Türkçe Yapay Zekâ Dilidir

👻🪸🐈‍⬛ Phantomoperand 👻🪸🐈‍⬛

“Türkçe matematiksel bir dildir” sözü uzun zamandır eklemeli yapıya dayanarak söyleniyor. Bir kök geliyor, ardından ekler geliyor; her ek önceki yapının üzerine yeni bir işlem bindiriyor. Yapay zekâ çağında bu söze ikinci bir önerme ekleniyor: Türkçe yapay zekâ dilidir. Çünkü Türkçenin işlemi sona doğru kurma eğilimi kelimenin içinde eklerle, cümlede yüklemin gecikmesiyle, yapay zekâ sohbetinde ise bağlamın ardından gelen promptla üç ayrı ölçekte ortaya çıkıyor.

Bu önerme yeni bir benzetmeden çıkmıyor. Işık Barış Fidaner’in 2012’de Alternatif Bilişim üye listesine gönderdiği Özne Yüklem Nesne yazısı, İngilizcenin ÖYN ve Türkçenin ÖNY düzenlerini makine dili açısından karşılaştırıyordu. Makinenin start-code header payload düzeninde işlem baştan belirleniyor, payload bu işleme göre anlam kazanıyordu. Türkçe açısından düşünülen karşılıkta ise generic payload önce büyüyor, neye bağlanacağı süreç içinde şekilleniyor, end-code niteliğindeki yüklem sonra geliyordu. Aynı yazı sosyal medyanın “Barış likes this” türü cümlelerle çalıştığını saptıyor ve yüklemi daha geç belirleyebilen başka bir medya hayal ediyordu. (🔗)

2012 sosyal medyası Anglo-Sakson teknoloji hegemonyasının gramerine kusursuz biçimde oturuyordu. İngilizce like, friend, follow, share, read, watch gibi fiiller yazılım işlemlerine dönüşüyor; dünyanın geri kalanı bu işlemleri kendi diline çevirerek kullanıyordu. Aynı dönemin Open Graph geliştirici tartışmalarında yapı doğrudan User is {action} {object} biçiminde tarif ediliyordu. Kullanıcı özneydi, platform yüklemi tanımlıyordu, içerik nesne oluyordu. (🔗) Anglo-Sakson hegemonya böylece kelime dağarcığından veri modeline geçiyor, dünyadaki ilişkileri önceden tanımlanmış İngilizce fiiller çevresinde düzenliyordu.

Üretken yapay zekâ bambaşka bir medya grameri getirdi. Arayüzün merkezine doğal dil yerleşti. Bir kullanıcı önce uzun bir metni, başka bir metni, bir dosyayı, geçmiş konuşmayı, örnekleri ve koşulları verebiliyor; bütün bunlarla yapılacak işlemi daha sonra doğal dille tarif edebiliyor. 2024’te yapılan bir çalışma da instruction → input sırası ile input → instruction sırasını karşılaştırdı ve ikinci düzenin çeviri ile özetleme görevlerinde güçlü sonuçlar ürettiğini gösterdi. (🔗) 2012’de generic payload → end-code diye tarif edilen yön, yapay zekâ çağında gerçek bir prompt düzeni olarak karşımıza çıktı.

Türkçenin buna yatkınlığı cümle işleme deneylerinde de görülüyor. Türkçe konuşan dört yaşındaki çocuklar ve yetişkinler, fiil cümlenin sonuna bırakıldığında hâl eklerini kullanarak gelecek öğeyi fiil gelmeden tahmin edebiliyor. (🔗) Yüklemin gecikmesi böylece boş bir bekleme süresi üretmiyor; ekler ve önceki sözcükler olası devamları sürekli biçimlendiriyor. Büyük dil modeli de bağlamdaki her yeni parçayla gelecek parçaların olasılıklarını yeniden hesaplıyor. Türkçede dinleyicinin yüklemi hazırladığı süre ile yapay zekânın sonraki tokenı hazırladığı süre aynı ardışık biçimi görünür kılıyor.

