Safe-You: Toolkit

Yirmi birinci yüzyılda yaşayan, bu yüzyılda doğan bireyler olarak ortak bir dile sahibiz. Sahip olduğumuz diğer dillerin aksine (Türkçe, İngilizce, Almanca, Fransızca vb.) bu dili birbirimizle iletişim kurmak için geliştirmedik. Makinelerin birbiriyle iletişim kurması için geliştirdik.

Bu dilin alfabesinin sadece iki harfi var: 1 ve 0. Bu sebeple ikili sistem olarak da adlandırılan makine dili aslında sadece düşük seviyeli bir programlama dili. Bu dili her ne kadar makineler birbirleriyle iletişim kursun ve verileri birbirlerine daha hızlı ve tutarlı bir şekilde aktarsın diye geliştirmiş olsak da artık bu dilin, bu ikili sistemin üzerinde şekillenen bir toplumun içerisinde yaşıyoruz.

Günlük hayatımızın önemli bir kısmı bu 1’ler ve 0’lar olarak yolculuk eden içerikleri oluşturmakla ya da onları tüketmekle geçiyor. Üstelik artık, makinelerin birbirleriyle iletişim kurması ya da makineler aracılığıyla birbirimizle iletişim kurmak için değil makinelerin kendisiyle iletişim kurmak için de çabalıyoruz.

Tabii, insanoğlu olarak sahip olduğumuz binlerce yıllık yazılı birikimin ve sahip olduğumuz alfabelerin bize sunduğu kendimizi ifade etme şeklimizi bir kenara koyup da her düşüncemizi 1’ler ve 0’larla ifade etmiyoruz. Bunun yerine, bilgisayar teknolojisindeki, özellikle işlemci performanslarındaki gelişmeler sayesinde makine dili ile kendi dilimiz arasında bir “arabulucu” katman inşa ediyoruz.

Doğal dil işleme (natural language processing, NLP) alanındaki gelişmeler ve onu takip eden büyük dil modelleri (large language models, LLM) yardımıyla insan dili ile konuşarak makineler ile iletişim kuruyoruz.

En nihayetinde makineler ile iletişim kurmak (en basit ifadesiyle bilgisayarda herhangi bir işlem gerçekleştirmek) çok yeni bir şey değil. Çeşitli programlama dillerini bilen geliştiriciler tarafından hazırlanan uygulamalarda yer alan seçeneklerden işimize yarayanlarını işaretleyerek ihtiyaç duyduğumuz işlemi gerçekleştiriyoruz yıllardır.

Yeni ve farklı olan ise artık ne makine dilini ne de herhangi bir programlama dilini bilmeden, kendi dilimizi konuşarak bir bakıma kendi özgün programımızı geliştirebilecek araçlara sahip olmamız. Doğal dil işleme ve büyük dil modelleri sayesinde hayatımıza giren ve çoğunlukla yapay zekâ olarak adlandırılan bu araçlar, eğitildikleri devasa veri setleri yardımıyla insan dilini anlıyor ve insanın anlayacağı şekilde cevaplar üretiyor.

Dijital dünyanın bu yeni ve “zeki” araçlarından istifade edebilmek ise temel dijital yetkinliklere sahip olmanın yanında bu araçların potansiyellerini, kullanım alanlarını, kullanım şekillerini ve eksikliklerini bilmeyi de gerektiriyor.

Bu rehber ve araç seti sizleri yapay zekâ ve algoritmalar çağında ihtiyaç duyacağınız yeterlilikleri kazandırmak için bir başlangıç noktası olarak tasarlandı.

Bu rehber boyunca, sosyal sermaye ve onun dijital ortamlar ile ilişkisi, ikiz dönüşüm, dijital yeterlilikler, güncel riskler ve trendler ile yapay zekâ ve algoritmalar çağında dijital okuryazarlık hakkında bilgi edineceksiniz.

Dijital Ortamlar ve Sosyal Sermaye

Sosyal sermaye, bireyler ve topluluklar arasında güven, normlar, değerler ve işbirliği gibi unsurlarla yapılandırılan, toplumsal ilişkilerin kalitesini ve yoğunluğunu ifade eden çok boyutlu bir kavramdır. Başka bir ifadeyle sosyal sermaye, koordineli eylemleri kolaylaştırarak toplumun verimliliğini artırabilecek güven, normlar ve ağlar gibi sosyal organizasyonun özelliklerini ifade eder [1].

Bireyler arasında köprü kurucu ve bağlayıcı bir rol atfedilen sosyal sermayenin temel unsurlarını güven, normlar ve ağlar oluşturmaktadır [2]. Dijitalleşme, sadece bilgiye erişimi ve bilginin saklanma şeklini değil tüm toplumsal süreçleri dönüştürdüğü göz önünde bulundurulduğunda sosyal sermayenin dijital dolayımını da göz ardı etmemek gerekmektedir.

Çünkü sosyal sermaye, bireylerin kariyer başarısını, çeşitli kariyer olanakları arasında gezinmelerini ve sürdürülebilir profesyonel gelişimlerini güvence altına almalarını sağlayan temel bir kaynaktır. Bu sebeple, nasıl ki gerek ailemizden gerekse eğitim kurumlarından toplum içerisinde yaşamayı, toplumun bir parçası olmayı öğreniyorsak, dijitalleşen ya da dijital teknolojiler aracılığıyla gerçekleştirilen toplumsal süreçlere de kendimizi hazırlamamız gerekiyor.

Üstelik bu süreçleri değiştiren, dönüştüren ve karmaşıklaştıran yeni bir gelişme var artık: Yapay zekâ!

Yapay Zekâ ve Algoritmalar Çağında Dijital Okuryazar Olmak

Yapay zekâ kelimesi pek çoğumuzun gündemine 2020’li yıllarla birlikte girmeye başlasa da konsept olarak milattan öncesine, kelime kökeni olarak ise 1956 yılında John McCarthy ve ekibi tarafından düzenlenen bir atölyeye kadar uzanmaktadır [3]. Yapay zekâyı günümüzdeki mertebesine getiren gelişmeler ise yarı iletkenler yani mikro işlemciler alanında süregelen ilerlemeler, bilgilerin dijital olarak depolanmasını kolaylaştıran ve hızlandıran teknolojiler ve bir makine öğrenme (machine learning) tekniği olan derin öğrenme (deep learning) olmuştur.

Esasen uygulamalı bilgisayar bilimlerinin bir alt alanı olan yapay zekâ; güçlü öğrenme, akıl yürütme ve planlama yetenekleri sergileyerek küresel teknolojik devrimin ve endüstriyel değişime öncülük eden stratejik bir teknoloji halini almaktadır. Hatta birçok ülke uluslararası rekabet gücünü artırmak ve ulusal güvenliği sağlamak için yapay zekânın geliştirilmesini bir strateji olarak belirlemiştir [4].

Sahip olduğu stratejik önem ve bu alana yapılan yatırımların da işaret ettiği gibi yapay zekâ modeli eğitmek, yeni dil modelleri geliştirmek bu rehberde öğretilemeyecek kadar karmaşık; uzmanlık, güçlü donanım ve finansman gerektiren bir süreçtir.

Bu sebeple, bu rehber size kendi yapay zekâ modelinizi geliştirmeyi öğretemeyecek olsa da bu modellerin geliştirilme adımlarını, eğitildikleri verileri ve göz ardı edilmemesi gereken güncel handikaplarını ele almaktadır.

Çünkü, algoritmalar çağında dijital okuryazar olmak aşağıda değineceğimiz dijital yeterlilikler çerçevesi ile sabitlenen becerilerin üzerine yapay zekâ araçlarının nitelikli ve etik kullanımını da eklemeyi gerektirmektedir.

Avrupa Dijital Yeterlilikler Çerçevesi (DigComp 2.2)

Kısa adı DigComp olan Vatandaşlar için Dijital Yeterlilik Çerçevesi, dijital yetkinlikler için temel bir referans kaynağı niteliğindedir. Bu sebeple, bu rehberin temelleri de bu çerçeve üzerine kurulmuştur. DigComp’ta dijital yetkinlik/yeterlilik; toplumsal katılım, iş ve öğrenme süreçlerinde dijital teknolojilerin kendinden emin, eleştirel bir şekilde kullanımını olarak tanımlanır. Bu yetkinlikler aynı zamanda Yaşam Boyu Öğrenme için Temel Yeterliliklerin de bir parçasıdır.

DigComp, beş yetkinlik alanı içerisinde toplamda yirmi bir farklı yetkinlik tanımlar. Her bir yetkinlik ise sekiz seviyesi ile ölçülür [5]. Önce bu beş yetkinlik alanını inceleyelim:

Bilgi ve Veri Okuryazarlığı (Information and data literacy)
İletişim ve İş Birliği (Communication and collaboration)
Dijital İçerik Oluşturma (Digital content creation)
Güvenlik (Safety)
Sorun Çözme (Problem Solving)

Bilgi ve veri okuryazarlığı, kitle iletişim araçlarının yaygınlaşması ve geniş kitlelerin bilgiye ve habere ulaşmasında bir aracı olmaya başlaması ile birlikte gündeme gelen medya okuryazarlığı ile ilişkilendirilebilecek bir beceridir. Ancak artık sadece gazete, radyo veya televizyon değil bu araçların tümünü kapsayan ve genişleten internet farklı bir beceri setini gerektirmektedir. Bilgi ve veri okuryazarlığı yetkinlik alanı verileri, bilgileri ve dijital içeriği taramayı, aramayı ve filtrelemeyi (1.1), değerlendirmeyi (1.2) ve yönetmeyi (1.3) kapsar.

Sosyal sermayeye köprü kurucu ve bağlayıcı bir rol atfedildiğinden bahsetmiştik. Dijital ortamlarda da sosyal sermayenin güvene, normlara ve ağlar oluşturmaya dayanan temel unsurlarını sağlamak için dijital ortamlarda iletişim ve iş birliği becerileri ön plana çıkmaktadır. Bu yetkinlik alanı dijital teknolojiler aracılığıyla etkileşimi (2.1), paylaşımı (2.2), vatandaşlığa dahil olmayı (2.3) ve iş birliğini (2.4) içerir. Etkileşimler, paylaşımlar ve vatandaşlık süreçlerine dahil olmanın yanı sıra ağ ve görgü kuralları (etik) kelimelerinin bir araya getirilmesiyle türetilen ve ağın görgü kuralları olarak nitelendirilen netiket (netiquette) (2.5) ve dijital kimlik yönetimi (2.6) de bu yetkinlik alanı içerisindeki yeterliliklerdir. Netiket, bir grup insan tarafından uygulanan veya savunulan, interneti iletişim veya veri alışverişi aracı olarak kullanmaya yönelik bir dizi kural ve görgüyü ifade eder [6].

