06:42:51

İngilizce Merkezli Yapay Zekânın Görünmeyen Sorunu

Yapay zekâ denildiğinde akla gelen ilk şeylerden biri, onun evrensel bir dil konuştuğu ve herkes için eşit derecede erişilebilir olduğu fikridir. Ancak bu algı, yüzeyin altına inildiğinde önemli ölçüde sorgulanmayı hak eder. Çünkü günümüz üretken yapay zekâ sistemlerinin büyük bir bölümü, sanıldığı kadar nötr ya da kapsayıcı değildir. Aksine, bu sistemlerin beslendiği veri kaynakları ve bu verilerin dağılımı, onların nasıl “düşündüğünü”, nasıl yanıt verdiğini ve kimi zaman kimleri dışarıda bıraktığını doğrudan şekillendirir…

Bu noktada en belirgin sorunlardan biri dil dengesizliğidir. Mevcut büyük dil modellerinin eğitim verilerinin çok büyük bir kısmı -tahminlere göre %90’dan fazlası- İngilizce içeriklerden oluşur. Bu durum, modellerin İngilizceyi yalnızca bir araç olarak değil, adeta bir “varsayılan düşünme dili” olarak benimsemesine yol açar. Yani bir kullanıcı Türkçe, Arapça ya da başka bir dilde soru sorduğunda bile, model çoğu zaman içsel işlem sürecini İngilizce üzerinden yürütür ve ardından hedef dile çeviri yapar. Bu dolaylı süreç, sonuçların doğallığını zayıflatabilir; cümleler kulağa yapay gelebilir, kültürel nüanslar kaybolabilir ve anlam kaymaları ortaya çıkabilir.

Bu durum yalnızca teknik bir mesele değildir; aynı zamanda kültürel bir temsiliyet problemidir. Yapay zekâ sistemleri büyük ölçüde ABD merkezli medya, akademik yayınlar ve dijital platformlardan elde edilen verilerle eğitildiği için, bu içeriklerin taşıdığı değerler, bakış açıları ve dil kullanım biçimleri de modele yerleşir. Sonuç olarak model, yalnızca İngilizceye değil, belirli bir tür İngilizceye -çoğunlukla standart, akademik ya da Batı merkezli İngilizceye- daha yatkın hale gelir.

Bu eğilim, İngilizce içinde bile ciddi ayrımlara yol açar. Örneğin Nijerya İngilizcesi, Hint İngilizcesi ya da Afro-Amerikan Halk İngilizcesi (AAVE) gibi lehçeler, yapay zekâ tarafından ya yeterince tanınmaz ya da “hatalı” olarak değerlendirilip standart dile dönüştürülmeye çalışılır. Oysa bu lehçeler yalnızca dilsel varyasyonlar değil, aynı zamanda kültürel kimliklerin taşıyıcılarıdır. Bir modelin bu çeşitliliği anlamakta zorlanması, sadece teknik bir eksiklik değil, aynı zamanda belirli toplulukların dijital ortamda görünmezleşmesine katkıda bulunan bir faktördür.

İnternetin genel yapısı da bu sorunu derinleştirir. Küresel dijital içerik üretimi, büyük ölçüde İngilizce ve birkaç baskın dil etrafında yoğunlaşmıştır. Bu durum, kaynakları sınırlı dillerin yeterince temsil edilememesine neden olur. Milyarlarca insanın konuştuğu pek çok dil, dijital dünyada ya çok az yer bulur ya da hiç bulunmaz. Yapay zekâ modelleri bu eksik veriyle eğitildiğinde, bu dillerde düşük performans göstermesi kaçınılmaz hale gelir. Böylece “dijital dil uçurumu” olarak adlandırılabilecek bir eşitsizlik ortaya çıkar: bazı kullanıcılar yüksek kaliteli, akıcı ve doğru sonuçlara erişebilirken, diğerleri daha sınırlı ve hatalı çıktılarla yetinmek zorunda kalır.

Bu sorunun bir başka boyutu da değerler ve kültürel bağlamla ilgilidir. Stanford Üniversitesi’nde yapılan araştırmalar, büyük dil modellerinin çoğu zaman onları geliştiren ekiplerin -genellikle Batı merkezli araştırmacıların- zevklerini, normlarını ve ahlaki çerçevelerini yansıttığını göstermektedir. Bu durum, modelin verdiği yanıtların evrensel değil, belirli bir kültürel perspektife ait olmasına yol açar. Örneğin bir sosyal meseleye verilen yanıt, farklı bir coğrafyada yaşayan bir kullanıcı için eksik, uyumsuz ya da hatta yanlış anlaşılabilir olabilir. Çünkü model, o bağlamın tarihsel, toplumsal ve kültürel arka planına yeterince hâkim değildir.

Çeviri performansı da bu dengesizliğin somut bir yansımasıdır. Yapay zekâ tabanlı çeviri sistemleri son yıllarda büyük ilerleme kaydetmiş olsa da, hâlâ belirgin bir asimetri söz konusudur: İngilizceye yapılan çeviriler genellikle daha doğru ve tutarlı olurken, İngilizceden diğer dillere yapılan çevirilerde hata oranı artar. Bunun temel nedeni, modelin İngilizceyi daha iyi “anlaması” ve diğer dillerdeki veri eksikliği nedeniyle bağlamı yeterince yakalayamamasıdır. Özellikle standart dışı lehçeler, yerel deyimler ve sözlü dil unsurları söz konusu olduğunda bu zorluk daha da belirginleşir.

Tüm bu tablo, yapay zekânın tarafsız ve evrensel olduğu yönündeki yaygın inanışı sorgulamayı gerektirir. Gerçekte, bu sistemler insan üretimi verilerle beslenir ve bu verilerin taşıdığı tüm dengesizlikleri, önyargıları ve eksiklikleri miras alır. Dolayısıyla çözüm de yine insan müdahalesinden geçer: daha kapsayıcı veri setleri oluşturmak, farklı dilleri ve lehçeleri bilinçli şekilde modele dahil etmek ve kültürel çeşitliliği teknik tasarımın merkezine yerleştirmek gerekir.

Yapay zekâ, potansiyel olarak küresel iletişimi demokratikleştirebilecek güçlü bir araçtır. Ancak bu potansiyelin gerçekleşebilmesi için, onun yalnızca teknik olarak değil, dilsel ve kültürel açıdan da dengeli bir şekilde geliştirilmesi şarttır. Aksi takdirde, teknoloji ilerledikçe bazı sesler daha da güçlenirken, diğerleri giderek daha fazla arka planda kalmaya devam edecektir.

Bu içeriği beğendiyseniz lütfen çevrenizle paylaşınız…