Devrim Niteliğinde Bir Fenomen: Yapay Zekâ – Gülçiçek Dere

-Melisa Güven

Akademisyen ve Full Stack AI Developer Gülçiçek Dere; yapay zekânın çalışma prensiplerini, algoritmaların gündelik hayata etkisini ve araçların kullanım biçimini anlattı. Üretken yapay zekânın yaratıcılığa katkısını, doğru prompt kullanımının önemini ve yazılım dünyasında kadınların rolünü ele aldığımız söyleşide, geleceğin teknolojilerine dair ipuçlarını Gülçiçek Dere’den dinleyin.

Melisa Güven: Merhabalar Hocam. Öncelikle hoş geldiniz. Bizi kırmayıp teklifimizi kabul ettiğiniz için çok teşekkür ederiz. Bize biraz kendinizi anlatır mısınız?

Gülçiçek Dere: Hoş buldum. Ben Gülçiçek Dere. Aslında şu anda “Full Stack AI Developer” olarak çalışıyorum. Bunun ne anlama geldiğini anlatayım: Hem “Backend” denilen arka yüzde, hem de “Frontend” denilen ön yüzlerde yazılım geliştiriyorum. Daha çok yapay zekâ alanında çalışıyorum. Yapay zekâ yazılım geliştiricisiyim. 2013’ten bu yana akademik olarak da üretiyorum. 2020 yılından itibaren akademisyen olarak tam zamanlı çalışmaya başladım. Son iki yıldır da akademisyenliği saatlik derslere giderek ya da projelere dahil olarak gerçekleştiriyorum. Daha çok yazılım alanında çalışıyorum, çeşitli alanlarda yapay zekâ yazılımları geliştiriyorum. İlk olarak doktora tezim ile sağlık alanında çalışmaya başladım ardından finans, satış ve kozmetik alanıyla devam ettim.

M.G: Yapay zekâ bir yandan oldukça teknik bir konu fakat sosyal bilimlerin içinde de önemli bir tartışma konusu. Yapay zekânın teknik yapısı veya sosyal bilimler arasında nasıl bir ilişki var?

G.D: Yapay zekâ aslında ilk çalışmalarda ileri istatistik analiz olarak başladı. Olasılık hesaplamaları, sınıfl andırma, segmentasyonla başlayan bir şey aslında. Daha sonra veriler arttıkça, süreç derin öğrenme modellerine gitti. Sadece nümerik veriler değil, görüntü işleme üzerinden de devam etti. Daha sonraki süreçlerde dil işleme ve metin analiziyle “Büyük Dil Modelleri” (Large Language Models LLM) üzerine çalışılmaya başlandı. Giderek kendine daha çok alan buldu. Son geldiği noktada sentetik veri üretmek, video üretmek ile devam ediyor. Yani eskiden sadece var olan veriyi analiz ediyorduk, şimdi veriyi biz de yapay zekâ ile üretebiliyoruz.

Tabii bu sistemi kullanıcılar geliştiriyor. Yani yapay zekâ bize bir sonuç veriyor, biz de ona bir geri bildirim veriyoruz. Ödül-ceza sistemi de dahil olmak üzere arka planda çalışan algoritmalar ve mimarilerde birçok geri bildirim mekanizması mevcut. İnsanlar yapay zekâyı kullandıkça geliştiriyor ve etkileşimli bir hale getiriyor. Günlük hayatımıza çokça dahil ettik. Etmeye de devam edeceğiz. Önce tabii ki teknik bir altyapıyla başladı fakat sağlık, eğitim, finans, günlük hayattaki her şey, iletişim, medya… Her alana girdi ve giderek etkisi artmaya devam edecek.

M.G: Son yıllarda birçok yeni teknoloji ortaya çıkıyor ve bir süre konuşulduktan sonra unutuluyor, biliyorsunuz. Fakat yapay zekâ sanki internet gibi hayatımızı kökten değiştiren bir teknoloji olacak gibi. Sizce yapay zekayı bugüne kadarki diğer teknolojilerden nasıl ayırabiliriz?

G.D: Evet, internet gibi devrim niteliğinde bir fenomen. Ama şöyle bir fark var. İnternet sadece bilgiye daha kolay erişmemizi sağlıyordu. Fakat yapay zekâ bunu çok daha hızlı ve etkin bir şekilde yapabiliyor. Bu yüzden yapay zekâ, internetin bize verdiği bilgiden ziyade bizim yerimize seçimler yapma, bizi yönlendirme konusunda daha etkili. Yapay zekâ bitecek bir şey değil, gelip geçici bir trend değil, açıkçası katlanarak artacak bir şey. Nasıl interneti biz çeşitli alanlarda kullanmaya devam ediyorsak, yapay zekâ da giderek kendine daha çok alan bularak devam edecek. Belki NFT gibi unutulup giden şeylerden farkı, yelpazesinin geniş olması, birçok alana girebilmesi ve çok alanda fayda üretmesidir.

M.G: Peki sizce üretken yapay zekâ araçlarının gündelik yaşamımızdaki yansımaları nasıl oluyor? Bizi tembelleştiriyor mu yoksa yaratıcılığımızı kullanma konusunda bize yeni fırsatlar sunuyor mu?

G.D: Bu soru gerçekten üzerinde çok fazla tartışacağımız, çok çeşitli alanlardan ele alınacak bir konu. Eskiden insanlar bir şeyleri araştırırken internetin de olmadığı zamanlarda ne yapıyorlardı? Kitaba, kütüphaneye erişmeye çalışıyorlardı. Bir kütüphane var ve kişi erişmek istediği bilginin öncelikle hangi kitapta olabileceğini düşünüyordu. Bir karar verme ve süzgeçten geçirme aşaması vardı. Sonra o kitabın hangi bölümünde olduğunu arayıp, o sayfayı bulup bilgiyi ediniyordu. Oldukça fazla emek sarf ediyordu. İnternetle birlikte bu neye dönüştü? Arama motoruna aramak istediğimiz şeyi yazıyoruz, tabii burada reklam ve yönlendirmeleri geçiyorum, sonuçlara göre sayfalar açılıyor ve biz o sayfalardan ilgili içeriği bulmaya çalışıyoruz. Kütüphaneden daha kısa bir yol.

