Yapay Zekâ Test Ediyor; Peki Yapay Zekâyı Kim Test Edecek?
Bu yazıda: “Yapay zekâ” derken neyi kastettiğimizi ve onu test etmenin neden alıştığımız testten bu kadar farklı olduğunu konuşuyoruz.
Bir uygulamaya gönül rahatlığıyla “tamam, yayınlayabiliriz” diyebiliyorsak, arkada birileri o “tamam”ın ne zaman “tamam değil”e dönebileceğini uzun uzun düşünmüştür. İşte o birileri biziz. Biz test uzmanları, herkesin gördüğü “çalışıyor” kısmını değil, kimsenin görmek istemediği “ya çalışmazsa?” kısmını görmekle yükümlüyüz.
Yıllarca bu içgüdümüzü kodlara, ekranlara, butonlara yönelttik. Ama son birkaç yıldır masamıza yeni bir meslektaş oturdu: yapay zekâ.
İki hikâye, tek meslek
Bu meslektaş bizi ikiye bölünmüş bir dünyada bıraktı.
Birinci hikâyeyi çoğumuz yaşıyoruz zaten: yapay zekâ bize yardım ediyor. Test senaryolarımızı zenginleştiriyor, binlerce hata kaydını saniyeler içinde ayıklıyor, nereye bakmamız gerektiğini fısıldıyor.
İkinci hikâye ise daha yeni ve çok daha ilginç. Bir sabah geldik ve gördük ki test masasındaki ürünün kendisi yapay zekâ olmuş. Üretim bandındaki kusurlu ürünü fark eden sistem, bir makinenin arızasını önceden sezen sistem, gelen destek talebini doğru ekibe yönlendiren sistem. Bunların hiçbiri klasik anlamda programlanmış değil. Kimse oturup tek tek kural yazmadı; bu sistemler veriye bakarak kendi kurallarını kendileri çıkardı.
Bu dizi işte o ikinci hikâye hakkında: karar veren bir sistemin arkasında nasıl güvenle durabiliriz?
“Yapay zekâ” derken neyi kastediyoruz?
İşin tuhafı, bu kelimenin sınırları sürekli kayar. Şöyle bir şey olur: bir makine bir işi başarıyla çözdüğü an, o iş artık “zekâ” olmaktan çıkar ve sıradan bir yazılıma dönüşür.
Örnek mi? Bir zamanlar bir bilgisayarın satrançta ustaları yenmesi ya da bir metni bir dilden diğerine çevirmesi yapay zekânın zirvesi sayılırdı. Bugün ikisi de cebimizde duran, kimsenin “yapay zekâ” demeyi aklına bile getirmediği sıradan özellikler. Bu olgunun bir adı var: yapay zekâ etkisi (AI effect). Bir teknoloji anlaşılıp gündelik hayata yerleştikçe, artık “gerçek zekâ” sayılmama eğilimi.
Yetenek düzeyine göre ise kabaca üç seviyeden söz ederiz:
- Dar yapay zekâ (narrow AI): Yalnızca tek bir alanda, tanımlı bir görevi yapabilen sistemler. Bugün kullandığımız her şey buraya girer.
- Genel yapay zekâ (general AI): Bir insan gibi, birbirinden bağımsız her alanda öğrenip karar verebilen sistem. Henüz yok.
- Süper yapay zekâ (super AI): Neredeyse her alanda insan yeteneğini aşan zekâ. Şimdilik tamamen teorik.
Bunu baştan netleştirmek önemli: gündelik dilde “yapay zekâ” deyince zihnimizde çoğu zaman abartılı, neredeyse bilimkurgu tadında bir şey canlanır. Oysa gerçekte test masamıza gelen şey her zaman o dar, tek işe odaklı sistemlerden biridir.
Dedektif mi, hesap makinesi mi?
Geleneksel bir yazılım, bir hesap makinesi gibidir. Kuralları bellidir ve nettir: 2 + 2 yazarsınız, her seferinde 4 alırsınız. Buna deterministik davranış denir: aynı girdi ve aynı başlangıç durumu, her zaman aynı çıktıyı üretir. Test etmek de bu yüzden rahattır; beklenen sonucu bilir, çıktıyı onunla karşılaştırırsınız.
