Həftənin Sualı
Həftənin Sualı rubrikası oxucularımızla birbaşa əlaqəyə keçmək, onlardan bir şeylər öyrənmək, müəyyən mövzularda ortaq düşünməyimiz üçün yaradılmış bir şeydir. Rubrika çərçivəsində hər həftə ümumi maraq dairəsində olan, lakin cavabları heç də asan olmayan suallar verməyə çalışırıq. Bu suallar elmin müxtəlif sahələrini əhatə edib, təbiətcə konkret cavabları olmayan açıq suallar olurlar. Cavab vermək üçün mövzunu bir balaca araşdırıb, ədəbiyyata kritik nəzərlə baxmaqdan savayı heç nəyə ehtiyac olmur. Suala ən maraqlı və orijinal yanaşma sərgiləyən oxucumuza kiçik lakin mənalı bir hədiyyə göndəririk.
Bu həftənin sualı Azərbaycan dilinin daxili quruluşu ilə bağlıdır. İki sualımız var: Azərbaycan dilinin əlifbasında olan hərflərin Azərbaycan dilində nisbi işlənmə tezliyi nə qədərdir? Bəs şəkilçilərin?
Bu suala cavab vermək üçün əlinizdə Azərbaycan dilini özündə aşağı-yuxarı əks edən dil korpusu adlanan mənbə olmalıdır. Dil korpusları özlərində dilin çox sayda örnəklərini ehtiva edən nəhəng mətn toplularıdır. Bu toplunun içindəki dil örnəkləri nə qədər müxtəlif çeşidli olarsa, dilin həqiqi quruluşunun analizi həqiqəti bir o qədər yaxından əks etdirir. Hərflərin nisbi tezliyini mətn toplusundan tapmaq o qədər də çətin olmasa da, şəkilçiləri tapmaq yəqin ki, bir qədər vaxtınızı alacaq. Birinci sual üçün korpusdakı mətni hərflərə çevirməli və hər hərfin korpusda neçə dəfə işləndiyini tapmalısınız. Bu əməliyyatı hər hərf üçün etdikdən sonra hərflərin nisbi tezliklərini tapa bilərsiniz. Şəkilçilər üçün də oxşar yanaşma tətbiq edə bilərsiniz, amma bu o qədər də asan olmayacaq. Axtarışınızda uğurlar arzulayırıq!
Suala cavab olaraq 32 hərf və onların istifadə tezliklərini göstərən birinci cədvəli, şəkilçi və onların nisbi tezliklərini göstərən ikinci cədvəli verməlisiniz. Bundan əlavə hansı korpusdan istifadə etdiyinizi və şəkilçiləri tapmaq üçün istifadə etdiyiniz yanaşmanı da bizimlə paylaşmağınızı rica edirik. Ən yaxşı və dəqiq cavab verən iştirakçıya sualla əlaqəli, heç vaxt unutmayacağı bir hədiyyə göndərəcəyik.
Daha Ətraflı
Həftənin sualı rubrikası çərçivəsində verdiyimiz 6-cı sual Azərbaycan dilində hərflərin işlənmə tezliyi ilə bağlı idi. Oxucularımızdan sualımıza cavab almadığımıza görə, öz cavabımızı sizə təqdim edirik.
Qrafikdə göstərilən faizlər SketchEngine-dən əldə etdiyimiz 94 milyon sözlük Azərbaycan dili korpusundan əldə edilmişdir.1 Korpusda Azərbaycan dilində dərc olunan xəbər saytlarından alınmış mətnlər yer alır. Hərf tezliklərinin istifadə edildiyi bir yer yazı dilinin təyinidirsə, başqa bir istifadəsi Scrabble kimi söz oyunlarıdır. Hərf tezliklərindən istifadə etmək istəyənlər aşağıdakı cədvəldən istifadə edə bilərlər.
| Hərf | Tezliyi |
|---|---|
| a | 0.1026036225 |
| b | 0.02685326668 |
| c | 0.009929504745 |
| ç | 0.007354979016 |
| d | 0.04825416199 |
| e | 0.02442198917 |
| ə | 0.09873060496 |
| f | 0.00698312705 |
| g | 0.006719056622 |
| ğ | 0.004897483123 |
| h | 0.01230978278 |
| x | 0.00757926137 |
| ı | 0.03607176319 |
| i | 0.09991210517 |
| j | 0.0005526303576 |
| k | 0.02331409929 |
| q | 0.0174293031 |
| l | 0.06388114985 |
| m | 0.03931014263 |
| n | 0.07460426332 |
| o | 0.01946283374 |
| ö | 0.007517198669 |
| p | 0.005723252146 |
| r | 0.06967775896 |
| s | 0.03549433898 |
| ş | 0.01459346996 |
| t | 0.03518182016 |
| u | 0.02356978984 |
| ü | 0.0171353478 |
| v | 0.01458672655 |
| y | 0.03011464577 |
| z | 0.01523052051 |
Sualın digər hissəsi olan şəkilçilərin istifadə tezliyi isə daha çətin problemdir və bu problemə hələlik heç bizim də həllimiz yoxdur.
Bu həftənin sualı son zamanlar xəbərlərdə gördüyümüz hadisə ilə bağlıdır. Sosial şəbəkələrdə də paylaşılan şəkillərdən də göründüyü kimi Kürün səviyyəsi qeyri-səciyyəvi dərəcədə aşağı düşüb. Bu dəfəki sualımız budur: Kürdə su səviyyəsinin bu qədər aşağı düşməsinə səbəb olan şey nələrdir? Bu azalma doğrudandamı qeyri-səciyyəvidir, yoxsa su səviyyəsindəki normal dalğalanmanın çərçivəsindədir?
