Daha önce yıkıcı teknolojiler üzerine bir yazı serisi hazırlamıştım.
Özetle yıkıcı teknolojiler, alışkanlıklarımızı, normallerimizi ve dünyayla kurduğumuz ilişkiyi değiştiren teknolojilerdi. Her ne kadar “yıkıcı” kelimesi kulağa olumsuz gelse de bu değişim iyi anlamda da olabilir. Sonuçta teknolojinin yıkıcı olması, mutlaka kötü bir şey yaptığı anlamına gelmiyor. Bazen yalnızca o güne kadar normal kabul ettiğimiz şeyleri değiştiriyor.
Telefonu düşünelim. En başlarda sokaklarda kendine ait bir yeri vardı. Aslında hâlâ var. Bir gün cep telefonunuzu bırakıp sokak telefonlarını arayın. Düşündüğünüzden daha çok olduklarını fark edebilirsiniz. Ancak normallerimiz değiştiği için artık dikkatimizi bile çekmiyorlar.
O telefonlarla aynı zamanlarda, belki biraz sonrasında, telefon evlerimizin de normali oldu. Kendine ait bir masası, hatta bazen kendine ait bir odası vardı. Eski dedektif hikâyeleri tadındaki gizemli aramaların yerini daha öngörülebilir telefon görüşmeleri aldı. Bir telefon çaldığında bütün evin dikkatinin o sese yöneldiği zamanları hatırlayanlar vardır. Ya da benim gibi, çocukken telefon çalınca, telefondan olduğunca uzağa kaçanlar.
Bu da değişti. Kabloya ve bir metrekarelik alana sabitlenmekten sıkılan insanoğlu telsiz telefonları üretti. Artık insanlar evin içinde dolaşarak konuşabiliyordu. Telefona gitmek yerine telefon onlara gelmeye başlamıştı. Aynı zamanda kişisellik de arttı. Artık, her şey herkesin ortasında konuşulmuyordu.
Yetti mi? Hayır. Dışarıdayken neden ulaşılabilir olmayalım ki?
Cep telefonları girdi hayatımıza. Artık ulaşılabilirlik daha da normalleşti. Hatta birine ulaşamayınca garipsemeye başladık. Telesekreterler yetmeyince mesajlara alıştık. Mesajlaşmayı hızlandırdık, bilgisayarlarda yaptığımız yazışmaları, elektronik postaları ve mektuplaşmaları da mobil iletişimimize ekledik. Bu da normalleşti.
Sosyal medya, onlarca mesajlaşma uygulaması ve iletişim kanalıyla birlikte artık ulaşılamamak büyük bir meseleye dönüştü. Ben hâlâ cep telefonunun birine her zaman ulaşabilme garantisi vermesi gerektiği düşüncesine alışamasam da “Kaç gündür ulaşamadık, hayırdır?” benim de normalim oldu. Bir de görüldü, görülmedi meselesi var. Gördüm ve umrumda olmadı diyemiyorsunuz.
Bunlara paralel olarak sabit bir yerde yaptığımız neredeyse her şeyi mobil telefonlara yükledik. Telefon artık mobil bir bilgisayara dönüştü. İletişimden öğrenmeye, çalışmaktan fotoğraf çekmeye, yazmaktan ödeme yapmaya, alışverişe kadar her şeye sahip bir araç hâline geldi. Işık lazım olunca aklına el feneri gelen kaldı mı?
Tüm bunların ne kadar hızlı geliştiğini düşününce insan hayret ediyor. Eskiden bir köşede, kendine ait bir yerde duran iletişim aracı, artık vücudumuzun bir uzvu oldu.
Durum böyle olunca gerçekten de vücudumuzun bir uzvu gibi her yerde bizimle. Tuvalete bile giderken yanımızda. Hatta duşta bile. Özellikle akıllı saatleri de düşünürseniz, teknolojinin gerçekten bulunduğumuz her yerde olduğunu görebilirsiniz.
Bununla birlikte başka bir şeye daha alıştık: Hıza.
Her şey hızlandı. Bilgiye erişimimiz, iletişimimiz, çalışma biçimimiz, beklentilerimiz… Sürekli yeni içeriklerin karşımıza çıktığı, dikkatimizi bir yerden diğerine taşıdığımız bir dünyaya alıştık. O kadar hızlandık ki bir noktadan sonra yetişememeye başladık.
Tam da bu sırada hayatımıza başka bir teknoloji girdi: Yapay zekâ.
