Birkaç yıl önce babamın dilinde bir tümör olduğu tespit edildi. Bu da bazı seçenekleri değerlendirmemiz gerektiği anlamına geliyordu. Tıbbi kararlar bakımından ailemizin hayli ilginç bir dinamiği var. Ablam Batı tipi modern (allopatik) tıp eğitimi almış bir doktor. Annem ve babam ise büyük bir inançla geleneksel tedavilere bel bağlıyor. Bense Hindistan’da küçük bir kasabada büyüdüğüm için ritüellere alışkınım. Babamın bir ritüeli vardı. Güney Tamil Nadu’daki köyüne her ziyaretimizde, Siddha tıbbı uygulayan bir şifacı olan vaithiyar‘dan keskin kokulu, yoğun ve içinde bitkiler olan yağdan bir şişe alırdı. Babamın tıbbın bildiği ve güvendiği biçimiyle ilişkisini sürdürme yolu buydu.

Babamın tümörünün kötü huylu olabileceğine ilişkin bulgular vardı. Bu nedenle hastanedeki doktorlar ve ablam şiddetle ameliyat olmasını tavsiye ediyordu. Annem ve babamsa, böyle bir operasyonun babamın konuşmasını etkileyebileceği endişesiyle bu fikre karşı çıkıyordu. Ailenin arabuluculukta uzmanlaşmış bir üyesi olarak bu gibi durumlarda genellikle ben devreye girerim. Kuşağının gerekliliklerini yerine getiren her Y kuşağı gibi karar vermemize yardımı olacağını düşünerek internete başvurdum. Günlerce araştırdıktan sonra (haliyle) ablamın tarafını tutarak babamın ameliyat olması konusunda ısrarcı oldum. İnternet de bizden taraftı.

Sonunda babamı da ikna ettik. Hatta ameliyat için gün bile belirledik. Sonra babam ameliyatı hepten geçiştirmek için kardeşimin gebeliğini bahane ederek bizi sürekli oyaladı. Biz her gün onu ameliyat olması konusunda sıkıştırırken, o gizlice kendi bitkisel karışımını alıyordu. Ne olduysa birkaç ay sonra tümör gerçekten küçüldü ve sonunda tamamen kayboldu. Bütün bu serüven babamın bu konuda biraz övünmeye hakkı olmasını sağladı.

O zamanlar bu durumu yalnızca şans eseri gerçekleşen bir istisna olarak görüyordum. Ancak son zamanlarda, dijital dünyanın tahakkümü altındaki kaynakların yetkinliğini kabul ederken, ailemin geleneksel bilgiye duyduğu güveni göz ardı etmekte acele edip etmediğimi merak ediyorum. Babamın bitkisel karışımlarının işe yaradığına inanmakta güçlük çekiyorum, fakat bir yandan da her şeyi biliyor gibi görünen ve hiç düşünmeden güvendiğim internetin büyük açıkları olduğunun, yapay zekâ dünyasında da durumun vahim bir hal almaya başladığının ayırdına varıyorum.

Bu ikilemin, çocukluğumdan ve geleneksel yöntemlerin günlük yaşamın bir parçası olduğu ortamdan uzak bir çevrede, Amerika Birleşik Devletleri’nde bir üniversitede, yaptığım araştırma sırasında ortaya çıkmış olması da ironik. New York’taki Cornell Üniversitesi’nde, sorumlu yapay zekâ sistemleri tasarlamak için neler gerektiğini araştırıyorum. Çalışmalarım dijital dünyanın bilgideki derin güç dengesizliklerini nasıl yansıttığını ve bunun GenAI tarafından nasıl pekiştirildiğini ortaya koyuyor. İlk dönemlerinde internette İngiliz dili ve Batılı kurumlarının hakimiyeti söz konusuydu. Bu dengesizlik zamanla daha da artarak insanlığın tüm bilgi ve deneyim dünyasını dijitalleşmenin dışında bıraktı. Mevcut dijital külliyat üzerinde geliştirilen GenAI yükselirken, artık bu asimetrinin yerleşik hale gelmesi tehdidiyle karşı karşıyayız.

