Yapay Zeka Enkazdan Önce Ne Yapabilir?

Afet denildiğinde gözümüzün önüne çoğunlukla sirenler, arama kurtarma araçları, enkaz başındaki ekipler ve yardım kolileri geliyor. Teknoloji konuşulunca da insanın giremediği yerlere giren robotları, gökyüzünde dolaşan dronları veya saniyeler içinde oluşturulan hasar haritalarını düşünüyoruz.

Bunların hepsi önemli. Fakat bana göre yapay zekânın afet yönetimine yapacağı en büyük katkı, afet olduktan sonra değil, henüz hiçbir şey olmamış gibi görünen günlerde başlayacak.

Çünkü tehlikeler doğal olabilir ama afetler yalnızca doğanın sonucu değildir. Deprem, sel, fırtına veya orman yangını; dayanıksız yapılarla, yanlış kentleşmeyle, yoksullukla, hazırlıksızlıkla ve zayıf iletişim sistemleriyle karşılaştığında afete dönüşür. Birleşmiş Milletler Afet Risklerinin Azaltılması Ofisi de afetlerin; tehlike, maruziyet, kırılganlık ve yetersiz kapasitenin bir araya gelmesiyle ortaya çıktığını özellikle vurguluyor. [1]

Bu ayrım önemli. Çünkü yalnızca afet anına odaklandığımızda, yapay zekâyı da daha hızlı müdahale etmeyi sağlayacak bir araç olarak görüyoruz. Oysa asıl soru şu olmalı:

Yapay zekâ, bir tehlike afete dönüşmeden önce ne yapabilir?

Risk, çoğu zaman gözümüzün önünde birikiyor

Bir kentin afet riskini belirleyen tek bir veri yok. Binaların yaşı, yapı türü, zeminin özellikleri, altyapının durumu, dere yatakları, nüfus yoğunluğu, hastanelerin kapasitesi, enerji hatları, ulaşım ağları, yaşlı nüfus, engelli bireyler, geçici koruma altındaki insanlar ve ekonomik koşullar aynı risk tablosunun farklı parçaları.

Sorun şu ki bu bilgiler çoğu zaman farklı kurumlarda, farklı biçimlerde ve farklı güncellik düzeylerinde bulunuyor. Bir kurumun elindeki bina verisiyle başka bir kurumun nüfus verisi örtüşmeyebiliyor. Bir mahallenin fiziksel riski bilinirken, o mahallede kimlerin yardıma ihtiyaç duyacağı yeterince görülemeyebiliyor.

Yapay zekâ burada bir tür büyüteç görevi üstlenebilir. İnsanların tek tek karşılaştırmakta zorlanacağı binlerce veri katmanını birlikte inceleyerek riskin nerede biriktiğini gösterebilir.

Örneğin aynı miktarda yağış, her mahallede aynı sonucu doğurmaz. Yağmur suyu altyapısı, zeminin suya doygunluğu, eğim, yapılaşma biçimi, zemin kattaki konut ve iş yeri sayısı, trafik yoğunluğu ve insanların o saatlerde nerede bulunduğu sonucu değiştirir. Yapay zekâ destekli bir sistem bütün bu değişkenleri birlikte değerlendirerek yalnızca “şiddetli yağış bekleniyor” demek yerine, hangi sokakların kapanabileceğini, hangi altyapının zarar görebileceğini ve hangi bölgelerde önceden önlem alınması gerektiğini tahmin etmeye yardımcı olabilir.

Bu yaklaşımın gelişmiş biçimlerinden biri, araştırmalarda dijital risk ikizi olarak adlandırılıyor. Bir şehrin veya bölgenin sürekli güncellenen sanal modeli oluşturuluyor; sensörler, uydu görüntüleri, saha gözlemleri, anketler ve kurumsal veriler aynı sistemde bir araya getiriliyor. Farklı afet senaryoları gerçek olay yaşanmadan önce bu model üzerinde denenebiliyor. Araştırmacılar, böyle bir sistemin hazırlık, erken uyarı, müdahale, iyileştirme ve uzun vadeli dirençlilik çalışmalarını aynı çatı altında destekleyebileceğini düşünüyor. Ancak karar sürecinde insanın ve yerel bilginin sistemin içinde kalması gerektiğini de özellikle belirtiyorlar. [2]

Böylece sınırlı bir güçlendirme bütçesiyle hangi okulun, köprünün, hastanenin veya içme suyu hattının önce ele alınacağı daha açık biçimde görülebilir. Yapay zekâ burada mühendisin, şehir plancısının veya afet yöneticisinin yerine geçmez. Onların önüne daha iyi hazırlanmış bir öncelik tablosu koyar.

Bence afet yönetimindeki gerçek dönüşüm de burada başlayacak: Her yere aynı anda yetişemeyen kurumların, en kritik noktayı daha erken görebilmesinde.