Şimdi ChatGPT, Gemini gibi yapay zekâ araçları, bize direkt olarak cevap veriyor. Yani biz tek bir cevap alıyoruz. Bunun nörolojideki karşılığına, aldığım dersler üzerinden bakarsak: Öğrenme sürecinde bir uyaran vardır. Uyaran ne yapıyor? Bizim talamusumuza etki ediyor ve o uyaranı görüyoruz. Daha sonra o bizim ilk algılama aygıtımıza, sensory input denilen yere gidiyor. Daha sonra anlamlandırıyoruz. Anlamlandırdığımızda da Prefrontal Korteks’e gidip orada bizim için kısa süreli de olsa bir öğrenme gerçekleşiyor.

“Burada beklediğimiz şey ‘yapay zekâyı kullanayım ve her şeyi o bana sunsun’ ise, evet bu bizi hem tembelleştiren hem de ileriye götürmeyen bir şey olacak. Ama benim zaten bir amacım var ve bu amaç uğruna onu bir araç olarak kullanacaksam, o zaman bilinçli olmak lazım.”

Eğer biz bunu bir anıyla eşleştirirsek amigdalaya kodlanıyor. Gemini’dan öğrendiğin bilgi de senin için kodlanabilecek ama o yol ne kadar kısa olursa bilgi daha az kalıcı oluyor ve öğrenme süreci tam olarak gerçekleşmiyor. Yapay zekâ dediğimiz şey, özellikle sinir ağlarının yapısına benzer bir süreçle çalışıyor. Yani insan bir şeyi nasıl algılıyorsa yapay zekânın arka plan ağları da buna benzer şekilde çalışıyor. Fakat biz onu kullanırken kendi ağlarımızı çalıştırmıyoruz. Tembelleşiyor muyuz? Tabii ki, bu anlamda evet. Ama şöyle de bir şey var: Eğer ki bunu kullanmayı bilirsek… Einstein’ın bir sözü vardır, belki duymuşsunuzdur: “Kitaplarda erişebileceğim bir bilgiyi neden beynimde taşıyayım? Ben o bilgiyi nasıl kullanacağımı öğrenmeliyim.” Diyelim ki bir hipotezim var, o bilgiyi doğrulamak üzerine yapay zekâyı bir araç olarak kullanırsam, o zaman çok işime yarayabilir. Fakat ondan cevabı bekleyip onun beni yönlendirmesini istediğimde, artık araç olan biz oluyoruz. Sistemi nasıl kullandığına bağlı olarak değişiyor.

Öğrenme sürecini kısalttığı için bizi tembelleştiriyor. Fakat çalışma mantığını farkına vardıktan sonra araç olarak kullanırsak, belki tembelleştirmez de tam tersi işimizi kolaylaştırdığı için bizi daha üretken ve çalışkan yapabilir. Yemek tarifl eri bile mesela eskiden insanların zihnindeydi. Şimdi nasıl olsa erişilebiliyor, çok kolay bulunabiliyor diye insanlar zihninde bir şey taşıma gereği duymuyor artık.

Nergis Karadağ: Açıkçası bu konu çok ilgimi çekti. “Araç olarak kullanmak” dediniz. Peki bunu nasıl etkili bir şekilde kullanabiliriz? Bunun bir okuryazarlığı var mı?

G.D: Yapay zekâya girdiğimiz her bir komuta “Prompt” deniyor. Hatta “Prompt Engineering” diye bir alan bile gelişti. Burada onun temel olarak nasıl çalıştığını bilmek lazım. Tabii ki belki teknik bir insan değilsiniz, teknik olarak tüm detayları bilmek durumunda da değilsiniz. Ama “Ne yapıyor, ne ediyor?” bunu ne kadar bilirsek o kadar doğru kullanabiliriz. Bunu yapay zekâ geliştiren, yapay zekâ mimarilerini kullanarak hem akademik çalışmalara hem de projelere dahil olan ve aynı zamanda özel sektörde çalışan bir insan olarak söyleyebilirim. Benim ulaşmak istediğim bir hedefi m olmalı. O hedefe giderken elimdeki veriye de bağlı olarak ki bu veri seti; sayılar, yazılar, sesler, her şey olabilir, o veriden bir bilgi elde etmek, bir sonuç çıkarmak istiyorum. Elimdeki veriye bağlı olarak hangi yapay zekâ modelleri, mimarileri ya da araçları kullanabileceğimi belirliyorum. -buna akademik çalışmalarda literatür taraması da diyebiliriz- Daha sonra o veriye uygulanabilecek modelleri seçiyorum. Genellikle yapay zekâ çalışmaları modellerin ve mimarilerin kıyaslanması ile ilerliyor. Bu modeller varmak istediğim noktadaki bilgiyi bana yüksek veya düşük olasılık gibi sonuçlar ile veriyor.

Burada beklediğimiz şey “yapay zekâyı kullanayım ve her şeyi o bana sunsun” ise, evet bu bizi hem tembelleştiren hem de ileriye götürmeyen bir şey olacak. Ama benim zaten bir amacım var ve bu amaç uğruna onu bir araç olarak kullanacaksam, o zaman bilinçli olmak lazım. Yapay zekâ da yanılabiliyor. Örneğin; Bir akademisyen öğrencisine “Ödevin yüzde 100 AI (Yapay Zekâ) olduğu için kabul edilmeyecek” gibi bir e-posta atmış. Gerçekten de şu an hiçbir yapay zekâ aracı, bir metnin yüzde 100 yapay zekâ olup olmadığını kesin olarak tanımlayamıyor. Bunu kendiniz de kontrol edebilirsiniz.

“Şu anda var olan çeşitlilik daha da artacak. Belki de ileride sayısız ‘Agent’ ve sayısız model olacak, bu iyi bir şey. Bunun çeşitlenmesi bizim için çok faydalı. Çünkü her zaman, her yerde ‘tekel’ olanı kullanmak sorunludur. Yani kullandığınız bir şeye geri bildirimle sistemi aslında eğitiyorsunuz. Mesela ‘Böyle bir görsel istiyorum’ diye tekrar komut verebilirsiniz ya da o görsel üretim sürecinde sistemin ne yaptığını öğrenirseniz, ona daha etkin Prompt’larla daha farklı şeyler de çizdirebilirsiniz.”