GenAI birçok kişi için dünyayı öğrenmenin başlıca yolu olmaya başlıyor. 2025’in Eylül ayında yayımlanan, ve Kasım 2022’de kullanıma açıldığından bu yana, ChatGPT’nin nasıl kullanıldığını inceleyen büyük ölçekli bir araştırma, ChatGPT’ye girilen sorguların hemen hemen yarısının pratik rehberlik almaya ya da bilgi edinmeye yönelik olduğunu ortaya koyuyor. Bu sistemler tarafsız görünebiliyor de olsa gerçekte öyle değil.  En bilinen ve en çok kullanılan modeller baskın bilme biçimlerini (genellikle Batılı ve kurumsal) öne çıkarırken sözlü gelenekler, bedensel pratikler ve Hintçe ve Svahili gibi bilgisayar dünyasında “düşük kaynak” (low-resource) sayılan alternatifleri geri planda bırakıyor.

GenAI bu tür hiyerarşileri güçlendirerek, yüzyıllar boyunca gelişen anlayış sistemlerinin silinmesine katkıda bulunma ve gelecek nesilleri, hiçbir zaman kodlanmamış ancak yine de asli, insani bilme biçimleri olarak kalan geniş içgörü ve bilgelik birikimlerinden mahrum bırakma riski taşıyor. Sadece temsil değil, bilginin esnekliği ve çeşitliliği de tehlike altında.

GenAI, kitaplar, makaleler, web siteleri ve transkriptler gibi kaynaklardan elde edilen devasa metin veri kümeleri üzerinde çalıştırılıyor ve bu nedenle “büyük dil modeli” (LLM) olarak adlandırılıyor. Ancak bu “eğitim verileri”, sözlü kültürler ve hatta yeterince temsil edilmeyen veya temsil edilmeyen diller bakımından insan bilgisinin genel toplamı olmaktan çok uzak.

Bunun neden önemli olduğunu anlamak için öncelikle dillerin bilgi için birer damar işlevi gördüğünü kabul etmeliyiz. Her dil, yüzyıllar boyu geliştirilen insan deneyimi ve içgörü dünyalarını taşıyor: Toplulukları şekillendiren ritüeller ve gelenekler, güzelliği görmenin, sanat yaratmanın kendine özgü yolları, belirli manzaralara ve doğal sistemlere derinlikli aşinalık, manevi ve felsefi dünya görüşleri, içsel deneyimleri yansıtan ince sözcük dağarcıkları, çeşitli alanlarda uzmanlık, toplumu ve adaleti düzenlemek için gereken çerçeve, kolektif hafızalar ve tarihsel anlatılar, şifa gelenekleri ve çapraşık sosyal bağlar.

Yapay zekâ sistemleri bir dili yeterince bilmediğinde, insan deneyimini anlamada kör noktaları olur. Kamuya açık en büyük eğitim verisi kaynaklarından Common Crawl’dan elde edilen veriler, çarpıcı eşitsizlikleri ortaya koyuyor. Bu veri 18 yıla yayılan 300 milyardan fazla web sayfası içermesine rağmen, içeriğin yüzde 45’inde hâkim dil küresel nüfusun yaklaşık yüzde 19’u tarafından konuşulan İngilizce. Ne var ki, bir dilin demografik büyüklüğü ile o dilin çevrimiçi verilerde ne kadar iyi temsil edildiği arasında endişe verici bir dengesizlik olabilir. Dünya nüfusunun yaklaşık yüzde 7,5’i tarafından konuşulan ve küresel olarak en popüler üçüncü dil olan Hintçeyi ele alalım. Bu dil Common Crawl verilerinin yalnızca yüzde 0,2’sini oluşturuyor. Ana dilim Tamilce için durum daha da vahim. Dünya çapında 86 milyondan fazla kişi tarafından konuşulmasına rağmen, verilerin sadece yüzde 0,04’ünü temsil ediyor.

Bilgi işlem dünyasında, dünyadaki dillerin yaklaşık yüzde 97’si “düşük kaynaklı” olarak sınıflandırılıyor. Bilgi işlem bağlamlarının dışında uygulandığında bu tanımlama yanıltıcı. Milyonlarca insan bu dilleri kullanıyor ve bu dillerin çoğu zengin dil mirasının kadim geleneklerini taşıyor. Ancak bu diller çevrimiçi ortamda veya erişilebilir veri kümelerinde yeterince temsil edilmiyor. 2020’de yapılan bir araştırma, dünya dillerinin yüzde 88’inin yapay zekâ teknolojilerinde çok ciddi bir ihmalle karşı karşıya olduğunu gösteriyor. Bu büyük ihmal nedeniyle bu dilleri bu evrende yeterli seviyeye getirmek oldukça zor, belki de imkânsız bir uğraş olabilir.

