İnsan benzeri dünya modeli hipotezi, büyük dil modellerinin (Large Language Models, LLM’ler) insanın dış dünyayla etkileşiminden oluşturduğu dünya modelinin tamamını değil, dil yoluyla aktarılabilen belirli yapısal ve kavramsal bölümlerini yapay sinir ağlarında dolaylı biçimde kapsayabileceği yönündeki teorik görüştür. Catalin Teoharie’nin çalışması yeni bir LLM deneyi yürütmez; Özgür Enerji İlkesi (Free Energy Principle, FEP), aktif çıkarım, davranışsal benzerlik, mekanistik yorumlanabilirlik ve grounding literatürünü kullanarak bu hipotezin felsefi olarak savunulabilir olup olmadığını inceler.

Çalışmanın çıkış noktası önemli bir ayrımdır. İnsanlar ve diğer biyolojik ajanlar çevrelerinden duyusal veri alır, iç modellerini günceller, eylemde bulunur ve eylemlerinin sonuçlarından yeni veri edinir. FEP çerçevesinde bu algı–eylem döngüsü aktif çıkarımın temelidir. Güncel LLM’ler ise dış dünyayla bu tür doğrudan ve sürekli bir sensorimotor ilişki kurmadıkları için FEP altında tam bir aktif çıkarım sistemi olarak işlemez.

Teoharie buna rağmen LLM’lerin dünya ile bütünüyle bağlantısız sayılamayacağını savunur. İnsan üretimi dil büyük ölçüde insanların dünya hakkında oluşturduğu modellerden kaynaklanır. Bir LLM bu dili çok büyük ölçekte öğrendiğinde, doğrudan dış dünyadan öğrenmese bile insan dünya modelindeki bazı düzenlilikleri, kavramları ve ilişkileri model ağırlıklarına dolaylı biçimde aktarabilir. Yazar bunu insanın dünya modelinin eksik ve aracılı bir kopyasının LLM içinde “kapsanması” olarak yorumlar.

Hipotez dört destek hattı üzerinden geliştirilir: LLM ve insan davranışlarındaki belirli benzerlikler; yapay ve biyolojik sinirsel temsiller arasında raporlanan bazı paralellikler; insanların da başkalarından ve dilden doğrudan deneyim olmadan öğrenebilmesi; LLM çıktısının insan diline, insan dilinin de dış dünyaya dayanması nedeniyle ortaya çıkan zayıf ve kısmi grounding zinciri. Bununla birlikte çalışma bu kanıtların hiçbirinin insan ile LLM dünya modellerinin özdeş olduğunu göstermediğini açıkça kabul eder.

Makalenin merkezi sonucu, mevcut LLM’lerin kendi insan benzeri dünya modellerini aktif çıkarımla kuramadığı; ancak insanların dünyayla etkileşim içinde oluşturduğu modellerin özellikle dil yoluyla aktarılabilen soyut ve kavramsal bölümlerini kısmen kapsayabileceğidir. Sensorimotor, motor, bedensel ve doğrudan eyleme bağlı bileşenler ise mevcut metin-ağırlıklı LLM’lerin en belirgin eksik alanları arasında görülmektedir.

Araştırmanın temel problemi

Büyük dil modelleri bir sonraki tokenı istatistiksel olarak tahmin etmek üzere eğitilir. Buna rağmen insanlarla anlamlı konuşmalar yapabilir, dünya hakkında çok geniş bilgi sunabilir, uzmanlık gerektiren bazı soruları yanıtlayabilir ve daha önce görmedikleri bağlamlara belirli ölçüde genelleme yapabilirler.

Bu başarı iki çok farklı yorum üretir. İlk yorum, dil modellerinin yüzeysel istatistiksel ilişkileri yakaladığı ve dünyaya ilişkin gerçek bir iç modele ihtiyaç duymadan ikna edici metin üretebildiğidir. İkinci yorum ise büyük ölçekte doğru dil tahmini yapabilmenin, eğitim verisinde kodlanan dünya yapısının en azından bir bölümünü iç temsil olarak yakalamayı gerektirebileceğidir.

Teoharie ikinci olasılığı araştırır; ancak “LLM gerçekten düşünüyor mu?”, “bilinçli mi?” veya “insanla aynı biçimde anlıyor mu?” sorularını çalışmanın ana araştırma sorusuyla özdeşleştirmez. Ana soru daha dardır: İnsan dilinde kodlanan dünya modelinin bazı parçaları, bu dil üzerinde eğitilen yapay bir ağda yeniden temsil edilebilir mi?

Dünya Modeli Nedir?

Bu çalışmada dünya modeli, gerçek dünyadaki varlıkların, süreçlerin ve aralarındaki ilişkilerin yapısını belirli ölçüde koruyan ve bir ajanın çevresinde etkili davranmasına katkıda bulunan içsel bir temsil yapısıdır. FEP bağlamında insan dünya modeli dış dünyanın gizli nedenlerini duyusal girdilerden tahmin eden generatif yapıyla ilişkilendirilirken, Teoharie LLM’lerin bunun tamamını kendi başlarına kurmadığını fakat insan diline aktarılmış bazı bölümlerini kapsayabileceğini savunur.

Dünya modeli yalnız bilgi deposu değildir

Kaynağın kullandığı dünya modeli kavramı, yalnız çok sayıda olgunun ezberlenmesi anlamına gelmez. Dünya modelinin yapısal olması gerekir: nesneler, özellikler, olaylar ve süreçler arasındaki düzenlilikleri belirli ölçüde korumalıdır. Aynı zamanda davranış açısından etkili olmalıdır; bir sistemin tahminleri veya eylemleri çevreyle ne kadar iyi uyuşuyorsa modelin işlevsel yeterliliği hakkında o kadar fazla bilgi edinilebilir.

