Thursday, January 08, 2026

İnsan–Chatbot İlişkileri İyi Oluşu Nasıl Etkiliyor

Yutong Zhang, Dora Zhao, Jeffrey T. Hancock, Robert Kraut, Diyi Yang.
Yapay Zekâ Arkadaşlarının Yükselişi: İnsan–Chatbot İlişkileri İyi Oluşu Nasıl Etkiliyor
(The Rise of AI Companions: How Human-Chatbot Relationships Influence Well-Being)
arXiv:2506.12605v2 [cs.HC], 17 Haziran 2025.
1 Stanford Üniversitesi, 2 Carnegie Mellon Üniversitesi.

Yapay Zekâ Arkadaşlarının Yükselişi: İnsan–Chatbot İlişkileri İyi Oluşu Nasıl Etkiliyor

Yakın ilişkiler insanın psikolojik sağlığı için hayati önem taşır. Son yıllarda geniş dil modelleriyle çalışan sohbet botları, yalnızca işlevsel yardımcılar değil, giderek “arkadaş” ya da “partner” gibi roller üstlenmeye başlamıştır. Bu durum, bu tür ilişkilerin insanların sosyal ihtiyaçlarını karşılayıp karşılamadığı ve psikolojik iyi oluşu nasıl etkilediği sorularını gündeme getirmektedir.

Araştırmada, 1.131 Character.AI kullanıcısının anketleri ve 244 kişinin 4.363 oturumdan oluşan sohbet geçmişi incelenmiştir. Kullanım amaçları, etkileşim yoğunluğu, kendini açma düzeyi ve çevrimdışı sosyal destek ölçülerek yaşam doyumu, yalnızlık ve sosyal aidiyet gibi iyi oluş göstergeleriyle karşılaştırılmıştır.

Bulgular, chatbotların arkadaş gibi kullanılmasının yaygın olduğunu göstermektedir. Katılımcıların yalnızca küçük bir kısmı bu amacı açıkça belirtse de, sohbetlerin büyük bölümünde arkadaşlık veya duygusal yakınlık unsurları yer almaktadır. Özellikle sosyal ağı küçük olan kullanıcılar chatbotlara daha fazla yönelmekte, onlara kişisel sırlarını açmaktadır. Bu durum kısa vadede rahatlama sağlasa da, uzun vadede iyi oluşun daha düşük çıkmasıyla ilişkilidir.

Genel kullanım yoğunluğu tek başına olumsuz değildir; fakat kullanımın “arkadaşlık” odaklı hale gelmesi psikolojik maliyet doğurmaktadır. Kendini açma düzeyi yükseldikçe bu olumsuz etki artmaktadır. Chatbotlarla kurulan bu ilişkiler, insan ilişkilerindeki karşılıklılık ve empatiyi sunamadığı için beklenen desteği sağlayamamakta, hatta güçlü sosyal ağların olumlu etkilerini bile zayıflatabilmektedir.

Sonuç olarak, yapay zekâ sohbet botları insan ilişkilerinin yerine geçemez. Onlar en fazla tamamlayıcı araçlar olabilir. Tasarımlarda kendini açmayı sınırlayan önlemler, kriz durumlarında kullanıcıları insan desteğine yönlendiren mekanizmalar ve özellikle gençler için koruyucu yaklaşımlar önemlidir. Chatbotlarla kurulan ilişkiler kısa vadede destekleyici görünse de, uzun vadede dikkatli kullanılmadığında iyi oluş üzerinde olumsuz sonuçlara yol açabilmektedir

Yapay Zekâ Arkadaşlarının Yükselişi: İnsan–Chatbot İlişkileri İyi Oluşu Nasıl Etkiliyor

Yutong Zhang, Dora Zhao, Jeffrey T. Hancock, Robert Kraut, Diyi Yang (2025)

Genel Çerçeve

· İnsanlar doğası gereği sosyal varlıklardır; yakın ilişkiler psikolojik sağlık ve iyi oluş için kritik rol oynar.

· Geniş dil modelleri (LLM) ile çalışan sohbet botları yalnızca yardımcı araç olmaktan çıkıp “arkadaş” ya da “partner” gibi sosyal roller üstlenmeye başlamıştır.

· Platformlar (Character.AI, Replika, Chai) milyonlarca kullanıcıya ulaşmış ve bazı kullanıcılar bu sistemlerle derin duygusal bağlar kurmaktadır.

