Normal Bir Teknoloji

Her yeni teknoloji önce bir istisna olarak karşılanır. Kurtarıcı veya felaket olarak tanımlanır. Ya her şeyi değiştirecektir ya da değerli olan her şeyi yok edecektir. Yapay zeka da bugün bu iki ucun arasında sıkışmış durumda.

Arvind Narayanan ve Sayash Kapoor’un 2025 tarihli “AI as Normal Technology” denemesi, tartışmayı bu iki uçtan çıkarmayı öneriyor.¹ Onlara göre yapay zeka ne bir kurtarıcı ne de ayrı bir tür; elektrik ya da internet gibi genel amaçlı bir teknoloji. “Normal” demek etkisini küçümsemek demek değil; tersine, onu tanıdığımız toplumsal pratiklerin, kurumların ve hesap verme mekanizmalarının içine geri koymak demek. Yazarlar bu ifadenin aynı anda bir betimleme, bir öngörü ve bir reçete olduğunu söylüyor: Araç, denetimini elimizde tutabileceğimiz ve tutmamız gereken bir şey.

art-izan’daki Yapay Zeka Dosyası’nda vardığımız sonuç da buydu: Yapay zeka ne her şeyi yapabilen bir süper zeka ne de insanlığı yok edecek şeytani bir robot; belirli yetenekleri ve belirli sınırları olan bir teknoloji.² Üstelik getirdiği sorunların çoğunu kendisi yaratmıyor; veri güvenliği, kontrol ve niyet, erişim eşitsizliği yapay zekadan önce de vardı.³ Yapay zeka onları büyütüyor, hızlandırıyor, görünür kılıyor.

Ama “normal” ile “tarafsız” aynı şey değil. Teknolojinin kendi iç mantığıyla ilerlediği ve ona uyum sağlamaktan başka çaremiz olmadığı fikri de, “teknoloji tarafsızdır, nasıl kullanırsan öyle olur” fikri de birer mit.⁴ Her algoritma onu tasarlayanların ve finanse edenlerin önceliklerini taşır. Normal bir teknoloji, tam da bu yüzden, tartışmadan muaf tutulamaz. Sadece tartışmanın zemini değişir ve aracın varlığından, onun hangi amaçla ve hangi koşullarda kullanıldığına kayar.

I

Yapay zeka karşıtlığı ve amaç sorunsalı

Gündelik tartışma ise henüz o noktada değil. Kamusal tepkinin en sık sorduğu soru hala aracın varlığına dair: “Ne kadarı yapay zeka?”

Bu, gayet masum ve makul bir soru; hatta meşru bir şeffaflık talebi. Ancak sorunun ölçtüğü şey işin kendisi olmaktan çıkıp işin soyağacının peşine düştüğünde tehlikeli hale gelebilir. Sanatta, akademide ya da gündelik işlerde, bir işin herhangi bir aşamasında yapay zekaya başvurulduğu duyulduğu anda tartışma çoğu zaman buraya kilitlenebiliyor. Oysa asıl karar hala insanın elinde olabilir. Hangi seçimin kabul edileceğine, neyin okunacağına, argümanın nasıl kurulacağına, kazanılan zamanın neye ayrılacağına hala bir insan karar veriyor olabilir. Çoğu zaman da yanında sorulması gereken diğer soruların eşlik etmediği “Ne kadarı yapay zeka?” sorusu ise tek başına bunların hiçbirini dikkate almaz.

Bir işin yüzde kaçının makinede üretildiğini bilmek, o işin doğru, yerinde ya da işe yarar olup olmadığı hakkında bir şey söyleyemez. Üstelik bu soru bir kez masaya geldiğinde diğer bütün soruların önüne geçebiliyor. İş neye hizmet ediyor? Neyi atlamış? Kime ulaşmış? Bunların hepsi, aracın varlığı tartışmasının gölgesinde kalabiliyor.

