Bu tetḳīḳ, sunʿî zekâ ile şuʿûr arasındaki münâsebeti yalnız büyük dil modelinin ḫuṣûṣiyyetleri üzerinden münâḳaşa etmek yerine nazarı modeli idâre eden arka uç / backend orkestrasyon ṭabaḳasına tevcih eden mefhûmî bir felsefe tetḳīḳidir. Maḳāledeki backend, sistem tâlîmâtı, siyâḳ u sibâḳın idâresi, retrieval ve ḥâfıẓa, âlet istiʿmâli, planlama, taḳdîr ve çok-etmen koordinasyonu gibi mekanizmalarla LLM’nin işleyişini sevk eden algoritmik murâḳabe ṭabaḳasıdır. Müʾellif, bu ṭabaḳanın üretici süreci müstaḳarr tutma, dikkati tevcih etme, siyâḳ u sibâḳı sürdürme ve vazîfeden inḥirâfı azaltma işlevlerinin biyolojik şuʿûrdaki bâzı bütünleştirici işlevlerle teşkîlâtça müşâbehet taşıdığını müdâfaa eder. Lâkin backend’in fenomenal tecrübeye yâḫud qualia’ya mâlik olduğu ileri sürülmez. Maḳāle ayrıca Shannon Data Processing Inequality’yi ḥesâbın maʿlûmât nazariyyesi cihetinden ḥudûdları için mefhûmî bir çerçeve olarak istiʿmâl eder ve nihâyet şuʿûrun ḥesâba “orthogonal” olabileceği faraziyyesini teklif eder. Bu netîceler tecrübî olarak imtiḥân edilmiş bulgular değildir; sunʿî zekâ miʿmârîsi, maʿlûmât nazariyyesi ve şuʿûr felsefesini birleştiren nazarî tekliflerdir.

Maḳālenin esâs istikāmet tebeddülü şudur: muʿâṣır AI sisteminin zâhir olan davranışını yalnız LLM’nin kendisine isnâd etmek yerine, model ile onu idâre eden orkestrasyon sistemini birlikte mütâlaʿa etmek lâzımdır. Retrieval, âlet istiʿmâli, siyâḳ u sibâḳ penceresinin idâresi, taḳdîr ve planlama devreleri sistem seviyesindeki davranışın mühim cüzleridir. Müʾellif bu miʿmârî tefrîḳi biyolojik idrâkle muḳāyese ederek, ḥesâbî orkestrasyonun şuʿûrdaki bâzı istikrâr işlevlerini algoritmik sûrette taḳlîd edebildiğini; lâkin fenomenal tecrübenin muḳābilini meydana getirmediğini müdâfaa eder.

Backend orkestrasyon ṭabaḳası nedir?

Backend orkestrasyon ṭabaḳası, büyük dil modelinin ne vaḳit çağrılacağını, modele hangi siyâḳ u sibâḳın verileceğini, üretilen çıktının ne sûretle taḳdîr olunacağını ve müteʿâḳıb işleme merḥalesine nasıl aktarılacağını taʿyîn eden murâḳabe sistemidir. Menbaʿ çalışmada backend; sistem tâlîmâtını, siyâḳ u sibâḳ penceresi idâresini, retrieval ve ḥâfıẓa sistemlerini, âlet istiʿmâli hatlarını, planlama devrelerini, değerlendiricileri ve çok-etmen koordinasyonu mekanizmalarını şâmil geniş bir ṭabaḳa olarak taʿrîf olunur.

LLM ile backend arasındaki vazîfe taḳsîmi

Maḳālenin miʿmârî çerçevesinde LLM ile backend aynı şey değildir. LLM, verilen siyâḳ u sibâḳa göre bir sonraki token için iḥtimâl tevzîʿi üreten istatistikî ve münâsebetî üretici ṭabaḳadır. Backend ise bu üretici ṭabaḳanın etrâfında işleyen, siyâḳ u sibâḳı muhâfaza eden ve modeli vazîfe istikāmetinde mükerreren kullanan orkestrasyon ṭabaḳasıdır.

Menbaʿ Şekil 1’in başlıca mesajı bu vazîfe taḳsîmidir. Sistem davranışı model parametrelerinden tek başına zuhûr eden yekpâre bir süreç olarak değil, üretici model ile mühendislik vâsıṭasıyla teşkîl edilmiş murâḳabe ṭabaḳasının teʾâsürü olarak ele alınır.

