Yapay Zeka Gerçekten Düşünebilir mi? Ezberleme Tartışması Gündemde

Yapay zekanın insan düşünce yapısını gerçekten simüle edip edemeyeceği tartışmaları, etkili bir araştırmanın sonuçlarının sorgulanmasıyla yeniden alevlendi. 2025 yılında Nature dergisinde yayımlanan ve geniş dil modeli (LLM) "Centaur"un insan davranışlarını %64 doğruluk payıyla tahmin edebildiğini öne süren çalışma, yeni bir karşı araştırma ile sarsıldı.

Orijinal çalışma, 60 bin kişinin katıldığı 160 farklı deneyden elde edilen 10 milyon karar verisine dayanan Centaur'un, insan karar alma süreçlerini gerçek anlamda anladığını savunuyordu. Ancak Ocak 2026'da National Science Open dergisinde yayımlanan yeni araştırma, bu başarının derin bir anlamlandırma sürecinden değil, "aşırı öğrenme" (overfitting) olarak bilinen istatistiksel kestirmelerden kaynaklandığını ortaya koydu.

Aşırı öğrenme durumu, bir yapay zeka modelinin eğitim verilerini genel bir mantık geliştirmek yerine neredeyse ezberlemesiyle ortaya çıkıyor. Bu durum, modelin eğitim setindeki verilerle karşılaştığında kusursuz sonuçlar vermesini sağlarken, daha önce karşılaşmadığı yeni veriler karşısında başarısız olmasına neden oluyor.

Zhejiang Üniversitesi'nden Profesör Nai Ding, bu durumu bir öğrencinin konuyu anlamak yerine sınav sorularının cevaplarını ezberlemesine benzetti. Ding, eğitim ve test örnekleri aynı istatistiksel dağılıma sahip olduğunda, modelin kullandığı "kısayolların" fark edilmediğini ve böylece yapay zekanın performansının olduğundan çok daha yüksek göründüğünü belirtti.

Yapay zekanın gelişiminde bir "tavana" yaklaşıp yaklaşmadığımızı sorgulatan bu yeni bulgular, LLM'lerin insan bilişsel süreçlerini taklit etme yeteneğinin beklenenden daha sınırlı olabileceğini gösteriyor. Araştırmacılar, Centaur'un performansını test etmek için eğitimde kullanılan çoktan seçmeli soruları modifiye ederek modelin gerçek anlama kapasitesini ölçmeye odaklandı.