Cezanın Belirlenmesinde Yapay Zeka Temelli Sistemlerin Kullanımının Değerlendirilmesi

Evaluation of the Use of Artificial Intelligence-Enabled Systems at Sentencing

Emine KABAK YÜCE

Cezanın belirlenmesi hem fail hem de toplum üzerinde yarattığı etkileri bakımından oldukça önemli ve bir o kadar da zor bir yargılama faaliyetidir. Cezanın belirlenmesi sürecinin daha rasyonel, eşitlikçi, belirli, öngörülebilir ve tutarlı hale getirilmesi çoğu modern hukuk sisteminin önemli bir meselesi haline gelmiştir. Bu bağlamda getirilen önerilerden bir tanesi de teknolojinin ve özellikle yapay zeka teknolojilerinin cezanın belirlenmesinde kullanılmasıdır. Cezanın belirlenmesi aşamasında kullanılan ya da kullanılması önerilen yapay zeka temelli sistemler üçe ayrılabilir: benzer olaylarda verilmiş olan cezalar hakkında bilgi veren istatistiki bilgi sistemleri, bu cezalardan hareketle yeni cezayı tahmin eden makine öğrenmesine dayanan sistemler ve bilgi tabanlı cezanın belirlenmesi karar destek sistemleri. Bu çalışmada, cezanın mahkeme tarafından belirlenmesi aşamasında yapay zeka sistemlerinden nasıl faydalanılabileceği incelenmekte ve rasyonel bir cezanın belirlenmesi sistemi kurma amacını gerçekleştirmeye ne kadar elverişli oldukları sorgulanmaktadır. Sonuç olarak bu sistemlerin Türk Hukuku’nda nasıl kullanılabilecekleri, yapay zeka teknolojisinin arz ettiği sakıncaların neler olduğu ve bunları aşmaya yönelik olarak hangi önlemlerin alınabileceği tartışılmakta ve çeşitli öneriler getirilmektedir.

Cezanın Belirlenmesi, Cezanın Belirlenmesinde Tutarlılık, Yapay Zeka, Bilgi Tabanlı Sistemler, Makine Öğrenmesi, İstatistiki Bilgi Sistemleri, Algoritmaya Dayalı Tahmin Sistemleri, Karar Destek Sistemleri.

Sentencing is quite an important judicial task regarding its effects on both the offender and the society and yet a very difficult one. Establishing a rational, equal, precise, foreseeable, and consistent sentencing process has been a significant issue for most of the modern legal systems. The use of technology and especially the artificial intelligence technology at sentencing has been recommended in this context. Artificial intelligence systems that are used or proposed to be used can be divided loosely in three categories: statistical information systems that provide information about previous sentencing outcomes in similar cases, machine learning-enabled systems that predict a sentencing outcome based on previous cases, and knowledge based sentencing decision support systems. In this study, it is examined how to utilise artificial intelligence systems and it is questioned whether they are suitable to achieve their goal to establish a rational sentencing system. In conclusion issues of how to use these systems in Turkish legal system, their possible risks, and possible remedies and measures to adopt are discussed and various suggestions are made.

Sentencing, Sentencing Consistency, Artificial Intelligence, Knowledge-Based Systems, Machine Learning, Statistical Information Systems, Algorithmic Prediction, Decision Support Systems.

GİRİŞ

Yapay zekâ, son zamanların en büyük teknolojik gelişmelerinden bir tanesi olarak kabul edilmektedir. Yapay zekâ teknolojilerinin hayranlık uyandıran olanakları hakkındaki haberleri sıklıkla duymaktayız.¹ Yapay zeka teknolojisi yeni olmamakla birlikte, geçtiğimiz on yıl ve özellikle de son birkaç yıl, bu teknoloji için dönüştürücü nitelikte olmuştur.² Bu gelişmeler ışığında yapay zekânın yakın gelecekte insan yaşamına önemli ölçüde etki edeceği hatta onu dönüştüreceği ileri sürülmektedir.³ Bu etkinin olumlu veya olumsuz olacağına ilişkin çeşitli tartışmalar⁴ sürerken bir yandan yapay zekânın çok çeşitli alanlarda kullanılmasını mümkün kılan yeni teknolojiler geliştirilmekte diğer yandan bu teknolojilerin kullanımını düzenleme ve denetlemeye yönelik devletlerin, bağımsız kuruluşların ve uluslararası örgütlerin çalışmaları hız kazanmaktadır.⁵ Türkiye Cumhuriyeti de bu trende uygun bir şekilde yapay zekâ teknolojisine ilgi göstermeye⁶ ve bu alana ilişkin politikalarını belirlemeye başlamıştır.⁷

