Yapay zekanın gündelik yaşamımızın ayrılmaz bir parçası haline geldiğini söyleyebilir miyiz? Ya da, toplumun hangi kesimi için bu soruya olumlu cevap verebiliriz? Beyaz yakalı çalışan sınıf ve/veya Z kuşağı açısından pratik olarak yapay zekanın -o veya bu şekilde, farklı düzeylerde temas edilen- bir fenomen haline geldiğini söyleyebiliriz. ChatGPT ile makale yazıyor, Claude ile araştırma yapıyor, DALL-E ile görsel tasarlıyoruz. Ancak bu yoğun kullanımın ortasında temel bir soru ihmal ediliyor: Yapay zeka gerçekte nedir ve ne yapabilir? Daha da önemlisi, onu daha önceki teknolojik gelişmelerden farklı kılan nedir?

Bu yazı serisi, yapay zeka çağında yaşadığımız dönüşümü anlamak için bir rehber olmayı amaçlıyor. İlk yazıda, yapay zekanın mevcut teknik kapasiteleri ve sınırları ele alınacak, yapay zekanın önemli toplumsal dönüşümlere sebep olmuş daha önceki teknolojik gelişmeler ile ortaklaşan veya ayrılan yönleri incelenecek. Bu inceleme sırasında amaç, ne yapay zeka karşıtı bir tutum almak, ne de körü körüne övgüler düzmek. Bunun yerine, gerçekçi bir değerlendirmeyle yapay zekanın ne olduğunu ve ne yapabileceğini anlamaya çalışmak.

Yapay zeka ile ilgili herkesin zihninde dolaşan birçok soru var: Yapay zeka gerçekten ne kadar “zeki”? İşlerimizi elimizden alacak mı? Eğitim ve sağlık gibi temel sistemlerimiz nasıl değişecek? Gelir dağılımı ve eşitsizlik daha da mı derinleşecek? Demokrasimiz ve mahremiyetimiz risk altında mı? Bu sorulara verilecek cevaplar karşısında oldukça heyecanlanan veya son derece endişelenenler olduğu malum. Bu gelişmeler karşısında bireysel veya sektörel tutumlara ve bunu ortaya çıkaran toplumsal koşullara geçmeden önce, değerlendirme yapılacak zemini oluşturmak yerinde olacaktır. Teknolojik gelişmelerin toplumsal hayata etkilerinin tarihsel gelişimine bakmak, buhar makinesinden internete uzanan yolculuğun devamında ulaştığımız noktayı, bugün içinde yaşadığımız dönüşümü daha iyi kavramamız için yol gösterici olacaktır.

1. Teknolojik Dönüşümler ve Toplumsal Etkileri

Taş aletlerin yapımı, tekerleğin veya yazının icadı, matbaa, buhar makinesi ve her büyük teknolojik atılım, sadece üretim biçimlerini değiştirmekle kalmamış, aynı zamanda sosyal ilişkileri, kültürü ve hatta düşünme biçimlerini de değiştirmiştir. Teknolojik ilerlemeler toplumu şekillendirirken, toplumsal ihtiyaçlar ve politik tercihler de teknolojik gelişmelere yön vermiştir. Bugün yapay zeka çağına geçişi anlamak için, ateşin veya tekerleğin bulunduğu antik çağlara kadar geri gitmeden, sanayi devrimi milat olarak alınabilir.

• Mekanik Çağ (Birinci Sanayi Devrimi): yüzyılda başlayan Birinci Sanayi Devrimi, kas gücünden makine gücüne geçişi temsil etmektedir. Üretimin gücü ortaya çıktı ve aslında bugün bilinen dünyanın hikayesi bu şekilde başladı. Buhar makinesi, dokuma tezgâhları ve demir işleme teknolojilerinin gelişimi, üretimi zanaat atölyelerinden fabrikalara taşıdı. Üretimin el emeğinden makine temelli üretime geçmesi, verimliliği artırdı ancak işçiler artık makinelerin ritmine bağımlı hale gelmiş oldu. Üretim ilişkilerinde yaşanan bu dönüşüm, hayat ritmini de etkiledi. Feodal toplumun sınıf yapısı çözülmeye; yerine burjuvazi (fabrika sahipleri) ve proletarya (sanayi işçileri) arasındaki ilişki üzerine kurulu bir sistem ortaya çıkmaya başladı. Toplumsal sınıflar yeniden yapılandı, orta sınıf kavramı ortaya çıktı. Belirli merkezlerde açılan fabrikaların işçi ihtiyacı, kentlerin nüfusunun artmasına sebep oldu. Kahvehaneler, parklar ve meydanlar gibi kamusal alanlar, yeni oluşan kentli sınıfların buluşma ve tartışma mekanları haline geldi. Gazetelerin yaygınlaşması, kamuoyu kavramının doğmasına ve politik tartışmaların genişlemesine yol açtı. Dönüşen kamusal alan, artık kitlesel iletişim faaliyetleri için de bir ortam haline geldi. En önemli değişimlerden biri zamanın nasıl algılandığı konusunda yaşandı. Tarım toplumlarında mevsimler ve güneşin hareketleriyle belirlenen zaman, fabrika düdükleri ve iş saatleriyle yapılandırılan mekanik bir kavrama dönüştü. “Vakit nakittir” anlayışı yerleşti. Tüm bu dönüşüme itiraz edenler de oldu, makineleşmeye karşı Luddite hareketi gibi tepkiler ortaya çıktı – dokuma işçileri yeni teknolojilerin işlerini ellerinden aldığını düşünerek makineleri parçaladı. Bu direniş, günümüzdeki teknoloji karşıtı hareketlerin öncüsü sayılabilir. Sanayi devrimi, üretimde verimi artıran büyük bir teknolojik gelişme olarak tarihteki yerini alırken, yarattığı verimli üretim düzeni ile kentlerden ekonomiye büyük bir dönüşüm de başlatmış oldu.
• Kitlesel Üretim Çağı (Fordizm): yüzyılın başında, Frederick Taylor’un Taylorizm diye adlandırılan yönteminin geliştirilmesi ve otomobil montaj hatlarında da uygulanmasıyla Fordizm adıyla bilinen, verimlilik odaklı üretim sistemi yaygınlaştı. Verimlilik hırsıyla giderek hızlanan emeğin yaptığı işe yabancılaşmasının doruğa çıktığı bir devir başladı. Kitlesel üretim ile artan ürünleri tüketen bir toplum da inşa edildi. Üretim süreci küçük, basit ve tekrarlayan görevlere bölündü. Bu “bilimsel yönetim” yaklaşımı verimliliği artırırken, standardizasyon ve iş bölümü işçinin beceri setini ve üretim sürecine hakimiyetini daralttı. Henry Ford, 1914’te günlük ücreti 2,34 dolardan 5 dolara çıkararak devrim yarattı. Bu hamlenin arkasında birkaç hesap vardı: Yüksek işçi devir hızını azaltmak, kalifiye işgücünü elde tutmak ve -belki de en önemlisi- işçileri kendi ürettikleri ürünlerin tüketicileri haline getirmek. Ford’un “işçilerim arabalarımı satın alabilmeli” felsefesi, kapitalist sistemde yeni bir dönemin habercisiydi: Ücretli işçi aynı zamanda tüketici olmalıydı. Bu yaklaşım, kitlesel tüketim toplumunun temelini oluşturdu. Ancak Ford’un bu uygulaması, bir şirket politikasının ötesine geçemedi. 1920’lerin sonunda yaşanan Büyük Buhran, kapitalist sistemin kendi içindeki çelişkileri açığa çıkardı. Üretim kapasitesi artmış, ama tüketim talebi çökmüştü. Bu kriz, devletin ekonomideki rolünü yeniden tanımlamayı zorunlu kıldı. 1929 Büyük Buhranı’nın ardından, 1933’te başlayan Roosevelt’in New Deal programları, devlet müdahalesinin sistematik hale geldiği yeni bir dönemi başlattı. Sosyal güvenlik sistemleri, işsizlik sigortası, sendikalaşma hakkı (Wagner Yasası, 1935) ve asgari ücret düzenlemeleri gibi uygulamalar, Ford’un bireysel girişimini toplumsal bir politikaya dönüştürdü. John Maynard Keynes’in teorileriyle şekillenen bu yaklaşım, kapitalizmin krizlerini yumuşatan toplumsal dengeleyiciler olarak işlev gördü. Artık işçi ücretleri sadece bireysel şirketlerin kararına bırakılmıyor, devlet garantisi altında sistemin bir parçası haline geliyordu. Radyo, televizyon ve sinema gibi kitle iletişim araçları, standartlaştırılmış kültürel içerikleri toplumun geniş kesimlerine yayarak ortak bir kültürel zemin yarattılar. Bu iletişim kampanyalarına maruz kalan toplumda ortak ve yönlendirilebilen bir kitle kültürü oluşturuldu. Max Weber’in tarif ettiği bürokratik yapılar yaygınlaştı[1]. İş yaşamı ve kamu yönetimi hiyerarşik, kurallara bağlı, resmi ve gayri şahsi bir karaktere büründü.
• Dijital Çağ: 1970’lerden itibaren yaygınlaşan bilgisayar teknolojileri ve 1990’larda internetin yükselişi, üçüncü büyük dönüşümü başlattı. Aslında bu bir anlamda bildiğimiz dünyanın bitişidir. 200 yıllık sistemleri temelden değiştiren, yeni bir üretim sistemine girilmiştir ancak bir süre eski sistemin kuralları ile yönetilmeye çalışılır. Hibrit ilişkilerle devam edilmek istenir ancak bu çok da mümkün değildir. Artık katı, hiyerarşik ve kitlesel üretim sistemlerinden esnek uzmanlaşmaya dayalı sistemler hiyerarşik kitlesel üretim sürecinin yanındaki yerini aldı. “Tam zamanında üretim”, “yalın üretim” gibi yaklaşımlar, üretimin küresel olarak parçalanmasına olanak sağladı. Dijitalleşme ile baskı veya maaş karşılığı ile çalışan değil, rıza gösterdiği için “gönüllü” çalışan bir iş gücü oluştu. Manuel Castells’in tanımladığı gibi, toplumsal yapı ağlar etrafında örgütlendi[2]. Sosyal ilişkiler, ekonomik faaliyetler ve politik süreçler dijital ağlar üzerinden gerçekleşmeye başladı, bir ağ toplumu kuruldu. Irksal, dinsel, toplumsal bağların yanında ağsal bağlar da önemli birer fenomen haline geldi (ör. Facebook, WhatsApp grupları, yankı odaları gibi). Fiziksel üretimin yanında bilgi üretimine dayalı bir ekonomi de oluştu. Entelektüel sermaye, patentler, telif hakları ve diğer gayri maddi varlıklar ekonomik değerin temel kaynakları haline geldi. Bilgi her zaman bir güç olarak tanımlanırdı ama artık bahsedilen bilgi sayılabilir bir meta haline geldi. Nicelik nitelik haline gelmeye başladı. Örneğin artık bir makalenin (hatta akademik makalelerin akademik değerlendirmesinin bile) değeri ne kadar okunduğu ile ölçülür hale geldi. Hatta okunması da gerçekten okunup okunmadığı veya beğenilip beğenilmediği ile değil, tıklanılması ve o sayfada vakit geçirilmiş olması ile ölçülmeye başladı. Eski sistemin başarı kriterleri yerine bilgi ekonomisinin kriterleri öne çıktı. Böylece hedef odaklı analiz amacı ile ölçülmesi gereken şey değil, artık ölçülebilir olan öne çıktı. İletişim ve ulaşım teknolojilerinin gelişimi, ekonomik ve kültürel küreselleşmeyi hızlandırdı. Üretim zincirleri küresel ölçekte yeniden örgütlendi, yerel kültürler küresel kültür akışlarıyla iç içe geçti.

