Çalışma, kolektif zekânın yalnızca çok sayıda insanın aynı konuda fikir belirtmesiyle ortaya çıkmadığını savunuyor. Bir grubun gerçekten daha isabetli karar verebilmesi için üyelerin farklı bakış açılarına sahip olması, birbirinden bağımsız düşünmesi ve hatalarının aynı yönde yoğunlaşmaması gerekir.

Yazarın merkez kavramı “yapısal muhalefet” ya da “kurumsallaşmış karşı görüş” olarak çevrilebilir. Bu kavram, karar alma süreçlerinde en az bir heterodoks, yani baskın görüşten farklı düşünen perspektifin kurumsal olarak yer alması gerektiğini ifade eder. Buradaki amaç sırf itiraz etmek değildir; sistemin kendi hatasını görebilmesini sağlamaktır.

Çalışma üç ayrı alandan örnek getirir: istatistikte kalabalıkların bilgeliği, Talmud’daki Sanhedrin mahkemesinin oybirliğiyle mahkûmiyet durumunda beraat kuralı ve felsefede Mill ile Feyerabend’in farklı görüşe verdiği önem. Son bölümde ise büyük dil modellerinin, yani ChatGPT benzeri yapay zekâ sistemlerinin, düşünce ve ifade çeşitliliğini standartlaştırma riski tartışılır.

Problem Ne?

Bir grup insan aynı sonuca ulaştığında bu çoğu zaman güven verici görünür. Bilim kurulları, mahkemeler, klinik ekipler, siyasi komisyonlar veya yapay zekâ destekli araştırma ekipleri ortak bir kararda birleştiğinde, bu birlik çoğu zaman “sağlam kanıt” gibi algılanır. Ancak çalışma, bu güvenin her zaman haklı olmadığını savunur.

Temel problem şudur: Eğer bir gruptaki kişilerin hataları birbirinden bağımsız değilse, yani herkes aynı kaynaklardan, aynı varsayımlardan ve aynı bakış açısından etkileniyorsa, grubun kalabalık olması onu daha güvenilir yapmaz. Hatta tam tersine, grup aynı hatayı daha yüksek güvenle tekrar edebilir.

Bu durum “grup düşünmesi” olarak bilinen sorunla ilişkilidir. Grup düşünmesi, bir ekip içinde uyum ve fikir birliği baskısının eleştirel düşünmeyi zayıflatmasıdır. İnsanlar açıkça farklı düşünmekten kaçınır, alternatif senaryolar yeterince incelenmez ve sistem yanlış karara daha hızlı kilitlenir.

Çalışmanın temel sorusu bu noktada ortaya çıkar: Bilim, hukuk, tıp, siyaset ve yapay zekâ destekli bilgi üretimi gibi alanlarda, sistemlerin kendi hatalarını görebilmesi için karşı görüş nasıl kurumsal bir görev haline getirilebilir?

Yöntem Ne Öneriyor?

Çalışma deneysel bir araştırma yürütmüyor. Yeni bir anket, klinik ölçüm, laboratuvar deneyi veya veri seti sunmuyor. Bunun yerine teorik ve disiplinler arası bir argüman kuruyor.

Yazar, üç ana kaynak alanını birleştiriyor. İlk kaynak istatistiktir. Francis Galton’un 1907’de aktardığı öküz ağırlığı tahmini örneği, bağımsız tahminlerin ortalamasının gerçeğe çok yaklaşabileceğini gösterir. Ancak bu sonuç, kalabalığın gerçekten bağımsız ve çeşitli görüşlerden oluşmasına bağlıdır.

İkinci kaynak hukuk ve gelenektir. Talmud’daki Sanhedrin mahkemesinde, ölüm cezası gerektiren bir davada tüm yargıçların oybirliğiyle suçlu kararı vermesi, sanığın beraat etmesine yol açabilen bir kural olarak ele alınır. Çalışma bu kuralı tarihsel niyeti açısından değil, işlevsel bir benzetme olarak kullanır: Hiç kimsenin karşı argüman bulamadığı bir sistem, eleştirel kontrolünü kaybetmiş olabilir.

Üçüncü kaynak felsefedir. John Stuart Mill’den Paul Feyerabend’e uzanan çizgide farklı görüş, yalnızca ifade özgürlüğü meselesi değil, bilginin kendini düzeltme mekanizması olarak değerlendirilir. Çalışma, bu üç çizgiyi yapay zekâ çağındaki bilişsel homojenleşme tartışmasına bağlar.

Formüller Ne Anlatıyor?

