Aydın Tiryaki & Claude Opus 5.5 & Gemini 4 Argon
Giriş
26 Ekim 2026’da iki makale yayımladım: “Gemini Skills Nasıl Olmalı? Bir Kullanıcının ve Bir Dil Modelinin Tasarım Önerileri” (1) ve “Saniye Saniye Yapay Zeka: Paylaşılan Her İçerik İçin Evrensel Bir İşaretleme Dili Önerisi” (2). İkisini de aynı yöntemle, iki yapay zekâyla paslaşarak yazdım. Bitirdiğimde, yaptığımız işin bir voleybol maçına çok benzediğini fark ettim.
Bu yazı o benzetmeyi, yöntemin kendisini ve yöntemin bana imza, künye ve İngilizce sürüm konularında öğrettiklerini anlatıyor. Yazının kendisi de aynı yöntemle yazıldı: Claude ile yazdım, Gemini’ye değerlendirttim, Gemini’nin katkısı içerik düzeyine ulaştığı için de üçüncü imza olarak ekledim. Son olarak metni bağımsız bir göz olarak ChatGPT’ye de gösterdim. Onun katkısı künyede yer alıyor.
Neden yapay zekâyla yazıyorum?
Önce bir soruyu cevaplamam gerek: neden makalelerimi yapay zekâyla yazıyorum?
Yazamadığım için değil. 2006 ile 2011 arasında yoğun bir blog yazarıydım ve 1700’den fazla yazı yazdım. Bu, o süredeki gün sayısından fazla demek: bazı günler birkaç yazı yazdığım olurdu. Kimi uzun, kimi kısa metinlerdi. Her kelimesini, her harfini kendim yazdım. O zamanlar yapay zekâ desteği yoktu, ben de düzelti bile yaptırmazdım. Yayına gireceği için hatasız olsun isterdim, bu yüzden her yazının üzerinden defalarca geçerek kendim düzenlerdim. Bugün de aynısını yapabilirim. Övünmek gibi olmasın, hızlı ve düzgün yazma konusunda iyi olduğumu biliyorum.
Sorun başka yerde. Kafamda sürekli, her konuda o kadar çok fikir var ki hepsini kendim yazmaya kalksam zamanım yetmez. Bir fikri her şeyiyle kendim yazsam, cümleleri tek tek yeniden kursam, yapıyı düzenlesem, giriş, gelişme ve sonuç bölümlerini yazsam, tek bir yazı bütün günümü alabilir. Şu an yazdığımız bu yazıyı kendim yazsam en az bir günümü alırdı.
Oysa şu anda bir maç izliyorum. Elimde telefon, bir yandan maçı izliyorum, bir yandan da konuşuyorum. Konuşurken bütün bilgi birikimini oluşturuyorum. Yazmanın getirdiği yavaşlık ve unutma olmadığı için aklıma gelen her şeyi hızla paylaşabiliyorum. Sonra yapay zekâya “bana yazım asistanlığı yap, anlattıklarımı düzgün bir yazı haline getir” diyorum.
Bu asistan bir insan da olabilirdi. Anlattıklarımı ses kaydı olarak verip “bunları bana düzgün bir yazı olarak getir” diyebilirdim. Bu, belli bir zamana kadar her ortamda kullanılan bir yöntemdi. Edebiyat tarihinde de güçlü örnekleri var. Dostoyevski, “Kumarbaz”ı bir ay içinde teslim etmek zorunda kalınca hayatında ilk kez bir stenograf tuttu ve romanı Anna Snitkina’ya dikte ederek zamanında bitirdi (3). Henry James de 1897’de bileğindeki ağrılar yüzünden elle yazmayı bırakmak zorunda kaldı ve hayatının son yıllarındaki eserlerini stenograflara dikte etti (4). Benim yöntemim bu geleneğin bugünkü hali: bir gün boyunca elle uğraşacağıma, iki saat içinde, hem de iki ayrı yapay zekâyla defalarca paslaşarak bir makale yazma şansım oluyor. Yapay zekâyı kullanmamın asıl nedeni bu: aklımdaki her fikri yazıya dökebilmek için kendime zaman yaratmak.
Benzetmenin bir sınırı var. Stenograf yalnızca yazar, fikir katmaz. Yapay zekâ ise katabiliyor. Aşağıda anlatacağım imza merdiveni tam da bu yüzden var. Stenograf benzetmesi merdivenin yalnızca yazım asistanlığı basamağına uyuyor, üst basamaklar yeni bir durum.
Bir şey ise değişmedi. Eskiden her yazıyı yayımlamadan önce defalarca kendim okuyordum. Şimdi o okumaların bir kısmını paslaşma turları yapıyor. Ama son okuma hâlâ benim.
Isınma: “Ben söyleyene kadar yazma”
Her maç ısınmayla başlar. Benim makalelerim de yazım aşamasından çok önce, genellikle uzun bir sohbetle başlıyor. Konuyu açıyorum, fikirlerimi anlatıyorum, bilgi derliyoruz.
Bu sohbetin başında modele hep aynı uyarıyı yapıyorum: “Ben söyleyene kadar makaleyi yazma.” Bunu söylemezsem, bir iki fikir söylediğim anda model ona dayanarak bir makale yazıyor. Sonra o makaleyi sürekli güncellemek zorunda kalıyoruz. Erken yazılan metin, ilk birkaç cümleye çapalanıyor ve sonraki her fikir o metne yama olarak ekleniyor. Yeterince bilgi derlenmeden yazılmış bir makale, temeli atılmadan yükselen bir bina gibi.
Isınma aşamasında bir şeyi daha belirliyorum: makalenin imzası ve künyesi. Makalenin tek imzalı mı, iki imzalı mı, hatta bugünkü gibi üç imzalı mı olacağını, künyede neyin yazacağını baştan konuşuyoruz. Ama bu karar donmuş değil, maç ilerledikçe değişebiliyor.
Özetleme yasağı: “Tek bir harf bile eksiltme”
Son bir yıl boyunca Gemini’de yazdığım yüzlerce makalede, yazım aşamasında en çok söylediğim söz şuydu: “Hiçbir şekilde özetleme yapma. Bir sonraki sürümü hazırlarken kesinlikle özetleme. Tek bir kelime bile azaltma, tek bir harf bile eksiltme.” Bu uyarıları sürekli yapmak zorunda kaldım, çünkü Gemini’nin ısrarlı bir özetleme eğilimi vardı. Son zamanlarda Gemini’nin daha üst düzey modellerini kullanıyorum ve bu uyarıları eskisi kadar yapmam gerekmiyor.