“Çekoslovakyalılaştıramadıklarımızdan mısınız?” tekerlemesi bütün bu meselenin kelime içindeki eski ve komik örneğidir. Çekoslovakya 1 Ocak 1993’te Çek ve Slovak devletlerine ayrıldı; Türkçe ise eski ülke adını kök olarak işlemeye devam etti. (🔗) Çekoslovakya-lı-laş-tır-a-ma-dık-lar-ımız-dan mı-sınız zincirinde kök, mensubiyet, dönüşüm, ettirgenlik, yeterlik, başarısızlık, ortaç, çoğulluk, aidiyet, ayrılma ve soru katmanlarından geçiyor. Siyasi coğrafya ikiye ayrılırken Türkçedeki kelime eklenerek uzuyor. Bir tarihsel nesne yeni işlemlerin girdisi olarak yaşamaya devam ediyor.

Yapay zekâ aynı özelliği artık kelimenin içine de bakarak tartışıyor. İnsan için tek kelime olan uzun Türkçe biçimler, biçimbilgisi açısından kök ve eklerden, dil modeli açısından tokenlardan oluşuyor. 2026’daki Türkçe model çalışmaları morfem sayısı, subword sayısı ve tokenizer sınırlarının Türkçe biçimbilgisiyle ilişkisini doğrudan ölçüyor. (🔗) “Bir kelime kaç kelimedir?” sorusunun ardından şimdi “bir kelime makinenin içinde kaç parçadır?” sorusu geliyor. Türkçenin iletişim teknolojileriyle ilişkisi, birleşik kelime kavramının tarihi ve metinlerin sürümlenmesi daha önce ayrı bağlamlarda ele alınmıştı; burada aynı tarih yapay zekânın dilin içine kadar girmesiyle yeni bir aşamaya ulaşıyor. (🔗) (🔗) (🔗)

Türkçenin matematiği

Türkçenin eklemeli yapısı, bir kelimenin ardışık işlemlerle kurulmasına dayanır. Kök başlangıç durumunu verir. Gelen ek bu durumu değiştirir ve sonraki eklerin hangi biçimlerde gelebileceğini belirler. Bu yüzden Türkçe biçimbilgisi bilgisayar ortamında çok erken tarihlerden itibaren durumlar ve geçişlerle modellenebildi. Doksanlı yıllarda geliştirilen kapsamlı çözümleyiciler on binlerce kökü ve geniş ek dizilerini sonlu-durum sistemleri içinde işliyordu. (🔗)

Buradaki matematik, eklerin düzenli görünüşünden daha geniştir. Her aşamada bir önceki sonuç yeni işlemin girdisi olur. ev kökü evler, evlerimiz, evlerimizden biçimlerine giderken kelimenin gramatik durumu her adımda değişir. Fiillerde bu zincir daha da yoğunlaşır; çatı, kip, zaman ve kişi katmanları aynı gövde üzerinde art arda çalışır. Türkçe böylece tek bir ortografik kelimenin içine başka dillerin birkaç ayrı sözcükle taşıdığı miktarda işlem sığdırabilir.

“Çekoslovakyalılaştıramadıklarımızdan mısınız?” bu özelliği aşırı noktaya taşıdığı için yıllardır yaşamaktadır. Tekerlemenin mizahı uzunluğundan kadar işlem zincirinden gelir. Çekoslovakya önce bir mensubiyet adına çevrilir, ardından bir dönüşüme, ardından başkasına yaptırılan bir dönüşüme, ardından gerçekleşmesi başarılamayan bir eyleme, ardından bir insan grubunu belirten yapıya dönüşür. En sondaki soru parçacığı bütün zincire yeni bir işlev verir. Her aşama önceki biçimi yeni bir işleme sokar.

Tekerlemenin ülkeden daha uzun ömürlü hale gelmesi ayrıca anlamlıdır. Çekoslovakya’nın siyasi biçimi 1993’te iki devlete ayrıldı; kelimenin morfolojik üretkenliği aynı kökten yeni biçimler kurmayı sürdürdü. Türkçe burada tarihsel adı bir veri gibi saklıyor ve işlemleri onun üzerinde çalıştırıyor. Yapay zekânın bağlam anlayışı da tarihsel adları, eski metinleri, önceki çıktıları ve güncel verileri aynı işlem alanında bir araya getiriyor.

