Dönüştürücü bir yenilik söz konusu olduğunda bu yeniliğin bize nelere mal olacağı en baştan hemen kendini belli eder ama anlaşılması asıl güç olan, uzun vadede ne gibi kazançlar getireceğidir.
Yazarın notu: Bu yazıyı yazarken Claude’dan yardım aldım. Metnin taslağı ve içeriğindeki pek çok fikir ortak çalışmanın ürünü. Zira mevcut çalışma usullerim ve anlayışım, yapay zekânın sunduğu olanaklar sayesinde ve tam da tartışacağımız argümanın özüne temas edecek biçimde değişti.
1846 yılından önce bir cerrahın yapabileceklerinin sınırı, bilinci yerinde olan bir hastanın tahammül edebileceği acıyla sınırlıydı. Hastalar, doktora yardım etmekle görevli olan hasta bakıcılar tarafından sabit tutulur, bu da yeterli gelmezse kol ve bacaklarından ameliyat masasına bağlanırdı. (Öyle ki, annem 1960’ların başında bademcik ameliyatı olmuştu ve uygulanan usul hemen hemen bu şekildeydi.) Cerrahların itibarıysa yapılması gerekenlerin ne denli hızlı yapıldığıyla ölçülürdü çünkü bilinci açık olan hasta, ameliyatın her bir saniyesinde dayanılması güç acılar çeker, bu da ameliyatların uzuv kesilmesi, apse boşaltılması ya da görünür tümörlerin alınması gibi vücudun üst yüzeyindeki işlemlerle sınırlı kalmasına neden olurdu. Zira bilinci açık bir hastanın göğüs, karın boşluğu ya da kafatası boşluklarının içinde gerçekleşecek uzun süreli bir müdahaleye dayanması mümkün değildi.
Eter ve kloroformun bilinç üzerindeki etkilerinin keşfedilmesiyle birlikte tartışmalar baş gösterdi. Amerika ve İngiltere tıp camiasındaki en saygın isimlerden bazıları, hastaları bilinçsiz hale getirmenin dönüşü olmayan klinik hatalara neden olacağını savundu. O sıralar Amerika Tabipler Birliği’nde başkan yardımcısı olan ve aynı zamanda Ohio Tıp Fakültesi’nde çalışan John Pollard Harrison, 1849 yılında yazdığı bir yazıda ağrının iyileştirme gibi işlevleri olduğunu, ağrı sayesinde yaşam fonksiyonlarının devam ettiğini ve ağrının yol açtığı uyarı olmaksızın cerrahi müdahalelerin genellikle ölümle sonuçlanacağını savundu. Philadelphia Jefferson Tıp Fakültesi obstetrik kürsüsü başkanı Charles Meigs ise kadınların çektiği doğum sancılarına odaklanarak bu sancıların, yaşam gücünün yararlı, koruyucu ve arzu edilen bir tezahürü olduğunu belirtti.
Öte yandan bir grup cerrah da, bilincin açık olması sayesinde hastaların gerçek zamanlı geri bildirimde bulunabildiğini, bunun da ameliyat edilen bölgenin doğruluğunun onaylanması ya da ameliyat esnasında karar alma süreçlerine yardım edilmesi gibi pek çok faydasının olduğunu savundu. Zaman içinde raporlar birikti, güvenlik endişeleri arttı, 1864 yılında Kraliyet Tıp ve Cerrahi Derneği’nin kloroform sebebiyle yüz yirmi üç hastanın ölümünü raporlamasıyla birlikte yaşanan tereddüt doruğa ulaştı. Bütün bunlardan ötürü anestezinin ilk yıllarında uygulamaya muhalefet edenlerin sayısı oldukça fazlaydı ve itirazların neredeyse tamamı gerçek vakalara dayanıyordu.
Fakat bütün bu karşıt görüşlerin o zamanlar henüz farkında olmadığı şey, anestezinin varlığı sayesinde açık kalp ameliyatı, organ nakli gibi ileri tedavi uygulamalarının mümkün hale geleceği ve modern cerrahinin temellerinin bu sayede atılacağıydı. Yani anesteziden elde edilen fayda, o an cerrahın işini daha kolay yapması değil, 1846 yılından bakıldığında hayal dahi edilemeyecek imkânlar ortaya çıkarmasıydı.
