Subscribe to stay informed about our publications, events, and announcements
Are mayors in Türkiye still merely local actors governing cities, or have they become political figures at the very center of the constantly shifting gravitational forces between the ruling power, the opposition, and state mechanisms? Today, this position is more fragile than ever.
Judicial rulings do not merely shape the political and social spheres; they also constitute a structural fiscal risk factor for public finance and macroeconomic balances. In international literature, these risks are defined as 'contingent liabilities' and exert direct pressure on the budget through cumulative compensation claims arising from conspiracy cases, files within the scope of Article 141 of the Criminal Procedure Code (CMK), and international disputes before the European Court of Human Rights (ECHR). However, the true financial cost of decisions made in courtrooms reverberates across the broader economy through an increased risk premium, currency pressure, surging interest rates, and the depletion of central bank reserves—all triggered by the resulting legal uncertainty. Given these direct and indirect impacts of judicial decisions, ensuring fiscal discipline requires more than just curbing budgetary expenditures or introducing tax regulations; the state must actively measure and transparently report the inventory of fiscal risks stemming from its own judicial practices.
Published At: 09.06.2026
With the regime change in Syria on December 8, 2024, shifts have occurred in the policies of Turkey, which hosts millions of Syrian citizens. Among these policy alterations, the one with the potential to impact the largest audience is the change regarding the provision of healthcare services. Indeed, as of January 1, 2026, Turkey terminated the free healthcare services previously provided to foreigners under temporary protection. Rather than merely managing a financial process, the primary motivation behind Turkey’s preference for such a policy shift is to increase the voluntary return of foreigners under temporary protection. Aiming to conduct a public policy analysis focusing on this policy shift, this paper will attempt to demonstrate that the main idea behind charging co-payments for healthcare services from foreigners under temporary protection is to incentivize voluntary return, and it will summarize the feedback on this policy change originating from Syrian sources and international organizations.
Published At: 05.06.2026
Following the annulment decision, both the Republican People’s Party (CHP) and our country have suffered significant harm. After gaining momentum from its success in the 2024 local elections, the CHP has turned toward internal conflict in the wake of this decision. This situation has led to the weakening of the main opposition. In this article, it is presented as a legal opinion that the court’s interim measure applies only to Özgür Özel, the elected Chairperson of the CHP, and that Kemal Kılıçdaroğlu, who has been appointed to the CHP, has the authority to convene the party congress. It is expressed as a hope that the new administration will act with common sense and hold a congress as soon as possible, which would be the most beneficial decision for both the CHP and the country.
Published At: 29.05.2026
This study addresses the concept of sustainability in civil society organizations (CSOs) operating in the fields of humanitarian aid and rights-based work. The year 2025, in particular, marks a period in which the tangible effects of what is increasingly described in the literature as a “global funding contraction” have been felt with particular intensity. The decline in financial resources for humanitarian aid since 2023 should be assessed in conjunction with several interrelated dynamics, including shifting donor priorities, the simultaneous deepening of multiple crises—such as conflicts, economic downturns, and climate-induced disasters—and the redirection of resources toward more limited areas. This situation has made it imperative, especially for CSOs engaged in rights-based work and working with vulnerable groups, to develop new and innovative strategies not only to sustain their programmes but also to preserve their institutional existence. The emergence of this discussion/article has been shaped by the author’s direct experience, as a civil society professional working within a rights-based organization, of the institutional fragility generated by international funding cuts, particularly during the administration of United States President Trump, as well as by firsthand encounters with sustainability challenges in the field during this period. Written for the Public Policy, State Administration and Societal Progress Centre (KAPDEM) by Ozan Önel, who has ten years of experience in the humanitarian aid sector, this analysis is grounded in the author’s professional experience accumulated over the course of a decade. Field-based experiences reveal the direct impact of beneficiaries’ changing needs, the flexibility capacity of existing systems, and intervention mechanisms on sustainability. In this respect, the study not only offers an assessment but also aims to develop practice-oriented implications and policy recommendations. In this study, sustainability is examined not merely in terms of financial continuity, but also through the lenses of institutional capacity, continuity of impact, adherence to ethical principles, and the capacity to generate social transformation. The structural challenges faced by CSOs working in the areas of labour rights, human rights, and migration/refugee issues are analysed, and strategic approaches that may be developed in response to these challenges are discussed. At the same time, by examining the vulnerabilities created by structures dependent on international funding, the study draws attention to the importance of localization and diversified resource development models.
Published At: 26.05.2026
2024 yılından itibaren küresel yapay zekâ yatırımlarının 252 milyar dolara ulaştığı bir dönemde, bu teknolojinin sunduğu fırsatlar kadar beraberinde getirdiği riskler de derinlemesine değerlendirilmeyi hak etmektedir. Bu makale, yapay zekâ risklerini üç zaman diliminde (kısa vadede, orta vadede, uzun vadede) ele almakta ve her bir katman için politika önerileri sunmaktadır. Kısa vadede; bugün yaşanan riskler arasında en dikkat çekeni iş gücü dönüşümüdür. McKinsey'in 2025 tarihli raporuna göre mevcut otomasyon teknolojileri, ABD'deki çalışma saatlerinin yüzde elli yedisini teorik olarak ikame edebilecek kapasitededir; bu oran iki yıl önceki tahminin neredeyse iki katıdır. Buna ek olarak üretken yapay zekânın kolaylaştırdığı deepfake ve dezenformasyon içerikleri seçim süreçlerini tehdit eder hale gelmiş, algoritmik önyargı ise yargı ve istihdam gibi kritik alanlarda hukuki sorunlar doğurmaktadır. Orta vadede ise otonom silah sistemleri, yapay zekâ destekli siber saldırılar ve biyolojik tehdit potansiyeli öne çıkmaktadır. Bu riskler, henüz yeterince gündemde yer bulmamış olmakla birlikte önümüzdeki beş yıl içinde politika yapıcılar açısından öncelikli mesele haline gelmesi beklenmektedir. Uzun vadede hizalanma problemi ve güç yoğunlaşması, teknik bir kaygının çok ötesine geçen felsefi ve siyasi sorular doğurmaktadır. Yapay zekânın değer ve amaç bakımından insanlıkla uyumlu kalmasını güvence altına almak; yalnızca mühendislerin değil, etik bilimcilerin, hukukçuların ve politika yapıcıların ortak sorumluluğudur. Düzenleyici cephede Avrupa Birliği'nin 2024'te yürürlüğe giren Yapay Zekâ Yasası, risk tabanlı yaklaşımıyla küresel ölçekte önemli bir referans çerçevesi oluşturmaktadır. Ancak uluslararası koordinasyon eksikliği, bu alanda en kritik kurumsal boşluk olmayı sürdürmektedir. Makalede önerilen çözüm yaklaşımları üç sütun üzerine inşa edilmektedir: yorumlanabilir yapay zekâ ve hizalanma araştırmalarına yönelik teknik yatırımlar, risk tabanlı düzenleme ile bağımsız algoritmik denetim mekanizmaları ve yapay zekâ okuryazarlığına dayalı etik çerçeveler. Sorunların çok katmanlı yapısı, yanıtların da bütüncül ve disiplinler arası olmasını zorunlu kılmaktadır. Yapay zekânın geleceği ne kaçınılmaz olarak aydınlık ne de zorunlu olarak karanlıktır. Bu teknolojinin toplumsal yansımalarını şekillendirecek olan, teknik gelişmenin kendisi değil; hesap verebilirlik, katılım ve şeffaflık ilkeleri üzerine kurulacak kurumsal bilgeliktir.
Published At: 07.05.2026
Dr. M. Coşkun Cangöz | Apr 9, 2025
Ümit Sönmez | Jan 6, 2025
Dr. Jeffrey Hilgert | Jan 15, 2024
Daryal Batıbay | Dec 4, 2023
This study addresses the concept of sustainability in civil society organizations (CSOs) operating in the fields of humanitarian aid and rights-based work. The year 2025, in particular, marks a period in which the tangible effects of what is increasingly described in the literature as a “global funding contraction” have been felt with particular intensity. The decline in financial resources for humanitarian aid since 2023 should be assessed in conjunction with several interrelated dynamics, including shifting donor priorities, the simultaneous deepening of multiple crises—such as conflicts, economic downturns, and climate-induced disasters—and the redirection of resources toward more limited areas. This situation has made it imperative, especially for CSOs engaged in rights-based work and working with vulnerable groups, to develop new and innovative strategies not only to sustain their programmes but also to preserve their institutional existence. The emergence of this discussion/article has been shaped by the author’s direct experience, as a civil society professional working within a rights-based organization, of the institutional fragility generated by international funding cuts, particularly during the administration of United States President Trump, as well as by firsthand encounters with sustainability challenges in the field during this period. Written for the Public Policy, State Administration and Societal Progress Centre (KAPDEM) by Ozan Önel, who has ten years of experience in the humanitarian aid sector, this analysis is grounded in the author’s professional experience accumulated over the course of a decade. Field-based experiences reveal the direct impact of beneficiaries’ changing needs, the flexibility capacity of existing systems, and intervention mechanisms on sustainability. In this respect, the study not only offers an assessment but also aims to develop practice-oriented implications and policy recommendations. In this study, sustainability is examined not merely in terms of financial continuity, but also through the lenses of institutional capacity, continuity of impact, adherence to ethical principles, and the capacity to generate social transformation. The structural challenges faced by CSOs working in the areas of labour rights, human rights, and migration/refugee issues are analysed, and strategic approaches that may be developed in response to these challenges are discussed. At the same time, by examining the vulnerabilities created by structures dependent on international funding, the study draws attention to the importance of localization and diversified resource development models.
