Yapay zekâ çoğu zaman bir sohbet robotu, yazı yardımcısı veya verimlilik aracı olarak tanımlanmaktadır. Rajendra Wadje’nin bu tanılayıcı denemesi ise yapay zekânın toplumsal rolünün bundan çok daha geniş olduğunu savunmaktadır. Yazara göre yapay zekâ; insanların öğrenmesine ve düşünmesine yardım eden bilişsel bir katman, düşünce ve ihtiyaçları kurumların anlayabileceği biçimlere dönüştüren bir ifade katmanı ve kod, tasarım, belge, prototip veya işletme üretmeyi kolaylaştıran bir üretim katmanı olarak birlikte çalışmaktadır.

Metinde bu üçlü yapı “capability stack” olarak adlandırılmaktadır. Türkçede bu kavram, insanın sahip olduğu potansiyeli öğrenme, ifade etme ve üretme kapasitesine dönüştüren bir “yetenek veya kapasite altyapısı” şeklinde karşılanabilir. Üniversiteler, işverenler, mahkemeler, kamu kurumları ve piyasalar insanların iç dünyasını doğrudan göremez; onların hazırladığı yazıyı, başvuruyu, öz geçmişi, sunumu, dilekçeyi, kodu veya ürünü değerlendirir. Yapay zekâ bu dönüşüm zincirinin tamamında etkili olduğu için ona erişim, yalnızca bir yazılıma erişim meselesi olmaktan çıkmaktadır.

Denemenin temel savı, güçlü yapay zekâ sistemlerine erişim gelir, okul, üniversite, işveren veya ülke temelinde katmanlara ayrılırsa mevcut eşitsizliklerin büyüyebileceğidir. Ücretli ve kurumsal kullanıcılar daha gelişmiş modeller, geniş bağlam pencereleri, kalıcı hafıza, dosya ve araç desteği, daha yüksek kullanım sınırları ve daha güçlü veri korumasından yararlanırken diğer kullanıcıların daha zayıf sistemlerle yetinmesi, yalnızca anlık bir performans farkı yaratmayabilir. Bu fark çocuklukta başlayıp eğitim, iş başvurusu, girişimcilik, hukuki hak arama ve profesyonel üretim boyunca birikebilir.

Yazar yapay zekâ karşıtı değildir. Tam tersine, yapay zekânın insan kapasitesini genişletebilecek kadar önemli olduğunu ve bu nedenle erişim mimarisinin tesadüfen oluşmasına izin verilmemesi gerektiğini savunmaktadır. Yapay zekâ geniş ve anlamlı biçimde erişilebilir olursa yorumlama, özel ders, düzenleme, programlama ve üretim desteğini demokratikleştiren bir “kapasite matbaası” olabilir. Erişim ödeme gücüne göre ayrıştırılırsa eski bilgi tekellerinin dijital karşılığı olan yeni bir “yazıcılar veya yorumlayıcılar sınıfı” oluşturabilir.

Metin belirli bir kamu hizmeti modeli önermemektedir. Okullar ve kütüphaneler üzerinden erişim, bireysel destek veya kuponlar, ulusal lisanslar, açık ağırlıklı modeller, özel sağlayıcılara erişim standardı getirilmesi ya da kamu hizmeti benzeri yükümlülükler yalnızca olası seçenekler olarak sıralanmaktadır. Denemenin asıl talebi, yöntemin ne olacağından önce bir ilkenin kabul edilmesidir: toplumun temel eğitim, ifade, başvuru, hak arama ve üretim süreçlerinde varsaydığı yapay zekâ kapasitesine herkes anlamlı biçimde erişebilmelidir.

Çalışma ampirik bir etki araştırması değildir. Yeni veri toplamaz, ülkelerin yapay zekâ erişimini ölçmez, maliyet hesabı yapmaz ve önerilen ilkenin uygulanması hâlinde sonuçların kesinleşeceğini kanıtlamaz. Tarihsel örnekler, daha önce yayımlanmış araştırmalar ve normatif belgeler üzerinden yapısal bir argüman geliştirir. Denemenin sonunda sınanabilir bir öngörü sunulur: Bu on yıl içinde anlamlı yapay zekâ erişimini geniş tabana ulaştıran ülkelerin, 2040’lara doğru girişimcilik, buluşçuluk, elit olmayan kurumlardan bilimsel üretim ve düşük gelirli ailelerden bilgi yoğun mesleklere geçiş gibi göstergelerde benzer ülkelere göre avantaj geliştirmesi beklenmektedir.

Metnin başlangıç düşünce deneyi: Çocuk, ebeveyn ve Macbeth

Deneme, orta gelirli bir ebeveynin on yaşındaki çocuğuyla Shakespeare’in Macbeth eserini okuduğu bir sahneyle başlamaktadır. Eser artık kıt değildir. Kütüphanelerde, ucuz baskılarda, internet sitelerinde, özetlerde ve kayıtlı gösterilerde bulunmaktadır. Buna rağmen çocuğun metne gerçek anlamda ulaşması, kitabın fiziksel olarak önünde bulunmasından daha fazlasını gerektirir.

Çocuğun eski İngilizce ifadeleri, cadıların tiyatrodaki işlevini, dönemin siyasal bağlamını, kehanet ile emir arasındaki farkı ve eserin hırs ile vicdan üzerine kurduğu ilişkiyi anlayabilmesi için bir yorumlayıcıya ihtiyaç duyabilir. Tarihsel olarak bu yorumlama kapasitesi, eğitimli ebeveynlerin, özel öğretmenlerin veya kültürel sermayesi yüksek ailelerin sahip olduğu bir avantaj olmuştur.

Yazarın örneğinde ebeveyn bir yapay zekâ asistanı kullanmaktadır. Sistem metni çocuğun yaşına göre açıklar, çocuğun anlamadığı noktada anlatımı değiştirir, sorular sorar ve yarım kalmış düşüncelerin bir ödev veya sunuma dönüştürülmesine yardımcı olur. Bu durumda yapay zekâ yalnızca bilgi sunmaz; bilgiye erişim ile bilgiyi kullanabilir hâle getirme arasındaki boşluğu kapatır.

