Yapay Zeka Neden İyi Bir Senaryo Yazamaz? Senaryo Mekaniği
Yapay zeka modellerinin neden sinematik senaryolar yazamadığını, mekan hafızasını (Residues) nasıl sildiğini ve senaryo mekaniğindeki sınırlarını inceleyin.
Özet
Büyük Dil Modelleri (LLM'ler) senaryo biçimini (sahne başlıkları, karakter isimleri, diyalog girintileri) taklit etmekte başarılı olsa da, gerçek bir sinematik senaryo yazmakta başarısız olurlar. Yapay zeka; mekanın fiziksel hafızasını oluşturan Sahne Kalıntılarını (Scene Residues) temizler, diyaloglardaki alt metni yok eder ve sahneler arası atmosferik basıncı sıfırlar. Özetleme Yanlılığı (Summarization Bias) ve jeton olasılık tuzakları nedeniyle yapay zeka senaryoları sinematik derinlikten yoksun, pürüzsüz ama steril metinlere dönüşür.
Yapay zeka neden iyi bir senaryo yazamaz? Senaryo mekaniğinde mekan hafızası ve algoritmik sınırlar
Hollywood grevlerinden dijital platformların içerik üretim süreçlerine kadar son yılların en çok tartışılan konularından biri yapay zekanın senaristlerin yerini alıp alamayacağıdır. ChatGPT veya benzeri bir modele "Bir bilim kurgu filmi için senaryo sahnesi yaz" komutu verdiğinizde, model kusursuz bir senaryo formatı (INT/EXT başlıkları, ortalanmış karakter isimleri ve diyaloglar) sunar. Ancak sahne okunduğunda sinematik bir his uyandırmaz; metin tamamen "steril", "tahmin edilebilir" ve "düzdür". Bu durum, yapay zekanın neden düz hikayeler yazdığını açıklayan temel yapısal kısıttır.
Senaryo yazımı yalnız diyalog yazmak veya olay örgüsü dizmek değildir; görsel ve akustik bir ortamın fiziksel mekaniklerle inşa edilmesidir. Hesaplamalı anlatıbilim ve anlatı mühendisliği çerçevesinde yapay zeka modelleri, senaryo mekaniğinin en kritik unsurlarını algoritmik olarak yok ederler.
1. Mekan Hafızasının Silinmesi: Sahne Kalıntıları (Scene Residues) Neden Yoktur?
İyi bir senaryoda sahne değiştiğinde mekan sıfırlanmaz. Bir dramatik çatışma sona erdiğinde, etkisi mekanın üzerinde kalır. Senaryo mekaniğinde bu duruma Sahne Kalıntıları (Scene Residues) adı verilir[cite: 1, 2]. Kül tablasında tüten bir sigara dumanı, masadaki soğumuş kahve bardağı veya kapı eşiğinde kalmış bir nem lekesi; sonraki sahnenin atmosferik basıncını doğrudan besler[cite: 2].
Yapay zeka modelleri ise senaryo yazarken sahneleri nötr ve steril otel odaları gibi kurgularlar. Karakter A odadan çıkar, Karakter B girer ve oda tamamen temizlenmiş gibi sıfırlanır. Modeller otoregresif mimarileri gereği fiziksel kalıntıları "verimsiz gürültü" olarak kodlar ve metinden silerler. Mekan hafızası silindiği için sahneler arası dramatik devamlılık kopar.
2. Diyaloglarda Alt Metnin İmhası: "Told" Tuzağı
Sinema diyalogları bilgi aktarma aracı değildir; taktiksel birer mücadele alanıdır. Karakterler asla gerçekten ne hissediyorlarsa onu söylemezler. Hakiki senaryo gerilimi yapay zeka ve alt metin kurgusu arasındaki uçurumda belirir[cite: 5, 6].
Yapay zeka modelleri bir senaryo sahnesi yazdığında, Özetleme Yanlılığı (Summarization Bias) nedeniyle alt metni (*Shown*) saklamak yerine doğrudan karakter diyaloglarına ilan ederler (*Told*)[cite: 3, 6]:
Örtük Fiziksel Alt Metin (Shown) ───[LLM Senaryo Taslağı]───► "Sana artık güvenmiyorum ve korkuyorum" (Told)
Model durumu diyalogda açıkça beyan ettiği an, izleyicinin zihninde sahneyi deşifre etme gereksinimi ortadan kalkar[cite: 6]. Metindeki **Bastırılmış Bilgi İndeksi (SI)** sıfırlanır ve senaryo sinematik büyüsünü kaybederek radyo tiyatrosuna dönüşür[cite: 6].
3. Sinematik Korku ve Gerilimin Çöküşü
Gerilim ve korku senaryoları, izleyicide pre-kortikal bir tehdit algısı yaratmak için fiziksel parametreleri kullanır. Korku ve gerilim anlatısının fiziğinde açıklandığı üzere; Isı Gradyanı (ani soğuma), Akustik Empedans (yankının kesilmesi) ve Atmosferik Basınç gerilimi inşa eden temel unsurlardır[cite: 1, 2].
Yapay zeka modelleri senaryo yazarken bu fiziksel değişkenleri kullanmak yerine "Aşırı derecede ürkütücü bir sessizlik kapladı" gibi soyut nitelemelere başvurur[cite: 3]. Ayrıca belirsizlikten kaçındıkları için tehdit unsurunu senaryonun başında açıklar ve Bilgi Sürtünmesini (If) çökerterek gerilim ivmesini öldürürler[cite: 2, 3].