Yapay zekanın hukuk ile ilişkisine bakılacak olursa bunun iki yönlü olduğu görülecektir. Bir yandan hukuk, yapay zeka araştırmasının klasik alanlarından biri olarak kabul edilmektedir.⁸ Yapay zeka ve hukuk araştırma alanı, özünde bilgisayar ve matematik tekniklerinin uygulanması suretiyle hukukun daha anlaşılır, yönetilebilir, kullanışlı, ulaşılabilir veya tahmin edilebilir hale getirilmesine ilişkindir.⁹ Diğer yandan yapay zeka, hem bir sistem olan hem de bir bilim/disiplin alanı olan hukukun bir konusunu oluşturur.¹⁰ Günümüzde yapay zeka alanında meydana gelen teknolojik atılımdan - ve tabi ki de kazanmış olduğu popülariteden - bu ilişkinin her iki yönü de etkilenmiştir. Son yıllarda hem hukukun bir konusu olarak yapay zeka¹¹ hem de yapay zekanın bir uygulama alanı olarak hukuk¹² yoğun ilgi görmektedir. Hukuk alanında yapay zekanın kullanılmasına yönelik bu ilgi, dijitalleşemeye yönelik daha geniş eğilimin bir parçası olarak da değerlendirilebilir.¹³

Son zamanlardaki bu sıcak gelişmelere karşın belirtmek gerekir ki yapay zekanın hukuku konu edinişi yeni değildir, bu araştırma alanı en az elli yıllık renkli bir tarihçeye sahiptir.¹⁴ Yapay zeka ve hukuk alanındaki tarihsel gelişim, genel yapay zeka araştırmalarındaki ilerlemelere paralellik göstermiştir.¹⁵ Yapay zeka alanının tümünde olduğu gibi hukuk alanındaki uygulamalarda da ilk önce bilgi temsili ve kural tabanlı sistemlere odaklanılmıştır. Araştırmaların çoğu üniversite laboratuvarlarında gerçekleştirilmekteydi ve Avrupa merkezliydi. 1970’lerden 1990’lara doğru, çoğu erken dönem yapay zeka ve hukuk projesi hukuki argümanların ve yazılı kuralların bilgisayarda işlenebilir bir şekle dönüştürülmesi amacıyla modellenmesine yönelikti. 2000’li yılların başından itibaren bilgi temsili tekniklerinden makine öğrenmesine dayalı yaklaşımlara doğru bir değişim yaşandı. Güncel uygulamaların çoğu hukuk teknolojisi start-up şirketleri tarafından makine öğrenmesi kullanılarak geliştirilmiştir. Yapay zeka ve hukuktaki diğer daha ileri atılımlar, Stanford Üniversitesi’nin CodeX Hukuk Bilişimi Merkezi gibi disiplinler arası üniversite hukuk mühendisliği araştırma merkezlerinden gelmiştir. Bu özel sektör ve üniversite sektörü araştırmasının bir sonucu olarak, yapay zeka destekli bilgisayar sistemleri yavaş yavaş hukuk sisteminin çeşitli yönlerine girmeye başlamıştır.¹⁶

Zamanla hukuk alanında (hukukun uygulamasında ya da hukuk hizmetlerinde) yapay zekaya başvurulmasından ne anlaşıldığına ilişkin anlayış değişmiştir. Şöyle ki yapay zeka, yakın geçmişte hukukçular tarafından gerçekleştirilen belirli faaliyetlerin yazılım vasıtasıyla otomatikleştirilmesinin bir yöntemi olarak görülmekteydi. Yetkin bir yapay zeka programının hukukçu gibi akıl yürütmesi gerektiği fikri bir hukukçunun nasıl düşündüğü, araştırdığı, muhakeme ettiği ve tartıştığının belirlenmesini de gerektirmekteydi ve bu oldukça zordu. Zamanla yapay zekanın hukuki bir sonuca varmak için mutlaka bir hukukçunun bilişsel süreçlerini taklit etmesinin gerekmediği kabul edildi.¹⁷ Ancak bu kabul, elde edilen hukuki sonucun bir hukukçu tarafından ulaşılan hukuki sonuç ile aynı nitelikte olduğu anlamına gelmemelidir. Aksi halde mevcut yapay zeka uygulamalarından herhangi birisinin, bir hukukçunun vardığı hukuki sonuca varmakta olduğu yanılsamasına düşülebilir.¹⁸ Kanaatimizce hukuk ve yapay zeka alanındaki yaklaşım değişikliği, genel olarak yapay zeka alanında meydana gelen paradigma değişimine de uygundur ve hem uygulanan yöntemde hem de elde edilmek istenen sonucun niteliğindeki değişikliği kapsar.