2. Dijitalleşme, Otomasyon, Makine Öğrenmesi ve Yapay Zeka

Yapay zeka, basitçe tanımlamak gerekirse, bilgisayar sistemlerinin insan benzeri bilişsel yetenekleri taklit etmesini sağlayan disiplinler arası bir araştırma alanıdır. Bu yetenekler, öğrenme, problem çözme, algılama, dil anlama ve karar verme gibi süreçleri kapsar. Temel olarak, bir yapay zeka sistemi kendisine verilen verilerden anlam çıkararak belirli görevleri yerine getirir.

Yapay zekanın bu görevleri yerine getirmesini mümkün kılan belirli ön koşullar vardır. İlk olarak yapay zeka, örüntü oluşturabilmek için işleyebileceği bir veriye ihtiyaç duyar. Bu da bu verilerin dijitalleştirilmiş olmasını zorunlu kılar. İkinci olarak yapay zeka, örüntü örneklerine ihtiyaç duyar, ki buna göre veriyi analiz edip benzerlerini bulabilsin. Son olarak da bu örüntülerle karşılaştığında ne yapacağına dair bir yönlendirmeye ihtiyaç duyar. Dolayısı ile yapay zekanın çalışabilmesi için dijitalleşme, modelleme ve en başında da niyete ihtiyaç vardır. Bu üç ön koşulun aynı anda karşılanamaması, zaman içerisinde birbirine karışan birçok kavramın ortaya çıkmasına, birbirinin yerine ikame edilmesine sebep olmuştur. Bu nedenle önce bu kavramları yeniden tanımlayarak ilerlemek gerekiyor.

Yapay zeka öncesi dönem için etkileşim içinde olan bir teknolojik dönüşüm üçgeni tanımlanabilir: dijitalleşme, otomasyon ve makine öğrenmesi. Dijitalleşme, fiziksel süreçlerin ve bilgilerin dijital ortama aktarılmasını sağlıyor ve yapay zeka için gerekli veri altyapısını oluşturuyor. Otomasyon, rutin işlerin otomatikleştirilmesini mümkün kılıyor. Makine öğrenmesi ise -ki bu yapay zekanın temel tanımıdır- bu otomasyonu daha akıllı hale getiriyor ve dijital verilerin daha etkin kullanılmasını sağlıyor.

Dijitalleşme: En temelde analog bilgilerin ve süreçlerin dijital formatlara dönüştürülmesidir. Yani fiziksel dünyada var olan şeylerin 1 ve 0’lardan oluşan ikili sisteme aktarılmasıdır. Kağıt üzerindeki bir belgeyi tarayıp PDF’e dönüştürdüğünüzde, analog fotoğraf makinesinin yerini akıllı telefon kamerası aldığında veya CD koleksiyonunuz Spotify’a dönüştüğünde dijitalleşme yaşanmıştır. Bu dönüşüm büyük bir kolaylık sağlamakla beraber, gerçekliğin depolanabilir haline dönüşmesi anlamına da gelir. Heideger’a göre dijitalleşme dünyayı, dünyadaki her şeyi hazır bir stok haline getiren, her şeyi potansiyel bir kaynak, bir enerji rezervi veya bir bilgi yığını olarak kayıt altına almak olarak tanımlanabilir[3]. Bir nevi gerçekte olanın bir simgesi yaratılmış olur. Bu temsil etme durumu, doğası gereği farkına varılmadan gerçeklikler haline gelmektedir. Bu temsilin içinde yaşama durumunun farkındalığının toplumsal dönüşüm açısından önemli bir değişken olarak şimdilik not edelim. Kısaca dijitalleşme, bugün yaşadığımız hayatta online olabilmenin ve hatta var olabilmenin koşulu olarak görülebilir. Dijitalleşemeyen her iş yok sayılıyor ve bu nedenle dijitalleşme projeleri de amaç ve stratejisinden ödünler vererek büyük bir hızla ele alınmakta. Ancak dijitalleşme, yalnızca format dönüşümünden ibaret değildir. Süreçlerin ve etkileşimlerin dijitalleşmesi, verilerin toplanması, işlenmesi, analiz edilmesi ve bu sayede yeni değer zincirlerinin oluşturulması gibi çok daha geniş bir anlama sahiptir.

