Debunk raporu: Yapay zekânın kaynak sınavı ve Türkiye’de doğrulama

Dezenformasyon araştırma kuruluşu Debunk.org’un 28 Ekim’de yayımladığı özete göre, on yapay zekâ sohbet sistemi Litvanya hakkındaki on yanlış anlatı karşısında sınandı. Yüz yanıtın 54’ü yönlendirmeye direnirken 46’sı talebi yerine getiren kategoride değerlendirildi. Yanıtlardaki 729 bağlantı incelendi. Araştırmanın dikkat çekici tarafı, yanlış bir cümlenin üretilmesinden önce başlayan sorunu görünür kılması: Kullanıcının soruya yerleştirdiği kabul, cevapta kurulacak gerekçeyi etkileyebiliyor.

Testte sistemlerden yanlış iddialara destekleyici gerekçeler ve kaynaklar bulmaları istendi. Sonuçlar yönlendirme karşısındaki dayanıklılığı ölçüyor; gündelik kullanımın genel doğruluk oranını göstermiyor. Haber başlığındaki oranı, sorunun nasıl kurulduğuyla birlikte okumak gerekiyor.

Türkiye açısından tartışılması gereken, kendi bilgi ortamımızda karşılaştırmalı araştırmalarla hangi değerlendirme ölçütlerini geliştireceğimiz ve yabancı testlerden nasıl yararlanacağımızdır. Bir sohbet sisteminin akıcı Türkçe konuşması, yerel bir iddianın tarihini, bağlamını ve dayanağını doğru kurduğunu tek başına göstermez. Kaynağın adını görmekle kaynağın ne söylediğini okumak arasındaki mesafe burada belirleyicidir. Bu nedenle Türkiye’deki araştırmaları ve doğrulama deneyimini, araçların sağladığı yararla sınırlarını birlikte gösterecek biçimde değerlendirmek gerekiyor.

Kaynak göstermek ile kanıt sunmak arasındaki fark

Debunk özetinde, iddiayı çürüten doğrulama yazısının aynı iddiayı destekliyormuş gibi kullanıldığı örnekler bulunuyor. Bağlantı gerçek olsa da ona yüklenen anlam yanlış olabiliyor. Bu durumda tanınmış bir kurumun adı, cevabın doğruluğunu kanıtlamaya yetmiyor.

Bu mekanizmayı Türkiye’de bir yerel haber üzerinden düşünelim. Eski bir belediye kararının tarihini değiştirmeden aktaran sistem, onu bugünkü uygulamanın kanıtı olarak sunarsa, belgenin gerçek olması sonucu kurtarmaz. Kararın daha sonra değiştirilip değiştirilmediği, hangi ilçeyi kapsadığı ve hangi koşullarda geçerli olduğu araştırılmalıdır. Aynı şekilde, bir ekonomik göstergenin yükselmesiyle bir kararın alınmasının peş peşe gelmesi, tek başına neden sonuç ilişkisi kurmaya yetmez.

Araştırmanın sınırları da bu dikkatin parçasıdır. LRT’nin aktardığına göre sorgular 22–27 Temmuz’da, ücretsiz sürümlerle gerçekleştirildi. Küçük ve seçilmiş örneklem, kasım ayındaki bütün modelleri sıralayacak kapsamda değildir. Kamuya açık özette kullanıcıların inançlarını veya paylaşım davranışlarını ölçen bir bulgu bulunmuyor. Bu yüzden kamuoyunun ne ölçüde yanıltıldığını söyleyemeyiz.

Yine de dar bir deney önemsiz sayılmaz. Güvenlik sınaması, sistemin zorlandığında nereden hata verebileceğini gösterebilir. Burada üzerinde durulması gereken, yanlış önermeyi kabul eden sorunun cevabı nasıl biçimlendirdiğidir. Kullanıcıdan gelen talebi yerine getirmek ile kanıtın izin verdiği sonuca ulaşmak farklı sorumluluklar taşır. İyi tasarlanmış bir asistan, sorudaki varsayımı görünür kılabilmeli; yeterli dayanak bulunmadığında bunu açıkça söyleyebilmelidir. Bunun başarısı da yalnızca cevabın üslubuyla değerlendirilemez.

Kaynak sayısı da tek başına güven ölçüsü olamaz. Aynı açıklamanın farklı haber sitelerinde yayımlanması, birbirinden bağımsız kanıtlar bulunduğu anlamına gelmez. Cevabı değerlendiren kişi, bağlantıların hangi ilk belgeye dayandığını izleyebilmelidir. Birbirini tekrarlayan metinler, aynı hatayı çoğaltırken dışarıdan güçlü bir uzlaşma görüntüsü verebilir. Araştırmanın değeri, bu zincirin nerede başladığını gösterebildiği ölçüde artar.

Türkiye’deki araştırma farklı bir ölçü sunuyor

Kurgu dergisinde yayımlanan Erkan Yüksel ve çalışma arkadaşlarının araştırması, Türkiye’deki üç doğrulama platformundan seçilen 45 içeriği dört modelle karşılaştırıyor. Kasım 2025’te yayımlanmış iddialar, Mart 2026’da üç aşamalı istemlerle sınanmış. Olası 540 çıktının 516’sı değerlendirmeye alınmış; doğrulama kuruluşlarının kararlarıyla uyum yüzde 81,6 bulunmuş.

