Yanılmiş Olabilecek Bir Deha

Bu hafta beni gerçekten sarsan bir şeyi paylaşmam gerekiyor. Yapay zeka hakkında düşünme biçimimi tamamen değiştirdi.

Onlarca yıldır AI ilerlemesini 1950'de Alan Turing'in ortaya koyduğu bir vizyona göre ölçüyoruz. Ünlü "taklit oyunu" yani bugün Turing Testi dediğimiz şey, bir bilgisayarın insanları kendisiyle konuştuğuna ikna edebilmesi halinde esasen "düşünebiliyor" sayılacağını öne sürüyor.

Mantıklı görünüyor, değil mi?

Ama karşımızda ciddi bir bilgisayar bilimcisi var: Peter J. Denning. "Turing's Mistake: Unintelligent Machines'den Kurtuluş" adlı yeni bir kitap yayımlamış ve diyor ki: 75 yıldır yanlış hayalin peşinde koşuyoruz.

Açıkçası, argümanlarını okuduktan sonra haklı olabileceğini düşünmeye başladım.

Beden Sorunu (Evet, Önemli)

Denning'in Turing'de yanlış bulduğu ilk varsayım şu: zeka, fiziksel bir bedenden bağımsız olarak var olabilir.

Bir saniye düşün. İnsan düzeyinde zekayı bilgisayarların içinde yeniden yaratmaya çalışıyoruz—saf yazılım, dijital uzayda süzülen. Ama Denning diyor ki bu, yüzme konusunda su moleküllerini inceleyerek bilgi edinmeye çalışmak gibi. Eksik olan bir şey var.

Sen ben dünyayı deneyimlerken sadece bilgi işlemiyoruz. Hissediyoruz. Sıcaklığı, kapı kolunun dokusunu, hafif eşiksiz bir kaldırımda attığın adımda hissedilen o hafif denge kaybını. Tüm bu bedensel deneyim, nasıl düşündüğümüzü, akıl yürüttüğümüzü, dünyayı anladığımızı şekillendiriyor.

Denning şunu vurguluyor: bedenlerimiz sadece beyinlerimizi taşıyan araçlar değil. Düşünme biçimimizin ayrılmaz parçaları.

İşte önemli nokta—bu marjinal bir fikir değil. Felsefeciler yıllardır "bedenselleşmiş biliş" kavramını tartışıyor. Ama AI araştırmaları büyük ölçüde bunu görmezden gelip saf hesaplamalı yaklaşımları tercih etti.

Örtük Bilgi Problemi

İşte işlerin gerçekten ilginçleştiği yer—biraz felsefi ama anlaşılır tutacağım.

Denning "tacit knowledge" dediği bir kavramdan bahsediyor—Türkçeye tam çevirisi zor, "üstü kapalı bilgi" veya "sözel olmayan bilgi" diyebiliriz. Bir kez kavrayınca her yerde görmeye başlıyorsunuz.

Örtük bilgi, bildiğin ama kolayca açıklayamadığın her şey. Kapıyı açarken ne kadar baskı uygulaman gerektiğini nereden biliyorsun? Topu, kafanda karmaşık fizik hesapları yapmadan nasıl yakalıyorsun? Birinin kızgın mı yoksa şaka mı yaptığını ses tonundan nasıl anlıyorsun?

Bunlar bize otomatik geliyor. Ama inanılmaz derecede karmaşıklar.

Denning diyor ki makine öğreniminin yakalayamayacağı en az beş büyük örtük bilgi kategorisi var:

Sağduyu – Dünyanın nasıl işlediğine dair, asla bilinçli olarak düşünmediğimiz milyonlarca küçük gerçek.

Gündelik etkileşimler – Sosyal durumları okuma, kişisel ilişkileri yürütme, söylenmemiş beklentileri anlama.

Duygular ve algı – Sevincin veya üzüntünün bilgi işleme biçimimizi nasıl temelden değiştirdiği.

Pratik beceriler – Bir usta zanaatkâr veya virtüöz müzisyenin tam olarak ifade edemediği türden bilgi.

Kültürel anlayış – Toplulukların nasıl çalıştığına dair değerler, normlar, tarih ve daha derin anlamlar.

Cyc Neden 40 Yılda Sorunu Çözemedi

Denning bu zorluğu somutlaştırmak için Cyc projesine işaret ediyor. Bilmiyorsan, 1980'lerde başlatılmış iddialı bir girişim: sağduyu bilgisi veritabanı oluşturmak. "Bir şey düşürürsen aşağı düşer" veya "insanlar hayatta kalmak için suya ihtiyaç duyar" gibi şeyler.

Proje 40 yılda yaklaşık 25 milyon giriş oluşturdu.

Yirmi beş milyon bilgi parçası!

Ne oldu? Hâlâ gerçekten akıllı sistemler yaratmaya yetmedi. Denning'in notu şu: "İnsanları uzman yapan bilgilerin büyük kısmı önermeler olarak ifade edilemez."

Cyc projesinin sessiz trajedisi bu. İnsan sağduyusunu manuel olarak kodlamaya çalışmanın pratikte imkansız olduğunu bizzat gösterdi. Çok fazla bilgi var ve çok büyük kısmı örtük, açık değil.

Açıklayamayan Müzisyen

Denning'in beni gerçekten etkileyen bir örneği var.

Bir virtüöz kemancı düşün. Nefes kesici güzellikte, duyguyla çalabilen biri. Şimdi bir başlangıç seviyesine o sesi tam olarak nasıl üreteceğini anlatmaya çalıştığını hayal et.

Yapamaz. Tam olarak. Teknik tavsiyeler verebilir belki—yayı buraya eğ, baskıyı şuraya uygula—ama "nasıl bilmek" ile "ne bilmek" arasındaki uçurum muazzam.

