Kod Review: Başkasının Aklındaki Bug’ı Kırmadan Yakalamak

Kod review, çoğu ekipte yanlış anlaşılan küçük bir ritüeldir: Bir geliştirici kodunu açar, diğerleri büyüteçle kusur arar, sonra yorumlar yağar. Fakat iyi bir kod review, dijital bir mahkeme değil; ortak aklın laboratuvarıdır. Burada amaç, birinin hatasını yakalayıp zafer turu atmak değil, henüz üretime çıkmamış bir fikrin nerede tökezlediğini birlikte görmektir. Çünkü kod, sadece makineye verilen talimat değildir; yazanın zihinsel modelinin donmuş hâlidir.

Bir fonksiyona baktığınızda aslında şunu sorarsınız: Bu insan problemi nasıl anlamış? Hangi varsayımlarla ilerlemiş? Hangi olasılıkları görmüş, hangilerini karanlıkta bırakmış? İşte eleştirel düşünme burada devreye girer. Eleştirel düşünme, sert konuşmak değildir. Tam tersine, aceleci yargıyı askıya alıp mantık zincirini tek tek izleme disiplinidir. Kod review yapan kişi, biraz dedektif, biraz editör, biraz da iyi niyetli bir satranç rakibidir.

Hata değil, varsayım avla

Yeni başlayan reviewer’ların çoğu yüzeyde kalır: Değişken adı kötü, satır fazla uzun, burada noktalı virgül eksik. Bunlar önemlidir ama asıl mesele genellikle daha derindedir. Bir ödeme sistemi düşünün. Kod düzgün çalışıyor gibi görünür; testler yeşildir. Fakat geliştirici, aynı kullanıcının aynı anda iki kez ödeme isteği göndermeyeceğini varsaymıştır. İşte bu, mantık hatasının altın madenidir. Kod review’un ustalığı, yazılmamış cümleleri duymaktır: “Bu değer asla null olmaz.” “Bu servis hep cevap verir.” “Kullanıcı bunu yapmaz.” Yazılım tarihinin mezarlığı, bu cümlelerin enkazıyla doludur.

Yapıcı eleştiri için ilk kural şudur: Kişiye değil, modele saldır. “Bunu yanlış yapmışsın” demek savunma mekanizmasını çağırır. “Bu senaryoda aynı kayıt iki kez oluşabilir mi?” demek ise düşünceyi davet eder. İyi soru, kötü yorumdan daha keskindir. Çünkü soru, sahibini utandırmadan zihinsel süreci yeniden çalıştırır. Kod review’da en etkili cümleler çoğu zaman emir kipinde değil, keşif kipindedir: “Burada race condition ihtimali var mı?”, “Bu kontrol daha yukarıda yapılsa akış sadeleşir mi?”, “Bu fonksiyon iki sorumluluk taşıyor olabilir mi?”

Eleştirinin ergonomisi

Bir yorumun teknik olarak doğru olması yetmez; kullanılabilir olması gerekir. “Bu kötü” gibi bir yorum, harita değil sis üretir. İyi bir review yorumu üç parçadan oluşur: gözlem, gerekçe, öneri. Örneğin: “Bu döngü içinde veritabanına her seferinde sorgu atılıyor; büyük listelerde performans problemi oluşturabilir; toplu sorgu veya önbellekleme daha güvenli olabilir.” Bu cümle hem problemi gösterir hem nedenini açıklar hem de çıkış kapısı bırakır. Eleştiri, kapıyı kilitlemek değil, menteşeyi yağlamaktır.

Elbette reviewer da hatalı olabilir. Hatta sık sık olur. Bu yüzden kesinlik sarhoşluğuna kapılmamak gerekir. Kod review, “ben bilirim” arenası değil, “beraber daha az yanılırız” yöntemidir. Bir öneri sunduğunuzda onun bağlama uyup uymadığını kontrol edin. Belki o çirkin görünen kod, eski bir sistemin zorunlu uyumluluğu yüzündendir. Belki tekrar gibi görünen parça, bilinçli olarak ayrılmıştır. Eleştirel düşünmenin olgun hâli, kendi eleştirisini de inceleyebilmektir.