Mesela ben 2018 yılında yazdığım bir yazıyı ChatGPT’ye atmıştım, “Bunu sen mi yazdın?” diye. “Evet, bunu ben yazdım” diye bir cevap aldım. Daha sonra ona “Hayır, bunu sen yazmadın” diye yazdığımda, “Evet haklısın, bunu ben yazmadım” cevabını aldım.

Böyle bir sistemden bahsediyoruz. Bir yandan düşündüğümüzde tabii ki hata payı hâlâ yüksek, hâlâ öğreniyor. Bir süre sonra “saçmalamaya” başladığını da duyuyorum. Öğrencilerim “Hocam bir şeyler üretirken bir süre sonra saçmalamaya başlıyor” diyorlar. Evet, şu an için hâkimiyeti elde tutmak gerekiyor. Yani onu bir araç olarak kullanmak ancak o zaman faydalı oluyor. Kontrol bizde olduğu sürece hiçbir sıkıntı yok.

M.G: Yapay zekânın bir yandan mevcut mesleklerin yerini alacağı düşünülürken, bir diğer yandan da pek çok yeni iş kolu yaratıyor. Siz yapay zekanın emek süreçlerinde yarattığı bu değişim hakkında ne düşünüyorsunuz?

G.D: Bu da yine tarihsel olarak tekrar eden bir kaygı durumu. Sanayi Devrimi’yle insanlar, “Makineler bizim yerimizi alacak” şeklinde bir iş kaygısı yaşamışlar. Aslında böyle de olmuş; gerçekten de beden gücü gerektiren işlerde insanlar yerine makineler kullanılmaya başlanmış ama insanlara çok daha farklı unvanlarda, başka alanlarda yeni işler ve roller açılmış.

Yapay zekânın gelişiyle de yine böyle olacağını düşünüyorum. Şu anda yapay zekâ geliştiricisi olarak ben endişeli değilim. Şu da var; “Ben niye birini çalıştırayım ki? ChatGPT’ye yaz, yap diyorum, yapıyor. Neden bir yapay zekâ uzmanı çalıştırayım ki?” diye konuşan insanlar oluyor. Diyorum ki; “Lütfen buyurun yapın. Lütfen aynen dediğiniz gibi yapın; ‘yap’ deyin ve yapsın.

“Ufak tefek işler için belki evet ama ciddi anlamda hassasiyet gerektiren sonuçlar bekliyorsak, maalesef orada şu an için yapay zekâ yeterince iyi değil. Onu kullanmayı bilen bir insan ancak sonuçları doğrulayabiliyor. O yüzden yapay zekâ evet, bazı meslek gruplarının yerini alabilir fakat yeni iş alanları açılacaktır. Şimdiden üniversitelerde konuya ilişkin farklı bölümler kurulmaya başlandı. Yapay zekâyı kullanabileceğimiz alanlar artmaya başladı. İnsanlar işsiz kalmaz tabii ki ama o mesleği yapay zekâ yapar, insan başka bir meslekle hayatına devam edebilir.

M.G: Bizim bu sene “Yeni Medyada Yapay Zekâ Uygulamaları” adında bir dersimiz var ve yapay zekâ öğreniyoruz. Normalde böyle bir ders yoktu. Evet ben yapay zekâyı kullanıyormuşum ama prompt yazmayı öğrendikten sonra yapay zekâyı daha verimli kullanabildiğimi fark ettim. Yani “çok yapay zekâ kullanmak” ile “yapay zekâyı kullanmak” arasında büyük fark var aslında.

G.D: Evet, kendi adıma söyleyeyim; ben onun hangi kodları çalıştırıp hangi kütüphaneleri çağıracağını, hangi modelleri ve mimarileri kullanacağını bildiğimden, açıkçası kullanımım çok daha farklı oluyor. Hatta birçok şeyi öğrendiğim de oldu. Ben daha önce Backend tarafında çalışıyordum, Frontend bilmiyordum. Frontend’i öğrenme sürecime çok katkıda bulundu.

Ama şimdi kullanıcı yerine de bunu yapan sistemler var. Bunu öğrencilere tavsiye etmiyorum. Kontrol kullanıcıda olmalı. Eğer senin yerine yapıyorsa öğrenemezsin. Bu anlamda insanlara bazı GPT modellerini veya seçeneklerini önerebiliyorum; “Bunu yapmak istiyorsan şunu kullan, yoksa diğeri senin yerine yapar ama sen öğrenemezsin” gibi. O dili bilmek ve anlamak çok önemli. Gerçekten faydalı ve etkin kullanım bu noktadan sonra geliyor. Herhangi bir elektronik araçta bile nasıl çalıştığını bildiğinde onu daha iyi kullanıyorsun.

Nehir Gürsoy: Biliyorsunuz her konuda farklı bir yapay zekâ modeli diğerlerine göre ön plana çıkıyor. Örneğin Gemini’ın görsel oluşturma sürümü daha gerçekçi tasarımlar ortaya koyarken, ChatGPT’de bunu pek göremiyoruz. Sizce bu farklılıkları ortaya çıkaran nedir ve yapay zekânın etik tutumu araçların potansiyellerini sizce nasıl etkiliyor?

G.D: Bu farkların sebebi çalıştıkları veri, mevcut veri setleri, kütüphaneleri ve kullandıkları mimarilerdir. Kodlar ne için, ne amaçla yazıldıysa o amaca hizmet edecek şekilde sonuçlar veriyor. ChatGPT var, DALL-E var. O yüzden bazıları öne çıkıyor ama bir yandan da eksik kalanın gelişmeye devam ettiğini de unutmamak lâzım.

İşte bunu da deneme-yanılma yoluyla öğreniyoruz ya da başkalarından duyuyoruz; süreç bu şekilde ilerliyor. Aslında çeşitlilik olması da bir yandan iyi. Çünkü şu anda tüm dünyada aynı anda dil modelleri çalışılıyor ve insanlar o dil üzerine veri tabanı oluşturup modelleri eğitiyorlar. Her dilin yapısı farklı; her dildeki kelime dizimi, anlam bütünlüğü ya da vurgu bile çok farklı.