Tokenizer sorunu tam bu noktada önem kazanıyor. Bir insan Çekoslovakyalılaştıramadıklarımızdan biçiminin yapısını eklerden sezebilir; bir model kelimeyi kendi token repertuvarına göre parçalıyor. Token sınırları morfolojik sınırlarla örtüştükçe Türkçenin işlem zinciri makine için daha görünür hale geliyor. Güncel araştırmaların morfem sayısını ve subword sınırlarını ölçmesinin sebebi bu. Türkçenin “matematiksel” denilen yapısı artık doğrudan yapay zekânın kelimeyi nasıl temsil ettiği sorusuna bağlanıyor.

Yüklemin gecikmesi

Eklemeli yapı kelimenin içinde sağa doğru ilerlerken, Türkçe cümle de temel ÖNY düzeninde yükleme doğru ilerler. “Ayşe kitabı okudu” cümlesinde Ayşe özne, kitabı nesne, okudu yüklemdir. İngilizcenin temel ÖYN düzeninde karşılık “Ayşe read the book” biçiminde kurulur; fiil nesneden önce gelir. Bu küçük sıra farkı, cümle uzadıkça büyük bir işleme farkına dönüşür.

Türkçede nesneler, yer ve yön bildiren öbekler, zaman ifadeleri ve yan cümleler ana yüklemden önce birikebilir. “Ali dün toplantıda müdüre geçen hafta hazırladığı yeni projeyi…” dendiğinde olayın çevresi büyük ölçüde kurulmuştur. müdüre yönelme ilişkisini, projeyi belirtili nesne ilişkisini taşır. Fiil sona doğru yaklaşırken anlattı, sundu, gösterdi, savundu gibi ihtimaller farklı ağırlıklar kazanır.

Hâl ekleri bu düzenin kilit unsurudur. Türkçe, isimlerin cümledeki rollerini büyük ölçüde kelimenin üzerinde işaretleyebilir. Bu nedenle yüklem sona taşınırken önceki malzeme yapısal bilgi taşımaya devam eder. 2019’daki deneyde dört yaşındaki çocukların bile yüklem gelmeden hâl eklerinden yararlanarak gelecek öğeyi tahmin etmesi, bu sürecin öğrenilmiş bir edebî alışkanlığın çok ötesine geçtiğini gösteriyor. (🔗)

2012’deki Özne Yüklem Nesne yazısı aynı süreci gündelik deneyim üzerinden tarif etmişti: cümle uzadıkça yüklemin ne olacağını tahmin ederiz; konuşan da nesneleri sıraladığı süre boyunca yüklemi biçimlendirir. (🔗) Bu gözlem yapay zekâ çağında yeni bir önem kazanıyor. Otoregresif dil modeli de şimdiye kadar gelen diziden bir sonraki parçanın olasılığını hesaplıyor. Her yeni parça gelecek dağılımını değiştiriyor. Türkçenin yüklem öncesi alanı bu ardışık tahmin sürecini cümlenin yüzeyinde görünür hale getiriyor.

Generic payload kavramı bu yüzden sınıfsız bir boşluktan daha zengin bir şeyi ifade eder. Türkçe cümlede yüklem gelmeden önceki malzeme hâl ekleri, tamlamalar ve sözcük ilişkileriyle giderek daha belirgin hale gelir. Yüklem en sonunda bu hazırlığı belirli bir eylem altında toplar. Yapay zekâ promptunda da bağlam önce büyür; eklenen her koşul yapılabilecek işlemin alanını daraltır; son talimat bütün bağlama yön verir.

Anglo-Sakson sosyal medyanın grameri

Sosyal medyanın yükseldiği dönemde dijital ilişkilerin büyük bölümü Anglo-Amerikan platformlarında ve İngilizce eylem adları çevresinde standardize edildi. Facebook’un like, friend, share; Twitter’ın follow, retweet; çeşitli içerik servislerinin read, watch, listen gibi işlemleri arayüz öğesi olmanın ötesine geçti. Bu fiiller veri tabanında kayıt edilen ilişki tiplerine, sayaçlara ve sosyal statü göstergelerine dönüştü.