Denemenin eşitsizlik iddiası, aynı kitaba ve aynı internete erişen başka bir çocuk üzerinden kurulmaktadır. İkinci çocuk daha düşük kullanım sınırlarına, daha kısa bağlama, hafızasız çalışmaya ve daha eski bir modele sahip olabilir. Bu çocuk kitaptan mahrum değildir; kitabı anlama, soru sorma, fikrini ifade etme ve ortaya bir ürün çıkarma zincirinin daha zayıf bir sürümüne erişmektedir.

İki çocuk arasındaki fark tek bir ödevle sınırlı kalırsa küçük görünebilir. Ancak yazar, yıllar boyunca biriken yardımın sınavlara, üniversite başvurularına, iş görüşmelerine, tekliflere, portföylere ve profesyonel üretime yansıyabileceğini savunmaktadır. Kurumların değerlendirdiği şey doğrudan kişinin içindeki yetenek değil, o yeteneğin görünür ve değerlendirilebilir çıktısıdır.

Bilgiye erişim ile yorumlama kapasitesi arasındaki fark

İnternet çağında çok sayıda metin, ders, video ve kaynak erişilebilir durumdadır. Buna rağmen bilginin bulunabilmesi, kişinin onu anlayabileceği, sorgulayabileceği veya kendi amacı için kullanabileceği anlamına gelmez.

Denemeye göre geçmişte avantaj sağlayan temel unsur çoğu zaman kitabın kendisi değil, kitabı açabilen insandı. Eğitimli ebeveyn, öğretmen, editör, hukukçu, başvuru danışmanı veya programcı; ham bilgiyi kullanışlı bilgiye dönüştüren aracı rolünü üstleniyordu.

Yapay zekâ bu aracılık hizmetlerinin bir kısmını düşük marjinal maliyetle çoğaltabilir. Bunun toplumsal etkisi, basılı metnin yaygınlaşmasından farklıdır. Matbaa metni çoğaltmıştır; yapay zekâ ise metni yorumlayan, dönüştüren ve onunla üretim yapan desteği çoğaltabilir.

Yapay zekânın üç katmanlı kapasite altyapısı

Bu katmanlar birbirinden tamamen bağımsız değildir. Bir öğrenci önce bir konuyu anlamak için bilişsel desteği kullanabilir, ardından düşüncesini bir rapora dönüştürebilir ve son olarak raporun yanında çalışan bir prototip üretebilir. Zincirin herhangi bir halkasındaki erişim farkı, son çıktının kalitesini ve görünürlüğünü etkileyebilir.

Kurumlar insanın kapasitesini nasıl görür?

Metnin önemli gözlemlerinden biri, kurumların insanın merakını, sezgisini, sıkıntısını veya yeteneğini doğrudan görememesidir. Üniversite başvuru kurulu bir öğrencinin iç dünyasını değil, başvuru metnini görür. İşveren mesleki potansiyeli değil; öz geçmişi, görüşme performansını ve iş örneğini değerlendirir. Mahkeme yaşanan haksızlığı değil, usule uygun hazırlanmış başvuruyu inceler.

Yazar, yapay zekânın dilsel pürüzleri azaltarak kurumların düzgün ifade ile zekâyı birbirine karıştırmasını zorlaştırabileceğini savunmaktadır. İyi bir düşüncenin yetersiz dil becerisi nedeniyle görünmez kalması veya kötü bir düşüncenin güçlü anlatım nedeniyle değerli görünmesi demokratik değerlendirmeyi bozabilir.

Ancak bu yarar yalnızca bazı insanlara sunulursa eski ayrıcalık ortadan kalkmaz. Yazarın keskin ifadesiyle eski hiyerarşi bir abonelik planı giyerek geri döner.

Erişim eşitsizliği yalnızca fiyat mıdır?

Deneme, erişim mimarisinin yalnızca aylık abonelik ücretinden oluşmadığını vurgulamaktadır. İki kişi aynı adlı ürüne erişse bile fiilen kullandıkları kapasite farklı olabilir.

Yapay zekâ eşitleyici olabilir mi?

Deneme, yapay zekânın eşitliği artırabileceği yönündeki deneysel bulguları reddetmemektedir. Tam tersine bu çalışmaların önemli olduğunu kabul etmekte, fakat eşitleyici sonucun ancak belirli dağıtım koşullarında ortaya çıkacağını savunmaktadır.

Bu sayılar denemenin gerçekleştirdiği yeni deneylerden gelmemektedir. Yazar tarafından atıf verilen önceki çalışmaların sonuçlarıdır.

Eşitleyici yorumun üç koşulu

1. Aynı araca erişim

Deneylerde karşılaştırılan katılımcılara genellikle aynı yapay zekâ sistemi verilmektedir. Böyle bir tasarım, güçlü sistem kullanan kişi ile zayıf veya sınırlı sistem kullanan kişi arasındaki eşitsizliği ölçmez.

Düşük performanslı bir çalışan güçlü bir sistemle üst gruba yaklaşabilir. Ancak üst grup daha gelişmiş bir sisteme geçtiğinde fark yeniden açılabilir. Bu nedenle tek bir deneyde gözlenen sıkışma, uzun vadeli toplumsal eşitlik anlamına gelmemektedir.

2. Tek görevdeki geçici sıkışma ile kuşaklar arası birikim arasındaki fark

Bir çalışanın tek bir vardiyada daha hızlı çalışması, çocukluktan itibaren güçlü yapay zekâ desteği alan biriyle almayan biri arasındaki yirmi yıllık farkı göstermez. Deneme, kısa süreli görev performansıyla kuşaklar boyunca birikebilecek eğitim ve üretim avantajının birbirinden ayrılması gerektiğini savunmaktadır.

3. Yapay zekânın düzensiz yetenek sınırı

Yazar, “jagged frontier” olarak anılan düzensiz yetenek sınırına özel önem vermektedir. Yapay zekâ benzer görünen görevlerden bazılarında çok başarılı, bazılarında ise yanıltıcı olabilir. Kullanıcı çoğu zaman görevin bu sınırın hangi tarafında olduğunu önceden bilemez.