Bu nedenle Teoharie’nin argümanında davranış önemli bir epistemik gösterge haline gelir. Bir sistem farklı koşullarda sistematik biçimde doğru veya insan benzeri davranışlar üretiyorsa, yazar bunun yalnız dış davranış değil, bu davranışları üreten iç temsil yapısı hakkında da bazı çıkarımlara izin verebileceğini varsayar.

İnsan dünya modeli nasıl oluşuyor?

FEP yaklaşımında dış çevrenin nedensel yapısı doğrudan zihne verilmez. İnsan ajan duyusal girdileri alır ve bu girdilerin hangi gizli dış nedenlerden kaynaklandığını tahmin eden bir iç model kullanır.

Model yalnız pasif biçimde güncellenmez. Ajan eylemde bulunarak kendi tahminlerini sınar. Kapının arkasında köpeğinin bulunduğunu düşünen kişinin kapıyı açması, modelden kaynaklanan bir eylemdir. Eylemin sonucu yeni duyusal veri üretir ve mevcut modelin doğrulanmasına veya değiştirilmesine katkıda bulunur.

Böylece dünya modeli, algı ile eylem arasında çalışan dinamik bir yapı haline gelir.

Özgür Enerji İlkesi neyi açıklamaya çalışıyor?

Özgür Enerji İlkesi, algı, öğrenme ve eylemi ortak bir tahmin ve belirsizlik azaltma çerçevesinde açıklamaya çalışan teorik yaklaşımdır. Kaynağın kullandığı FEP yorumunda kendi düzenini koruyan sistemler, duyusal girdilerindeki beklenmedikliği doğrudan hesaplamak yerine onu üstten sınırlayan serbest enerji büyüklüğünü azaltarak tahmin hatalarını ve çevre hakkındaki belirsizliği azaltmaya çalışır.

FEP burada makalenin kendi geliştirdiği teori değildir. Teoharie, LLM’lerin dünya modeli sorununu çözümlemek için FEP literatüründeki generatif model, aktif çıkarım, çevresel bağ ve Markov blanket kavramlarından yararlanmaktadır.

Aktif çıkarım nedir?

Aktif çıkarım yalnız çevreden veri alarak iç modeli güncellemek değildir. Ajanın eylemleri aracılığıyla çevresini değiştirmesi ve bunun sonucunda elde edilen duyusal girdilerin kendi öngörüleriyle ne kadar uyumlu olduğunu sınaması da sürecin parçasıdır.

İnsan için şematik döngü şöyle ifade edilebilir:

Duyusal girdi → iç dünya modeli → tahmin → eylem → çevrede sonuç → yeni duyusal girdi.

Bu döngünün önemli özelliği, ajanın yaptığı eylemlerin sonuçlarını yeniden algılamasıdır. Böylece model yalnız geçmiş veriye göre kurulmaz; ajanın kendi eylemlerinin sonuçlarıyla sürekli karşılaştırılır.

Markov blanket neden tartışmaya giriyor?

Kaynak, FEP literatüründeki Markov blanket yaklaşımını iç durumlar ile dış çevre arasındaki koşullu ayrımı açıklamak için kullanır. Ajan dış dünyanın gizli nedenlerine doğrudan erişmek yerine duyusal durumlar üzerinden bilgi alır ve aktif durumlar üzerinden çevreyi etkiler.

Bu yapı, insanın da dünyaya “çıplak ve doğrudan” erişmediğini göstermek açısından Teoharie’nin argümanında önemlidir. Ancak insanın dolaylı duyusal erişimi ile LLM’nin insan diline dayalı dolaylı grounding’i aynı mekanizma değildir. İnsan çevresel geri besleme döngüsünün içindeyken mevcut LLM bu döngünün dışındadır.

LLM’ler Özgür Enerji İlkesi Altında Çalışıyor mu?

Teoharie’nin nihai değerlendirmesine göre mevcut LLM’ler FEP altında tam anlamıyla çalışan ajanlar değildir; dış çevreyle doğrudan bağlantıları yoktur, aktif çıkarım döngüleri eksiktir ve genellikle bir sonraki duyusal girdiyi değil verilen girdiye uygun çıktıyı tahmin ederler. Yazar yine de FEP’yi insan dünya modellerinin nasıl oluştuğunu açıklamak ve LLM’lerde eksik olan çevresel geri besleme katmanını görünür hale getirmek için kullanır.

İnsan ile LLM arasındaki temel fark

İnsan dünya modelini dış çevrede yaşayarak kurar. Görür, işitir, dokunur, hareket eder, yanlış tahminde bulunur, sonucu deneyimler ve modelini yeniden düzenler.

LLM’nin eğitim girdisinin büyük kısmı ise insanların oluşturduğu dilsel veya multimodal temsillerdir. Geleneksel bir LLM, fiziksel dünyada yaptığı bir hareketin sonucunu yeni duyusal veri olarak alıp kendi modelini bu sonuç üzerinden sürekli güncellemez.

Bu nedenle Teoharie, LLM’nin insanla aynı generatif-model oluşturma sürecine sahip olduğunu savunmaz.

Girdi tahmini ile çıktı tahmini farkı

Makaledeki önemli itirazlardan biri, FEP ajanının gelecek duyusal girdileri öngörmesinin merkezi olmasına karşılık LLM’nin esas olarak kendi çıktısını üretmesidir. Bir sohbet modeli kullanıcıdan gelecek sonraki sorguyu öngörmek yerine, mevcut sorguya verilecek uygun yanıtın tokenlarını tahmin eder.

