BM, küresel verisini yapay zeka ajanlarına hazırlamak için Google ile güçlerini birleştirdi

BM ve Google İş Birliği

Birleşmiş Milletler (BM), küresel istatistiklerini yapay zeka (YZ) sistemlerinin daha kolay erişip kullanabileceği hale getirmek için Google ile çalıştığını duyurdu. UN System Data Commons adı verilen yeni platform, Google'ın açık kaynaklı Data Commons altyapısı üzerine inşa edildi. Sistem, kullanıcıların BM kuruluşlarına ait istatistikleri doğal dil sorgularıyla aramasına imkan tanıyor. Böylece geleneksel veritabanı arayüzünde gezinmeye dayanan eski UNData portalının yerini alıyor.

Platform ayrıca Model Context Protocol (MCP) desteği sunuyor. MCP, yapay zeka sistemlerinin harici veri kaynaklarına doğrudan bağlanmasını sağlayan bir standart olarak öne çıkıyor. Kullanıcıların giderek daha fazla YZ araçlarına yöneldiği bir dönemde, birçok sistem hâlâ güvenilir veriyi tutarlı biçimde sunmakta zorlanıyor.

UNICEF Testi Neyi Gösterdi?

UNICEF'in altı büyük dil modeli (LLM) üzerinde yaptığı kıyaslama, bu ihtiyacın nedenini net biçimde ortaya koyuyor. Kurumun baş istatistikçisi João Pedro Azevedo, sanal bir brifingde yaptığı açıklamada, küresel kalkınma göstergelerine ilişkin 133 binden fazla yanıtın incelendiğini belirtti. Testte OpenAI'nin GPT-4o ve GPT-4o-mini, Anthropic'in Claude Sonnet 4.5 ve Haiku 4.5 ile Google'ın Gemini 2.5 Flash ve Gemini 2.0 Flash modelleri yer aldı.

Sonuçlar çarpıcı: Modellerin ortalama doğruluk puanı yalnızca %21,2 oldu. Yanıtların yaklaşık beşte üçü hiç kullanılabilir bir sayı sunmadı; bunun başlıca nedeni modellerin yanıtlarını belirsiz ifadelerle geçiştirmesiydi. Azevedo'nun aktardığına göre, aynı sorular yaklaşık iki gün sonra aynı model sürümlerine tekrar sorulduğunda, her iki seferde de sayı veren modellerin yalnızca yarısı aynı sayıyı döndürdü. Bu durum, modellerin tutarlılığı konusunda ciddi bir soru işareti oluşturuyor.

Söz konusu çalışma, dergiye gönderilmek üzere hazırlanan bir UNICEF çalışma belgesi. Henüz hakem değerlendirmesinden geçmedi. Kurum, makaleyle birlikte metodolojisini, kodunu ve verisini de yayımlamayı planlıyor.

YZ Trafiğinde Büyük Artış

UNICEF, bu yıl üretken YZ asistanlarından veri sitesine gelen trafikte keskin bir artış gördü. Ayda 6 milyondan fazla ziyaret alan ve kurumun en popüler sitelerinden biri olan platforma, ChatGPT yanıtlarındaki bağlantılara tıklayan kullanıcıların erişimi 1 Ocak ile 14 Eylül arasında yıllık bazda %67 arttı. Bu yönlendirmeler, yıl içindeki tüm oturumların %6,4'ünü oluşturdu. UNICEF, genel olarak YZ asistanlarının artık ziyaretlerin yaklaşık onda birini getirdiğini tahmin ediyor.

Platformun Kapsamı ve Hedefleri

BM, 26 kuruluşunun Data Commons'a katılmayı taahhüt ettiğini, lansmanda yaklaşık 20 kuruluşun verisinin hazır olduğunu açıkladı. Kurum, 2027'ye kadar BM sistemindeki istatistiksel veri kümelerinin %80'ini platforma taşımayı hedefliyor.

BM İstatistik Bölümü geçici direktörü Shantanu Mukherjee, "Ölçek, kapsam ve esneklik açısından kat kat daha ileri bir noktadayız; ilk kez BM sistemi genelinde bu kadar çok kuruluşu birbirine bağlıyoruz" dedi. Mukherjee, "Ve bu anı, verimizi YZ'ye hazır hale getirmek için de kullanıyoruz" diye ekledi.