Bu nedenle yapay zekâ okuryazarlığı yalnızca komut yazma yeteneği değildir. Çıktıyı denetlemek, başka kaynaklarla doğrulamak, hatanın maliyetini değerlendirmek ve gerektiğinde sistemi kullanmamak da bu becerinin parçalarıdır. Yazar, bu üst becerinin eğitimli ve destekli çevrelerde daha kolay gelişeceğini ve böylece yapay zekâ erişiminin yanında kullanım kültürünün de sınıfsal bir avantaja dönüşebileceğini ileri sürmektedir.

“Kapasite matbaası” benzetmesi

Matbaa, yalnızca daha fazla kitap üretmemiş; metnin çoğaltılma maliyetini düşürmüş, yerel dillerde yayınları yaygınlaştırmış ve eski kopyalama tekellerini zayıflatmıştır. Kamu okulları ve kütüphaneler de bilgiye erişimin bütünüyle aile servetine bağlı olmaması gerektiği ilkesini güçlendirmiştir.

Yapay zekâ benzer bir genişlemeyi metnin ötesinde sağlayabilir. İnsanlara açıklama, özel ders, düzenleme, programlama, tasarım, araştırma, sözleşme okuma, bürokrasiyle iletişim ve üretim desteği sunabilir.

Bu nedenle yazar yapay zekâyı “bilginin matbaası” değil, “kapasitenin matbaası” olarak görmektedir. İddia, yapay zekânın mutlaka olumlu sonuç doğuracağı değildir. Matbaa da propaganda ve yanlış bilgi üretmiştir. Benzetme, temel çoğaltma baskısının hangi yönde çalışabileceğini göstermek için kullanılmaktadır.

“Yazıcılar sınıfı” veya yorumlama tekeli

Deneme, bilgi tarihinin yalnızca erişimin genişlemesinden oluşmadığını; bilginin yorumlanmasını kontrol eden sınıfların tekrar tekrar oluştuğunu ileri sürmektedir. Yazar bu işlevsel yapıyı “scribal class” olarak adlandırmaktadır.

Metinde Orta Çağ Avrupa’sındaki Latince ve ruhban kurumları, Çin imparatorluk sınav sistemi, İslam hukuk geleneğindeki ulemanın yetkilendirme yapıları, Eski Mısır’daki yazıcılar ve klasik Brahmanik gelenekte Vedik bilgiye erişim sınırlamaları örnek olarak kullanılmaktadır.

Yazar bu oluşumların birbirinin aynısı olmadığını özellikle belirtir. Benzetme medeniyetleri eşitlemek için değil, bilginin kendisinden ziyade bilgiyi işletebilecek dil, yorumlama ve yetkilendirme araçlarının kontrol edilmesi şeklindeki ortak işlevi göstermek için kurulmaktadır.

Bu tarihsel kısımlar ampirik karşılaştırmalı tarih araştırması değildir. Seçilmiş örnekler üzerinden geliştirilen yapısal benzetmelerdir. “Köylü” ve “yazıcı sınıfı” kavramları da tarihsel gruplar hakkında güncel bir değerlendirme değil, ayrıcalıklı ve ayrıcalıksız yapay zekâ erişimini keskin biçimde görünür kılmak için kullanılan retorik araçlardır.

Yeni kapı neden metin değil yorumlayıcıdır?

Denemeye göre günümüzde metinlerin önemli bir bölümü ücretsiz veya düşük maliyetlidir. Yeni kıtlık, metni okuyup kişiye göre açıklayan, onu bir başvuruya veya ürüne dönüştüren sistemde oluşabilir.

Güçlü model; kullanıcının yanında okuyan öğretmen, düzenleyen editör, kod yazan programcı, kurumsal dili açıklayan danışman ve üretim sürecini hızlandıran asistan rollerini birlikte üstlenebilir. Bu yetenekler az sayıda sağlayıcının katmanlı planları üzerinden dağıtılırsa, yorumlama kapasitesi yeniden ödeme gücüne bağlanabilir.

Yazar şirketleri ahlaki açıdan suçlamadığını açıkça belirtmektedir. Farklı fiyat katmanları oluşturmak ticari işletmelerin normal davranışıdır. Yapısal sorun, toplumun temel kapasite altyapısını yalnızca ticari katmanlaşmanın varsayılan sonucuna bırakmasıdır.

Doğal kıtlık ile yapay kıtlık arasındaki ayrım

Geçmişte güçlü özel öğretmen, editör veya uzman desteğinin geniş kitlelere sunulması insan emeği nedeniyle pahalıydı. Bir öğretmen aynı anda sınırlı sayıda öğrenciye zaman ayırabilirdi.

Yapay zekâ hizmetlerinin maliyeti sıfır değildir; hesaplama altyapısı, enerji, güvenlik, bakım ve geliştirme gerektirir. Bununla birlikte aynı temel desteğin ek bir kullanıcıya ulaştırılma maliyeti, eşdeğer insan desteğinin tarihsel maliyetinden daha düşük olabilir.

Yazar bu nedenle gelecekteki eşitsizliğin yalnızca doğal kaynak kıtlığıyla açıklanamayacağını savunmaktadır. Fiyatlandırma, sözleşmeler, kurumsal lisanslar, pazar bölümlendirmesi, kamu alımı ve siyasal irade belirleyici hâle gelebilir.

Erişim uçurumları neden geçiş anlarında büyüyebilir?

Denemenin “The Cliffs” başlıklı bölümü, erişimin yalnızca kimde bulunduğunu değil, ne zaman kaybedildiğini tartışmaktadır.

İşini kaybeden çalışan

Bir çalışan yıllarca işverenin yapay zekâ ortamında çalışmış olabilir. Sistem onun projelerini, belgelerini, çalışma düzenini, yazı biçimini ve kod tabanını tanıyor olabilir. Çalışanın üretkenliği insan deneyimi ile yapay zekâ altyapısının birleşiminden oluşur.