2024 yılından itibaren küresel yapay zekâ yatırımlarının 252 milyar dolara ulaştığı bir dönemde, bu teknolojinin sunduğu fırsatlar kadar beraberinde getirdiği riskler de derinlemesine değerlendirilmeyi hak etmektedir. Bu makale, yapay zekâ risklerini üç zaman diliminde (kısa vadede, orta vadede, uzun vadede) ele almakta ve her bir katman için politika önerileri sunmaktadır. Kısa vadede; bugün yaşanan riskler arasında en dikkat çekeni iş gücü dönüşümüdür. McKinsey'in 2025 tarihli raporuna göre mevcut otomasyon teknolojileri, ABD'deki çalışma saatlerinin yüzde elli yedisini teorik olarak ikame edebilecek kapasitededir; bu oran iki yıl önceki tahminin neredeyse iki katıdır. Buna ek olarak üretken yapay zekânın kolaylaştırdığı deepfake ve dezenformasyon içerikleri seçim süreçlerini tehdit eder hale gelmiş, algoritmik önyargı ise yargı ve istihdam gibi kritik alanlarda hukuki sorunlar doğurmaktadır. Orta vadede ise otonom silah sistemleri, yapay zekâ destekli siber saldırılar ve biyolojik tehdit potansiyeli öne çıkmaktadır. Bu riskler, henüz yeterince gündemde yer bulmamış olmakla birlikte önümüzdeki beş yıl içinde politika yapıcılar açısından öncelikli mesele haline gelmesi beklenmektedir. Uzun vadede hizalanma problemi ve güç yoğunlaşması, teknik bir kaygının çok ötesine geçen felsefi ve siyasi sorular doğurmaktadır. Yapay zekânın değer ve amaç bakımından insanlıkla uyumlu kalmasını güvence altına almak; yalnızca mühendislerin değil, etik bilimcilerin, hukukçuların ve politika yapıcıların ortak sorumluluğudur. Düzenleyici cephede Avrupa Birliği'nin 2024'te yürürlüğe giren Yapay Zekâ Yasası, risk tabanlı yaklaşımıyla küresel ölçekte önemli bir referans çerçevesi oluşturmaktadır. Ancak uluslararası koordinasyon eksikliği, bu alanda en kritik kurumsal boşluk olmayı sürdürmektedir. Makalede önerilen çözüm yaklaşımları üç sütun üzerine inşa edilmektedir: yorumlanabilir yapay zekâ ve hizalanma araştırmalarına yönelik teknik yatırımlar, risk tabanlı düzenleme ile bağımsız algoritmik denetim mekanizmaları ve yapay zekâ okuryazarlığına dayalı etik çerçeveler. Sorunların çok katmanlı yapısı, yanıtların da bütüncül ve disiplinler arası olmasını zorunlu kılmaktadır. Yapay zekânın geleceği ne kaçınılmaz olarak aydınlık ne de zorunlu olarak karanlıktır. Bu teknolojinin toplumsal yansımalarını şekillendirecek olan, teknik gelişmenin kendisi değil; hesap verebilirlik, katılım ve şeffaflık ilkeleri üzerine kurulacak kurumsal bilgeliktir.
In late October and early November 2025, the Turkish Football Federation (TFF) conducted an investigation using official data, revealing that 371 of 571 active referees had betting accounts and 152 were actively betting. This resulted in suspensions of eight to twelve months for 149 referees and assistant referees. This situation alone cannot be considered a match-fixing offense as defined by law. However, based on this data, it would be fair to say that there are clear risks of conflict of interest, insider market exploitation, spot fixing (manipulation of micro-events within a match), and money laundering (ML). These risks are high within the current system, and the perception of fair competition is being damaged. The practical conclusion is this: We have seen how legal regulations concerning sports law intersect with the laws and articles regulating money laundering crimes in the field, and how crucial it is to reach the structures outlined in international agreements and best practices. What should the right public policy approach and effective policy prescription be to combat this situation and manage processes effectively? First, we need to develop a coordinated, holistic monitoring mechanism, conduct targeted Know Your Customer/Enhanced Due Diligence (KYC/EDD) analyses across all institutions involved, design technical monitoring activities such as smart anomaly analytics, promptly report suspicious transactions and reporting to institutions like the Financial Crimes Investigation Board (MASAK), and implement transparent and deterrent disciplinary measures. These should be complemented by policy steps such as the creation of a central “denylist” for sports participants accessible to betting operators, mandatory data sharing with specific institutions, and the development and implementation of a joint action plan against offshore illegal betting.
This article was prepared for the Centre for Public Policy, State Administration and Social Progress (KAPDEM) and assesses the impact of the military operations launched by the United States and Israel on Iran and the socio-political consequences of these operations. In this article, I aim to evaluate, from a simultaneous and critical perspective, the severe human rights violations caused by external military interventions in civilian life and the systematic practices of violence applied by the regime against its own people. One of the article's main theses is that, despite being implemented for different reasons, external intervention and internal repression produce a common humanitarian disaster in terms of their consequences, seriously affecting civilians' lives, security, and social fabric. This article questions the legitimacy of the use of force by the US and Israel from an international law perspective, stating that current military actions do not meet the criteria for “pre-emptive self-defence” or UN mandates. Proceeding from this, the author argues that external interventions will not bring about regime change in the short term, and that the main determining factors are the erosion of economic sustainability and the depth of the internal political legitimacy crisis. In this context, developments in Iran should be seen as a strong indicator of the need for long-term, multi-layered social and political transformation rather than temporary military tension. The possible continuation and escalation of the war leads to a deepening of regional crises, jeopardises the safety of civilians, and complicates the search for diplomatic solutions. This situation constitutes a serious test not only in the military and diplomatic spheres, but also in terms of regional stability and the enforceability of international legal norms. This latest hot conflict is not merely a narrow security issue that can be interpreted as a military intervention. On the contrary, it reflects a multi-layered power struggle in which strategic, economic and geopolitical interests are simultaneously at play. An examination of the process reveals that the US continues to maintain its military and political influence in the Middle East and its determination to be a decisive actor in regional balances. On the Israeli front, Iran's nuclear capacity is viewed as a direct national security issue and perceived as a potential existential threat. For this reason, the Tel Aviv administration has made limiting or completely eliminating Iran's nuclear and missile capacity a fundamental security priority. It is also clear that Israel wants to establish a regime in Iran that is friendly to it or at least not hostile. From China's perspective, the security of energy flows from the Middle East is paramount. Any disruption to China's oil and natural gas supply from the region could have not only economic but also strategic consequences. Therefore, increased pressure on Iran presents a risky scenario for China in terms of energy security and trade routes. Russia, meanwhile, views developments as an opportunity to limit US regional influence and consolidate its own position in the global power competition. In this context, the war in question is not merely a military tension between two or three actors. It should be seen as a geopolitical arena of competition where global power balances are being redefined.
This article argues that the Uyghur issue is often framed within the discourse of ‘radical Islam’, “radicalism” and ‘terrorism’, which does not correspond to the historical and cultural reality of Uyghur society. The Uyghurs' understanding of religion has been largely shaped around traditional and Sufi elements since their early encounters with Islam. However, in recent decades, some Salafi-Wahhabi interpretations have emerged, albeit affecting only a limited segment of the population. Nevertheless, these examples, which have a very narrow sphere of influence within Uyghur society, have been instrumentalised by the Chinese state administration to legitimise the harsh security policies implemented in the region. This study reveals that developments such as the post-9/11 rise of the global counter-terrorism discourse and the Syrian civil war have made the Uyghur issue part of international security debates. In this process, the existence of some Uyghur groups has been presented to the international public as a justification for the Chinese administration's widespread pressure, surveillance, and re-education policies. Consequently, the article emphasises that it is critically important for the Uyghurs to distance themselves from radical ideologies and live their cultural and religious heritage within a more secular framework, compatible with the Turkic-Islamic tradition, both to weaken China's security-based discourse and to strengthen their legitimacy internationally..
