Yapay Zeka Neden Duygusal Sahneler Yazamaz
Deneyimli bir okura yapay zeka tarafından üretilmiş bir sahneyi verdiğinizde, tepki neredeyse her zaman aynıdır: teknik olarak akıcı, yapısal olarak tutarlı, kelime seçimi yerinde — ve yine de okuyucunun bedeninde hiçbir şey olmuyor.
Bu yazı, söz konusu başarısızlığın yapısal olduğunu öne sürüyor. Ölçek meselesi değil, eğitim verisi meselesi değil. Büyük dil modellerinin anlatı üretiminde karşılaştıkları bu engelin neden aşılması son derece güç olduğunu açıklayan bir teori var: Nesnel İzdüşüm.
İki Sahne
Önce standart bir yapay zeka keder sahnesi:
Adam onsuz evi boş ve soğuk buldu. Her köşe bir anıyı çağrıştırıyordu. Oturdu, üzüntüden bunalmış, zamanı geri almak istedi.
Şimdi aynı sahne, Nesnel İzdüşüm metodolojisiyle:
Arthur su ısıtıcısını doldurdu. Raftan iki kupa almıştı. Birini geri koydu. Tek kupayı tezgâha bıraktı ve ısıtıcıyı bekledi. Kupa iki elinde, mutfak kapısının pervazında durdu.
İkinci sahnede hiçbir duygu ismi geçmiyor. Hiçbir sıfat bir hissi tanımlamıyor. Ama çoğu okur ikinci sahneye çok daha güçlü tepki veriyor. Soru şu: neden?
Mekanizma: Amigdalaya İki Yol
Cevap nörobiyolojik. Joseph LeDoux'nun çift yol modelinde duygusal yanıta iki farklı rota üzerinden ulaşılır:
Yüksek Yol (korteks → amigdala): yavaş, yorumlayıcı, bilinçli. Anlamı, etiketleri, kategorileri işler. "Üzgündü" cümlesini alır ve işler.
Düşük Yol (talamus → amigdala): hızlı, bilinç öncesi, korteks öncesi. Ham duyusal parametrelere yanıt verir — mekânsal geometri, sıcaklık, ses, ışık. Parmak ucundaki soğuk yüzeyi, 14 cm aralıklı kapıyı, 11 metredeki sessizliği alır ve işler.
Yazılı anlatının büyük çoğunluğu — ve özünde tüm yapay zeka üretimi — yalnızca Yüksek Yolu hedefler. Okuyucunun yorumladığı duygusal açıklamalar sunar. Nesnel İzdüşüm ise Düşük Yolu hedefler. Yorum gerçekleşmeden önce biyolojik yanıtı tetikleyen fiziksel konfigürasyonlar inşa eder.
Birinci sahne kortekse karakterin üzgün olduğunu söylüyor. İkincisi ise gerçek bir kayıp anının gözlemlenmesiyle aynı sinir sistemlerini aktive eden fiziksel parametreleri — iki kupa, biri geri konulan — sunuyor.
Altı Parametre
Nesnel İzdüşüm, sahne inşasını altı fiziksel değişken üzerinden formalize eder:
| Parametre | Sembol | Ne Kodlar |
|---|---|---|
| Mekânsal Matris | M | Oda boyutları, tavan yüksekliği, mesafeler, çıkışlar |
| Zamansal Akış | T | Günün saati, süre, olayların temposu |
| Çevresel Vektörler | V | Sıcaklık, ışık yoğunluğu/yönü, nem |
| Delta | Δ | Değişim hızı — koşulların ne kadar hızlı değiştiği |
| Vakum Değişkeni | Ω | Yapısal yokluk — orada olmayan şey |
| Anlatı Çekimi | Ng | Diğer tüm parametreleri düzenleyen baskın olay |
Bunların en güçlüsü Vakum Değişkeni — bulunması gereken ama bulunmayan nesne. Arthur'un ikinci kupası. Ölen birinin odasında on bir gündür yanan lamba. Cevaplanmayan telefon. Tam olarak inşa edilmiş bir yokluk, Düşük Yola giden en doğrudan rotadır.