Günümüzde hukuk hizmetlerinde kullanılmakta olan yapay zeka teknolojileri üç gruba ayrılabilir: veri-belge analizi, hukuki araştırma ve uygulama otomasyonu.¹⁹ Hukuk alanında en büyük etkiyi doğuran ve ilk grupta yer alan uygulamalar arka plan bilgisini ortaya çıkarmayı amaçlarlar. Örneğin; sözleşme analizi, belgelerin gözden geçirilmesi ve elektronik keşif (e-discovery).²⁰ İkinci grupta yer alan araştırma araçları çeşitli analiz ve tahmin imkanları sağlamaktadır. Örneğin; bir davanın nasıl sonuçlanacağını tahmin eden,²¹ benzer davaları ve yargı kararlarını bulan²² ve hatta farklı davalar arasındaki bağlantıları ortaya çıkaran²³ uygulamalar, avukatlar, hukuk şirketleri ve hakimlerin baktığı davalar hakkında detaylı analizler sunan veri bankaları.²⁴ Üçüncü grupta ise otomatik faturalama²⁵ ve otomatik belgeleme²⁶ gibi sistemler yer almaktadır.

Hukuk teknolojileri öncelikle özel hukukta uygulama alanı bulmuştur. Ancak yavaş yavaş ceza hukuku da dahil kamu hukuku alanında da kendisini göstermektedir.²⁷ Ceza hukukunda yapay zekâ teknolojileri önleyici kolluk hizmetlerinden işlenmiş suçların tespitine, kriminalistikten soruşturma ve kovuşturma aşamasında tutuklama kararı verilmesine, hüküm aşamasında cezanın belirlenmesi ve bireyselleştirilmesinden infaz aşamasında şartlı tahliye-denetimli serbestliğe ilişkin kararların alınmasına kadar geniş bir yelpazede kullanılmaktadır.²⁸ Yapay zekanın, ceza adalet sistemi içindeki aktörlere²⁹ karar verme sorumluluklarında yardımcı olmayı amaçlayan sistemlere giderek daha fazla dahil edildiği ifade edilmektedir.³⁰ Hatta, onun, ceza adaletinin sağlanmasında, insanları yönlendirmekte veya onların yerine karar almakta kullanılabilen geniş veri setlerine dayalı otomatik ampirik analizlerle kendini gösteren yeni bir dönem başlattığı iddia edilmektedir.³¹ Büyük veri analitiği (big data analytics), ceza soruşturmasında giderek daha fazla kullanılmaktadır.³² Nitel kişilik özellerine dayanılarak kişilerin suç işleme eğilimine sahip olup olmadıklarını belirlemeyi amaçlayan istatistiksel modeller, tutuklama, denetimli serbestlik ve koşullu salıverme kararlarının alınması aşamasında oldukça etkili hale gelmiştirler.³³ Çeşitli ülkelerde suç tahmininde bulunan yazılımlar giderek daha çok kullanmaktadırlar.³⁴

Bu çalışma, mahkeme tarafından cezanın belirlenmesi aşamasında başvurulan yapay zekâ teknolojilerinin incelenmesi ve Türk Hukuku’nda kullanılabilirliklerinin değerlendirilmesine özgülenmiştir. Cezanın bireyselleştirilmesi kapsamında verilecek olan kararlar için mahkemelerin failin yeniden suç işleyip işlemeyeceğine ilişkin kanaatini oluştururken başvurduğu yapay zeka sistemleri çalışma kapsamı dışında kalmaktadır.³⁵ Zira öğretide algoritmaya dayalı risk değerlendirme ve tahmin sistemlerinin ceza adaletine etkisi oldukça yoğun bir şekilde tartışılmaktadır.³⁶ Oysaki cezanın belirlenmesinde yapay zekanın kullanımı sadece bu alanla (failin tekerrür riskini değerlendirme) sınırlı değildir. Cezanın kanunda gösterilen alt ve üst sınırlar arasında belirlenmesine ilişkin karar verme sürecinde de yapay zeka anlamlı bir rol oynayabilir. Bu alanda yapılan çalışmalar, tasarılar ve öneriler de bu durumu tasdik etmektedir. Yapay zeka sistemlerinin cezanın belirlenmesinde edinebilecekleri rolü inceleyen bu çalışma ile Türk ceza hukuku öğretisindeki yapay zeka çalışmalarına bir katkı sunmak ve yeni bir tartışma zemini kazandırmak amaçlanmaktadır.

