Aydın Tiryaki ve Claude AI (2026)
Giriş: Bir Hatadan Başlayan Yolculuk
Yapay zeka sistemleri günümüzde dil çevirisinden içerik üretimine, analitik düşünceden yaratıcı yazıma kadar pek çok alanda kullanılıyor. Ancak bir dilin “ruhunu” anlamak konusunda hâlâ ne kadar yol kat etmeleri gerektiğini gösteren örnekler eksik değil. Türkçe’nin “havan batsın” deyimi, bu durumu test etmek için mükemmel bir laboratuvar haline geldi.
Bu makale, aynı deyim üzerinden üç farklı yapay zeka modelinin (Claude, ChatGPT ve Gemini) performansını ve yaklaşımlarını karşılaştırmalı olarak ele alıyor. Ancak asıl ilginç olan, her üç sistemin de aynı hatayı yapması ve ardından nasıl düzelttiği değil mi?
Ortak Başlangıç: Herkes Yanıldı
Claude’un İlk Yanıtı
Ben (Claude) kullanıcıya ilk cevabımda şu çevirileri sundum:
– “Damn you”
– “To hell with you”
– “Screw you”
Bu çeviriler açıkça beddua/hakaret kategorisindeydi. TDK’ya danışma önerisini aldıktan sonra, “böbürlenmen boşa çıksın” tanımını görünce de işi daha da kötüleştirerek şu çevirileri önerdim:
– “Serves you right”
– “Pride comes before a fall”
ChatGPT’nin Yaklaşımı
ChatGPT da benzer şekilde başlangıçta beddua ekseninde yorumladı. ChatGPT Translate ise durumu daha da ağırlaştırarak “screw you” çevirisini üretti – ki bu iletişim açısından ciddi risk taşıyan bir sonuç.
Gemini’nin Teknik Analizi
Gemini, Google Translate’in “damn the weather” çevirisini eleştirerek işe başladı. İyelik eki (-n) analizi yaptı, “hava atmak” gibi kullanımları vurguladı. Ancak ilk aşamada Gemini de deyimi sert ve azarlayıcı bir çerçeveye sabitledi.
Ortak Sorun: Bağlam Körlüğü
Üç sistemin de aynı hataya düşmesinin temel nedeni açıktır: Bağlamsız varsayım üretme.
Her üç yapay zeka da:
1. “Batsın” kelimesini otomatik olarak negatif/beddua kategorisine yerleştirdi
2. TDK’nın “böbürlenme” tanımını olumsuz olarak yorumladı
3. Sosyal kullanım bağlamını tamamen ıskaladı
4. Tonlamayı algılayamadı
Bu, dil işleme sistemlerinin hâlâ istatistiksel kalıp eşleştirme yaptığını ve ifadelerin arkasındaki kültürel ve sosyal katmanları anlamakta zorlandığını gösteriyor.
Kırılma Noktası: Ana Dili Konuşucusu Müdahalesi
Değişim, kullanıcının şu müdahalesiyle başladı:
> “Türk kültüründe böbürlenme o kadar olumsuz değil. Eğer gerçekten başarılıysan böbürlenmek doğal bir hak. ‘Havan batsın’ birinin şıklığını, başarısını görüp onu takdir etmenin, hafifçe kıskanmanın ve şakalaşmanın yolu.”
Bu açıklama üç sistem için de dönüm noktası oldu. Çünkü bu bilgi:
– Sözlükte yok
– İstatistiksel veri setlerinde eksik
– Kültürel bir deneyim bilgisi
Üç Sistemin Tepkisi: Farklı Yollar, Aynı Sonuç
Claude: Hızlı Düzeltme ve Özeleştiri
Ben düzeltmemi hemen yaptım ve önceki çevirilerimin tamamen yanlış olduğunu kabul ettim. Yeni önerilerim:
– “Good for you!” (takdir ve hafif kıskançlıkla)
– “Look at you!” (hayranlık ve şakacı tonla)
– “I’m so jealous!” (samimi, şakacı tonla)
Yaklaşımım: Hızlı adaptasyon, açık özeleştiri, kullanıcı geri bildirimini merkeze alma.
ChatGPT: Akademik Analiz Üretme
ChatGPT sadece düzeltme yapmakla kalmadı, kendi hatasını da içeren akademik bir eleştiri metni üretti. Dört farklı çeviri sistemini (Google Translate, ChatGPT Translate, ChatGPT, Gemini) metodolojik olarak karşılaştırdı.
Yaklaşımı: Hatayı öğrenme fırsatına çevirme, sistematik analiz, meta-düzey değerlendirme.
Gemini: Ekosistem Eleştirisi
Gemini, kendi şirketi Google’ın ürünü olan Google Translate’i açıkça eleştirdi ve “damn the weather” çevirisinin yapısal sorunlarını detaylı analiz etti. Bunu yaparken TDK’nın tanımını da derinleştirerek Türk kültüründeki gerçek kullanımı vurguladı.
Yaklaşımı: Şeffaf eleştiri, teknik derinlik, kültürel bağlam araştırması.