Azərbaycanın su ehtiyatlarının böyük hissəsi xaricdən Azərbaycan ərazisinə axır. Bu hal isə su resurslarının idarə olunmasını eyni zamanda həm yerli həm də beynəlxalq bir məsələyə çevirir. Kənd təsərrüfatının məhsuldarlığı və ölkənin qida müstəqilliyi birbaşa olaraq su resurslarının düzgün idarə olunmasından asılıdır. Ekologiya və Təbii Sərvətlər Nazirliyinin saytındakı məlumata əsasən:
Azərbaycanın ümumi torpaq fondunun sahəsi 8,641 mln. ha-dan artıqdır. Bunun 4,47 mln. ha-ı kənd təsərrüfatına yararlı, o cümlədən 1,43 mln. ha-ı suvarılan torpaqlardır. Respublika ərazisinin 3,240 mln. ha-ı və ya 37,4 %-i istifadə olunmayan (şoranlaşmış, bataqlıqlaşmış, güclü eroziyaya uğramış, daşlı çay yataqları, qayalıqlar və.s.) torpaqlardır. [...] Respublikada torpaqların 36,4%-i müxtəlif dərəcədə eroziya prosesinə məruz qalmışdır. Onun 14,1%-i zəif, 10,7%-i orta, 11,6%-i şiddətli dərəcədə yuyulmuş torpaqlardır. Azərbaycanın ayrı-ayrı regionlarının təbii şəraitindən və antropogen təsirlərdən asılı olaraq eroziya proseslərinin intensivliyi və forması müxtəlif dərəcədə inkişaf etmişdir. Odur ki, Mil və Qarabağ düzlərində torpaqların 30,8%-i, Quba-Xaçmaz zonasında 48,2%-i, Abşeron yarımadasında 40,3%-i, Şirvan düzündə 27,7%-i, Şəki-Zaqatala zonasında 55,7%-i eroziya proseslərinə məruz qalmışdır. Bura su, külək və irriqasiya eroziyasına məruz qalan bütün torpaqlar aiddir.
Torpaqların çirklənməsinin monitorinqi, Azərbaycan Respublikası Ekologiya və Təbii Sərvətlər Nazirliyi
Yuxarıdakı sitatdakı rəqəmlər su resurslarının istifadəsi və idarəsindəki boşluqların həcmindən xəbər verir, çünki şoranlaşmanın əsas səbəblərindən biri suvarma sistemlərinin düzgün quraşdırılmaması, eroziyanın əsas səbəblərindən biri isə bitki örtüyünün düzgün salınmaması və idarə olunmamasıdır-- bu da yenə də suvarma və su resurslarından asılıdır. Buna baxmayaraq ərazisinin 37.4%-i korlanmış torpaqdan ibarət olan bir ölkədə, torpaq ehtiyatlarının yenilənməsi, sağaldılması yerinə qorunub saxlanmış meşə örtüyünün qısamüddətli mənfəət üçün böyük həcmdə kəsildiyini görürük. Bu isə o deməkdir ki, gələcək nəsillər getdikcə həm qida müstəqilliyi baxımından daha zəif, həm də məhsularlıq baxımından aşağı olan, çox daha kasıb bir ölkədə yaşamalı olacaqlar. Ona görə də oxucularımızı bu və növbəti həftələrdə su və torpaq resursları haqda fərdi miqyasda araşdırmağa, bu haqda konkret faktları öyrənməyə və 37.4%-in səbəbləri haqda düşünməyə dəvət edirik.
Suala cavabınızı konkret faktlara və dəlillərə və əgər varsa, mövcud ədəbiyyata istinadən əsaslandırmağınızı xahiş edirik. Həmişə olduğu kimi, bu həftə də ən yaxşı cavabın müəllifinə mövzu ilə əlaqəli kiçik lakin mənalı bir hədiyyə göndərəcək, cavabı saytda yerləşdirəcəyik.
Nəticə »
Bu mövzu üzrə oxuculardan cavab almasaq da, cavab olaraq mövzu üzrə yerli ekspertlərdən biri olan Xəzər Universitetinin professoru Rövşən Abbasovun mövzu üzrə Kanal13-ə verdiyi maraqlı müsahibəni sizinlə paylaşırıq. Rövşan Abbasovun akademik işləri ilə tanış olmaq üçün bu səhifəyə nəzər sala bilərsiniz.
Bu həftənin sualı süni neyron şəbəkələri ilə bağlıdır. Müəyyən bir tapşırığı həyata keçirmək üçün birbaşa olaraq onu həll etmək üçün lazım olan hesablamalara yox, öyrənmə prosesinə fokuslanan müasir süni neyron şəbəkələri (SNŞ) ənənəvi, konkret hesablamalara, qaydalara əsaslanan sistemlərin yaxşı edə bilmədiyi şeyləri, məsələn, şəkillərin içindəki obyektlərin sinifləndirilməsi, insan nitqinin tanınması kimi tapşırıqları çox uğurla həyata keçirməyi öyrənə bilir. SNŞ-lərin “qidalandığı” data artdıqca, yeni öyrənmə alqoritmləri, şəbəkə quruluşları icad olunduqca, kompüterlərin hesablama gücü artdıqca daha qəliz tapşırıqları da yerinə yetirmək (məsələn, avtomobillərin özünüidarəsi) mümkün hala gəlir. Buna baxmayaraq, SNŞ hələ də ən bəsit canlıların belə həyata keçirə bildikləri bəzi şeyləri (məsələn, müstəqil şəkildə kompleks mühitdə naviqasiya) etməkdə çətinlik çəkir və ya etmək üçün canlılardan qat-qat daha artıq “təcrübə” və ya “öyrənmə” tələb edir. Bu isə öz növbəsində SNN-lər və canlı sinir sistemlərin eyni tapşırıqları həll etmək üçün istifadə etdikləri yollar arasındakı fərqlərin nələr olduğu sualını daha da qabardır. Bu həftənin sualı da məhz bu mövzudadır: Bu iki sistem arasındakı fərqlər nələrdir? Bu fərqlər sözügedən sistemlərin performansındakı fərqləri necə izah edə bilər?