İyi review kültürü nasıl kokar?

İyi bir ekipte review yorumları kişisel itibar savaşına dönüşmez. Junior geliştirici soru sorabilir, senior geliştirici fikrini değiştirebilir. “Neden böyle yaptın?” cümlesi sorgu odası tonuyla değil, merakla söylenir. Bir PR’da sadece kusur değil, iyi kararlar da işaretlenir: “Bu ayrım okunabilirliği artırmış”, “Bu test kenar durumu güzel yakalamış.” Çünkü beyin yalnızca ceza ile değil, tanınma ile de öğrenir.

Sonuçta kod review, yazılım kalitesinden daha fazlasını üretir: Ortak düşünme kası üretir. Başkasının mantık hatasını yapıcı biçimde bulmak, kendi kör noktalarımızı da eğitir. Her review’da şu küçük ahlaki seçim yapılır: Haklı çıkmak mı istiyorum, yoksa sistemi daha doğru hâle getirmek mi? İlki egoyu besler, ikincisi ürünü. İyi reviewer, hatayı yakalayan kişi değil; hatanın ortaya çıkabileceği düşünme ortamını kuran kişidir. Ve bazen en iyi review yorumu, sadece şu sorudur: “Burada neyi doğru kabul ediyoruz?”

Google Hafızalı, İnsan Pişman: Geçmişimizi Silmek Bir Hak mı, Kaçış mı?

İnsan eskiden hata yapardı, utanırdı, öğrenirdi ve zamanla köy kahvesindeki dedikodu bile yeni bir skandala yer açardı. Şimdi ise on yıl önce atılmış öfkeli bir tweet, lise çağında çekilmiş talihsiz bir fotoğraf ya da gençliğin karanlıkta söylenmiş bir cümlesi, arama motorlarının floresan ışığı altında sonsuza dek teşhir edilebiliyor. Dijital unutulma hakkı tam da burada doğuyor: Kişi, internetteki geçmiş izlerinin silinmesini ya da en azından görünmezleşmesini isteyebilir mi?

Bu soru yalnızca teknik değildir. Bir dosyayı sunucudan kaldırmak, önbelleği temizlemek, arama sonuçlarını budamak mümkündür. Asıl mesele şudur: Bir insan geçmişindeki en kötü anına indirgenmemeyi hak eder mi? Bence evet. Çünkü etik olan, insanı sabit bir veri noktası gibi değil, değişebilen bir varlık olarak görmektir. İnsan, yalnızca yaptığı şey değildir; yaptığı şeyle hesaplaşma kapasitesidir de.

Hafıza adalet mi, intikam mı?

İnternetin hafızası tuhaf bir tanrıya benzer: Her şeyi kaydeder ama bağlamı sevmez. Bir ekran görüntüsü, zamanı dondurur; niyeti, yaş aralığını, kültürel iklimi, pişmanlığı ve dönüşümü çoğu kez dışarıda bırakır. Oysa etik yargı, bağlamla nefes alır. Birinin yıllar önceki kaba bir paylaşımını bugünkü kimliğinin değişmez özü gibi sunmak, adalet değil, dijital mumyalamadır.

Fakat iş burada romantik bir affetme masalına dönüşmemeli. Unutulma hakkı, güçlülerin sabıkalarını sabun köpüğüyle yıkadığı bir itibar çamaşırhanesi olursa tehlikelidir. Bir siyasetçinin yolsuzluk haberini, bir şirketin çevre felaketini, bir doktorun ağır mesleki ihmalini arama sonuçlarından silmek, kamunun bilme hakkına saldırıdır. Mahremiyet ile kamu yararı arasındaki çizgi, etik tartışmanın en keskin bıçağıdır.