İşten çıkarıldığında kurumsal erişim sona erer. Tam da öz geçmiş hazırlaması, iş başvurusu yazması, işsizlik ödeneğini anlaması, hukuki seçeneklerini değerlendirmesi veya yeni bir iş kurması gereken anda genel bilişsel desteğini kaybedebilir.

Yazar eski çalışanın şirket sırlarına veya gizli verilere erişmeye devam etmesini savunmamaktadır. Savunduğu ilke, kişinin iş kaybından toparlanmak için ihtiyaç duyduğu genel düşünme ve üretim araçlarının kaybettiği işe bağlı olmamasıdır.

Mezun olan öğrenci

Üniversite boyunca kişiselleştirilmiş ders desteği, araştırma iş akışları, proje hafızası ve kariyer hazırlığı sağlayan kurumsal yapay zekâyı kullanan öğrenci mezun olduğu gün bu erişimi kaybedebilir.

Mezun daha sonra, aynı sistemlere işveren veya aile desteğiyle erişebilen adaylarla yarışır. Denemeye göre eğitim iskelesinin mezuniyet töreninde çökmesi, yükseköğretimin sağladığı kapasitenin sürdürülebilirliğini sorgulatmaktadır.

Diğer kurumsal geçişler

• Doktora sonrası araştırmacının burs veya kurum erişimini kaybetmesi.
• Çalışanın bir şirketten diğerine geçerken proje hafızasını taşıyamaması.
• Öğrencinin güçlü bir okuldan daha zayıf altyapılı okula geçmesi.
• Kurumsal araçlarla çalışan kişinin bağımsız girişimci olduğunda erişimsiz kalması.
• Küçük işletmenin farklı sistemler arasında veri ve çalışma belleğini taşıyamaması.

Metinde bu sorun “düşüldüğünde kaybolan merdiven” benzetmesiyle açıklanmaktadır. Kurumsal bağlantı kesildiğinde toparlanmak için gerekli temel araçların da kesilmesi, erişim mimarisinin en kırılgan yanlarından biri olarak görülmektedir.

Sağlık sigortası benzetmesi

Yazar, işverene bağlı yapay zekâ erişimini Amerika Birleşik Devletleri’ndeki işverene bağlı sağlık sigortasına benzetmektedir. Kişinin işsiz kaldığında daha fazla ihtiyaç duyabileceği sağlık güvencesinin iş kaybıyla birlikte sona ermesi gibi, bilişsel destek de en gerekli olduğu anda kaybedilebilir.

Bu benzetme iki sistemin hukuken veya ekonomik olarak aynı olduğu anlamına gelmemektedir. Metindeki amaç, bilinçli biçimde tasarlanmadan yerleşen kurumsal mimarilerin zamanla değiştirilmesi çok zor yapılara dönüşebileceğini göstermektir.

Devletlerin daha önce kabul ettiği eşitlik ilkeleri

Deneme, yapay zekâ erişimine ilişkin bağımsız ve mevcut bir evrensel hak bulunduğunu ileri sürmemektedir. Bunun yerine devletlerin eğitim, fırsat eşitliği ve yeni eşitsizliklerin önlenmesine ilişkin mevcut taahhütlerinden normatif bir sonuç çıkarmaktadır.

Bu bölüm hukuki bir içtihat analizi değildir. Yazar, mahkeme kararı veya bağlayıcı hukuk yoluyla devletlerin herkese belirli bir yapay zekâ sistemi sağlamak zorunda olduğunu kanıtlamamaktadır. Mevcut eşitlik taahhütleri ile katmanlı bilişsel altyapı arasında normatif bir tutarlılık sorusu sormaktadır.

Temel ilke: Evrensel ve anlamlı erişim

Denemenin yönlendirici talebi tek cümleyle ifade edilmektedir: Yapay zekâ kapasite altyapısına evrensel ve anlamlı erişim.

“Evrensel” ne anlama gelmektedir?

Erişim; gelir, okul bölgesi, işveren, göçmenlik durumu veya doğulan ülke tarafından bütünüyle belirlenmemelidir. Yoksul kullanıcıya adı aynı fakat işlevsel olarak yetersiz bir ürün verilmesi, yazarın yaklaşımında evrensellik değildir.

“Anlamlı” ne anlama gelmektedir?

Sistem, toplumun eğitim, iş ve kamu işlemlerinde artık varsaydığı temel görevleri gerçekten yerine getirebilecek düzeyde olmalıdır. Yetersiz bağlam, düşük kota, hafızasızlık veya çok eski bir model yalnızca sembolik erişim oluşturabilir.

Anlamlılığın ölçütü, en gelişmiş araştırma sistemine erişim değildir. Ölçüt, kişinin zor bir metni anlayabilmesi, iş başvurusu hazırlayabilmesi, sözleşmeyi okuyabilmesi, bir dilekçe oluşturabilmesi veya ilk prototipini geliştirebilmesi gibi temel ihtiyaçların karşılanmasıdır.

“Erişim” neden mülkiyet değildir?

Her yurttaşın kendi modeline sahip olması zorunlu değildir. Kamu kütüphanesinde kitap kullanıcıya ait değildir fakat erişim gerçektir. Benzer biçimde yapay zekâ hizmeti kamu, eğitim, lisans veya destek mekanizmaları üzerinden erişilebilir olabilir.

İlkenin söylemediği şeyler

• Herkes en yeni ve en pahalı araştırma modelini kullanmalıdır.
• Hastaneler özel tıbbi modellerini genel kullanıma açmalıdır.
• Mühendislik şirketleri özel ajanlarını ücretsiz dağıtmalıdır.
• Özel yapay zekâ pazarı veya üst düzey ücretli hizmetler kaldırılmalıdır.
• Her ülke aynı uygulama modelini benimsemelidir.
• Yapay zekâ çıktıları insan denetimi olmadan kullanılmalıdır.

Metin, temel ve işlevsel bir erişim tabanıyla bunun üzerindeki uzmanlaşmış veya lüks pazarın birlikte var olabileceğini savunmaktadır. Yazarın ifadesiyle yaklaşım piyasa karşıtı değil, “bozulmuş veya yetersiz taban” karşıtıdır.