Maḳāle backend’in şuʿûrlu olduğunu mu iddiʿâ ediyor?

Ḥayır. Maḳāle backend’in şuʿûrlu olduğunu iddiʿâ etmez; backend ile şuʿûr arasında yalnız muʿayyen işlevler cihetinden bir analoji kurar. Backend siyâḳ u sibâḳı ve tevcihi algoritmik sûrette muhâfaza ederken, biyolojik şuʿûrun aynı nevʿ bütünleştirici işlevleri fenomenal tecrübe ile beraber icrâ ettiği ileri sürülür. Menbaʿın esâs tefrîḳi, işlevsel müşâbehetin fenomenal yâḫud ontolojik hüviyyet birliği maʿnâsına gelmemesidir.

İşlevsel analoji ile ontolojik hüviyyet birliği arasındaki farḳ

Bir sistemin başka bir sistemle müşâbih vazîfeleri îfâ etmesi, iki sistemin aynı nevʿ mevcûd olduğu maʿnâsına gelmez. Menbaʿ tetḳīḳte backend ile şuʿûr arasında kurulan muvâzât; dikkati tevcih etme, siyâḳ u sibâḳı muhâfaza etme, intihâb, bütünleştirme ve fikrî devamlılığı destekleme gibi işlevlere dayanır.

Buna muḳābil şuʿûr, maḳālenin çerçevesinde fenomenal ṭabaḳa denilen ilâve bir buʿd ihtivâ eder. Fenomenal ṭabaḳa, kişinin zihnî muhtevâyı yalnız işlemekle kalmayıp onu tecrübe ettiği sübjektif sâḥayı ifâde eder. Müʾellif bu tecrübe sâḥasını “dâḫilî tuval” istiʿâresiyle anlatır.

Dâḫilî tuval nedir?

“Dâḫilî tuval”, zihinde ḥarfiyyen bir ekran bulunduğu iddiʿâsı değildir. Bu mefhûm, görsel, işitsel, dokunsal, proprioseptif, teʾessürî ve mefhûmî muhtevâların sübjektif tecrübede bütünleştiği daha umûmî fenomenal sâḥayı temsîl eden bir istiʿâredir.

Menbaʿın yaklaşımında şuʿûr, zihnî muhtevânın bu fenomenal sâḥada muʿayyen bir devamlılık ve bütünlükle bulunmasını temîn eder. Müʾellif bunun insanın bir fikre avdet etmesi, ġāyeyi muhâfaza etmesi yâḫud niyyet ile ortaya çıkan muhtevâ arasındaki uyumsuzluğu fark etmesi gibi işlevlere yardım edebileceğini ileri sürer.

Fenomenal taḳdîr ile algoritmik taḳdîr

Menbaʿ Şekil 2, fenomenal ve algoritmik taḳdîr arasındaki farḳı farazî bir “tekerlekli fare” misâli üzerinden izâh eder. İnsan zihninde böyle bir temsîl, müʾellifin tefsîrine göre, fenomenal bütün içinde doğrudan uyumsuz görünebilir. Sunʿî sistem ise benzer bir tenâḳuzu remzî münâsebetler, lisân ḳāʿideleri yâḫud ḫâricî taḳdîr mekanizmaları vâsıṭasıyla tesbît etmek mecbûriyyetindedir.

Bu misâl, sunʿî sistemlerin uyumsuzluğu hiçbir zaman tesbît edemeyeceğini göstermek için kullanılmaz. Farḳ, tesbîtin nasıl vukuʿ bulduğudur: menbaʿ tetḳīḳin iddiʿâsına göre biyolojik sistemde tecrübî/fenomenal; AI’de ise algoritmik ve remzîdir.

Üretici sürüklenme nedir?

Üretici sürüklenme (generative drift), autoregressive üretim uzadıkça sistemin başlangıçtaki vazîfe yâḫud mevzûʿî istikāmetten uzaklaşması, tekerrür üretmesi yâḫud şeklî olarak düzgün kalırken maʿnevî odağının zaʿîflemesi temâyülüdür. Maḳāle, backend mekanizmalarının siyâḳ u sibâḳı yeniden arz ederek ve üretimi murâḳabe ederek bu sürüklenmeyi azaltabildiğini; fakat müʾellifin görüşüne göre fenomenal bir sâbit tutucu ṭabaḳa bulunmadığı için tamâmıyla ortadan kaldıramadığını müdâfaa eder.