Bu kayma tek bir alana özgü değil; yapay zekaya yönelik kamusal tepkinin genel bir eğilimi aslında. Haklı itirazlar, tartışma sıkıştıkça tek bir refleks soruya, “makine bu işe dokundu mu?” sorusuna indirgeniyor. O yüzden önce itirazların kendisine bakmak gerekiyor.

II

Yapay zeka karşıtlığının altı hali

Yapay zeka karşıtlığı tek bir tutum değil. Kamusal tartışmada en az altı ayrı damar ayırt edilebilir durumda. Her birinin haklı olarak dayandığı farklı gerekçeler var ve ilginç olan şu ki neredeyse hepsi, dikkatle okunduğunda, aracı değil amacı işaret ediyor.

1. Bolluktan bıkkınlık. Merriam-Webster 2025’in kelimesi olarak “slop”u seçti ve onu, çoğunlukla yapay zekayla ve büyük miktarlarda üretilen düşük kaliteli dijital içerik diye tanımladı.⁵ Avustralya’da Macquarie Sözlüğü de aynı yıl “AI slop”u seçmişti. Sosyal medya akışlarımızın ne halde olduğunu gözleyen herkes bu tepkiyi anlar. Ama tanımın içindeki ölçütlere dikkat edin. Önce düşük kalite, sonra kitlesellik, en son olarak da araç. Slop’un atası içerik çiftlikleri, arama motoruna yazılmış metinler, kimsenin okumadığı kurumsal bültenlerdi. Belli bir kişiye belli bir bilgiyi ulaştırmak için yazılmış bir metin, yapay zekayla yazılmış olsa bile slop değildir; elle yazılmış bir metin de kimseye hiçbir şey söylemiyorsa slop’tur. İtirazın haklı olduğu yer kalite ve kalite aracın değil, onu kullananın sorumluluğundadır.

2. Seçim itirazı. Bu damarın en güçlü metni Ted Chiang’ın New Yorker’daki denemesi.⁶ Chiang’a göre sanat, çok sayıda seçimin sonucunda ortaya çıkan bir şeydir. Kısa bir komutla üretilen metin ya da görüntü, o seçimlerin neredeyse tamamını makineye devreder. Tartışmanın en ciddi argümanlarından biri budur. Ama Chiang’ın ölçütü “makine dokundu mu?” değil, “seçimleri kim yaptı?” sorusudur. Bu ölçütle bakınca, örneğin bir toplantı kaydının deşifresi seçimin en az olduğu işlerden biridir. Bu deşifre üzerinden toplantı notu çıkarmada ise seçimler vardır. Araçtan alınan taslakları okuyup reddetmek, metni yeniden yazmak, işin neye hizmet edeceğine karar vermek seçimin kendisidir. Noam Chomsky ve arkadaşlarının “ChatGPT’nin Yanlış Vaadi” yazısı da benzer bir sınır çizer: Bu sistemler bir elmanın düşeceğini tahmin edebilir ama neden düştüğünü açıklayamaz, ahlaki muhakeme de yapamaz.⁷ İki itiraz da aynı yeri göstermektedir. Devredilemeyen, devredilmemesi gereken şey yargıdır. Chiang bu açıdan iyi bir test öneriyor, ama bu bir araç testi değil, bir karar dağılımı testi.

