Başlıklar
- Kelimelerden Sayılara: Bilgisayarların Anadili Neden Matematiktir?
- Vektör Uzayı (Vector Space): Anlamın Şehir Haritası
- Çok Boyutlu Düşünmek
- Matematiğin Büyüsü: “Kral – Erkek + Kadın = Kraliçe” Denklemi
- Bağlam (Context) Neden Kraldır? “Yüz” Kelimesinin Çilesi
- Arama Motorlarından Üretken Yapay Zekaya: Bu Harita Nasıl Kullanılıyor?
- Felsefi Sınır: Haritayı Bilmek, Şehri Yaşamak Demek midir?
- Sıkça Sorulan Sorular (SSS)
- Sonuç: Haritanın Ötesine Bakmak
ChatGPT’ye “Beni seviyor musun?” diye sorduğunuzda, size “Bir yapay zeka olarak duygularım yok ama…” diye başlayan o nazik cevabı verir. O an, ekranın arkasında sizi duyan, kelimelerinizi tartıp biçen ve mantıklı bir cevap üreten bir “zihin” olduğu hissine kapılırsınız. Sanki o kutunun içinde, kelimelerin anlamını bilen minik bir filozof yaşamaktadır.
Ancak gerçek, bu romantik hayalden çok daha soğuk ama bir o kadar da büyüleyicidir.
Yapay zeka, kelimeleri “okumaz”. O, sevginin, elmanın veya hüzün kelimesinin ne anlama geldiğini asla bilmez. Onun yaptığı tek şey, devasa bir matematiksel haritada koordinat takibi yapmaktır. Peki, nasıl oluyor da sadece sayılarla işlem yapan bir sistem, insan dilinin en ince nüanslarını, şakalarını ve metaforlarını “anlıyormuş” gibi davranabilir?
Cevap, modern yapay zekanın kalbi olan Vektör Uzayı (Vector Space) ve Doğal Dil İşleme (NLP) teknolojilerinin altında yatan dâhiyane geometride saklıdır. Bu yazıda, yapay zekanın “kara kutusunu” açacak ve anlam dediğimiz şeyin, makineler için nasıl sadece bir “mesafe ve yön” meselesi olduğunu keşfedeceğiz. Hazırsanız, kelimelerin bittiği ve sayıların konuştuğu o haritaya giriyoruz.
Kelimelerden Sayılara: Bilgisayarların Anadili Neden Matematiktir?
Bilgisayarlar, doğaları gereği son derece “literal” (düz mantık) makinelerdir. Onlara bir fotoğraf gösterdiğinizde piksellerin renk kodlarını (RGB), bir müzik dinlettiğinizde ses dalgalarının frekanslarını görürler. Ancak dil, yani kelimeler, bilgisayarlar için tam bir kaostur.
Bilgisayar için “Elma” kelimesi ile “Armut” kelimesi arasında hiçbir ilişki yoktur. Bunlar sadece farklı ASCII kodlarına (harf kodlarına) sahip veri yığınlarıdır. Yapay zekanın dili işleyebilmesi için, bu sözel verinin, onun anlayabileceği tek dile, yani sayılara dönüştürülmesi gerekir.
İşte burada devreye Tokenizasyon girer. Bir cümleyi yapay zekaya verdiğinizde, sistem önce onu parçalar (token’lara böler) ve her bir parçaya benzersiz bir kimlik numarası (ID) atar.
- İnsan görür: “Yapay zeka harika.”
- Bilgisayar görür: [19234, 2210, 8492]
Ancak sadece kelimelere numara vermek yetmez. Eğer sadece numara verseydik, 19234 (Yapay) ile 19235 (Yaz) sayısal olarak birbirine yakın olduğu için bilgisayar bu iki kelimeyi anlamsal olarak da yakın zannederdi. Oysa aralarında hiçbir alaka yoktur. İşte Vektör Uzayı tam bu noktada devreye girerek, kelimelere sadece bir “kimlik” değil, bir “adres” verir.
Vektör Uzayı (Vector Space): Anlamın Şehir Haritası
Vektör uzayını anlamak için devasa, sonsuz büyüklükte bir kütüphane veya bir şehir haritası hayal edin. Vektörleştirme (Embedding) dediğimiz işlem, sözlükteki her bir kelimeyi bu haritada, anlamı doğrultusunda bir konuma yerleştirme sanatıdır.
Bu haritanın kuralı basittir: Anlamca birbirine benzeyen kelimeler, haritada birbirine yakın komşular olmalıdır.
- Meyve Mahallesi: “Elma”, “Armut”, “Muz” kelimeleri bu haritada yan yana, aynı sokakta oturur.
- Teknoloji Caddesi: “Bilgisayar”, “Yazılım”, “Klavye” kelimeleri şehrin başka bir ucunda, birbirine yakın kümelenir.
- Uzaklık: “Elma” kelimesi ile “Klavye” kelimesi arasındaki mesafe (öklid mesafesi veya kosinüs benzerliği) çok fazladır. Çünkü bu kelimeler nadiren aynı bağlamda kullanılır.
