Vedat Kamer

Bu çalışma, mantığın temel sınıflandırılmasını üç eksen üzerinden ele almaktadır: ontolojik arkaplan, aklın ilkelerine uygunluk ve akılyürütme türleri. Türkçe literatürde mantık, ontolojik temele göre “klasik mantık” ve “modern mantık” şeklinde ikiye ayrılırken, uluslararası literatürde aklın ilkelerine uygunluk esas alınarak ‘klasik mantık’ ve “klasik-olmayan mantık” ayrımı yapılmaktadır. Bu durum, özellikle felsefe, ilahiyat, matematik ve bilgisayar bilimleri arasında önemli bir terminolojik bir karışıklığa yol açmaktadır. Çalışma, bu karışıklığı gidermek amacıyla klasik ontolojiye dayanan mantıkları “geleneksel mantık” terimi altında adlandırmayı önermektedir. Ayrıca Susan Haack’ın ortaya koyduğu sapkın ve genişletilmiş mantıklar ayrımına, çıkarımın yapısal kurallarını sınırlandıran altyapısal mantıkların üçüncü bir kategori olarak eklenmesi gerektiği; bunun yanı sıra doğal dil argümantasyonunu kapsayan informel mantığın da sınıflandırma çerçevesine dahil edilmesi gerektiği savunulmaktadır. Çalışmanın temel önerisi, mantığı birbirinden bağımsız iki eksen üzerinde konumlandıran iki boyutlu bir matrikstir: mantıksal sistemler (klasik, sapkın, genişletilmiş, altyapısal) ve akılyürütme türleri (dedüktif, indüktif, abdüktif). Bu iki eksenin kesişimiyle oluşan on iki hücreli bu matris, mevcut mantık türleri sistematik biçimde haritalandırmakta ve henüz geliştirilmemiş araştırma alanlarını görünür kılmaktadır. Sonuç olarak, çağdaş mantığın Aristoteles’in kapsamlı çerçevesine yeniden yakınsadığı ve önerilen matrisin disiplinler arası ortak bir terminolojik zemin oluşmasına imkân vereceği ortaya konmaktadır. Anahtar Kelimeler: mantık, sınıflandırma, mantık türleri, aklın ilkeleri, ontoloji, klasik mantık, modern mantık, geleneksel mantık, klasik-olmayan mantık, informel mantık, akılyürütme, akılyürütme türleri. --- This study examines the fundamental classification of logic along three axes: ontological background, conformity to the laws of thought, and types of reasoning. Whereas in the Turkish literature logic is divided, on the basis of its ontological foundation, into “classical logic” and “modern logic”, the international literature draws the distinction—taking conformity to the principles of reason as its basis—between ‘classical logic’ and “non-classical logic”. This gives rise to a significant terminological confusion, particularly across philosophy, theology, mathematics, and computer science. In order to resolve this confusion, the study proposes designating those logics grounded in classical ontology under the term “traditional logic”. It further argues that substructural logics, which restrict the structural rules of inference, should be added as a third category to Susan Haack’s distinction between deviant and extended logics, and that informal logic, which encompasses natural-language argumentation, should likewise be incorporated into the classificatory framework. The study’s central proposal is a two-dimensional matrix that situates logic along two independent axes: logical systems (classical, deviant, extended, substructural) and types of reasoning (deductive, inductive, abductive). Formed by the intersection of these two axes, this twelve-cell matrix systematically maps the existing types of logic and renders visible those research areas that have yet to be developed. In conclusion, it is shown that contemporary logic is reconverging upon Aristotle’s comprehensive framework, and that the proposed matrix may enable the formation of a common terminological ground across disciplines. Keywords: logic, classification, types of logic, laws of thought, ontology, classical logic, modern logic, traditional logic, non-classical logic, informal logic, reasoning, types of reasoning.