Bu tür durumlarda belli bir yapı gözlemlenir. Ortaya çıkan herhangi bir yenilik, beraberinde incelikle hesaplanmış maliyetleri de getirir çünkü değiştirmeyi vaat ettiği uygulamanın içinden bakıldığında, elde edilecek fayda gayet açık ve ölçülebilirdir. Buna karşın gerçek kazanım, değerlendirme esnasında henüz mevcut olmayan uygulamalara, kurum ve kavramlara dayanır. Alanında uzman eleştirmenlerse bu maliyetleri detaylı bir biçimde kayıt altına alır çünkü bu tür maliyetler, miras aldıkları değerlendirici terminolojinin tam da ölçmek üzere tasarlandığı şeylerden oluşur. Böylesi kritik anlarda faydaları kavrayacak ve şeffaf bir biçimde ortaya koyabilecek herhangi bir değerlendirmeyse mümkün olmaz. Zira bunları tanımlamak için gereken ancak henüz ortada olmayan terminoloji, bizzat uygulamanın kendisiyle birlikte oluşur.
Fonografı ele alalım. Amerikalı besteci John Philip Sousa kariyerinin zirvesindeyken Appleton’s Magazine’de yazdığı 1906 tarihli bir yazıda, fonografın amatör müzisyenlerin sonunu getireceğini iddia etmişti. Sonraki yarım yüz yıl içinde Sousa’nın da belirttiği (ve haklı çıktığı üzere) salon piyanosu tamamen ortadan kalktı. Fakat o zamanın şartlarıyla düşünecek olursak kayıt stüdyosuyla gelen yaratıcı yenilikler, çok kanallı beste yapma imkânı ve varlığını kaydedilmiş seslere borçlu olan bütün müzik türleri hayal dahi edilemezdi. Çünkü bunların tamamı kayıt ortamının bizzat var etmesi gereken pratiklere, teknolojilere ve estetik kategorilere dayanıyordu ve ancak bu ortamın oluşmasıyla birlikte dile getirilebilirdi.
Elektrikli aydınlatmadan transistöre uzun bir yol uzanıyor. Üstelik bu yol 1885 yılında henüz mevcut olmayan buluşlardan ve hatta bilim dallarından geçiyor ve elbette 1880’lerin aydınlatma tartışması içinden görülmesine imkân yok.
Söz konusu durum, yer değiştirmenin daha yaygın ve zor gözlemlenebilir olduğu altyapısal örneklerde de mevcut. 1880’li yıllarda mühendisler elektrikli aydınlatmayla gazı karşılaştırıp elektriği daha zayıf bir kaynak olarak nitelediklerinde haklıydılar. Ancak bu karşılaştırmanın kavrayamadığı şey, elektriği iletmek için inşa edilen altyapının –jeneratörler, iletim ve dağıtım hatları– zamanla çok daha geniş bir elektronik medeniyetin zemini, yani telefon, radyo, bilgisayar ve tv yayıncılığı gibi teknolojiler için bir temel haline geleceğiydi. Başka bir deyişle, elektrikli aydınlatmadan transistöre uzun bir yol uzanıyor. Üstelik bu yol 1885 yılında henüz mevcut olmayan buluşlardan ve hatta bilim dallarından geçiyor ve elbette 1880’lerin aydınlatma tartışması içinden görülmesine imkân yok.
Aslında tartışma bütün bu örneklerin hepsinden daha eskiye dayanıyor. Platon’un Phaidros adlı eserinde Thamus, yazının hafızayı aşındıracağı konusunda uyarıda bulunur. Pek haksız da sayılmaz, zira yazılı kayıtların uzun yıllardır ezberlenegelen sözlü geleneklerle yer değiştirmesi gerçek bir kültürel dönüşüme tekabül eder. Thamus’un –henüz bunu ifade edecek kelimeler olmadığı için– üzerine söz söyleyemediği şeyse yazılı referanslara dayanan birikim temelli akademik gelenek, sembolik gösterimin geliştirilmesini zorunlu kılan biçimsel mantık ve kanıtlama yöntemleri, kısacası yalnızca yazının mümkün kıldığı uzun kayıtlardan oluşan deneysel bilimdi.