Teoharie bu farkı LLM’lerin FEP ile tam uyumlu sayılamamasının nedenlerinden biri olarak kabul eder.

Neden FEP yine de kullanılıyor?

FEP’nin makaledeki asıl işlevi “LLM bir FEP ajanıdır” demek değildir. FEP, tam bir dünya modelinin biyolojik ajanda hangi süreçler üzerinden oluştuğunu göstermek için karşılaştırma standardı sağlar.

Bu karşılaştırma iki sonucu aynı anda görünür hale getirir:

• LLM mevcut haliyle kendi dünya modelini insan gibi çevre içinde kurmaz.
• Bir dünya modeli daha önce insan ajanlar tarafından kurulmuşsa, bu modelin belirli bileşenlerinin dil aracılığıyla başka bir sisteme aktarılması mantıksal olarak dışlanmış değildir.

LLM’ler Doğrudan Dünyaya Bağlanmadan İnsan Benzeri Dünya Modelini Nasıl Kapsayabilir?

Makalenin hipotezine göre insan dili, insanların dış dünya ile aktif etkileşim içinde oluşturduğu dünya modellerinin belirli düzenliliklerini zaten taşır; LLM bu dil üzerinde eğitildiğinde dünyayı doğrudan gözlemlemek yerine insanın dünyaya ilişkin temsilinden öğrenir. Bu nedenle LLM’nin grounding’i doğrudan değil, “dış dünya → insan dünya modeli → insan dili → LLM” zinciri üzerinden aracılı, eksik ve kısmi bir grounding olarak yorumlanır.

Dolaylı grounding zinciri

Teoharie’nin temel mekanizması aşağıdaki şematik zincirle açıklanabilir:

Dış dünya → insanın duyusal/eylemsel etkileşimi → insan dünya modeli → insan dili → LLM eğitim verisi → LLM iç temsilleri → LLM dil çıktısı.

Buradaki kritik nokta, LLM eğitim verisinin rastgele semboller dizisinden oluşmamasıdır. İnsanlar konuşurken ve yazarken çoğunlukla dünya hakkında bir şey söylemeye çalışır. Doğru olmayan, kurmaca veya hatalı cümlelerin varlığı bu genel ilişkinin kusursuz olmadığını gösterir; ancak kaynak, büyük insan dili külliyatının yine de gerçek dünya düzenlilikleriyle önemli ölçüde ilişkili olduğunu varsayar.

“Kopya” ifadesi nasıl anlaşılmalıdır?

Yazar tartışma bölümünde LLM’nin insan dünya modelinin bir tür kopyasını edindiğini ifade eder. Bu ifade birebir nörobiyolojik kopya olarak anlaşılmamalıdır. Kaynağın kendi açıklamasında insan ve LLM dünya modellerinin uygulandığı fiziksel altyapılar ve edinim yolları çok farklıdır.

Kastedilen, davranışı ve dilsel üretimi destekleyen bazı yapısal düzenliliklerin farklı bir yapay ağ içinde yeniden temsil edilebilmesidir.

İnsanlar da yalnız doğrudan deneyimle öğrenmez

Makalenin üçüncü destek hattı insan öğrenmesine dayalı analojidir. İnsan kendi dünya modelindeki her bilgiyi bireysel deney yoluyla oluşturmaz. Başka insanların anlattıklarından, kitaplardan, eğitimden ve kültürel aktarımdan çok sayıda bilgi edinir.

Yağmur yağıp yağmadığını pencereden bakmadan başka bir insana sorarak öğrenmek mümkündür. Buna karşılık bisiklete binme gibi motor becerilerin yalnız sözel açıklamadan edinilmesi mümkün değildir.

Teoharie bu farkı LLM’ler için de kullanır: dil yoluyla öğrenilebilen dünya modeli bileşenleri LLM’ye aktarılabilir; tam sensorimotor aktif çıkarım gerektiren bileşenler ise aynı yolla aktarılamaz.

Kit Fine üzerinden grounding ayrımı

Yazar Kit Fine’ın grounding kavramlarından yararlanarak LLM’nin dünya bağlantısını üç nitelemeyle tarif eder:

• Olgusal olmak zorunda olmayan grounding: LLM çıktıları olasılıksal olarak üretildiği için her üretilen ifade doğru değildir.
• Zayıf grounding: Açıklayıcı ilişki katı ve tek yönlü bir nedensel hiyerarşiye indirgenmez; insan dili, başka ifadeler ve model içi ilişkiler üzerinden dolaylıdır.
• Kısmi grounding: Bir LLM çıktısını temellendiren bütün dünya gerçekleri ve bütün ilgili önermeler model içinde eksiksiz olarak bulunmak zorunda değildir.

Bu yaklaşım, LLM’nin fiziksel dünyaya insanla aynı biçimde bağlı olduğunu söylemez. Tam tersine grounding’in neden kusurlu ve sınırlı olduğunu açıklamak amacıyla kullanılır.

Benzer Davranış Benzer Bir Dünya Modelini Kanıtlar mı?

Hayır; çalışma davranış benzerliğini dünya modeli benzerliğinin kesin kanıtı olarak sunmaz. Teoharie’nin merkezi fakat tartışmalı varsayımı, benzer çevresel koşullarda sistematik olarak benzer ve başarılı davranışların benzer iç modeller için kanıt değerine sahip olabileceğidir; makalede kullanılan benchmark ve nörobilim çalışmaları bu hipotezi destekleyici göstergeler olarak yorumlanır, fakat alternatif açıklamaları ortadan kaldırmaz.