Həftənin sualı rubrikası çərçivəsində verdiyimiz 3-cü suala ən ətraflı cavabı Balaqardaş Bəşirov adlı oxucumuz (və yazarımız) vermişdir. Onun cavabını olduğu kimi aşağıda yerləşdiririk.
Daha Ətraflı
Süni şəbəkələrin müəyyən bir qayda ilə qurulur, misal üçün birinci qatda “xam” data verilir. Bu data proses olunub ikinci qata ötürülür və s. Bu prosesdə heç vaxt geriyə məlumat ötürülməsi və ya “qatdaxili” məlumat mübadiləsi olmur (bəzi yeni növ şəbəkələr məsələn, U-Net, RNN, CNN, Boltzmann maşını bu qaydanın müəyyən mənada pozur). Bioloji neyral şəbəkələr isə daha qarmaqarışıq və müəyyən mənada daha stoxastik olur. İkinci fərq öyrənmə proseduru üzərindədir. Bu işin biologiya tərəfi ilə çox tanış deyiləm, amma anladığım qədəri ilə akademiyada bu mövzu haqqında fikir birliyi yoxdur. SNN-lər isə birbaşa riyazi yollarla ortaya atılmış, biologiya ilə çox əlaqəsi olmayan “geri-yayım” (ing. back-propogation) alqoritmi ilə öyrənir. Elə süni şəbəkələrin bioloji nüsxəsini düzəltməyin böyük problemlərindən biri də, geri-yayım alqoritmini kompleks sistemə tətbiqində olan problemlərdir. Riyazi yolla qurulmuş alqoritmanın yaratdığı digər problem isə bioloji olaraq daha doğru olan perseptron modelinin artıq işləməməsidir. Perseptron modelində neyron müəyyən bir siqnal səviyyəsinə qədər heç nə etmir, onda sonra tam aktiv olur. Yəni ya 0-dır ya 1. Belə funksiya riyazi analiz üçün “gözəl” olmadığı üçün onu siqmoid, ReLu və s. kimi daha “hamar” aktivasiya ilə əvəzləyirlər.
Məncə bioloji sistemlərin üstünlüyünə ən böyük səbəb öyrənmə prosedurudur. Bioloji sistemlər təkamül ilə yığdıqları məlumatları və öyrəndikləri “cavabları” növbəti nəsilə ötürürlər. Beləcə yeni doğulan “beynin” əvvəldən yaşadığı dünya ilə müəyyən qədər tanışlığı olur. Süni şəbəkə hər şeyi sıfırdan öyrəndikləri üçüm treninq çox daha uzun çəkir. “Transfer öyrənməsi” anlayışı SNN-lərdə mövcud olsa da hələlik daha məhduddur.
Balaqardaşın cavabında sadaladığı faktorlara əlavə olaraq qeyd edə bilərik ki, canlı sistemlər öyrəndikləri şeylər üçün lazımi "treninq datası"nı aktiv şəkildə, hərəkət vasitəsilə əldə edirlər. Mühitdəki obyektlər və hadisələr təsadüfi düzülməyib, müəyyən struktura sahib olur. Heyvanların çoxunun hərəkətli olması onlara mühitin strukturundakı məlumatları üzə çıxarmağa kömək edir. Obyekt və hadisələr heyvanın hərəkətinə bağlı olaraq müəyyən formada sabit qalır, müəyyən formada isə dəyişir. Sinir sisteminə malik heyvanlar hərəkətlərlə mühitdəki qanunauyğunluqları "açığa çıxara" bilirlər.
Hələlik mühitdən belə aktiv şəkildə məlumat çıxarmanı texniki çətinliklərdən dolayı SNN-lərlə etmək çətindir. Yaratdığımız bir sistemin birbaşa olaraq real həyatda aktiv şəkildə öyrənməsini istəyiriksə, onun yıxılıb qırılmamasına nail olmalıyıq, bu isə real həyatda texniki olaraq çətindir. Bu məhdudiyyət qarşısında edilən sərgilənən bir yanaşma bəzi təməl fizika qanunlarının simulyasiya olunduğu virtual mühitlərdə öyrənən sadə agentlərdən istifadə etməkdir. Open Aİ-ın tədqiqat komandası simulyasiyada öyrənmə yanaşmasını sınaqdan keçirdikləri bir çalışmada (Baker et al. 2019) vasitəsilə gizlənpaç oynayan agentlərin mühitlə bağlı müəyyən qanunauyğunluqları öyrəndikləri və oyun zamanı bu qanunauyğunluqlardan istifadə etdiklərini müşahidə etmişdirlər. Çalışma haqda buradan daha ətraflı öyrənə bilərsiniz.
