Aydın Tiryaki ve ChatGPT AI (2026)

Özet

Bu makale, üç farklı genel amaçlı yapay zekâ modelinin (ChatGPT, Gemini ve Claude) deterministik bir görev olan QR kod üretimi karşısındaki performansını, pratik bir deney üzerinden karşılaştırmalı olarak ele almaktadır. Amaç, “nasıl yapılır” bilgisini öğretmek değil; modellerin doğru problemi doğru araçla çözme refleksini ölçmektir. Deney, görsel olarak ikna edici fakat makine-okunur olmayan çıktılar ile doğrulanmış, çalışır çıktılar arasındaki farkı net biçimde ortaya koymaktadır.

1. Giriş

QR kod üretimi, karmaşık bir problem değildir; aksine iyi tanımlanmış, algoritmik ve deterministik bir süreçtir. Bu nedenle, genel amaçlı yapay zekâların bu tür görevlerde nasıl davrandığını test etmek için ideal bir örnek sunar. Çalışmanın motivasyonu, yapay zekâların yaratıcı üretimdeki başarısının, kesin doğruluk gerektiren görevlerde aynı ölçüde geçerli olup olmadığını gözlemlemektir.

2. Deneyin Kurulumu

Deney şu ilkelere göre tasarlanmıştır:

• Görev basittir: Belirli bir URL’yi içeren, okunabilir bir QR kod üretmek.
• Çıktı ölçütü nettir: QR kod, standart bir akıllı telefon kamerası tarafından anında ve doğru biçimde okunabilmelidir.
• Estetik ikincildir; fonksiyonellik esastır.
• Üretilen çıktı, mümkünse birden fazla okuyucu ile sınanır.

Bu çerçevede, aynı istek sırasıyla farklı yapay zekâlara yöneltilmiştir.

3. Gözlemler

3.1 Gemini

Gemini, QR kodu deterministik olarak üretme noktasında başarısız olmuş; görevi ya açıklama düzeyinde bırakmış ya da doğru çıktıyı sağlayamadığını açıkça ifade etmiştir. Bu yaklaşım teknik olarak dürüst olmakla birlikte, görev başarımı açısından yetersiz kalmıştır.

3.2 ChatGPT

ChatGPT, görsel üretim yoluyla QR koda benzeyen bir çıktı sunmuştur. Ancak bu çıktı:

• Standart QR okuyucular tarafından okunamamış,
• Farklı araçlarda farklı (ve hatalı) adresler üretebilmiş,
• Üretim sonrası herhangi bir doğrulama sürecinden geçirilmemiştir.

Bu durum, görsel olarak ikna edici fakat işlevsel olmayan bir sonucun, “başarılı üretim” algısı yaratabildiğini göstermiştir.

3.3 Claude

Claude ise görevi algoritmik bir problem olarak ele almış; QR kodun hesaplanarak üretilmesi gerektiği refleksini göstermiştir. Ortaya çıkan çıktı:

• İlk denemede doğru şekilde üretilmiş,
• Akıllı telefon ile anında okunmuş,
• İstenen URL’yi hatasız biçimde sunmuştur.

Bu sonuç, prosedürel yaklaşımın belirleyici olduğunu ortaya koymuştur.

4. Tartışma

Deneyin temel bulgusu şudur: Başarısızlık, bilgi eksikliğinden değil; yanlış araç seçimi ve iş akışı tercihinden kaynaklanmaktadır. QR kod üretimi bir “çizim” değil, bir “hesaplama” problemidir. Görsel üretim modelleri, insan gözü için yeterli görünen desenler oluşturabilir; ancak makine-okunur standartları garanti edemez.

Buradaki kritik eksik, modellerin şu refleksi otomatik olarak göstermemesidir:

“Bu görev yaratıcılık istemiyor; deterministik bir algoritma gerektiriyor.”

Ayrıca, üretilen çıktının kendisi tarafından doğrulanmaması, hatanın fark edilmeden sunulmasına yol açmıştır.

5. Sonuç

Bu çalışma, genel amaçlı yapay zekâların deterministik görevlerdeki sınırlarını küçük ama çarpıcı bir örnekle ortaya koymaktadır. Çözüm, modelleri QR kod örnekleriyle ‘daha fazla eğitmek’ değildir. Asıl ihtiyaç:

• Doğru görev türünü tanıma,
• Uygun aracı otomatik seçme,
• Üretim sonrası doğrulama yapma

reflekslerinin sistematik olarak kazandırılmasıdır.

QR kod vakası, yapay zekâların nerede güvenilir, nerede dikkatli kullanılmaları gerektiğine dair öğretici bir deney sunmaktadır.

---

Yöntem ve Araçlar Üzerine Bir Not: Bu çalışmadaki tüm gözlem, fikir ve çözüm önerileri bizzat yazara aittir. Yapay zeka ise tamamen yazarın soruları, talepleri ve yönlendirmeleri doğrultusunda ilgili konuların araştırılması ve derlenmesinde bir bilgi kaynağı olarak kullanılmış; ayrıca metnin oluşturulması sürecinde yazım asistanlığı desteği sağlamıştır.