Bu çalışmada istatistiksel düşünceyi açıklayan temel formüller yer almaktadır. Formüller, kalabalıkların neden bazen çok isabetli, bazen de çok hatalı karar verdiğini göstermek için kullanılır.

Bir grubun ortak tahmini, bireysel tahminlerin ortalaması olarak yazılabilir:

Burada \(\bar{x}\) kolektif tahmini, \(n\) tahmin yapan kişi sayısını, \(x_i\) ise her bir bireyin tahminini gösterir. Eğer bireylerin hataları birbirinden bağımsızsa, farklı yönlerdeki hatalar birbirini kısmen dengeler. Bazıları fazla tahmin eder, bazıları eksik tahmin eder ve ortalama gerçeğe yaklaşabilir.

Çalışmada kolektif tahminin varyansı şu yapıyla ifade edilir:

Bu formülde \(Var(\bar{x})\), ortak tahminin ne kadar oynak veya hataya açık olduğunu anlatır. \(Cov(\varepsilon_i,\varepsilon_j)\) ise iki kişinin hata yönlerinin birlikte hareket edip etmediğini gösterir. Eğer herkes aynı yanlılıktan etkileniyorsa, hatalar aynı yöne gider ve birbirini dengelemez.

Hatalar bağımsız olduğunda, kovaryans terimleri ortadan kalkar ve kolektif tahminin belirsizliği şu şekilde azalır:

Bu ifade, bağımsız gözlemci sayısı arttıkça ortak tahminin daha hassas hale gelebileceğini anlatır. Ancak bu yalnızca hatalar bağımsızsa geçerlidir. Eğer hatalar ilişkiliyse, yani herkes aynı modelden, aynı otoriteden, aynı veri filtresinden veya aynı sosyal baskıdan etkileniyorsa, kişi sayısını artırmak beklenen düzeltici etkiyi üretmez.

Çalışmanın istatistiksel mesajı şudur: Kalabalığı bilge yapan şey kalabalık olması değil, hata dağılımının birbirinden bağımsız ve çeşitli olmasıdır. Bu nedenle yapısal muhalefet, yalnızca demokratik bir nezaket değil, hata düzeltme mekanizmasıdır.

Grafik, Tablo ve Şema Ana Mesajı

Çalışmada klasik anlamda görsel grafik veya tablo ağırlıklı bir sunum bulunmamaktadır. Ancak metin, güçlü bir kavramsal şema üzerinden ilerler. Bu şemanın merkezinde “Gaussian” yani çan eğrisi fikri vardır.

Normal dağılım olarak da bilinen Gaussian dağılımı, farklı bireysel tahminlerin bir merkez etrafında yayılmasını anlatmak için kullanılır. Eğer bireysel hatalar bağımsızsa, dağılımın farklı uçları birbirini dengeler. Aykırı, sıra dışı veya azınlıkta kalan görüşler bu dağılımın uçlarını oluşturur ve sistemin kör noktalarını görünür kılabilir.

Ancak grup düşünmesi veya tek tip yapay zekâ kullanımı gibi durumlarda dağılım daralır. Herkes aynı türden cevaplar üretmeye başlar. Bu durumda çan eğrisi geniş ve düzeltici bir yapı olmaktan çıkar; tek bir sivri noktaya sıkışır. Yazar bunu “varyans çöküşü” olarak yorumlar. Varyans çöküşü, farklılıkların azalması ve hata kaynaklarının aynı yöne hizalanması anlamına gelir.

Çalışmanın şematik ana mesajı şudur: Farklı görüşler sistemin dış gürültüsü değil, kolektif zekânın hata düzeltme organıdır. Bir kurum, karşı görüşü tesadüfe bırakırsa kendi güvenilirliğini de tesadüfe bırakmış olur.

Deneyler Nasıl Yapılmış?

Bu çalışma doğrudan deney yapmamaktadır. Bunun yerine istatistiksel argümanlar, hukuk tarihinden örnekler, felsefi metinler, klinik karar alma pratikleri ve yapay zekâ literatüründeki bulgular üzerinden teorik bir sentez kurmaktadır.

İstatistiksel örnek olarak Galton’un kalabalık tahminleri ele alınır. Buradaki temel fikir, bağımsız tahminlerin ortalamasının gerçeğe yaklaşabilmesidir. Ancak bu örneğin çalışmadaki asıl işlevi, kalabalığın bilgeliğinin hangi koşullarda ortaya çıktığını göstermektir.