Verdiyimiz sualın digər hissəsi süni neyron şəbəkələri və onların etdiyini edə bilən təbii analoqlarının arasındakı fərqlərin onların performansındakı fərqləri necə izah etdiyi ilə bağlı idi. Yəni, yuxarıda sadalanan bir sıra fərqlər bu iki şeyin işləyişi arasındakı fərqi necə izah edir? Bu suala səmimi cavab bu barədə çox fikrə sahib olmadığımızdır. Belə ki, canlı sistemlərin, onların sinir sistemlərinin bizə maraqlı olan davranışları tam olaraq hansı yolla həyata keçirdikləri ilə bağlı geniş bir razılıq yoxdur. Daha dəqiq desək, neyroelmdə hamı tərəfindən qəbul olunan, izah və təxmin gücü yüksək olan nəzəriyyələr o qədər də çox deyil. Məhz buna görə də, təbii sinir sistemlərinin hansı xassələrinin onlara maraqlı davranış sərgiləməyə imkan verdiyini əminliklə deyə bilmirik. Belədə SNN-lərin simasında təbii neyronların işləyişini aşağı-yuxarı izah edən həqiqi ciddi bir sıçrayış, yoxsa 50 il əvvəl "kompüter-kimi-beyin" ideyası ilə bağlı olduğu kimi növbəti məhsuldar lakin ən yaxşı halda maraqlı bir bənzətmə tapdığımızı deyə bilmirik.
İqlim qısaca havanın uzunmüddətli statistikasıdır (bax: Alışbəyli (2019)). Hava kimi iqlim də qalıcı, əllə tutula biləcək bir şey deyil. Lakin iqlim şəraiti konkret fiziki faktorların qarşılıqlı əlaqəsi nəticəsində yarandığından və öz növbəsində konkret fiziki faktorlara təsir etdiyindən onun necə olduğu ilə bağlı uzun illər sonra da fikir bildirmək olur. İqlimin öyrənilməsində Antarktidadan çıxarılmış uzun buz özəklərindən tutmuş yaşlı ağacların gövdələrindən alınmış çubuqlardakı illik haqlara qədər fərqli metodlardan istifadə olunur. Alimlər bunun kimi bir sıra data mənbələrindən istifadə edirlər. Bu həftəki sualımız bu metodlarla bağlıdır: İqlimin öyrənilməsində istifadə olunan hansı metod sizcə ən effektiv ola bilər? Bu metod nəyə görə ən effektiv metod olar? Ümumiyyətlə elmdə bir metodun effektivliyini təyin edən faktorlar nələrdir?
İqlimin dəyişdiyini iddia etmək üçün alimlər uzun illər iqlim məfhumunu bir sıra metodlarla incələmişdirlər. Çəkilən bütün əziyyətə baxmayaraq hazırda dünyanın müxtəlif yerlərində bəzi qruplar iqlimin dəyişməsində qeyri-adi heç nə olmadığını, insan fəaliyyətləri tərəfindən yaranmadığını və bu dəyişmənin normal dəyişmə dövrələri çərçivəsində olduğunu iddia edirlər. Qrupun ölçüsü kiçik olsa da, ictimai düşüncə üzərində təsiri böyükdür. Ortaq razılaşmanın əldə olunması üçün ən yaxşı seçimimiz ictimaiyyətin iqlimşünaslıqda aparılan tədqiqatlarla, istifadə olunan metodologiya da ilə daha yaxından tanış olmasıdır. Bu həftənin sualı da belə bir tanışlıq üçün imkan və stimul yaradır.
Cavabınızda bir neçə yanaşmadan bəhs edə bilərsiniz, bir yanaşma seçməyinizə ehtiyac yoxdur. Sualın cavablandırılmasında önəmli olan iqlim kimi uzunmüddətli bir məfhumun öyrənilməsində nə kimi metodlardan istifadə olunduğunu araşdırmaq, istifadə olunan metodları kritik şəkildə incələmək, elmi metodların effektivliyi və etibarlılığını nəyin təyin etdiyi ilə bağlı düşünməkdir.
Keçmişdəki iqlim şəraitini öyrənən paleoiqlimşünaslıq sahəsindəki metodların hansılarının daha effektiv olduğunu və bu metodların nəyə görə effektiv olduqları ilə bağlı verdiyimiz suala aldığımız cavablar arasında ən yaxşı cavab Əli Babazadə adlı oxucumuzdan gəlmişdir. Əli cavabında istifadə olunan metodların fərqli zaman miqyasını əhatə etdiyini vurğulamış, fərqli məqsədlər üçün fərqli metodların effektiv olduğunu qeyd etmişdir.
Daha Ətraflı
Təxminən XIX əsrinə ortalarından başlamış temperatur və hava ölçmələrini saymasaq, keçmişdəki iqlim haqda fikir yaratmaq üçün bir sıra metodlar mövcuddur. Bu metodların hər biri müəyyən bir fiziki və ya bioloji prosesin temperatura həssaslığından istifadə edərək, həmin prosesin baş verdiyi substratı incələmək yolu ilə keçmişdəki temperaturu təyin etməyə çalışırlar. Lakin bütün fiziki və bioloji proseslər eyni zamanda çox sayda fərqli faktorlardan təsirləndiyinə görə, bu metodlar heç bir ayrı-ayrılıqda iqlim haqda tam mənzərəni verə bilmir. Məsələn, ağacların illik halqaları temperaturun yuxarı olduğu ildə daha geniş olsa da, halqanın ölçüləri yağıntıdan da asılı olur. Buna görə də, halqa ölçüsünü birbaşa şərh etmək düşünüldüyü qədər asan deyil. Buna görə də praktikada keçmişdəki iqlimi öyrənən paleoiqlimşünaslar təkcə bir metoddan yox, fərqli metodların kombinasiyasından istifadə edirlər.
Ümumilikdə götürdükdə isə, ən çox istifadə olunan metodlardan biri buz özəklərindəki oksigen izotoplarının miqdarının ölçülməsidir. Buz illik düşən qarın toplanması ilə əmələ gəldiyindən, dərin buz qatına sahib olan yerlərdən alınan buz örnəklərində ağacların illik halqalarına analoji halqalar görmək mümkündür. Ağac haqlalarından fərqli olaraq, burada illik qatlar üfüqi yox, şaquli vəziyyətdə düzülmüş olurlar.
