Yapay zekâ çağında temel bilimleri öğrenmek (hâlâ) gerekli mi?

Yapay zekâ kusursuzlaşsa bile, bir sayının mantıklı, bir mekanizmanın gerçek olup olmadığını bizim yerimize tartamaz.

“Oppenheimer” filmini izleyenler patlama anının o gergin sessizliğini hatırlayacaktır. Ama gelin az bilinen küçük bir ayrıntıya bakalım. 16 Temmuz 1945, Trinity denemesi, bir çölde yapılan ilk atom bombası testi. Bomba patladığında Enrico Fermi yere birkaç kâğıt parçası bıraktı. Basınç dalgası kâğıtları savururken, düştükleri mesafeye bakıp patlamanın enerjisini zihninden hesapladı.  Enstrümanların kesin sonucu günler sonra gelecekti, ama Fermi cevabını çoktan söylemişti, yaklaşık on kiloton. Gerçek değer bunun iki katından fazla, yirmi kilotonu aşkın çıktı. Tahmini birebir tutturamadı ama doğru mertebeyi yakaladı, ki bir mertebe hesabından beklenen de tam budur.

Fermi’nin yaptığı sihir değil, bir sağlamaydı. Elindeki birkaç kâğıttan yola çıkıp “Bu sonuç gerçeğe oturuyor mu?” diye sordu. Bunu yapabilmesi, basınç dalgasının şiddetiyle açığa çıkan enerji arasındaki fiziksel bağı bilmesindendi. Buna çoğu zaman kaba tahmin, mertebe (büyüklük mertebesi)^[1]Büyüklük sıraları (mertebe), İngilizcesiyle order of magnitude. Bir niceliğin 10’un hangi kuvveti düzeyinde olduğu. Mekanizma ve istatistiksel muhakemeyle birlikte bilimsel sağlamanın araçlarından biridir. hesabı deriz.

Biz fizikçiler mertebe hesabını çok severiz. Çünkü bu küçük pratik, doğadaki mekanizmaları ne kadar iyi anladığımızın da bir sağlamasıdır. Ama sağlama yalnızca kaba tahminden ibaret değildir. Bazen mesele bir sayının ne anlama geldiği, bazen de bir mekanizmanın gerçekten var olup olmadığıdır. Bunlar bilimsel muhakemenin iki ayrı katmanıdır. Bir sayının ne anlama geldiğini, o niceliksel katmanı, çoğu zaman iyi bir matematik dersi de öğretir. Asıl mekanizmayı, yani dünyanın gerçekten nasıl işlediğini ise fizik, kimya ve biyoloji verir. Sağlama bu muhakemenin en basit tarifidir. Temel bilimler bunun yanında deney tasarlama, belirsizlik hesaplama, model kurma gibi becerileri de kazandırır. Bize kazandırdıkları asıl şey de bu bütündür.

Bu mertebe fikrini bu sayfalarda daha önce de anlatmıştım. Evreni 42 katlı bir binaya benzetmiştim. En altta atom çekirdeği, en üstte evren, her kat bir öncekinin on katı, biz de arada bir yerde.^[2]Fizik nedir? Fizikçi ne iş yapar? (Sarkaç) https://sarkac.org/2022/07/fizik-nedir-fizikci-ne-is-yapar/ O bina aslında mertebeyle düşünmenin resmiydi.

Peki bu, yapay zekâ çağında neden daha da önemli?

Bir dil modeli, gördüğü sayısız metne bakıp olasılıklar arasında en inandırıcı olanı üretir. Çoğu zaman en olası cevap doğru cevaptır, o yüzden model bilinen sorularda çoğunlukla haklı çıkar. Bilinen bir safsatayı bugün ona sorsanız, büyük olasılıkla onu sizin için çürütür bile. Tehlike, en olası cevapla en doğru cevabın ayrıştığı anda başlar. Yeni, alışılmadık ya da fazla özel bir durumda model en makul cümleyi kurar, en doğru olanı değil, üstelik bunu tam, bazen yersiz bir özgüvenle yapar. Akıcılık, doğruluk değildir. Bir cümlenin pürüzsüz olması onu gerçek yapmaz. O ayrımı görecek olan makine değil, arkadaki bilimi bilen sizsiniz.

