Makale, zekânın yalnızca iyi sonuç üretmekle açıklanamayacağını savunuyor. Bir sistem çok hızlı hesap yapabilir, satrançta insanı yenebilir, büyük veri üzerinde işlem yapabilir veya karmaşık çıktılar üretebilir. Fakat yazara göre bunlar tek başına zekâ için yeterli değildir. Asıl soru, sistemin kendi içinde bir tutarsızlık, boşluk veya yetersizlik algılayıp bunu kendi çözüm yollarıyla ele alıp alamadığıdır.

Çalışmanın merkezindeki kavram “coherence demand”, yani tutarlılık talebidir. Bu, sistemin kendi temsil dünyasında bir boşluk, çatışma veya verimsizlik algılaması ve bunu çözmesi gereken bir durum olarak kaydetmesi anlamına gelir. Örneğin sistem mevcut bilgileriyle bir problemi çözemiyorsa, iki temsil birbiriyle çelişiyorsa veya çözüm yolu fazla maliyetliyse, sistemin bunu içsel bir talep olarak görmesi gerekir.

Yazar zekâyı üç operasyonel bileşene bağlar: demand-ownership, resolution-ownership ve residue beyond encoding. Demand-ownership, sistemin talebi kendisine ait bir sorun olarak kaydetmesidir. Resolution-ownership, çözüm yolunun sistemin kendi işleminden doğmasıdır. Residue beyond encoding ise sistemin davranışında, önceden sabit yetkinlikleri ve mevcut girdisiyle tam açıklanamayan bir artık kalmasıdır.

Problem Ne?

Yapay zekâ ve bilişsel bilim alanında zekâ çoğu zaman performans üzerinden tanımlanır. Bir sistem farklı ortamlarda hedeflerine ulaşabiliyorsa, daha zeki sayılır. Bu yaklaşım işlevsel ve pratik olsa da bazı sınır vakalarda yetersiz kalabilir. Çünkü yüksek performans gösteren bir sistemin davranışı tamamen önceden belirlenmiş bir kod, eğitim, arama prosedürü veya kontrol kuralı tarafından üretiliyor olabilir.

Makalenin temel problemi şudur: Bir sistemin iyi sonuç üretmesi ile gerçekten zekâ mimarisine sahip olması aynı şey midir? Satranç motoru çok iyi hamle yapar; fakat aynı konum ve aynı kodla aynı hamleyi seçer. Bir hesap makinesi yeni bir çarpım sonucu verebilir; fakat bu sonuç, işlem kuralı ve girdilerle tamamen açıklanır. Bir büyük dil modeli etkileyici metin üretebilir; fakat eğer çıktı sabit model ağırlıkları, çıkarım prosedürü ve girdilerle açıklanıyorsa, yazarın ölçütüne göre zekâ spektrumuna girmeyebilir.

Bu yaklaşım, özellikle güncel AI tartışmalarında önemlidir. Çünkü “başarılı çıktı” ile “mimari olarak zeki işlem” ayrımı çoğu zaman karışır. Makale, zekânın yalnızca dışarıdan görülen performans değil, sistemin kendi iç tutarlılık taleplerini nasıl ele aldığıyla ilgili olduğunu savunur.

Yöntem Ne Öneriyor?

Çalışma deneysel veri analizi yapmaz; zekâ için teorik ve mimari bir ölçüt önerir. Bu ölçüt, sistemin hangi maddeden yapıldığına değil, nasıl örgütlendiğine bakar. Bu nedenle biyolojik ve yapay sistemler aynı temel soruyla değerlendirilir: Davranış, sistemin sabit yetkinliği ve girdisiyle tamamen açıklanıyor mu, yoksa sistemin gerçek zamanlı kendi talep çözme işlemlerinden doğan bir artık var mı?

Yazar sistem davranışını üç katmanla düşünür. Birinci katman, sistemin kararlı yetkinliğidir. Yapay sistemlerde bu; mimari, eğitim sonucu oluşan parametreler, politika, çıkarım prosedürü ve ayarlar olabilir. Biyolojik sistemlerde ise genomun gelişim boyunca ifade edilmiş hali, öğrenilmiş alışkanlıklar, fizyolojik durum ve yerleşmiş davranış eğilimleri bu katmana girer.