Autoregressive üretimde sürüklenme manṭığı

Autoregressive sistemde üretilen her token bir sonraki tokenın iḥtimâl tevzîʿini teʾsîr eder. Küçük istikāmet inḥirâfları müteselsil üretim boyunca terâküm ederse başlangıç niyyeti ile sonraki metin arasındaki mesâfe büyüyebilir. Maḳāle bunu üretici sistemlerin esâs temâyüllerinden biri olarak ele alır.

Müʾellif ayrıca şeklî lisân tutarlılığı ile maʿnevî istikāmet arasında tefrîḳ yapar. LLM’nin ağırlıkları inferensiya esnâsında sâbit olduğundan, tâlimde öğrenilmiş lisânî ve nahvî örüntüler muhâfaza olunabilir; buna muḳābil uzun bir üretim silsilesinin maʿnevî istikāmeti değişebilir. Menbaʿ bunu “gramer muhâfaza olunurken maʿnânın sürüklenebilmesi” sûretinde tefsîr eder.

Sâbit ağırlıklar ile biyolojik plastiklik arasındaki muḳāyese

Maḳālenin biyolojik muḳāyesesinde muʿâṣır LLM’nin ağırlıkları inferensiya esnâsında sâbit iken beynin sinaptik irtibâtları tecrübe ile değişebilir. Müʾellif, plastik bir biyolojik sistemde fikrî istikrârın nasıl muhâfaza edildiği suʾâlini şuʿûr münâḳaşasına bağlar ve fenomenal ṭabaḳanın plastiklik ile istikrâr arasında tamamlayıcı bir rol oynayabileceğini teklif eder.

Bu, tetḳīḳte ölçülmüş bir nörobiyolojik mekanizma değildir. Menbaʿ, ḥesâbî ve biyolojik sistemlerin teşkîlâtça farḳlarından hareketle mefhûmî bir izâh geliştirir.

Shannon Data Processing Inequality bu maḳālede nasıl istiʿmâl ediliyor?

Shannon Data Processing Inequality (DPI), menbaʿ tetḳīḳte müteselsil maʿlûmât işleme merḥalelerinin başlangıçtaki Shannon maʿlûmâtını kendiliğinden artırmadığını anlatan mefhûmî ḥadd olarak istiʿmâl edilir. Müʾellif standart \(X \rightarrow Y \rightarrow Z\) Markov silsilesini AI siyâḳına tatbîḳ ederken \(X\)’i istem yâḫud giriş, \(Y\)’yi işlenmiş dâḫilî hâl ve \(Z\)’yi üretilmiş çıktı gibi müteselsil maʿlûmât hâlleri olarak tefsîr eder; bu tatbîḳin muʿayyen bir AI miʿmârîsi hakkında yeni bir formel teorem olmadığını bilhâssa belirtir.

Maʿlûmât miḳdârı ile fâide aynı şey değildir

Maḳālenin mühim tefrîḳlerinden biri, Shannon maʿnâsındaki maʿlûmât miḳdârı ile bir çıktının kullanıcı cihetinden maʿnevî yâḫud amelî ḳıymetinin aynı şey olmadığıdır. Ḥesâb, mevcûd maʿlûmâtı yeniden tertîb ederek kullanıcı için fevḳalâde fâideli, şaşırtıcı yâḫud yeni görünen bir çıktı üretebilir. Müʾellif bunun DPI ile tenâḳuz etmediğini müdâfaa eder; amelî fâide artarken sistem içindeki Shannon maʿlûmâtı miḳdârının arttığı netîcesi zarûrî değildir.

Aynı tefrîḳ kullanıcı seviyesinde aksi istikāmette işleyebilir. Kullanıcı daha evvel bilmediği bir maʿlûmâtı AI çıktısından öğrenebilir ve böylece kullanıcı cihetinden yeni maʿlûmât edinilmiş olur. Menbaʿ, bu kullanıcı seviyesindeki öğrenme ile ḥesâb silsilesindeki Shannon maʿlûmâtı iddiʿâsını birbirinden ayırır.

