Bir bilimsel araştırmanın güvenilirliğini ne belirler? Elde edilen sonuçların doğruluğu mu, kullanılan yöntemlerin sağlamlığı mı, yoksa araştırmacının bilimsel dürüstlüğü mü?
Aslında bunların tamamı bilimsel bilginin güvenilirliğini oluşturan temel unsurlar arasında yer alıyor. Ancak yapay zekânın bilimsel araştırmalarda giderek daha fazla kullanılması, bu unsurların nasıl korunacağına ilişkin yeni sorular ortaya çıkarıyor.
Bugün yapay zekâ sistemleri bilimsel literatürü tarayabiliyor, araştırma hipotezleri önerebiliyor, bilgisayar kodları yazabiliyor, büyük veri kümelerini analiz edebiliyor ve bilimsel makaleler hazırlayabiliyor. Bazı sistemler, araştırma sürecinin birden fazla aşamasını birbirine bağlayarak sınırlı insan müdahalesiyle çalışabiliyor.
Bilim insanları açısından bu gelişmeler önemli imkânlar sunuyor. Daha önce haftalar sürebilen bazı işlemler daha kısa sürede gerçekleştirilebiliyor, büyük miktardaki veriler incelenebiliyor ve yeni araştırma yöntemleri geliştirilebiliyor.
Ancak bilimsel üretimin hızlanması, ortaya çıkan bilginin mutlaka daha güvenilir olduğu anlamına gelmiyor.
Dahası, yapay zekâ bilimsel araştırmanın yalnızca teknik işlemlerini değil, bilimsel düşünme sürecinin bazı aşamalarını da üstlenmeye başladığında yeni bir sorumluluk sorunu ortaya çıkıyor.
Bir araştırmanın sonuçlarını yapay zekâ oluşturduğunda, bu sonuçların doğruluğundan kim sorumlu olacak?
Dünyanın önde gelen bilim dergilerinde yayımlanan araştırmalar, bu sorunun artık yalnızca geleceğe ilişkin bir tartışma olmadığını gösteriyor.
41,3 Milyon Makalelik Araştırmadan Dikkat Çekici Sonuç
Yapay zekânın bilimsel araştırmalara etkisini inceleyen en kapsamlı çalışmalardan biri, 14 Ocak 2026'da Nature dergisinde yayımlandı.
Qianyue Hao ve arkadaşları, doğa bilimlerinin farklı alanlarındaki 41,3 milyon bilimsel yayını inceleyerek yapay zekâ destekli araştırmaların akademik üretkenlik ve bilimin genel gelişimiyle ilişkisini değerlendirdi.
Araştırmaya göre yapay zekâ destekli çalışmalar yapan bilim insanları, diğer araştırmacılara kıyasla 3,02 kat daha fazla yayın gerçekleştirmiş ve 4,84 kat daha fazla atıf almıştı.
Ayrıca bu araştırmacıların bilimsel projelerde liderlik konumuna ortalama 1,37 yıl daha erken ulaştığı hesaplandı.
Bu sonuçlar, yapay zekâ kullanımının bireysel akademik başarı göstergeleriyle güçlü bir ilişki içerisinde olduğunu ortaya koyuyor.
Ancak araştırmanın en dikkat çekici bulgularından biri, bilimsel konuların çeşitliliğiyle ilgiliydi.
Çalışmada, yapay zekâ kullanımının yaygınlaşmasının bilim dünyasında topluca incelenen konuların kapsamındaki yüzde 4,63'lük daralmayla ilişkili olduğu belirlendi. Araştırmacılar arasındaki bilimsel etkileşimi ölçen göstergede de yüzde 22'lik azalma saptandı.
Araştırmacılar, yapay zekâ destekli çalışmaların veri bakımından zengin ve daha önce yoğun biçimde araştırılmış alanlara yönelme eğilimi gösterdiğine dikkat çekti.
Bu durum önemli bir soruyu gündeme getiriyor:
Bilim insanları daha fazla makale üretirken bilim dünyası giderek daha dar bir araştırma alanına mı yöneliyor?
Burada araştırmanın gözlemsel verilere dayandığını belirtmek gerekiyor. Yüksek yayın ve atıf sayılarının doğrudan yapay zekâ kullanımından kaynaklandığı veya bilimsel konu çeşitliliğindeki daralmanın yalnızca yapay zekâyla açıklanabileceği kesin olarak söylenemez.