Metinde sıralanan olası uygulama yolları

Deneme bu seçeneklerin maliyetini, hukukî uygulanabilirliğini, güvenlik etkisini veya hangisinin daha etkili olduğunu karşılaştırmamaktadır. Bilinçli biçimde uygulama modelini seçmez; kararın kamuya açık ve bilinçli verilmesi gerektiğini savunur.

Geçmişten kullanılan ekonomik ve eğitimsel örnekler

Bu örneklerden çıkarılan genel desen, geniş tabanlı bilişsel altyapının kalkınmanın tek nedeni olmadığı fakat sermaye, kurumlar, pazarlar ve teknoloji gibi diğer etkenlerin toplum geneline yayılabildiği bir zemin oluşturabileceğidir.

Osmanlı matbaası benzetmesi nasıl okunmalıdır?

Yazar, Osmanlı İmparatorluğu’nun matbaa teknolojisine teknik olarak erişmesine rağmen Arap harfli Osmanlı Türkçesi basımının uzun süre sınırlı kalmasını uyarıcı bir benzetme olarak kullanmaktadır. Dinî otorite, metin denetimi, hattatların ekonomik çıkarları, teknik uyarlama zorlukları ve devlet ihtiyatı gibi birden fazla neden sıralanmaktadır.

Metin, matbaa kısıtlamasının Osmanlı ile Avrupa arasındaki bütün ekonomik farkı yarattığını iddia etmez. Hatta böyle tek nedenli bir açıklamanın ciddi tarihçilikle bağdaşmayacağını açıkça söyler.

Benzetmenin amacı, dönüştürücü bir bilgi teknolojisinin yayılımını sınırlayan kararların kendi dönemlerinde yerel olarak anlaşılabilir nedenlere dayanabileceğini, fakat uzun vadeli sonuçlarının daha ağır olabileceğini göstermektir.

Yazarın 2040’lara yönelik sınanabilir öngörüsü

Denemenin en açık biçimde sınanabilir iddiası, 2020’li yıllarda temel yapay zekâ kapasitesine evrensel ve anlamlı erişim sağlayan ülkelerin 2040’lara doğru benzer ülkelere göre ölçülebilir avantaj geliştirmesidir.

Yazar, etkinin önce “dönüştürme” göstergelerinde, daha sonra klasik verimlilik göstergelerinde görülmesini beklemektedir.

Öngörü mutlak ekonomik düzeylerle değil, benzer başlangıç koşullarına sahip ülkelerin göreli yönelimleriyle ilgilidir. Gelir, eğitim düzeyi, sanayi yapısı, demografi, enerji, kurum kalitesi ve mevcut yapay zekâ sektörü gibi çok sayıda karıştırıcı etken bulunduğu kabul edilmektedir.

Yazar, dönüştürme göstergelerinde beklenen hareket görülmezse ana tezin gözlenebilir biçimde başarısız olmuş sayılabileceğini ifade etmektedir. Bu yönüyle deneme, yalnızca doğrulanamayacak bir ahlaki uyarıda bulunmak yerine gelecekte yanlışlanabilecek bir tahmin ortaya koymaya çalışmaktadır.

“Kayıp Einstein’lar” ve görünmeyen yetenek

Metin, düşük gelirli ailelerden gelen yüksek yetenekli çocukların, benzer yeteneğe sahip varlıklı çocuklara göre mucit olma olasılıklarının daha düşük olduğunu gösteren “Lost Einsteins” araştırmasına başvurmaktadır.

Yazarın yorumu, toplumların yetenek kıtlığı ile yeteneği çıktıya dönüştürememe sorununu birbirine karıştırdığıdır. İnsanlarda fikir ve kapasite bulunabilir; ancak öğretmen, çevre, bağlantı, başvuru desteği ve üretim araçları eksikse bu yetenek kurumsal olarak görünmez kalabilir.

Yapay zekâ bu dönüşüm darboğazına doğrudan müdahale edebilecek bir araç olarak görülmektedir. Fakat yalnızca zaten avantajlı kesimlere sunulursa darboğazı kaldırmak yerine ayrıcalıklı gruplar için daha da genişletebilir.

Ekonominin tabanındaki üretkenlik

Deneme, evrensel yapay zekâ erişiminin yalnızca akademisyenler veya beyaz yakalı profesyoneller için bir destek olmadığını vurgulamaktadır. Güçlü kurumlarda çalışan profesyonellerin zaten erişime sahip olma olasılığı yüksektir.

Asıl üretkenlik etkisinin esnaf, teknisyen, küçük işletme, bölgesel firma, bağımsız çalışan ve geleneksel zanaatlarda ortaya çıkabileceği ileri sürülmektedir.

Metindeki çağdaş “okuryazar değirmenci” karşılığı; yabancı bir yönetmeliği anlayabilen, çevrilmemiş bir teknik kılavuzu kullanabilen, arızayı teşhis edebilen, muhasebesini düzenleyebilen, sözleşme hazırlayabilen ve işletmesini büyütebilen yapay zekâ destekli zanaatkârdır.

Bu örnek bir saha çalışması sonucuna değil, yazarın ekonomik mekanizma öngörüsüne dayanmaktadır.

Mimarinin varsayılan biçimde oluşması

Denemenin son bölümü, büyük toplumsal sistemlerin çoğu zaman açık bir kararla değil, küçük ve birikimli tercihlerle oluştuğunu savunmaktadır.

İşverene bağlı sağlık sigortası, standart sınavların kabul sistemindeki rolü, yerel vergiye bağlı okul finansmanı, kredi puanlama sistemleri ve ilaç patentlerinin oluşturduğu karmaşık yapılar; başlangıçta kapsamlı ve bilinçli bir tasarım olmadan yerleşip daha sonra değiştirilmesi zorlaşan örnekler olarak anılmaktadır.

Yapay zekâda da fiyat katmanları, üniversite anlaşmaları, işveren entegrasyonları, okul politikaları ve taşınamayan kurumsal hafıza zamanla yerleşebilir. Her karar tek başına küçük görünse de yirmi yıl sonra güçlü bir miras mekanizması ortaya çıkabilir.