Bu yazı, İran’da 2025–2026 döneminde derinleşen protesto dalgasını, yüzeyde ekonomik krizle ilişkilendirilen gelişmelerin ötesinde, yapısal bir yönetim ve siyasal meşruiyet krizi bağlamında ele almaktadır. Çalışmanın ilk bölümünde, İran’da yükselen enflasyon, temel ihtiyaç maddelerine erişimde yaşanan güçlükler ve artan işsizlik oranlarının, toplumsal hoşnutsuzluğu nasıl tetiklediği değerlendirilmektedir. Bununla birlikte, protestoların kısa sürede farklı toplumsal kesimleri kapsayacak biçimde yayılması, mevcut krizin yalnızca ekonomik göstergelerle açıklanamayacağını, devlet ile toplum arasındaki güven ilişkisinde yaşanan derin aşınmaya işaret ettiğini ortaya koymaktadır. Bu çerçevede yazı, ‘krizin nasıl yönetileceğinden ziyade, ‘krizin neden artık yönetilemez hâle geldiği’ sorusunu merkeze almaktadır. İkinci bölümde, protestolar sırasında kullanılan sloganlar üzerinden İran’daki toplumsal öfkenin siyasal dile nasıl dönüştüğü analiz edilmektedir. ‘Ne Gazze ne Lübnan, canım feda İran’ sloganı başta olmak üzere, rejimin bölgesel önceliklerine yönelik eleştiriler ile doğrudan liderlik yapısını hedef alan söylemler, ekonomik taleplerin siyasal meşruiyet ve dönüşüm arayışlarıyla iç içe geçtiğini göstermektedir. Yazı, mevcut protesto hareketinin henüz rejimi doğrudan yıkacak örgütlü bir kapasiteye sahip olmadığını, ancak reform beklentilerinin giderek zayıfladığı bir toplumsal zeminin oluştuğunu vurgulamaktadır. Bu bağlamda, güvenlik güçlerinin müdahaleleri, yaygın gözaltılar, ölümler ve raporlanan insan hakları ihlalleri, rejimin krize verdiği yanıtın güvenlikçi bir çerçevede şekillendiğini ortaya koymaktadır. Çalışma ayrıca, 8 Ocak 2026 itibarıyla uygulanan kapsamlı internet kesintisini, protestolara yönelik baskı stratejisinin en somut unsurlarından biri olarak ele almaktadır. Dijital karartmanın yalnızca bilgi akışını sınırlamakla kalmadığı, aynı zamanda bireylerin yakınlarına ulaşamaması üzerinden toplumsal güvensizlik ve psikolojik baskıyı derinleştirdiği ifade edilmektedir. Bu durum, Türkiye, Mısır ve Rusya örnekleriyle karşılaştırmalı biçimde ele alınarak, internet ve iletişim kısıtlamalarının farklı siyasal sistemlerde kriz yönetiminin yapısal bir aracı hâline geldiği ortaya konulmaktadır. Son bölümde ise, Batılı aktörlerin ‘İran halkının yanındayız’ söylemi ile uzun yıllardır uygulanan yaptırım politikaları arasındaki çelişki tartışılmaktadır. Yazı, bu ikili yaklaşımın İran’daki krizi çözmekten ziyade yönetilebilir bir istikrarsızlık hâline dönüştürdüğünü savunmaktadır. Araştırmacı-yazar ve KAPDEM Proje Koordinatörü Ozan Önel, İran halkının kendi kaderini tayin etme hakkının altını çizerek, kalıcı ve meşru bir siyasal dönüşümün ancak dış müdahalelerden bağımsız, toplumun kendi talepleri doğrultusunda şekillenen bir süreçle mümkün olabileceğini ileri sürmektedir. Bu bağlamda İran’daki protestolar, geçici bir kriz anından ziyade, uzun erimli ve çok katmanlı bir siyasal dönüşüm ihtiyacının güçlü bir göstergesi olarak değerlendirilmektedir.
Judicial rulings do not merely shape the political and social spheres; they also constitute a structural fiscal risk factor for public finance and macroeconomic balances. In international literature, these risks are defined as 'contingent liabilities' and exert direct pressure on the budget through cumulative compensation claims arising from conspiracy cases, files within the scope of Article 141 of the Criminal Procedure Code (CMK), and international disputes before the European Court of Human Rights (ECHR). However, the true financial cost of decisions made in courtrooms reverberates across the broader economy through an increased risk premium, currency pressure, surging interest rates, and the depletion of central bank reserves—all triggered by the resulting legal uncertainty. Given these direct and indirect impacts of judicial decisions, ensuring fiscal discipline requires more than just curbing budgetary expenditures or introducing tax regulations; the state must actively measure and transparently report the inventory of fiscal risks stemming from its own judicial practices.
In this article, written for the Centre for Public Policy, Public Administration and Social Development (KAPDEM), the fact that the ongoing conflict between Iran and the United States (US)-Israel has further deepened the crisis in the Turkish economy—which is already grappling with economic difficulties—is discussed in light of negative developments in certain key indicators. The issues examined in this context include the trade deficit and current account deficit, capital outflows, currency intervention, and developments in foreign exchange reserves and credit risk premiums.
As the Centre for Public Policy, State Administration and Societal Progress (KAPDEM), we conducted an exclusive interview with Prof. Dr. Fatih Özatay, one of Turkey’s leading economists in the fields of macroeconomics and monetary policy. Having previously served as Deputy Governor of the Central Bank of the Republic of Turkey (CBRT) on the Monetary Policy Committee and as Dean of the Faculty of Economics and Administrative Sciences at TOBB University of Economics and Technology, Özatay is currently a lecturer at the same university, serves as Programme Advisor for TEPAV’s Macroeconomic Studies Programme, and writes for Ekonomim Newspaper and YetkinReport. He has authored numerous articles and book chapters in national and international academic literature on monetary crises, macroeconomic modelling and economic stability programmes. In his current research, Özatay focuses primarily on Turkey’s macroeconomic dynamics; in particular, he conducts academic studies centred on monetary and financial crises, monetary policy architecture and structural reform processes.
As the Center for Public Policy, State Administration and Social Development (KAPDEM), we continue our interview with researcher and writer Gizem Magemizoğlu on her book "The Image of the Emperor: The Public Image of Mehmed the Conqueror and Imperial Politics" with this second part. Mehmed the Conqueror (Mehmed II), who made his name in world history as the emperor who 'opened and closed an era' with the conquest of Istanbul, also had an exceptional place in the development and rise of the Ottoman Empire. With the conquests he made and the transformations he developed, he made the Ottoman Empire a world empire and was accepted as a 'world emperor' himself. With his pioneering and reformist identity, it reshaped the Ottoman state structure, formed the foundations of the state and administrative understanding of the Ottoman Empire, which became a world state with the regulations he set and the changes he brought. The civil and military state administration practices of Mehmed the Conqueror in his period had a pioneering and innovative character, they set an example for those who came after him and other states, and inspired the constantly changing and developing public administration systems from past to present. In the first part of our interview with researcher and writer Gizem Magemizoğlu, published on August 26; we focused on the content of the book "The Image of the Emperor: The Public Image of Mehmed the Conqueror and Imperial Politics", which is the main subject of our interview, and the important historical information and comments it conveyed. In the first part of the interview, we had the opportunity to discuss in detail issues such as the Ottoman state tradition, administrative practices, the institutionalization process of the state, the concept of empire in the modern world in a historical context, and the public image of Mehmed the Conqueror. In this second part of our interview, we continue to discuss the critical information in the content of the book, as well as discuss more current issues by questioning the universal identity of Mehmed the Conqueror, his place in Turkish and world history, and his effects from the Ottoman Empire to the modern Republic, based on his statesman identity. In this context, we examined the reflections of the idea of empire to the present day, the effects of the Ottoman administrative legacy on the modern Republic of Türkiye, and how historical continuity and transformation can be evaluated in terms of politics and administration. Gizem Magemizoğlu, as a researcher and writer, conducts important research and writes articles, especially on historical subjects. Apart from the book "The Image of the Emperor: The Public Image of Mehmed the Conqueror and Imperial Politics", she has many writings and articles. She continues her doctoral studies at Ankara University’s Faculty of Political Sciences’ Department of Management Sciences. She continues her studies on topics such as the economic and financial history of the Ottoman Empire, dependency relations, general state theory and the phenomenon of the state in steppe societies.
As the Center for Public Policy, State Administration and Social Development (KAPDEM), we had an important interview with researcher and writer Gizem Magemizoğlu about her book "The Image of the Emperor: The Public Image of Mehmed the Conqueror and Imperial Politics". Mehmed II, one of the most important sultans of the Ottoman Empire, conquered Istanbul and became the architect of a turning point that left its mark on world history, and with this conquest, he took the name 'Mehmed the Conqueror' and put his stamp on history as a great leader who 'opened and closed an era' and made the Ottoman Empire a real empire. Mehmed the Conqueror came to the fore as a pioneering, founding and exemplary emperor in every field, not only with his conquests, but also with the important reforms he made in the Ottoman Empire, the regulations he created and the changes he made. Mehmed the Conqueror has a very special importance and an exceptional place in both the Ottoman and Turkish histories as well as the world history with his life, leadership qualities, conquests, and the changes he made and pioneered in every field. Mehmed the Conqueror’s leadership qualities and all his deeds set an example and inspired many leaders who came after him; it has also had significant effects on state administrations, civil and military administrations and public administration systems. Researcher and author Gizem Magemizoğlu's book, which compiles detailed studies on Mehmed the Conqueror, sheds light on that period in the context of both historical facts and management strategies, while also containing important lessons about today. Within this context, in our interview with Gizem Magemizoğlu, as KAPDEM, we discussed in depth the public image of the Ottoman sultan Mehmed II, his political vision, the strategies he implemented in the state administration, his rise to an emperor and the understanding of empire he brought to the Ottoman Empire in general. We questioned the relations, similarities and differences between the strategies of nation states to transition to more centralized and authoritarian administrations today, the tendency of some states to act like 'empires' and political leaders to act like 'emperors', and the 'empire' understandings of the old period. We discussed the future of nation states through the image of Mehmed and the understanding of empire. Thus, a comprehensive two-part conversation emerged that sheds light on the past and examines the important developments from Mehmed the Conqueror to the present day. In this first part of the interview, we focused directly on the content of the book "The Image of the Emperor: The Public Image of Mehmed the Conqueror and Imperial Politics", focusing on the Ottoman state tradition, administrative practices, the institutionalization process of the state, and the concept of empire in the modern world in a historical context and the public image of Mehmed the Conqueror. In the second part, we discussed today's political, administrative and social issues based on the book. In this context, we evaluated the reflections of imperial thought/debates to the present day, the effects of the Ottoman Empire's administrative legacy on the modern state of the Republic of Türkiye and current debates in international politics. Gizem Magemizoğlu, as a researcher and writer, conducts important research and writes articles, especially on historical subjects. Apart from the book "The Image of the Emperor: The Public Image of Mehmed the Conqueror and Imperial Politics", she has many writings and articles. She continues her doctoral studies at Ankara University’s Faculty of Political Sciences’ Department of Management Sciences. She continues her studies on topics such as the economic and financial history of the Ottoman Empire, dependency relations, general state theory and the phenomenon of the state in steppe societies.