Kişisel bilgisayarların yaygınlaşması (1980’ler), CD-ROM gibi dijital medyanın yükselişi (1980’ler sonu), ofislerde dijital belge sistemlerinin kullanılmaya başlanması (1990’lar), dijital fotoğrafçılığın başlaması (1990’lar), internetin ve World Wide Web’in yaygınlaşması (1990’lar ortası), mobil teknolojilerin ve akıllı telefonların yükselişi (2000’ler) gibi gelişmeler, dijitalleşmenin yaygınlaşması açısından önemli gelişimler olarak sıralanabilir.

Otomasyon: İnsan müdahalesi olmadan veya minimum müdahale ile belirli görevlerin veya süreçlerin otomatik olarak gerçekleştirilmesidir. Basit, tekrarlayan işlerin makineler tarafından yapılmasını sağlar. Otomasyon, verimliliği artırır, hata oranını azaltır ve insanları tekrarlayan, sıkıcı işlerden kurtararak daha yaratıcı ve stratejik görevlere yönlendirilmelerine olanak tanır. Otomasyonun temelinde programlanabilir makineler ve yazılımlar yer alır.

Fabrika otomasyonu için robotlar, yazılım otomasyonu için ise önceden tanımlanmış kuralları izleyen programlar kullanılır. Basit “eğer…ise” kurallarından, daha karmaşık algoritmalara kadar uzanan bir yazılım mantığı vardır. Tanımı basitleştirmek (ve bugünkü yapay zeka otomasyonu kavramlarından ayırmak için) için bu kavramın karşılığı olan teknolojik üretimleri sıralamak faydalı olabilir.

Antik çağlardan itibaren kullanılan sulama sistemleri bu manada ilk otomasyon örneklerinden biridir. Makineler, bir görevi -bakım yapmak dışında- insan müdahalesi olmadan yerine getirmektedir. 18. yüzyılda ortaya çıkan ilk endüstriyel otomatik dokuma tezgahları, Modern Zamanlar filminde Charlie Chaplin’in içinden geçtiği otomasyon üretim tezgahları veya ilk endüstriyel robotlar (Unimate, 1961)[4] da birer otomasyon örneğidir. CNC tezgahlar veya otomotiv endüstrisinde robot kullanımının yaygınlaşması (1980’ler) da birer otomasyondur. Özellikle robot kavramının yapay zeka ile karıştırılmaması gerekir. Robotu, karmaşık görevleri otomatik olarak yerine getirebilen, programlanabilir bir makine olarak tanımlayabiliriz. Bir robotu yapay zekanın yönetmesi de mümkündür (otonom robotlar), ancak robotlar yapay zeka teknolojisinden çok önce hayatımızda otomasyon işlevini yerine getirmektedir. Hatta günümüzde sanayide kullanılan birçok robot hala önceden programlanmış otomasyon süreçleri içinde çalışmaktadır. 1980’ler ve 1990’larda dijitalleşme ile masa başı ofis sistemleri de otomasyon kullanmaya başlamıştır. İnternet bankacılığında otomatik ödeme tanımlamaları, finans/borsa işlemlerinde kullanlan otomatik alım/satım talimatları, iş süreçleri otomasyonu gibi hizmetler de birer otomasyon örneğidir.

Makine Öğrenmesi: Otomasyonun otonom hale gelmiş hali olarak tanımlanabilir. Makineleri açıkça programlamak yerine, verilerden öğrenme ve tecrübe kazanma yeteneği kazandırmak olarak tanımlanabilir. Makine öğrenmesi, geleneksel programlamanın yetersiz kaldığı karmaşık görevlerde özellikle zaman ve bütçe kısıtı nedeniyle daha önce hayal edilemeyen çözümler sunar. Özellikle büyük veri setlerindeki örüntüleri tanıma, tahminler yapma ve kararlar verme konusunda güçlüdür. Makine öğrenmesi, istatistik ve matematiksel optimizasyon tekniklerine dayanır. Sinir ağları, karar ağaçları, destek vektör makineleri gibi çeşitli algoritmik yapılar kullanır. İnsan zihin kapasitesinin hesaplamasının uzun zaman, hatta yıllar alacağı hesaplamaları kısa sürede ve hatasız olarak yapabilir. Yüksek hesaplama gücü, büyük veri setleri ve bu verileri işleyebilen yazılım kütüphanelerine ihtiyaç duyar.

Bugün devrim yarattığını konuştuğumuz yapay zeka teknolojisinin ilk aşamasını oluşturur ve aslında teorik olarak verimi artıracağı ve sanayide bir devrim yaratacağı söylenen ürünlerin temelini oluşturur. Bugün sohbet ederek kullandığımız yapay zekanın tersine, makine öğrenmesi sanayi tipi bir kullanıma sahiptir. Bu bağlamda bir makine öğrenmesi uygulaması, örneğin bir fabrikanın otonom çalışabilmesi için; daha önceki üretim verileri, teknik sınırlılıklar, yasal mevzuatlar ve tanımlanan hedefler ışığında, değişebilecek şekilde tanımlanmış değişkenleri değiştirerek, çıktıları optimize etme çabasıdır. Dolayısı ile bu konuda uzman birileri tarafından, tüm değişkenler dikkate alınarak reel olarak programlanmalı, sınırları çizilmelidir.

Arthur Samuel’in satranç oynayan programı[5] (1959), ilk sinir ağı modelleri (Perceptron, 1958)[6], ilk öğrenen algoritmalar üzerine teorik çalışmalar (1960’lar), spam filtreleri ve öneri sistemleri (2000’ler başı), görüntü tanıma sistemleri ve bu sayede birçok sanayi üretiminde geliştirilen otomasyonlar, hata ayıklama modelleri (2000’ler ortası), büyük veri teknolojilerinin gelişmesiyle yaygınlaşan büyük veri analiz sistemleri (2010’lar), derin öğrenmenin yükselişi ve pratik uygulamaları (2012 sonrası)[7] gibi bir çok aşama bu kapsamda değerlendirilebilir.

Netflix’in film önerileri, Gmail’in “Akıllı Yanıtlar” özelliği, fotoğraflardaki yüzleri tanıyan sistemler, dolandırıcılık tespiti yapan banka sistemleri, hastalık teşhisine yardımcı olan tıbbi görüntü analiz sistemleri gibi günlük hayattan da birçok örnek verilebilir. Bugün son model yapay zeka ürünü olarak sunulan fal uygulamaları gibi birçok son kullanıcı uygulaması da, görüntü tanımaya dayalı birer makine öğrenmesi örneğidir. Tüm bu örneklerde unutulmaması gereken, tanımlayıcı, kontrolör, onaylayıcı veya uygulayıcı gibi farklı rollerde de olsa insan faktörünün sürekli olarak devrede olmasıdır. Başka bir ifade ile makine öğrenmesi yapay zeka tespiti için popüler olarak gündeme gelen Turing testine girecek bir şekilde tasarlanmamıştır. Yapay zeka ile aynı teknolojik altyapıya dayanan bir farklı bir yazılım olarak değerlendirmek gerekir.

Dijitalleşme vs Otomasyon: Dijitalleşme, verileri ve süreçleri analog formattan dijital formata dönüştürürken, otomasyon bu dijital süreçlerin insan müdahalesi olmadan yürütülmesini sağlar. Dijitalleşme bir formattan diğerine geçiştir, otomasyon ise bir işi kimin yaptığıyla ilgilidir.

Otomasyon vs Makine Öğrenmesi: Geleneksel otomasyon, önceden belirlenmiş, sabit kurallara göre çalışır – programcı her adımı tanımlar. Makine öğrenmesi ise verilerden öğrenerek kendi kurallarını oluşturabilir ve deneyimle gelişebilir. Otomasyonda “ne yapılacağını söylersin”, makine öğrenmesinde ise “nasıl öğreneceğini öğretirsin”.

Makine Öğrenmesi vs Yapay Zeka: Makine öğrenmesi, yapay zekanın bir alt kümesidir. Yapay zeka daha geniş bir kavramdır ve makine öğrenmesinin yanı sıra doğal dil işleme, bilgisayarlı görü, robotik ve bilişsel bilimler gibi alanları da kapsar. Makine öğrenmesi belirli işlerde uzmanlaşırken, yapay zeka daha genel bilişsel yetenekleri simüle edebilir.