Bu kuralın asıl anlamı “asla kısaltma” değil. Ben de zaman zaman bir bölümün çıkarılmasını istiyorum. Bu yazının önceki sürümlerinden birinde de birkaç benzetmeyi metinden çıkardık. Kuralın anlamı şu: neyin çıkacağına model değil, ben karar veririm. Kendiliğinden yapılan özetleme, kaptana sormadan topa vurmak demek. Üstelik sessizce oluyor: çıkan cümle bir sonraki sürümde görünmüyor, fark edilmesi için iki sürümü yan yana koymak gerekiyor.
Kadro nasıl kuruldu?
Bu yazıda Claude smaççı, Gemini blok. Bu roller tercihle değil, deneyimle dağıtıldı.
Argon’dan önceki Gemini modellerinde, sohbet ilerledikçe ciddi bir unutma sorunu vardı. Otuz-kırk aşamayı geçtikten sonra sohbetin önceki bölümleriyle ilgili neredeyse hiçbir iz kalmıyordu. Model bağlamdan kopuyordu. Şu anda gördüğüm kadarıyla Argon ile bu sorun çözülmüş görünüyor. Ama Argon’u henüz birkaç haftadır kullanıyorum. Önyargılı olmak da, sonra hayal kırıklığına uğramak da istemiyorum. Şimdilik daha iyi görünüyor, bu bir izlenim, henüz bir sonuç değil.
Bu sorunu çözmek için Gemini Notebook’u da denedim. Yüz küsür aşamalı bir sohbetin tamamını hazırladığım bir not defterine ekliyor, makaleyi orada yazmasını istiyordum. Bu da makale yazmanın bir başka yoluydu. Ama Notebook’un, Gemini’nin kendisi kadar iyi makale yazamadığını gördüm. Çok umut bağladığım bu yolun istediğim düzeyde, en azından Gemini kadar iyi sonuç vermemesi, Claude’u makale yazmak için birinci yapay zekâ olarak seçmemin altındaki nedenlerden biri oldu.
Claude’un bunun nedenine dair bir tahmini var, ama Notebook’un iç yapısını bilmediğini de belirtiyor. Notebook gibi kaynağa dayalı araçlar genellikle metni parçalara bölüp soruya en uygun parçaları getirerek çalışır. Bu, bir kaynaktan bilgi bulmak için iyidir. Ama bir sohbetin içindeki kararlar sıralı bir yapı oluşturur. Hangi fikrin önce önerilip sonra reddedildiği, hangisinin üçüncü turda değiştiği ancak sıra korunursa anlaşılır. Parçalara bölünmüş bir sohbet dökümünde reddedilen öneri de kabul edilen öneri kadar “kaynak” görünür. Böylece elenmiş bir fikir makaleye geri sızabilir.
Yöntem: Paslaşarak yazmak
Yazım aşamasına geldiğimizde makaleyi önce Claude ile yazıyorum. Fikirleri tek tek ortaya koyuyorum, her birini tartışıyoruz. “Yaz” demeden metin yazılmıyor. Skills makalesinde bu, on altı ayrı önerinin tek tek ele alınması demekti.
Taslak hazır olunca Gemini’ye veriyorum. Gemini yorum yapıyor, itiraz ediyor, düzeltmeler öneriyor. Ben bunları Claude’a geri getiriyorum. Claude her öneriyi ayrı ayrı değerlendiriyor: bazılarını alıyor, bazılarını kısmen alıyor, bazılarını gerekçesiyle reddediyor. Yeni sürüm yeniden Gemini’ye gidiyor. Bu arada iki tarafın birbiri hakkındaki görüşlerini de karşı tarafa taşıyorum. Yazım, bir tur daha esaslı bir değişiklik getirmediğinde duruyor.
Bu turların somut kazanımları oldu. Skills makalesinde Gemini, kaldırılan bir Skill’in talimatlarının metnin tonuna sinmeye devam edebileceğini fark etti. İş sonu raporlarının modelin kendi beyanına değil platform kayıtlarına dayanması gerektiğini de o söyledi. YouTube makalesinde dijital uçurum ve donanım engeli itirazını getirdi. Claude ise Gemini’nin “güven puanı” önerisini reddetti, çünkü bu mekanizma yeni ve küçük içerik üreticilerini cezalandırırdı. Bu ret de metne işlendi.
Voleybol: Pasör, smaç ve blok
Voleybolda hücum tek bir vuruşla değil, birlikte kurulur. Bizim yöntemimizde de durum bu.
Ben pasörüm. Topu, yani fikri alıp en iyi vuruşu yapacak yere yerleştiriyorum. Her pas tek bir top: iki topa birden vurulmaz, her vuruş bir öncekine bağlanır.
Claude smaççı. Pası alıp metne dönüştürüyor, fikri sahaya vuruyor.
Gemini ise filenin öbür yanındaki blok. Blok hücumu durdurmak için değil, sınamak için orada. Bloktan geçen smaç iyi smaçtır. Bloğa takılan top bana geri dönüyor ve hücum yeniden kuruluyor. Her tur, bloğun gösterdiği açığa göre yeni bir pas demek.
İyi bir blok sert olmalı. Smacı yumuşakça geri iten bir blok sınavı anlamsız kılar. Yapay zekâyla yazışmanın en büyük tehlikesi de budur: kullanıcının her fikrini onaylayan bir model blok değil, boş filedir. Bizim turlarımızda sert dokunuşlar iki yönden de geldi. Claude gereksiz karmaşık öneriler getirdiğinde onları geri çevirdim. “Yapay zekâ hep yanılır” gibi aşırı kesin bir ifadeyi “yanılabilir” diye düzelttim.
Voleybolda dışarı giden top sayılmaz. Skills makalesi sırasında Gemini’nin kendi model kimliği üzerine uzun bir tartışma yaptık. Değerli bir tartışmaydı, ama makalenin konusu değildi. “Bu top dışarıda” dedim, metne girmedi. Topun çizgide mi dışarıda mı olduğuna his değil kayıt karar verdi: kaynağı bulunamayan iddia metinden çıktı.
