Büyük dil modelleri kullanılarak Çin ve Rus diplomatik söyleminde ima tanıma

Sözün Ötesini Okumak

Diplomatlar kamuoyunda konuştuğunda, söylemedikleri seçtikleri kelimeler kadar önemli olabilir. Bu çalışma, modern yapay zekânın Çin ve Rus dışişleri bakanlıklarının basın toplantılarındaki ince ipuçlarını ve örtük mesajları —insan dinleyicilerin sıklıkla kaçırdığı, ancak uluslararası ilişkileri etkileyebilen işaretleri— yakalayıp yakalayamayacağını araştırıyor.

Dünya İşlerinde İpuçları Neden Önemli

Diplomatik dil dikkatli ve nazik olacak şekilde tasarlanmıştır. Hükümetlerin çıkarlarını savunması gerekir, ancak rakipleri açıkça kışkırtmaktan veya kamuoyunu alarma geçirmekten kaçınmalıdır. Bu yüzden yetkililer genellikle yüzeyde nötr görünen, ancak sessizce eleştiren, uyaran veya siyasi bir duruş belirten ifadeler olan ipuçlarına başvurur. Bu tür ipuçlarını yanlış okumak geçmişte krizlere ve devletler arasında güvensizliğe yol açmıştır. Ortak altyapı bilgisinin varsayılamadığı diller ve kültürler arasında bu tür dolaylı mesajları anlamak özellikle zordur.

Klasik Teoriden Akıllı Makinelere

On yıllardır dilbilimciler ve filozoflar konuşmacıların kelimesi kelimesine söylediklerinden daha fazlasını nasıl ima ettiklerini inceledi. Erken dönem teoriler ağırlıklı olarak konuşmacının niyetine odaklandı ve rasyonel bir dinleyicinin gizli anlamı yeniden kurabileceğini varsaydılar. Daha sonraki "bilişsel pragmatik" çalışmaları ise ipuçlarını anlamanın dinleyicinin zihinsel süreçlerine, kültürel arka planına ve çevresel bağlama da bağlı olduğunu vurguladı. Bu fikirlerden hareketle yazarlar ipuçlarını katmanlı olarak tanımlıyor: görünen ifade (sözel–anlamsal düzey), arkasındaki kültürel düşünce biçimleri (dilsel–bilişsel düzey) ve eleştiri, uyarı veya yüz kurtarma gibi konuşmacının güdü ve stratejileri (güdüsel–pragmatik düzey).

Yapay Zekâ Sistemi Nasıl Kuruldu

Araştırmacılar 2024 yılında düzenlenen Çin ve Rusya dışişleri bakanlıklarının resmi basın toplantılarından yaklaşık 1.400 soru–yanıt segmenti topladı. Uzman dilbilimciler, sözcülerin açıkça konuşmak yerine ima yaptığı 498 örneği elle notladı. Bunları üç türe ayırdılar: sabit, tekrar eden ifade yapıları içeren “sabit ipuçları” (örneğin standart diplomatik formüller), ortak kültürel bilgi ve metaforlara dayanan “kültürel ipuçları” ve yalnızca içinde bulunulan duruma ve güdülere dikkatlice bakıldığında tanınabilen “bağlamsal ipuçları”. Bu örnekler harici bir bilgi tabanı oluşturmak ve büyük dil modeli için bir dizi çıkarım kuralı tasarlamak amacıyla kullanıldı.

Modele Adım Adım Düşünmeyi Öğretmek

Ekip iki yapay zekâ tekniğini birleştirdi. Getirme-Takviyeli Üretim (RAG), modelin yeni bir basın konferansı yanıtını işlerken özel ipucu veritabanından ilgili örnekleri çekmesine izin veriyor. Zincir-İçin-Düşünme (CoT) yönlendirmesi ise modeli adım adım muhakeme yapmaya zorluyor: dili belirlemek, yanıtı cümlelere ayırmak, bilinen ipucu kalıplarını kontrol etmek, bir cümlenin belli bir güdüyü (örneğin eleştiri veya uyarı) tanınmış bir stratejiyle (örneğin olgusal ifade, karşıtlık veya ironi) ifade edip etmediğine karar vermek ve son olarak bunu sabit, kültürel, bağlamsal ipucu ya da “ipucu yok” olarak etiketlemek. Sistem ayrıca ima edilen anlamın gerçekten söylenenin ötesinde olup olmadığını doğrulamak için bir öz-denetim gerçekleştirir.

