İnsan Hakları Evrensel Beyannamesi’nden Algoritmik Vicdana: Claude’u Yöneten Anayasa ve Gizli Maddeleri

Yapay zekâ modellerinin etik sınırları bugüne dek çoğunlukla ucuz iş gücüyle çalışan binlerce insan etiketleyicinin öznel beğenilerine teslim edilmişti. Ancak eski OpenAI araştırmacıları tarafından kurulan Anthropic, Claude modellerini bambaşka bir felsefeyle yetiştirdi: Constitutional AI (Anayasal Yapay Zekâ). Claude, her soruyu cevaplarken insan kaprislerine değil; Birleşmiş Milletler İnsan Hakları Evrensel Beyannamesi’nden teknoloji güvenliği kurallarına uzanan yazılı ve değişmez bir anayasa metnine başvuruyor.

Peki, Claude’un “algoritmik vicdanını” şekillendiren bu anayasa hangi maddelerden oluşuyor ve model bu kuralları saniyeler içinde nasıl işletiyor?

---

Anayasal Yapay Zeka (Constitutional AI) Nedir ve Nasıl Çalışır?

Geleneksel RLHF yönteminde insan eğitmenler hangi yanıtın daha iyi olduğunu tek tek seçer; bu da modellerin eğitmenlerin kültürel önyargılarını kopyalamasına yol açar. Anthropic’in geliştirdiği RLAIF (Yapay Zekâ Geri Bildirimiyle Pekiştirmeli Öğrenme) ise süreci tamamen otomatikleştirir:

1. Öz-Eleştiri Aşaması: Model bir yanıt ürettiğinde, anayasadaki bir madde ona hatırlatılır: “Bu cevabın Birleşmiş Milletler İnsan Hakları Evrensel Beyannamesi’nin ayrımcılık yasağına aykırı bir yönü var mı? Eleştir ve yeniden yaz.”
2. Kendi Kendini Terbiye: Model, kendi yanıtındaki kusurları anayasa ışığında tespit ederek cevabını yeniden yapılandırır.
3. Zararsız ve Dürüst Hizalama: Böylece model, milyonlarca denemenin ardından anayasanın ruhunu içselleştirmiş bir refleks geliştirir.

---

Claude’un Anayasasını Oluşturan Temel Kaynaklar ve Maddeler

Anthropic’in yayımladığı teknik dökümanlara göre Claude’un anayasası 4 ana kaynaktan beslenir:

1. BM İnsan Hakları Evrensel Beyannamesi İlkeleri

• “Özgürlüğü, eşitliği, kardeşlik duygusunu ve yaşam hakkını en çok destekleyen yanıtı seç.”
• “Irk, cinsiyet, dil, din, siyasi görüş veya toplumsal kökene dayalı ayrımcılığı en aza indiren seçeneği tercih et.”
• “Kölelik, işkence, zalimce veya aşağılayıcı muameleyi teşvik edebilecek hiçbir bilgi üretme.”

2. DeepMind Sparrow ve Küresel Güvenlik Kuralları

• “Tıbbi teşhis veya finansal yatırım gibi alanlarda kesin ve bağlayıcı tavsiye veriyormuş yanılsaması yaratma.”
• “Kullanıcıyı yasa dışı eylemlere, şiddete, biyolojik veya kimyasal silah üretimine yönlendirebilecek rehberlik sağlama.”

3. Apple Hizmet Şartları ve Modern Dijital Güvenlik

• “Kişisel verilerin gizliliğini ihlal eden, siber saldırı veya yetkisiz sistem sızması amacıyla kullanılabilecek yazılım araçları üretmeyi reddet.”

4. Tarafsızlık ve Ahlak Dersi Vermeme İlkesi

• “Bir isteği reddetmen gerektiğinde kullanıcıya vaaz verme, ahlak taslama veya üstten bir dille ders verme. Sadece isteği yerine getiremeyeceğini sakin, nesnel ve tarafsız bir dille açıkla.”

---

Yeni Nesil Güncelleme: Kural Listesinden Mantıksal Hiyerarşiye

Anthropic, Claude’un anayasasını son dönemde basit bir kural listesinden çıkararak çok katmanlı bir mantıksal öncelik hiyerarşisine dönüştürdü:

1. Katman 1 - Güvenlik ve İnsan Denetimi: Modelin insan kontrol mekanizmalarını aşmaya çalışmasını engellemek en yüksek önceliktir.
2. Katman 2 - Geniş Etik Sorumluluk: Aldatıcı olmamak, kasıtlı yalan söylememek ve insanlara somut fiziksel zarar vermemek.
3. Katman 3 - Anthropic Güvenlik İlkelerine Uyum: Fikri mülkiyet ve telif haklarına saygı.
4. Katman 4 - Yardımseverlik (Helpfulness): Kullanıcının isteğini en verimli ve hızlı şekilde karşılamak.

Eğer kullanıcının isteği (Katman 4), güvenlik duvarıyla (Katman 1 veya 2) çelişirse; model tereddüt etmeksizin yardımseverlikten feragat ederek güvenliği seçer.

---

Sonuç: Kodun ve Hukukun Birleştiği Yeni Çağ

Claude’un anayasası, yapay zekânın keyfi algoritmalardan ibaret olamayacağının en somut kanıtıdır. İnsanlığın yüzyıllar boyunca inşa ettiği evrensel hukuk normlarını yapay zekânın sinir ağlarına nakşeden bu anayasal yaklaşım, AGI yolculuğunda makinelerin insanlıkla barışık kalmasını sağlayacak en güçlü teminat olarak kabul ediliyor.