabrikalarında çetrefil "tek alancı" teknikleri kullanmaya muhtaçtılar.

Monday, October 19, 2015

Endüstriyel İdeolojilerin Temelleri: Konsentrasyon

Bir önceki yazı için 3.Dalga ve Bilgi Toplumu sayfasını okuyunuz.

The Third Wave, Alvin Toffler, syf. 67-68

[Endustriyel] piyasaların yükselişi bir 2. dalga kuralını daha ortaya çıkardı: Konsentrasyon prensibi.

1. dalga toplumları çoğunlukla dağınık halde duran enerji kaynaklarını kullanıyorlardı. 2. dalga toplumları, neredeyse tamamen, yüksek ölçüde konsantre/odaklı halde duran fosil yakıtlarına bağımlı hale geldiler.

Fakat 2. dalga enerji haricindeki başka şeyleri de "odaklı" hale getirdi. İnsan nüfusunu da "odaklaştırdı"; kırsal bölgelerdeki insanları yerlerinden çıkartarak onları çok odaklı haldeki şehir merkezlerine taşıdı.

İş kavramını bile odaklı hale getirdi. 1. dalga toplumlarında iş pek çok değişik yerde, evde, köyde, çiftlikte yapılabilirken, 2. dalga endüstriyel toplumlarda iş neredeyse tamamen konsantre halde fabrikalarda yapılır hale gelecekti - bu fabrikalarda binlerce insan bir araya gelerek işlerini yapmak zorundaydılar.

Dahası da var: İş ve enerji haricinde başka şeyler de konsantre oldu: New Society adındaki bir sosyal bilimler dergisinde yazan Stan Cohen, şunları söylüyordu: "Endüstriyelleşme öncesi fakirler, mahalledeki birinin, akrabalarının yanında kalır, suçlular ise cezalandırılırdı; ağır ceza, ya da yerleşim merkezlerinde dışarı atılarak. Zihni özürlüler kendi aileleri ile kalır, fakir iseler mahalleli tarafından bakılırdı. Ve bütün bu gruplar toplulukta dağınık bir halde durmaktaydılar.

Sunday, October 18, 2015

3.Dalga ve Bilgi Toplumu

Gelecek Şoku (Future Schock) adlı kitabında Alvin Toffler, kavram bolluğunun, artan hızın toplumları ve bireyleri nasıl etkileyeceğini çok güzel anlatır. Bir gelecek tahmincisi (futurist) olarak bilinen Toffler'ı ilginç yapan, daha 1970'lerden günümüz dünyasını gayet net tahmin edebilmiş olmasıdır. 70'lerde kültleri, dinin yükselişini, 80'lerde açık kaynak ve bilgi ekonomisini tahmin edebilmiş bu bilge insan, ne yazık ki ülkemizde bilinen, fikirlerinden esinlenilen bir insan değildir.

Alvin Toffler

Bunun bedelini ne yazık ki pek çok sorunumuzu doğru analiz edememiş olmakla ödemekteyiz. Çünkü bu gelecekçi, mesela Çin'de en saygı değer fikir insanları arasında sayılmaktadır. Kitapları Çin yönetimi tarafından 80 yıllarının başında keşfedilmiştir ve akabinde milyonlarca basılan kitabı bu ülkenin gelişmesi için en önemli kaynaklardan biri haline gelmiştir. Öyle ki, kendisinin 3. Dalga (Third Wave) adlı kitabı, Çin'de "Deng Xiaoping'den Seçme Yazılar" adlı eserinden sonra en çok basılan/satılan kitap olma rekorunu halen elinde bulundurmaktadır. Amerika'da, 90'lı yıllarda meclis başkanlığı yapan Newt Gingrich, kendisini Toffler'ın en eski okurlarından biri olarak lanse etmekten hiç çekinmiyordu. Üstat, tüm Fortune 100 şirketlerine, dünya liderlerine, şahsiyetlerine danışmanlığıyla bilinen bir insandır.

Blogun ilerleyen yazılarında "üre-ketim" (prosuming) gibi kavramları işleyeceğiz. Fakat bu yazıda, Türkiye'nin acil ihtiyaçları sebebiyle, daha antropolojik ve sosyolojik fikirlerine sığınmamız gerekecek.