Oksigenin üç stabil izotopu var 16O, 17O və 18O. 18O-nun 16O-ya nisbəti qar yağan vaxt olan temperaturu göstərir. 16O daha yüngül olduğunda, tərkibində 16O olan su molekullarının buxarlanma ehtimalı, daha ağır olan 18O-ya sahib su molekullarının isə kondensasiyaya uğrayıb yağış və qar kristalları şəklində düşmə ehtimalı daha böyük olur. Aşağı temperaturlarda bu fərq daha da böyük olmağa meyilli olur. Oxşar şəkildə, hidrogenin də ağır izotopu (2H) su molekulunu daha ağır edib, yağıntı şəklində düşmə ehtimalını artırır, daha yüngül izotopu isə (1H) əksinə molekulun buxarlanma ehtimalını artırır. Beləliklə, bu iki elementin fərqli izotoplarının nisbətindən yola çıxaraq həmin ildə müşahidə olunmuş temperatur aralığı ilə bağlı təxminlər yaratmaq mümkündür. Lakin bəzi xarici faktorlar, məsələn, buz özəklərinin alındığı yerin özəllikləri izotop nisbətinə baxıb temperaturu təyin etməyi çətinləşdiri. Tədqiqatçılar belə hallarla qaşrılaşanda müvafiq göstəricinin fərqli şəraitlərdə necə dəyişdiyini öyrənib, bu faktorları da son temperatur təxminlərinin hesablanmasında nəzərə alırlar. Buna baxmayaraq, izotop nisbəti birbaşa olaraq Yer sistemindəki istilik enerjisinin miqdarı ilə əlaqəli olduğundan, temperaturu təyin eləmək üçün ən yaxşı metodlardan sayılır.
Buradan metodun effektivliyi ilə bağlı bəzi nəticələrə gələ bilərik. İlk olaraq, iqlimi ölçən metod müvafiq iqlim dəyişəni (məsələn, temperatur, yağıntı və s.) ilə fiziki olaraq birbaşa əlaqəli olmalı və digər əlaqəsiz faktorlardan çox təsirlənməməlidir. Metodun bu şərtə uyğun olub-olmadığını yoxlamaq üçün XIX əsrin ortalarından bu yana toplanmış temperatur datasını "təməl həqiqət" (ing. ground truth) kimi qəbul edib, sözügedən metodun təməl həqiqətlə nə qədər uzlaşdığını yoxlamaq mümkündür. Digər bir faktor, metodun zamanda davamlılığıdır: məqsəd iqlimin tarixini öyrənmək olduğuna görə, tarixi datanın zamanda stabilliyi çox kritik əhəmiyyət kəsb edir. Buna görə, paleoiqlimşünaslıqda adətən dinamik yox, daha çox statik və akkumulyativ olaraq təsvir edə biləcəyimiz proseslər nəticəsində əmələ gələn datadan istifadə olunur (məsələn, ağacların hər il əlavə olunan illik halqaları, hər il okean dibinə çökən çöküntüdən yaranan özəklər, yağıntıdan formalaşan buz özəkləri və s.). Əgər bu data mənbələri kəsintisiz olmasaydı, onlardan yaradılan xronologiyada böyük sürüşmələrə yol aça bilərdi ki, bu da iqlimin təsiri ilə bağlı gəlinən nəticələri əhəmiyyətli dərəcədə sual altına bilərdi.
Beləliklə, hər bir elm sahəsində olduğu kimi paleoiqlimşünaslıqda da metodların detallarına baxmağın vacib olduğunu görürük. Dünyanı necə anladığımız onu hansı yollarla analiz etdiyimizdən, ona hansı pəncərədən baxdığımızdan birbaşa olaraq asılıdır. Keçmişdəki iqlimi özündə saxlayan faktorların zamanda necə dəyişdiyi daha da ətraflı öyrənildikcə tarixi xronologiyamız daha da dəqiq olacaq və buna bağlı olaraq iqlimlə digər proseslər arasındakı əlaqə haqda daha dəqiq fikirlər yaranacaq.
Bu həftənin sualı təkamül biologiyasında o qədər də çox diqqət görməyən bir mövzu ilə əlaqəlidir. Hamımız dərsliklərdə təkamül zamanı mühitə ən uyğun olub daha çox balalar istehsal edən fərdlərin seçildiyini, geri qalanlarının isə təbii seçmə prosesi ilə filtrləndiyini bilirik. Bu, çoxlarında dayanmadan inkişaf edən canlılar aləmi görüntüsü yaradır və prosesin son nöqtəsində ən mükəmməl canlı kimi insanın yarandığı fikrini yaradır. Lakin əslində ən uyğun və ən çox balası olan fərdlərin seçilməsi canlı təbiətdəki müxtəlifliyi izad edən mexanizmlərdən yalnız biridir. Ən qədim canlılar olan bakteriyalar son 3.5 milyard il, ən qədim heyvanlardan olan dalayıcılar (Cnidaria) ~750 milyon il ərzində baş verən saysız-hesabsız dəyişmələr (mühitdə, başqa canlıların əmələ gəlməsindən yaranan problemlər və s.) qarşısında öz təməl strukturlarını qoruyub saxlamağı bacarmışdırlar. Ona görə canlılar kimi dəyişkən olan və dayanmadan dəyişən kompleks müthidə yaşayan bir qrupun zamandakı dinamikasını ən uyğun olanın təbii olaraq seçilməsindən daha ümumi bir qayda ilə, stabil olanların həyatda qalması prinsipi ilə izah etmək olar.