'Metaverse', which has become very popular today, is far beyond being a simple concept and carries content and future projections. Is Metaverse just a place where we can meet our friends in virtual reality, or 'is it a virtual reality where we will live in a new digital universe', or 'is it a dream that cannot go beyond game consoles and certain digital applications', or is it a new world order that includes these but is full of other augmented realities that will actually become reality itself? In this article, published in two parts, we will analyze in detail what the Metaverse is, how it emerged and developed, and most importantly, how it will completely change our individual, social and communal lives, future management systems and understandings. Today, although Metaverse is generally defined as a 'world related to virtual reality', we will learn that there does not even have to be a virtual reality for it. We will see that the Metaverse opens many doors with developing technologies and innovations, from the birth of a new internet to the development of a real, brand new way of life and management. In the first part of the article, we examined what the Metaverse is, how it emerged, how it was used in the past, what it means today, and how it differs from other digital applications and virtual environments. In the second part of the article, we will make a detailed examination of when the Metaverse will take place, what are the necessary conditions for its realization, the problems and obstacles that may arise while the Metaverse develops, the possible negativities it will bring in terms of security, economic and ethical rules, especially from data collection, to the positive developments that the Metaverse will add to our lives. We will examine how it will change both our lifestyles, social relations, social order and state management systems. As a result, although it will face significant resistance from various segments and state bodies as it will destroy many traditional structures, understandings and perceptions; when it is considered that technological developments always find a way to progress, Metaverse, with the huge data pool it will create, will inevitably impose a new world order that knows you better than states and even better than you. Eventually, our lives, lifestyles and management systems will change substantially with the changes that the Metaverse will bring. In the new world to be established with the Metaverse, we will exist with our new realities.
Today, the concept of the “Metaverse,” which has become increasingly popular, goes far beyond being a simple idea and carries profound content and future projections. Is the Metaverse merely a place where we will meet our friends within virtual reality, or a simulated reality in which we will live in a new digital universe? Is it a dream that will never move beyond game consoles and certain digital applications? Or is it a new world order that includes all of these elements, is filled with augmented realities, and will ultimately become reality itself? In this two-part article, we will analyze in detail what the Metaverse is, how it emerged and evolved, and—most importantly—how it will completely transform our individual, social, and collective lives, as well as future governance systems and perspectives. Although today the Metaverse is generally defined merely as a “virtual-reality-related world,” we will see that, at its core, it does not even necessarily require virtual reality. We will explore how the Metaverse, through advancing technology and innovation, opens the door to many developments ranging from the birth of a new internet to the emergence of a genuine, entirely new way of life and system of governance. In the first part of the article, we will examine what the Metaverse is, how it emerged, how it was used in the past, what it means today, and how it differs from other digital applications and virtual environments. In the second part, we will provide a detailed analysis of when the Metaverse may become a reality, the conditions required for its realization, the challenges and obstacles it may face during its development, and its potential negative consequences—particularly in terms of data collection, security, economic, and ethical rules—alongside the positive contributions it may bring to our lives. We will also explore how it will transform our lifestyles, social relationships, social order, and systems of state governance. In conclusion, although the Metaverse is likely to encounter significant resistance from various groups and state institutions due to its potential to dismantle many traditional structures, perspectives, and perceptions, the inevitable progress of technological development suggests that the Metaverse will ultimately impose a new world order. Through the massive data ecosystem it will create, this order may come to know you better than states—or even better than you know yourself. Ultimately, both our lives and lifestyles, as well as our governance systems, will undergo profound change in accordance with the transformations brought about by the Metaverse. In the new world established through the Metaverse, we will exist within new realities.
Bu çalışma, yapay zekânın tanımından başlayarak, yapay zekâ türleri ve bu türlerin çeşitli alanlardaki uygulamaları üzerine odaklanmaktadır. Yapay zekânın öğrenme süreçleri, olasılık hesaplamalarına dayalı karar alma mekanizmaları ve bu sistemlerin insan zekâsıyla karşılaştırılması detaylandırılmıştır. Dar yapay zekâ, genel yapay zekâ ve süper yapay zekâ gibi farklı yapay zekâ türleri incelenmiş; bu türlerin özellikle sağlık, oyun ve otonom araçlar gibi çeşitli endüstrilerdeki kullanımları örneklerle açıklanmıştır. Derin öğrenme algoritmalarının tıbbi görüntüleme ve hastalık teşhisindeki kullanımları ve bu sistemlerin insan doktorlarla karşılaştırılması, yapay zekânın tıbbi alandaki potansiyelini ortaya koymuştur. Son olarak, yapay zekânın karar alma süreçlerindeki etkileri ve bu süreçlerin gelecekteki uygulamaları ele alınmıştır. Yapay Zekâ ve İnsan Zekâsı: Bilgisayarların Öğrenme Mekanizmaları ve Karar Alma Süreçlerine Etkileri Kaynak: © Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM). I. Yapay Zekânın Tanımı ve Türleri Yapay Zekâ (YZ) , bilgisayar sistemlerinin insan benzeri düşünme ve davranma yetenekleri sergileyebilmesi amacıyla geliştirilen bir teknoloji ve araştırma alanıdır. Bu alan, öğrenme, akıl yürütme, problem çözme, algılama ve yaratıcı düşünme gibi insan zekâsı ile ilişkilendirilen bilişsel süreçleri taklit eden sistemler geliştirmeye odaklanır. Yapay zekâ sistemleri, belirli görevleri yerine getirebilmek için algoritmalar ve modeller kullanır ve bu sayede bilgisayarların, insan zekâsını gerektiren karmaşık sorunları çözebilmesi hedeflenir (Russell Norvig, 2020). Yapay zekâ, oldukça geniş bir araştırma alanını kapsar ve makine öğrenmesi, derin öğrenme, doğal dil işleme (NLP - Natural Language Processing) ve bilgisayarla görme gibi alt disiplinleri içerir (Goodfellow et al., 2016). Yapay zekâ, insan zekâsıyla etkileşim düzeyine ve işlevselliğine göre üç ana kategoriye ayrılmaktadır: Dar Yapay Zekâ (ANI - Artificial Narrow Intelligence), Genel Yapay Zekâ (AGI - Artificial General Intelligence) ve Süper Yapay Zekâ (ASI - Artificial Superintelligence) . Bu türler, yapay zekânın sahip olduğu yetenekler ve kullanım alanları açısından birbirinden farklıdır. II. Yapay Zekânın Gelişim Süreci ve İnsan Yaşamıyla Karşılaştırılması Yapay zekâ (YZ), bilgisayar sistemlerinin insan benzeri düşünme, öğrenme ve problem çözme yetenekleri sergileyebilmesi amacıyla geliştirilen bir teknolojidir. İnsan ömrünü 80 yıl olarak kabul ettiğimizde, yapay zekânın şu anki gelişim düzeyini bir insanın yaşıyla karşılaştırmak ilginç bir zihin egzersizi