Tarih Disiplininde Yapay Zekayı Verimli Kullanmak

Sosyal bilimler, doğası gereği insan davranışının, toplumsal yapıların ve kültürel fenomenlerin karmaşıklığını anlamaya adanmıştır. Son yıllarda, bu karmaşıklığı analiz etmek için kullanılan metodolojiye güçlü bir araç daha eklendi: Yapay Zekâ (AI). Başlangıçta daha çok fen bilimleri ve mühendislik alanlarıyla ilişkilendirilen yapay zekâ, günümüzde sosyolojiden siyaset bilimine kadar geniş bir yelpazede, büyük ölçekli veri setlerindeki örüntüleri keşfetmek ve toplumsal dinamikleri modellemek için kullanılmaktadır. Dahası eğlenceli kedi videoları tarafında da iyi işler çıkartıyor.

Ancak söz konusu tarih olduğunda, yapay zekânın rolü daha nüanslı ve bir o kadar da devrimci bir potansiyele sahiptir. Tarih, temelde yorumlayıcı (hermeneutik) bir disiplindir; bağlam, kaynak eleştirisi ve anlatı oluşturma üzerine kuruludur. Peki, bu “insani” disiplin, algoritmik verimlilikle nasıl bir araya gelebilir? Bu dijital dönüşüm süreci, sadece araştırma yöntemlerimizi değil, aynı zamanda eğitimde yapay zeka uygulamalarını ve tarih öğretiminin geleceğini de kökten değiştirmektedir.

Tarih Bilimi Özelinde Yapay Zekâ Nedir?

Tarihçiler için yapay zekâ, genellikle popüler kültürde tasvir edilen bilinçli robotlardan ziyade, belirli görevleri insan benzeri bir zekâyla yerine getirmek üzere tasarlanmış bir dizi alt teknolojiyi ifade eder. Bu teknolojiler, disiplinimizin karşılaştığı en temel zorluklara çözüm sunar:

1. Doğal Dil İşleme (NLP): Tarihçinin birincil malzemesi metindir. NLP, bilgisayarların metni “anlamasını” sağlar. Bu, Konu Modelleme (Topic Modeling) yoluyla binlerce belgedeki gizli temaları keşfetmekten, Duygu Analizi (Sentiment Analysis) ile belirli bir dönemdeki kamusal söylemin duygusal tonunu analiz etmeye kadar uzanır.
2. Bilgisayarlı Görü (Computer Vision): Bu teknoloji, görsel verileri işler. Tarihçiler için en çarpıcı uygulaması, El Yazısı Metin Tanıma (Handwritten Text Recognition – HTR) sistemleridir. Transkribus gibi platformlar sayesinde, daha önce sadece uzman paleografların okuyabildiği milyonlarca sayfalık el yazması arşiv (örneğin, Osmanlı defterleri veya siciller) artık aranabilir, dijital metinlere dönüştürülmektedir. Türkiye tarafında geliştirilen Akis Projesi de göz atmaya değer.
3. Makine Öğrenmesi (ML): Geniş veri setlerindeki (örneğin, nüfus sayımları, vergi kayıtları) korelasyonları ve eğilimleri tespit etmek için kullanılır. Tarihçinin fark edemeyeceği kadar karmaşık ilişkileri modelleyebilir.
4. Büyük Dil Modelleri (LLM): ChatGPT, Gemini veya Claude gibi üretken yapay zekâ araçlarıdır. Bu modeller, birincil kaynak değildirler, ancak araştırma sürecinde bir “asistan” olarak kullanılabilirler.

Tarihçilerin Çalışmaları İçin Örnek Yapay Zekâ Kullanım Senaryoları

Yapay zekânın verimli kullanımı, onu bir “sihirli kutu” olarak değil, metodolojik bir araç olarak görmeyi gerektirir.

• Senaryo 1: Arşivsel Keşif ve “Uzak Okuma”: Bir yüksek lisans öğrencisi, 19. yüzyıl gazetelerinden oluşan 100.000 sayfalık dijital bir koleksiyon üzerinde çalışıyor. Geleneksel “yakın okuma” ile bu materyalin tamamını incelemesi imkânsızdır. NLP ve Konu Modelleme araçlarını kullanarak, “göç”, “hastalık” veya “modernleşme” gibi temaların bu 50 yıllık süreçte nasıl evrildiğini, hangi kelimelerin birbiriyle ilişkili olarak kullanıldığını haritalayabilir. Bu, Franco Moretti’nin “uzak okuma” olarak adlandırdığı makro-analitik bir bakış açısı sunar.
• Senaryo 2: Veri Çıkarımı ve Yapılandırma: Bir akademisyen, binlerce sayfalık mahkeme kaydından belirli dava türlerini, davacıları ve sonuçları analiz etmek istiyor. Makine öğrenmesi modelleri, bu yapılandırılmamış metinlerden (örneğin, “Davacı X, Davalı Y’den şu sebeple şikayetçidir…”) ilgili varlıkları (Ad, Yer, Tarih, Suç Türü) otomatik olarak çıkarıp yapılandırılmış bir veri tabanına dönüştürmek için eğitilebilir. Bu, daha önce yıllar sürecek bir veri giriş işini haftalara indirger.
• Senaryo 3: Tarih Eğitiminde Yeni Ufuklar (Yapay Zeka ve Tarih Eğitimi): Bir profesör, eğitimde yapay zeka kullanarak öğrencileri için interaktif bir öğrenme ortamı yaratabilir. Örneğin, bir LLM’yi belirli bir tarihsel figürün (örneğin, Nutuk’tan beslenen bir Atatürk veya Mektuplarından beslenen bir Jül Sezar) söylemleriyle “eğitebilir”. Öğrenciler, bu “sanal persona” ile diyalog kurarak, o figürün olaylara bakış açısını birincil kaynak temelinde, eleştirel bir şekilde sorgulayabilirler.