Dijital vatandaş olmak sadece bilgi ve veriye ulaşmayı değil (okur) bunları üretebilmeyi, dijital içerik oluşturmayı da (yazar) gerektirir. Bu yetkinlik alanında dijital içeriğin geliştirilmesi (3.1), bütünleştirilmesi ve detaylandırılması (3.2), telif hakları ve lisanslama (3.3) ve programlama (3.4) yeterlilikleri yer alır. Üretken yapay zekâ (generative AI) araçlarının yaygınlaştığı bu çağda bu yeterliliklerin önemi daha da artmaktadır. Yapay zekâ alanındaki gelişmelerin programlama becerilerine neler katabileceğini aşağıda ele alacağız.

Güvende hissetmek ihtiyaçlar hiyerarşisinin ikinci basamağında yer alan temel bir ihtiyaçtır. Giderek dijitalleşen günlük aktiviteler ve toplumsal katılım süreçleri bu güvenlik ihtiyacının dijital ortamlarda da gündeme getirmektedir. DigComp’taki güvenlik yetkinlik alanı cihazların korunması (4.1), kişisel verilerin ve gizliliğin korunması (4.2), sağlığın ve esenliğin korunması (4.3) ve çevrenin korunması (4.4) yeterliliklerini içerir. Yapay zekâ araçları iyi niyetli girişimlerle birlikte, kötücül yazılım geliştirilmesi, bilgi sızdırma, kimlik hırsızlığı gibi art niyetler için de bir başlangıç noktası görevi üstlenebilir. Bu da güvenlik yetkinlik alanına daha fazla önem vermeyi gerekli kılar. Yapay zekâ destekli dolandırıcılık başlığında güvenlik becerilerimizin önemine tekrar geri döneceğiz.

DigComp’taki beşinci yetkinlik alanı ise dijital dünyada karşılaşılabilecek sorunları çözmeye yönelik yeterlilikleri kapsar. Bu sorunlar bazen bir çalışmayan veya çalışsa bile açılmayan bir bilgisayar gibi teknik sorunlar (5.1) olabilir. Ayrıca, dijital dünyadaki ihtiyaçların ve teknolojik yanıtların belirlenmesi (5.2) ve dijital teknolojilerin yaratıcı bir şekilde kullanılabilmesi (5.3) de bu yetkinlik alanında yer almaktadır. Dijital yeterlilik boşluklarını belirlemek (5.4), tüm DigComp çerçevesi içerisindeki bir çeşit sigorta olarak değerlendirilebilir. Çünkü dijital yetkinliklere olan ihtiyaç sürekli olarak artmakta ve ihtiyaç duyulan beceriler güncel her gelişme ile farklılaşmakta ve çeşitlenmektedir. Bizlerin kendi yetkinliklerimizi gözden geçirip eksik veya yetersiz kaldığımız noktaları saptamak dijital yetkinliklerimizin güncelliğini korumak için elzemdir.

Bu yetkinlikler için DigComp’ta sekiz seviye tanımlaması yapılmıştır. Örneğin, birinci yetkinlik alanının ilk yetkinliğine temel düzeyde sahip olan bir bireyden, bilgi ihtiyaçlarını belirleyebilmesi, dijital ortamlarda basit bir arama ile veri, bilgi ve içerik bulabilmesi ve basit kişisel arama stratejilerini belirleyebilmesi beklenir. Aynı yetkinliğin en yüksek seviyesine sahip bir birey ise tarama, arama ile ilgili etkileşimli birçok faktörle karmaşık sorunları gidermek için çözümler oluşabilir; veri, bilgi ve dijital içeriği kaydedebilir ve filtreleyebilir ve alana yeni fikirler ve süreçler önerebilir [7], [8].

DigComp burada özetleyemeyeceğimiz kadar kapsamlı ve kapsayıcı bir referans sunuyor bize. Şimdilik burada bırakalım. “Gelişen Yapay Zekâ Araçları ve Dijital Okuryazarlık” başlığında DigComp’a eklenen yapay zekâ ile ilgili bilgi, beceri ve tutumlara tekrar geri döneceğiz.

İkiz Dönüşüm ve İkiz Beceriler

Giriş bölümünde makine dilinin günlük hayatımızın içine nasıl işlediğine değinmiştik. Bu çarpıcı nitelendirmeyi bir kenara bırakırsak günlük bireysel aktivitelerin, işlemlerin ve süreçlerin dijitalleşmesini dijital dönüşüm olarak tanımlayabiliriz. Peki ikiz dönüşüm nedir? İkiz dönüşüm dijital dönüşüm ile yeşil dönüşümü kapsayan bir çatı kavramdır. Dijital dönüşüm, sektör fark etmeksizin gerçekleşen tüm işlerin dijital teknolojilerle desteklenmesi veya bu teknolojilerle değiştirilmesi sürecini; yeşil dönüşüm ise bu gerçekleşen tüm işlerin çevreye olan zararlarının en aza indirilmesi ve doğal kaynak tüketiminin minimize edilmesi sürecidir [9]. Bu iki dönüşümün bir arada ikiz dönüşüm adıyla ele alınması, yeşil dönüşümün gerçekleşmesinde dijital dönüşümün kolaylaştırıcı bir rol oynayacağı yönündeki anlayışa dayanmaktadır [10].

Bu iç içe geçen dönüşüm sürecinde bizlerin sadece dijital becerilere tutunması sürdürülebilir bir gelecek için yetersiz kalacaktır. Bu sebeple yeşil becerilere sahip olmalıyız. Basitçe yeşil beceriler, sürdürülebilir ve kaynaklar açısından verimli bir toplumda yaşamak, bu toplumu geliştirebilmek ve desteklemek için gereken bilgi, yetenek, değerler ve tutumlardır. Bu beceriler, çevresel sürdürülebilirliği korumak, çevresel etkileri azaltmak ve ekonomik yeniden yapılanmayı desteklemek için gereklidir [10].

DigComp’ta yer alan sağlığın ve esenliğin korunması ve çevrenin korunması yetkinlikleri bize yeşil beceriler ile dijital becerilerin birbirleri ile ilişkisine dair bir ipucu veriyor. İkiz dönüşüm için önemine değindiğimiz yeşil dijital beceriler ise esasında dijital beceriler seti ile yeşil becerilerin birleşiminden oluşuyor. Çevresel etkileri azaltmayı ve sürdürülebilir ekonomileri desteklemeyi amaçlayan yeşil becerileri kısaca şöyle sıralayabiliriz:

Çevre bilimi bilgisi
Sürdürülebilirlik düzenlemeleri ve standartlarını anlama
Atık ve tehlikeli maddelerin yönetimi
Yenilenebilir enerji ve enerji verimliliği bilgisi
Çevre koruma teknolojisi
Sürdürülebilirlik yönetimi

Yeşil becerilere ek olarak Avrupa Birliği, tıpkı DigComp’ta olduğu gibi, sürdürülebilirlik için de kimi yetkinlikleri içeren GreenComp (The European Sustainability Competence Framework) kısa adlı bir referans çerçevesini de bizlere sunmuştur. Ancak bu toolkit için dijital dönüşüm ile yeşil dönüşümün birbirini destekleyen yapısına ve temel yeşil becerilere değinerek yolumuza devam etmemiz gerekiyor.

Güncel Kavramlar ve Riskler

Bu bölümde yapay zekâ ve algoritmalar çağında karşılaşabileceğimiz kavramlara, konseptlere ve risklere yer vereceğiz. Bu kavramların hepsi doğrudan yapay zekâ ile ilişkili değil veya ondan kaynaklanmıyor. Ancak DigComp’ta belirtildiği gibi “dijital yeterlilik boşluklarını belirlemek” adına güncel trendleri, temaları konseptleri takip edebilmeniz adına burada listeleniyorlar.

Sadfishing (Üzüntü Avcılığı)

"Sadfishing", bireylerin sempati oluşturmak için duygusal sorunları hakkında abartılı iddialarda bulunduğu bir davranışsal eğilimi ifade etmektedir [11]. Yaşadığı sorunu ve/veya duygusal sıkıntıyı abartılı bir şekilde sosyal medya platformlarında paylaşarak dikkat çekme ve sempati kazanma eğilimi olarak sadfishing en sık genç yetişkinlerde karşımıza çıkıyor [12]. Üzüntü avcılığı olarak Türkçeleştirebileceğimiz sadfishing davranışı, karmaşık duygusal ve psikososyal dinamiklerin bir tezahürü olarak değerlendiriliyor. Artan olumsuz etki ve dikkat çekme davranışlarının, algılanan sosyal destek eksikliği ile birleşmesi, bu tür çevrim içi davranışlarda bulunmaya yönlendirebiliyor [13]. Hastanede paylaşılan serum fotoğrafları, damar yolu fotoğrafları veya “Şu anda ne kadar mücadele ettiğime inanamıyorum. Hiçbir şey benim için doğru gitmiyor gibi görünüyor” ifadesi ile paylaşılan ağlayan bir emoji eklenmiş hüzünlü bir selfie sadfishing davranışlarının örnekleridir. Bu paylaşım çoğu zaman gerçek destekten ziyade dikkat çekmeyi amaçlasa da takipçilerini sempati ve destek sunmaya teşvik edebiliyor [14].

Sadfishing ya da üzüntü avcılığı davranışını ve onun bireylerin sosyal medya aracılığıyla kurdukları iletişimdeki olumsuz etkilerini netleştirmek için farklı bir ifade kullanacağım: İlgi dilenciliği! Nasıl ki dilenciler, yaşadıkları sağlık sorunlarını veya içinde bulundukları sosyo-ekonomik sıkıntıları “abartarak” ve karşısındaki kişinin vicdanını sömürmeye çalışıyorsa, sadfishing davranışı sergileyenler de benzer şekilde “ilgi” dilenmektedirler. Nasıl ki dilencilerin kendi sorunlarını abartması ya da sorunları olmasa bile öylemiş gibi yapmaları gerçek sorun yaşayan ve ihtiyaç duyanlara karşı duyarsızlaşma yaratıyorsa benzer şekilde ilgi dilenciliği de sosyal medya üzerinde böyle bir duyarsızlaşma ve maskeleme yaratabilir.