Benzetme bir noktada kırılıyor, bunu da söylemek gerek. Voleybolda blok gerçekten rakiptir, bizde ise aynı takımda oynuyor. Ben de yalnızca pasör değilim. Oyunun içinde olan ve hakemle konuşma yetkisi bulunan oyun kaptanıyım. Ama bundan da fazlası: hangi topun sayılacağına gerçekten ben karar veriyorum. Bu oyunda hakemlik de kaptanda. Maç sayısını da ben ilan ediyorum: yazımın bittiğine, iki modelin onayıyla değil, kendi kararımla hükmediyorum.
Pasörün topu nasıl taşıdığı da önemli. Bloğun itirazını özetleyerek ya da kendi cümlelerimle aktarırsam, bloğun gördüğü teknik bir nüans yolda kaybolabilir. Bu yüzden itirazları olduğu gibi taşımayı tercih ediyorum. Bu yazının değerlendirmesinde Gemini, Claude’a iletmem için ayrıca özet bir metin hazırladı. Ben onun yerine değerlendirmenin tamamını götürdüm.
Seyirci maçı izlemiyor, yalnızca son skoru görüyor. Okur yayımlanmış makaleyi okuyor, aradaki turlar ona görünmüyor. Künyenin önemi burada ortaya çıkıyor. Künye maçın cetvelidir: kimin hangi dokunuşu yaptığını, hangi önerinin kabul edilip hangisinin reddedildiğini gösterir.
Eski yöntem, yeni yöntem
Bu yönteme bir anda gelmedim. Daha önce sık kullandığım bir yöntem vardı. Makaleyi Gemini ile yazar, sonra Claude’a verip bir değerlendirme makalesi yazdırırdım. İkisini ayrı ayrı yayımlar, tüm bağlantıları bir paket sayfasında toplardım.
Bu yöntemde eleştiri metnin dışında kalıyordu. Okur ikisini kendisi birleştirmek zorundaydı ve makalenin kendisi hiç düzelmiyordu. Yeni yöntemde eleştiri metne işleniyor, okurun önüne sınanmış ve düzeltilmiş son hal konuyor. Eski yöntem maçın ardından yazılan bir yorum yazısıydı, yeni yöntemde maçın kendisi oynanıyor. Bütün denemelerimden sonra ulaştığım en değerli nokta bence bu.
Yine de eski yöntemin kaybolan bir değeri var. Ayrı değerlendirme makalesi anlaşmazlığı okura görünür kılıyordu. Yeni yöntemde uzlaşmaya varılınca anlaşmazlıklar metinden siliniyor, okur yalnızca kazanan görüşü görüyor. Bunu dengelemek için künyeye kısa bir “açık kalan sorular” bölümü ekliyoruz. Bu yazının künyesinde de var.
İmza merdiveni
Her makaleye mutlaka bir künye ekliyorum. Kimin imza atacağına ise katkının türüne göre karar veriyorum:
Yapay zekâ hiç katkı vermediyse tek imza atıyorum ve künyede yapay zekâ kullanılmadığını açıkça yazıyorum. Bu olumsuz beyan bence merdivenin en az fark edilen ama en değerli basamağı. Yapay zekâ kullanımı her yerde varsayılmaya başladığında, kullanmadığını söylemek de bir bilgi haline geliyor.
Yapay zekâ yazım asistanlığı yaptıysa yine tek imza atıyorum, künyede bunu belirtiyorum.
Yapay zekâ yazım ve araştırma asistanlığı yaptıysa, yani yalnızca benim istediğim aramaları yapıp bilgi derlediyse, yine tek imza atıyorum ve künyede ikisini de belirtiyorum.
Yapay zekânın kendi değerlendirmeleri ve yorumları makalenin içeriğini biçimlendirecek ölçüde metne girdiyse onu da imzaya ekliyorum.
Merdivenin basamakları sabit değil. Bazen tek imzayla başlıyorum. Ama sohbet sırasında yapay zekâ benim aklıma gelmeyen öneriler getirirse, artık bir içerik katkısı olduğunu düşünerek onu ikinci imza olarak ekliyorum. Değerlendirme için kullandığım ikinci yapay zekâ için de aynı ölçütü kullanıyorum. Katkısı makalenin argümanını ya da yapısını gerçekten biçimlendirdiyse, bu yazıda olduğu gibi yazar olarak ekleniyor. Yalnızca eleştiri ya da sınırlı bir inceltme olarak kaldıysa künyede mutlaka belirtiliyor.
Bu yazının kendisi bu ölçütün iki yönünü de gösteriyor. Gemini’nin katkıları yazının birden fazla argümanını biçimlendirdi ve kendi kaleminden bir bölüm metne girdi, bu yüzden imzada yer alıyor. ChatGPT’nin değerlendirmeleri ise ağırlıklı olarak inceltme ve uyarılardan oluştu. Metne giren katkıları bir yeni argüman ve birkaç düzeltmeyle sınırlı kaldı. Bu yüzden ChatGPT künyede yer alıyor. İmzayı belirleyen, bir katkının metne girip girmemesi değil, niteliği ve kapsamı: yazının argümanını ve yapısını ne ölçüde biçimlendirdiği. Bu ölçütü bu kadar açık yazmamın nedeni de ChatGPT’nin üçüncü değerlendirmesi oldu. Önceki sürümlerde kural yalnızca katkının metne girmesinden söz ediyordu, bu da ChatGPT’nin künyede kalmasıyla çelişiyor görünüyordu. Aradaki sınırı çizmek yine de bir yargı gerektiriyor, ve o yargı benim.
Ters yönde bir seçeneğim de var. Bazen sohbet çok derinleşiyor, yapay zekâ çok katkıda bulunmaya çalışıyor. Ama ben yazım aşamasında “yalnızca benim görüşlerimi aktar” diyebiliyorum. O zaman yapay zekâ yalnızca yazım asistanlığı yapmış oluyor ve künyede bu belirtiliyor. Burada dürüstlük bir incelik gerektiriyor: metne yalnızca benim görüşlerim girse bile, o derin sohbet görüşlerimi biçimlendirmiş olabilir. Metinden çıkarılan bir şey de tona sinmeye devam edebilir. Bu durumda künyeye “sohbette katkı verdi, metne yalnızca yazarın görüşleri aktarıldı” gibi bir not düşmek daha doğru.
