Türkçe, yalnızca bir iletişim dili değildir. Türkçe; anlam inşa eden, düşünceyi organize eden ve bilgiyi yoğunlaştırabilen son derece gelişmiş bir semantik sistemdir. Dünyadaki birçok dil düşünceyi aktarırken, Türkçe düşüncenin matematiksel yapısını da taşır. Bu nedenle Türkçe, insan zihni için olağanüstü verimli bir dil olmasına rağmen, bugünkü büyük dil modelleri (LLM’ler) için ciddi bir teknik meydan okumaya dönüşmektedir.
Yapay zekâ sistemleri dili insanlar gibi anlamaz. İnsanlar için dil; niyet, bağlam, duygu ve anlam bütünlüğüdür. Ancak LLM’ler için dil, matematiksel olarak parçalanmış veri akışıdır. Model metni önce küçük parçalara ayırır. Bu parçalara “token” adı verilir. Yapay zekânın tüm öğrenme mekanizması, bu token dizileri arasındaki olasılık ilişkilerini hesaplamak üzerine kuruludur.
İşte Türkçenin yapısal gücü, tam bu noktada Batı merkezli geliştirilen mevcut AI mimarileriyle sert bir biçimde çatışmaya başlar.
“Yetiştirilemeyecekler” ve Tokenizasyon Çarkı
Çünkü Türkçe eklemeli bir dildir. Bu özellik, Türkçeyi dünyanın en üretken ve kompakt dillerinden biri hâline getirmektedir. Türkçede anlam, ayrı ayrı kelimelerle değil, tek bir kelimenin içine yerleştirilmiş ek katmanlarıyla kurulur. Bir kök onlarca farklı ek alabilir ve her ek yeni bir semantik katman ekler.
Örneğin, günlük hayatta çok doğal bir şekilde kullandığımız:
“Yetiştirilemeyecekler.”
kelimesi tek başına; edilgenlik, yeterlilik, olumsuzluk, gelecek zaman ve çoğulluk gibi birçok farklı anlam katmanını aynı anda içerir.
İnsan zihni bunu neredeyse anlık biçimde çözer. Çünkü Türkçe son derece sistematik ilerler. Eklerin dizilimi rastgele değildir; belirli bir mantık sırasına göre gelir. Bu yüzden Türkçe aslında adeta bir kodlama dili gibi matematikseldir.
Ancak bugünkü LLM sistemleri bu yapıyı doğal biçimde işleyemez. Çünkü model bu kelimeyi tek bir bütünsel anlam olarak değil, parçalanmış token kümeleri olarak görür. Üstelik Türkçe sadece ek almaz; ek alırken ses olaylarına (ünlü düşmesi, ünsüz yumuşaması/benzeşmesi) uğrar. Örneğin “git-” fiili ek aldığında “gidecek” olur ve kök mutasyona uğrar. İngilizce odaklı tokenizer algoritmaları hem bu ek zincirlerini parçalarken hem de kökteki ses değişimlerini takip ederken büyük bir matematiksel bütçe harcar.
Bugünkü tokenizer sistemlerinin büyük bölümü:
- BPE (Bayt Çifti Kodlaması)
- WordPiece (Kelime Parçalama)
- SentencePiece (Cümle Parçalama)
gibi yöntemlere dayanır. Bu sistemler ağırlıklı olarak İngilizce veri üzerinde geliştirildiği için İngilizcenin yapısına doğal olarak daha uyumludur. İngilizcede kelime sınırları nettir, ek sistemi son derece sınırlıdır, kök varyasyonları düşüktür ve anlam çoğunlukla kelime sırası üzerinden kurulur.
Türkçede ise durum tamamen farklıdır. Kelimeler sürekli yeni formlar üretebilir. Yalnızca “gel” kökü bile; gel, geldin, geliyorsun, geleceksin, gelebileceksiniz, gelemeyecekseniz gibi teorik olarak ucu açık bir çok varyasyona dönüşebilir. Tokenizer bu varyasyonları her gördüğünde kelimeyi darmadağın etmek zorunda kalır. Sonuç olarak, tek bir Türkçe kelime bazen İngilizce koca bir cümleden daha fazla token (veri maliyeti) üretir.
