İki üç yıl önce bir hafta sonu Beyoğlu’nda dolaşmaya
çıkmıştım. Akşamüstü İstiklâl’den Taksim’e doğru yürüyor, bir
yandan da aylak aylak etrafa bakınıyordum. (Taksim’de
sıkıyönetimin olmadığı zamanlardı ve kafamıza nereden gaz
kapsülü gelir diye dikkat etmemiz gerekmiyordu.)
Meydana ulaştığımda gökyüzünde kalabalık bir kuş sürüsü
gördüm. Şehirde alıştığımız martı veya serçe sürüleri gibi
değildi. İzlenimci bir ressamın kara noktalarla çizdiği,
bilinçli dev bir varlık gibi görünüyordu, mavilikte bir damla
misali sağa sola yalpalanıyordu. Maksem’in duvarına yaslanıp
seyre daldım. Ara sıra sürüden bir grup kopuyor, ardından
tekrar birleşiyordu. Sürü dalgalanıyor, titreşiyor, spiral
kollar uzatıyor, sonra yine topaklanıyordu. Grup bir bütün
olarak aniden yön değiştirse de, hiç bir kuşun sürünün dışında
kaldığı görülmüyordu. Yüzlerce, belki binlerce kuşun
büyüleyici dansı gün batana kadar sürdü.
Sığırcık sürülerinin sihirli uçuşlarını dünyanın birçok
yerinde görmek mümkün. “Starling murmuration” kelimeleriyle
yapılacak bir arama size pek çok resim ve video gösterecektir.
Özellikle açık arazilerde çekilen videolar hayranlık
uyandırıcı.
Sadece sığırcıkların değil, pek çok hayvan türünün sürü
halinde hareket ettiğini biliyoruz: Birçok kuşun yanı sıra
balıklar, bizonlar, zebralar, çekirgeler, kurtlar, insanlar,
hatta bakteriler bile sürü davranışı sergilerler. Omurgalı
veya omurgasız, memeli veya yumurtlayan, sıcakkanlı veya
soğukkanlı, bu kadar farklı canlıda görülen bu temel davranış,
sürüleşmenin çok önemli bir evrimsel avantaj sağladığını
gösteriyor.
|
|
(Sol üst: Walwyn – Flickr. Sağ üst: Joan
Campderrós-i-Canas – Flickr. Sol alt: Wikimedia
Commons. Sağ alt: Tambako The Jaguar – Flickr) |
Neden sürüler oluşur?
Sürü halinde toplu hareket etmenin en büyük faydası korunma
sağlaması. Sürünün kenarında değilseniz dışarıdan yaklaşan bir
avcı sizin için tehlike oluşturmaz. Kenardaki azınlık da hep
dışarıda kalmaz zaten, içeriye doğru girerler. Avcı bazen
sürüye yaklaşamaz bile; sürünün bir üyesi bile avcıyı tespit
etse diğerlerine haber verir ve kaçmalarını sağlar. Avcı
peşlerinden koşsa bile, hangi birini yakalayacağını şaşırıp
zaman kaybeder.
Yırtıcı hayvanların çoğu yalnız avcılardır, ama kurtlar ve
aslanlar gibi sürü halinde avlanan türler de vardır. Böylece
büyük avlara hep beraber saldırabilirler. Sürüleşme daha
kurnazca amaçlarla da kullanılabilir. Mesela, bir sırtlan
çetesi bir çitanın üstüne yürüyüp, alnının teriyle avladığı
antilopu bırakıp gitmeye zorlayabilir.