Bugün aynı örüntüyü yapay zekâ üzerinden gerçek zamanlı olarak tartışıyoruz. Yapay zekâya yöneltilen eleştirilerse duruma elbette mevcut pratikler içinden bakıyor ve Thamus’un uyarıda bulunma ihtiyacı hissettiği mekanizmanın hemen hemen tıpkısı. Herhangi bilişsel bir işlem, beyin dışındaki bir aygıt tarafından güvenilir bir biçimde gerçekleştirildiğinde beynin o işleve yönelik kapasitesi kullanılmadığı için zayıflar ve nihayetinde körelir. Mesela aradığı herhangi bir şeyi Google aracılığıyla bulabileceğini bilen kişinin bilgiyi hafızasında tutamaması ya da sürekli GPS kullanmayı alışkanlık haline getiren kişilerin hipokampüsün işlevlerine bağlı uzamsal navigasyonda ölçülebilir bir beceri düşüşü göstermesi bunun en iyi örnekleri arasında. Büyük dil modelleri önemsiz bilgileri akılda tutma ya da yön bulmadan çok daha kapsamlı bilişsel işlemleri otomatikleştirdi. Dolayısıyla yapay zekâ kullanımında aynı mekanizmanın devreye girmeyeceğini düşünmek, işin doğrusu biraz hayalperestlik olur.
Yapay zekâ araştırmacısı Hamsa Bastani ve ekibinin, lise öğrencilerinden oluşan bin kişilik bir katılımcı grubuyla yaptığı araştırmadaysa yapay zekâ kullanan öğrencilerin, kullanmayanlara nazaran sınavlarda %17 daha düşük performans gösterdiği…
Üstelik şu an yaşadığımız durumun tam anlamıyla bu olduğunu gösteren pek çok araştırma var. Örneğin bilim insanı Nataliya Kosmyna ile meslektaşlarının gerçekleştirdiği 2025 tarihli bir araştırmada makale yazımı esnasındaki beyin aktiviteleri gözlemlendi ve ChatGPT kullanan katılımcıların, kullanmayanlara göre önemli ölçüde zayıf sinirsel bağlantılar sergilediği ve yapay zekâ kullanan katılımcılardan yardım almaksızın yazmaları talep edildiğinde, aynı durumun devam ettiği ortaya kondu. Yapay zekâ araştırmacısı Hamsa Bastani ve ekibinin, lise öğrencilerinden oluşan bin kişilik bir katılımcı grubuyla yaptığı araştırmadaysa yapay zekâ kullanan öğrencilerin, kullanmayanlara nazaran sınavlarda %17 daha düşük performans gösterdiği, buna karşın doğrudan yanıt vermek yerine öğrenme süreçlerini destekleyecek biçimde öğrenciyi araştırmaya iten farklı bir yapay zekâ versiyonlarının bu tarz bir kayba yol açmadığı tespit edildi. Judy Hanwen Shen ve Alex Tamkin’in yeni bir Python kütüphanesi öğrenen yazılım mühendisleriyle yaptığı deneydeyse yapay zekâ kodlama asistanı kullanan mühendislerin, kullanmayanlara nazaran hata ayıklama ve kavramsal anlama sorularında belirgin şekilde daha düşük puan aldığı raporlandı. Elena Hayoung Lee ve arkadaşlarının araştırması, pasif yapay zekâ kullanımının –katılımcıların doğrudan yapay zekâ çıktısını kopyaladığı durum– kişinin kendi yeteneklerine olan güvenini ve işe yüklenen anlamı zedelediğini, buna karşın aktif iş birliğinin, yani kişinin önce taslağı oluşturup sonra bunu yapay zekâ yardımıyla geliştirmesinin, her iki niteliği de muhafaza ettiğini gösterdi.
Bunlar, detaylı araştırmalar yürüten kişilerce ortaya konmuş ciddi bulgular ve aynı zamanda geçmişte tıp alanında yapılan anestezi tartışmalarının yapay zekâ alanındaki karşılığı. Ellerindeki veriyi derinlemesine inceliyor, ne var ki bundan sonra gerçekleşecek olan ve belki de hayati önem taşıyan şeyleri öngöremiyorlar. Yapay zekâ, yeniliklerin getireceği değişimi anlayamam asimetrisinin çok bariz, muhtemelen de bugüne kadar görülen en kapsamlı örneklerinden biri.