O yüzden şu anda var olan çeşitlilik daha da artacak. Belki de ileride sayısız “Agent” ve sayısız model olacak, bu iyi bir şey. Bunun çeşitlenmesini faydalı buluyorum. Çünkü her zaman, her yerde “tekel” olanı kullanmak sorunludur. Verdiğiniz geri bildirimle sistemi aslında eğitiyorsunuz.

Mesela “Böyle bir görsel istiyorum” diye tekrar komut verebilirsiniz ya da o görsel üretim sürecinde sistemin ne yaptığını öğrenirseniz, ona daha etkin prompt’larla daha farklı şeyler de çizdirebilirsiniz.

Şu aralar Instagram’da bile var; “Instagram’a fotoğrafınızı yükleyin ve şunu yazın, size bunu veriyor” gibi akımlar. Metnin yapay zekâ olup olmadığını anlamak, o “intihal” kontrollerinden geçebilmek için insanlar “Humanizer” (insansılaştırma) araçlarını kullanıyor, ek prompt’lar vererek yönlendiriyorlar.

N.G: Tam da bu noktada değinmek istediğim bir konu var. Yapay zekâ modelleri genellikle Batı merkezli veri setleriyle eğitiliyor. Bu durumun, dillerin dijital dünyada temsil edilme biçiminde, tek tipleştirme riski olduğunu düşünüyor musunuz? Ve sizce bu kültürel yanlılığı nasıl kırabiliriz?

G.D: Evet. Sanırım bir yıl olmuştur; bir YouTube videosunun altına gelen yorumların “feminen dil” kullanımıyla ilgili bir çalışma vardı. Sosyal bilimlerdeki karşılığı bir yana, ben işin teknik tarafındaydım ve o yorumlara “Duygu Analizi” (Sentiment Analysis) yapmıştım. Gelen yorumların duygu analizini yaparken kullandığım kütüphaneler, genellikle İngilizceye yönelik kütüphaneler olduğu için o yorumları İngilizceye çevirmek ve İngilizce analiz yapmak durumunda kaldım. Fakat İngilizcedeki cümlenin akışı, dizilimi ya da İngilizce hâliyle kelime çok farklı bir anlama geliyor. Türkçe haliyle o cümle farklı bir anlama gelebiliyor. Türkçe anlamını İngilizceye çevirdiğinizde kaybedebiliyor ya da değişebiliyor. O yüzden şu an her ülkede, her dilde kütüphaneler geliştiriliyor ancak İngilizce kütüphanelerin sayısı çok daha fazla.

İngilizcenin evrensel dil olması sebebiyle tüm dünyada yapay zekâ alanındaki dil kütüphanelerinde baskınlığı söz konusu. Ama biz bunu Türkiye’de geliştirilen bazı dil kütüphaneleriyle biraz aşmaya çalışıyoruz. Ben kütüphane geliştiriciliği kısmında değilim, hâlâ var olan kütüphaneleri kullanıyorum. Öyle bir projede olmadım ama açıkçası olmayı isterdim. Şu an aklıma geldi, neden olmasın? Çünkü eldeki verinin yetersizliği çalışmalarınızda geri bırakan bir şeye dönüşüyor. Ama belki bu konuyu da bir yıl sonra konuşmayacağız. Çünkü bir yıl sonra belki de böyle bir şey kalmayacak, her şey çok hızlı ilerliyor.

N.G: Merak ettiğimiz bir konu da algoritmalar. Algoritmalar içerikleri verilerimizden ya da beğendiğimiz şeylerden yola çıkarak bize sunuyor ve aslında ne göreceğimizi belirliyor. Bizim önümüze düşen şeyleri seçiyor. Veriler üzerine çalışan biri olarak siz bu konuda ne düşünüyorsunuz

G.D: Bununla ilgili yakın zamanda bir Q1 seviyesinde bir akademik yayın yaptık. Instagram’da önümüze düşen Reels’ler, videolar ve insanların beğenisi ya da değerlendirmesi üzerine röportajlar vardı. Ben de o röportajların duygu analizini yapmıştım. Burada insanların, önlerine düşen bu videolara karşı farklı yorumlarını gördüm. Hem evet, ilgi ve zevklerine göre videolar düştüğü için kullanmaya devam ediyorlar. Ama bir yandan da bazı yorumlarda şu vardı: “Ben hep aynı içerikleri görüyorum. Yeni bir şey öğrenemiyorum ya da başka şekilde yaşayan, başka yaş grubundaki, başka bir ortamdaki insan ne düşünüyor, neler yapıyor; bunlara erişemiyorum. Sadece kendi alanım ya da kendi zevklerim doğrultusunda kısıtlı kalıyorum.” Belki de bunun dozunu ayarlamak lâzımdır. Bu da zamanla gelişecektir. Çünkü zaten sizden geri bildirim istiyor.

Mesela Instagram’da önünüze düşen Reels’larda bir süre sonra fark ediyorsunuzdur; “İlgimi çekiyor / çekmiyor” gibi seçenekler sunuyor. Siz buna cevap verdiğinizde, sizin izlediğiniz videolardan belki biraz daha farklı yere sapmak üzere ya da farklı önerileri daha çok önünüze getirmek üzere algoritmayı eğitmiş oluyorsunuz. Bizi manipüle ediyor mu? Ediyor. Bizi yönlendiriyor mu? Yönlendiriyor. Sonuçta “Influencer”lar var, farkında olmadığımız reklamlar var. Yani algımız, verdiğimiz tepkiler bile yönetilebiliyor. Bu da algoritmalar ile oluyor. Yani arka planda çalışan algoritma kendi kendini ona göre geri besleyip, tekrar ilginize sunuyor.

Siz hep o alanda kalmış oluyorsunuz. Bir şekilde hem ilginizi canlı tutmak hem de sizi amaçlanan hedefe yönlendirmek için kurulmuş bir düzen. Bu konu felsefi yerlere de gidebilir ancak bu perspektiften konuşabilecek kişi ben değilim. Size teknik perspektiften konuşabilirim. Diğer kısımlar üzerine keşke sosyal bilimcilerle, felsefecilerle de tartışsak.

