Üretken yapay zekanın (YZ) ne olduğu ve ne yaptığına dair yapılan açıklamalarda çeşitli metaforlar ve benzetmeler kullanılıyor. Bunlar arasında "kara kutu", "güçlendirilmiş otomatik tamamlama", "papağan" ve hatta "spor ayakkabı" gibi tanımlamalar yer alıyor. Bu benzetmelerin temel amacı, karmaşık bir teknolojiyi günlük deneyimlere dayandırarak anlaşılır kılmak, ancak bu karşılaştırmalar sıklıkla basitleştirilmiş veya yanıltıcı olabiliyor.
Son zamanlarda yaygınlaşan bir benzetme ise üretken YZ'yi "kelimeler için bir hesap makinesi" olarak tanımlıyor. Bu görüşü destekleyenlerden biri de OpenAI'ın üst düzey yetkilisi. Bu benzetme, matematik derslerinde sayıları hesaplamak için kullandığımız plastik araçlar gibi, üretken YZ araçlarının da büyük miktarda dil verisini işlemek için tasarlandığını öne sürüyor.
Ancak bu "hesap makinesi" benzetmesi, üretken YZ'nin daha endişe verici yönlerini göz ardı edebileceği için eleştiriliyor. Hesap makinelerinin aksine, sohbet botları yerleşik önyargılara sahip olabiliyor, hatalar yapabiliyor ve temel etik ikilemler yaratabiliyor.
Buna rağmen, bu benzetmeyi tamamen reddetmek de tehlikeli olabilir, çünkü temelinde üretken YZ araçları gerçekten de birer kelime hesaplayıcısıdır.
Önemli olan aracın kendisi değil, hesaplama pratiğidir. Ve üretken YZ araçlarındaki hesaplamalar, günlük insan dil kullanımını destekleyen hesaplamaları taklit etmek üzere tasarlanmıştır.
Dillerin Gizli İstatistikleri Var
Çoğu dil kullanıcısı, etkileşimlerinin istatistiksel hesaplamaların bir ürünü olduğunun ne kadar farkında? Örneğin, birinin "tuz ve karabiber" yerine "karabiber ve tuz" demesini garip bulduğumuzu düşünelim. Ya da bir kafede "güçlü çay" yerine "kuvvetli çay" sipariş ettiğinizde alacağınız şaşkın bakışı hayal edin.
Kelimeleri ve dildeki diğer dizilimleri nasıl seçip sıraladığımızı yöneten kurallar, bu dizilimlerle olan sosyal karşılaşmalarımızın sıklığından kaynaklanır. Bir şeyi belirli bir şekilde ne kadar sık duyarsak, alternatif o kadar az makul görünür. Başka bir deyişle, başka bir hesaplanmış dizilim daha az olası hale gelir.
Dilbilimin, yani dilin incelenmesine adanmış geniş alanın terminolojisinde, bu tür dizilimlere "kelime grupları" (collocations) denir. Bunlar, insanların "doğru hissettiren" - yani uygun, doğal ve insansı tınlayan - çok kelimeli kalıpları nasıl hesapladıklarını gösteren pek çok olgudan sadece biridir.
Sohbet Botu Çıktıları Neden "Doğru Hissediyor"?
Büyük dil modellerinin (LLM'ler) ve dolayısıyla sohbet botlarının en önemli başarılarından biri, bu "doğru hissettirme" faktörünü, insan sezgilerini başarıyla kandıracak şekilde biçimlendirebilmeleridir.
Aslında onlar, dünyanın en güçlü kelime grubu sistemlerinden bazılarıdır.
YZ, soyut bir uzayda kelimeler, semboller veya renk noktaları gibi token'lar arasındaki istatistiksel bağımlılıkları hesaplayarak, anlamlarını ve ilişkilerini haritalandırır. Bu sayede, insan gibi görünen dizilimler üretebilir. Hatta bu noktada, sadece Turing testini geçmekle kalmayıp, daha da rahatsız edici bir şekilde, kullanıcıların onlara aşık olmalarını sağlayabilirler.
Bu gelişmelerin mümkün olmasının temel nedenlerinden biri, üretken YZ'nin dilbilimsel köklerinde yatmaktadır. Bu kökler, teknolojinin gelişim anlatısında genellikle göz ardı edilir. Ancak YZ araçları, bilgisayar bilimleri kadar, dilbilimin farklı dallarının da bir ürünüdür.
GPT-5 ve Gemini gibi günümüzdeki büyük dil modellerinin ataları, Soğuk Savaş dönemine ait Rusça'dan İngilizce'ye çeviri araçlarıdır. Ancak dilbilimin gelişmesiyle birlikte, bu makinelerin amacı basit çeviriden, doğal (yani insan) dil işlemeyi sağlayan prensipleri çözmeye kaydı.
Büyük dil modellerinin geliştirilme süreci aşamalar halinde gerçekleşti. İlk olarak dillerin "kuralları" (örneğin dilbilgisi) mekanikleştirme denemeleriyle başladı. Ardından sınırlı veri kümelerine dayalı kelime dizilimlerinin sıklıklarını ölçen istatistiksel yaklaşımlar geldi ve günümüz modelleri akıcı dil üretmek için sinir ağlarını kullanıyor.
Ancak olasılıkları hesaplama pratiği temelde aynı kaldı. Ölçek ve biçim ölçülemeyecek kadar değişmiş olsa da, günümüz YZ araçları hala örüntü tanıma sistemleri olarak istatistikseldir.
Bilgi, davranış veya duygular gibi olgular hakkında nasıl "dil kullandığımızı" doğrudan bu olgulara erişim olmadan hesaplamak üzere tasarlanmışlardır. ChatGPT gibi bir sohbet botuna bu gerçeği "açığa çıkarmasını" isterseniz, bunu memnuniyetle yapacaktır.
YZ Hep Sadece Hesaplama Yapıyor
Peki neden bunu hemen fark etmiyoruz?
Bunun önemli bir nedeni, şirketlerin üretken YZ araçlarının pratiklerini nasıl tanımladığı ve adlandırdığıyla ilgilidir. Üretken YZ araçları "hesaplama" yerine "düşünüyor", "akıl yürütüyor", "arama yapıyor" veya hatta "hayal kuruyor" olarak adlandırılıyor.
Buradaki ima, YZ'nin insan dil kalıplarını kullanma denklemini çözerek, dil aracılığıyla ilettiğimiz değerlere erişim kazandığı yönündedir.
Ancak en azından şimdilik, bu gerçekleşmedi.
YZ, "ben" ve "sen" kelimelerinin "aşk" ile en olası şekilde bir araya geldiğini hesaplayabilir, ancak kendisi bir "ben" değildir (bir insan değil), ne "aşkı" anlar, ne de siz - yani istemleri yazan kullanıcıyı.
Üretken YZ her zaman sadece hesaplama yapar. Ve biz bunu daha fazlası sanmamalıyız.
