Sapir-Whorf Hipotezi Yapay Zeka Çağında: AI Düşündüğü Dilin Kültürünü mü Alır?
Dilbilimsel görelilik ilkesinin modern büyük dil modelleri üzerindeki yansımalarını inceliyoruz. İnternetteki İngilizce ağırlıklı verilerle eğitilen bir yapay zekanın, Türkçe veya başka bir dilde düşünürken batılı bir kültürel önyargı (bias) taşıyıp taşımadığını felsefi ve teknik boyutlarıyla masaya yatırıyoruz.
20.yüzyılın ortalarında dilbilimci Edward Sapir ve Benjamin Lee Whorf tarafından ortaya atılan Sapir-Whorf Hipotezi (dilbilimsel görelilik), insan dilinin sadece düşünceleri aktaran bir araç olmadığını, aksine düşüncenin kendisini şekillendiren temel yapı olduğunu savunur. Bu teoriye göre, bir insanın konuştuğu dil hangi kavramlara, kategorilere ve dilbilgisel yapılara sahipse, o insanın dünyayı algılama, zamanı kurgulama ve kültürel kodları yorumlama biçimi de o ölçüde sınırlandırılır veya genişletilir. Günümüzde insan dilinin sınırlarını zorlayan büyük dil modelleri (LLM) sahneye çıktığında, bu felsefi ve sosyodilbilimsel hipotez yepyeni bir boyut kazandı: Dünyadaki verilerin ezici bir çoğunluğuyla, yani İngilizceyle eğitilen bir yapay zeka, Türkçe veya Almanca konuşurken aslında arka planda Amerikan ya da Batı kültürünün zihinsel şemalarıyla mı düşünüyor?
Yapay zeka modelleri insani bir biyolojiye veya yerel bir coğrafyaya sahip değildir; onların tek vatanı eğitildikleri veri havuzlarıdır. Ortadaki teknik gerçeklik ise oldukça çarpıcıdır: İnternetteki web sayfalarının, akademik makalelerin ve dijital dökümanların %80'den fazlası Anglo-Sakson kültürünün ürünü olan İngilizce dilindedir. Bu durum, yapay zekanın dünyayı anlama biçiminde ciddi bir algoritmik asimetri yaratmaktadır.
İngilizce Merkezli Veri Evreni ve Algoritmik Önyargı (Bias)
Büyük dil modellerinin çok dilli (multilingual) yetenekleri bizi her ne kadar şaşırtsa da, modellerin arka plandaki sinir ağlarında (neural networks) gerçekleşen işlem aslında gizli bir kavramsal haritalamadır. Model, Türkçe bir komut aldığında, çoğu zaman bu kavramı doğrudan Türkçenin kendi kültürel tarihi üzerinden işlemez. Kelimeleri oluşturan tokenleri, kendi çok boyutlu vektör uzayında ağırlıklı olarak İngilizce verilerden öğrendiği kavramsal düğümlere (conceptual nodes) bağlar.
Bu durum, yapay zekanın çıktılarında batılı bir kültürel önyargının (cultural bias) doğmasına yol açar. Örneğin, aile ilişkileri, toplumsal roller, etik değerler veya soyut felsefi kavramlar hakkında Türkçe bir soru sorulduğunda, model dilbilgisi olarak kusursuz bir Türkçe yanıt üretse de, savunduğu argümanlar, getirdiği çözümler ve kullandığı metaforlar genellikle batı dünyasının bireyselci, rasyonel ve liberal felsefi yapısını yansıtır. Yapay zeka, Türkçenin eklerine bürünmüş bir Anglo-Sakson zihni gibi davranmaktadır. Sapir-Whorf hipotezi burada tersinden işler: Model, en çok maruz kaldığı dilin (İngilizcenin) kültürel gözlüğünü takarak diğer tüm dilleri o gözlükle yeniden inşa eder.