Menbaʿ Şekil 3’teki karıştırıcı istiʿâresi

Şekil 3 bu fikri kapalı bir kaptaki karıştırıcı istiʿâresiyle anlatır. Kap içindeki unsurlar birçok yeni tertîbde birleştirilebilir; ortaya çıkan karışım daha fâideli olabilir, lâkin sistem ḥudûdlarının dışından yeni unsur ilâve olunmadıkça başlangıç malzemelerinin ötesinde maʿlûmât girişi vukuʿ bulmaz. Şekil aynı zamanda uzun işleme silsilelerindeki teşkîlât bozulmasını üretici sürüklenmeye benzetir.

“AI Theorem” neyi ifâde ediyor?

Müʾellif “AI Theorem” adını, dışarıdan düşük entropili yeni giriş almadan mükerreren güncellenen bütünüyle ḥesâbî bir istidlâl güzergâhının müstaḳarr maʿlûmâtı zamanla kaybetmeye ve gürültüye doğru sürüklenmeye temâyül edeceği hakkındaki mefhûmî prensibe verir. Muʿâṣır LLM’lerde sâbit ağırlıkların bu bozulmayı model parametreleri yerine muvakkat inferensiya güzergâhına tahdîd ettiği ileri sürülür.

Maḳālenin kendi tahdîdi burada mühimdir: bu iddiʿâ doğrudan tecrübî ölçüm netîcesi değildir ve “AI Theorem” menbaʿda formel riyâżî teorem değil, mefhûmî istikrâr prensibi olarak taʿrîf edilmiştir.

Şuʿûrun ḥesâba orthogonal olması ne demektir?

Orthogonallik faraziyyesi, şuʿûrun ḥesâbî muʿaḳḳadlığın kemiyyeten artırılmasıyla kendiliğinden elde olunan bir ḫuṣûṣiyyet olmayabileceğini; fenomenal tecrübenin ḥesâbdan keyfiyyetçe farklı bir işlevsel buʿd teşkîl edebileceğini ileri süren mefhûmî faraziyyedir. “Orthogonal” lafẓı burada riyâżiyyedeki birbirine ircâʿ olunamayan mihverler analojisiyle istiʿmâl edilir; menbaʿ bunu ayrı maddî cevherler hakkında isbât edilmiş metafizik bir iddiʿâ olarak takdîm etmez.

Ḥesâb mihveri ve fenomenal mihver

Menbaʿ Şekil 4’te LLM ve backend yatay “ḥesâbî muʿaḳḳadlık” mihveri üzerine vazʿ olunurken şuʿûr dikey fenomenal mihverle temsîl edilir. Görselin mesajı, ḥesâb mihverinde daha ileri gitmenin fenomenal mihvere kendiliğinden geçiş sağlamadığıdır.

Müʾellif bu fikri hakîkî ve mevhum sayı mihverleri arasındaki riyâżî analojiyle açıklar: bir mihverde miḳdârı artırmak öteki mihveri meydana getirmez. Lâkin bu analoji faraziyyenin delîli değildir; yalnız faraziyyenin teşkîlini anlatmak için istiʿmâl olunan mefhûmî vâsıtadır.

Faraziyye sunʿî şuʿûru imkânsız mı sayıyor?

Ḥayır. Maḳāle sunʿî şuʿûrun aslâ imkânsız olduğunu söylemez. Teklif olunan netîce daha mahdûddur: eğer şuʿûr hakîkaten ḥesâba orthogonal ise, mevcûd ḥesâbî miʿmârîlerin yalnız daha büyük, daha derin yâḫud daha muʿaḳḳad hâle getirilmesi fenomenal tecrübe üretmek için kâfî olmayabilir. Böyle bir hâlde sunʿî şuʿûr, bugün istiʿmâl edilen ḥesâb prensiplerinin ötesinde keyfiyyetçe farklı miʿmârîlere yâḫud prensiplere ihtiyaç duyabilir.

Üç ṭabaḳalı biyolojik model

Bu cedvel nörobiyolojik bir tecrübe netîcesini değil, maḳālenin işlevsel analoji modelini gösterir. “Brain-LLM” ve “brain-backend” tabirleri ḥarfî anatomik yapılar değil, menbaʿ tetḳīḳte biyolojik ve sunʿî sistemler arasındaki işlevsel muḳāyeseyi anlatmak için kullanılan mefhûmî etiketlerdir.