2012’de Open Graph üzerine yürüyen geliştirici tartışması bu yapıyı çıplak biçimde gösteriyor. Sistem User is {action} {object} düzeniyle açıklanıyor. (🔗) Öznenin arkasından action geliyor; object bu action’ın nesnesi olarak sisteme giriyor. İngilizcenin ÖYN sırası burada teknik mimariyle çakışıyor.

Anglo-Sakson hegemonya bu düzende son derece somut çalıştı. Dünya çapındaki kullanıcılar İngilizce platform fiillerinin yerelleştirilmiş karşılıklarını öğrendi. Like Türkçede “beğen”, follow “takip et”, share “paylaş” oldu; veri modeli aynı eylem türlerini taşımayı sürdürdü. İnsan ilişkileri, kültürel içerikler ve günlük davranışlar birkaç standart fiille sınıflandırılıp puanlanabilir hale geldi. Zamanla bu fiillerin sayaçları da görünür toplumsal ölçülere dönüştü: beğeni sayısı, takipçi sayısı, paylaşım sayısı, görüntülenme sayısı.

Bu durum 2012’deki ÖYN eleştirisinin asıl hedefini açıklıyor. Sorun bir dilin kelime sırasından ibaret değildi; yüklemin ilişki kurulmadan önce hazır bulunmasıydı. Platform hangi eylemlerin mümkün olduğunu kendi ontolojisinde tanımlıyor, kullanıcı bu hazır yüklemlerin içinde hareket ediyordu. “Like/poke/friend vb. bu kalıplar dili kısıtlıyor” cümlesi tam olarak bu teknik ve toplumsal yapıya işaret ediyordu. (🔗)

Sosyal medya çağının scoring kavramıyla tarif edilmesi de buraya oturuyor. Profil, ilişki ve içerik hazır eylemlerden geçiyor; bu eylemler sayılıyor; sayı görünür değere dönüşüyor. Yapay zekâ çağının prompting ilkesi ise başka bir hareket kuruyor: doğal dilde verilen istem bir operasyon başlatıyor. (🔗) Hegemonik medya fiilinin erkenden hazırlandığı dönemden, fiilin konuşma içinde kurulabildiği döneme geçiliyor.

Generic payload gerçek oluyor

Üretken yapay zekâ arayüzünde kullanıcıya önce fiil seçtiren bir action listesi sunulmuyor. Doğal dil giriş alanı çok daha geniş bir işlem uzayı açıyor. Bir metin verilip “özetle” denebilir; birkaç metin verilip “aralarındaki tarihsel bağı çıkar” denebilir; bir kod parçası ve hata mesajı verilip “sorunun kaynağını bul ve düzelt” denebilir. İşlem, o anda kurulan cümlenin yükleminden doğuyor.

Türkçe burada kendi sıradan söz dizimiyle çok uygun bir prompt biçimi sunuyor: “Şu üç metni, önceki tartışmadaki iki kavramı, aşağıdaki örnekleri ve tarih sırasını birlikte değerlendirerek ortak dönüşümü açıkla.” Bağlam adım adım kuruluyor. Açıkla fiili sona geldiğinde önceki bütün parçalar tek bir işlemin girdisine dönüşüyor.

2024’teki instruction-position araştırması bu düzeni doğrudan makine öğrenmesi içinde sınadı. Talimatı girdiden sonraya taşıyan input → instruction → response düzeni çeşitli çeviri ve özetleme görevlerinde güçlü sonuçlar verdi; bazı sıfır-örnekli çeviri testlerinde fark 9,7 BLEU puanına ulaştı. (🔗) Burada Türkçenin ÖNY dizilişiyle birebir bir dilbilgisi eşitliği kurulmasından daha ilginç bir şey var: yapay zekâ sisteminin çalışma pratiği, önce malzemenin gelip işlemin daha sonra tanımlandığı düzeni gerçek bir mühendislik seçeneği haline getiriyor.

