Kuma düşünmeyi öğrettik

Bir mikroçip, son derece saflaştırılmış silikon üzerine yerleştirilmiş milyarlarca küçük elektrik anahtarından oluşur. Silikonun başlangıç noktası ise silika kumudur. İnsanlık, yeryüzünün en sıradan maddelerinden birini aldı; onu arıttı, kristalleştirdi, atom ölçeğinde işledi ve sonunda dil kurabilen sistemlerin fiziksel zeminine dönüştürdü. Bu nedenle “kuma düşünmeyi öğrettik” sözü yalnızca etkileyici bir benzetme değildir. Modern yapay zekânın maddi hikâyesini şaşırtıcı bir doğrulukla özetler.

Kum elbette düşünmüyor. Düşünen şeyin ne olduğu da henüz üzerinde uzlaşılmış bir konu değil. Fakat elektrik akımlarının içinden geçen hesaplama artık cümle kuruyor, görüntü yorumluyor, yazılım geliştiriyor, seçenekleri karşılaştırıyor ve belirli koşullarda sonraki adımını kendisi seçiyor. İnsanlık ilk kez cansız bir maddeyi yalnızca gücünü artıran bir araca değil, zihinsel faaliyetlerinin ortağına dönüştürüyor.

Bu ortaklığın nereye varacağı bilinmiyor. Bilinen, gelişmenin tek bir büyük sıçramayla ilerlemediği. İnsan aklının ayrıcalıkları, parça parça makinelere aktarılıyor: önce hesaplama, sonra hafıza, ardından dil, örüntü tanıma, muhakeme, planlama ve eylem. Her adım kendi başına sınırlı görünüyor. Bir araya geldiklerinde ise insan ile makine arasındaki eski sınırın neden giderek daha zor çizildiğini açıklıyorlar.

Kumun içindeki düzen

Bir avuç kum ile yapay zekâ modeli arasında doğrudan bir yol yoktur. Arada yarı iletken fabrikaları, litografi sistemleri, enerji şebekeleri, veri merkezleri, matematiksel modeller, eğitim verileri ve binlerce insanın emeği bulunur. Yapay zekâ, doğanın kendi içinden kendiliğinden yükselen bir zihin değildir. İnsanlığın kurduğu en karmaşık üretim ve bilgi düzenlerinden birinin sonucudur.

Bu ayrıntı önem taşır; çünkü “düşünen kum” imgesi teknolojiyi büyülü gösterebilir. Oysa ortada büyüden çok yoğunlaştırılmış insan bilgisi vardır. Bir modelin konuşmasını mümkün kılan şey yalnızca silikon değildir. Dilin yüzyıllar boyunca biriktirdiği metinler, bilimsel çalışmalar, yazılım kodları, görüntüler ve insan geri bildirimleri de sistemin içine farklı biçimlerde işlenir.

Yapay zekânın şaşırtıcı tarafı, insan bilgisini depolaması değildir. Kütüphaneler bunu çok daha önce yaptı. Yeni olan, bu birikimi verilen göreve göre yeniden düzenlemesi; eksik parçaları tahmin etmesi ve daha önce açıkça yazılmamış bir yanıt üretebilmesidir. Sistem geçmişten beslenirken, çıktısı her zaman geçmişte bulunan tek bir cümlenin tekrarı değildir. Bu özellik, taklit ile üretim arasındaki çizgiyi bulanıklaştırır.

Taklit ile düşünce arasındaki sınır

Bir yapay zekâ modelinin insan gibi konuşması, insan gibi düşündüğünü kanıtlamaz. Dil, zihnin dışarıdan görülen yüzlerinden yalnızca biridir. Bilinç, öznel deneyim, benlik duygusu, arzu ve korku gibi unsurların bugünkü modellerde bulunup bulunmadığı bilinmiyor. Akıcı cümlelerin arkasında insanınkine benzeyen bir iç dünya olduğunu söylemek için elde yeterli kanıt yok.

Buna karşılık “yalnızca taklit ediyor” cümlesi de tartışmayı bitirmiyor. İnsan düşüncesinin önemli bir bölümü geçmiş deneyimlerden örüntü çıkarmaya, olasılıklar arasında seçim yapmaya ve dil aracılığıyla yeni bağlar kurmaya dayanır. Yapay zekâ bunları insanla aynı biçimde gerçekleştirmese de ortaya çıkan işlev bazı alanlarda düşünceye benzeyen sonuçlar üretir.