Brain Rot (Beyin Çürümesi)

2024 yılında Oxford Yılın Kelimesi olarak belirlenen brain rot, önemsiz veya zorlayıcı olmayan özellikle çevrim içi içeriklerin aşırı tüketiminin bir sonucu olarak görülen “bir kişinin zihinsel veya entelektüel durumunun sözde bozulması” olarak tanımlanır [15]. Kavram, TikTok ve YouTube Shorts gibi kısa ve yüzeysel içeriklerin özellikle Z ve Alfa kuşakları tarafından aşırı tüketiminin olumsuz etkisi ile ilgili olarak yaygın olarak kullanılıyor.

Dijital içeriklerin yüzeyselleşmesi, kısalması ve dikkat süremizin azalmasının esprili ve bir açıdan da korkutucu bir işareti olan “beyin çürümesi”, DigComp’ta listelenen “sağlığın ve esenliğin korunması” yetkinliğinin önemini tekrar hatırlatıyor. Dijital vatandaşlar olarak fiziksel ve zihinsel zindeliğimizi ön planda tutmamız ve dijital medyanın aşırı kullanım ve bağımlılık gibi olumsuz etkilerinden kaçınmamız gerekiyor.

Ancak olumsuz etkilerden kaçınmak yerine, beyin çürümesini (brain rot) bir çeşit onur madalyası gibi değerlendiren akranlarınızla da karşılaşabilirsiniz. Bu yaşıtlarınızın tıpkı bilgisayar oyunlarındaki yüksek puan için rekabet etmeleri gibi en fazla ekran süresi için rekabet ettiklerini görebilirsiniz [16]. Akranlar arası rekabette sorun yok, ancak yarışılacak şeyin sizi yüceltmesi gerekiyor çürütmesi değil!

Küresel IQ Düşüşü

Zekâ düzeyinin ölçülebilir bir göstergesi olan IQ puanları, birçok gelişmiş ülkede düşüş eğilimi göstermeye başladı. Bu düşüş problem çözme yeteneklerimiz üzerinde potansiyel bir tehdit olarak değerlendiriliyor ve yapay zekâ veya iklim krizi gibi karmaşık ve çok boyutlu sorunları ele alma yeteneğimizi etkileyebileceği düşünülüyor. Bu düşüşe bu kadar önem atfedilmesinin nedeni, ortalama IQ puanlarının geride bıraktığımız yüzyılda düzenli olarak yükseliş göstermesine (Flynn Etkisi) dayanıyor. İnsanlığın giderek daha akıllı hale geldiği ve sosyal ilerlemenin bir kanıtı olarak görülen bu artış günümüzde durmuş hatta gerilemeye başlamış durumda [17]. Bu yükseliş trendini keşfeden James Flynn, çevresel faktörlerin bir sosyal grubun IQ seviyelerini etkileyebileceğini savunuyor [18].

Evet, görünen o ki bir şeyler ters gitmeye başladı ve ortalama IQ puanlarımızda bir düşüş başladı. Sorunu tespit ettikten sonra nedenlerine odaklanmak gerekiyor. Ortaya atılan açıklamalardan biri düşük vasıflı hizmet işlerinin yükselişiyle birlikte entelektüel olarak daha az çaba gerektirir hale gelmesi ve insanların beyinlerini daha az zorlamaları gösteriliyor. Bunun yanı sıra küresel ısınmanın yiyecekleri daha az besleyici hale getirmesi de bir gerekçe olarak görülüyor. Bu sorunu, buraya taşımamızın nedeni ise odaklanma yeteneğimizi zayıflatan dijital teknolojilerin de bu düşüşte rol oynadığına yönelik değerlendirmeler [17].

İtiraf Sayfaları

Özellikle liselerde ve üniversitelerde okuyan öğrencilerin itiraflarını ve sırlarını anonim bir profilin arkasına saklanarak kendi topluluklarıyla paylaşmak için oluşturdukları sosyal ağ sitelerindeki sayfalar veya bağımsız web sayfaları itiraf sayfaları olarak anılmaktadır. Bu sayfalar öğrencilere çoğu zaman anonim bir şekilde duygularını, inançlarını ve sorunlarını kendi sosyal çevresi (okuldaki diğer öğrenciler) ile paylaşmada bir araç görevi üstlenebiliyor [19]. Sorun ise bu paylaşımların olası ipuçlarının takip edilmesi sonucu anonimliğin ortadan kalkması, yanlış anlaşılmalar nedeniyle akranlar arasında oluşabilecek gerginlikler ve ırk ya da bedensel özellikler kaynaklı nefret söylemlerinin dolaşıma girmesinden kaynaklanıyor. Çoğu durumda bu “itiraf sayfası” olarak nitelendirilen Instagram profilleri veya Facebook sayfaları, kimliği bilinmeyen bir kişi tarafından yönetiliyor. Siz belki de oraya bir mesaj gönderirken kendi mahremiyetinizi de o tanımadığınız kişinin eline teslim ediyorsunuz.

İlerleyen bölümlerde lise rehber öğretmenleri ile yaptığımız toplantılardan bahsedeceğiz zaten ama burada da hatırlatayım ki öğretmenleriniz bu itiraf sayfalarının yarattığı sorunlardan haberdarlar ve ellerinden geldiğince sizin olumsuz etkilenmemeniz için önlem almaya çalışıyorlar.

Çevrim İçi (Online) Bahis

Gençler arasında çevrim içi bahislerin yaygınlaşması sosyal dinamikler hem yasal hem de yasadışı bahis platformlarının erişilebilirliği ve kumar davranışlarının gençler üzerindeki psikolojik etkisi gibi çeşitli faktörler tarafından şekillenen karmaşık bir konudur. Araştırmalar ergenlerin, oyun ve kumarın ve bu faaliyetlere eşlik eden sosyal ortamın birleşmesiyle giderek daha fazla çevrim içi kumar platformlarına yöneldiğini gösteriyor. Çevrim içi bahisin özellikle 17-24 yaş arasındaki erkekler arasında belirgin şekilde arttığı da görülüyor maalesef. Aynı araştırmaya göre düzenli kumar sigara ve alkolün sık ve zararlı kullanımıyla da ilişkili görünüyor [20]. Reşit olmayan gençleri çevrim içi platformlarda kumar oynamaktan korumak için önlemler yetersiz kalıyor ve yasal düzenlemelere rağmen ergenleri kumarla ilgili tehlikelere karşı savunmasız bırakılıyorlar. Ayrıca kumarın bir türü olan sabit oranlı bahis oyunlarını (çoğunlukla spor müsabakaları üzerine) çevrim içi olarak oynayan gençler geleneksel kuram biçimlerine maruz kalanlara kıyasla daha fazla artan riskle karşı karşıya kalıyorlar [21], [22].

Rehber öğretmenlerle yaptığımız görüşmelerden edindiğimiz bilgilere göre gençler arasında geleceğe yönelik umutsuzluğun çevrim içi kumara sevk eden önemli bir faktör olduğu görülüyor. Gençler giyim-kuşam, arkadaşlarına bir şeyler ısmarlayabilme ve sosyalleşebilme gibi ihtiyaçlarına kolay yoldan daha fazla para bulabilmek için çevrim içi bahis kanallarına başvuruyorlar. Maalesef bu gerek yasal gerekse yasadışı bahis sitelerine yönlendirmeler reklamlardan veya öğrencilerin çevresindekilerden geliyor. Öğrenciler kimi durumlarda ceplerindeki parayı son kuruşuna kadar birleştirip bahis yapıyorlar.

Yasadışı çevrim içi bahisin bir diğer sorunu da vaat ettikleri yüksek oranlar ile cazibe yaratmaları. Ancak burada unutmamanız gereken bir şey var: O bahis sitelerinin arkasında insan zaaflarını çok iyi analiz eden ve kötü niyetli insanlar var. Unutmayın, kimse size bir karşılık beklemeden ödül vermez. Tuttursanız, kazansanız bile o ekranda görünen meblağlar hesabınıza aktarılmaz.

Yapay Zekâ Destekli Dolandırıcılık

İnsanları kandırmak ve kurguladığı gerçekliğe inandırarak dolandıranlar, yapay zekâ araçlarının sağladığı kolaylıkları da envanterlerine eklemeye başladılar. Yapay zekâ araçlarının sunduğu sahte sohbet robotları, ses klonlama ve “deepfake” (sahte) video özellikleri ile aileniz veya arkadaşlarınız oldukça ikna edici bir şekilde taklit edilebiliyor. Kısacası bu araçlar bir bakıma dolandırıcıların ekmeğine yağ sürüyor.

Yakın zamanda deşifre edilen bir yöntem e-posta hesap bilgilerinizin korsanların eline geçmesinin ne kadar kolay olabileceğini gösteriyor. Bu yöntemde e-posta hesabınız için sahte bir kurtarma isteği alıyorsunuz ve bunu takip eden dakikalarda yapay zekâ destekli bir müşteri hizmetleri telefon görüşmesi için aranıyorsunuz. Bu aramada hesabınıza başkaları tarafından erişim sağlandığına ilişkin bilgiler sizinle paylaşılarak ikna edilmeye çalışılıyorsunuz. Kendimizi bu gibi tuzaklara hazırlamak için yeni trendleri ve yapay zekâ araçlarının kabiliyetlerini bilmek, bu bilgilerimizi sürekli güncel tutmak ve şüpheci yaklaşmak gerekiyor [23], [24].

Lise Çağındaki Gençlerin Karşı Karşıya Olduğu Riskler

Amacımız gençleri, genç liderlerin desteği ile yapay zekâ çağına hazırlamak olunca lise öğrencilerinin mevcut gündemlerini, sıkıntılarını anlamak için bir grup rehber öğretmen ile bir araya geldik. Onlardan sizlerin sıkıntılarınızı, karşı karşıya kaldığınız dijital dünyadan kaynaklanan sorunları öğrendik. Bu görüşmelerde kimi durumlarda cinsel içerikli paylaşımlara varan mahremiyet sorunları, dijital bağımlılık ve öz denetim konusundaki yetersizlikler ön plana çıktı. Bunlara ek olarak sadece lise öğrencilerini değil herkesi ilgilendiren bir “kiralık hesap” meselesi var. Sırayla ilerleyelim.