Yapay zeka bir metni “okuduğunda”, aslında kelimelerin anlamını düşünmez. Sadece bu devasa haritada kelimenin koordinatlarına bakar (Örneğin: [0.23, -1.45, 0.88…]). Eğer siz ona “Kedi” derseniz, o hemen haritadaki “evcil hayvanlar” bölgesine gider ve orada “Köpek”, “Mama”, “Miyav” gibi yakın komşuları görür.
Çok Boyutlu Düşünmek
Biz insanlar dünyayı 3 boyutlu (en, boy, yükseklik) algılarız. Bir haritada bir şeyi kuzey-güney veya doğu-batı olarak konumlandırabiliriz. Ancak dilin karmaşıklığını ifade etmek için 3 boyut yetmez. Modern yapay zeka modelleri (örneğin GPT-4), kelimeleri binlerce boyutta (örneğin 1536 boyutlu bir uzayda) konumlandırır.
Bir kelimenin boyutları şunlar olabilir:
- Boyut 1: Canlı mı Cansız mı?
- Boyut 2: Soyut mu Somut mu?
- Boyut 3: Olumlu mu Olumsuz mu?
- …
- Boyut 1536: Kraliyetle mi ilgili halkla mı?
Bu sayede, “Kral” kelimesi ile “Kraliçe” kelimesi binlerce ortak özelliğe (insan, yönetici, soylu vb.) sahip oldukları için bu çok boyutlu uzayda neredeyse üst üste çakışırlar; tek farkları “cinsiyet” boyutundaki konumlarıdır.
Matematiğin Büyüsü: “Kral – Erkek + Kadın = Kraliçe” Denklemi
Yapay zeka tarihindeki en büyük “Aha!” anlarından biri, araştırmacıların kelime vektörleri (Word Embeddings) üzerinde matematiksel işlemler yapılabileceğini keşfettikleri andır. Eğer anlam bir koordinatsa, anlamlar toplanıp çıkarılabilir mi? Cevap şaşırtıcı bir şekilde EVET.
Klasikleşmiş örneği inceleyelim:
- Haritadaki “Kral” kelimesinin koordinatlarını alın.
- Bundan “Erkek” kavramının vektörünü (özelliklerini) çıkarın. (Geriye sadece “Soyluluk/Yöneticilik” kalır).
- Elde ettiğiniz sonuca “Kadın” vektörünü ekleyin.
- Haritada bu işlemin sonucunda vardığınız yeni koordinata en yakın kelimeye bakın.
- Sonuç şaşmaz bir şekilde: **”Kraliçe”**dir.
Bu durum, yapay zekanın aslında düşündüğünü değil, kavramlar arasındaki geometrik ilişkileri mükemmel bir şekilde modellediğini gösterir. O, “Başkent” kelimesi ile “Ülke” kelimesi arasındaki ilişki vektörünü (mesafe ve yönü) öğrendiğinde, bunu her ülkeye uygulayabilir.
- Paris – Fransa + Türkiye = ?
- Cevap: Ankara
Yapay zeka bunu coğrafya bildiği için değil, internetteki milyarlarca metinde “Paris” ve “Fransa”nın yan yana gelme sıklığı ile “Ankara” ve “Türkiye”nin yan yana gelme örüntüsünün (vektörel ilişkisinin) aynı olduğunu matematiksel olarak gördüğü için bilir.
Bağlam (Context) Neden Kraldır? “Yüz” Kelimesinin Çilesi
Eski tip vektör sistemlerinde (Word2Vec gibi) her kelimenin sabit bir adresi vardı. Ancak insan dili bu kadar basit değildir. Örneğin “Yüz” kelimesi:
- “Havuzda yüz.” (Eylem)
- “Bana yüz lira ver.” (Sayı)
- “Senin yüzün gülüyor.” (Organ)
Eski sistemlerde “Yüz” kelimesi, bu üç anlamın ortalaması olan garip bir konuma yerleştirilirdi. Bu da hatalara yol açardı. İşte modern Transformer mimarisi (GPT’deki T) ve onun Dikkat (Attention) mekanizması burada devrim yarattı.
Transformerlar, kelimeleri tek başına değil, cümlenin tamamıyla ilişkisi içinde değerlendirir. “Yüz” kelimesini gördüğünde, dikkat mekanizması cümlenin geri kalanına bakar. Eğer cümlede “havuz”, “deniz”, “su” gibi vektörler varsa, “Yüz” kelimesinin vektörünü dinamik olarak değiştirip “Eylem/Spor” bölgesine kaydırır. Eğer “lira”, “dolar”, “banka” kelimelerini görürse, vektörü “Sayı/Para” bölgesine taşır.
Yani yapay zeka, statik bir sözlük değil, canlı ve akışkan bir anlam haritası kullanır.
Arama Motorlarından Üretken Yapay Zekaya: Bu Harita Nasıl Kullanılıyor?
Bu vektör haritası (Vector Space), bugün kullandığımız dijital dünyanın bel kemiğidir.
