Yapay Zekanın Kısa Tarihçesi

Giriş

Yapay Zeka (YZ), ham veriyi deneyime, deneyimi ise mantıksal bir öngörüye dönüştürebilen; çevresini sadece kodlarla değil, olasılıklar ve örüntülerle anlamlandırarak insana özgü bilişsel esnekliği dijital bir mimariye yeniden kurgulayan dinamik sistemler bütünüdür (1). Yapay zekanın ilk günlerinden günümüze kat edilen zaman içerisinde geçilen zaman dilimleri belirli basamakları ile Mekanik hesap makineleri (17.–19. yy), Modern Yapay Zekanın Doğuşu (1940–1956), Sembolik Yapay Zeka ve İlk Altın Çağ (1956–1974), Yapay Zeka Kışı (1974– 1990), Makine Öğrenmesi Paradigmasına Geçiş (1990–2010), Derin Öğrenme ve Büyük Veri Çağı (2010–günümüz) şeklinde özetlenebilir.

1. Yapay Zekanın Kavramsal ve Felsefi Kökenleri

Yapay zekanın en erken kökenleri mitolojiye kadar uzanır. Antik Yunan anlatılarında insan benzeri otomatik varlıklar, kendi kendine hareket eden makineler ve yapay yardımcılar betimlenmiştir. Bu anlatılar, insanın “kendine benzeyen” bir varlık yaratma arzusunun kültürel kökenlerini ortaya koyar (2).

Felsefi açıdan ise Aristoteles’in mantık kuramı, yapay zeka düşüncesinin temel taşlarından biridir. Aristoteles, akıl yürütmenin belirli kurallara dayalı olduğunu ve bu kuralların sistematik biçimde ifade edilebileceğini göstermiştir. Bu yaklaşım, yüzyıllar sonra “kural tabanlı sistemler” ve “sembolik yapay zeka” anlayışının temelini oluşturacaktır.

17.yüzyılda René Descartes’in insan bedenini mekanik bir sistem olarak tanımlaması, zihinsel süreçlerin de benzer şekilde açıklanabileceği düşüncesini güçlendirmiştir. Descartes her ne kadar insan zihnini makineden ayırsa da, mekanik insan fikri yapay zeka tartışmalarına güçlü bir kavramsal zemin sunmuştur. Aynı dönemde Blaise Pascal ve Gottfried Wilhelm Leibniz’in geliştirdiği mekanik hesaplama araçları, insan aklının belirli yönlerinin makinelere aktarılabileceğini göstermiştir (3).

Mekanik hesap makineleri ve Modern Öncesi Dönem (17.–19. yy)

Yapay zekanın, felsefi kökenlerden modern dijital devrimlere kadar uzanan farklı disiplin dinamiklerden günümüze kadar geldiği noktada yaklaşık 200 yılı kapsayan bu sürecin en önemli dönüm noktalarına ilk olarak bilgisayarın geçirdiği keşif-değişim süreçleri ile başlamak doğru bir tercih olacaktır. Bilgisayarın icadının ilk aşamaları, 1804 yılında Charles Babbage’ın (1791-1871) bir Jacquard uygulamalarından esinlenerek kâğıt üzerinde geliştirdiği ilk mekanik hesaplama makinesi tasarımıyla başladığı bilinmektedir (4,5).

İlerleyen süreçlerde Charles Babbage (1822), ilk mekanik bilgisayar olarak nitelendirilen Analitik Motoru'nun tasarımını gerçekleştirdi ve büyük yankı uyandırması ile birlikte kendisine "bilgisayarın babası" isimlendirmesi yapıldı (4). Babbage, bu süreçte mekanik hesaplama araçları ile meşgulken Fark Makinesi ile matematiksel tabloları doğru bir şekilde hesaplayıp yazdırmayı başardı. Bu makinenin adı, kullanılan sonlu fark yöntemine dayandırdığı Fark Makinesi idi, sonrasında ise daha fonksiyonel Analitik Motoru geliştirildi (4,6,7). 1842–1843 Babbage'ın Analitik Motor fikrini konu alan bir makale üzerine çalışmak üzere Ada Lovelace'ı ve Louis Menebrea Babbage bir araya geldiler ve Lovelace bu çalışmada, Analitik Motor'un orijinal diferansiyel makineden nasıl farklı olduğunu açıkladı. Lovelace, Babbage'ın Analitik Motor'u üzerine hazırladığı notlarda, makinenin sayıların ötesinde potansiyelini analiz ederek tarihteki ilk programlanabilir tasarımı yayımladı (4,5).