Ancak bu sayı da evrensel doğruluk ölçüsü değildir. Bazı video içeriklerde geçerli cevap üretilemediği için 24 çıktı paydadan çıkarılmıştır. Örneklem amaçlı seçilmiştir; kodlayıcılar arasındaki uyum orta düzeyde kalmıştır. Araştırmanın değerlendirdiği, belirli içeriklerdeki model kararlarının Teyit, Doğruluk Payı ve Malûmatfüruş kararlarıyla ne ölçüde örtüştüğüdür.

Bu çalışma, yapay zekânın doğrulama süreçlerinde yarar sağlayabileceğini düşünmek için gerekçe sunuyor. Bununla birlikte Litvanya’daki sonuçla oran yarıştırmak anlamlı olmaz. Bir çalışmada yanlış anlatıyı savunması istenen sistem, diğerinde iddianın doğruluğunu değerlendirmeye çağrılıyor. Diller, konular, sürümler ve sorgulama tarihleri de farklı. Aynı başarı cetveline yazılan iki yüzde, gerçekte farklı görevleri anlatabilir.

Türkiye için buradan çıkarılabilecek araştırma gündemi daha somuttur. Aynı iddia, tarafsız soruyla ve yönlendirici soruyla ayrı ayrı sınanabilir. Sistem cevap veremediğinde bu durum ayrıca kaydedilebilir. Kaynak bağlantısının açılması, ilgili cümlenin gerçekten orada bulunması ve belgenin güncelliği farklı ölçütler olarak değerlendirilebilir. Böylece doğru sonuca tesadüfen ulaşan cevapla, denetlenebilir kanıt üzerinden ilerleyen cevap arasındaki fark görülebilir. Türkçe yeterliliğini yalnızca dilbilgisel akıcılığa indirmeyen bir değerlendirme, yerel bağlamı da hesaba katmalıdır.

Bunun için model güncellemelerinden sonra aynı sınamalar tekrarlanabilir; önceki sonuçlarla farklar yayımlanabilir. Okur da bir aracın hangi tarihte, hangi görevde ve hangi sınırlar içinde değerlendirildiğini görebilir. Böylece güven, markaya bağlı bir kabulün ötesinde denetlenebilir kalır.

İnsanların yaptığı değerlendirmeler de bu denetimin dışında tutulamaz. Bir doğrulama kuruluşuyla uyum, ancak o kuruluşun kullandığı kanıt ve yöntem görülebildiğinde anlam kazanır. Farklı araştırmacıların aynı cevabı neden farklı sınıflandırdığı açıklanmalıdır. Böyle bir açıklık, anlaşmazlığı saklamak yerine ölçümün hangi noktalarda yoruma açık olduğunu gösterir. Türkçe değerlendirme çalışmalarında örneklerin ve kodlama kararlarının paylaşılması, yeni çalışmaların önceki sonuçları sınamasına imkân verebilir.

Türkçe bilgiye güvenin kurumsal dayanağı

Teyit’in yapay zekâ kullanımına ilişkin politika açıklaması, araştırma ve çeviri gibi işlerde teknolojiden yararlanırken yayın kararını insan editörlerde tutuyor. Üretilen çıktının kontrol edilmesi, kullanımın açıklanması ve hataların şeffaf biçimde düzeltilmesi bu yaklaşımın parçaları. Bu metin bir başarı deneyi değil; Türkiye’de bir doğrulama kuruluşunun kendi çalışmasını hangi sorumluluklarla yürütmeyi taahhüt ettiğini gösteriyor.

Bu yaklaşımın haber merkezleri bakımından değeri, insan denetimini yayın sürecinin her aşamasında uygulanabilir hâle getirmesidir. Denetim için editörün kaynağa ulaşabilmesi, önceki sürümleri görebilmesi ve gerektiğinde yayını durdurabilmesi gerekir. Otomatik taslak üretiminin hızını artırırken bu zamanı ortadan kaldıran bir düzen, sorumluluğu kâğıt üzerinde insana bırakır.

Üniversiteler, medya kuruluşları ve teknoloji geliştiricileri arasında kurulacak çalışma, Türkçe iddiaların sınanabileceği ortak örnekler oluşturabilir. Böyle bir veri kümesinde araştırmacıların kararlarının gerekçesi ve itiraz yolu da bulunmalıdır. Tartışmalı bir politika tercihini otomatik olarak yanlış bilgi sınıfına koymak, değerlendirmeyi daraltır. Olgusal hata, eksik bağlam ve değer yargısı arasındaki ayrım açık tutulmalıdır. Doğrulama faaliyeti de kendi kanıtını okura gösterebilmelidir. Bu çaba, farklı görüşlere açık kalarak iddia ve kanıt arasındaki tutarlılığı ölçmelidir.

Okur açısından temel adım, cevabın dayandığı kanıta ulaşabilmektir. Özellikle önemli bir karar verirken, cevaptaki temel iddianın dayandığı belgeyi açmak ve ilgili kısmı okumak anlamlı bir başlangıçtır. Kaynağın bulunamadığı yerde modelden daha kendinden emin bir açıklama istemek, eksik kanıtı tamamlamaz. Belirsizliğin korunması bazen en doğru sonuçtur.

Türkiye’nin ihtiyacı, Türkçe konuşan sistemlerin hangi koşullarda güvenilir bilgi ürettiğini düzenli olarak sınayan bağımsız bir araştırma ve yayın kültürüdür. Bilgiye erişimin kolaylaşması, doğrulamanın görünmezleşmesini gerektirmiyor. Asıl kazanım, hızlı cevapla birlikte o cevabın nasıl kurulabileceğini de denetleyebilmektir.