Üstelik çalışma yalnızca üretken yapay zekâ sistemlerini değil, bilimsel araştırmalarda kullanılan daha geniş bir yapay zekâ teknolojileri grubunu kapsıyor.
Bununla birlikte bulgular, bilimsel ilerlemenin yalnızca yayın sayısı ve atıf performansıyla değerlendirilemeyeceğini hatırlatıyor.
Çünkü bilimin gelişmesi, mevcut bilgilerden daha fazla sonuç üretmek kadar henüz yanıtlanmamış soruların araştırılmasına da bağlı.
Bilim İnsanları Daha Fazla Üretirken Daha Az Anlayabilir mi?
Yapay zekânın bilimsel araştırmalara etkisi yalnızca üretkenlik göstergeleriyle sınırlı değil.
Nature dergisinde Mart 2024'te yayımlanan bir akademik değerlendirme, yapay zekâ sistemlerinin bilimsel düşünme üzerinde oluşturabileceği önemli bir riski gündeme taşıdı.
Lisa Messeri ve M. J. Crockett tarafından hazırlanan çalışmada, bilim insanlarının yapay zekâ sayesinde dünyayı gerçekte olduğundan daha iyi anladıklarını düşünmeleri ihtimali ele alındı.
Araştırmacılar bu durumu anlama yanılsaması kavramıyla açıkladı.
Örneğin yapay zekâ, binlerce değişken içeren bir veri kümesini inceleyerek değişkenler arasında güçlü istatistiksel ilişkiler belirleyebilir.
Ancak bir ilişkinin tespit edilmesi, söz konusu ilişkinin neden ortaya çıktığının açıklandığı anlamına gelmez.
İstatistiksel bir ilişkinin arkasındaki biyolojik, fiziksel veya toplumsal mekanizmaların anlaşılması farklı bilimsel yöntemler gerektirebilir.
Benzer biçimde, bir yapay zekâ sisteminin başarılı tahminler yapması, araştırmacının incelediği bilimsel olguyu bütünüyle anladığını göstermez.
Messeri ve Crockett'in çalışması deneysel bir araştırma değil, bilimsel bilgi üretimine ilişkin kuramsal bir değerlendirme niteliği taşıyor. Bu nedenle ortaya koyduğu risklerin bütün araştırma alanlarında gerçekleştiği sonucuna varılamaz.
Bununla birlikte değerlendirme, bilimsel araştırmanın yalnızca doğru görünen sonuçlar üretmekten ibaret olmadığını vurguluyor.
Bilim insanının görevi, elde ettiği bulguları sorgulamak, yöntemlerin sınırlarını anlamak ve alternatif açıklamaları değerlendirmek.
Yapay zekâ bu süreçlere yardımcı olabilir. Ancak bilimsel muhakemenin tamamen otomatik sistemlere bırakılması, araştırmacının ulaştığı sonuçları eleştirel biçimde değerlendirme kapasitesini zayıflatabilir.
Yapay Zekâ Artık Bilimsel Makale de Hazırlayabiliyor
Bilimsel yayıncılık açısından dikkat çekici gelişmelerden biri, 25 Mart 2026'da Nature dergisinde yayımlandı.
Chris Lu ve arkadaşları, The AI Scientist adı verilen bir sistemin bilimsel araştırmanın farklı aşamalarını ne ölçüde otomatikleştirebildiğini inceledi.
Sistem araştırma fikri geliştirebiliyor, bilgisayar kodu hazırlayabiliyor, deneyler gerçekleştirebiliyor, sonuçları analiz edebiliyor ve elde edilen bulguları bilimsel makaleye dönüştürebiliyor.
Araştırmacılar, sistem tarafından hazırlanan üç makaleyi, ilgili organizatörlerin bilgisi ve izniyle, 2025 yılında düzenlenen ICLR konferansı kapsamındaki bir çalıştayın hakem değerlendirmesine sundu.
Üç makaleden biri hakemlerden kabul eşiğini aşan puanlar aldı.
Ancak önceden belirlenen deney protokolü gereğince makale geri çekildi ve normal yayın sürecinde yayımlanmadı.
Burada önemli bir ayrıntı bulunuyor.
Makalelerin değerlendirildiği çalıştayın kabul oranı yüzde 70 düzeyindeydi. Ana konferansın kabul oranı ise yüzde 32'ydi. Araştırmacılar, hazırlanan üç makalenin de ana konferansın daha yüksek bilimsel kabul ölçütlerini karşılamadığını belirtti.
