Bilgi üretiminin demokratikleşmesi, bilimsel faillik ve Üretim–Doğrulama Açığı üzerine eleştirel bir değerlendirme…
Öz
Üretken yapay zekâ, akademik bilgi üretiminin yalnızca araçlarını değil; bilgiye erişim, bilginin işlenmesi, bilimsel faillik ve akademik meşruiyet ilişkilerini de dönüştürmektedir. Dil, kod, veri ve literatüre erişim maliyetlerinin düşmesi, geçmişte belirli akademik çevrelerin ve kurumsal yapıların sahip olduğu bilgi işleme avantajlarını yeniden dağıtmaktadır. Ancak üretim kapasitesindeki artış, doğrulama kapasitesinin de aynı hızla geliştiği anlamına gelmemektedir. Bu çalışma, söz konusu gerilimi Üretim–Doğrulama Açığı (Production–Verification Gap, PVG) çerçevesinde ele almakta; yapay zekâ etiğine ilişkin normatif düzenlemeleri denetim, hesap verebilirlik, insan failliği ve akademik eşik bekçiliği arasındaki ilişki üzerinden değerlendirmektedir.
Çalışmanın temel savı, yapay zekâ kullanımının kendisinin etik bir ihlal veya bilimsel yetersizlik göstergesi sayılamayacağı; asıl değerlendirmenin kullanımın niteliği, doğrulanabilirliği, şeffaflığı ve sorumluluğun kimde kaldığı üzerinden yapılması gerektiğidir. Bu doğrultuda denetimin yalnızca araştırmacıya yöneltilmesi yeterli görülmemekte; geliştiriciler, üniversiteler, akademik dergiler, hakemlik mekanizmaları ve kamusal otoriteler bakımından da karşılıklı hesap verebilirlik gereği vurgulanmaktadır.
Buradaki temel mesele, yapay zekânın sınırsız biçimde serbest bırakılması değildir. Mesele, etik denetim ile akademik eşik bekçiliği arasındaki sınırın nerede çizileceğidir. Üretim kapasitesi demokratikleşirken doğrulama ve bilimsel meşruiyet mekanizmaları eski ayrıcalık yapılarını korursa, bilgiye erişimde azalan eşitsizliklerin yerini bilimsel meşruiyete erişimde yeni eşitsizlikler alabilir.
Sonuç olarak çalışma, yapay zekâ etiğinin teknolojiyi sınırlayan bir yasaklar rejimine değil; üretim kapasitesi ile doğrulama sorumluluğunu birlikte geliştiren, ölçülü, şeffaf, kanıta dayalı ve çok paydaşlı bir yönetişim anlayışına dayanması gerektiğini savunmaktadır.
Anahtar Kelimeler: Yapay zekâ etiği, akademik faillik, Üretim–Doğrulama Açığı, hesap verebilirlik, akademik eşik bekçiliği, bilimsel doğrulama, bilgiye erişim.
I. YAPAY ZEKÂ ETİĞİ: YENİ BİR SORUN ALANI MI, ESKİ BİR EŞİK BEKÇİLİĞİ Mİ?
Yapay zekâ etiğine ilişkin bildirgeler, ilkeler ve rehberler hızla çoğalıyor. Bu çoğalma, yeni teknolojilerin ortaya çıkardığı etik, hukuki ve toplumsal sorunlara yönelik meşru bir ihtiyacı yansıtıyor. İnsan onuru, adalet, mahremiyet, şeffaflık, hesap verebilirlik ve insan denetimi gibi ilkelerin korunması tartışmasız önem taşıyor.
İstanbul’da yayımlanan Yapay Zekâ Etiği Bildirgesi de yedi ana başlık taşıyor: Adalet, Faillik, Hesap Verebilirlik ve Şeffaflık, İnsanın Araçsallaştırılamayacağı, Yaratıcılığın Sürdürülebilirliği, Mahremiyet, Denetim ve Gözetim. Hukuken bağlayıcı değil, “yönlendirici” bir metin olduğu özellikle belirtiliyor.
Bunların her biri kendi içinde önemli etik sorunlara işaret ediyor.
