X platformunda paylaşılan bir gönderide, 17 yaşındaki bir öğrencinin hazırladığı akademik çalışmanın, yapay zekâ tespit yazılımı tarafından “yüksek ihtimalle yapay zekâ ile üretilmiş” olarak işaretlendiği anlatıldı. Paylaşımda çalışmanın tamamen öğrenciye ait olduğu belirtilirken, kullanılan denetim aracının bu sonuca hangi kriterlerle ulaştığının net olmadığı vurgulandı. Örnek, yapay zekâ çağında ölçme ve değerlendirme süreçlerinin güvenilirliğini ve öğrenciler üzerindeki baskıyı yeniden tartışmaya açtı. Öğrencilerin kendilerinin insan olduğunu kanıtlamak zorunda kaldığı bu dönemde yapay zekâ denetimlerinin neden yeterli olmadığını uzmanlar anlattı:
İNSAN FAKTÖRÜ GÜÇLENMELİ
Osman Demircan – Teknoloji Uzmanı
Bir metnin yapay zekâ mı yoksa insan tarafından mı üretildiğini kesin olarak ispatlamak çoğu zaman mümkün değil. Doğrulama araçları olasılık üretiyor. Özellikle teknik ve akademik metinlerde kusursuzluk, bu araçlar tarafından “yapay zekâya yakınlık” olarak değerlendirilebiliyor. Tek bir doğrulama aracına kesin hüküm verme yetkisi yüklenmemeli. OpenAI’ın düşük doğruluk nedeniyle kendi geliştirdiği “AI Classifier” aracını kapatması, bu belirsizliğin önemli göstergelerinden biri. Akademik literatürde de doğrulama araçlarının farklı metin türlerinde ve dil yeterliliklerinde yüksek hata payına sahip olduğuna dair bulgular var. Bu nedenle otomatik denetim yerine, insan faktörünün güçlendirildiği süreçlerin öne çıkması gerektiği ifade ediliyor. Öğrencinin çalışmasını savunabilmesi, anlatabilmesi ve gerekçelendirebilmesi, yüz yüze eğitimde hâlâ en sağlıklı yöntem olarak görülüyor. Bir öğrencinin ödevini yapay zekâya yaptırması kadar, öğretmenin bunu anlamak için yapay zekâya ihtiyaç duyması da dikkat çekici bir durum.
KOLAYLIKTAN DOĞAN PARADOKS
Prof. Dr. Bahar Baran – Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Bilgisayar Ve Öğretim Teknolojileri Eğitimi Anabilim Dalı Öğretim Üyesi
Üretken yapay zekâ, akademik yazımda önemli kolaylıklar sağlıyor. Uzun metinlerin kısaltılması, akademik İngilizce akıcılığının artırılması, tablo ve grafiklerden sonuç üretilmesi ile kaynakça ve atıfların formatlara uygun hâle getirilmesi, yayın süreçlerini ciddi biçimde hızlandırıyor. Ancak bu kolaylık, bir paradoksu da beraberinde getiriyor. Kullanıcının bilgisi yapay zekânın gerisinde kaldığında, üretilen içerik değerlendirilmeden aynen kullanılabiliyor. Kaynakça düzenlemelerinin sorgulanmadan kabul edilmesi ya da gerçekte var olmayan bilgilerin ayırt edilememesi bu duruma örnek gösteriliyor.
Öte yandan, kullanıcıların zamanla yapay zekânın dilini ve biçimlendirme alışkanlıklarını benimsemesi, tespit araçlarının hata payını artırıyor. Benzer anlatım kalıpları, insan tarafından yazılan metinlerin de yüksek yapay zekâ benzerliğiyle işaretlenmesine yol açabiliyor. Bu noktada asıl odaklanılması gereken başlıklar intihal, sahtecilik, çarpıtma ve çıkar çatışması gibi bilimsel etik ilkeleri. Yapay zekânın, insan bilgisini etik ve şeffaf biçimde desteklediği ölçüde doğru ve faydalı bir araç olacağı ifade ediliyor.
BİLİNMEZLİK VE GÜVEN ARAYIŞI
Prof. Dr. Aras Bozkurt – Anadolu Üniversitesi Açıköğretim Fakültesi Dekanı
İnsan zekâsı ile makine öğrenmesi arasındaki sınırların bulanıklaşması, bireylerin kendilerini kanıtlamak zorunda hissetmesine yol açıyor. Bu durumun temelinde, yeni teknolojilerin yarattığı bilinmezlik ve güvenli alan arayışı bulunuyor. “Hibrit zekâ” yaklaşımı, yapay zekânın insan zekâsını ileriye taşıyan bir teknoloji olarak konumlandırılmasını öneriyor. Bu bakış açısıyla, kendini kanıtlama kaygısının yerini birlikte üretme anlayışının alacağı belirtiliyor. Yapay zekâ kullanımını tespit etmeye yönelik denetim araçları ise hiçbir zaman yüzde yüz güvenilir değil. Bu nedenle teknoloji ne kadar gelişirse gelişsin, insan denetimi ve etik ilkelerin vazgeçilmezliği öne geçiyor. Akademide giderek öne çıkan “güvenilir ve açıklanabilir yapay zekâ” yaklaşımıyla, bugün kriz olarak görülen birçok başlığın gelecekte olağan uygulamalara dönüşeceği belirtiliyor.
YAPAY ZEKÂ TESPİT ARAÇLARI NEDEN YANILIYOR?
-Kanıt değil, olasılık üretiyor: Bu araçlar kesin ispat sunmuyor. Dil örüntülerine dayalı olasılık skoru hesaplıyor.
– Akademik dil yapay zekâya benziyor: Bilimsel metinlerdeki tutarlı, hatasız ve teknik dil, insan tarafından yazılsa bile “yapay zekâya yakın” olarak algılanabiliyor.
– Ortak dil modelleri kullanılıyor: Birçok tespit aracı benzer dil modelleriyle çalışıyor. Bu durum yanlış pozitif sonuçlara yol açabiliyor.
– İnsanlar yapay zekâdan öğreniyor: Başlık yapıları, madde imleri ve anlatım biçimleri zamanla benzeştikçe, tespit araçları bu metinleri yapay zekâ ürünü olarak işaretleyebiliyor.
– Dil ve yeterlilik farkları etkili: Ana dili İngilizce olmayan kullanıcıların akademik akıcılığı artırması, hata payını yükseltebiliyor.
– Köken taraması sınırlı: Çevrimdışı yazılan metinlerde yazım sürecine dair sağlıklı veri elde edilemiyor.
– Evrensel standartlar yok: Farklı araçlar aynı metin için farklı sonuçlar üretebiliyor.
News