Modern Yapay Zekanın Doğuşu (1940–1956)

1931–1936 yıllarında Turing matematik alanında çalışmalarını sürdürürken, 1936'da "Hesaplanabilir Sayılar Üzerine" kitabını yayınladı (4). Kitapta; sonlu bir tablo tarafından atanan, iki durum arasında geçiş yapabilen ve tek bir sembol ile simgelenen ve bunu bir bant aracılığı ile gerçekleştiren "Turing makinesi" ni tanıttı (8). Böylece belirli tanımlanmış algoritmaları tekli formda gerçekleştirebilen makine zamanla bant üzerine yazılan talimatlar gereğince sıralı işlemleri gerçekleştirebilen "evrensel Turing makinesi" aşamasına ulaşıldı. Turing bu aşamalar ile aslında ilk bilgisayar diyagramını sunarak, modern bilgisayarların mantıksal temelini oluşturan soyut makine kavramını tanıttı (4,8).

Yapay zekanın temellerinin atıldığı bu yıllarda Turing çalışmaları tarihsel süreçte iz bırakmaya devam etti, 1950'de Turing, "Hesaplama Makineleri ve Zihindeki Zeka" eserinde, “Turing testi" olarak bilinen ve makine zekasının bir ölçüsü niteliğindeki çalışması gündeme geldi (4,9) Alan Turing 1950 yılında, “Bilgi İşlem Makineleri ve Zeka” makalesini yayınlayarak “Makineler düşünebilir mi?” sorusunu akıllara taşıdı (10).

Sembolik Yapay Zeka ve İlk Altın Çağ (1956–1974)

"Yapay Zeka" mimarisinin temellerinin atılmasında ilk isim olarak Turing göze çarpsa da olayların bu aşamasında yapay zeka isminin daha da somutlaştırıldığı olaylar dizisinde; Clifford Shaw ve Herbert A. Simon, 1950’lerde vizyon açısından dönemlerinin ötesinde çalışmalar yürüten bir ekipti mantık teoremlerinin kanıtlarını üretebilen bir bilgisayar sistemi Mantık Teorisyeni (Logic Theorist) programını, yapay zeka teriminin ortaya atıldığı 1956 tarihli Dartmouth Konferansı’nda tanıtılarak akademik çevrelerde önemli bir etki yarattı. 1956’da, Yapay Zeka Konferansı isimlendirmesi ile John McCarthy ilk kez, yapay zekayı terimleştirilerek kullanmıştır (4,11). 1958'de McCarthy, yapay zekanın ilerlemesinde bilgisayar boyutunda gelişimine katkı sunan Lisp bilgisayar dilini üretti. Bu gelişmeleri takiben, 1959'da McCarthy ve Minsky, Massachusetts Teknoloji Enstitüsü'nde (MIT), yapay zeka laboratuvar ismi ile çalışmalarını sürdürdüğü bir laboratuvar kurarak yapay zeka baharını işaret eden bir dilimi başlatıldı (12). Gelinen bu nokta ile "Yapay Zeka" terimi, insan zekasının fonksiyonel çıktılarını yerine getirebilen makinelerin var olabileceğini işaret etti. 1956 yılında, Allen Newell, J.C. Shaw ve Herbert A. Simon yapay zeka bilgisayar teknolojisinin ilk kullanımı olarak bilinen "Mantık Teorisyeni" ile otomatik akıl yürütmeyi gerçekleştirmek üzerine tasarlandı ve Principia Mathematica'da yer alan ilk teoremlerden çoğunu kanıtlamayı başardı (4).

Yapay Zeka Kışı (1974–1990)

1974–1980 yılları arasında yayımlanan çok sayıda eleştirel akademik değerlendirme ve politika raporu, yapay zeka araştırmalarının teknik olgunluk düzeyi, hesaplama maliyetleri ve uygulama başarımı konularında ciddi soru işaretleri ortaya koymuştur. Bu eleştirel yaklaşım, kamu otoritelerinin stratejik Ar-Ge önceliklerini yeniden gözden geçirmesine neden olmuş ve birçok ülkede yapay zeka projelerine ayrılan finansal kaynaklarda belirgin azalmalar meydana geldi. Literatürde bu dönem, araştırma çıktılarındaki yavaşlama ve yatırımların engellenmesi ile “Yapay Zeka Kışı” (Artificial Intelligence Winter) olarak tanımlanmaktadır (4,12). Bu süreç, günümüzde klinik yapay zeka uygulamalarında kanıta dayalı yaklaşımın neden vazgeçilmez olduğunu hatırlatmaktadır.