Dolayısıyla bu deney, yapay zekânın insan bilim insanlarıyla aynı düzeyde veya bütün bilim dallarında güvenilir araştırmalar yapabildiğini kanıtlamıyor.
Ancak araştırma sürecinin önemli bir bölümünün otomatik sistemler tarafından yürütülebilmesi, bilimsel yayıncılık açısından yeni bir aşamaya işaret ediyor.
Artık tartışılan mesele yalnızca yapay zekânın bilim insanlarına yardımcı olması değil, bilimsel araştırmanın ne kadarını bağımsız olarak gerçekleştirebileceği.
Bu gelişme, bilimsel yazarlık ve araştırma sorumluluğu konularının önemini daha da artırıyor.
Bir Bilimsel Makalenin Yazarı Yapay Zekâ Olabilir mi?
Bilimsel yayıncılıkta yazarlık yalnızca bir makalenin hazırlanmasına katkıda bulunmak anlamına gelmiyor.
Yazar olmak, araştırmanın doğruluğu, özgünlüğü ve bilimsel bütünlüğü konusunda sorumluluk üstlenmeyi de gerektiriyor.
Uluslararası Tıp Dergileri Editörleri Komitesi (ICMJE), Ocak 2026'da güncellediği bilimsel yayın ilkelerinde yapay zekâ kullanımına ilişkin düzenlemeleri genişletti.
Komitenin yaklaşımına göre yapay zekâ sistemleri bilimsel makalelerde yazar veya ortak yazar olarak gösterilemez.
Bunun temel gerekçesi, bu sistemlerin bilimsel çalışmanın doğruluğu ve bütünlüğü konusunda insanlar gibi hesap verebilir olmamasıdır.
ICMJE, araştırmacıların yapay zekâ kullanıp kullanmadıklarını açıklamalarını, hangi araçlardan ne amaçla yararlandıklarını belirtmelerini ve bu sistemler tarafından üretilen içeriklerin doğruluğunu kontrol etmelerini öneriyor.
Ayrıca uygun kaynakların gösterilmesi, gerekli izinlerin alınması ve intihal bulunmadığının güvence altına alınması sorumluluğu insan yazarlara ait.
Bu yaklaşım, bilimsel araştırmalarda yapay zekâ kullanımını bütünüyle reddetmiyor.
Ancak teknolojiden yararlanılması ile bilimsel sorumluluğun teknolojiye devredilmesi arasında açık bir sınır oluşturuyor.
Bir araştırmacının yapay zekâ yardımıyla istatistiksel analiz yapması veya bilimsel metninin dilini geliştirmesi mümkün.
Buna karşılık doğruluğunu kontrol etmediği, yöntemini anlamadığı veya bilimsel açıdan savunamadığı sonuçları kendi bulgusu olarak sunması ciddi etik sorunlara yol açabilir.
Bilimsel Literatürde Olmayan Kaynaklar Üretilebiliyor
Yapay zekâ sistemlerinin bilimsel araştırmalardaki en somut risklerinden biri, gerçekte bulunmayan akademik kaynaklar oluşturabilmesi.
Scientific Reports dergisinde Eylül 2023'te yayımlanan bir araştırmada William H. Walters ve Esther Isabelle Wilder, ChatGPT'nin iki farklı sürümünü bilimsel kaynak güvenilirliği açısından değerlendirdi.
Araştırmacılar, 42 farklı konuda hazırlanan 84 literatür değerlendirmesinde yer alan toplam 636 akademik kaynağı inceledi.
Sonuçlara göre GPT-3.5 tarafından oluşturulan kaynakların yüzde 55'i, GPT-4 tarafından oluşturulanların ise yüzde 18'i gerçekte mevcut değildi.
Üstelik gerçek yayınlara ait kaynaklarda da önemli bibliyografik hatalar tespit edildi.
Bu oranlar, araştırmanın yürütüldüğü dönemde kullanılan model sürümleri için geçerli. Dolayısıyla günümüzdeki bütün yapay zekâ sistemlerinin aynı hata oranlarına sahip olduğu sonucu çıkarılamaz.
Ancak araştırmanın ortaya koyduğu temel sorun önemini koruyor.
Gerçekte yapılmamış bir araştırmanın bilimsel makalede kaynak olarak gösterilmesi, yalnızca yanlış bir bibliyografik bilgi verilmesi anlamına gelmez.