3. Bilişsel borç. MIT Media Lab’in 2025’te yayımladığı “Your Brain on ChatGPT” çalışması, deneme yazarken yapay zeka kullanan grubun beyin bağlantısallığının en düşük düzeyde kaldığını raporladı ve bunu “bilişsel borç” diye adlandırdı.⁸ Çalışma 54 kişilik küçük bir örneklemle yapıldı ve hakem değerlendirmesinden önce ön baskı olarak dolaşıma girdi. Buna rağmen bu alandaki tartışmaların en çok alıntılanan kaynaklarından biri oldu. Ancak raporun çok az konuşulan bir ayrıntısı daha var. Önce kendi başına yazıp yapay zeka aracıyla sonradan tanışan katılımcılar, aracı kullanırken daha zengin bir zihinsel katılım gösteriyorlar. Microsoft Research ile Carnegie Mellon’ın 319 bilgi çalışanıyla yaptığı bir başka 2025 araştırması da tabloyu tamamlıyor.⁹ Yapay zeka aracını kullananlar bilgiye ulaşırken daha az, ama aracın çıktısını kendi işlerine yerleştirirken daha çok çaba harcadıklarını söylüyorlar. Aslında doğru iş için harcanan emek ortadan kalkmıyor, yer değiştiriyor. Yani mesele yine araç değil, hangi sırada kullanıldığı. Sorun ön taramayı makineye yaptırmakta değil, seçilen kaynakları okumadan bir sonuca varmakta. Önce düşünmek, sonra düşünülen çerçevede araçtan uygun olan yardımı almak.

4. Emek ve iktidar. Brian Merchant, Blood in the Machine’de Makine Kırıcıları’nı (Ludditleri) yeniden ele alır: 19. yüzyıl dokumacıları makinelerden nefret etmiyordu, makinelerin kendilerine karşı nasıl kullanıldığına itiraz ediyorlardı.¹⁰ Emily M. Bender ve Alex Hanna’nın The AI Con’u da aynı damardan, yapay zeka etrafındaki abartının büyük teknoloji şirketlerinin kar ve güç arayışını örten bir maske olduğunu savunuyor.¹¹ Bu, karşıtlığın en ciddiye alınması gereken hali olabilir. Ama dikkat edin, tanımı gereği bu da bir amaç eleştirisi: Kim, kime karşı, ne için kullanıyor? 2023’te Hollywood’da greve çıkan senaristler ve oyuncular da teknolojiye karşı değildi; yapay zekanın nasıl, kim tarafından ve hangi koşullarda kullanılacağı konusunda söz hakkı istiyorlardı ve bu bilinçle yapılan mücadele ile sonunda bu hakkı kazandılar.⁴ Angaryayı araca devredip kazanılan zamanı insanlarla ilgilenmeye ayırmakla, aynı aracı o işi yapan kişiyi işten çıkarmak için kullanmak aynı teknolojidir ama aynı iş değildir. Luddit sorusu, aracın kendisini değil, aracın hangi düzenin hizmetinde olduğunu sorar.

5. Bedel. MIT Technology Review’un 2025’teki kapsamlı enerji araştırması, yapay zekanın enerji tüketimine dair yaygın kanaatin boşluklarla dolu olduğunu ve şirketlerin rakamları uzun süre sakladığını gösterdi.¹² Yayının ardından birkaç büyük şirket modellerinin enerji ve su kullanımına dair veri açıkladı. Bender, Gebru ve arkadaşlarının 2021’deki “Stokastik Papağanlar” makalesi, çevresel maliyetle eğitim verisinin rızasız toplanmasını daha o zaman aynı cümlede anmıştı.¹³ Literatürdeki “Kırmızı YZ / Yeşil YZ” ayrımı da buradan doğuyor.¹⁴ Her ne pahasına olursa olsun performans peşindeki yaklaşıma karşı, verimliliği araştırmanın merkezine koyan bir yaklaşım. Ancak mesele yalnızca aynı işi daha az enerjiyle yapmak değil, hangi işi neden yaptığımızı sormakta yatıyor. Bedel itirazı haklı ve bizi doğrudan iki önemli soruya götürüyor. Bu kullanımın gerekçesi bedelini karşılıyor mu ve karşılığında araca ne veriyoruz? Bu ikinci soru çoğu zaman gözden kaçar, çünkü araca bir şey vermek bir işlem gibi değil, bir kolaylık gibi yaşanır. Oysa bir yapay zeka aracına aktarılan içerik, yalnızca onu aktaranın malı değildir. İçinde başka insanların sözleri, henüz kamuya açılmamış emekler, kişilere ait bilgiler bulunabilir. Bunların hiçbiri, araca verildiği anda nereye gittiğini, nasıl saklandığını ya da neyi beslemek için kullanılacağını bilen bir kişinin denetiminde kalmaz. Bir içeriği paylaşmanın etik ölçütü, onu kimin ürettiği kadar, içinde kimlerin emeğinin bulunduğudur. Bu yüzden bedel yalnızca enerjiyle ölçülmez. Araca devredilen her içerik, içindekilerin rızasını, mahremiyetini ve haklarını da beraberinde götürür.