İkna edici ama temelsiz

Diyelim biri size “telefonu beş saniyede şarj eden cihaz” ya da “bedava enerji üreten makine” satıyor. Fizik sezgisi olan kişi hesabı kafadan yapar. Bir telefon pilinin enerjisi kabaca on beş watt saattir. Onu beş saniyede doldurmak yaklaşık on kilovat güç ister, yani beş altı elektrikli ısıtıcının aynı anda çektiği kadar. O gücü küçücük bir pile tıkarsanız şarj olmaz, ısınıp patlar. Bedava enerji ise doğrudan termodinamiğin yasalarına takılır. Bir yapay zekâ bu cihazın neden fiziksel olarak imkânsız olduğunu size güzelce açıklayabilir. Ama isterseniz aynı yapay zekâ, o cihaz için son derece pürüzsüz, ikna edici bir tanıtım metnini de aynı akıcılıkla yazar. İkisini de yazabilmesi ikisinin de gerçek yaşamda karşılığı olduğunu kanıtlamaz, o zaman hangisinin mümkün olduğunu değerlendirmek sizin sorumluluğunuzdadır.

Karşınıza homeopatik ilaçları tavsiye eden bir reklam çıktığında, neymiş bu işin aslı esası demek de sizin işiniz. Homeopatide, sağlıklı bir kişide hastalığınkine benzer belirtiler oluşturan bir madde, hastaya aşırı seyreltilmiş hâlde verilir. Homeopatik ürünlerde kullanılan C harfi 1’e 100 oranında seyrelme demektir. Her “C” adımı yüz kat seyreltme, “30C” ise 10⁻⁶⁰ demek, yani virgülden sonra elli dokuz sıfır. Şişede tek bir molekül bile kalmaz, içtiğiniz sudur.^[3]Homeopatik seyreltmelerde 30C = (1/100)³⁰ = 10⁻⁶⁰. Avogadro sayısı ≈ 6×10²³ olduğundan, ~12C’den sonra şişede tek bir molekül bile kalmaz.

Bu çarpımı bir yapay zekâ da yapar. Ama cilalı reklamı ya da “doğal ve yan etkisiz” etiketini süzecek olan, çıkan sonucun sıfır demek olduğunu görebilen insandır.

Biyolojide de aynı tuzak var. “Şu alkali su kanı bazikleştirip hastalıkları önlüyor.” iddiasını alalım. Kanımızın ne kadar asidik olduğunu gösteren pH değeri, sağlıklı bir bedende 7,4 civarında ve çok dar bir aralıkta tutulur, o aralıktan biraz sapmak bile yaşamsal tehlikedir. Vücut bu dengeyi böbrekleriyle ve kanın kendi tampon maddeleriyle sürekli korur, üstelik içtiğiniz su daha kana karışamadan midedeki güçlü asit onu büyük ölçüde nötrler. Yani hiçbir içecek kanınızın pH’ını kalıcı olarak değiştiremez, değiştirebilseydi o incecik yaşam aralığında zaten kalamazdık. Yapay zekâ bu iddiaya kulağa bilimsel gelen bir mekanizma uydurabilir, ama olmayan o mekanizmayı ancak vücudun kendi dengesini nasıl koruduğunu bilen yakalar.

Küçük bir sayı, büyük bir fark

Sağlama bazen de küçücük bir sayının aslında ihmal edilemez olduğunu görmektir. Telefonunuzdaki harita, uydulardaki atom saatlerinin nanosaniye düzeyinde doğru kalmasına bağlıdır, çünkü bir nanosaniyelik zaman hatası ışık hızıyla otuz santimetreye denk gelir. Görelilik bu saatleri her gün kaydırır, genel ve özel göreliliğin zıt yönlü iki etkisi geriye net olarak günde saniyenin milyonda otuz sekizini bırakır.^[4]Uydu, Dünya’nın çekiminin daha zayıf olduğu yörüngede bulunduğu için saati genel göreliliğe göre günde saniyenin milyonda kırk beşi kadar hızlanır. Yüksek yörünge hızından ötürü de özel göreliliğe göre milyonda yedisi kadar yavaşlar. İki etkinin toplamı net olarak günde milyonda otuz sekiz saniyedir.

Yani günde otuz sekiz bin nanosaniye. Düzeltilmezse bu kayma daha dakikalar içinde konumu metrelerce, gün boyunca kilometrelerce şaşırtırdı. İşte “ihmal edilebilir mi?” sorusunun cevabı kesin bir hayır. Nitekim mühendisler bu etkiyi daha fırlatmadan hesaplayıp uydu saatinin 10,23 megahertzlik frekansını bilerek çok az aşağı çektiler, ki saat yörüngede tam yerine otursun. Mertebe hesabı size hangi etkinin önemli olduğunu söyler, kesin mühendislik de onu düzeltir. İkisi birbirinin zıddı değil, tamamlayıcısıdır. Neyi eleyip neyi hesaba katacağını bilmek bir temel bilimcinin öğrendiği en önemli becerilerden biridir.