Bu ifadə sizə ilk baxışdan səfsətə (tavtologiya) kimi gələ bilər və əslində belə düşünməkdə haqlısınız: Stabil olmaq onsuz da zamanda davamlılığı qorumaq deməkdir. Lakin canlıların müxtəlifliyinə stabillik nöqteyi-nəzərindən baxanda və nəzərə alanda ki, bəzi növ canlılar başqalarından qat-qat daha uzun bir zaman kəsiyində mövcudiyyətlərini qoruya biliblər, məhz bu stabilliyin nə ilə bağlı olduğu üzərinə suallar yaranır: Niyə Yer üzündə yaranmış ən erkən canlılardan bəziləri indiyədək bir növ olaraq struktur baxımından çox dəyişmədən həyatda qalmağı bacarıblar? Bu stabilliyə imkan verən xassələr hansılardır? Və bu xassələr stabilliyə tam olaraq necə töhfə verir?
Bu sual üzərinə düşünməyimiz üçün yaxşı bir səbəb iqlim dəyişikliyidir. İqlim dəyişikliyi ilk başda insanların özlərinin uzun vadədə həyatda qalma şanslarını təhlükəyə atır. Ona görə də, bəzi canlı növlərinin zamanda stabilliyinə imkan verən xassələri anlamaq, insan cəmiyyəti olaraq bizlərə də həyatda qala bilmək üçün ata biləcəyimiz addımlar haqda vacib dərslər verə bilər. Gələcəyin cəmiyyətini qurmaq üçün bizdən qat-qat yaşlı canlı qruplarından öyrənəcək çox şey var deyə düşünürük.
Təkamül ilə yeni canlılar əmələ gəlsə də, bu daha əvvəllər yaranmış canlılarıın birmənalı şəkildə tələf olacağı mənasına gəlmir; bəzi canlı formaları milyonlarla il fundamental olaraq dəyişmədən həyatda qala bilir. Bu uğur üçün vacib olan (ən azından bizim tapdığımız) iki xassə: canlıların bir-birilə əməkdaşlığı və quruluş baxımından sadəliyidir.
Daha Ətraflı
Həftənin sualı rubrikası çərçivəsində verdiyimiz 4-cü sual təbiətdə canlıların müxtəlifləyini izah edən mexanizmlərdən biri olan stabillik ilə bağlı idi. Nəyə görə bəzi canlılar bir neçə milyard il ərzində varlıqlarını və təməl bədən planlarını qoruyub saxlaya bilmiş, digərləri isə yarandıqdan bir müddət sonra tələf olmuşdur?
Canlıların əmələ gəlib dəyişməsi təkamül biologiyasında çox araşdırılan, üzərinə çox danışılan bir mövzudur. Darwinist təkamül nəzəriyyəsi əsasən canlıların dəyişməsini, başqalaşmasını izah edir. Bəlkə də bunu Darwinin yaşadığı dövrdə daha da sürətlənən Sənaye İnqilabı və onun Darwin və digərlərinin düşüncəsinə göstərdiyi təsir ilə əlaqələndirmək olar. Ənənəvi institutların sürətlə dəyişdiyi, yeni institutların yarandığı bu dövrdə dəyişməyə fokuslandığına görə hər halda Darwini qınamaq olmaz. Lakin təbiətdəki canlı müxtəlifliyini izah etmək üçün təbii seçmə yolu ilə təkamül nəzəriyyəsi kifayət etmir. Hətta bir addım irəli getsək, təbii seçmənin canlı müxtəlifliyini, mənşəyini izah edən yeganə və ya əsas mexanizm olaraq görmək təbiət tarixindən vacib dərslər almağın qarşısını ala bilər. Resurslar uğrunda bir-birilə rəqabət aparan və bu yolda təkmilləşərək, dəyişərək mühitə uyğunlaşan canlılara əsaslanan bu nəzəriyyə təbiətdəki stabilliyin əhəmiyyətinə kölgə sala bilər: təkamül ilə yeni canlılar əmələ gəlsə də, bu daha əvvəllər yaranmış canlılarıın birmənalı şəkildə tələf olacağı mənasına gəlmir; bəzi canlı formaları milyonlarla il demək olar ki, fundamental olaraq dəyişmədən həyatda qala bilir. Bu uğur üçün vacib olan (ən azından bizim tapdığımız) iki xassə: canlıların bir-birilə əməkdaşlığı və quruluş baxımından sadəliyidir.
Əməkdaşlığın ən vacib nümunəsinə eukariot (həqiqi nüvəli) canlıların yaranmasında rast gəlirik. İlk dəfə rus alimi Konstantin Merejovski tərəfindən ortaya atılan daha sonra əsasən Lynn Margulis və həmkarları tərəfindən irəli sürülən və artıq geniş ölçüdə qəbul olunmuş endosimbiont nəzəriyyəsinə görə, eukariot hüceyrələrin mənşəyi məhz belə bir əməkdaşlıqla bağlıdır. Bu nəzəriyyəyə əsasən, eukariot hüceyrələrin əcdadı, başqa bir prokariot hüceyrəni udan lakin həzm etməyən bir hüceyrə olmuşdur. Yəni, əgər normalda hüceyrələr udduqları başqa hüceyrəni həzm edirdilərsə, eukariot hüceyrələrin əcdadı bunu etməmiş (və ya bəlkə də edə bilməmiş), əvəzində udduğu hüceyrə ilə birgə fəaliyyət göstərməyə başlamışdır. Eukariot hüceyrələrin əsas orqanellərindən olan xloroplast və mitoxondrilərin irsi materiallarının bakteriyalarınkı ilə birbaşa əlaqəli çıxması əvvəllər o qədər də isti baxılmayan bu nəzəriyyənin geniş miqyasda qəbul olunmasına gətirib çıxarmışdır. Bu tapıntı bir mənada canlıların təkcə mühitə uyğunlaşıb bir-birilə rəqabət halında həyatda qaldıqları ideyasına ziddir, çünki göstərir ki, yeni canlının əmələ gəlməsi üçün iki (va ya daha artıq) fərqli canlılarıın bir araya gəlib yeni bir bütöv əmələ gəlməsi də rol oynaya bilər.