Çalışmanın ilk bölümünde neden cezanın belirlenmesinde yapay zekaya başvurulmak istendiğini açıklamaktayız. İkinci bölümde, cezanın belirlenmesi aşamasında kullanılan ya da kullanılması önerilen yapay zeka sistemleri ayrıntılı olarak incelenmektedir. Yapay zeka teknolojisinin teknik özelliklerini anlamak olası hukuki riskleri ve sakıncaları öngörebilmenin ön koşulunu oluşturmaktadır. Bu sebeple, hukuki yönden yapılacak bir değerlendirmeyi mümkün kılacak ölçüde yapay zeka teknolojisinin teknik özellikleri incelenmektedir. Sonuç bölümünde bu sistemlere ilişkin genel bir değerlendirme yapılarak Türk Hukuku’nda nasıl kullanılabileceklerine ilişkin olarak önerilerimizi sunmaktayız. Bu bölümde yapay zeka teknolojisinin arz ettiği sakıncalara da değinilmekte ve bunları aşmaya yönelik olarak hangi önlemlerin alınabileceği tartışılmaktadır.

I. CEZANIN BELİRLENMESİNDE YAPAY ZEKAYA YÖNELİMİN NEDENLERİ

Cezanın belirlenmesi ve bireyselleştirilmesine ilişkin kararlar birey açısından hayati önem taşır. Kanunlarda yer alan suç ve ceza normları soyut ve genel yasaklamalar olarak bireylerin temel hak ve özgürlüklerine müdahale etmektedirler. Bununla birlikte somut olayda belirli bir kişinin cezalandırılması suretiyle o kişinin temel hak ve özgürlüklerine yapılan müdahale doğrudan ve daha yoğun bir devlet müdahalesi teşkil eder. Cezanın türü ve miktarı da bu müdahalenin yoğunluğunu/ağırlığını belirler.³⁷ Bu sebeple bir hukuk devletinde cezanın (tür ve miktarı bakımından) belirlenmesi ve bireyselleştirilmesinin mümkün olan en açık şekilde kanunla düzenlenmiş olması gerekir.³⁸ Bu düzenlemenin cezanın belirlenmesi ve bireyselleştirilmesinde belirlilik, eşitlik ve ölçülülüğü sağlaması gerekir.³⁹

Cezanın belirlenmesine ilişkin kuralların düzenlenişi birtakım özellikler arz eder.⁴⁰ Suç tipinin soyut tanımlaması, nasıl ki suçun birden fazla farklı işleniş biçimini içeriyorsa, kaçınılmaz olarak da ceza tehdidi birden fazla farklı hukuki sonucu olası kılan bir yapıda olmalıdır. Ancak bu halde adaletin gereği olarak benzere benzer farklıya farklı şekilde davranılabilir. Dolayısıyla cezanın kanunda mutlak bir şekilde değil de alt ve üst sınırları gösterilmek suretiyle basamaklı olarak belirlenmiş olması uygulamada ortaya çıkabilecek her türlü olaya karşılık uygun görülebilecek bir cezaya hükmedilmesini sağlar.⁴¹ Dolayısıyla, cezanın belirlenmesi ve bireyselleştirilmesine ilişkin kararları düzenleyen hukuk kurallarının hem yeterli ölçüde belirli ve açık hem de yeterli ölçüde esnek ve öngörülemeyen yeni durumlarda uygun sonuçlara ulaşmaya elverişli olmaları gerekir.⁴²

Bununla birlikte çeşitli hukuk sistemlerinde mevcut düzenlemelere rağmen hakimin kişiliğinden ve yerel teamüllerden kaynaklanan farklı ceza uygulamalarının oluştuğu, mahkemeler tarafından keyfi davranıldığı ve belirli gruplara karşı ayrımcılık yapıldığı eleştirileri ciddiyetle dile getirilmektedir.⁴³ Türkiye örneğinde, cezanın belirlenmesine ilişkin kararlar hakkında çok az sistematik veri ve ampirik bilimsel çalışma olduğundan cezaların adil olup olmadığı ya da keyfi bir şekilde verilip verilmediğini kesin olarak söylemek mümkün değildir.⁴⁴

Bireyin hayatı üzerinde önemli sonuçlar doğuran ve temel hak ve özgürlüklerine ciddi bir devlet müdahalesi teşkil eden cezanın hem uygulanması gerekliliği hem de tür ve miktarı bakımından adil olması zorunludur ancak yeterli değildir. Bu cezanın aynı zamanda hem sanık, mağdur, suçtan zarar gören ve onların yakınları gibi doğrudan adli süreçle ilişkili kişiler hem de toplum tarafından adil olarak algılanması gerekir. Cezanın adil bulunmaması onun hukuki barışı yeniden temin etme işlevini sekteye uğratır. Hukuki düzene duyulan inancı zayıflatır.⁴⁵ Cezaların adil olduğuna ilişkin inanç ile kişilerin hukuka uygun olarak davranma eğilimleri arasında bir ilişki olduğu kabul edilmektedir.⁴⁶ Bir diğer ifade ile eğer toplumu oluşturan bireyler cezaların adil olmadığını-mahkemelerin cezalara keyfi şekilde hükmettiklerini düşünür iseler, o durumda hukuk kurallarına uygun davranmamayı tercih edebilirler ve bu durum barış içinde bir toplum yaşantısını tehlikeye düşürecektir.⁴⁷