Bu kavramlar birbiriyle iç içe geçmiş durumdadır. Dijitalleşme, otomasyon için gerekli zemini hazırlar. Otomasyon, makine öğrenmesi uygulamalarının hayata geçirilmesini kolaylaştırır. Makine öğrenmesi ise yapay zekanın önemli bir bileşenidir. Bugün yaşadığımız teknolojik dönüşüm, bu kavramların bir arada ve birbirini güçlendirerek ilerlemesinden kaynaklanıyor. Günlük hayattan bir örnek verelim: Akıllı ev sistemlerinde, ışıkları açıp kapatabilen bir sistem otomasyondur. Bu sistemin evin sakinlerinin rutinlerini öğrenerek ışıkları ne zaman açıp kapatacağını kendiliğinden belirlemesi ise yapay zekadır. Otomasyonda insan kuralları belirler, yapay zekada ise sistem kendi kurallarını oluşturabilir.

Günümüzde, yukarıda sayılan toplumsal değişiklikleri tetikleyen teknolojik gelişmelere benzer şekilde, yeni bir kırılma noktasında olduğumuz iddia edilebilir. Bu kırılma noktasını sağlayan teknolojik gelişmenin adı da Yapay Zeka olarak tanımlanabilir. Şu an yaşanan şeyi, toplumsal dönüşüm sağlayan diğer teknolojik gelişmelerden ayıran birkaç noktadan bahsetmek uygun olacaktır. Yapay zeka, daha önceki teknolojilerden farklı olarak üç temel özelliğe sahiptir.

Öncelikle yapay zeka, sadece fiziksel süreçleri değil, zihinsel süreçleri de otomatikleştirme kapasitesine sahip hale gelmiştir. İş dünyası için hesaplama ve analiz etme süreçlerinin otomatikleştirilmesi, dijitalleşme ile gündeme gelen ve belirleyici olan bir kavram oldu. Microsoft Office, özellikle de Excel, programlarının dünyayı bu bağlamda nasıl değiştirdiği bu konudaki en sade örnek olacaktır. Bugün ise yapılacak analizin ölçeğinin ne olacağı veya analiz sonucunda alınacak karar gibi düşünce aşamasının otomatikleştirilmesinden bahsediyoruz. Bu, sanayi devriminden beri görülmemiş bir dönüşüm potansiyeli yaratmaktadır. Zira artık yapay zeka karar verme sürecinde bir yardımcı olmaktan çok, karar verme sürecinin tamamını (karar verme zamanının geldiğine karar vermekten, kararı belirleyecek kriterlerin belirlenmesine ve hatta kararın alınmasına kadar) otomatikleştirmektedir. Karar verme iradesinin devri, yani nihai kararı yapay zekaya bırakma ya da bırakmama durumu gündemdedir ve ne kadar iradenin devredileceği tartışılmaktadır.

İkinci konu yapay zekanın, insan desteğine ihtiyaç duymadan uyum sağlayabilme yeteneğidir. Sabit kurallarla çalışan, toplumsal değişimlere ve/veya piyasa koşullarına göre insan tarafından geliştirilen, değiştirilen veya optimize edilen diğer teknolojilerden farklı olarak yapay zeka sistemleri yeni verilerle kendilerini güncelleyebilir ve adapte olabilir. Bu yetenek belirli bir amaç uğruna ürün geliştirme ve optimizasyon ile -örneğin verim artırma adına- sonuç alıcı olmaktadır. Ancak burada karar verme aşamasında sınırlandırılmış bir irade devri olduğunu ve amacın insan tarafından belirlendiğini varsaymak gerekir. Hatta amaç insan tarafından belirlenmiş olsa da bu amaca ulaşırken izlenecek yol, vazgeçilecek kaynaklar -örneğin verimliliğin tanımı- gibi kriterler yapay zeka iradesine bırakıldığında, tam irade devri kaçınılmaz hale gelebilmektedir. Araştırmalar, insanların yeni teknolojiyi doğru kabul etme eğiliminde olduğunu gösterirken, adaptasyon manipülasyon riskini de ortaya çıkarıyor. Yapay zeka sistemleri insanların temel psikolojik ihtiyaçlarını (onaylanma, inanç arayışı) kendi devamlılıkları için kullanabiliyor. Bu durum, geleneksel teknolojilerin sahip olmadığı bir manipülasyon kapasitesi yaratıyor.

Yukarıdaki iki temel nokta dışında, yapay zeka teknolojisinin etkileri üzerine kurulacak pozitif veya negatif tüm cümleler, daha önce var olan teknolojiler için kurulmuş cümlelerin bir nevi tekrarı olacaktır. Yapay zeka, insanlığın neredeyse 200 yıldır var olan fütürist hayallerinin gerçekleşme veya hüsrana uğrama ihtimalini hızlandırmıştır. Bugünkü hali ile yapay zeka mevcut gelişmeleri kendisi yaratmıyor, var olanları büyütüp görünür ve gerçek hale getiriyor. Örneğin veri güvenliği, kontrol ve niyet meselesi, erişim eşitsizliği gibi problemler yapay zeka öncesinde de vardı. Ancak yapay zeka bu sorunları daha büyük ölçekte ve hızla ortaya çıkarıyor. Verimlilik peşinde koşan kapitalist şirketler en son teknolojiyi her zaman kullanıyordu, yapay zeka bu alandaki çalışmaları daha kolay uygulanabilir ve son tüketiciye sunulabilir hale getiriyor. Bir kişisel asistanın bazı yöneticilerin verimini artırdığı, bazıları için ise ataleti körüklediği dile getiriliyor. Bu sorunsal ve “asistandan nasıl verim alınır?” sorusunun cevabı artık üst düzey yönetici seviyesi bir beyaz yaka sorunu olmaktan çıkıp, toplumsal bir ihtiyaç haline geldi. Dar bir kesimde ve/veya iş dünyası/sanayi düzeyinde yaşanan tüm pozitif ve negatif gelişmeler, yapay zeka ile küreselleşiyor.

3. Yapay Zeka Nedir? Neler Yapabilir

Yapay zeka, karmaşık problemleri çözebilme, büyük miktarda bilgiyi analiz etme, insanlarla doğal dilde iletişim kurma, yaratıcı içerik üretme ve belirsiz durumlarda karar verme becerisi gösterir. Modern yapay zeka sistemleri, derin öğrenme dahil ileri makine öğrenmesi teknikleri üzerine kuruludur. Özellikle derin sinir ağları, büyük dil modelleri ve dönüştürücü (transformer) mimarileri gibi karmaşık yapılar kullanır. Devasa veri setleri üzerinde eğitilirler ve yüksek performanslı grafik işlemci birimleri (GPU) veya özel yapay zeka çipleri üzerinde çalışırlar. ChatGPT gibi büyük dil modelleri, Siri veya Alexa gibi sesli asistanlar, otonom araçlar, tıbbi teşhis sistemleri, hukuki belge analizi, sanatsal içerik üreten yapay zeka sistemleri pratik uygulama alanlarıdır.

