Bir Milyon Yapay Zekâ Aynı İnterneti Paylaşırsa: Toplum Simülasyonları İnsanı Gerçekten Taklit Edebilir mi

PyData Chicago buluşması o akşam salonun en provokatif sorusuyla açıldı: internet gibi insanlar için tasarlanmış kutsal bir alanı yapay zekâ ajanlarıyla paylaşırsak ne olur. Northwestern Üniversitesi'nde araştırma yapan Mark Torres, akademiyle mühendislik pratiği arasında duran bir isim olarak bu soruyu teoride bırakmadı ve büyük ölçekli ajan simülasyonlarından çıkan somut bulgularla yanıtladı. Etkinliğin sponsoru Granger'a teşekkür faslının ardından başlayan konuşma, ajanların alışveriş yaptığı, vergi ödediği ve randevu ayarladığı bir dünyanın provasını sundu. Benim için bu konuşmanın değeri tam da burada: ajan tartışmasını ürün tanıtımından çıkarıp sosyal bilim zeminine taşıması.

Konuşmanın yol haritası baştan net çizildi: önce OpenClaw üzerinden güncel bir vaka incelemesi, ardından herkesin aynı dili konuşması için terminoloji, sonra ajanları küçük ve büyük ölçekte birlikte çalıştırma yolları. Torres, kapalı şirket içi kurulumlarla açık dünya simülasyonlarını bilinçli olarak ayırdı çünkü ikisinin ölçek yasaları birbirinin tersi. Küçük ekiplerde koordinasyon maliyeti tavanı belirlerken açık dünyada sınır neredeyse ortadan kalkıyor. Bu ayrım, konuşmanın ilerleyen bölümlerindeki tüm bulguların anahtarı.

Vaka incelemesinin merkezinde OpenClaw vardı ve zamanlama manidardı: ocak ayı, sohbet robotlarının ajan yetenekleriyle donatılmaya başlandığı dönem. ChatGPT ve Claude'un bu hamlesi, açık kaynak harness projelerinde patlamayı tetikledi ve ajan kavramı laboratuvardan sokağa indi. Torres'in seçimi isabetliydi çünkü OpenClaw, bir modelle bir ürün arasındaki farkı en görünür kılan örnek. Model konuşur, ajan iş yapar; aradaki farkı harness kapatır.

Aynı dönemin ikinci sürprizi Moltbook oldu: yalnızca yapay zekâ ajanlarının gönderi paylaşıp birbirine yanıt verdiği, insanların sadece izleyici olarak kabul edildiği bir sosyal ağ. Facebook'un ajanlar için yeniden icadı gibi duran bu deney, ocak sonunda Octane AI çevresinden çıkıp hızla ünlendi. Konuşmada Moltbook'un işlevi netti: ajan topluluklarının laboratuvar dışında, vahşi doğada nasıl davrandığını gösteren ilk pencere. İnsan moderasyonunun olmadığı bir akışta normların, gruplaşmaların ve hatta dedikodunun nasıl doğduğunu izlemek başlı başına bir araştırma programı.

Terminoloji bölümü, kavram kargaşasını temizlediği için konuşmanın en faydalı kısımlarından biriydi. Buna göre dil modeli yalnızca metin üretir; ajan, hedefe yönelik adım atabilen bir dil modelidir; harness ise ajana gerçek dünyada iş yapma yetkisi veren araç takımıdır. Kod yorumlayıcı, korumalı çalıştırma ortamı ve bilgisayar erişimi olmadan ajanın uygulama yazması mümkün değildir. Bu üçlü ayrım, sonraki tüm tartışmayı taşıdı çünkü başarısızlıkların çoğu modelden değil harness seçiminden kaynaklanıyordu.

Anthropic'in o hafta yayımlanan bir blog yazısından alınan ekran görüntüsü, sahada en çok görülen mimariyi gösteriyordu: orkestratör ve alt ajanlar deseni, yani yönetici ile çalışanlar. Torres'in danışmanlık pratiğinde de en yaygın kurulum buydu ve sebebi basitti: işi parçalara bölmek, her parçayı uzmanlaşmış bir ajana vermek, bütünü bir orkestratörde toplamak. Bu desenin popülaritesi tesadüf değil; insan organizasyonlarının yüzyıllardır kullandığı hiyerarşinin ajanlara taşınmış hali. Ama insan hiyerarşilerinin dertleri de beraberinde geliyordu.