Buna baxmayaraq, eukariot hüceyrənin hekayəsi təbiətdəki əməkdaşlığın kiçik və bir qədər ekstrim örnəyidir. Belə ki, daha diqqətlə baxdıqda simbiontların (birgə yaşayan) izlərini hər yerdə, o cümlədən insan bədənində görmək mümkündür. İnsan bədəni içində və üzərində milyardlarla kiçik orqanizmi daşıyan bir ekosistemdir. Bağırsaqlarımızdan tutmuş dərimizə qədər bütün bədənimiz boyu bizimlə birgə çalışan prokariot əməkdaşlarımız var, hətta onların toplam sayı öz bədənimizdəki hüceyrələrin sayından daha artıqdır. Bütün bunlar sualımızla necə əlaqəlidir? Əlaqə budur ki, əməkdaşlıq həyatda qalmaq üçün canlılar üçün yeni bir pəncərə açır. Ən stabil olan strukturlardan bəziləri, məsələn bakteriyalar, eyni zamanda əməkdaşlıq halında yaşaya bildiyi fərqli növlərin sayına görə ən irəlidə gedən canlı növləridir. Bəlkə də bakteriyalara son 3.5 milyard il boyu həyatda qalmağa imkan verən şeylərdən biri, başqaları ilə rəqabətdə qalib gəlmələri yox, daha çox fərqli canlı ilə əməkdaşlığa girə bilmə qabiliyyətləridir.
Əməkdaşlığın digər vacib forması isə məlumat alış-verişidir. Bakteriyaların böyük hissəsi horizontal gen transferi deyilən genetik informasiya alış-verişi aparır. Bu zaman bir bakteriyadakı informasiya molekulu (çox vaxt DNT), digər bir canlıya keçir və qəbuledici fərdin həmin materialdan istifadə edərək yeni şeylər etməsinə, məsələn, antiobiotiklərə qarşı müqavimət göstərməsinə icazə verir. Bakteriyaların öz aralarında azad şəkildə informasiya ötürməsi onlara öyrəşmədikləri mühitlərdə belə həyatda qalmağa və çoxalmağa icazə verir.
Stabillik üçün vacib başqa bir faktor sistemin nə qədər kompleks olmasıdır. Bu haqda düşünmək üçün statistik bir bənzətmədən istifadə edə bilərik. Statistikada əldə etdiyiniz dataya uyğun bir model hazırlayanda müəyyən sayda parametrdən istifadə edib həmin parametrləri dataya uyğun olaraq kökləyirsiniz. Məsələn aşağıda göstərilən y = ax + b formasında olan sadə xətti reqressiya modelidir (Şəkil 1, sol). Modelin parametrləri (a və b) dataya uyğun köklənmişdir və müəyyən dəyərə malikdir. Lakin eyni datanı daha çox sayda parametrə sahib, daha kompleks bir tənlik ilə də təsvir etmək olar (Şəkil 1, sağ).
Parametrlərin sayını daha da artırmaq olar. Lakin buradan götürməli olduğumuz mesaj budur: datanı daha qəliz, çoxparametrli tənliklə və ya az kompleks, az sayda parametrlə ifadə etmək mümkündür. O zaman sual edilə bilər ki, bəs onda niyə datanı mümkün olan maksimum sayda parametrlə ifadə etmirik? Ona görə ki, çox sayda parametr heç də daha məfhumu təsvir etməyin ən yaxşı olmaya bilir. Buna statistikada ifrat köklənmə deyilir. İfrat köklənmiş modellər əldəki datanı çox dəqiq təsvir etsə də, bilinməyən datanı yaxşı təxmin edə bilmir. Buna görə də, statistikada istifadə edilən modellər adətən datanı təsvir etməklə təxmin etmək arasındakı orta nöqtədə quraşdırılır (Şəkil 1, orta).
Canlılar da həyatda qalmaq üçün mühitdən gələn məlumatları bu və ya digər formada işləməli və gələcəkdə baş verə biləcək şeyləri təxmin etməyi bacarmalıdırlar. Bu mənada, canlının funksional sistemlərini mühitdən alınan informasiyaya köklənmiş, çox sayda fərqli parametrdən ibarət tənlik olaraq da görə bilərsiniz. Statistikada olduğu kimi təbiətdə də ifrat köklənmə canlının təxmin etmə və dolayı yolla stabilliyinə təsir edir: mühitinə həddən artıq uyğunlaşmış canlı həmin mühitdə baş verən dəyişikliklərə qarşı çox həssas ola bilər: həddən artıq uyğunlaşsa, məsələn, canlı bütün vaxtını qida yerlərini əzbərləməyə sərf eləsə, çox qida əldə edə bilər, amma mühit bir anda katastrofik bir hadisə ilə dağılsa bu biliklər və onlara xərclənmiş zaman boşa çıxar. Ona görə də, canlılar həm təkamüldə həm də həyatları boyu konkret faktları yox, ümumiləşdirilə bilən qaydaları, qanunauyğunluqları öyrənir və mühitin spesifik faktlarına ifrat köklənmirlər. Bu kontekstdə, canlıların sadəliyi və daha az parametrdən "ibarət olmaları" onlara daha yüksək ümumiləşdirmə qabiliyyəti verə bilər. Belədə, ehtiyacları az olan, həyata keçirə bildikləri fəaliyyətlərin növü az olan canlılar mühitdəki bir çox faktorun dalğalanmasından daha az təsirlənə bilər.