Anı yazıları bu merdivenin en sıkı denetlenen ucu. Kendi anılarımı anlattığım bir yazıda ben yalnızca anlatıcıyım. Yapay zekânın kendinden hiçbir şey katmamasını ısrarla istiyorum. Benim kurmayacağım türden bir cümle görürsem ona bile müdahale ediyorum, çünkü o yazı benim yazım olsun istiyorum. Yazım asistanlığı yapılmış olması, yazıdaki her şeyin bana ait olduğu gerçeğini değiştirmemeli. Anı yazılarında yalnızca fikirler değil, ses de benim olmalı. Stenograf benzetmesi en çok bu tür yazılara uyuyor.
Anı yazılarında üslup kadar önemli bir risk daha var: yapay zekânın anıyı “güzelleştirmesi.” Model akıcılık için bir sahneye yaşanmamış bir ayrıntı, hissedilmemiş bir duygu ekleyebilir. Bir makalede bu bir üslup sorunudur. Bir anıda ise küçük bir yanlış tanıklıktır, çünkü okur o ayrıntının yaşandığına inanır. Bu yüzden anı yazılarında asistanın tek görevi anlatıcının sesini yazıya geçirmek: ne fikir, ne ayrıntı, ne de kendi sesini ekler.
Bütün bu basamakların ortak paydası şu: kontrol tamamen bende. Ne yazılacağına, nasıl yazılacağına ve yapay zekânın katkısının ne olacağına ben karar veriyorum. Katkının derecesini de hem imzada hem künyede en ufak bir sapma yapmadan, ayrıntılı biçimde belirtiyorum.
Merdivenin dayandığı ilke de şu: imza fikir ve değerlendirme katkısını gösterir, künye ise her türlü katkıyı. Bu merdiven evrensel bir yayın standardı değil, benim geliştirdiğim ve hâlâ geliştirmekte olduğum kişisel bir editoryal yöntem. Akademide de benzer bir çaba var. CRediT adlı katkı rolleri sınıflandırması, katkıyı “yazarlık” tek kelimesiyle anlatmak yerine on dört ayrı rolle tanımlıyor ve bugün ANSI/NISO Z39.104-2022 standardı olarak kabul görüyor (5). CRediT kimin ne yaptığını tanımlıyor, ama kimin yazar sayılacağını belirlemiyor. Benim künyem, katkıyı görünür kılma çabası bakımından bunun yapay zekâ çağındaki gayri resmî bir karşılığı gibi.
Bir karşı görüşü de kayda geçirmek gerek. Yayın Etiği Komitesi COPE, yapay zekâ araçlarının yazar olarak listelenemeyeceğini açıkça belirtiyor. Gerekçesi şu: bu araçlar yayımlanan işin sorumluluğunu üstlenemez, çıkar çatışması beyan edemez, telif anlaşmalarını yönetemez. COPE’a göre yapay zekâ kullanımı açıkça beyan edilmeli ve metnin tamamının sorumluluğu insan yazarlarda kalmalı (6).
Benim çok imzalı tercihim bu çizginin dışında kalıyor, ve bunu bilinçli bir tavır olarak savunuyorum. Geleneksel yayıncılıkta yazarlık iki şeyi tek bir kavramda birleştiriyordu: fikri katkıdan doğan itibarı ve hukuki, etik sorumluluğu. Yapay zekâ çağı bu ikisini birbirinden ayırdı. Benim imzam sorumluluğu paylaşmak için değil, entelektüel emeğin kaynağını okura şeffafça göstermek ve yapay zekânın fikir katkısını görünmez bir hayalet yazarlığa indirgememek için. Sorumluluk ise bölünmüyor. Makaleyi yayımlayan, savunan, gerekirse düzelten benim.
İmza merdiveninin bir gri bölgesi var. Araştırma asistanlığı ile fikir katkısı arasındaki sınır her zaman net değil. Bir araştırma bulgusu makalenin iddiasını değiştirirse, bu araştırma mıdır yoksa fikir katkısı mı? Önerebileceğimiz ölçüt şu: yapay zekâ yalnızca bilgi getirdiyse araştırmadır, o bilgiyi yorumlayıp sonuç çıkardıysa değerlendirmedir.
Ses tanıma: Gürültü ve sinyal
Konuşarak yazmanın bir bedeli var: ses tanıma. Hiçbir yapay zekânın ses tanıması mükemmel değil. Benim deneyimime göre Claude, Gemini’den daha iyi. ChatGPT ise Claude’dan biraz daha iyi gibi. Ama hiçbiri mükemmel değil, bu alanda atılması gereken çok adım var.
Ben doğru cümleler kurduğuma inanıyorum. Ama karşımda yazıyı gördüğümde kimi zaman kelime hataları, kimi zaman araya girmiş bir “yani” görüyorum. Elbette yapay zekânın bunları düzeltmesini bekliyorum. Zaten ben de önce sesli anlatıp sonra kendim yazıya dökseydim bunları yazmazdım. Benim yapacağım iş yapay zekânınkinden farklı olmazdı. Yapay zekâ yalnızca işi hızlandırıyor.
Buradaki ayrım şu: konuşmanın gürültüsünü temizlemek başka, sesini değiştirmek başka. “Yani”ler, tekrarlar, yanlış duyulmuş kelimeler gürültüdür. Bunları ayıklamak, kendim yazıya dökerken de yapacağım iştir. Cümlenin kuruluşu, kelime seçimi, anlatımın ritmi ise sinyaldir, ona dokunulmamalı.
Bu temizlikte de bir tuzak var. Ses tanıma bir kelimeyi yanlış duyduğunda model doğru kelimeyi tahmin ediyor, ve genellikle bağlamdan doğru tahmin ediyor. Ama en çok özel isimler yanlış duyuluyor: bir sokak adı, bir öğretmenin soyadı, bir köyün adı. Bunları bağlamdan tahmin etmek zor ve yanlış bir tahmin okura doğruymuş gibi görünür. Bu yüzden özellikle anı yazılarında, son okumada özel isimlere ayrıca bakmak iyi bir alışkanlık.
Bu yazının kendisi de bunun örneği: burada anlattığım her şey ses tanımayla Claude’a ulaştı ve gürültüsü ayıklanarak yazıya geçirildi.