Yazarın uyarısı, gelecekteki sistemin kasıtlı olarak “kalıtsal bilişsel sınıflaşma” amacıyla tasarlanacağı değildir. Hiç kimse böyle bir politikayı açıkça ilan etmeyebilir. Buna rağmen mimarinin toplam etkisi aynı sonucu üretebilir.

“No Peasant AI” ifadesi ne anlatmaktadır?

Başlıktaki ifade, yoksul veya kırsal insanlar için ayrı bir yapay zekâ geliştirilmesine ilişkin teknik bir öneri değildir. Tam tersine, güçlü kesimlerin gerçek işlerini yaptığı, dezavantajlı kesimlere ise yalnızca erişim varmış görünümü veren zayıf bir sürümün sunulmasına karşı kullanılan slogandır.

Türkçede kavramın içerik karşılığı şu şekilde açıklanabilir:

• Yoksula yalnızca adı yapay zekâ olan, fiilen yetersiz bir sistem verilmemesi.
• Temel üretim ve öğrenme kapasitesinin ödeme gücüne göre bozulmaması.
• Toplumun değerlendirme sistemlerinde gerekli hâle gelen araçların kalıtsal avantaja dönüşmemesi.
• Alt düzey kullanıcıların yalnızca tüketici, üst düzey kullanıcıların ise üretici hâline gelmemesi.

Çalışmanın desteklediği temel düşünceler

• Yapay zekâ öğrenme, kurumsal ifade ve üretim süreçlerinin tamamında kullanılabilen geniş bir kapasite altyapısıdır.
• Aynı yapay zekâ aracına erişim sağlandığında bazı düşük performanslı kullanıcılar görece daha büyük kazanç elde edebilir.
• Yapay zekâ uygun olmadığı görevlerde performansı düşürebilir; sistemin sınırlarını tanımak ayrı bir beceridir.
• Fiyat, dil, kurum, cihaz, kullanım sınırı, hafıza ve veri koruması erişimin farklı boyutlarını oluşturur.
• İş veya üniversiteye bağlı erişimin kurumsal geçişlerde sona ermesi bireyleri kırılganlaştırabilir.
• Yapay zekâ erişiminin uzun vadeli toplumsal sonuçları dağıtım biçimine bağlı olabilir.
• Erişim mimarisinin küçük ve dağınık kararlarla yerleşmesi, daha sonra reformu zorlaştırabilir.
• Güçlü temel erişim ile bunun üzerindeki özel ve uzmanlaşmış pazar birlikte var olabilir.

Çalışmanın kanıtlamadığı sonuçlar

• Günümüzde yapay zekâ erişiminin toplumsal hareketliliği ölçülebilir biçimde azalttığı doğrudan gösterilmemiştir.
• Ücretli ve ücretsiz yapay zekâ kullanıcılarının uzun dönem eğitim veya gelir sonuçları karşılaştırılmamıştır.
• Çocuklukta premium yapay zekâ kullanımının yetişkinlik başarısına nedensel etkisi ölçülmemiştir.
• Belirli bir ücretsiz modelin “anlamsız” veya belirli bir ücretli modelin yeterli olduğu nicel eşiklerle belirlenmemiştir.
• Ulusal lisans, kamu modeli, kupon veya kütüphane erişiminden hangisinin daha etkili olduğu test edilmemiştir.
• Evrensel erişimin kamuya maliyeti hesaplanmamıştır.
• Yapay zekâya erişimin tek başına ekonomik kalkınma yaratacağı ileri sürülmemektedir.
• Tarihsel matbaa ve eğitim örnekleri, yapay zekâ politikası için doğrudan nedensel kanıt değildir.
• Devletlerin mevcut hukuk uyarınca herkese belirli bir yapay zekâ hizmeti sunmak zorunda olduğu hukuken kanıtlanmamıştır.
• Açık ağırlıklı modellerin, ticarî modellerin veya kamu altyapısının karşılaştırmalı güvenliği değerlendirilmemiştir.
• Geniş erişimin yanlış bilgi, bağımlılık, mahremiyet, akademik dürüstlük ve işgücü dönüşümü risklerini nasıl değiştireceği ölçülmemiştir.

Çalışmanın güçlü yönleri

Çalışmanın en güçlü yönü, yapay zekâ erişimini yalnızca tüketici fiyatlandırması veya dijital uçurum olarak değil, insan kapasitesinin kurumsal olarak görünür hâle gelmesi sorunu olarak ele almasıdır. Eğitim, başvuru, hukuk, iş ve üretim süreçlerini aynı dönüşüm zincirinde birleştirmektedir.

İkinci güçlü yön, yapay zekânın eşitleyici olabileceğini gösteren çalışmaları reddetmeden bu bulguların hangi koşullara bağlı olduğunu sorgulamasıdır. Böylece tartışmayı “yapay zekâ iyi midir, kötü müdür?” ikiliğinden çıkarıp dağıtım ve kullanım yetkinliği sorununa taşımaktadır.

Üçüncü güçlü yön, işten ayrılma ve mezuniyet gibi erişimin kesildiği anları görünür kılmasıdır. Yapay zekâ tartışmalarında çoğunlukla sisteme ilk erişim konuşulurken hafıza, iş akışı ve desteğin taşınabilirliği daha az ele alınmaktadır.

Dördüncü güçlü yön, belirli bir teknolojik çözümü tek doğru olarak ilan etmemesidir. Kamu kütüphanesi, ulusal lisans, açık model ve özel sağlayıcı düzenlemesi gibi farklı yolların mümkün olduğunu kabul etmektedir.

Beşinci güçlü yön, uzun vadeli öngörüsünü gözlenebilir göstergelere bağlamasıdır. Tahmin çok sayıda karıştırıcı etkene açık olsa da girişimcilik, patent, bilimsel üretim ve mesleki hareketlilik gibi ölçütlerin belirtilmesi, savın tamamen yanlışlanamaz kalmasını önlemektedir.