“Bizi manipüle ediyor mu? Ediyor. Bizi yönlendiriyor mu? Yönlendiriyor. Sonuçta ‘Influencer’ diye bir kavram var. Onun dışında farkında olup olmadığımız reklamlar var. Yani algımız, verdiğimiz tepkiler bile yönetiliyor bir şekilde.”

N.K: Ben de çok küçük bir şey ekleyebilirim aslında. Medya çalışmaları içerisinde bu algoritmalarla ilgili çalışmalar arasında ilk gördüğüm şey “Yankı Odaları” (Echo Chambers) kavramıydı. Yani sizin tıkladığınız şeyler, beğendiğiniz ya da bir süre durduğunuz videolar üzerinden algoritma size bir yankı odası oluşturuyor. Beğenileriniz üzerinden sürekli aynı içeriklerle karşılaşıyorsunuz ve kendi düşüncenizin dışında bir şeyle karşılaşma olasılığınız çok düşük oluyor.

G.D: Evet. Bu da gerçekten bir kesimin ne düşündüğünü bilmemeye sebep oluyor. Çünkü filtreleme sistemi var, arka planda filtreleme çalışıyor. Ben de bugün fark ettiğim bir videodan bahsedeceğim. Olay sokakta geçiyor, bir genç, bir kızla tanışmaya geliyor. Kız da olayın sokakta olmasına referansla “Daha önce hiç böyle bir tanışma görmemiştim” diyor. İçeriğe birçok yorum gelmiş. Destekleyici yorumlar kadar eleştiren yorumlar da var. Ben bunların ötesinde, bundan on yıl öncesine gittim. On yıl öncesine kadar internetten tanışan bir çift, genellikle internetten tanıştığını söyleyemezdi. Örneğin, “Instagram’dan tanıştık” diyemezlerdi, “arkadaş ortamında tanıştık” derlerdi. Çünkü o zamanlar bu durum yadırganırdı. Şu anda yorumlardan anladığım kadarıyla, sokakta tanışmak artık farklı bir tanışma yöntemi. Yani on yıl önce yadırganan şey şu anda tam tersine benimsenen bir şey olurken diğeri yadırganır olmuş. Dalga geçilen şeyleri bir süre sonra konuşuyoruz. İlk başta yadırgayıp dalga geçilen kelimelerin şu anda kullanıldığını biliyorum.

İnsanlar bunun nasıl kanıksanmaya başladığının da farkında değil. O arada akan bir sürü içerik ve bir sürü uyaran var. İnsan o kadar çok uyarana maruz kalıyor ki zaman algısı da değişmeye başlıyor. Bunlar benim konum değil, sadece gözlemlediklerim. Sosyal bilimciler bunun üzerine çalışabilir. Çünkü herhangi bir şey hem sosyal medyanın hem de yapay zekânın önümüze sürekli öne çıkarmasıyla, bir süre sonra kanıksanabilir oluyor.

“Öğrencilere bir tavsiye verebilirim, ‘Ben bu alanda biraz daha teknik bilgi istiyorum, yatkınlığım var, öğrenebilirim’ diyen öğrencilere. Yapay zekâ konusunda domine olan bir araç var: Python programlama dili.”

N.K: Peki sosyal bilimlerde araştırma yapan insanlar bu anlamda yapay zekânın ne gibi araçlarından yararlanabiliyorlar? Duygu analizinden, metin temelli incelemelerden bahsetmiştiniz. Teknik olarak biz yapay zekâyı sosyal bilimlerde nasıl kullanabiliriz?

G.D: Ben aslında ilk defa doktora tezimde kullanmaya başladım yapay zekâyı. Doktora tezimde görüntü işleme üzerine çalışıyordum. Daha sonra çalıştığım ilk startup firmasında makine öğrenmesi ve gelecek kestirimi üzerine çalışmaya başladım. Şu an geldiğim noktada verimlilik analizleri yapıyorum derken, bir de gelişen kütüphanelerle birlikte NLP (Doğal Dil İşleme) kütüphanesine girdim. Şu anda “Full Stack” çalıştığım için aslında hepsini bir şekilde kullanmak durumunda kalıyorum. Sosyal bilimler alanında çalışan insanların genellikle teknik bilgilerileeri altyapıları sebebiyle çok yeterli olmadığı için multidisipliner çalışıyoruz.

Ben iletişim alanındaki çalışmalarda baskın olanın, yapay zekâ kütüphanesinin dil işlemesi üzerine olması gerektiğini düşünüyorum. Ama tabii ki görsel üretim ve video üretimi gibi üretken yapay zekâ araçları da var. Reklamlar için bir prompt yazıyorsunuz, size video veya görsel oluşturuyor. Bunlar özellikle medyada ya da iletişimde kullanılan modeller. Bir tavsiye verebilirim, “Ben bu alanda biraz daha teknik bilgi istiyorum, yatkınlığım var, öğrenebilirim” diyen öğrencilere. Yapay zekâ konusunda domine olan bir araç var: Python programlama dili. Python içerisinde yapay zekânın hangi alanıyla ilgileniyorsak onun kütüphanesini çağırıp çalışmalar yapıyoruz. Temel bilgileri öğrendikten sonra çalıştığı alan dil işlemeyse dil işleme kütüphaneleri, görüntü ile alakalıysa görüntü işleme kütüphaneleri üzerine çalışmalar yapabiliyoruz. Ama “Ben bunu öğrenmek istemiyorum, vaktim yok ya da öğrenemem” diye düşünen bir genç için de en azından sistemin nasıl çalıştığını, ne yaptığını öğrenmesini tavsiye ediyorum. Ardından prompt ile devam edebilir. Ama “Bana bu görseli üret” demek yerine, “Bana şu kütüphaneyi çağır” diyerek daha teknik bir dille prompt yazarsa, istediği sonucu daha iyi alabilir. Eğer arka planda ne çalıştırdığını, neyi çağırdığını, nasıl bir zincirleme çalışma olduğunu bilirsek, onu, ona göre yönlendirebiliriz.

