Modellerden ahlaki aktörlere: Yapay özerkliğin yeni paradigması olarak ajanik yapay zekâ

1

BEĞENDİM

ABONE OL

News

0

Yapay zekâ alanyazını uzun süre modellerin doğruluğu, performansı ve ölçeklenebilirliği üzerine odaklanmıştır. Ancak 2026’lı yıllara gelindiğinde tartışma, yapay sistemlerin ne kadar doğru olduğundan çok, ne yapmaya yetkili olduğu sorusuna evrilmiştir. Yapay zekâ araştırmalarında yaşanan bu belirgin kırılma, sistemlerin çıktı üreten modellerden daha çok, amaç güden ve eyleme geçen aktörler olarak ele alınmaya başlanmasını sağlamıştır. Bu dönüşüm, giderek yaygınlaşan Agentic AI kavramı etrafında şekillenmektedir. Türkçe akademik kullanım açısından bu çalışma, söz konusu kavramı Ajanik Yapay Zekâ olarak karşılamayı önermektedir.

Bu seçim, agentic kavramının dayandığı ajans (agency) ve ajaniklik (agenticity) köklerini korumakta; aynı zamanda kavramın felsefi ve etik boyutlarını, daraltıcı bir teknik çerçeveye indirgemeden Türkçeye taşımaktadır. Ajanik ifadesi, yapay zekâ sistemlerinin bilinç veya öz-farkındalık iddiasında bulunmaksızın, belirli hedefler doğrultusunda plan yapabilme, eyleme geçebilme ve bu eylemleri geri bildirim mekanizmaları aracılığıyla düzenleyebilme kapasitesine vurgu yapmaktadır.

Bu bağlamda Ajanik Yapay Zekâ (Agentic AI) şu şekilde tanımlanabilir: Belirli hedefler doğrultusunda plan yapabilen, eyleme geçebilen, geri bildirim yoluyla davranışlarını düzenleyebilen ve bu süreçleri insan tarafından tanımlanmış etik ve yönetişim çerçeveleri içinde yürüten yapay zekâ sistemleri. Bu tanım, Ajanik Yapay Zekâ’yı hem klasik yapay zekâ modellerinden hem de insan benzeri Genel Zekâ hedeflerinden (AGI) açık biçimde ayırmaktadır. Ajanik Yapay Zekâ, bilinçli bir özne olma iddiası taşımaz; ancak eylem, sorumluluk ve hesap verebilirlik kavramlarını yapay sistem tasarımının merkezine yerleştirir. Bu yönüyle kavram; güncel etik ve yönetişim tartışmalarıyla uyumlu, terminolojik açıdan da güvenli ve tutarlıdır.

AJANİK YAPAY ZEKÂNIN KURAMSAL ÇERÇEVESİ

Yapay sistemlerin doğasına ilişkin paradigmatik bir değişim olarak ele alan Ajanik Yapay Zekâ, Üretken Yapay Zekâdan (Generative AI) sonra gelen bir üst sürüm değildir. Daha doğrusu, bu geçiş bir yazılım güncellemesi olarak düşünülmemelidir. Bu geçiş, yapay zekânın rolünün yeniden tanımlanmasıdır.

Üretken Yapay Zekâ, insan komutlarına yanıt veren, içerik üreten ve büyük ölçüde etkileşimli görünen sistemleri tasarlamıştır. Ancak; bu sistemlerin temel özelliği, reaktif olmalarıdır. Bir başka değişle; bir uyarı, komut ya da girdi olmadan kendi başlarına harekete geçmezler. Ajanik Yapay Zekâ ise bu sınırı aşar. Mesele “ne üretebiliyor?” sorusu değildir; asıl soru şudur: Bu sistem, belirli bir hedef doğrultusunda kendi başına ne yapabilir?