Sürüleşmenin daha çılgınca sebepleri de olabiliyor. Meselâ çöl
çekirgelerinin kıtlıkta birbirlerini yedikleri bilinir. Ergen
çöl çekirgeleri daha yetişkin olmadıkları için uçamazlar ama
yürüyebilirler. Grup belli bir kalabalığa ulaştığında
yamyamlık belirtileri başlar. Sübyan çekirgeler arkalarındaki
arkadaşlarının “ittirmesini” hissettiklerinde, yem olmamak
için sürekli ileri doğru yürürler. Birbirlerine çok
yaklaşmaktan da kaçındıkları için sağa sola sapmadan dümdüz
giderler. Böylece milyonlarca bireylik bir sürü oluşur, ama
birbirlerine sokulmak istediklerinden değil, tersine, kaçınmak
istediklerinden.
Başka bir örnek olarak, Amazon tırtıl katarlarının garip
hareketini daha önce Açık Bilim’de işlemiştik.
Her türün sürüleşmesi farklı farklı. Türün hareket
kabiliyetine, kıvraklığına, algı gücüne, beyin kapasitesine ve
çevre şartlarına göre çok farklı sürü davranışları
görülebiliyor. Bazılarında hayvanlar omuz omuza ilerlerken,
bazılarında gevşek bir etkileşim oluyor. Bazılarının bariz bir
lideri var (mesela yaban kazları), bazı türlerde ise yok
(mesela sığırcıklar), bazılarında ise bireyler hiyerarşideki
yerlerine orantılı olarak takip ediliyorlar (mesela inekler).
Hesaplama modelleri ve simülasyonlar
Sürü hareketinin nasıl oluştuğunu anlamanın yollarından biri,
“birey temelli modelleme” uygulamak. Bu yöntemde sürüdeki her
bir hayvanın (sığırcık, balık, zebra) belli basit kurallara
uyarak kendi başına hareket ettiği varsayılır. Bireyler
hareketlerini yakın çevrelerine bakarak ayarlarlar. Bu tür bir
modelde koordine edici bir lidere ihtiyaç yoktur.
1987′de bilgisayar grafiği uzmanı Craig Reynolds böyle bir
model kurdu. Reynolds’un bilgisayarında yarattığı “kuşumsu”lar
sabit hızda uçuyorlar, en yakın komşularına göre uçuş
yönlerini şu üç basit kurala uyarak an be an düzenliyorlar:
-
Ayrışma: Fazla yakın komşulardan uzaklaş.
-
Hizalanma: Komşuların gittiği yönlere bak, ortalama yöne
göre kendini hizala.
-
Birleşme: Komşuların orta noktasına yönel.
Elbette bu kuralların her biri ayrı yönlere götürebilir. O
zaman “kuşumsu” üç yönün vektör toplamını alarak kendini
ayarlar.
|
|
Kuşumsuların yön değiştirme kuralları. Ayrışma (sol),
hizalanma (orta), birleşme (sağ). (Craig Reynolds) |
Reynolds bilgisayarını bu kurallarla programladığında gerçek
kuşlara benzeyen bir sürü hareketi oluştuğunu gördü:
Reynolds modeli, sadece yakın komşular arası etkileşmelerle,
sürü ölçeğinde düzenli bir hareketin ortaya çıkabileceğini
gösterdi. Kuşumsuların hareketi bireyseldir; bütün sürüyü
yöneten kimse yoktur. Ama her bireyin kendi komşularına göre
kendini ayarlaması, ufak bir değişimin bile hızlıca sürü
çapında dalga dalga yayılması anlamına gelir. Her şeyi yöneten
bir merkez olsaydı, iletişimdeki gecikmeler yüzünden bu kadar
hızlı tepki vermek ve düzen sağlamak mümkün olmazdı. Yani,
sığırcıkların büyüleyici dansı için bir liderin gerekli
olmasını bırakın, liderin hiç olmaması gerekiyor. Merkezi
yönetimin bulunmaması, hızlı uyum ve kıvraklık sağlıyor.
Reynolds’un öncülük ettiği birey temelli simülasyon yaklaşımı,
sağladığı gerçekçilik nedeniyle daha sonra animasyon filmlerde
ve oyunlarda kullanıldı. Örneğin, 1994 tarihli Aslan Kral
filmindeki yaban sığırı koşuşması sahnesi, böyle bir
algoritmayla hazırlandı.
