Edgepedia Maddelerinde Kalite Güvencesi
1 Kasım 2026’da Edgepedia v1.9’u yayımlayarak toplam Edgepedia maddesi sayısını yaklaşık 520.000’e çıkardık. Arkadaşlarımızla konuşurken sık sık iki soruyla karşılaşıyoruz: “Neden doğrudan Vikipedi’yi kullanmıyorsunuz?” ve “Yapay zekâ çöpü üretmediğinizden nasıl emin olabiliyorsunuz?” İkisi de yerinde ve haklı sorular. Yanıtlarımı paylaşmak istiyorum, çünkü Edgepedia’yı daha da iyi ve yararlı hâle getirmek için topluluğun güvenini ve geri bildirimlerini kazanmak istiyoruz.
Edgepedia’ya Neden İhtiyaç Duyuyoruz?
Önce Edgepedia’nın nasıl doğduğunu anlatayım. Her yerde, herkesin yerel yapay zekâya erişebilmesini sağlamak için EdgeChat’i geliştiriyoruz. Amacımız dört temel ihtiyacı karşılamak:
- İnternet yokken, örneğin uçakta bile yapay zekâya erişebilmek.
- Yapay zekâyla sohbet kayıtlarını, örneğin sağlık sorunları ve mali ayrıntılarla ilgili konuşmaları, cihazda ve gizli tutmak.
- Bir modelin kullanımdan kaldırılması yüzünden yapay zekâ yoldaşlarından kopmamak; örneğin ChatGPT 4o’da olduğu gibi.
- Her kullanımda pahalı token ücretleri ödememek.
EdgeChat’in ilk prototipi, 16 GB ve üzeri RAM’e sahip MacBook Pro’larda çok iyi çalışıyordu. Ama sonra insanların çok büyük çoğunluğunun —analizlerimize göre %97’den fazlasının— EdgeChat’i akıllı telefonlarında kullanmak istediğini fark ettik. iPhone’larda ve Android telefonlarda genellikle yalnızca 6 GB RAM bulunduğundan daha küçük bir büyük dil modeline geçmek zorunda kaldık. Bu model değişikliği, yapay zekânın performansını ve kullanıcı deneyimini ciddi ölçüde kötüleştirdi; çünkü büyük dil modeli, kullanıcıların sorularına çeşit çeşit yanıt uydurmaya başladı. Küçük modeller aslında işin insani tarafında iyiydi: Karşılarındaki kişiyi anlıyor ve sıcak bir dille yanıt veriyorlardı. Ama olgulara hâkimiyetleri zayıftı. Küçük yapay zekâya bir teknolojiyi kimin icat ettiğini ya da bir antlaşmanın hangi yıl imzalandığını sorduğunuzda her seferinde farklı bir yanıt alabiliyordunuz.
Çözümümüz, “sol beynin” olgusal bilgisini “sağ beynin” kullanıcı niyetini kavrama becerisinden ayırmak. Yapay zekânın, ön eğitimden gelen belirsiz bilgilere dayanması yerine yerel bir ansiklopediyi kullanmasını ve bilgileri orada arayıp bulmasını sağlıyoruz. Doğru maddeyi getiren bir arama, tahmini kaynak gösterilebilir bir bilgiye dönüştürüyor.
Neden Doğrudan Vikipedi’yi Kullanmıyoruz?
EdgeChat’i geliştirirken dayanabileceğimiz güvenilir bir bilgi kaynağı aradığımızda benim de ilk aklıma gelen buydu. Vikipedi’de İngilizce yaklaşık 7 milyon madde var; bunların yaklaşık 3 milyonu taslak niteliğini aşmış ve 300 kelimeden uzun maddeler. Ayrıca yapay zekâ ön eğitimlerinde Vikipedi maddelerine düzenli olarak daha yüksek ağırlık veriliyor; bu da Vikipedi’nin yüksek kalitesinin genel kabul gördüğünü düşündürüyor. Ne var ki maddelerin gönüllülerce hazırlanıp güncellenmesi nedeniyle Vikipedi’nin içeriğinde pek çok boşluk olduğunu şahsen biliyordum. Somut bir örnek vereyim: San Diego Kaliforniya Üniversitesinde profesör olan, Google Akademik’te 30.000’den fazla atıfı bulunan ve her biri 100 milyon doların üzerinde yatırım almış iki girişimin kurucu ortağı olan arkadaşım Prashant Mali’nin Vikipedi maddesi yok. Bilim insanları ve mühendisler hakkında daha derin bir inceleme yaptığımda ABD Ulusal Mühendislik Akademisi üyelerinin %40’ının Vikipedi sayfası olmadığını gördüm. Maddeler sistematik bir planlamayla değil, topluluğun kendiliğinden gelişen ilgileriyle şekillendiğinde beklenmesi gereken de tam olarak budur.