N.G: Bizim için oldukça faydalı oldu önerileriniz ve sizin çalışma alanınız hakkında da biraz konuşmak isteriz. Medikal alanında yazılım projelerinde yer aldığınızı biliyoruz. Sağlık alanında yapay zekâ ne tür potansiyeller taşıyor sizce ve gelişimleri hakkında ne düşünüyorsunuz?

G.D: Sağlık alanında yapay zekâ zaten aslında çok uzun zamandır kullanılıyor. Sağlık alanında bazı engellerden bahsedebiliriz, KVKK (Kişisel Verilerin Korunması Kanunu) gibi. Türkiye’de ve yurt dışında sağlıkta yapay zekânın katkısı çok fazla ama kontrolün hekimde kalması çok önemli. Daha bir iki gün önce sağlık alanından bir arkadaşım, “Hekim yerine geçecek bir proje yapsak?” gibi bir şey söylemişti. Ben mesela etik olarak bunu çok uygun bulmadığım için “Hayır, onu hekim yapmalı” dedim. Hekimin işini kolaylaştırabilir ama hekimin yerine geçmemeli. Onun söylediği şey biraz öneri sistemine giriyordu. “Lütfen önermesin, mümkünse hekime önermesin” dedim. Şöyle düşünelim. Size diyelim ki bir soru soracağım ama sorudan önce cevabı verirsem, sizi yönlendirmiş olurum. Siz o an düşünmektense, aldığınız hazır bilgiyi kullanırsınız. O yüzden hekime yardımcı olan sistemler faydalıdır ancak yönlendirme kısmı risklidir.

Şu anda biyomedikal sistemdeki tüm modaliteler zaten yapay zekâ destekli geliyor. Görüntülerin iyileştirilmesi gibi hekimlerin kullandığı birçok yapay zekâ destekli sistem var. İyi sonuçlar veriyorlar. Fakat günün sonunda nihai kararı hekim vermeli. Çünkü hekimin yerine karar verilirse, bu hekimliğin ölmesi demek oluyor. Şu anda insanı muayene edip yüzde 100 doğrulukla tanı koyabilecek bir sistem henüz yok. Belki spesifik alanlarda çalışıp doğruluklar elde edebiliriz. Mesela Radyoloji alanında çok güzel sonuçlar elde ediliyor. Şöyle düşünün; bir tomografi görüntüsünde “gri skala” vardır. O tonlamanın içinde binlerce gri renk tonu var. İnsan gözü elli farklı ton görebilirken makine hepsini ayırt edebiliyor. Burada mesela radyoloğa güzel bir öneri sistemi sunabilir. Çünkü makinenin fizyolojik kısıtlılığı yok. Biz biyomedikal çalışmalarda her zaman şu cümleyi kullanıyorduk: “Hekime yardımcı, hekim yerine değil.”

N.G: Yapay zekânın birçok faydalı kullanımı var ve bizler de kendi alanımıza dahil ederek bunlardan yararlanabiliyoruz. Deneyimlerinize dayanarak siz kariyerimizi şekillendirmek için bizlere hangi konularda kendimizi geliştirmemizi önerirsiniz?

G.D: İletişim ya da Yeni Medya alanından bağımsız olarak, öğrenci, öğrenen kişidir. O öğrenme sürecini yapay zekâya yaptırmadığı takdirde ve onu bir araç olarak kullandığı takdirde çok faydalı şeyler edinecektir. Bir de rekabet fazla çünkü çok mezun var. Rekabet edebilmek için daha farklı ve fazla donanımlara ihtiyaç duyacaksınız. Bu bir dil olabilir, bir program bilgisi olabilir. Aslında burada yapay zekâ araçlarını iyi kullanabilmek ve bu anlamda tecrübe sahibi olmak da şu an eminim çok işinizi görecektir. Teknolojinin gerisinde kalmamak ve onu kullanabilmek çok önemli.

N.K: Evet. Aslında bir önceki soruda “teknolojinin gerisinde kalmamak, yeni şeyleri öğrenmek” deyince aklıma internette dolaşan o meşhur “meme” (caps/ internet şakası) geldi: “Yazılım öğren.” Herkese verilen o klasik öneri.

G.D: Aslında ben “yazılım öğren” demiyorum, biliyor musunuz? Mesela benim akademisyen arkadaşlarımdan da gelenler oluyor. Geçen bir arkadaşım geldi. “Ya aslında ben de öğrenebilirim” dedi. Dedim ki; “Hayır, öğrenme. Yani sıfırdan keşfetmeye gerek yok. Senin alanın sosyal bilimler” Bilgisayarına gerekli aracı indirttim. “Bak buna prompt’u bu şekilde yazacaksın” dedim. Onunla bir üç dört saat geçirdik. Günün sonunda dedim ki “Bak işini gör. Senin işini görmen lazım. Sonuçta sosyal bilimcisin, akademisyensin. Sadece analizini yapabilmek istiyorsun. Tüm kütüphaneleri öğrenmene gerek yok.” Ben kendim için de söylüyorum.

Profesyonel anlamda insanların karşısına çıktığımda “Ben komple yazılım bilmiyorum.” diyorum. Çünkü yazılımda bir sürü dil, program ve alan var. Ben yapay zekâ biliyorum. 2016 yılından beri yapay zekâ çalıştığım için bunu biliyorum. Ben neyi biliyorum? Makine öğrenmesini, tahminleme algoritmalarını biliyorum ve gelecek kestirimi yapabiliyorum.

Görüntü işleme çalıştım, üzerine derin öğrenme modellerini biliyorum. Son yıllarda NLP (Doğal Dil İşleme) çalışıyorum. Mesela video üretme üzerine bilgim var ama tecrübem yok. Ya da ses tanıma (Speech Recognition) çalışmam yok. Bunların her biri ayrı bir uzmanlık alanı olacak.

Nasıl ki bilgisayar mühendisliğinden, sonra yazılım mühendisliği alanı çıktı, şimdi de yapay zekâ mühendisliği ve onun alt dalları çıkıyor. Bunların hepsinin içinde kaybolursunuz. Artık “Yazılım öğren” lafı çok geniş bir tanım olarak kaldı. “Yapay zekâ öğren” bile çok büyük bir küme.

