IEEE Spectrum'da 27 Ekim 2026'da yayimlanan deneyde gazeteci Benjamin Skuse, "vibe-research" dedigi bir yolla tamamen uydurma bir calismayi makale bicimine soktu. Hipotezden kod parcacigina, tablo dilinden tartisma bolumune kadar akisin buyuk kismini hazir AI araclariyla kurdu. Deneyin carpici tarafi su: bu is icin ne buyuk bir laboratuvar, ne uzun bir fon zinciri, ne de kalabalik bir ekip gerekiyordu. Dizustu bilgisayar, acik araclar ve sabir yetti.1
Bu ornek tek basina "bilim bitti" demiyor. Ama denetim kapasitesiyle uretim hizi arasindaki farki cok net gosteriyor.
- Bir yazar, hazir AI araclariyla sifirdan sahte bir bilim makalesi uretebildi.
- Sistemde asilan nokta metin kalitesi degil, hakemlikteki zaman ve kaynak darbozazi.
- Ayni donemde AI etkisi tasiyan makale orani iki yilda yuzde 12den yuzde 57ye cikti.
- Cozum tek bir yasak degil; beyan, veri izi ve editorlukte yeni kontrol katmanlari.
- %57
- 2025 icin tahmin edilen, LLM etkisi tasiyan yayimlanmis makale orani.PNAS, 2026
- 166 makale
- FARS deneyinde 417 saatte uretilen otomatik makale sayisi.FARS, arXiv 2026
- 1/40
- AI izleri gorunen makalelerde resmi acik beyan oraninin yaklasik seviyesi.PNAS, 2026
Asil kirilma metnin guzel gorunmesi degil
Skuse'un deneyi okununca ilk tepki genelde ayni oluyor: "Demek ki artik herkes makale yazabilir." Bu cümle eksik. Deneyde asilan sey yazma eylemi degil, denetim kapisinin ilk katmani. Cunku akademik yayin akisinda once bicim kontrolu, sonra editor incelemesi, sonra hakem turu geliyor. Metin disaridan bakinca duzgun, kaynakca gorunumunde ve metod dili tutarliyse sistem onu tamamen durduramiyor; sadece sonraki katmanlara tasiyor. Yani risk "tek hamlede kabul" degil, zayif dosyanin sisteme girip emek tuketmesi.
Bu nokta kritik cunku editorluk kaynaklari sinirsiz degil. Hakem bulmak zaten zor. Cagriya donen akademisyen sayisi bircok alanda duzenli dusuyor. Dosya adedi ayni kalmiyor, artis egiliminde. Uzerine bir de saatler icinde uretilebilen, disi duzgun ama ici zayif calismalar eklenince sistemin en pahali parcasi olan insan dikkati daha erken asamada harcaniyor.
IEEE'nin arastirma butunlugu ekibi tam bunu anlatiyor. Sorun "AI kotu" tartismasindan daha teknik: siniflandirma maliyeti buyuyor. Her yeni dosya icin editorun sordugu soru sayisi artiyor: veri gercek mi, analiz yeniden kosulabilir mi, gorsel sentetik mi, atiflar yerinde mi. Bu sorularin hicbiri bir tikla bitmiyor.2
Yayim zincirindeki uc zayif halka
Birinci halka beyan satiri. Yazar AI araci kullandiysa bunu net yazmali. Pratikte bu satir ya belirsiz bir cumleyle geciliyor ya da hic yazilmiyor. PNAS'taki analizler, iz gorunen makalelerde acik beyan oraninin cok dusuk kaldigini gosteriyor. Bu da editorun dosyayi bastan yanlis risk sinifina koymasina neden oluyor.3
Ikinci halka veri izi. Ham veri, kod ve is akisi kaydi acik depoya konmadiginda metni denetlemek neredeyse imkansiz hale geliyor. Cunku metin kalitesi artik kanit degil. AI araclari tartisma dilini ve istatistik uslubunu kolayca taklit ediyor. Denetim bu yuzden "iyi yazilmis mi" sorusundan cikti, "yeniden uretebilir miyim" sorusuna dondu.
Ucuncu halka hacim baskisi. FARS gibi calismalarda otomatik hat birkac yuz saatte yuzlerce makale taslagi uretebiliyor. Bu olcek, geleneksel editorluk temposuyla ayni cizgide degil. Sistem teknik olarak acik kalsa bile operasyonel olarak daraliyor; gecen her zayif dosya bir sonrakinin gecikme suresini uzatiyor.4
Turkiyede neden onemli?
Bu dosya yalnizca yabanci dergilerin sorunu gibi okunursa yanlis olur. Turkiyede de pek cok karar "yayimlandi" etiketi tasiyan metinlere bakilarak veriliyor: hastane protokolleri, proje raporlari, sektorel yol haritalari, hatta bazi mevzuat notlari. Kaynak havuzuna zayif metin karistiginda etkisi dogrudan sahaya iniyor.
Okur tarafinda en pratik kontrol listesi kisa: veri baglantisi var mi, kod acik mi, aracin kullanimi acikca yazilmis mi, istatistik tablosu yeniden hesaplanabilir mi. Bunlarin ikisi bile yoksa metnin tonuna degil, kanit zincirine bakmak gerekiyor. Cunku bugun iyi kurulan bir paragraf, gercek bir deneyin garantisi degil.
Dergi tarafinda da cozum mucize degil. AI beyani zorunlu olacak. Ham veri baglantisi zorunlu olacak. Editor masasinda ilk eleme icin otomatik tutarlilik taramalari devreye girecek. Bazi dergiler bu adimlari parca parca baslatti. Bundan sonra farki yaratan sey, bu adimlarin kural metninde kalmayip yayin akisina gercekten baglanmasi.
Skuse'un deneyi bir alarm metni gibi okunabilir, ama en faydali tarafi olculebilir bir problem gostermesi. Problem su: uretim hizi ile denetim hizinin makasi acildi. Bu makasin kapanmasi icin yeni bir jargon gerekmiyor; daha siki beyan, daha acik veri ve daha guclu editorluk gerekiyor. Deneyin yayin tarihi 27 Ekim 2026, referans dosyasi IEEE Spectrum.
Dipnotlar ve Kaynaklar
- Benjamin Skuse, IEEE Spectrum (27 Ekim 2026). "I Used AI to Fake a Scientific Paper. Here's What Happened". spectrum.ieee.org ↩
- Amanda Sulicz alintisi ve IEEE Access baglami ayni dosyada: IEEE Spectrum, 27 Ekim 2026. spectrum.ieee.org ↩
- PNAS (2026). "Evidence of LLM influence in academic publishing" ve beyan farki analizi. pnas.org · pnas.org ↩
- FARS, arXiv (2026). "Fully Automated Research System" 166 makale / 417 saat sonucu. arxiv.org ↩
Kerem
Istanbul'da yasiyor. Teknoloji yaziyor.