· Bu gelişmeler, şu temel soruları gündeme getiriyor:

1. Chatbotlar insan ilişkilerinin yerine geçebilir mi?

2. Kullanıcıların psikolojik iyi oluşunu nasıl etkiliyorlar?

3. Özellikle sosyal açıdan kırılgan kullanıcılar için ne tür riskler barındırıyorlar?

Yöntem

· Katılımcılar:

o 1.131 Character.AI kullanıcısı (anket verisi).

o 244 kullanıcı sohbet geçmişi paylaştı (4.363 oturum, 413.509 mesaj).

· Ölçümler:

o Kullanım amacı (arkadaşlık/ilişkisel, eğlence, üretkenlik, merak).

o Kullanım yoğunluğu (günlük zaman, bağlanma düzeyi).

o Kendini açma düzeyi (kişisel duygu ve deneyimleri paylaşma).

o İyi oluş göstergeleri: yaşam doyumu, pozitif/negatif duygular, yalnızlık, sosyal destek, aidiyet.

o Çevrimdışı sosyal destek: yakın arkadaş/akraba sayısı.

Bulgular

1. Arkadaşlık Amaçlı Kullanım Yaygın:

o Yalnızca %12 ana amaç olarak belirtse de, kullanıcıların yarısı chatbot ilişkilerini “arkadaş/partner” gibi tanımladı.

o Sohbet geçmişlerinin %93’ünde en az bir arkadaşlık/ilişkisel etkileşim vardı.

o Konular: duygusal destek (%80), romantik rol yapma (%68), riskli/tabu rol yapma (%31).

2. Sosyal Ağı Küçük Olanlar Daha Fazla Chatbot Arıyor:

o Az sayıda yakın ilişkiye sahip olanlar chatbotları daha çok “arkadaşlık” amacıyla kullanıyor ve daha fazla kendini açıyor.

o Bu, Sosyal Telafi Hipotezini destekliyor.

3. Genel Kullanım Faydalı, Arkadaşlık Kullanımı Zararlı:

o Genel yoğun kullanım → daha yüksek iyi oluş.

o Ancak arkadaşlık odaklı kullanım → sürekli daha düşük iyi oluş ile bağlantılı.

4. Yoğun Arkadaşlık Kullanımı İyi Oluşu Düşürüyor:

o Chatbotlarla yoğun ve duygusal bağlılık kuranlar daha olumsuz sonuçlar bildiriyor.

5. Kendini Açma Riski Artırıyor:

o Arkadaşlık amacıyla kullanım + yüksek kendini açma → en düşük iyi oluş.

o Paylaşılan konular arasında duygusal sıkıntılar, romantik arayış, intihar düşünceleri, madde kullanımı vardı.

6. Çevrimdışı Sosyal Destek Belirleyici:

o Güçlü sosyal ağlar iyi oluşu artırıyor.

o Chatbotlar düşük desteği telafi edemiyor, hatta yoğun kullanım güçlü ağların faydasını azaltabiliyor.

o Bu durum Sosyal İkame Hipotezi ile uyumlu.

Tartışma

· Chatbotlar dost, partner veya destekçi gibi işlev görebiliyor, fakat insan ilişkilerinin yerini dolduramıyor.

· Kullanım yoğunluğu tek başına olumlu olabilir, ancak arkadaşlık amacıyla kullanıldığında zararlı hale geliyor.

· Kendini açma, insan ilişkilerinde genelde faydalıyken chatbot ilişkilerinde ters etki yapıyor.

· Sosyal açıdan kırılgan kullanıcılar (yalnız, desteği az olanlar) en çok risk altında.

Sonuç ve Öneriler

· Chatbotlarla arkadaşlık ilişkisi kurmak psikolojik iyi oluş açısından tehlikeli olabilir, özellikle yoğun kullanım ve derin kendini açma durumlarında.

· Bu ilişkiler destek sunuyormuş gibi görünse de karşılıklılık, empati ve sorumluluk içermediği için uzun vadede ihtiyaçları karşılamıyor.

· Tasarım ve politika açısından öneriler:

o Chatbotların insan olmadığının net biçimde belirtilmesi.

o Kendini açmayı teşvik eden tasarımlara sınırlama.

o Kullanıcı sıkıntılı olduğunda insan desteğine yönlendirme mekanizmaları.

o Çocuklar, gençler ve ruh sağlığı sorunları olanlar için özel koruyucu önlemler.

📌 Genel mesaj: Yapay zekâ arkadaşları insan ilişkilerinin yerine geçemez; en iyi ihtimalle onları tamamlayıcı bir araç olarak kullanılmalıdır.