4. Temponun Yanılsaması: Simetrik Diyaloglar ve Anlatı Entropisi (Sn)
Yapay zeka modelleri senaryoda hızlı ve kısa diyaloglar yazarak tempoyu yükselttiklerini sanırlar. Ancak anlatı temposu ve bilgi sürtünmesi analizlerimizde kanıtlandığı üzere, kelime hızı gerçek tempo demek değildir[cite: 2]. Bir senaryonun gerçek temposu **Anlatı Entropisi (Sn)** ile ölçülür[cite: 2]:
$$S_n = \int (I_f \times C_b) \, dt$$
Yapay zeka senaryolarında diyaloglar simetriktir: Karakter A iki cümle söyler, Karakter B aynı uzunlukta iki cümleyle onu yanıtlar ve durum hızlıca çözülür. RLHF (İnsan Geri Bildirimli Takviyeli Öğrenme) hizalaması modelleri ahlaki uzlaşıya ve çatışmasızlığa zorlar. Nedensel dallanma (Cb) ve sürtünme (If) sıfırlandığı için senaryonun Anlatı Entropisi çöker[cite: 2, 6].
Edebi ve sinematik etiketleme güvenilirliği üzerine yayımladığımız geniş ampirik çalışmada (Zenodo DOI: 10.5281/zenodo.21740239)[cite: 1], dil modellerinin örtük sinematik kuralları tespit etmekte şans düzeyinde (κ ≈ 0.00–0.02) kaldığı kanıtlanmıştır[cite: 1]. Sinematik parametreleri okuyamayan bir yapay zeka sisteminin, bu parametreleri içeren kaliteli bir senaryo yazması matematiksel olarak imkansızdır[cite: 1].
5. Senaryo Yazarları İçin Anti-YZ Teşhis Kontrol Listesi
Senaryonuzun yapay zeka kurgularına benzer algoritmik bir düzleşmeye düşüp düşmediğini test etmek için şu dört adımlı kontrol listesini uygulayın:
- Sterillik Testi: Sahne açılışında bir önceki sahnenin dramatik aksiyonundan kalan fiziksel bir Sahne Kalıntısı (Residue) var mı[cite: 1, 2]?
- Expospeak (Açımlama) Temizliği: Karakterler geçmişlerini, duygularını ve niyetlerini doğrudan birbirlerinin yüzüne söylüyorlar mı (Told)? Silin.
- Simetrik Diyalog Break-Up: Diyaloglardaki paragraf simetrisini bozun. Bir karakter cevap vermek yerine fiziki bir eylemle sahneyi terke zorlansın.
- Fiziksel Engel Enjeksiyonu: Sahneyi sürtünmesiz bir ortamdan çıkarıp dondurucu bir soğuğa, gürültülü bir mekana veya dar bir alana yerleştirin.
Kaynaklar
- Inter-Rater Reliability of LLM and Rule-Based Annotation for Inferential Narrative Features — Zenodo DOI 10.5281/zenodo.21740239[cite: 1]
- Operationalizing Narrative Entropy (Sn): A Two-Scene Registered Pilot Report (v2.1) — Zenodo DOI 10.5281/zenodo.20362901[cite: 2]
- Summarization Bias in Large Language Models: A Conceptual Framework — Zenodo DOI 10.5281/zenodo.20783465[cite: 6]
- HuggingFace Dataset: Objective Projection Corpus & Evaluation[cite: 1]
Sıkça Sorulan Sorular (SSS / FAQ)
Yapay zeka neden sinematik senaryo yazamaz?
Yapay zeka modelleri yüksek olasılıklı kelime dizilimlerine odaklandığı için sahne kalıntılarını (residues) siler, diyaloglardaki alt metni yok eder ve sahneleri sterilize ederek Anlatı Entropisini çökertecek şekilde yazar[cite: 1, 2, 6].
Senaryoda Sahne Kalıntısı (Scene Residue) neden önemlidir?
Sahne kalıntısı, mekanın fiziksel hafızasını temsil eder[cite: 1, 2]. Bir önceki sahneden sarkan duman, soğumuş kahve veya nem lekesi sonraki sahnedeki Bilgi Sürtünmesini (If) ve atmosferik basıncı yükseltir[cite: 2].
Yapay zeka diyalogları neden yapay hissettirir?
LLM'ler Özetleme Yanlılığı nedeniyle karakterlerin içsel durumlarını doğrudan diyaloglarda ilan etmelerine (Told) neden olur[cite: 3, 6]. Alt metin silindiği için diyaloglar sinematik derinliğini kaybeder[cite: 6].
Yapay zeka senaristlerin yerini alabilir mi?
Mevcut otoregresif LLM mimarisi, fiziksel alt metni ve mekan hafızasını verimsiz gürültü olarak gördüğü için kaliteli ve özgün sinematik senaryolar üretmekte matematiksel olarak yetersizdir[cite: 1, 6].
Akademik Atıf ve BibTeX
Bu makaleye akademik çalışmalarda ve yayınlarda atıfta bulunmak için aşağıdaki BibTeX kaydını kullanabilirsiniz:
@misc{bulut2026yapayzekanedeniyibirsenaryoyazamaz,
author = {Bulut, Levent},
title = {Yapay Zeka Neden İyi Bir Senaryo Yazamaz? Senaryo Mekaniğinde Mekan Hafızası ve Algoritmik Sınırlar},
year = {2026},
howpublished = {\url{https://leventbulut.com/yapay-zeka-neden-iyi-bir-senaryo-yazamaz/}},
note = {Independent Researcher, ORCID: 0009-0007-7500-2261. Objective Projection Paper Series. Refers to Zenodo DOI: 10.5281/zenodo.21740239}
}
Levent Bulut — Bağımsız araştırmacı ve yazar. ORCID 0009-0007-7500-2261.