Araştırmacı, hiç yayımlanmamış bir çalışmayı mevcut bilimsel kanıtların parçasıymış gibi sunabilir. Böylece bu kaynağa dayandırılan yorumlar, hipotezler ve sonuçlar da güvenilir olmayan bir temele dayanabilir.
Bu durum özellikle sistematik derlemeler ve literatür değerlendirmeleri açısından önem taşıyor.
Bilimsel kaynakların özgün yayın kayıtlarından doğrulanması, yapay zekâ kullanımından bağımsız olarak araştırmacının temel sorumlulukları arasında bulunuyor.
Yapay Zekâ Neden Yanlış Bilgileri Doğruymuş Gibi Sunuyor?
Yapay zekâ sistemlerinin yanlış fakat ikna edici cevaplar üretebilmesi, bilimsel güvenilirlik açısından önemli bir sorun.
Nature dergisinde 22 Nisan 2026'da yayımlanan bir araştırma, bu sorunun nedenlerine farklı bir açıdan yaklaştı.
Adam Tauman Kalai ve arkadaşları, büyük dil modellerinin değerlendirilmesinde kullanılan bazı başarı ölçütlerinin, sistemleri belirsizlik karşısında tahminde bulunmaya teşvik edebildiğini gösterdi.
Araştırmacılara göre yalnızca doğru cevap sayısına odaklanan değerlendirme yöntemleri, bazı durumlarda sistemin yanlış cevap verme riskini göze almasını avantajlı hâle getirebiliyor.
Çünkü yanlış bir cevap ile cevap vermemek aynı şekilde başarısızlık olarak değerlendirildiğinde sistemin tahminde bulunması daha yüksek başarı puanı elde etmesini sağlayabiliyor.
Bu durum, yapay zekâ sistemlerinin neden bazen belirsizliklerini açıkça belirtmek yerine kesin ifadeler kullandığını açıklamaya yardımcı oluyor.
Araştırma, yapay zekâ modellerinin eğitim ve değerlendirme süreçlerinde yalnızca doğruluğun değil, belirsizliğin uygun biçimde ifade edilmesinin de dikkate alınması gerektiğini ortaya koyuyor.
Bilimsel araştırma açısından bunun önemli bir karşılığı bulunuyor.
Bir sistemin kendinden emin biçimde cevap vermesi, sunduğu bilginin doğrulandığı anlamına gelmez.
Bilimsel güvenilirlik, gerektiğinde bilinmeyenin veya yeterli kanıt bulunmayan konuların açıkça belirtilmesini de gerektiriyor.
JAMA Araştırması: Yapay Zekâ Kullanımı Ne Kadar Açıklanıyor?
Bilimsel yayıncılıkta önemli etik konulardan biri de yapay zekâ kullanımının şeffaf biçimde bildirilmesi.
JAMA dergisinde 28 Ocak 2026'da yayımlanan araştırmada, JAMA yayın grubundaki 13 bilimsel dergiye Ağustos 2023 ile Ekim 2025 arasında gönderilen 105.538 makale incelendi.
Araştırmacılar, bu makalelerin 3.459'unda, yani yüzde 3,3'ünde yapay zekâ kullanımının yazarlar tarafından açıklandığını belirledi.
Bildirilen kullanım amaçlarının yüzde 67,7'si bilimsel metinlerin dilini düzeltmek veya anlatımını geliştirmekle ilgiliydi.
Diğer kullanım alanları arasında istatistiksel model geliştirme, veri analizi, makale taslağı hazırlama ve bilimsel literatürün araştırılması yer alıyordu.
Çalışma döneminde yapay zekâ kullanımını bildirme oranının yaklaşık yüzde 1,7'den yüzde 6'ya yükseldiği görüldü.
Ancak araştırmanın sonucunu doğru değerlendirmek için önemli bir ayrım yapmak gerekiyor.
Bu çalışma, bilim insanlarının gerçekte ne kadar yapay zekâ kullandığını değil, ne kadarının kullanım bildiriminde bulunduğunu ölçüyor.
Dolayısıyla yüzde 3,3'lük oran, araştırmacılar arasındaki gerçek yapay zekâ kullanım yaygınlığını göstermiyor.
Benzer bir araştırma, BMJ yayın grubundaki 49 dergiye Nisan-Kasım 2024 döneminde gönderilen 25.114 makaleyi inceledi.
JAMA'da yayımlanan bu ikinci çalışmada, makalelerin yüzde 5,7'sinde yapay zekâ kullanımının bildirildiği belirlendi.
