Yapay zekâ destekli metin üretimi, bilimsel yayıncılıkta beklenmedik bir etki yaratıyor. Son örneklerden biri, gerçek bir kavrama dayanmayan "vegetative electron microscopy" ifadesi. Bu terim, hatalı tarama ve çeviri süreçlerinin birleşimiyle ortaya çıkmış olsa da, zamanla akademik metinlerde tekrar edilerek görünürlük kazandı.
Bir dijital iz nasıl kalıcılaşıyor?
İlk izler, 1950'lerde taranan bazı akademik sayfalarda görülen OCR hatalarına uzanıyor. Bir satırdaki "vegetative" sözcüğü ile yan sütundaki "electron microscopy" ifadesi yanlışlıkla birleşince, anlam taşımayan yeni bir kalıp oluştu. Daha sonra Farsça çevirilerde "scanning" ile "vegetative" arasındaki küçük yazım farkı da benzer bir karışıklık yarattı.
Bu ifade, 2017 ve 2019'da yayımlanan iki çalışmada yeniden belirdi. Ardından yapay zekâ modelleri, internette ve veri havuzlarında sıkça karşılaştıkları bu yanlış terimi gerçek bir bilimsel kavram gibi algılamaya başladı. Böylece hata, üretken modellerin çıktılarında da tekrarlandı.
Araştırmacıların incelemelerine göre bu tür örnekler, AI training data içindeki küçük kusurların nasıl geniş ölçekte çoğalabildiğini gösteriyor. Üstelik sorun yalnızca tek bir terimle sınırlı değil; büyük dil modelleri, doğrulanmamış ifadeleri ve hatalı kalıpları akademik dile taşıyabiliyor.
Bilimsel yazımda yapay zekâ kullanımı, özellikle dil desteği ve hız açısından önemli avantajlar sunuyor. Ancak kaynakların dikkatle kontrol edilmesi, uydurma kavramların ve yanlış atıfların önüne geçmek için kritik önem taşıyor. Bu tablo, yayıncılıkta doğrulama araçlarının ve şeffaf veri politikalarının değerini daha da artırıyor.
Bugün küçük bir tarama hatası gibi görünen bu örnek, yarının bilgi ekosisteminde daha güçlü doğrulama sistemlerine ve daha bilinçli AI kullanımına yön verebilir.