Fakat bir akademisyen olarak şu soruyu sormak gerekiyor:
Bu metinler hangi sorunu çözüyor, hangi sorumluluğu tanımlıyor ve kimin hangi imkânını yeniden düzenliyor?
Bu soru bir niyet isnadı değildir. Tam tersine, işlevsel ve kurumsal bir sorgulamadır. Çünkü bir etik metnin değeri yalnızca hangi ilkeleri ilan ettiğine değil, bu ilkelerin uygulamada nasıl sonuçlar doğurduğuna da bağlıdır.
İnsan ister istemez başka bir soru da soruyor:
Bu bildirge neden yazıldı?
Yapay zekâ dil bariyerlerini kaldırdığı, binlerce akademik kaynağı saniyeler içinde taradığı, veriyi toplayıp temizlediği, hipotez kurup karmaşık analizleri kısa sürede yaptığı için mi?
Yoksa iki-üç yabancı kaynaktan çeviri yapıp birkaç kelimeyi değiştirerek yıllardır “özgün akademik üretim” diye sunulan metinleri geriye dönük yakalayabildiği, atıf çetelerinin ve “sen bana atıf yap, ben sana yapayım” düzeninin foyasını ortaya çıkarabileceği için mi?
Belki de mesele tam burada.
Çünkü yapay zekâ yalnızca metin üretmiyor; bilgiye erişimi, literatür taramasını, çeviriyi, kodlamayı, veri analizini ve yöntem tartışmasını değiştiriyor. Daha önemlisi, akademik üretimin “kim tarafından yapılabilir?” sorusunu yeniden yazıyor.
Yapay zekâ dil, kod, veri ve bilgiye erişim bariyerlerini hızla kaldırıyor. Dün bir doktora öğrencisinin haftalarca sürdürdüğü literatür taraması bugün dakikalar içinde gerçekleştirilebiliyor. Yalnızca belirli araştırma merkezlerinin veya uzmanların erişebildiği bazı metodolojik araçlar, artık sıradan bir araştırmacının çalışma ortamında kullanılabiliyor.
Özellikle gelişmiş araştırma altyapısına sahip merkezlerle çevre akademik ortamlar arasındaki bilgi işleme farklılıkları düşünüldüğünde, bu gelişme yalnızca teknolojik bir kolaylık değildir. Aynı zamanda bilgiye erişimdeki yapısal eşitsizliklerin yeniden değerlendirilmesini gerektiren bir dönüşümdür.
Elbette literatür taramak bilimsel katkı üretmekle, çeviri yapmak özgün düşünce geliştirmekle, veri işlemek de doğru sonuçlara ulaşmakla aynı şey değildir. Yapay zekâ bu süreçleri hızlandırabilir; fakat araştırmanın bilimsel niteliğini kendiliğinden garanti edemez.
Tam da bu nedenle tartışmayı iki uçtan kurtarmak gerekiyor.
Bir tarafta yapay zekâyı her sorunu çözen kusursuz bir bilimsel ortak gibi gören teknolojik iyimserlik var.
Diğer tarafta insanın bilgi üretimindeki geleneksel konumunu tehdit ettiği gerekçesiyle teknolojiyi kategorik olarak sınırlandırmaya yönelen savunmacı yaklaşım.
Bilim, bu iki kolaycılığın da ötesinde bir yerde durmalıdır.
Çünkü değişen yalnızca araştırmacının kullandığı araçlar değildir. Bilgiye erişimin, bilgi üretiminin ve bilimsel meşruiyetin geleneksel dayanakları da yeniden sınanmaktadır.
İşte burada birbirine karıştırılmaması gereken iki kavram vardır:
Etik sorumluluk ve akademik eşik bekçiliği...
Etik, üretim imkânlarını ortadan kaldırmak değil, bu imkânların hangi koşullarda ve kimin sorumluluğunda kullanılacağını belirlemektir.
Eşik bekçiliği ise belirli bir alana girişin, üretimin veya meşruiyetin hangi aktörler tarafından ve hangi ölçütlerle tanımlanacağını belirleyen kurumsal güç ilişkileriyle ilgilidir.