Şimdi kendi pratiğime ve bilişsel becerileri körelttiği söylenen yapay zekâ araçlarıyla iki yıl çalıştıktan sonra neler elde ettiğim meselesine dönmek istiyorum. Tabii şu da var, tek kişinin deneyimi elbette sağlam bir kanıt sayılmaz. Üstelik bu yazının hemen hemen yarısında, elde edilen kanıtların niçin özenle ve öngörülü bir biçimde incelenmesi, değerlendirilmesi gerektiğini anlattım ve şu an kendi deneyimime dayanmakta bir hayli çekimserim. Ne var ki, bahsettiğim deneyimin şekli –ne kadar genellenebilir olduğundan bağımsız tutulmak kaydıyla– doğrudan bu argümanla ilgili.
Bu çalışmaya başladığımda gayet sıradan şeyler bekliyordum: daha hızlı bir literatür taraması, daha muntazam taslaklar, akademik yazım sürecinin mekanik kısımlarına ayrılan sürenin kayda değer bir biçimde azalması. Evet, bütün bu kazanımları elde ettim ancak hikâyenin en ilginç bölümü bunlar değildi. Yapay zekânın sunduğu olanaklarla çalışmaya başlamadan önce üzerine araştırma yapacağım konuyu irdelemek haftalar sürüyordu. Önce umut vaat eden bir konu bulduğumu düşünür, ona uygun bir biçimde günlerce okuma yapar, ilk argümanımı kurgular, ardından başka bir meseleyle karşılaşır ve iki ya da üç hafta sonra da bu yeni meselenin peşine düşmeye değip değmediğine karar verirdim. Ele aldığım meselenin üzerinde durmaya değmediğini keşfetmenin maliyetiyle gerçekten anlamlı olduğunu keşfetmenin maliyeti arasında pratik açıdan herhangi bir fark yoktu ve aradaki farkı anlayabilmek için ciddi anlamda emek ve zaman harcamak gerekiyordu. Şöyle düşünün, haftalarca bir konu üzerine kafa patlatıyor, araştırmanızı yapıp argümanınızı kuruyorsunuz ve ansızın aynı meselenin 2019 yılında yayımlanmış bir makalede tartışıldığını görüyorsunuz. Gerçekten çok can sıkıcı. Geçirdiğiniz onca süreyi faydalı olarak nitelemek bir yana, doğrudan zaman kaybı olarak algılarsınız. Ve aynı şeyle tekrar karşılaşabileceğinizi bilmek, insanın akademik çalışma yapma hevesini neredeyse yok eder.
Yapay zekâ kullanımının bana getirisiyse bahsettiğim bu ilk inceleme ve araştırma külfetinin ortadan kalkmış olmasıydı. Bir argümanı taslak halinde ortaya koyabilir, söz konusu argümana yöneltilebilecek ilk itirazları tespit edebilir, kritik olup olmadıklarını test edebilir ve bütün bunlar için iki hafta harcamak yerine bir gün içinde bir karara varabilirdim. Kulağa basit bir hızlanma meselesi olarak gelebilir ama asıl etkiyi, neyi bırakmaya gönüllü olduğum noktasında kendini gösterdi. İki ya da üç hafta boyunca bir konu üzerinde çalışıp sonra ondan vazgeçmekle tek bir öğleden sonranızı harcadığınız konudan vazgeçmek arasında ciddi farklar var. Harcadığınız emek ve yüklendiğiniz külfet ortadan kalktığı zaman size fayda sağlamayacak konuları geride bırakmaya daha yatkın oluyor, dolayısıyla daha verimli meselelere eğilme şansı yakalıyorsunuz.
En çok gelişen ve var olabileceğini asla akıl edemeyeceğim beceriyse “konu bulma” olarak niteleyebileceğim, hem önem arz eden hem de üzerinde çalışmaya uygun olan meseleleri bulma becerisiydi. Yani akademik kariyer dediğimiz olgunun büyük ölçüde dayanağını oluşturan ve bildiğim kadarıyla hiç kimsenin doğrudan öğretmediği, doğrudan öğrenilmeyen bir beceri.