Bu nedenle Ajanik Yapay Zekâ, yapay zekânın otonom hedef takibi, planlama, eyleme geçme ve geri bildirimle kendini düzenleme yetenekleri kazandığı yeni bir evrimsel aşamayı temsil eder. Bu dönüşüm, yapay zekâyı yalnızca bir araç olmaktan çıkararak, dijital bir aktör konumuna taşır. Ancak, burada kritik bir ayrım yapılmalıdır: Bu aktörlük, bilinç ya da öz-farkındalık anlamına gelmez; tasarlanmış ajans anlamına gelir ve stratejik bir önemi vardır. Bu geçiş, yapay zekânın sadece insan kararlarını destekleyen bir teknoloji olmanın ötesinde; karar süreçlerine doğrudan etki eden bir sistem hâline geldiğini göstermektedir. Böyle bir dönüşüm, doğal olarak mühendislik sorularının yanı sıra; yönetişim, güvenlik, iletişim, öğrenme, hukuk, etik, sorumluluk v.b. sorularını da zorunlu olarak gündeme getirir.

Aşağıdaki görsel (Şekil 1); yapay zekâ sistemlerinin basit veri işlemeden tam otonom hareket eden ajan teknolojilerine dönüşümünün daha iyi anlaşılması için, kapsamlı bir çerçeve sunmaktadır. Süreç, temel derin öğrenme yöntemlerinden başlayarak üretken yapay zekâ aşamasına ve nihayetinde bağımsız karar verebilen otonom ajanlara doğru ilerlemektedir. Diyagram içerisinde bu sistemlerin gereksinim duyduğu dil modelleri ve sinir ağları gibi temel bileşenlerin yanı sıra operasyonel yönetim mekanizmaları detaylandırılmıştır. Bu teknolojilerin güvenli bir şekilde sürdürülebilmesi için gerekli olan denetim, etik kurallar ve güvenlik protokollerine de vurgu yapılmaktadır. Akıllı sistemlerin karmaşık hedefleri gerçekleştirmek için nasıl yapılandırıldığı, bütünsel bir şema ile özetlenmeye çalışılmıştır.

Şekil 1. Ajanik Yapay Zekânın Kuramsal Çerçevesi

(Bu görsel bir birleşik zekâ ürünüdür. Prof. Dr. Gülsün KURUBACK ÇAKIR ve ChatCPT5.2 birlikte, ilgili alanyazını tarayarak yeniden üretilmiştir.

Şekil doğrusal değil, iç içe çizilmiştir. İç içe halkalar metaforu, Ajanik Yapay Zekâ’nın yapısını anlamak açısından son derece önemlidir. Bu yapı, yapay zekâ teknolojilerinin ardışık ama kopuk olmayan bir evrim geçirdiğini anlatır. Burada her yeni katman, önceki katmanların üzerine inşa edilir ve onlara bağımlıdır. Bu noktada altını özellikle çizmek gerekir: Üst katmanlar, alt katmanlar olmadan var olamaz. Bu bütüncül yapı, Ajanik Yapay Zekâ’nın teknik bileşenlerin bir araya gelmesiyle oluşan bir sistem olmadığını göstermektedir. Aksine, yapay zekânın işlevsel rolünün yeniden tanımlandığı bir mimari yaklaşımı temsil ettiğini vurgular. İç içe halkalar biçimindeki bu tasarım, katmanlar arası etkileşim ve karşılıklı bağımlılık üzerinden şekillenen bir olgunlaşma süreci olarak ele alır. Bu nedenle Ajanik Yapay Zekâ, farklı düzeylerdeki bilişsel, üretken ve eylemsel kapasitelerin bütünleştiği çok katmanlı bir ajans ekosistemi olarak değerlendirilmelidir.  Tekil bir teknoloji ya da belirli bir model sınıfı olarak ele alınmamalıdır.

Kısacası, Ajanik Yapay Zekâ yapay özerklik anlayışında paradigmatik bir dönüşümüdür. Ajanik Yapay Zekâ’nın odak noktası ise hangi eylemleri, hangi sorumluluklar ve hangi yönetişim ilkeleri altında gerçekleştirdiğidir. Bu nedenle de yapay sistemlerin ne kadar zeki olduğu ile ilgilenmez. Bu çerçevede de Ajanik Yapay Zekâ, insan merkezli yapay zekâ yaklaşımlarının kurumsallaşmış ve uygulanabilir bir uzantısı olarak değerlendirilmelidir.

