Bir müzedeki 1774 tarihli küçük bir gümüş krema kabıyla dönemin gazetesindeki bir ilan arasında bağlantı kurmak, klasik tarih araştırmasında günler hatta haftalar alabilir. Smithsonian Institution ile Library of Congress’in 2026’da başlattığı “Revolution Crossroads” projesi ise bu tür bağlantıları yapay zekâ yardımıyla çok daha hızlı bulmayı hedefliyor. Proje, ABD’nin bağımsızlığının 250. yılı vesilesiyle Amerikan Devrimi dönemine ait dağınık koleksiyonları aynı araştırma alanında bir araya getiriyor.
1770 ile 1810 arasındaki dönem yalnız savaş meydanlarından ibaret değil. Gazete ilanları, mektuplar, askeri kayıtlar, haritalar, portreler, ev eşyaları ve gündelik nesneler farklı müze, kütüphane ve arşivlerde yüzyıllardır birbirinden kopuk halde duruyor. Projenin ilk aşamasında yaklaşık 10 bin nesne dijitalleştirildi. Yapay zekâ sistemleri bu nesnelerin katalog bilgilerini metin belgeleriyle karşılaştırarak aynı kişi, yer, meslek veya olaya işaret eden izleri bulmaya çalışıyor.
Smithsonian’ın verdiği örneklerden biri bir krema kabı. Müzedeki metal eşyanın üreticisi ve dönemi biliniyor ancak nesnenin toplumsal hikâyesi sınırlı. Yapay zekâ, arşivlenmiş gazetelerde aynı dönem ve aynı zanaatkârla ilişkili ilanları bulduğunda, eşya yalnızca “1774 tarihli gümüş obje” olmaktan çıkıp üretildiği ticaret ağına, müşterilerine ve dönemin gündelik hayatına bağlanabiliyor. Araştırmacı için yapay zekânın değeri burada yeni tarihi kendiliğinden yazmasında değil, aranacak ipucunu öne çıkarmasında.
Proje ekibi özellikle insan denetiminin altını çiziyor. Tarihi belgelerde aynı isim farklı kişiler için kullanılabilir, eski yazım biçimleri değişebilir ve bir kelimenin anlamı döneme göre farklılaşabilir. Modelin bulduğu benzerlik doğrudan tarihsel gerçek kabul edilmiyor; küratörler ve tarihçiler bağlantıyı özgün belgelere dönerek kontrol ediyor. Başka bir deyişle yapay zekâ burada “tarihçi” değil, milyonlarca kartı saniyeler içinde karıştırabilen araştırma asistanı gibi kullanılıyor.
Bu yaklaşım beşeri bilimler açısından önemli bir değişime işaret ediyor. Dijitalleşmenin ilk evresi arşivleri tarayıcıdan erişilebilir hale getirmişti. Yeni evrede sorun artık belgeye ulaşmak değil, milyonlarca dijital nesne içinde anlamlı ilişkileri bulmak. Doğal dil işleme ve görüntü modelleri, aynı kişinin adını farklı yazımlarda yakalamak, nesne tariflerini eşleştirmek ve farklı kurumların katalog sistemleri arasında köprü kurmak için kullanılabiliyor.
Revolution Crossroads’ın başarı ölçütü, yapay zekânın etkileyici bir cevap yazması değil; araştırmacıyı daha önce görülmemiş bir belgeye götürmesi. Bu nedenle proje, üretken yapay zekânın tarih çalışmalarındaki en somut kullanım örneklerinden biri olmaya aday.
Bu yöntem özellikle “küçük tarih” için güçlü olabilir. Büyük savaşlar ve başkanlar hakkında zaten çok sayıda indeks ve araştırma bulunuyor; gündelik hayatta adı yalnız bir ilan, fatura veya eşya kaydında geçen zanaatkârlar ve aileler ise arşivde kaybolabiliyor. Farklı koleksiyonların makine tarafından ortak bir temsil alanında taranması, bu görünmez kişileri yeniden birbirine bağlayabilir. Ancak tarihçiler için temel kural değişmiyor: modelin bulduğu bağlantı hipotezdir, kaynak belgesi kanıttır. Revolution Crossroads’ın bilimsel değeri de üretken metinden çok, araştırmacının daha önce bakmayı düşünmediği çekmeceyi açtırabilmesinde.
Kaynak bağlantısı: https://abcnews.com/US/wireStory/smithsonian-ai-connect-artifacts-american-revolution-136966980