Ben size şunu söyleyebilirim: Nerede çalışmak istiyorsun? Bir reklam şirketinde mi? O zaman Generative AI (Üretken Yapay Zekâ), görsel/video üretimi kütüphanelerine bakabilirsin. Daha çok yazılı metin üzerine mi çalışacaksın? O zaman dil kütüphanelerini öğren diyebilirim.

N.K: Evet, genelde de duyuyorum bu sözü. Okulunu bitirmiş, işe girmeye çalışıyor; “Tüh yazılım öğrenecektik ya” diyorlar. O da çok kolay bir şey değil. Anladığım kadarıyla en mantıklısı aracı doğru kullanmayı öğrenmek, yaptığımız işleri entegre etmek.

G.D: Kesinlikle. Aracın kendisine sorduğunda söyler; ChatGPT’ye “arkada ne çalıştırıyorsun?” diye yazsan zaten sana söyler. Ama bunu düşünmek lazım. Bunu bir “Mouse” (Fare) kullanmaya benzetebiliriz. Ben bu mouse’u kullanmak istiyorum. Tamam, hareket ettirince gidiyor. Ama bunun içinde ne var? Lazer sistemiyle mi çalışıyor, Wi-Fi ile mi çalışıyor? Bunları bilirsem ben bunu daha etkin kullanırım. O yüzden ne yaptığını bileceğiz ama komple yazılım alanını bilmek zorunda değiliz.

N.K: Okulumuzda sizi misafir ettiğimizde yapay zekâ teknolojisi gelişmeden önce sanat alanında da var olduğundan bahsetmiştiniz. Bunu konuyu bizim için biraz açabilir misiniz?

G.D: Tabii ki, ben yapay zekâ tarihi anlatmayı çok seviyorum. Çünkü teknik insanlarla sadece kodları konuşuyoruz ama tarih kısmı bana çok eğlenceli geliyor. İnsanları da şaşırtıyor. Çünkü biri gidip hemen kodlayarak bir yapay zekâ bulmamış. Her şey gerçekten de hayal ederek başlamış. “Acaba böyle bir şey olabilir mi? Makinelerin bilinci olabilir mi? Makineler düşünebilir mi?” diye düşündükleri noktada, tabii önce bu bir hayal ürünü. Daha sonra o hayali kafasına yerleştiren bir teknik insan, bunun teknik anlamda olabilirliğini ispatlamaya çalışmış. Bunlar ispatlanıp gerçek olmuş ama her şey hayal ederek başlamış. O yüzden ben öğrencilere şunu özellikle tavsiye ediyorum: Olabildiğince farklı alanlardaki seminerlere katılsınlar. Çünkü bu onlara bir vizyon katacak. Bir yerde bir şey duyuyorsunuz, bir insan bir çalışma yapmış. Sonra hiç ummadığınız bir zaman, bir yerde: “Ya böyle bir şey vardı, acaba bu bizim şuradaki sorunumuza derman olabilir mi?” diyebiliyorsunuz. Amaç sadece sertifika biriktirmek değil, olay aslında vizyon sahibi olmak. Dinledikçe, yapılan araştırmaları gördükçe sizde bir şeyler oluşmaya başlıyor. O bilgiden biraz bu sektörden biraz derken fikir sahibi oluyorsunuz. Geçmişime baktığımda; dershanede çalıştım, okulda öğretmenlik yaptım, üniversitede çalıştım. Bunların içerisinde geçmişimde kısa bir süre bankacılık da var. Kendime hep “Ben bunu niye yaptım? Bunun bana ne katkısı var?” diye sorardım. Hepsinin bir sebebi varmış. Bankacılıkta dünya paralarını görmüş olmak bile bir deneyim. Bankanın entelektüel anlamdaki katkısı bir yana, günün sonunda hayatın ne getireceği belli olmuyor. Ben akademisyenliği çok seviyordum ama ne zaman ki yazılımda çalıştım, bu 30’lu yaşlarımdan sonraydı, şunu dedim: “Ben doktorayı bırakırken hayatımın işini buldum, ben yazılımcı olmalıymışım.” Hem çok çabuk kavrıyorum hem de mizacıma çok uygun. Geçen yıl finans şirketinde çalıştım. Orada bankada öğrendiklerim işime yaradı. Şu anda bir kozmetik firmasında çalışıyorum, satış analizleri yapıyorum. Yine geçmişte öğrendiklerim işime yarıyor. Yani yol bitmiyor. Hayat devam ediyor ve önüne ne çıkacağı belli olmuyor. O yüzden bilgiden kaçmamak lazım. Hayatta bazen bir anlık kesitlerle kendimizi değerlendiriyoruz. Şu an buradayım ve bu kesitteyim. Hayatımızı bir film şeridi gibi düşünelim, o sadece bir kare. Bazen o kesitte yaşadıklarınız tüm hayatınızmış gibi geliyor. Geçmişimdeki o kesitlere baktığımda, hayatımın belki bir döneminde, bulunduğum ortamdaki en kıymetsiz, en değersiz hissettirilen insan olmuşumdur. Öyle olsam da olmasam da o ortamda çok değersiz hissetmişimdir. Ama sonra hayatımda başka bir kesit olmuştur ve orada da çok değerli hissetmişimdir. Günün sonunda içinde bulunduğunuz şartlarla kendinizi kısıtlamamak lazım. Kendi değerini, kendi potansiyelini orayla ölçmemek lazım. O kesit senin hayatının tamamı değil. Sonrası çok farklı olabilir. Bu parasızlık olabilir, başarısızlık olabilir; hepsi geçici.

“Beynimizdeki nöral ağlar ile erkeğin kurduğu nöral ağlar aynı değil. Yapay zekâda da nöral ağlar var; onu yazan, eğiten ve yöneten sensin. Kadının çok yönlülüğü, yapay zekâ alanındaki çalışmaları çok farklı yöne götürebilir.”