Bunların yanı sıra cezanın belirlenmesi görevi gerçekten de en zor yargısal faaliyetlerden biridir. Cezanın belirlenmesi, yazarlarca sanata,⁴⁸ zanaata⁴⁹ ya da sezgisel⁵⁰ veya gizemli⁵¹ bir sürece benzetilmektedir. Zira, hakim(ler), her olayın kendine özgü koşullarını hesaba katmalı, bu faktörleri tartıp dengelemeli ve uygun cezayı tür ve miktar bakımından belirlemelidir.⁵² Dahası, cezanın belirlenmesi kararının, diğer hukuki karar türleri arasında kendine has bir duruşu vardır: bu kararın ulaştığı sonuç itibariyle tam bir kesinlik ortaya koyması gerekirken - üç yıl beş ay hapis cezası veya 5470 lira adli para cezası gibi - bu kararı gerekçelendirmesi gereken hususlar kesinlikten epey uzaktır.⁵³

Cezanın belirlenmesinde karşıtlıkların dengelenmesi ihtiyacı sadece normların düzenlenişine ilişkin tercihlerde ortaya çıkmamaktadır. Cezanın meşruiyetini açıklayan ya da cezanın amaçları olarak ifade edilen görüşlerin de cezanın belirlenmesinde benimsenen yaklaşım içerisinde birbirlerine karşı konumlandırılmaları gerekmektedir⁵⁴ ve kanunlar genellikle bu konuda açık değildirler.⁵⁵ Dahası hem benzer olana benzer hem de farklı olana farklı bir cezai karşılık belirlemek göründüğü kadar kolay olmayabilir. Zira eşitlik ilkesinin bu iki unsuru birbiriyle çelişen yaklaşımların benimsenmesini gerektirebilir.⁵⁶ Dolayısıyla hakimler yasama organı ve toplumdan gelen çok sayıda ve çelişkili talimatla karşı karşıyadır. Bu talimatların farklı yönlere işaret etmeleri problemi bir yana bir hakimin işaret ettikleri yöne ilişkin yorumunun diğerlerinden farklı olması da tutarlı bir uygulama geliştirilebilmesi zorlaştırmaktadır.⁵⁷ Bu nedenledir ki cezanın belirlenmesi ve bireyselleştirilmesinin daha rasyonel, sistemli, eşitlikçi, belirli, öngörülebilir ve tutarlı bir hale getirilmesi için hem karar alıcılar reform çabalarına girişmektedirler⁵⁸ hem de akademisyenler çeşitli öneriler geliştirmektedirler.⁵⁹

HASSEMER’e göre mümkün mertebe şeffaf ve denetlenebilir bir cezanın belirlenmesi sistemine yönelik ilgi ve öğretinin tatmin edici olmayan durumu karşısında son zamanlarda bu alanı bilimselleştirilme çabalarının yoğunlaşması şaşırtıcı değildir. Amaç hakkında fikir birliğine ulaşılmıştır: cezanın belirlenmesi kararlarını mantıksızlıktan ve örtülü gerekçelerden arındırmak ve gerekçeleri bir sistemde konumlandıran ve kullanımlarını denetlenebilir kılan bir cezanın belirlenmesi modeli geliştirmek. Kararların denetlenebilir oluşu sadece kanun yolu denetimi için değil aynı zamanda ve daha öncelikli olarak toplumun ceza adaletine olan güveni için önemlidir. Amaca ulaşmanın yolları ise çok çeşitlidir.⁶⁰ Kanundaki düzenlemelerin değiştirilmesi, hakimlere yol gösteren tablo, şema veya yönergelerin hazırlanması ve delile dayalı uygulamalar (evidence based practices)⁶¹ geliştirilmesi bu önerilere örnek olarak sayılabilir. Bir diğer reform önerisi ise teknolojinin ve özellikle yapay zeka teknolojilerinin cezanın belirlenmesinde kullanılmasıdır.⁶² Cezanın belirlenmesi sürecinde mahkemeye destek olacak bilgisayar sistemleri geliştirmedeki tipik motivasyon kararların tutarlı ve etkili olmalarını sağlamaktır. Genellikle bu sistemler önceki kararların yer aldığı bir veri tabanından istatistiki verilere ulaşmakta ya da çeşitli karmaşıklıktaki algoritmaları kullanarak benzer olaylarda verilen kararları bulmaktadırlar. Bununla birlikte karar vericilerin cezanın belirlenmesinde başvurdukları akıl yürütme sürecini modelleyen pek az sistem geliştirilmiştir.⁶³