Eksik bilgi türlerini göstermek için yerel ekoloji anlayışımız örneğini ele alalım. Çevreci bir arkadaşım hep aklımda kalan bir şey söylemişti: Bir topluluğun ekolojisiyle bağı, yerel bitkilere verdiği ayrıntılara yer veren özgün isimler yoluyla anlaşılabilir. Bitki türleri genellikle yöreye özgü veya ekolojik olarak benzersiz olduğundan, bu bitkilere ilişkin bilgi de aynı derecede yerel. Bir dil marjinalleştirildiğinde beraberinde içinde barındırdığı o bitki bilgisi de kayboluyor.

Bu makaleyi yazarken, Hindistan’da doğal yapı tekniklerini yeniden canlandırmaya adanmış bir kuruluş olan Thannal’ın baş mimarı Dharan Ashok da dahil birçok kişiyle GenAI’deki dil açıkları hakkında konuştum. Ashok, dil ile yerel ekolojik bilgi arasında güçlü bir bağ olduğunu ve bunun da yerli mimari bilginin temelini oluşturduğunu belirtiyor. Modern inşaat büyük ölçüde beton ve çelikle özdeşleştirilirken, yerli yapı yöntemleri çevrede bulunan malzemelere dayanıyor.

Sürdürülebilir olmayan ve karbon yoğun yapılara ilişkin endişelerin arttığı bir dönemde Dharan yoğun bir biçimde, yerel bitkilerden biyopolimer üretmeye yönelik kaybolmuş bir sanatı yeniden canlandırmaya çalışıyor. En büyük zorluğun, bu bilginin büyük ölçüde belgelenmemiş ve yerel diller üzerinden sözlü olarak aktarılmış olmasında yattığını söylüyor. Bu bilgi genellikle sadece birkaç yaşlıda oluyor ve onlar öldüğünde de kaybolup gidiyor. Dharan, kireç taşı bazlı özel bir tuğla türünün nasıl yapıldığını öğrenme şansını, bu bilgiye sahip son zanaatkar öldüğünde kaçırdığını anlatıyordu.

Belirli bilme biçimlerinin, genellikle Yerli bilgisinin aleyhine olacak şekilde, küresel anlamda hakim konuma nasıl yükseldiğini anlamak için İtalyan filozof Antonio Gramsci tarafından geliştirilen kültürel hegemonya fikrine değinmek faydalı olur.

Gramsci, iktidarın yalnızca zor ya da ekonomik hakimiyet yoluyla değil, kültürel normların ve gündelik inançların şekillendirilmesi yoluyla da sürdürüldüğünü savunmuştu. Zaman içinde, kökleri Batı geleneklerine dayanan epistemolojik yaklaşımlar nesnel ve evrensel görülür oldu. Bu durum Batı kaynaklı bilgiyi standart olarak normalleştirdi ve bu bilginin yükselmesini sağlayan tarihsel ve siyasi güçleri gizledi. Okullar, bilimsel kuruluşlar ve uluslararası kalkınma örgütleri gibi kurumlar bu hakimiyetin pekişmesine yardımcı oldu.

Epistemolojiler sadece soyut ve bilişsel değildir. Bedenlerimiz ve deneyimlerimiz üzerinde doğrudan bir etkiye sahip olarak etrafımızdadır. Bunun nasıl olduğunu anlamak için, Dharan’ın canlandırmaya çalıştığı türden Yerli yapı uygulamalarıyla keskin bir tezat oluşturan tropik bölgelerdeki cam cepheli yüksek binalar örneğini ele alalım:

Tamamen nötr ya da estetik bir tercih olmaktan uzak olan cam binalar, kökleri Batı mimari modernizmine dayanan bir geleneği yansıtmaktadır. Başlangıçta daha soğuk ve az ışık alan iklimler için tasarlanan bu binaların, iç mekanlara bol miktarda gün ışığı girmesini sağlayarak ve yapay aydınlatmaya olan bağımlılığı azaltarak enerji verimliliği sağladığı düşünülmüş ve bu nedenle de övgüyle karşılanmıştır.