Hukuki örnek olarak Sanhedrin’in oybirliği kuralı tartışılır. Yazar bu kuralı, karar alma sistemlerinde zorunlu karşı argümanın önemini göstermek için kullanır. Modern örnek olarak ise İsrail askeri istihbaratında Yom Kippur Savaşı sonrası geliştirilen kırmızı takım mantığına değinilir. Kırmızı takım, baskın yorumu sorgulamak ve alternatif senaryoları zorunlu olarak incelemekle görevli ekip anlamına gelir.

Klinik pratik örneğinde, tümör kurullarında klinik eczacının rolü öne çıkarılır. Klinik eczacı, tedavi kararına doktorla aynı perspektiften değil; ilaç etkileşimleri, doz, farmakokinetik ve nüfus düzeyi kanıtlar açısından bakar. Bu farklılık, kurulun hata dağılımını çeşitlendirebilir.

Yapay zekâ bölümünde ise büyük dil modellerinin düşünsel çeşitlilik üzerindeki etkisi tartışılır. Yazar, bu sistemlerin fikir alanını genişletebildiğini kabul eder; ancak aynı zamanda milyonlarca kullanıcının aynı modeller üzerinden düşünce üretmesinin ifade biçimlerini ve akıl yürütme yollarını benzeştirebileceğini savunur.

Sonuçlar Ne Gösteriyor?

Çalışmanın ilk sonucu, oybirliğinin her zaman güvenilirlik işareti olmadığıdır. Belirsizlik içeren karmaşık sistemlerde tam uzlaşma, bazen sistemin gerçekten doğruyu bulduğunu değil, alternatif bakış açılarının bastırıldığını gösterebilir.

İkinci sonuç, kolektif zekânın temel kaynağının kişi sayısı değil, hata bağımsızlığı olduğudur. Çok sayıda insan aynı yanlılıktan etkileniyorsa, kalabalık olmak hata düzeltmez. Buna karşılık daha küçük ama gerçekten farklı düşünen bir grup, daha güçlü bir epistemik yapı oluşturabilir. Epistemik, bilgiye ve bilginin güvenilirliğine ilişkin anlamına gelir.

Üçüncü sonuç, yapısal muhalefetin kişilik meselesi değil kurum tasarımı meselesi olduğudur. Yazar, “aykırı kişi”yi özel karakterli, yalnız, cesur veya zeki biri olarak değil; sistemin bilinçli biçimde atadığı bir rol olarak düşünür. Önemli olan, o kişinin her zaman haklı olması değildir. Önemli olan, sistemin karşı argümanı gerçekten test etmeden karara ulaşamamasıdır.

Dördüncü sonuç, büyük dil modellerinin çift yönlü etki taşıdığıdır. Bu modeller farklı disiplinlerden bilgiye erişimi kolaylaştırabilir, dil engellerini azaltabilir ve yeni bağlantılar kurmaya yardımcı olabilir. Fakat herkes aynı modelin önerdiği cümle kalıpları, argüman yapıları ve açıklama biçimleriyle düşünmeye başlarsa, kolektif bilişsel çeşitlilik azalabilir.

Beşinci sonuç, model çöküşü riskidir. Model çöküşü, yapay zekâ modellerinin giderek daha fazla yapay zekâ üretimi içerikle eğitilmesi sonucunda dağılımın uçlarındaki nadir, özgün ve azınlıkta kalan ifadelerin kaybolması anlamına gelir. Bu durumda sistem daha akıcı ve daha ortalama cevaplar üretirken, düşünsel çeşitliliğin uç noktalarını zayıflatabilir.

Bu Neden Önemli?

Bu çalışma önemlidir çünkü günümüz kurumlarında ve dijital bilgi ortamında en büyük risklerden biri açık çatışma değil, sessiz benzeşmedir. Herkes aynı veriye, aynı yapay zekâ araçlarına, aynı akademik normlara veya aynı kurumsal beklentilere maruz kaldığında, farklı fikirler daha ortaya çıkmadan törpülenebilir.

Bilimde bu durum, hakem değerlendirmesinin aynı disiplin içinden gelen benzer bakış açılarına sıkışmasıyla görülebilir. Tıpta, aynı eğitim ve aynı klinik alışkanlıkları paylaşan ekiplerin alternatif tedavi veya risk senaryolarını yeterince tartışmamasıyla ortaya çıkabilir. Hukukta, oybirliğinin eleştirel denetim olmadan kesinlik duygusu üretmesiyle sorun yaratabilir. Yapay zekâda ise aynı modelin milyonlarca kişiye benzer öneriler sunması, düşünsel dağılımı daraltabilir.