Bu makale, “generative artificial intelligence” kavramı için “türetici yapay zekâ” karşılığını önermekte ve bu önerinin kavramsal, tarihsel ve felsefi gerekçelerini ortaya koymaktadır. Tarihsel arka plan açısından makale, yapay zekâ araştırmalarının 1943'teki McCulloch-Pitts çalışmasından başlayarak 1956 Dartmouth Konferansı'na, oradan Birinci ve İkinci Yapay Zekâ Kışları'na uzanan sürecini incelemektedir. Sembolik yapay zekânın bilgi gösterimi, çerçeve problemi ve nitelik problemi gibi yapısal güçlükler karşısında yetersiz kalması; uzman sistemlerin çöküşü ve 21. yüzyılda büyük veri, derin öğrenme ve büyük dil modellerinin yükselişi kronolojik bir çerçevede ele alınmaktadır. Makale, doğal zekâ ile türetici yapay zekâyı dört temel eksen üzerinden karşılaştırmaktadır: ortama adaptasyon, akılyürütme, öğrenme ve ustalaşma. Büyük dil modellerinin dilbilgisini ve mantığı kural sistemi olarak içselleştirmeksizin; yalnızca istatistiksel bir yan ürün olarak modellediği ve bu nedenle gerçek anlamda ne düşündüğü, ne anladığı ne de akılyürüttüğü ileri sürülmektedir. Türetici yapay zekânın metin, kod, görüntü ve video türetme gibi pratik olanakları değerlendirildikten sonra, bu teknolojinin beraberinde getirdiği tereddütler ele alınmaktadır. Makale, güçlü yapay zekânın mümkün olup olmadığı sorusuyla kapanmaktadır. Turing makinesinin teorik temelinin değişmediği, akılyürütmenin istatistikle ikame edilemediği ve insanın keşif ile özgün üretim kapasitesinin vektör temelli hesaplamayla karşılanamayacağı savunulmaktadır. Beyin, bilinç ve zekânın henüz yeterince tanımlanmamış kavramlar olduğu vurgulanarak, güçlü yapay zekânın bugün itibarıyla ne teknik ne teorik ne de kavramsal düzeyde gerçekleşmiş bir olgu olmadığı sonucuna ulaşılmaktadır. Anahtar Kelimeler: Türetici yapay zekâ, büyük dil modelleri, Turing makinesi • örüntü türetme, sembolik yapay zekâ, akılyürütme, bilgi gösterimi, yapay genel zekâ --- This article proposes the term “türetici yapay zekâ” (derivational/generative artificial intelligence) as a Turkish equivalent for “generative artificial intelligence,” and elaborates the conceptual, historical, and philosophical grounds for this proposal. Historically, the article traces the development of artificial intelligence research from the 1943 McCulloch-Pitts paper through the 1956 Dartmouth Conference, the First and Second AI Winters, the rise and fall of expert systems and symbolic AI, and the emergence of big data, deep learning, and large language models in the twenty-first century. The structural failures of symbolic AI — including the frame problem, the qualification problem, and the limitations of knowledge representation projects such as Cyc — are examined in detail. The article compares natural intelligence with generative AI across four dimensions: environmental adaptation, reasoning, learning, and mastery. It argues that large language models model grammar and logic not as internalized rule systems but merely as statistical by-products of training, and that these systems therefore neither think, understand, nor reason in any meaningful sense. The outputs of such systems are determined not by intelligence but by statistics; not by understanding but by computation. After reviewing the practical capabilities of generative AI — text, code, image, and video generation — the article turns to its associated concerns: growing energy and hardware demands, data quality issues, corporate dependency, concentration of power, and the risk of instrumentalizing ethical discourse. The article concludes by examining whether strong AI, or artificial general intelligence, is achievable. It argues that the theoretical foundations of computation have not changed since Turing, that reasoning cannot be substituted by statistics, and that the human capacities for discovery and original creation cannot be replicated through vector-based statistical computation. Given that brain, consciousness, and intelligence remain insufficiently defined concepts, the article concludes that strong AI has not been achieved — technically, theoretically, or conceptually — and that meaningful progress toward it will require paradigms that go beyond the current computational framework. Keywords: Generative artificial intelligence, large language models, Turing machine, pattern generation, symbolic artificial intelligence, reasoning, knowledge representation, artificial general intelligence

[TR] Bu çalışmada yapay zekâ ve mantık ilişkisi incelenmesi amaçlanmıştır. Bu doğrultuda yapay zekâ tarihçesi mantık temelli ele alınmış, yapay zekânın alt alanı olan bilgi gösteriminde mantığın rolü irdelenmiş, yapay zekâ ve felsefi mantık ilişkisi değerlendirilmiş ve sağduyu akılyürütmesini formelleştirme iddiası taşıyan monoton-olmayan mantık tanımlanmıştır. [EN] The study aims to analyze the relation between artifical intelligence and logic. The history of artificial intelligence is addressed on the basis of logic, the role of logic in knowledge representation which is the subfield of artificial intelligence is examined, the relation between artificial intelligence and logic is evaluated, and non-monotonic logic which claims to formalize commonsense reasoning is defined.

