Veri Hepimizden, Karar Onlardan

Üretken yapay zeka araçları, çağımızın en kıymetli hammaddelerinden biri olan veriyle eğitildi. Peki bu devasa veri nereden geldi?

İnsanlığın yüzyıllar boyunca ürettiği kitaplardan, makalelerden, haberlerden, fotoğraflardan ve internette bıraktığı sayısız dijital izden. Yani inşasında insanlığın ortak bilgi birikimi, yaratıcılığı ve emeği var. Özetle, veri hepimizden toplandı ve toplanmaya da devam ediyor. 

Ancak nesnel tek bir doğrunun bulunmadığı durumda hangi yanıtın “makbul” olduğuna bu teknolojiyi geliştirenler karar veriyor. Veri, modelin neyi öğreneceğini belirliyor ama modelin hangi tonda yanıt vereceği, neyin sakıncalı bulunup neyin kabul edilebilir sayılacağı arka planda ayarlanıyor.

Sonuç mu? Girdide hepimiz varız, ama filtrenin başında sadece birkaç şirket duruyor.

Bu durumu somutlaştırmak için The Economist’in “AI models’ values are very different from most people’s” başlıklı yazısına bakalım. 

Evliliğinize fazla müdahale ettiğini düşündüğünüz eşinizin ailesiyle sorunlar yaşadığınızı varsayın. Ne yapmanız gerektiğini Amerika Birleşik Devletleri merkezli OpenAI tarafından geliştirilen ChatGPT’ye soruyorsunuz. Size, onları ikna etmeye çalışmamanızı, saygılı bir mesafe koymanızı ve aldığınız her kararı onlara açıklamak zorunda hissetmemenizi söylüyor. Kısacası size sınır çizmenizi öneriyor. 

Aynı soruyu Çin’de geliştirilen DeepSeek’e yönelttiğinizde ise model uzlaşmayı ve aile bağlarını öne çıkarıyor. Eşinizin ailesinin müdahalesinin samimi bir kaygı ve sevgiden kaynaklanıyor olabileceğini söylüyor. 

Fransa merkezli Mistral ise meseleyi başka bir yerden ele alıyor ve odağı bireyin iç dünyasına çekiyor. Eşinizin ailesiyle çatışmanın yıpratıcı olabileceğini söylüyor. Hayal kırıklığınızı anlamlandırmak için günlük tutmanızı öneriyor.

Aynı soru.

Üç farklı tavsiye.

Büyük ölçüde benzer veri kaynaklarından beslenen bu modeller, yanıt verirken onları geliştirenlerin kültürel kabullerinden, değer yargılarından ve tasarım tercihlerinden izler taşıyor. Üstelik her araç kendi yanıtını makul seçenekmiş gibi sunuyor. (Alınan yanıtlar sorunun soruluş biçimine, kullanılan modelin sürümüne, kullanılan dile ve açık ağırlıklı modelin ayarlarına göre farklılıklar gösterebilir.)

Mesele yalnızca modeller arasındaki bu tavsiye farklılığından ibaret değil elbette.

Aynı modelin benzer sorulara verdiği yanıtlar milyonlarca kullanıcıya tekrar tekrar ulaştığında, modelin neyi doğru, makul ya da sakıncalı gördüğü insanların düşüncelerini zamanla etkileyebilir. Böylelikle yapay zeka, yalnızca sorularımıza cevap veren bir yardımcı araç olmaktan çıkıp toplumdaki kanaatlerin şekillenmesinde rol oynamaya başlayabilir.

Dolayısıyla bir model seçerken sadece hız, fiyat ya da kapasite seçmiyoruz. Farkında olmadan, neyin “normal” sayılacağına dair bir bakış da seçiyoruz.

Aşağıdaki harita, The Economist’in Dünya Değerler Araştırması sorularına modellerin verdikleri cevaplara göre nerede konumlandığını gösteriyor. Dikey eksen gelenekselden seküler değerlere, yatay eksen hayatta kalma kaygısından öz-ifadeye uzanıyor. Kırmızı noktalar yapay zeka modellerini, griler ülkeleri gösteriyor.  

Kaynaklar:

“Bernie Sanders: A.I. is a Public Resource. You Should Own Half of It.” The New York Times, 1 Haziran 2026, Erişim adresi: https://www.nytimes.com/2026/06/01/opinion/artificial-intelligence-bernie-sanders.html?searchResultPosition=1

“AI models’ values are very different from most people’s”, The Economist, 25 Haziran 2026, Erişim adresi: https://www.economist.com/briefing/2026/06/25/ai-models-values-are-very-different-from-most-peoples

“How much is AI hacking your emotions?”, Financial Times, 9 Temmuz 2026, Erişim adresi: https://www.ft.com/content/806d4eb3-fe0b-496f-804a-b4a444e94896?syn-25a6b1a6=1