Dijital teknolojiler etkileşim kurma, sosyalleşme ve sosyal sermaye edinme şeklimizi dönüştürüyor. Bu dönüşümün belki de en önemli ancak en fazla göz ardı edilen tarafı ise bu etkileşimlerin bıraktığı izlerin kalıcılığı. Bu izlerin kalıcılığı insan ömrünün bile ötesine geçebilecek potansiyele sahip. Dijital ayak izi olarak ifade edilen bu izler, dijital hizmetler kullanıldığı sırada hem bireyin rızasıyla (yani bile isteye paylaşım yaparak) hem de farkında olmadan (algoritmalar tarafından işlenip kaydedilen) geride bıraktığı tüm verilerin toplamı olarak tanımlanabilir [25].

Bu izleri sürekli olarak üretiyoruz ve geride bırakıyoruz. Bundan kaçınmamız neredeyse imkânsız. Bu sebeple ardımızda bırakacağımız bu izleri titizlikle belirlemeliyiz. İşte göz ardı edilen bu kalıcılık gençlerin mahremiyetlerini tehdit edebiliyor. Arkadaşlar arasında karşılıklı güvene dayanılarak gönderilen müstehcenliğe varabilen fotoğraflar öğrenciler arasında dolaşıma girebiliyor. Daha kötü senaryolarda online yırtıcıların eline geçen fotoğraflar bir şantaj unsuru olarak kullanılarak öğrencileri daha zor durumlara sokabiliyor. Bu fotoğrafların sizlerin başını ağrıtması ve mahremiyetinize zarar vermesi için müstehcen olmalarına da gerek yok. Kimi durumlarda ailelerinizin paylaştığı görseller dahi sizlerin üzerinde şantaj için bir unsur olarak kullanılabiliyor.

Okuduğunuzda biraz fazla evhamlı gelecek ama yine de bu uyarıyı yapmamız gerekiyor: Üretken yapay zekâ araçları ile hem deep-fake olarak tabir edilebilen videolar hem de baştan sonra yapay zekâ aracına ürettirilmiş videolar oluşturulabiliyor. Bu tip sahte veya üretilmiş videoların gerçekliği, bu araçlara sağlanan verilerin kalitesi ile doğru orantılı. İnternette herkesin erişimine açık ve yüksek çözünürlükte erişilebilen ne kadar fazla fotoğraf ve videonuz varsa, sizin içinde olduğunuz bir sahte videonun oluşturulması ihtimali bir o kadar artıyor. Sadece bu sebep bile herkese açık olarak yapacağınız paylaşımları gözden geçirmenizin gerekliliğini hatırlatmalı size!

Dijital bağımlılık ise diğer bir sorun. Ortaöğretimde dijital oyunlara, sosyal medyaya ve hatta üst sınıflarda yetişkin arkadaşlık sitelerine yönelik bağımlılıklarla karşılaşılabiliyor. DigComp’a tekrar dönecek olursak, güvenlik yetkinlik alanındaki sağlığın ve esenliğin korunması (4.3) yetkinliğini tekrar hatırlatmamız gerekiyor. Dijital bağımlılıkla ilgili olarak uzman desteğine ihtiyaç duymadan önce neler yapabileceğinizi bir sonraki bölümde bulabilirsiniz. Bunun yanı sıra Safe-You projesi kapsamında bir animasyon kısa film ürettik dijital bağımlılık ile ilgili. Onu da buradan izleyebilirsiniz.

Kiralık hesap konusu sadece gençleri değil kolay yoldan para kazanmak için çeşitli riskleri göze alan herkesi tehdit eden bir sorun. Bireylerin kendi adlarına, kendi kimlik numaralarıyla açtıkları banka hesaplarını belirli bir ücret karşılığında başkalarının kullanıma sunması ile gerçekleşen banka hesabı kiralama işlemi doğrudan başlı başına bir suç olarak tanımlanmamış olsa da söz konusu hesabın dolandırıcılık, kara para aklama veya yasadışı bahis gibi suçlarda kullanılması durumunda hesap sahibini de suçlu duruma düşürüyor. Günlük olarak 500-1000₺ kazanç vaatleri ile sosyal medya üzerinden gerçekleştirilen yönlendirmeler ile kurbanlarına ulaşan kişiler bu hesapları yasadışı bahis sitelerinde para transferi gerçekleştirmek, dolandırıcılık yaparak elde ettikleri paraları aktarmak ya da kara parayı aklamak amacıyla kullanıyor [26]. Kiraladığı hesabı yüzünden 180 yıla kadar hapis cezası ile yargılanan bir ayakkabı boyacısı var [27].

Evet, görünüşte oldukça kolay bir harçlık çıkarma yöntemi gibi görünüyor, haklısınız. Ancak yapay zekâ destekli dolandırıcılık kısmında da söylediğimiz gibi: Kimse size durduk yere ve hiçbir karşılık beklemeden ödeme yapmaz, ödül vermez!

        Unutmayın, artık genç yetişkinliğe adım atma yolunda ilerliyorsunuz ve bir bakıma hayat yolculuğunuzu yaptığınızın aracın direksiyonuna siz geçeceksiniz. Bu sebeple de özdenetim çok çok önemli! Özdenetim ise farkındalığı ve ön hazırlığı gerektiriyor.
      

Gelişen Yapay Zekâ Araçları ve Dijital Okuryazarlık

Dijital dönüşümün sunduğu olanaklardan yararlanmak için öncelikle bu hizmetlere erişebilmek gerekiyor. Bu gerekliliği büyük oranda sağlamış durumdayız. Neredeyse hepimiz mobil internet altyapısı ile yüksek hızlarda internete erişebilen akıllı telefonlara sahibiz. İkinci gereklilik ise erişim sağlanan bu cihazları kullanabilmek, koruyabilmek, sorunlarını giderebilmek. Yukarıda değindiğimiz gibi DigComp da bu yetkinlikleri ele alıyordu zaten. Özellikle 2022 yılının sonu itibariyle birer ikişer ücretsiz olarak bizlerin kullanımına sunulan sohbet robotları ve üretken yapay zekâ araçları bu yeterliliklerin önemini bir kez daha ortaya koydu. Dijital olarak yetkin olan ve olmayan arasındaki uçurum yapay zekâ araçlarının etkin kullanımıyla hızlıca büyüyebilir. Treni kaçırmamak için dijital yetkinlik setimizi güncellememiz gerekiyor. Burada basitçe bunu yapmaya çalışıyoruz aslında. En azından, tohumlarını ekmeye çalışıyoruz. Bu tohumları yeşertecek ve kök salmasını sağlayacak olan ise sizin merakınız!

Önce biraz büyüyü bozmaya çalışalım. Bu mucizevi görünen yapay zekâ araçlarının nasıl çalıştığını anlamaya çalışalım. Çünkü nasıl çalıştıklarını bilirsek nerelerde hata yapabileceklerini, hangi aşamalarda ne düzeyde güvenebileceğimizi de tespit etmiş olacağız.

Büyük Dil Modelleri (Large Language Models, LLMs)

Her ne kadar bu hizmetleri sıklıkla yapay zekâ araçları olarak isimlendirsek de bu araçların çalışmasını sağlayan ve temelini oluşturan şey büyük dil modelleri. LLM’ler olarak ifade edilen bu büyük dil modelleri, devasa miktarda veri ile önceden derin öğrenme yöntemi ile eğitilmiş modellerinden oluşuyor. Bir kodlayıcı ve öz dikkat yeteneklerine sahip bir kod çözücüden oluşan bir sinir ağı olan bu modeller bir metinden anlamlar çıkarabilir ve içindeki kelimeler ve ifadeler arasındaki ilişkileri anlayabilir [28]. Ancak atlanmaması gereken bir nokta var: LLM'ler kelimelerin anlamını insanların anladığı gibi anlamazlar. Metni tokenize ederler ve geniş eğitim verilerine dayanarak en olası bir sonraki kelimeyi tahmin ederler.

2025 itibariyle en güncel ve gelişmiş büyük dil modellerini (daha önce de söylediğim gibi biz bunları yapay zekâ olarak biliyoruz) ve özelliklerini şöyle sıralayabiliriz [29].

Modelin Adı	Geliştirici	Çok Modlu	Akıl Yürütme	Erişim Şekli
GPT-4o	OpenAI	Evet	Hayır	Sohbet robotu ve API
o3 and o1	OpenAI	Hayır	Evet	Sohbet robotu ve API
Gemini	Google	Evet	Hayır	Sohbet robotu ve API
Gemma	Google	Hayır	Hayır	Açık kaynak kodlu
Llama	Meta	Hayır	Hayır	Sohbet robotu ve açık kaynak kodlu
R1	DeepSeek	Hayır	Evet	Sohbet robotu, API ve açık kaynak kodlu
V3	DeepSeek	Hayır	Hayır	Sohbet robotu, API ve açık kaynak kodlu
Claude	Anthropic	Evet	Evet	Sohbet robotu ve API
Command	Cohere	Hayır	Hayır	API
Nova	Amazon	Evet	Hayır	API
Large 2	Mistral AI	Evet	Hayır	Sohbet robotu ve API
Qwen	Alibaba Cloud	Evet	Hayır	Sohbet robotu, API ve açık kaynak kodlu
Phi	Microsoft	Hayır	Hayır	Açık kaynak kodlu
Grok	xAI	Hayır	Evet	Sohbet robotu ve açık kaynak kodlu

Bir modelin çok modlu olması (multimodal) onun sadece metin ile değil, ses ve görüntü ile de işlem yapabildiğini ifade eder. Akıl yürütme (reasoning) özelliği ise bu modellerin kullanıcıya sundukları cevapları oluştururken nasıl bir yol izlediklerini gösteren bir özelliktir.

Tabloda geçen diğer kavramların da tanımlarına yer verelim ki, bir kafa karışıklığı kalmasın. API (Application Programming Interface), uygulama programlama arayüzü anlamına gelir ve en basit ifadesi ile iki farklı programın birbirleriyle iletişim kurmasını ve birlikte çalışmasını sağlar. Yani API erişimi olan bir modeli kendi geliştirdiğiniz bir programa entegre edebilirsiniz. Açık kaynak kodlu ifadesi ise bir yazılımın herhangi bir amaç için kullanılmasını, incelenmesini, değiştirilmesini ve dağıtılması izin verilen şekilde yayınlanması anlamına gelmektedir.