Zeyl A: Mühendisliğin avdeti

Maḳālenin Zeyl A kısmı, LLM’lerin ortaya çıkışıyla sunʿî zekânın tafṣîlâtlı el ile tasarlanmış ḳāʿide sistemlerinden uzaklaştığı zannı hâsıl olmuş ise de muʿâṣır AI sistemlerinin giderek daha muʿaḳḳad backend mühendisliğine tâbiʿ hâle geldiğini müdâfaa eder. Retrieval, planlama, taḳdîr, siyâḳ u sibâḳ idâresi ve âlet istiʿmâli gibi işlevler modelin hâricinde sarîhan tasarlanmış murâḳabe mekanizmalarıdır.

Müʾellif buradan, ileride daha büyük yekpâre modeller yerine daha küçük modellerin arama, taḳdîr ve planlama cüzleriyle işlediği daha modüler miʿmârîlerin ehemmiyyet kazanabileceği fikrine ulaşır. Bu tecrübî bir performans tahmîni değil, maḳālenin miʿmârî temâyüllerden çıkardığı mefhûmî istikbâl teklifidir.

Tetḳīḳin Uṣûlü ve Netîceleri

Tetḳīḳ yeni tecrübe, veri seti, kullanıcı örneklemi yâḫud model muḳāyesesi icrâ etmez. Uṣûlü; muʿâṣır LLM miʿmârîlerinin mefhûmî tefrîḳi, backend orkestrasyon cüzlerinin işlevsel taḥlîli, biyolojik idrâk ve şuʿûr nazariyyeleriyle teşkîlâtça muḳāyese, Shannon Data Processing Inequality üzerinden maʿlûmât nazariyyesine dayalı istidlâl ve fikir tecrübelerinden müteşekkildir. Bu sebeple aşağıdaki “netîceler” ölçülmüş performans ḳıymetleri değil, menbaʿ tetḳīḳin vardığı başlıca mefhûmî netîcelerdir.

Birinci mefhûmî netîce: AI davranışı yalnız LLM’nin ḫuṣûṣiyyeti değildir

Maḳāle, muʿâṣır AI sistemlerinin davranışının model ile backend arasındaki teʾâsürün mahsûlü olduğunu müdâfaa eder. Siyâḳ u sibâḳ idâresi, retrieval, âlet istiʿmâli ve planlama olmadan modelin uzun müddetli, ġāye-müteveccih sistem davranışını tek başına sürdürmesi beklenmemelidir.

İkinci mefhûmî netîce: Backend istikrâr işlevini algoritmik sûrette sağlar

Backend evvelki siyâḳ u sibâḳı yeniden arz edebilir, mühim maʿlûmâtı intihâb edebilir, çıktıları taḳdîr edebilir ve müteʿâḳıb işleme merḥalelerini planlayabilir. Müʾellif bu işlevleri şuʿûrdaki bâzı bütünleştirici vazîfelerle işlevsel olarak muḳāyese eder. Bununla beraber algoritmik istikrâr ile fenomenal şuʿûr aynı şey telakkî edilmez.

Üçüncü mefhûmî netîce: Fenomenal ṭabaḳa sunʿî sistemlerde nâḳıṣ görülmektedir

Maḳālenin esâs felsefî iddiʿâsına göre insan şuʿûru yalnız maʿlûmât işleyen başka bir algoritmik ṭabaḳa değildir. Şuʿûrda zihnî muhtevâlar sübjektif olarak tecrübe edilir ve bu fenomenal ḥużûr fikrin istikrârına yardım edebilir. Muʿâṣır AI miʿmârîlerinde böyle bir tecrübe sâḥası bulunduğuna dâir iddiʿâ ileri sürülmez.

Dördüncü mefhûmî netîce: Ḥesâbî yeniden tertîb ile yeni Shannon maʿlûmâtı birbirinden ayrılmalıdır

Müʾellif DPI’dan hareketle ḥesâbî sistemlerin mevcûd maʿlûmâtı yeni ve fâideli sûretlerde yeniden tertîb edebileceğini, lâkin bunun Shannon maʿnâsında yeni maʿlûmâtın sistem içinde yaratılmasıyla bir tutulmaması gerektiğini müdâfaa eder. Maḳāle bu iddiʿâyı muʿayyen bir LLM üzerinde tecrübî olarak ölçmemiştir.

