AI’ye Dikiz Aynasından Bakmak - Mustafa Saraç

İnsanlara yapay zekâ ajanlarını kullanmalarını önerdiğimde sık sık aynı üç itirazı duyuyorum: “Halüsinasyon görüyor.” “Yanlış kod yazıyor.” “Bu kadar hata yapan bir şeye nasıl iş teslim edebilirim?”

X’te de aynı örüntüyü görüyorum. Birisi ChatGPT’nin yanlış yazdığı kodu paylaşıyor, bir başkası modelin uydurduğu kaynağı gösteriyor, oradan yapay zekânın işe yaramadığı sonucuna varılıyor.

İtirazlar uydurma değil. Modeller yanlış kod yazdı, kaynak uydurdu, kendinden emin biçimde saçmaladı. Bugün de yapıyorlar.

Eksik olan doğruluk değil, tarih. İnsanlar bugünün ajan sistemlerini, yapay zekâyla ilk tanıştıkları chat kutusunun davranışıyla ölçüyor.

Zihnimizdeki AI kaç yılından?

Hal Elrod’un The Miracle Morning kitabından aldığım notlarda “Dikiz Aynası Sendromu” diye bir fikrin altını çizmişim: geçmişteki sınırlarımızı bugünkü potansiyelimizin ölçüsü sanmak.

Yapay zekâda tam olarak bunu yapıyoruz. 2023’te bir chat kutusunun yaptığı hatayı, 2026’daki bir ajan sisteminin kapasite sınırı gibi kullanıyoruz.

İlk temas bir chat kutusu olunca, o kutunun sınırları farkında olmadan bütün kategorinin sınırı gibi yerleşiyor. İnsanların itiraz ettiği şey de çoğu zaman ajan sistemleri değil, hatırladıkları o kutu.

Gece yolunda dikiz aynasında parçalanmış eski chat arayüzü, ön camda birbirine bağlı ajan düğümleri — Aynadaki deneyim gerçekti; ama bugünkü sistemin tamamı değil.

Problem şüphecilik değil; şüphe sağlıklı. Kötü bir ilk deneyim yaşayan kişi o gün rasyonel davranmıştı: modeller gerçekten daha kötüydü, ona iş teslim etmemek doğru karardı. Sorun kararın kendisi değil, üzerinde son kullanma tarihi olmaması.

Çünkü bugün kullandığım şey tek başına bir dil modeli değil.

Cevabı değil, süreci izliyorum

Bu değişimi Hermes üzerinden yaşıyorum. RICK, MORTY ve SUMMER adını verdiğim ajanlar aynı sistem içinde farklı işler yapıyor: biri planlıyor, biri uyguluyor, biri araştırıp raporluyor. Her birinin hafızası, kullanabildiği araçlar, görev sınırı ve benden onay alması gereken yerler var.

Bir chatbot’a soru sorarken tek bir cevabı değerlendiriyordum. Ajanla çalışırken bir süreci değerlendiriyorum: dosyayı gerçekten okudu mu, testi çalıştırdı mı, riskli yerde durdu mu?

Halüsinasyon burada sihirli biçimde yok olmuyor. Ama artık son söz olmak zorunda değil. Ajan yanlış bir şey üretebilir; sonra dosyayı okuyabilir, testi çalıştırabilir, başka bir kaynağa bakabilir ya da çıktısını başka bir ajana kontrol ettirebilir. Modelin zayıflığını sistemin geri kalanıyla sınırlayabiliyorum.

İkinci fark daha büyük: sistem zamanla değişiyor. Modelin gece gizlice kendi ağırlıklarını eğittiğini söylemiyorum; gördüğüm öz-gelişim sistem düzeyinde oluyor. Bir hatayı düzelttiğimde ders hafızaya, bir skill’e ya da çalışma kuralına damıtılabiliyor. Benzer iş tekrar geldiğinde sıfırdan başlamıyoruz.

Alttaki temel modeli daha güçlü bir modelle değiştirdiğimde de ajan kimliğini kaybetmiyor. Aynı rol, aynı hafıza, aynı araçlar daha iyi bir muhakeme motoruyla çalışmaya başlıyor. Gelişen tek şey model değil; bütün çalışma düzeni.

Tek başına duran model çekirdeğinin hafıza, araç, test ve onay yollarına bağlı üç düğümlü ajan sistemine dönüşmesi — Tek cevap değil; hafıza, araç, sınır ve doğrulamayla çalışan bir süreç.

Altta çalışan motor da değişiyor

Bu düzen gelişirken altına taktığım model de hızla değişiyor. OpenAI ve Anthropic’in resmî duyurularını birlikte sıraladığımda, 2026’nın şubat–temmuz aralığında birleşik akıştaki medyan aralık 15 gün.

Bu, her şirketin iki haftada bir ana model çıkardığı anlamına gelmiyor: aynı dönemde OpenAI’nin seçili frontier serisinde medyan 49 gün, Anthropic’te 22,5 gün. Takvim düzensiz. Fakat kullanıcı tarafından bakınca erişilebilir frontier seçenek seti kabaca iki haftada bir yenileniyor.