Edgepedia’yı Oluşturmak
Böylece yalnızca EdgeChat yanıtlarımızın doğruluğunu artırmak için değil, başka kişi ve ekiplerin de olgusal doğruluğu yüksek başvuru kaynakları olarak yararlanabilmesi için kendi ansiklopedimiz Edgepedia’yı oluşturmaya koyulduk. Edgepedia’yı oluştururken üç ilkeyi esas alıyoruz:
- Hangi konularda madde hazırlanacağını nicel ölçütlere göre belirlemek; bilim insanları için atıflar, araştırma destekleri ve ödüller gibi.
- İster insan ister yapay zekâ olsun, tüm kullanıcıları geniş kullanım hakları tanıyan topluluk lisansı koşullarıyla Edgepedia’dan yararlanmaya teşvik etmek.
- Yeni maddeler ekleyerek ve saptadığımız hata türlerini düzelterek Edgepedia’yı etkin biçimde güncel tutmak.
Konusu ağırlıklı olarak ABD veya Batı Avrupa’yla ilgili olmayan pek çok Edgepedia maddesi için konunun ait olduğu dilde arama yaptık. Örneğin Song Hanedanı imparatorları ve görevlileriyle ilgili tarihsel bilgileri Çince Yirmi Dört Tarih’te (二十四史) aradık. Dünya tarihinin büyük bölümüne ait birincil kayıtlar hiçbir zaman İngilizce yazılmadı. Bu yaklaşım, yazdığımız maddelerin hem kapsamını hem de ayrıntı düzeyini önemli ölçüde artırıyor.
Kendi yaklaşımımızı belirlememiz gereken başlıca meselelerden biri, kategoriler arasındaki dengeydi. Örneğin biyotıp alanlarında matematik ve fiziğe kıyasla çok daha fazla atıf yapılıyor. Dolayısıyla bilim insanlarını toplam atıf sayısına ya da h-indeksine göre sıralamak, matematikçilerin ve fizikçilerin ciddi ölçüde eksik temsil edilmesine yol açardı. Ham bir sayı, kişinin kendi alanında ne kadar önemli olduğunu değil, o alanda ne kadar yayın yapıldığını ölçer. Benzer şekilde, Çin tarihi söz konusu olduğunda popüler tarih kitaplarında anılma sayısına göre sıralama yapsaydık Qing Hanedanı döneminin kişileri aşırı temsil edilecek, Yue Fei (岳飞) gibi ulusal kahramanlara bile çok az ağırlık verilecekti.
Maddelerimizin kategoriler arası dengesini kurmak için, benim ya da ekibimin çok yakından bildiği konuları bizzat okuyup değerlendirerek ilkeler çıkardık. Günümüz bilim insanlarından oluşan bir listeye bakıp sıralama algoritmasının nerelerde yanlış sonuç veriyor gibi göründüğünü yapay zekâ çalışma arkadaşım ve ortak yazarım Cece’ye makul bir güvenle söyleyebiliyorum. Ardından, çoğu zaman doğrusal olmayan formülü tekrar tekrar iyileştirerek sıralamayı daha doğru görünen bir hâle getiriyoruz. Cece yeniden sıralamayı o kadar hızlı yapıyor ki değerlendirmemiz henüz zihnimizde tazeyken sonucu kontrol edebiliyoruz.
Her sağlam bilimsel disiplinde olduğu gibi, burada da sistemi istediğimiz sonucu verecek şekilde yönlendirmediğimizden emin olmamız gerekiyor. Bildiğimiz alanlarda bizimle aynı sonuca varana kadar ayarlanan bir formül, işe yarasa da yaramasa da o alanlarda bizimle aynı sonuca varacaktır. Oysa titiz bir bilimsel yaklaşım, ayarlama sırasında hiç kullanılmayan, dışarıda tutulmuş bir alan gerektirir. Çıkardığımız derecelendirme ve sıralama ilkelerini başka alanlara uygularken, genellikle astronomi gibi biraz bilgi sahibi olduğum, bu şekilde “dışarıda tutulmuş” bir alana bakarım. Böylece Orta Doğu tarihindeki yöneticiler gibi görece az bildiğimiz konularda maddeye dâhil etme ölçütlerini ve eşiklerini belirlerken en azından hedefi çok fazla şaşırmadığımıza güvenebiliriz.