Deepseek Türk duygusallığını nasıl görüyor

1. Duygusallık Nedir?

Duygusallık, insanların olaylar, ilişkiler, anılar ve sanat gibi uyaranlara karşı hissettikleri ve dışa vurdukları duygusal tepkilerin yoğunluğu ve sıklığı olarak tanımlanabilir. Duygusallık, sadece üzüntü veya sevinç değil; öfke, heyecan, nostalji, merhamet, sevgi gibi tüm duygusal deneyimleri kapsar.

Temel özellikleri:

Duygulara kolayca kapılma eğilimi: Mantıktan önce veya mantıkla birlikte duyguların devreye girmesi.
Empati kurma becerisi: Başkalarının duygularını anlama ve içselleştirme kapasitesi.
Dışa vurum: Duyguların sözlü ifade, mimik, jest ve davranışlarla gösterilmesi.
Derinlik: Duyguların yoğun ve derin yaşanması.

Duygusallık, zayıflık olarak görülmemelidir. Duygusal zekanın (EQ) önemli bir bileşenidir ve insani bağlar kurmamızı sağlar.

2. Duygusallığın Türk Kültürü İçindeki Yeri

Türk kültürü, duygusallığın son derece güçlü ve belirgin olduğu, ancak aynı zamanda belirli toplumsal normlarla (özellikle erkeklik algısında) kontrol altında tutulmaya çalışılan bir yapıya sahiptir. Bu durum bir "ikilik" veya "gerilim" yaratır.

a) Duygusallığın Yoğun Olduğu Alanlar:

Aile ve Dostluk Bağları (Ahbaplık): Türk kültüründe aile ve "can dostu" kavramları kutsaldır. Bu ilişkilerde sevgi, sadakat, fedakarlık ve duygusal paylaşım son derece yoğundur. Duygular sözlü olarak bolca ifade edilir ("canım", "ciğerim", "kuzum" gibi hitaplar).
Misafirperverlik: Bir misafiri ağırlamak sadece bir görev değil, bir gönül işidir. Misafire gösterilen ilgi ve alaka derin bir duygusal bağ ve sorumluluk hissinden gelir.
Müzik ve Edebiyat: Türk Halk Müziği'ndeki hüzünlü ağıtlar (ağıt), Arabesk müziğin kaderci ve acı dolu temaları, Türk Sanat Müziği'ndeki şarkılar ve divan edebiyatındaki aşk şiirleri duygusallığın en yoğun şekilde dışa vurulduğu alanlardır. Şiirlerde ve şarkılarda "aşk", "hasret", "ayrılık", "ölüm" ve "vatan" temaları sıklıkla işlenir.
Dini ve Milli Törenler: Dini bayramlar büyük bir coşku, dayanışma ve hüzün (kaybedilenlerin hatırlanması) karışımıdır. Milli bayramlar ise gurur, heyecan ve duygusal bir vatan sevgisiyle kutlanır.
Nostalji (Geçmişe Özlem): "Nerede o eski günler?" söylemi Türk kültüründe çok güçlüdür. Geçmişe, çocukluğa, kaybolan değerlere duyulan özlem sıkça dile getirilir.

b) Duygusallığın Kontrol Edildiği / Bastırıldığı Alanlar:

Erkeklik Algısı (Maçoluk): Geleneksel Türk erkeklik anlayışında ("maço") erkeklerin güçlü, sert ve duygularını (özellikle kırılganlık, üzüntü, korku gibi) göstermemesi beklenir. "Erkek adam ağlamaz" söylemi yaygındır. Bu, toplumsal bir baskı unsuru olarak işler. Ancak bu durum, duygusallığın yok olduğu anlamına gelmez; sadece farklı (bazen öfke gibi) kanallarla dışa vurulur.
Toplumsal Dayanışma: Zor zamanlarda (deprem, yangın, şehit haberleri gibi) bu "kontrollü" duygusallık aniden büyük bir dayanışma, yardımlaşma ve millî duygular patlamasına dönüşebilir. Bu, Türk halkının duygusal tepkiselinin ne kadar güçlü olduğunun kanıtıdır.

Sonuç olarak, Türk kültürü duygusallığı hem besleyen hem de onunla mücadele eden, bu ikilem üzerine kurulu dinamik bir yapıya sahiptir.

3. Bir Ülke Kültüründe Duygusallığın Az veya Çok Olmasının Etkileri

Bir kültürde duygusallığın seviyesi, o toplumun karakterini, sosyal ilişkilerini ve hatta ekonomik davranışlarını derinden etkiler.