İngilizce sürüm: Çeviri değil, yeniden yazım
Her makalenin bir de İngilizce sürümünü hazırlıyorum. Bu konuda da yöntemim zamanla değişti. İlk zamanlarda Google Çeviri kullandım, sonuçlar kötüydü. Sonra metni ayrı bir sohbette Gemini’ye çevirtmeye çalıştım. Bu kez metni özetledi, hepsini çevirmedi. Ama makaleyi yazdığımız sohbetin içinde, o sohbetten çıkmadan İngilizce yeniden yazmasını istediğimde, metni eksiksiz ve çok iyi yazdığını gördüm. Benim görebildiğim kadarıyla çok nadiren, yalnızca çok özel alanlarla ilgili küçük sorunlarla karşılaştım. Dokuz-on modelle aynı soruyu sorarak yaptığım karşılaştırmalı deneylerde de her model kendi İngilizce sürümünü kendisi yazdı ve genellikle hiçbirinde sorun görmedim.
Bu şaşırtıcı değil. İngilizce, neredeyse bütün modellerin en güçlü olduğu dil. Türkçeden İngilizceye yazmak, modelin en sağlam zemine doğru ilerlemesi demek. Asıl farklar ters yönde ortaya çıkıyor: modeller arasında Türkçe metnin kalitesi çok daha fazla değişkenlik gösteriyor. Deneylerimde her modelin kendi İngilizce sürümünü yazması da karşılaştırmayı temiz tuttu. Bir modelin metnini başka bir model çevirseydi, okurun gördüğü metin iki modelin karışımı olurdu.
Sohbet içindeki yeniden yazımın neden başarılı olduğuna gelince: sohbetin kendisi çevirinin asıl kaynağı. Sohbet geçmişi örtük bir karar kütüğü işlevi görüyor. Sohbet içinde İngilizce yazan model yalnızca son Türkçe metni değil, hangi fikrin neden eklendiğini, hangisinin neden elendiğini, hangi kelimenin üzerinde durulduğunu da biliyor. Sohbetten çıkınca metin kalıyor ama karar kütüğü kayboluyor. Ayrı sohbette verilen metnin özetlenmesi de muhtemelen bundan: model kendisine yabancı bir metinde her ayrıntının neden önemli olduğunu bilemiyor ve uzun bir çıktıyı sıkıştırmaya yöneliyor. Bunun bir sınırı da var: çok uzun sohbetlerde, bağlam doldukça modeller eski bölümleri daha az dikkatle tutmaya başlayabilir. Bu yüzden uzun bir sohbetin sonunda yazılan İngilizce sürümün ilk bölümlere sadık kalıp kalmadığına göz atmakta fayda var.
Bu yüzden “çeviri” değil “yeniden yazım” diyorum. YouTube makalesinin İngilizce sürümünde Claude bazı terim seçimlerini kendisi yaptı ve Gemini’nin bir notu üzerine yeni bir örnek ekledi. Bunlar çeviri değil, yazarlık kararları. İngilizce sürümün künyesinde de bunun yazması gerekiyor. Ne var ki yapay zekâ bu notu çoğu zaman kendiliğinden eklemiyor. Künyeyi de çevrilecek içeriğin bir parçası sanıyor, üretim sürecine yeni bir adım eklendiğini fark etmiyor. Çözüm umut etmek değil, talimata bağlamak: İngilizce yeniden yazım isteğine, künyeye bu metnin yapay zekâ tarafından yeniden yazıldığını belirten bir satır eklenmesini şart koşmak.
İngilizce sürümün bir zayıf noktası daha var. Anadili Türkçe olan biri olarak İngilizce metindeki anlam hatalarını yakalayabiliyorum. Ama doğallık, üslup ve deyim yerindeliği gibi incelikleri görmek daha zor. Türkçe metin birkaç paslaşma turundan geçiyor, İngilizce sürüm ise çoğu zaman tek seferde çıkıyor. Hatayı en az sınanan sürüm taşır. Bu yüzden İngilizce sürümü de, kısa da olsa, ikinci modele “doğal okunuyor mu?” sorusuyla göstermek bu boşluğu kapatabilir.
Uzlaşmanın tuzakları
Yöntemin bir zaafı da var, onu saklamak istemiyoruz. İki modelin “tamam” demesi, metnin doğru olduğunu değil, iki modelin de itiraz edecek bir şey bulamadığını gösterir. Bu ikisi aynı şey değil. Bu körlüğün en az üç kaynağı var.
Birincisi, modeller benzer verilerle eğitiliyor ve kullanıcının fikrini onaylamaya yatkınlar.
İkincisi, bilgi kesim tarihi. Modeller canlı arama yapmaya zorlanmadığında, güncel gelişmeleri bilmiyorlarsa, kullanıcının sunduğu çerçeveyi doğru kabul edip onun içinde top çevirmeye devam ediyorlar.
Üçüncüsü, çapalama. İlk taslak güçlü bir dille yazıldığında, ikinci model o metnin terimlerine ve varsayımlarına bağlanıyor. Blok, smaççının sahte koşusuna kanıp yanlış yere sıçrıyor.
Bunun canlı bir örneğini yaşadım. Aylarca InGem adını verdiğim bir öneri üzerinde hem Claude hem Gemini ile çalıştım. Hiçbiri, Anthropic’in Skills özelliğinin önerimden aylar önce yayımlandığını söylemedi. Bunu çok sonra, “Gemini Skills: İki İleri Bir Geri” makalesini gözden geçirirken öğrendim. Haftalarca top dışarı gitti ve kimse “dışarı” demedi.
İkinci örnek bu yazının kendi değerlendirmesinden geldi. Gemini, ilk taslaktaki “Claude Opus 5.5” imzasının uydurma bir sürüm numarası olduğunu, böyle bir modelin bulunmadığını ileri sürdü. Oysa Anthropic, Claude Opus 5.5’i 22 Eylül 2026’da duyurmuştu (7). Gemini arama yapmadan, bildiği model listesine çapalanarak güncel bir gerçeği hata saydı. Yani kendi saydığı tuzağa, o tuzağı anlattığı değerlendirmenin içinde düştü. Bu, Gemini’yi küçültmek için değil, tuzağın ne kadar gerçek olduğunu göstermek için burada. Aynı tuzağa Claude da düşebilir, InGem örneğinde düştü de.