[TR] İnformel mantık bir disiplin olarak 1978 yılında kurulmuştur. Fakat buna rağmen, kökleri antikçağ felsefesine kadar gitmektedir. Çalışmamızda, informel mantığın formel mantık ile ilişkisi, form kavramı ve dedüktivizm üzerinden ele alınmıştır. Formel mantık ile informel mantık arasında, özellikle isimlerinden kaynaklı olarak, bir karşıtlık ilişkisi kurulmaktadır. Bu ilişkinin karşıtlık yerine, bütünlülük üzerinden kurulabileceği ve bunun da ortak paydasının akılyürütme kavramı olabileceği gösterilmek istenmiştir. Dedüktif akılyürütme dışındaki akılyürütmelerin de modellenebilmesi, yapay zekânın ilerlemesindeki kilit noktalardan biridir. [EN] In spite of the fact that Informal Logic, as a discipline, had been founded in 1978, its roots go back to the Ancient Philosophy. In this paper, the relationship between informal logic and formal logic has been addressed through the concepts of form and deductivism. Based especially on their names, a relation of opposition is established between formal and informal logic. We, however, aimed to show the aforementioned relation can be established through unity rather than opposition, intending the concept of reasoning to be the common denominator of that relation. Modelling the reasonings other than deductive reasoning is one of the key points in the progress of artificial intelligence.

[TR] Bu makalede Floridi, Cowls, Taddeo ve Morley’in “SARS-CoV-2 Dijital Takip ve İzleme (DTİ) Sistemlerinin Etik İlkeleri” makalesinde ortaya koydukları 16 sorudan oluşan ölçek üzerinden, dünyada ve Türkiye’de yaygın kullanılan DTİ uygulamalarını inceledik. COVID-19 salgın döneminde, hastalığın yayılmasını azaltmak üzere geliştirilen DTİ uygulamalarıyla birlikte yeni etik sorunlar ortaya çıkmıştır. Bu etik sorunlara işaret edebilmek için Floridi, Cowls, Taddeo ve Morley’in DTİ uygulamalarına yönelttikleri soruların kapsamını ve dijital etik ile ilişkisini göstermeye gayret ettik. Farklı DTİ uygulamaları üzerinden, Floridi, Cowls, Taddeo ve Morley’in ortaya koyduğu ölçeğin etkinliğini artırmaya ve karşılaştırma açısından yorumlama derinliğini geliştirmeye çalıştık. DTİ uygulamalarının içerik ve işlev bakımından etik geçerliliği ne ölçüde sağladıklarını, uygulamaların sahip oldukları nitelikler üzerinden ele aldık. Bu incelemenin amacı; söz konusu uygulamaların pandemi gibi olağanüstü durumlardaki etik geçerliliğine dair bir çıkarımda bulunmaktır. Bu etik geçerliliğin, işlevlerini kişisel veriler üzerinden gerçekleştiren DTİ uygulamalarının, devlet ya da özel kurumlar tarafından nasıl tasarlanması ve geliştirilmesi gerektiğine ışık tutacağını düşünmekteyiz. Çalışmamızda, kişisel verilerin gizliliği gibi günümüzün önemli etik konularından birinin, dünyayı kasıp kavuran bir salgın hastalık söz konusu olduğunda nasıl ele alınabileceği ile ilgili veri sunmaya çalışacağız. [EN] In this article, we examined the widely used Digital Tracking and Monitoring (DTM) applications in the world and in Turkey through the scale consisting of 16 questions put forward by Floridi, Cowls, Taddeo, and Morley in their article "Ethical Principles of SARS-CoV-2 Digital Tracking and Monitoring (DTM) Systems". With the COVID-19 epidemic, new ethical problems have arised with the DTM applications developed to reduce the spread of the disease. In order to address these ethical issues, we have tried to show the scope of the questions Floridi, Cowls, Taddeo, and Morley pose to these practices and their relationship with digital ethics. We tried to increase the effectiveness of the scale put forward by Floridi, Cowls, Taddeo and Morley through different DTM applications and to improve the depth of interpretation in terms of comparison. We aimed to examine the extent to which DTM applications provide ethical validity in terms of content and function, based on the qualities of the practices. The purpose of this review; is to make an inference about the validity of these practices in extraordinary situations such as pandemics. We think that this ethical validity will shed light on how DTM applications which function on personal data should be developed by governments or private institutions. We will try to present data on how one of today's important ethical issues, such as the privacy of personal data, can be handled in the event of an epidemic that swept the world.