Bir zamanlar sınıfta en çok alkışlanan öğrenci, öğretmenin sorduğu tarihi saniyesinde hatırlayan kişiydi: “İstanbul 1453!” Cevap doğruydu, zil çaldı, dünya yerli yerindeydi. Fakat bugün cebimizdeki telefon bile bu bilgiyi bizden hızlı hatırlıyor. Bloom Taksonomisi tam da burada sahneye çıkar ve kulağımıza şunu fısıldar: Bilgiyi hatırlamak, düşünmenin bodrum katıdır. Merdivenin üst katlarında anlamak, uygulamak, analiz etmek, değerlendirmek ve en tepede yaratmak vardır. Asıl soru artık şudur: Makineler bu merdiveni çıkabilir mi, yoksa yalnızca bodrumda çok hızlı koşan parlak metal fareler midir?
Derin öğrenme sistemleri, devasa veri okyanuslarında yüzen istatistiksel dalgıçlar gibidir. Kelimeler, imgeler, sesler ve kod parçaları arasındaki ilişkileri yakalarlar. Bir çocuğun ateşe dokunup “sıcak” kavramını bedeniyle öğrenmesi gibi değil; daha çok milyarlarca cümlenin gölgesinden “sıcak” kelimesinin nerelerde parladığını hesaplayarak öğrenirler. Bu, hafife alınacak bir şey değildir. Çünkü insan zihni de bütünüyle saf bir mucize değildir; tekrar, örüntü, çağrışım ve tahminle çalışır. Fakat insanın derinliğinde bir şey daha vardır: niyet, değer, kırılganlık ve anlam arayışı.
Bloom’un merdiveninde makinenin ayak sesleri
Hatırlama basamağında makineler zaten olimpiyat şampiyonu. Anlama basamağında ise durum daha ilginçtir: Bir yapay zekâ metni özetleyebilir, benzetmeler kurabilir, soruları yanıtlayabilir. Uygulamada da güçlüdür; matematik problemi çözer, kod yazar, tasarım önerir. Analiz aşamasında ilişkileri parçalayabilir, argümanları sınıflandırabilir, veri içindeki gizli desenleri bulabilir. Değerlendirme basamağında ölçüt verildiğinde karar üretebilir. Fakat “yaratma” basamağına geldiğimizde, zemin birden sislenir. Çünkü yaratmak yalnızca yeni bir şey üretmek değildir; neyin üretmeye değer olduğunu sezmek, eksikliği hissetmek ve dünyaya henüz yokken gerekli görünen bir biçim armağan etmektir.
Bir makine şiir yazabilir. Hatta bazen öyle bir dize kurar ki insan önce etkilenir, sonra hafifçe utanır: “Bunu ben niye düşünemedim?” Ama burada kritik ayrım şudur: Makine yaratıcı çıktılar üretebilir; fakat yaratıcılığı bir varoluş meselesi olarak yaşar mı? Van Gogh’un sarısı yalnızca renk seçimi değildir; dünyayla kurduğu ateşli ve yaralı ilişkinin izidir. Bir algoritma sarıyı istatistiksel olarak uygun bulabilir, ama güneşe bakarken içindeki karanlığın yer değiştirdiğini bilir mi? Büyük ihtimalle hayır. Ancak eğitim açısından bu “hayır” yenilgi değil, tasarım ilkesidir.
Yaratıcılık öğretmek mi, yaratıcı koşullar kurmak mı?
Makinelere yaratıcılığı öğretmek, onlara “daha özgün ol” demekle olmaz; tıpkı öğrenciye “eleştirel düşün” deyip sonra tek doğru cevaplı test dağıtmakla olmayacağı gibi. Yaratıcılık, uygun gerilimlerden doğar: kural ile sapma, bilgi ile belirsizlik, disiplin ile oyun, hata ile keşif. Yapay zekâ sistemleri için bu, yalnızca veri büyütmek değil; farklı alanları çarpıştıran, beklenmedik bağlantıları ödüllendiren, sonuç kadar süreci de değerlendiren öğrenme ortamları kurmak demektir. Makineye sadece geçmişin ortalamasını öğretirsek, gelecekten ancak iyi düzenlenmiş bir fotokopi alırız.
Bloom Taksonomisi burada öğretmene ve geliştiriciye ortak bir pusula sunar. Eğer yapay zekâyı eğitimde kullanıyorsak, onu cevap makinesi değil, düşünme ortağı olarak konumlandırmalıyız. Öğrenciye “Bu metni özetle” demek yerine, “Bu metindeki varsayımları bul, karşıt bir senaryo kur, sonra kendi yargını savun” diyebiliriz. Yapay zekâ da bu süreçte alternatifler üreten, sorular soran, kör noktaları gösteren bir tartışma aynası olabilir. Böylece öğrenci merdivenin alt basamaklarında oyalanmaz; yukarı çıkarken kendi zihninin kaslarını da çalıştırır.
Asıl tehlike makinelerin yaratıcı olması değil, insanların makine gibi eğitilmesidir. Ezberi kutsayan, hatayı cezalandıran, merakı müfredat dışı sayan bir sistemde yapay zekâ yalnızca mevcut yoksulluğu hızlandırır. Fakat Bloom’un üst basamaklarını ciddiye alan bir eğitim, yapay zekâyı zihinsel bir vinç gibi kullanabilir: daha yükseğe bakmak, daha karmaşık sorular sormak, daha cesur denemeler yapmak için.
Sonuçta makinelere yaratıcılığı öğretme meselesi, dönüp dolaşıp insanın kendini nasıl eğittiği sorusuna bağlanır. Eğer yaratıcılığı “yeni kombinasyon üretme”ye indirgersek, makineler bizi çoktan yakaladı. Ama yaratıcılığı anlam, sorumluluk ve dönüşümle birlikte düşünürsek, hâlâ anlatacak bir hikâyemiz var. Belki geleceğin sınıfında öğretmen, öğrenci ve yapay zekâ aynı masada oturacak. Öğretmen pusulayı tutacak, öğrenci yolu yürüyecek, makine haritalar çizecek. Fakat hangi dağa tırmanmaya değer olduğuna karar vermek, hâlâ insanın en eski ve en zor ödevi olacak.