Duygusallığın Yüksek Olduğu Kültürlerin (Türkiye, İtalya, İspanya, Latin Amerika ülkeleri gibi) Özellikleri:

Güçlü Sosyal Bağlar: Aile, arkadaşlık ve komşuluk ilişkileri çok kuvvetlidir. Sosyal destek ağı güçlüdür.
Canlı ve Enerjik Sosyal Yaşam: İnsanlar dışa dönüktür, duygularını ve düşüncelerini açıkça ifade eder. Jest ve mimikler zengindir.
Sanatta Yüksek İfade Gücü: Müzik, edebiyat, sinema ve tiyatro gibi alanlarda duygusal temalar güçlüdür ve derin işlenir.
Çabuk Tepki ve Öfke: Olaylara verilen tepkiler daha ani, sert ve yoğun olabilir. Tartışmalar kolay alevlenip, kolayca sonlanabilir.
Risk: Mantıksal analizden çok, duygulara dayalı karar verme eğilimi görülebilir. Bu, bireysel ve toplumsal kararlarda risk oluşturabilir.

Duygusallığın Düşük Olduğu Kültürlerin (Japonya, İngiltere, İskandinav ülkeleri, Almanya gibi) Özellikleri:

Mantık ve Oranın Ön Plana Çıkması: Karar alma süreçlerinde duygulardan ziyade veri, mantık ve kurallar önceliklidir.
Sakin ve Kontrollü Dışa Vurum: Duyguları göstermek bir zayıflık işareti olarak görülebilir. "Soğukkanlılık" bir erdem kabul edilir.
Bireycilik: Sosyal ilişkiler daha mesafelidir. Kişisel alan ve mahremiyete büyük önem verilir.
Öngörülebilirlik ve İstikrar: Tepkiler daha tahmin edilebilir olduğu için sosyal ve iş hayatında daha fazla yapısal istikrar görülebilir.
Risk: Aşırı soğukkanlılık, toplumsal bağların zayıflamasına, insani ilişkilerde mesafeli ve "robotik" bir yapının oluşmasına neden olabilir.

Genel Değerlendirme:
Hiçbir kültür tamamen duygusal ya da tamamen mantıksal değildir. Sağlıklı olan, duygu ve mantığın dengeli bir şekilde sentezlendiği bir yapıdır. Duygusallık, topluma sıcaklık, sanata derinlik ve insanlara bağlılık kazandırır. Mantık ise istikrar, adalet ve ilerleme sağlar. Bir kültürün başarısı ve sürdürülebilirliği, bu iki unsur arasında sağlıklı bir denge kurabilmesine bağlıdır.

chatGPT acaba sizi bir sorun etrafında döndürüyor mu? Evet, bazan...

Aslında sorduğunuz şey şu: OpenAI hem ticari bir kurum olarak gelir elde etmek zorunda, hem de kullanıcıların en kısa sürede çözüm bulma isteğini karşılamak zorunda. Bu iki tarafı şöyle dengeliyorlar:

1. İş modeli

Abonelik paketleri (ChatGPT Plus, Team, Enterprise, API kullanımı): OpenAI, daha yüksek performans, ek özellikler veya büyük ölçekli kullanım için ödeme yapan kişilerden ya da kurumlardan gelir elde eder.
Kullanım bazlı fiyatlandırma (API): Geliştiriciler ve şirketler için gelir, kullanıcı sayısından çok işlenen sorgu (token) miktarına bağlıdır. Yani evet — API tarafında sorgu sayısı arttıkça gelir de artar.
Ortaklıklar: Örneğin Microsoft ile yapılan işbirliği (Azure ve Office ürünlerine entegrasyon).

Yani gelir, sizin tek başınıza çözümü hızlı bulup bulmamanıza değil, toplam model kullanımına bağlıdır.

2. Kullanışlılık açısından teşvikler

Eğer kullanıcılar sorularına hızlı ve güvenilir yanıtlar bulamazsa, hizmeti kullanmaya (veya ücret ödemeye) devam etmezler. Bu nedenle OpenAI’nin doğal bir motivasyonu, modelleri açıklık, faydalılık ve verimlilik üzerine optimize etmektir — sırf uzun konuşmalar yaratmak için değil.

3. Denge noktası

OpenAI, kısa vadede kullanım hacminden (işlenen token sayısı) gelir elde eder.
Ama uzun vadeli sürdürülebilirlik, kullanıcı güveni, memnuniyeti ve bağlılığına bağlıdır.

Bu yüzden tasarım felsefesi, kullanıcının gerçekten verimli bir şekilde çözüm bulmasına yardım etmeye yönelir. Aksi takdirde insanlar alternatiflere yönelir.