Makine Öğrenmesi Paradigmasına Geçiş (1990–2010)

1990’lı yıllardan itibaren makine öğrenmesi ve özellikle yapay sinir ağları, yapay zeka araştırmalarının merkezine yerleşmiştir. McCulloch ve Pitts’in 1943’te attığı teorik temeller, günümüzde derin öğrenme modellerinin gelişmesini mümkün kılmıştır (13). Bu dönemde makine öğrenmesi yöntemleri, sistemlerin açık şekilde programlanmak yerine verilerden örüntüler öğrenerek karar verebilmesini mümkün kılmıştır. Artan hesaplama gücü, büyük veri kaynaklarının ortaya çıkması ve istatistiksel yöntemlerdeki gelişmeler bu dönüşümü hızlandırmıştır. Bu süreçte yapay zekanın performansını gösteren önemli kilometre taşları da ortaya çıkmıştır. IBM’in geliştirdiği Deep Blue sisteminin 1997 yılında dünya satranç şampiyonu Garry Kasparov’u yenmesi, bilgisayarların karmaşık stratejik problemleri çözme kapasitesini göstermiştir. Daha sonra geliştirilen Watson sistemi, doğal dil işleme alanındaki başarısıyla insan dilini anlayabilen yapay zeka uygulamalarının mümkün olduğunu ortaya koymuştur. Bu gelişmeler, makine öğrenmesi temelli yaklaşımların yapay zeka araştırmalarının merkezine yerleşmesine zemin hazırlamıştır (4,13).

Derin Öğrenme ve Büyük Veri Çağı (2010–günümüz)

2010’lu yıllardan itibaren yapay zeka araştırmaları, derin öğrenme yöntemlerinin gelişmesi ve büyük veri kaynaklarının yaygınlaşmasıyla yeni bir ivme kazanmıştır. Artan hesaplama gücü, özellikle grafik işlem birimlerinin (GPU) kullanımı ve internet temelli veri üretiminin hızla artması, çok katmanlı yapay sinir ağlarının etkin biçimde eğitilmesini mümkün kılmıştır. Büyük veri, yüksek işlem gücü ve internetin yaygınlaşması, yapay zekanın klinik alanda kullanılmasını hızlandırmıştır (4,12,14).

Bu dönemin önemli dönüm noktalarından biri, 2016 yılında Google DeepMind tarafından geliştirilen AlphaGo sisteminin dünya Go şampiyonu Lee Sedol’u yenmesi olmuştur. Go oyunu, çok geniş olasılık uzayı nedeniyle uzun süre bilgisayarların üstünlük kuramayacağı bir alan olarak görülmekteydi. AlphaGo’nun derin öğrenme ve pekiştirmeli öğrenme yöntemlerini bir arada kullanarak elde ettiği bu başarı, yapay zekanın karmaşık karar verme süreçlerinde ulaştığı seviyeyi göstermiştir. Aynı dönemde geliştirilen Generative Adversarial Networks (GANs) gibi üretici modeller, gerçekçi görüntüler, videolar ve sesler üretebilen sistemlerin geliştirilmesini mümkün kılmış ve yapay zekanın yaratıcı uygulamalar alanında da kullanılabileceğini ortaya koymuştur (4,12).

Son yıllarda ise büyük dil modellerinin geliştirilmesiyle birlikte üretken yapay zeka (generative AI) alanı önemli bir dönüşüm yaşamıştır. Özellikle ChatGPT gibi sistemler, doğal dil üretimi, bilgi sentezi ve insan benzeri metin oluşturma konusunda geniş ölçekli veri ve derin öğrenme mimarilerinin potansiyelini göstermiştir. Bu gelişmeler, yapay zekanın yalnızca veri analizi ve karar destek sistemleriyle sınırlı kalmayıp eğitim, sağlık, araştırma ve yaratıcı endüstriler gibi pek çok alanda dönüşüm yaratabilecek bir teknoloji haline geldiğini göstermektedir. Derin öğrenme ve büyük veri çağında yapay zeka, giderek daha geniş uygulama alanlarına yayılan ve insan–makine etkileşimini yeniden tanımlayan bir teknoloji olarak konumlanmaktadır (4,6,12).

Türkiye’de Yapay Zeka Tarihçesi

Türkiye’de yapay zeka tartışmaları 1950’li yıllara kadar uzanmaktadır. Matematikçi Cahit Arf’in 1959 yılında “Makine düşünebilir mi ve nasıl düşünebilir?” sorusunu ele aldığı çalışması, bu alandaki erken düşünsel katkılardan biri olarak kabul edilmektedir. 1980’li yıllardan itibaren ise Türkiye’de üniversitelerde bilgisayar mühendisliği bölümlerinin gelişmesiyle birlikte yapay zeka araştırmaları kurumsallaşmış; doğal dil işleme, uzman sistemler ve makine öğrenmesi alanlarında çalışmalar artmıştır. Son yıllarda ise ulusal yapay zeka stratejileri ve araştırma merkezlerinin kurulmasıyla birlikte Türkiye’de yapay zeka hem akademik hem de uygulamalı alanlarda hızlı bir gelişim göstermektedir (15).