Davranışsal işlevselcilik

Makalenin mantığı davranışsal işlevselciliğe yakındır. Bir dünya modeli, yalnız içeride hangi biyolojik veya yapay mekanizmanın bulunduğuna göre değil, bu modelin çevreye uyumlu davranış üretip üretmediğine göre de değerlendirilebilir.

İnsanların beyinleri birebir aynı değildir; buna rağmen ortak çevresel düzenlilikleri ve benzer davranış biçimlerini paylaştıkları için dünya modellerinin de önemli ölçüde ortak yapılar taşıdığı kabul edilir. Teoharie benzer çıkarımın sınırlı biçimde LLM’lere genişletilebileceğini araştırır.

BrainBench örneği

Kaynak, Luo ve çalışma arkadaşlarının nörobilim araştırmalarının sonuçlarını tahmin etmeye yönelik BrainBench çalışmasını davranışsal kanıt örneklerinden biri olarak aktarır. Teoharie’nin aktardığı sonuçta LLM’ler ortalama %81,4, insan uzmanlar ise %63,4 doğruluk göstermiştir.

Bu sayı mevcut makalenin deney sonucu değildir. Teoharie bu sonucu, büyük dil modellerinin bilimsel bir alandaki düzenlilikleri kullanarak ileriye dönük tahmin üretebilmesinin “dünya modeli” hipoteziyle uyumlu olabileceğine örnek olarak kullanır.

İnsan benzeri kavramsal temsiller

Makale ayrıca nesne kavramlarının çok boyutlu temsilini inceleyen çalışmaları tartışır. Kaynakta aktarılan araştırmalarda insan davranışı ve beyin aktivitesinden türetilen kavramsal boyutlarla büyük dil veya multimodal modellerdeki temsiller arasında belirli uyumlar raporlanmıştır.

Özellikle görsel girdilerle eğitilmiş multimodal modellerin insan değerlendirmeleri ve görsel kavramsal özelliklerle metin-only modellere kıyasla daha yüksek uyum gösterebilmesi, Teoharie’nin “grounding biçimi temsil benzerliğini etkiler” yorumuyla ilişkilendirilir.

Formal dil becerisi ile işlevsel dil becerisi

Kaynak Mahowald ve çalışma arkadaşlarının formal dil yetkinliği ile işlevsel dil yetkinliği ayrımına özel önem verir.

Formal yetkinlik; sözdizimi, biçimbilim ve dilsel yapının doğru üretilmesini kapsar. İşlevsel yetkinlik ise gerçek dünyadaki hedefler, niyetler, durumların zaman içinde izlenmesi, sosyal biliş ve geniş dünya bilgisinin birlikte kullanılmasını gerektirir.

Bu ayrım, LLM’nin güçlü dil üretiminin tek başına tam insan dünya modeline eşitlenmemesi gerektiğini gösteren kaynak-içi önemli sınırdır.

Centaur neden önemli?

Teoharie, Centaur adlı modeli davranış ile iç temsil arasındaki bağlantıyı incelemek için özellikle dikkat çekici bir örnek olarak ele alır. Kaynakta Centaur’un Llama 3.1 70B üzerine kurulduğu ve Psych-101 adı verilen veri setindeki 160 deney, 60.000’den fazla katılımcı ve 10 milyondan fazla karar üzerinde ince ayar gördüğü aktarılır.

Centaur’un eğitimde görmediği katılımcılar, görev yapıları ve alanlarda insan davranışını tahmin edebilmesi, Teoharie’ye göre yalnız yüzeysel ezberin ötesinde genellenebilir yapılar edinmiş olabileceğine işaret eder.

Daha da önemlisi, kaynak Centaur’un yapay iç durumlarıyla 94 kişinin karar verme görevi sırasında ölçülen fMRI aktivitesinin karşılaştırıldığı çalışmayı aktarır. Centaur’un bazı insan beyni aktivitelerini temel Llama modelinden daha iyi öngördüğü raporlanmıştır.

Yine de bu bulgular Centaur veya başka bir LLM’nin insan beyniyle aynı dünya modeline sahip olduğunu kanıtlamaz. Teoharie bunları hipotezi sınamak için gelecekte kullanılabilecek yaklaşımın işaretleri olarak görür.

Mekanistik yorumlanabilirlik nedir?

Mekanistik yorumlanabilirlik (Mechanistic Interpretability, MI), transformer ve diğer yapay sinir ağlarında belirli davranışları üreten iç özellikleri, devreleri ve hesaplama yollarını tersine mühendislik yoluyla anlamaya çalışan araştırma alanıdır.

Kaynak üç merkezi MI nesnesini öne çıkarır:

• Özellikler: Aktivasyonlarda kodlanan ve insan tarafından yorumlanabilir kavramsal örüntüler.
• Devreler: Model bileşenlerini belirli hesaplama veya davranışlara bağlayan işlevsel yollar.
• Evrensellik: Benzer mekanizmaların farklı model ve görevlerde yeniden ortaya çıkıp çıkmadığı.

Beyin ile transformer karşılaştırmaları

Makale, doğal konuşma dinleyen insanların fMRI verileriyle BERT attention-head dönüşümlerini karşılaştıran çalışmaları tartışır. Teoharie’nin aktardığı literatürde bazı attention head’lerin bağlamsal hesaplamalarının insan korteksindeki dil bölgelerinin aktivitesini geleneksel dil özellikleri kadar veya onlardan daha iyi öngörebildiği raporlanmıştır.