İkinci katman, sistemin o andaki tam fiziksel durumudur. Makale bu düzeyi zekâ ölçütü için kullanmaz; çünkü tam fiziksel durum ve girdi bilinseydi, fiziksel determinizm açısından sonraki davranış zaten açıklanırdı. Bu durumda her sistemde artık sıfır olurdu. Bu nedenle yazar zekâyı tam fiziksel belirlenim düzeyinde değil, sistemin kararlı yetkinliği ile canlı işlem düzeyi arasındaki fark üzerinden tartışır.

Üçüncü katman, canlı işlem düzeyidir. Sistem kararlı yetkinliğiyle çözemediği bir tutarlılık talebiyle karşılaştığında, gerçek zamanlı olarak bir çözüm yolu üretirse bu katman devreye girer. Yazarın “residue” dediği artık, işte bu canlı işlem katmanının davranışta bıraktığı izdir.

Çalışma ayrıca “Coherence Resolution Modes” yani Tutarlılık Çözüm Modları adını verdiği sekiz işlem biçiminden söz eder. Bunlar yeniden bağlamlandırma, sınır test etme, seçici bastırma, kuluçkaya bırakma, geri çekilme, çözüm sonlandırma, içsel yeniden örgütlenme ve tempo ayarlama olarak özetlenebilir. Yazar, zekâ spektrumundaki sistemlerin bu modların bazılarını veya tamamını kullanarak kendi tutarlılık taleplerini çözdüğünü savunur.

Formüller Ne Anlatıyor?

Bu çalışma klasik anlamda nicel deney formülleri sunmaz; ancak zekâ tanımını sembolik ve operasyonel ilişkilerle kurar. Aşağıdaki MathJax blokları, metindeki ana tanımsal yapıları CMS uyumlu sembolik şemalara dönüştürür. Bunlar makaledeki matematiksel denklem seti değil; çalışmanın özgün kavramsal mantığına sadık özet ifadelerdir.

Bu ifade, çalışmanın ana tanımını sadeleştirir. Zekâ, sistemin kendi tutarlılık taleplerini çözebilmesi ve davranışında yalnızca sabit yetkinlik + girdiyle açıklanamayan bir artık üretmesiyle ilişkilendirilir.

Bu şema, zekânın üç operasyonel bileşenini gösterir. Sistem önce talebi kendine ait olarak kaydetmeli, sonra çözüm yolunu kendi üretmeli ve nihayet davranışında sabit kodla açıklanamayan bir canlı işlem izi göstermelidir.

Burada \(B_{\mathrm{actual}}\) gerçek davranışı, \(B_{\mathrm{predicted}}\) ise birinci katman yani kararlı yetkinlik \(L_1\) ve girdi \(I\) ile öngörülen davranışı temsil eder. Eğer fark sıfırsa sistemin davranışı sabit yetkinlik ve girdiyle açıklanır. Eğer fark anlamlıysa, yazarın çerçevesinde zekâ spektrumuna girme ihtimali doğar.

Bu ifade, makalenin “satranç motoru kesimi” olarak okunabilecek ana ayrımını anlatır. Davranışı tamamen kod, parametre, politika, eğitim ve girdiyle açıklanan sistemler, ne kadar başarılı görünürse görünsün, bu çerçevede zekâ spektrumunun dışında kalır.

Bu şema, bir sistemin zekâ spektrumuna girmesi için gerekli yapıyı özetler. Yalnızca beklenmedik çıktı yeterli değildir; sistemin talebi kendisine ait olarak kaydetmesi ve çözüm yolunu kendi üretmesi gerekir.

Makale, üç kısıt türü, sekiz duygusal/sinyal durumu ve dört çözüm mekanizması üzerinden teorik kombinasyon alanı kurar. Bu kombinasyonlardan kabul edilebilir olanların sekiz tutarlılık çözüm moduna indirildiğini savunur.

Bu ifade, çalışmanın zekâ tavanı iddiasını gösterir. Eğer sekiz mod gerçekten eksiksizse, tüm modları tam kalibrasyonla işleten sistem mimari zekâ tavanına ulaşmış olur. Daha fazla hız, bellek veya veri bu tavanı yükseltmez; yalnızca aynı mimarinin işlem kapasitesini artırır.