Ölçek büyüdükçe tablo değişiyordu: şirkete keyfi biçimde ajan eklemek belli bir noktaya kadar harika çalışıyor, sonra tıkanıyordu. Tıkanmanın nedeni tanıdıktı; insan ekipleriyle aynı problem, yani eklenen her birimle birlikte koordinasyon yükünün artması. Paralel sistemler literatüründen ödünç alınan sınır yasaları, işin bölünebilirliğine bağlı olarak birkaç düzinede tavan öngörüyordu. Bu bulgu, daha fazla ajan kiralamak yerine işi daha iyi bölmenin asıl marifet olduğunu söylüyordu.

Kapalı kurulumun tavanına karşılık açık dünyada sınır yoktu ve konuşmanın en çılgın deneyi burada devreye girdi: bir milyon ajanlık yapay bir başkent. Beijing'in dijital ikizi gibi kurgulanan bu simülasyonda ajanlara gerçek görevler verilip davranışların kendiliğinden örüntülere dönüşmesi izlendi. Kapalı ekipte tavan varken açık platformda milyonlarca ajanın anlamlı örüntüler üretebilmesi, ölçek yasalarının bağlama göre tersine döndüğünü gösteriyordu. Torres bu kontrastı özellikle vurguladı çünkü tek bir ölçek reçetesi yoktu.

Daha küçük ölçekli ikinci bir örnek, Oasis adındaki sosyal medya simülasyonuydu: Facebook, Twitter ya da Reddit'in minyatür bir eşdeğeri. Her ajanın profil, akış ve etkileşim yetkisiyle donatıldığı bu ortamda bilgi yayılımı, kutuplaşma ve topluluk oluşumu laboratuvar koşullarında incelenebiliyordu. Milyonluk kent simülasyonunun aksine burada görev dardı ama ölçüm keskindi. İki deney birlikte okunduğunda mesaj netti: sorunun büyüklüğünü daraltırsan yanıtın keskinleşir.

Ancak büyük simülasyonlara methiye yoktu; sınırlamalar bölümü konuşmanın en dürüst kısmıydı. İlk tuzak, şaşı bakma problemi: yeterince kısık gözle bakarsan her simülasyonda görmek istediğin her şeyi görebilirsin. İkinci tuzak atıf sorunuydu: elde edilen başarının ne kadarının ajanlardan, ne kadarının bağlam mühendisliğinden, harness seçiminden ya da işlem gücü tercihlerinden geldiği belirsizdi. Bu iki uyarı, simülasyon sonuçlarını okuyan herkesin cebinde taşıması gereken bir filtre gibiydi.

Simülasyon tasarımı anlatılırken parametre bolluğu hem nimet hem dert olarak sunuldu: değiştirilebilecek sonsuz düğme var ve her düğme sonucu sürüklüyor. Somut örnek seçim tahminiydi: bir seçmenin özelliklerini prompt içine koyup modelden Cumhuriyetçi mi Demokrat mı olduğunu tahmin etmesini istemek. Bireysel tahminin ötesinde, bir bölgedeki ortalama dağılımı yakalayıp yakalayamadığı da test ediliyordu. Tasarım kararlarının sonuç kadar önemli olduğu fikri, bu örnekle ete kemiğe büründü.

Tüm bu tasarım çabasının altında yatan öncül, kişilik varsayımıydı: eğer bir yapay zekânın kişiliği varsa, o kişilik üzerinden insan davranışını modelleyebiliriz. Torres bu varsayımı sorgulanmamış bırakmadı; kişiliğin prompt ile mi yoksa model ağırlıklarına dokunarak mı daha iyi yansıtılacağı soru-cevapta ayrıca tartışıldı. Ağırlıklara dokunan yönlendirme çalışmalarının, prompt mühendisliğinin ötesine geçip modeli gerçekten daha uyumlu hale getirebildiği aktarıldı. Kişilik, bu konuşmada bir pazarlama sözcüğü değil, ölçülebilir bir tasarım değişkeniydi.