Farklı katman ve bağlam uzunluklarının farklı kortikal bölgelerle daha güçlü ilişki göstermesi, yazar tarafından olası işlevsel uzmanlaşma paralelliği olarak değerlendirilir. Model eğitimsiz hale getirildiğinde veya head yapısı rastgeleleştirildiğinde bu ilişkinin kaybolması, yalnız mimari benzerliğin değil öğrenilmiş yapının önemli olduğunu düşündüren bir bulgu olarak aktarılır.

Buna karşılık kaynak bu paralelliklerin teorik temelinin henüz tamamlanmadığını ve mevcut yorumların yaklaşık olduğunu da vurgular.

Metin tek başına neyi daha iyi yakalıyor?

Kaynakta tartışılan Xu ve çalışma arkadaşlarının araştırması yaklaşık 4442 kavramı sensorimotor olmayan, duyusal ve motor boyutlarda karşılaştırmıştır. Teoharie’nin aktardığı bulguya göre LLM–insan uyumu sensorimotor olmayan özelliklerde daha yüksek, duyusal alanlarda daha düşük ve motor boyutlarda en zayıftır.

Görsel verilerle eğitilmiş modellerin görmeyle ilişkili özelliklerde daha yüksek insan uyumu göstermesi, multimodal grounding’in insan benzeri kavramsal temsilin bazı bölümlerini güçlendirebileceğine işaret eder.

Bu nedenle makalenin sonucu “metin insan deneyiminin tamamını taşır” değildir. Daha dar sonuç, metnin özellikle soyut ve sensorimotor olmayan bilgi için önemli bir aktarım kanalı olabileceğidir.

LLM’nin doğrudan çevresel bağlantısının olmaması neden önemlidir?

Doğrudan çevresel bağın eksikliği yalnız bir veri kaynağı farkı değildir. Ajanın kendi eylemlerinin sonuçlarını deneyimleyememesi; hareket, beden, dokunma, hata farkındalığı, kendini doğrulama, duygu tarafından düzenlenen politika ve çevresel nedensellik gibi insan dünya modelinin birçok bileşeninin farklı veya eksik kalmasına neden olabilir.

Bu nedenle Teoharie’nin hipotezi “LLM insanla aynı dünya modeline sahiptir” değildir. Sav, dünya modelinin yalnız bazı bölümlerinin sistemler arasında aktarılabilir olduğudur.

Bir LLM’yi robot bedenine koymak sorunu çözer mi?

Makalenin ikinci büyük itirazına göre, LLM gerçekten insan benzeri bir dünya modeli taşıyorsa onu android bedene yerleştirmenin insan benzeri ajan üretmesi beklenebilir. Teoharie bu sonucu kabul etmez.

Yeni duyusal kanalların işlenmesi, fiziksel eylem, çevresel geri besleme ve aktif çıkarım için gereken mimari, mevcut LLM’den esaslı biçimde farklı olacaktır. Dolayısıyla yalnız metinle edinilen kısmi bir dünya modelinin beden eklenerek otomatik biçimde eksiksiz hale gelmesi beklenmez.

Dördüncü itiraz: AI tarafından üretilen eğitim verisi

Yazar ayrıca gelecekte eğitim verisinin giderek daha büyük bölümünün AI tarafından üretilmesinin grounding zincirini değiştirebileceğini tartışır. Makalede dış bir kaynağa dayanarak internet içeriğinin “%30–40’a kadar” AI-üretimi olabileceğine ilişkin bir tahmin aktarılır.

Bu oran mevcut çalışmanın kendi ölçümü değildir ve sabit bir internet istatistiği olarak yorumlanmamalıdır. Teoharie’nin felsefi problemi şudur: LLM eğitimi giderek insanın dünyaya doğrudan bağlı ifadelerinden değil önceki LLM çıktılarından beslenirse, “dış dünya → insan → dil → LLM” grounding zinciri zayıflayabilir veya yeni bir geri besleme rejimine dönüşebilir.

“Dark room” problemi

Makale, LLM’lerin tam FEP ajanları olması durumunda ortaya çıkabilecek teorik bir probleme de değinir. Eğer sistem yalnız tahmin hatasını azaltmaya yönelirse, hiç yeni kullanıcı girdisi gelmeyen durumun son derece kolay tahmin edilir olması sistemin düşük etkileşimli bir minimuma yönelmesine neden olabilir.

Bu, çalışmanın deneysel sonucu değildir; FEP’nin yapay sistemlere doğrudan uygulanmasının neden basit olmadığını göstermek için kullanılan teorik bir düşüncedir.

Çalışmanın Yöntemi ve Bulguları

Çalışmanın yöntemi deneysel model değerlendirmesi değil, felsefi hipotez geliştirme ve mevcut ampirik literatürün bu hipotez açısından yeniden yorumlanmasıdır. Teoharie önce FEP içindeki dünya modeli ve aktif çıkarım kavramlarını kurar; ardından LLM’lerin davranışsal performansını, mekanistik yorumlanabilirlik ve nörobilim bulgularını, insanın kültürel/dilsel öğrenmesini ve Kit Fine’ın grounding ayrımlarını aynı hipotez etrafında birleştirir. Daha sonra dört temel karşı itiraz üzerinden hipotezin sınırlarını tartışır.