Google.org, platformun temel altyapısını kurmak için 2 milyon dolar kapasite geliştirme fonu ve teknik destek sağladı. Google'ın Data Commons ekibini yöneten Prem Ramaswami, sistemin BM tarafından yönetilen bir örnek üzerinde barındırıldığını ve nihayetinde BM tarafından bağımsız olarak sürdürülmesi, işletilmesi ve ölçeklendirilmesinin amaçlandığını söyledi. Ramaswami, "Kullanıma sunma sürecinde baştan itibaren bir 'eğiticinin eğitimi' yaklaşımı benimsedik ve BM sistemi ekibinin hızla yetkinleştiğini gördük" ifadelerini kullandı.

Google, Data Commons'ı 2018'de farklı kaynaklardaki kamuya açık veri kümelerini ortak bir çerçevede düzenlemek için başlatmıştı. Geçen yıl eklenen MCP desteği, YZ ajanlarının istatistikleri ve kaynaklarını doğrudan sorgulamasına olanak tanıyor. BM platformu ayrıca her istatistiğin nereden geldiğini takip ediyor; böylece bir YZ sistemi aracılığıyla alınan verinin izi orijinal BM kaynağına kadar sürülebiliyor. Azevedo, giderek daha fazla kişinin bilgi bulmak ve yorumlamak için YZ araçlarına güvendiği bir ortamda bunun önemli olduğunu vurguladı.

YZ Ajanları ve Veri Güvenilirliği

Google, YZ ajanlarının tek tek istatistikleri almasını mümkün kılmanın yanı sıra, MCP üzerinden BM verisine bağlanan bir YZ sisteminin birden fazla göstergeyi bir araya getirip kullanıcının veri kümelerini elle bulup birleştirmesine gerek kalmadan panolar, grafikler ve yazılı analizler üretebileceğini gösterdi.

Bir gösterimde Google, bir YZ sisteminden Afrika'daki ABD Başkanlık AIDS Yardım Programı'nın (PEPFAR) etkisini bulmasını istedi. Sistem, HIV enfeksiyonları, AIDS ölümleri ve yaşam beklentisi gibi ölçütlere ilişkin ilgili BM istatistiklerini belirledi ve bunları bir infografik üretmek için kullandı.

Ancak bir YZ sistemine güvenilir veri vermek, onun vardığı sonuçları otomatik olarak güvenilir kılmıyor. Ramaswami, "Modeller nüansı yanlış yorumlayabildiği için, çıktılar alıntılanmadan veya yayımlanmadan önce mutlaka bir insan tarafından gözden geçirilmeli" uyarısında bulundu.

Neden Önemli?

Bu gelişme, yapay zekanın bilgiye erişim biçimini kökten değiştiren bir dönüm noktasına işaret ediyor. Kullanıcılar artık arama motorları yerine giderek daha fazla YZ asistanlarına soru soruyor; ancak UNICEF testinin gösterdiği %21,2'lik doğruluk, modellerin kritik kalkınma verilerinde ne kadar güvenilmez olabildiğini ortaya koyuyor. BM'nin verisini MCP üzerinden YZ ajanlarına açması, bu boşluğu kapatmaya yönelik somut bir adım.

Türkiye açısından bakıldığında konu iki yönlü önem taşıyor. Bir yandan kamu kurumları, üniversiteler ve sivil toplum kuruluşları BM istatistiklerine doğal dil sorgularıyla erişerek sağlık, eğitim ve ekonomi göstergelerini daha hızlı analiz edebilecek. Diğer yandan bu gelişme, Türkiye'nin kendi açık veri altyapısını YZ'ye hazır hale getirmesi gerektiğini gösteriyor. TÜİK ve diğer kamu kurumlarının verilerini MCP benzeri standartlarla erişilebilir kılması, hem yerli YZ uygulamalarının güvenilirliğini artırır hem de yanlış bilgiyle mücadelede önemli bir kalkan oluşturur. Zira modellerin en büyük zaaflarından biri, kaynağı belirsiz sayıları kesinmiş gibi sunması; BM'nin veri izlenebilirliği yaklaşımı bu soruna karşı güçlü bir model sunuyor.