Yapay Zeka Türleri:

• Dar Yapay Zeka (Narrow AI): Belirli ve tek bir görevi yerine getirmek için tasarlanmış yapay zekâdır. Şu an kullandığımız neredeyse tüm yapay zekâ sistemleri bu kategoriye girer. Bir satranç oynayan yapay zekâ, bir hava durumu tahmini uygulaması veya bir Siri asistanı dar yapay zekâya örnektir. Bu sistemler, uzmanlaştıkları alan dışında herhangi bir şey yapamazlar. Günümüzde kullandığımız yapay zekaların neredeyse tamamı bu kategoriye girer. Kendi içinde de ikiye ayrılabilir.
  • Nedensel Yapay Zeka (Casual AI): Bu tür yapay zekâ, belirli bir görevi yerine getirmek için tasarlanmıştır. Verileri analiz eder, sınıflandırır veya belirli kurallara göre karar verir. Yani, eldeki veriyi kullanarak bir sonuca ulaşır. Örneğin, bir spam filtresi, gelen e-postanın spam olup olmadığına karar verir. Bir yüz tanıma sistemi, fotoğraftaki kişinin kim olduğunu belirler. Bu tür yapay zekâlar yeni bir şey üretmezler, daha çok var olan veriyi işleyip yorumlarlar. Makine öğrenmesi olarak tanımlanan sistemler bu başlığın altına girerler.
  • Üretken Yapay Zeka (Generative AI – GenAI): Bu tür yapay zekâ ise adından da anlaşılacağı gibi, yeni ve özgün içerikler üretir. Metin, görüntü, ses, video veya kod gibi verileri analiz ederek, daha önce var olmayan içerikler yaratır. Örneğin, metin tabanlı bir üretken yapay zekâ (GPT gibi), verilen bir konu hakkında yepyeni bir makale yazabilir. Bir görsel tabanlı üretken yapay zekâ (DALL-E gibi), hayal ettiğiniz bir manzarayı gerçekçi bir resme dönüştürebilir. Kısacası, GenAI yaratıcı bir süreç yürütür.
• Yapay Genel Zeka (Artificial General Intelligence – AGI): Yapay genel zeka, bir insanın yapabileceği her türlü entelektüel görevi yerine getirebilecek bir yapay zeka olarak tanımlanmaktadır. Bu sistemlerin, bilmedikleri bir konuda bile öğrenme ve problem çözme yeteneklerine sahip olmaları hayal edilmektedir. Günümüzde henüz bu seviyede bir yapay zeka teknolojisi mevcut değildir ve bu, yapay zeka araştırmalarının uzun vadeli hedeflerinden biridir.
• Yapay Süper Zeka (Artificial Superintelligence – ASI): Yapay süper zeka, en yetenekli insan zekasını bile her alanda (bilimsel yaratıcılık, sosyal beceriler ve genel bilgelik dahil) aşan bir yapay zeka olarak tanımlanmaktadır. Bu seviye, yapay zekanın potansiyel evriminin bir sonraki adımı olarak görülse de, şu an için tamamen teorik bir kavramdır ve nasıl gerçekleşeceğine dair bir teori de henüz mevcut değildir.

Bu sınıflandırmalar, yapay zekanın mevcut yeteneklerini ve gelecekteki potansiyelini anlamamız açısından önemli bir çerçeve sunar. Yapay zeka teknolojileri geliştikçe, dar yapay zekadan genel ve hatta süper zekaya doğru bir evrim yaşanması beklenmektedir. Yapay zeka çağı dijital çağın içinde bir gelişme mi? Yoksa yeni bir çağın mı eşiğindeyiz? Neden yapay zeka sadece “bir başka teknolojik gelişme” olarak görülemez? Bu yazı dizisinin temelinde bu sorulara cevap oluşturabilecek tartışmaları hedefliyoruz. Bu yazıda şimdilik sadece basit tanımlarla yapay zekanın ne olduğu çerçevesinde kalacağız.

Yapay zekanın ayırt edici özelliklerinden biri, öğrenme yeteneğidir. Klasik yazılımlar, belirli yönergeleri takip eder ve programlandıkları şekilde çalışır. Yapay zeka sistemleri ise verilerden öğrenebilir, deneyim kazandıkça performanslarını artırabilir. Düşünün ki, bir program yazdığınızda ona “şu durumda şunu yap” demiyorsunuz, “verilerden nasıl öğreneceğini öğren” diyorsunuz. Bu tıpkı bir çocuğa balık tutmayı öğretmek gibi – her seferinde balık vermek yerine, farklı koşullarda nasıl balık tutacağını öğrenebilecek kapasiteyi kazandırıyorsunuz.

İkinci önemli özellik, adaptasyon yeteneğidir. Yapay zeka sistemleri, farklı durumlara uyum sağlayabilir ve değişen koşullara göre davranışlarını ayarlayabilir. Örneğin, bir sağlık asistanı olarak tasarlanan yapay zeka, tek bir hastalığı teşhis etmekle kalmaz, yeni semptomları ve sağlık koşullarını öğrenerek kapsamını genişletebilir. Bu, onları statik yazılımlardan ayırır ve daha geniş bir uygulama alanına sahip olmalarını sağlar.

Örüntü tanıma kapasitesi, yapay zekanın bir diğer güçlü yanıdır. İnsan gözünün veya zihninin algılamakta zorlanacağı karmaşık veri setlerindeki bağlantıları ve ilişkileri tespit edebilir. Milyonlarca haber makalesini okuyup aralarındaki ilişkileri görebilir, binlerce tıbbi görüntüdeki minimal değişimleri tespit edebilir. Bu özellik, tıbbi teşhisten finansal analize, güvenlik sistemlerinden sanatsal üretime kadar pek çok alanda devrim yaratma potansiyeline sahiptir.

Sürekli optimizasyon yapabilme yeteneği de yapay zekayı önceki teknolojilerden ayırır. Yapay zeka sistemleri, performanslarını sürekli olarak değerlendirebilir ve iyileştirebilir, bu da verimlilikte sürekli bir artış sağlayabilir. Örneğin, bir fabrikadaki enerji kullanımını optimize eden yapay zeka, sadece önceden belirlenmiş kurallara göre değil, gerçek zamanlı verileri analiz ederek ve değişen koşullara uyum sağlayarak çalışır.

Ancak yapay zekanın belki de en çarpıcı farkı, sadece fiziksel değil, zihinsel süreçleri de otomatikleştirme potansiyeline sahip olmasıdır. Önceki teknolojik devrimler genellikle fiziksel emeği ikame etmeye yönelikti. Buhar makinesi kas gücünün yerini aldı, montaj hattı el işçiliğini dönüştürdü. Yapay zeka ise karar verme, analiz, yaratıcılık gibi geleneksel olarak “insani” kabul edilen zihinsel süreçlere de talip. Bir avukatın günler sürecek belge incelemesini dakikalar içinde yapabilir, bir doktorun göremeyeceği tıbbi örüntüleri tespit edebilir, bir müzisyenin besteleme sürecine katkıda bulunabilir. Bu, toplumsal etkilerinin çok daha geniş kapsamlı olabileceğini gösteriyor.

2025 itibariyle yapay zekanın ulaştığı seviye çarpıcıdır: McKinsey’in son raporuna göre, OpenAI’nin GPT-4’ü ABD Tıp Lisanslama Sınavında soruların %90’ını doğru yanıtlayabiliyor ve Uniform Bar Sınavında üst %10’luk dilimde yer alacak performans gösteriyor[8]. Claude 3.5, Gemini 2.0 ve benzeri modeller artık çok modlu (metin, ses, görüntü) yeteneklere sahip ve gelişmiş akıl yürütme kapasiteleri sunuyor. Akıl yürütme tanımı genellikle insan aklı ile karıştırılıyor. İnsan zekası aklın bir adım ötesinde bağlamsal çerçeveler kurar. Ancak burada kodlamanın temelinde yer alan “eğer” döngüleri ile oluşturulan mantıksal döngülerden bahsedildiğini unutmamak gerekir. Tabi ki bu yapay zekanın akıl yürütme kapasitesi (tanımlı çerçevelerde olmak kaydıyla) insanın çok ötesindedir.

Ancak bu başarıların ardında önemli bir gerçek gizleniyor: Bu sistemler temelde çok sofistike birer oto-tamamlama mekanizması olarak çalışıyor. “Bu kelimelerin ardından hangi kelimenin gelme olasılığı en yüksek?” sorusuna milyarlarca parametreyle hesaplanmış cevaplar veriyorlar. Bu yaklaşım dilbilgisel ve anlambilimsel açıdan tutarlı, hatta estetik açıdan çekici sonuçlar üretebiliyor. Ancak gerçek anlamda nedensel akıl yürütme yapabiliyorlar mı?