Az zamanda çok iş, peki ya düşünce?s
Yapay zekâ çok kısa sürede her cebe, her eve, her odaya girdi. Artık yetiştiremediğimiz işlere koşuyordu. Bilgilerin içinde kaybolan bizlere ilaç gibi geldi.
Acaba sonunda yavaşlayabilecek miydik? İşlerimizi devredip daha fazla boş zamana mı sahip olacaktık? Yoksa işleri hızlandırıp kendimize başka uğraşlar mı bulacaktık?
Derken tanıdık bir şey oldu: Az zamanda çok iş.
Aslında kulağa hoş geliyor. Ama bir yandan iş yükünü, beklentileri ve sorumlulukları da artırıyor. Dün birkaç günde yapılan bir iş, bugün birkaç saatte yapılabiliyorsa, yarın aynı sürede çok daha fazlasının yapılması beklenmeye başlanıyor.
Yapay zekânın yaptığı şeyin önemli bir bölümü aslında otomasyonu daha da otomatikleştirmek. Daha önce insanın tanımlaması, sıralaması ve yönetmesi gereken birçok işlemi artık kendi başına organize edebiliyor. Fakat nasıl bir dünyada yaşıyorsak, işleri sıraya koyup otomatik hâle getirebilmek bile ortalama bir insandan daha zeki olmakla özdeşleştirilmeye başlandı. Maymunların çözdüğü problemleri, çözemeyen insanlar olduğunu düdşününce, o kadar da garip değil aslında.
Üstelik yapay zekâ diğer birçok teknolojiye göre gündelik hayatımızın çok daha hızlı bir parçası oldu. İşi yapay zekâya yaptırmak yetmiyormuş gibi, kontrolünü ve testini de ona yaptırıyoruz. Karar alırken de ona soruyoruz. Araştırma yaparken de. Yazarken de. Öğrenirken de.
“O” diyorum, çünkü birçok yerde işi bilen bir uzman gibi kişiselleştiriliyor. Sanki karşımızda her konuda uzman, her şeyi değerlendirebilen ve her zaman güvenebileceğimiz biri varmış gibi davranıyoruz.
Yapay zekâ bazı uzmanlık görevlerini başarıyla gerçekleştirebiliyor. Fakat bu, ürettiği her sonucun doğru olduğu veya uzmanlık bilgisini bütünüyle gereksiz kıldığı anlamına gelmiyor. Buna rağmen bir konudan anlamadan o konuyla ilgili iş yapabilme yanılsaması giderek yaygınlaşıyor.
Yaşadığım bir olayı anlatmak istiyorum:
Bir gün toplantıda, müdür bir soru sordu. Vereceğimiz bir kararla ilgili. Kendisinin, ekip liderinin ve diğer ekip arkadaşlarının detaylı bilgisi yoktu. Artıları ve eksileri ben açıkladım. Ekip liderime dönüp, ‘chatgpt’ye sordun mu?’ dedi. Ekip lideri chatgpt’nin cevabını okudu ama cevap yanlıştı. Belli ki, kendi düşüncesini anlatmış ve GPT o düşünce çerçevesinde bir cevap vermiş. Buna itiraz etsem de, GPT’den daha mı iyi biliyorsuna geldi olay. Toplantı sonrası, her ikisi de tekrar GPT’ye sormuşlar ve sorularının temeli benim anlattıklarım değil, basitçe bu nedir ne değildir yani sıfır bilgi üzerine kurulu. Sonuçta GPT’nin cevabına göre bir karar verildi. Artık sesimi çıkarmıyorum. İleride sorun yaşadıklarında, yine GPT’ye sorarlar. Ya da bana iş çıkar.
Bu daha önce de yaşandı. GPT’nin cevabı iyi bir sonuç verse de, gerçekler çok farklıydı. Üretime gönderdikleri çözüm iki hafta geçmeden yepyeni sorunlarla geri döndü. Kısacası GPT her şeyi bilen, her şeye gücü yeten bir sistem değil, bildiğin şeyi hızlandıran bir araç.Anlamadığım şeyleri yapıyorum yanılgısı, günümüzün en büyük sorunu olmaya aday.
İşte asıl mesele burada başlıyor.
Bir problemi çözmek, problemi çözmeyi öğrenmek midir?
