On Dakikalık Yapay Zekâ Yardımı Azmi Aşındırıyor; Fark En Çok Cevabı Doğrudan İsteyenlerde
1.222 kişilik deneylerde yapay zekâ desteği elden alınınca katılımcılar daha az soru çözdü, daha çok pes etti. Kayıp en çok cevabı hazır isteyenlerde görüldü; ipucu isteyenlerde belirgin değildi.
Ekranda basit bir kesir işlemi var: 5/6 eksi 1/3. Yan tarafta bir yapay zekâ sohbet penceresi duruyor; "cevap?" yazmanız yeterli, sonuç anında geliyor. On iki soru boyunca böyle gidiyor. Sonra pencere hiçbir uyarı olmadan kayboluyor ve üç soru daha geliyor. Ekranın köşesinde de bir "atla" düğmesi var. Yanlış cevabın hiçbir cezası yok, ücret de doğru sayısına bağlı değil.
Carnegie Mellon, UC Berkeley, Oxford, MIT ve UCLA'dan araştırmacıların kurduğu bu düzenekte sorulan soru basit: Yapay zekâ yardımını kısa bir süre kullanan biri, yardım çekilince ne yapar? Cevap, yardımı hiç görmemiş olanlara göre daha az soru çözdüğü ve daha sık vazgeçtiği yönünde çıktı. Üstelik bunun için yaklaşık 10-15 dakikalık bir oturum yetti.
Bulgunun önemi şurada: Bilişsel bilim ve eğitim araştırmalarında zorluk karşısında direnebilmek, yani sebat, uzun vadeli öğrenmenin en güçlü göstergelerinden biri sayılıyor. Araştırmacılara göre yapay zekânın yalnızca performansı değil, bu denemeye devam etme isteğini de etkilemesi asıl kaygı verici kısım. Şimdiye kadarki kanıtların büyük bölümü anketlere dayanan ilişkisel çalışmalardı; bu çalışma ise katılımcıları rastgele gruplara ayırarak neden-sonuç bağı kurmaya çalışıyor.
Üç deney, iki farklı beceri
Çalışmanın ilk yazarı Carnegie Mellon'da makine öğrenmesi doktora öğrencisi Grace Liu. Ekip, katılımcıları ABD'deki çevrim içi araştırma platformu Prolific üzerinden topladı ve üç ayrı randomize kontrollü deney yaptı. Yardımcı olarak GPT-5 kullanıldı; model her sorunun çözümüyle önceden donatılmıştı, yani istendiğinde doğru cevabı hemen verebiliyordu. İki grupta da yanlış cevaptan sonra doğru çözüm ekranda gösterildi, böylece herkes hatasından öğrenebildi.
| Deney | Görev | Katılımcı (toplanan) | Süre |
|---|---|---|---|
| 1 | Kesir problemleri (12 yardımlı + 3 yardımsız) | 354 | yaklaşık 13 dakika |
| 2 | Kesir problemleri, ön test eklenmiş tekrar | 667 | yaklaşık 15 dakika |
| 3 | SAT okuduğunu anlama soruları (5 yardımlı + 3 yardımsız) | 201 | yaklaşık 13 dakika |
Tablodaki veriler makalenin yöntem bölümünden alındı. Ölçülen iki şey vardı: çözme oranı ve atlama oranı. Ceza olmadığı açıkça söylendiği için bir soruyu atlamak, araştırmacılara göre bilinçli olarak uğraşmamayı seçmek anlamına geliyordu; bu yüzden atlama oranı, yetenekten bağımsız bir motivasyon ölçüsü olarak kullanıldı.
Rakamlar ne söylüyor
İlk deneyde, dikkat kontrolü ve temel beceri ölçütleriyle eleme yapıldıktan sonra 305 kişi kaldı. Yapay zekâ yanındayken bu grup soruları daha iyi çözdü ve daha az atladı. Yardım çekilince tablo tersine döndü: Son üç soruda yapay zekâ grubunun ortalama çözme oranı 0,57, hiç yardım almayan grubun 0,74 oldu. Atlama oranı ise 0,11'e karşı 0,20'ye çıktı, yani neredeyse iki katına.