Sayının gizli yalanı

Sayılar sezgiyi en kolay istatistikte aldatır. Pandeminin ilk günlerini hatırlayın. “Sadece birkaç vaka var.” cümlesi masum geldi, oysa her vaka iki kişiye bulaştığında sayı her adımda ikiye katlanıyordu. Otuz kez ikiye katlanan bir sayı milyarı aşıyordu, 2020’de bu üstel büyümeyi hep beraber yaşadık.

Daha da sinsi etki eden taban oranıdır. Taban oranı, bir hastalığın toplumdaki yaygınlığı, yani test yapılmadan önceki ön olasılıktır. Bir testte çıkan pozitif sonucun gerçekten hastalığa karşılık gelme olasılığı, yani pozitif prediktif değer, hem testin hastayı yakalama ve sağlıklıyı eleme başarısına hem de bu taban orana bağlıdır, ve taban oran düştükçe bu olasılık da düşer.

Diyelim bin kişiden yalnızca biri gerçekten hasta. Hem hastayı yakalamada hem sağlıklıyı elemede yüzde doksan dokuz isabetli bir test bile, o tek hastayı bulurken sağlıklı dokuz yüz doksan dokuz kişiden yaklaşık onunu yanlışlıkla “pozitif” işaretler. Sonuçta “pozitif” çıkan on bir kişiden ancak biri gerçekten hastadır. Bu taban oranı sezgisi olmayan, kendi test sonucunu bile yanlış okur. Yarın, “%99 isabetle çalıştığı” pazarlanan bir yapay zekâ tarama aracı ekrana kalın harflerle “POZİTİF” yazdığında, paniğe kapılmadan “ama bu hastalık ne kadar seyrek?” diye soracak olan, testin teknik hassasiyetini gerçek klinik anlamından ayıran hekimin muhakemesidir. Cihaz ne kadar akıllanırsa akıllansın, o soruyu soran insan olmak zorundadır. Meme kanseri ve benzer taramalarda kullanılan programların bütün inceliği tam da buradadır, cihazın teknik hassasiyeti kadar hastalığın toplumdaki yaygınlığı da sonucu belirler. Bir görüntüye bakıp karar veren hekim de, farkında olmadan, hep bu hesabı yapar.

İklimin ve yapay zekânın mertebesi

Aynı mertebe duygusu gezegen ölçeğinde de gerekir. Daha önce gökyüzünün neden mor olması beklenirken mavi göründüğünü yine bu sayfalarda anlatmıştım.^[5]Gökyüzü neden mavi (değil)? (Sarkaç).  https://sarkac.org/2020/09/gokyuzu-neden-mavi-degil/

Şimdi o atmosferin bileşimine bakalım. Havadaki karbondioksit, sanayi öncesindeki ~280 ppm’den bugün 430 ppm’i aştı, yani yarısından fazla arttı. Ppm, yani milyonda bir, demek ki bir milyon hava molekülünün 430’u karbondioksit. Kulağa küçük geliyor, hatta bu sayıyı küçümseyenlerin en sevdiği çıkış tam da budur, atmosferin yalnızca yüzde 0,04’ünü oluşturuyor diye. Ama sağlamasını yapalım. Bu artış, gezegenin ısı bütçesine metrekare başına eklenen fazladan yaklaşık 2,3 watt demek.^[6]Işınımsal zorlama için kabaca 5,35 × ln(430/280), yani yaklaşık 2,3 W/m². Katsayı standart bir değerdir, ilişkinin logaritmik olması ise karbondioksitin soğurma bantlarının giderek doymasındandır.

Önemli olan, karbondioksitin havanın yüzde kaçı olduğu değil, ne kadar ısı tuttuğudur. İşin ilginç yanı, bu tabloya artık yapay zekânın kendi ayak izi de dahil. Bu cevapları üreten en büyük veri merkezleri küçük bir şehir kadar elektrik çekiyor. “Bu enerji nereden geliyor, ne kadar tüketiyor?” diye sorabilmek, bugün hem iklim sorusunun hem de yapay zekâ sorusunun ta kendisi. İkisi de sonuçta bir mertebe meselesidir.