Şimdi konumuza geri dönelim. Görüldüğü gibi şu anda büyük oranda ücretsiz olarak erişilebilen onlarca farklı büyük dil modeli mevcut. Bunların en azından birkaç tanesini duymuş, hatta kullanmışsınızdır. Peki bu araçlar bize bu kadar gerçekçi ve bir insan tarafından hazırlanmış gibi görünen cevapları bu kadar kısa bir süre içerisinde nasıl üretiyor? Bunu sağlayan aslında bizleriz. Bunca yıldır ürettiğimiz tüm bilgiler, basılan tüm kitaplar, yazılan tüm makaleler ve gazete haberleri bu modelleri bu denli nitelikli cevaplar üretmesine olanak sağladı. Yukarıda da belirtildiği gibi kelimeleri bizim anladığımız şekilde anlamıyorlar, bizim kelimeleri bir araya getirme şeklimizi inceleyerek tahmin yürütüyorlar.

Yüzyıllardır ürettiğimiz ve geçtiğimiz yüzyıl itibariyle dijital olarak saklamaya başladığımız (en başta konuştuğumuz 1’leri ve 0’ları hatırlayın) bu birikimi, 1990’lı yıllardan itibaren internet aracılığıyla herkes için erişilebilir bir hale getirdik. İşte büyük dil modelleri bu sayede var oldular. Bu modeller, internette kamunun erişimine açık olan devasa miktardaki veri ile eğitildi. Peki nasıl eğitildiler? Bir makine öğrenme yöntemi olan derin öğrenme yöntemi ile!

Derin Öğrenme (Deep Learning)

Büyük dil modelleri, yeteneklerini derin öğrenme süreçlerine borçludur. Derin öğrenme, bilgisayarlara verileri insan beyninden ilham alan bir şekilde işlemeyi öğreten bir yöntemdir. İnsan beyninde bilgileri öğrenmek ve işlemek için birlikte çalışan birbirine bağlı milyonlarca nöron varken derin öğrenmede bu modele öykünerek veriyi işlemek için matematiksek hesaplamalar kullanan ve düğümler adı verilen yapay nöronlar bulunur. Derin öğrenmedeki yapay sinir ağları, karmaşık sorunları çözmek için birlikte çalışan birçok yapay nöron katmanından oluşur [30]. Bir makine öğrenme yöntemi olan derin öğrenme, bir veri setinin eğitim amacı ile kullanılarak bir modelin eğitilmesiyle gerçekleştirilir.

Büyük dil modelleri derin öğrenme yöntemiyle eğitiliyorlar. Ancak onların eğitimi ve gelişimi bununla sınırlı kalmıyor. Bu araçları kullanarak yaptığımız her işlem, onlara gönderdiğimiz her mesaj veya verdiğimiz geri bildirimler onun gelişiminde pay sahibi.

Bu araçları kullanırken ya da bu araçlardan bahsedilirken duyabileceğiniz diğer kavramlara da değinelim.

Tokenleştirme (Tokenization)

Bir metnin, işlenmeden önce sayısal bir forma dönüştürülmesi gerekiyor. Tokenleştirme denilen bu işlem kelimelerin, alt kelimelerin, eklerin veya karakterlerin benzersiz sayısal belirteçlerle eşleştirilmesiyle gerçekleştiriliyor [31]. Günümüzde kullandığımız dil modellerinin çoğu 18 yıllık bir süreçte 250 milyar web sayfasını içeren ücretsiz, açık bir web tarama veri deposu olan Common Crawl’u eğitim seti olarak kullanmıştır. Yani derin öğrenme sürecinde önce bir eğitim veri seti tercihi yapılıyor ve daha sonra da bu veri seti filtrelenip temizlendikten sonra tokenize ediliyor.

Tokenize etmek nasıl bir şey anlayabilmeniz için şu linki takip edebilirsiniz: https://tiktokenizer.vercel.app

Sinir Ağları (Neural Networks)

Derin öğrenme dediğimiz şey aslında zaten sinir ağlarının oluşturulmasını sağlıyor. Esasında sinir ağları bir çeşit makine öğrenimi algoritması. Yani şöyle sınıflayabiliriz. Makine öğrenme > derin öğrenme > sinir ağları.

Bir sinir ağı 2 temel bölümden oluşur [31]:

Parametreler (ağırlıklar): eğitimden öğrenilen sayısal değerler.
Mimari (matematiksel ifade): giriş tokenlerinin çıktı üretmek için nasıl işlendiğini tanımlayan yapı.

Kafanızı daha fazla karıştırabilir ancak şuna da değinelim. Sinir ağlarının da farklı versiyonları bulunuyor. Ancak merak etmeyin biz sadece birine değineceğiz. ChatGPT’nin T’sinin geldiği yer de bu sinir ağı yapısının adı: Transformatör (transformers). Transformatör yapıları modelin bağlamda önemli kelimelere odaklanmasını sağlayan öz dikkate ve milyonlarca parametreye sahip oluyorlar ve genel dil kalıplarını öğrenmek için büyük veri setleri ile eğitiliyorlar.

Yapay zekâ araçlarında bu algoritmanın tercih edilmesinin sebebi ise verilerdeki karmaşık kalıpları tanımlayabilme, son derece karmaşık makine öğrenimi sorunlarını (doğal dil işleme ve görüntü tanıma gibi) işleri yapabilme ve manuel yapılması gereken işlemlere olan ihtiyacı azaltmasıdır [32].

Halüsinasyonlar

Yapay zekâ araçları, eğitildikleri verilere dayanarak istatistiksel olarak en olası kelime dizisini tahmin ederek cevaplarını üretirler. Yani aslında bize akıllı cevaplar veren modeller, gerçekleri “bilmedikleri” ve bunun yerine tahmin ettikleri için halüsinasyonlar meydana gelebilir [31]. Halüsinasyonlar, bir LLM’in olgusal olarak yanlış, giriş veya eğitim verileri tarafından desteklenmeyen, ancak doğruymuş gibi kendinden emin ve akıcı bir şekilde sunduğu ve ikna edici görünse bile, tamamen uydurulan cevaplardır. Var olmayan bir makaleye veya dergiye atıfta bulunma, gerçek olmayan tarihi olaylardan bahsetme ve yanlış hesaplamalar halüsinasyonlara örnektir.

Modeller boşlukları dolduracak şekilde eğitilirler: Eğitim verilerinde net bir cevap yoksa, makul bir cevap icat edebilirler.
Eğitim verileri çakışıyor olabilir: Farklı kaynaklar farklı şeyler söylüyorsa, model bunları yanlış yorumlayabilir.
Belirsiz veya muğlak istemleri model tahmin etmeye çalışır.
Zorunlu tutarlılık: Model akıcı ve ikna edici olacak şekilde eğitilmiştir. Bu nedenle verdiği cevaplar doğru olmasa bile akışa ve forma öncelik verir.

Sadece bu gerekçeler bile yapay zekâ araçlarının verdiği cevapları olduğu gibi alıp kabul etmemizin ne kadar yanıltıcı ve yanlış yönlendirici olabileceğini gösteriyor.

Bakın çoğu senaryoda bu araçlara “sohbet robotu” diyoruz. Oluşturulma amaçları bir sohbeti insan gibi sürdürebilmek. Nasıl ki insanlar kendi kişilerarası ilişkilerinde zaman zaman gerek dikkat çekebilmek için gerekse bazı konuları yanlış bildikleri veya hatırladıkları için akıcı bir şekilde doğru olmayan cümleler kurabiliyorsa bu modeller de bunu yapabiliyor.

Şunu kendimize hep hatırlatmalıyız: Büyük dil modelleri, insan geri bildirimi ile pekiştirmeli öğrenim gibi eğitim süreçlerine dayanarak kullanıcı için en kabul edilebilir olduğu tahmin edilen yanıtı oluşturmaya çalışır. Yani aslında girdiğiniz metne (buna promt deniyor) dayanarak size hitap edecek bir sonraki kelimeyi tahmin etmeye çalışırlar. Bu sebeple bu modellerin başka bir şey yaptığını öne süren mitolojiye düşmemeliyiz [33].

      Yüzeysel düzeyde de olsa bu araçların nasıl çalıştığına dair fikir sahibi olduk. Aslında nasıl çalıştığını anlamak bile bu araçları kullanırken nelere dikkat edeceğimizi bize hatırlatıyor. Yine de biz daha açıklayıcı olması adına yapay zekâ araçları ile ilgili olarak DigComp’ta listelenen bazı bilgi, tutum ve becerileri sizlerle paylaşacağız.
    

DigComp’tan Örnekler

Dijital teknolojiler hızla gelişiyor. Bu teknolojiler aracılığıyla sunular hizmetlerin sayısı da kabiliyetleri de artıyor. Vatandaşlar için Dijital Yeterlilik Çerçevesi (DigComp) da bu trendi takip etmek için dönem dönem yenilenerek, yeni örneklerle genişletiliyor. Güncel DigComp sürümünün 2.2 olduğundan bahsetmiştik. Şimdi bu son sürümde yer alan ve yapay zekâ araçlarına yönelik bilgi, tutum ve becerileri sıralayalım:

Arama motorlarının, sosyal medyanın ve içerik platformlarının genellikle bireysel kullanıcıya uyarlanmış yanıtlar oluşturmak için yapay zekâ algoritmaları kullandığının farkında olmak
Yapay zekâ algoritmalarının genellikle kullanıcılar tarafından görünmeyen veya kolayca anlaşılmayan şekillerde çalıştığının farkında olmak
"Deep-fake" teriminin, gerçekleşmemiş olayların veya kişilerin yapay zekâ tarafından oluşturulan görüntülerini, videolarını veya ses kayıtlarını ifade ettiğini ve onları gerçek olandan ayırt etmenin imkânsız olabileceğini bilmek
Yapay zekâ algoritmalarının yalnızca kullanıcının istediği bilgileri sağlayacak şekilde yapılandırılmayabileceğinin ve ticari veya politik bir mesajı da ön plana çıkarabileceklerinin farkında olmak
Yapay zekânın bağlı olduğu verilerin önyargılar içerebileceğinin farkında olmak
Yapay zekâ sistemlerinin çoğunlukla İngilizce metinler ile geliştirildiğinin ve bu durumun İngilizce olmayan dillerde daha tutarsız sonuçlar verebileceğinin farkında olmak
Bazı yapay zekâ algoritmalarının "yankı odaları" veya "filtre baloncukları" oluşturarak dijital ortamlardaki mevcut görüşleri güçlendirebileceğini fark edebilmek
Birçok dijital teknoloji ve uygulamanın kullandığı sensörlerin, bir yapay zekâ sistemini eğitmek için kullanılabilecek kişisel veriler de dahil olmak üzere büyük miktarda veri ürettiğinin farkında olmak
Kişinin bir insanla mı yoksa yapay zekâ tabanlı bir konuşma aracısıyla mı iletişim kurduğunu gösteren işaretleri tespit edebilmek
Yapay zekâ aracının daha sonra önereceği şeyleri etkilemek için (örneğin, daha önce beğendiği benzer filmler hakkında daha fazla öneri almak için) bu araçlarla etkileşime girebilmek ve geri bildirimde bulunabilmek