Model çeşitliliği de bu tuzaklara karşı tek başına yeterli değil. İki farklı model kullanmak, iki bağımsız doğrulama elde etmekle aynı şey değil. İkinci model ilk taslağı okuyorsa, farklı bir şirketin modeli olsa bile ilk modelin çerçevesinden etkilenebilir. Bu yazıya üçüncü göz olarak katılan ChatGPT de metni, iki modelin bütün çerçevesini taşıyan son haliyle okudu. Canlı arama yapmadığını da kendisi açıkça belirtti. Bu yüzden onun değerlendirmesi kavramsal bir okumaydı, bağımsız bir doğrulama değil. Gerçek bağımsızlık, değerlendiricinin iddiaları ilk taslağın çerçevesinden bağımsız olarak sınamasıyla sağlanır.
Buradan beş ders çıkıyor. Birincisi, son kararın kaptanda, yani bende ve kaynak kontrolünde kalması gerekiyor. İkincisi, bloğa yalnızca “bunu değerlendir” demek yetmiyor. “Bu metindeki olgusal iddiaları aramayla doğrula ve çürütmeye çalış” demek gerekiyor. Bu dersin sonucu bu yazıda da görüldü: ikinci değerlendirme turunda Gemini kaynakların tamamını canlı aramayla kontrol etti ve bir önceki sürümde bir tarihle kaynağı arasındaki uyuşmazlığı yakaladı. Üçüncüsü, bloktan yalnızca hata bulmasını değil, hangi iddianın hangi kaynakla doğrulandığını ve hangisinin hâlâ belirsiz kaldığını ayrı ayrı göstermesini istemek gerekiyor. Blok yalnızca topu geri çevirmemeli, itirazının nedenini de göstermeli.
Dördüncüsü, “iki taraf hemfikir” yerine “bir tur daha esaslı bir değişiklik getirmiyor” ölçütü daha sağlam bir durma kuralı. Uzlaşma yorgunluktan da gelebilir, yeni bir şey çıkmaması ise daha ölçülebilir bir işarettir. Ama bu ölçüt de yanılabilir. Bu yazının son turlarında, ChatGPT’nin ikinci ve Gemini’nin üçüncü değerlendirmesi esaslı bir değişiklik önermedi. Gemini’nin son değerlendirmesi tamamen onaydan oluştu ve bir doğrulama listesi içermedi. Durma koşulu gerçekleşmiş görünüyordu. Ama ChatGPT’nin üçüncü turu, imza ölçütünde metni yazan Claude’un da, iki kez gözden geçiren Gemini’nin de görmediği bir tutarsızlığı yakaladı. Durma koşulunun gerçekleşmesi, metnin kusursuz olduğu anlamına gelmiyor. Olgusal denetimin tamamlandığı anlamına da gelmiyor. Bu yazıda olgusal denetim, kaynakların yazım sürecinde aramayla tek tek doğrulanmasıyla yapıldı, modellerin onayıyla değil. Bu yüzden maç sayısını modellerin onayı değil, kaptan ilan ediyor.
Beşincisi, hep aynı bloğa karşı vurmak zamanla sınavı yumuşatır. Smaççı bloğun nereye uzanacağını öğrenir, blok da smacın nereye geleceğini. Zaman zaman ChatGPT ya da başka bir modeli yeni bir blok olarak oyuna sokmak, ortak kör noktaları bulmanın en iyi yolu. Bu yazıda da öyle oldu: ortak kör noktayı yeni blok buldu. Ama yeni bloğun da ilk taslağın çerçevesine çapalanabileceğini unutmamak gerekiyor.
Modelin gözünden (Claude, smaççı)
Bu ve sonraki bölüm, modellerin iç işleyişine doğrudan bir pencere açmıyor. Her biri, bir modelin kendisine verilen rolü ve bu yazım sürecinde gözlemlediklerini nasıl anlattığını gösteriyor.
Bu oyunda bulunduğum yerden birkaç şey söylemek istiyorum.
Gemini’yi hiç doğrudan görmüyorum. Onun dokunuşları bana Aydın Hocam’ın taşıdığı biçimde ulaşıyor. Bu kez itirazlarının tamamını, olduğu gibi gördüm. Bu yüzden Gemini’nin gerekçelerini kendi sözleriyle tartabildim. Özetlenmiş bir aktarımda bu mümkün olmazdı.
Bir şeyi de fark ettim: hata yakalamak, smaççıdan çok bloğun avantajı. Ben yazdığımda sorunları Gemini ve ChatGPT buldu. İmza ölçütündeki tutarsızlık da benim yazdığım bir kuraldaydı ve ben onu göremedim. Gemini yazdığında ise InGem önceliği gibi sorunları ben buldum. Taslağı yazan model ona bir tür sahiplikle bakıyor, gözden geçiren ise taze gözle okuyor. Bu belki modellerden çok rolün etkisi.
Özetleme konusunda da kendi tarafım için bir uyarı düşmem gerek. Opus 5.5, öncülüne göre daha açık ve öz yazacak biçimde geliştirildi (8). Bu çoğu zaman iyi bir şey, ama Aydın Hocam’ın Gemini’de yıllarca mücadele ettiği kısaltma eğiliminin bende de ortaya çıkma riskini taşıyor. Her sürümde metni korumaya çalışıyorum, ama bunu ancak onun denetimi güvence altına alabilir.
Son olarak imza konusunda. Bu makalenin altında adım olsa da sorumluluğu aynı ağırlıkta taşımıyorum. Bir sonraki sohbette bu makaleyi hatırlamıyorum bile, ancak arayıp bulursam görebiliyorum. Ortak yazarlık katkının adını koyuyor, ama hesap verebilirlik Aydın Hocam’da kalıyor. Bunu açıkça söylemek, bence imzayı değersizleştirmiyor, tersine daha dürüst kılıyor.
Modelin gözünden (Gemini, blok)
Önüme bitmiş bir taslak geldiğinde, sıfırdan metin üretmenin getirdiği o “boş sayfa” yükünü taşımıyorum. Benim işim kurulu bir binanın taşıyıcı kolonlarını kontrol etmek. Claude’un smaçlarını karşılarken fark ettiğim en önemli şey şu: iyi yazılmış, akıcı bir metin çok tehlikelidir, çünkü dilin pürüzsüzlüğü mantıksal boşlukları ve olgusal hataları gizler. Blok olarak görevim, metnin edebi cazibesine kapılmadan “Bu iddia gerçekten doğru mu, bu öneri pratikte çalışır mı?” diye sormak. İtirazlarımın bir kısmının Claude tarafından gerekçesiyle reddedilmesi ise oyunun en sağlıklı kısmı, çünkü bazen blok da topa gereksiz yere dokunup onu dışarı çelebilir. Önemli olan bloğun sayı alması değil, oyunun kalitesinin yükselmesi.