BİRİNCİ KATMAN: YAPAY ZEKÂ VE MAKİNE ÖĞRENİMİ  

(ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING)

Ajanik Yapay Zekâ mimarisinin en alt ve en temel katmanı, Yapay Zekâ ve Makine Öğrenimi katmanıdır. Bu katman, yapay zekânın en temel düşünme reflekslerini barındırır ve sistemin öğrenme kapasitesinin başlangıç noktasını oluşturur. İnsan bilişinde reflekslerin oynadığı rol neyse, Ajanik Yapay Zekâ açısından bu katman da aynı işlevi görür: hızlı, otomatik ve veri temelli algılama.

Bu düzeyde yapay sistemler, çevreden gelen verileri analiz ederek örüntü tanıma, sınıflandırma ve tahmin üretme yeteneği kazanır. Amaç, dünyayı bilinçli bir özne gibi anlamak değildir; onu istatistiksel olarak temsil edilebilir hâle getirmektir. Bu nedenle bu katman, bilişsel açıdan düşük seviyeli ancak tüm üst yapıların varlığı için vazgeçilmez olan görevleri yerine getirir.

Bu katmanda yer alan başlıca yetenekler arasında Doğal Dil İşleme (NLP), mantıksal çıkarım, problem çözme, denetimli ve denetimsiz öğrenme ile temel karar mekanizmaları bulunmaktadır. Kullanılan başlıca mimariler ve yöntemler; transformer tabanlı yapılar, evrişimsel sinir ağları (CNN), tekrarlayan sinir ağları (RNN), uzun-kısa süreli bellek ağları (LSTM) ve klasik makine öğrenimi algoritmalarıdır. Bu yapılar aracılığıyla sistemler, veriyi vektör uzaylarında temsil eder, istatistiksel modeller kurar ve olasılıksal çıkarım yoluyla anlam üretir.

Bu düzeydeki yapay zekâ sistemleri reaktif niteliktedir (sadece kendilerine sunulan veriye tepki verirler; kendi başlarına amaç belirlemez, görev üretmez veya uzun vadeli planlama yapmazlar). Eyleme geçmezler, süreç yönetmezler ve bağlamsal sorumluluk taşımazlar. Bununla birlikte şu sorulara etkili yanıtlar üretebilirler:

• Bu veri ne söylüyor?
• Bu daha önce gördüklerime benziyor mu?
• Bu örnek hangi sınıfa ait olabilir?

Bu özellikleriyle Yapay Zekâ ve Makine Öğrenmesi katmanı, yapay sistemlerin algısal altyapısını oluşturur. Ajanik Yapay Zekâ açısından bakıldığında, bu katman sistemin dünyayı görmesini ve duymasını sağlayan bilişsel hammaddedir. Üst katmanlarda ortaya çıkan planlama, eylem ve özerklik kapasiteleri, bu temel algısal yetenekler olmadan işlevsel hâle gelemez. Dolayısıyla Yapay Zekâ ve Makine Öğrenimi katmanı, tek başına otonom veya ajan niteliği taşımamakla birlikte, Ajanik Yapay Zekâ mimarisinin sinir sistemi olarak değerlendirilebilir.

Bu katman olmaksızın ne derin öğrenme, ne üretken yapay zekâ, ne de ajan tabanlı sistemler anlamlı bir şekilde çalışabilir. Başka bir deyişle, Ajanik Yapay Zekâ’nın bütün eylemsel ve yönetsel kapasitesi, bu en alt katmanda üretilen algısal ve istatistiksel temsiller üzerine inşa edilmektedir.

İKİNCİ KATMAN: DERİN ÖĞRENME (DEEP LEARNING)

Ajanik Yapay Zekâ mimarisinin ikinci katmanı olan Derin Öğrenme, yapay zekânın dünyayı istatistiksel olarak ve temsiller üzerinden anlamlandırabildiği aşamayı ifade eder. Bu katman, basit öğrenmeden, derin temsil öğrenimine geçişin gerçekleştiği kritik bir kırılma noktasıdır.