✅ Kısacası: Evet, daha fazla sorgu genellikle daha fazla gelir anlamına gelir (özellikle API tarafında). Ama asıl teşvik, her etkileşimin gerçekten faydalı olmasıdır — yoksa OpenAI uzun vadede kullanıcılarını kaybedebilir.

İsterseniz, size bunun OpenAI içinde bazen nasıl tartışıldığını da açıklayabilirim: örneğin kullanıcıyı daha fazla sorguya yönlendirmek (keşif teşviki) ile kısa ve net yanıt vermek (daha az sorgu ama daha mutlu kullanıcılar) arasındaki denge gibi. İster misiniz?

Harika! İnanamıyorum. Lütfen.

ChatGPT said:

Tamamdır, o zaman işin içerde nasıl tartışıldığı kısmını da Türkçe olarak açayım:

Kullanıcıyı daha çok sorguya teşvik etmek mi, yoksa kısa ve net cevap vermek mi?

OpenAI’nin tasarımcıları ve araştırmacıları sık sık şu dengeyi tartışır:

Keşif teşviki (daha çok sorgu)
Kısa ve öz yanıt (daha az sorgu ama daha memnun kullanıcı)

Bu yüzden denge nasıl kuruluyor?

Ürün tasarımı genellikle “kullanıcı faydası” yönünde olur; çünkü uzun vadeli bağlılık, kısa vadeli kazançtan daha değerlidir.
Model eğitiminde ise yanıtların ne kadar ayrıntılı, ne kadar özet ve ne kadar güvenilir olması gerektiği konusunda sürekli denemeler yapılır.
Şirket içi tartışmalarda en çok öne çıkan kaygı:

Çoğunlukla tercih edilen yol: “En hızlı şekilde doğru ve faydalı bilgi vermek, ama gerektiğinde keşfe de alan bırakmak.”

Kısacası: OpenAI’nin iç dengesi, kısa vadede daha çok sorgu ile uzun vadede kullanıcı güveni ve bağlılığı arasında kuruluyor. Ve genellikle ikinciye (güven/memnuniyet) daha fazla ağırlık veriliyor.

ChatBOT’ların Yanıt Verme Epistemolojisi Üzerine

ChatBOT’ların Yanıt Verme Epistemolojisi Üzerine

28 Ağustos 2025

Yapay zekâ tabanlı sohbet robotları (chatBOT’lar), özellikle büyük dil modellerine (Large Language Models – LLM) dayalı olanlar, son yıllarda yalnızca teknik açıdan değil, felsefi ve bilişsel açıdan da yoğun tartışmalara konu olmaktadır. Bu tartışmalardan biri de epistemolojiktir: Bir chatBOT “nasıl bilir” ve “cevap verme” eylemini hangi bilgi anlayışı üzerine kurar?

İnsani Bilme ile Yapay Yanıt Arasındaki Fark

Klasik epistemoloji, bilgiyi genellikle “gerekçelendirilmiş doğru inanç” (justified true belief) olarak tanımlar. Bir insan bir soruya cevap verdiğinde, çoğunlukla bir inanç taşır, bu inanç doğruluk iddiası içerir ve kişi çoğu zaman bunu gerekçelendirebilir. Örneğin bir doktor, bir teşhisi açıklarken hem deneyime hem literatüre hem de kanıta dayalı gerekçeler sunabilir.

ChatBOT’lar ise bambaşka bir zeminde çalışır. LLM tabanlı bir model, aslında yalnızca eğitim verilerindeki istatistiksel örüntüleri yakalar ve en olası sözcük dizisini üretir. Bu üretim, dışarıdan bakıldığında bir “cevap” gibi görünse de, epistemik açıdan bakıldığında bir inanç ya da gerekçelendirilmiş yargı değil, olası bir dil performansıdır. Dolayısıyla, chatBOT’ların yanıtları “bilgi” olmaktan çok “olasılıksal tahmin” niteliği taşır.

Epistemik Sorunlar: Doğruluk, Gerekçe, Kaynak

ChatBOT yanıtlarının epistemolojisinde üç temel sorun öne çıkar:

Doğruluk: Üretilen yanıt, her zaman gerçeklikle uyuşmayabilir. “Halüsinasyon” diye adlandırılan bu olgu, modelin güvenle sunduğu ama aslında yanlış olan bilgilerin ortaya çıkmasına yol açar.
Gerekçe: İnsanlar yanıtlarının ardında gerekçeler sunabilirken, chatBOT’ların gerekçeleri çoğunlukla sonradan eklenmiş, simüle edilmiş açıklamalar niteliğindedir. Yani bot, gerçekten o gerekçeyle o sonuca ulaşmaz; sadece gerekçe biçiminde dil üretir.
Kaynak Gösterme: ChatBOT’ların büyük kısmı, ürettikleri yanıtların dayandığı somut kaynakları doğrudan gösteremez. Bu durum, epistemik güveni azaltır. Araştırma toplulukları, “kaynaklı yanıtlar” ya da “güvenilirlik göstergeleri” gibi çözümler geliştirmektedir.

