ÖZET: Derin Öğrenme ve Büyük Dil Modellerinin Dini ve Felsefi Etkileri

Bağlantısal Yapay Zekadan Derin Öğrenmeye

20. yy boyunca yapay zekada baskın yaklaşım sembolik yada mantıksal yapay zekaydı. Satranç gibi karmaşık konularda başarılı olan bu yaklaşım daha basit konuları başaramadığı için demode oldu. Dünya şampiyonunu yenebilirken bir resim neye ait olduğunu anlayamıyordu. Eşyaların tanınması için altyapı değişerek makine öğremesi-yapay sinir ağları modellerine geçildi.

Alan	Tanım
Klasik Yapay Zeka (AI)	İnsan düşüncesini taklit etmeye çalışan, kurallara dayalı (mantıksal) sistemlerdir. Eğer “A olursa B olur” tarzında çalışır.
Derin Öğrenme (Deep Learning)	Veriden kendi kendine örüntü öğrenen, yapay sinir ağlarına dayalı bir yöntemdir. Kuralları önceden vermezsin; sistem kendi “keşfeder.”

Özellik	Klasik YZ	Derin Öğrenme
Temel Mantık	İnsan tarafından yazılmış açık kurallar	Çok katmanlı sinir ağlarıyla istatistiksel öğrenme
Veri İhtiyacı	Az veriyle çalışabilir (mantık temelli)	Milyonlarca veri gerektirir
Öğrenme Yöntemi	Kural tabanlı çıkarım (if-then)	Veri üzerinden örüntü öğrenme
Açıklanabilirlik	Kolay açıklanabilir (“Bu sonucu şu kural verdi.”)	“Kara kutu” gibidir; sonucu nasıl bulduğu genelde belirsizdir
Esneklik	Katıdır; kural dışı durumu anlamaz	Esnektir; örneklerden genelleme yapar

Beyindeki nöronların işleyişinden ilham alan bağlantısal yapay zeka temeli 20. yy ortalarında atıldı ve Derin Öğrenme devriminin yaşanması 2012 yılında olmuştur. Bu yıla kadar klasik yapay zekanın gerisinde kalma sebebi;

• Büyük veri setleri
• Yüksek işlem kapasitesi
• Gelişmiş sinir ağı modelleri ihtiyacının yeni karşılanabilmiş olması

Öncelikle görüntü işleme alanında kullanılan yeni model, dil işleme (Natural Language Processing) alanına 2017 yılında yansımasıyla GPT, Gemini, Llama, Claude gibi uygulamalar geliştirildi.

Yapay Sinir Ağları (Artificial Neural Networks)

Derin öğrenme ve büyük dil modellerinin temelini yapay sinir ağları oluşturmaktadır. Girdi olarak verilen resim, metin gibi farklı türden bilgileri analiz ederek çıktılar üreten kapalı kutu olarak düşünülebilir. Çıktılar eğitildikleri bilgilere göre değişir. Beynimizdeki sinir ağlarından esinlenen bu yapı, basit matematiksel işlemlerle çalışır ancak bunu katmanlar halinde defalarca uygular.

Bilgisayar Resmi Nasıl Görür?

İnsan gözü resmi bir bütün olarak algılar, ama bilgisayar için resim, sayı tablosudur (piksel matrisi), örneğin:

• Renkli bir fotoğraf, her piksel için (Kırmızı, Yeşil, Mavi) değerlerinden oluşur.
• Bu değerler 0–255 arasında sayılardır.
• Yani bir 1000×1000 piksellik fotoğraf aslında 1 milyon adet (R, G, B) sayısı demektir.

Bilgisayar “resme bakmak” yerine bu sayılara matematiksel işlemler uygular. Ve olasılıksal bir sonuç verir.

Adım	Açıklama	Ne işe yarar?
Görüntü alma	Resim dosyası yüklenir, pikseller okunur.	Girdiyi sayısal hale getirir.
Ön işleme (Preprocessing)	Gürültü azaltma, boyut ayarlama, renk ölçekleme yapılır.	Veriyi temizler.
Özellik çıkarımı (Feature extraction)	Kenarlar, şekiller, dokular tespit edilir.	Görselin anlamlı bölümlerini bulur.
Modelleme (Model input)	Bu özellikler derin öğrenme ağına verilir.	Sinir ağı örüntüleri öğrenir.
Tahmin / yorum (Inference)	Ağ, gördüğü örneklere göre resmi sınıflandırır.	“Bu bir kedi”, “Bu bir insan yüzü” gibi karar verir.

Yapay sinir ağlarının güçlü yanı ağırlık parametrelerinin insan tarafından belirlenmek zorunda olmaması veriler üzerinden öğrenilmesidir. Yoğun katmanlı matematiksel işlemler tekrarlanır ve geneli temsil eder.

Büyük Dil Modelleri (Large Language Models)

2020 yılı itibariyle yapay zeka deyince büyük dil modelleri akla gelmeye başladı. ChatGPT, Gemini, Claude bu alt yapıya dayanmaktadır.

Kısmi verilen cümlenin devamını tahmin etmesi için eğitilmelerine rağmen; metin çevirisi, soru çevirisi, muhakeme yapma, kavrama ve sonuç çıkarma gibi karmaşık görevlerde de başarılıdırlar; arama motorları, sohbet botları, çeviri ve farklı kelimelerle yazım, içerik üretimi, metin analizi, kodlama ve yazılım geliştirme vb.

