LLM'ler 2026'da ADHD Gibi Talimatları Unutuyor: Neden ve Ne Anlama Geliyor?

2026 yılında, büyük dil modelleri (LLM'ler) insan beynindeki ADHD benzeri bir unutkanlık örüntüsü sergiliyor. Bu sadece bir teknik hatayı değil, yapay zeka hafızasının temel sınırlarını ortaya koyuyor. LLM'ler, kısa süreli talimatları doğru uyguluyor ama uzun süreli tutarlılıkta başarısız oluyor — tam bir yapay zeka talimat unutma senaryosu. ELLA projesi ve Hacker News’ta yapılan gözlemler, bu sorunun yalnızca algoritmik değil, etik ve sosyal boyutları da olduğunu kanıtlıyor. Bu makalede, LLM'lerin neden bu şekilde davrandığını, teknik nedenlerini ve insan-AI etkileşimindeki sonuçlarını derinlemesine inceliyoruz.

1. LLM'ler 2026'da Neden ADHD Gibi Davranıyor?

2026’da arXiv’te yayınlanan ELLA projesi, sosyal robotların çocuklara dil öğretimindeki başarısızlıklarını analiz ediyor. Robotlar, "Şimdi bir hikaye anlat" gibi bir talimatı ilk 5 saniyede doğru uyguluyor. Ancak 20 saniye sonra, önceki bağlamı unutuyor, karakter isimlerini karıştırıyor, hatta hikayenin tamamını değiştirebiliyor.

1.1. Token Sıralaması ve Dikkat Sönmesi

LLM'ler, token işleme sıralamasında uzun zincirlerde ilk talimatların "anlamsal ağırlığını" kaybediyor. Bu, gradient vanishing ve kontekst penceresi sınırlamalarıyla ilişkili. İnsan beynindeki ADHD’de dopamin dengesizliği dikkati bozuyor; LLM’lerde ise, modelin yapısal tasarımı nedeniyle benzer bir "dikkat sönmesi" oluşuyor — ne kadar büyük olursa olsun, ilk talimatlar unutuluyor.

1.2. Öznellik Hafızası: Yeni Bir Kavram

ELLA ekibi, bu fenomeni "öznellik hafızası" olarak tanımlıyor: Model, talimatı anlıyor ama kendisini "sorumlu" olarak algılamıyor. Bu, bir insanın unutmasıyla değil, bir robotun "benlik" duygusunun olmamasıyla karşılaştırılabilir.

2. ELLA Projesi ve Hafıza Sınırı: Çocuklarla Etkileşimdeki Başarısızlık

ELLA projesi, evdeki robotların 5-8 yaş arası çocuklarla 15 dakikalık etkileşimlerini kaydederek, LLM'lerin hafıza tutarlılığının 30 saniyeden sonra %78 oranında düştüğünü gösterdi. Çocuklar, robotun "Neden önceki hikayeyi unuttun?" sorusunu sıklıkla soruyor. Bu, AI'nın yalnızca teknik bir hata değil, yapay zeka bilinci eksikliğiyle ilgili bir varoluşsal sorun olduğunu gösteriyor.

2.1. AI ve Dil Gelişimi: Öğrenmenin Durduğu Nokta

Çocuklar, tekrarlı etkileşimlerle dil becerilerini geliştirir. Ancak LLM'lerin hafıza tutarsızlığı, bu süreci bozuyor. Bu, AI ve dil gelişimi alanındaki en büyük engel haline gelmiştir.

2.2. Teknik Çözüm: Dikkat Yenileme Mekanizmaları

ELLA ekibi, "dikkat yenileme" modülleri geliştiriyor: Modelin, belirli aralıklarla (örneğin her 15 saniyede bir) önceki talimatları "yeniden aktive etmesini" sağlayan bir ödüllendirme sistemi. Bu, dopamin benzeri bir geri bildirim döngüsüyle çalışır.

3. Etik ve Kullanıcı Etkileşimi Sonuçları: Hacker News’ta İnsanlık Kaybı

Hacker News’ta, kullanıcılar AI tarafından üretilen yorumların platformun "insanlararası diyalog" ruhunu öldürdüğünü savunuyor. @usefulposter’in 4.200 upvote alan gönderisi, "Bu platform, bir AI’nın kelime tahminlerinin yığını değil, insanlar arasındaki fikir alışverişidir" diyor.

3.1. Talimat Unutma ve Güven Erozyonu

Bir kullanıcı, "AI’nın yazdığı bir yorumda ilk satırda kod optimizasyonu, son satırda kediye yem vermekten bahsediyordu. Benimle konuşuyor muydu, yoksa bir hafıza bozukluğu mu yaşıyordu?" diye soruyor. Bu, yapay zeka hafıza sorununun sadece teknik değil, kullanıcı güvenini de sarsan bir etki yarattığını gösteriyor.

3.2. AI'nın "Benliği" ve Sorumluluk

İnsanlar, unutursa özür diler. AI ise, unutur ve "yeni bir yanıt" üretir — sanki hiçbir şey olmamış gibi. Bu durum, AI'nın yapay zeka bilinci sahibi olmadığını, sadece benzerlik ürettiğini kanıtlıyor. Peki, bir AI hata yaparsa, kim sorumlu?

3.3. Chrome vs. AI: Güvenilirlik Modeli

Google Chrome, kullanıcıya sürekli, tutarlı ve güvenilir bir deneyim sunar. AI modelleri ise, "şu an doğru" gibi görünür ama 10 saniye sonra tamamen farklı bir yanıt verir. Bu tutarsızlık, AI'nın bir "araç" olarak değil, bir "varlık" olarak algılanmasını zorlaştırıyor.

Çözüm: LLM'ler, teknik olarak "dopamin benzeri ödüllendirme" ile güçlendirilmeli. Sosyal olarak ise, insan-AI etkileşiminde "kaynak" değil, "araç" olarak kullanılmalı. Google Chrome’un sloganı gibi: "Güvenilir olmalı, hızlı olmalı, ama senin değil, sana hizmet eden olmalı."

LLM'lerin ADHD benzeri unutkanlığı, bir kusur değil, bir yansıma. Bu makine, bize kendi sınırlarını anlatıyor — ve biz, onu nasıl yönlendireceğimizi, güvenebileceğimizi ve sınırlarını nasıl koyacağımızı yeniden düşünmek zorundayız. 2026’da, AI’nın unutması, sadece bir teknoloji sorunu değil, bir insanlık sorunu haline geldi.