Ne Kadar İyi Çalıştı?

Sistemi test etmek için yazarlar her iki dilde 2025'e ait yeni basın konferansı verilerini kullandı. Genel olarak, geliştirilmiş model gizli mesajları tespit etmede inandırıcı bir iş çıkardı: gerçek ipuçlarının çoğunu yakaladı (yüksek geri çağırma) ve onları yakalama ile gereksizce aşırı belirleme arasında saygın bir denge sağladı (Rusça için F1 skoru 0,83 ve Çince için 0,76). Her iki dilde de sabit ipuçlarında özellikle güçlüydü; bu da makinelere öğrenilmesi en kolay olanın sabit kalıplar olduğu fikrini destekliyor. Bununla birlikte, Çince kültürel ve bağlamsal ipuçlarında Rusça olanlara kıyasla daha çok zorlandı. Yazarlar bu farkı üsluptaki farklılıklara bağlıyor: Rus diplomatik söylemi eleştiri veya uyarıyı açıkça işaret eden canlı metaforlar ve keskin karşıtlıklar kullanırken, Çin söylemi daha çok nötr formüller, deyimler ve bağlama bağımlı nezaket ifadelerine dayanıyor; bunlar ise modelin sözel ifadelerden ayrı olarak ayırt etmesini zorlaştırıyor.

Hatalar Ne Anlatıyor—Ve Nasıl İyileştirilir

Hatalara yakından bakıldığında yazarlar üç tekrarlayan sorun buldu. Bazen model metni “fazla okuyor”, gerçekte olmayan gizli anlamları uyduruyor. Bazen bir ipucu tespit ediyor ama yanlış tür atıyor, sabit ve bağlamsal vakalar arasındaki sınırı bulanıklaştırıyor. Ve bazen belirli hassas kelimeler veya tanıdık kalıplar bulunduğu için düz ifadeyi ipucu olarak ele alıyor. Bu zayıflıkları gidermek için makale, çok sayıda net “ipucu yok” diplomatik ifadeyi negatif örnek olarak eklemeyi, sistemin çıkarımlarını gerçek soruya ve çevresel bağlama daha sıkı bağlamasını sağlamayı, cümleleri bilgi tabanına birden çok kez yeniden yazmalarla eşleştirmeyi ve bunun ile birlikte ön filtre ve öz-değerlendirme adımı ekleyerek: bunun zaten açık mı yoksa gerçekten örtük mü olduğunu sormayı öneriyor.

Bizler İçin Neden Önemli

Uzman olmayanlar için temel çıkarım, büyük dil modellerinin zaten resmi açıklamalar yığınlarını taramada ve hükümetlerin satır aralarında konuşuyor olabileceği yerleri işaretlemede analistlere yardımcı olabileceği. Aynı zamanda çalışma, diplomasinin kültür, tarih ve üsluba ne kadar güçlü biçimde bağlı olduğunu vurguluyor — bu faktörler gelişmiş yapay zekâ için bile hâlâ zorluk teşkil ediyor. Dilbilim teorisini modern yapay zekâ araçlarıyla birleştirerek, bu çalışma küresel siyasetteki ince sinyalleri izlemek için daha güvenilir sistemlere işaret ederken, söylenmeyeni yorumlamak için insan yargısı ve kültürlerarası uzmanlığın hâlâ vazgeçilmez olduğunu açıkça ortaya koyuyor.

Atıf: Guo, Y., Wang, X. Hint recognition in Chinese and Russian diplomatic discourse using large language models. Sci Rep 16, 5751 (2026). https://doi.org/10.1038/s41598-026-36338-z

Anahtar kelimeler: diplomatik dil, örtük anlam, büyük dil modelleri, diller arası analiz, getirme-takviyeli üretim