Okuduğunu anlama üzerine kurulan üçüncü deney de aynı yönü gösterdi. Yardımsız sorularda yapay zekâ grubunun çözme oranı 0,76, kontrol grubununki 0,89 oldu; atlama oranı ise 0,08'e karşı 0,01 çıktı. Araştırmacılar bundan, sebattaki düşüşün kesirlere özgü olmadığı, yapay zekâya iş devretmenin genel bir sonucu olabileceği yorumunu çıkarıyor.
Asıl ayrım: Cevabı mı istediniz, ipucunu mu?
Çalışmanın en öğretici kısmı ikinci deneyde saklı. Bu tekrar deneyinde ilk deneydeki bir yöntem zaafı giderildi ve çözme oranındaki düşüş yine görüldü. Ancak atlama oranındaki fark bu kez tüm grup için istatistiksel olarak anlamlı çıkmadı. Araştırmacılar bunun nedenini katılımcıların yapay zekâyı nasıl kullandığında aradı.
Deney sonunda yapay zekâ grubundakilere aracı nasıl kullandıkları soruldu. Yüzde 61'i aracı esas olarak doğrudan cevap almak için kullandığını, yüzde 27'si ipucu ya da açıklama istediğini, yüzde 12'si hiç kullanmadığını söyledi. Fark bu ayrımda belirginleşti:
- Doğrudan cevap alanların yardımsız sorulardaki çözme oranı 0,65 oldu; kontrol grubunda bu oran 0,77, ipucu isteyenlerde 0,76'ydı.
- Doğrudan cevap alanların atlama oranı 0,13'tü; kontrol grubunda 0,07, ipucu isteyenlerde 0,05.
- Doğrudan cevap alanlar, deney başındaki kendi ön test sonuçlarına göre de geriledi; diğer gruplar ya yerinde saydı ya da ilerledi.
Burada önemli bir çekince var: Kullanım biçimini katılımcılar kendisi seçti, rastgele atanmadı. Yazarlar da bu bölümün neden-sonuç değil ilişki gösterdiğini açıkça belirtiyor. Yine de tablo, yapay zekâyı bir öğretmen gibi kullanmakla bir cevap makinesi gibi kullanmak arasında fark olabileceğine işaret ediyor.
Neden vazgeçiyoruz?
Liu, Live Science'a gönderdiği e-postada kaygının bilişsel bilimcilerin "istenen zorluklar" dediği şeyle ilgili olduğunu anlattı: zamanla beceriyi inşa eden verimli uğraş. Ona göre yapay zekâ bu uğraşı düzenli olarak ortadan kaldırırsa insanlar o an doğru cevaba ulaşır ama bağımsız yetenekleri daha zayıf gelişir.
Makalede iki olası mekanizma öne sürülüyor. Birincisi bir tür alışma: Yapay zekâ bir işi saniyeler içinde bitirince, bir işin ne kadar sürmesi gerektiğine dair iç ölçü kayıyor ve yardımsız çalışmak olduğundan daha zahmetli hissettiriyor. Yazarlar bunu, insanın yeni bir konfor düzeyine alışıp eskisini yetersiz bulmasına benzetiyor. Bu döngü kendini besliyor; her devir, bir sonraki devri daha cazip kılıyor. İkincisi, kendi başına uğraşma fırsatı olmayınca insan neyi yapabildiğini de öğrenemiyor; bu da sebatı ayakta tutan öz değerlendirmeyi zayıflatıyor.
Akla gelen ilk itiraz hesap makinesi. Liu bunu kabul ediyor, hesap makinesinin de benzer bir düşüşe yol açabileceğini söylüyor; ama yapay zekâyı ayrıca incelemelerinin nedenini, akıl yürütmenin pek çok alanda birden devredilebilmesi olarak açıklıyor.