Fakat yapay zekâ kullanmanın bana nelere mal olduğunu da dürüstçe belirtmem gerek. Öncelikle, bir seminer ya da tartışma esnasında –yani kısmen de olsa baskı altındayken– karmaşık bir görüşü bütünlüklü bir biçimde savunma yeteneğim muhtemelen hiç ilerlemedi, hatta geriledi. Başlangıçta yaptığınız ön inceleme ve araştırma ne kadar kısalırsa bir argümanı oluşturmak için harcadığınız zaman da o kadar azalır. Oysa bir argümanı temelden kurmak demek, doğrudan karşılıklı konuşma esnasında ortaya çıkabilecek sorulara yanıt üretmek ve çıkmazları ortadan kaldırmak anlamına gelir. Arkadaşlarım bu açıdan beni bol bol uyardılar ve haklıydılar. Yine de ortaya çıkan ihtilafın kendisi bile öğretici: O an bulunduğum noktadan neleri kaybettiğimi ânında fark edebiliyordum ama neleri kazandığımı ancak aylar sonra anlayabildim.
Bu faydayı dile getirebiliyor olmam, bir bakıma kendi argümanımın en güçlü versiyonuna karşı bir kanıt niteliğinde ve bunu açıkça belirtmem gerek. Şu an adını koyabildiğim her şey, çoktan anlaşılmaz olandan anlaşılır olana geçmiş durumda. Fakat hiç kimse bana, büyük dil modelleriyle çalışmanın araştırma pratiğimi bu denli geliştireceğini söylememişti. Ve burada üzerinde durmam gereken incelikli bir mesele daha var: Düşünme biçimimin yapay zekâ araçlarından nasıl etkilendiğini anlatmak için kullandığım dil, aslında bu araçlarla çalışmamın bir neticesi. Öte yandan şu an benim deneyimimi okuyan okurun bakış açısı da bizzat bu teknolojiler tarafından şekillendiriliyor. Fakat bütün bunların varlığı, elbette anlatabildiğim kadarını anlatma yükümlülüğümü ortadan kaldırmıyor. Zira tarif etmeye çalıştığım asimetri, dışarıdan bakılan değil, içinde bulunduğumuz bir gerçeklik.
Daron Acemoğlu’nun Dingwen Kong ve Asuman Özdağlar ile birlikte yaptığı bir çalışma, insanların normal şartlar altında tek başına aldığı kararları yapay zekâya devretmesi durumunda ortaya çıkacak senaryoyu matematiksel bir modelle inceledi.
Üstelik yönetişim bilimleri açısından da birtakım sonuçları var çünkü bahsettiğim asimetri, yalnızca yapay zekâyla ne yapacağına karar veremeyen bireysel kullanıcının karşılaştığı bir sorun değil, aynı zamanda –kurumsal rolü gereği– kararlarına dayanak sunmak zorunda olan her bir yönetişim aktörünün konumunu da etkiliyor. Nitekim özen yükümlülüğü bulunan bütün düzenleyici kurumlar, ölçülemeyen fayda olasılıklarındansa belgelenebilir maliyeti tercih eder ve aynı kör nokta kendini yapısal teori açısından da gösteriyor.
Bu da en iyi niyetli biçimsel modellemelerin bile aynı kör noktayı yeniden üretesine neden oluyor. Örneğin 2024 Nobel Ekonomi Ödülü sahibi Daron Acemoğlu’nun Dingwen Kong ve Asuman Özdağlar ile birlikte yaptığı bir çalışma, insanların normal şartlar altında tek başına aldığı kararları yapay zekâya devretmesi durumunda ortaya çıkacak senaryoyu matematiksel bir modelle inceledi. Model, gerçek ve kayda değer bir mekanizmayı ortaya çıkardı: İnsanların karşılaştıkları problemlere kendi başlarına çözüm üretmeleri, yan ürün olarak bilgiyi beraberinde getiriyor ve bu bilgi, herkesin faydalanabildiği ortak bir havuzda birikiyor. Yapay zekâya başvurmak bireylere daha nitelikli ve daha hızlı cevaplar sunsa da, eş zamanlı olarak o ortak havuzu besleyen bilişsel emeği ortadan kaldırıyor. Acemoğlu ve meslektaşlarının çıkardığı modele göre bu durum, bireysel kullanımla sınırlı kalsa dahi kolektif bilgi tabanının daralacağına işaret ediyor. Sunulan çözüm önerisiyse bilgi stoğunun kendini yenileyebilmesi için yapay zekânın bilinçli bir biçimde kısıtlanarak insanların kendi işlerini kendilerinin yapmasını sağlamak.