Bu tasarım tropikal bölgelerde uygulandığındaysa çevresel bir tezata dönüşmektedir. Araştırmalar, yoğun güneş ışığı alan yerlerde, cam cephelerin modern camlarla bile iç mekanlarda önemli ölçüde aşırı ısınmaya ve termal rahatsızlığa yol açtığını göstermektedir. Tropikal bölgelerde bu binalar enerji tasarrufu sağlamak yerine, içeriyi serin tutmak için daha fazla enerji kullanımı gerektirmektedir.

Yine de cam cepheler, iklim veya kültürel bağlamdan bağımsız olarak, San Francisco, Jakarta veya Lagos gibi şehirlerde kentsel modernitenin yüzü haline gelmiştir. İklimdeki bozulma hızlanırken, bu cam binalar parıldarken bizlere bilginin homojenleştirilmesinin tehlikelerini hatırlatıyor. İronik biçimde, ben de bu satırları Hindistan’ın güneyindeki Bengaluru’da bulunan böyle binalardan birinde yazıyorum. Kulaklarımda klimanın yumuşak uğultusu, serinlemiş havada oturuyorum. Dışarıda yağmur çiseliyor. Normal bir muson öğleden sonrası gibi görünüyor, ancak yağmurlar bu yıl haftalar önce geldi. Bu da artan iklim öngörülemezliğinin bir diğer işareti.

Yitirilen bilginin etkilerinin bir başka örneğini Bengaluru’da görüyorum: Su yönetimi. Bir şehir nasıl olur da Mayıs ayında otomobillerin sular altında kalmasına yol açan şiddetli sellere maruz kalırken, Mart ayında hanelerde kullanım için bile su bulmakta zorlanır? Kötü planlama ve kontrolsüz kentleşmenin bunda payı olmakla birlikte, sorunun epistemolojik kökleri de var.

Bengaluru bir zamanlar, birbirine bağlı bir dizi basamaklı gölden beslenen akıllı su yönetim sistemiyle ünlüydü. Yüzyıllar boyunca bu göller, su akışını kontrol eden ve adil dağıtımı sağlayan Neeruganti topluluğu (neeru Kannada dilinde “su” anlamına gelir) gibi kendini bu işe adamış gruplar tarafından yönetildi. Bu topluluklar yağmurlara bağlı olarak, çiftçilere hangi ürünlerin yetiştirileceği konusunda rehberlik ettiler ve genellikle su tasarrufu sağlayan ürünler önerdiler. Aynı zamanda depoların temizlenmesi, erozyonu önleyecek bitki örtüsünün ekilmesi ve su besleme kanallarının temizlenmesi gibi bakım işleriyle de ilgilendiler.

Ancak modernleşmeyle birlikte, topluluk liderliğindeki su yönetimi yerini merkezi sistemlere ve uzaktaki barajlardan ya da sondaj kuyularından sulama gibi bireysel çözümlere bıraktı. Hindistan’ın modern endüstriyel tarımı benimsediği 1960’ların sonundaki “Yeşil Devrim” de bu değişime katkıda bulunarak Batı laboratuvarlarında geliştirilen su ve gübre açısından yüksek maliyetli mahsulleri yaygınlaştırdı. Neerugantiler bir kenara itildi. Birçoğu başka işler aramaya yöneldi. Yerel göller ve kanallar azaldı. Hatta bazılarının üzerine yollar, binalar veya otobüs durakları inşa edildi.

Uzmanlar Bengaluru’yu su krizinden kurtarmanın yolunun bu göl sistemini yeniden hayata döndürmekten geçtiğini fark ettiler. Konuştuğum ve bu projelerin çoğunda yer alan bir sosyal hizmet uzmanı, sık sık Neeruganti toplumundan yaşlıların tavsiyelerine başvurduklarını söylüyor. Neerungantilerin görüşleri çok değerli, ancak ellerindeki yerel bilgiler yazılı değil ve su yöneticileri olarak oynadıkları rol uzunca bir süredir itibarsızlaştırılmış durumda. Bilgi yalnızca kendi ana dillerinde mevcut, sözlü olarak aktarılıyor ve yapay zekâ sistemleri bir yana, çoğunlukla dijital ortamlarda bile bulunmuyor.