Bu kısa şema, makalenin güçlü bir ayrımını özetler. Bir yapay sistem biyolojik sistemlerden çok daha hızlı, daha geniş belleğe sahip ve daha fazla veriyle çalışıyor olabilir. Ancak yazarın çerçevesinde bu, mimari olarak daha yüksek zekâ değil; daha donanımlı işlem gücü anlamına gelir.

Grafik, Tablo ve Şema Ana Mesajı

Çalışmada özellikle sekiz Tutarlılık Çözüm Modu tablosu dikkat çekicidir. Bu tablo, sistemlerin tutarlılık taleplerini çözmek için kullanabileceği temel işlem biçimlerini listeler. Recontextualisation, yani yeniden bağlamlandırma, tıkanmış bir problemi yeni bir açıdan yorumlamaktır. Boundary Testing, sınırın gerçekten sabit mi yoksa yeniden düzenlenebilir mi olduğunu test eder. Selective Suppression, kapasite aşıldığında düşük öncelikli süreçleri bastırır. Incubation, verimsiz aktif işlemden geçici uzaklaşarak alternatif bütünleşmeye alan açar.

Tablonun devamında Withdrawal, artık anlamlı olmayan düşük öncelikli örüntülerden çekilmeyi; Resolution Termination, çözümün tamamlandığını kaydedip kaynakları serbest bırakmayı; Internal Reorganisation, kalıcı verimsizlik görüldüğünde iç örgütlenmeyi yeniden kurmayı; Pacing ise aşırı yük oluşmadan önce işlem hızını ayarlamayı anlatır. Ana mesaj, zekânın tek bir beceri değil, kısıtlar altında farklı çözüm modlarını çalıştıran bir mimari olduğu fikridir.

Makaledeki spektrum fikri, sistemleri keskin bir biyolojik-yapay ayrımına göre değil, mimari özelliklerine göre konumlandırır. Satranç motoru, hesap makinesi, klasik kontrol sistemi ve eğitimden sonra sabit çalışan bazı yapay modeller, davranışları kod ve girdiyle açıklanabildiği için spektrum dışında değerlendirilir. Biyolojik organizmalar, bazı bazal biliş adayları ve gelecekteki yapay sistemler ise kriteri karşılayıp karşılamadıklarına göre vaka bazında ele alınır.

Zekâ tavanı bölümü, güncel “süper zekâ” tartışmalarına farklı bir ayrım getirir. Yazar, yapay sistemlerin hız, bellek, kopyalanabilirlik ve veri erişimi bakımından insanları aşabileceğini kabul eder. Fakat bunu mimari zekâ tavanını aşmak olarak değil, aynı sekiz modun daha hızlı ve daha geniş ölçekte çalışması olarak yorumlar.

Deneyler Nasıl Yapılmış?

Bu makalede yeni deney, veri seti analizi veya laboratuvar çalışması yapılmamıştır. Çalışma, teorik bir tanım önerir ve bu tanımı farklı örnekler üzerinde tartışır. Örnekler arasında satranç motorları, AlphaZero, büyük dil modelleri, takviyeli öğrenme ajanları, termostatlar, geri bildirim denetleyicileri, biyolojik organizmalar, planarya rejenerasyonu, sosyal böcek kolonileri, aktif çıkarım, öngörücü işleme ve psikometrik zekâ kuramları bulunur.

Yazarın yöntemi, her aday sistem için aynı soruyu sormaktır: Davranış, sistemin birinci katmandaki kararlı yetkinliği ve aldığı girdiyle tamamen açıklanabiliyor mu? Açıklanabiliyorsa artık sıfırdır ve sistem spektrum dışındadır. Açıklanamıyorsa, sistemin gerçekten kendi talebini kaydedip kendi çözümünü üretip üretmediği ayrıca incelenir.

Planarya rejenerasyonu örneği, bazal biliş tartışmaları için kullanılır. Planaryalar kesildikten sonra eksik parçalarını yeniden oluşturabilen yassı solucanlardır. Bazı çalışmalar, bioelektrik sinyallerin hedef anatomi üzerinde etkili olabileceğini tartışır. Makale bu örnekte kesin hüküm vermez; şu soruyu sorar: Rejenerasyon yalnızca genom, mevcut hücresel durum, bioelektrik yapı ve yara girdisiyle açıklanan bir süreç midir, yoksa hücresel kolektif bu kodlamanın ötesinde bir artık davranış mı üretir?