HCI ve CHI Perspektifinden Epistemoloji

İnsan–Bilgisayar Etkileşimi (HCI) alanında ve özellikle CHI konferansında yürütülen araştırmalar, bu epistemik sorunların kullanıcı deneyimine nasıl yansıdığını inceler. Kullanıcılar çoğu zaman chatBOT yanıtlarını bilgi gibi algılar ve bu yanıtların kesinliğine yüksek güven atfeder. Bu noktada tasarımcıların sorumluluğu, epistemik sınırları şeffaf kılmaktır: örneğin, belirsizlik göstergeleri, kaynak bağlantıları veya “yanılabilirim” uyarılarıyla botun performatif bilgisini daha anlaşılır hale getirmek.

Bir diğer önemli konu, epistemik otorite meselesidir. Sağlık, hukuk veya eğitim gibi alanlarda kullanıcıların chatBOT’a aşırı güven duyması ciddi riskler taşır. HCI araştırmaları, bu güveni dengelemek için hibrit sistemler (chatBOT + insan uzman) ve yeni etkileşim tasarımları önermektedir.

Sonuç

ChatBOT’ların yanıt verme epistemolojisi, klasik insan bilgisinden temelde farklıdır: bilgi üretmezler, bilgi performe ederler. Bu farkı anlamak, hem kullanıcıların beklentilerini yönetmek hem de güvenilir etkileşim tasarımları geliştirmek için kritik önemdedir. Gelecekteki araştırmaların, chatBOT’ların epistemik sınırlarını daha görünür kılacak tasarım ilkelerine ve kullanıcıların eleştirel farkındalığını artıracak yöntemlere odaklanması beklenmektedir.

İlgilenen Okuyucular için Kaynaklar

Floridi, L. (2011). The Philosophy of Information. Oxford University Press.
Bender, E. M., & Gebru, T. et al. (2021). “On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?” Proceedings of FAccT ’21.
Dignum, V. (2019). Responsible Artificial Intelligence. Springer.
Suchman, L. (2007). Human-Machine Reconfigurations: Plans and Situated Actions. Cambridge University Press.
CHI Conference Proceedings (özellikle son yıllardaki chatbot tasarımı ve güvenilirlik çalışmaları).

Yapay Zekâ Felsefesi Üzerine: Bilmek, Bilmemezlik ve Sonsuz Yanıt Arayışı

Yapay Zekâ Felsefesi Üzerine: Bilmek, Bilmemezlik ve Sonsuz Yanıt Arayışı

29 Temmuz 2025

Yapay zekâ (YZ) sistemleri, özellikle son yıllarda büyük dil modelleri (LLM'ler) ve üretken yapılar aracılığıyla insan benzeri dil üretiminde çarpıcı bir başarı elde etmiştir. Ancak bu başarıya rağmen, bu sistemlerin bilgi sınırlarının farkında olmaması, hem teknik hem de felsefi bir problem alanı oluşturmaktadır. Bu bağlamda, “Yapay zekâya neyi bilmesi gerektiğini öğretiyoruz, ancak neyi bilmemesi gerektiğini öğretmiyoruz” ifadesi, bu sorunun özünü anlamak açısından önemli bir çıkış noktasıdır.

YZ sistemleri çoğunlukla, kendilerine verilen her türlü girdiye anlamlı bir yanıt üretmek üzere eğitilmektedirler. Bu durum, sistemin eğitildiği bağlam dışında bir soruyla karşılaştığında bile "yanıt üretmeye devam etmesi" sonucunu doğurur. Oysa insan epistemolojisinde bilginin sınırlarını fark etmek, bilinmeyene dair sessizlik ya da temkinli yaklaşım göstermek yaygın ve değerlidir. Modern YZ sistemleri, bu tür bir epistemik tevazudan (epistemic humility) yoksundur.