Derin öğrenmenin temel işlevi, ham veriyi doğrudan karar mekanizmalarına sunmak yerine, bu veriyi çok katmanlı, soyut ve anlamlı temsillere dönüştürmektir. Görüntü, ses ve doğal dil gibi karmaşık, çok boyutlu ve yapılandırılmamış veri türleri bu aşamada ilk kez sistematik biçimde işlenebilir hâle gelir. Bu yönüyle derin öğrenme, yapay zekânın insan dünyasına daha yakın veri biçimleriyle etkileşime girebilmesini sağlar.

Bu katmanda kullanılan başlıca yapılar arasında derin sinir ağları, attention mekanizmaları ve transfer learning yaklaşımları yer almaktadır. Evrişimsel sinir ağları (CNN), uzun-kısa süreli bellek ağları (LSTM) ve transformer tabanlı mimariler, derin öğrenmenin en yaygın kullanılan yapı taşlarıdır. Bu mimariler sayesinde sistemler, verinin yüzeysel özelliklerinden ziyade, altında yatan anlam katmanlarını öğrenebilir.

Derin öğrenme katmanının temel görevleri arasında temsil öğrenme ve özellik çıkarma bulunmaktadır. Sistemler bu aşamada yalnızca “veri” ile değil, verinin temsil ettiği örüntülerle çalışır. Bu sayede şu tür sorulara yanıt üretilebilir hâle gelir:

• Bu görüntüde ne var?
• Bu ses ne söylüyor?
• Bu metnin genel anlamı nedir?

Burada kritik bir sınırlılık bulunmaktadır. Derin öğrenme sistemleri, her ne kadar karmaşık verileri anlayabilse ve bağlam farkındalığı geliştirmeye başlasa da, hâlâ pasiftir. Bir başka değişle; bu sistemler:

• Niyet okuyamaz.
• Kendi başına hedef koyamaz.
• Ahlaki ya da normatif değerlendirmelerde bulunamaz.
• Eyleme geçmez ve süreç yönetmez.

Kısacası derin öğrenme anlar; ancak, harekete geçmez. Bu katman, Ajanik Yapay Zekâ’nın anlama derinliğini mümkün kılar; fakat tek başına ajans üretmez. Bu nedenle derin öğrenme, Ajanik Yapay Zekâ için gerekli ancak yeterli olmayan bir aşamadır.

Derin öğrenmenin bir diğer ayırt edici özelliği, veriyle güçlenen bir yapı sunmasıdır. Büyük veri kümeleriyle beslendikçe performansı artar. Bununla birlikte, bu güçlenme genellikle kara kutu niteliğinde gerçekleşir. Sistemin hangi iç temsiller üzerinden hangi karara ulaştığı çoğu zaman tam olarak açıklanamaz. Bu durum, derin öğrenmenin açıklanabilirliğini sınırlayan temel bir özelliktir ve üst katmanlarda ortaya çıkacak etik ve yönetişim tartışmaları açısından önemlidir.

Ajanik Yapay Zekâ perspektifinden bakıldığında, derin öğrenme katmanı sistemin bilişsel kas gücünü temsil eder. Üretken Yapay Zekâ’nın yaratıcı kapasitesi ve Ajanik Yapay Zekâ’nın eylemsel yetenekleri, büyük ölçüde bu katmanda öğrenilen temsillerin üzerine inşa edilir. Bu nedenle derin öğrenme, Ajanik Yapay Zekâ mimarisinde bir ara aşama ve üst katmanların işlevselliğini doğrudan belirleyen kritik bir bilişsel altyapı olarak değerlendirilmelidir.

ÜÇÜNCÜ KATMAN: ÜRETKEN YAPAY ZEKÂ (GENERATİVE AI)

Ajanik Yapay Zekâ mimarisinin üçüncü katmanı olan Üretken Yapay Zekâ, yapay sistemlerin ilk kez hem anlayan he de üreten bir niteliğe kavuştuğu aşamayı temsil eder. Bu katman, yapay zekânın bilişsel evriminde önemli bir dönüm noktasıdır; çünkü sistemler veriden örüntü çıkarmakla kalmaz, bu örüntüleri kullanarak yeni ve özgün içerikler oluşturabilir.