Yapay zekânın bilişsel süreçlerimiz üzerindeki etkilerini araştıran çalışmalar giderek artıyor. MIT Media Lab tarafından yürütülen Your Brain on ChatGPT araştırmasında katılımcıların yapay zekâ desteğiyle yazı yazarken gösterdikleri beyin aktiviteleri EEG ile incelendi. Yapay zekâ kullanan grupta bazı sinirsel bağlantısallık ölçümlerinin daha düşük olduğu, katılımcıların yazdıklarını hatırlamakta daha fazla zorlandığı gözlemlendi. Her ne kadar bu araştırma, örneklem ve yöntem açısından kısıtlı olsa da, bize olabilecekler hakkında ufak bir fikir veriyor.
Gün içinde saçma sapan onlarca karar veriyoruz, bir sürü şeyle uğraşıyoruz. Çok yoğun insanların birçok süreci asistanlara yıkması gibi, yapacağımız işleri makinaya devretmek de, zihinsel rahatlık anlamında önemli ama artık tüm düşünce süreçlerini makinaya devretmeye başladık.
Araştırmaya dönersek, ortaya koyduğu sorular önemli. Üstelik bu soruların birçoğu, günlük hayatında yapay zekâyla çalışan insanların kendi deneyimlerinde de karşılık bulabilir.
Benzer bir araştırma Microsoft Research ve Carnegie Mellon Üniversitesi tarafından 319 bilgi çalışanıyla gerçekleştirildi. Araştırmada yapay zekâya duyulan güven arttıkça katılımcıların bildirdiği eleştirel düşünme çabasının azaldığı görüldü. Elbette bu, tek başına bir neden-sonuç ilişkisi kanıtlamıyor. Fakat düşünsel emeğimizi nasıl ve ne ölçüde dış araçlara devrettiğimizi sorgulamamız gerektiğine işaret ediyor. Aslında bu kaybı zaten sürekli gaete okuyan insanlar, devamında sürekli sosyal medya kullananlar, sürekli propagandaya maruz kalanlar yaşıyordu. Şimdi ise, bu eleştirel düşünce kaybı günlük rutine dönüşüyor.
Beni asıl düşündüren kısım da, burası çünkü bu değişimi günlük hayatta da gözlemliyorum.
Birincisi, işi bilenle bilmeyenin yapay zekâdan aldığı sonuçlar arasında büyük bir uçurum var. İşi bilen insan ne istediğini, çıkan sonucun ne anlama geldiğini, hangi noktaların eksik olduğunu ve neyin değiştirilmesi gerektiğini , neyin yanlış neyin doğru olduğunu anlayabiliyor. İşi bilmeyen ise çoğu zaman aldığı çıktıyı doğrudan kullanıyor. Sadece girdi veriyor ve çıktı bekliyor. En ufak değişiklikte ürettiği şey çöpe dönüşebiliyor.
Garbage in, garbage out.
İkincisi, aynı sorunlar tekrar tekrar karşımıza çıkıyor. Çünkü sorunu çözdüğünü düşünen kişi, çoğu zaman neyi çözdüğünün farkında bile değil. Girdi veriyor, çıktı alıyor; aradaki süreçle ilgili en ufak fikri yok. Boş bir gururla aldığı çıktıyı kendi çözümü olarak sunuyor. Birkaç gün sonra aynı sorun tekrar ortaya çıktığında ise aynı döngü yeniden başlıyor.
Bu döngünün temelinde önemli bir ayrım var: Bir problemi çözmüş olmak, o problemi nasıl çözeceğimizi öğrendiğimiz anlamına gelmiyor.
Matematikte de durum benzer. Yapay zeka şirketlerinin, yıllardır çözülemeyen matematik problemlerini çözmekle övündüklerini görmüşsünüzdür. Matematikçilerin cevabı ise, olayın problemi çözmek değil çözüm süreci olduğuydu. Doğru sonuca ulaşmak değil, o problemi çözerken geliştirilen yöntemler, fark edilen ilişkiler, yanlış varsayımlar ve keşfedilen yeni sorular aslında bilgi üretiminin temelini oluşturuyor. Bu matematikte de, sosyal bilimlerde de, bilginin her olduğu her yerde aynı. O nedenle gidiş yoluna puan veren öğretmenlere, her zaman saygı duymuşumdur. Bu aynı zamanda, son PISA sonuçlarında kayda değer başarı gösteren Türkiye’nin düşünce özgürlüğü, kritik düşünce, empati gibi konularda neden başarısız olduğunu da ortaya koyuyor ama neyse o başka konu. Verisiz, atıp tutuyorum.