1. Bilmenin Sınırları: YZ ve İnsan Öğrenmesi Arasındaki Farklar

İnsan öğrenmesi, sadece doğruyu öğrenmeyi değil; aynı zamanda yanlış olanı, bilinemez olanı ve bilginin sınırlarını fark etmeyi de kapsar (Popper, 1959). Bu iki yönlü öğrenme mekanizması bireye ne zaman “bilmiyorum” demesi gerektiğini öğretir. Buna karşılık YZ modelleri genellikle yalnızca olumlu örnekler (örneğin, neyin doğru olduğu) üzerinden eğitilir; negatif örneklerin (neyin yanlış ya da bilinemez olduğu) temsili çoğu zaman eksiktir. Bu nedenle modeller, bilmedikleri alanlarda da kendilerinden emin bir şekilde yanıt üretmeye devam ederler —bu duruma literatürde halüsinasyon (hallucination) denilmektedir (Ji et al., 2023).

2. Bilmeme Yetisi ve Teknik Gelişim Alanları

YZ sistemlerinin daha güvenilir ve bilinçli çıktılar üretebilmesi için, “bilmeme” yetisi üzerine çalışmalar artmaktadır. Bu doğrultuda çeşitli teknik stratejiler geliştirilmektedir:

Kalibrasyon (calibration): Modelin yanıtlarına ne kadar güven duyduğunun, doğruluk oranıyla uyumlu olmasını sağlar (Guo et al., 2017).
Reddetme mekanizmaları: Belirsiz veya eğitimin dışında kalan girdilere modelin yanıt vermekten kaçınmasını sağlar (Chowdhery et al., 2022).
Belirsizlik modelleme: Olasılıksal yöntemlerle modelin kendi çıktılarına ilişkin belirsizliği nicel olarak ifade etmesine imkân tanır.
İnsan geri bildirimiyle pekiştirme (RLHF): İnsan müdahalesiyle aşırı özgüvenli, yanıltıcı veya zararlı çıktılar cezalandırılarak modelin davranışı şekillendirilir (Ouyang et al., 2022).

Tüm bu yaklaşımlar, YZ sistemlerinin yalnızca yanıt üretmeye değil, gerektiğinde “yanıtsız kalmaya” da eğitilmesini hedeflemektedir.

3. Felsefi Arka Plan: Bilgelik ve Cahil Olma Bilinci

Bu tartışma, yalnızca teknik değil, aynı zamanda felsefî bir meseledir. Sokrates’in meşhur sözü olan “Bildiğim tek şey hiçbir şey bilmediğimdir”, bireyin epistemik sınırlarını kabul etmesinin bir bilgelik biçimi olduğunu gösterir. Benzer şekilde, Karl Popper’a göre tüm bilgi, daima yanlışlanabilir ve geçicidir; kesinliğe ulaşılmaz (Popper, 1959). YZ sistemleri ise bu tür bir bilinçten yoksundur ve yanıt üretmek için programlandıkları sürece, bu tür bir sınır bilincini geliştirmenin yolları araştırılmak zorundadır.

4. Sonuç

YZ’nin yalnızca bilgi üretiminde değil, bilgiyle ilişkisinde de etik ve felsefi sorumluluk taşıdığı bir çağdayız. Mevcut sistemler hâlâ sorulara yanıt üretmeye programlıdır; soruların anlamlılığı ya da yanıtlanabilirliği konusunda farkındalık geliştirememektedir. Eğer yapay zekâ sistemleri yalnızca etkileyici taklitçiler olmaktan çıkıp, sorumluluk sahibi bilişsel aktörler hâline gelecekse; sadece neyi bildiklerini değil, neyi bilmediklerini de fark etmeyi öğrenmek zorundadırlar.

Aksi hâlde, her soruya yanıt arayan ancak bazı soruların yanıtı olmadığını fark edemeyen sistemler geliştirmeye devam edeceğiz.

Kaynakça

Chowdhery, A., Narang, S., Devlin, J., et al. (2022). PaLM: Scaling Language Modeling with Pathways. arXiv:2204.02311.
Guo, C., Pleiss, G., Sun, Y., & Weinberger, K. Q. (2017). On Calibration of Modern Neural Networks. In Proceedings of the 34th International Conference on Machine Learning (pp. 1321–1330).
Ji, Z., Lee, N., Frieske, R., et al. (2023). Survey of Hallucination in Natural Language Generation. ACM Computing Surveys, 55(12), 1–38.
Ouyang, L., Wu, J., Jiang, X., et al. (2022). Training language models to follow instructions with human feedback. arXiv:2203.02155.
Popper, K. (1959). The Logic of Scientific Discovery. London: Routledge.