Akademik Araştırmada “Prompt” Yazmanın Hayati Önemi

Üretken yapay zekâ (LLM) çağında, tarihçinin yeni bir beceri kazanması gerekiyor: Prompt Mühendisliği (Prompt Engineering). Bir LLM’ye yöneltilen “prompt” (istek veya komut), araştırmanın kalitesini doğrudan belirler.

Yapay zekâ, bir arama motoru değildir; bir “sorgu” (query) değil, bir “talimat” (prompt) bekler.

Zayıf Prompt: “Bana Fransız Devrimi’ni anlat.” Sonuç: Genel, ansiklopedik, yüzeysel ve potansiyel olarak hatalı (halüsinasyon) bir özet.

Güçlü Akademik Prompt: “18. yüzyıl Fransız tarihi uzmanı bir akademisyen rolünü üstlen. Robespierre’in ‘Terör Dönemi’ni meşrulaştırmak için kullandığı retoriği, ‘kamu güvenliği’ ve ‘erdem’ kavramları üzerinden analiz et. Cevabında, onun birincil metinlerinden spesifik örneklere atıfta bulun ve bu söylemin Jakoben ideolojisi içindeki yerini tartış.”

Güçlü prompt; rol tanımlaması, bağlam sağlama, kısıtlama getirme ve çıktı formatını belirleme gibi unsurları içerir. Tarihçi için prompt, dijital bir deney tasarlamanın ilk adımıdır; bu, metodolojik titizliğin başladığı yerdir.

Yapay Zekâ ile Tarihçilikte Gelecek Vizyonu

Yapay zekânın tarih disiplinine entegrasyonu henüz başlangıç aşamasındadır. Gelecekte, bu teknolojilerin daha da gelişmesiyle karşılaşacağımız senaryolar heyecan vericidir:

1. Akıllı Arşivler: Arşivler, statik kataloglardan “diyalog” kurabildiğimiz sistemlere dönüşecek. Bir araştırmacı, “Bana 16. yüzyıl Venedik elçilerinin, Osmanlı sarayındaki yolsuzluk algılarına dair şüpheci veya alaycı bir tonla yazdıkları raporları bul” diyebilecek.
2. Tarihsel Simülasyonlar: Agent-Based Modeling (ABM) ile yapay zekâ birleştirilerek, tarihi olayların simülasyonları oluşturulabilir. Örneğin, Roma İmparatorluğu’nda bir salgının veya belirli bir ekonomik politikanın yayılmasının farklı senaryolar altında nasıl sonuçlanacağını modelleyebiliriz.
3. Epistemolojik Zorluklar: En büyük zorluk ise “kara kutu” (black box) sorunudur. Bir yapay zekâ modeli belirli bir sonuca (örneğin, “Bu metin %80 olasılıkla X kişisine aittir”) nasıl ulaştığını tam olarak açıklayamazsa, tarihçi bu sonucu nasıl doğrulayabilir? Gelecek, “Açıklanabilir Yapay Zekâ” modellerinin geliştirilmesini zorunlu kılacaktır.

Sonuç: Değişen Paradigma ve Tarihçinin Yeni Rolü

Yapay zekâ, tarih disiplininde köklü bir farklılaşma ve gelişme yaratmaktadır. Bu dijital dönüşüm, tarihçiyi asla gereksiz kılmayacaktır; aksine, onun rolünü dönüştürecektir. Teknoloji, daha önce imkânsız olanı (milyonlarca belgeyi okumak) mümkün kılarak, tarihçiye zaman kazandırmaktadır.

Ancak yapay zekânın ürettiği “sonuç” ile tarihsel “bilgi” aynı şey değildir. Yapay zekâ örüntüleri bulur, verileri sınıflandırır ve metinler üretir; ancak bağlamı kurmak, etik çıkarımları yapmak, kaynak eleştirisini (tenkit) uygulamak ve empati kurarak o geçmiş anı yorumlamak hâlâ ve daima tarihçinin görevidir.

Yapay zekâyı verimli kullanmak, onun bir “cevap makinesi” değil, sorduğumuz soruları derinleştiren ve araştırma ölçeğimizi artıran güçlü bir “metodolojik ortak” olduğunu kabul etmekle başlar. Tarihçinin eleştirel düşünme becerisi, artık sadece belgelere değil, o belgeleri analiz eden algoritmalara da yönelmek zorundadır.

Emre Karakaya, Ankara, Kasım 2025