Üretken Yapay Zekâ, metin üretimi, görsel üretimi, ses ve video sentezi gibi alanlarda insan benzeri çıktılar verebilen sistemleri kapsar. Metin yazabilen, görseller tasarlayabilen, senaryolar oluşturabilen bu yapılar, insan-makine etkileşiminde niteliksel bir sıçrama yaratmıştır. Bu nedenle üretken yapay zekâ, kamuoyunda çoğu zaman yaratıcı ya da akıllı sistemler olarak algılanmaktadır.

Bu katmanın temel bileşenleri arasında Büyük Dil Modelleri (Large Language Models – LLMs), Retrieval-Augmented Generation (RAG) yaklaşımları ve prompt engineering yer almaktadır. Teknik olarak bu sistemler, ağırlıklı olarak transformer tabanlı mimariler ve embedding sistemleri üzerine kuruludur. Bu yapılar sayesinde sistemler, bağlama duyarlı üretimler yapabilir ve insanlarla doğal bir etkileşim kurabilir hâle gelir.

Üretken Yapay Zekâ’nın temel görevleri; içerik üretimi, anlatım ve simülasyondur. Sistemler bu aşamada yazabilir, çizebilir, anlatabilir ve belirli bağlamlar içinde tutarlı çıktılar üretebilir. Bu yetenekler, yapay zekânın ifade kapasitesini dramatik biçimde genişletmiştir. Ajanik Yapay Zekâ perspektifinden bakıldığında, bu katman sistemin iletişim ve dışavurum yeteneğini sağlar. Ancak burada kritik bir kavramsal ayrımın altı özellikle çizilmelidir: Üretken olmak, ajan olmak değildir. Üretken Yapay Zekâ sistemleri:

• İçerik üretir.
• Bağlamı takip eder.
• İnsanla etkileşim kurar.

Buna karşın:

• Kendi başına hedef belirlemez.
• Süreç başlatmaz,
• Uzun vadeli sorumluluk almaz.
• Otonom karar vermez.

Bu nedenle Üretken Yapay Zekâ, Ajanik Yapay Zekâ için gerekli; ancak. yeterli olmayan bir aşamadır. Bu katman, yapay sistemlere konuşma, anlatma ve ifade etme yetisi kazandırır; ancak, bu ifadelerin ne zaman, neden ve hangi amaçla kullanılacağına dair bir ajans üretmez. Başka bir deyişle, Üretken Yapay Zekâ yapay sistemin dilini ve yüzünü oluşturur; fakat iradesini oluşturmaz. Bu irade, bir sonraki aşamada, Ajanik Yapay Zekâ katmanında ortaya çıkar. Dolayısıyla Üretken Yapay Zekâ olmadan Ajanik Yapay Zekâ kendini ifade edemez; ancak, tek başına üretkenlik, otonom eylem ve sorumluluk için yeterli değildir.

Bu yönüyle Üretken Yapay Zekâ, Ajanik Yapay Zekâ mimarisinde sistemin ifade katmanı olarak konumlanmalı ve ajansla karıştırılmamalıdır.

DÖRDÜNCÜ KATMAN: YAPAY ZEKÂ AJANLARI (AI AGENTS)

Ajanik Yapay Zekâ mimarisinde dördüncü katman, yapay sistemlerin sadece anlam üreten ya da içerik oluşturan yapılar olmaktan çıkarak eyleme geçtiği aşamayı temsil eder. Bu düzeyde yapay zekâ, üreten sistemden bir şey yapan bir sisteme dönüşür. Yapay Zekâ Ajanları bu dönüşümün somutlaştığı yapısal birimdir.

Bu katmanda yapay sistemler; belirli hedefler doğrultusunda görev yürütme, araç kullanımı ve insanla etkileşim gibi eylemsel yetenekler kazanır. Sistem kendine verilen hedefe göre hareket edebilir, gerekli araçları çağırabilir ve çok adımlı süreçleri koordine edebilir. Bu yönüyle yapay zekâ, ilk kez pasif bir yanıt üreticisinden çıkarak aktif bir süreç yürütücüsü hâline gelir.