Yapay zekâ kullanımını açıklayan yazarların büyük çoğunluğu, bu teknolojiden bilimsel metinlerin yazım kalitesini geliştirmek amacıyla yararlandığını ifade etti.
Farklı dönemlerde ve farklı dergi gruplarında yürütülen bu araştırmaların sonuçları doğrudan karşılaştırılamaz.
Bununla birlikte bulgular, bilimsel yayıncılıkta yapay zekâ kullanımının hangi koşullarda ve nasıl açıklanacağına ilişkin ortak kurallar geliştirilmesinin önemini gösteriyor.
Bilimsel Hakemlikte Görünmeyen Talimatlar Riski
Bilimsel yayıncılığın temel güvence mekanizmalarından biri, araştırmaların yayımlanmadan önce alan uzmanları tarafından değerlendirilmesi.
Ancak yapay zekâ sistemlerinin bilimsel hakemlikte kullanılması, yeni güvenlik sorunlarını da beraberinde getiriyor.
JAMA Network Open dergisinde Ocak 2026'da yayımlanan deneysel bir araştırmada, bilimsel makalelerin içerisine insan okuyucular tarafından fark edilmesi zor olan fakat yapay zekâ sistemlerinin okuyabildiği gizli talimatlar yerleştirildi.
Araştırmacılar, bu talimatların incelenen üç yapay zekâ modelinin makalelere verdiği kalite puanlarını yükseltebildiğini gösterdi.
Deneysel koşullarda makalelere ilişkin kabul önerilerinin oranı da önemli ölçüde arttı.
Bu sonuçlar, yapay zekâ destekli hakemlik sistemlerinin metinlerin içerisine yerleştirilen yönlendirici komutlardan etkilenebileceğini ortaya koydu.
Ancak Haziran 2026'da aynı dergide yayımlanan takip araştırması, daha yeni modellerin bu belirli saldırı yöntemine karşı daha dirençli olduğunu gösterdi.
Çalışmada, yalnızca görünür metnin işlenmesini sağlayan bir belge hazırlama yönteminin de incelenen gizli talimatların etkisini ortadan kaldırabildiği belirlendi.
Bu bulgular, güvenlik önlemlerinin geliştirilmesiyle bazı risklerin azaltılabildiğini gösteriyor.
Bununla birlikte her iki çalışmanın sonuçları belirli modeller, belgeler ve saldırı yöntemleriyle sınırlı. Bütün yapay zekâ sistemlerinin benzer manipülasyonlara karşı aynı şekilde davranacağı varsayılamaz.
Bilimsel yayıncılık açısından temel gereklilik ise değişmiyor.
Bir makalenin bilimsel niteliğine ilişkin değerlendirme, metnin içine yerleştirilmiş yönlendirmelerden değil; araştırmanın yöntemi, kanıtları ve sonuçlarından hareketle yapılmalı.
Yapay Zekâ Bilimsel Hakemliği Geliştirebilir mi?
Yapay zekâ destekli bilimsel değerlendirmeye ilişkin bütün araştırmalar olumsuz sonuçlar ortaya koymuyor.
Nature Machine Intelligence dergisinde Şubat 2026'da yayımlanan randomize kontrollü bir çalışma, yapay zekâ tarafından hazırlanan geri bildirimlerin bilimsel hakemlik üzerindeki etkisini değerlendirdi.
Nitya Thakkar ve arkadaşlarının gerçekleştirdiği çalışma, ICLR 2025 kapsamında 20.000'den fazla hakem değerlendirmesini içeriyordu.
Araştırmada, yapay zekâdan geri bildirim alan hakemlerin yüzde 27'si değerlendirme metinlerini güncelledi.
Kör değerlendirmeler, bu geri bildirimler doğrultusunda düzenlenen raporların daha bilgilendirici olduğunu gösterdi.
Çalışma, yapay zekânın bilimsel hakemin yerini almadan da değerlendirme sürecini destekleyebileceğine ilişkin somut bulgular sunuyor.
Ancak araştırma belirli bir bilimsel konferansta yürütüldü. Bu nedenle sonuçların bütün disiplinlerdeki bilimsel hakemlik süreçlerine aynı şekilde uygulanabileceği söylenemez.
Bu araştırmayla hakemlikte manipülasyon riskini inceleyen çalışmalar birlikte değerlendirildiğinde önemli bir ayrım ortaya çıkıyor.
