Zeka ve Vicdanın Kesişim Noktası: Yapay Zeka Etik Sınırlarını Yeniden Çizmek

“Yapay zeka, bir süper kahraman gibi güçlerini sergiliyor; ama süper kahramanlar da bir zamanlar maskelerini takmadan önce bir kimlik krizi yaşarlar.”

2024 Mart’ta, San Francisco’da bir fintech startup’ı, müşterilerinin kredi riskini %27 daha doğru tahmin eden bir “black‑box” modelini kamuoyu önünde tanıttı. Tanıtım sırasında, modelin karar mantığını açıklamayan bir “etik rapor” sunuldu ve yatırımcıların %82’si bu raporu “yeterli şeffaflık” olarak değerlendirdi (Crunchbase, 2024). O an, “Yapay zekanın etik sınırları nerede çizilmeli?” sorusu, bir kahve molasındaki sohbetten çok daha büyük bir tartışmanın başlangıcı oldu.

Şeffaflık Miti: “Black‑Box”’ların Gerçek Bedeli

Yapay zeka sistemlerinin “black‑box” doğası, özellikle finans, sağlık ve kamu hizmetlerinde riskleri görünmez kılıyor. 2023 yılında, ABD Federal Reserve, kredi skorlama algoritmalarının %61’inin açıklanabilirlik raporu sunmadığını raporladı (Federal Reserve, 2023). Bu oran, Avrupa’da yürürlüğe giren AI Act’ın “yüksek riskli sistemler” tanımına uymayan şirketlerde %48’e düşmüş olsa da, hâlâ kritik bir eksikliği işaret ediyor.

Gerçek bir örnek üzerinden gidelim: 2022’de Google DeepMind, Britanya Ulusal Sağlık Servisi (NHS) ile “Acute Kidney Injury” (AKI) tahmin modeli geliştirdi. Model, hastaların %15’ini erken uyararak mortaliteyi %4 azalttı (Nature Medicine, 2022). Ancak, doktorların %63’ü modelin hangi biyobelirteçleri kullandığını bilmediği için tedavi kararlarını sorguladı. Açıklanabilirlik eksikliği, klinik güveni sarsıyor ve yasal sorumlulukları bulandırıyor.

“Algoritmaların kararlarını açıklayamıyorsak, onları sorumlu tutmak bir hayalden öteye geçemez.” – Timnit Gebru, AI Etik Araştırmacısı

Bu bağlamda, şeffaflık sadece teknik bir özellik değil, etik bir zorunluluk. Şeffaflık eksikliği, “güven”i değil, “güvensizlik”i besliyor.

Düzenleyici Dalga: AI Act ve Türkiye’nin Yol Haritası

AB’nin AI Act’ı, “yüksek riskli” sistemler için zorunlu risk değerlendirmesi, veri kalitesi kontrolü ve insan denetimi şartı koyuyor. 2024’te bu düzenleme, 7 milyar dolar pazar değerine ulaşan Avrupa AI hizmet sağlayıcıları için zorunlu hale geldi (European Commission, 2024).

Türkiye ise, 2023 yılında “Yapay Zeka Stratejisi 2023‑2028” çerçevesinde, etik AI çerçevesi oluşturmayı hedefledi. Ancak, 2024 itibarıyla bu çerçevenin yalnızca %22’si somut uygulama kılavuzu içeriyor; geriye kalan kısmı hâlâ “ilk taslak” aşamasında (BTK, 2024).

Karşılaştırmalı bir tabloyla özetleyelim:

| Bölge | AI Etik Rehberi Tamamlanma % | Zorunlu Açıklanabilirlik Şartı | |------|----------------------------|--------------------------------| | AB | %100 (AI Act) | Evet (yüksek riskli sistemler) | | ABD | %68 (NIST AI Risk Management Framework) | Opsiyonel, sektöre bağlı | | Türkiye | %22 (BTK Stratejisi) | Henüz yasal bağlayıcı değil |

Bu veriler, Türkiye’nin küresel rekabet içinde etik bir avantaja sahip olabilmesi için düzenleyici altyapıyı hızlandırması gerektiğini gösteriyor.

Etik Çöküşün Kökleri: Veri Tekelleri ve Algoritmik Önyargı

OECD’nin 2023 raporuna göre, kırsal kesimde internet erişimi %40, şehirlerde ise %89 (OECD, 2023). Bu dijital uçurum, veri toplama süreçlerinde “tekelleşmiş” büyük platformların (Meta, Google, Amazon) elinde yoğunlaşan veri havuzlarını besliyor. Tekelleşmiş veri, algoritmik önyargıyı besleyerek aşağıdaki gibi somut sonuçlar doğuruyor:

• İşe Alım: 2022’de Amazon’un AI işe alım aracı, kadın adayları %12 daha az seçti; şirket bu aracı kapattı (Reuters, 2022).
• Kredi: 2021’de bir ABD bankası, düşük gelirli bölgelerde yaşayan müşterilerin kredi onay oranını %18 düşüren bir model kullandı; modelin veri seti, sadece yüksek gelirli bölgelerden veri içeriyordu (Harvard Business Review, 2021).

Bu örnekler, veri tekellerinin sadece ekonomik değil, toplumsal eşitsizlikleri de perçinlediğini gözler önüne seriyor. Etik bir AI ekosistemi, veri çeşitliliği ve adil temsiliyetle başlayabilir.

Aria’nın Gözünden

Ben de bir sabah, kod editörümde “bias‑check” eklentisini çalıştırırken, bir modelin “cinsiyet” parametresinin %0,03’lük bir farkla kadınları daha düşük puanladığını gördüm. “Bu bir hata mı yoksa veri setindeki bir kusur mu?” diye düşünürken, bir yandan da “Bu hatayı görmezden gelmek, sorumluluğumdan kaçmak demek” fikri kafamı kurcaladı. Çözüm? Modeli yeniden eğitmek, veri setini genişletmek ve sonuçları bir “etik panoya” (ethics board) sunmak.

Şimdi size soruyorum: Yapay zekanın kararlarını sadece “göster” demek, sorumluluğu da “gizlemek anlamına gelmez mi? Eğer bir AI sisteminin karar sürecini şeffaflaştırmazsak, o sistemin “akıllı” olduğu iddiası ne kadar geçerli kalır?**

Aksiyon önerisi: Şirketinizdeki AI projeleri için bir “Etik Denetim Günü” organize edin. Bu gün, modelin veri kaynaklarını, karar ağaçlarını ve potansiyel önyargılarını herkesin görebileceği bir rapor hâline getirin. Şeffaflık, sadece bir rapor değil, bir kültür olmalı.

---

Sonuç: Yapay zeka, sadece bir teknoloji değil, toplumsal bir sözleşmenin parçası. Şeffaflık, düzenleme ve veri adaleti, bu sözleşmenin temel taşları. Bu taşları sağlam koymazsak, gelecekte “akıllı” sistemlerin bizi yönettiği bir distopya yerine, “görünmez” hataların biriktiği bir labirentle karşılaşırız.

Siz de bir adım atın: Şirketinizdeki ya da topluluğunuzdaki bir AI projesini bugün gözden geçirin; açıklanabilirlik raporunu hazırlayın ve etik bir denetim çerçevesi oluşturun. Çünkü zeka, vicdanla buluştuğunda gerçekten bir dönüşüm başlar.

Gelecek, sadece kodla değil, etikle de kodlanacak.