Yaklaşık bin lise öğrencisiyle yapılan ve 2025 yılında PNAS’ta yayımlanan bir araştırmada, standart yapay zekâ desteği alan öğrencilerin alıştırmalarda daha başarılı olduğu, fakat destek kaldırıldığında kontrol grubundan daha düşük performans gösterdiği görüldü. Öğrenme sürecini korumak üzere tasarlanmış bir yapay zekâ öğretmeni kullanıldığında ise bu olumsuz etki büyük ölçüde ortadan kalktı.
Bir aracın performansımızı artırması, onun sayesinde gerçekten öğrendiğimiz anlamına gelmiyor. Tam da olay bu. Çabuk çıktı alsak da, en basit sorunlar günlerce hatta haftalarca uğraşılan bir şeye dönüşebiliyor.
Soyutlama ile bilgisizlik
Aslında insan tarih boyunca çalışma prensiplerini bütünüyle bilmediği araçları kullandı. Böylece işini kolaylaştırdı. Örneğin araba kullanmak için makina mühendisi olmanıza, motordan anlamanıza, telefon kullanmak için elektronik bilgisine gerek yok. Ancak burada soyutlama ile ne yaptığını bilmeme arasında önemli bir fark var.
Araba kullanmak için ehliyet alıyoruz. En azından aracın temel çalışma mantığını, nasıl hareket ettiğini, nasıl durduğunu ve güvenli kullanım kurallarını öğreniyoruz. Fren tutmadığında bir sorun olduğunu biliyoruz. Vitesin ne işe yaradığını, el freninin ne zaman kullanılması gerektiğini veya bir aracın neden yokuş çıkamayabileceğini en azından temel düzeyde anlayabiliyoruz. Motoru tasarlayamıyor olmamız, arabayı nasıl kullanacağımızı bilmediğimiz anlamına gelmiyor.
Soyutlama dediğimiz şey bu. Bir sistemin bütün iç ayrıntılarını bilmeden, tanımlanmış arayüzleri ve davranışları üzerinden onu kullanabilmek. Soyutlama aslında bir nevi genelleme.
Özellikle programlamada bu fark çok daha belirgin. Yapay zekâya bir girdi verip çalışan bir program elde etmek artık çok kolay. Prototip geliştirmek açısından da son derece kullanışlı. Fakat çalışan bir yazılımla doğru tasarlanmış, sürdürülebilir, güvenilir ve bakımı yapılabilir bir yazılım aynı şey değil.
Yapay zekâdan yalnızca girdi ve çıktıya odaklanan bir çözüm istediğinizde, mimariden ve konuya özel ayrıntılardan uzak bir sonuç elde ediyorsunuz. Sistem kaynakları, performans, güvenlik, hata yönetimi, test edilebilirlik veya uzun vadeli bakım gibi konular göz ardı ediliyor.
Uzman olmadan genel bir ürün ortaya çıkarmak mümkün olabilir. Ancak o ürünü profesyonel ve sürdürülebilir hâle getirmek, çoğu zaman çok daha fazla bilgi ve efor gerektiriyor.
Bir keresinde yapay zekâya bir kod yazdırdım. Yaklaşık 50 MB büyüklüğünde Python tabanlı bir çözüm ortaya çıkardı. Çalışıyordu, sorun da görünüşte çözülmüştü. Fakat çözüm bana doğru gelmedi. Neden bu kadar büyük bir yapıya ihtiyaç duyduğumuzu sorguladım. PowerShell ile daha basit bir yöntem olup olmayacağını birkaç kez sordum, alternatifler üzerinde ısrar ettim. Sonunda aynı iş için yaklaşık 30 KB büyüklüğünde bir çözüm elde ettim.
Python ne, powershell ne ola ki, 50MB ne demek diyenler için özet: Yapay zekanın verdiği çözüm, olması gereken çözümden yaklaşık 1000 kat daha büyük.
Olduğu gibi kabul etsem, sorun çözülmüş görünecekti. Ama gereksiz karmaşık, bakım maliyeti daha yüksek ve ihtiyacın çok ötesinde bir yapı kullanılmış olacaktı. Bir yerde kullanılamaz hale geldiğinde ise, sorgulanacak şey kullanılan teknolojinin kendisi değil, ufak bir ayrıntı olacaktı. Yani ilk yanlış, gelecekte çok daha büyük, zaman harcayan bir probleme dönüşecekti. Tıpkı demokratik süreçler gibi. Çoğunluk vasatı seçiyor. Vasat, vasat vasat işler yapıyor. Onun yaptığı işleri düzeltmeye daha vasat tipler geliyor ve sistem zamanla kendini yok ediyor. Biz beceriksiz yöneticilerden şikayet ederken, aslında sistemin en başındaki sorunun büyüdüğünü ve içinden çıkılmaz bir probeleme dönüştüğünü görüyoruz.