Yapay zekâ, bilimsel değerlendirmeyi destekleyen bir araç olarak yararlı olabilir. Ancak değerlendirme sürecindeki görevinin, kullanabileceği bilgilerin ve insan hakemin sorumluluklarının açık biçimde belirlenmesi gerekiyor.
Tıbbi Araştırmalarda Etik Sorumluluk Neden Daha Önemli?
Yapay zekânın bilimsel araştırmalarda kullanılması, özellikle tıp ve sağlık bilimlerinde daha hassas sorunları gündeme getiriyor.
Çünkü tıbbi araştırmalarda ortaya çıkan yanlış bir sonucun etkisi yalnızca bilimsel literatürle sınırlı kalmayabilir.
Araştırma bulgularının tanı, tedavi veya klinik karar süreçlerine aktarılması durumunda hasta güvenliği de etkilenebilir.
Bu nedenle kişisel sağlık verilerinin korunması, hasta mahremiyeti, araştırma katılımcılarının hakları ve yapay zekâ sistemlerinin farklı hasta gruplarında güvenilir biçimde değerlendirilmesi özel önem taşıyor.
The BMJ dergisinde Şubat 2025'te yayımlanan FUTURE-AI uluslararası uzlaşı rehberi, bu konudaki önemli çalışmalardan biri.
50 ülkeden 117 uzmanın katkısıyla hazırlanan rehberde, güvenilir sağlık yapay zekâsı için 30 öneri geliştirildi.
Bu öneriler altı temel ilke etrafında toplandı: adalet, farklı koşullara genellenebilirlik, izlenebilirlik, kullanılabilirlik, dayanıklılık ve açıklanabilirlik.
Rehber, bir yapay zekâ sisteminin yalnızca yüksek doğruluk oranına sahip olmasının yeterli olmadığını vurguluyor.
Sistemin hangi verilerle geliştirildiği, farklı hasta gruplarında nasıl sonuç verdiği, kararlarının ne ölçüde açıklanabildiği ve klinik uygulamada nasıl izleneceği de değerlendirilmeli.
Özellikle sağlık araştırmalarında kullanılan verilerin yetkisiz sistemlere aktarılmaması ve araştırmaların ilgili etik kurul kararlarıyla veri koruma yükümlülüklerine uygun yürütülmesi gerekiyor.
Burada başka bir ayrım daha önem taşıyor.
Yapay zekânın klinik karar destek sistemi olarak kullanılmasıyla bilimsel araştırmada veri analizini desteklemek amacıyla kullanılması aynı riskleri doğurmayabilir.
Bu nedenle etik değerlendirmelerin teknolojinin kullanım amacına, uygulandığı ortama ve olası sonuçlarına göre yapılması gerekiyor.
Avrupa Komisyonu Bilimsel Yapay Zekâ Rehberini Güncelledi
Yapay zekânın bilimsel araştırmalardaki kullanımına ilişkin tartışmalar, uluslararası araştırma politikalarına da yansıyor.
Avrupa Komisyonu, 16 Ekim 2026'da araştırmalarda üretken yapay zekânın sorumlu kullanımına ilişkin Avrupa Araştırma Alanı rehberinin güncellendiğini duyurdu.
Yeni güncelleme, daha bağımsız görevler üstlenebilen yapay zekâ sistemlerinin yanı sıra bilimsel hakemlik ve araştırma fonu başvurularının değerlendirilmesine ilişkin daha ayrıntılı öneriler içeriyor.
Komisyon, yapay zekâ sistemleri daha karmaşık görevleri yerine getirebilir hâle geldikçe insan gözetimi, hesap verebilirlik ve güvenilirlik konularının önem kazandığını vurguluyor.
İlk kez 2024'te yayımlanan rehber, araştırmacıların yanı sıra üniversitelere, araştırma kuruluşlarına ve araştırmaları destekleyen kurumlara da yönelik öneriler sunuyor.
Belge kendi başına bütün ülkeler ve kurumlar için bağlayıcı bir hukuk düzenlemesi niteliği taşımıyor. Ancak bilimsel araştırmalarda yapay zekâ kullanımına ilişkin kurumsal politikaların geliştirilmesi bakımından önemli bir referans oluşturuyor.
Bu gelişmeler, yapay zekâ etiğinin yalnızca araştırmacıların bireysel sorumluluğu olarak ele alınamayacağını gösteriyor.
