Aydın Tiryaki (27 Nisan 2026)

Giriş: Kapasite Paradoksu ve Bağlamın Odak Kaybı

Yapay zekâ ile yürütülen uzun süreli ve aşamalı çalışmaların en kritik sorunu bağlamın yönetimidir. Bu sorun yalnızca mevcut kapasiteyle değil, bağlamın nasıl organize edildiğiyle ilgilidir. Sektör bugün “daha büyük bağlam pencereleri” (context window) peşinde koşarken, aslında kontrolsüz büyüyen her veri yığını modelin odak noktasını kaybetmesine neden olmaktadır.

Bunun en somut ve ciddi örneği, 19 makalelik bir seri hazırlarken yaşanmıştır. Yaklaşık 800.000 karakterlik bir metin yükü altında, ChatGPT gibi modeller henüz 7. makaleden sonra işlevselliğini yitirmiş, daha yüksek kapasiteli modeller ise sürecin sonuna doğru odağını kaybetmeye başlamıştır. Bu deneyim kanıtlamıştır ki: Bağlamı büyütmek çözüm değil; bağlamı doğru katmanlara ayırmak çözümdür.

1. Mühendislik Kökleri: 80’lerin Veritabanı Mantığı ve İndeksleme

Bugün yapay zekâ dünyası, sorunları çözmek için yüz milyarlarca dolarlık “kaba kuvvet” (brute force) yatırımları yapmaktadır. Oysa bu, bir mühendislik hatası ve kaynak israfıdır. Bundan 40 yıl önce, 80’li yılların kısıtlı işlemci ve bellek kapasiteleriyle, devasa veri bankaları akıllı indeksleme sistemleri sayesinde yönetilebiliyordu.

Yapay zekâ dünyası, bugün bu temel yazılım disiplininden yoksundur. Modeller, veriyi bir “metin nehri” gibi akıtmak yerine, veriyi adreslemeli ve indekslemelidir. Gizli İndeksleme, her içeriği, makaleyi ve varyasyonu bir referans noktasıyla bağlar. Bu sayede 800.000 karakterlik metnin tamamını taşımak yerine, sadece ilgili parçaya erişilir. Bu, klasik “böl ve yönet” stratejisinin modern bir uyarlamasıdır.

2. Ölçeklenebilirlik: Sabit Değil, Evrilen Bir Sistem

Bu yöntemde kullanılan boyutlar (örneğin 5–10K çekirdek, 50–100K geniş özet) sabit değildir; yapay zekânın kapasitesine göre evrilir.

• Çekirdek Özet (Core Summary): Projenin “DNA’sı” ve anayasasıdır.
• Geniş Özet (Extended Summary): Erişim haritasıdır; projenin operasyonel belleğidir.
• Arşiv Katmanı: Aktif bağlamdan çıkarılan ancak referansla her an geri çağrılabilir durumda olan “soğuk depodur”.

Gelecekte kapasiteler milyonlara çıksa da prensip sabittir: Bağlam tek parça taşınmaz, katmanlı yönetilir.

3. Dinamik Bağlam ve Sürekli Damıtma

Bağlam yönetimi, statik bir yapı değil, sürekli çalışan bir damıtma sürecidir. 800.000 karakterlik bir üretim sürecinden geriye kalan kalıcı içerik (sonuç verisi) genellikle 30.000 karakter civarındadır. Bu noktada sistemin görevi, tüm yığını taşımak değil, “doğru olanı anımsamak” prensibiyle çalışmaktır.

• Süreç Verisi (Geçici): Denemeler, hatalar, tekrarlar ve %95 oranındaki gereksiz veri yığınıdır. Bunlar hemen arşivlenmelidir.
• Sonuç Verisi (Kalıcı): Kabul edilmiş ve doğrulanmış içeriktir; bunlar aktif bağlama taşınır.
• Kayar Bağlam (Sliding Context): Bağlam sürekli büyüyen değil, sürekli yenilenen bir yapıdır. Her yeni üretim adımında eski yükler çıkarılır, yeni bilgiler entegre edilir.