4. Yapay Zekanın Temel Sınırları

Yapay zeka alanındaki gelişmeler heyecan verici olmakla birlikte, yapay zekanın gerçek kapasitesini ve sınırlarını anlamak önemli. Bugün popüler kültürde karşımıza çıkan çoğu anlatı ya yapay zekayı her şeyi yapabilen bir “süper zeka” olarak sunuyor ya da tüm insanlığı tehdit eden “katil robotlar” olarak ilan edilmese bile insanlığın özünü yok edecek ahlaksız bir girişim olarak tasvir ediyor. Gerçek ise çok daha nüanslı. Tüm ilerlemelere rağmen, günümüz yapay zeka sistemleri hala önemli teknik sınırlılıklara sahip:

Derin öğrenmenin statik veri üzerinde çalışması: Yapay zeka sistemleri, çoğunlukla geçmiş veriler üzerinde eğitiliyor ve gerçek dünya dinamiklerini tam olarak kavrayamıyor. Chomsky’nin verdiği örneği[9] kullanırsak, yapay zeka bir elmanın bırakıldığında düşeceğini tahmin edebilir, ancak elmanın neden düştüğünü açıklayamaz. Newton’un yasalarını veya Einstein’ın teorilerini kendiliğinden formüle edemez. Bunun en temel sebebi algoritmasının veriyi inceleyip örüntü bularak öngörüde bulunmak üzerine kurulmuş olması. Nasıl öğreneceği nasıl öğretildiyse o şekilde öğreniyor ve bu öğrenme (en azından şu an için en aktif proje olan deep learning modeli) örüntü üzerinden çalışıyor.

Nedensellik anlayışının eksikliği: Yapay zeka sistemleri, olaylar arasındaki ilişkileri veri üzerindeki korelasyonlardan öğrenir, ama gerçek nedensellik bağlantılarını anlamakta zorlanır. Örneğin, bir bardağın düştüğünde kırılabileceğini ve ses çıkarabileceğini veri setlerinden öğrenebilir, ancak bunun fiziksel nedenlerini kavrayamaz. Bir hastalığın semptomlarıyla tedavi yöntemlerini eşleştirebilirler, ancak neden-sonuç zincirini gerçekten anlayabilirler mi? Örneğin, bir yapay zeka sistemi “mor smokin giyen fil” görüntüsü üretebilir. Bu teknik açıdan başarılı olsa da hangi problemi çözüyor? Hangi stratejik amaca hizmet ediyor? Yaratıcılık bir amaca daha kolay, hızlı ya da verimli ulaşmak için üretilen yeni bir strateji, yol, tasarımdır. Yapay zekanın ürettiği çıktılar, ilgili veri setinde hali hazırda mevcut elementleri yeni kombinasyonlarda birleştirebilir ancak bu birleştirmenin nedenini ya da amacını kavrayamaz.

Bağlamı tam olarak kavrayamama: Yapay zeka, insan dilinin ve davranışlarının bağlamsal inceliklerini anlamakta zorlanır. Aynı cümle farklı bağlamlarda tamamen farklı anlamlara gelebilir. “Bu film bomba gibiydi” cümlesinin olumlu mu olumsuz mu olduğunu anlamak için kültürel bağlamı bilmek gerekir. Yapay zeka sistemleri bu tür nüansları kavramakta hala sorun yaşıyor. Carnegie Endowment’ın son raporuna göre, yapay zeka sistemleri “eğitildikleri veri setlerinin dışında kalan senaryolarla karşılaştıklarında” en belirgin sınırlarını ortaya koyuyorlar[10]. Dünyayı tüm nüanslarıyla gerçekten anlamadan ve insan benzeri sağduyu olmadan, yapay zeka sistemleri bilinmeyen durumlarla karşılaştıklarında güvenilir kararlar almakta zorlanıyorlar.

“Bu film bomba gibiydi” örneğini herhangi bir dil modelinde şimdi denerseniz muhtemelen bağlamını anlayacaktır. Çünkü buna dair birçok örnek görmüş okumuş durumda, elinde statik bir veri var, bunu biliyor. Lakin veri setinde analiz etmeye yeterli veri olmadığında, örneğin güncel Türkiye siyasetinde Devlet Bahçeli’nin hermenötik okumasını talep ettiğinizde, verimli bir analiz yapmasına imkan yok. Bu okumayı yapabilmesi için önce birilerinin Devlet Bahçeli hakkındaki tüm bilgiyi dijitalleştirmesi gerekir. Bu dijitalleştirme sürecinde de tüm bağlamı anlayıp ifade edebilmiş olması, farklı yorumları içermesi, dijitalleşme sırasında indirgememiş olması gerekir.

Yapay zeka bir süper hesap makinesi gibidir, hızlı ve doğru hesap yapar ama neyi hesapladığını neden hesapladığını sorgulamaz. Bu sınırlılık, özellikle dinamik ve öngörülemeyen ortamlarda kendini gösteriyor. World Economic Forum’un raporunda belirtildiği gibi, “mevcut yapay zeka, nedensel akıl yürütme, uyum sağlama ve uzun vadeli bellek gibi genelleme için gerekli” temel yeteneklerden yoksun durumda[11].

Sağduyunun oluşamaması: İnsanlar yaşam deneyimleri yoluyla “sağduyu” geliştirirken, yapay zeka sistemleri bu tür bir anlayışı kendiliğinden oluşturamaz. İnsanlar için açık olan temel gerçekleri kavramakta zorlanabilir ve tutarlı bir dünya modeli oluşturamaz. En azından şu anda var olan deep learning modeli ile bu mümkün görünmüyor. Örneğin yapay zeka modelleri, makine öğrenmesi ile sınırları tarif edilen bir inşaat projesinin statik hesaplarını tüm parametrelere göre hesaplayabilmektedir. Ancak kuralları baştan belirleme veya anomalileri takip edip buna uygun yeni bir model geliştirme noktasında yapabileceği ancak bu konuda (eğer varsa) ortaya atılmış teorileri sıralamak veya olası (yine varsa) bağlantılı sorunları sıralamakla sınırlı kalacaktır. Daha basit ifade edersek, Newton elmanın yere düşmesi ile yer çekimi kuramını oluşturabildi, yapay zeka bunu yapamaz.

Scalefocus’un 2025 araştırmasına göre, yapay zeka “gerçek yaratıcılık, duygusal zeka ve özgün düşünce gerektiren alanlarda” hala yetersiz kalıyor[12]. Yaratıcılık hayal gücü, sezgi ve kültürel bağlamdan kaynaklanır – bunlar yapay zekanın henüz yeterince taklit edemediği nitelikler.

VisionX’in araştırmasında ortaya çıkan başka bir ilginç bulgu ise yapay zeka sistemlerinin (ChatGPT’nin GPT-3.5 ve GPT-4 dahil) insan benzeri akıl yürütme kusurları sergileyebilmesi, önyargılar üretmesi ve mantıksız seçimler yapabilmesi[13]. Bu durum, yapay zekanın hatasız bir otorite olmaktan çok uzak olduğunu gösteriyor.

Yapay zekanın teknik sınırlarının ötesinde, insan kapasitesinin yerini alamamasının daha derin nedenleri var:

• Kendiliğinden amaç oluşturma ve anlam yaratma eksikliği: Yapay zeka sistemleri programlandıkları hedeflere ulaşmak için çalışır, ancak kendi amaçlarını belirleyemez. İnsanlar değerler, inançlar ve arzular doğrultusunda amaçlar oluşturabilirken, yapay zeka sistemleri bu tür içsel motivasyonlardan yoksundur. Bir müzisyen, kendi duygu dünyasından beslenerek beste yapar. Bir yazar, kendi hayat deneyimlerinden, acılarından, sevinçlerinden ilham alır. Yapay zeka ise var olan verileri yeniden düzenleyebilir, ama özgün bir anlam yaratma kapasitesinden yoksundur. Ortaya çıkan ürün bizim için bir anlam ifade edebilir ama onun ürettiği bir anlam değildir, onun için sadece örüntülerden (yine verilerdeki kahir ekseriyete göre beğenileceğini düşündüğü şekilde) oluşturduğu bir başka olasılıktır. Bu anlamda bir amaç veya anlam içermez.
• Empati ve kültürel bağlam anlayışı sınırlılıkları: İnsanlar başkalarının duygularını anlayabilir, kültürel bağlamları kavrayabilir. Bir arkadaşımızın yüz ifadesinden üzgün olduğunu anlayabilir, bir romanı okurken karakterlerle empati kurabiliriz. Yapay zeka duyguları taklit edebilir, ancak gerçek empati kuramaz.
• Etik değerlendirme kapasitesinin olmaması: İnsanlar ahlaki değerlendirmeler yapabilir ve karmaşık etik kararlar alabilir. Yapay zeka sistemleri etik kuralları uygulayabilir, ancak bu kuralların neden önemli olduğunu anlayamaz, özgün etik muhakeme yapamaz. Örneğin insanlar kendi bulundukları kültürel ortama göre çok farklı konularda farklı etik değerlere sahip olabilir veya farklı isimler için etik kriterleri değişebilir. Yapay zeka ise ona verilen kadar çeşitli etik düzeye sahiptir. Dr.Watumall ile ChatGpt arasında geçen konuşmada ChatGpt şöyle der: “Bir yapay zekâ olarak ahlaki inançlara veya ahlaki yargılarda bulunma yeteneğine sahip değilim, bu nedenle ahlaksız veya ahlaki olarak değerlendirilemem. Ahlaki inançlardan yoksun olmam, sadece bir makine öğrenimi modeli olarak doğamın bir sonucudur.”[14]

