Bünyemizde gerçekleştirilen "Uluslararası Veri Bilimi ve Bilgi Teknolojileri Kongresi (INFTEC'26), 22-24 Ekim 2026 tarihleri arasında Lekoşa'da gerçekleştirilecektir.
The "International Congress on Data Science and Information Technologies" (INFTEC'26), organized by our institution, will be held in Nicosia from October 22 to 24, 2026.
Son birkaç yıldır hayatımıza giren ChatGPT, Gemini ve Claude gibi yapay zekâ asistanları, artık her anımızda yanımızda. Öğrenciler ödevlerini onlara yaptırıyor, doktorlar teşhis süreçlerinde onlara danışıyor, hatta pek çok kişi dertleşmek için bu dijital varlıkların kapısını çalıyor.
Peki, karşımızda "çok mantıklı konuşan" bu sistemlerin söylediklerine gerçekten güvenebilir miyiz? İstatistik biliminin gözlüğüyle baktığımızda, yapay zekânın neden bazen "uydurduğunu" anlamak çok daha kolaylaşıyor.
Yapay Zekâ Aslında Bir "Tahmin Makinesi"
Öncelikle şu gerçeği kabul edelim: Sohbet robotları sandığımız gibi "düşünen" veya "anlayan" varlıklar değil; onlar aslında son derece gelişmiş birer tahmin makinesidir.
Siz bir cümle yazmaya başladığınızda, yapay zekâ akıl yürüterek değil, internetteki milyarlarca cümleyi tarayarak bir sonraki en olası kelimeyi hesaplar.Örneğin, "Bugün hava çok güzel, acaba..." dediğinizde, istatistiksel olarak en sık gelen "piknik", "yürüyüş" gibi kelimeleri olasılıklarına göre seçip size sunar.
İstatistiksel Olarak "Sık" Olan, "Doğru" mudur?
Yapay zekâ ile aslında bir istatistiksel tahmin motoru ile konuşuyorsunuz.Ancak burada kritik bir sorun var: Bir şeyin internette çok sık geçmesi, onun doğru olduğu anlamına gelmez. Eğer internette "Dünya düzdür" diyen milyonlarca içerik varsa, yapay zekâ bunu yüksek olasılıklı bir cevap olarak önünüze getirebilir.İşte bu noktada, doğruyu yanlıştan ayırmak için istatistik okuryazarlığına ihtiyacımız var.
Yapay Zekâ Neden "Halüsinasyon" Görür?
Teknoloji dünyasında yapay zekânın uydurduğu bilgilere "halüsinasyon" deniyor. Bunun temel iki sebebi bulunuyor:
"Kara Kutu" Sorunu ve Şeffaflık,
Yapay zekânın bir diğer büyük problemi ise şeffaf olmamasıdır. Milyarlarca parametreli bu sistemlerin bir kararı neden verdiğini anlamak çoğu zaman imkânsızdır; buna "kara kutu" sorunu denir. Bir banka kredinizi reddettiğinde veya bir doktor teşhis koyduğunda, bunun nedenini bilmek istersiniz. İşte burada, yapay zekânın karar mekanizmasını açıklamaya çalışan Açıklanabilir Yapay Zekâ (XAI) alanı devreye girmektedir.
Verideki Adaletsizlik: Yapay Zekâ Kimin Gözüyle Bakıyor?
Yapay zekâ modelleri dünyayı olduğu gibi değil, internetteki veriler kadar görür. İnternet içeriklerinin büyük çoğunluğu İngilizce olduğu için, bu modeller genellikle Batılı ve orta sınıf bir perspektifle dünyaya bakar. Bu durum, yerel kültürlerin, azınlık dillerinin ve bilgilerin yapay zekâ tarafından sessizleştirilmesine ve bir tür kültürel tek tipleşmeye yol açabilir.
Güvenli Bir Kullanım İçin Ne Yapmalı?
Yapay zekâ kesinlikle kötü bir araç değil, ancak onu doğru kullanmayı öğrenmeliyiz. İstatistik biliminin rehberliğinde şu üç kuralı unutmamalıyız:
Otorite Değil, Asistan: Yapay zekâyı her şeyi bilen bir bilge değil, kontrol edilmesi gereken bir asistan olarak görün. Özellikle tarihsel ve bilimsel verileri mutlaka doğrulayın.
İstatistiksel Okuryazarlık: Bir cevabın "yaygın" olmasının "doğru" olmasıyla aynı şey olmadığını unutmayın.
Çeşitli Kaynaklardan Doğrulama: Yapay zekânın verdiği bilgileri ve özellikle kaynakçaları, ansiklopediler veya akademik yayınlar gibi güvenilir mecralardan kontrol edin.
Sonuç: İnsan Aklı Hala Devrede,
Yapay zekâ hayatımızın bir parçası olmaya devam edecek. Onunla sağlıklı bir ilişki kurmanın yolu; onun bir tahmin makinesi olduğunu, istatistiksel modellerle çalıştığını ve hata payının olduğunu anlamaktan geçiyor. Unutmayın, yapay zekâ ne kadar gelişirse gelişsin, onu eleştirel bir gözle değerlendirecek ve doğrulayacak olan yine insan aklıdır.
Doç. Dr. Yalçın TAHTALI