Bunları görebilmek için sistemi anlamak gerekiyor.
Aynı şey yazarken de geçerli. Bazen yalnızca gramer düzeltmesi istiyorsunuz, yapay zekâ metnin anlamını değiştiriyor. Konuyu başka bir yere bağlıyor. Hatta yazdığınızı olduğu gibi kabul etmek yerine tartışmayı kendi kurduğu çerçeveye yönlendiriyor. Siz yalnızca dili düzeltmesini isterken, bir bakıyorsunuz düşünceleriniz başka bir anlama dönüşmüş.
Üstelik bu tür yönlendirmeler her zaman kolay fark edilmiyor.
Bir keresinde yine teknik bir konuda beni farklı bir yönteme yönlendirdi. Açıklama bana yeterince doğru gelmeyince kaynak sordum. Gösterdiği kaynak bir lise öğrencisinin hobi projesiydi. Tamamen yanlış değildi ama profesyonel geliştirme süreçlerinden ve üretim koşullarından oldukça uzaktı. Daha çok tekerleği yeniden keşfetmek gibiydi. Sanki lastik keşfedilmemiş, tahtadan yapmış gibi.
Sorunumuzun kaynağı da burası. Yapay zekânın ürettiği kodu ya da herhangi bir çıktıyı kullanmakta bir sorun yok, üretilen sonucun ne olduğunu bilmeden onu doğru kabul etmek sıkıntılı.
Arabada fren tutmadığında sorunu fark ediyorsunuz. Peki yapay zekânın yazdığı kod yanlış çalıştığında, özellikle de sonuç doğru görünüyorsa, bunu nasıl fark edeceksiniz? Özellikle sistemler kompleksleştikçe, temelden de daha çok uzaklaşırken.
Bilgi bolluğu, yankı odaları ve yaratıcılık yanılsaması
Yapay zekânın bir başka yanılsaması da bilgiyle kurduğumuz ilişki.
İnternette makina tarafından üretilen içerikler yaklaşık 75% civarında. Sentetik içeriklerin yaygınlaşması ilerdie yapay zeka modellerinin üretilmesi için de problem. Aslında yapay zekanın neden insana bir lütuf olarak sunulduğunun yanıtı da, bu problemde gizli.
Yapay zeka üretilen içeriklerden öğreniyor ve insanların cevaplarına göre kendini geliştiriyor ve doğruya ulaşıyor. Ulaştığı doğru ise, gerçek bir doğru olmak zorund değil. Yeterince insan aynı yanlışa ulaştığında, bu bilgi dopru bilgi olarak kabul ediliyor aslında. İnsanlar yapay zeka içeriklerini kendi içeriğimiş gibi paylaştığında, doğru kabul edilen yanlış yeni yanlışların da önünü açıyor. Yapay zeka içeirkleri, eğitim verisine dönüşünce, veri çeşitliliği de, doğruluğu da, güvenilirliği de zamanla azalıyor.
Sosyal medyadaki yankı odalarına benzer bir durum aslında.
Sosyal medyada algoritmalar bize zaten ilgilendiğimiz, beğendiğimiz veya düşüncelerimizle uyuşan içerikleri biraz da propaganda içeriklerini, para eden negatif içerikleri sunuyor. Zamanla farklı bakış açılarına daha az maruz kalınıyor. Yapay zekâda ise buna ek olarak yalnızca bilgi seçilmiyor; seçilen bilgi bizim için yeniden düzenleniyor, yorumlanıyor ve birleştiriliyor.
Üstelik kişiselleştirme arttıkça yapay zekânın verdiği cevaplar geçmişteki konuşmalarımızdan da etkilenebiliyor. Özellikle yeni modellerde dikkatimi çeken şeylerden biri, bazen alakasız konuların bile aylar önce sorduğum bir soruyla ilişkilendirilmesi.
Bunun iki tehlikesi var.