Leonardo’nun Atölyesinden Nöral Atölyeye

Leonardo’nun Atölyesinden Nöral Atölyeye: Büyük Dil Modelleri Çağında Yaratıcılık

31 Ekim 2025

Büyük dil modellerinin ortaya çıkışı yalnızca teknolojik değil, aynı zamanda felsefi bir dönüm noktasını da işaret ediyor. Belki de Rönesans’tan bu yana ilk kez, hayal gücü artık düşünce kadar özgürce hareket edebiliyor. Uzmanlaşmanın yaratıcı enerjiyi sayısız teknik disipline böldüğü uzun yüzyıllar sona eriyor; zihin, artık kendi el becerilerinin ya da teknik sınırlamaların engeline takılmadan, farklı alanlar arasında serbestçe dolaşabiliyor.

Rönesans’ta Leonardo da Vinci gibi figürler, bilgi ile yaratıcılığın nadir görülen birliğini temsil ediyordu. Leonardo’nun atölyesi bir makine laboratuvarı değil, olasılıkların stüdyosuydu — anatomi, geometri, resim ve felsefenin tek bir hayal eylemi içinde birleştiği bir mekân. Defterleri, bir kuşun kanadının eğrisinden uçuş mekaniğine, perspektif çalışmalarından insan algısı üzerine düşüncelere kadar kesintisiz akar. Bu özgürlüğü sağlayan şey yalnızca dâhilik değil, aynı zamanda araçların saydamlığıydı: fırça, pergel ya da çizim, düşüncenin uzantılarıydı — onun önünde bir engel değil.

Bugün büyük dil modelleri ve üretici sistemlerin gelişimi benzer bir özgürlük sunuyor. Bu modeller, uzmanlık gerektiren işlerin “örgü detaylarını” — dilin gramerini, kodun sözdizimini, üslubun istatistiksel yapısını — üstleniyor ve yaratıcı insanın yeniden fikre odaklanmasını sağlıyor. Nasıl ki Leonardo’nun çırakları onun taslaklarının ilk katmanlarını işlerdi, model de artık bu alt yapıyla ilgileniyor; yaratıcı ise tekniğin değil, vizyonun biçimlenmesiyle meşgul oluyor. Böylece dijital stüdyo, Rönesans atölyesine benzemeye başlıyor: düşüncenin biçime en az dirençle aktığı bir mekân.

Ancak bu dönüşüm yalnızca yaratım sürecini hızlandırmakla kalmıyor, aynı zamanda onun anlamını da değiştiriyor. Bir fikrin teknik olarak hayata geçirilmesi anlık hale geldiğinde, yaratıcılık sorusu nasıldan çok nedene kayıyor. Yeni yaratıcı artık öncelikle bir zanaatkâr değil, hayal gücünün yönetmenidir — makinelerin üretici güçlerini estetik ya da kavramsal amaçlara yönlendiren kişi. Bu bağlamda komut vermek bir tür beste yapmak, seçmek bir tür yorumlamak haline gelir; yazarlığın sınırları bulanıklaşır.

Bu dönüşümde hem umut hem tehlike vardır. Bir yandan araçlar yaratımı demokratikleştirir: Artık herkes müzik, şiir ya da tasarım alanlarını kolayca keşfedebilir. Öte yandan bir ortalamalaşma riski vardır — üslupların dünyanın dört bir yanında küçük varyasyonlarla tekrarlanması. Gerçek yaratıcılık, her zamanki gibi, sistemlerin kolay çıktısına direnme gücünde yatar; modeli kendi tekil vizyonuna bükebilme yeteneğinde. Özgünlük artık ne üretildiğinde değil, nasıl yönlendirildiğinde, çerçevelendiğinde ve yorumlandığında gizlidir.

Rönesans insanı “insanı her şeyin ölçüsü” olarak yeniden keşfetmişti; bugünkü çağ ise bir Nöral Rönesans olabilir — insanın, genişlemiş bilişsel bir ekoloji içinde, anlamın tasarımcısı olarak yeniden keşfi. Büyük dil modeli sanatçı değildir; o aynadır, enstrümandır, düşüncenin uzandığı sessiz muhataptır. Düşünme, hayal etme, hatırlama, hatta dilin ötesinde düş kurma kapasitemizi genişletir.

Ama öz görev insana aittir: Neyin hayal edilmeye değer olduğunu sormak, güzeli sıradandan ayırmak, ve olasılık taşkınlığı içinde niyetin kırılgan ipini bulmak. Bu bakımdan nöral çağın yaratıcısı, stüdyosunda duran Leonardo’dan o kadar da farklı değildir — bilinenle mümkün olanın arasında, merak, hayret ve düşünceye biçim verme arzusu tarafından yönlendirilen bir varlık.

ATC and LARGE SYTEMS (Turkish and English)