Şu ana kadar verdiğim tüm örnekler kişisel yakınlığım nedeniyle Hindistan’dan alınmış olsa da bu tür hiyerarşiler oldukça yaygın ve kökleri emperyalizm ve sömürgeciliğin küresel tarihine dayanıyor. Yeni Zelanda yerli halklarından Māorili bir akademisyen Linda Tuhiwai Smith, Sömürgecilikten Arındırma Metodolojileri (Decolonizing Methodologies, 1999) başlıklı kitabında sömürgeciliğin toprak, dil, tarih ve sosyal yapılarla bağları kopararak yerel bilgi sistemlerini ve bunların üzerine inşa edildiği kültürel ve entelektüel temelleri derinden bozduğunu vurguluyor. Smith, bu süreçlerin nasıl tek bir bölgeyle sınırlı kalmadığını, bilginin nasıl üretildiğini ve değer kazandığını biçimlendirmeye devam eden daha geniş bir mirasın parçası olduğunu ortaya koyuyor. Günümüzün dijital ve GenAI sistemleri bu çarpık temel üzerine inşa edildi.

Bir süre önce Microsoft Research ile çalıştım ve Batılı olmayan toplumlar için inşa edilen çeşitli GenAI uygulamalarını inceledim. Bu yapay zekâ modellerinin kültürel bağlamları sıklıkla nasıl gözden kaçırdıklarını, yerel bilgiyi nasıl yok saydıklarını ve hedef topluluklarıyla nasıl uyumsuz olduklarını gözlemlemek, bana mevcut önyargıları ne ölçüde kodladıklarını ve marjinalleştirilmiş bilgiyi ne derece dışladıklarını gösterdi.

Aynı zamanda bu çalışma beni, modellerin içinde bu tür eşitsizliklerin oluşmasının teknik nedenlerini anlamaya daha da yaklaştırdı. Sorun, eğitim verilerindeki boşluklardan çok daha derin. LLM’ler tasarımları gereği, istatistiksel olarak en yaygın fikirleri yeniden üretme ve pekiştirme eğiliminde olup, erişilebilir insan bilgisinin kapsamını daraltan bir geri bildirim döngüsü yaratıyor.

Neden böyle? Bir LLM’deki bilginin iç temsiliyeti tekdüze değildir. Eğitim verilerinde daha sık, daha belirgin veya daha geniş bir bağlam aralığında ortaya çıkan kavramlar daha güçlü bir şekilde kodlanma eğilimindedir. Örneğin, geniş bir eğitim metninde pizzadan yaygın olarak favori yemek olarak bahsediliyorsa, “en sevdiğiniz yemek nedir?” diye sorulduğunda, modelin “pizza” cevabını vermesi daha olasıdır çünkü bu bağlantı istatistiksel olarak daha belirgindir.

Modelin çıktı dağılımı eğitim verilerindeki fikirlerin sıklığını doğrudan yansıtmaz. Bunun yerine, LLM’ler genellikle baskın kalıpları veya fikirleri orijinal oranlarını bozacak şekilde güçlendirir. Bu olgu “mod yükseltimi” olarak adlandırılabilir.

Eğitim verilerinin yüzde 60’ının pizza, yüzde 30’unun makarna ve yüzde 10’unun büryaniyi favori yiyecekler olarak gösterdiğini varsayalım. Aynı soru 100 kez sorulduğunda modelin bu dağılımı yeniden üretmesi beklenebilir. Ancak pratikte, LLM’ler en sık verilen cevabı aşırı üretme eğilimindedir. Pizza 60 kereden fazla görünebilirken, büryani gibi daha az sıklıkta görünen öğeler az temsil edilebilir veya tamamen göz ardı edilebilir. Bunun nedeni, LLM’lerin en olası bir sonraki “belirteci” (bir dizideki bir sonraki kelime veya kelime parçası) tahmin edecek şekilde optimize edilmesidir, bu da yüksek olasılıklı yanıtlara orantısız bir vurgu yapılmasına neden olur.

Bu dengesiz kodlama, GenAI modellerinin insan tercihlerine göre ince ayarının yapıldığı insan geri bildirimindeki pekiştirmeli öğrenme (RLHF) yoluyla daha da çarpık hale gelmektedir. Bu da kaçınılmaz olarak, modellerin içine yaratıcılarının değerlerini ve dünya görüşlerini katmaktadır. ChatGPT’ye tartışmalı bir konu hakkında soru sorduğunuzda, sizi memnun etmek için gereğinden fazla istekli davranan avukatlar ve İK uzmanlarından oluşan bir heyet tarafından hazırlanmış gibi görünen diplomatik bir yanıt alırsınız. Aynı soruyu X’in yapay zekalı sohbet robotu Grok’a sorduğunuzda ise alaycı bir esprinin ardından, bir teknoloji milyarderinin akşam yemeği partisine yakışır, siyasi içerikli bir yorumla karşılaşabilirsiniz.