Modeller ne kadar gerçekçi?
Sürü hareketi (veya daha genel bir ifadeyle “toplu hareket”)
ile sadece biyologlar ilgilenmiyor. Fizikçiler ve
matematikçiler Reynolds’un varsayımları üzerinde çeşitlemeler
yaparak bilgisayarlarında sürüler yaratıyorlar, ve bireysel
davranış kurallarının bütün sürünün hareketini nasıl
etkilediğini inceliyorlar.
Bu tür modellerin eksik tarafı, alışıldık anlamda bilimsel
kesinlik sağlamamaları. Bir astronom Newton yasalarını, bir
meteorolog akışkan dinamiği denklemlerini bilgisayarında
işleyerek geleceği (meselâ Ay tutulmalarını veya yarınki
havayı) hassas bir şekilde tahmin edebilir. Henüz
gerçekleşmemiş şeyleri tahmin edebilmek, bir bilimsel teorinin
en önemli güçlerinden biridir.
Ancak sürüler gibi karmaşık sistemlerde henüz bu güce sahip
matematiksel teorilerimiz yok. Kullanılan birkaç değişik model
var, ve bu modeller sadece akla yakın bazı varsayımlardan
ibaret. Örneğin, bu alanın en önde gelen araştırmacılarından
Tamas Vicsek’in adıyla anılan Standart Vicsek Modeli, Reynolds
modelinden bile basittir: Her sanal kuşun gideceği yön,
kendisine belli bir mesafede bulunan kuşların ortalaması olan
yön olarak belirlenir. Ek olarak, bu yönde küçük ve rastgele
bir değişiklik de yapılır. Bu rastgele değişiklik (“parazit”)
bir sürü iç ve dış faktörü içinde barındıran bir torba
gibidir: Havanın puslu olması, kuşun bilgi işlemesindeki
hatalar, hava akımları gibi ayrı ayrı eklemenin çok zor
olacağı faktörler rastgelelikle temsil edilirler.
Sürü modellerinin çoğu basit ve sade varsayımlara dayanırlar,
bu açıdan gerçekçi değildirler. Meselâ modellerdeki sanal
kuşlar birer “nokta”dır. Ne vücut biçimleri, ne kanat
uzunlukları, ne de zihin kapasiteleri hesaba katılmıştır. Oysa
ki bu ayrıntılar kuşların kıvraklıklarını, güçlerini, algı
hızlarını çok değiştirir. Bu ayrıntıların bir kenara
bırakılması yüzünden de, bilgisayarda yaptığımız hesabın
sonucunun kuşları gözleyerek elde ettiğimiz verilere tam
uymasını bekleyemeyiz.
Bu sebeple, karmaşık sistem modellerinin anlayışımıza yaptığı
katkı daha çok niteliklere dairdir. Modeli nasıl ayarlamalı ki
kuşlar birbirine çarpmasın? Sürünün bir arada uçması için
kuşların ne kadar yakın olması gerek? Sürü bölünüp
birleşebiliyor mu? Kuşların tahmin hataları sürünün oluşumunu
etkiliyor mu? Bu tür soruların cevapları, sayısal doğruluktan
çok, “benzerlik” olarak verilir. Modeller en fazla, hangi
varsayımların belli olguları ortaya çıkarmak için yeterli
olduğunu söyleyebilirler.
Belki ileride Newton yasaları veya Navier-Stokes denklemleri
gibi doğruluk payı çok yüksek modeller kurulabilecek, ama
şimdilik elimizdeki matematiksel yöntemler karmaşık sistemleri
hem sade hem de isabetli olarak tarif etmeye yetmiyor.