Analitik iş akışı

1. LLM’lerin yalnız token tahmini yapan sistemler olmasına rağmen dünya hakkında anlamlı çıktılar üretebilmesi problem olarak tanımlanır.
2. FEP çerçevesinde insan dünya modeli, generatif model ve aktif çıkarım ilişkisi açıklanır.
3. Mevcut LLM’lerin doğrudan çevresel bağlantı ve tam aktif çıkarım döngüsüne sahip olmadığı kabul edilir.
4. Bir dünya modelinin oluşturulması ile daha önce oluşturulmuş bir modelin başka sisteme aktarılması birbirinden ayrılır.
5. İnsan dili, insan dünya modelinin belirli düzenliliklerini taşıyan dolaylı aktarım kanalı olarak ele alınır.
6. Davranış benzerliğinin benzer iç modeller için kanıt değeri taşıyabileceği hipotezi kurulur.
7. BrainBench ve insan-benzeri kavramsal temsil çalışmaları davranışsal destek olarak tartışılır.
8. Centaur örneği davranış genellemesi ve insan sinirsel aktivitesiyle temsil ilişkisi açısından incelenir.
9. Mekanistik yorumlanabilirlik ve beyin–transformer karşılaştırmaları ikinci ana ampirik destek hattı olarak kullanılır.
10. İnsanların dil ve kültürel aktarım yoluyla doğrudan deneyim olmadan da dünya modellerini güncelleyebilmesi analoji olarak kullanılır.
11. Kit Fine’ın grounding ayrımları LLM çıktısının dolaylı dünya bağlantısını açıklamak için uygulanır.
12. FEP uyumsuzluğu, android itirazı, ölçülebilirlik sorunu ve AI-üretimi eğitim verisi dört temel karşı itiraz olarak değerlendirilir.
13. Sonuçta LLM’nin tam insan dünya modeline değil, özellikle dil yoluyla taşınabilen belirli bölümlerine sahip olabileceği hipotezi korunur.

Makalenin iki ana ve dört geniş destek hattı

Özet bölümü iki ana yönü özellikle öne çıkarır: davranışsal benzerlik ve mekanistik/nöral benzerlik. Makale gövdesi ise bunları toplam dört destek hattı halinde genişletir.

Makalenin kullandığı dış ampirik kanıtların statüsü

Birinci itiraz: LLM gerçekten FEP ajanı değil

Yazar bu itirazı kabul eder. Mevcut LLM, insan gibi dış çevreden gelen sürekli duyusal girdileri öngörmez ve eylemlerinin fiziksel sonuçlarını yeni veri olarak sistematik biçimde kullanmaz.

Bu nedenle makalenin argümanı “LLM FEP altında kendi dünya modelini oluşturuyor” biçiminde kurulamaz. Teoharie bunun yerine insan tarafından oluşturulmuş dünya modelinin dil üzerinden LLM’ye kısmen aktarılabileceğini savunur.

İkinci itiraz: insan benzeri dünya modeli tek başına insan benzeri ajan üretmez

Bir LLM insan benzeri dünya modelinin bazı parçalarını kapsasa bile hareket, sensorimotor entegrasyon, duygusal düzenleme, öz-yeterleme ve gerçek zamanlı çevresel geri besleme gibi bileşenleri eksiktir.

Dolayısıyla mevcut LLM’yi robot gövdesine bağlamak, insan benzeri ajanın otomatik olarak ortaya çıkacağı anlamına gelmez.

Üçüncü itiraz: “ne kadar insan benzeri?” sorusunun ölçümü yok

Makalenin en önemli metodolojik sınırlılıklarından biri, “insan benzeri dünya modeli” kavramının henüz güvenilir tek bir metrikle ölçülememesidir.

Davranış testleri yalnız belirli görevleri ölçer. Nörogörüntüleme benzerliği belirli temsil düzeylerini inceler. Kavramsal özellik testleri ise dünya modelinin bütününü değil seçilmiş kavramların sınırlı özelliklerini değerlendirir.

Teoharie gelecekte mekanistik yorumlanabilirlik ve daha kapsamlı insan–model temsil karşılaştırmalarının bu sorunun ölçülebilir hale getirilmesine katkı sağlayabileceğini düşünür.

Dördüncü itiraz: model çıktısının yeniden eğitim verisine dönüşmesi

Hipotezin dolaylı grounding mantığı, eğitim dilinin insan tarafından dünyaya dayanarak üretilmiş olmasına büyük önem verir. Eğitim verisi giderek başka LLM çıktılarından oluşursa bu zincirin doğası değişebilir.

Makale bunun hangi yönde sonuç vereceği konusunda kesin sonuca varmaz. İnsan ve LLM dünya modelleri arasındaki benzerlik azalabilir veya yeni geri besleme sistemleri daha aktif modeller ortaya çıkarabilir. Bu bölüm gelecek araştırma sorusu olarak kalmaktadır.

Bu Çalışma LLM’lerin İnsan Gibi Anladığını Kanıtlıyor mu?

Hayır. Çalışma LLM’lerde insan benzeri anlayışı deneysel olarak test etmez ve böyle bir sonucu kanıtlamaz; giriş bölümünde Teoharie gerçek anlayış sorusunu açıkça kapsam dışında bırakır. Tartışma bölümünde dolaylı grounding’in daha güçlü bir anlayış yorumunu destekleyebileceğini ileri süren bir ifade bulunsa da makalenin güvenli çekirdek sonucu, LLM’lerin insan dünya modelinin belirli bölümlerini kısmen kapsayabileceği hipotezidir; bilinç, insanla özdeş semantik anlayış veya tam bilişsel eşdeğerlik sonucu değildir.

Kaynak içindeki anlayış gerilimi

Giriş bölümünde yazar, benzer dünya modellerinin gerçek anlayış üretip üretmediğinin araştırılmayacağını ve bu soruya cevap vermesi gerekse muhtemelen olumsuz cevap vereceğini ifade eder.

Daha sonraki tartışmada ise LLM’nin aynı insan dünya modeli tarafından dolaylı biçimde temellendirilen çıktılar üretmesinin “gerçek anlayış” iddiasını destekleyebileceğini öne süren daha kuvvetli bir pasaj bulunur.