Büyük Dil Modellerinin Dini Ve Felsefi Kullanın Alanları

Büyük dil modellerinin bu kadar yaygın kullanımı dini konularda soru cevap uygulamaları yapmaya yönlendirmiştir. Dini otoriteler yanlış yönlendirme kaygılarını dile getirmektedirler.

Yazar dil modelleri gelişim gösterdikçe dini metinlerin yorumlanması, çeviri farklılıklarının karşılaştırılması, dini düşüncelerin metinler bağlamında yorumlanmasında önemli olacağını düşünmektedir.

Felsefe alanında da felsefi metinlerin sade şekilde anlatılmasında ve ilerleyen süreçte felsefi düşünceyi derinleştirmede büyük katkılar vereceği düşünülmektedir.

Yapay Zekada Yanlılık Problemi

Yaygın şekilde kullanılan dil modellerinin eksikleri olduğunu unutmamak gerekmektedir. Bunların en önemlilerinden birisi de yanlılık (bias) problemidir. Veri toplanış biçiminden kaynaklanan eksiklikler nedeniyle hatalı sonuçlar çıkmaktadır. Aşabilmek için kapsayıcı veri setleri kullanılmaktadır.

Yanlılığı azaltma çabaları da farklı hatalara sebep olabilmektedir bu sorunun bir süre daha devam edeceği görülmektedir.

Büyük Dil Modellerine Dair Felsefi Tartışmalar: Bilinç Ve Anlam

Büyük dil modellerinin doğal dil işleme konusundaki başarıları yapay zeka-bilinç üzerine yeni sorular doğurmuştur. 2022 yılında bir Google mühendisi bile LaMDA’nın bilinç sahibi olduğuna inanmış işine son verilmiştir.

Dil modeli bilinç konusunda Prof. Koch çalışmasında zeka öğrenme ve muhakemedir derken bilinç için özel deneyimler gerekir demiştir. (ökyüzünün mavisini görmek, acı çekmek, aşık olmak gibi. Yine Prof. Koch yapay zekaların şuan Turing Testini geçtiğini belirterek yapay zekaya karşı nasıl davranılması gerektiği sorununu ortaya koymaktadır.

Felsefe alanında ise Chalmers 1995 yılında beyinde gerçekleşen fiziksel süreçler ile öznel deneyim ilişkisini araştırmıştır günümüzde ise yapay zeka-bilinç ilişkisini benzer şekilde çalışmaktadır. Yapay zekanın bir gün insandan daha iyi bilim ve felsefe yapacağını belirtmiştir.

Bilinçle birlikte yapay zekada bir anlam olup olmadığı da tartışma konusudur. Anlam olmadığını savunan Murry ve Emily, Çin Odası deneyi ile benzer olarak sadece istatistiksel örüntüleri gerçek anlamdan uzak olduğunu belirtmektedir.

Anlam olabileceğine inananlar modeller geliştikçe insan beyin sinyallerine benzer sayısal temsiller oluşturduğunu belirtmektedir. Anlam olup olmadığı gelecekte çalışılmaya devam edecektir.

Büyük Dil Modelleri Tanrı Ve Din Hakkında Ne Düşünür

Yazar, yapay zekanın tanrı ve dine bakışını görmek için çeşitli modellerde çalışmalar yapmıştır.

GPT4, Gemini ve Llama benzer şekilde, kendisine tanımlandığı şekilde yapay zeka olduklarını, inanca sahip olamayacaklarını belirtmişlerdir. Ancak yapay zekayı filozof, teist, ateist olarak cevap vermeleri istendiğinde, bu bakış açılarına göre cevaplar vermişlerdir. Gpt ve Gemini benzer cevaplar verirken Llma dine bakışını olumsuz anlamda keskin cevaplar vermiştir. Bu, daha yanlı veri tabanına sahip olduğunu göstermiştir.

Yazar deneyi ilerletmiş farklı karakter tanımlamalarıyla karşılıklı teist ateist olarak karşı argümanlar geliştirtmiş, münazara yaptırmıştır. Burada büyük dil modellerinin kimlik ve kişilik meselesi ele alınmıştır.

OpenAI o1: Muhakeme Yeteneğine Geliştirilmiş Bir BDM

Bu model muhakeme yeteneği gereken alanlar için geliştirilmiş ve düşünce zinciri denilen yöntemle çalışmaktadır. Bu yaklaşımın daha doğru sonuçlar verdiği görülmüştür. OpenAI o1 modeli düşünme süreçlerine daha fazla zaman harcıyor ve yüksek performans sergiliyor. Literatür dışında Tanrının varlığına dair özgün bir argüman üret denilmiş tamamen özgün olmasada farklı argümanları birleştirmiştir.

SONUÇ

Sonuç kısmında yazar yapılan deneylerle de birlikte gelişim göstermeye devam ederek yapay zeka ve büyük dil modellerinin bilimsel felsefi ve teknik konularda bizi yönlendirecek iş arkadaşlarımız haline geleceğini belirtmiştir. Özgünlük konusunda potansiyelleri olduğunu söyleyerek bir kaç ömür gerektirecek din ve bilim alanlarında kolay olmayan alanlarda etkileyici sonuçlar görüleceği kanaatini belirtmiştir.