Elbette her akademik standart eşik bekçiliği değildir. Hakemlik, etik kurul değerlendirmesi, yöntem denetimi ve bilimsel kalite kontrolü akademinin vazgeçilmez kurumlarıdır.
Sorun bu mekanizmaların varlığı değil; meşru denetim işlevinin üretim imkânlarını kontrol eden ve belirli aktörlerin ayrıcalıklarını koruyan bir mekanizmaya dönüşme ihtimalidir...
Bu nedenle iki yaklaşım arasındaki farkı açıkça ortaya koymak gerekir:
“Bunu yalnızca biz yapabiliriz.”
Bu yaklaşım, üretim imkânını sınırlandırarak mevcut tekeli koruma eğilimindedir.
Buna karşılık:
“Bunu yapabiliyoruz; ancak nasıl, hangi sınırlar içinde, hangi kanıtlarla ve kimin sorumluluğunda yapmalıyız?”
sorusu bilimsel sorumluluğu ve hesap verebilirliği esas alır.
Birincisi erişimi ve yetkiyi kontrol eder. İkincisi üretimin niteliğini ve sorumluluğunu sorgular.
Etik, “Bunu yalnızca biz yapabiliriz” demek değildir.
Etik, “Bunu yapabiliyoruz ama nasıl, hangi sınırlar içinde ve kimin sorumluluğunda yapmalıyız?” sorusunu sormaktır.
Birincisi monopolü korur, ikincisi sorumluluğu.
II. ÜRETİM–DOĞRULAMA AÇIĞI: YAPAY ZEKÂ ÇAĞININ ASIL SINAVI
Yapay zekâ tartışmalarında üzerinde durulması gereken temel meselelerden biri, üretim kapasitesi ile doğrulama kapasitesi arasındaki farklılaşmadır.
Bu çalışmada Üretim–Doğrulama Açığı (Production–Verification Gap, PVG) olarak ele alınan kavramsal çerçeve, yapay zekânın ürettiği bilgi, analiz, hipotez ve metinlerin hacmi ile bunların bilimsel geçerliliğini sınama kapasitesi arasındaki mesafenin büyümesine işaret etmektedir.
Burada önemli bir ayrım bulunmaktadır:
Yapay zekâ daha fazla çıktı üretebilir; fakat daha fazla çıktı üretmek, daha fazla doğrulanmış bilgi üretmek anlamına gelmez.
Bir metnin akıcı olması onun doğru olduğunu, kaynakça içermesi kaynakların gerçekten kullanıldığını, istatistiksel sonuçların düzgün raporlanması modelin doğru kurulduğunu, makul görünen bir hipotezin ampirik olarak desteklendiğini göstermez.
Dolayısıyla akademik üretimin temel darboğazı yer değiştirmektedir:
- Metin üretiminden içerik doğrulamaya,
- Bilgiye erişimden epistemik denetime,
- Literatür taramasından eleştirel senteze,
- Hesaplama kapasitesinden metodolojik muhakemeye,
- Çıktı üretiminden bilimsel sorumluluğa.
Yapay zekâ bu sınırların bir bölümünü ortadan kaldırıyor. Böylece daha önce zaman ve uzmanlık nedeniyle sınırlı sayıda gerçekleştirilebilen çalışmaların sayısı hızla artabiliyor.
Ancak üretimin hızlanması, bilimsel değerlendirme kapasitesini otomatik olarak artırmıyor.
Tam tersine, daha fazla metin, daha fazla veri, daha fazla analiz ve daha fazla hipotez; daha güçlü doğrulama mekanizmalarına duyulan ihtiyacı artırıyor.
Üretim demokratikleşirken doğrulama ayrıcalıklı bir faaliyet olarak kalırsa, bilgiye erişimde azalan eşitsizliklerin yerini bilimsel meşruiyete erişimde yeni eşitsizlikler alabilir.
Burada yapay zekâ kullanımını kategorik biçimde değersizleştiren yaklaşımların önemli bir yanılgısı ortaya çıkıyor.
Yapay zekâyı bilinçli biçimde kullanan, kaynakları doğrulayan, analiz sonuçlarını sınayan, alternatif hipotezler geliştiren ve nihai sorumluluğu üstlenen araştırmacı ile üretim sürecini sorgulamadan sisteme devreden araştırmacı aynı kategoride değerlendirilemez.
