Yapay zeka, akademik yazımın gündelik bir parçası hâline geldi. Bu noktada anlamlı soru "yapay zeka kullanılmalı mı?" değil; "nasıl sorumlu kullanılmalı?" ve "kullanımı hangi güç asimetrilerini yaratıyor ya da derinleştiriyor?" sorularıdır. Bu yazı, bu iki soruyu akademik literatüre dayanarak ele alır ve pratik bir çerçeve sunar. (Not: Aşağıdaki iddialar metin içi yazar-yıl atıflarıyla verilmiş, tam künyeler yazının sonundaki Kaynakça bölümündedir.)
Neden yazarlar yapay zeka kullanmalı?
Sorumlu kullanımın gerekçesi, somut bir fayda üzerine kuruludur.
- Zaman ve verimlilik. Büyük dil modelleri; literatür taraması, veri kodlama ve akademik metnin düzenlenmesi gibi görevleri hızlandırarak araştırmacıya değerli zaman kazandırabilir (van Dis vd., 2023). Bu, araştırmanın özüne — soruya, tasarıma, yoruma — daha fazla zaman ayırmak demektir.
- Dil bariyerini aşmak. Anadili İngilizce olmayan yazarlar bilimsel yayında ölçülebilir bir dezavantajla karşılaşır: yalnızca dil nedeniyle daha yüksek red ve çok daha fazla revizyon talebiyle uğraşırlar (Amano vd., 2023). Yapay zeka destekli dil düzenleme, bu bariyeri azaltarak fikrin niteliğinin dilin niteliğinin gölgesinde kalmasını önleyebilir.
- Erişilebilirlik. İyi kullanıldığında yapay zeka, taslak çıkarmayı ve metni netleştirmeyi kolaylaştırır; bu da yazma sürecine erişimi genişletir.
Kısacası yapay zeka, doğru kullanıldığında bir kısayol değil, bir kaldıraçtır — insan yargısının yerini almaz, onu güçlendirir.
Sorumlu kullanımın kuralları
Faydayı gerçeğe dönüştüren şey, kullanımı disipline eden birkaç ilkedir.
1. Yapay zeka yazar olamaz
Başlıca yayın kuruluşları bu konuda hemfikirdir: yapay zeka araçları yazar olarak listelenemez, çünkü çalışmanın doğruluğu, bütünlüğü ve özgünlüğü için sorumluluk alamazlar (ICMJE, 2023; COPE, 2023; WAME/Zielinski vd., 2023). Ahlaki açıdan sorumlu yayıncılık, yazarların yazdıklarından hesap verebilir olmasını gerektirir; yapay zeka araçlarıysa bu hesap verebilirlikten yoksundur (Hosseini, Rasmussen & Resnik, 2023). Hesap verebilirlik daima insana aittir.
2. Kullanımı şeffaf biçimde açıkla
Yapay zeka kullanımı bir yazarlık meselesi değil, bir şeffaflık (disclosure) meselesidir. ICMJE (2023), kullanımın uygun bölümde açıklanmasını önerir: yazım/düzenleme için kullanım teşekkür bölümünde, veri toplama/analiz için kullanım ise yöntem bölümünde belirtilmelidir. Neyin, nasıl ve ne ölçüde kullanıldığını açıkça belirtmek, okurun ve editörün çalışmayı doğru değerlendirmesini sağlar (Hosseini, Resnik & Holmes, 2023).
3. Her çıktıyı doğrula
Büyük dil modelleri akıcı ama güvenilmez olabilir: var olmayan atıflar üretebilir ve olguları "halüsinasyon" biçiminde uydurabilir (van Dis vd., 2023). Bu yüzden her atıf, her sayı ve her olgusal iddia bağımsız kaynaktan doğrulanmalıdır. Doğrulanmamış bir yapay zeka çıktısını olduğu gibi kullanmak, intihal ve benzerlik risklerinin ötesinde, doğrudan bilimsel hataya yol açar.
4. Gizliliğe ve dergi politikasına uy
Hassas, kişisel ya da henüz yayımlanmamış verileri açık yapay zeka araçlarına girme — bu veriler saklanabilir veya sızabilir. Ayrıca her derginin yapay zeka politikası farklıdır; gönderim öncesi hedef derginin kurallarını kontrol et. Bu, gönderim öncesi kontrol listenin bir parçası olmalıdır.
Güç asimetrisi: yapay zeka eşitleyici mi, derinleştirici mi?
En az kullanım kuralları kadar önemli olan soru şudur: yapay zeka, akademik dünyadaki mevcut güç dengelerini nasıl etkiliyor? Cevap tek yönlü değil — çift yönlüdür.
Eşitleyici yön. Yapay zeka destekli dil düzenleme, anadili İngilizce olmayan yazarların onlarca yıldır taşıdığı dil dezavantajını azaltabilir (Amano vd., 2023). Bu açıdan araç, bilimin dilini değil niteliğini öne çıkararak eşitliğe hizmet edebilir.