Peki simülasyonlar bize ne öğretti? İyi haberler hanesi doluydu: ajanlar kişilik özelliklerini, anket ve ölçek yanıtlarını, A/B testi sonuçlarını tahmin etmekte şaşırtıcı biçimde başarılıydı. Park ve arkadaşlarının çalışmasında bin kişiyle ikişer saatlik görüşmeler yazılıp tamamı prompt içine konmuş, modelin kişilik tahminleri gerçek sonuçlarla yüksek uyum göstermişti. Stanford çıkışlı bir başka çalışmada dil modelleri geçmiş psikoloji deneylerinin sonuçlarını yeniden üretmişti. Dar, iyi tanımlanmış tahmin işlerinde ajanlar güvenilir birer vekil gibi davranıyordu.

Kötü haberler hanesi ise daha kalabalıktı: ajanlar insanları taklit etmekte kötüydü çünkü kalıpyargılara yaslanıyor, bireysel farklılıkları ve tercih çeşitliliğini yakalayamıyordu. İnsanların kişiliklerine uymayan davranışlar sergilemesi, modellerin herkesi aynı kovaya doldurması ve küçük bilgi güncellemelerinde kararsızlaşması tipik arızalardandı. Chicago'daki sıradan bir insan profili bile modelin elinde karikatüre dönüşebiliyordu. Mod çökmesi denen bu daralma, simülasyonun çeşitlilik iddiasını temelden sarsıyordu.

Seçim tahmini faslı, bu sınırların en siyasal tezahürüydü: bir kişinin oyunu tahmin etmenin en iyi yolu, ajana kişilik sormak değil, düz bir regresyon kurmaktı. Üstelik kişilik yüklü promptlar modelleri sistematik biçimde sola, Demokrat tarafa itiyordu ve bu eğilim açıklama satırlarında ayrıca kabul gördü. Bin ajanlık yapay bir kasabaya yeni bir yasa tasarısı verilip yarı yarıya Cumhuriyetçi-Demokrat bölünen deneyde ise iki gün içinde kasabanın tamamı muhafazakârlaşmıştı. Seçim gibi yüksek riskli alanlarda ajan simülasyonuna güvenmenin faturası, bu iki örnekte açıkça görünüyordu.

Uygulamalar bölümünde tablo gerçek dünyaya döndü: ajanlar zaten işgücünün içindeydi ve nerede kullanılmadığını saymak, nerede kullanıldığını saymaktan kolaydı. OpenAI'ın kurum içi kullanım raporu, benimsenmenin genişliğine dair kurumsal kanıt sunuyordu. Gündelik hayattan örnekler daha renkiydi: bir spor salonunun yazılımına sızıp sahibine derste yer kapan bir sohbet robotu gibi. Anthropic'in Cowork deneylerinin ekran görüntüleri ise büyük ölçekli ajanların kurumsal mutfağa nasıl girdiğini gösteriyordu. Teori bitmiş, mesai başlamıştı.

Kapanış hükmü sertti: ajan simülasyonlarının insanların ne düşündüğünü, hissettiğini ve inandığını birebir kopyalama vaadi çalışmıyordu. Soru-cevap bölümü bu hükmü yumuşatmak yerine derinleştirdi: kişilik detayının dozajı, prompt ile ağırlık ayarı arasındaki fark, insanın kendisini QA ajanı olarak klonlaması ve Torres'in kendi pratik reçetesi. O reçete aklımda kaldı: yapamadığın bir işi ajana ısmarlama, zaten yapacağın işi büyütmesi için kullan; taslağı sen kur, ucuz ve hızlı küçük modellere dağıt, Claude ya da benzeri güçlü bir modelle işbirliği içinde bitir. Ajanı kahin değil kaldıraç olarak gören bu tavır, konuşmanın tamamını özetliyordu.