OpenAI ve Anthropic’in şubat ile temmuz arasındaki frontier modellerini isimleri ve gerçek sürüm tarihleriyle gösteren zaman çizelgesi; birleşik medyan aralık 15 gün — Her nokta isimli bir frontier model sürümü: birleşik akışın medyanı 15 gün; gerçek aralıklar 7–42 gün.

Öz-gelişim tarafı da artık yalnız teori değil. OpenAI, resmî bir duyurusunda frontier coding modelini “kendisini yaratmada araçsal rol oynayan ilk model” olarak tanımlıyor; erken sürümler kendi eğitimini debug etmek, deployment’ını yönetmek ve test sonuçlarını teşhis etmek için kullanılmış. Bu şirketin kendi beyanı, bağımsız bir ölçüm değil. Ama beyanın kendisi bile eşiğin nereye geldiğini gösteriyor.

Tam olarak tekillik durumuna geçtik. Kısaca:

Tekillik, yapay zekânın kendi gelişimini hızlandırdığı ve bu hızın insanın takip edebileceği sınırı geçtiği yer.

Bir agent başka bir agentı, o da kendinden daha iyisini geliştirebiliyorsa ilerleme artık bizim hızımızda gerçekleşmiyor.

Tekillik başladı.

X’teki paylaşım

Seyrek ajan düğümlerinin aydınlık bir eşiği geçtikten sonra recursive biçimde çoğalıp yoğunlaşması — İlerleme, ajanların yeni ajanlar geliştirdiği anda lineer ritmini kaybediyor.

Bugünün ajanını ilk ChatGPT deneyimiyle ölçmek, bu yüzden dikiz aynasına bakarak şerit değiştirmeye benziyor. Aynadaki yol gerçekten oradaydı. Yalnızca artık bulunduğunuz yer değil.

Kanaat yeni kanıtla ne kadar değişiyor?

Bir kanaatin bir işten diğerine nasıl taşındığı ölçülebilen bir şey.

Biswas, Erlei ve Gadiraju’nun CHI 2026’da yayımlanan çalışmasında, 240 katılımcı üç farklı görevde toplam 7.200 insan-AI etkileşimi gerçekleştirdi. Katılımcılar yeni göreve geçerken önceki görevde oluşan kanaati yanlarında taşıdı: önceki inançtaki 10 puanlık artış, ilgisiz sonraki görevin başlangıcında yaklaşık 3–4 puanlık artışı öngörüyordu.

Katılımcılar yeni kanıtı reddetmedi; doğru yönde, fakat Bayesçi ölçütün yaklaşık yarısı hızında güncellendi. İşi AI’ya devretme kararları da sistemin gerçek performansından çok, katılımcıların doğruluk hakkındaki kendi inançlarıyla ilişkiliydi.

Bu çalışma eski chat kutularından bugünkü ajanlara geçişi ölçmüyor; farklı görevler arasındaki inanç taşınmasını ölçüyor. Yine de mekanizma tanıdık: yeni kanıt boş bir sayfaya değil, ilk kanaatin üzerine yazılıyor.

Nourani ve arkadaşlarının anchoring çalışmasında da bir sistemi ilk kez güçlü ya da zayıf performansta görmek sonraki güven değerlendirmesini etkiledi; açıklama eklemek ilk izlenimin etkisini tamamen silmedi.

Aynı işi bir daha denemek

Kimseye “ajanlara güvenin, artık hata yapmıyorlar” demiyorum. Tam tersine: güveni modelin güzel cümlesine değil, sistemin doğrulama biçimine bağlıyorum.

“AI yanlış kod yazıyor” cümlesi de tek başına artık bir şey anlatmıyor. Hangi sistem? Hangi araçlarla? Ne zaman?

Dikiz aynasını sökmeye gerek yok; oradaki hatalar gerçekti. Yalnızca aynada gördüğünüz yolu hâlâ önünüzdeki yol saymayın.

Eski bir kanaati güncellemenin en ucuz yolu tartışmak değil, yeniden denemek. İlk kötü deneyiminizde beceremediği o gerçek işi bulun; aynı girdiyi ve aynı başarı ölçütünü koruyup güncel bir ajan sistemine verin. Sonra cevaba değil şunlara bakın:

Sadece cevap mı verdi, yoksa işi kontrol etti mi?
Hatasını test veya kaynakla yakalayabildi mi?
Bir sonraki denemeye kalıcı bir ders taşıdı mı?
Daha güçlü bir temel model geldiğinde aynı sistem daha iyi çalıştı mı?

Sonuç yine kötü çıkabilir. Çıksın — hiç değilse hükmünüz bu yılın olur.

Kaynaklar

Biswas, Erlei & Gadiraju, Belief Updating and Delegation in Multi-Task Human–AI Interaction, CHI 2026.
Nourani et al., Anchoring Bias Affects Mental Model Formation and User Reliance in Explainable AI Systems, IUI 2021.
OpenAI resmî frontier duyuruları: 5 Şubat, 5 Mart, 23 Nisan, 9 Temmuz.
Anthropic resmî frontier duyuruları: 5 Şubat, 17 Şubat, 16 Nisan, 28 Mayıs, 9 Haziran, 30 Haziran, 24 Temmuz.