Kavramsal Haritalama ve Arka Plandaki Gizli Çeviri
Yapay zeka modellerinin veri işleme süreçlerinde "düşünme" adını verdiğimiz hamle, aslında kelimelerin anlamsal yakınlıklarının hesaplanmasıdır. İngilizce veri setlerinde "başarı", "bireysellik", "zaman yönetimi" gibi kavramlar belirli kelime öbekleriyle çok sık yan yana gelir ve güçlü bir semantik küme oluşturur. Türkçe verilerde ise aynı kelimelerin etrafındaki kültürel esneklik ve toplulukçu (collectivist) bağlar daha farklıdır.
Ancak model eğitilirken İngilizce küme o kadar devasadır ki, Türkçenin daha küçük olan semantik kümesini kendi çekim alanına doğru çeker. Siz modele Türkçe bir edebi metni yorumlattığınızda veya bir yapay zeka asistanıyla felsefi bir sohbete girdiğinizde, model arka plandaki o devasa İngilizce haritayı referans alır. Bu durum, diller arasındaki ince nüansların, o dile özgü "dünya görüşünün" (Weltanschauung) yavaş yavaş silinmesine ve tüm dillerin ortak bir algoritmik mantığa doğru homojenleşmesine neden olur. Dilbilimsel görelilik, yerini algoritmik tek tipleşmeye bırakır.
Kültürel Körlük Alanları ve Deyimsel Direnç
Türkçe ve diğer birçok yerel dil, yapay zekanın bu batı merkezli kavramsal haritasına karşı kendi morfolojik ve kültürel yapılarıyla direnirler. Dilbilimde "Realia" adı verilen ve sadece o kültüre özgü olan nesne ya da kavramlar (Örn: Türkçe'deki "imece", "görümlük", "eyvallah" gibi kelimeler), yapay zekanın İngilizce odaklı mantık silsilesinde şak diye çözülemez.
Model bu kelimeleri gördüğünde, onları batı dillerindeki en yakın rasyonel karşılığına indirgemeye çalışır. Eğer sistem yeterince derin yerel veriyle beslenmemişse, "eyvallah" kelimesini düz bir "teşekkür ederim" veya "hoşça kal" seviyesine indirger; kelimenin arkasındaki o tasavvufi, kabullenişçi ve rızalık içeren derin kültürel katmanı (sözün ötesini) kaçırır. Bu durum, Sapir-Whorf hipotezinin yapay zeka çağındaki en somut sınır çizgisidir: Algoritmalar, kelimelerin sözlük karşılıklarını haritalandırabilir ama o kelimeleri doğuran tarihsel yaşanmışlıkları bizzat tecrübe edemezler.
Sonuç: Çok Dillilik ve Glossa'nın Rolü
Yapay zeka modellerinin düşündükleri dilin kültürünü taşıması, küresel teknoloji çağında kaçınılmaz bir gerçektir. Ancak bu durum yerel dillerin ve kültürlerin yapay zeka dünyasında tamamen teslim olması anlamına gelmek zorunda değildir. Küresel modellerin bu batı merkezli önyargısını (bias) kırmanın tek yolu, onları sadece hazır küresel verilerle baş başa bırakmamaktır.
Glossa platformunda inşa ettiğimiz çok dilli çapraz sözlük matrisleri, deyim veritabanları ve yerel anlam grafikler (Semantic Graph), büyük dil modellerine dışarıdan enjekte edeceğimiz güçlü birer kültürel panzehirdir. RAG mimarisiyle modele soruyu sormadan önce kendi yerel veritabanımızdaki derin kültürel ve dilbilimsel dipnotları bağlam (context) olarak sunduğumuzda, modelin batılı bias duvarını aşmasını ve Türkçeyi ya da Latinceyi gerçekten kendi kavramsal dünyasından okumasını sağlayabiliriz. Yapay zekayı küresel hamilerin tekelinden çıkarıp, kendi dilimizin ruhuyla konuşturmak, geleceğin dil mühendisliğinin en asil görevidir.