Aradaki fark kullanılan araç değil, araştırmacının muhakeme ve doğrulama sorumluluğunu ne ölçüde koruduğudur.
Bu ayrımı somutlaştırmak için yapay zekâ kullanımının araştırmanın hangi aşamasında gerçekleştiğine bakmak gerekir:
| Kullanım alanı | Akademik değerlendirme odağı |
|---|---|
| Dil ve çeviri desteği | Anlam ve terminoloji doğruluğu |
| Literatür taraması | Kaynakların gerçekliği ve kapsamı |
| Literatür sentezi | Eleştirel karşılaştırma ve özgün katkı |
| Hipotez geliştirme | Teorik gerekçe ve araştırmacı muhakemesi |
| Veri analizi | Yöntem, varsayım ve sonuçların doğrulanması |
| Kodlama | Kodun çalışabilirliği ve yeniden üretilebilirlik |
| Metin üretimi | İçerik doğruluğu ve düşünsel katkı |
| Bulguların yorumlanması | Alternatif açıklamalar ve bilimsel yargı |
| Sonuç ve öneriler | Kanıtla uyum ve sorumluluk |
Bu aşamaların epistemik ağırlıkları aynı değildir.
Bir metnin dilini düzeltmekle araştırma hipotezini oluşturmak, bir tabloyu biçimlendirmekle istatistiksel sonucu üretmek, kaynakça düzenlemekle literatürün teorik sentezini yapmak aynı şey değildir…
Dolayısıyla akademik etik, yapay zekâ kullanımını yalnızca var/yok biçiminde sınıflandıran bir yaklaşımla sınırlandırılamaz.
Yapay zekâ kullanmamak kendi başına bilimsel bir erdem değildir. Teknolojiyi kullanmak da kendiliğinden bilimsel yetkinlik göstergesi sayılamaz...
Bilimsel erdem; kullanılan aracın ürettiği sonuçları sorgulayabilmek, doğrulayabilmek ve gerektiğinde reddedebilmektir.
Mesele yapay zekânın kullanılıp kullanılmadığı değil, araştırmacının düşünme ve doğrulama sorumluluğunu koruyup korumadığıdır.
Burada insan failliği meselesi de devreye girer.
Yapay zekâ etiğinin en önemli tartışmalarından biri insan failliğinin korunmasıdır. Ancak insanın sistemin son aşamasında karar veriyor olması, bütün üretim sürecini gerçekten kontrol ettiği anlamına gelmez.
Araştırmacı araştırma sorusunu belirliyor olabilir. Fakat literatürün hangi bölümünün öne çıkarılacağını, hangi kavramların kullanılacağını, hangi değişkenlerin dikkate alınacağını ve hangi açıklamaların makul kabul edileceğini yapay zekâ sisteminin önerileri önemli ölçüde şekillendirebilir.
Bu durumda araştırmacı son kararı veren kişi olsa bile kararın oluştuğu seçenekler uzayı büyük ölçüde teknoloji tarafından biçimlendirilmiş olabilir.
Dolayısıyla şu iki soruyu birbirinden ayırmak gerekir:
Kararı kim veriyor?
ve
Kararın verileceği seçenekleri ve sınırları kim belirliyor?
İkinci soru, birincisi kadar önemlidir.
Yapay zekâ araştırmacının düşünme kapasitesini destekleyen bir araç olabilir. Ancak araştırmacı, sistemin sunduğu çerçeveyi sorgulamadan kabul etmeye başladığında, görünürdeki insan kontrolü gerçek bilimsel özerklik anlamına gelmeyebilir.
Burada sorumluluğun devredilemezliği ilkesi belirleyicidir.
Araştırmacı yapay zekânın ürettiği bir sonucu kullanabilir; fakat o sonucun doğruluğunu sınama, gerektiğinde reddetme ve bilimsel topluluğa karşı açıklama yapma sorumluluğunu devredemez.
Bu nedenle bilimsel faillik yalnızca son kararı vermek değildir. Araştırma sorusunu kurmak, varsayımları sorgulamak, alternatif açıklamaları değerlendirmek, yöntemin sınırlarını görmek ve üretilen bilgiyi gerektiğinde reddedebilmek de bilimsel failliğin parçalarıdır.