Tablo 1. Yapay Zeka Tarihçesi

Yıl / Dönem	Gelişme	Önemi
17. yy	Descartes, Leibniz, Pascal	Mekanik düşünce ve hesaplama temelleri atıldı.
1804	Jacquard Tezgahı	Delikli kartlarla ilk programlama mantığı.
1822–1843	Babbage & Ada Lovelace	İlk mekanik bilgisayar tasarımı ve ilk program fikri.
1936	Turing Makinesi	Modern bilgisayar biliminin kuramsal temeli.
1943	İlk yapay sinir ağı modeli	Yapay sinir ağlarının matematiksel temeli.
1950	Turing Testi	Makine zekasını ölçme fikri.
1956	Dartmouth Konferansı	“Yapay Zeka” terimi ortaya çıktı.
1956–1965	İlk YZ programları (Logic Theorist, Lisp, ELIZA)	Yapay zekanın uygulamalı başlangıcı.
1974–1980	1. YZ Kışı	Fon kesintileri ve durgunluk.
1980	R1 (XCON)	İlk başarılı ticari uzman sistem.
1987–1993	2. YZ Kışı	Uzman sistemlerin gerilemesi.
1997	Deep Blue	Bilgisayar, dünya satranç şampiyonunu yendi.
2011	Watson	Doğal dil işleme başarısı.
2014	GANs	Gerçekçi görüntü üreten modeller.
2016	AlphaGo	Derin öğrenmenin büyük başarısı.
2022–2023	ChatGPT	Üretken yapay zeka devrimi.

Sonuç

Yapay zeka, ani bir teknolojik sıçrama değil; yüzyıllara yayılan düşünsel ve bilimsel birikimin ürünüdür. Tarihsel perspektif, yapay zekanın sağlık alanındaki kullanımını daha gerçekçi, etik ve hasta odaklı biçimde değerlendirmemizi sağlar. Bu bağlamda yapay zeka, klinik pratiğin alternatifi değil; doğru kullanıldığında güçlü bir tamamlayıcısıdır.

Kaynakça

1. Toosi A, Bottino AG, Saboury B, Siegel E, Rahmim A. A brief history of AI: How to prevent another winter (a critical review). PET Clin. 2021;16(4):449-469. doi:10.1016/j.cpet.2021.07.001.
2. Aristotle. Organon. Oxford: Oxford University Press; 1984.
3. Leibniz GW. Discourse on Metaphysics. London: Routledge; 1991.
4. Grzybowski A, Pawlikowska-Łagód K, Lambert WC. A history of artificial intelligence. Clin Dermatol. 2024;42(3):221-229. doi:10.1016/j.clindermatol.2023.12.016.
5. Ayres RU. Machine computation and digitization. In: The History and Future of Technology. Cham: Springer; 2021. doi:10.1007/978-3-030-71393-5_19
6. Green CD. Was Babbage’s analytical engine intended to be a mechanical model of the mind? Hist Psychol. 2005;8(1):35-45.
7. Enslin S, Kaul V. Past, present, and future: A history lesson in artificial intelligence. Gastrointest Endosc Clin N Am. 2025;35(2):265-278. doi:10.1016/j.giec.2024.09.003.
8. Turing AM. On computable numbers, with an application to the Entscheidungsproblem. J Math. 1936;58:345-363.
9. Kuznetsov O. The Turing test and fundamental AI concepts. In: Intelligent Systems: From Theory to Applications. Cognitive Technologies. Cham: Springer; 2026. doi:10.1007/978-3-032-00044-6_3.
10. Kaul V, Enslin S, Gross SA. History of artificial intelligence in medicine. Gastrointest Endosc. 2020;92(4):807-812.
11. Jean A. Une brève introduction à l’intelligence artificielle [A brief history of artificial intelligence]. Med Sci (Paris). 2020;36(11):1059-1067. doi:10.1051/medsci/2020189.
12. Damar M. Dijital dünyanın dünü, bugünü ve yarını: Bilişim sektörünün gelişimi üzerine değerlendirme. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi. 2022;Dijitalleşme Özel Sayısı:51-76.
13. McCulloch WS, Pitts W. A logical calculus of the ideas immanent in nervous activity. Bull Math Biophys. 1943;5:115-133.
14. Haenlein M, Kaplan A. A brief history of artificial intelligence: On the past, present, and future of artificial intelligence. Calif Manage Rev. 2019;61(4):5-14.
15. Sarı F. Cahit Arf’in “Makine Düşünebilir mi ve Nasıl Düşünebilir?” adlı makalesi üzerine bir çalışma. TRT Akademi. 2021;6(13):812-833. doi:10.37679/trta.962940.