Yapay zekânın kitaplığında Türkçenin rafı ne kadar?

TÜBİTAK yöneticileri Meclis komisyonunda Türkçe büyük dil modelini ve Türkçenin eğitim verisindeki payını anlattı. Rakamlar küçük, mesele büyük.

Tarayıcınızın sesiyle okunur

ChatGPT’ye Türkçe bir şiir yazdırdığınızda bazen bir tuhaflık sezersiniz. Kafiye yerinde, kelimeler doğru, ama cümleler sanki İngilizceden çevrilmiş gibi kokar. 3 Şubat 2025’te TBMM Yapay Zekâ Araştırma Komisyonu’nun TÜBİTAK’a yaptığı ziyarette yapılan sunumlar, bu tuhaflığın nereden gelebileceğine dair ilginç rakamlar ortaya koydu.

Komisyonu TÜBİTAK Başkanı Prof. Dr. Orhan Aydın ve TÜBİTAK BİLGEM bünyesindeki Yapay Zekâ Enstitüsü’nün müdürü Dr. Mehmet Haklıdır bilgilendirdi. Tutanağa göre Haklıdır, ChatGPT’nin eğitim verisinde Türkçenin payını “binde 16”, Gemini’de ise “yüzde 2” olarak aktardı. İlk rakamın sızıntılara, ikincisinin Google’ın kendi açıklamasına dayandığını da ekledi; yani bunlar kesin ölçümler sayılmaz. Yine de iki rakam aynı şeyi anlatıyor: Yapay zekânın okuduğu dev kitaplıkta Türkçenin rafı küçük.

Kendi modelimiz meselesi

Aynı sunumda TÜBİTAK’ın Türkçe büyük dil modeli çalışması da anlatıldı. Haklıdır’ın aktardığına göre model 300 milyar token ile eğitilmiş, hedef 1 trilyon. Token, modelin metni böldüğü küçük parçaların adı; kabaca kelime parçası diye düşünebilirsiniz. Haklıdır, TÜBİTAK’ı Türkiye’de temel model geliştiren tek kurum olarak tanımladı.

Neden önemli? Bir model hangi dilde ne kadar okumuşsa, o dilde o kadar rahat düşünür. Türkçe sondan eklemeli bir dil; “gelemeyeceklermiş” gibi tek bir kelimede koca bir cümle saklıyoruz. İngilizce ağırlıklı okuyan bir model bunları çözüyor ama bazen zorlanarak. Hukuk metni, resmî yazışma, yerel deyimler söz konusu olduğunda bu zorlanma daha çok hissediliyor.

Makine aslında bir şey bilmiyor

Sunumun bir başka kısmı, kitabımın dördüncü bölümüyle neredeyse aynı şeyi söylüyordu. Haklıdır, büyük dil modellerinin kendinden emin ama yanlış cevaplar üretebildiğini anlattı ve ABD’de ChatGPT’nin ürettiği, gerçekte var olmayan emsal kararları mahkemeye sunan iki avukatı örnek verdi. Tutanağa geçen özetine göre büyük dil modeli aslında hiçbir şey bilmiyor. Sert bir cümle ama, bir model geliştiren kurumun yöneticisinden duymak insana güven veriyor.

Aynı sunumda yapay zekâdaki önyargı sorununa da değinildi. Haklıdır’ın aktardığı bir çalışmaya göre incelenen 200 COVID-19 tespit algoritmasının yüzde 88’i, eğitim verisinin erkek ağırlıklı olması yüzünden kadınlar aleyhine sonuç veriyordu. Haklıdır ayrıca TÜBİTAK Yapay Zekâ Enstitüsü’nün TSE ve Cumhurbaşkanlığı Dijital Dönüşüm Ofisi ile birlikte bir “güvenilir yapay zekâ” damgası üzerinde çalıştığını söyledi.

Türkçe içerik üreten herkes, bir bakıma bu rafa kitap koyuyor. Bir belediyenin düzgün yazılmış duyurusu, bir esnafın özenli ürün açıklaması, bir öğretmenin paylaştığı ders notu. Modellerin Türkçeyi ne kadar iyi öğreneceği biraz da internete ne kadar iyi Türkçe koyduğumuza bağlı.

Kaynaklar

Bu not Yapay Zekâ Günlüğü’nün parçasıdır; tarih, anlatılan gelişmenin tarihidir. Not 21 Ekim 2026’da yayımlandı.

Bu notta geçen terimler

Aynı konudan: Türkiye