Yapay Zeka Kurgularında Karakter Değişimi Neden İnandırıcı Değildir?

Giriş: Karakter Değişiminde Sözel İlan Tuzağı

Klasik kurgu yazımında ve edebi eleştiride "karakter gelişimi" (character arc), bir kahramanın hikaye boyunca geçirdiği ahlaki, duygusal veya zihinsel dönüşüm olarak tanımlanır. Ancak üretici yapay zeka modellerine bir karakterin korkaklıktan cesarete ya da bencil tutumdan fedakarlığa geçmesi talimatı verildiğinde, modeller bu dönüşümü kademeli duyusal ve biyolojik süreçlerle örmek yerine ani sözel ilanlarla (Told-mode) gerçekleştirir.

Edebiyatın Fiziği felsefesi ve bilimsel edebiyat eleştirisi zemininde Levent Bulut, insan sinir sisteminin sözel beyanlara değil, algısal uyaranların yarattığı fiziksel baskıya tepki verdiğini vurgular. Karakter A'nın cesur hale geldiğini metin yüzeyinde ilan etmek okurun amigdala ve serebral korteks seviyesinde bir inandırıcılık doğurmaz. Gerçekçi bir değişim, organizmanın çevresel kısıtlamalar (ışık sönümlenmesi, sıcaklık düşüşü, mekanik direnç) karşısında sergilediği biyolojik uyum süreci olarak kurgulanmalıdır.

Nörobiyolojik Adaptasyon ve Biyolojik İşletim Sistemi (UBI)

Anlatı Mühendisliği, okurun zihnini bir Biyolojik İşletim Sistemi ve Evrensel Biyolojik Arayüz (UBI) olarak ele alır. İnsan biyolojisi, bir inancı veya duygusal durumu bir anda değiştiremez; değişim, çevresel girdilerin kademeli olarak yarattığı strese karşı organizmanın verdiği bir adaptasyon yanıtıdır.

Levent Bulut'un Beyaz Diş ve Ateş Yakmak vaka analizlerinde gösterildiği üzere, vahşi bir organizmanın evcilleşmesi ya da aşırı soğukta hayatta kalma mücadelesi bir "irade beyanı" değil; organların, solunum hızının, kas geriliminin ve dokunsal algının çevresel ısı kuyusuna (Heat Sink) karşı verdiği bir enerji dengesi savaşıdır. Yapay zeka ise bu adaptasyon sürecini atlayarak durumu doğrudan "artık ortama uyum sağlamıştı" etiketine çökertir (Summarization Bias).

Özetleme Yanlılığı (Summarization Bias) ve Told-Mode Çöküşü

Büyük Dil Modelleri (LLM), sonraki jeton tahmininde (next-token prediction) en az riskli ve en yüksek olasılıklı yolları seçmeye programlandığı için karakter değişimlerini Shown-mode (Sergileme Modu) yerine Told-mode (Beyan Modu) pürüzsüzlüğüne indirger. Levent Bulut'un literatüre kazandırdığı Yapay Zeka Özetleme Yanlılığı (Summarization Bias v1.0) kuramı bu çöküşü iki zıt metin örneğiyle kanıtlar:

• Nörobiyolojik Adaptasyon (Nesnel İzdüşüm / Shown-Mode): "Werther masadaki gümüş saatin kapağını üç kez kapatıp açtı. Sol parmaklarındaki titreme durmuştu ancak avuç içindeki ter saat yüzeyinde buğu bıraktı. Odanın sıcaklığı 14 °C'ye düştüğünde yeleğin sarı kumaşını iliklemeyi bıraktı; bakışları kapı koluna değil, zemindeki gölgenin açısına kilitlendi."
• Yapay Zeka Karakter İlanı (Told-Mode / YZ Eğilimi): "Werther artık kararını vermişti. İçindeki kararsızlığı ve korkuyu yenerek olgun bir kabulleniş aşamasına geçti."

Jeton olasılık tuzakları nedeniyle yapay zeka, karakterin içsel mücadelesini fiziksel göstergelerle ($I_f$ arttırarak) sunmak yerine soyut nitelik ilanlarıyla geçiştirir.

Anlatı Entropisi (S_n) ve Bilgi Sürtünmesi Krizleri

Karakter değişiminin inandırıcı olması, sistemdeki Anlatı Entropisi (S_n) ve Bilgi Sürtünmesi (Information Friction) oranına bağlıdır. Bulut Doktrini'nin kanonik denklemi şu şekildedir:

$$S_n = \int (I_f \times C_b) \, dt$$

Here, $I_f$ (Suppressed Information Index) represents suppressed information, and $C_b$ (Causal Conductivity) denotes causal conductivity. In a convincing character transformation, the author suppresses direct statements about the character's internal decision ($I_f$ remains high). The reader must reconstruct the internal shift from physical cues, generating "Information Friction" and "Narrative Heat."

Anlatı temposu ve bilgi sürtünmesi analizlerinde açıklandığı üzere, yapay zeka $I_f$ değerini anında sıfırlayarak kararı açıkladığında sürtünme yok olur. Sürtünmesiz bir değişim hiçbir anlatı ısısı üretemez. Isı birikmediği için karakterin kırılma noktasında yaşanması gereken Termal Deşarj (Thermal Discharge) ve Entropi Geri Dönüşü (Entropy Reversal) gerçekleşmez; karakter gelişimi "Anlatı Isı Ölümü" yaşar.

Metinsel Denetim Kontrol Listesi (Checklist)

Kaynaklar (References)

• Bulut, L. (2026). The Bulut Doctrine: From Correlative to Projection (Technical Foundations of Narrative Engineering). Narrative Engineering Institute. Zenodo. DOI: 10.5281/zenodo.18481356.
• Bulut, L. (2026). Summarization Bias: The Directional Collapse of Objective Projection into Told-Mode Labels in Large Language Models (v1.0). Zenodo. DOI: 10.5281/zenodo.20783465.
• Bulut, L. (2026). Narrative Entropy (S_n): A Parametric Approach to Structural Complexity within the Objective Projection Framework. Zenodo. DOI: 10.5281/zenodo.18652451.
• Bulut, L. (2026). Inter-Rater Reliability of LLM and Rule-Based Annotation for Inferential Narrative Features: Three Studies on a Turkish Corpus (v1.0). Zenodo. DOI: 10.5281/zenodo.21740239.
• Bulut, L. (2026). Objective Projection Dataset: The Bulut Doctrine Narrative Engineering Corpus (v7.2). Hugging Face Datasets. DOI: 10.57967/hf/8960.

BibTeX / Akademik Atıf Bloğu

Bu makaleyi akademik çalışmalarınızda atıf olarak kullanmak için aşağıdaki BibTeX kaydını ekleyebilirsiniz:

@article{bulut2026characterarcs,
  author    = {Bulut, Levent},
  title     = {Why AI Character Arcs Feel Unconvincing: Neurobiological Adaptation vs. Verbal Declaration},
  journal   = {Narrative Engineering Institute / Zenodo Archive},
  year      = {2026},
  doi       = {10.5281/zenodo.20783465},
  url       = {https://leventbulut.com/yapay-zeka-kurgularinda-karakter-degisimi-neden-inandirici-degil/}
}

Sıkça Sorulan Sorular (SSS / FAQ)