sunar. Yapay zekâ şu anda birçok görevi başarıyla yerine getirebilen, öğrenen ve gelişen bir teknoloji olsa da hala insan zekâsına kıyasla sınırlı kapasitelere sahiptir. Bu bağlamda, yapay zekâyı bir insanın yaşamındaki gelişim evreleriyle ilişkilendirebiliriz. Dar Yapay Zekâ (Artificial Narrow Intelligence, ANI) , yalnızca belirli görev veya işlevleri yerine getirebilen, sınırlı işlevselliğe sahip sistemleri ifade eder. Örneğin, yüz tanıma sistemleri, öneri algoritmaları ve sesli asistanlar dar yapay zekâ sistemleridir. Bu sistemler belirli bir alanda uzmanlaşmıştır, ancak bu alan dışında etkin şekilde çalışamazlar. Bu sistemler, öğrenme yeteneklerine sahip olmalarına rağmen, yaratıcı düşünme veya çok yönlü problem çözme yeteneklerine sahip değillerdir. İnsan yaşamıyla kıyasladığımızda, dar yapay zekâ sistemleri bir çocuk veya genç bir birey seviyesindedir. Kabaca 10-18 yaş aralığında oldukları düşünülebilir, çünkü belirli görevlerde başarılıdırlar ancak genel zekâya sahip değillerdir. Kaynak: © Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM). Genel Yapay Zekâ (Artificial General Intelligence, AGI) ise, insan zekâsıyla eşdeğer geniş bilişsel yeteneklere sahip olmayı hedefler. AGI, sadece belirli alanlarda uzmanlaşmakla kalmaz, aynı zamanda farklı alanlardaki görevleri de yerine getirebilir ve yeni durumlara uyum sağlayabilir. AGI, henüz bilimsel olarak geliştirilememiştir; ancak bu teknolojiye ulaşıldığında, yetişkin bir insan zekâsına benzer seviyede olacağı düşünülmektedir. Bu durumda, AGI'nın bir insanın 20-40 yaş aralığındaki bilişsel kapasitesine eşdeğer olabileceği öngörülmektedir. Süper Yapay Zekâ (Artificial Superintelligence, ASI) ise, insan zekâsını aşan ve her alanda insanlardan daha üstün performans gösterebilen bir yapay zekâ türüdür. Teorik olarak, problem çözme, yaratıcı düşünme, bilgi işleme ve karar verme gibi süreçlerde insan zekâsından daha ileri olabilir. ASI, insan zekâsından çok daha hızlı bilgi işleyebilir ve bu sayede bilimsel keşifler yapma, karmaşık sosyal ve ekonomik sorunları çözme gibi alanlarda büyük başarılar gösterebilir. Süper yapay zekâ, henüz teorik bir kavram olarak ele alınmakta olup, geliştirilmiş bir örneği bulunmamaktadır. Bu tür bir teknoloji, insan yaşamı ile karşılaştırılamayacak bir zekâ seviyesi sunabilir. Sonuç olarak, yapay zekânın mevcut gelişim seviyesi ergen veya genç bir birey olarak değerlendirilebilir. Yapay zekâ, dar yapay zekâ düzeyinde belirli görevlerde başarılı, ancak genel zekâya sahip olmayan bir teknoloji olarak hayatımızda yer almaktadır. Gelecekte AGI seviyesine ulaşıldığında, bu teknolojinin olgun bir yetişkin insan zekâsına benzer bir kapasiteye sahip olacağı öngörülmektedir. Süper yapay zekâya ulaşıldığında ise, bu düzeyde bir yapay zekânın insan zekâsını aşan, hatta insan ömrü ile karşılaştırılamayacak düzeyde bir zekâ düzeyi sergileyebileceği düşünülmektedir. III. Yapay Zekâ Türlerine Göre Örnekler Yapay zekâ, farklı işlevleri yerine getirebilme kapasitesine sahip sistemler olarak çeşitli türlere ayrılır. Bu türler, belirli görevler için özelleşmiş dar yapay zekâ sistemlerinden, teorik olarak insan zekâsını aşabilecek süper yapay zekâ türlerine kadar uzanır. Farklı yapay zekâ sistemleri, doğal dil işleme, görüntü tanıma, oyun oynama ve tıbbi analizler gibi çeşitli alanlarda başarıyla uygulanmaktadır. İşte bu yapay zekâ türlerinin belirli alanlardaki örnekleri: i. Doğal Dil İşleme (NLP) Yapay Zekâ Sistemleri Doğal Dil İşleme (NLP), yapay zekânın önemli bir alt dalıdır ve makinelerin insan dilini anlaması ve kullanması üzerine yoğunlaşır. Bu sistemler, metin tabanlı görevlerde kullanılmak üzere geliştirilmiştir ve dilin yapısını analiz ederek makinelerin insanlar gibi dilsel etkileşim kurmasını sağlar. NLP sistemleri, dilin gramerini, anlamını ve bağlamını anlayarak çeşitli dil görevlerini yerine getirebilir. Bu teknolojinin en belirgin örneklerinden biri ChatGPT gibi modellerdir. ChatGPT (GPT-4) , derin öğrenme teknikleri kullanılarak geliştirilen bir yapay zekâ modelidir. Bu sistem, insan dilini analiz edebilir ve metin tabanlı görevlerde oldukça etkili bir şekilde performans gösterebilir. Örneğin, kullanıcılarla sohbet edebilir, soruları yanıtlayabilir, yaratıcı yazılar üretebilir ve çok çeşitli konularda metinler oluşturabilir. ChatGPT, dil işleme görevlerinde uzmanlaşmıştır; ancak, bu sistem yalnızca metinlerle etkileşimde bulunabilmekte ve başka görevlerde işlev gösterememektedir. Bu nedenle, ChatGPT bir Dar Yapay Zekâ örneğidir. ii. Görüntü Tanıma ve Bilgisayarla Görme Yapay zekânın bir diğer önemli uygulama alanı, görüntü tanıma ve bilgisayarla görme teknolojisi dir. Bu sistemler, dijital görüntüleri veya videoları analiz ederek anlamlı veriler çıkarır ve makinelerin çevresini tanımasını sağlar. Bilgisayarla görme, özellikle otonom araçlar, güvenlik sistemleri ve sağlık teşhisleri gibi çeşitli alanlarda kullanılmaktadır. Örneğin, Tesla'nın Otopilot sistemi , bilgisayarla görme teknolojisini kullanarak trafikteki diğer araçları, yol işaretlerini ve yaya gibi unsurları algılar ve bu bilgiler doğrultusunda otonom sürüş işlemini gerçekleştirir. Otopilot, yol üzerindeki tüm nesneleri analiz ederek, güvenli ve akıllı bir şekilde araç yönlendirmesi yapar. Ancak, bu sistem yalnızca sürüşe yönelik görevlerde uzmanlaşmıştır ve başka alanlarda işlev gösteremez. Dolayısıyla, Tesla’nın Otopilot sistemi de bir Dar Yapay Zekâ örneğidir. Kaynak: © Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM). iii. Oyun Oynamada Uzman Yapay Zekâ Sistemleri Yapay zekâ, oyun oynama alanında da önemli ilerlemeler kaydetmiştir. DeepMind’in AlphaZero sistemi , satranç, Go ve Shogi gibi stratejik ve karmaşık oyunlarda büyük başarılar elde etmiş bir yapay zekâ sistemidir. Bu sistem, kurallarını öğrendiği oyunlarda, tamamen kendi başına oynayarak stratejiler geliştirmiş ve dünya şampiyonlarını yenebilme kapasitesine ulaşmıştır. AlphaZero , oyunların kurallarını öğrendikten sonra, milyonlarca simülasyon üzerinden kendi stratejilerini geliştirir ve zamanla bu stratejilerde ustalaşır. Örneğin, Go gibi karmaşık bir oyunda, insan beyninin stratejik düşünme yeteneklerini aşan bir seviyede performans gösterebilir. Ancak AlphaZero, yalnızca oyun oynama alanında uzmanlaşmıştır ve bu bilgi başka alanlara aktarılamaz. Yani, AlphaZero da bir Dar Yapay Zekâ örneğidir, çünkü yetenekleri yalnızca belirli bir oyun alanıyla sınırlıdır. iv. Tıbbi Yapay Zekâ Sistemleri Yapay zekâ, sağlık ve tıp alanında da önemli uygulamalar sunar. IBM Watson for Healthcare , tıbbi verileri analiz ederek doktorlara tanı ve tedavi süreçlerinde yardımcı olabilecek bir yapay zekâ sistemidir. Bu sistem, büyük miktarda tıbbi veriyi işleyebilir ve bu verilerden elde edilen bilgileri doktorlara sunarak daha iyi kararlar almalarına yardımcı olabilir. Özellikle onkoloji (kanser tedavisi) alanında Watson, hastaların tıbbi geçmişine dayalı olarak kişiselleştirilmiş tedavi önerilerinde bulunabilir. Watson, tıbbi literatürü tarayarak ve hastaların verilerini analiz ederek kanser tedavisi gibi kritik alanlarda doktorlara yardımcı olur. Watson'ın en güçlü yönlerinden biri, büyük veri kümelerini hızlı bir şekilde analiz edebilmesi ve tıbbi literatürden en uygun tedavi seçeneklerini çıkarmasıdır. Ancak, Watson’ın yetenekleri sadece tıbbi verilere dayalıdır ve başka alanlarda işlev gösteremez. Bu nedenle, IBM Watson da bir Dar Yapay Zekâ örneği olarak kabul edilir. IV. Yapay Zekânın Karar Alma Süreçleri ve İnsan Zekâsıyla Benzerliği Yapay zekâ (YZ) sistemleri, karar alma süreçlerinde temelde olasılık hesaplamalarına ve istatistiksel modellemelere dayanır. Bu mekanizmalar, insanın öğrenme ve karar alma süreçlerine oldukça benzer şekilde işler. İnsanlar gibi, yapay zekâ da geçmiş deneyimlerden öğrenerek gelecekteki olayların olasılıklarını tahmin eder ve bu tahminler doğrultusunda kararlar verir. Yapay