Grok, ChatGPT, Gemini... Son birkaç yılda bu isimler hayatımızın her yerine girdi. Peki bu modellerin kafasının içinde gerçekten ne dönüyor? Sihir falan yok. Olan şey: çok büyük ölçekli matematik ve devasa bir ezber mekanizması. Gelin bunu birlikte açalım.

Önce şu soruyu cevaplayalım: Bu arkadaşlar gerçekten "akıllı" mı?

Değil. Bilinçli hiç değil. Bu konudaki en yaygın yanılgı, "AI düşünüyor, anlıyor, hissediyor" sanmak. Gerçekte olan şu: bu modeller trilyonlarca kelimeyi, kitabı, web sayfasını görmüş ve bunlardan istatistiksel örüntüler çıkarmış. Sen bir şey yazdığında, modelin yaptığı tek şey bir sonraki kelimenin ne olması gerektiğini tahmin etmek. Nokta.

Peki bu tahmin nasıl bu kadar isabetli oluyor?

Geliştirici şirketler — xAI, OpenAI, Google — modele trilyonlarca kelime yediriyor. Model de bu veriden şunu öğreniyor: "Şu kelimeden sonra bu kelime gelme ihtimali yüzde yetmiş." Bunu mümkün kılan mimari Transformer denen yapı. Her kelime arasındaki ilişkiyi — bir nevi "dikkat bağını" — hesaplıyor. Cümlenin başını unutmadan sonunu getirebilmesinin sırrı bu. Tabii bu eğitim için aylarca çalışan süper bilgisayarlar gerekiyor.

Peki Transformer tam olarak ne yapıyor?

Transformer'dan önce dil modelleri cümleleri soldan sağa, kelime kelime işliyordu. Bir cümlenin başındaki kelimeyi hatırlamak, sonundakiyle ilişkilendirmek zordu. Transformer bunu kökten değiştirdi.

Temel fikir şu: cümledeki her kelime, diğer tüm kelimelerle aynı anda ilişkilendirilsin. Buna "self-attention" — yani öz-dikkat mekanizması — deniyor. Basit bir örnekle açıklayalım:

"Ahmet bankaya gitti çünkü paraya ihtiyacı vardı."

Bu cümlede "paraya" kelimesini gördüğünde model, "banka" kelimesine dikkatini yoğunlaştırıyor. Çünkü eğitim verisinden öğrenmiş ki "para" ve "banka" arasında güçlü bir ilişki var. Aynı cümlede "Ahmet" ile "ihtiyacı" arasında da bir bağ kuruyor — ihtiyaç sahibinin Ahmet olduğunu çıkarsıyor. Tüm bu ilişkileri eş zamanlı hesaplıyor.

Teknik olarak olan şey şu: her token için üç vektör üretiliyor — Query (soru), Key (anahtar) ve Value (değer). Query "ben neye dikkat etmeliyim?" diyor, Key "benim önemli özelliğim bu" diyor, Value ise "benim taşıdığım bilgi bu" diyor. Model, Query ile Key'leri karşılaştırarak hangi kelimelerin birbirine ne kadar dikkat etmesi gerektiğini hesaplıyor. Sonuç bir ağırlık haritası: cümledeki her kelime, diğerlerine ne kadar "bakması" gerektiğini biliyor.

Bunu tek bir dikkat başlığı (attention head) yapsa yeterli olmaz. Model, aynı anda onlarca farklı dikkat başlığı çalıştırıyor — buna multi-head attention deniyor. Her başlık farklı bir ilişki türünü yakalıyor: biri özne-yüklem ilişkisine, biri zamana, biri neden-sonuca odaklanıyor. Hepsinin çıktısı birleştirilince, model cümleyi çok katmanlı bir şekilde "görüyor".

Bir de pozisyon kodlaması (positional encoding) var. Transformer cümleyi sırasız işlediği için, kelimelerin sırasını anlaması lazım. "Kedi fareyi kovaladı" ile "Fare kediyi kovaladı" aynı kelimelerden oluşuyor ama anlamları çok farklı. Pozisyon kodlaması her token'a bir konum bilgisi ekleyerek bu sıra farkını modele öğretiyor.

Tüm bu katmanlar — dikkat, çok başlıklı dikkat, pozisyon kodlaması, ileri beslemeli ağlar — üst üste yığılıyor. GPT-4 gibi modellerde bu katman sayısının yüzlerce olduğu tahmin ediliyor. Her katman, öncekinin çıktısını alıp bir adım daha rafine ediyor. İlk katmanlar basit söz dizimi ilişkilerini yakalarken, derin katmanlar soyut anlamsal bağlantıları çıkarıyor.

Sonuç olarak Transformer, cümledeki tüm kelimelerin birbirleriyle olan ilişkisini eş zamanlı ve çok katmanlı şekilde hesaplayan bir mimari. "Akıllı" görünmesinin sebebi bu: her kelime tahmini, cümlenin tamamına bakılarak yapılıyor, baştan sona tek yönlü bir okuma değil.