Ticari baskılar ise bu duruma başka bir katman daha ekliyor. En kazançlı kullanıcılar, yani üst düzey yapay zekâ abonelikleri için aylık 20-200 dolar ödemeye hazır İngilizce konuşan profesyoneller, “süper zekâ” için örtük bir şablon haline geliyor. Bu modeller üç aylık raporlar üretme, Silikon Vadisi’nin tercih ettiği dillerde kodlama yapma ve Batılı şirket hiyerarşilerine uygun bir şekilde hürmetkar görünen e-postalar hazırlama konusunda mükemmel. Bu arada, üç aylık kazançlara çevrilemeyen kültürel bağlamlarda tökezliyorlar.

LLM’lerin ağırlıklı olarak Batılı kültürel değerleri ve epistemolojileri yansıttığını gösteren çalışmaların giderek artması şaşırtıcı gelmemeli. LLM’ler çıktılarında belirli baskın grupları aşırı temsil etmekte, bu grupların önyargılarını pekiştirmekte ve güçlendirmekte, Kuzey Amerika ve Avrupa ile ilişkili konularda olgusal olarak daha doğru sonuçlar vermektedir. Seyahat önerileri veya hikâye anlatımı gibi alanlarda bile, LLM’ler yoksul ülkelere kıyasla zengin ülkeler için daha kapsamlı ve ayrıntılı içerik üretme eğilimindedir.

GenAI, yalnızca mevcut bilgi hiyerarşilerini yansıtmıyor, insan davranışları GenAI ile değişeceği için, bu hiyerarşileri güçlendirme kapasitesine de sahip. Perplexity gibi yapay zekâ destekli arama motorlarının artan popülaritesi ile birlikte, arama motorlarına yapay zekâ genel değerlendirmelerinin entegrasyonu bu değişime işaret ediyor.

Yapay zeka (YZ) tarafından üretilen içerik interneti doldurmaya başladıkça, çevrimiçi ortamda zaten popüler olan fikirlere başka bir güç katmanı ekliyor. YZ modelleri için birincil bilgi kaynağı olan internet, bu modellerin ürettiği çıktılardan tekrar tekrar etkilenir hale geliyor. Her eğitim döngüsünde, yeni modeller giderek daha fazla YZ tarafından üretilen içeriğe bel bağlıyor. Bu durum, uzun soluklu veya niş bilgiler gözden kaybolurken baskın fikirlerin sürekli olarak güçlendirildiği bir geri bildirim döngüsü yaratma riski taşıyor.

YZ araştırmacısı Andrew Peterson bu olguyu “bilgi çöküşü” olarak tanımlıyor: İnsanların erişebileceği bilginin kademeli olarak daralması ve alternatif veya belirsiz bakış açılarına ilişkin farkındalığın azalması. LLM’ler önceki YZ çıktıları tarafından şekillendirilen veriler üzerinde eğitildikçe, yeterince temsil edilmeyen bilgi (değerden yoksun olduğu için değil, daha az sıklıkla alındığı veya alıntılandığı için) daha az görünür hale gelebilir. Peterson ayrıca, bir kişinin gece sokak lambasının altında kayıp anahtarlarını aradığı (çünkü ışığın en çok olduğu yer orasıdır) şakadan adını alan “sokak lambası etkisi” konusunda da uyarıda bulunuyor. Yapay zekâ bağlamında bu, insanların en anlamlı yerde değil de en kolay yerde arama yapması anlamına gelecektir. Bu da zamanla kamusal bilgi tabanının dejeneratif bir şekilde daralmasıyla sonuçlanacaktır.

GenAI dünya genelinde, öğrenme içeriği oluşturmak ve yapay zekâ eğitmenleri aracılığıyla kendi kendine eğitimi desteklemek için kullanılıyor ve örgün eğitimin de bir parçası haline geliyor. Örneğin, Bengaluru şehrine ev sahipliği yapan Karnataka eyalet hükümeti, okullarda ve kolejlerde yapay zekâ destekli bir öğrenme asistanı olan Khanmigo’yu kullanmak için ABD merkezli kâr amacı gütmeyen Khan Academy ile ortaklık kurdu. Khanmigo’nun, Karnataka’daki okul öğrencilerine su ekolojilerine nasıl sahip çıkacaklarını öğretmek için gerekli olan yerel bilgi ve uygulamaları temel alan yaşlı Neerugantis’in içgörülerine sahip olsa şaşırırdım.