Peki yapay zekâ sağlamayı öğrenemez mi?

Bir ölçüde öğreniyor. Bugünün modelleri ders kitabı sorularını, birim çevirmelerini çoktan kusursuz yapıyor. Asıl zorlandıkları yer başka. Ezberde hazır cevabı olmayan, fiziğin sınırlarının zorlandığı yeni durumlar, yani bir mekanizmanın gerçekten var olup olamayacağının sorulması gereken yerler. Böyle bir yerde model yanılır, üstelik tam bir özgüvenle, ve yanıldığını kendisine gösterecek içsel bir alarmı yoktur. O alarm, bugün hâlâ arkadaki temel bilimi bilen insandır.

Burada önemli bir nokta var. Otomasyon yanlılığı diye iyi belgelenmiş bir olgu var, insan ekrandaki kesin cevaba fazla güvenip kendi kontrolünü yapmama eğilimi gösterir. Nitekim eski nesil bilgisayar destekli teşhis, mamografide yıllarca yaygın kullanılmasına rağmen radyoloğun doğruluğunu iyileştirmedi, hatta bazı çalışmalara göre düşürdü.^[7]Otomasyon yanlılığına dair. Mamografide bilgisayar destekli teşhis (CAD), yaygın kullanımına karşın radyoloğun doğruluğunu iyileştirmedi, hatta düşürdü. Fenton ve ark. (2007), New England Journal of Medicine, https://doi.org/10.1056/NEJMoa066099. Lehman ve ark. (2015), JAMA Internal Medicine, https://doi.org/10.1001/jamainternmed.2015.5231. Bu bulgunun bir okuması otomasyon yanlılığıdır. Bugünün derin öğrenme araçları bu tabloyu değiştiriyor olabilir, ama otomasyon yanlılığının bir tuzak olduğu gerçeğini değiştirmiyor. Bu da sağlamanın gereksiz olduğunu değil, tam tersine onu diri tutmanın ne kadar zor ve ne kadar gerekli olduğunu gösteriyor. Çünkü sağlama, kullanılmayınca körelen bir kas.

Ama dikkat. Yapay zekâ yerinde saymıyor, kod çalıştıran, hesap yapan modeller bu sağlamaların bir bölümünü artık kendileri yapıyor. Üstelik bu bir rastlantı değil, alanın ilan edilmiş yol haritası. Pekiştirmeli öğrenmenin iki öncüsü, David Silver ve Richard Sutton, yapay zekânın önündeki dönemi “deneyim çağı” diye adlandırıyor.^[8]Silver, D. ve Sutton, R. S. (Nisan 2025). Welcome to the Era of Experience. MIT Press’in Designing an Intelligence kitabı için yazılmış bölümün ön baskısı. Yazarlara göre insan verisini taklit ederek öğrenmenin sınırına yaklaşılıyor, sonraki sıçrama ajanların kendi deneyiminden, hipotez kurup sonucu gerçek dünyada sınayarak öğrenmesinden gelecek.

Teşhisleri bu yazınınkiyle aynı, insan metinlerini taklit ederek öğrenen bir model ne kadar akıcı olursa olsun insan bilgisinin yankı odasında kalır. Önerdikleri çıkış yolu ise size tanıdık gelecek. Makine de hipotez kuracak, deney yapacak, sonucu gerçeğe vurup kendini düzeltecek, yani sağlamayı kendisi yapmayı öğrenecek. Diyelim ki bu öngörü gerçekleşti ve modeller hiç yanılmamaya başladı. Tehlike geçer mi? Hayır. Ve işin asıl inceliği tam burada başlıyor. Çünkü soru artık tek bir kişinin doğruyu yakalayıp yakalayamayacağı değil, herkes hazır doğruya alışınca ortak bilgimize ne olacağı. Ve bu, bir fizik değil, bir sosyal bilim, bir iktisat sorusudur, çünkü ortak bilgi herkesin katkısıyla dolan, herkesin ortak çıkarına bir kaynaktır.