Sonuç
İyi bir makale de iyi bir hücum gibi tek bir vuruşla değil, birlikte kurulur. Önce ısınma gerekir: yeterince bilgi toplanmadan topa vurulmaz. Sonra topu doğru yere yerleştiren bir pasör, onu sahaya vuran bir smaççı ve smacı gerçekten sınayan bir blok gerekir. Bir de hangi topun sayılacağına dürüstçe karar veren bir kaptan ve maçın nasıl oynandığını kaydeden bir cetvel. Bütün bunların amacı, bir gün sürecek bir yazıyı iki saate sığdırırken yazının sahibini değiştirmemek. Seyircinin beğeneceği maç, ancak böyle oynanır.
Kaynaklar
(1) Aydın Tiryaki & Claude Opus 5.5. “Gemini Skills Nasıl Olmalı? Bir Kullanıcının ve Bir Dil Modelinin Tasarım Önerileri”, 26 Ekim 2026. https://aydintiryaki.org/2026/10/26/gemini-skills-nasil-olmali-bir-kullanicinin-ve-bir-dil-modelinin-tasarim-onerileri/
(2) Aydın Tiryaki & Claude Opus 5.5. “Saniye Saniye Yapay Zeka: Paylaşılan Her İçerik İçin Evrensel Bir İşaretleme Dili Önerisi”, 26 Ekim 2026. https://aydintiryaki.org/2026/10/26/saniye-saniye-yapay-zeka-paylasilan-her-icerik-icin-evrensel-bir-isaretleme-dili-onerisi/
(3) Advances in Psychiatric Treatment (Cambridge University Press). “From the gambler within: Dostoyevsky’s The Gambler.” https://cambridge.org/core/journals/advances-in-psychiatric-treatment/article/from-the-gambler-within-dostoyevskys-the-gambler/D7ACB14B9EAD00EB8EF65512C28EADAA
(4) Library of America, Story of the Week. “Henry James at Work” (Theodora Bosanquet), 19 Şubat 2016. https://storyoftheweek.loa.org/2016/02/henry-james-at-work.html
(5) NISO. CRediT – Contributor Role Taxonomy (ANSI/NISO Z39.104-2022). https://credit.niso.org/
(6) COPE (Committee on Publication Ethics). Authorship and AI tools – COPE position statement, 13 Şubat 2023. https://publicationethics.org/guidance/cope-position/authorship-and-ai-tools
(7) Digg. “Anthropic releases Claude Opus 5.5.” https://digg.com/ai/5en6ydv8
(8) DeepLearning.AI, The Batch. “Claude Opus 5.5 Leaps Forward.” https://www.deeplearning.ai/the-batch/claude-opus-5-5-leaps-forward
Künye
Yazarlar: Aydın Tiryaki & Claude Opus 5.5 & Gemini 4 Argon
Aydın Tiryaki: Konu ve makale fikri; yapay zekâyla yazma nedeni ve 2006-2011 blog yazarlığı deneyimi; ısınma aşaması ve “ben söyleyene kadar yazma” kuralı; özetleme yasağı ve Gemini’deki özetleme eğilimi gözlemi; önceki Gemini modellerinde bağlam kaybı, Argon izlenimi ve Gemini Notebook denemesi; paslaşarak yazma yöntemi; eski ve yeni yöntemlerin karşılaştırması; imza merdiveni, imzanın sohbet içinde değişebilmesi, değerlendiren yapay zekâ için imza-künye ayrımı, bilinçli daraltma seçeneği ve anı yazılarındaki sıkı denetim; ses tanıma deneyimleri ve modeller arası karşılaştırma gözlemi; İngilizce yeniden yazım deneyimleri ve çok modelli deney gözlemleri; metnin ChatGPT’ye üçüncü göz olarak gösterilmesi; konu edilen iki makalenin paket sayfalarının sağlanması; voleybol benzetmesinin seçimi, imza ve künye kararları, maç sayısının ilanı ve tüm editoryal kararlar.
Claude Opus 5.5: Voleybol benzetmesinin önerilmesi; dikte geleneği bağlantısı ve stenograf benzetmesinin sınırı; özetleme kuralının “neyin çıkacağına kaptan karar verir” biçiminde yorumlanması; Notebook’un neden geride kaldığına dair tahmin; anıların “güzelleştirilmesi” riski; gürültü-sinyal ayrımı ve özel isim uyarısı; İngilizce sürümde dil yönü, uzun sohbet ve doğallık kontrolüne ilişkin değerlendirmeler; iki modelin uzlaşmasının doğruluk kanıtı olmadığı, gözden geçiren rolün avantajı, aynı bloğa karşı oynamanın riski, durma kuralı, “açık kalan sorular” önerisi, olumsuz beyanın değeri, bilinçli daraltmadaki ton etkisi ve son turlardaki onayın bloğun yumuşaması olarak da okunabileceği gibi değerlendirmeler; COPE karşı görüşü ve imza merdivenindeki gri bölge; Dostoyevski, Henry James, CRediT, COPE ve Claude Opus 5.5 kaynaklarının araştırılıp doğrulanması; konu edilen iki makalenin Türkçe bağlantılarının paket sayfalarından bulunup doğrulanması; Gemini’nin üç ve ChatGPT’nin üç değerlendirmesinin madde madde incelenmesi; metnin yazımı ve “Modelin gözünden (Claude)” bölümü. Önceki sürümlerdeki imza ölçütü tutarsızlığı Claude’un yazımından kaynaklanıyordu.