Tüm bunların anlamı, yapay zekanın bilgiye erişim konusunda giderek daha fazla aracılık ettiği bir dünyada, gelecek nesillerin engin deneyim, içgörü ve bilgelik birikimiyle olan bağlarını kaybedebilecek olmaları. YZ geliştiricileri bunun sadece bir veri sorunu olduğunu ve eğitim veri setlerine daha çeşitli kaynakların dahil edilmesiyle bu sorunun çözülebileceğini iddia edebilir. Teknik olarak mümkün olsa da veri kaynağı bulma, önceliklendirme ve temsil etme zorlukları böyle bir çözümün işaret ettiğinden çok daha karmaşık.

Bu konu Asya ve Afrika’da 8 milyondan fazla çiftçiye hizmet veren bir yapay zekâ sohbet robotunun geliştirilmesinde yer alan üst düzey bir yöneticiyle yaptığım bir konuşmadan sonra ağırlık verdiğim bir konu oldu. Bu sistem, çoğunlukla araştırma literatürüne dayanma eğiliminde olan hükümet tavsiyeleri ve uluslararası kalkınma kuruluşlarının veri tabanlarına dayalı tarımsal tavsiyeler veriyor. Görüştüğüm yönetici, etkili olabilecek pek çok yerel pratiğin, araştırma literatüründe belgelenmemiş olması nedeniyle hala sohbet yanıtlarının dışında kaldığını kabul ediyor.

Bunun gerekçesi araştırma destekli önerilerin daima doğru ya da risksiz olması değil, bir şeylerin yanlış gitmesi halinde savunulabilir bir pozisyon sağlaması. Bu kadar büyük bir sistemde, kabul görmüş kaynaklara dayanmak daha güvenli bir yol olarak görülüyor ve kurumu sorumluluktan koruyor ama aynı zamanda da kurumsal kanallardan geçmemiş bilgileri bir kenara itiyor. Yani karar sadece teknik bir karar olmanın ötesinde. En faydalı olanın ya da doğrunun ne olduğundan bağımsız olarak, yapısal bağlamın şekillendirdiği bir taviz.

Bu yapısal bağlam sadece kurumsal tercihleri şekillendirmiyor. Kâr amacı gütmeyen Sürdürülebilir Tarım ve Çevresel Gönüllü Eylem (Seva) adlı sivil toplum kuruluşunun kurucusu Perumal Vivekanandan ile yaptığım görüşmede dinlediğim türden zorlukları da şekillendiriyor. Vivekanandan’ın deneyimleri, Yerli bilgisini meşrulaştırmak için çalışanların karşılaştığı zorlu mücadelenin altını çiziyor.

1992 yılında Hindistan’da kurulan Seva, tarım, hayvancılık ve tarımsal biyoçeşitliliğin korunması alanlarında Yerli bilgisinin korunmasına ve yaygınlaştırılmasına odaklanıyor. Vivekanandan yıllarca köy köy dolaşarak 8.600’den fazla yerel pratik ve uyarlamayı kayıt altına aldı.

Bu çalışma hala sistemik engellerle karşı karşıya. Potansiyel fon sağlayıcılar, Seva’nın yaymaya çalıştığı bilginin bilimsel meşruiyetini sorgulayarak sık sık desteklerini esirgiyor. Seva bu bilginin doğrulanmasına yardımcı olmak için üniversitelere ve araştırma kurumlarına başvurduğunda da genellikle katılım için yeterli teşvikin olmadığı yanıtını alıyor. Hatta bazıları Seva’nın doğrulama çalışmalarını kendisinin finanse etmesini öneriyor. Bu da bir açmaz yaratıyor: Doğrulama olmayınca Seva destek almakta zorlanıyor; destek olmadan da doğrulamayı karşılayamıyor. Bu süreç daha derin bir sorunu görünür kılıyor: Yerli bilgisini tarihsel olarak değersizleştiren sistemler içinde bu bilgiyi geçerli kılmanın yolunu bulmak.