Çalışmanın asıl katkısı, muhalefeti yalnızca ifade özgürlüğü veya demokratik temsil meselesi olarak değil, bilgi üretiminin teknik koşulu olarak ele almasıdır. Karşı görüş yoksa sistemin hatasını ölçmek de zorlaşır. Dissent yani farklı görüş, sistemin kendine sorduğu “Ya yanılıyorsak?” sorusudur.

Bu bakış, yapay zekâ çağında daha da önem kazanır. Çünkü büyük dil modelleri giderek araştırma, yazı, politika üretimi, eğitim, kodlama, haber ve kurumsal karar süreçlerinde yardımcı araçlara dönüşmektedir. Bu araçların kullanımı tek bir modele veya dar bir model ailesine yoğunlaşırsa, bilgi üretimi fark edilmeden standartlaşabilir.

Dikkat Noktaları

Çalışmanın ilk dikkat noktası, preprint olmasıdır. Metin hakem değerlendirmesinden geçmemiştir. Bu nedenle sunduğu argümanlar güçlü ve tartışmaya değer olsa da kesinleşmiş akademik sonuçlar olarak sunulmamalıdır.

İkinci dikkat noktası, muhalefetin sınırsız şekilde yüceltilmemesi gerektiğidir. Yazar da her konuda daha fazla itirazın her zaman daha iyi sonuç vereceğini savunmaz. Aşırı muhalefet karar felci, gürültü ve koordinasyon kaybı oluşturabilir. Çalışmanın savunduğu şey, en az bir yapısal karşı görüşün vazgeçilmez olmasıdır.

Üçüncü dikkat noktası, “aykırı görüş” ile temelsiz karşı çıkışın karıştırılmamasıdır. Yapısal muhalefet, kanıta dayalı, sistemli ve karar sürecini güçlendiren karşı argüman anlamına gelir. Her iddia yalnızca farklı olduğu için değerli değildir; değer, sistematik hatayı test etme gücünden gelir.

Dördüncü dikkat noktası, yapay zekânın yalnızca homojenleştirici bir tehdit olarak görülmemesidir. Çalışma, büyük dil modellerinin bilgiye erişimi genişletebileceğini ve disiplinler arası düşünmeyi destekleyebileceğini kabul eder. Risk, bu araçların tek tip ve baskın filtrelere dönüşmesidir.

Beşinci dikkat noktası, klinik örneklerin tıbbi karar önerisi olarak okunmamasıdır. Tümör kurulu ve klinik eczacı örneği, farklı uzmanlıkların hata bağımsızlığına katkısını göstermek için kullanılmıştır; belirli bir tedavi önerisi anlamına gelmez.

Sonuç

Çalışmanın ana mesajı nettir: Kolektif zekâ, kalabalığın kendiliğinden ürettiği bir mucize değildir. Doğru koşullar sağlanmadığında kalabalıklar aynı hataya daha büyük bir güvenle kilitlenebilir. Bu nedenle önemli olan, çok sayıda insanın aynı fikirde olması değil; farklı hata kaynaklarının birbirini dengeleyecek biçimde sistemde yer almasıdır.

Yapısal muhalefet bu nedenle bir lüks değil, bilgi üretiminin güvenlik mekanizmasıdır. Bir mahkemede, bilim kurulunda, klinik ekipte, politika komisyonunda veya yapay zekâ destekli araştırma sürecinde en az bir karşı perspektif kurumsal olarak güvence altına alınmadığında, sistem kendi kör noktasını göremez hale gelebilir.

Yazarın yapay zekâya ilişkin uyarısı da bu noktaya bağlanır. Büyük dil modelleri, bireylerin bilgiye erişimini artırırken aynı zamanda düşünce ve ifade biçimlerini benzeştirebilir. Eğer milyonlarca kişi farklı fikirlerini aynı yapay zekâ filtresinden geçirirse, başlangıçtaki çeşitlilik korunuyormuş gibi görünür; fakat fikirlerin işlenme biçimi giderek standartlaşabilir.

Bu nedenle geleceğin bilgi sistemlerinde yalnızca hızlı cevap, akıcı metin ve büyük veri yeterli değildir. Kurumların ve yapay zekâ destekli süreçlerin, karşı görüşü rastlantıya bırakmayan yapılar kurması gerekir. Çünkü bazen sistemi ayakta tutan şey çoğunluğun sesi değil, o çoğunluğa sorulması gereken zor sorudur.