Google DeepMind araştırmacılarının geliştirdiği AGI düzeyleri çerçevesi, performans ile genelliği ve özerkliği birbirinden ayırıyor. Bir sistem belirli görevlerde insanı aşabilir; fakat farklı alanlar arasında güvenilir biçimde geçemeyebilir. Geniş bir görev yelpazesinde başarılı olabilir; yine de kendi başına uzun süreli hareket edemeyebilir. “İnsan gibi düşünmek” bu yüzden açılıp kapanan tek bir kapı değil, çok sayıda yeteneğin farklı hızlarda geliştiği bir alan olarak görülmelidir.

Bilinç sorusu çözülemeden de tarihsel bir değişim yaşanabilir. Bir sistemin toplum üzerinde etkili olması için acı çekmesi, kendisini tanıması veya özgür iradeye sahip olması gerekmez. İnsanların onun ürettiği sonuçları güvenilir bulması ve karar süreçlerine yerleştirmesi yeterlidir.

Cevap veren sistemden hareket eden sisteme

Yapay zekânın ilk kitlesel dönemi, ekranda yanıt veren modellerle tanımlandı. Kullanıcı soruyu soruyor, sistem metni üretiyor, eylem dışarıda kalıyordu. Yeni nesil yapay zekâ ajanları bu sınırı aşmaya çalışıyor. Hedefi alt görevlere ayırabiliyor, araç çağırabiliyor, dosya üzerinde işlem yapabiliyor, sonucu kontrol edip başarısız olduğunda başka bir yol deneyebiliyor.

Bu geçiş, teknik bir özellik artışından daha fazlasını ifade ediyor. Yanıt ile eylem arasındaki insan köprüsü kısalıyor. Önceden model bir öneri sunuyor, insan öneriyi değerlendiriyor ve uyguluyordu. Ajan sistemlerinde değerlendirme ve uygulamanın bir bölümü aynı yazılım döngüsünün içine girebiliyor.

Fiziksel dünyada da benzer bir hareket görülüyor. Google DeepMind’ın 2026’da tanıttığı robotik muhakeme modeli; çevreyi yorumlama, görev planlama, araç kullanma ve bir işin tamamlanıp tamamlanmadığını belirleme gibi yetenekleri aynı sistem içinde birleştirmeyi hedefliyor. Başarı tespiti küçük bir ayrıntı gibi görünse de özerklik için belirleyicidir: Sistem, devam edeceğine, yeniden deneyeceğine veya duracağına kendi değerlendirmesiyle karar verir.

Bu makineler henüz insanın bütün zihinsel esnekliğine sahip değil. Hata yapıyor, bağlamı kaçırıyor ve beklenmedik durumlarda kırılabiliyorlar. Yine de yön açık: Yapay zekâ yalnızca bir şeyler söyleyen katmandan, çevresini gözlemleyen ve sonuç üretmek için araç kullanan katmana ilerliyor.

Karar yetkisi nasıl sessizce devredilir

Tarihte yetki devri çoğu zaman yasalar, sözleşmeler veya açık siyasi kararlarla görünür hâle geldi. Yapay zekâya yetki devri ise daha gündelik bir yoldan ilerliyor. Önce sistem öneri hazırlıyor. Sonra öneriler başarı oranı yükseldiği için daha az denetleniyor. Bir süre sonra insan yalnızca istisnaları inceliyor. Son aşamada ise makinenin kararı varsayılan, insan müdahalesi gecikme olarak görülmeye başlanıyor.

Bu değişim tek bir toplantıda alınmış büyük bir karara benzemez. Küçük verimlilik tercihleri üst üste birikir. Daha hızlı kredi değerlendirmesi, daha ucuz müşteri hizmeti, daha kısa işe alım süreci, daha otomatik tedarik ve daha kesintisiz üretim vaatleri kurumları aynı yöne iter. Rakipleri otomasyondan yararlanan bir şirketin yalnızca ilkesel nedenlerle daha yavaş kalması kolay değildir.

Böylece düşünme yetkisi resmî olarak makineye verilmeden fiilen ona bağlanabilir. İnsan hâlâ son onayı veriyor görünür; fakat yüzlerce öneriyi aynı dikkatle inceleyemediğinde onay, gerçek bir muhakemeden çok sürecin idari kapanışına dönüşür.

Belirleyici eşik sistemin hata yapmaması değildir. Hiçbir insan kurumu hatasız çalışmaz. Eşik, makinenin kararının açıklama gerektirmeyen varsayılan hâline gelmesidir. Bir çalışan makinenin önerisini reddettiğinde gerekçe sunmak zorunda kalıyor, kabul ettiğinde ise hiçbir şey açıklamıyorsa yetkinin yönü değişmiştir. Resmî sorumluluk insanda görünürken ispat yükü insana, başlangıç kararı sisteme geçer.