Seva’nın hikayesi, GenAI’nin yerel bilginin silinmesini hızlandırdığını ancak silmenin temel nedeni olmadığını gösteriyor. Yerel ve Yerli bilgisinin marjinalleştirilmesi yerleşik iktidar yapıların işin içinde olduğu uzun bir süreç. GenAI’ysa yalnızca bu süreci daha da hızlandırıyor.

Yerli bilginin kaybını, genellikle sadece ona sahip olan yerel topluluklar için bir trajedi olarak görürüz. Oysa, bu kayıp, nihayetinde sadece yerel toplulukların değil, tüm dünyanın kaybıdır.

Yerel bilginin ortadan kalkması sıradan bir kayıp değildir. Hem insani hem de ekolojik refahı sürdüren daha geniş bir anlayış örgüsünün bozulmasıdır. Tıpkı biyolojik türlerin belirli yerel ortamlarda gelişmek üzere evrimleşmesi gibi, insan bilgi sistemleri de mekânın özelliklerine uyarlanmıştır. Bu sistemler bozulduğunda, sonuçlar ortaya çıktıkları noktanın çok ötesine uzanabilir.

Orman yangınının dumanı, sınırı aşan posta kodlarını umursamaz. Kirli su eyalet sınırlarında durmaz. Yükselen sıcaklıklar ulusal sınırları yok sayar. Bulaşıcı mikroplar vize sürelerini beklemez. Kabul etsek de etmesek de yerel yaraların kaçınılmaz olarak küresel ağrılara dönüştüğü ortak ekolojik sistemlerle iç içeyiz.

Bu makaleyi yazarken benim için en büyük çelişki, okuyucuları yerel bilgi sistemlerinin meşruiyeti ve önemi konusunda ikna etmeye çalışırken, bizzat kendimi babamın bitkisel karışımları konusunda ikna edememiş olmamdır. Bu belirsizlik, burada savunduğum her şeye ihanet gibi geliyor. Yine de belki de tam da böyle dürüst bir karmaşıklık içinde yol almamız gerekiyor.

Yerli bilgisinin her durumda, iddia edildiği gibi gerçekten işe yarayıp yaramadığı konusunda şüphelerim var. Özellikle de fenomenler ve politikacılar beğeni toplamak ya da kimlik politikalarını istismar etmek için yüzeysel olarak bu bilgiye başvurduklarında ve samimi bir sorgulama yapmadan yanlış bilgi ürettiklerinde. Bununla birlikte, yok olmasına izin verme konusunda da aynı derecede ihtiyatlıyım. Değerli bir şeyi kaybedip kıymetini çok sonra anlayabiliriz. Peki bu sürecin getireceği tali zarar ne? Önleyebileceğimiz ekolojik bir çöküş mü?

İklim krizi, hâkim bilgi paradigmalarımızdaki çatlakları açığa çıkarıyor. Ancak aynı zamanda, yapay zekâ geliştiricileri teknolojilerinin bilimsel ilerlemeyi hızlandıracağına ve en büyük sorunlarımızı çözeceğine ikna olmuş durumda. Haklı olduklarına inanmayı gerçekten isterim. Ama cevap bekleyen sorular var: Bu teknolojik geleceğe doğru ilerlerken, göz ardı ettiğimiz bilgi sistemleriyle, göstermelik olmanın ötesinde gerçek bir merakla, özgün bir şekilde etkileşime geçebilecek miyiz? Yoksa inşa ettiğimiz hiyerarşiler aracılığıyla anlayış biçimlerini silmeye devam ederek kendimizi Mars’ı kolonileştirmek için çabalarken mi bulacağız? Zira yeryüzünde sürdürülebilir bir şekilde nasıl yaşanacağını bilenleri dinlemeyi hiç öğrenemedik.

Belki de en çok ihtiyaç duyduğumuz zekâ, hangi bilginin önemli olduğunu belirleyen hiyerarşilerin ötesini görebilme yeteneğidir. Bu zemin olmadan, süper zekâ geliştirmek için istersek yüz milyarlarca dolar harcayalım, geliştirilmesi nesiller süren bilgi sistemlerini ortadan kaldırmayı sürdüreceğiz.

Babamın bitkisel karışımlarının işe yarayıp yaramadığını bilmiyorum. Ama başlamamız gereken en doğru yerin bilmediğimi kabul etmek olabileceğini öğreniyorum.

Bu yazı The Guardian’da yayınlanmış ve Evrim Yaban Güçtürk tarafından Perspektif için çevrilmiştir.