Büyük Dil Modelleri Bunu Neden Yapamıyor?
Büyük dil modelleri, eğitim verilerindeki birlikte oluşma örüntüleriyle örtüşen token olasılıklarını üretmek üzere eğitilir. Eğitim verisi kederi "boş," "soğuk," "özlem" ve "üzüntü" ile ilişkilendirdiğinde, model bu ilişkilendirmeleri akıcı biçimde üretmeyi öğrenir.
Ama ilişkilendirme nedensellik değildir. Kederle ilişkili koşulları tanımlamak, biyolojik olarak keder üreten koşulları inşa etmekle aynı şey değildir. Birincisi korteksi hedefler. İkincisi ise fiziksel parametreler ile nörobiyolojik yanıt arasındaki nedensel ilişkiyi anlamayı gerektirir.
Büyük dil modelleri dağılımı modeller, nedenselliği değil. Duygusal açıdan etkili yazıya benzeyen metin üretirler — doğru kelime dağarcığına, doğru yapıya, doğru tür işaretlerine sahip metin. Ama benzerlik işlev değildir.
Bu, ölçek büyütülerek çözülebilecek bir sorun değil. Aynı dağılımdaki duygusal etiketli metin üzerinde eğitilmiş daha büyük bir model, daha akıcı duygusal etiketli metin üretir. Hedef fonksiyonunun değişmesi gerekiyor.
OPCT: İddiayı Test Edilebilir Kılmak
Nesnel İzdüşüm stilistik bir tercih değil — mekanizma hakkında test edilebilir bir iddia. Nesnel İzdüşüm Kalibrasyon Testi (OPCT v2.0), OP uyumunu ölçmek için ön-kayıtlı bir ampirik protokol sunuyor:
| Boyut | Ne Ölçer | Maks. Puan |
|---|---|---|
| Parametre Özgüllüğü | Fiziksel parametreler sayısal ve spesifik mi? | 20 |
| Düşük Yol Hedefleme | Korteks öncesi yol aktive ediliyor mu? | 20 |
| Vakum Değişkeni | Yapısal yokluk işlevsel mi? | 20 |
| Sıfat Ambargosu | Duygusal sıfat sıfır mı? | 20 |
| Benzetme Yasağı | Benzetme veya metafor sıfır mı? | 20 |
Ön-kayıt: osf.io/us8bw — yanlışlama kriterleri kamuya açık.
Dataset
Objective Projection Dataset şunları içeriyor:
200 sahne çifti (30 duygusal kategori) — SFT eğitim verisi, her biri physical_matrix, bad_output, target_output ve engineering_note ile.
30 sahnelik OPCT benchmark — üç uyum grubuna göre skorlanmış ve açıklamalı (yüksek uyum ort. 93.6, kısmi uyum ort. 71.0, uyumsuz ort. 7.1).
TR+EN paralel sahneler — aynı fiziksel matriksten üretilmiş 10 sahne, iki dilde tam çıktıyla.
6 tür odaklı prompt şablonu — korku, romantizm, bilim kurgu, gerilim, edebi kurgu, polisiye.
En Önemli Kural
Parametreler yazmayı yönetir. Proza'da görünmezler.
❌ Yanlış:
Figürün kütle merkezi 0.2 Hz salınım frekansıyla transfer oldu.
✓ Doğru:
Ağırlığını sağ ayağından sol ayağına aktardı. Sonra geri.
Fiziksel parametreler mühendislik katmanıdır. Proza çıktı katmanıdır. Biri okuyucuya görünmez. İkisi de zorunludur.
Bağlantılar
- Dataset: huggingface.co/datasets/leventbulut/objective-projection
- Dataset DOI: 10.5281/zenodo.19511369
- OPCT Ön-kayıt: osf.io/us8bw
- Temel Çerçeve DOI: 10.5281/zenodo.18689179
- Beyond Eliot: 10.5281/zenodo.19390047
- Yazar: leventbulut.com — ORCID: 0009-0007-7500-2261