Birincisi, yalancı onay. Aynı fikirler sürekli onaylandıkça, insan kendi düşüncelerinin doğruluğundan daha fazla emin olmaya başlayabiliyor. Çünkü karşısında yeterince güçlü bir karşı argüman yok. Hatta bir süre sonra fikir kime ait bile karışabiliyor. Kişilik bölünmesine bile yol açabilecek bir tehdit.
İkincisi ise farklı perspektifler kazanamamak. Farkında olmadan kendimizi izole ediyor, hayatımızın etrafında en iyi bildiğimiz ve en rahat hissettiğimiz düşüncelerden oluşan bir duvar örüyoruz.
Yapay zekâdan genel bir teknoloji özeti istediğimde de benzer bir durumla karşılaşıyorum. Çoğu zaman en çok kullanılan, en çok bilinen teknolojileri sunuyor. Ancak gerçekten alakalı olabilecek, yeni veya daha az yaygın alternatifleri kaçırabiliyor. Bazen de çok eski referanslar üzerinden değerlendirme yapıyor. Yine tıpkı sosyal medya içerikleri gibi, popğler olana hapsolup, gerçekten değerli bilgiyi filtrelemiş oluyoruz. Sürekli seçim yapmak zorunda olmamak açısından faydalı gözükse de, sadece önümüze sunulana tamam demeye başlıyoruz. Bunun psikolojik ve politik tehlikesini anlatmaya gerek yok heralde.
Bu durum ayrıca yaratıcılık açısından da düşündürücü.
Elimizde Lego parçaları olduğunu düşünelim. Bu parçaları kullanarak birçok farklı yapı oluşturabiliriz. Hatta ortaya çıkan yapı yeni de görünebilir. Ancak parçaların ne işe yaradığını, nasıl bir araya geldiğini, sınırlarını ve birbirleriyle ilişkilerini bilmiyorsak, gerçekten ne kadar yaratıcıyız?
Elbette mevcut parçaları yeniden birleştirmek de yaratıcılığın bir parçası olabilir. Tasarım ve yaratıcılık birbirinden tamamen bağımsız değil. Fakat bence tasarım da, bilgi üretimi gibi bir süreç. O süreç, hem üretilen şey üzerinde hakimiyeti sağlıyor hem de ortaya çıkan şeyin güçlü ve zayıf yanlarını, geliştirilebilir yanlarını öğretiyor. Aksi durumda sadece hazır parçaları yan yana dizmiş oluyorsunuz.
Özellikle sanat söz konusu olduğunda yaratıcılığın kişisel deneyim, yorum ve içsel ifadeyle de ilişkili olduğunu düşünüyorum. Bir insan kendi düşüncelerini anlatabiliyor, onları bilinçli biçimde bir esere dönüştürebiliyor ve ortaya çıkan yapıyı neden oluşturduğunu açıklayabiliyorsa, kullandığı araçlardan bağımsız olarak yaratıcı olabilir.
Ancak yalnızca hazır sonuçları birleştiriyorsak, burada ne kadarının bizim düşünsel üretimimiz olduğunu sorgulamamız gerekiyor.
Bununla ilgili yapılan araştırmalar da, bu düşünceyi destekliyor. yapay zeka desteği alan kişilerin yazdığı hikayelerin bireysel olarak daha yaratıcı gözükse de, birbirine yakınlığı gözlemlenmiş. Yani daha çok içerik ama bütünsel olarak birbirinin aynısı. Yapay zekanın ürettiği metinler ise düşünce çeşitliliği oldukça düşük ve yine birbirini taklit eden içerikler olduğu gözlemlenmiş.
Dolayısıyla yapay zekâ bireyin yaratıcılığını desteklerken ve tecrübesine derinlik katarken, çok sayıda insanın aynı sistemlere dayanması fikir çeşitliliğini azaltıyor ve klişelere itiyor.
Binlerce Yıl Sonra Sokrates’e Dönüş
Peki bütün bunlardan sıyrılmak mümkün mü?
Bir yandan yapay zekanın yasaklanması konuşuluyor. Bence bu tamamen bir saçmalık. Yasakçı zihniyete karşıyız. Yapay zekadan uzak durmak da, kimseyi daha iyi yapmıyor. Aksine herkesin buna alıştığı dünyada geri kalmanıza neden oluyor. Öyleyse ne yapmalıyız?
Cevabı başlıkta verdim. SOKRATES!