Model oldukça zekice oluşturulmuş ve ortaya koyduğu mekanizma da gayet gerçek ancak ele aldığı bilgi kategorileri daha en baştan sabitlenmiş durumda. Mesela yetkin bir sistemle sürekli etkileşim halinde olmanın, önceki kategorilerle açıklanamayacak türde yeni beceri türleri ortaya çıkarma ihtimali model tarafından ele alınmıyor. Dolayısıyla bu model, bilinmesi gereken şeylerin değiştiği bir dünya resmedilebilir ama bilmenin anlamının değiştiği bir dünya resmedemez. Bu çok önemli bir husus çünkü bir yenilik ne zaman mevcut pratikleri dönüştürmeye başlasa hemen hemen aynı durum yaşanır. Ampirik bulgular da aynı noktayı işaret ediyor. Literatürdeki başarılı sonuçlara baktığımızda, bunların sistemsel kapasite düşürülerek değil, halihazırda kendini kanıtlamış bir sistemin kullanım koşulları çeşitlendirilerek elde edildiğini görüyoruz. Kısıtlama tezi doğru çıkabilir ama tezin ardındaki teorik çerçeve, söz konusu kısıtlama haklı olsun ya da olmasın, onu destekleyen ve büyüten bir noksanlığı da beraberinde getiriyor.
Şayet bir okur kurmuş olduğum argümanı şu aşamaya kadar izlediyse izah ettiğim asimetrinin çiftli yönlü olup olmadığından da kuşkulanabilir. Zira yetişkin bir insanın aklı kendiliğinden gelişir ve zamanla kimsenin önceden tahmin edemeyeceği yargı biçimleri ortaya koyabilir. Nasıl ki iki yüz yıl önceki düşünür, bugünkü düşünürün kavramsal repertuarını öngöremezse 1846 yılındaki bir cerrah da, açık kalp ameliyatının mümkün olabileceğini düşünemezdi. Dolayısıyla yetkin bir aklın gelişim göstereceği sınırları ortadan kaldırmak, şu an için anlam ifade etmeyen olasılıklar alanını da ortadan kaldırmak anlamına gelir. İncelikli bir itiraz ancak pek yerinde değil çünkü iki farklı ortaya çıkış biçimi birbirine karışıyor.
Olgun aklın paradigma değiştiren bir teknoloji olmaksızın deneyimlediği her bir gelişme –önceden ne denli kestirilmez olursa olsun– mevcut kavram dağarcığı sayesinde yönü belirlenebilen ve süreklilik arz eden düz bir hat üzerinde ilerler. İki yüzyıl önce yaşamış olağanüstü dikkatli bir zihin, bugünkü muhatabının yürüdüğü yolu az da olsa öngörebilirdi. Paradigma değiştiren teknolojilerse farklı bir tür dönüşüm yaratır ve en baştan düzenlediği pratiklerin, halihazırda mevcut olan gidişatlarının dışında yer alan bir olasılıklar alanı açar. Tarif ettiğim anlaşılırlık asimetrisi, işte tam olarak bu vakalarda geçerli olan asimetridir.
Fakat bu mesele, geri bildirim döngüsüyle daha da ağırlaşır çünkü kısıtlama, faydayı görünür kılacak deneyleri daha en baştan engeller. Böylece kısıtlama sonrasında elde edilen veriler tek taraflı kalmaya devam eder ve sanki alınan ilk karar doğruymuş gibi bir izlenim oluşur. Mesela üniversitelerde öğrencilerin yapay zekâyı kullanması yasaklanırsa yapay zekâyla yapılan öğrenim faaliyetindeki hangi yöntemlerin derin düşünme sürecini baltaladığı, öte yandan hangi yöntemlerin bu süreci korurken entelektüel açılımlara imkân tanıdığı hiçbir zaman keşfedilemez. Üstelik söz konusu keşfin yokluğu, yapay zekâyı yasaklayan her tür kanıtı da doğru bir tercih gibi gösterir.
Madem ki faydaları öngöremiyoruz, o zaman farklı bir kritere ihtiyacımız var. Bence burada geçerli olan ölçüt, bir kararın yanlış çıktığı durumda geri alınıp alınamayacağı.
