Yapay Zekâ ve İslami Etik: Üretken Yapay Zekanın Anlaşılması

Dr. Mohamed AbuTaleb, Kenan Alkiek, Sh. Suleiman Hani, Dr. Mohammed Ansari, Sh. Umer Khan / Yaqeen Institute

Çeviri: Barış Hoyraz – Haksöz Haber

6. BÖLÜM

Ek: Üretken Yapay Zekânın Gizemini Ortadan Kaldırmak

Bu bölüm, üretken yapay zekânın karmaşık yapısını daha iyi anlamak amacıyla tasarlanmış bir teknik giriş niteliğindedir. Üretken yapay zekânın temel özellikleri, gelişim süreci ve işleyiş mekanizmaları detaylı bir şekilde ele alınarak, okuyucuların yapay zekâ kullanımını değerlendirmeleri için gerekli bilgilerin sağlanması hedeflenmektedir.

Günümüz yapay zekâ uygulamaları, dışarıdan bakıldığında çoğu kişi için gizemli ve hatta sihirli bir nitelik taşımaktadır. Bu durum, geçmişteki teknolojik yeniliklerde olduğu gibi, ya aşırı bir güven ya da gereksiz bir korku yaratmakta; her iki durum da istenmeyen sonuçlara yol açabilmektedir. Örneğin, yirminci yüzyılın başlarında Orta Doğu’da radyonun ortaya çıkışı sırasında bazı din âlimleri, bu teknolojinin şeytani bir alet olduğunu düşünerek karşı çıkmışlardı. Ancak Kral Abdulaziz ibn Saud, Mekke’deki hafızlara radyo üzerinden Kur’an ayetleri okutarak bu teknolojinin faydalı bir araç olduğunu göstermeyi başarmıştır.

Yapay zekânın çıktıları da benzer bir şekilde değerlendirilmektedir. Bu çıktılar, belirli sistemlerin ve yöntemlerin sonuçlarıdır ve bu nedenle tamamen tarafsız değildir. Yapay zekâyı etik bir çerçevede kullanabilmek için, öncelikle bu gizemli algıyı ortadan kaldırmak ve sistemin işleyişini anlamak gerekmektedir.

Bu algının temelinde, insan dilini işlemek ve üretmek için tasarlanmış büyük dil modellerinin (LLM’ler) yükselişi yatmaktadır. Uzun yıllar boyunca, bilgisayarların insan dilini anlayabileceği ve üretebileceği düşüncesi, bilim kurgu senaryolarına yakın bir kavram olarak algılanıyordu. 20. yüzyılın ortalarına kadar yapılan dilbilimsel çalışmalar, basit cümleleri dahi anlamakta zorluk çekiyordu. 1990’ların sonları ve 2000’li yıllarda ise, ses tanıma sistemleri gibi uygulamalar ortaya çıkmış ancak bu uygulamalar genellikle izole ve modüler kalmıştır.

Son on yıl içinde, makine öğrenimi ve hesaplama gücündeki hızlı gelişmeler, dil modellemeyi yapay zekânın en önemli başarılarından biri haline getirmiştir. Günümüzde, tahmine dayalı algoritmalarla desteklenen dil modelleri, tutarlı ve bağlamsal olarak uygun metinler üretebilmekte, belgeleri özetleyebilmekte ve soruları yanıtlayabilmektedir. Bu tür uygulamalar, kullanıcı deneyimlerini zenginleştiren önemli bir değişim yaratmıştır.

Bir dil modeli, belirli bir metin verildiğinde, bir sonraki kelimenin ne olacağını tahmin etmek için tasarlanmış istatistiksel bir araçtır. Örneğin, “Namaz kılmadan önce Ahmed _______” ifadesinde, model, daha önce karşılaştığı dil bilgisine dayanarak çeşitli tamamlama seçenekleri sunabilir. Bu tahmin yeteneği, modelin gücünün temelini oluşturmaktadır.