6. Şüphe refleksi. Altıncı damar ötekilerden farklıdır, çünkü bir argüman değil, bir reflekstir. “Ne kadarı yapay zeka?” sorusu tam olarak buraya oturur. Oliver Schilke ve Martin Reimann’ın 2025’te yayımlanan araştırması, on üç deneyde aynı sonuca ulaşmıştır.¹⁵ Yapay zeka kullandığını beyan eden kişiye, beyan etmeyene göre daha az güveniliyor. Bu ceza, iş arkadaşına gönderilen sıradan bir toplantı e-postasında bile ortaya çıkıyor. “Bir insan sonradan gözden geçirdi” gibi yumuşatıcı ifadeler bile onu ortadan kaldırmıyor. Araştırmacılar bunu, beyan edilen kullanımın daha az meşru algılanmasıyla açıklıyor. Aynı çalışmanın ikinci bulgusu ise daha önemli; kullanımı saklayıp sonradan yakalanmak, güveni hepsinden fazla aşındırıyor.

Bunun anlamı açık. Her beyan bir sorguya dönüşürse, akılcı davranan herkes, hangi alanda olursa olsun, susmayı seçer. Susmak, ortaya çıktığında herkesin kaybettiği bir seçenektir. Şüphe refleksi şeffaflığı cezalandırıp saklamayı ödüllendiriyor. Yani ilk beş damarın haklı olarak talep ettiği denetimi imkansız hale getiriyor. Araştırmacıların kendi önerisi de dikkat çekici; kullanımın olağan ve meşru görüldüğü bir kültür kurmak. Yani yapay zekayı normalleştirmek.

Şüphe refleksi şeffaflığı cezalandırıp saklamayı ödüllendiriyor.

Döküm · Altı damar, asıl sordukları

III

Önerilen yaklaşım: dört soru

Yapay zekayı normalleştirmek, sorunlara ve haklı sorulara gözümüzü kapamak değildir. Aksine onu bir istisna olmaktan çıkarıp her alanın kendi olağan disiplinine dahil etmektir. Sanatta eleştirinin ve dramaturjinin, akademide kaynak kontrolünün ve hakem değerlendirmesinin, kurumlarda hesap verebilirliğin işlemesini sağlamaktır. Bu disiplinlerin hiçbiri yeni değil. Hepsi, bir işin neye hizmet ettiğini sormak için kurulmuş yapılar. İstisna olarak kaldıkça tartışılan hep araç olmak durumunda olacak. Normalleştiğinde tartışılansa ortaya konulan iş olacaktır.

Bunun somut bir modeli de var. Algoritmaların toplumsal etkilerini izleyen Berlin merkezli sivil toplum kuruluşu AlgorithmWatch, Mayıs 2025’te çalışanlarıyla yaptığı bir anketten yola çıkarak kendi üretken yapay zeka politikasını yazdı ve dört ilke üzerine kurdu.¹⁶ Politika kendini katı kurallar olarak değil, her kullanımda amaç ve işlevsellik üzerinden karar vermeyi destekleyen bir çerçeve olarak tanımlıyor. Bu dört ilkeyi, “ne kadarı?” sorusunun yerine konacak dört soruya çevirmek mümkün:

Bu sorular her alana aynı şekilde uygulanır, ama her birinde başka bir yere dokunur. Yaratıcı işlerde “Neden?” sorusu ağırlık kazanır. Araç ancak işin kendi amacına hizmet ettiği ölçüde yerindedir. Bilgi üreten işlerde ağırlık “Kim denetledi?” sorusundadır. Ön tarama, okumanın yerini tutmaz. Gündelik ve idari işlerde “Araca ne verildi?” sorusu öne çıkar: İsimler, iletişim bilgileri, kişisel kayıtlar. Sorular aynı olsa da cevapları alanın kendi amacı belirliyor.