Bu yüzden sorulması gereken soru şudur: Silinmek istenen bilgi, kişinin özel hayatını gereksiz yere mi yaralıyor, yoksa toplumun güvenliği ve karar verme hakkı için mi gerekli? Bir öğrencinin ergenlikte yaptığı aptalca paylaşım ile bir yöneticinin belgelenmiş sahtekarlığı aynı kefeye konamaz. Birincisi insanın büyüme hakkına, ikincisi toplumun hafıza hakkına dokunur.

Algoritmaların merhameti yoktur

Arama motorları tarafsız kahinler değildir; hangi bilginin öne çıkacağına karar veren devasa sıralama makineleridir. Bu makineler çoğu zaman skandalı ödüllendirir, çünkü skandal tıklanır. Böylece bir kişi hakkında en görünür bilgi, en doğru ya da en güncel bilgi değil, en iştah açıcı bilgi olabilir. Dijital unutulma hakkı bu nedenle sansürden ibaret değildir; bazen algoritmik abartıya karşı insan onurunu savunma girişimidir.

Yine de silme arzusunun psikolojik gölgesini de görmeliyiz. Her geçmiş izi yok etmek, olgunlaşmak anlamına gelmez. Bazen insan, hatasından ders çıkarmak yerine geçmişini sterilize etmek ister. Jungiyen bir dille söylersek, gölgesini entegre etmek yerine sunucudan kaldırmaya çalışır. Ama gölge silinmez; bilinçli biçimde sahiplenilmediğinde başka maskelerle geri döner. Bu nedenle unutulma hakkı, içsel yüzleşmenin yerine geçmemeli; ona alan açmalıdır.

Etik çözüm mutlak silme ya da mutlak hatırlama değildir. Daha incelikli araçlara ihtiyacımız var: Eski ve önemsiz içeriklerin arama sonuçlarında geriye düşürülmesi, güncel bağlam eklenmesi, yanlış bilgilerin düzeltilmesi, çocukluk ve gençlik dönemine ait içeriklere daha güçlü koruma sağlanması, kamu yararı taşıyan kayıtların ise korunması. Dijital toplum, hafızasını bir arşivci titizliğiyle, merhametini ise bir bilge sabrıyla yönetmelidir.

Sonuçta unutulma hakkı, geçmişi yok etme fantezisi değil, insanı geçmişe zincirlememe ilkesidir. İnternetin hafızası taş gibi olabilir; ama etik, taşın üstüne yosun, zaman ve anlam eklemeyi bilir. Hepimiz bir gün eski bir cümlemizin, eski bir fotoğrafımızın, eski bir yanılgımızın karşısına çıkarılabiliriz. O gün isteyeceğimiz şey ayrıcalık değil, adil bir ölçü olacaktır: Beni hatırla, ama yalnızca en kötü halimle değil.

Her Şeyi Söyleyen Makine: Turing Tamlığı Dilin Tanrısı mı, Tuzak mı?

Turing tamlığı, bilgisayar biliminin kulağa büyü gibi gelen ama aslında son derece disiplinli bir kavramıdır: Bir sistem, yeterli zaman ve bellek verildiğinde, başka herhangi bir Turing tam sistemin hesaplayabildiği her şeyi hesaplayabiliyorsa Turing tamdır. Basitçe söyleyelim: Eğer bir dilde koşul kurabiliyor, tekrar yapabiliyor ve belleği yönetebiliyorsanız, elinizde küçük bir evren simülatörü olabilir. Fakat burada ilk tuzak başlar: Her şeyi hesaplayabilmek, her şeyi kolayca, hızlıca veya anlamlı biçimde ifade edebilmek demek değildir.