Derinleştirici yön. Aynı araç, üç yeni asimetri de yaratır:
- Erişim farkı. En yetenekli modeller çoğu zaman ücretlidir; gelişmiş araçlara, hesaplama gücüne ve kurumsal aboneliklere erişim eşit değildir. Bu, az kaynaklı kurumları ve bölgeleri dezavantajlı bırakır.
- İngilizce önyargısı. Modeller ağırlıkla İngilizce veriyle eğitildiğinden İngilizcede en yeteneklidir; bu da diğer dillerdeki yazarlar için eşitsiz bir performans yaratabilir.
- Dedektör önyargısı. Yapay zeka metin dedektörleri, anadili İngilizce olmayan yazarların özgün metinlerini haksız yere "yapay zeka üretimi" olarak işaretleyebilir (Liang vd., 2023) — yani eşitliği artırması beklenen teknoloji, yeni bir cezalandırma mekanizmasına dönüşebilir.
Bu ikilik, sorumlu kullanımın neden yalnızca bireysel bir etik mesele değil, aynı zamanda yapısal bir eşitlik meselesi olduğunu gösterir. Araç nötr değildir; nasıl dağıtıldığı ve nasıl denetlendiği, kimin kazanıp kimin kaybedeceğini belirler.
Sorumlu bir denge
Bu iki eksen — sorumlu kullanım ve güç asimetrisi — birlikte üç ilkeye işaret eder:
- Şeffaflık — kullanımı açıkla ki değerlendirme adil olsun.
- Eşit erişim — araçların ve politikaların, mevcut eşitsizlikleri derinleştirmek yerine azaltacak biçimde tasarlanması.
- İnsan hesap verebilirliği — nihai sorumluluk her zaman yazarda; yapay zeka bir ortak değil, bir araçtır.
Peerfect ve sorumlu yapay zeka
Peerfect, yapay zekayı tam da bu çerçevede kullanır: makaleni saniyeler içinde uygun dergilerle eşleştiren ve gönderim öncesi zayıf noktaları gösteren ücretsiz motor, insan kararının yerini almak için değil, onu bilgilendirmek için tasarlanmıştır. Nihai karar — hangi dergiye, nasıl ve hangi açıklamayla göndereceğin — her zaman senindir. Yapay zekanın akademik yazımdaki rolünün etik boyutunu daha ayrıntılı görmek istersen, akademik yazımda yapay zeka kullanımı yazısına da bakabilirsin.
Özet: yapay zeka, sorumlu kullanıldığında araştırmacıya zaman kazandıran ve dil eşitsizliğini azaltabilen güçlü bir kaldıraçtır. Ama bunu ancak dört koşulla yapar — yazarlığı insanda tutmak, kullanımı açıklamak, her çıktıyı doğrulamak ve gizlilik ile dergi politikasına uymak. Aynı araç, erişim ve dedektör önyargıları yoluyla yeni güç asimetrileri de yaratabilir; bu yüzden sorumlu kullanım, bireysel etikle sınırlı değil, yapısal bir eşitlik meselesidir.
Kaynakça
- Amano, T., Ramírez-Castañeda, V., Berdejo-Espinola, V., Borokini, I., Chowdhury, S., Golivets, M., … Veríssimo, D. (2023). The manifold costs of being a non-native English speaker in science. PLOS Biology, 21(7), e3002184. https://doi.org/10.1371/journal.pbio.3002184
- Committee on Publication Ethics (COPE). (2023). Authorship and AI tools: COPE position statement. https://publicationethics.org/cope-position-statements/ai-author
- Hosseini, M., Rasmussen, L. M., & Resnik, D. B. (2023). Using AI to write scholarly publications. Accountability in Research. https://doi.org/10.1080/08989621.2023.2168535
- Hosseini, M., Resnik, D. B., & Holmes, K. (2023). The ethics of disclosing the use of artificial intelligence tools in writing scholarly manuscripts. Research Ethics, 19(4), 449–465. https://doi.org/10.1177/17470161231180449
- International Committee of Medical Journal Editors (ICMJE). (2023). Recommendations for the conduct, reporting, editing, and publication of scholarly work in medical journals. https://www.icmje.org/recommendations/
- Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. https://doi.org/10.1016/j.patter.2023.100779
- van Dis, E. A. M., Bollen, J., Zuidema, W., van Rooij, R., & Bockting, C. L. (2023). ChatGPT: five priorities for research. Nature, 614(7947), 224–226. https://doi.org/10.1038/d41586-023-00288-7
- Zielinski, C., Winker, M. A., Aggarwal, R., Ferris, L. E., Heinemann, M., Lapeña, J. F., … WAME Board. (2023). Chatbots, generative AI, and scholarly manuscripts: WAME recommendations on chatbots and generative artificial intelligence in relation to scholarly publications. World Association of Medical Editors. https://wame.org/page3.php?id=110