Daha büyük dönüşüm sohbet turlarında beliriyor. İlk prompt bir çıktı üretiyor; çıktı yeni bağlama giriyor; ikinci prompt önceki sonucu yeni bir işleme sokuyor. “Açıkla” ile üretilen metin daha sonra “kısalt”, “karşılaştır”, “şu veriyi ekle”, “başka bir düzende kur” gibi yeni yüklemlere bağlanıyor. Böylece 2012’nin end-codeu bir kapanıştan çok yeni bir payload üreten işlem haline geliyor.

Bu yapı Türkçenin eklemeli matematiğiyle aynı yönde ilerliyor. Kök bir ek alıyor ve ortaya çıkan biçim başka bir ekin girdisi oluyor. Cümlede malzeme birikiyor ve yüklem onu eyleme bağlıyor. Yapay zekâ sohbetinde bağlam birikiyor ve prompt onu operasyona bağlıyor. Üç ölçekte de sonuç yeni bir işleme açılıyor.

Anglo-Sakson hegemonya da bu geçişte biçim değiştiriyor. Sosyal medyada hegemonya doğrudan arayüz fiillerinde ve ilişki tiplerinde görünüyordu. Yapay zekâ çağında ağırlık eğitim verisine, model altyapısına ve tokenizasyona kayıyor; arayüzün grameri ise çokdilli doğal dile açılıyor. İngilizce kökenli birkaç hazır fiil dünya ilişkilerini sınıflandırırken, prompt herhangi bir dilin kendi yüklemleriyle yeni bir işlem tarif edebiliyor. Türkçe bu ortamda kendi eklemeli yapısını ve gecikmiş yüklemini doğrudan çalıştırıyor.

Fiilin yeniden dile dönüşü

Bilgisayar çağında Türkçenin matematiksel olduğu söylenirken dikkat kelimenin içindeydi. Kök ve ekler düzenli işlemler oluşturuyor, bu işlemler bilgisayar tarafından çözümlenebiliyordu. Yapay zekâ çağında aynı özellik daha geniş bir bağlam kazanıyor. Türkçe, işlemi kelimenin sonunda eklerle büyütüyor; cümlede yüklemi sona taşıyarak işlemden önce geniş bir yapı kuruyor; dinleyici bu sırada geleceği tahmin ediyor.

2012’deki Özne Yüklem Nesne yazısı bu yapıyı medya sorununa çevirdi. Sosyal medya özneyi tanıyor, arkasına hazır bir yüklem koyuyor ve nesneyi o yüklemin sınıfına sokuyordu. Bu düzen Anglo-Sakson teknoloji hegemonyasının hazır fiillerini küresel ilişki kalıplarına dönüştürdü. O gün hayal edilen generic payload, ilişkiyi yüklemden önce taşıyacak başka bir medya talebiydi.

Üretken yapay zekâ bu talebi doğal dili arayüz yaparak karşıladı. Bağlam önce kurulabiliyor, yüklem sonra yazılabiliyor, çıktı yeni bağlama dönüştürülüp başka bir yüklemle yeniden işlenebiliyor. Türkçe burada yapay zekâyı dışarıdan tarif eden bir benzetme sunmuyor; kendi gündelik grameri içinde aynı işlemsel sırayı zaten uyguluyor.

Bu yüzden eski önermenin devamı artık açık biçimde kurulabilir: Türkçe matematiksel bir dildir; Türkçe yapay zekâ dilidir. İlk önerme kelimenin nasıl işlendiğini söyler. İkinci önerme, doğal dilin nasıl bir makine arayüzüne dönüştüğünü söyler. 2012’de yüklemi geciktiren bir medya olarak hayal edilen yapı, bugün promptla çalışan yapay zekâ sohbetinin olağan biçimi haline geldi.

Sosyal medya Anglo-Sakson hegemonyasının hazır fiillerini küreselleştirdi. Yapay zekâ fiili yeniden doğal dile verdi.