N.K: Siz kesitlerden ve ilerlemekten kaçınmamaktan bahsedince bir konuyu daha merak ettim. Yapay zekâ programcısı olarak çalışıyorsunuz, bu alanda kadınlar ne kadar yer buluyor?

G.D: Kadınlara çok uygun bir iş. Ben 2020’de çalıştığım şirketteki ilk kadın çalışandım. Daha sonra finans şirketinde çalıştım, yine tek kadındım. Bu alanlarda çok fazla kadın yok ama kadının sahip olduğu özelliklerin yazılım alanıyla uyuştuğunu düşünüyorum. Geçmişe baktığımızda bu alanlar fiziki güç gerektirmediği için ilk başta kadın işi olarak görünmüş. Kadınlar öncülük yapmış. Daha sonra erkekler “orada iş var, potansiyel var” deyip alanı domine etmişler. Yazılım alanının kadınlara çok uygun olduğunu düşünüyorum. Beynimizdeki nöral ağlar ile erkeğin kurduğu nöral ağlar aynı değil. Yapay zekâda da nöral ağlar var; onu yazan, eğiten ve yöneten sensin. Kadının çok yönlülüğü, yapay zekâ alanındaki çalışmaları çok farklı yöne götürebilir. Mesela bir erkek yazılımcı arkadaşım, benim tasarımlarımı çok beğendiğini söyledi. Sebebini de şöyle açıkladı: “Ben oraya buton mu gerekiyor? Bir tane buton koyup geçiyorum. Ama sen o butonun üzerine hover özelliği olsun (üzerine gelince değişsin), estetik görünsün, kullanıcıya hoş gelsin diye detaylı düşünüyorsun.” Kadınlardaki estetik algısı ve detaycılık, özellikle kullanıcı bakış açısına önem vermek anlamında bizi ön plana çıkarıyor olabilir. Yönetim pozisyonlarında hâlâ “kadın yönetici” algısıyla ilgili sıkıntılar olsa da teknik tarafta kadınların dezavantajlı olduğunu düşünmüyorum.

N.K: İnternetin yaygınlaşmasıyla “bilginin demokratikleşmesi” konuşuluyor ama bir yandan da “dijital uçurum” var. Sizce yapay zekâ bu dijital uçurumu derinleştiriyor mu?

G.D: İnsanlar yapay zekâ kullandığının farkında olmadan kullanıyor aslında. Herkes bir şekilde, cep telefonuna sahip olan herkes yapay zekâyı besliyor, veri sağlıyor. Hem kullanıyor hem kullanılıyor. Ama kullanım biçimleri farklı. Benim mesela TikTok’um yok. Ama belirli bir kesim, TikTok’u benden çok daha fazla kullanıyor. Orada arka planda çok büyük yapay zekâ algoritmaları çalışıyor. Herkes kendi verisini ve profilini veriyor. Demokratik bir düzlem mi? Evet. Bu bir eşitlik sağlıyor mu? Sağlıyor. Köydeki bir kadın da influencer olabiliyor.

“Foucault’nun Hapishanenin Doğuşu kitabında bahsettiği gibi; hapishaneyi fark ettiğinde hapishane yıkılıyor. İçinde bulunduğun sistemi, bu kapitalizm olabilir, sosyal medya olabilir ve oradaki rolünü fark ettiğinde daha az manipüle edilirsin. İnsanlar mesela toplu bir şekilde etkileşim alma olayını fark ettiler. Eskiden biri saçma bir şey yaptığında linç ediliyordu, şimdi “bunu etkileşim almak için yapıyor” deniliyor.”

N.K: Evet, daha katılımcı bir alan sağlıyor ama yine tıkladığımız şeyler, beğenilerimiz bize bir “balon” (yankı odası) yaratıyor.

G.D: Her anlamda sistemdeki yerini sorgulamak lazım. Foucault’nun Hapishanenin Doğuşu kitabında bahsettiği gibi; hapishaneyi fark ettiğinde hapishane yıkılıyor. İçinde bulunduğun sistemi ve oradaki rolünü fark ettiğinde daha az manipüle edilirsin. İnsanlar mesela toplu bir şekilde etkileşimi fark ettiler. Eskiden biri saçma bir şey yaptığında linç ediliyordu, şimdi “bunu etkileşim almak için yapıyor” deniliyor. Instagram’da “Clean Girl” akımı gidiyor, başka bir akım geliyor. Neden? Çünkü orada pazarlanan bir şey var. Farkındalık, her zaman maalesef mutsuzluk getirir. Ama mutsuzluk da farkında olmamaktan daha iyi olabilir. Karşındaki insanın ya da sistemin seni manipüle ettiğini fark ettiğin andan itibaren artık manipüle olmazsın.

M.G: Tüm bunların yanında insanlar artık sesini de çıkartıyor. Belki linç kültürünün artmasının sebebi de bu. Çünkü sesini çıkartmayan kesim sosyal medyanın içinde kayboluyor.

G.D: Ben şahsen Z kuşağından çok memnunum, çok razıyım. Tepkilerini çok doğru ve yerinde buluyorum. Bizden önceki nesil daha oyalanan bir nesildi. “Aman çalışayım, elim ekmek tutsun” derdik. Ama şimdiki gençler sistemin ne olduğunu görüyor. Bu linç kültüründen ben de bazen memnunum. Mesela hayvanseverliğin arttığını görüyoruz. Dışarıda bir hayvana eziyet edildiğinde, ben de o linç grubunun içindeyim. Bu artık yadırganır oldu ki bu iyi bir şey. Anormal davranışların sergilenip linçlenmesi, toplumun bazı değerlerini koruyor. Son olarak bir şeyler üretmek insanı mutlu ediyor. Biz maalesef çok tüketim kültürüyüz ama üretmek; bu bir yemek yapmak olabilir, gitar çalmak olabilir, insanın ruhuna iyi gelir. Kafede oturup sadece ekranı kaydırmaktansa bir şeyler üretin. Ve her şey parayla değil; öğrenmek için çaba gösterdiğiniz sürece internette her şey var.

M.G: Bu güzel sohbet ve röportaj için size çok teşekkür ederiz.

N.G: Önerileriniz ve katılımınız için çok teşekkürler.