Cezanın belirlenmesinin bir karar verme süreci olarak taşımakta olduğu nitelikler göz önünde bulundurulunca, yapay zekanın bu alanda kullanılabilirliği hakkında karşımıza iki görüş çıkmaktadır. Bir görüşe göre, bir hukuki kararın sonucu ex-post değerlendirmede açık ve belirli bulunsa da bu karara giden süreçteki ön değerlendirmeler - örneğin kusurun ağırlığının ölçülmesi - matematiksel olarak sınırlandırılıp ikili (binary) kodlamaya dönüştürülemez ve çoğu durumda bu kararlar hakimin takdir yetkisinin - soyut bir yargının somut olay hakkındaki ifadesidir.⁶⁴ Bir diğer görüşe göre ise cezanın belirlenmesi, otomatikleştirilmiş karar vermeye uygun olan alanlardan biridir. Cezanın belirlenmesi esnasında, duruşmada hüküm verme aşamasında, ilgili olguların çoğu zaten ispatlanmıştır ve mahkemenin hesaba katacağı olguların güvenilir ve inanılır olup olmadığı araştırmasına girmesi gerekmez. Ayrıca, cezanın belirlenmesinde göz önünde bulundurulması gereken hususların çoğu nispeten açık bir şekilde tanımlanabilir. Mevcut uygulamaya göre uygun cezaları belirleyen bir sistem geliştirmek mümkündür.⁶⁵

Bu görüşlerden hangisine itibar edilmesi gerektiği ve hangisine dayanılarak harekete geçilmesi gerektiği takip eden bölümün konusunu oluşturmaktadır. Bu soruyu cevaplamak üzere cezanın belirlenmesinde kullanılmak üzere geliştirilmiş olan ve geliştirilmesi önerilen yapay zeka teknolojilerinin araştırılması ve rasyonel ve şeffaf bir cezanın belirlenmesi sistemi kurma amacını gerçekleştirmeye ne kadar elverişli olduklarının ve sistemin yeni haliyle halen ceza hukuku ilkeleri ile bağdaşıp bağdaşmadığının sorgulanması gerekir. Zire en nihayetinde cezanın belirlenmesi, adil bir cezaya ulaşılmasını amaçlamaktadır.⁶⁶ Yargısal-hukuki akıl yürütme vakıaları değerlendirme, hukuk kurallarını yorumlama, kıyas yapma, diyalektik etkileşime girme gibi çeşitli bilişsel yetilerin bir arada kullanılmasını gerektirir. Karmaşıklığının yanı sıra yargısal karar verme süreci toplumsal etkisi ve önemi bakımından da ayrı bir konuma sahiptir. Bu sebeple yargısal karar verme sürecinin yapay zeka araştırmalarına konu edilmesi makul bir dikkati gerektirmektedir.⁶⁷

II. CEZANIN BELİRLENMESİNDE UYGULANMIŞ OLAN VE UYGULANMASI TASARLANAN YAPAY ZEKA TEKNOLOJİLERİ

Yapay zeka teknolojilerinin nasıl kullanılabileceğine geçmeden önce kavramsal belirlemenin yapılması faydalı olacaktır. Çalışma boyunca en sık başvurulan yapay zeka kavramının yeknesak bir tanımı bulunmamaktadır.⁶⁸ Bunun sebebi olarak, kavramın oluştuğu 1950’lerden itibaren onu konu edinen araştırma alanının disiplinler arası bir nitelik kazanması ve yorumunun/tanımının her zaman ilgili dönemin teknik olanaklarına uyarlanmış olması gösterilebilir.⁶⁹ Yapay zeka kavramının belirsizliği eleştirilmekte⁷⁰ ve hatta bu kavramın kullanılmaması gerektiği ileri sürülmektedir.⁷¹ Buna karşın bu kavramın tanımlanmasının doğası itibariyle zor olduğu da ifade edilmektedir.⁷² Gerçekten de zeka veya bilinç gibi temel kavramlara ilişkin ortak bir anlayışın olmayışı, insan zekasına ilişkin tartışmaları karmaşıklaştırmakta ve insan-yapay zeka karşılaştırmasını da zorlaştırmaktadır.⁷³ Öte yandan yapay zeka da son derece karmaşık bir teknoloji olduğundan genellikle toplumun yapay zekanın ne olduğuna ilişkin algısı daha basittir.⁷⁴ Bugün çoğunlukla, özellikle de toplum nezdinde, yapay zeka olarak isimlendirilen uygulamalar, makine öğrenmesidir.⁷⁵ Makine öğrenmesi, verileri işleyen, tahminler yapan ve karar vermeye yardımcı olan algoritmalar tasarlamak için istatistik, bilgisayar bilimi ve diğer birçok disiplinden fikirleri harmanlayan ve eskiden beri çalışılan bir alandır.⁷⁶ Bununla birlikte son zamanlarda meydana gelen çoğu gelişme makine öğrenmesindeki ilerlemelerden kaynaklandığı için bu teknoloji yapay zeka kavramına damgasını vurmuştur. Oysaki, yapay zeka sistemleri birçok farklı formda olabilecekleri gibi çok farklı teknolojileri kullanabilmektedirler. Örneğin, uzman sistemleri bilgiye dayalı akıl yürütme ve temsil, reaktif planlama, argümanlaştırma vd. Sonuç olarak, yapay zeka, birçok farklı teknoloji ve uygulamayı içeren bir şemsiye kavramdır.⁷⁷