Herkese açık bir şekilde çevrim içi olarak paylaşılan her şeyin (örneğin görüntüler, videolar, sesler) yapay zekâ sistemlerini eğitmek için kullanılabileceğinin farkında olmak
Yapay zekânın kendi başına ne iyi ne de kötü olduğunu bilmek
Yapay zekâ sistemlerinin, kullanılan kullanıcı profilleri oluşturmak için farklı türdeki kullanıcı verilerini (örneğin kişisel veriler, davranışsal veriler ve bağlamsal veriler) topladığının ve işlediğinin farkında olmak ve bu sistemlerin bu verileri toplamasını ve analiz etmesini önlemek veya denetlemek için uygulamalardaki veya cihazlardaki ayarları nasıl değiştireceğini bilmek
Yapay zekâ sistemlerinin, mevcut dijital içerikleri kullanarak otomatik bir şekilde metinler, haberler, denemeler, tweetler, şarkılar ve resimler oluşturabileceğini ve bu tür içeriklerin insan yaratımlarından ayırt etmenin zor olacağını bilmek
Üçüncü tarafların kişisel verileri işlemesine izin vermeden önce faydaları ve riskleri tartabilmek
Yapay zekâyı eğitmek veya Bitcoin gibi kripto para birimleri üretmek gibi işlemlerin veri ve bilgi işlem gücü gibi kaynakların tüketimi açısından yoğun süreçler olduğunun ve bu nedenle bu işlemlerin enerji tüketiminin yüksek olabileceğinin ve yüksek bir çevresel etkiye sahip olabileceğinin farkında olmak
Yapay zekânın insan zekâsının ve kararlarının bir ürünü olduğunun farkında olmak
Yapay zekânın gelişiminin ve etkisinin hala çok belirsiz olduğunun farkında olmak
Kullanıcıların kişisel verilerine dayanan sesli asistanlar, sohbet robotları gibi yapay zekâ sistemlerinin bu verileri gereğinden fazla toplayabileceğinin ve işleyebileceğinin farkında olmak
Öğrenmeye devam etme, kendini eğitme ve yapay zekâ hakkında bilgi sahibi olma eğilimlerine sahip olmak

      Dijital çağda dijital vatandaşlar olabilmek için DigComp’un bizden beklediklerinin yapay zekâ ile ilişkili olanları böyle. Bu özelliklerin birçoğuna sahipsiniz. Ancak, yine de eksikliklerimizi düzenli olarak gözden geçirmemiz gerekiyor. Çünkü bu araçlar durmaksızın gelişiyor, yeni fırsatlarla birlikte yeni riskler de karşımıza çıkıyor.

Yapay zekâ ve algoritmalar çağında dijital okuryazar olabilmekten bahsediyoruz, en başından beri. Şimdi çatı kavramımız dijital okuryazarlığın içerisine entegre edebileceğimiz iki okuryazarlığa daha değineceğiz: Algoritma okuryazarlığı ve dijital haber okuryazarlığı.

Algoritma Okuryazarlığı

Dijital medyada yaygın olan algoritmalar, içerik küratörlüğünü ve kullanıcı deneyimlerini etkiler. "Algoritma okuryazarlığı", algoritmik olarak verilen kararları anlamak ve eleştirel olarak değerlendirebilmek olarak tanımlanır. Bu beceriyi ayrı bir beceri olarak ele almak yerine dijital okuryazarlığa entegre edebiliriz [34].

Algoritmik olarak okuryazar olmanız için sizden beklenenleri şöyle sıralayabiliriz [35]:

Sosyal ağlardaki ve arama motorlarındaki ön tanımlı algoritmik ayarları değiştirebilme
Algoritmaların çıktılarını değiştirebilme
Farklı algoritmik kararların sonuçlarını karşılaştırabilme
Gizliliği korumayı sağlayan stratejiler uygulayabilme

Yine başka bir Avrupa Birliği projesinde algoritma okuryazarlığı on maddede özetlenmiş [36]:

Algoritmalar da insanlar tarafından yaratılır: Birdenbire ortaya çıkan zor ve gizemli güçler değillerdir.
Tüm algoritmalar aynı değildir: Sıralama, öneri ve tahmin algoritmaları vardır.
Hepimiz algoritmik etki altındayız!
Önerilen her şey doğru değildir: İlk arama sonuçları veya önerilen içerik her zaman en alakalı değildir.
Algoritmalar ve sahte haberler bazen tehlikeli ilişkiler kurar!
Bilgi savaşları (infowar), demokrasileri istikrarsızlaştırabilir: Algoritmaların özelliklerinden yararlanan çevrim içi propaganda giderek daha yaygın hale geliyor.
Algoritmalar kar elde etmede çok başarılıdır: İlk hedefleri dikkatimizi çekmek ve mümkün olduğunca uzun süre çevrim içi kalmamızı sağlamaktır.
Bir filtre baloncuğunun içi rahattır, ancak temiz havadan da yoksundur: Tavsiye algoritmaları, bize zevklerimize ve görüşlerimize uygun içerikler sunarak ufkumuzu daraltma eğilimindedir.
Algoritmalar gazeteciler için de değerlidir: Düzgün kullanıldığında, kamuoyundaki eğilimleri tespit etmek ve “çevrim içi yaşam” hakkında raporlama yapmak için ilginç araçlardır.
Başa çıkmaktansa harekete geçmek mümkündür: Devletler, sivil toplum ve bireysel vatandaşlar algoritmaların bilgileri üzerindeki etkisini azaltabilir ve onları dezenformasyona karşı savaşmak için kullanabilir

Algoritmalar pasif olarak yanlış bilgiyi ve yanıltıcı içerikleri yayabiliyor ve dezenformasyonun geniş bir kitleye ulaşmasında rol oynayabiliyor. Yine bu algoritmaların oluşturulma şekli nedeniyle, yeni önyargılar yaratabileceği, mevcut inançları güçlendirerek eleştirel düşünmeyi zorlaştırabileceği düşünülüyor. Bu da bize, algoritma okuryazarlığının yanına dijital haber okuryazarlığını da eklememiz gerektiğini hatırlatıyor.

Dijital Haber Okuryazarlığı

Artık gündemi belirleyen, sevindiğimiz, üzüldüğümüz, kızdığımız ve bir şekilde etkilendiğimiz haberlere dijital ortamlardan ulaşıyoruz. Bu sebeple de medya okuryazarlığı becerilerimizi dijital okuryazarlık ile birleştirerek ilerlemeliyiz. Çok fazla okuryazarlık ifadesi kullandık, farkındayız. Siz dijital okuryazarlığı ana başlık, algoritma okuryazarlığı, medya okuryazarlığı ve dijital haber okuryazarlığı gibi kavramları ise onun alt başlıkları olarak düşünebilirsiniz.

Gelelim şimdi dijital haber okuryazarlığına. Dijital haber okuryazarlığı, bireylerin özellikle haber bağlamlarında çeşitli biçimlerde bilgileri etkili bir şekilde bulmalarını, değerlendirmelerini, oluşturmalarını ve iletmelerini sağlayan bir dizi beceriyi kapsar. Modern bilgi ortamının karmaşıklıklarında kaybolmadan gezinebilmek için kritik bir beceri seti olarak hizmet eden dijital haber okuryazarlığı, geniş dijital okuryazarlık çerçevesinin bir parçasıdır.

Dijital haber okuryazarlığı bir bakıma internette karşılaştığınız bir haberi değerlendirme kabiliyetinizi ortaya koyuyor. Bu değerlendirmeyi yapmak da her zaman kolay olmuyor. Gerçeği yanlış haberlerden ayırt etmek için belirli becerilere ihtiyaç duyuyoruz. Bu becerileri farklı kaynaklar arasında ve sosyal medyada gezinme, ulaşılan veya karşılaşılan haberleri değerlendirme, haberlerin doğruluğunu kontrol etme, doğruluğundan emin olduktan sonra katılım gösterme ve paylaşma ve genel olarak medya sektörüne ilişkin bilgi sahibi olma şeklinde özetlenebilir.

Hem Çevreyi Hem Kendinizi Sağlıklı Tutmak için Öneriler

Bu bölümde, yukarıda farklı başlıklarda bahsetmiş olduğumuz örnek, öneri ve becerileri derleyip bir özet sunacağız sizlere. Yapay zekâ araçlarının yaygınlaştığı, günlük iletişim kurma, bilgiye ulaşma ve eğlenceli zaman geçirme rutinlerimizin algoritmalar aracılığıyla şekillendiği çağımızda dijital okuryazar olarak kalabilmek için her zaman tetikte olmamız gerekiyor. Tetikle olmak için sağlıklı da olmamız gerekiyor. Gazi Mustafa Kemal Atatürk’ün tavsiyesi ile başlayalım: Sağlam kafa sağlam vücutta bulunur!

Evet dijital teknolojiler hayatımızı kolaylaştırıyor. Kentleşmenin etkisiyle günlük hareketliliğimiz azalıyor. Yeme-içme gibi ihtiyaçlarımız karşılamak için artık markete bile gitmemize gerek kalmıyor. Bir de günlük rutinlerimizin arkadaşlarımız ile iletişim kurmak dahil çoğunun dijital araçlarla gerçekleştirilmesi sağlığımızı gerek fizyolojik gerekse psikolojik olarak ciddi oranda etkiliyor. Bu sebeple önce sağlığımızı koruyacak önerilerle başlayalım. Daha sonra size yapay zekâ ve algoritmalar ile ilgili tavsiyeler ile çevremiz hakkında yapabileceklerimizi aktararak tamamlayalım.

Ekran sürenizi takip edin

Mobil internet hizmetinin yaygınlaşması ile akıllı telefonlar, 40 yılı aşkın süredir gözlerimizi ayıramadığımız televizyon ve bilgisayarlarla rekabete girişti. Artık daha küçük, daha yakın ve daha talepkâr bir ekrana bakıp duruyoruz. Bu ekranın diğer tarafındaki içerikleri hazırlayan, algoritmaları kodlayan kişiler sürekli olarak o ekrana bakalım diye uğraşıyorlar. Ancak sürekli bu ekranlara bakmamız fizyolojik olarak bizi olumsuz etkiliyor.