Böyle bir soruya yanıt vermek göründüğünden çok daha güç. Bir açıdan geri alınabilir görünen bir şey, başka bir açıdan geri alınamaz olabilir. Bilişsel bir kapasite, yıllarca kullanılmasa dahi sonradan yeni bir eğitimle geri kazanılabilir. Ancak bu eğitimi mümkün kılan kurumlar, programlar, danışmanlık kanalları ve ilgili becerilerin yaparak aktarıldığı çalışma toplulukları –kişinin o temel beceriyi yeniden öğrenip öğrenmeyeceğinden bağımsız olarak– kendi zaman çizelgelerine göre farklı alanlara kaymış olabilir. Bu kurumların yokluğuysa onları var eden insanların yokluğu anlamına gelir ve yeniden öğrenme sürecini inşa edecek bilgi birikimi de onlarla birlikte kaybolur.
Manuel yöntemlerden vazgeçilebilir ancak vazgeçilen sisteme dönüşü mümkün kılan bilgi birikiminin korunması gerekir.
GPS’in yaygınlaşmasıyla birlikte ABD donanması, navigasyon eğitimini müfredattan çıkardı ama aradan geçen on yıllık sürede bazı müdahalelerin GPS’i yanıltabileceği, karıştırabileceği ya da herhangi bir saldırı anında GPS’in devre dışı kalabileceği fark edilince bu kararın gerçek bir zafiyet olduğu anlaşıldı. 2015 yılında navigasyon yeniden müfredata dahil edildi ancak söz konusu dönüşü mümkün kılan, New York, Kings Point’teki ABD Ticaret Denizcilik Akademisi’nin eski usullerde çalışmaya devam etmesiydi çünkü hâlâ bu beceriye sahip eğitmenler vardı, ders kitaplarıysa yerli yerinde duruyordu. O zamanlar donanmanın yeni öğrendiği, havacılık sektörününse kendi başına ayırdına vardığı temel ilke şuydu: Manuel yöntemlerden vazgeçilebilir ancak vazgeçilen sisteme dönüşü mümkün kılan bilgi birikiminin korunması gerekir.
Maliyetlerin makul bir biçimde geri kazanılamaz olduğu, gelişim fırsatlarının sonsuza dek kapandığı ya da bir sorunu fark etme becerisinin bağlı olduğu yetiyle birlikte kaybolduğu durumlarda söz konusu asimetri, tedbiri elden bırakmak için herhangi bir gerekçe oluşturmak yerine kısıtlama yönündeki eğilimi kuvvetlendirebilir. Zira kanıt havuzuna baktığımızda dönüşü mümkün olmayan bir kaybın karşısına koyabileceğimiz herhangi bir değer olmaz. Buna karşın maliyetlerin, uygulanabilir kurumsal düzenlemeler vasıtasıyla eskiye döndürülebildiği durumlarda sırf görünen zararlara bakıp bazı kısıtlamalar getirmek, o an için henüz ölçülemeyen faydaları en baştan yok saymak anlamına gelir.
Bu teknolojilere ilişkin en sağlıklı değerlendirmelerse şu an bizim sahip olmadığımız kavramsal dağarcığa sahip insanlar tarafından yapılacak. Asıl mesele, şu aşamada nasıl bir yol izlememiz gerektiği. Tek tip kısıtlama, yapay zekâ destekli mesleki yetkinliğin neye benzeyeceğini bildiğimiz iddiasına dayanıyor. Oysa eldeki kanıtlara göre henüz bilmediğimiz, farkında dahi olmadığımız faydalar ortaya çıkabilir. Buna karşın mevcut araştırmaların odaklandığı alanlar, ispat yükünün yapay zekânın yol açacağı yenilikleri keşfetmek yerine engellemek isteyenlere düştüğü, manipüle edilebilir deneylerle sınırlı.
Harrison, anestezinin ne gibi dönüşsüz sonuçlara yol açabileceğiniz sizlere anlatabilirdi ama açık kalp ameliyatı yapmanın nasıl bir deneyim olduğunu aklına dahi getiremezdi çünkü böyle bir şeyin hayal edilebileceği pratikler o zaman mevcut değildi.
Çeviren: Fulya Kılınçarslan
