Yapay Zekâ Tarih Yazımını Nasıl Değiştiriyor?

Tarih yazımı her zaman bir kaynak sorunu olmuştur. Geçmiş hakkında konuşmak için önce onun bıraktığı izlere erişmek, o izleri okuyabilmek gerekir. Sorun şu ki bu izlerin büyük kısmı bugün hâlâ okunmamış durumda: kataloglanmamış kutular, transkribe edilmemiş el yazmaları, dizinlenmemiş defterler. Bir tarihçinin bütün meslek hayatı boyunca erişebileceğinden fazlası var ortada — ama erişimin kendisi darboğaz.

Yapay zekâ bu darboğaza dokunan birkaç araç birden getirdi.

El yazması tanıma (HTR)

Yapay zekâ el yazısı belgeleri nasıl okuyor?

Optik karakter tanımanın (OCR) matbu metinleri okumakta gösterdiği başarı, el yazmalarına ancak son yıllarda ulaşabildi. Transkribus gibi platformlar, tarihçilerin kendi arşivleri üzerinde modeller eğitmesine izin veriyor: birkaç düzine ila birkaç yüz sayfalık örnek bir transkripsiyon, kalan milyonlarca sayfa için bir okuma makinesine dönüşüyor.

Bu, Osmanlı arşivleri gibi Arap harfli el yazmalarının haklı yerini bulamadığı alanlarda özellikle önemli. Eski yazıyı okuyabilen uzman sayısı sınırlı; makine desteği, o uzmanların gözlerini ve ömrünü daha verimli yerlere kaydırma vaat ediyor. Ama doğruluk oranı el yazısının düzenine, diline ve kısaltmalarına göre büyük dalgalanıyor — “eşikten geçirilmiş” her metin yine insan gözüne ihtiyaç duyuyor.

Uzun seriler ve büyük veri

Milyonlarca kitap tarih araştırmasına ne katıyor?

2010 sonunda yayımlanan ve Google’ın taradığı yaklaşık 5 milyon kitaba dayanan culturomics çalışması, 1800–2000 arasında kelimelerin kullanım sıklığını grafikleyebiliyordu. Bu yaklaşım, edebiyat araştırmacısı Franco Moretti’nin 2000’de “uzak okuma” (distant reading) adını verdiği bakışla akrabadır: Tek tek metinleri okumak yerine, devasa külliyatlar üzerinde örüntü aramak.

Nicel tarih bunun erken bir öncüsüydü — ekonomik seriler, fiyat defterleri, nüfus kayıtları. Yapay zekânın farkı ölçekte ve esneklikte: artık sayısal olmayan metinleri de (dava kayıtları, gazete küpürleri, mektuplar) serilere çevirebiliyoruz.

Ağ analizi

Mektuplaşma ağları tarihçiye ne anlatır?

Tarihçiliğin son yıllarda benimsediği en görsel yöntemlerden biri de ağ analizi. Stanford’un Mapping the Republic of Letters (Mektuplar Cumhuriyeti’ni Haritalamak) projesi, Voltaire’in ya da Franklin’in kime ne zaman yazdığını düğümler ve kenarlar halinde haritaladı. Mektuplaşma ağlarından entelektüel toplulukların coğrafyası, etkinin yönü ve aktarıcıları çıkarılabiliyor.

Aynı yöntem vakfiyelerde, ticari ortaklıklarda ya da saray atamalarında da kullanılabilir. Ama her ağ grafiği bir yorumdur: kime düğüm dediğinize, hangi bağın “önemli” saydığınıza siz karar verirsiniz — ve o karar, sonucu sessizce biçimlendirir.

Dil modelleri: tercüman ve asistan — ama tanık değil

Dil modellerine tarih araştırmasında güvenilebilir mi?

Büyük dil modelleri kaynaklarla çalışırken hızlı birer yardımcıya dönüştü: eski bir dilden tercüme taslağı çıkarmak, uzun bir defterin özetini vermek, bir terimin dönem anlamlarını sıralamak. Bunlar değerli kazanımlar.

Tuzak şurada: Model akıcıdır ama tanık değildir. Üstelik kaynak uydurabilir. 2023’te yapılan bir araştırmada GPT-3.5’in ürettiği kaynakçaların yarıdan fazlasının uydurma olduğu görüldü. Bir model kaynak uydurduğunda, tarihçilikteki en ağır meslek hatasından farksız bir şey yapmış olur. Modelin çıktısına da kaynak eleştirisi uygulamak gerek: üreten kim (hangi model), hangi veriyle, ne zaman, hangi soruya cevaben? Cevaplar tutmuyorsa çıktı bir “ikincil kaynak” bile sayılamaz; ancak bir hipotez olarak ele alınabilir.

Araç değişir, soru kalır

Yapay zekâ tarihçinin yerini alabilir mi?

Bence yapay zekânın tarih yazımına katkısı şöyle özetlenebilir: Erişimi ve işlemeyi hızlandırır ama yorumun yerini alamaz. Hangi belgenin önemli olduğuna, bir örüntünün ne anlama geldiğine, geçmişten bugüne hangi köprünün kurulacağına hâlâ tarihçi karar veriyor.

Hatta daha ileri gidilebilir: log kayıtları, sosyal medya arşivleri gibi yeni doğan kaynak türleri, önümüzdeki yıllarda yeni bir kaynak eleştirisi geleneğinin doğmasına yol açacak. Dijital hümanite dediğimiz alan, tam da bu “yeni kaynaklara eski sorular” uygulama çabasının adı.

Kaynakça

1. Edelstein, D., Findlen, P., Ceserani, G., Winterer, C. ve Coleman, N. (2017). Historical research in a digital age: Reflections from the Mapping the Republic of Letters project. American Historical Review, 122(2), 400–424. https://doi.org/10.1093/ahr/122.2.400
2. Michel, J.-B., Shen, Y. K., Aiden, A. P., Veres, A., Gray, M. K., The Google Books Team, Pickett, J. P., Hoiberg, D., Clancy, D., Norvig, P., Orwant, J., Pinker, S., Nowak, M. A. ve Aiden, E. L. (2011). Quantitative analysis of culture using millions of digitized books. Science, 331(6014), 176–182. https://doi.org/10.1126/science.1199644
3. Moretti, F. (2000). Conjectures on world literature. New Left Review, 1, 54–68.
4. Walters, W. H. ve Wilder, E. I. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports, 13, 14045. https://doi.org/10.1038/s41598-023-41032-5