Kemancı, kaslarında, sinirlerinde, sesi yaratma deneyiminde yaşayan bedensel bir bilgiye sahip. Bunu bir bilgisayara yükleyemezsin. Bir veritabanına dökemezsin.

İşte asıl mesele: hareketleri mükemmel taklit eden bir robot yapsan bile, o robot hâlâ güzel müzik yaratmanın nasıl hissettirdiğini anlayamaz. Biyolojik deneyimden yoksun, duygusal bağlamdan yoksun, dinleyiciyle bağlantıdan yoksun.

Temsil Problemi

Peki gerçekten ne oluyor? İnsan bilgisi neden bu kadar inatla dijitalleşmeye direniyor?

Denning buna "temsil problemi" diyor ve temelden bir sorun bu.

Bilgisayarlar sembollerle çalışıyor—şeyleri temsil eden birler ve sıfırlar. Bilgiyi bilgisayarlara beslediğimizde, gerçek dünya bilgisini bu sembolik biçimlere kodluyoruz.

Ama şöyle bir şey var: her kelimenin, her kavramın, her bilgi parçasının arkasında, ona anlam veren derin bir örtük anlayış var. Kelimeler sadece anlamlara işaret eden semboller—kendileri anlam değiller.

Denning şöyle diyor: "Her kelimenin arkasında, ona anlam veren derin bir örtük bilgi kuyusu var. Kelimeler anlamların sembolik temsilleridir, anlamların kendisi değil."

Bu, ChatGPT, Claude veya Gemini'yle sohbet ettiğinde, sembolleri inanılmaz ustaca işleyen ama bu sembollerin neyi temsil ettiğini gerçekten anlamayan sistemlarla konuşuyor olduğun anlamına geliyor. Kalıp eşleştirmede muhteşemler, ama kalıp eşleştirme kavrama değil.

Bağlam Her Şey (Makinelerin Ona Erişimi Yok)

İşte AI'ın mücadele ettiği bir katman daha: bağlam.

Sen ben sohbet ettiğimizde, sonsuz paylaşılan anlayış katmanlarına başvuruyoruz. Kim olduğumuzu biliyoruz, birlikte ne yaşadığımızı, mevcut durumu, neyin uygun neyin uygun olmadığını, birinin şaka mı ciddi mi konuştuğunu.

Bu bağlam sadece arka plan gürültüsü değil—anlamın temel bir parçası.

Denning bunu fraktal olarak tanımlıyor: her bağlam önceki bağlamların üzerine oturuyor, o da daha önceki bağlamların üzerine. Yaşam boyu deneyimle inşa ettiğimiz paylaşılmış anlayışın sonsuz bir zinciri.

Kültür daha bir boyut ekliyor. Denning onu şöyle tanımlıyor: "değerler, normlar, yargılar, tarih, topluluklar, ruh halleri, hatta güç ve bakım ilişkileri."

Tüm bunlar AI sistemleri için görünmez. Dil kalıplarını tespit edebilirler, ama kelimelerin ve eylemlerin arkasındaki kültürel ağırlığı gerçekten kavrayamazlar.

Bu, Yapay Zekanın Geleceği İçin Ne Anlama Geliyor?

Yapay zekanın işe yaramadığını söylemiyorum—elbette işe yarıyor. Bu sistemler belirli görevlerde gerçekten etkileyici ve inanılmaz kullanışlı araçlar.

Ama Denning'in argümanı, bir tavana yaklaşıyor olabileceğimizi gösteriyor. Gerçek yapay genel zeka—insan düzeyinde anlayış ve uyarlanabilirliğe sahip makineler—mevcut yaklaşımlarımızla temelden ulaşılamaz olabilir.

İşte burası biraz endişe verici: Denning uyarıyor. Bu temel sınırlılıkları görmezden gelerek AGI'ın peşinde koşmaya devam edersek, vaatlerini gerçekleştirmeden önemli yeni riskler getiren teknolojiler inşa etme riskiyle karşı karşıyayız.

Düşün: Tam olarak anlamadığımız sistemler kuruyoruz, doğaları gereği sınırlı olabilecek yaklaşımlar kullanarak, bu sistemlerin erişemeyeceği türden anlayış gerektiren sorunları çözmek için.

Düşüncelerim

Denning'in argümanlarını ikna edici buldum, ama tamamen yıkıcı değil.

Evet, örtük bilgiyi yakalamakta temel zorluklar var. Evet, bedensel deneyim muhtemelen fark ettiğimizden çok daha önemli. Evet, Turing Testi gerçek zekanın zayıf bir göstergesi olabilir.

Ama bir de şu var: bu sınırlılıkları gerçek zamanlı olarak keşfediyoruz ve bu keşif sürecinin kendisi değerli. Denning'in tanımladığı her zorluk aynı zamanda bir araştırma sorusu. Her duvara çarptığımızda insan bilişi ve bilinci hakkında yeni bir şey öğreniyoruz.

Belki asıl ders yapay zekanın akıllı olamayacağı değil, insan zekasının takdir ettiğimizden çok daha dikkat çekici olduğu. Bir espriyi anladığında, bir top yakaladığında veya bir sohbette bir şeylerin "tuhaf" olduğunu hissettiğinde—en sofistike bilgisayarların hâlâ yapamadığı bir şeyi başarıyorsun.

Belki soru makinelerin insanlar gibi düşünüp düşünemeyeceği değil. Belki soru şu: neyi iyi yapabilirler ve bunu insan niteliklerinin daha çok değer gördüğü bir dünyaya nasıl entegre ederiz?

Bu, üzerinde biraz düşünmeye değer bir soru.

Kaynak: ScienceDaily (https://www.sciencedaily.com/releases/2026/07/260713084850.htm)