Bunlar, ən azından bizim təyin edə bildiyimiz faktorlardır. Sualın mətnində də qeyd etdiyimiz kimi, stabil olanın həyatda qalması ideyası səfsətədir. Lakin düşünürük ki, canlılar aləmində stabilliyin birbaşa öyrənilməsi bizə qarşıda duran çətin dövrlərlə bağlı həyati dəyərə sahib dərslər vermək potensialına malikdir.
Azərbaycan dilinin qrammatikası çoxlarımız üçün məktəb illərində testlərdə düzgün cavabları tapmaq xətrinə əzbərləməli olduğumuz bir şey kimi yadda qalıb. Lakin bu heç də belə olmalı deyil. Azərbaycan dili zəngin şəkilçilərə malik olub bu şəkilçilər vasitəsilə bir sözdən minlərlə söz yarada bilən bir qrammatikaya sahibdir ki, bu da onu quruluş baxımından çox maraqlı və kompleks edir. Sözdəki şəkilçilər müəyyən qanunauyğunluqlarla birləşərək birləşdikləri sözü səslənən fikirdə müəyyən yerə yerləşdirirlər. Azərbaycan dilində bir çox sözün ala biləcəyi minlərlə forma olduğundan və ya sadəcə bəzən diqqətsiz olduqlarından insanlar bu sözləri tez-tez səhv yazırlar. Bu həftənin sualı budur:
Yazılışda buraxılan səhvləri düzəltməyi bir maşına öyrətmək üçün, (başqa sözlə, müstəqil şəkildə imla yoxlaya bilən bir maşın düzəltmək üçün) bizə nələr lazımdır?
Sualı cavablamaq üçün dilçi, proqramçı və s. olmağınıza ehtiyac yoxdur. Sadəcə yanlış yazılmış bir mətnin düzəldilməsi zamanı tam olaraq nələr edirik və bu zaman hansı bilgilərdən istifadə edirik sualları barədə düşünsəz, müəyyən həll yolu öz-özünə ortaya çıxacaqdır.
Bu suala ən yaxşı cavabın müəllifi Elnur Hacıyev adlı oxucumuz olmuşdur. Elnur cavabında imla yoxlayıcısının düzgün işləməsi üçün lazımi komponentləri göstərmişdir. Bunlara dildəki sözləri ehtiva edən lüğət bazası, şəkilçilər siyahısı, şəkilçilərin sözlərə birləşmə qaydaları daxildir. Lakin Azərbaycan dilinin morfoloji zənginliyi təkcə bu komponentlərlə imla yoxlayıcısı hazırlamağa imkan vermir.
Daha Ətraflı
Azərbaycan dilinin morfoloji zənginliyi ondadır ki, sözlərin çoxu bir sıra şəkilçilər qəbul edə bilir və beləcə, bir söz minlərlə söz-forma yarada bilir. Sözlər şəkilçi qəbul edərək fərqli nitq hissəsinə, fərqli cümlə üzvünə çevrilə bilir. Buna görə də adekvat işləyən imla yoxlayıcısı ilk öncə söz səviyyəsində morfoloji analiz aparıb, sözü parçalara ayıra bilməlidir.
Lakin imla yoxlayıcısının işi təkcə səhvləri tapmaq deyil, eyni zamanda düzgün alternativləri təklif etməkdir. Buna görə də, bir çox imla yoxlayıcısı həm də insanların tez-tez etdikləri səhvləri modelləşdirən səhvetmə modeli də ehtiva edir. Bu model sayəsində səhvin hansı növ səhv olduğunu təyin edib, düzgün alternativləri təklif etmək olur.
İmla yoxlayıcısının işi heç bununla da bitmir. Belə ki, imla yoxlayıcısı ideal olaraq təkcə söz səviyyəsində deyil, eyni zamanda, cümlə səviyyəsində işləməli, sözün cümlədəki işlənmə tərzini, yerini də analiz edib, məsələn, doğru yazılmış sözün cümlədə qrammatik olaraq doğru istifadə olunub-olunmadığını təyin etməlidir. Bunun üçün dil modellərindən geniş istifadə olunur. Dil modelləri geniş bir dil toplusunda sözlər arasındakı statistik əlaqələri təsbit edir, müəyyən bir söz ardıcıllığından (və ya tək bir sözdən) sonra hansı sözün gələcəyinin ehtimalını hesablayır. Dil modellərindən dilin istifadə edildiyi demək olar ki, hər yerdə, o cümlədən, müasir smartfonların yazı sistemlərində də istifadə olunur.
Qısacası, Azərbaycan dilində imla yoxlayıcısının əsas vəzifəsi sözlərin morfoloji analizi, onların cümlədəki yerini və istifadəsini yoxlamaq, səhvlərin növünü təyin edib, potensial doğru variantlar təklif etməkdir. Bu vəzifələri yerinə yetirmək üçün bizə görə ən başlıca lazım olan komponentlər morfoloji analizator, lüğət, dil və səhvetmə modelləridir.
Mövzu ilə maraqlananların nəzərinə, Türk dili üçün imla yoxlayıcısı mövzusunda yazılmış bu məqalədə müxtəlif yanaşmaların müqayisəsi verilmişdir:
Torunoglu-Selamet, D., Bekar, E., Ilbay, T., & Eryigit, G. (2016). Exploring Spelling Correction Approachesfor Turkish. In Proceedings of the 1st International Conference on Turkic Computational Linguistics at CICLING, Konya (pp. 7-11).