Görme bozukluklarından kas ve iskelet problemlerine, baş ağrısından fiziksel aktivite azalmasından kaynaklı obezite, kalp-damar hastalıkları ve diyabet riski gibi fizyolojik sonuçlar doğurabiliyor. Psikolojik açıdan ise mavi ışık maruziyetinin de etkisiyle uyku problemleri, dikkat dağınıklığı ve konsantrasyon eksiklikleri, kaygı, depresyon ve duygusal açıdan duyarsızlaşma gibi etkileri var. Kendimizi korumak için neler yapabiliriz peki?

Ekran süresi takibi uygulamalarını kullanın: Kullandığınız cihazın işletim sistemine göre değişse de bu özelliği Ekran Süresi ya da Dijital Denge adıyla seçenekler menüsünde bulabilirsiniz.
20-20-20 kuralı ile göz sağlığınızı korumaya çalışın: Her 20 dakikada bir 20 saniye boyunca en az 20 metre uzaklıkta yer alan bir nesneye bakın.
Sürtünmeler yaratın: Farkında olmadan açıp dakikalarca vakit harcadığınız uygulamalara limit belirleyin, cihazınızdaki yerini değiştirin.

Cihazlarınızdaki mavi ışık filtrelerini aktif hale getirin: Mavi ışık sirkadiyen ritmi, yani biyolojik saatimizi bozarak uykusuzluğa ve kalitesiz uykuya yol açıyor. Bu özelliği kullanarak ekranların mavi renkte yaydıkları ışık bir nebze de olsa filtrelenmiş oluyor.
Duruş ve oturuş pozisyonunuzu takip edin: Akıllı cihazlarınıza çok yakından bakmamaya çalışın. En az bir kol mesafesi uzaklıktan bakın.
Sadece göz sağlığınız için değil genel sağlık durumunuz için de egzersizi hayatınızın bir parçası haline getirin: Merdivenlerden kaçmamak, asansörü terk etmek de bir egzersiz şekli, unutmayın.
Uyku düzeninizi koruyun: Bunu sağlamak için yatmadan en az bir saat önce ekranlar ile göz temasını kesmeye çalışın.

Beyin egzersizleri yapın

Sizlerin henüz hayatta olmadığı bir dönemde, cep telefonları yokken arkadaşlarımıza ev telefonlarını arayarak ulaşırdık ve çoğu kişi sık görüştüğü kişilerin telefon numaralarını ezberlerdi. Bu hafıza egzersizimizi şu an belki sadece kendi cep telefonumuz ve kimlik numaramız için sürdürüyoruz. Geri kalan her şeyi akıllı telefonlar hatırlıyor, hatırlatıyor.

Cihazlarımız akıllandıkça kullanmayı bıraktığımız yaratıcı zekâmızı canlı tutmalıyız. Aksi takdirde yapay zekâ araçları insanlar kadar zeki olamasalar da insanlar en fazla yapay zekâ kadar zeki olabilecekler bu gidişle! Yani yapay zekâ bizim kadar zeki olamayacak, bizler zekâ düzeyimizdeki düşüşle yapay zekâ araçlarına yakın bir düzeye geleceğiz.

Bu karanlık ve distopik tahmini ciddiye almasanız dahi, kendi sağlığınız için beynimizi canlı ve çalışır tutmak için aşağıdaki tavsiyeleri dikkate almalısınız. Nasıl ki ağırlık kaldırarak, koşarak yüzerek vücudumuzdaki kasları formda tutuyorsak beynimizi de formda tutmamız gerekiyor.

Satranç ve dama gibi oyunları öğrenin. Bunlar zor geliyorsa sudoku oynamayı öğrenin ve günde en az bir iki sudoku bulmacası çözün.
Kelime oyunları oynayın.
Cihazlarınıza Peak veya Elevate gibi mobil beyin egzersizi uygulamalarını kurun
Müzik aleti çalmak, yabancı bir dil öğrenmek ve hatta kodlama öğrenmek gibi aktivitelerle yeni bir yetenek kazanmaya çalışın.

Dil öğrenmek için Duolingo, Buusu, Babbel gibi uygulamaları, kodlama öğrenmeye başlamak için Mimo uygulamasını kullanmaya başlayabilirsiniz.

Düzenli yürüyüş, koşu veya spor yapın.
Basketbol, dans, yüzme gibi koordinasyon ve denge gerektiren sporlar bilişsel gelişimi destekler.
Diş fırçaladığınız, yazı yazdığınız eli değiştirmeye çalışın.
Rutinlerinizin dışına çıkarak beyninizi uyarın: Mesela okula farklı bir rotadan yürüyün.

Yapay zekâ modellerinin nasıl eğitildiğini hatırlayın. Yapay sinir ağları oluşturuluyordu. Biz de yeni yetenekler edinerek beynimizde yeni bağlantılar yeni sinir ağları oluşturuyoruz.

Paylaşım yaparken tekrar tekrar düşünün

Dijital dünyada gezinirken, iletişim kurarken, beğenirken veya paylaşım yaparken bir iz bırakıyoruz. Bu izlerin büyük bir kısmını oluşturduğumuzun farkında bile değiliz. Ancak bilerek ve isteyerek paylaştıklarımız da hiç az değil. Dijital ayak izleri olarak adlandırılan bu izler kumdaki ayak izlerine de benzemiyor. Oldukça kalıcılar. Arkanızda hiç iz bırakmamak tabii ki mümkün değil. Ancak bırakacağımız izlerin farkında olmak ve özellikle hayatınızın bu erken döneminde izlerinizi azaltmak oldukça önemli.

Kendinizle, ailenizle veya arkadaşlarınızla ilgili bir bilgiyi paylaşırken mutlaka tekrar tekrar düşünün. Kendinize şu soruları sorun:
- Bu paylaşımı gelecekteki ben beğenecek mi?
- Bu paylaşım benim veya yakınlarımın gelecekteki itibarını olumsuz etkileyebilir mi?
- Bu paylaşımın beklenmedik kişiler tarafından görülmesi beni veya yakınlarımı ne derece rahatsız eder?
Karşınıza çıkan haberler ve paylaşımlar sizde “herkes benim gibi düşünüyor” yanılgısını yaratabilir. Filtre baloncuklarının ve yankı odalarının farkında olun. Algoritma okuryazarlığında konuştuğumuz gibi filtre baloncuklarında olmak iyi hissettirse de temiz havadan ve alternatif görüşlerden yoksundurlar.
Yine takip ettiğiniz kişiler tarafından paylaşılan her şey doğru olmayabilir. Bu sebeple bir akışın parçası olmadan önce kendi kararınızı vermek için kendi araştırmanızı yapın: Doğrulama sitelerini kontrol edin.

Uluslararası Doğruluk Kontrol Ağı (IFCN – International Fact-Checking Network) üyesi olan Doğruluk Payı, Teyit.org gibi siteleri ve Cumhurbaşkanlığı İletişim Başkanlığı tarafından oluşturulan Dezenformasyonla Mücadele Merkezi doğruluk kontrolünde size yol gösterici olacaktır. Bunun dışında X’te paylaşılan gönderilerin altına Grok’u etiketleyerek de X’in yapay zekâ modeline bir çeşit doğruluk kontrolü yaptırabilirsiniz. Bu yöntem özellikle eski ve farklı bir bölgede ve zamanda gerçekleşen olayların yeniymiş gibi paylaşıldığı durumlarda işe yarıyor.

Yapay zekâ araçlarını kullanmaktan kaçınmayın

DigComp’a dönelim: Bir yapay zekâ sisteminin sonuçlarının toplum için olumlu mu yoksa olumsuz mu olduğunu belirleyen şey, bu sistemin kim tarafından ve hangi amaçlarla nasıl tasarlandığı ve kullanıldığıdır. Yani bu araç tek başına kötü ve iyi değil. Bunu kullanarak yaptıklarımız önemli. Bu sebeple bu araçları kullanmaktan sakınmamalıyız. Çünkü bu araçlar şu an çok yeni ve hızla gelişiyorlar. Bu araçları ne kadar çok tecrübe ederseniz o kadar verimli kullanmaya başlarsınız.

Üstelik artık zaman da hiç olmadığı kadar değerli. Artık bilgisayarlar yardımıyla gerçekleştirilecek bir görevi sadece tamamlayacak beceriye sahip olmak değil, en kısa sürede ve en az enerjiyi sağlayarak da tamamlamak gerekiyor. Burada da yapay zekâ araçlarını kullanma beceriniz belirleyici oluyor. Peki etik sorunlar yaratmadan yapay zekâ araçlarını ne şekilde kullanabiliriz, kısa ve muhtemelen eksik bir liste sunuyorum size:

Hepinizin önünde büyük bir sınav var şu an: YKS. Bu sınava hazırlanırken karşı karşıya kaldığınız zor soruları yapay zekâ araçlarının yardımı ile öğrenebilirsiniz. Soruyu yazın ve “bu soruyu nasıl çözeceğimi bana adım adım anlat” diyerek soruyu örneğin ChatGPT ile birlikte çözün.
Yabancı bir dil öğrenirken çeviri, telaffuz düzeltme, yazılı ve sözlü pratik yapabilirsiniz.
Erişilebilirlik desteği sağlamak için yapay zekâ araçlarını kullanabilirsiniz.
Ödeviniz için topladığınız verileri görselleştirmek için bu araçlardan destek alabilirsiniz.
İçerik özetleme ve rapor üretimi için de bu araçlardan yararlanabilirsiniz ancak bu elde ettiğiniz özet ve raporların mutlaka gözden geçirilmesi gerektiğini unutmamalısınız. Bu özellikleri çalıştığınız bir sınav için hızlı bir tekrar yapmak amacıyla kullanın mesela.
Haber veya sosyal medya içeriğini kontrol etmek ve yanlış bilginin yayılmasını engellemek için bu araçlara başvurabilirsiniz. Yukarıda doğruluk kontrolü için Grok’u örnek vermiştik hatırlarsanız.
Metinden sese, görsele ve videoya özelliklerini kullanarak eğlenceli ve bilgilendirici içerikler üretebilirsiniz. Ancak, özellikle bu özelliklerin yoğun kullanımı doğrudan bize bir mali külfet yüklemese de çevreye bir zararı söz konusu. O sebeple gereksiz yere de kullanmayın.
Yabancı bir dil öğrenirken bu araçlardan yararlanabiliriz demiştik. Aynı şekilde bir kodlama dili öğrenirken de bu araçlar oldukça faydalı olabiliyorlar. Bu araçlar kod örnekleri sunma, rutin kodları sizin yerinize oluşturma, yazdığınız kodlardaki hataları bulma ve açıklama konusunda ve öğretici içeriklerle programlama eğitiminde size tahmin edemeyeceğiniz kadar fazla yardımcı olabilirler. Yeter ki siz merak edin ve deneyin!