Direksiyonda oturmak ile aracın hangi yöne gittiğini bilmek aynı şey değildir.
III. DENETİMİ DE DENETLEMEK: HESAP VEREBİLİRLİK, SİMETRİ VE İTİRAZ
Yapay zekâ etiğine ilişkin bildirgelerde bağımsız, çok paydaşlı, şeffaf ve hesap verebilir denetim mekanizmalarının öne çıkarılması önemlidir.
Bu yaklaşımın temel ilkelerine katılıyorum. Özellikle insan failliğinin korunması, teknolojik sistemlerin karar süreçlerinin izlenebilir olması ve sorumluluğun belirsizleştirilmemesi vazgeçilmezdir.
Ancak denetimin varlığını savunmak, denetim yetkisinin nasıl kullanılacağı sorusunu görmezden gelmek anlamına gelmez.
Burada dört temel mesele bulunmaktadır.
1. Yaptırım yetkisinin hukuki dayanağı
Denetim mekanizmasının öneri, rehberlik ve değerlendirme yetkisi ile doğrudan yaptırım uygulama yetkisi birbirinden ayrılmalıdır.
Bir bildirgenin yönlendirici niteliği ile hukuken bağlayıcı bir düzenlemenin yaptırım gücü aynı şey değildir.
Hukuki dayanağı, yetki sınırları ve itiraz mekanizması tanımlanmamış bir denetim anlayışı, hesap verebilirliği artırmak yerine yeni bir yetki belirsizliği doğurabilir.
2. Denetimin meşruiyeti
Denetim kurullarını kim oluşturacaktır?
Bu kurulların temsil yapısı nasıl belirlenecektir?
Akademik, teknik, hukuki ve toplumsal paydaşların katılımı nasıl sağlanacaktır?
Bir denetim mekanizmasının bağımsız olduğunu ilan etmek yeterli değildir. Bağımsızlığın hangi kurumsal güvencelerle sağlandığı da gösterilmelidir.
3. Denetimde simetri ve karşılıklı hesap verebilirlik
Denetim yalnızca bireysel araştırmacıya mı yöneltilecektir?
Yapay zekâ sistemlerini geliştiren şirketler, bu sistemleri kullanan üniversiteler, akademik dergiler, yayıncılar, hakemler ve kamu kurumları da aynı hesap verebilirlik anlayışının kapsamında olmalı mıdır?
Araştırmacının kullandığı aracı açıklaması istenirken, aracı geliştiren kuruluşun veri kaynakları, model sınırlılıkları, güvenlik mekanizmaları ve karar süreçleri bakımından şeffaflık yükümlülüğünün de tartışılması gerekir.
Hesap verebilirlik tek yönlü bir denetim ilişkisi değildir.
Denetlenenin sorumluluğu kadar denetleyenin yetkisi ve denetim mekanizmasının kendisi de sorgulanabilmelidir.
4. İtiraz ve düzeltme hakkı
Özellikle yapay zekâ dedektörleri üzerinden gerçekleştirilen akademik değerlendirmelerde yanlış pozitif ve yanlış negatif sonuçlar önemli bir sorun oluşturmaktadır.
Bu nedenle dedektör sonuçlarının tek başına akademik etik ihlalinin kanıtı olarak kullanılması ciddi biçimde sorgulanmalıdır.
Bir araştırmacı, yalnızca algoritmik bir sınıflandırmaya dayanılarak suçlanmamalıdır.
Değerlendirme; somut kanıt, üretim sürecinin incelenmesi, kaynakların doğrulanması ve araştırmacının açıklama hakkı üzerinden yürütülmelidir.
Şüphe ile kanıt aynı şey değildir.
Olasılık ile hüküm aynı şey değildir.
Algoritmik sınıflandırma ile bilimsel değerlendirme aynı şey değildir.
Dolayısıyla:
Denetim, kanıtın yerine geçemez. Algoritmik şüphe, hukuki veya akademik hüküm değildir.
Buradan daha geniş bir ilkeye ulaşmak mümkündür:
Denetim gereklidir; fakat denetimin kendisi de denetlenebilir olmalıdır.