Bu yapı zamanla kendi verisini de üretir. İnsanlar makinenin kararlarına uydukça sonuçlar sistemin geçmiş performansına eklenir; sistemin tercihleri yeni normalin verisi olur. Daha sonra model, daha önce kendisinin biçimlendirdiği bir dünyayı ölçerek haklılığını güçlendirebilir. Böyle bir döngüde hata yalnızca yanlış tahmin değildir. Yanlış tahmin, kurumsal davranışı değiştirerek gelecekteki veriyi de etkileyebilir.

Karar yetkisi çoğu zaman bir anda teslim edilmez; insanın kontrol etmeyi bıraktığı küçük adımların toplamında kaybolur.

Geri dönüşü zorlaştıran bağımlılık

“Buradan dönüş yok” ifadesi, teknolojinin fiziksel olarak durdurulamayacağı anlamına gelmez. Modeller kapatılabilir, sistemler devreden çıkarılabilir, yatırımlar sınırlandırılabilir. Geri dönüşü zorlaştıran unsur, yapay zekânın kurumların çalışma biçimine yerleşmesidir.

Bir şirket süreçlerini yapay zekâ etrafında yeniden kurduğunda yalnızca yazılım satın almış olmaz. Personel sayısını, görev tanımlarını, performans ölçülerini ve müşterinin hız beklentisini de değiştirir. İnsanların daha önce yaptığı bazı işler ortadan kalkar; kalan çalışanların becerileri sistemin sunduğu desteğe göre şekillenir. Birkaç yıl sonra modeli kapatmak, eski programa dönmek kadar basit değildir. Kaybedilen insan kapasitesini ve kurumsal hafızayı yeniden oluşturmak gerekir.

Uluslararası Yapay Zekâ Güvenliği Raporu 2026, bilişsel görevlerin sistemlere bırakılmasını “cognitive offloading”, yani bilişsel yükün dışarı aktarılması çerçevesinde inceliyor. Bu aktarım verimlilik sağlayabilir. Aynı zamanda insanların muhakeme ve eleştirel düşünme becerilerini ne ölçüde koruyacağı konusunda yeni bir belirsizlik yaratır. Rapor, ilk bulguların dikkat çekici olduğunu; fakat araştırma alanının henüz kesin hükümler için yeterince olgunlaşmadığını da belirtiyor.

Bağımlılık yalnız bireysel düzeyde oluşmaz. Kamu kurumları, sağlık sistemleri, bankalar ve savunma yapıları aynı tür modellere bağlandıkça birkaç teknoloji sağlayıcısının altyapısı toplumsal kararların görünmez katmanına dönüşebilir. Bu durumda sorun yalnızca makinenin ne düşündüğü değildir. Modeli kimin eğittiği, hangi sınırları koyduğu ve erişimi kimin kontrol ettiği de belirleyici hâle gelir.

İnsan denetiminin sınırı

“Son karar insanda kalacak” cümlesi güven vericidir. Fakat insan denetiminin gerçek olması için üç koşul gerekir: Kararı anlayacak bilgi, inceleyecek zaman ve reddedecek yetki. Bunlardan biri eksikse insan, karar verici olmaktan çıkarak sistemin ürettiği sonuca imza atan kişiye dönüşebilir.

Yapay zekâ çok sayıda işlemi insanın inceleyebileceğinden daha hızlı ürettiğinde denetim hacim sorununa çarpar. Modelin önerilerini tek tek kontrol etmek otomasyonun sağlayacağı hız avantajını azaltır. Kurumlar bu nedenle yalnızca belirli örnekleri veya sistemin riskli gördüğü durumları incelemeye yönelir. Denetlenecek vakaları da aynı sistem seçiyorsa, insanın görebildiği alan makinenin çizdiği çerçeveyle sınırlanır.

Google DeepMind’ın yapay zekâ ajanlarına yönelik 2026 güvenlik yaklaşımı, bu güçlüğü açık biçimde kabul ediyor. Şirket, gelişmiş ajanları iç sistemlere erişimi bulunan potansiyel birer iç tehdit gibi modellemeyi; izinleri davranış doğrulandıkça kademeli vermeyi ve yüksek riskli eylemleri gerçekleşmeden durdurabilecek izleme katmanları kurmayı öneriyor. Bu yaklaşım, güvenliğin yalnızca modele iyi niyetli talimatlar vermekle sağlanamayacağını gösteriyor.