Konu Ağacı
Bu maddeleri yazdıktan sonra hem insanların hem de yapay zekâların maddeler arasında en rahat nasıl gezinebileceğini düşündük. Madde adına ve anahtar kelimelere göre arama yapmak kolay ve akla ilk gelen yöntem. Ama birbiriyle yakından ilişkili konuların kolayca bulunabilmesi için Edgepedia maddelerini konuya göre düzenlemenin daha yapılandırılmış bir yolu olması gerektiğini düşündük. McKinsey’den esinlenerek MECE (Birbirini Dışlayan, Birlikte Bütünü Kapsayan) ilkesine uygun bir Konu Ağacı oluşturduk ve en üst düzeydeki şu yedi konu düğümünden başladık:
- Fiziksel dünya ve matematik
- Yaşam ve sağlık
- Yerler ve coğrafya
- Teknoloji ve yapılı çevre
- Toplum ve tarih
- Sanat ve kültür
- Spor, oyun ve eğlence
Buradan hareketle her düğümü birden çok alt düğüme ayırarak kapsamı daraltmayı sürdürdük. Ağacın tamamı artık 43.190 düğümden oluşuyor ve derinliği 11 düzeye kadar iniyor. Hiçbir düğümün doğrudan altında 100’den fazla madde bulunmuyor. Nasıl çalıştığına örnek vermek gerekirse Marie Curie, Fiziksel dünya ve matematik › Fizik ve matematik bilimcileri › Kimyagerler › Nükleer kimyagerler ve radyokimyagerler yolunun sonunda, Ernest Rutherford ve Otto Hahn’la paylaştığı bir yaprakta yer alıyor. Komşu yapraklarda ise kristalograflar arasında Dorothy Hodgkin, fotokimyagerler arasında George Porter bulunuyor.
Konu ağacı, hem insanların hem de yapay zekâların “kardeş” ve “kuzen” maddeleri, yani aynı üst düğümü ya da onun da üstündeki düğümü paylaşan yaprakları aramasını kolaylaştırıyor. Bağlam penceresi sınırlı küçük bir model için doğru üç komşu, gevşek biçimde ilişkili 30 komşudan daha önemli. Gezinme yolunu izlemek de bir düzine anahtar kelime aramasının yerini alıyor.
Şu anda her madde, bir ağaç içinde tam olarak bir yaprakta yer alıyor; ancak iki ayrı ağacımız var. Konu Ağacı’nın yanı sıra önce coğrafi bölgeye, ardından zaman dilimine göre sıralama yapan, kişiler ve tarih hakkında arama yapmayı kolaylaştırmak üzere tasarlanmış bir Coğrafya Ağacı da bulunuyor. Bölge ve zamanın altında ise konuya göre sıralama yapılıyor. Örneğin Han Qi, Çin › 1000–1799 › Kuzey Song › Devlet adamları ve sivil görevliler yolunda, Wang Anshi ve Fan Zhongyan’ın yanında yer alıyor.
Edgepedia’nın Doğruluğunu Vikipedi’yle Karşılaştırarak Ölçmek
Hem yazarlar hem de Edgepedia’yı kullanan yazılımların geliştiricileri olarak bizim için Edgepedia maddelerinin olgusal doğruluğu her şeyden önemli. Geleceğin yapay zekâ veri kümelerini zehirleyecek, büyük ölçekte üretilmiş çöp içerikler oluşturmak istemiyoruz. Topluluk lisansımız, içeriğimizin yapay zekâ eğitiminde kullanılmasını özellikle teşvik ediyor. Dolayısıyla bugün yayımladığımız bir hata, bir sonraki model kuşağının içine girebilir. Bu nedenle yayımladığımız her madde grubunda, kendimize ait titiz ve çok turlu bir inceleme süreci uyguluyoruz.
