Konu: Yapay Zekâ teknolojisi dünyada başlıca İngiltere, Almanya ve Amerika gibi ekonomik gücü yüksek olan ülkelerde çeşitli alanlarda geliştirilmektedir. Bu alanlardan bir tanesi de hukuktur. Gelecekte var olması amaçlanan ve kendi kendine öğrenme gerçekleştirebilen bir yapay zekâ türünün hukuk alanında isabetli sonuçlar verebilmesi, sistemine ciddi anlamda nitelikli veri yüklemesi yapılması, test edilebilir ve süreklilik gösteren bir ortamda bulunması gibi çeşitli faktörlere bağlı olacaktır. Bu aşamada Makine Öğrenimi’nin (“Machine Learning”) henüz hayal edilen ve istenilen düzeyde olmaması, ayrıca Büyük Veri (“Big Data”) toplanması konusunda karşılaşılan hukuki engeller, yapay zekâ teknolojisinin ilerlemesi açısından dünyadaki bütün ülkelerin karşılaştığı problemlerden sadece birkaçını oluşturmaktadır. Türkiye bu yarışın içine dâhil olursa yapay zeka teknolojisinin hukuk alanına entegre edilmesi epey ciddi bir çalışma gerektirecektir. Bir diğer yandan bu teknolojinin hukuka entegre edilmesi sayesinde genel olarak iş yükünün azalması, objektifliğin ve sistem verimliliğinin artması gibi muhtemel sonuçlar, ülkeye fayda sağlayacaktır.
Makine öğrenimi neden tam olarak amaçlanan düzeyde değil: Günümüzdeki yapay zekâ türlerinin büyük bir çoğunluğu, detaylı bir kodlama ve aşırı kuvvetli bir işlem gücüyle çalışmaktadır. Dolayısıyla günümüzde yer alan yapay zekâ türlerinin çoğunluğu, kuvvetli işlem güçleri sayesinde aynı anda birden fazla işlemi sadece kodlama sınırları dâhilinde yapabilmektedirler. Gelecekte var olması amaçlanan yapay zekâ türü ise, kodlama ile limitli olmayan ve makine öğrenimi fonksiyonuyla kendini deneme-yanılma vb. yöntemlerle geliştirebilen bir tür olacaktır. Bu konuda dünyada önemli bir rekabet mevcuttur. Makine öğrenimi konusunda şu anda en etkili sonucu, “Go” oyununda dünyanın en iyi oyuncularına karşı zafer elde eden ve DeepMind tarafından geliştirilen AlphaGo’nun aldığını söyleyebiliriz. Daha önce başka yapay zekâ türlerine ve insanlara karşı oynadığı oyunların sonucunu analiz edip kendini geliştirebilen AlphaGo, elde ettiği verileri Monte Carlo Ağaç Araması (“Monte Carlo Tree Search”) yöntemiyle işleyip, Go oyunu esnasında kazanma ihtimali en yüksek olan hamleleri belirlemektedir.
Go oyununun kurallarının ve parametresinin tamamen belirli olması nedeniyle, makine öğrenimi açısından -yukarıda daha önce de bahsedildiği gibi- faydalı bir ortam oluşturulabilmektedir. Asıl problem, hukuk gibi kuralların net olsa da kararların her zaman net olmadığı ve parametrenin belirsiz olduğu alanlarda makine öğreniminin sağlanabilmesidir. Hâkimlerin benzer davalarda sadece bir detaydan dolayı farklı kararlar vermeleri daha önce görülmemiş bir durum değildir. Her hâkimin belirli bir yorum tarzı olması da gayet alışılagelmiş bir durumdur. Bu durum dünyada hukuk alanında ileri düzeydeki ülkelerde olduğu gibi Türkiye açısından da önemli bir problemdir.
Büyük Veri Toplanması Konusundaki Eksiklikler: Büyük veri toplanmasında karşılaşılan hukuki engellerin başında, öncelikle Kişisel Verilerin Korunması Kanunu (“KVKK”) ve daha sonra altyapı problemleri görülmektedir. Dünyadaki birçok ülkede, büyük veri toplama çalışmaları esnasında kişisel verilerle ilgili mevzuatın ihlal edilmemesi adına, anonimleştirme yöntemi kullanılmaktadır. Bu tip bir veri çalışmasının Türkiye’de yapılabilmesi için, sadece Yargıtay, İstinaf ve Hukuk Genel Kurulu kararlarının değil, aynı zamanda ilk derece mahkemelerinin kararlarının da erişime açılıp, söz konusu bütün kararlar üzerinde KVKK’nın ihlal edilmemesi amacıyla anonimleştirme yapılması gerekmektedir. Şu anda İstanbul Barosu’nun ve Ankara Barosu’nun konu ile ilgili başlangıç seviyesinde çalışmaları mevcuttur.
Çözüm: İstanbul Barosu’nun yayımladığı “Yapay Zeka Çağında Hukuk Raporu Kapalı Çalıştayları Değerlendirme Sonuçları” başlıklı raporda, Adalet Bakanlığı’ndan izin alınarak ilk derece mahkeme kararlarına da ulaşılabileceği, söz konusu verilerin anonimleştirilip akabinde büyük veri toplama işleminin konusu olabileceği belirtilmiştir.
Hem makine öğrenimi hem de büyük veri toplama açısından dil problemi: Türkçe, dünyada yaygın olarak kullanılan İngilizce’den çok daha farklı karakteristik özelliklere sahip olan bir dildir. Dolayısıyla gelecekte var olması hedeflenen yapay zekânın Türkçe dilinde makine öğrenimi gerçekleştirip aynı zamanda büyük veri toplamasından elde edilen verileri sürekli işleyebilmesi için, ileri düzeyde bir sistem oluşturulması gerekmektedir.
Çözüm: Türkiye’de oluşturulacak uzman bir komisyon ile konu üzerinde çalışmalara başlanıp, daha sonra projeye destek olması için alanının en iyisi olan Oxford ve MIT gibi üniversitelerdeki bilim adamlarından destek alınarak, Türkçe işlem yapabilen bir yapay zekâ türü oluşturulabilir. Dünyada bu konuda Prof. Richard Susskind, çok önemli bir isimdir. Ayrıca İngilizce-Türkçe arasında köprü oluşturabilen bir yapay zekâ türünün meydana geldiği varsayımında, dünyadaki yapay zekâ yarışında yer alan diğer kurumların Türkiye’ye yatırım yapma ihtimalinin oluşabileceği de göz ardı edilmemelidir.
Sonuç: Türkiye’de genel olarak yapay zekâ alanında çeşitli çalışma girişimleri olsa da, dünyada bu konuda ilerlemiş olan ülkelerin gerisinde kaldığımızı belirtmek gerekir. Yukarıda bahsedilen faktörlerin iyileştirilmesi ve aynı zamanda uzman kişilerden oluşan bir komisyon aracılığıyla yapay zekanın hukuka entegre edilmesi konusunda çalışmalar yapılması sonucunda, ülkemizdeki hukuk sisteminin objektifliği arttırılıp, ayrıca genel olarak yargılama açısından net bir verimlilik elde edilebilecektir.