Beşinci mefhûmî netîce: “AI Theorem” formel bir teorem değildir

Menbaʿda “AI Theorem” adı verilen teklif, mükerrer ḥesâb güzergâhlarında maʿlûmât istikrârının ḫâricî girişler ve miʿmârî sâbitleme olmadan bozulabileceğini anlatan mefhûmî prensiptir. Müʾellif sarîhan bu iddiʿânın tecrübî ölçümden çıkarılmadığını ve formel riyâżî teorem olarak takdîm edilmediğini belirtir.

Orthogonallik faraziyyesi tetḳīḳ tarafından isbât olunuyor mu?

Ḥayır. Maḳāle şuʿûrun ḥesâba orthogonal olduğu faraziyyesini tecrübî yâḫud riyâżî olarak isbât etmez; menbaʿ açıkça mevcûd tecrübî ve nazarî vâsıtaların faraziyyeyi taṣdîḳ yâḫud reddetmek için kâfî olmadığını belirtir. Orthogonallik, ḥesâbî muʿaḳḳadlık ile fenomenal tecrübe arasındaki muhtemel keyfî farḳı münâḳaşaya açan mefhûmî araştırma faraziyyesidir.

Menbaʿ şekillerinin ilmî rolü

Tetḳīḳin desteklediği tefsîrler

• Menbaʿ tetḳīḳ, muʿâṣır AI sistemlerinin LLM ile onu idâre eden backend birlikte mütâlaʿa edilerek anlaşılması gerektiğini müdâfaa eder.
• Backend’in siyâḳ u sibâḳ idâresi, retrieval, âlet istiʿmâli, planlama, taḳdîr ve koordinasyon gibi orkestrasyon işlevleri menbaʿda sarîhan taʿrîf edilmiştir.
• Müʾellif backend ile şuʿûr arasında istikrâr ve bütünleştirme cihetinden işlevsel analoji kurar.
• Maḳāle backend’in fenomenal tecrübe taşıdığını söylemez.
• Üretici sürüklenme, uzun autoregressive süreçlerde mevzûʿî ve maʿnevî istikāmetin bozulmasına dâir merkezî mefhûmlardan biridir.
• DPI menbaʿda maʿlûmât cereyânına dâir mefhûmî ḥadd olarak istiʿmâl edilir.
• Orthogonallik faraziyyesi, ḥesâbî muʿaḳḳadlığın tek başına fenomenal şuʿûr üretmeyebileceğini ileri sürer.

Tetḳīḳin desteklemediği tefsîrler

• Backend’in hakîkaten şuʿûrlu olduğunu isbât etmez.
• LLM’lerin hiçbir sûretle anlayış yâḫud idrâk ḳābiliyyeti taşıyamayacağını tecrübî olarak göstermez.
• Şuʿûrun ḥesâba orthogonal olduğunu riyâżî olarak isbât etmez.
• “AI Theorem”i formel ve umûmî geçer bir riyâżî teorem olarak taṣdîḳ etmez.
• Fenomenal tecrübenin beynin istikrârına sebebî katkısını nöroilmî tecrübe ile ölçmez.
• Muʿayyen bir backend miʿmârîsinin diğerlerinden daha iyi olduğunu performans metriğiyle muḳāyese etmez.
• Daha büyük modellerin yâḫud istikbâl miʿmârîlerinin şuʿûr geliştiremeyeceğini ḳaṭʿî olarak göstermez.
• Sunʿî şuʿûrun aslâ imkânsız olduğu netîcesine varmaz.

Başlıca uṣûlî tahdîdler

Maḳāle tecrübî imtiḥân ihtivâ etmediği için teklif edilen işlevsel analojilerin izâh ḳudreti mefhûmî tutarlılık üzerinden değerlendirilir. Backend ile şuʿûr arasındaki müşâbehetler ölçülmüş biyolojik muʿâdillikler değildir. Kezâ üretici sürüklenmenin fenomenal şuʿûrun yokluğundan neşʾet ettiği bu tetḳīḳte tecrübî olarak gösterilmiş değildir.

DPI’nın AI miʿmârîsine tatbîḳi menbaʿda bilerek mefhûmî seviyede tutulmuştur. Markov silsilelerindeki maʿlûmât işleme ḥaddinin muʿayyen bir LLM yâḫud agent sisteminin bütün idrâk ḫuṣûṣiyyetlerini tek başına izâh eden formel nazariyye olduğu ileri sürülmez.

