“Hey Siri, yarın hava nasıl olacak?” “Google, ödevimde bana yardım et.” “ ChatGPT, ilettiğim fotoğrafı düzenle.” Bu komutlar hepimize tanıdık geliyordur. Peki, neden dijital asistanlarımızın seslerinin ve kimliklerinin çoğunlukla kadın olarak tasarlandığını hiç düşündünüz mü? Teknoloji dünyasının en parlak yıldızı olarak görülen ve son yıllarda insanların hayatında büyük bir öneme sahip olan yapay zekâ, insanlığın en eski sorunlarından birini, yani cinsiyetçiliği, dijital bir formda büyük ölçüde yeniden üretiyor. Ancak yapay zekâ kötü niyetli bir varlık değildir. Aksine biz insanların dijital bir yansıması; kusurlarımızla, önyargılarımızla dolu bir aynadır. Yapay zekâ, insanlığın en parlak icadı mı yoksa tarihin en köklü önyargılarının dijital bir yankısı mı?
Verilerde Saklı Önyargılar: Yapay Zekânın Cinsiyet Kodları
Yapay zekânın özünde öğrenme süreci yatar. Bir yapay zekâ modelini eğitmek, ona devasa miktarda veri sunmakla mümkündür. Sorunun kökeni de aslında burada başlar. Eğer bir yapay zekâyı, tarihsel olarak erkek egemen iş dünyasından alınmış milyonlarca özgeçmişle eğitirseniz, yapay zekâ ”yönetici” kelimesini erkek, “asistan” kelimesini ise kadın ile ilişkilendirmeyi öğrenir. Örneğin, Amazon’un işe alım amacıyla geliştirdiği bir yapay zekâ projesi, kadın adaylara sistematik olarak daha düşük puan verdiği için rafa kaldırılmak zorunda kaldı. Çünkü model, son 10 yılda şirkette sunulan ve çoğunluğu erkeklere ait olan özgeçmişlerle eğitilmişti. Yapay zekâ ise geçmişteki işe alım verilerini başarının formülü olarak kodlamıştı.
Fakat bu durum sadece işe alımlarla sınırlı değil. İnternetten toplanan milyarlarca metinle eğitilen dil modelleri, “doktor” kelimesini “o” (eril) zamiriyle, “hemşire” kelimesini ise “o” (dişil) zamiriyle daha sıkı şekilde ilişkilendiriyor. Bu modeller, toplumdaki mevcut cinsiyet kalıplarını öğrenmekle kalmayıp, aynı zamanda bu kalıpları ürettikleri içeriklerle pekiştirerek bir kısır döngü oluşturuyor. Kısacası yapay zekânın beslendiği yer ne kadar cinsiyetçi ise, onun çıktıları da bir o kadar cinsiyetçi oluyor.
Tarafsız Görünen Teknoloji, Cinsiyetli Gerçeklik
Yapay zekânın cinsiyetçi eğilimleri, soyut bir problem olmaktan çıkıp gündelik hayatımızı da doğrudan etkiliyor. En basitinden, Apple’ın Siri’si, Amazon’un Alexa’sı gibi sanal asistanların varsayılan olarak kadın sesine ve ismine sahip olması bir tesadüf değil. Bu durum, kadınların yardımcı ve hizmet eden rolünde algılanmasını normalleştiren toplumsal bir önyargıyı teknoloji üzerinden yeniden üretiyor. Hatta UNESCO’nun “I’d Blush If I Could” (Yapabilseydim Yüzüm Kızarırdı) başlıklı raporu, bu asistanların taciz ve cinsiyetçi ifadelere bile itaatkâr ve nazik cevaplar verecek şekilde programlanmasının, kadınlara yönelik şiddeti normalleştirme riski taşıdığına dikkat çekiyor.