"AI her şeyi bilir" diye bir şey de yok

Model sadece gördüğü veriye göre tahmin yapıyor. 2023 sonrası veri verilmediyse, 2024'te ne olduğunu bilemez. Kural basit: veri yoksa tahmin de yok. Bazı modellerin güncel internete erişimi var, o zaman tahmini güncel bilgiyle destekliyor. Ama temel mantık değişmiyor — hâlâ tahmin ediyor.

Token meselesi

AI, senin yazdığın cümleleri olduğu gibi işlemiyor. Önce onları küçük parçalara ayırıyor: kelimeler, heceler, noktalama işaretleri... Bunların her birine "token" deniyor. "Merhaba dünya" yazdığında model bunu token'lara böler ve her adımda bir sonrakini tahmin eder. "Merhaba"dan sonra yüzde doksanla "dünya" gelmeli, der. Genelde işe yarıyor. Ama bazen de işler sarpa sarıyor.

İşte o sarpa saran an: halüsinasyon

Tahmin makinesi yanıldığında — yani istatistiksel olarak alakasız ama kulağa akıcı gelen bir şey ürettiğinde — buna halüsinasyon diyoruz. Model "doğru" olmaya değil, "mantıklı duran" bir sonraki kelimeyi bulmaya odaklanıyor. Bu yüzden bazen son derece kendinden emin bir tonla tamamen uydurma şeyler söyleyebiliyor. Tehlikeli olan da bu zaten: yanlışı çok ikna edici söylüyor.

Sorularımızı gerçekten "anlıyor" mu?

Hayır. Anlama simülasyonu yapıyor. "Elma" kelimesini gördüğünde cümlenin geri kalanına bakıp "burada meyve mi kastediliyor, şirket mi?" kararını veriyor — ama bunu bir insan gibi kavrayarak değil, istatistiksel korelasyonla yapıyor. Yani aslında çok gelişmiş bir örüntü eşleştirici. Telefonundaki otomatik tamamlamayı düşün, ama milyarlarca parametre ile güçlendirilmiş hali.

Nasıl sorduğun, ne aldığını belirliyor

Aynı modele aynı konuyu iki farklı şekilde sorduğunda bambaşka cevaplar alabilirsin. Bunun sebebi basit: model, senin verdiğin ipuçlarına göre tahminine yön veriyor. "Bana kısaca anlat" dersen kısa tutar, "detaylı ve akademik bir dille yaz" dersen üslubu değişir. Buna prompt mühendisliği deniyor. "AI saçmalıyor" diyen insanların büyük kısmı aslında soruyu iyi sormamış oluyor. Modelden iyi çıktı almak bir beceri — ve öğrenilebilir bir beceri.

Hafızası sınırsız değil

Bir sohbetin ortasında "bunu az önce söyledim, niye unuttun?" diye sinirlendiğin oldu mu? Bunun sebebi bağlam penceresi (context window) denen kavram. Modelin bir sohbette aynı anda tutabildiği token sayısı sınırlı. Bu sınırı aştığında, konuşmanın başındaki bilgileri kaybetmeye başlıyor. Yani model seninle uzun bir konuşma yapıyormuş gibi görünse de, aslında sürekli daralan bir hafızayla çalışıyor.

Kimsenin konuşmadığı konu: enerji ve çevre maliyeti

Bir LLM'i eğitmek, küçük bir şehrin aylık enerji tüketimine denk elektrik harcıyor. Soğutma sistemleri için devasa miktarda su kullanılıyor. Her "bana bir şiir yaz" komutunun arkasında bir karbon ayak izi var. AI'ın etik tartışması sadece önyargıdan ibaret değil — çevresel maliyeti de masaya yatırılması gereken ciddi bir mesele.

Önyargı konusu

AI modelleri kötü niyetli değil. Ama eğitim verisi önyargılıysa, model de önyargılı oluyor. İnsanların yazdığı her şeyi — ayrımcı içerikler dahil — gören bir model, bunları da öğreniyor. Şirketler bunu engellemek için ince ayar (fine-tuning) yapıyor. Grok gibi bazı modeller daha serbest bırakılmış, ama tamamen kuralsız değil. Bu, AI dünyasının en zorlu mücadelelerinden biri.

Korkulan şey ile gerçek arasındaki uçurum: AGI

İnsanların AI denince aklına gelen şey genelde bilim kurgu filmlerindeki her şeyi yapabilen, kendi kararlarını veren, bilinçli bir yapay zeka. Bunun adı AGI — Artificial General Intelligence, yani genel yapay zeka. Şu an elimizdeki modeller bundan çok, çok uzak. Bugünkü AI'lar belirli görevlerde inanılmaz başarılı ama genel bir "anlayış" veya "bilinç" sahibi değil. Bir dilde harika çeviri yapan model, basit bir fizik probleminde çuvalayabiliyor. Yani filmlerden tanıdığın o AI ile ChatGPT arasında dağlar kadar fark var. Korkuyu doğru yere yönlendirmek için bu ayrımı bilmek şart.