Ama ondan önce kısa bir dünya tarihi...

Saturday, October 3, 2015

Image Segmentation - Region Growing Algorithm

1 - Introduction and problem definition

1.1 - Introduction

Image segmentation is an important process in Computer Vision that is used for several operations as edge detection, classification, 3D reconstruction, etc.. The main goal of image segmentation is to cluster pixels into regions. This clustering image pixels into image regions in turns convert the image into a representation that is more meaningful and easier to analyse. More precisely, image segmentation is the process of assigning a label to every pixel in an image such that pixels with the same label share certain characteristics. Image segmentation has broad range of applicability in different fields of science ans engineering.

In this lab work, we implement the region growing algorithm which is one of the basic process of partitioning a digital image and then analyse the design and implementation of it. Finally, we compare the region growing algorithm with other image segmentation algorithms. We describe also about the organization and development phase of the lab work.

1.2 - Problem definition

Our lab work problem asks for performing image segmentation over different image representation and check the result. We implement our image segmentation algorithm over gray level images and RGB color space images to cluster into different image regions. And then we compare our clustering result with Fuzzy C-Means (FCM) clustering algorithm.

Friday, July 24, 2015

What is Machine Learning? - Part II

Linear Regression with Multiple Variables

Multiple Features

Linear regression with multiple variables is also known as "multivariable linear regression." We now introduce notation for equations where we can have any number of input variables.
$$ \begin{align*} x_j^{(i)} &= \text{value of feature } j \text{ in the }i^{th}\text{ training example} \newline x^{(i)}& = \text{the column vector of all the feature inputs of the }i^{th}\text{ training example} \newline m &= \text{the number of training examples} \newline n &= \left| x^{(i)} \right| \; \text{(the number of features)} \end{align*} $$
Now define the multivariable form of the hypothesis function as follows, accomodating these multiple features:
$$ h_\theta (x) = \theta_0 + \theta_1 x_1 + \theta_2 x_2 + \theta_3 x_3 + \cdots + \theta_n x_n $$
Using the definition of matrix multiplication, our multivariable hypothesis function can be concisely represented as:
$$ \begin{align*} h_\theta(x) = \begin{bmatrix} \theta_0 \hspace{2em} \theta_1 \hspace{2em} ... \hspace{2em} \theta_n \end{bmatrix} \begin{bmatrix} x_0 \newline x_1 \newline \vdots \newline x_n \end{bmatrix} = \theta^T x \end{align*} $$
This is a vectorization of our hypothesis function for one training example; see the lessons on vectorization to learn more. [Note: So that we can do matrix operations with theta and x, we will set $x^{(i)}_0 = 1$, for all values of $i$. This makes the two vectors 'theta' and $x^{(i)}$ match each other element-wise (that is, have the same number of elements: $n + 1$).]

Now we can collect all $m$ training examples each with $n$ features and record them in an $n+1$ by $m$ matrix. In this matrix we let the value of the subscript (feature) also represent the row number (except the initial row is the "zeroth" row), and the value of the superscript (the training example) also represent the column number, as shown here:

Monday, July 20, 2015

What is Machine Learning?

Two definitions of Machine Learning are offered. Arthur Samuel described it as: "the field of study that gives computers the ability to learn without being explicitly programmed." This is an older, informal definition.

Tom Mitchell provides a more modern definition: "A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E."

Example: playing checkers.

E = the experience of playing many games of checkers
T = the task of playing checkers.
P = the probability that the program will win the next game.

Supervised Learning

In supervised learning, we are given a data set and already know what our correct output should look like, having the idea that there is a relationship between the input and the output.

Supervised learning problems are categorized into "regression" and "classification" problems. In a regression problem, we are trying to predict results within a continuous output, meaning that we are trying to map input variables to some continuous function. In a classification problem, we are instead trying to predict results in a discrete output. In other words, we are trying to map input variables into discrete categories.

Example:

Given data about the size of houses on the real estate market, try to predict their price. Price as a function of size is a continuous output, so this is a regression problem.

We could turn this example into a classification problem by instead making our output about whether the house "sells for more or less than the asking price." Here we are classifying the houses based on price into two discrete categories.