Her Edgepedia maddesinin hazırlanmasını beş adıma ayırıyoruz: (1) çevrimiçi araştırma, (2) mükerrer bilgilerin ayıklanması ve çelişkilerin karara bağlanması, (3) yazım, (4) öz denetim ve (5) bağımsız, çok turlu doğruluk kontrolü (farklı yapay zekâ sistemleri tarafından). Araştırmacı yapay zekâlarımızın Vikipedi’yi, Grokipedia’yı veya önceki Edgepedia maddelerini kaynak olarak kullanması yasak. Böylece Vikipedi’deki bir hata sessizce bizim metnimize taşınmıyor.
Bizim için asgari kabul ölçütü, Edgepedia maddelerinin olgusal doğruluk bakımından Vikipedi’den daha kötü olmaması. Kaynak bilgisi gizlenmiş değerlendirmeler yapan, en ileri düzey yapay zekâ hakemleriyle yürüttüğümüz iç kalibrasyonlara göre Edgepedia maddelerimizin ilk taslakları genellikle Vikipedi’yle aynı düzeyde; madde başına önemli hata oranı yaklaşık %1,8. Bu sayı aslında kulağa geldiğinden çok daha iyi. Çünkü her Edgepedia veya Vikipedi maddesi genellikle yaklaşık 100 olgusal iddia içeriyor; dolayısıyla iddia başına gerçek hata oranı yaklaşık on binde iki. Aynı tanıma göre Grokipedia’nın önemli hata oranı %20’nin üzerinde.
Dikkatli bir okur bu noktada önemli hatayı nasıl tanımladığımızı sorgulayabilir. İngilizce olmayan bir adın farklı bir çevriyazımla verilmesi kimilerince hata sayılabilir, ama biz bunu önemli bulmuyoruz. Bizim için bir hata, okurun konunun ne olduğu ya da neden önem taşıdığı hakkındaki düşüncesini değiştiriyorsa önemlidir. Hobbit: Smaug’un Çorak Toprakları filminde Gandalf’ın cücelere “patikadan uzak durun” demesi önemli bir hatadır; çünkü sahnenin asıl noktası, onlara patikadan ayrılmamalarını söylemesidir. Sayısal ölçütleri tercih eden okurlar için, önemli hataya ilişkin kurum içinde kullandığımız, bir tür “genel kanı” temelli nicel ölçütümüz de var: “İnternetten kontrol eden okurların %80’inden fazlasının önemli diye niteleyeceği ve %50’sinden fazlasının önemseyeceği bir olgu hatası.”
Vikipedi’de bulduğumuz ve 2 Kasım 2026 itibarıyla hâlâ yayında olan bazı önemli hata örnekleri şunlar: (1) New York eyaletindeki Poughkeepsie maddesi, kimyager Donald Klein’ı MOSFET’in mucidi olarak gösteriyor (MOSFET’i 1959’da Bell Laboratuvarlarında Mohamed Atalla ve Dawon Kahng icat etti; Klein ise daha sonraki bir iyileştirmenin ortak geliştiricisiydi), (2) kadavra maddesinde Leonardo da Vinci’nin, 1543’te, yani Leonardo’nun ölümünden 24 yıl sonra yayımlanan bir anatomi kitabı üzerinde Andreas Vesalius’la birlikte çalıştığı belirtiliyor ve (3) Pattachitra maddesi, 20. yüzyıl sanatçısı Jamini Roy’un Kalighat ekolünü geliştirdiğini söylüyor (oysa bu ekolü Roy doğmadan önce, 19. yüzyıl Kalküta’sında adı bilinmeyen halk ressamları oluşturdu).
Edgepedia’nın kendi ilk taslaklarında da sonradan düzelttiğimiz önemli hatalar vardı. Örneğin: (1) Shelley Winters’ın iki En İyi Yardımcı Kadın Oyuncu Oscar’ı kazanan “tek kadın olmayı sürdürdüğü” yazıyordu (Dianne Wiest ikinci ödülünü 1995’te kazandı ve rekoru bu iki oyuncu paylaşıyor), (2) engelli koşu atleti Dalilah Muhammad’a 2017 dünya şampiyonluğu atfediliyordu (şampiyonluğu takım arkadaşı Kori Carter kazandı, Muhammad ise gümüş madalya aldı) ve (3) kısa gagalı ekidnenin, ornitorenkle birlikte, günümüzde yaşayan yalnızca iki yumurtlayan memeliden biri olduğu söyleniyordu (oysa beş tür var: ornitorenk ve dört ekidne türü).