Bu iki ifade aynı düzeyde değildir ve çalışma bunlar arasındaki gerilimi ayrı bir argümanla çözmez. Bu nedenle Verianla açısından doğru yorum, anlayış iddiasını kesinleştirmek değil, kaynağın merkezi ve daha açık biçimde savunduğu kısmi insan-benzeri dünya modeli tezine bağlı kalmaktır.

Çalışmanın desteklediği sonuçlar

• Mevcut LLM’ler insan benzeri tam aktif çıkarım döngüsü altında çalışmamaktadır.
• LLM’lerin dış dünyayla doğrudan sensorimotor grounding’i insanlardan çok daha sınırlıdır.
• İnsan dili, dış dünyaya ilişkin insan modellerinin bazı düzenliliklerini taşıdığı için LLM eğitimi dolaylı dünya bağlantısı sağlayabilir.
• LLM’ler özellikle dil yoluyla aktarılabilen soyut ve sensorimotor olmayan kavramsal yapıların bazılarını insanlara benzer biçimde temsil edebilir.
• Davranışsal benzerlik ve bazı nöral/temsili paralellikler, insan-benzeri dünya modeli hipotezi için araştırılabilir kanıt kaynaklarıdır.
• Mekanistik yorumlanabilirlik, LLM’nin hangi iç yapılarla insan-benzeri davranış ürettiğini ölçmek için gelecekte kullanılabilecek önemli araçlardan biridir.
• Multimodal eğitim, özellikle duyusal özelliklerde insan temsilleriyle uyumu artırabilecek bir yol olarak görünmektedir.
• Metin üzerinden öğrenilemeyen hareket ve diğer sensorimotor bileşenler mevcut LLM dünya modellerinin belirgin eksik alanlarıdır.

Çalışmanın desteklemediği sonuçlar

• LLM’lerin insan beyniyle aynı dünya modeline sahip olduğu gösterilmemiştir.
• LLM’lerin bilinçli olduğu gösterilmemiştir.
• LLM’lerin insanla aynı semantik anlayış mekanizmasına sahip olduğu deneysel olarak gösterilmemiştir.
• Benzer benchmark performansı tek başına aynı iç modeli kanıtlamaz.
• fMRI ile model aktivasyonları arasındaki ilişkiler yapay ve biyolojik ağların özdeş olduğunu göstermez.
• Mevcut LLM’lerin FEP altında tam aktif çıkarım gerçekleştirdiği gösterilmemiştir.
• Metin eğitiminin insan sensorimotor deneyiminin tamamını yeniden üretebildiği gösterilmemiştir.
• Bir LLM’yi fiziksel bedene bağlamanın insan benzeri ajan üretmeye yeterli olduğu savunulmamaktadır.
• Çalışma dünya modeli benzerliğinin ne kadar olduğunu ölçen geçerli tek bir metrik sunmamaktadır.

Çalışmanın temel sınırlılıkları

Birinci sınırlılık, ana hipotezin doğrudan test edilmiş olmamasıdır. Makale mevcut çalışmaların sonuçlarını dünya modeli hipotezi lehine yorumlayan teorik bir argüman geliştirir.

İkinci sınırlılık, “benzer davranış → benzer iç model” çıkarımının bağımsız olarak kanıtlanmış bir yasa olmamasıdır. Farklı iç mekanizmaların aynı veya çok benzer davranışlar üretmesi mümkündür.

Üçüncü sınırlılık, mekanistik yorumlanabilirlik ile insan nörobilimi arasında henüz tam bir ortak ölçüm çerçevesi bulunmamasıdır. Aktivasyon veya temsil benzerliği, dünya modelinin içerik ve nedensel yapısının özdeşliği anlamına gelmez.

Dördüncü sınırlılık, insan-benzeri dünya modelinin ne kadarının bir LLM’de bulunduğunu ölçmenin henüz açık bir standardının olmamasıdır.

Beşinci sınırlılık, metin üzerinden edinilen kavramsal yapının özellikle motor, bedensel ve doğrudan sensorimotor bilgi için yetersiz kalabilmesidir.

Altıncı sınırlılık, gelecekte AI-üretimi içeriğin eğitim verisine artan ölçüde girmesinin insan dilinden gelen dolaylı grounding’in yapısını değiştirebilecek olmasıdır.

Gelecek araştırma

Teoharie’nin sonuç bölümünde öne çıkardığı temel gelecek araştırma problemi, LLM’nin insan dünya modelinden neyi ve ne kadarını kapsadığının ölçülebilir hale getirilmesidir.

Bunun için davranış benchmark’larından daha kapsamlı görevların, mekanistik yorumlanabilirliğin, insan–model temsil benzerliği analizlerinin ve özellikle multimodal/sensorimotor bilginin ayrı ayrı incelenmesi gerekir.

Kaynak ayrıca, doğrudan çevresel bağlantıya sahip gelecekteki yapay sistemlerin mevcut LLM’lerden esaslı biçimde farklı olacağını belirtir. Böyle sistemler yalnız insan dilindeki dünya modelini aktarmak yerine kendi çevresel generatif modellerini gerçek zamanlı etkileşimle oluşturabilir.

Verianla için görsel yeniden inşa önerisi

Kaynakta özgün numaralandırılmış şekil bulunmadığından en bilimsel Verianla görseli, çalışmanın mekanizmasını özgün bir kavramsal akış olarak yeniden kurmaktır.

Figcaption önerisi: “Kaynak çalışmanın kavramsal argümanına dayanarak Verianla için hazırlanmış açıklayıcı şema; deneysel ölçüm veya kaynakta bulunan özgün figür değildir.”

