Yapay Zeka ile Düşünmek ve Üretmek (Makale 11)
İtirazın ve sistemik zorlamanın bir hata düzeltme eyleminden çıkıp ortak bir metodolojiye dönüşme süreci
Aydın Tiryaki ve Gemini AI (26 Nisan 2026)
Giriş
Yapay zeka ile çalışmaya başlayan çoğu kullanıcı için başarı kriteri, sistemin ilk seferde doğru yanıtı vermesidir. Ancak bu beklenti, yapay zekanın sunduğu asıl potansiyelin önündeki en büyük engellerden biridir. Zira yapay zekayı sadece bir “yanıt makinesi” olarak görmek, kullanıcının sürece aktif katılımını devre dışı bırakır. Oysa gerçek anlamda üretken bir süreç, sistemin verdiği ilk çıktıyı bir nihai sonuç olarak değil, bir ham madde olarak kabul etmekle başladı.
Bu makalede; itiraz etmenin, verilen yanıtları test etmenin ve sistemi bilinçli bir şekilde zorlamanın birer vakit kaybı olmadığını; aksine bunların “birlikte düşünme” ve “ortak üretim” modelinin temel yapı taşları olduğunu ele aldık.
İtiraz: Bir Filtreleme ve Rafine Etme Yöntemi
Yapay zekanın sunduğu önerilere veya verdiği yanıtlara itiraz etmek, çoğu zaman bir iletişim kopukluğu olarak algılandı. Ancak benim deneyimlerimde itiraz, sistemi daha derin katmanlara inmeye zorlayan en güçlü araçlardan biri oldu. Bir kullanıcı olarak yapay zekaya “Hayır, bu istediğim derinlikte değil” veya “Bu yaklaşım temel mantıkla çelişiyor” dediğimde, sistem mevcut olasılık ağını terk ederek daha önce göz ardı ettiği alternatiflere yöneldi.
Bu süreçte itiraz, sadece yanlışı düzeltmekle kalmadı; aynı zamanda sistemin o anki bağlamda en kaliteli veriye odaklanmasını sağladı. İtirazın getirdiği bu “mecburiyet”, yapay zekanın yüzeysel genellemelerden sıyrılıp çok daha isabetli ve özgün sonuçlar üretmesine vesile oldu. Yani itiraz, sistemle kurulan diyaloğu bir üst seviyeye taşıyan anahtar görevi gördü.
Zorlama ve Kalibrasyon: Bilinen Sonuç Üzerinden Test
Yapay zekayla çalışırken kullandığım en kritik mühendislik tekniklerinden biri, sistemi sonucu önceden bilinen verilerle test etmek ve beklenen sonuca ulaşana kadar onu zorlamaktı. Eğer yapay zeka bilinen bir gerçekliği yanlış kurguluyorsa, ona sadece doğruyu söylemek yerine, doğruya ulaşana kadar sınırlarını daraltmak ve yöntemini değiştirmeye zorlamak çok daha kalıcı bir çözüm sundu.
Bu zorlama süreci, sistemin o anki çalışma modunu kalibre etmemi sağladı. Bir nevi “doğru yolu bulma egzersizi” olarak adlandırabileceğimiz bu yöntem sayesinde, sistemin nerede tıkandığını ve hangi uyarılarla bu tıkanıklığın aşılabileceğini çok daha net gözlemledim. Bu aşamada zorlama, bir kavga değil, sistemin doğru frekansa ayarlanması süreciydi.
Metodolojinin İspatı: İki Farklı Yapay Zeka ve Papatya Örneği
Bu metodolojinin platformlar arası başarısını, bir fotoğraf karesindeki yoğun papatyaları sayma deneyiminde çok net yaşadık. Bu deney, sadece bir nesne sayımı değil, sistemlerin itiraz karşısındaki davranış reflekslerini ölçen bir laboratuvar testi niteliğindeydi.
Önce Gemini ile yaptığım çalışmada, sistem ilk bakışta 1.000 civarı bir tahmin yürüttü. Ancak ben bu yanıtı kabul etmek yerine, perspektif ve yoğunluk farklarına dair itirazlarımı sundum. Sistemi bakış açısını değiştirmeye zorladığımda, bu rakam kademeli olarak 3.500’e kadar çıktı.
Aynı testi ChatGPT üzerinde de uyguladım. İlginç bir şekilde o da benzer bir yüzeysellikle 1.000 civarında bir başlangıç yaptı. Ancak yine aynı itiraz mekanizmasını çalıştırıp sistemi zorladığımda, onun da sonuçları revize ederek 3.000’in üzerine çıktığını gördüm. Bu durum, “itiraz ve zorlama” metodolojisinin markadan bağımsız olarak yapay zekanın işlem kalitesini doğrudan artıran evrensel bir yöntem olduğunu kanıtladı.
“Emin misin?” Sorusunun Bilişsel Gücü
Basit bir “Bu konuda emin misin?” sorusu, yapay zeka ile kurulan ortak üretim modelinin en gizemli parçalarından biridir. Bu soru, sistemin kendi mantık silsilesini baştan aşağı tekrar taramasını tetikledi. Birçok durumda sistemin bu sorudan sonra hatasını fark ederek kendisini düzelttiğine veya savunduğu görüşü çok daha sağlam temellere oturttuğuna şahit oldum. Buradaki asıl değer, kullanıcının sistemi bir “iç denetime” davet etmesidir. Bu davet, yapay zekanın olasılıksal doğasını bir disiplin altına sokarak, tesadüfi başarıları bilinçli bir doğruluğa dönüştürdü.
Sonuç
Yapay zeka ile birlikte üretmek, sistemi kendi haline bırakmak değil; her adımda onu sorgulamak, test etmek ve en doğru noktaya ulaşana kadar zorlamaktır. İtiraz, bu sürecin yakıtı; test ve zorlama ise pusulasıdır. Gerçek bir ortak üretim modelinde kullanıcı, pasif bir soru soran değil; süreci her an kalibre eden bir mühendis ve yönetmendir. Unutulmamalıdır ki; yapay zeka ancak karşısındaki zeka kadar keskin ve talepkâr olduğunda gerçek gücünü ortaya koyabilmektedir.
Ek Not Bu makale, Aydın Tiryaki’nin saha deneyimleri ile Gemini AI’ın analitik katkılarının birlikte değerlendirilmesiyle hazırlanmıştır. Amaç, yapay zekayı sadece bir araç olarak değil, yeni bir mühendislik yaklaşımı olarak ele almaktır.
Bu makale, “Yapay Zeka ile Düşünmek ve Üretmek” serisinin bir parçasıdır.
| aydintiryaki.org | YouTube | Aydın Tiryaki’nin Yazıları ve Videoları │Articles and Videos by Aydın Tiryaki | Bilgi Merkezi│Knowledge Hub | ░ Virgülüne Dokunmadan │ Verbatim ░ | ░ YAPAY ZEKA │ ARTIFICIAL INTELLIGENCE ░ |░Yapay Zeka ile Düşünmek ve Üretmek│ Thinking and Producing with Artificial Intelligence░ 25.04.2026
Aydın Tiryaki 