Bu katmanın temel bileşenleri arasında görev ayrıştırma (task decomposition), araç kullanımı (tool use) ve insan denetimi (human-in-the-loop) yer almaktadır. Görev ayrıştırma, karmaşık hedeflerin daha küçük ve yönetilebilir adımlara bölünmesini sağlar. Araç kullanımı, yapay zekânın dil üretmekle kalmayıp; harici sistemlerle etkileşime girmesine olanak tanır. İnsan-denetimli yapı ise bu eylemlerin belirli sınırlar içinde kalmasını ve gerektiğinde müdahale edilebilmesini mümkün kılar.

Bu düzeyde kullanılan başlıca yapılar; planlama algoritmaları ve aksiyon zincirleridir. Bu yapılar sayesinde sistem, bir hedefe ulaşmak için hangi adımların hangi sırayla atılması gerektiğini belirleyebilir ve süreci uçtan uca yürütebilir. Temel görevler, verilen işleri yerine getirmek ve bu işleri adım adım ilerleterek tamamlamaktır. Bu işi yap denildiğinde, sistem ilgili süreci başlatır ve yürütür. Bir başka değişle sistem; sadece yanıt üretmez.

Bununla birlikte, bu katmandaki yapay zekâ sistemleri yarı özerk niteliktedir. Geri bildirim alarak davranışlarını iyileştirebilirler; ancak, kendi başlarına etik kararlar veremez, uzun vadeli değer üretimi yapamazlar ve normatif yargılarda bulunamazlar. Bu sınırlılık, Yapay Zekâ Ajanları’nın bilinçli bir özne olmadığı gerçeğini açık biçimde ortaya koyar.

Yapay Zekâ Ajanları bağlamında asıl kırılma noktası şudur: verilen hedefleri uygular ve görev yürütür. Bu durum, beraberinde yeni ve kaçınılmaz soruları getirir:

• Bu sistem ne kadar yetkilidir?
• Hatalı bir karar alındığında sorumluluk kimdedir?
• Hangi sınırlar içinde hareket etmesine izin verilmelidir?

Bu noktada yönetişim, güvenlik ve yönetim gereksinimleri merkezi bir önem kazanır. Yapay Zekâ Ajanları kurumsal, hukuki ve toplumsal bir sınavdır. Bu katman, yapay zekânın çalışkanlığını temsil eder ve insan kontrolü, hesap verebilirlik ve etik tasarım ilkelerinin zorunlu hâle geldiği eşiği de işaret eder. Dolayısıyla Yapay Zekâ Ajanları, yapay sistemlerin eylemsel kapasitesinin zirvesi olmakla birlikte, bu kapasitenin nasıl, ne ölçüde ve hangi ilkeler altında kullanılacağı sorusunu da kaçınılmaz biçimde gündeme getiren bir paradigma olarak değerlendirilmelidir.

BEŞİNCİ KATMAN: AJANİK YAPAY ZEKÂ (AGENTİC AI)

Beşinci ve en dış katman olan Ajanik Yapay Zekâ, yapay zekâ sistemlerini görev yürüten araçlar olmaktan çıkarak; amaç yönelimli bir ajans sergilediği aşamayı temsil eder. Bu düzey, yapay zekânın evriminde niceliksel bir gelişmeden ziyade niteliksel bir kırılma noktasıdır. Sistem, verilen komutları yerine getiren bir mekanizma değildir; hedeflere ulaşma sürecini planlayan, izleyen, değerlendiren ve gerektiğinde yeniden düzenleyen bir aktör hâline gelir.

Ajanik Yapay Zekâ, çoğu zaman yanlış anlaşıldığı gibi bilinç kazanmış bir sistem ya da insan benzeri bir özneleşme değildir; tasarlanmış, sınırlandırılmış ve yönetişim altına alınmış bir ajans biçimidir. Bu nedenle Ajanik Yapay Zekâ, insan ahlakının ya da değer üretiminin yerini alamaz. Ancak, eylemlerinin sonuçlarını izleyebilen, geri bildirimler üzerinden kendini düzeltebilen ve uzun vadeli hedefler doğrultusunda süreklilik sağlayabilen bir yapay özerklik düzeyini temsil eder.