Acemoğlu, Kong ve Özdağlar’ın 2026 tarihli çalışması^[9]Acemoglu, D., Kong, D. ve Ozdaglar, A. (Şubat 2026). NBER Working Paper 34910. Model, yapay zekânın isabeti bir eşiği aştığında insan öğrenme çabasının azalabileceğini ve ortak bilgi stoğunun çökebileceğini öngörür. bu ihtimali bir iktisat modeliyle ele alıyor. Çalışmanın çarpıcı uyarısı şöyle, asıl tehlike yapay zekânın yanılması değil. Tam tersine, yapay zekâ çok isabetli tavsiyeler vermeye başlarsa, insan kendi kontrol çabasını gereksiz bulup bırakabilir. Çöküş de buradan başlayabilir. Değer kazanan bilgi, yapay zekânın yerine geçtiği değil, insanın kendi çabasının getirisini artıran, onu tamamlayan bilgidir. Çünkü bir şeyi kendiniz tartarken yalnızca kendinize katkı yapmazsınız. Çözdüğünüz problem, sorduğunuz soru, hepimizin ortak kuyusunu besleyen sulardır. İktisatçıların öğrenme taşması dediği şey budur, yani sizin bir şeyi çözmenizin başkalarına da yaraması. Modele göre, hazır ve doğru cevabı önümüze koyan bir yapay zekâ bu çabayı gereksizleştirdiğinde, o kuyu yavaşça çekilir, üstelik yeniden dolması da kolay olmaz, ve kişiye özel tavsiyeler kusursuzken bile toplumun ortak bilgisi fakirleşir. Yani asıl tehlike makinenin yanılması değil, makine doğruyu bulduğunda bile gerçeği kendi zihnimizde tartma zahmetinden vazgeçmemizdir.

Yazının başına dönelim

Fermi’nin elinden bıraktığı o birkaç kâğıdı hatırlayın, ama bu kez farklı bir soruyla. Fermi o kâğıtları yere atmak yerine cebindeki bir yapay zekâya sorsaydı ve doğru cevabı anında alsaydı bile, yine de bir şey kaybederdi. Kaybettiği şey, o sonucu kendi emeğiyle hak etme anı olurdu. En pahalı cihazın bile veremediği şey, işte o andır. Ve bu yalnızca kişisel bir kayıp değil, o anları birer birer bıraktıkça bilimsel düşünme zincirinin bir halkası kırılır, zincirin gücü tümüyle makine aklına endekslenir.

Başta ayırdığımız o iki katmanı hatırlayın. Çarpma bölme, taban oranı, üstel büyüme kavramları yani işin matematiği birinci katmandı. Ama hangi sayıyı neye bağlayacağını bilmek, Fermi’nin kâğıtların uçuşunu enerjiye bağlaması gibi, artık fiziktir. Enerjinin korunduğunu, 30C’de geriye molekül kalmadığını, kanın pH’ının neden dışarıdan değiştirilemediğini bilmek de öyle, sayı saymak değil, dünyanın nasıl işlediğini bilmektir. Bir yapay zekânın kusursuz bir dille uydurabileceği ama gerçekte var olamayacak bir mekanizmayı ancak bu ikinci katman yakalar. Bilgi çöküşünün de en sinsi vuracağı yer burasıdır, çünkü yanlış bir çarpımı sonradan arayıp bulabilirsiniz ama olmayan bir mekanizmayı ancak o bilgi sizde varsa fark edersiniz. Temel bilimleri vazgeçilmez kılan da odur.

Yapay zekâ bugün bize o cihazlardan çok daha fazlasını veriyor, yarın belki hiç yanılmayacak. Ama “bu sayı mantıklı mı, bu mekanizma gerçek mi, bu iddia gerçeğe oturuyor mu?” diye sorma alışkanlığını bizim yerimize yaşayamaz. Bizim yerimize yaşamayı ona bırakırsak gerçekle bağımızı da pusulamızı da kaybederiz.

Yapay zekânın temel bilimlerdeki birçok probleme önemli katkılar yapacağını öngörüyoruz, bu açıdan bazı işleri elimizden alabilir. Ama temel bilim eğitimi, gerçeği tartma, sınama ve sorgulama anlamında hiç bu kadar değerli olmamıştı.

Belki de asıl soru, temel bilimleri öğrenmenin gerekli olup olmadığı değil, “temel bilim eğitimine bakış açımızı yeniden değerlendirebilir miyiz, yapay zekânın işin mekanik kısmına yapabileceği katkıyı göz önüne alarak Fermi’nin o kâğıtlara bakarken kullandığı muhakemeyi kazandıracak bir eğitim kurgulayabilir miyiz?” olmalı.

Mehmet Burçin Ünlü
Özyeğin Üniversitesi Havacılık ve Uzay Bilimleri Fakültesi
Teşekkür: Gülüstü Salur.