Çalışmanın temel sınırlılıkları

Çalışma bir denemedir ve özgün ampirik yöntem sunmamaktadır. Yapay zekâ erişimine ilişkin hane, okul, üniversite, işyeri veya ülke düzeyinde veri toplamamıştır.

Merkezî kavram olan “anlamlı erişim” için ölçülebilir bir standart geliştirilmemiştir. Bağlam uzunluğu, kullanım kotası, model performansı, dil kalitesi ve güvenlik gibi özelliklerin hangi asgari seviyede olması gerektiği belirtilmemiştir.

Ücretli, ücretsiz, kurumsal ve açık modellerin sistematik karşılaştırması yapılmamıştır. Fiyat sayfaları ve üniversite uygulamaları mevcut katmanlaşmaya örnek olarak kullanılmakta, ancak küresel erişimin kapsamlı bir haritası çıkarılmamaktadır.

Yapay zekânın fiyatlarının düşmesi, açık modellerin gelişmesi, donanım maliyetlerinin değişmesi, sağlayıcı rekabeti veya yerel model ekosistemleri gibi eşitsizliği azaltabilecek karşı dinamikler ayrıntılı biçimde modellenmemiştir.

Deneme temel olarak erişim eksikliğinin risklerine odaklandığı için geniş erişimin doğurabileceği yanlış bilgi, aşırı güven, bilişsel bağımlılık, mahremiyet ihlali, akademik dürüstlük ve otomasyon baskısı gibi sorunlara daha sınırlı yer vermektedir.

Tarihsel örnekler seçici ve analojiktir. Matbaa, Prusya eğitimi, Morrill üniversiteleri, Japonya ve Güney Kore’deki dönüşümler çok sayıda siyasal, ekonomik ve kurumsal etkene bağlıdır. Yazar bu sınırı kabul etse de örnekler evrensel bir nedensel yasa kurmaya yetmez.

Hukuk bölümündeki çıkarım normatiftir. Eğitim hakkı ve eşit koruma ilkeleri, otomatik olarak belirli bir teknolojiye ücretsiz erişim hakkı doğurmaz. Bunun gerçekleşmesi hukukî yorum, demokratik karar ve uygulama gerektirir.

“Peasant”, “scribal class” ve tarihsel kast benzetmeleri güçlü retorik etki yaratmakla birlikte farklı tarihsel toplumların karmaşık yapılarını tek bir işlevsel şemaya indirgeme riski taşımaktadır.

Kaynakların 15 ve 16 numaralı bölümleri standart akademik kaynakça kaydı yerine genel fiyatlandırma sayfaları ve üniversite programları üzerine açıklayıcı notlar biçimindedir. Bu durum mevcut pazar mimarisine ilişkin bazı iddiaların bağımsız olarak tekrarlanmasını güçleştirmektedir.

PDF’de yazım tarihi 17 Mayıs 2026, dosya üstverisinde ve SSRN kaydında ise 21 Mayıs 2026 olarak görünmektedir. DOI metinde bulunmamaktadır.

Yazarın 2040’lara yönelik tahmini uzun bir zaman aralığına sahiptir. Yapay zekâ erişiminin etkisini eğitim kalitesi, ekonomik yapı, göç, nüfus, sermaye, enerji ve kurumların etkisinden ayırmak oldukça güç olacaktır.

Türkiye veya başka bir ülke hakkında ne söylemektedir?

Çalışma Türkiye’ye özgü yapay zekâ erişim verisi, eğitim sistemi analizi, maliyet hesabı veya politika önerisi sunmamaktadır. Osmanlı matbaası yalnızca tarihsel bir benzetme içinde kullanılmaktadır.

Bu nedenle denemeden hareketle Türkiye’nin mevcut yapay zekâ politikalarının başarılı veya başarısız olduğu sonucuna varılamaz. Her ülke için geçerli olabilecek temel soru, toplumun eğitim ve üretim süreçlerinde ihtiyaç duyduğu asgari yapay zekâ kapasitesinin nasıl tanımlanacağı ve bu kapasitenin gelir veya kurum farklılıkları nedeniyle kimlerden esirgenebileceğidir.

Geçmiş, bugün ve gelecek arasındaki ilişki

Geçmişte matbaa, okul ve kütüphane bilgiye erişimin sınırlarını değiştirmiştir. Günümüzde yapay zekâ, bilgiye erişmekten sonraki yorumlama ve üretim aşamalarını dönüştürmektedir.

Gelecekteki sonuç, teknolojinin tek başına özelliklerinden değil, toplumların onu nasıl dağıttığından etkilenebilir. Denemenin temel tarihsel iddiası budur: Bilişsel altyapıların geniş tabana yayılması toplumsal kapasitenin daha büyük bölümünü üretime katabilir; dar tutulması ise var olan avantajları kalıcılaştırabilir.

Çalışmanın Yöntemi ve Bulguları

Çalışmanın teknik niteliği

Argümanın adım adım yapısı

1. Kurumlar insanın potansiyelini doğrudan değil, ürettiği görünür çıktılar üzerinden değerlendirir.
2. Yapay zekâ düşünceyi anlamaya, ifade etmeye ve ürüne dönüştürmeye yardım eder.
3. Bu nedenle yapay zekâya erişim, kurumsal olarak tanınma kapasitesini etkileyebilir.
4. Aynı güçlü araca erişim bazı beceri farklarını daraltabilir.
5. Farklı güçte araçlara erişim ise zaman içinde yeni bir birikimli avantaj yaratabilir.
6. İşveren ve üniversiteye bağlı erişim, kritik geçiş anlarında kesilebilir.
7. Devletlerin eğitim ve fırsat eşitliği taahhütleri, bu yeni altyapının dağıtımını bilinçli biçimde ele almalarını gerektiren normatif bir temel oluşturabilir.
8. Asgari hedef, herkes için uzmanlaşmış en üst model değil; temel görevleri karşılayan anlamlı erişimdir.
9. Uygulama biçimi ülkelere göre değişebilir ve deneme tek bir model seçmez.
10. Erken ve geniş erişimin uzun vadede toplumsal tabanı genişleyen yenilik ve üretkenlik yaratacağı tahmin edilmektedir.

