Tao'nun Matematik 2.0 Slaytları: İspat Bolluğu Kavgası

Dün gece matematikçi ve felsefeci Samuel Alexander'ın yaklaşık bir saatlik çözümlemesini izledim. Alexander, Terence Tao'nun Caltech'te verdiği Math 2.0 başlıklı konuşmanın slaytlarını tek tek açıp yorumluyor. Tao, yaşayan en ünlü matematikçilerden biri; Alexander ise daha çok teori kuran, problem çözmede iddialı olmayan biri olduğunu kendisi söylüyor. İkisinin de ortak noktası aynı: Yapay zeka matematik dünyasını kökünden sarsıyor. Ben bu yazıda iki tarafın fikirlerini sadeleştirip önüme koydum; amaç kavgayı değil, kavganın ardındaki düzeni anlamak.

Tao'nun ilk iddiası şu: Klasik matematik, yani onun deyimiyle Matematik 1.0, ispat kıtlığı varsayımı üstüne kuruluydu. Açık bir problemi çözmek zor ve nadir bir işti; kadrolar, dergiler, ödüller hep bu kıtlığa göre dağıtıldı. Taksicilerin Uber gelince yaşadığı sarsıntıyı düşün; Tao'ya göre matematikçiler şimdi aynı sarsıntıyı yaşıyor. Alan neredeyse yüz yıldır pek değişmemişti; internet bile bu düzeni yerinden oynatmamıştı. Tao, konuşmasının kısa özetini WordPress güncesinde paylaştı; orada da aynı teşhisi koyuyor: Kıtlık bitti, düzen eskidi.

Peki yapay zeka neden özellikle matematikte bu kadar güçlü? Tao'nun yanıtı iki kelimeye iniyor: Nesnel doğruluk. Bir ispatın doğru olup olmadığı tartışmaya kapalıdır; beğenip beğenmemek ayrı, doğru olup olmadığı ayrıdır. Fizikte bir iddiayı sınamak için pahalı denemeler gerekir; matematikte kalem, kâğıt ve ortak birikim yeter. Üstelik Lean gibi biçimsel yazım araçları ispatı makineye tek tek denetletebiliyor. Slaytların PDF'si GitHub üzerindeki Tao arşivinde herkese açık duruyor; merak eden oradan satır satır bakabilir.

İkinci neden sayısallaşma. Matematik yazıdan ibaret; tüp, kablo, örnek toplamaz. Eskiden bir makaleye ulaşmak için üniversite kitaplığına girmek gerekirdi; dışarıdan gelen kapıda kalırdı. Bugün milyonlarca sayfa taranmış durumda ve modelin okuyacağı yem hazır. Tao'ya göre öncü yapay zeka laboratuvarları bu yüzden matematik problemlerine öncelik verdi: Doğrulanabilir, dijital, bol veri. Üçü bir araya gelince makine öğrenmesi için biçilmiş kaftan oluyor.

Sonuç: İspat bolluğu dönemi. Yeterli işlem gücüyle, eskiden zor sanılan birçok açık problem kısa sürede çözülüyor; üstelik soruyu soran kişinin uzman olması bile gerekmiyor. Alexander bunu Noel sabahına benzetiyor; ben de katılıyorum, öğrenmek isteyen için her gün bayram. Öte yandan OpenAI, 6 Ekim 2026'da iç modelinden çıkan yeni matematik sonuçlarını paylaştı; bu tip duyurular heyecanı körüklüyor ama resmin tamamını göstermiyor. Bolluk gerçek, gelin görün ki görünenle görünmeyen aynı şey değil.

Tao'nun önemli bir uyarısı var: Yapay zekanın yeteneği tırtıklı bıçak gibi. Bir yönde ustura keskinliğinde, başka yönde kör. Sosyal medyada gördüğün çözülmüş problem yağmuru bu yüzden yanıltıcı; vitrindekiler seçilmiş örnekler, ıskartalar ortada yok. Dürüst ölçüm için bağımsız sınav gerek. Ölçüm yöntemini anlatan çalışma arXiv'de yayımlandı; sahadaki sınavı ise 1stProof yürütüyor. Bu ekip, gerçek araştırma sorularını saklı tutup modellere çözdürüyor ve kâğıt üstü değil sahici sonuç arıyor.

Tao bu noktada eski bir savaş öyküsüne başvuruyor; slaytta dönen bir bombardıman uçağının üstündeki kurşun delikleri var. Öykü şöyle: Dönen uçaklardaki deliklere bakıp zırhı oraya koymak istersin, oysa asıl zırh delik görünmeyen yerlere gerekir; çünkü oralardan vurulan uçak geri dönemez. İstatistikçi Wald'ın bu aklı yürütmesi, sağ kalanlara bakıp yanılmanın ders kitabı örneği oldu. Öykünün Wald'a dayanan özeti Wikipedia'da duruyor; okuyunca Tao'nun demek istediği netleşiyor: Basında parlayan başarılar, dönen uçaklardır; düşenleri kimse saymıyor.

