Yapay Zekânın Görünmeyen Açığı: Verideki Etik Kör Noktalar

Yapay zekâ artık sadece bir teknoloji değil, karar verici bir aktör.

Kredi veriyor, işe alıyor, risk hesaplıyor, hatta bazen insanların kaderine dokunuyor. Ama şu basit gerçeği hâlâ yeterince ciddiye almıyoruz:

Yapay zekâ, ne öğrendiyse odur.

Ve öğrendiği şey çoğu zaman... problemli.

Sorun Algoritmada Değil, Veride Başlıyor

Bugün yapay zekâya yönelik en büyük eleştirilerden biri “bias” yani önyargı. Ama çoğu tartışma yanlış yerde yapılıyor.

Algoritmalar genelde suçlanıyor. Oysa gerçek suçlu çoğu zaman:

Verinin kendisi.

• Eksik veri
• Dengesiz veri
• Tarihsel olarak kirlenmiş veri
• Yanlış toplanmış veri

Bunların hepsi AI modeline giriyor ve sonuç?

Makine öğrenmiyor.

Makine geçmişi tekrar ediyor.

Veri Tarafsız Değildir (Keşke Olsa)

Birçok kişi veriyi objektif sanıyor. Bu biraz “Excel dosyası yalan söylemez” romantizmi.

Gerçek şu:

Veri, insan davranışının bir yansımasıdır.

İnsan ise… kusurludur.

Örneğin:

• Geçmiş işe alım verileri → belirli grupları dışlamış olabilir
• Finansal veriler → belli sosyo-ekonomik kesimleri dezavantajlı gösterebilir
• Sağlık verileri → bazı grupları yeterince temsil etmeyebilir

AI bu veriyi “gerçek” sanır.

Ve sonra biz şaşırırız:

“Bu model neden ayrımcılık yapıyor?”

Çünkü ona öğrettiğin dünya zaten öyle.

Bir Kez Yanlış Öğrenirse, Geri Dönüş Zor

AI’da en tatsız gerçeklerden biri:

Yanlış eğitilmiş bir modeli düzeltmek, baştan yapmak kadar zor olabilir.

• Model davranışı içselleştirir
• Bias katman katman büyür
• Sonuçlar sistematik hale gelir

Ve sonra şirketler şunu fark eder:

“Bunu düzeltmek, yeni model kurmaktan daha pahalı.”

Sürpriz değil. Sadece geç fark edilen bir gerçek.

Gizlilik Meselesi: “Anonim” Her Zaman Anonim Değil

Veri anonimleştirdik diye rahatlayan çok.

Ama modern AI için anonim veri:

Çoğu zaman sadece bir bulmaca.

Yeterli veri noktası birleştiğinde:

• Kimlik tekrar bulunabilir
• Davranış profili çıkarılabilir
• Hassas bilgiler dolaylı yoldan açığa çıkabilir

Yani teknik olarak anonim…

Pratikte değil.

Şeffaflık Yoksa Güven de Yok

Bir AI sistemi karar veriyor ama neden verdiğini açıklayamıyor.

Kulağa tanıdık geliyor mu?

Bankadan kredi reddi alırsın, nedenini öğrenemezsin.

AI versiyonu da farklı değil.

Bu durumun sonucu:

• Güvensizlik
• Regülasyon baskısı
• Kurumsal itibar kaybı

“Black box” modeller etkileyici olabilir.

Ama kimse anlamadığı bir şeye güvenmez.

Peki Ne Yapmalı? (Evet, sonunda çözüm kısmı)

İşin ilginç tarafı, çözüm aslında roket bilimi değil. Disiplin meselesi.

1. Veriyi Sorgula

• Temsil ediyor mu?
• Eksik mi?
• Tarihsel bias var mı?

2. Çeşitliliği Zorunlu Kıl

• Tek tip veri = tek tip hata

3. Privacy by Design uygula

• Sonradan eklenen güvenlik, güvenlik değildir

4. Şeffaflık üret

• Model ne yaptı değil, neden yaptı önemli

5. İnsanı sistemden tamamen çıkarma

• “Human in the loop” hâlâ en ucuz sigorta

AI Güvenilir Olmak Zorunda

Yapay zekâ hız kazandırır, ölçek sağlar, maliyet düşürür.

Ama tek bir şeyi kaybederse her şey çöker:

Güven.

Ve güvenin başladığı yer teknoloji değil.

Veri.

Bugün birçok kurum AI yatırımı yapıyor ama veri tarafını hâlâ “operasyonel detay” gibi görüyor.

Oysa gerçek şu:

AI projelerinin başarısı modelde değil, verinin etiğinde saklı.

Bunu ciddiye alanlar kazanacak.

Diğerleri… model eğitmeye devam eder.