- Google Aramaları: Eskiden Google sadece anahtar kelimeleri eşleştirirdi. Siz “dizüstü bilgisayar tamiri” yazdığınızda, içinde tam olarak bu kelimeler geçen sayfaları arardı. Bugün ise Semantik Arama (Anlamsal Arama) kullanıyor. Sorgunuzu vektöre çeviriyor ve o vektöre yakın olan içerikleri getiriyor. Sayfada “tamir” kelimesi geçmese bile, “onarım” veya “teknik servis” kelimeleri vektör uzayında “tamir”e çok yakın olduğu için o sayfayı bulabiliyor.
- RAG (Retrieval-Augmented Generation): Şirketlerin kendi verileriyle konuşan yapay zekalar, bu haritayı kullanır. Şirket dokümanları parçalanıp vektör veritabanlarına (Vector DB) kaydedilir. Siz bir soru sorduğunuzda, sorunuzun vektörüyle en uyumlu (en yakın) doküman parçası bulunur ve yapay zekaya “Bunu kullanarak cevap ver” denir.
Felsefi Sınır: Haritayı Bilmek, Şehri Yaşamak Demek midir?
Tüm bu teknik mükemmellik, bizi en baştaki soruya geri götürüyor: Yapay zeka gerçekten anlıyor mu?
Cevap, “anlamak” kelimesini nasıl tanımladığınıza bağlıdır. Eğer anlamak, “doğru bağlamda doğru kelimeyi kullanmak” ise, evet, insanüstü bir seviyede anlıyor. Ancak anlamak, o kelimenin arkasındaki deneyimi hissetmekse (Qualia), cevap kocaman bir hayır.
Ünlü filozof John Searle’ün Çince Odası deneyinde belirttiği gibi; bir odada otursanız ve kapının altından size Çince semboller atılsa, elinizdeki kural kitabına (algoritma/vektör haritası) bakarak hangi sembole karşılık hangi sembolü geri atacağınızı bilseniz, dışarıdaki kişi sizin Çince bildiğinizi sanar. Oysa siz tek kelime bile Çince bilmiyorsunuzdur. Sadece sentaksı (sözdizimini) yönetiyorsunuzdur, semantiğe (anlama) sahip değilsinizdir.
Vektör uzayı, insanlığın bugüne kadar yarattığı en detaylı “Sentaks Haritası”dır. Ancak harita, bölgenin kendisi değildir. Yapay zeka “acı” kelimesinin vektörünü “gözyaşı”, “üzüntü”, “kayıp” kelimelerine mükemmel bir matematiksel yakınlıkla bağlasa da, acının ne olduğunu asla bilemez.
Sıkça Sorulan Sorular (SSS)
- Yapay zeka “halüsinasyon” gördüğünde ne oluyor?
Yapay zeka bilmediği bir konuda cevap uydurduğunda (halüsinasyon), aslında vektör uzayında kaybolmuyor, tam tersine aşırı güvenle tahmin yürütüyor. Olasılık hesaplarına göre “en mantıklı” görünen kelimeyi seçiyor, ancak bu kelime gerçeği yansıtmıyor. Matematiksel olarak doğru (haritada yakın), olgusal olarak yanlıştır. - Vektör veritabanı (Vector DB) nedir?
Klasik veritabanları (Excel gibi) verileri satır ve sütunlarda saklar. Vektör veritabanları ise verileri (metin, resim, ses) çok boyutlu sayı dizileri (vektörler) olarak saklar. Bu, “kelime eşleşmesi” yerine “anlam benzerliği” üzerinden arama yapmayı sağlar. - İnsan beyni de vektörlerle mi çalışır?
Nörobilimdeki bazı teoriler, beynimizin kavramları nöron grupları arasındaki aktivasyon desenleri olarak kodladığını öne sürer. Bu, yapay zekadaki vektörlere çok benzer. Ancak beynimizdeki süreçler kimyasal, biyolojik ve duygusal katmanlarla çok daha karmaşıktır.
Sonuç: Haritanın Ötesine Bakmak
Yapay zekanın “anlaması”, aslında devasa bir istatistiksel mucizeden ibarettir. Kelimeleri, görüntüleri ve sesleri, binlerce boyutlu bir uzayda sayılara indirgeyerek, insan zihninin örüntülerini taklit eder. Vektör uzayı, bu taklidin sahnesidir.
Bu teknolojiyi kullanırken hatırlamamız gereken en önemli şey şudur: Karşımızdaki bir “bilinç” değil, insanlığın tüm bilgi birikimini içeren, inanılmaz gelişmiş bir “yansıma”dır. O, bizim kelimelerimizin aynasıdır.
Bu haritayı anladığınızda, yapay zekadan korkmayı bırakıp, onu doğru yönetmeye başlarsınız. Artık biliyorsunuz ki, o sihirli bir kutu değil, sadece çok iyi hesap yapan bir pusuladır.
Peki, eğer insan beynindeki düşünceler de sadece nöronlar arası elektriksel bir vektör haritasıysa, “ruh” dediğimiz şey bu haritanın neresinde saklanıyor olabilir?