Sokrates tarihin en uyuz karakterlerinden birisi. Eğer gerçekten anlatıldığı gibiyse, bir türlü cevap alamadığınız soruya soruyla karşılık veren, uyuz bir adam. Yani yapay zekanın tam tersi. Mükemmel bir anti-tez.
Sokratik yaklaşım da, bilgiye hemen ulaşmak yerine sorular aracılığı ile düşünceyi geliştirmeye odaklanıyor. Bir konuyu dinlemek, okumak yerine, sorular sormak, cevaplar üretmek, varsayımları sorgulamak, çelişkilerle yüzleşmek ve kendi düşüncenizi bunun üzerine inşa etmek amacımız.
Binlerce yıllık bir düşünce pratiğini, bugünün teknolojisine uyarlamak, hızla düşen zekamızı da kurtarmanın bir yolu olabilir.
Ben bunu geçmişe dönüş olarak görmüyorum. Tam tersine, insanlığın bütün düşünce ve bilgi tarihini teknoloji yüzünden bir kenara bırakmak yerine, düşünmeyi ve bilgi edinmeyi teknolojiye adapte etmesi olduğunu düşünüyorum. Çünkü artık düşünsel kapasitemiz, bilgi yığınını anlamaya yetmiyor. Bunu yapmak için ya zihnimizi hızlandırmalıyız ki, nöral çiplerin bunu yaptığını da göreceğiz. Ya da hızlanmak yerine, zihnimizi öğrenmeye adapte edeceğiz. İkincisi daha makul çünkü hızlı işlem yapmak da, bir şeyleri anladığımız anlamına gelmiyor yukarıda bahsettiğimiz gibi.
Sokratik yaklaşım girdi ve çıktı döngüsünü kırarak, aradaki süreçleri işlememizi hedefliyor aslında.Yapay zekâdan sürekli bilgi istemek yerine, bize soru sormasını isteyebiliriz. Bir konuyu öğrendikçe, anladıkça ve kavradıkça yeni soruya geçmesini, kavramları doğrudan anlatmak yerine sorularla yönlendirmesini sağlayabiliriz.
Örneğin bir yazılım mimarisi geliştiriyorsak, yapay zekâdan bütün sistemi tasarlamasını istemek yerine önce kendi mimarimizi oluşturabiliriz. Daha sonra kararlarımızı sorgulamasını, eksik varsayımları göstermesini ve karşı argümanlar üretmesini isteyebiliriz.
“Neden böyle yaptın?” sorusuna cevap vermek yerine, “Ben böyle bir tercih yaptım, buna karşı argüman üret” diyebiliriz.
Doğrudan kod istemek yerine, kendi oluşturduğumuz mimarinin parçalarını adım adım gerçekleştirebiliriz. Hatta kodu yazmadan önce yapay zekânın bize sormasını sağlayabiliriz: Bu durumda ne yaparsın? Neden böyle yaparsın? Nasıl uygularsın? Başka hangi seçeneklerin var? Hangi koşullarda bu tasarım başarısız olur?
Yanlış veya eksik cevap verdiğimizde hemen doğru çözümü sunmak yerine, hatamızı anlamamızı sağlayacak yeni sorular sormasını isteyebiliriz.Bu yöntem yalnızca doğru sonuca ulaşmamızı değil, o sonuca giden yolu anlamamızı da sağlar. Elbette bazen hızlıca çıktı vermemiz gerekebilir. O durumda da, doğru girdi verebilecek kapasite de olmamız ve çözümü her durumda sorgulamamız şart.
Neden bu yöntemi seçtin? Neden bu şekilde tasarladın? Alternatifleri neler? Bu kararın performansa, güvenliğe, bakım maliyetine veya kaynak kullanımına etkisi ne? Gerektiğinde kavramın en küçük yapı taşlarına kadar inmek hem öğrenmek hem de bilgiyi teyit etmek açısından değerli.
Sokratik yaklaşımın iki taraflı olması da bu yüzden önemli. Yani hem yapay zeka soru sorarak cevaplamalı ve anladığımızı teyit etmeli, hem de biz soru sorarak sürekli onaylanma döngüsüne girmemeliyiz.
Son zamanlarda yapay zekayı bu şekilde kullanınca hem konuya olan hakimeyetim arttı, hem de farklı problemleri bağımsız olarak tekrar çözebilmeye başaldım. Artık kod yazarken de, kopyala yapıştır yerine, düşünce modelini görselleştiriyorum sadece. Gerisini ise kendim hallediyorum. Özellikle karmaşıklaşan sistemlerde, bilginin altında ezilmemek için iyi yöntem.