Teknik ve Kalite Problemleri
Bu durumun yapay zekâ üzerinde çok ciddi teknik sonuçları olur:
- Eğitim Maliyeti Yükselir: Model aynı anlam yoğunluğunu öğrenmek için daha fazla token işlemek zorunda kalır.
- Context Window (Hafıza) Hızlı Dolar: Modelin belleği anlam yerine teknik ek parçalarıyla daha çabuk tüketilir.
- Inference (Çıkarım) Maliyeti Artar: Model cevap üretirken arka planda daha fazla hesaplama yapmak zorunda kalır ve yavaşlar.
Tüm bunlara bir de “küresel veri eşitsizliği” eklenir. İnternetteki dijital içeriğin yarısından fazlası İngilizce iken, Türkçe veri oranı %1’in altındadır. Hem teknik dezavantajlar hem de kaliteli veri azlığı sebebiyle, birçok büyük dil modeli İngilizcede bir dâhi gibi parıldarken Türkçede zaman zaman bağlam kaybı, anlamsal kırılma, tekrar üretimi, ek hataları ve düşük muhakeme performansı sergiler.
Sorun Türkçede Değil, İngilizce Merkezli Torna Tezgahında
Fakat burada çok kritik bir gerçek vardır: Sorun Türkçede değildir. Sorun, bugünkü yapay zekâ mimarilerinin büyük ölçüde İngilizce merkezli optimize edilmiş birer torna tezgahı olmasından kaynaklanmaktadır. Küresel teknoloji devleri, dünyayı sadece İngilizcenin doğrusal mantığıyla dijitalleştirmektedir.
Aslında Türkçe, geleceğin yapay zekâ sistemleri için son derece güçlü ve avantajlı bir dildir. Çünkü Türkçe; yüksek semantik yoğunluğa sahiptir, mantıksal ilerler, üretkendir ve anlam sıkıştırma kapasitesi çok yüksektir. İngilizcede anlam kelimeler arasındaki sıralamayla (sentaks) kurulurken, Türkçede anlam doğrudan kelimenin içine gömülür. Bu, teorik olarak çok daha kompakt ve güçlü bilgi yapıları oluşturmaya elverişlidir.
Bugünkü modeller bunu verimli işleyemiyor olabilir ama gelecekte durum tamamen değişebilir. Özellikle morfolojik tokenizer sistemleri, semantic tokenizer mimarileri, concept-level encoding yaklaşımları ve latent semantic representation modelleri geliştikçe Türkçe gibi diller çok daha avantajlı hâle gelebilir. Çünkü yapay zekâ istatistiksel kelime tahmininden kurtulup gerçek “anlama” odaklandığında, Türkçenin o yoğun anlam sıkıştırma kapasitesi bulunmaz bir nimete dönüşecektir.
Dijital Egemenlik ve Bilişsel Bağımsızlık
Bu mesele yalnızca teknik bir mühendislik optimizasyonu da değildir; kültürel, stratejik ve dijital bir egemenlik savaşıdır. Yapay zekâ çağında dil artık sadece bir iletişim aracı değildir; dil bir veri altyapısı, bilişsel güç, kültürel hafıza ve dijital egemenliktir. Eğer bir dil yapay zekâ sistemlerinde yeterince temsil edilmiyorsa, o dil zamanla dijital dünyada görünmez hale gelerek çevrede kalacaktır. İşte bu yüzden buradaki eleştiriyi kendimize de yöneltmeliyiz: Bizler yabancı dil modellerine Türkçe yamalar yaparak dijital egemenlik kuramayız. Türkçenin kendi morfolojik ve semantik yapısına uygun yerli mimariler geliştirmek zorundayız.
Bu yüzden Türkçe meselesi, aynı zamanda bir kültürel bağımsızlık ve bilişsel egemenlik meselesidir. Yapay zekâ sistemleri gelecekte şunu fark edecek: Bugün “zor” kabul edilen diller, aslında insan düşüncesinin en gelişmiş anlambilimsel mimarileridir. Bu bağlamda Türkçe, yapay zekânın yalnızca ezberlemeyi değil, gerçekten anlamayı öğrenmesi gereken en önemli dillerden biridir.
Saygılarımla
Taşkın Koçak