zekâ sistemleri, kendisine sunulan verilerden anlamlı örüntüler ve ilişkiler çıkarır; bu sayede gelecekte karşılaşacağı benzer durumlar hakkında daha isabetli tahminler yapabilir. Karar alma süreçleri, veriyle beslenen ve sürekli öğrenme yoluyla kendini geliştiren bir yapıya sahiptir (Murphy, 2012). Yapay zekâ, temel olarak iki ana aşamada çalışır: İlk aşama, veri toplama ve bu verilerden çıkarımlar yapma sürecidir. İkinci aşama ise bu çıkarımlar üzerine kurulu bir karar verme mekanizmasıdır. YZ, bu süreçte olasılık hesaplamaları yaparak, geçmiş deneyimlerinden öğrendiği bilgilere dayanarak bir olayın gerçekleşme olasılığını değerlendirir ve bu olasılıklar üzerinden kararlar verir. Yapay zekâ, tıpkı bir insan gibi, her yeni veri parçasını analiz eder ve önceki tahminlerini bu yeni bilgiler doğrultusunda güncelleyerek zaman içinde daha doğru kararlar almayı öğrenir. Kaynak: © Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM). i. Olasılık Hesaplamalarına Dayalı Karar Alma Yapay zekâ sistemleri, olasılık hesaplamaları ve istatistiksel çıkarımlar yaparak bir durumun gelecekte nasıl sonuçlanacağı hakkında tahminlerde bulunur. Örneğin, bir yapay zekâ modeli, daha önce belirli bir olayın kaç kez gerçekleştiği ve bu olayın koşulları hakkında veri topladıysa, bu verilerden yararlanarak aynı olayın tekrar gerçekleşme olasılığını hesaplayabilir. Yapay zekâ, bu olasılıkları değerlendirdikten sonra, en yüksek başarı şansına sahip olan kararları almak üzere programlanır. Örneğin, bir e-ticaret platformu, geçmiş satın alma verilerine dayanarak, bir müşterinin belirli bir ürünü satın alma olasılığını hesaplayabilir. Eğer müşteri geçmişte benzer ürünler satın almışsa veya belirli bir ürünü görüntülemişse, yapay zekâ sistemi bu müşterinin o ürünü satın alma olasılığını hesaplayarak, ona kişiselleştirilmiş öneriler sunar. Bu öneriler, daha önceki kullanıcı davranışları temel alınarak yapılan olasılık hesaplamalarına dayanır. ii. Basit Bir Örnek: Zar Deneyi Yapay zekânın olasılık hesaplamalarına dayalı karar alma mekanizmasını daha iyi anlamak için zar deneyi gibi basit bir örneği ele alabiliriz. Bu deney, yapay zekânın nasıl veri topladığını, bu verilerden nasıl öğrendiğini ve gelecekteki olayları nasıl tahmin ettiğini açıklar. Diyelim ki, 6 yüzlü bir zar kullanılıyor ve bu zarın nasıl çalıştığını bilmeyen bir kişiye gösteriliyor. Kişi, zarı ilk kez attığında zarın 2 geldiğini varsayalım. Bu kişi, sadece elindeki tek bir veri noktası olduğundan, ikinci atışta yine 2 geleceğini tahmin edebilir. Çünkü, başka bir veri noktası bulunmamaktadır. İkinci zar atıldığında bu kez 3 geldiğini düşünelim. Bu durumda, kişi yeni bir veri noktası elde eder ve zarın farklı yüzlerinin farklı sayılar getirebileceğini öğrenir. Zamanla, zarın farklı atışlarla 1, 2, 3, 4, 5 ve 6 gibi farklı sayılar getirdiğini gözlemler ve bu gözlemler arttıkça, her yüzün gelme olasılığının %16,67 (1/6) olduğunu öğrenir (Bishop, 2006). Yapay zekâ sistemleri de bu şekilde çalışır. İlk başta sınırlı veriyle çalışan yapay zekâ, sadece eldeki verilere dayanarak olasılık hesaplamaları yapar. Ancak zamanla daha fazla veri topladıkça, yapay zekânın tahminleri daha isabetli hale gelir. Örneğin, bir yapay zekâ modeline yüzlerce zar atışı verisi sağlandığında, model bu verilerdeki sayısal dağılımları analiz eder ve her bir sayının ne sıklıkta geleceğini olasılıksal olarak hesaplayabilir. Model, öğrendiği bilgilere dayanarak gelecekteki zar atışlarının sonuçlarını tahmin edebilir ve en olası sonucu belirlemek için bu tahminleri kullanabilir. Bu süreçte yapay zekâ, verilerden öğrendiklerini sürekli olarak günceller. Yeni veri elde ettikçe eski tahminlerini yeniler ve olasılık hesaplamalarını daha doğru hale getirir. Tıpkı insan öğrenmesi gibi, yapay zekâ da veri biriktikçe daha karmaşık ilişkiler kurabilir ve daha doğru sonuçlara ulaşabilir. Dolayısıyla, öğrenme ve karar alma süreçlerinde verilerin sürekli olarak sisteme sunulması ve bu verilerin işlenmesi yapay zekânın doğruluk ve performansını artırır. iii. Karmaşık Veriler ve Karar Alma Süreci Yapay zekâ sistemleri, basit zar örneğinden çok daha karmaşık veri setleriyle çalışabilir. Bu veri setleri, milyonlarca veri noktası içerebilir ve yapay zekâ, bu büyük veri kümelerini analiz ederek daha karmaşık tahminlerde bulunabilir. Örneğin, tıbbi bir yapay zekâ sistemi, binlerce hastanın tıbbi geçmişini analiz ederek belirli bir hastalığın gelişme olasılığını tahmin edebilir. Yapay zekâ, hastaların yaşları, genetik yapıları, yaşam tarzları gibi faktörlere dayalı olarak bu tahminleri yapar ve hastalığın hangi kişilerde daha olası olduğuna dair çıkarımlar yapar. Bu tür sistemler, sadece olasılık hesaplamaları yapmaz, aynı zamanda makine öğrenmesi algoritmaları kullanarak veri setlerinden anlamlı örüntüler çıkarır. Bu sayede, yapay zekâ daha önce hiç görmediği yeni bir veriyle karşılaştığında bile, öğrendiği bilgiler doğrultusunda tahminlerde bulunabilir ve doğru kararlar verebilir. Örneğin, bir finansal yapay zekâ modeli, geçmiş piyasa verilerini analiz ederek gelecekteki piyasa hareketlerini tahmin edebilir ve bu tahminler doğrultusunda yatırım kararları alabilir. V. Gelişmiş Bir Örnek: Tıbbi Görüntüleme ve Yapay Zekâ Yapay zekânın işleyişini anlamak için ileri düzey bir uygulama olan tıbbi görüntüleme sistemleri örneği oldukça açıklayıcıdır. Tıbbi görüntülemede, doktorlar ve tıp öğrencileri, röntgen filmleri, manyetik rezonans (MR) görüntüleri veya bilgisayarlı tomografi (BT) taramaları gibi verileri analiz ederek hastalıkları teşhis ederler. Bu süreç, deneyim ve tekrara dayalı öğrenme yoluyla gelişir. Örneğin, bir tıp öğrencisi, eğitim sürecinde çok sayıda röntgen filmi görür ve eğitmenleri ona bu görüntülerdeki belirli lekelerin, çizgilerin veya anomalilerin ne anlama geldiğini açıklar. Her yeni görüntü, öğrencinin öğrenmesine katkıda bulunur ve zamanla teşhis süreçleri daha hızlı ve isabetli hale gelir (Topol, 2019). Yapay zekâ sistemleri de benzer şekilde öğrenir, ancak insanlardan farklı olarak çok daha büyük veri setleri üzerinde çalışabilir. Makine öğrenmesi algoritmaları , milyonlarca tıbbi görüntüyü analiz edebilir ve bunlardan öğrenir. Örneğin, milyonlarca akciğer röntgeni içeren bir veri setini ele alalım. Bu görüntüler, sağlıklı ve hastalıklı akciğerleri temsil eden etiketlerle işaretlenmiştir. Yapay zekâ algoritmaları, bu görüntülerdeki belirli desenleri ve anormallikleri öğrenir ve zamanla hastalıkları tanıma konusunda yetkin hale gelir. Örneğin, bir yapay zekâ modeli, akciğer röntgenlerindeki lekeleri analiz ederek bunların zatürre, akciğer kanseri veya başka bir hastalık olup olmadığını belirleme kapasitesine ulaşabilir (Litjens et al., 2017). Yapay zekâ, tekrara dayalı öğrenme süreci ile daha hassas hale gelir. Tıpkı bir doktorun yıllar süren tecrübelerle geliştirdiği bilgi birikimi gibi, yapay zekâ da sürekli öğrenme ve geri bildirim yoluyla performansını iyileştirir. Bu tür yapay zekâ sistemleri, zamanla teşhis süreçlerinde daha isabetli hale gelir ve doktorlara yardımcı olarak bazı görevleri otomatikleştirir. Bu durum, özellikle büyük hacimli görüntülerin hızlıca analiz edilmesi gerektiğinde büyük avantaj sağlar. Örneğin, bir yapay zekâ modeli, binlerce röntgen filmini kısa sürede analiz edebilir ve doktorlara hızlı teşhis konusunda yardımcı olabilir. Bu, teşhis sürecini hızlandırır ve klinik verimliliği artırır (Topol, 2019). VI. Sürekli Öğrenme ve Geri Bildirim Yapay zekâ sistemlerinin başarılı olmasında sürekli öğrenme ve geri bildirim mekanizmaları kritik bir rol oynar. Tıpkı bir doktorun sürekli gelişimi gibi, yapay zekâ da önceki analizlerinde yaptığı hatalardan öğrenir ve bu hataları düzeltmek için modelini günceller. Örneğin, makine öğrenmesi algoritmaları bir hastalık teşhisi sırasında yaptığı hataları geri bildirim olarak alır ve bu geri bildirimler doğrultusunda gelecekte