Bununla beraber modeller bazen sadece matematiksel
özelliklerinin ilginçliği için de incelenirler. Sözgelişi,
Vicsek’in modellerindeki “parazit” (kuşumsuların yönlerine
eklenen rastgele bileşen) belli bir seviyenin altına indiğinde
sürünün bireylerinin kolaylıkla birbiriyle hizalandığı, çok
parazitli bir ortamda ise dağınık kaldıklarını görüyoruz. Bu
gözlem, fizikte “faz geçişleri” olarak adlandırılan olguya
matematiksel olarak denk özellikler gösteriyor. Bu tür
modellerin birikmesiyle önümüzdeki yıllarda kendi gücüyle
hareket eden nesnelerin (yani canlıların) fiziksel hareket
denklemlerinin keşfedilmesi mümkün olabilir.
Gözlemler
Teorik modellerin yanı sıra, gözlem yoluyla sürü hareketine
dair veriler de toplanıyor. Ama bu tür veri toplama epey zor,
çünkü haliyle kontrollü deneye pek imkân vermiyor. Deneyci
sürüye fazla yaklaşırsa, sürünün davranışını bozma riski de
var.
Yine de teknolojiyi akıllıca kullanarak bu zorluklar
aşılabiliyor. İtalyan fizikçi Michele Ballerini ve çalışma
arkadaşları, üç ayrı konuma yerleştirdikleri kameralarla
sığırcık sürülerini filme almışlar. Benzer çalışmalarda
on-yirmi bireylik sürüler takip edilebilmişken, bu çalışmada
2700 bireye varan sürüler incelenmiş. Farklı açılardan kayıt
alındığı için, ileri görüntü işleme teknikleri kullanarak tek
tek kuşların üç boyutlu hareketini tekrar üretmeleri mümkün
olmuş. Bu sayede, modellerin test edilebileceği çok önemli bir
veri bankası oluşturabilmişler.
Veriler yeni bilgiler sağlamış. Sözgelişi, sığırcık sürüsünün
pide gibi yayvan bir yapıda olduğu görülmüş; yani sürünün
düşey yöndeki genişliği, yatay yönlerdekinden çok daha az. Bu,
mevcut sanal kuş modellerinin yakalayamadığı bir özellik.
Sebebi ise basit: Yukarı aşağı hareket etmek, yatay hareketten
daha fazla enerji harcatıyor. Yerçekimine karşı çaba göstermek
düşey yöndeki kıvraklığı azaltıyor.
Modeller, kuşların belli bir mesafeye kadar olan komşularına
göre hizalandıklarını varsayıyor. Verilere göre, kuşlar
birbirine çok yakın uçuyorsa bu varsayım doğru. Sürülerde her
bir kuşun kanat açıklığı doğal bir mesafe ölçüsü sağlıyor, ve
kuşlar gerçekten de çok yakındaki komşularından
uzaklaşıyorlar. Ancak çarpışma tehlikesi yoksa, kuşlar
yönlerini belirlemek için komşularına bakarken uzaklık bir
önem taşımıyor. Her bir kuş çevresindeki altı veya yedi yakın
komşusuna göre hizalanıyor. Bu da modellerde bulunmayan bir
özellik.
Sürülerin kamerayla gözlemlenmesi, kayıtların dijital veriye
dönüştürülmesi, ve matematiksel olarak incelenmesi henüz yeni
bir alan. Bu incelemeler sonucunda toplu harekete dair birçok
yeni ve ilginç özellik keşfediliyor ve bu davranışların
açıklanması için matematik ve fiziğe başvurmak gerekiyor. Bu
konuda araştırma yapmak isteyenleri bekleyen pek çok cevapsız
soru mevcut.
|
|
Afrika’da bir wildebeest sürüsü. (William Warby –
Flickr) |
İnsan dinamiği
İnsanların grup halindeki davranışı da aynı bağlamda, gerek
modeller kurarak gerek gözlemler yaparak inceleniyor.