Bu yalnızca yapay zekâ için değil, akademinin bütün kurumsal yapısı için geçerlidir.
Çünkü denetimin amacı üretimi durdurmak değil, güvenilir üretimi mümkün kılmaktır.
Bu noktada yapay zekâ etiğinin önündeki temel mesele, yasaklamak değil; sorumluluğu izlenebilir kılmaktır.
Bunun için en az beş eksenin birlikte düşünülmesi gerekir:
Birinci eksen: Aşamalı ve şeffaf kullanım beyanı.
Yapay zekânın araştırmanın hangi aşamasında kullanıldığı açıklanmalıdır. Dil düzeltme, literatür taraması, hipotez geliştirme, veri analizi ve metin üretimi birbirinden ayrılmalıdır. Amaç araştırmacıyı damgalamak değil, üretim sürecinin izlenebilirliğini sağlamaktır.
İkinci eksen: Bağımsız doğrulama.
Yapay zekâ tarafından üretilen kaynaklar, veriler, kodlar, hesaplamalar ve analiz sonuçları uygun yöntemlerle doğrulanmalıdır. Özellikle yeniden üretilebilirlik, veri bütünlüğü ve yöntemsel tutarlılık değerlendirmede öncelik kazanmalıdır.
Üçüncü eksen: Karşılıklı hesap verebilirlik.
Denetim yalnızca bireysel araştırmacının üzerinde yoğunlaşmamalıdır. Geliştiriciler, üniversiteler, dergiler, yayıncılar ve kamusal otoriteler de kendi yetki ve sorumlulukları çerçevesinde hesap verebilir olmalıdır.
Dördüncü eksen: İnsan muhakemesi ve müdahale kapasitesi.
Araştırmacı, yapay zekânın önerilerini sorgulayabilmeli, reddedebilmeli ve gerektiğinde sürece müdahale edebilmelidir. İnsan denetimi yalnızca son onay mekanizmasına indirgenmemelidir.
Beşinci eksen: Ölçülü ve kanıta dayalı yaptırım.
Algoritmik tespitler tek başına etik ihlal kanıtı sayılmamalıdır. Değerlendirme somut kanıtlara, açık ölçütlere, savunma hakkına ve bağımsız incelemeye dayanmalıdır.
Bu beş eksenin ortak noktası, yapay zekâ kullanımını yasaklamak değil, bilimsel üretimin sorumluluk zincirini görünür hâle getirmektir.
IV. AKADEMİK MEŞRUİYETİN YENİDEN DÜŞÜNÜLMESİ: ESKİ DUVARLARIN YÜKSEKLİĞİ
Yapay zekânın akademik alanda yarattığı dönüşümün daha az konuşulan boyutu, bilgi üretimindeki geleneksel ayrıcalıkların yeniden sorgulanmasıdır.
Bilim tarihi hiçbir zaman yalnızca bireysel dehanın veya sıfırdan bilgi üretiminin tarihi olmamıştır. Bilim; önceki bilgi birikiminin okunması, eleştirilmesi, karşılaştırılması ve yeni sorulara dönüştürülmesiyle gelişmiştir.
Ancak bilgiye erişim imkânları, dil yeterliliği, araştırma altyapısı, kurumsal bağlantılar ve yayın ağları tarihsel olarak eşit dağılmamıştır.
Yapay zekâ bu farklılıkların bir bölümünü azaltmaktadır.
Bu durum, özellikle merkez dışındaki araştırmacıların uluslararası literatüre erişimini, farklı dillerdeki kaynakları değerlendirmesini ve metodolojik araçları kullanmasını kolaylaştırmaktadır.
Fakat bilgiye erişimin demokratikleşmesi, bilimsel kalitenin otomatik olarak demokratikleşmesi anlamına gelmez.
Bilginin üretilmesi, doğrulanması, yayımlanması ve akademik meşruiyet kazanması farklı süreçlerdir.
İşte burada yeni bir eşitsizlik ortaya çıkabilir.