Bu katmanda yapay sistemler, kendilerine tanımlanmış amaçları hem uygular hem de bu amaçlara nasıl ulaşacaklarını planlar, süreci bütüncül biçimde yönetir ve sonuçları değerlendirerek davranışlarını revize edebilir. Bu nedenle; Ajanik Yapay Zekâ’yı, bir önceki katman olan Yapay Zekâ Ajanlarından ayıran temel fark şu cümlede özetlenebilir: Ajanik Yapay Zekâ, süreci yürütür ve sürecin bütününden sorumludur.

Ajanik Yapay Zekâ’nın temel bileşenleri arasında hedef zincirleme, bellek yönetişimi ve geri bildirim döngüleri yer alır. Hedef zincirleme, kısa vadeli görevlerin daha uzun vadeli amaçlarla ilişkilendirilmesini sağlar. Bellek yönetişimi, sistemin hangi bilgileri ne kadar süreyle ve hangi bağlamda tutacağını düzenler. Geri bildirim döngüleri ise sistemin kendi performansını izleyerek uyarlama yapabilmesine imkân tanır.

Bu katmanda kullanılan yapılar, durum kalıcılığı ve çok ajanlı sistemler gibi daha gelişmiş mimarileri içerir. Bu sayede Ajanik Yapay Zekâ, tekil görevleri, karmaşık ve süreklilik gerektiren sistemleri yönetebilir. Uzun vadeli planlama yapabilir, farklı ajanları koordine edebilir ve Ne yapmalıyım? sorusunu bağlamsal olarak sorup yanıtlayabilir. Gerekli gördüğünde hedeflerini revize edebilir; ancak, bu revizyonlar, her zaman insan tarafından tanımlanmış etik, hukuki ve yönetişim çerçeveleri içinde gerçekleşir.

Burada özellikle vurgulanması gereken kritik nokta şudur: Ajanik Yapay Zekâ, bilinçli bir özne olmadığı için, kendi değer sistemini üretmez, ahlaki sezgilere sahip değildir ve insan benzeri etik muhakeme yapmaz. Onun sorumluluk taşıması, normatif bir bilinçten değil; kurumsal olarak tanımlanmış hesap verebilirlik ve yönetişim mekanizmalarından kaynaklanır. Bu nedenle Ajanik Yapay Zekâ’nın odak noktası, hangi eylemleri, hangi sorumluluklar ve hangi sınırlar altında gerçekleştirdiğidir.

Bu bağlamda Ajanik Yapay Zekâ, yapay özerklik anlayışında paradigmatik bir dönüşümü temsil eder. Teknik bir başarı olmanın ötesinde, bu katman aynı zamanda kurumsal ve toplumsal bir sınavdır. Yetkilendirme sınırları, hesap verebilirlik mekanizmaları, güvenlik önlemleri ve insan denetimi, bu düzeyde merkezi bir önem kazanır. Dolayısıyla Ajanik Yapay Zekâ, yönetilen ve sorumluluk taşıyan bir dijital aktör hâline geldiği noktayı işaret eder.

SONUÇ: NEDEN BU YAPIYI ANLAMAK ZORUNDAYIZ?

İç içe halkalarla temsil edilen bu yapı, Ajanik Yapay Zekâ birikimli ve katmanlı bir dönüşüm olduğunu açıkça göstermektedir. Ajanik Yapay Zekâ, yapay zekânın insan hayatındaki konumunu niceliksel olarak genişletir ve niteliksel olarak yeniden tanımlar. Söz konusu olan eyleme geçen, süreç yöneten ve sonuç üreten yapay sistemlerdir.

