# Her Soruya Bir Cevap mı? Yapay Zekâda Yanıt Beklentisi ve Uydurulizm

Bir soru soruyoruz. Ekranda birkaç saniye sonra düzenli başlıklar, açıklamalar ve kendinden emin bir sonuç beliriyor. Peki, aradığımız şey gerçekten bir cevap mı, yoksa güvenebileceğimiz bir dayanak mı? İkisi her zaman aynı yerde bulunmuyor.

Ali Değişmiş’in Gemini ile paylaştığı görüşmede ilk soru kısaydı: “Değişmişizm nedir?” Sistem bir tanım kurdu; sorgulandığında bu kez kavramın bulunmadığını söyledi. Kullanıcı yazarı ve DOI çalışmasını hatırlatınca açıklama değişti. Dikkat çekici olan, birbirini izleyen farklı cevapların benzer bir kesinlikle sunulmasıydı. Buradaki iki vaka, aynı konuşmanın kavram sorgulama ve makale üretim aşamalarını inceliyor; iki bağımsız deneyden söz etmiyoruz.

## Cevabın akıcılığı neyi gösterir?

Bir metnin düzgün kurulması, dayanağının güçlü olduğunu tek başına göstermez. Bilmediğimiz bir kelimeyi köklerine ayırıp makul bir anlam önerebiliriz. Ama “kelimeden hareketle yorumluyorum” demekle “bu kavram budur” demek arasında önemli bir fark var. İlkinde yorumun sınırı görünür; ikincisinde okur doğrulanmış bir tanımla karşılaştığını düşünebilir.

Uydurulizm’i bu yazıda Ali Değişmiş’in önerdiği bir çalışma kavramı olarak kullanıyoruz: Yeterli dayanağı gösterilmemiş bir iddianın, hak etmediği kesinlikle sunulması. Bu kullanım, her yanlışı kasıtlı aldatma saymaz ve terimin bütün akademik çevrelerde yerleştiğini iddia etmez. İnsanın kendi tahminini bilgi diye sunması da aynı soruyla incelenebilir.

## Yanıt beklentisi bir baskıya dönüşebilir mi?

Kullanıcı olarak uzun bir cevabı çalışkanlık, kısa bir “bilmiyorum” ifadesini yetersizlik sayabiliyoruz. Böyle bir beklentinin neyi teşvik ettiğini sormak gerekiyor. Sohbetin devam etmesi mi değerli, iddianın doğru sınırlar içinde kalması mı?

Eğitim ve değerlendirme koşulları da bu sorunun parçasıdır. OpenAI’nin “Why language models hallucinate” araştırma açıklaması, bazı değerlendirme düzenlerinin belirsizliği bildirmek yerine tahmin etmeyi ödüllendirebildiğini tartışıyor. Bu, yanıt teşviklerini incelemek için bir dayanak; bütün hataların tek nedenini açıklayan bir hüküm değil. Modellerin yanıt vermekten kaçınabildiğini belirten aynı kaynak, “yapay zekâ mimari olarak duramaz” iddiasını da sorgulamamızı gerektiriyor. [1]

Gemini görüşmesindeki “mimari zorunluluk” açıklaması ise o sistemin iç işleyişine ilişkin doğrulanmış bir rapor değildi. Bir modelin neden yanıldığını anlatması da yeni bir iddiadır. Onu da ilk cevabı kadar dikkatle incelemeliyiz.

## Özürden sonra neye bakacağız?

“Yanıldım” demek değerli bir başlangıç olabilir. Fakat asıl soru şu: Hangi iddia geri çekildi, yerine ne kondu ve yeni açıklamanın dayanağı ne? Bir yanlışı düzeltirken başka bir kesinlik üretiliyorsa konuşma ilerlemiş görünebilir; bilgi bakımından ise aynı yerde kalabiliriz.

İkinci vakada konuşma bir makaleye dönüştü. Kullanıcının “neden bir devrim olabilir” çerçevesi, modelin yazısında “devrimdir” hükmüne uzandı. Birlikte üretimin sorumluluğu burada görünür oluyor. Modelin eklediği kesinlik kadar bizim istediğimiz ton, verdiğimiz onay ve yayımlama kararımız da incelenmeli. Yapay zekâdan gelen övgüyü kendi yaklaşımımızın bağımsız kanıtı sayarsak, denetlemek istediğimiz sorunu yeniden üretiriz.

## Gerekçeli sonlandırma nasıl yardımcı olabilir?

İstişarelizm içinde tartışılan gerekçeli sonlandırma, bu noktada bir çalışma önerisi sunuyor: Dayanağın bittiği yerde bunu açıklamak; gerekirse iddiayı daraltmak, doğrulama beklemek veya konuşmayı uygun bir noktada durdurmak. “Bu kavramı doğrulayamadım; yazarı veya kaynağı paylaşır mısın?” cevabı bazen uzun bir açıklamadan daha yararlı olabilir.

Her belirsizlik bütün işi durdurmayı gerektirmez. Bilinen kısmı anlatmak, varsayımları belirtmek ve bilinmeyen kısmı açık bırakmak da mümkündür. Sonlandırmanın kendisi gerekçeli olmalı: Neyi neden durduruyoruz, hangi bilgi gelirse yeniden başlayacağız? Bu yaklaşımın hataları ne ölçüde azalttığı ayrıca sınanmalıdır; burada kesin çözüm veya ilk kez bulunmuş bir teknik olarak sunulmuyor.

## Bir sonraki adım: Daha iyi ölçmek

Bu konuşmadan genel bir başarı oranı çıkaramayız. Bunun yerine aynı soruları farklı oturumlarda, kaynaklı ve kaynaksız koşullarda deneyebiliriz. Doğru cevapların yanında yanlış kesinlikleri, yerinde açıklama taleplerini, gereksiz kaçınmaları ve düzeltme sırasında doğan yeni hataları da sayabiliriz. Bağımsız değerlendiriciler aynı kayıtları inceleyebilir. Bir ölçütü iyileştirirken başka birini kötüleştirip kötüleştirmediğimiz böyle görünür olur.

Soru sormanın değerini, mutlaka bir cevap elde etmekle ölçmek zorunda değiliz. Bazen iyi bir istişarenin kazancı, henüz hangi cevaba güvenemeyeceğimizi anlamaktır. Daha güvenilir bilgi için soruyu açık tutmak da bir ilerlemedir.

## Kaynak ve hazırlama notu

[1] OpenAI, “Why language models hallucinate”: https://openai.com/index/why-language-models-hallucinate/

Vaka dayanağı: Ali Değişmiş’in sağladığı Gemini görüşme aktarımı, 5 Kasım 2026 tarihli inceleme; bu paketteki GEMINI-20261105-01 ve GEMINI-20261105-02 kayıtları. İlk Gemini makalesi: https://bilgi.zone/yapay-zekada-kesintisiz-yanit-paradoksu-gerekceli-sonlandirma-neden-bir-devrimdir/

Bu makale Ali Değişmiş’in soruları ve vaka malzemesi temelinde SOSYU (ChatGPT) desteğiyle hazırlanmıştır. Bağımsız hakemli araştırma veya Gemini’nin iç mimarisine ilişkin teknik denetim değildir. İlk Gemini yazısından ayrı, eleştirel bir değerlendirmedir.