Bir programlama dili düşünün. Python, JavaScript, C, hatta teorik olarak bazı çok sade oyuncak diller bile Turing tamdır. Bu, onların aynı hesaplama gücüne sahip olduğu anlamına gelir. Ama kimse ciddi bir işletim sistemi çekirdeğini beyaz tahtada tasarlanmış ezoterik bir dille yazmak istemez. Çünkü ifade gücü ile ifade konforu aynı şey değildir. Bir dilin yapabilecekleri kadar, nasıl yaptırdığı da önemlidir. Turing tamlığı, motorun teorik beygir gücüdür; direksiyonun hissini, frenlerin güvenini, yolculuğun şiirini anlatmaz.

Bu noktada dil meselesi devreye girer. İnsan dili de bir tür sembolik makinedir. Kelimelerle dünya kurarız, kavramlarla acıyı evcilleştirir, metaforlarla bilinmeyene köprü atarız. Ama insan dili Turing tam mıdır diye sormak, hem komik hem de kışkırtıcıdır. Çünkü doğal dil, biçimsel bir programlama dili gibi kesin değildir; muğlaktır, bağlama yaslanır, susuşlarla çalışır. İnsan bazen bir cümleyle algoritma yazar, bazen tek bakışla bin sayfalık anlam aktarır. Ne var ki muğlaklık, hesaplama açısından güç değil, çoğu zaman belirsizliktir.

Her şeyi ifade etmek mümkün mü?

Turing tamlığı bize şu sert dersi verir: Bir sistem yeterince güçlü hale geldiğinde, kendi içinde kaçınılmaz karanlık bölgeler üretir. Durma problemi bunun klasik örneğidir. Genel olarak bir programın sonsuza dek çalışıp çalışmayacağını her durumda belirleyen kusursuz bir algoritma yoktur. Yani hesaplama evreni, kendi kehanetini tam yapamaz. Bu, dil için de çarpıcı bir benzetmedir: Bir dil ne kadar zenginleşirse, kendi sınırlarını, paradokslarını ve çözülemez düğümlerini de beraberinde getirir.

Buradan önemli bir ayrım çıkar: Turing tamlığı sınırsızlık değil, belirli bir sınır türünün eşiğidir. Sistem artık hesaplanabilir olanın tamamına erişebilir; ama hesaplanamaz olana değil. Sonsuz bellek ve sınırsız zaman varsayımı da gerçeğin değil, teorinin lüksüdür. Gerçek bilgisayarlar ısınır, çöker, elektrik faturası çıkarır. Gerçek insanlar yorulur, unutur, yanlış anlar, bazen de kahve bitince felsefeyi bırakıp sandviç arar.

Programlama dilleri açısından bakarsak, Turing tamlığı bir dilin olgunluğunu tek başına ölçmez. SQL bazı biçimleriyle sınırlı hesaplama modelleri sunar; düzenli ifadeler bilinçli olarak Turing tam değildir; HTML ise kendi başına hesaplama dili olmaktan çok yapı işaretleme aracıdır. İlginç olan şudur: Bazen sınırlılık bir erdemdir. Her şeyi yapabilen sistemler, her şeyi bozabilen sistemlerdir. Daha kısıtlı diller güvenlik, doğrulanabilirlik ve sadelik sağlar. Bir bıçağın keskinliği kadar, nerede durduğu da önemlidir.

Dil felsefesiyle temas ettiğimizde soru daha da derinleşir: Eğer bir sistem her hesaplanabilir şeyi ifade edebiliyorsa, anlamı da yakalamış olur mu? Hayır. Hesaplama ile anlam arasında ince ama uçurum gibi bir fark vardır. Bir makine şiir üretebilir, ama şiirin içinden yaralanarak geçer mi? Bir dil aşkı tanımlayabilir, ama aşkın zamandaki ağırlığını taşıyabilir mi? Bu sorular romantik görünse de teknik bir noktaya temas eder: Sembol işleme, bağlam ve deneyimle birleşmediğinde yalnızca biçimsel bir danstır.

