Clay Shirky'nin 21 Yıl Önceki Uyarısı ve Yapay Zeka Çağında Tekrar Okunması Gereken Dersi

Yirmi bir yıl önce Clay Shirky, W3C'nin Semantic Web vizyonunun temelden yanlış bir yolda olduğunu savunan kısa ama keskin bir deneme kaleme aldı. Temel iddiası zarif bir sadelikteydi: Semantic Web, özünde "tasımlar oluşturmak için tasarlanmış bir makine"ydi ve tasımlar—ne kadar kuramsal açıdan çekici olurlarsa olsunlar—insanların bilgiyi nasıl kodladığı ve ilettiğiyle ilgili gerçekliğin dağınıklığı içinde işlev görmüyor.

Aristoteles'in klasik örneği bu:

• İnsanlar ölümlüdür
• Yunanlar insandır
• O halde Yunanlar ölümlüdür

Temiz. Mantıklı. Gerçek dünya akıl yürütmesinde felç edici derecede kullanışsız.

Shirky'nin gösterdiği şu: eğer "Clay Shirky shirky.com'un kurucusudur" ve "shirky.com'un kurucusu Brooklyn'de yaşar" bilgilerine sahipseniz, onun Brooklyn'de yaşadığını çıkarabilirsiniz. Ama eğer buna bir de "Brooklyn'de yaşayanlar Brooklyn aksanıyla konuşur" bilgisini eklerseniz, yanlış bir sonuca varırsınız: Shirky'nin "shirky.com"u "şorki" gibi telaffuz ettiğini düşünürsünüz.

Sorun mantıkta değil. Sorun şu ki gerçek dünya kendini temiz, evrensel doğruluklar halinde düzenleyip beklemiyor.

Ortalıkta Olanlar

Semantic Web, başlangıçtaki vizyonuyla hiçbir anlamlı şekilde hayata geçmedi. RDF, OWL ve semantic yığının geri kalanı akademik merak konusu ve kurumsal entegrasyon araçları olmaktan öteye gidemedi—Tim Berners-Lee'nin hayal ettiği evrensel makine akıl yürütme çerçevesi olmadı. "Her yerde bulunan ve yıkıcı derecede güçlü" makine akıl yürütmesiyle ilgili büyük预测lar buharlaştı.

Ama Shirky'nin bu denemesini 2025'te tekrar okumaya değer kılan şey: onun tespit ettiği temel gerilim hiç gitmedi. Sadece farklı bir arena taşındı.

Günümüzde Yeniden Alevlenen Umut

Bugün, bu kez sembolik mantık yerine büyük dil modelleri ve sinir ağları tarafından desteklenen yeni bir makine akıl yürütme iyimserliği dalgası yaşıyoruz. Vaatler tanıdık: Yapay zeka sistemleri muazzam miktarda veriyi analiz edebilir, içgörüler çıkarabilir ve insanların göremediği bağlantıları kurabilir.

Bazı şeyler değişti. Modern LLM'ler formal tasım çıkarımına bel bağlamıyor. Devasa ölçekte istatistiksel örüntü tanıma yoluyla çalışıyor ve sonuçlar çoğu zaman "anlama" hissi veriyor. Ancak Shirky'nin tespit ettiği temel zorluk hâlâ yerinde: Ya bilgi eksikse, bağlama göre değişiyorsa veya tamamen yanlışsa ne yapacaksınız?

Bir LLM kendinden emin bir şekilde mantıklı görünen ama doğru olmayan bir şey söylediğinde, mantıksal bir hata yapmıyor. İnsan tarafından üretilen metnin çelişkiler, kültürel varsayımlar, güncelliğini yitirmiş bilgiler ve saf kurgu içerdiği dağınık gerçekliğini yansıtıyor. Bu "bilgi" temiz bir şekilde düzenlenmemiş. Hiç öyle olmadı.

Bilgi Grafiği: Pratik Bir Orta Yol

İlginç bir şekilde, Semantic Web vizyonunun pratik mirasçıları tamamen semantic değil—olasılıksal. Google'ın Knowledge Graph'ı, arama özelliklerinin birçoğunu destekleyen bu yapı, formal önermeler üzerinde akıl yürütmüyor. Devasa bir varlık ve ilişki veritabanı tutuyor, ancak makine öğrenmesi, insan düzenlemesi ve sürekli güncellemeyle inşa edilip bakımı yapılıyor. Mantıksal saflık peşinde koşmadığı için işe yarıyor.

Bu yaklaşım—pragmatik, dağınık, sürekli gerçeklikle doğrulanan—kuramsal olarak saf Semantic Web'den çok daha değerli olduğunu kanıtladı.

Shirky Neyi Doğru Tuttu?

Temel içgörü hâlâ geçerli: Dedüktif akıl yürütme—ister formal mantıkla isterse onu taklit eden sinir ağlarıyla uygulansın—bilginin gerçekte nasıl temsil edildiğiyle gerçekte nasıl doğru olduğu arasındaki uçurumla mücadele ediyor.

Doyle'un Sherlock Holmes'u bize parlak bir zihnin imkânsızı eleyerek kaçınılmaz gerçeğe ulaştığını söylemişti. Ama gerçek dünyadaki "bilgi"nin çoğu o şekilde düzenlenmemiş. Eksik. Bağlama bağlı. Aktarılamayan, belirtilmemiş varsayımlarla yüklü.

Gerçekten sektörleri dönüştüren yapay zeka sistemleri—öneri motorlarından çeviri araçlarına, kod tamamlamadan görüntü üretime—bunu tasımsal akıl yürütmeyi ustalıkla yöneterek başarmadılar. Dağınık veride işe yarar örüntüler bularak, belirsizliği kabul ederek ve bazen yanılarak başardılar.

Bugün İnşa Edenler İçin Ders

Eğer yapay zeka ile ürün veya hizmet geliştiriyorsanız, Shirky'nin denemesi hâlâ temel bir okuma. Geleceği tahmin ettiği için değil—her teknoloji dalgasında karşımıza çıkan temel bir zorluğu teşhis ettiği için.

Asıl soru şu değil: Makineler akıl yürütebilir mi? Evet, belirli şekillerde akıl yürütebiliyorlar. Asıl soru şu: Üzerinde çalıştığınız bilgi, yapmaya çalıştığınız akıl yürütmeyi destekleyecek şekilde düzenlenmiş mi?

Çoğu zaman değil. Ve bu, düzeltilecek bir hata değil—bilginin gerçekte nasıl işlediğinin bir özelliği.

Semantic Web'in başarısızlığı hırsın başarısızlığı değildi. İnsan bilgisinin formal mantığın ihtiyaç duyduğu şeyden temelden farklı olduğunu anlamama başarısızlığıydı. O zamandan beri başarılı olan araçlar, bu gerçeği kabul eden ve onunla birlikte çalışan—karşı değil—olanlar oldu.

Shirky'nin 2003 tarihli denemesinin gerçek mirası, RDF veya OWL hakkında bir tahmin değil. Zeka—makinelerde ve insanlarda—sezgilerimizin bize söylediği şekilde çalışmıyor. Ve çalışmadığı için, bu gerçeği anlamak ve kabul etmek, onunla çalışmanın ilk adımı.