Yapay Zeka ve Skopos Teorisi: LLM'ler Çevirinin Amacını Anlayabilir mi?

Kelime Eşleşmesinden İşlevselliğe

Geleneksel makine çevirisi (Google Translate'in eski istatistiksel modelleri veya ilk yapay sinir ağı evreleri), dili çoğunlukla matematiksel bir yer değiştirme matrisi olarak görürdü. Kaynak dildeki bir kelimenin, hedef dildeki en yüksek olasılıklı karşılığı bulunur ve gramer kurallarına göre dizilirdi. Bu yaklaşım, metnin "sözcük" düzeyinde doğru görünmesini sağlasa da metnin neden çevrildiğini, yani amacını tamamen göz ardı ediyordu.

Modern büyük dil modelleri (LLM) ile birlikte bu durum kökten değişti. Artık karşımızda sadece diller arası kelime köprüleri kuran bir yazılım değil, metnin bağlamını, tonunu ve en önemlisi "amacını" manipüle edebilen bir çıkarım motoru var. Peki, Çeviribilimin en pragmatik teorilerinden biri olan Skopos Teorisi, yapay zekanın bu yeni yeteneğini nasıl açıklıyor?

Skopos Teorisi Nedir?

1970'lerin sonunda Hans J. Vermeer tarafından ortaya atılan ve Katharina Reiss ile geliştirilen Skopos Teorisi, çeviriyi salt bir dilbilimsel aktarım olarak görmeyi reddeder. "Skopos" Yunanca bir kelime olup "amaç" veya "hedef" anlamına gelir. Teoriye göre, bir çeviri eyleminin arkasındaki en baskın kural, o çevirinin erek kültürde üstleneceği işlevdir.

> "Çeviride kaynak metin değil, hedef metnin işlevi (skopos) kuralı koyar. Çevirmen, kaynak metnin kölesi değil, erek kültürdeki hedef kitleye o metni ulaştıran bağımsız bir aktördür." — Hans J. Vermeer

Skopos teorisinde üç ana kural öne çıkar:

1. Skopos Kuralı: Çeviri, erek kültürde ve hedef kitle üzerinde bırakması istenen etkiye (amaca) göre şekillenir.
2. Tutarlılık (Coherence) Kuralı: Erek metin, kendi içinde ve hedef kitlenin durumuna göre anlamlı olmalıdır (İç tutarlılık).
3. Sadakat (Fidelity) Kuralı: Erek metin ile kaynak metin arasında bir bağ olmalıdır (Dış tutarlılık) ancak bu bağ, Skopos kuralının önüne geçemez.

Prompt Mühendisliği: Algoritmik Bir Skopos Yaratmak

Milyarlarca parametreli bir yapay zeka modeline bodoslama bir metin verip "Bunu Almancaya çevir" dediğinizde, model kendine internet verilerinden öğrenilmiş "ortalama, nötr bir skopos" seçer. Ancak prompt mühendisliği (system instructions) devreye girdiğinde, modele insan eliyle çok net ve katı bir Skopos kuralı dayatabiliriz.

Aşağıdaki senaryoyu ve modelin bu amaca göre nasıl yapısal olarak büküldüğünü inceleyelim:

Senaryo ve Test Süreci

Kaynak Metin (İngilizce): "The patient presents with acute cephalalgia, non-responsive to over-the-counter NSAIDs. Recommend clinical evaluation to rule out secondary etiologies."

Deney A: Akademik / Tıbbi Skopos

• Sistem Talimatı (Prompt): "Sen kıdemli bir nörologsun. Sana verilen tıbbi metni, Türk tıp profesörlerinin vizit esnasında kullanacağı akademik ve profesyonel jargonla Türkçe'ye çevir."
• Yapay Zeka Çıktısı: "Hasta, reçetesiz satılan NSAİİ'lere yanıt vermeyen akut sefalalji tablosu ile başvurmuştur. Sekonder etiyolojileri ekarte etmek amacıyla klinik değerlendirme önerilir."

Deney B: Popüler / Hasta Odaklı Skopos

• Sistem Talimatı (Prompt): "Sen bir aile hekimisin. Sana verilen ağır tıbbi metni, panik halindeki bir hasta yakınına durumu anlatır gibi, tıbbi terimleri tamamen temizleyerek halk diliyle Türkçe'ye çevir."
• Yapay Zeka Çıktısı: "Hastamızın eczaneden alınan ağrı kesicilerle geçmeyen çok şiddetli ve ani başlayan bir baş ağrısı var. Bu ağrının altında yatan başka tehlikeli nedenler var mı diye emin olmak için hastanede detaylı bir doktor muayenesi yapılması gerekiyor."

Dilbilimsel Analiz

Yukarıdaki iki örnekte kaynak metin tamamen aynı olmasına rağmen, elde edilen erek metinler birbirinden morfolojik, sözcüksel ve üslupsel olarak tamamen farklıdır. Model; acute cephalalgia ifadesini birinde akut sefalalji olarak tutmuş, diğerinde ise çok şiddetli ve ani başlayan baş ağrısı olarak açımlamıştır.

Yapay zeka burada kaynak metnin dilsel sınırlarına sadık kalmak yerine, kendisine sistem talimatıyla verilen "ereğe göre işlevlendirme" (Skopos) emrini yerine getirmiştir.

Modeller "Amacı" Gerçekten Anlıyor mu, Yoksa Taklit mi Ediyor?

Bu noktada dilbilimciler ve bilgisayar mühendisleri ikiye ayrılıyor. Bir yapay zeka modeli insanın sahip olduğu gibi bir bilince veya "niyete" sahip değildir. Dolayısıyla kendi kendine bir amaç (skopos) üretemez.

Ancak, dikkat mekanizmaları (attention mechanism) ve çok boyutlu vektör uzayları sayesinde, metindeki kelimelerin hangi durumlarda, hangi hedef kitleler için yan yana geldiğini istatistiksel olarak çok iyi analiz eder. Model, "panik halindeki hasta yakını" bağlamının vektör uzayındaki yerini tespit eder ve o uzaya en yakın, teselli edici ve basitleştirilmiş kelimeleri seçer. Sonuç olarak, ortada felsefi bir "anlama" eylemi olmasa bile, işlevsel düzeyde kusursuz bir Skopos simülasyonu mevcuttur.

Sonuç ve Geleceğin Çeviri Mimarisi

Hans Vermeer Skopos Teorisini geliştirdiğinde, bilgisayarlar henüz bu kadar gelişmemişti ve teorinin muhatabı tamamen insan olan profesyonel çevirmenlerdi. Bugün ise Glossa gibi yeni nesil dil platformlarında, RAG (Retrieval-Augmented Generation) sistemleri kullanılarak veritabanındaki özel terim matrisleri doğrudan hızlı bulut modellerine besleniyor ve yapay zekaya dinamik kurumsal skoposlar tanımlanıyor.

Yapay zeka, çevirmeni işinden eden bir tehdit değil; aksine, çevirmenin metne yüklemek istediği o sanatsal, hukuki veya tıbbi "amacı" saniyeler içinde binlerce sayfaya uygulayabilen devasa bir kaldıraçtır. Geleceğin başarılı çevirmenleri ve sistem mimarları, algoritmalara en doğru skoposu fırlatan "prompt orkestra şefleri" olacaktır. Metnin ruhu ve amacı, doğru komutları bekleyen kod bloklarında yaşamaya devam ediyor. Metni sadece çevirmeyin, onu ereğe göre yeniden tasarlayın.