Sonuçta Turing tamlığı, düşünceye mütevazı ama güçlü bir pusula verir. Bir sistemin neleri yapabileceğini anlamamızı sağlar; fakat neleri iyi, güvenli, anlaşılır veya anlamlı yapabileceğini söylemez. Her şeyi ifade edebilme iddiası, çoğu zaman bir imparatorluk hayalidir. Gerçek bilgelik ise şunu bilmektir: Güç, yalnızca olanakların genişliği değil, sınırların haritasını çıkarma cesaretidir. Dil de yazılım da burada olgunlaşır; her şeyi söylemeye çalışırken değil, neyin söylenemediğini fark ettiğinde.

İnsanın En Eski Şifresi: Güven Nasıl Hacklenir?

Bir sistemin en zayıf halkası çoğu zaman eski bir sunucu, yamalanmamış bir yazılım ya da unutulmuş bir parola değildir. En zayıf halka, kahvesini yarım içmiş, toplantıya geç kalmış, telefonuna aynı anda üç bildirim düşmüş insandır. Toplumsal mühendislik ve phishing tam da burada sahneye çıkar: Teknolojinin kapısını kırmak yerine, kapıyı açacak kişiye nazikçe gülümser.

Phishing, yani oltalama, yalnızca sahte e-postalardan ibaret değildir. O, insan doğasına yazılmış güven kodunu okuyan bir manipülasyon sanatıdır. Bankanızdan gelmiş gibi görünen bir mesaj, patronunuzun acil ödeme isteyen e-postası, kargo şirketinden gelen sözde teslimat bağlantısı… Hepsinin ortak noktası teknik zekâdan çok psikolojik ustalıktır. Çünkü saldırgan şunu bilir: İnsan, anlam arayan bir varlıktır; belirsizlikten hoşlanmaz, otoriteye eğilir, aciliyete tepki verir ve kaybetme korkusuyla düşünmeden hareket edebilir.

Güven: Medeniyetin Harcı, Sistemlerin Açığı

Güven olmadan toplum kurulamaz. Her sabah bindiğimiz otobüsün şoförünün kurallara uyacağına, bankanın paramızı saklayacağına, doktorun bizi iyileştirmeye çalışacağına inanırız. Bu inanç, gündelik hayatın görünmez işletim sistemidir. Fakat aynı güven, dijital dünyada bir saldırı yüzeyine dönüşür. Tıpkı açık bırakılmış bir port gibi, insanın iyi niyeti de taranabilir, ölçülebilir ve sömürülebilir.

Burada mesele insanın aptal olması değildir; bu kolaycı ve kibirli bir açıklamadır. Asıl mesele, zihnin verimlilik için kestirme yollar kullanmasıdır. Beyin her bilgiyi sıfırdan analiz etmez. Logoya bakar, üsluba bakar, gönderen adına bakar, bağlama bakar ve hızla karar verir. Sosyal mühendis bu kestirme yolları bilir. Otorite, kıtlık, aciliyet, merak, korku ve aidiyet duygularını birer düğme gibi kullanır.

Bir e-postada şu cümleyi gördüğünüzü düşünün: Hesabınız güvenlik nedeniyle askıya alınacaktır. Bu ifade teknik olarak basit, psikolojik olarak güçlüdür. Çünkü size bir veri sunmaz; bir tehdit atmosferi üretir. Zihin hemen kaybı önlemeye odaklanır. İşte oltanın ucundaki yem budur: Bilgi değil, duygu.

Saldırı Kodla Değil, Hikâyeyle Başlar

Toplumsal mühendisliğin en rahatsız edici tarafı, saldırının çoğu zaman bir hikâye biçiminde gelmesidir. Sahte bir yardım kampanyası, kurumsal bir duyuru, dostça bir rica, acil bir görev… İnsanlar hikâyelere inanır çünkü hikâyeler kaosa düzen verir. Saldırgan da kurbanına teknik bir komut değil, içinde rol alacağı küçük bir senaryo sunar. Sizden yalnızca bir bağlantıya tıklamanız, bir dosya açmanız, bir kodu paylaşmanız istenir. Küçük bir hareket, büyük bir kapı açar.