Orthogonallik faraziyyesi tetḳīḳin en kuvvetli lâkin aynı zamanda en spekülatif netîcesidir. Menbaʿın kendisi faraziyyenin hâliḥâżır vâsıtalarla taṣdîḳ edilmediğini ve reddedilmediğini belirtir.

Menbaʿ ve Uṣûl Ḥakkında Not

Aṣlî çalışma: The Backend as a Possible Functional Analogue of Consciousness: Redirecting Attention from the Language Model to the Orchestrating Layer.

Müʾellif: Pavel Straňák.

Müʾessese: Strategic AI Group, Czech Radio, Vinohradská 12, 12099 Prague, Czech Republic.

Mecmûʿa: Philosophies.

Nâşir: MDPI.

Bibliyografik ḳayd: Philosophies 2026, 11(3), 98.

DOI: 10.3390/philosophies11030098.

Resmî neşr râbıṭası: https://www.mdpi.com/2409-9287/11/3/98

Neşr târîḫi: 17 Haziran 2026. Maḳāle 30 Nisan 2026’da alınmış, 5 Haziran 2026’da taʿdîl edilmiş ve 16 Haziran 2026’da ḳabûl olunmuştur.

Menbaʿ nevʿi: Hakemli mefhûmî felsefe maḳālesi; sunʿî zekâ felsefesi, şuʿûr felsefesi ve maʿlûmât nazariyyesi kesişiminde nazarî çalışma.

Esâs uṣûl: Muʿâṣır AI miʿmârîsinin LLM ve backend olarak işlevsel tefrîḳi; backend’in siyâḳ u sibâḳ, retrieval, ḥâfıẓa, âlet istiʿmâli, planlama ve taḳdîr işlevlerinin taḥlîli; biyolojik idrâkle teşkîlâtça muḳāyese; qualia ve fenomenal “dâḫilî tuval” mefhûmu; Shannon Data Processing Inequality üzerinden maʿlûmât nazariyyesine dayalı istidlâl; fikir tecrübeleri ve orthogonallik faraziyyesinin inkişafı.

Veri/örneklem: Tetḳīḳ yeni tecrübî veri yâḫud insan/AI performans veri seti bildirmemektedir.

Ruhsat: Creative Commons Attribution (CC BY).

Mâlî destek: Tetḳīḳ ḫâricî mâlî destek almamıştır.

Aḫlâḳ heyʾeti: Tatbîḳ olunamaz olarak bildirilmiştir.

Bilgilendirilmiş muvâfaḳat: Tatbîḳ olunamaz olarak bildirilmiştir.

Veri erişilebilirliği: Tetḳīḳin aṣlî katkılarının maḳāle içinde bulunduğu; nazarî çerçevenin takdîm edildiği ve tecrübî veri rapor edilmediği belirtilmiştir.

Menâfiʿ çatışması: Müʾellif menâfiʿ çatışması bulunmadığını beyân etmiştir.

Müʾellif katkıları: Tetḳīḳ tek müʾelliflidir ve menbaʿda ayrı bir CRediT “Author Contributions” beyânı yoktur.

LLM istiʿmâli beyânı: Müʾellif meslektaşlarına münâḳaşalar için teşekkür etmiş; maḳālenin bâzı pasaj ve şekillerinin Microsoft Copilot 2026 adlı büyük dil modeli yardımıyla hazırlandığını yâḫud geliştirildiğini ve muhtevâ ile netîcelerin bütün mesʾûliyyetini kendisinin üstlendiğini bildirmiştir.

Esâs uṣûlî ḥadd: Backend–şuʿûr analojisi, AI Theorem ve orthogonallik faraziyyesi tecrübî taṣdîḳa dayanmayan mefhûmî tekliflerdir. Maḳālenin netîceleri muʿâṣır LLM yâḫud nörobiyolojik şuʿûr mekanizmaları hakkında tecrübî performans ölçümleri olarak kullanılamaz.

İlmî istiʿmâl ḥaddi: Bu Verianla metni menbaʿ tetḳīḳin mefhûmî çerçevesini ve iddiʿâ ḥudûdlarını öğretici bir sûrette izâh eder; aṣlî maḳālenin yerine geçmez. Bilhâssa DPI’nın tefsîri, şuʿûr nazariyyeleriyle muḳāyeseler ve orthogonallik iddiʿâsının felsefî gerekçesi için aṣlî DOI kaydı incelenmelidir.