Yapay zekâ ise bir hesap makinesi değil, bir dedektiftir. Dedektif, önüne konmuş bir kural kitabını uygulamaz; dağınık ipuçlarına ve geçmiş deneyimine bakarak bir sonuca varır. Ona her durum için kural yazmazsınız; önüne binlerce geçmiş “dava” koyarsınız, o da aralarındaki örüntüyü kendi çıkarır. Dahası, bir dedektif gibi çoğu zaman kesin değil, olasılıksal (probabilistic) konuşur: çıktısını kesin bir doğru olarak değil, olasılıklarla ifade eder. “Büyük ihtimalle şu, daha düşük ihtimalle bu” şeklinde.
Ayrımın pratik testi şudur: mantığı insan mı yazdı, yoksa sistem veriden mi çıkardı? Bir asansörün hangi çağrıya hangi sırayla gideceğini belirleyen sistem, önceden yazılmış kurallarla çalışır; gelenekseldir. Buna karşılık bir kargo şirketinin, geçmiş binlerce teslimata bakarak paketinizin kapınıza kaçta geleceğini kestiren sistemi veriden öğrenmiştir; yapay zekâdır.
Ve deneyimle, olasılıkla karar veren bir dedektifi, bir hesap makinesini sınar gibi sınayamazsınız.
“Doğru cevap” her zaman belli değil
İşte en çetrefilli fark. Geleneksel testte doğru cevabı bilirim: 2 + 2 girdim, 4 bekliyorum. Alırsam geçti, almazsam kaldı. Ama yapay zekâda çoğu zaman “tek doğru cevap” diye bir şey yoktur.
Sabah açtığınızda önünüze gelen 500 destek talebini aciliyetine göre sıralayan bir sistem düşünün. Bu sıralamanın “doğru” olup olmadığını nasıl ölçeceğiz? Kıyaslayabileceğimiz tek bir mükemmel sıralama yok. Aciliyet, kime sorduğunuza ve o günkü önceliklere göre bile değişir. Sistem yanlış yapmıyor olabilir, ama “doğru”yu da bizim bildiğimiz anlamda tanımlayamıyoruz. Tıpkı elinde kesin kanıt olmayan bir davadaki dedektif gibi.
Peki doğru cevabı bilmediğimiz bir şeyi nasıl test ederiz? İlk bakışta imkânsız görünüyor, değil mi? Oysa test dünyasının bunun için şaşırtıcı derecede zekice yöntemleri var; doğru cevabı hiç bilmeden, sistemin mantıklı davranıp davranmadığını sınayan yöntemler. Küçük bir ipucu: bir terazinin üstüne kaç gram koyduğunuzu bilmeseniz bile, “iki katını koyarsam ibre iki katını göstermeli” diyerek onun bozuk olup olmadığını anlayabilirsiniz. Bu yaklaşımın test dünyasında bir adı var: metamorfik test. İlerleyen yazılarda bu konuyu da detaylı inceleyeceğiz.
Yazılım testi, doğduğu günden beri hep aynı amacı taşıdı: insanların güvendiği ürünler ortaya çıkarmak. Yapay zekâ bu amacı değiştirmiyor, yalnızca sahneyi büyütüyor. Artık sadece kodun değil; karar veren, deneyimle öğrenen ve olasılıkla konuşan bir sistemin arkasında durmak da bizim işimiz.
Bir sonraki yazıda dedektifimizin kafasının içine bakıyoruz: yapay zekâ aslında nasıl öğreniyor?
Bu dizide birlikte ne öğreneceğiz?
Bu seriyi, yapay zekânın testini sıfırdan, hiçbir ön bilgi gerektirmeden merak eden herkes için tasarladım. Yol haritamız şöyle:
Yapay Zekâyı Test Etmek serisi
- Yapay Zekâ Test Ediyor; Peki Yapay Zekâyı Kim Test Edecek? (bu yazı)
- Yapay Zekânın Öğrenme Yolları
- Doğaçlama Yapan Bir Sistemi Nasıl Test Edersiniz?
- Çürük Tuğla, Çatlak Duvar: Veri Neden Her Şeydir?
- Karnesi İyi, Kendisi Kötü: Doğruluk Neden Yalan Söyler?
- Bir Yapay Zekâdan Ne Beklemeye Hakkımız Var?
- Nereden Başlamalı? Yapay Zekâ Testinin Haritası
- Çarpık Ayna: Girdi Verisini Test Etmek
- Dayanıklılık Laboratuvarı: Model Testi ve Canlıya Çıkış
Kaynak
ISTQB®, Certified Tester AI Testing (CT-AI) Syllabus v2.0, 2026.