Erken dönem dilbilimsel çalışmalar, her kelimeyi yalnızca bir önceki kelimeye dayanarak tahmin eden basit yöntemlere dayanıyordu. Ancak, yapay sinir ağlarının gelişimi, bu alandaki ilerlemeyi hızlandırmıştır. Derin öğrenme yöntemleri, karmaşık dilbilimsel kalıpları keşfedebilme yeteneği ile bu engelleri aşmıştır. 2017 yılında transformatör mimarisinin ortaya çıkması, bu alanda devrim niteliğinde bir gelişme sağlamıştır. Transformatörler, metni sırayla işlemek yerine, “kendi kendine dikkat” mekanizması ile her kelimenin diğerleriyle olan ilişkisini değerlendirme imkânı sunmaktadır.

Bu yenilikler, yapay zekânın metin üretimindeki potansiyelini artırmış ve sektörde standart haline gelmiştir. OpenAI’nin GPT-2 ve daha sonra GPT-3 gibi modeller, büyük ölçekli metin üretimi için önemli bir örnek teşkil etmektedir. 2022’de ChatGPT’nin piyasaya sürülmesi, konuşma tabanlı yapay zekânın yaygınlaşmasını sağlamıştır. 2024 yılına gelindiğinde, yapay zekâ alanında rekabet artmış ve yeni modeller piyasaya sürülmüştür.

Devam edecek >>>

Dipnotlar:

54. Kate Crawford, Yapay Zekâ Atlası: Güç, Siyaset ve Yapay Zekânın Küresel Maliyetleri (Yale Üniversitesi Yayınları, 2021), 30–34.

55. Cooper Elsworth, Keguo Huang, David Patterson ve diğerleri, “Google Ölçeğinde Yapay Zekâ Uygulamasının Çevresel Etkisinin Ölçülmesi,” arXiv, 21 Ağustos 2025.

56. Shakir Mohamed, Marie-Therese Png ve William Isaac, “Sömürgecilikten Kurtulmuş Yapay Zekâ: Yapay Zekâda Sosyoteknik Öngörü Olarak Sömürgecilikten Kurtulma Teorisi,” Philosophy & Technology 33, no. 4 (2020): 659–84.

57. Brown, Hadith, 70–75.

58. Bu teknik açıklama, büyük ölçüde LLM’lere odaklanmaktadır.

59. Kate Crawford, yapay zekânın mevcut durumunun doğal kaynaklara ve insan emeğine bağımlı olduğunu belirtmektedir.

60. Robert Lacey, The Kingdom: Arabia and the House of Sa’ud (Harcourt Brace Jovanovich, 1981).

61. “Makine Çevirisinin İlk Halka Açık Gösterimi Gerçekleşti,” History of Information.

62. Russell Reynolds Associates.

63. Himanshi Lohchab, “OpenAI’nin o1’i, Bizim Gibi Akıl Yürütme Yeteneğine Sahip Modeliyle Büyük Bir Adım Attı,” The Economic Times.

64. Pablo Arredondo, “GPT-4 Baro Sınavını Geçti,” Stanford Hukuk Fakültesi.

65. Radboud Üniversitesi Tıp Merkezi, “Yapay Zekâ, MRG’de Prostat Kanserini Radyologlardan Daha İyi Tespit Ediyor,” Science Daily.

66. Yasmeen Serhan, “İsrail Gazze’de Yapay Zekâyı Nasıl Kullanıyor,” Time.

67. “Büyük Dil Modellerine Giriş”, Makine Öğrenimi kursu, Google Geliştirici Programı.

68. Ashish Vaswani, Noam Shazeer, Niki Parmar ve diğerleri, “Dikkat, İhtiyacınız Olan Tek Şey,” arXiv.

69. Maximilian Schreiner, “GPT-4 Mimarisi, Veri Kümeleri, Maliyetler ve Daha Fazlası Sızdırıldı,” The Decoder.

70. “DeepSeek-R1 Sürümü,” DeepSeek.

71. John Werner, “DeepSeek Duyurusu Amerikan Teknoloji Piyasasını Sarsıyor,” Forbes.