Dördüncü soru ötekilerden farklı bir yerde duruyor. Şeffaflığı burada kendi başına bir erdem olarak değerlendirmemek gerekir. Şeffaflık, diğer üç sorunun hesabını verebilmenin aracı olarak değerlidir. Yapay zeka kullanım beyanı, bir itiraf değil, bir künye hüviyetinde olmalıdır. Bir eserin künyesindeki ya da bir çalışmanın yöntem bölümündeki tek cümlelik bir not gibi. Okura veya denetçiye kusur bildirmekten ziyade, nereye bakması gerektiğini söylemek gibi.

Yapay zeka kullanım beyanı, bir itiraf değil, bir künye hüviyetinde olmalıdır.

IV

Gündemi neyin kurduğu

İşe odaklı kalırsak dört ilkenin dördüne de zaten uymuş oluruz. Amacını bilen biri orantılılığı tartmıştır, konusuna hakim olan biri kaliteyi denetlemiştir, neyi paylaştığını bilen biri güvenliği gözetmiştir ve bunların hiçbirini saklamak için sebebi olmayan biri de bunu olduğu gibi beyan eder.

O yüzden aracın varlığının veya yokluğunun bu kadar gündem olmaması gerektiğini düşünüyorum. Sanatta, akademide, gündelik angarya işlerde, şüphe nerede doğarsa doğsun, haklı olduğu her yerde bizi aynı temel zemine getiriyor: İşin amacına. “Ne kadarı?” sorusu cevap olarak bir yüzde ister. “Ne için?” sorusu ise cevap olarak bir gerekçe talep eder. Bir yüzde kullanım gerekçesi hakkında hesap veremez ve tartışılamaz. Kullanıp kullanmama tercihi olarak kolayca geçiştirilebilecek bir olguya dönüşebilir. Cevap olarak verilecek bir gerekçe ise bir argümantasyon sürecinin başlamasını sağlar. Bu iş neye hizmet ediyor? Argümanları sağlam mı? Ulaşması gereken kişilere ulaşıyor mu? Yapay zeka karşıtlığının haklı damarlarının hepsi, kalite, seçim, düşünme, emek, bedel, aynı yeri işaret ediyor. Şüphe refleksi ise bizi onlardan uzaklaştırıyor. Üstelik eleştirel kesimlerin bu alanı “makine dokundu mu?” sorusuyla terk etmesi, bir yandan da aracı en az sorgulayanlara terk etmek demek. Eleştirmek yetmez, alanı terk etmeden, kendi amaçlarımıza uygun pratikler geliştirmek gerekir.

“Ne kadarı?” sorusu cevap olarak bir yüzde ister.

“Ne için?” sorusu ise bir gerekçe talep eder.

Notlar ve kaynakça

1. Narayanan, A. ve Kapoor, S. “AI as Normal Technology.” Knight First Amendment Institute / AI Snake Oil, 15 Nisan 2025. Ütopik ve distopik çerçevelere alternatif; ~40 sayfalık deneme. aisnakeoil.com ↩

2. Ünal, A. “Yapay Zeka Neden Farklı? Nedir? Neler Yapabilir?” art-izan, 23 Ekim 2025. art-izan.org ↩

3. Ünal, A. “Yapay Zeka: Üç Temel Sorun.” art-izan, 27 Aralık 2025. Veri güvenliği, kontrol ve niyet, erişim eşitsizliği. art-izan.org ↩