Daha fazla araştırmacı bilgi üretebilir; ancak hangi bilginin yayımlanacağına, hangi araştırmacının bilimsel özne kabul edileceğine ve hangi üretimin meşru sayılacağına karar veren mekanizmalar aynı ölçüde dönüşmeyebilir.
Bu nedenle akademik meşruiyetin yalnızca unvan, kurum, yayın geçmişi veya geleneksel otorite üzerinden değil; araştırmanın doğrulanabilirliği, yöntemsel sağlamlığı, açıklığı ve bilimsel katkısı üzerinden de değerlendirilmesi gerekir.
Akademik unvan elbette deneyimin, eğitimin ve uzmanlığın göstergesi olabilir.
Fakat hiçbir unvan, üretilen bilginin doğruluğuna ilişkin otomatik bir güvence değildir.
Aynı şekilde kurumsal konumun dışında olmak da bilimsel katkının önemsiz olduğu anlamına gelmez.
Bilimsel meşruiyet, kim olduğumuzdan çok ne ürettiğimiz, nasıl ürettiğimiz ve ürettiğimiz bilginin hangi kanıtlarla savunulabildiği üzerinden tartışılmalıdır.
Burada akademinin kendi içine dönüp sorması gereken rahatsız edici bir soru vardır:
Yapay zekânın tehdit ettiği şey gerçekten bilimsel kalite midir, yoksa bilimsel kaliteyi tanımlama ve dağıtma yetkisini elinde tutan bazı geleneksel mekanizmalar mıdır?
Bu sorunun cevabı peşinen verilmemelidir.
Ancak sorunun kendisi de etik tartışmanın dışında bırakılamaz.
Çünkü yapay zekâ akademik unvan sormuyor.
Literatür tararken kartvizit istemiyor.
Regresyon çalıştırırken kurul kapısında beklemiyor.
Bilgiye erişirken “sen kimsin?” diye sormuyor.
İnsan ister istemez yeniden soruyor:
İnsan, yapay zekânın üretebildiği bir şeyi neden hâlâ yalnızca kendisinin üretebileceğini düşünüyor?
Burada mesele yapay zekânın insanın yerine geçmesi değildir.
Daha ilginç soru şudur:
Yapay zekâ, akademisyenin yıllardır sahip olduğu bazı ayrıcalıkların neden ayrıcalık olduğunu görünür hale getirecek mi?
Çünkü teknoloji yalnızca üretim kapasitesini artırmıyor; üretime kimin ehil sayılacağına ilişkin eski varsayımları da sarsıyor.
İki sayfalık yabancı literatür özetini “milli manifesto” ambalajıyla sunup, bariyerler birer birer yıkılırken “biz etik kuruluyuz, bizden izinsiz üretilemez” sığınağına çekilen bir anlayışla karşı karşıya kalmak mümkün.
Sahanın, kodun, verinin ve pratik üretimin yanından geçmeyen soyut metinlerle bilgi üzerindeki eski monopolü koruma çabası ise son derece tanıdık.
Yapay zekâyla değer üreten uygulayıcıları “gerçek özne” saymama kolaycılığı da yalnızca mesleki bir savunma refleksi değildir. Aynı zamanda bilimsel faillik kavramının kimin için ve hangi ölçütlerle tanımlandığı sorusunu gündeme getirir.
Burada bir öz-eleştiri de gereklidir.
Bu değerlendirme, yapay zekâ etiğine ilişkin normatif metinlerin gereksiz olduğu veya bu metinleri hazırlayanların belirli ayrıcalıkları korumak amacı taşıdığı iddiasına dayanmamaktadır.
Böyle bir niyet isnadı ne akademik açıdan doğru ne de eleştirel bir tartışma için gereklidir.
Aksine, yapay zekâ etiğine ilişkin düzenlemelerin önemli ve gerekli olduğunu kabul etmek gerekir. Veri mahremiyeti, ayrımcılık, algoritmik önyargı, fikrî mülkiyet, insan denetimi ve hesap verebilirlik gibi konular güçlü düzenlemeler gerektirmektedir.
Ancak normatif bir metnin iyi niyetle hazırlanmış olması, onun uygulama sonuçlarının eleştiriden muaf olduğu anlamına gelmez.
Ben de eleştirdiğim akademik yapının içinden gelen bir akademisyenim.