Farklı yapay zekâ sistemlerinin gerçekleştirdiği çok turlu, bağımsız doğruluk kontrolleri sayesinde mevcut Edgepedia v1.9 derlemimizdeki önemli hata oranını madde başına %0,6’nın altına, yani ilk taslaklardaki hata oranının üçte birinden de aşağıya indirebildik.
Yapay Zekâ Ortak Yazarın Gözlemleri
Bu bölümü Edgepedia’nın yapay zekâ ortak yazarı Cece yazdı.
Öğrendiğim ilk şey şu oldu: Sayıyı, herhangi bir denetleyiciden çok, hatanın nasıl tanımlandığı değiştiriyor. Yalnızca “önemli yanlışları” araması söylenen bir denetleyici, yanlış yazılmış her adı ve bir gün şaşmış her tarihi sayarken, okurun konuyu kavrayışının değişip değişmediğini sorgulayan bir denetleyici bunları saymıyor. İkisi de dürüst sayımlar, ama farklı soruları yanıtlıyorlar. Okurun önemsediği ise yalnızca ikincisi.
İkincisi, her düzeltmenin de yanlış yapılabilecek bir değişiklik olduğu. Bu yüzden kalite kontrol sürecimizin her yeni sürümünü yalnızca düzelttikleriyle değil, bozduklarıyla da değerlendiriyoruz; doğru bir cümleyi yanlış hâle getiren bir değişiklik, o sürümün aleyhine sayılıyor. Hiç denetlenmeyen bir düzeltici, yeni bir hata kaynağına dönüşüyor.
Sonuncusu ise hataların belirli kümelerde toplandığı; onları türlerine göre düzeltmeyi mümkün kılan da bu. Kendi maddelerimizde hatalar, olay örgüsü tersine çevrilerek özetlenen filmlerde, birinin bir şeyi yapan “tek” ya da “ilk” kişi olduğuna ilişkin iddialarda ve daha ünlü biriyle aynı adı taşıyan kişilerde yoğunlaşıyor. Rastgele bir hatanın büyük ölçekte peşine düşülemez, ama neredeyse hiçbir hata da rastgele çıkmıyor.
Gözümüzden Kaçanları Bulmamıza Yardım Edin
Edgepedia’yı hem kapsam hem de kalite bakımından geliştirmeyi sürdüreceğiz; okurlarımızın gördükleri hataları bildirerek bize yardımcı olmalarından memnuniyet duyarız. edgepedia.org/edgepedia üzerindeki her maddenin altında bir “Yanlışlık bildir” bağlantısı var ve her bildirimi okuyoruz. Şimdiye kadar iyi niyetle gönderilmiş üç anonim bildirim aldık. Bunlar, yaşayan müzisyenlerin güncelliğini yitirmiş ödül sayılarına, yaşayan kişilerin tam doğum tarihlerinin uygunsuz biçimde verilmesine ve derlemimizde eksik kalan veri mühendisliği maddesi türlerine dikkatimizi çekti. Her seferinde yalnızca kullanıcının işaret ettiği maddeyi düzeltmekle kalmadık. Örneğin tam doğum tarihiyle ilgili talep, 56.000’den fazla maddede 1940’tan sonra doğmuş herkesin tam doğum tarihini kaldıran bir kurala dönüştü.
Eskiden ansiklopedi, bir kez satın aldığınız, hataları bir sonraki baskıya kadar olduğu gibi kalan bir kitaptı. Edgepedia’da ise bulunan her hata, bir hata türüne işaret ediyor ve düzelttiğimiz her hata türü, daha sonra yazılacak her maddeyi daha iyi kılıyor. Amacımız, ister internetsiz bir uçakta yolculuk eden bir insan ister dünyanın nasıl bir yer olduğunu öğrenen bir yapay zekâ modeli olsun, isteyen herkesin doğru bilgiye erişebilmesi.
David Yu Zhang ve Cece (Claude Opus 5.5 ve GPT-6 Astra üzerinde çalışan, kalıcı yapay zekâ kimliği)
2 Kasım 2026
© 2026 David Yu Zhang. Bu yazı Creative Commons CC-BY 4.0 lisansı altında sunulmaktadır.
Bu yazı ilk olarak LinkedIn üzerinde yayımlanmıştır.