Gece 02:17’ydi. Ofis neredeyse tamamen sessizdi; sadece fanların uğultusu ve arada duyulan klavye sesleri vardı.

Bir makine öğrenmesi modeli eğitiliyordu. GPU’lar çalışıyor, loglar akıyor, loss yavaş yavaş düşüyordu—yani her şey olması gerektiği gibi görünüyordu.

Sabaha karşı eğitim tamamlandı. Sonuçlar geldiğinde ise odada tuhaf bir sessizlik oluştu.

Model… beklenenden kötüydü. Hatta önceki versiyonun bile gerisindeydi.

Kimse ne olduğunu anlamadı.

Mimari tartışıldı. “Transformer mı yanlış?” dendi. “Veri mi yetersiz?” diye soruldu. “Overfitting olabilir mi?” ihtimali ortaya atıldı.

Saatler geçti. Sonra biri sessizce config dosyasını açtı.

learning_rate = 0.1

Olması gereken: 0.001

O an odada kısa bir duraksama oldu.

Kimse bu değeri gerçekten okumamıştı. Kimse “learning rate kaç?” diye sormamıştı.

Herkes bakmıştı… ama kimse doğrulamamıştı.

Hatta hep oradaydı. Gözümüzün önünde. Ama kimse onu gerçekten görmedi.

Bu hikâye sana tanıdık geliyor mu? Muhtemelen evet. Çünkü bu bir istisna değil.

Yazılım ve yapay zekâ projelerinde hatalar çoğu zaman karmaşık algoritmalardan değil, basit insan hatalarından doğar: yanlış parametre, yanlış dosya, yanlış veri ya da yanlış varsayım.

Ve en kritik nokta şu: Bu hatalar genelde gizli değildir. Aksine, göz önündedir—ama fark edilmezler.

Peki neden böyle oluyor?

Çünkü yazılım dünyasında kontrol süreçleri çoğunlukla “bakmak” üzerine kurulu: koda bakarız, loglara bakarız, dashboard’a bakarız.

Ama şunu kaçırıyoruz: Bakmak, doğrulamak değildir.

İnsan beyni özellikle tekrar eden işlerde otomatik pilota geçer. Gözler görür, ama zihin gerçekten işlemeyebilir.

İşte tam burada, yazılım dışından gelen basit ama etkili bir yöntem devreye giriyor.

Japonya’da tren makinistleri her sinyali fiziksel olarak işaret eder ve yüksek sesle okur:

“Yeşil sinyal — ilerle!”

Bu yönteme Shisa Kanko denir—yani “işaret et ve söyle.”

Basit gibi görünür, ama etkisi büyüktür. Çünkü seni pasif bir gözlemciden aktif bir doğrulayıcıya dönüştürür.

Sadece görmek yetmez; hareket edersin. Sadece düşünmezsin; söylersin. Sadece varsaymazsın; teyit edersin.

Birden fazla duyuyu devreye sokmak dikkati ciddi şekilde artırır.

Şimdi bunu yazılıma uyarlayalım.

Ekipler genelde şöyle düşünür: “Gördüysek kontrol etmişizdir.”

Ama gerçek şu: Görmek ≠ doğrulamak.

Bir parametreye bakmak başka şeydir, onu okuyup doğrulamak başka.

Bir dosya adını görmek kolaydır, ama gerçekten doğru dosya mı diye sormak farklıdır.

Bir metriğe göz atmak basittir; ama “Bu mantıklı mı?” diye sorgulamak asıl farkı yaratır.

Başa dönelim.

O geceki hata aslında teknik olarak zor değildi. Bir algoritma hatası yoktu. Sistem de çökmemişti.

Sorun sadece bir sayıydı.

Ama o küçük sayı: saatlerce GPU zamanı harcadı, günlerce emeği boşa götürdü ve ekibin güvenini sarstı.

Üstelik tamamen önlenebilirdi.

Birinin sadece şu soruyu sorması yeterdi:
“Learning rate kaç?”

Shisa Kanko’nun özü aslında çok basit:

Gör — Söyle — Teyit et

Bunu yazılım dünyasına uyarlarsak:
Parametreyi gör, yüksek sesle söyle, ekipçe doğrula.

Bu kadar.

Ve evet, tam da bu kadar basit olduğu için güçlü.

Neden işe yarıyor?

Çünkü insan hatalarının çoğu dört şeyden gelir: varsayım, acele, dikkat dağınıklığı ve aşinalık.

Bu yöntem hepsine doğrudan dokunur. Seni durdurur, düşündürür ve aktif katılıma zorlar.

İyi haber şu: Bunu uygulamak için büyük değişikliklere gerek yok.

Sadece küçük alışkanlıklar yeter: eğitim başlamadan önce parametreleri sesli okumak, deployment öncesi model adını teyit etmek, kritik değişiklikleri ekip içinde sözlü doğrulamak.

Küçük ritüeller büyük hataları yakalar.

Sonuç olarak, yazılımda hatalar çoğu zaman karmaşık değildir—ama etkileri büyüktür.

Ve çoğu zaman sorun teknoloji değil, insandır.

İnsan hata yapar.

Ama iyi tasarlanmış sistemler bu hataları yakalayacak şekilde çalışır.

Bazen çözüm yeni bir araç değil,
eski bir alışkanlıktır.

Herkes baktı. Ama kimse görmedi.