4. %1 İlkesi ve Veri Kullanım Spektrumu

“Her şeyi taşımak” yerine “gerektiğinde çağırmak” mantığı verimliliğin anahtarıdır. Her problem aynı yoğunlukta veri gerektirmez:

• Gürültülü veri: %1–10 damıtma yeterlidir.
• Karışık veri: %10–30 arası yoğunluk gerekebilir.
• Temiz ve yoğun veri: %70–100 oranında kullanılmalıdır.

Bu yaklaşım, özellikle çok dilli içerik yönetiminde (örneğin Türkçe ana metin ve İngilizce varyasyon) aynı içeriği iki kez taşımayarak büyük bir token tasarrufu sağlar.

5. Kaynak Verimliliği ve Küresel Rekabet

Batı dünyası, devasa donanım yığınlarıyla verimsiz bir “kaba kuvvet” yarışı vermektedir. Ancak kaynak kısıtı her zaman yaratıcılığı doğurur. Düşük kaynaklarla büyük işler yapmak olanağı varken, bu kadar hantal sistemler kurmak bir sistem tasarımı hatasıdır.

Eğer bu akıllı indeksleme ve verimlilik disiplini sağlanmazsa; yarın bu işi çok daha ucuza ve akıllıca yapan yapılar karşısında, Batı dünyası sadece “engelleme politikalarıyla” ayakta kalmaya çalışacaktır. Mühendislik etiği, en pahalı olanı değil, en verimli olanı tasarlamayı gerektirir.

6. Görünmez Mimari ve Hata Yönetimi

Bu sistem yanılsamayı (halüsinasyon) tamamen yok etmese de, hataların ölçeğini küçültür ve büyük sapmaları engeller. Hedef; hatasız bir sistem değil, kontrol edilebilir hatadır. Kullanıcı bu karmaşık özetleme, indeksleme ve arşivleme süreçlerini görmez; bu Görünmez Mimari arka planda çalışarak kullanıcıya sade ve dengeli bir deneyim sunar.

7. İnsan ve Yapay Zekâ İş Bölümü

Bu mimaride yapay zekâ veri işleyen, özetleyen ve öneren bir “üretim altyapısı”dır. İnsan ise yön veren, doğrulayan ve karar veren mekanizmadır. Tam otomatik bir savrulma yerine, yönetilen yarı otomatik bir yapı her zaman daha güvenilirdir.

Sonuç

Yapay zekâ ile uzun süreli çalışmalarda başarı; daha büyük modellerden değil, daha iyi bağlam yönetiminden gelir. Büyük veri bir sorun değildir; sorun, verinin nasıl kullanıldığıdır. Yapay zekâyı güçlü yapan şey, ne kadar çok veri bildiği değil; hangi veriyi, ne zaman kullandığıdır. Bu yaklaşım sayesinde uzun projeler sürdürülebilir olur, bağlam kopmaz ve yapay zekâ sürekli çalışan bir üretim altyapısı haline gelir.

---

Editör Notu: Bu makale, Aydın Tiryaki’nin belirlediği kavramsal çerçeve ve yönlendirmeler doğrultusunda; ChatGPT ve Gemini modelleri arasında yürütülen ardışık bir diyalog süreciyle hazırlanmıştır. Metnin içeriği, her iki modelin karşılıklı görüş eklemeleri ve veri damıtma süreçleriyle (ChatGPT → Gemini → ChatGPT → Gemini) ortak bir üretim olarak şekillendirilmiştir.

| aydintiryaki.org | YouTube | Aydın Tiryaki’nin Yazıları ve Videoları │Articles and Videos by Aydın Tiryaki | Bilgi Merkezi│Knowledge Hub  | ░ Virgülüne Dokunmadan │ Verbatim ░ | ░Yapay Zekâ ile Uzun Süreli Çalışmalarda Bağlam Yönetimi │Context Management in Long-Term AI Collaborations░ 27.04.2026