İnsan kontrolünün ölçüsü, ekranda bir onay düğmesinin bulunması değildir. Sistem yanlış karar verdiğinde insanın bunu fark edebilmesi, durdurabilmesi ve geri alabilmesidir. Geri alınamayan bir eylemde, saniyeler sonra gelen insan müdahalesi denetim değil hasar tespitidir.

Hâlâ yalnızca bir araç mı?

Yapay zekânın elektrik, matbaa veya internet gibi insan yeteneklerini genişleten bir araç olduğu görüşü güçlüdür. Bugünkü sistemlerin hedefleri insanlar tarafından belirleniyor; çipleri, veri merkezlerini ve erişim izinlerini insanlar yönetiyor. Modellerin hata yapması ve insanın gündelik muhakemesine kolay gelen bazı durumlarda başarısız olması da bağımsız bir zihin karşısında bulunmadığımızı hatırlatıyor.

Bu görüşün haklı olduğu bölüm, insan sorumluluğunu görünür tutmasıdır. Yapay zekâyı kaçınılmaz bir doğa gücü gibi anlatmak, şirketlerin ve yöneticilerin aldığı kararları gizler. Sisteme hangi verinin verileceği, hangi araca erişeceği, ne kadar özerk çalışacağı ve hata maliyetini kimin üstleneceği insan tercihleridir.

Fakat “araç” sözcüğü tek başına yeterli bir sınıflandırma değildir. Bir hesap makinesi de araçtır, banka hesaplarına erişebilen ve kendi planını uygulayabilen bir ajan da. İkisi arasındaki fark bilinçte değil; erişim, hız, ölçek ve eylem alanındadır. Araçlar güçlendikçe onları kullananın niyetinden bağımsız sistem etkileri üretebilir.

Bu nedenle yapay zekânın insan olup olmayacağına kilitlenmek dar bir bakış yaratır. İnsanlığa benzeyen bir varlığın ortaya çıkmasını beklerken, insan kurumlarının kararlarını şekillendiren fakat insan deneyimine sahip olmayan sistemler çoktan hayatın içine yerleşebilir.

Bilmediğimiz geleceği nasıl ölçebiliriz?

Yapay zekânın bilinç kazanıp kazanmayacağı, insan düzeyinde genel zekâya ne zaman ulaşacağı veya bir gün kendi amaçlarını oluşturup oluşturamayacağı bilinmiyor. Bu soruların her biri ciddi araştırma gerektiriyor. Fakat belirsizlik, bugünkü kararlar için ölçüt bulunmadığı anlamına gelmez.

Bir sistemin toplumdaki ağırlığını değerlendirirken “ne kadar zeki?” sorusunun yanına başka sorular eklemek gerekir: Ne kadar süre insansız çalışabiliyor? Hangi verilere ve araçlara erişiyor? Hatası ne kadar geniş bir alana yayılabiliyor? Kararı geri alınabiliyor mu? Aynı sistem başarısız olduğunda onu denetleyen bağımsız bir katman var mı? Sorumluluk açıkça bir kişiye veya kuruma bağlanabiliyor mu?

Bu ölçüler, yapay zekânın iç dünyasını çözmez. Fakat dış dünyadaki etkisini daha dürüst biçimde gösterir. Çünkü insanlığın karşılaşacağı ilk büyük kırılma, makinenin bir sabah uyandığını ilan etmesi olmayabilir. Çok daha sıradan bir süreç içinde gerçekleşebilir: İnsanlar düşünme zahmetini, ardından karar verme yükünü ve sonunda sonuçların sorumluluğunu yavaş yavaş sistemlere bırakabilir.

İnsanlık gerçekten kuma düşünmeyi öğretmiş olabilir. Bundan sonraki dönem, bu yeni düşünme biçiminin insan aklını genişletip genişletmeyeceğini ya da kullanılmadıkça zayıflayan bir yeteneğe dönüştürüp dönüştürmeyeceğini gösterecek. Gelecek yalnızca makinelerin ne kadar ilerleyeceğine bağlı değil. İnsanların hangi zihinsel yetkileri korumaya değer bulacağı da aynı ölçüde belirleyici olacak.

KAYNAKLAR:

• ASML, “The Basics of Microchips”, tarihsiz, erişim Ağustos 2026

• Google DeepMind, “Levels of AGI for Operationalizing Progress on the Path to AGI”, ICML 2024

• Google DeepMind, “Gemini Robotics-ER 1.6: Powering Real-World Robotics Tasks Through Enhanced Embodied Reasoning”, 14 Nisan 2026

• International AI Safety Report, “International AI Safety Report 2026”, Şubat 2026

• Google DeepMind, “Securing the Future of AI Agents”, 18 Haziran 2026