İnsanların grup halinde nasıl hareket ettiğini anlamanın
uygulama alanları daha fazla. Sözgelişi, binaların inşa
planında sıkışmadan yürünebilecek bir düzen kurmak, panik
halindeki insanların güvenli ve hızlı bir şekilde dışarı
çıkmasını sağlamak gibi önemli uygulamaları var.
İnsanlar normal şartlarda kuşlar veya balıklar gibi sürü
oluşturmasalar da, yine de birbirinden kaçınma davranışı, ve
(özellikle panik halindeyken) diğerleriyle aynı yöne gitme
davranışı gösteriyorlar. İnsanların yürüme davranışına dair
matematiksel modeller, bireyler arasındaki uzaklığa bağlı olan
“sosyal kuvvetler” denen sanal itme-çekme kuvvetlerini
kullanıyor. Bu modellerin parametreleri video kayıtlarından
elde edilen deneysel verilere göre ayarlanınca, epeyce
gerçekçi bir matematiksel model elde edilebiliyor.
Kalabalık bir metro koridorunda veya tıklım tıklım bir sokak
pazarında yürüdüyseniz, karşılıklı iki yönden gelen insanların
kendiliklerinden belli bir düzene girdiğini, araç trafiğindeki
gibi şeritler oluşturduğunu farketmişsinizdir. Yayalar
karşıdan gelenlere çarpmamak için kenara çekile çekile, en
sonunda gittikleri yönde arka arkaya dizilirler. Bu düzen
oluşunca artık yer değiştirmeleri gerekmediği için bu şeritler
istikrarlı olarak devam eder. Tabii kendi kendine oluşan bu
şeritler, caddelerdeki gibi bir gidiş bir geliş düzeninde
olmuyor, yön değiştirerek yanyana bulunan birkaç gidiş birkaç
geliş şeridi olabiliyor. Sosyal kuvvetlere dayalı bilgisayar
simülasyonları bu gözlenen olguyu başarıyla tekrar
yaratabiliyor.
|
|
Fas’da bir sokak festivalinde iki yönde yürüyen
insanlar şeritler halinde organize oluyorlar. (Manfred
Schweda.) |
Panik durumu ise bambaşka dinamiklere yol açabiliyor.
Sözgelişi, tek kapısı bulunan bir salonda yangın çıktığında
herkes paniğe kapılarak çıkışa koşturuyor. “Sosyal kuvvet”
modelleri böyle bir senaryoda grubun kapıda sıkışıp
kalacağını, hareket kabiliyetinin azalacağını öngörüyor.
İlginç nokta şu: Bireyler daha yavaş hareket ettiklerinde
düzgün ve hızlı bir şekilde dışarı çıkabiliyorken, aceleyle
koşturduklarında çıkışları çok yavaşlıyor.
|
|
Sakin bir tempoyla salondan çıkışın simülasyonu
(OpenABM) |
|
|
Panik halinde koşarak salondan çıkışın simülasyonu.
Bireyler birbirlerini sıkıştırdıkları için kapıdan
geçmek çok zorlaşıyor. (OpenABM) |
İnsanları bir atom gibi, bir grubu da bir gaz gibi düşünürsek,
insanların hareket hızı kabaca gazın “sıcaklığı”na denk gelir.
Bu davranıştaki ilginçlik, gazı ısıttığımızda “katılaşması”,
yani insanların hareket edemez duruma gelmesi. Sıkışmayı
engellemek için, yoğunluğun azalması lâzım. Yani simülasyonlar
sağduyumuzu teyit ediyor: Tehlike durumunda koşmamak lâzım.
