Bir elektrik-elektronik mühendisi olarak devre kartlarına, mikrodenetleyicilere veya yapay sinir ağlarına baktığımda büyü görmüyorum; matematik, lineer cebir ve gerilim seviyeleri görüyorum. Ancak bugün insanlığın büyük bir kısmı, ekranın karşısına geçip bir yapay zekâ modeliyle sohbet ettiğinde karşısında düşünen, hisseden, hatta bazen "bilinç kazanmış" bir varlık olduğunu varsayıyor. İnsanoğlu, kendisine mantıklı cümleler kuran her şeyi bilinçli kabul etmeye programlanmış kadim bir psikolojik zaafa sahip: Antropomorfizm (İnsana Özgü Nitelikler Yükleme).
Peki, perdeyi kaldırıp o parıltılı arayüzlerin ardındaki silikon yongalara ve tensör bloklarına indiğimizde ne var? Sizi hayal kırıklığına uğratmak istemem ama orada bir "akıl" yok. Karşımızda duran şey, insanlık tarihinin gördüğü en kusursuz, en sofistike istatistiksel illüzyondur. Gelin, yapay zekânın neden "düşünmediğini", yalnızca trilyonlarca parametrelik bir tahmin motoru olduğunu teknik olarak deşifre edelim.
Yapay zekâ modelleri anlamı idrak etmez; çok boyutlu uzayda en yüksek istatistiksel olasılığa sahip sonraki belirteci (token) seçer.
1. Sonraki Belirteç Tahmini: Biliş Değil, Koşullu Olasılık
Bugün kullandığımız LLM'lerin (Büyük Dil Modelleri) merkezinde çalışan matematiksel prensip aslında şaşırtıcı derecede yalındır: Bir sonraki kelime parçasını (token) tahmin etmek.
Modele "Gökyüzü neden..." diye bir girdi verdiğinizde, model gökyüzünün mavisini hayal etmez ya da atmosferdeki Rayleigh saçılmasının fiziksel varlığını içselleştirmez. Modelin yaptığı tek şey, internetten kazınmış terabaytlarca metinden öğrendiği ağırlık matrislerini tarayıp şu koşullu olasılık fonksiyonunu çözmektir:
Model için "mavidir" kelimesi, ontolojik bir renk tanımı değildir; binlerce boyutlu bir vektör uzayında "gökyüzü" vektörüne kosinüs benzerliği açısından en yakın duran koordinat kümesidir. Eğer modeli eğittiğiniz metinlerin tamamında "Gökyüzü yeşildir" yazılsaydı, model aynı sarsılmaz özgüvenle gökyüzünün yeşil olduğunu iddia edecekti. Çünkü model için "doğru" veya "yanlış" yoktur; yalnızca "istatistiksel olarak en uyumlu" sıra vardır.
2. "Halüsinasyon" Bir Hata Değil, Sistemin Doğal Çalışma Prensibidir
Kullanıcılar genellikle yapay zekâ uydurma bir makale referansı verdiğinde veya var olmayan bir tarihi olay anlattığında "Model hata yaptı, delirdi" derler. Teknik açıdan bu tamamen yanlıştır. Model hata yapmamıştır; görevini kusursuz şekilde yerine getirmiştir.
Yapay zekâ veri tabanı sorgulayan bir SQL motoru değildir; bir metin tamamlama mekanizmasıdır. Siz ona akademik bir soru sorduğunuzda, cevabın içine bir kaynakça yerleştirmesi gerektiğini istatistiksel kalıplardan bilir. Elinde gerçek bir kaynakça yoksa, akademik referans formatına (Yazar, Yıl, Dergi Adı, DOI) harfi harfine benzeyen, gramer açısından kusursuz ama tamamen kurgusal bir metin bloğu örer. Literatürde buna "Stochastic Parrot" (Rastlantısal Papağan) denmesinin sebebi budur: Anlamını bilmediği sesleri kusursuz bir diksiyonla taklit eden bir papağandan farksızdır.
İnsan Muhakemesi vs. Yapay Zekâ Yakınsaması
| Özellik | İnsan Zihni (Bilişsel Süreç) | Büyük Dil Modeli (LLM) |
|---|---|---|
| Temel Mekanizma | Kavramsal Anlama & Nedensellik | Korelasyon & Olasılıksal Tamamlama |
| Gerçeklik Algısı | Fiziksel dünya ile duyusal temas | Sayısallaştırılmış metin tokenları (Sıfır duyu) |
| Bilgiye Güven | Şüphe, doğrulama, mantık süzgeci | Eğitim verisindeki yoğunluk dağılımı |
| Bilinç Durumu | Bilinçli varoluş (Sentience) | Saf Matematiksel İllüzyon (Zero-Sentience) |
3. Çin Odası Deneyi: Sözdizim (Syntax) ile Anlam (Semantics) Farkı
Filozof John Searle'ün 1980 yılında ortaya attığı meşhur "Çin Odası" (Chinese Room) düşünce deneyi, bugün karşı karşıya olduğumuz yapay zekâ gerçeğini 45 yıl önceden özetlemişti.
Tek bir kelime bile Çince bilmeyen bir adamı kapalı bir odaya koyun. Elinde devasa bir kural kitabı olsun: "Kapının altından gelen kağıtta şu sembol varsa, sen de ona karşılık kutudan şu sembolü bulup dışarı at." Dışarıdaki Çince konuşan bir insan, odadan çıkan kusursuz yanıtları görünce odanın içinde Çinceyi akıcı şekilde bilen bir dâhinin oturduğunu sanacaktır. Oysa içerideki adam sembollerin tek bir anlamını bile bilmemektedir; sadece kural kitabındaki eşleşmeleri uygulamaktadır.
İşte sunucularda trilyonlarca transistörün yaktığı milyarlarca kilovatsaat elektrikle çalışan dev modeller tam olarak bu odadaki adamdır. Sözdizimini (syntax) mükemmel taklit ederler, ancak semantikten (anlamdan) tamamen yoksundurlar.
Mühendislik Sonucu: Aracı İlahlaştırmamak
Bu analizin amacı yapay zekâyı küçümsemek kesinlikle değildir. Bilakis; istatistiksel bir modelin insan dilinin karmaşıklığını bu denli kusursuz modelleyebilmesi, bilgisayar bilimleri tarihinin en büyük zaferlerinden biridir. Kod yazarken, devre şeması analiz ederken veya veri özetlerken bu araçlar eşsiz birer verimlilik çarpanıdır.
Tehlike, aracın kudretinde değil; kullanıcının teslimiyetindedir. Karşımızdakinin bir "bilinç" değil, yüksek boyutlu bir tensör hesaplayıcı olduğunu unuttuğumuz an; halüsinasyonları gerçek, istatistiksel tahminleri ise değişmez hakikat zannetmeye başlarız. Geleceğin en değerli mühendislik ve zihinsel yeteneği; yapay zekâya soru sormak değil, onun verdiği istatistiksel yanıtları eleştirel mantık süzgecinden geçirebilecek hakiki muhakeme gücünü korumak olacaktır.
Siz Hiç Bu İllüzyona Kapıldınız Mı?
Bir yapay zekâ modelinin cevabını okurken sanki karşınızda canlı bir akıl varmış hissine kapıldığınız oldu mu? Ya da sizi en çok şaşırtan "halüsinasyon" deneyimi neydi? Düşüncelerinizi yorumlarda paylaşın!