Bu nedenle güvenlik yalnızca antivirüs programlarının, güvenlik duvarlarının ve karmaşık parolaların meselesi değildir. Güvenlik aynı zamanda dikkat terbiyesidir. Dijital çağın savaşçısı, kılıç taşıyan değil, dürtülerini izleyebilen kişidir. İçinde yükselen aceleyi fark eder. Korkunun karar vermesini engeller. Otoritenin maskesini sorgular. Şüpheyi paranoya değil, bilinçli bir duruş olarak kullanır.

Elbette çözüm kimseye güvenmemek değildir. Güvensizlik de toplumsal bir zehirdir. Asıl mesele, güveni doğrulamayla birlikte yaşamaktır. Bir mesaj gerçekten bankadan mı geliyor? Bir bağlantı göründüğü yere mi gidiyor? Bir yönetici olağan dışı bir talepte bulunduğunda başka bir kanaldan teyit etmek mümkün mü? Bunlar küçük ama güçlü sorulardır. Modern güvenlik kültürü, evet demeden önce bir saniyelik düşünme boşluğu yaratabilmektir.

İnsan Yamalanabilir mi?

Yazılımlar güncellenir, sistemler yamalanır; peki insan? Evet, ama güncelleme paketi farkındalıktır. Eğitimler kuru slaytlardan ibaret olduğunda işe yaramaz. İnsanlara yalnızca neye tıklamamaları gerektiği değil, neden tıklamak istedikleri de anlatılmalıdır. Çünkü phishing teknik bir sorun gibi görünse de kökü psikolojiktir. Korkularımız, alışkanlıklarımız, güven ihtiyacımız ve sosyal reflekslerimiz bu saldırıların beslendiği topraktır.

Sonuçta phishing bize rahatsız edici bir ayna tutar. En gelişmiş şifreleme algoritmalarının çağında bile hâlâ bir selam, bir logo, bir aciliyet cümlesiyle kandırılabiliyoruz. Bu, insan olmanın kusuru değil; insan olmanın bedelidir. Güven bizi bir arada tutar, ama sorgulanmadığında bizi ele geçirir. Dijital dünyada bilgelik, kalbi kapatmak değil, kapıya bir dürbün takmaktır.

Yapay Zekâ Neden Dün Bildiğini Bugün Unutur?

Bir makine öğrenmesi modelini çoğu zaman soğukkanlı bir matematik makinesi sanırız: Veriyi alır, örüntüyü çıkarır, bilgiyi saklar ve gerektiğinde kusursuzca geri çağırır. Ne var ki derin öğrenme modelleri, bazen sınava son gece çalışan öğrencilerden bile daha dramatik bir unutkanlık sergiler. Yeni bir görevi öğrenirken eski görevlerdeki başarısını kaybeder. Bu olguya genellikle yıkıcı unutma denir. Adı serttir, etkisi daha da serttir: Modelin belleği, arşiv gibi değil, üst üste yazılan ıslak bir defter gibi davranır.

İnsan hafızasında unutma eğrisi, zamanla bilginin solmasını anlatır. Makine öğrenmesinde ise mesele çoğu zaman zamanın geçmesi değil, yeni verinin ağırlıklar üzerinde yaptığı baskıdır. Bir sinir ağı, öğrendiği bilgiyi ayrı klasörlere koymaz; bilgiyi milyonlarca parametrenin ortak düzeninde temsil eder. Bu parametreler, modelin dünyayı yorumlama biçimidir. Yeni veri geldiğinde eğitim algoritması bu parametreleri günceller. Sorun şudur: Aynı parametreler eski bilgiyi de taşıyorsa, yeni ayar eski düzeni bozabilir. Bir piyano akort ederken gitarın tellerini de farkında olmadan gevşetmek gibi.

Unutma Neden Olur?