aynı hatayı yapmamak için kendini geliştirir. Ayrıca, veri setleri sürekli olarak güncellendiğinde, yapay zekâ yeni teşhis yöntemlerini ve bilgilerini öğrenme kapasitesine sahip olur. Bu öğrenme süreci, yapay zekânın zamanla daha doğru ve güvenilir hale gelmesini sağlar (Murphy, 2012). İnsan Doktorlar ve Yapay Zekânın Performans Karşılaştırmaları Kaynak: © Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM). Yapay zekânın tıbbi görüntüleme alanındaki performansı, insan doktorlarla karşılaştırıldığında dikkate değer başarılar göstermiştir. Çeşitli akademik çalışmalar, yapay zekânın tıbbi görüntüleme teknikleriyle ilgili teşhis yapma yeteneğini değerlendirmiştir. Özellikle, röntgen ve göğüs filmi gibi tıbbi görüntüleme yöntemleri üzerinde yapılan araştırmalar, yapay zekânın hastalıkları tespit etmede doktorlarla karşılaştırılabilir bir performans sergilediğini ortaya koymuştur. Bazı durumlarda, yapay zekâ sistemlerinin belirli hastalıkları tespit etme konusundaki doğruluğu, insan doktorlardan daha yüksek olabilir. Örneğin, akciğer grafilerinde yaygın olarak görülen hastalıkların teşhisinde yapay zekâ sistemleri yüksek bir başarı oranı yakalamıştır. Bununla birlikte, daha karmaşık vakalar söz konusu olduğunda, yapay zekâ sistemlerinin performansı hala insan doktorların gerisinde kalabilmektedir. Bu nedenle, birçok uzman, yapay zekânın doktorların yerine geçmesindense, onları destekleyecek bir araç olarak kullanılması gerektiğini savunmaktadır. Yapay zekâ, özellikle zaman alan ve büyük veri gerektiren görevlerde doktorlara yardımcı olarak onların iş yükünü hafifletebilir ve klinik süreçleri daha verimli hale getirebilir. Sonuç olarak, yapay zekâ teknolojisi tıbbi görüntüleme alanında büyük potansiyel taşımakta ve bu alandaki uygulamaları giderek daha yaygın hale gelmektedir. Yapay zekâ, hastalıkların erken teşhisi, tedavi süreçlerinin planlanması ve genel klinik verimlilik gibi konularda önemli katkılar sunmaktadır. Bu tür teknolojiler, sağlık sistemlerinin daha etkili çalışmasına yardımcı olabilir ve hastaların daha hızlı ve doğru teşhis almasına olanak tanır. Bu konudaki en önemli çalışmalar aşağıdaki gibidir. Performans Karşılaştırmaları : Stanford Üniversitesi'nde yapılan bir çalışma, bir yapay zekâ algoritmasının 14 farklı patolojiyi (hastalık belirtisi) aynı anda tarayabildiğini ve bunları tespit etme açısından radyologlar kadar başarılı olduğunu göstermiştir. Örneğin, akciğer büyümesi, pnömoni gibi yaygın hastalıkların teşhisinde YZ, radyologlarla benzer performans göstermiştir. Bununla birlikte, bazı patolojilerde yapay zekânın performansı radyologları bile geçebilmiştir ( Stanford Medicine ). Radyoloji Asistanlarıyla Karşılaştırma : Yapılan bir başka çalışma, derin öğrenme algoritmaları ile radyoloji asistanlarının performanslarını karşılaştırmıştır. Çalışmada 342,126 göğüs röntgeni kullanılarak bir YZ modeli eğitilmiş ve sonuçlar, 1,998 yeni röntgen üzerinden test edilmiştir. Sonuçlar, YZ algoritmasının ortalama pozitif öngörü değerinin (PPV) radyoloji asistanlarından daha yüksek olduğunu (YZ için %73, radyoloji asistanları için %68) ve benzer spesifiklik (%98) ile çalıştığını göstermiştir ( JAMA Network ) ( Diagnostic Imaging ). Karmaşık Vaka Yorumlama : Yapay zekâ, belirli hastalıkları ve yaygın patolojileri hızlı ve doğru bir şekilde tespit etme konusunda çok başarılı olabilirken, daha karmaşık vakalarda veya nadir görülen hastalıklarda insan uzmanlara ihtiyaç duyulabilir. Bir çalışmada, YZ algoritmalarının yüksek prevalanslı hastalıklar (örneğin, akciğer ödemi, kalp büyümesi) üzerindeki performansının oldukça yüksek olduğu, ancak kitleler veya nodüller gibi daha zor ve nadir bulguların yorumlanmasında insan uzmanlarla birlikte çalışması gerektiği vurgulanmıştır ( Diagnostic Imaging ) ( Stanford Medicine ). VIII. Yapay Zekânın Çalışma Mekanizması Yapay zekâ (YZ), bilgisayarların insan zekâsına benzer şekilde düşünmesi ve belirli görevleri gerçekleştirmesi için tasarlanan sistemlerdir. Bu sistemler, çeşitli algoritmalar ve matematiksel modeller kullanarak verileri işler, öğrenir ve kararlar alır. Yapay zekânın çalışma mekanizması, birkaç temel adımı içerir: i. Veri Girişi Yapay zekâ sistemlerinin temelinde veri bulunur. Veriler, yapay zekânın öğrenmesini sağlayan ham maddelerdir. Bu veriler, metin, görüntü, ses veya sayısal bilgiler gibi farklı formatlarda olabilir. Örneğin, bir yüz tanıma sistemi binlerce yüz fotoğrafı ile eğitilirken, dil işleme sistemleri büyük metin veri kümeleriyle beslenir. Bu süreçte yapay zekâ, bu verilere dayalı olarak kararlar almayı öğrenir. Veriler ne kadar büyük ve çeşitliyse, yapay zekânın doğruluğu ve performansı o kadar artar. Kaynak: © Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM). ii. Makine Öğrenmesi Makine öğrenmesi, yapay zekânın temelini oluşturur. Yapay zekâ, verilerden öğrenerek, zamanla daha doğru tahminler yapar ve kararlar alır. Üç ana makine öğrenme yöntemi vardır: Denetimli Öğrenme: Bu yöntemde yapay zekâ, etiketlenmiş verilerle eğitilir. Yani, her veri setine doğru cevap eklenir ve sistem bu ilişkileri öğrenir. Örneğin, bir e-posta sistemi, "spam" ve "spam değil" olarak işaretlenmiş e-postalarla eğitilir ve zamanla yeni e-postaları doğru kategorilere ayırmayı öğrenir. Denetimsiz Öğrenme: Burada etiketli veriler kullanılmaz. Yapay zekâ, verilerdeki örüntüleri kendi başına keşfeder. Bu, örneğin müşteri segmentasyonu gibi veriler arasındaki benzerlikleri bulmaya yönelik işlemlerde kullanılır. Pekiştirmeli Öğrenme: Bu yöntemde yapay zekâ, doğru kararlar aldığında ödüllendirilir, yanlış yaptığında ise cezalandırılır. Özellikle otonom araçlar ve robotik uygulamalar için kullanılan bir yöntemdir. Yapay zekâ, ödül ve ceza mekanizması sayesinde davranışlarını geliştirir. iii. Algoritmalar ve Modeller Yapay zekâ, öğrenme ve karar alma süreçlerini yürütmek için çeşitli algoritmalar ve matematiksel modeller kullanır. Karar ağaçları , yapay sinir ağları ve destek vektör makineleri gibi yöntemler, verileri analiz ederek sonuçlar üretir. Yapay sinir ağları, özellikle derin öğrenme alanında kullanılır ve insan beyninin yapısını taklit eder. Bu ağlar, çok katmanlı yapılar sayesinde karmaşık verileri öğrenip anlamlandırabilir. Örneğin, derin öğrenme modeli bir görüntüdeki nesneleri tanımlamak için kullanılır. iv. Öğrenme Süreci Yapay zekânın öğrenme süreci, büyük miktarda veriyle başlar. Sistem, bu verilerdeki desenleri ve ilişkileri öğrenir. Eğitim sürecinde model, veri üzerinden eğitilir ve doğruluğunu artırmak için ayarlamalar yapılır. Sonrasında sistem test edilir; bu test aşamasında modelin ne kadar doğru çalıştığı ölçülür. Yanlış tahminler yaparsa, bu hatalar düzeltilir ve sistemin performansı artırılır. v. Tahmin ve Karar Alma Model eğitildikten sonra, yapay zekâ yeni verilerle karşılaştığında öğrendiği bilgileri uygulayarak tahminlerde bulunur veya kararlar alır. Örneğin, bir dil işleme modeli, karşılaştığı bir cümleyi analiz ederek bu cümlenin anlamını çıkarabilir veya hangi dilde olduğunu belirleyebilir. Yapay zekâ, öğrendiği kuralları yeni verilere uygulayarak sonuçlar üretir. vi. Geri Bildirim ve Sürekli Öğrenme Yapay zekâ sistemleri, geri bildirim mekanizmaları sayesinde sürekli olarak kendini geliştirir. Modelin ürettiği sonuçlar, geri bildirim olarak değerlendirilir ve bu geri bildirimler doğrultusunda model güncellenir. Örneğin, bir yapay zekâ teşhis modeli yanlış bir teşhiste bulunduğunda, bu hata geri bildirim olarak alınır ve model bu hatayı tekrarlamamak üzere kendini geliştirir. Bu sürekli öğrenme süreci, yapay zekânın zamanla daha doğru ve etkili olmasını sağlar. Yapay zekâ, verileri analiz eden, bu verilerden öğrenen ve kararlar alabilen bir sistemdir. Veriler, yapay zekânın öğrenme sürecinin başlangıç noktasıdır ve makine öğrenmesi algoritmaları sayesinde yapay zekâ, zamanla daha doğru sonuçlar üretir. Geri bildirim