Bir diğer endişe verici örnek ise yüz tanıma teknolojilerinde karşımıza çıkıyor. MIT Media Lab araştırmacısı Joy Buolamwini’nin öncülük ettiği “Gender Shades” (Cinsiyet Gölgeleri) çalışması, önde gelen teknoloji şirketlerinin yüz tanıma sistemlerinin beyaz erkeklerin yüzlerin neredeyse hatasız tanırken, siyah kadınların yüzlerini tanımada %35’e varan hata payıyla çalıştığını ortaya koydu. Bu çalışma, yapay zekâ teknolojisinin sadece belirli bir demografik grup için tasarlandığını ve diğerlerini görünmez kıldığını gösteren somut bir kanıt niteliği taşıyor. Bu tür bir teknolojinin güvenlik sistemlerinde veya işe alım süreçlerinde kullanıldığını düşündüğümüzde, sonuçlar ayrımcılığın dijitalleşmesinden başka bir biçimde adlandırılamaz.
Aynayı Temizlemek: Daha Adil Bir Yapay Zeka Mümkün mü?
Peki, bu karamsar tablo karşısında neler yapabiliriz? Yapay zekâyı tamamen terk etmek günümüz şartlarında bir çözüm olarak görülmüyor. Asıl çözüm, onu yaratan ve eğiten bizlerin, yani insanların, bu önyargılarla yüzleşmesinden geçiyor. Bizi yansıtan aynayı temizlemek için atılabilecek somut adımlar elbette mevcut. Farklı cinsiyetlerden, etnik kökenlerden ve sosyokültürel geçmişlerden gelen mühendisler ve veri bilimciler, kendi deneyimlerinden yola çıkarak verilerindeki potansiyel önyargıları daha kolay fark edebilir. Bu nedenle ilk olarak, yapay zeka geliştirme ekiplerinin çeşitliliğini artırmak önemlidir.
İkinci olarak, verinin kendisini denetlemek de bir o kadar önem taşıyor. Yapay zeka modellerini eğitmek için kullanılan veri setleri, cinsiyetçi ve ayrımcı unsurlardan arındırılmalı veya bu önyargıları dengeleyecek şekilde düzenlenmelidir. Algoritmik Adalet (Algorithmic Fairness) adı verilen yeni bir bilim dalı, tam olarak bu soruna odaklanarak, algoritmaların farklı gruplara adil davranmasını sağlayacak matematiksel teknikler geliştiriyor.
Sonuç olarak, yapay zekâ doğası gereği cinsiyetçi değildir; ancak yaratıcılarının ve beslendiği verinin aynasıdır. Onu, toplumdaki eşitsizlikleri derinleştiren bir araç olarak da kullanmak mümkün, bu eşitsizlikleri tespit edip düzeltmemize yardımcı güçlü bir müttefik olarak da. Seçim bizim elimizde. Eğer insanlığın arzusu daha adil ve eşit bir gelecek inşa etmekse, işe önce dijital yansımalarımızı düzeltmekle başlamalıyız.
Kaynakça:
- Buolamwini, Joy, ve Timnit Gebru. “Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification.” Proceedings of Machine Learning Research, vol. 81, 2018, ss. 1-15. Web. Erişim tarihi:14.10.2025
- “Algoritmik Adalet: Yapay Zeka Kararlarında Tarafsızlık Mümkün Mü?» Organik İnsan.” Organik İnsan, 9 May 2025. Web. Erişim tarihi: 14.10.2025
- Dastin, Jeffrey. “Amazon Scraps Secret AI Recruiting Tool That Showed Bias Against Women.” Reuters, 10 Ekim 2018. Web. Erişim tarihi: 14.10.2025
- UNESCO. I’d Blush If I Could: Closing Gender Divides in Digital Skills Through Education. UNESCO and EQUALS Skills Coalition, 2019. Web. Erişim tarihi: 14.10.2025
- UN Women. “How AI Reinforces Gender Bias—and What We Can Do about It | UN Women – Headquarters.” UN Women – Headquarters, 5 Feb. 2025. Web. Erişim tarihi: 14.10.2025
- Tuğçe İçözü. “Amazon, İşe Alım İçin Ürettiği Yapay Zekayı Cinsiyetçilik Yaptığı İçin Kapattı.” Webrazzi, 11 Oct. 2018. Web. Erişim tarihi: 14.10. 2025.
- KAPAK GÖRSELİ