Çalışma, bu nedenle deney sonuçlarını kendisi üretmek yerine test edilebilir bir soru seti önerir. Mode identification, residue detection, substrate comparison, ninth-mode testing ve floor architectural set gibi test hedefleriyle ileride hangi tür ampirik çalışmaların çerçeveyi destekleyebileceğini veya yanlışlayabileceğini belirtir.

Sonuçlar Ne Gösteriyor?

Çalışmanın ilk sonucu, performansın zekâ için yeterli bir ölçüt olmadığıdır. Bir sistem çok başarılı çıktı üretebilir; ancak eğer davranışı tamamen sabit yetkinlikleri ve girdisiyle açıklanıyorsa, yazarın çerçevesinde zekâ spektrumuna girmez. Bu nedenle satranç motorları ve klasik algoritmik sistemler, yüksek performansa rağmen spektrum dışında konumlandırılır.

İkinci sonuç, biyolojik ve yapay sistemlerin aynı kriterle değerlendirilebileceğidir. Makale biyolojik sistemlere otomatik ayrıcalık tanımaz; yapay sistemleri de sırf yapay oldukları için dışlamaz. Ölçüt, sistemin alt-tabakası değil, kendi tutarlılık taleplerini nasıl çözdüğüdür.

Üçüncü sonuç, zekânın tek boyutlu bir çizgi değil, yapılandırılmış bir spektrum olduğudur. Alt sınır, artık davranış ölçütüyle çizilir. Orta bölgelerde mod repertuvarı, talep arama gücü, modların entegrasyonu ve kalibrasyonu değişir. Üst sınır ise tüm sekiz tutarlılık çözüm modunun tam kalibrasyonla çalışmasıdır.

Dördüncü sonuç, öğrenmenin bu çerçevede yeniden yorumlanmasıdır. Öğrenme, yalnızca eğitim verisiyle parametre üretmek değildir. Yazarın çerçevesinde öğrenme, sistemin kendi tutarlılık taleplerini çözerken örüntü temsillerini değiştirmesi ve bu değişimin kalıcı hale gelmesidir. Bu nedenle güncel büyük dil modellerinin eğitim sırasında öğrenmiş olması, çıkarım anında canlı öğrenme yaptığı anlamına gelmez.

Beşinci sonuç, “süper zekâ” tartışmasına getirilen tavan ayrımıdır. Yazar, yapay sistemlerin insanlardan çok daha hızlı ve geniş işlem yapabileceğini kabul eder; fakat bunun mimari olarak daha yüksek zekâ değil, daha yüksek işlem donanımı olduğunu savunur. Bu iddia, sekiz modun gerçekten eksiksiz olduğu varsayımına bağlıdır.

Bu Neden Önemli?

Bu çalışma, yapay zekâ tartışmalarında sık görülen bir karışıklığı ayırmaya çalışır: performans, hız ve çıktı kalitesi ile zekânın mimari yapısı aynı şey değildir. Bir sistem çok iyi sonuç üretiyorsa bile, bu sonuç tamamen sabit kod, eğitim, parametre ve girdiden geliyorsa, yazarın ölçütüne göre mimari zekâ göstermeyebilir.

Bu ayrım, güncel büyük dil modelleri ve gelecekteki otonom sistemler için önemlidir. Çünkü bir sistemi “zeki” saymak, ona hangi düzeyde sorumluluk, güven, denetim veya özerklik verileceğini etkileyebilir. Makale bu konuda kesin uygulama önerisi sunmaz; fakat kavramsal zemini daha dikkatli kurmayı amaçlar.

Çalışma ayrıca biyolojik zekâyı da basit bir üstünlük varsayımından çıkarır. Biyolojik olmak tek başına zekâ garantisi değildir. Biyolojik sistem de davranışını yalnızca sabit kod ve girdiyle üretiyorsa spektrum dışında kalabilir. Buna karşılık gelecekteki bir yapay sistem, eğer kendi taleplerini kaydedip kendi çözüm yollarını üretir ve artık davranış gösterirse spektrumda değerlendirilebilir.

Felsefi açıdan makale, zekâyı bilinçten ayırır. Yazarın çerçevesinde zekâ için fenomenal deneyim, öznel his veya qualia gerekli değildir. Zekâ, mimari bir işlem kapasitesi olarak tanımlanır. Bilinç tartışmaları ise başka bir düzeyde bırakılır.