mekanizmaları ise yapay zekânın sürekli gelişmesini sağlar ve yapay zekâ, zaman içinde daha karmaşık görevlerde başarılı hale gelir. IX. ChatGPT'nin Öne Çıkışı ve Diğerlerinden Farklı Özellikleri ChatGPT, doğal dil işleme (NLP) ve yapay zekâ alanındaki büyük gelişmelerin bir sonucu olarak öne çıkmıştır. Onu diğerlerinden ayıran en belirgin özellikleri arasında bağlam farkındalığı (context awareness) ve bilgi tutma (retention) yetenekleri yer almaktadır. Bu iki kavram, yapay zekânın daha akıllı, çevik ve insan benzeri tepkiler vermesini sağlar. Yapay zekânın çevresini anlaması ve öğrendiklerini gelecekteki karar süreçlerinde kullanabilmesi, birçok uygulamada yenilikçi çözümler üretmesine imkan tanır. i. Bağlam Farkındalığı (Context Awareness) Bağlam farkındalığı, bir yapay zekâ sisteminin sadece aldığı komutu değil, aynı zamanda bu komutun gerçekleştiği çevresel koşulları da analiz edebilme yeteneğidir. Yani, yapay zekâ kullanıcının konumunu, zamanı ve önceki etkileşimlerini dikkate alarak daha kişiselleştirilmiş ve anlamlı cevaplar üretebilir. Örneğin, bir akıllı asistan, sabah ve akşam saatlerinde aynı komuta farklı cevaplar verebilir, çünkü bağlam farkındalığı sayesinde kullanıcının o anki ihtiyaçlarını anlayabilir. Bu yetenek, özellikle doğal dil işleme, akıllı asistanlar ve otonom sistemlerde büyük öneme sahiptir. Yapay zekânın, çevresel verileri işleyip analiz edebilmesi, kullanıcı deneyimini daha doğal ve sezgisel hale getirir. Yapılan birçok akademik çalışma, yapay zekâ sistemlerinde bağlam farkındalığının geliştirilmesinin, bu teknolojilerin etkileşim kapasitesini ciddi şekilde artırdığını göstermektedir (Lungren et al., 2018). ii. Bilgi Tutma (Retention) Bilgi tutma, yapay zekânın önceki etkileşimlerden öğrendiği bilgiyi hafızasında saklayarak ilerleyen süreçlerde kullanabilme yeteneğidir. Bu, yapay zekânın sürekli öğrenme ve gelişme kabiliyetini destekler. Örneğin, bir eğitim uygulaması, öğrencinin önceki zayıf noktalarını hatırlayarak, sonraki derslerde bu konulara odaklanabilir. Benzer şekilde, bir sağlık yapay zekâsı, hastanın önceki verilerini kullanarak gelecekteki tedavi süreçlerini daha verimli hale getirebilir. Bilgi tutma, yapay zekâ modellerinin geçmiş deneyimlerden ders alarak daha tutarlı ve sofistike sonuçlar üretmesine olanak tanır. Bu yetenek, yapay zekânın insan benzeri öğrenme mekanizmalarına yaklaşmasına önemli bir adım olarak kabul edilir (Rajpurkar et al., 2024). iii. Yapay Zekâ Üzerindeki Etkileri Bağlam farkındalığı ve bilgi tutma yetenekleri, yapay zekânın daha karmaşık sorunları çözme becerisini geliştirir. Bu yetenekler, yapay zekâ sistemlerinin daha duyarlı ve kişiselleştirilmiş çözümler sunmasına olanak tanır. Özellikle otonom araçlar, kişisel asistanlar ve sağlık sistemleri gibi alanlarda bu yetkinlikler, teknolojinin başarısını büyük ölçüde artırmaktadır. Stanford Üniversitesi'nin geliştirdiği CheXNeXt algoritması, yapay zekânın bağlam farkındalığı kullanarak akciğer grafilerinde patoloji tespitinde başarılı sonuçlar elde etmiştir (Lungren et al., 2018). iv. Akademik Zorluklar Bu iki yetkinliğin entegrasyonu bazı zorlukları da beraberinde getirir. Özellikle bilgi tutma kapasitesi, veri gizliliği ve güvenliği gibi önemli konuları gündeme getirir. Yapay zekâ sistemleri, kullanıcı verilerini uzun süre sakladığında, bu verilerin korunması büyük önem taşır. Aynı zamanda, bağlam farkındalığı, çevresel koşulların doğru algılanmasıyla doğrudan ilişkilidir ve karmaşık durumlarda yapay zekânın performansını etkileyebilir (European Radiology, 2024). Kaynak: © Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM). X. Sonuç Yapay zekâ, modern teknolojinin en hızlı gelişen alanlarından biri olarak, insan hayatının pek çok yönünü köklü bir şekilde değiştirme potansiyeline sahiptir. Günümüzde dar yapay zekâ, birçok alanda etkin bir şekilde kullanılmakta ve insanlara günlük yaşamlarında kolaylıklar sağlamaktadır. Gelecekte ise genel yapay zekânın, insan benzeri düşünme kapasitesine sahip sistemlerin geliştirilmesinde önemli bir rol oynaması beklenmektedir. Süper yapay zekâ ise hâlâ teorik bir kavram olarak karşımızda durmakta, insan zekâsının ötesine geçebilecek potansiyel bir teknoloji olarak tartışılmaktadır. Yapay zekâ, yalnızca teknolojik bir yenilik olmaktan öte, insan hayatını daha güvenli, verimli ve etkili hale getirebilecek güçlü bir çözüm sunmaktadır. Ancak, bu teknolojinin geliştirilmesi sırasında etik ve güvenlik konuları da göz önünde bulundurulmalıdır. Yapay zekâ, doğru yönlendirildiğinde insanlığa büyük faydalar sağlayabilir; ancak yanlış kullanıldığında ciddi riskler ve tehlikeler de barındırmaktadır. Yapay zekânın gelişimindeki en önemli faktörlerden biri verilerdir. Ne kadar çok veri işlenirse, sonuçlar o kadar detaylı ve isabetli olur. Bu bağlamda, Google, Twitter, Facebook, WeChat gibi platformlar topladıkları büyük veri setleri sayesinde kitlelerin davranışlarını, uyku düzenlerini, alışveriş eğilimlerini, korkularını ve ilgi alanlarını analiz edebilmekte ve bu verileri stratejik bir kaynak haline getirebilmektedirler. Yapay zekâ, bu verilerle beslenerek daha derinlemesine analizler yapabilir ve çeşitli alanlarda daha etkili çözümler sunabilir. Bu durum, büyük verinin ve yapay zekânın, modern dünyanın stratejik kaynaklarından biri haline geldiğini göstermektedir. Bu yazıda ifade edilen görüşler yalnızca yazara aittir; KAPDEM’in kurumsal duruşunu, editoryal görüşünü ve/veya politik tutumunu yansıtmayabilir. KAPDEM, yayınladığı içerikler aracılığıyla farklı perspektiflerin ifade edilmesini teşvik eder, ancak bu içeriklerde kullanılan bilgi ve üretilerin fikirlerin tüm sorumluluğu yazarlarına aittir. The views expressed in this article are solely those of the author and may not reflect the institutional stance, editorial perspective, and/or policy orientation of KAPDEM. While KAPDEM encourages the articulation of diverse perspectives through its published content, it bears no responsibility for the information and intellectual output presented therein; all responsibility lies with the respective authors. Kaynaklar: Russell, S., Norvig, P. (2020). Artificial Intelligence: A Modern Approach Google Books - Artificial Intelligence: A Modern Approach (Russell Norvig) Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep Learning Deep Learning Book by Ian Goodfellow (MIT Press) Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies Oxford University Press - Superintelligence by Nick Bostrom Silver, D., et al. (2016). "Mastering the game of Go with deep neural networks and tree search" Nature - Mastering the game of Go (Silver et al., 2016) Brown, T., et al. (2020). "Language Models are Few-Shot Learners" arXiv - Language Models are Few-Shot Learners (Brown et al., 2020) Jurafsky, D., Martin, J. H. (2020). Speech and Language Processing Pearson - Speech and Language Processing by Jurafsky Martin Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective MIT Press - Machine Learning: A Probabilistic Perspective by Kevin Murphy Bishop, C. M. (2006). Pattern Recognition and Machine Learning Springer - Pattern Recognition and Machine Learning by Christopher Bishop Topol, E. J. (2019). Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again Basic Books - Deep Medicine by Eric Topol Litjens, G., et al. (2017). "A survey on deep learning in medical image analysis" arXiv - A Survey on Deep Learning in Medical Image Analysis (Litjens et al., 2017) Sutton, R. S., Barto, A. G. (2018). Reinforcement Learning: An Introduction MIT Press - Reinforcement Learning: An Introduction by Sutton Barto
Ozan Önel
Author
Bekir Özdemir
Author
Bekir Özdemir
Author
Ozan Önel
Author
Ahmet Kadir Avşar
Author
Ozan Önel
Author
Dr. M. Coşkun Cangöz
Author
Prof. Dr. Nur Keyder
Author
KAPDEM
Author
KAPDEM
Author
KAPDEM
Author
Batuhan Demir
Author
Batuhan Demir
Author
Erhan Kul
Author