Avrupa Birliği Avrupa Komisyonu tarafından görevlendirilen Yapay Zeka Hakkında Yüksek Seviye Uzman Grubu (The High-Level Expert Group on AI) 2019 yılında yapay zekayı şu şekilde tanımlamıştır: Yapay zeka sistemleri, insanlar tarafından tasarlanan, karmaşık bir amaç verilen, çevrelerini elde ettikleri veriler vasıtasıyla algılayarak fiziksel ya da dijital boyutta hareket eden, yapılı veya yapılı olmayan verileri yorumlayan, bilgi üzerinden akıl yürüten ya da verilerden edindiği bilgiyi işleyen ve amacını gerçekleştirmek için alınması gereken en iyi aksiyonu seçen yazılım (ve muhtemel donanım) sistemleridir. Yapay zeka sistemleri sembolik kurallar kullanırlar ya da sayısal bir model öğrenirler ve önceki davranışlarından çevrelerinin nasıl etkilendiğini analiz ederek davranışlarını uyarlayabilirler. Bir bilim disiplini olarak yapay zeka, makine öğrenmesi, makine akıl yürütmesi ve robotik gibi çeşitli yaklaşım ve teknikleri içerir.⁷⁸

Bir diğer önemli husus, yapay zekanın genel (ya da güçlü) yapay zeka ve dar (ya da zayıf) yapay zeka olmak üzere ikiye ayrılarak ele alınmasıdır: Genel yapay zeka, her alanda insan veya insan üstü zeka sergileyen bir bilgisayar sistemi olarak ifade edilmektedir. Genel yapay zeka, bir alandaki bilgisini diğer alanlara aktarma yetisine sahip olacaktır.⁷⁹ Bununla birlikte bugüne kadarki tüm başarılar dar yapay zekâ alanında gerçekleştirilmiştir. Dar yapay zeka, önceden tanımlanmış belirli bir problemin çözümüne ilişkindir, örneğin; satranç oynamak, görüntüleri tanımlamak ya da araba kullanmak gibi.⁸⁰ Dar yapay zeka da oldukça kullanışlıdır ve toplum üzerinde geniş etkileri olmaktadır.⁸¹ Çalışmamızda yapay zeka ile dar/zayıf yapay zeka kastedilmektedir.

Yapay zeka sistemleri ile ilgili aşağıdaki genel değerlendirmeleri bu başlık altında aktarmakta fayda görmekteyiz.

Çoğu yapay zeka sistemi yalnızca veriler arasındaki ilişkileri aramaktadır, bir vaka (case) ile karar arasında nedensellik ilişkisi kurmamaktadır ve sadece diğer vakalarla ortak olan özellikler üzerinden bir tahminde bulunmaktadırlar. Bir diğer ifade ile nedensellik ilişkisini değil korelasyonu görmektedirler. Çoğu yapay zeka sistemi, karar süreçleri tamamen insanlar tarafından anlaşılabilir olmadığı için kara kutu (black box) olarak adlandırılmaktadır. Yapay zeka sistemleri sağ duyuya sahip değildirler. Bu şu anlama gelmektedir: bir sistem bir kediyi ya da kanser hücresini tanıyabilirken kedinin ya da kanser hücresinin ne olduğu ne anlama geldiğine ilişkin bir fikre sahip değildir. Yapay zeka sistemi sadece belirli bir örüntüye belirli bir etiket sağlar. Aynı zamanda kedi ya da kanser hücresine ait bilgiyi bir köpek ya da baş ağrısını tanımak için kullanamaz. En önemlisi yapay zeka sistemleri yazılım unsurlarının toplamından daha fazlasıdır. Bu sistemler etraflarındaki sosyal-teknik sistemi de içerirler. Bu nedenle yapay zeka yönetilmek isteniyorsa sadece teknolojisi üzerine odaklanılmamalı ve etrafındaki sosyal yapılara da dikkat edilmelidir. Bu sosyal yapılar, yapay zekayı yaratan, geliştiren, kullanan, denetleyen kişi kurum ve kuruluşlar ile ondan etkilenen bireyler ve hatta toplumun tamamıdır.⁸²