Yapay zekâ araçlarını kullanırken dikkatli olun

Evet, bu araçları kullanmalıyız. Ancak kullanırken göz önünde bulundurmamız gereken şeyler var. Aslında Büyük Dil Modelleri başlığında buna detaylı bir şekilde değinmiştik. Bu araçlar için eğitildikleri veri setleri çok belirleyici olabiliyor. Eğitim sürecinde kullanılan veri setlerinde bulunmayan ya da eksik veya yanlış bir şekilde temsil edilen kişiler, olaylar ve durumlar hakkında yetersiz, yanıltıcı ve yanlış sonuçlar oluşturabilirler.

İlk değinmemiz gereken şey bu araçlara gönderdiğimiz mesajlar, ya da komutlar ile ilgili. Hatta bu komutların niteliğini arttırmak için bir mühendislik türü bile var: Komut mühendisliği. Bu yeni mühendislik türü, dil modellerini verimli bir şekilde kullanmak için yapay zekâ araçlarına girilen komutları geliştirmek ve optimize etmek için oluşturulan bir disiplini ifade ediyor. Bu konuda kendinizi geliştirmeniz hem daha tutarlı ve doğru sonuçlar almanızı hem de daha az komutla sonuca ulaştığınız için çevreye verdiğiniz potansiyel zararı azaltmanızı sağlayacak. Daha nitelikli komutlar oluşturmak için şu tavsiyeleri göz önünde bulundurabilirsiniz [37], [38]:

Basit başlayın: Basit istemlerle başlayabilir ve daha iyi sonuçlar için daha fazla öğe ve bağlam ekleyerek ilerleyebilirsiniz. Özgüllük, basitlik ve özlülük size genellikle daha iyi sonuçlar verecektir.
Özgül (bir türle ilgili, bir türe ilişkin) olmaya çalışın: Yapay zekâ aracının gerçekleştirmesini istediğiniz talimat ve görev hakkında spesifik olun. Girdiğiniz komut ne kadar açıklayıcı ve ayrıntılı olursa, sonuçlar o kadar iyi olur.
Belirsizlikten kaçının: Spesifik ve doğrudan olmak genellikle daha iyi sonuçlar verir.
En güncel modeli kullanın: Büyük dil modelleri bölümünde güncel modelleri listelemiştik hatırlarsanız. Bu modeller ara ara güncelleniyor. O sebeple en güncel ve en yeni sürümümü kullanmanız elde edeceğiniz sonucu doğrudan etkileyecektir.
Talimatları modele göndereceğiniz mesajın başına koyun ve talimatı ve bağlamı ayırmak için ### veya """ işaretlerini kullanın.
Arzu ettiğiniz bağlam, sonuç, uzunluk, format, stil vb. hakkında mümkün olduğunca spesifik, açıklayıcı ve ayrıntılı olmaya çalışın.
İstenilen çıktı biçimini örneklerle modele anlatmaya çalışın.
Kesin olmayan ve muğlak açıklamaları azaltın.
“Bunu yapma” demek yerine “bunu ya da bunları yap” şeklinde komutlar vermeye çalışın.
Yapay zekâ araçları ile kibar bir dil ile etkileşim kurun: Bu modelleri şu an öğrenme ve gelişme sürecinde olan çocuklara benzetebilirsiniz. Bizim üslubumuzdan da öğrenebileceklerini hesaba katın ve taleplerinizi olabildiğince nazik bir dille ifade edin.

Komut mühendisliği ulaşmak istediğimiz sonuca daha hızlı ve daha az işlem gücü ile ulaşmamızı sağlıyor. Şaşırtıcı gelebilir ancak bu çevre için de faydalı bir şey. Google’da yaptığımız her aramada olduğu gibi yapay zekâ araçlarına gönderilen her bir mesaj da bir çeşit karbon ayak izi oluşturuyor. Çevreye duyarlı ve yeşil dijital becerilere sahip gençler olarak aklınızın bir kenarında da bu sorumluluğu taşımanız gerekiyor. Bunun için dikkat edebileceklerimiz şöyle:

Yapay zekâ araçları ile yazım yanlışı yapmadan etkileşim kurmaya çalışın: Tokenleştirme başlığında konuştuğumuz gibi, gönderdiğiniz mesaja fazladan eklediğiniz bir boşluk bile onun farklı bir şekilde tokenize edilmesine ve haliyle farklı bir sonuç üretmesine neden olabiliyor.
Yapay zekâ araçları ile gerektiği kadar etkileşim kurun ve gereksiz yazışmalardan kaçının.
Bu modellerin kullanıcıların kişisel verilerini gereğinden fazla toplayabileceğinin ve işleyebileceğini unutmayın.
Yapay zekâ modellerini eğitmenin veya bu modelden bir yanıt istemenin veri ve bilgi işlem gücü gibi kaynakların tüketimi açısından yoğun süreçler olduğu için enerji tüketiminin yüksek olabileceği ve yüksek bir çevresel etkiye sahip olabileceğini her zaman hatırlayın.

Merak etmeye ve araştırmaya devam edin

Yapay zekâ modelleri bir bakıma birer kapalı kutu. İçerisinde tam olarak ne olduğunu, neler döndüğünü bilmiyoruz! Bu en yetenekli bilgisayar programcısı için bile bir dereceye kadar geçerli. Bizler için işin gizemli ve büyülü kısmı ise çok daha fazla. Bu gizemi dağıtacak ve bu araçlardan en verimli şekilde yararlanmamızı sağlayacak şey ise dijital okuryazarlar olabilmek ve dijital yetkinliklerimizi sürekli olarak güncellemek!

Biz burada bitiriyoruz, ama bu biten bir süreç değil. Merak etmeye, araştırmaya, incelemeye devam edin, inanmadan önce mutlaka şüphe edin ve doğrulamaya çalışın.

Öz Değerlendirme Testi

Toolkitin sonuna geldiniz. Peki ne kadarını hatırlıyorsunuz? Aşağıdaki testi tamamlayarak bunu öğrenebilirsiniz.

Genç Liderler için Dijital Sağlık Rehberlik Akademisi

Yapay Zekâ ve Algoritmalar Çağında Dijital Yeterlilikler

Dijital Ortamlar ve Sosyal Sermaye

Yapay Zekâ ve Algoritmalar Çağında Dijital Okuryazar Olmak

Avrupa Dijital Yeterlilikler Çerçevesi (DigComp 2.2)

İkiz Dönüşüm ve İkiz Beceriler

Güncel Kavramlar ve Riskler

Sadfishing (Üzüntü Avcılığı)

Brain Rot (Beyin Çürümesi)

Küresel IQ Düşüşü

İtiraf Sayfaları

Çevrim İçi (Online) Bahis

Yapay Zekâ Destekli Dolandırıcılık

Lise Çağındaki Gençlerin Karşı Karşıya Olduğu Riskler

Unutmayın, artık genç yetişkinliğe adım atma yolunda ilerliyorsunuz ve bir bakıma hayat yolculuğunuzu yaptığınızın aracın direksiyonuna siz geçeceksiniz. Bu sebeple de özdenetim çok çok önemli! Özdenetim ise farkındalığı ve ön hazırlığı gerektiriyor.

Gelişen Yapay Zekâ Araçları ve Dijital Okuryazarlık

Büyük Dil Modelleri (Large Language Models, LLMs)

Derin Öğrenme (Deep Learning)

Tokenleştirme (Tokenization)

Sinir Ağları (Neural Networks)

Halüsinasyonlar

DigComp’tan Örnekler

Algoritma Okuryazarlığı

Dijital Haber Okuryazarlığı

Hem Çevreyi Hem Kendinizi Sağlıklı Tutmak için Öneriler

Ekran sürenizi takip edin

Beyin egzersizleri yapın

Paylaşım yaparken tekrar tekrar düşünün

Yapay zekâ araçlarını kullanmaktan kaçınmayın

Yapay zekâ araçlarını kullanırken dikkatli olun

Merak etmeye ve araştırmaya devam edin

Öz Değerlendirme Testi

Genç Liderler için Dijital Sağlık Rehberlik Akademisi

Yapay Zekâ ve Algoritmalar Çağında Dijital Yeterlilikler

Yapay Zekâ ve Algoritmalar Çağında Dijital Yeterlilikler (Toolkit)

Dijital Ortamlar ve Sosyal Sermaye

Yapay Zekâ ve Algoritmalar Çağında Dijital Okuryazar Olmak

Avrupa Dijital Yeterlilikler Çerçevesi (DigComp 2.2)

İkiz Dönüşüm ve İkiz Beceriler

Güncel Kavramlar ve Riskler

Sadfishing (Üzüntü Avcılığı)

Brain Rot (Beyin Çürümesi)

Küresel IQ Düşüşü

İtiraf Sayfaları

Çevrim İçi (Online) Bahis

Yapay Zekâ Destekli Dolandırıcılık

Lise Çağındaki Gençlerin Karşı Karşıya Olduğu Riskler

Unutmayın, artık genç yetişkinliğe adım atma yolunda ilerliyorsunuz ve bir bakıma hayat yolculuğunuzu yaptığınızın aracın direksiyonuna siz geçeceksiniz. Bu sebeple de özdenetim çok çok önemli! Özdenetim ise farkındalığı ve ön hazırlığı gerektiriyor.

Gelişen Yapay Zekâ Araçları ve Dijital Okuryazarlık

Büyük Dil Modelleri (Large Language Models, LLMs)

Derin Öğrenme (Deep Learning)

Tokenleştirme (Tokenization)

Sinir Ağları (Neural Networks)

Halüsinasyonlar

DigComp’tan Örnekler

Algoritma Okuryazarlığı

Dijital Haber Okuryazarlığı

Hem Çevreyi Hem Kendinizi Sağlıklı Tutmak için Öneriler

Ekran sürenizi takip edin

Beyin egzersizleri yapın

Paylaşım yaparken tekrar tekrar düşünün

Yapay zekâ araçlarını kullanmaktan kaçınmayın

Yapay zekâ araçlarını kullanırken dikkatli olun

Merak etmeye ve araştırmaya devam edin

Öz Değerlendirme Testi