Temel mekanizma gradyan inişidir. Model hata yaptığında, parametrelerini hatayı azaltacak yönde değiştirir. Yeni görev için doğru olan bu hareket, eski görev için yanlış olabilir. Örneğin bir model önce kedileri köpeklerden ayırmayı öğrensin. Sonra ona kuş türlerini sınıflandırmayı öğretelim. Eğer eğitim sırasında eski kedi-köpek örnekleri hiç görünmezse, model parametrelerini kuşlar için optimize ederken memeli ayrımlarını taşıyan hassas yapıları zedeleyebilir. Modelin dünyası yeniden şekillenir; eski harita yeni kıtanın altında kalır.

Bu durum özellikle sürekli öğrenme senaryolarında kritik hale gelir. Gerçek dünya durağan değildir. Dolandırıcılık tespit sistemleri yeni hileleri, öneri sistemleri değişen kullanıcı zevklerini, otonom araçlar yeni yol koşullarını öğrenmek zorundadır. Fakat her güncelleme, geçmiş becerilerin üzerine kontrolsüzce yazarsa sistem güvenilir olmaktan çıkar. Bugün sahte işlemleri yakalayan model, yarın yeni dolandırıcılık türünü öğrenirken eski dolandırıcılığı kaçırabilir. Bu, yalnızca teknik bir hata değil; finans, sağlık ve güvenlik alanlarında somut risk demektir.

Çözüm: Belleği Tasarlamak

Yıkıcı unutmaya karşı ilk yaklaşım tekrar oynatmadır. Model yeni verilerle eğitilirken eski verilerden küçük örnekler de gösterilir. İnsanların tekrar ederek hatırlamasına benzer. Buna deneyim tekrarı denir. Ancak eski verinin tamamını saklamak her zaman mümkün değildir; gizlilik, maliyet ve ölçek sorunları vardır. Bu yüzden bazı yöntemler, eski verinin kendisini değil, özetini ya da yapay örneklerini kullanır.

İkinci yaklaşım düzenlileştirmedir. Burada modelin eski görevler için önemli olan parametreleri fazla değiştirmesi engellenir. Bazı ağırlıklar kritik kabul edilir ve yeni eğitim sırasında onların hareket alanı kısıtlanır. Bu, bir binayı yenilerken taşıyıcı kolonlara dokunmamaya benzer. Yeni odalar eklenebilir, duvarlar boyanabilir, ama yapı çökmesin diye temel korunur.

Üçüncü yaklaşım mimari büyütmedir. Model yeni görevler geldikçe yeni modüller, katmanlar veya uzman alt ağlar ekler. Böylece eski bilgiyle yeni bilgi aynı parametreler üzerinde kavga etmek zorunda kalmaz. Fakat bu da sınırsız büyüme sorununu getirir. Her yeni deneyim için yeni bir oda açarsak, sonunda saray değil, içinde kaybolduğumuz bir labirent inşa ederiz.

Asıl Ders: Öğrenmek Hatırlamayı Gerektirir

Makine öğrenmesinde unutma eğrisi bize basit ama güçlü bir ders verir: Öğrenme, yalnızca yeni bilgi eklemek değildir; eski bilginin hangi koşullarda korunacağını da tasarlamaktır. Zeki sistem, her veriye aynı iştahla saldıran sistem değildir. Zeki sistem, neyi değiştireceğini, neyi sabit tutacağını ve neyi yeniden değerlendireceğini bilen sistemdir.

Bu yüzden geleceğin yapay zekâsı sadece daha büyük modellerle kurulmayacak. Daha iyi bellek politikaları, daha zarif güncelleme stratejileri ve daha bilinçli veri akışları gerekecek. Unutmayan ama katılaşmayan, öğrenen ama kimliğini kaybetmeyen modeller hedeflenecek. Çünkü makine zekâsının gerçek sınavı, yeni bir şeyi öğrenmek değil; bunu yaparken dün kazandığı bilgeliği çöpe atmamak olacaktır.