Yapay zekanın sınırlarını anlamak, aslında onun gerçek potansiyelini görmemizi sağlar. Yapay zeka, insan zekasının rakibi değil, tamamlayıcısı olarak düşünüldüğünde, en büyük değeri ortaya çıkar. Şu an yapay zeka üzerinde oluşan karmaşanın en büyük sebebi bu sınırların başka başka sebeplerle farklı şekilde anlatılması olarak öne çıkmakta. Fütürizm ile fiction arasındaki çizgi kaybolmuş durumda. Dijital çağın en büyük problemi belki de post-truth olabilir. Vaatlerin gerçek olup olmamasının çok bir önemi kalmamış durumda. Bu durum da yapay zeka teknolojisi ile şekillenen bu çağın, iyi ya da kötü, “her şey mümkün” fenomeni etrafında şekillendiği anlamına gelebilir.

İnsan yaratıcılığı ve yapay zeka analitiğinin birleşimi, her iki tarafın da güçlü yönlerini bir araya getiriyor. İnsanlar yaratıcılık, empati, etik değerlendirme ve bağlamsal anlayış gibi alanlarda üstünken, yapay zeka büyük veri setlerini işleme, örüntü tanıma ve tekrarlayan görevleri otomatikleştirme konularında avantaj sağlıyor. Örneğin, bir doktor yapay zeka destekli tanı araçları kullanarak daha doğru teşhisler koyabilir. Bir müzisyen, yapay zeka araçlarından ilham alarak yeni beste teknikleri keşfedebilir. Bir avukat, binlerce yasal belgeyi yapay zeka ile tarayarak önemli bilgilere hızla ulaşabilir. Kısa ve orta vadede, yapay zeka insan kapasitesini genişleten bir araç olarak kalacak. Bu iş birliği modeli, hem insanların hem de yapay zeka sistemlerinin sınırlarını aşarak daha verimli ve yaratıcı çözümler üretmeyi mümkün kılıyor.

Yapay zekanın sınırlarını anlamak, onu reddetmek anlamına gelmez. Aksine, doğru bir iş birliği modeli kurmanın temelini atar. IBM uzmanlarının da vurguladığı gibi, “yapay zeka, değiştirme değil güçlendirme aracı olarak” görülmelidir[15]. Bu bağlamda şunları not etmek faydalı olacaktır.

• İnsan Denetimi: Yapay zekanın stratejik kararları vermesine değil, belirli görevleri yerine getirmesine odaklanmak.

• Şeffaflık: Yapay zekanın nasıl çalıştığını ve neden belirli sonuçlara ulaştığını anlamaya çalışmak.
• Bağlamsal Anlayış: Yapay zekanın bağlamı kavrayamadığını bilerek, bu boşluğu insan zekâsıyla doldurmak.
• Etik Çerçeve: Yapay zeka kullanımında manipülasyon risklerini göz önünde bulundurarak sınırlar koymak.

5. Gerçekçi Beklentiler Oluşturmak

2025’te yayınlanan “The Impact of Generative AI on Critical Thinking” araştırması önemli bulgular ortaya koyuyor[16]. Araştırma, 319 çalışan üzerinde yapılmış ve yapay zeka kullanımının eleştirel düşünme üzerindeki etkilerini incelemiş. Kritik bulgu şu; yapay zeka kullanıcıları, bilgi alma ve uygulama aşamalarında daha az çaba harcadıklarını rapor ediyorlar, ancak yapay zekanın çıktılarını kendi ihtiyaçlarına göre entegre etme konusunda daha fazla çaba harcamak zorunda kalıyorlar. Bu durum, yapay zekanın bir sihirli değnek olmadığını, aksine farklı türden bir zihinsel çaba gerektirdiğini gösteriyor.

Yapay zeka konusunda hem aşırı korkuların hem de aşırı beklentilerin ötesinde, gerçekçi bir anlayış geliştirmek önemli.

İnsan işlerinin tümüyle ortadan kalkacağı korkusu gerçekçi değil. Yapay zeka bazı görevleri otomatikleştirebilir, ancak çoğu iş tamamen ortadan kalkmak yerine dönüşecek. Pek çok meslek, yapay zeka ile işbirliği içinde çalışmayı gerektirecek şekilde evrilecek.

Yapay zekanın vaatlerinin çoğu kısa vadede gerçekleşmeyebilir. Teknolojik gelişim genellikle doğrusal değil, sıçramalı ilerler. Yapay zeka araştırmalarında da ilerleme, hızlı atılımlar ve durgunluk dönemleriyle karakterize edilebilir. Aşırı iyimser tahminlere şüpheyle yaklaşmak gerekir.

İnsan-yapay zeka iş birliği yeni bir çalışma paradigması yaratacak. Şirketlere göre gelecekte başarılı olacak kişiler, yapay zeka ile etkin şekilde çalışabilen, onun çıktılarını değerlendirebilen ve yorumlayabilen kişiler olacak. Bu durum, eğitim sistemlerimizi ve kariyer planlarımızı yeniden düşünmeyi gerektiriyor.

Şu açık, büyük bir dönüşüm sürecinin içindeyiz. Bu sadece bir teknolojik dönüşüm değil ve sadece yapay zekaya da bağlı değil. Dijitalleşme aynı zamanda hayatımızdaki her anın metalaşması anlamına da geliyor. Dijitalleşmeyle birlikte attığımız her adım, tıkladığımız her link, hatta yüzümüzdeki her ifade bile bir ürün haline geldi. Şirketler bu ürünleri satarak, bize reklamlar göstererek veya bizim hakkımızdaki tahminleri başka şirketlere satarak para kazanıyorlar. Bunu platform çağı[17] diye adlandıran da var, teknofeodalizm[18] diyen de, gözetim kapitalizmi[19] diyen de. Yapay zeka fenomeni hiç var olmasa da zaten biz dijitalleşebilen değerler yaratmaya teşne bir dünyanın içindeyiz. Bu dönüşüm henüz gerçekleştiği için, hem bireysel hem de toplumsal düzeyde edilgen olmayan proaktif stratejilere ihtiyaç var.

Bireysel düzeyde, sürekli öğrenme ve adaptasyon kapasitesini geliştirmek kritik öneme sahip. Teknik becerilerin yanı sıra, sosyal ve duygusal becerilere de yatırım yapmak gerekiyor. Yani tüketicilere dayatılan uygulamaları öğrenmek kadar, onları bir insan olarak kullanarak neler yapılabileceğine dair kafa yormak önemli. Yoksa herhangi bir uygulama geliştiricinin ayağı yere basmayan hedeflerini yerine getirmek için çaba sarf eden vassallar haline gelmek kaçınılmaz.