Türkiye'deki liselerden gelen önceki işaret
Bu bulgunun Türkiye'yle de bir bağı var. Makalenin atıf yaptığı önceki çalışmalardan biri, Wharton'dan Hamsa Bastani'nin yürüttüğü ve 2025'te PNAS'ta yayımlanan araştırma. Wharton'un yayın sayfasına göre bu deney Türkiye'de yaklaşık 1.000 lise matematik öğrencisiyle yapıldı. ChatGPT-4 benzeri sade bir arayüz verilen öğrenciler çalışma oturumunda kontrol grubundan yüzde 48 daha iyi sonuç aldı, ama yardım çekilip sınava girdiklerinde yüzde 17 daha kötü yaptı. Cevap yerine ipucu veren, öğretmen girdisiyle sınırlandırılmış "GPT Tutor" grubu ise çalışma oturumunda yüzde 127 daha iyi sonuç aldı ve sınavda kontrol grubuyla yaklaşık aynı düzeyde kaldı.
İki çalışma farklı yaş gruplarında ve farklı ölçeklerde yapıldı, ama aynı yöne bakıyor: Zarar, yardımın kendisinden çok cevabın hazır verilmesinden geliyor olabilir.
Bulgunun sınırları
Çalışma COLM 2026 konferansında, hakem değerlendirmesinden geçmiş bir bildiri olarak sunuldu; ilk sürümü nisan ayında ön baskı olarak yayımlanmıştı. Yazarların kendi saydığı ve okurun bilmesi gereken sınırlar şunlar:
- Maruz kalma çok kısa: 10-15 dakikalık tek bir oturum. Etkinin günlük kullanımla birikip birikmediği ya da azalıp azalmadığı bilinmiyor.
- Ölçüm yardım çekildikten hemen sonra yapıldı. Birkaç saat ya da gün sonra etkinin sürüp sürmediği belirsiz.
- Kullanılan yapay zekâ olabildiğince yardımseverdi, istenince tam cevabı veriyordu. Öğretmen gibi soru soran bir araç farklı sonuç doğurabilir.
- Katılımcılar ABD'de çevrim içi bir platformdan ücret karşılığı katılan yetişkinlerdi; görevler de basit kesirler ve sınav tipi okuma sorularıydı.
- İlk deneyde eleme ölçütü gruplar arasında dengesiz bir kayba yol açmış olabilir; yazarlar bunu ikinci deneyde düzeltmeye çalıştı.
- Etki büyüklükleri küçük ile orta arasında; ikinci deneyde toplam atlama farkı anlamlı değildi.
Sırada ne var
Liu'ya göre küçük devirlerin kalıcı yetkinliği nasıl etkilediğini anlamak için aynı insanları uzun süre izleyip öğrenme sonuçlarını farklı görevlerde düzenli ölçmek gerekiyor. Yazarlar, kullanım süresini kısaltmak gibi kullanıcı tarafı önlemlerin ancak yara bandı işlevi göreceğini, asıl değişikliğin modellerin tasarımında olması gerektiğini savunuyor: çözümü değil, çözüme giden yolu gösteren bir yardımcı.
Ortak yazar, Berkeley'deki İnsanla Uyumlu Yapay Zekâ Merkezi'nden bilgisayar bilimci Brian Christian, yaptığı açıklamada insan yeteneklerinin mümkün olduğunca yerinden edilmediği, güçlendirildiği bir geleceğe doğru çalışmak gerektiğini söyledi. Açık soru şu: Sohbet botları her gün milyonlarca kişinin ödevine, raporuna, koduna giriyorken, on dakikada görülen bu küçük kayma aylar içinde neye dönüşüyor? Bunu henüz kimse ölçmüş değil.
Fotoğraf: Jan Vašek, CC0, Wikimedia Commons