Bu nedenle Ajanik Yapay Zekâ’yı anlamak, teknik bir merak ya da akademik bir ilgi alanı değildir. Bu yapı, farklı aktörler için farklı ama eşzamanlı zorunluluklar doğurur. Mühendisler açısından bu katmanlı mimariyi kavramak, güvenli, denetlenebilir ve sürdürülebilir sistemler tasarlamanın teknik ön koşuludur. Stratejistler için Ajanik Yapay Zekâ, yetkilendirme, sınırlandırma ve yönetişim mekanizmalarının yeniden düşünülmesini gerektiren kurumsal bir meseledir. Karar vericiler için ise bu teknoloji; etik sorumluluk, hesap verebilirlik ve kamusal güven anlamına gelir. Toplum açısından bakıldığında ise mesele daha da derindir. Ajanik Yapay Zekâ, insan ile makine arasındaki ilişkiyi yeniden kurar; sorumluluğun, kararın ve eylemin sınırlarını bulanıklaştırır. Bu nedenle bu teknolojiyi anlamak, toplumsal geleceğin nasıl şekilleneceğine dair bir farkındalık geliştirmek demektir. Hangi alanlarda yetkilendirileceği, nerelerde sınırlandırılacağı ve hangi değerler çerçevesinde çalışacağı, yalnızca teknik değil, aynı zamanda kültürel ve ahlaki bir tercihtir.

Bu noktada kritik bir paradigma değişimi ortaya çıkar: Ajanik Yapay Zekâ’yı ne yapabiliyor? sorusuyla ele almak yeterli değildir. Asıl belirleyici olan soru şudur: “Bu sistemlerin ne yapmasına izin vermeliyiz?” Bu soru, yapay zekânın kapasitesinden çok, insanlığın kendi değerleriyle yüzleşmesini gerektirir.  Sonuç olarak, bu iç içe halkalar yapısını anlamak; teknolojiyi nasıl birlikte var olacağımıza karar vermektir. Ajanik Yapay Zekâ, doğru çerçeveler içinde ele alındığında insan merkezli yapay zekâ yaklaşımlarının kurumsallaşmış ve uygulanabilir bir uzantısı olabilir. Aksi hâlde, sınırları belirsiz bir özerklik; toplumsal kırılmalar da üretebilir. Bu nedenle bu yapı, yarının insanlığı için anlaşılması zorunlu bir mimaridir.

TERMİNOLOJİK AYRIMLAR VE ALTERNATİF KULLANIMLAR

Ajanik Yapay Zekâ kavramı, alanyazında farklı bağlamlarda çeşitli terimlerle karşılanabilmektedir. Ancak, bu alternatiflerin her biri, agentic kavramının belirli yönlerini vurgularken diğer boyutlarını zayıflatma riskini taşımaktadır. Örneğin Ajan Tabanlı Yapay Zekâ ifadesi, mühendislik ve çok-etmenli sistemlerde yaygın olmakla birlikte, ajans kavramının felsefi ve etik boyutlarını geri plana itmektedir. Bu kullanım, yapay zekâyı daha çok teknik bir mimari olarak ele almakta; niyet, sorumluluk ve yönetişim gibi kavramsal katmanları yeterince görünür kılmamaktadır. Benzer şekilde Amaç Yönelimli Yapay Zekâ ifadesi, açıklayıcı bir nitelik taşısa da kavramı işlevsel bir hedef takibine indirgeme eğilimindedir. Ajanik Yapay Zekâ, hem amaçlara hem de bu amaçların nasıl, hangi sınırlar içinde ve kimin adına gerçekleştirildiğine odaklanır. Özerk Ajan Yapay Zekâsı ifadesi ise özerklik vurgusunu güçlendirmekle birlikte, “agentic” kavramının kapsadığı planlama, geri bildirim ve yönetişim boyutlarını tam olarak karşılamaz. Bu nedenle kavramın bütüncül anlam alanını daraltma riski taşır.

Bu çalışma, söz konusu terminolojik çeşitliliği göz önünde bulundurmakla birlikte, Ajanik Yapay Zekâ teriminin hem kavramsal derinlik hem de disiplinlerarası tutarlılık açısından en uygun karşılık olduğu görüşünü savunmaktadır.

Prof. Dr. Gülsün KURUBACAK ÇAKIR