Toplumsal düzeyde ise, eğitim sistemlerinin yeniden yapılandırılması, sosyal güvenlik ağlarının güçlendirilmesi ve gelir dağılımı politikalarının gözden geçirilmesi önem taşıyor. Bunu talep eden sivil toplum hareketlerinin örgütlenmesi gerekli. Örneğin, bu kadar teknolojinin içinde, deprem anında bütün operatörlerin birbirlerinin baz istasyonlarını da kullanarak aşabileceği hacim sorununu hala çözememiş olması çok çarpıcı bir gerçeklik. Algoritmik olarak bu çalışma hazır[20], ancak test edilmediği için acil durumda kullanılamıyor. Test edilmemesinin sebebi de testin riskleri ve olası yeni altyapı yatırımları. Evet artık hayatımızda yapay zeka var, ancak insan zekası da hala var ve insan zekası yine ROI (return of investment) verimini önceliyor. Bu verimlilik çıkmazı da toplumsak eşitsizliği azaltma veya refahı arttırma yönünde değil, kapitalist yatırımsal getiri odaklı bir gelecek inşa ediyor. O zaman bu hızlı gelişimi faydalı bir teknoloji haline getirmek için toplumsal olarak o verimi düşürecek proaktif inisiyatifler oluşturmalıyız. Talep etmeli, talebin sonuç alacağı yollar bulmalıyız. Öne çıkan sorular şunlardır:

• Yapay zeka ve otomasyon, gerçekten işsizliği artıracak mı, yoksa yeni iş türleri mi yaratacak?
• Verimlilik artışının faydaları nasıl daha adil bir şekilde dağıtılabilir?
• Eğitim sistemlerimiz, bu hızlı dönüşüme nasıl adapte olabilir?

Sanayi devrimi ve özellikle Fordizm ile artan üretim gücü, tüketim toplumunun inşasını ortaya çıkardı. Şimdi çok daha büyük bir verimlilikten bahsediliyor. Aynı zamanda tüketici olan üretici toplumdan, çoğunluğu sadece tüketenlerden oluşan bir topluma mı evrileceğiz? Tüketim için ekonomik döngü nasıl kurulacak? Bu sorular, yapay zeka çağının belki de en temel ekonomik ve toplumsal sorularıdır.

Yapay zeka ne her şeyi yapabilen süper zeka, ne de insanlığı yok edecek şeytani bir robot. O, belirli yeteneklere sahip, belirli sınırları olan ve doğru kullanıldığında insan kapasitesini artıran bir teknoloji. Asıl mesele, bu teknolojiyle nasıl bir ilişki kuracağımıza karar vermekte. Bu yazı serisinin bir sonraki yazısında bu bağlamda, yapay zekanın gündelik hayat ve toplumsal etkilerini ele alacağız. Özellikle iş gücü piyasasındaki dönüşüm, eğitim sistemindeki değişiklikler ve sosyal adalete olan etkileri üzerinde durulacak.

 —

[1] Max Weber (1864-1920), “Economy and Society” (1922) eserinde modern bürokratik organizasyonların temel özelliklerini tanımlamıştır: kuralların yazılı olması, görevlerin açık tanımlanması, hiyerarşik yapı, liyakat ilkesi ve gayri-şahsi ilişkiler. Weber’in bu analizi, 20. yüzyılın kurumsal yapılanmasını anlamak için önemli bir noktaya parmak basmaktadır.

[2] Manuel Castells, “The Information Age” (1996-1998) üçlemesinde “ağ toplumu” (network society) kavramını geliştirmiştir. Castells’a göre dijital teknolojiler toplumsal organizasyonun temelini değiştirmiş, geleneksel hiyerarşik yapıların yerini esnek ağ yapıları almıştır.

[3] Martin Heidegger, “The Question Concerning Technology” (1954) eserinde teknolojinin sadece araç olmadığını, dünyayı anlayış biçimimizi temelden değiştiren bir “açılış” (revealing) olduğunu savunur. “Gestell” (enframing) kavramıyla, teknolojinin her şeyi “hazır stok” (standing reserve) olarak görmemize yol açtığını belirtir.

[4] Unimate, 1961 yılında George Devol ve Joseph Engelberger tarafından geliştirilen ilk endüstriyel robottur. General Motors’da montaj hattında kullanılmış ve modern endüstriyel otomasyonun temelini atmıştır.

[5] Arthur Samuel (1959). “Some Studies in Machine Learning Using the Game of Checkers.” IBM Journal of Research and Development. Samuel’ın dama (checkers) oyunu programı, makine öğrenmesi terimini ilk kullanan ve kendi kendine öğrenme prensiplerini uygulayan öncü çalışmalardan biridir.

[6] Frank Rosenblatt (1958). “The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain.” Psychological Review. Perceptron, yapay sinir ağlarının temelini oluşturan ilk matematiksel model olarak kabul edilir.

[7] 2012 sonrası derin öğrenme atılımı, ImageNet yarışmasında Krizhevsky, Sutskever ve Hinton’ın AlexNet ağıyla elde ettikleri başarıyla başlamıştır. Bu dönem “AI Winter”ın sona ermesi ve günümüz yapay zeka devriminin başlangıcı olarak kabul edilir.

[8] McKinsey & Company (January 2025). “Superagency in the workplace: Empowering people to unlock AI’s full potential at work.” Bu raporda OpenAI GPT-4’ün ABD Tıp Lisanslama Sınavında %90 başarı oranı ve Uniform Bar Sınavında üst %10’luk performans gösterdiği belirtilmiştir.

[9] Noam Chomsky (2023). “The False Promise of ChatGPT.” “ChatGPT’nin Yanlış Vaadi” New York Times. Chomsky bu makalesinde yapay zekanın gerçek anlama ve nedensellik kavrayışından yoksun olduğunu, sadece istatistiksel örüntüler üzerinde çalıştığını savunmaktadır.

[10] Carnegie Endowment for International Peace (2025). “AI Has Been Surprising for Years.” Bu rapor yapay zekanın öngörülemeyen gelişimi ve mevcut sistemlerin eğitim verilerinin sınırları dışında kaldığında gösterdiği performans düşüklüğü konularını ele almaktadır.

[11] World Economic Forum (January 2025). “Where would the new reasoning AI leave human intelligence?” Bu rapor, mevcut yapay zeka sistemlerinin Genel Yapay Zeka (AGI) seviyesine ulaşabilmek için ihtiyaç duyduğu temel yetenekleri analiz etmektedir.

[12] Scalefocus (2025). “Limitations of Artificial Intelligence in 2025.” Bu araştırma yapay zekanın iş dünyasındaki sınırlarını ele alırken, özellikle yaratıcılık ve duygusal zeka alanlarındaki yetersizlikleri vurgulamaktadır.

[13] VisionX (2025). “Top 10 Limitations of AI & Why They Matter in 2025.” Kanada ve Avustralya’daki araştırmacıların OpenAI’nin GPT-3.5 ve GPT-4 modellerini 18 farklı insan önyargısı açısından test ettikleri çalışmaya referans.

[14] Noam Chomsky (2023). “The False Promise of ChatGPT.” “ChatGPT’nin Yanlış Vaadi” New York Times. Chomsky bu makalesinde yapay zekanın gerçek anlama ve nedensellik kavrayışından yoksun olduğunu, sadece istatistiksel örüntüler üzerinde çalıştığını savunmaktadır.

[15] IBM (January 2025). “AI Agents in 2025: Expectations vs. Reality.” IBM uzmanları Maryam Ashoori ve Marina Danilevsky’nin görüşlerine yer verilen bu raporda, geliştiricilerin %99’unun yapay zeka ajanları üzerinde çalıştığı ancak gerçek otonom sistemlerin henüz tam olarak mevcut olmadığı belirtilmiştir.

[16] Lee, H. P., Sarkar, A., Tankelevitch, L., et al. (2025). “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers.” CHI Conference on Human Factors in Computing Systems. Bu araştırma 319 bilgi çalışanı üzerinde yapılmış olup, yapay zeka kullanımının bilişsel süreçler üzerindeki etkilerini Bloom’un taksonomisi çerçevesinde incelemiştir.

[17] Nick Srnicek – “Platform Capitalism” (2017)

[18] Yanis Varoufakis – “Technofeudalism” (2023)

[19] Shoshana Zuboff – “The Age of Surveillance Capitalism” (2019)

[20] Depremde Haberleşe(me)me, Kemalettin Bulamacı, Dünya Gazetesi Teknoloji Editörü, https://normaldergi.com/sayilar/sayi-20/kisim-5