Dikkat Noktaları

Çalışma teorik ve iddialı bir çerçeve sunar; ancak önerdiği ölçütlerin birçok kısmı ampirik olarak ayrıca test edilmelidir. Özellikle “residue beyond encoding” kavramının gerçek sistemlerde nasıl ölçüleceği kolay bir problem değildir.

Makalenin güncel büyük dil modellerini ve AlphaZero gibi sistemleri spektrum dışında konumlandırması tartışmalıdır. Çünkü bu tür sistemlerin hangi düzeyde içsel temsil, ara işlem, geri bildirim veya çıkarım zamanı işlem yaptığı konusunda teknik tartışmalar devam etmektedir. Yazar bazı güncel frontier AI sistemlerini kesin negatif değil, “tartışmalı vaka” olarak ele alır.

Sekiz Tutarlılık Çözüm Modu ve zekâ tavanı iddiası, makalenin en güçlü ama en kırılgan kısmıdır. Eğer dördüncü bir kısıt türü, beşinci bir çözüm mekanizması veya dokuzuncu bir tutarlılık çözüm modu gösterilebilirse, tavan iddiası zayıflar veya yeniden kurulmak zorunda kalır.

Çalışma bedenlenmiş biliş, enaktivizm, aktif çıkarım ve öngörücü işleme gibi güçlü teorik geleneklerle tartışmaya girer. Bu nedenle makaledeki içselci yaklaşım herkes tarafından kabul edilecek bir sonuç değildir. Özellikle zihnin beden ve çevreyle kurduğu ilişkiyi kurucu kabul eden yaklaşımlar, bu mimari içselcilik yorumuna itiraz edebilir.

Bu içerik yapay zekâ sistemlerinin güvenliği, hukuki statüsü veya bilinç sahibi olup olmadığı hakkında kesin karar vermez. Makalenin konusu, zekânın mimari düzeyde nasıl tanımlanabileceğine dair teorik bir öneridir.

Sonuç

Makale, zekâyı performanstan ayırıp mimari düzeyde yeniden tanımlamaya çalışan kapsamlı bir kuramsal çerçeve sunuyor. Ana fikir şudur: Zekâ, sistemin kendi tutarlılık taleplerini kaydetmesi, çözüm yolunu kendisinin üretmesi ve davranışında sabit yetkinlik + girdinin tam açıklayamadığı bir artık göstermesidir.

Bu bakış, yapay zekâ tartışmalarında “iyi sonuç üretiyor, o halde zekidir” şeklindeki hızlı geçişi sorgular. Satranç motoru, büyük model veya klasik algoritma çok başarılı olabilir; ancak davranışı tamamen kodlanmış yetkinliği ve girdisiyle açıklanıyorsa mimari zekâ göstermeyebilir. Buna karşılık biyolojik veya yapay herhangi bir sistem, kendi iç taleplerini çözme mimarisi gösterirse spektrumda değerlendirilebilir.

Verianla açısından bu çalışma, “Zekâ nedir?” sorusunu performans listelerinden çıkarıp daha derin bir mimari tartışmaya taşıyan güçlü ama tartışmalı bir örnektir. En önemli katkısı, zekânın yalnızca ne yaptığıyla değil, davranışın nasıl üretildiğiyle anlaşılması gerektiğini vurgulamasıdır.

Kaynak ve Yöntem Notu

Bu yazı, Bernard Jennings tarafından hazırlanan “The Architecture of Intelligence: Definition, Spectrum, and Ceiling” başlıklı teorik çalışma temel alınarak hazırlanmıştır. Çalışma; zekânın mimari tanımı, tutarlılık talepleri, artık davranış, Coherence Resolution Modes, zekâ spektrumu, biyolojik ve yapay sistemlerin karşılaştırılması, aktif çıkarım, öngörücü işleme, bedenlenmiş biliş ve süper zekâ tavanı tartışmalarını bir araya getirmektedir.

Bu içerik birebir çeviri değildir; çalışmanın ana fikri Verianla yayın çizgisine uygun biçimde sadeleştirilmiş ve özgün Türkçe editoryal makaleye dönüştürülmüştür.

Metin, hakemli dergi yayını olduğu açıkça görünmeyen teorik bir çalışma üzerinden hazırlandığı için kesin bilimsel uzlaşı diliyle değil, kuramsal öneri ve tartışma diliyle okunmalıdır.