4. Ünal, A. “Yapay Zeka Çağında Nasıl Bir Gelecek İnşa Edebiliriz?” art-izan, 7 Mart 2026. Teknolojik determinizm ve tarafsız teknoloji miti; Hollywood grevleri, IG Metall, AlgorithmWatch gibi kolektif örnekler. art-izan.org ↩

5. Merriam-Webster. 2025 Yılın Kelimesi: “slop.” Aralık 2025. Haber: Smithsonian Magazine. smithsonianmag.com ↩

6. Chiang, T. “Why A.I. Isn’t Going to Make Art.” The New Yorker, 31 Ağustos 2024. newyorker.com Karşı okuma: “Why Ted Chiang was wrong,” The Common Reader, 2024. commonreader.co.uk ↩

7. Chomsky, N., Roberts, I. ve Watumull, J. “The False Promise of ChatGPT.” The New York Times, 8 Mart 2023. Türkçesi: “ChatGPT’nin Yanlış Vaadi,” çev. Necdet Hasgül, art-izan. art-izan.org ↩

8. Kosmyna, N. vd. “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task.” MIT Media Lab, 2025, ön baskı (arXiv:2506.08872). arxiv.org Sınırlılıklar üzerine bir değerlendirme: The Decoder. the-decoder.com ↩

9. Lee, H. P., Sarkar, A., Tankelevitch, L. vd. “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers.” CHI ’25, 2025. ↩

10. Merchant, B. Blood in the Machine: The Origins of the Rebellion Against Big Tech. Little, Brown, 2023. ↩

11. Bender, E. M. ve Hanna, A. The AI Con: How to Fight Big Tech’s Hype and Create the Future We Want. Harper, 2025. dair-institute.org ↩

12. O’Donnell, J. ve Crownhart, C. “We did the math on AI’s energy footprint. Here’s the story you haven’t heard.” MIT Technology Review, 20 Mayıs 2025. technologyreview.com ↩

13. Bender, E. M., Gebru, T., McMillan-Major, A. ve Shmitchell, S. “On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?” FAccT ’21, 2021. doi.org/10.1145/3442188.3445922 ↩

14. Yıldız, M. “Yapay Zeka: Çevresel Etkiler.” art-izan, 7 Ocak 2026. Enerji ve su talebi; Kırmızı YZ / Yeşil YZ ayrımı. art-izan.org ↩

15. Schilke, O. ve Reimann, M. “The transparency dilemma: How AI disclosure erodes trust.” Organizational Behavior and Human Decision Processes, 2025. doi.org/10.1016/j.obhdp.2025.104405 Yazarların genel okura yönelik özeti: “Being honest about using AI at work makes people trust you less, research finds,” University of Arizona, Mayıs 2025. news.arizona.edu ↩

16. AlgorithmWatch. AlgorithmWatch’s guidelines to use generative AI responsibly. Berlin/Zürih, 2025. Orantılılık, Güvenlik, Kalite, Şeffaflık ilkeleri; tam politika, anket soruları ve uyarlanabilir bir şeffaflık notu şablonu sayfadan indirilebiliyor. algorithmwatch.org ↩

Türkçe okuma: art-izan Yapay Zeka Dosyası

Metinde atıf yapılan dosya yazıları: 2, 3, 4, 7 ve 14. Dosyanın tamamı: art-izan.org/…/yz

• Yıldız, M. “Yapay Zekanın Gündelik Hayattaki ve Toplumsal Etkileri.” art-izan, 29 Ekim 2025. art-izan.org

• Hart-Landsberg, M. “Büyük Teknolojinin Yapay Zeka Saldırısıyla Yüzleşme Zamanı.” Çev. Murat Yıldız, art-izan, 28 Eylül 2025. art-izan.org

• Ersoy, N. “Teknofeodalizmin Doğuşu.” art-izan, 5 Şubat 2025. art-izan.org