Aktarılan nicel bulguların statüsü

Bu değerlerin hiçbiri Rajendra Wadje tarafından yeniden hesaplanmamış veya ham veriler üzerinden doğrulanmamıştır. Denemenin merkezî tezi bu çalışmaların doğrudan birleşik istatistiksel sentezinden değil, sonuçların yapısal yorumundan üretilmiştir.

Ana “bulgular” nasıl anlaşılmalıdır?

Ampirik araştırma bulunmadığı için çalışmanın bulguları ölçülen sonuçlardan çok savlar, ayrımlar ve öngörülerdir:

Yöntemsel olarak daha güçlü bir gelecek araştırma nasıl kurulabilir?

Denemenin iddialarını değerlendirebilmek için gelecekte aşağıdaki türde çalışmalar gerekebilir:

• Ücretsiz, ücretli ve kurumsal yapay zekâ kullanıcılarını uzun dönem izleyen kohort araştırmaları.
• Okullara farklı erişim modelleri sağlayan kontrollü veya doğal deneyler.
• Model gücü, bağlam, kota, dil ve araç erişimini birleştiren “anlamlı erişim endeksi”.
• İşten ayrılma veya mezuniyet sonrasında yapay zekâ erişim kaybını ölçen çalışmalar.
• Farklı erişim düzeylerinin iş başvurusu, girişim kurma, patent, yayın ve gelir sonuçlarına etkisi.
• Ulusal lisans, kütüphane erişimi, açık model ve kupon sistemlerinin maliyet-etkililik karşılaştırmaları.
• Yapay zekâ desteğinin mevcut sosyal, dilsel ve engellilik kaynaklı dezavantajlarla etkileşimi.
• Geniş erişimin mahremiyet, yanlış bilgi ve bağımlılık riskleriyle birlikte değerlendirilmesi.

Bunlar makalenin uyguladığı yöntemler değildir; denemenin sınanabilir hâle getirilebilmesi için gerekli olabilecek araştırma yönleridir.

Kaynak ve Yöntem Notu

Çalışmanın özgün tam adı: No Peasant AI: On the coming enclosure of cognition, and what most societies have already promised to prevent

Yazar: Rajendra Wadje.

Yazar sayısı: Bir.

Eş katkı veya eş birinci yazarlık: Uygulanabilir değildir; çalışma tek yazarlıdır.

Sorumlu yazar: “Corresponding author” ifadesi açıkça kullanılmamıştır. İlk sayfa dipnotunda yazara ait iletişim e-postası bulunmaktadır.

Kurumsal bağlantı: Independent Researcher.

ORCID: 0000-0003-1052-2550.

Kaynak türü: Yapay zekâ erişimi, eğitim eşitliği, kurumsal kapasite ve ekonomik gelişme üzerine tanılayıcı, normatif ve yapısal deneme.

Çalışmanın kendi yöntem tanımı: Ampirik çalışma değil, belirli alt savları akademik kaynaklarla desteklenen tanılayıcı deneme.

PDF üzerindeki tarih: 17 Mayıs 2026.

PDF üstverisindeki oluşturulma tarihi: 21 Mayıs 2026.

SSRN kaydındaki yazım tarihi: 21 Mayıs 2026.

Yayın platformu: SSRN.

SSRN kayıt numarası: 6811319.

DOI: DOI bilgisi PDF’de yer almamaktadır ve bibliyografik kontrolde doğrudan doğrulanamamıştır.

Dergi: Hakemli bir dergi adı bulunmamaktadır.

Cilt, sayı ve sayfa numarası: Bulunmamaktadır.

Özgün akademik yayınevi: Doğrulanmış bir dergi yayınevi bulunmamaktadır.

Hakemlik durumu: Hakem değerlendirmesinden geçmiş bir sürüm doğrulanmamıştır. Mevcut kaynak SSRN’de sunulan bağımsız çalışma metnidir.

Resmî SSRN kayıt bağlantısı:https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6811319

Resmî tam metin bağlantısı:https://papers.ssrn.com/sol3/Delivery.cfm/6811319.pdf?abstractid=6811319

ORCID bağlantısı:https://orcid.org/0000-0003-1052-2550

Finansman: Finansman beyanı bulunmamaktadır.

Çıkar çatışması: Çıkar çatışması beyanı bulunmamaktadır.

Etik kurul: İnsan veya hayvan katılımcılar üzerinde yürütülen bir araştırma bulunmadığından etik kurul bilgisi sunulmamıştır.

Veri erişimi: Özgün veri seti, analiz kodu veya veri deposu bulunmamaktadır.

Yapay zekâ kullanım beyanı: Çalışmada metnin hazırlanmasında yapay zekâ kullanılıp kullanılmadığına ilişkin ayrı bir beyan bulunmamaktadır.

Kaynak yapısı: Metin sonunda 16 numaralı ana kaynak ile N1–N5 biçiminde beş tamamlayıcı tarihsel ve ekonomik kaynak notu bulunmaktadır.

Bu Türkçe açıklama, yüklenen 17 sayfalık çalışmanın tamamına dayanmaktadır. Yapay zekâ erişimi, fiyatlandırma, kamu politikası veya ekonomik sonuçlar hakkında metinde bulunmayan yeni bilimsel iddialar eklenmemiştir. Önceki araştırmalardan alınan sayısal sonuçlar, özgün bulgu gibi değil, denemenin dayandığı ikincil kanıtlar olarak aktarılmıştır.

Çalışmanın başlıca sınırlılıkları; ampirik araştırma olmaması, erişim katmanlarının doğrudan ölçülmemesi, “anlamlı erişim” için operasyonel eşik belirlenmemesi, uygulama modellerinin maliyet ve etkinliğinin karşılaştırılmaması, tarihsel benzetmelerin seçici niteliği, hukukî taahhütlerden normatif sonuç çıkarılması, geniş erişimin risklerinin daha sınırlı ele alınması ve 2040’lara yönelik tahminin çok sayıda karıştırıcı etkene açık olmasıdır.