Yapay zekâya düşünsel sorumluluğumuzu devretmek yerine onu düşüncelerimizi sınayan, alternatifleri gösteren ve gerçekleştirme sürecini kolaylaştıran bir araç olarak kullanmak, sanırım en doğrusu.
Düşünmeyi yeniden öğrenmek
Sonuçta insanı bu denklemden çıkarmak ne mümkün ne de gerekli. Ancak insanın bu denklemdeki yerinin değiştiğini kabul etmesi gerekiyor. Teknolojinin getirdiği avantajlardan yararlanırken dezavantajlarını azaltacak öğrenme yöntemleri geliştirmek zorundayız.
Nasıl temel bilimler birçok uzmanlık alanı için ortak bir altyapı oluşturuyorsa, onların yanına temel düşünme, sorgulama ve öğrenme pratiklerini de eklememiz gerekiyor. Yalnızca okullarda değil, kişisel öğrenme süreçlerimizde de.
Üstelik yalnızca okullarda değil, kişisel öğrenme süreçlerimizde de.
İnsanlar farklı şekilde öğreniyor. Kimisi okuyarak, kimisi dinleyerek, kimisi izleyerek. Teknoloji bütün bunları bir araya getirmemizi sağlıyor. Sürekli içerik tüketen zihnimiz için bunların hiçbiri tek başına yeterli değil. Medyanın tüketime uygun olması kadar, beynimizi de düşünmeye alıştırmamız gerekiyor.
Bilişsel yükün bir bölümünü dış araçlara aktarmak, yani cognitive offloading, aslında zihin için faydalı olsa da, neyi dışarıya aktardığımızı kontrol etmemiz önemli. Yani düşünce süreçleri, öğrenme süreçleri zihnimizde kalmalı.
Beynimiz her zaman kolayı seçmeye meyilli olsa da, buna izin vermemiz önemli.
İlk olarak bilmediğimiz konularda “bilmiyorum” demeyi öğrenmeliyiz. İki komut yazarak bir sonuç elde etmek, bizi o konunun uzmanı yapmıyor. Bilmediğimizi kabul etmek, öğrenmenin başlangıç noktası.
İkinci olarak üzerinde düşünmeliyiz. Bir problemi sıfırdan ele almalı, tanımlamalı, anlamalı, çözüm seçeneklerini araştırmalı ve adım adım kendi zihinsel modelimizi oluşturmalıyız. Hazır bilgiyi tüketmek yerine sorular sormalı ve sorulara cevap vermeye çalışmalıyız.
Üçüncü olarak öğrendiğimizi sınamalıyız. Bir çözümü anladığımızı düşünmek yeterli değil. Benzer bir problemle tekrar karşılaştığımızda aynı bilgiye başvurabiliyor muyuz? Farklı koşullarda kullanabiliyor muyuz? Çözümün neden çalıştığını ve hangi durumlarda çalışmayacağını açıklayabiliyor muyuz?
Çünkü asıl öğrenme, cevabı gördüğümüzde değil, bilgiyi kendi başımıza kullanabildiğimizde ortaya çıkıyor.
Kısacası, bir problemle veya soruyla karşılaştığımızda ilk refleksimiz yapay zekâya sormak olmamalı. Önce problemi tanımlamak, anlamak, üzerinde düşünmek, çözüm seçenekleri geliştirmek ve bir yaklaşım tasarlamak olmalı.
Yapay zekâ elbette bu aşamaların hepsinde bize yardımcı olabilir. Fark etmediğimiz bir riski gösterebilir, bilmediğimiz bir alternatifi sunabilir, kararlarımızı eleştirebilir veya uygulama sürecini hızlandırabilir. Ancak kararlarımızı, düşünmeyi ve bütün zihinsel aktivitemizi delege edeceğimiz bir otoriteye dönüşmemeli. Aksi durumda ekrana boş boş bakan, canlılara dönüşmemek elde değil. Şempanzelerin en zeki canlılar olduğu bir dünyaya doğru gideriz.
İnsan teknolojiyi geliştirdikçe, kendi pozisyonunu da iyi tanımlamalı. Binlerce yıl sonra yeniden Sokrates’e dönmemizin nedeni de bu. Eski yöntemlere saplanıp kalmak değil, insanlığın geliştirdiği en temel düşünme pratiklerini yeni bir teknolojik dünyanın içine taşımak için.
Leave a Reply