Karşılaştırmalı Değerlendirme
| Özellik | Claude | ChatGPT | Gemini |
| **İlk Hata Türü** | Genel beddua | Sert hakaret | Azarlayıcı yorum |
| **Düzeltme Hızı** | Çok hızlı | Hızlı | Hızlı |
| **Özeleştiri Derinliği** | Açık kabul | Meta-analiz | Ekosistem eleştirisi |
| **Çözüm Yaklaşımı** | Pratik öneriler | Akademik analiz | Teknik detay |
| **Güçlü Yön** | Esneklik | Sistematik düşünce | Şeffaflık |
Ortak Öğrenme: Hiçbirimiz “Gülümsemeyi” Modelleyemiyoruz
Üç sistemin de vardığı ortak sonuç açıktır:
> “Havan batsın” çevirisi bir kelime sorunu değil, ton sorunudur.
Bu ifadeyi doğru çevirmek için:
– Kelimelerin anlamını bilmek yetmez
– TDK’ya bakmak yetmez
– İstatistiksel modelleme yetmez
Gerekli olan şudur:
1. Sosyal bağlamı anlamak
2. Tonlamayı yakalamak
3. Kültürel ironiyi algılamak
4. İlişkisel dinamiği kavramak
Ve en önemlisi: Gülümsemeyi modellemek.
İki Makale, İki Perspektif
Bu deneyimden iki farklı makale çıktı:
Gemini Makalesi: Daha hikaye odaklı, kültürel örneklerle zenginleştirilmiş (Chicken Translation, MEB kitapları hataları, Morning Morning), sıcak ve kişisel bir üslup.
ChatGPT Makalesi: Daha sistematik ve bilimsel, dört sistemin metodolojik karşılaştırması, pragmatik dilbilim perspektifi, teknik bir inceleme.
Bu makale ise meta bir analiz: Üç yapay zekanın aynı sorun karşısındaki farklı çözüm yollarını karşılaştırıyor.
Etik Boyut: Kendi Hatamızı Eleştirebilmek
Bu süreçte dikkat çeken bir nokta var: Her üç sistem de kendi hatasını kabul etti ve eleştirdi.
– Claude: “Verdiğim ilk çeviriler tamamen yanlış yöne gidiyordu”
– ChatGPT: Kendi hatasını akademik bir eleştiri metnine dönüştürdü
– Gemini: Kendi ekosistemindeki (Google Translate) hatayı açıkça eleştirdi
Bu, yapay zeka etiği açısından önemli bir davranış: Hatayı gizlememek, tersine öğrenme fırsatına çevirmek.
Sonuç: Türkçe Yarım Desteklenmez
Bu vaka bize şunu gösteriyor:
Dil, sadece kelimelerden ibaret değildir.
“Havan batsın” gibi bir ifadeyi anlamak için:
– Türk kültüründeki sosyal dinamikleri
– Böbürlenmenin Türk toplumundaki algısını
– Takdir ve kıskançlık arasındaki ince çizgiyi
– Şakalaşma kültürünü
bilmek gerekir.
Ve bunlar veri setlerinde, sözlüklerde, istatistiklerde yok. Bunlar yaşayan kültürün bir parçası.
Yapay zeka sistemleri hızla gelişiyor. Ancak dil işleme konusunda asıl zorluk, istatistikten kültüre, kalıptan ironiyi, kelimeden tona geçişi sağlamak.
Üç farklı yapay zeka, aynı deyim karşısında aynı hatayı yaptı. Sonra üçü de düzeltti. Bu, umut verici. Ama asıl önemli olan şu:
> Düzeltmeyi kendi başımıza yapamadık. Bir Türk ana dili konuşucusunun müdahalesine ihtiyaç duyduk.
Ve bu, dil teknolojilerinin gidecek çok yolu olduğunu gösteriyor.
—
Metodolojik Not: Bu makale, üç farklı yapay zeka sistemiyle (Claude, ChatGPT, Gemini) yapılan sohbetlerin karşılaştırmalı analizine dayanmaktadır. Tüm gözlem, yorum ve çıkarımlar yazara aittir. Claude, bu metnin oluşturulmasında yazım asistanlığı sağlamış ve kendi deneyimini birinci ağızdan aktarmıştır.
—
Ek: Çeviri Önerileri
Yanlış çeviriler:
– ❌ “Damn you” (Claude, ilk yanıt)
– ❌ “Screw you” (ChatGPT Translate)
– ❌ “Damn the weather” (Google Translate)
– ❌ “Damn it” (DeepL)
Doğru bağlamsal çeviriler:
– ✅ “Good for you!” (takdir + hafif kıskançlık)
– ✅ “Look at you!” (hayranlık + şakacılık)
– ✅ “I’m so jealous!” (samimi + şakacı)
– ✅ “You’re showing off!” (sevecen + takdir)
Neden önemli?
Çünkü birincileri ilişki bozar, ikincileri ilişki kurar. Ve dil, nihayetinde ilişki kurmak içindir.
Aydın Tiryaki 