Geniş kapsamlı verileri çok kısa sürede analiz eden yapay zeka sistemlerinin çıktılarını bilimsel gerçek olarak kabul etmeye yönelik hatalı bir eğilim söz konusudur. Bu durumda eşdeğer insan kararlarının tabi olduğu denetime bu sistemlerin tabi kılınmaması tehlikesi ortaya çıkmaktadır. Bu sistemlerin karmaşıklığı nedeniyle, davranışlarının önceden tahmin edilmesi ve onaylanması oldukça zordur. Bundan dolayı insanlar tarafından alınan kararlara veya klasik algoritmalara uygulanan denetim ve izleme yöntemleriyle “doğru” tanıyı önyargılı/yanlı tanıdan ayırmak zordur.⁸³

Yapay zekânın hukuk hizmetleri için kullanılması ve geliştirilmesi veri, algoritma ve uygulama açılarından sınırlıdır.⁸⁴ Burada özellikle veri ve algoritma bakımından ortaya çıkan sınırlardan bahsetmekteyiz. Veri, yapay zekanın hem geliştirilmesi hem de kullanımı için hayati bir unsurdur. Hukuk alanında, kolaylıkla erişilebilir ve analiz edilebilir veri setleri mevcut değildir. Düşük kaliteli ya da hatalı veri setleri, yapay zeka sistemlerinin yanlı sonuçlar üretmesine neden olabilir. Veri setleri, çeşitli nedenlerle düşük kalitede ya da hatalı olabilir. Örneğin, veri insan yanlılığını (bias) yansıtabilir. Verinin toplanması veya hazırlanması teknikleri istatistiksel yanlılığa yola açabilir. Veri setleri, özellikle manipüle edilmiş veya bozulmuş olabilir. Veri kalitesine ilişkin sorunların yanı sıra ve hatta ötesinde, muazzam miktarda verinin yapay zeka sistemleri tarafından kullanılması, veri gizliliği ve siber güvenliğine ilişkin endişelere yol açmaktadır.⁸⁵

Algoritmadan kaynaklanan sınırlar ise şunlardır: günümüzde faal olan tüm yapay zeka sistemleri sadece çok belirli görevleri yerine getirmektedirler. Yapay zeka, açık veri örüntüleri (patterns) ve kesin cevaplar olduğunda iyi işlemekte; yargıda bulunmayı gerektiren açık uçlu soyut durumlara uygulandığında ise zayıf performans göstermektedirler.⁸⁶ Mevcut yapay zeka uygulamaları, nüansları anlayıp onlara uyum sağlayacak, beklentilere cevap verecek ve insan deneyiminin pratikliğini kavrayacak ölçüde sofistike değildirler.⁸⁷ Yapay zeka algoritmalarının, isabetlilik, güvenilirlik ve tarafsızlık bakımından içkin sınırları olduğu ifade edilmektedir.⁸⁸ Bu sınırlar yanlı verinin doğrudan sonucu olabileceği gibi, algoritmaların kendilerinden (nasıl oluşturulduklarından) de kaynaklanabilir. Programcıların bir yapay zeka algoritmasını kodlarken ve eğitirken karar verme süreçleri ve metodolojilerinin araştırılmasına ihtiyaç vardır.⁸⁹

SCHILD / ZELEZNIKOW, cezanın belirlenmesinde kullanılan karar destek sistemlerinin, bilgi tabanlı sistemler (knowledge based systems) gibi sınıflandırılmasını uygun görmektedirler. Buna göre karar destek sistemlerinin, istatistiki sistemler (statistical systems), kural tabanlı sistemler (rule-based systems), vaka tabanlı sistemler (case-based systems), argüman tabanlı (argüment-based systems) ve sinir ağı tabanlı sistemler (neural-network-based systems) şeklinde sınıflandırılması gerekmektedir.⁹⁰ Yazarlar bir diğer sınıflandırma biçimini de değerlendirerek kendi sınıflandırmalarına uygulamaktadırlar: kural tabanlı, vaka tabanlı ve argüman tabanlı sistemler bilgi güdümlü iken istatistiki bilgi sistemleri veri güdümlüdür.⁹¹

İncelenmekte olan sistemlere makine öğrenmesi algoritmaları da dahil olduğu için tüm bu teknolojiler takip eden üç başlık altında değerlendirilecektir: önceki cezalar hakkında bilgi veren sistemler, önceki cezalardan hareketle yeni cezayı tahmin eden sistemler, cezanın belirlenmesi karar destek sistemleri.