Yapay Zekâ Düşünmeye Bir Yardımcı mı, Yoksa Sorumluluğumuzu Devrettiğimiz Bir Araç mı?

Yapay zekâ ve düşünme / Bir rapor birkaç dakikada hazırlanıyor, yabancı dildeki makale anlaşılır bir özete dönüşüyor, yazamadığımız giriş paragrafı ekranda beliriyor. Yapay zekâ işimizi kolaylaştırıyor. Peki, ortaya çıkan metni anlayabiliyor, iddialarını doğrulayabiliyor ve gerektiğinde savunabiliyor muyuz?

Hannah O. Brown’ın “AI Revolution or Revulsion? APS Journal Editors Weigh In” başlıklı yazısı, psikoloji dergilerinin editörlerini bu sorular etrafında buluşturuyor. Bir araştırma raporu değil, farklı görüşlerin yer aldığı bir söyleşi olan yazıda editörler; şeffaflık, bilimsel değerlendirme, çeviri ve öğrenci öğrenmesi üzerine konuşuyor. Görüşler aynı noktada birleşmiyor. Bu çeşitlilik, yapay zekâyı değerlendirmek için kullanım amacına ve koşullarına bakmamız gerektiğini gösteriyor. Kaynak

İyi yazılmış olmak, doğru olmak anlamına gelmez

Yapay zekâ ve düşünme / Akıcı cümleler zihnimizde kolayca güven oluşturur. Bir açıklama düzenli başlıklarla sunulduğunda, teknik terimler kullandığında ve sonunda kaynaklar sıraladığında ikna edici görünebilir.

Fakat metnin görünüşüyle dayandığı kanıt ayrı ayrı değerlendirilmelidir. Walters ve Wilder’ın 2023’te GPT-3.5 ve GPT-4 ile üretilen kaynakçaları incelediği araştırmada, gerçekte bulunmayan yayınlar ve gerçek yayınlara ait hatalı bilgiler saptanmıştır. Bu bulgular o dönemin modellerine ve araştırma koşullarına aittir; güncel sistemler için değişmez hata oranları olarak kullanılamaz. Yine de önemli bir ders verir: Kaynak gösterilmiş olması, kaynağın doğrulandığı anlamına gelmez. Kaynak

Bir metin hazırlarken yalnızca “Bu cümle güzel mi?” diye sormak yetmez. “Bu iddia hangi araştırmaya dayanıyor? Araştırma gerçekten bunu mu söylüyor?” soruları da gerekir.

Kolaylık gerçektir; sınırları da vardır.

Yapay zekânın katkısını küçümsemek, eldeki bulguları göz ardı etmek olur. Noy ve Zhang’ın profesyonel yazım görevleriyle yaptığı deneyde, yapay zekâ desteği kullanılan koşullarda çalışma süresi azalmış ve değerlendirilen çıktıların kalitesi yükselmiştir. Ancak bu sonuç, bütün mesleklerde veya her görevde aynı yararın sağlanacağını göstermez. Kaynak

Bir çalışan için dağınık notları düzenlemek, bir öğretmen için açıklamaya alternatif örnekler bulmak, bir araştırmacı için metnin dilini iyileştirmek yararlı kullanım alanları olabilir. Özellikle düşüncesini yabancı dilde ifade etmekte zorlanan kişiler açısından dil desteği değer taşır.

Brown’ın söyleşisinde de bu fırsat vurgulanırken, anlaşılır bir çevirinin anlamı koruyup korumadığının kontrol edilmesi gerektiği belirtiliyor. Bir terimin yanlış aktarılması, cümlenin akıcılığından daha önemli olabilir.

İşi tamamlamak ile beceriyi kazanmak farklıdır.

Yapay zekâ sayesinde bir görevi başarıyla bitirmek, o görevi bağımsız yapabilecek hâle geldiğimizi göstermez.

Örneğin öğrenci, problem çözümünü okuyup doğru cevabı yazabilir. Çalışan, hazırlanan analizle etkileyici bir sunum yapabilir. Fakat araç kapandığında çözümün gerekçesini açıklayamıyorsa öğrenmede bir boşluk vardır.

Lise matematiğinde yapılan bir deney, kullanım biçiminin önemini somutlaştırıyor. Öğrenmeyi koruyacak sınırlamalar bulunmayan yapay zekâ desteği, alıştırma sırasında performansı artırırken araç kaldırıldığında öğrencilerin bağımsız başarısına zarar verebilmiştir. Öğretici yönlendirmelerle tasarlanan sürümde ise bu olumsuz etki önlenmiştir. Bulgular belirli bir eğitim ortamına aittir; bütün yapay zekâ kullanımlarının öğrenmeyi zayıflattığı sonucuna götürmez. Kaynak

Buradan çıkarılabilecek pratik ölçüt şudur: Araç, düşünme sürecine katılmamıza yardım ediyor mu?

Yapay zekâyı bir düşünme ortağına nasıl dönüştürürüz?

Yapay zekâ ve düşünme / Önce kısa bir kendi denemenizi yapın. Bildiklerinizi, varsayımlarınızı ve takıldığınız noktayı yazın. Ardından yapay zekâdan yalnızca hazır sonuç istemek yerine farklı görevler talep edin:

“Bu düşüncemin zayıf noktalarını göster.”
“Sonucu vermeden ilk adım için ipucu sun.”
“Bu açıklamaya karşı hangi itirazlar yapılabilir?”
“İddiaları doğrulamak için hangi kaynaklara bakmalıyım?”

Sonrasında önerileri inceleyin. Kaynakları açın, hesaplamaları kontrol edin, metni kendi sözlerinizle açıklayın. Bir öneriyi kabul ettiğinizde neden kabul ettiğinizi de söyleyebilmelisiniz.

Bu, biraz daha çaba gerektirebilir. Ancak hız kazandığımız her aşamada denetimi kaldırmak zorunda değiliz.

Şeffaflık, kullanımın ne yaptığını anlatmalıdır.

Yapay zekâ ve düşünme / Brown’ın yazısında editörler, yapay zekâ kullanımının ne ölçüde açıklanması gerektiği konusunda farklı yaklaşımlar sunuyor. Kimi bütün kullanımların belirtilmesini savunurken, kimi bilimsel içeriği etkileyen katkıların özellikle izlenebilir olmasını önemsiyor.

Gündelik çalışmalara uyarlanabilecek bir öneri de kullanımın kapsamını açık söylemektir: “Dil düzenlemesinde destek aldım” veya “Alternatif taslaklar oluşturmak için kullandım; kaynakları kendim kontrol ettim.” Böyle bir açıklama, çalışmanın nasıl hazırlandığını anlamayı kolaylaştırır.

Bir sonraki kullanımınızda kendinize üç soru sorun: Bu çıktı doğru mu? Nasıl üretildiğini yeterince anlıyor muyum? Arkasında durabilir miyim?

Yapay zekâyla kazanılan zaman, bu sorulara yer açtığında daha değerli hâle gelir.

Kaynaklar

Brown, H. O. (25 Haziran 2026). AI Revolution or Revulsion? APS Journal Editors Weigh In. Association for Psychological Science, Observer.
Noy, S. ve Zhang, W. (2023). Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. Science.
Walters, W. H. ve Wilder, E. I. (2023). Fabrication and Errors in the Bibliographic Citations Generated by ChatGPT. Scientific Reports.
Bastani, H. ve diğerleri (2025). Generative AI Without Guardrails Can Harm Learning: Evidence From High School Mathematics. PNAS.