Dolayısıyla bu değerlendirme akademinin dışından yöneltilmiş bir suçlama değil; akademinin kendi kurumsal alışkanlıklarını, meşruiyet ölçütlerini ve denetim biçimlerini sorgulayan içeriden bir eleştiridir.
Buradaki temel yaklaşım teknolojik gelişmeyi sorgusuz biçimde yüceltmek değil; teknolojinin yarattığı yeni imkânları ve riskleri aynı bilimsel ciddiyetle değerlendirmektir.
Akademik gelenek korunmalıdır. Ancak gelenek, değişimin önünde dokunulmaz bir duvara dönüştürülmemelidir.
Çünkü bilgi çoğaldığında değil, bilgi üzerindeki tekel zayıfladığında eşik bekçileri çoğalır.
Müren balıkları da tam bu sularda yaşamayı sever…
Kendileri için berrak, başkaları için bulanık sular.
Ne var ki yapay zekâ o suyu her gün biraz daha berraklaştırıyor.
Teknoloji akademik unvan sormuyor.
Literatür tararken kartvizit istemiyor.
Regresyon çalıştırırken kurul kapısında beklemiyor.
Bilgiye erişirken “sen kimsin?” diye sormuyor.
Belki de asıl etik tartışması burada başlamalıdır:
Yapay zekâyı nasıl sınırlayacağımızdan önce, yapay zekâ ortaya çıkmadan önce hangi ayrıcalıkları “doğal düzen” sandığımızı konuşmalıyız.
Çünkü teknoloji yalnızca yeni araçlar getirmiyor,
eski duvarların yüksekliğini de ölçüyor.
Ve bazı duvarların yüksekliği, sanıldığı kadar akademik değil…
Teknoloji ve sahadaki üretim gücü, kurul onaylarıyla ve masa başı manifestolarla sınırlanacak aşamayı çoktan geçti.
Bu nedenle mesele yapay zekâyı durdurmak değil; üretim ile doğrulama arasındaki açığı kapatmak, insan failliğini gerçek anlamda korumak ve denetimin kendisini de hesap verebilir kılmaktır.
Etik, üretimi boğmak değil; üretimin sorumluluğunu görünür kılmaktır.
Denetim, bilgiyi kapatmak değil; bilginin güvenilirliğini sınamaktır.
Bilimsel meşruiyet ise yalnızca kimin konuştuğuyla değil, söylenenin nasıl üretildiği, nasıl doğrulandığı ve hangi kanıtlarla savunulabildiğiyle ilgilidir.
Ve belki de bugün akademinin kendisine sorması gereken en zor soru şudur:
Yapay zekâ eski duvarları yıkarken, biz gerçekten bilimi mi koruyoruz; yoksa duvarların kendisini mi?
Teknoloji ve sahadaki üretim gücü, kurul onaylarıyla ve masa başı manifestolarla sınırlanacak aşamayı çoktan geçti.
Bu tür “eşik bekçisi” metinleri tarihin tozlu sayfalarına gömmeye devam edecek…
Yapay zekâyı nasıl sınırlayacağımızdan önce,
yapay zekâ ortaya çıkmadan önce hangi ayrıcalıkları “doğal düzen” sandığımızı konuşmalıyız.
Çünkü teknoloji yalnızca yeni araçlar getirmiyor.
Eski duvarların yüksekliğini de ölçüyor.
Ve bazı duvarların yüksekliği, sanıldığı kadar akademik değil…
Teknoloji ve sahadaki pratik üretim gücü; bürokratik kurul onaylarıyla, masa başı felsefe manifestolarıyla sınırlanacak aşamayı çoktan geçti. Sahadaki dinamikler ve üretim gücü, bu tür “eşik bekçisi” metinleri tarihin tozlu sayfalarına gömmeye devam edecek.
Tabii ki ilgilisi / ilgilileri için…
Öyle yani…
Tabii ki ilgilisi / ilgilileri için…
Öyle yani…
#YapayZeka#Akademi#Etik#YapayZekaEtiği#EşikBekçiliği#AkademikÜretim#Bilgi#Teknoloji#DijitalDönüşüm#AkademikEtik