Üniversitelerin, bilimsel dergilerin ve araştırma kuruluşlarının da teknolojinin kullanımına ilişkin açık, anlaşılır ve denetlenebilir ilkeler geliştirmesi gerekiyor.
Üniversiteler Yeni Bir Bilimsel Etik Dönemine Hazır mı?
Yapay zekâ sistemlerinin araştırma süreçlerinde yaygınlaşması, üniversitelerde bilimsel etik eğitiminin kapsamını genişletiyor.
Geleneksel akademik etik eğitimi büyük ölçüde intihal, veri uydurma, veri çarpıtma, yazarlık ihlalleri ve çıkar çatışmaları gibi sorunlara odaklanıyordu.
Bu sorunlar önemini korurken yapay zekâ kullanımı yeni sorumluluklar ortaya çıkarıyor.
Bir araştırmacının bilimsel makalesinin dilini geliştirmek için yapay zekâdan yararlanmasıyla doğruluğunu kontrol etmediği istatistiksel analizleri kendi bilimsel bulgusu olarak sunması aynı şekilde değerlendirilemez.
Benzer biçimde, bilimsel literatürün taranmasında yapay zekâdan destek alınmasıyla gerçekte mevcut olmayan yayınların kaynak olarak gösterilmesi arasında temel bir fark bulunuyor.
Bu nedenle yapay zekânın akademik kullanımını yalnızca serbest veya yasak olarak sınıflandırmak yeterli değil.
Asıl önemli olan, teknolojinin hangi amaçla kullanıldığı, araştırmanın hangi aşamasına katkı sağladığı ve sonuçların nasıl doğrulandığı.
Üniversiteler açısından bu durum yeni bir eğitim ihtiyacı da ortaya çıkarıyor.
Araştırmacıların yapay zekâ sistemlerinin yeteneklerini ve sınırlılıklarını öğrenmesi, veri güvenliği konusunda bilinçlendirilmesi, bilimsel kaynakları bağımsız biçimde doğrulayabilmesi ve teknolojinin ürettiği sonuçları eleştirel değerlendirebilmesi gerekiyor.
Özellikle genç bilim insanlarının araştırma yöntemlerini öğrenmeden sonuç üretmeye yönelmesi, uzun vadede bilimsel yetkinliklerin gelişimini olumsuz etkileyebilir.
Bununla birlikte bu risk, yapay zekânın eğitim ve araştırma süreçlerinden tamamen dışlanmasını gerektirmiyor.
Gerekli yöntem bilgisi ve insan denetimiyle birlikte kullanılan yapay zekâ, araştırmacıların yeni yöntemler öğrenmesini ve karmaşık bilimsel sorunları incelemesini de destekleyebilir.
Bu nedenle akademik kurumların görevi, teknolojinin kullanımını yalnızca denetlemek değil, sorumlu kullanım kültürünü geliştirmek olmalı.
Yapay Zekâ Çağında Bilimin En Büyük Güvencesi
Bilim tarihi, yeni teknolojilerin araştırma yöntemlerini değiştirdiği çok sayıda döneme tanıklık etti.
Mikroskobun geliştirilmesi, tıbbi görüntüleme yöntemlerinin ortaya çıkması, bilgisayarların bilimsel araştırmalara girmesi ve gelişmiş istatistiksel tekniklerin yaygınlaşması, bilim insanlarının daha önce ulaşamadıkları bilgilere erişmesini sağladı.
Yapay zekâ da benzer biçimde bilimsel araştırmaların kapasitesini genişletme potansiyeline sahip.
Ancak bu teknolojinin önemli bir farklılığı bulunuyor.
Yapay zekâ yalnızca verileri işleyen bir araç olmakla kalmıyor; araştırma sorularının oluşturulmasına, sonuçların yorumlanmasına ve bilimsel metinlerin hazırlanmasına da katkıda bulunabiliyor.
Bu durum, bilimsel üretimde teknolojiyle insan arasındaki sorumluluk sınırlarının daha açık biçimde belirlenmesini gerektiriyor.
Bugün mevcut araştırmalar, yapay zekânın akademik üretkenlikle güçlü ilişkiler gösterebildiğini, bilimsel değerlendirme süreçlerini destekleyebildiğini ve araştırmanın belirli aşamalarını otomatikleştirebildiğini ortaya koyuyor.
Aynı araştırmalar; kaynak güvenilirliği, bilimsel çeşitlilik, şeffaflık, veri gizliliği ve hakemlik güvenliği açısından dikkate alınması gereken sorunların bulunduğunu da gösteriyor.
