Yapay Zekâ Gerçekten Düşünüyor mu? Cahit Arf’tan Günümüze Bir Akıl Yürütme Yolculuğu

Cahit Arf’a göre bir makine düşünebilir mi?

Cahit Arf, makinelerin yalnızca verilen komutları uygulayan araçlar olup olmadığı sorusunu erken bir dönemde gündeme getirmiştir. Arf’a göre bir makinenin gerçekten “düşündüğünü” söyleyebilmek için yalnızca önceden öğretilmiş işlemleri yapması yeterli değildir. Asıl önemli olan, makinenin yeni bir durumla karşılaştığında nasıl bir çözüm ürettiğidir.

Arf bu durumu “intibak” yani uyum sağlama yeteneğiyle açıklar. Eğer bir makine yalnızca kendisine öğretilen örnekleri tekrar ediyorsa gelişmiş bir hesap makinesinden çok farklı olmayabilir. Ancak daha önce karşılaşmadığı bir problem için yeni bir çözüm yolu geliştirebiliyorsa, burada daha gelişmiş bir problem çözme sürecinden söz etmemizi gerektirebilir.

Arf, bu yaklaşımı "kendi kendini programlama" fikriyle ilişkilendirir. Günümüzde yapay zekâ alanında çalışan araştırmacılar da benzer sorular üzerinde düşünmeye devam ediyor: Bir sistem gerçekten akıl yürütebilir mi yoksa geçmişte gördüğü örüntülere dayanarak mı yanıt üretir?

Evren Kalınbacak/alamy.com/tr

Tavuklar, tavşanlar ve akıl yürütme tartışması

Arf, makinelerin akıl yürütme becerisini tartışırken klasik bir matematik probleminden söz eder. Örneğin bir kümeste bulunan tavuk ve tavşanların toplam ayak sayısından yola çıkarak hayvan sayılarını bulmaya çalışmak, yalnızca işlem yapmayı değil, aynı zamanda mantık yürütmeyi de gerektirir. İnsanlar bu tür problemleri çözerken çoğu zaman gereksiz bilgileri ayıklar, önemli ayrıntıları seçer ve çözüm için uygun strateji belirler. Peki günümüz yapay zekâ sistemleri bunu gerçekten yapabiliyor mu?

Bu soruya yanıt arayan araştırmacılar, son yıllarda büyük dil modellerinin akıl yürütme becerilerini ölçmeye yönelik çeşitli çalışmalar yürütüyor. Apple araştırmacılarının yayımladığı bazı çalışmalar da bu tartışmanın dikkat çeken örnekleri arasında yer alıyor. Araştırmalarda, matematiksel muhakeme sorularında başarılı görünen modellerin bazı küçük değişiklikler karşısında zorlanabildiği görülüyor. Örneğin sorudaki sayıların değiştirilmesi, problemle ilgili gereksiz bir bilginin eklenmesi ya da sorunun farklı bir biçimde ifade edilmesi gibi durumlarda sistemlerin performansı düşebiliyor.

Bu bulgular, yapay zekâ modellerinin gerçek bir mantık yürütme yerine eğitim sürecinde öğrendikleri örüntülere dayanıyor olabileceğini düşündürüyor. Ancak bilim insanları bu konuda hâlâ farklı görüşlere sahip. Bazı araştırmacılar modellerin sınırlı da olsa muhakeme becerileri geliştirdiğini savunurken bazıları, bunun daha çok gelişmiş örüntü eşleştirme süreçlerinden kaynaklandığını düşünüyor.

Eksik olan ne?

Arf’ın dikkat çektiği önemli noktalardan biri de bilginin “önemli” olup olmadığını ayırt edebilme becerisidir. Arf bunu "estetik mahiyet" kavramıyla ilişkilendirir. Buradaki estetik kavramı, sanatla ilgili bir güzellik anlayışından çok doğru bilgiyi gereksiz bilgiden ayırabilme yetisini ifade eder.

İnsanlar bir problemi çözerken yalnızca işlem yapmaz, aynı zamanda hangi bilginin işe yarayacağını seçer, hangi ayrıntının önemsiz olduğunu ayırt eder ve çözümün mantıklı olup olmadığını değerlendirir. Bugünkü yapay zekâ sistemleri ise bazı durumlarda bu ayrımı yapmakta zorlanabiliyor. Özellikle problem içine gereksiz bilgiler eklendiğinde modellerin hata yapma olasılığı artabiliyor. Bu nedenle günümüzdeki yapay zekâ sistemleri çok güçlü araçlar olsalar da insan düşüncesinin özelliklerini eksiksiz biçimde taklit edebildiklerini söylemek için henüz erken olabilir.

Gelecekte neler olabilir?

Yapay zekâ alanı çok hızlı gelişiyor. Günümüzde bazı sistemler karmaşık problemleri çözerken doğrudan cevap üretmek yerine ara adımlar oluşturuyor hatta kod üreterek çözüm süreçlerini destekliyor. Bu yaklaşımlar, araştırmacıların daha gelişmiş muhakeme sistemleri geliştirme hedefinin bir parçası olarak görülüyor. Ancak makinelerin gerçekten “düşünüp düşünemeyeceği” sorusu yalnızca teknolojiyle ilgili değil, aynı zamanda felsefe, bilişsel bilim ve matematik gibi alanlarla da bağlantılı. Bu nedenle kesin bir cevaptan söz etmek kolay değil.

Yine de yaklaşık yetmiş yıl önce Cahit Arf’ın ortaya attığı soruların bugün hâlâ tartışılıyor olması dikkat çekici. Görünen o ki yapay zekânın geleceğini anlamaya çalışırken yalnızca yeni teknolojilere değil, geçmişte ortaya konmuş güçlü fikirlere de kulak vermemiz gerekiyor.

Kaynaklar:

• Arf, C. (1959). Makine Düşünebilir mi ve Nasıl Düşünebilir? Atatürk Üniversitesi 1958-1959 Öğretim Yılı Halk Konferansları (Yayın No. 1), 91-103.
• Sarı, F. (2021). Cahit Arf’in “Makine Düşünebilir mi ve Nasıl Düşünebilir?” Adlı Makalesi Üzerine Bir Çalışma. TRT Akademi, 6(13), 812-833
• Shojaee, P., Mirzadeh, I., Alizadeh, K., Horton, M., Bengio, S., & Farajtabar, M. (2025). The Illusion Of Thinking: Understanding The Strengths And Limitations Of Reasoning Models Via The Lens Of Problem Complexity. arXiv:2506.06941.
• Song, Z., Yue, S., & Zhang, J. (2025). Thinking Isn't An Illusion: Overcoming The Limitations Of Reasoning Models Via Tool Augmentations. arxiv:2507.17699.
• Song, P., Han, P., & Goodman, N. (2025). A survey on large language model reasoning failures. In 2nd AI for Math Workshop@ ICML 2025.

Yazar Hakkında:

Meltem Uygun

Ankara Hacı Bayram Veli Üniversitesi İletişim Fakültesi Halkla İlişkiler ve Tanıtım Bölümü Yüksek Lisans Öğrencisi