Peki AGI'ye ulaşmak için ne eksik?

Şu anki modellerin neden "gerçekten akıllı" sayılmadığını anladık. Peki oraya varmak için ne olması gerekiyor? Eksikleri tek tek açalım.

1. Gerçek dünya modeli yok.

Bugünkü LLM'ler dünyayı kelimeler üzerinden tanıyor. Ama bir insanın sahip olduğu "dünya modeli" — yani yerçekimi var, ateş yakar, su akar gibi temel fiziksel sezgiler — bunlarda yok. Sen bir bardağı masanın kenarına koyarsan düşeceğini bilirsin, bunu kimse sana öğretmedi. Bir LLM bunu ancak metin verisinde yeterince örnek gördüyse tahmin edebilir, yoksa edemez. AGI için modelin dili değil, dünyayı modellemesi gerekiyor.

2. Muhakeme değil, taklit var.

Bugünkü modeller muhakeme yapıyor gibi görünüyor ama aslında eğitim verisindeki muhakeme örüntülerini taklit ediyor. Daha önce görmediği türden bir mantık problemi verdiğinde çoğu zaman bocalıyor. Gerçek muhakeme demek, hiç karşılaşmadığın bir durumda bile adım adım tutarlı çıkarım yapabilmek demek. Şu anki modeller buna yaklaşıyor ama güvenilir şekilde yapamıyor.

3. Sürekli öğrenme yok.

Sen her gün yeni şeyler öğreniyorsun ve bu öğrendiklerin kalıcı oluyor. Bugünkü modeller eğitildikten sonra donuyor. Seninle yaptığı sohbetten bir şey öğrenmiyor, bir sonraki sohbette sıfırdan başlıyor. AGI için modelin deneyimlerinden sürekli ve kalıcı olarak öğrenmesi — yani hafızasını güncelleyebilmesi — gerekiyor.

4. Planlama ve hedef belirleme yok.

Bir insana "tatil planla" desen, bütçe hesaplar, tarih bakar, uçak bileti araştırır, otel karşılaştırır. Bunları sırayla, birbirine bağlı adımlar halinde yapar. Bugünkü modeller uzun vadeli, çok adımlı planlamada zayıf. Bir adımda hata yaptığında geri dönüp strateji değiştiremez. AGI, karmaşık hedefleri alt hedeflere bölüp, esnek bir şekilde yürütebilmeli.

5. Bedensizlik problemi.

İnsan zekası sadece beyinde değil, bedenle de gelişiyor. Dokunarak, deneyerek, fiziksel dünyayla etkileşerek öğreniyoruz. Şu anki AI'lar tamamen dijital ortamda, metin ve görsellerle sınırlı. Robotik ile AI'ın birleştiği "embodied AI" — yani bedenlenmiş yapay zeka — bu eksikliği kapatmayı hedefliyor ama henüz çok erken aşamada.

6. Bilinç ve özfarkındalık meselesi.

Belki de en zor soru: AGI bilinçli olmak zorunda mı? Kendi düşüncelerini sorgulayabilen, "ben ne yapıyorum ve neden?" diyebilen bir sistem mi gerekiyor? Bu sorunun cevabını bilim insanları bile bilmiyor. Bilinç nedir sorusuna hâlâ kesin bir cevabımız yok — onu yapay olarak üretmeyi bırak.

Kısacası AGI, sadece daha büyük model eğitmekle gelecek bir şey değil. Mimari olarak, kavramsal olarak ve belki felsefi olarak köklü atılımlar gerekiyor. Bazı araştırmacılar bunun on yıl içinde olabileceğini düşünüyor, bazıları yüzyıl diyor, bazıları ise imkansız olduğunu savunuyor. Kesin olan tek şey: bugün elimizdeki modeller ne kadar etkileyici olursa olsun, AGI'ye giden yolda henüz çok başlardayız.

Son olarak, en büyük yanılgı: "AI işimizi elimizden alacak"

Bazı işler dönüşecek, bazıları kaybolacak — bu doğru. Ama tarihte her teknolojik devrim yeni işler de yarattı. Sanayi Devrimi'nde de aynı korkular yaşandı. Korkmak yerine öğrenen kazandı, şimdi de öyle olacak. AI'dan kaçmak yerine onu kullanmayı öğrenmek en akıllıca hamle.

Bu modeller gerçekten işe yarıyor. Yazı yazarken, araştırma yaparken, kod geliştirirken ciddi vakit kazandırıyor. Ama insan zekasının yerini almıyor. Onları süper bir araç olarak görmek en sağlıklısı. Önümüzdeki dönemde görsel, metin ve sesi aynı anda işleyen multimodal modeller daha da yaygınlaşacak. Aktif kullananlar daha verimli ve üretken olacak. Kullanmayanlar rekabette geride kalacak...