Bu sorunların tamamı aynı ölçüde kanıtlanmış değil. Ayrıca teknolojinin gelişmesiyle bazı risklerin azaltılması mümkün olabilir.
Dolayısıyla bilimsel etik açısından temel mesele, yapay zekânın kullanılıp kullanılmadığından çok, hangi amaçla kullanıldığı, sonuçlarının nasıl doğrulandığı ve bilimsel sorumluluğun kim tarafından üstlenildiğidir.
Bilimsel araştırmanın değeri yalnızca ulaşılan sonucun yeniliğiyle ölçülemez. Kullanılan yöntemlerin güvenilirliği, verilerin doğruluğu, bulguların yeniden değerlendirilebilir olması ve araştırmanın bağımsız eleştiriye açık bulunması da aynı derecede önemlidir.
Yapay zekâ bilim insanlarına daha fazla araştırma yapma ve daha karmaşık problemleri inceleme imkânı sunabilir.
Ancak bilimsel düşünmenin temelini oluşturan sorgulama, eleştirel değerlendirme ve doğrulama sorumluluğu insan araştırmacıda kalmalıdır.
Çünkü bilimi ileriye taşıyan yalnızca daha hızlı cevaplar üretmek değil, doğru soruları sormak ve verilen cevapların güvenilirliğini kanıtlayabilmektir.
Yapay zekâ çağında bilimsel etiğin en önemli görevi de bu güveni korumaktır.
BİLİMSEL KAYNAKLAR
1. Hao, Q. ve arkadaşları (2026). Artificial intelligence tools expand scientists’ impact but contract science’s focus. Nature, 649, 1237–1243.
https://doi.org/10.1038/s41586-025-09922-y
2. Messeri, L. ve Crockett, M. J. (2024). Artificial intelligence and illusions of understanding in scientific research. Nature, 627, 49–58.
https://doi.org/10.1038/s41586-024-07146-0
3. Lu, C. ve arkadaşları (2026). Towards end-to-end automation of AI research. Nature, 651, 914–919.
https://doi.org/10.1038/s41586-026-10265-5
4. Walters, W. H. ve Wilder, E. I. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports, 13, 14045.
https://doi.org/10.1038/s41598-023-41032-5
5. Kalai, A. T. ve arkadaşları (2026). Evaluating large language models for accuracy incentivizes hallucinations. Nature, 653, 1047–1051.
https://doi.org/10.1038/s41586-026-10549-w
6. Perlis, R. H. ve arkadaşları (2026). Author Disclosure of Use of AI in Submissions to 13 JAMA Network Journals. JAMA, 335(8), 717–719.
https://doi.org/10.1001/jama.2025.25300
7. AlFayyad, I. ve arkadaşları (2026). Self-Disclosed Use of AI in Research Submissions to BMJ Journals. JAMA, 335(8), 719–721.
https://doi.org/10.1001/jama.2025.25688
8. Choi, B. ve arkadaşları (2026). Invisible Text Injection and Peer Review by AI Models. JAMA Network Open, 9(1), e2552099.
https://doi.org/10.1001/jamanetworkopen.2025.52099
9. Jarrett, P. ve arkadaşları (2026). Frontier Language Models and Optical Character Recognition Preprocessing Against Invisible Text Injection in AI Peer Review. JAMA Network Open, 9(6), e2617356.
https://doi.org/10.1001/jamanetworkopen.2026.17356
10. Thakkar, N. ve arkadaşları (2026). A large-scale randomized study of large language model feedback in peer review. Nature Machine Intelligence, 8, 326–336.
https://doi.org/10.1038/s42256-026-01188-x
11. FUTURE-AI Consortium (2025). FUTURE-AI: international consensus guideline for trustworthy and deployable artificial intelligence in healthcare. The BMJ, 388, e081554.
https://doi.org/10.1136/bmj-2024-081554
12. International Committee of Medical Journal Editors (2026). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals. Section V: Use of Artificial Intelligence in Publishing.
https://www.icmje.org/recommendations/browse/artificial-intelligence/
13. Avrupa Komisyonu (16 Ekim 2026). ERA Living Guidelines on the Responsible Use of Generative AI in Research – Updated.
https://research-and-innovation.ec.europa.eu/news/all-research-and-innovation-news/era-living-guidelines-responsible-use-generative-ai-research-updated-2026-10-16_en