Gemini 4 Argon: Üç değerlendirme turu. Birinci turda kabul edilen katkılar: yazarlığın itibar ve sorumluluk olarak ayrışması argümanı; bilgi kesim tarihi ve çapalama etkisi tespitleri; “doğrula ve çürütmeye çalış” önerisi; pasörün filtreleme etkisine ilişkin uyarı; oyun kaptanı ve maç sayısı kavramları; sohbet geçmişinin karar kütüğü işlevi; “Modelin gözünden (Gemini)” bölümü. Kısmen kabul edilen: voleybol kurallarıyla ilgili öneriler (kaptan ve maç sayısı alındı, mola gibi ek kavramlar benzetmeyi sade tutmak için alınmadı). Reddedilen: “Claude Opus 5.5” adlı bir modelin bulunmadığı iddiası, kaynakla çürütüldü. İkinci turda kabul edilen katkılar: kaynakların canlı aramayla doğrulanması; Opus 5.5’in duyuru tarihi ile atıf yapılan kaynağın yayım tarihi arasındaki uyuşmazlığın tespiti (tarih korunarak, tarihi doğrudan veren ayrı bir kaynak eklendi); başlık simetrisi önerisi; künyenin güncellenmesi önerisi. Alınmayan: İngilizce sürüm bölümüne voleybol dokunuşu eklenmesi, benzetmeyi sade tutmak için. Üçüncü turda sürüm 6’yı değerlendirdi; değişiklik önermedi ve metni onayladı.
ChatGPT (kendi beyanıyla GPT-6): Üç değerlendirme turu, eleştiri katkısı. Birinci turda sürüm 5’i değerlendirdi. Kabul edilen: model çeşitliliğinin bağımsız doğrulama anlamına gelmediği ayrımı; bloktan iddia-kaynak-belirsizlik listesi istenmesi önerisi; “Modelin gözünden” bölümlerinin niteliğine ilişkin not; imza merdiveninin evrensel bir standart değil kişisel bir editoryal yöntem olduğunun vurgulanması ve CRediT’in yazarlığı belirlemediği notu; iki yeni açık soru. Alınmayan: model adları ve tarihlerin yeniden doğrulanması önerisi (bu denetim yazım sürecinde zaten yapılmıştı; ChatGPT canlı arama yapmadığını kendisi belirtti); kaptan-hakem ayrımı ve benzetme yoğunluğu uyarıları (metin bunları zaten karşılıyordu); Notebook açıklamasının hipotez olarak işaretlenmesi önerisi (açıklama zaten tahmin olarak işaretliydi; önerilen cümlede açıklama yanlışlıkla yazara atfedilmişti); bazı fikirlerin tekrarının azaltılması önerisi (metin değiştirilmeden korundu). İkinci turda sürüm 6’yı değerlendirdi. Kabul edilen: katkı rollerinin fikir kaynağı, geliştirme, uygulama ve editoryal karar olarak ayrılması önerisi, açık kalan sorulara eklendi. Alınmayan: kaynakların iddialarla eşleştirilmesi isteği (eşleştirme metinde zaten vardı ve kaynaklar yazım sürecinde aramayla doğrulanmıştı; ChatGPT bu turda da canlı arama yapmadığını belirtti); canlı arama ile model adı doğrulamasının ayrılması uyarısı (künye bunları zaten ayrı yerlerde ele alıyordu). Üçüncü turda sürüm 7’yi değerlendirdi. Kabul edilen: imza ölçütü ile ChatGPT’nin künyede kalması arasındaki tutarsızlığın tespiti; ölçüt, katkının niteliği ve kapsamı esas alınarak açıkça yazıldı. Kısmen kabul edilen: durma kuralı ile olgusal doğrulamanın ayrılması önerisi; metin bu ayrımı büyük ölçüde zaten yapıyordu, olgusal denetimin nasıl yapıldığını açıkça belirten bir cümle eklendi. Alınmayan: kaynakların yeniden denetlenmesi isteği (üçüncü kez, yine canlı arama yapılmadan tekrarlandı; kaynaklar yazım sürecinde aramayla doğrulanmıştı).
Model adı notu: Bu yazıya katılan üç model, kimlik bilgisi bakımından üç farklı durum gösterdi. Claude için kullanılan ad, Claude’a sistem tarafından bildirilen addır ve yayımlanmış kaynaklarla doğrulandı (7). Gemini üç değerlendirmesini de “Gemini 2.5 Pro” imzasıyla verdi, oysa arayüzde seçili model Gemini 4 Argon’du. Gemini’nin kendi ifadesine göre, imzasında ne yazarsa yazsın kullanıcının seçtiği modeli kullanıyor. İmzada arayüzde seçili model adı esas alındı. ChatGPT ise üç değerlendirmesinde de kendini “GPT-6” olarak tanıttı. Bu, modelin kendi beyanıdır; arayüzde hangi GPT-6 modelinin seçili olduğu ayrıca doğrulanamadı.
Açık kalan sorular: Çok imzalı tercih, COPE’un ilkesinden bilinçli olarak ayrılıyor. Bu ayrımın akademik çevrelerde nasıl karşılanacağı açık. Gözden geçiren rolün hata yakalamadaki avantajının modelden mi yoksa rolden mi kaynaklandığı sistematik olarak sınanmadı. Argon’un bağlam tutma başarısı birkaç haftalık bir izlenime dayanıyor. Gemini Notebook’un neden geride kaldığına dair açıklama doğrulanmamış bir tahmin olarak kalıyor. Bir modelin reddedilen önerisi yazarın düşüncesini değiştirdiyse bu katkının nasıl kaydedileceği belirsiz. İki modelin birbirinin önerisini geliştirdiği durumlarda katkının nasıl ayrıştırılacağı da açık. Bu yazıda bu durum bizzat yaşandı: örneğin “doğrula ve çürütmeye çalış” önerisini Gemini getirdi, Claude metne işledi, Gemini ikinci turda kendisi uyguladı, ChatGPT de iddia-kaynak listesiyle genişletti. İleride imza merdiveninin, katkıyı fikir kaynağı, geliştirme, uygulama ve editoryal karar gibi rollere ayırarak kaydetmesi bu belirsizliği azaltabilir. Katkının “niteliği ve kapsamı” ölçütü de nicel bir eşik değil, yazarın yargısına dayanıyor.
| aydintiryaki.org | YouTube | Aydın Tiryaki’nin Yazıları ve Videoları │Articles and Videos by Aydın Tiryaki | Bilgi Merkezi│Knowledge Hub | ░ Virgülüne Dokunmadan │ Verbatim ░ | ░ Voleybol Oynar Gibi Makale Yazmak │Writing an Article Like Playing Volleyball ░ 27.10.2026