Ancak paniğe kapılan insanlar bu sağduyuyu gösteremeyebilir. O
zaman bina tasarımında bazı numaralar (bilgisayarcı deyimiyle
“hack”ler) kullanmak gerekebilir. Sözgelişi, delice gözükse
bile, çıkış kapısına yakın bir sütun koymanın, salondan çıkışı
hızlandırabildiği görülmüş. Kalabalık sütunun çevresinde
birikiyor, bu da kişiler arasındaki basıncı daha geniş bir
alana yayıyor. Sütunun etrafından dolanmaya mecbur kalmak,
telaşlı kalabalığın salonu boşaltma hızını artırıyor. Garip
ama gerçek.
|
|
Çıkışın önünde bir sütun olduğunda kapıdaki sıkışıklık
azalıyor, salonu boşaltmak kolaylaşıyor. (OpenABM)
|
Bu simülasyonları deneysel olarak test edemiyoruz, çünkü acil
durum tahliyesiyle ilgili konularda kontrollü deneyler yapmak
etik değil. İnsanları farlı salonlara koyup yalandan panik
yaratamazsınız. Avustralyalı araştırmacı Majid Sarvi bu
sorunun üstesinden gelmek için karınca sürüleriyle deneyle
tasarlamış. Karıncaları dar bir kapısı bulunan yapıların içine
koymuş ve ne kadar çabuk tahliye ettiklerini ölçmüş.
Karıncaların çıkışlar köşelere yakın olduğunda hızlıca
çıktıklarını, duvarın ortasındaki kapılarda ise yuarıdaki
resimdeki gibi biriktiklerini görmüş. Bu gözlemini
simülasyonlarla insan hareketi modelinde denediğinde yine
yüksek bir verimlilik gözlemiş. Ama karıncaların davranışı
insanlarınkinden çok farklı olduğu için bu deneylerin ne kadar
faydalı olacağı tartışılır.
Bina tasarımında yaya trafiğini artırmak için ilk bakışta
makul görünen ama işe yaramayan “hack”ler de var. Meselâ, dar
bir koridorda insanların yürüyüşünü hızlandırmak için araya
geniş bölgeler koymanın, hızlandırmak bir yana, yürüyüşü
yavaşlattığı simülasyonlarla gözlenmiş. Sebebi basit: Yürürken
araya mesafe koymak isteyen insanlar geniş bölgeye
geldiklerinde kenarlara yayılıyorlar, ancak dar bölgeye
gelince tekrar hizalanmak için yavaşlamak ve diğerlerini de
yavaşlatmak zorunda kalıyorlar.
|
|
Genişleyip sonra tekrar daralan bir koridor hareketi
yavaşlatıyor. (OpenABM) |
Aynı etkiyi araç trafiğinde de görebilirsiniz. Otoyol
gişelerinin hemen sonrasında trafik çok yoğun olur, oysa ki
yola giren yeni araç yoktur, nereden çıkar bu yoğunluk? Üç
şeritli bir otoyolda düzenli bir hızda giden araçlar, gişelere
gelindiğinde altı şeride yayılıp, gişelerden sonra tekrar eski
düzene girmek için birbirlerinin önünü keserler, trafik bu
yüzden yavaşlar.
KAYNAKÇA:
1)
Tamás Vicsek, Anna Zafeiris.
Collective Motion.
Physics Reports, Vol. 517, pp. 71-140, 2012
2)
Craig Reynolds,
Boids.
Erişim: 3.6.2014
3)
Carl Zimmer,
From Ants to
People, an Instinct to Swarm. The New York Times,
13 Kasım 2007
4)
Ballerini vd.,
Empirical investigation of starling flocks: a benchmark study
in collective animal behavior.
Animal Behaviour, vol. 76, sayı 1, Temmuz 2008, sayfa 201–215.
5)
Ballerini vd.,
Empirical
investigation of starling flocks: a benchmark study in
collective animal behavior. Animal Behaviour, vol.
76, sayı 1, Temmuz 2008, sayfa 201–215.
6)
Dirk Helbing, Anders Johansson. Pedestrian,
Crowd, and Evacuation Dynamics. arXiv:1309.1609
[physics.soc-ph]
7)
OpenABM,
Escape
Dynamics. Erişim: 3.6.2014
8)
Paul Marks,
Panicky ants
help design safest exit strategy. New Scientist,
4.6.2013.
|