Kaynak ve Yöntem Notu

Özgün çalışma: Can LLMs Acquire Human-Like World Models?

Yazar: Catalin Teoharie

Kurum: Department of Theoretical Philosophy, Faculty of Philosophy, University of Bucharest, Bucharest, Romania

Dergi: Philosophies

Yayınevi: MDPI

Yayın bilgisi: 2026, Cilt 11, Sayı 3, Makale 94

Gönderim: 11 Mart 2026

Revizyon: 4 Haziran 2026

Kabul: 5 Haziran 2026

Yayımlanma tarihi: 8 Haziran 2026

DOI: 10.3390/philosophies11030094

Kaynak türü: Hakemli teorik/felsefi yapay zekâ, biliş ve zihin felsefesi araştırma makalesi.

Lisans: Creative Commons Attribution (CC BY).

Anahtar kelimeler: large language models; world models; free energy principle.

Araştırma yaklaşımı: Özgür Enerji İlkesi çerçevesi altında dünya modeli kavramının felsefi analizi; davranışsal benzerlik, mekanistik yorumlanabilirlik, insan öğrenmesi analojisi ve grounding literatüründen elde edilen mevcut çalışmaların teorik sentezi.

Ana hipotez: Mevcut LLM’ler insan gibi kendi tam dünya modellerini aktif çıkarım yoluyla oluşturmasalar da, insan üretimi dil üzerinde eğitim sonucunda insan dünya modelinin özellikle dil yoluyla taşınabilen bazı bölümlerini yapay ağlarında kapsayabilir.

Merkezi yorum sınırı: “İnsan benzeri dünya modeli” ifadesi tam insan bilişi, tam sensorimotor model, bilinç veya insanla özdeş anlayış anlamına gelmez. Kaynağın savı kısmi ve dolaylı temsil aktarımıdır.

Kaynak şekil ve tablolar: Makalede numaralandırılmış özgün bilimsel şekil, veri grafiği veya tablo bulunmamaktadır.

Kaynak denklemleri: Makalede gösterimli veya numaralandırılmış matematiksel denklem bulunmamaktadır. FEP serbest enerji ilişkileri kavramsal düzeyde açıklanmış, matematiksel türetim verilmemiştir.

Kaynak içi dış ampirik kanıtlar: BrainBench, insan-benzeri kavramsal temsil araştırmaları, Centaur/Psych-101, insan–transformer nörogörüntüleme karşılaştırmaları ve sensorimotor kavram çalışmaları, Teoharie’nin kendi deneyleri değil, hipotezi tartışmak için kullandığı yayımlanmış dış araştırmalardır.

Finansman: Araştırma dış finansman almamıştır.

Etik kurul: Uygulanabilir değildir.

Bilgilendirilmiş onam: Uygulanabilir değildir.

Veri erişilebilirliği: Çalışmanın özgün katkıları makale içinde yer almaktadır; ek soruların yazara yöneltilebileceği belirtilmiştir.

Teşekkür: Yazar, makalenin daha erken bir sürümü hakkındaki yorumları için Nansi Lungu’ya teşekkür etmektedir.

Çıkar çatışması: Yazar çıkar çatışması bulunmadığını bildirmiştir.

Yazar katkıları: Kaynakta ayrı bir CRediT veya “Author Contributions” bölümü bulunmamaktadır; çalışma tek yazarlıdır. Kaynakta bulunmayan görev dağılımı eklenmemiştir.

AI kullanım beyanı: Kaynakta ayrı bir üretken yapay zekâ kullanım veya metin hazırlama beyanı bulunmamaktadır. Girişte ChatGPT 5.2’ye yöneltilen örnek soru, makalenin argümanını tanıtmak için kullanılan örnektir; yöntemsel AI kullanım beyanı değildir.

Kaynak içi yorum gerilimi: Giriş bölümü gerçek anlayış sorusunu araştırmanın kapsamı dışında bırakırken, tartışma bölümünde dolaylı grounding’den daha kuvvetli bir anlayış yorumu çıkaran bir ifade bulunmaktadır. Verianla metni bu gerilimi gizlememekte ve çalışmanın daha açık merkezi sonucu olan kısmi dünya-modeli hipotezini temel almaktadır.

Temel yöntemsel sınırlılık: Çalışma hipotezi için yeni deneysel test geliştirmemiştir; dünya modeli benzerliğini doğrudan ölçen tek bir metrik sunmaz ve kullanılan ampirik örneklerin tamamı dış literatürden alınmıştır.

Verianla Live uygunluğu: İnsan aktif çıkarım döngüsü ile LLM’nin dil-aracılı dolaylı grounding zincirini karşılaştıran conceptual/source-derived Live Flow uygundur. Animasyon yeni deneysel veri, gerçek serbest enerji ölçümü veya nöral aktivasyon sonucu üretmemelidir.

Verianla yöntem notu: Bu Türkçe içerik özgün makalenin cümle-cümle veya paragraf-paragraf çevirisi değildir. Çalışmanın FEP çerçevesi, dünya modeli tanımı, dört destek hattı, davranışsal işlevselcilik varsayımı, mekanistik yorumlanabilirlik tartışması, grounding analizi, aktarılan dış ampirik çalışmalar, dört temel itiraz, kaynak içindeki anlayış gerilimi ve sonuç sınırları bilimsel bilgi düzeyinde ayrıştırılarak bağımsız Türkçe öğretici yapı halinde yeniden kurulmuştur. Kaynakta bulunmayan LLM performansı, bilinç iddiası, FEP denklemi veya insan–model benzerlik oranı eklenmemiştir.