Tao'ya göre problem çözmek aslında bir deniz feneri: Varılacak liman değil, yol gösteren ışık. Asıl değer, çözüme giderken biriken anlayış ve yeni bakış. Ne var ki ölçüyü hedef yaparsan düzen bozulur; herkes fenerin dibine demir atar, çevresini gezmeyi bırakır. Tao, körü körüne problem avcılığının artık matematiğin geleceğine zarar verdiğini söylüyor. Alexander buna katılmıyor; ona göre zarar gören matematik değil, eski maaş ve unvan düzeni. Bence ikisi de yarı haklı: Bilgi artar, ama tek ölçüye kilitlenen camia daralır.

En çok konuşulan slayt, kanser düşünce deneyi. Kurgu şöyle: Gelişmiş bir yapay zeka modelinden, üçüncü aşama klinik sınavı geçen bir kanser ilacı bulması istenir. Model, bilinmedik maddelerden bir karışım önerir; karışım sınavı da geçer. Ama kimse karışımın neden işe yaradığını bilmez. Tao soruyor: Kendini bu ilacı alırken rahat duyar mıydın, yoksa işi anlayan bir hekim mi arardın? Alexander'ın yanıtı sert: Tıp zaten böyle çalışır. Günlük ağrı kesicinin bile etki yolunu kimse tam bilmez; anestezinin nasıl uyuttuğu hâlâ sır. Üstelik ölümcül hastalar, yarın ölecekse bilinmedik ilacı bugünden dener; bunun için özel izin yolları bile var. Sınavı geçmiş bir ilaca burun kıvırmak, ona göre lüks bir çekincedir. Ben Alexander'a yakınım: Bilinmezlik tıpta yeni değil, ama Tao'nun sorusu yine de değerli; çünkü yarın modeller reçete yazarken bu güven sorusu her evde konuşulacak.

Tao'nun umutlu olduğu alan, büyük veri kümeleriyle yapılan yeni tip matematik: Eskiden kurulamayan veri kümeleri artık kurulabiliyor. Örnek Equational Theories projesi: 4694 denklem arasındaki 22 milyonu aşkın bağıntının doğru mu yanlış mı olduğu, gönüllüler ve yapay zeka el ele verilerek çözüldü. Projenin haritası ve Lean doğrulamaları GitHub üzerinden yürüyor; dileyen denklem denklem gezebilir. Benzer birikim Mathlib tarafında da büyüyor; iki milyon satırı aşan bu derlemenin öyküsü Lean Lang sitesinde anlatılıyor. Bunlar, makineyle kol kola yapılan yeni tip bir alan çalışması; eskiden tek kişinin ömrü yetmezdi, şimdi token akıtan her sistem sabaha kadar uğraşabilir.

Math 2.0 örnekleri arasında ilk sıra açıklama problemlerinde: İspatı bilinen ama anlaşılmayan sonuçlara içten bir anlatım bulmak. Sonra yaşayan ağlar geliyor; birbirine bağlı sonuçların derli toplu, güncellenen tabloları. Tao, 13-15 Kasım'daki MathOn etkinliğini de anıyor; öğrencilerin herkese açık yapay zeka araçlarıyla eski ispatlara yeni ve daha iyi haller aradığı bir şenlik bu. Alexander'ın şerhi acı: Ona göre açıklama yazmak, kadro düzeninde para etmeyen işti; iyi anlatım küçük dergilere talim ederdi. Benim gözümde Math 2.0 tam da bu düğümü çözebilir; iyi anlatanın da alkış aldığı bir düzen, matematiği herkese açar.

Alexander'ın asıl öfkesi kadro ve dergi düzenine. Ona göre son yüzyılda alkış da iş de yalnız problem çözenlere gitti; teori kuranlar kenarda kaldı. Kendisi de teori kuran tarafta olduğunu söylüyor ve eski düzenin yıkılışını kahkahayla karşılıyor. Tao bu tabloyu yumuşak anlatıyor; Alexander ise adını koyuyor: Maaşını kıtlığa borçlu olan, bolluktan korkar. Bence bu kavga yalnız matematikçilerin kavgası değil. Her meslekte kapıyı tutanla kapıdan girmek isteyen arasında aynı gerilim var; yapay zeka modelleri kapıyı tutanların elinden anahtarı alınca, gürültü kopuyor.

Kapanışta Tao asıl darboğazın teknoloji değil hayal gücü olduğunu söylüyor; Alexander da buna katılıyor. İkisinin de sevdiği benzetme fotoğrafın icadı: Ressamlar işsiz kalmadı, üstüne sinema diye bilmedikleri bir sanat doğdu. 2026'nın yapay zekası fotoğraf makinesiyse, sinemamız daha gelmedi; neye benzeyeceğini bugün kestiremeyiz. Benim çıkardığım ders şu: İspat bolluğunu kucakla, ölçülerini dürüst tut, anlatmaya vakit ayır. Bunları yapan için önümüzdeki on yıl bayram yeri; yapmayan içinse zor bir hesaplaşma. Hangisinde olacağına her camia kendisi karar verecek.