Uyarının değeri, insanı harekete geçirdiği kadardır

Erken uyarı sistemlerinin hayat kurtardığını artık yalnızca teorik olarak bilmiyoruz. Dünya Meteoroloji Örgütü’nün 2024 verilerine göre, kapsamlı çoklu tehlike erken uyarı sistemlerine sahip ülkelerle bu sistemlerin sınırlı olduğu ülkeler karşılaştırıldığında, sınırlı sisteme sahip ülkelerde afete bağlı ölüm oranı yaklaşık altı kat daha yüksek. Afetten etkilenen kişi oranı da yaklaşık dört kat fazla. Ayrıca yaklaşan bir fırtına veya sıcak hava dalgası için yalnızca 24 saat önceden yapılan uyarının olası zararı yüzde 30’a kadar azaltabileceği belirtiliyor. [3]

Bu rakamlar doğrudan yapay zekânın başarısını göstermiyor. İyi çalışan, uçtan uca kurulmuş erken uyarı sistemlerinin ne kadar önemli olduğunu gösteriyor. Yapay zekânın rolü ise bu sistemleri daha hızlı, daha ayrıntılı ve daha erişilebilir hâle getirmek olabilir.

2024 yılında Nature dergisinde yayımlanan bir araştırmada, yapay zekâ tabanlı bir modelin ölçüm istasyonu bulunmayan nehir havzalarında dahi aşırı taşkınları beş güne kadar önceden tahmin etmede başarılı sonuçlar verdiği gösterildi. Modelin geliştirildiği sistem, 80’den fazla ülkede yedi güne kadar taşkın tahminleri üretecek biçimde kullanıma açıldı. Özellikle ölçüm altyapısının zayıf olduğu bölgelerde bu gelişme, yalnızca teknolojik değil, aynı zamanda toplumsal bir eşitlik meselesi. [4]

Fakat erken uyarı, telefona gönderilen tek tip bir bildirimden ibaret olmamalı.

“Bölgemizde aşırı yağış bekleniyor” cümlesiyle “Bulunduğunuz sokakta yarım saat içinde su baskını riski artacak; bodrum ve zemin katlardan çıkın, şu yolu kullanmayın” cümlesi aynı etkiyi yaratmaz. Yapay zekâ, meteorolojik tahminleri yapı, nüfus ve ulaşım verileriyle birleştirerek daha yerel ve eyleme dönük uyarılar hazırlanmasına yardımcı olabilir. Uyarılar farklı dillere çevrilebilir, sadeleştirilebilir, sesli biçimde iletilebilir ve farklı engel gruplarına uygun hâle getirilebilir. Dünya Meteoroloji Örgütü de yapay zekânın yalnızca tahmini güçlendirmekle kalmayıp, tehlike, maruziyet ve kırılganlık verilerini birleştirebileceğini; çok dilli ve erişilebilir uyarıların hazırlanmasına katkı sağlayabileceğini belirtiyor. [5]

Yine de herkesin akıllı telefonu, kesintisiz interneti veya dijital okuryazarlığı olmadığını unutmamak gerekiyor. Geleceğin erken uyarı sistemi yalnızca uygulamalardan oluşamaz. Sirenler, radyo, televizyon, yerel yönetimler, muhtarlıklar, okul ve mahalle ağları sistemin içinde kalmalı.

Teknoloji, topluma ulaşabildiği kadar değerlidir.

Depremi tahmin etmekle deprem başladıktan sonra uyarmak aynı şey değil

Yapay zekâ ile deprem konusu konuşulduğunda, en kolay yayılan iddia depremlerin önceden tahmin edilebileceği oluyor. Bugünkü bilimsel bilgiyle büyük bir depremin tam zamanını, yerini ve büyüklüğünü güvenilir biçimde önceden söyleyebilen bir yöntem bulunmuyor. Yapay zekâ da henüz bunu değiştirmiş değil. [6]

Fakat bu, yapay zekânın deprem alanında işe yaramadığı anlamına gelmiyor.

Yapay zekâ; sismik dalgaları gürültüden ayırma, depremin başlangıcını daha hızlı belirleme, P ve S dalgalarını tanıma, küçük depremleri tespit etme ve sarsıntının farklı bölgelere nasıl yayılabileceğini hesaplama konularında önemli gelişmeler sağlıyor.

Örneğin “Earthquake Transformer” adlı derin öğrenme modeli, Japonya’daki tarihsel bir veri setine uygulandığında, istasyonların üçte birinden daha azını kullanmasına rağmen geleneksel yöntemlere kıyasla iki kat daha fazla depremi tespit edip konumlandırabildi. 2025 yılında yayımlanan başka bir araştırmada ise yapay zekâ yardımıyla, deprem başladıktan sonra yıkıcı yer hareketlerinin şiddet ve zamanının gerçek zamanlı olarak öngörülmesi üzerinde çalışıldı. Bu ikinci çalışma büyük ölçüde simülasyon verilerine dayanıyor ve henüz araştırma aşamasında; ancak gelecekte deprem erken uyarı sistemlerinin gelişebileceği yönü göstermesi açısından önemli. [7]

Buradaki ayrımı topluma açık biçimde anlatmak gerekiyor. Depremi günler öncesinden tahmin etmek başka, deprem başladıktan sonra daha uzaktaki bölgelere ulaşacak kuvvetli sarsıntı için saniyeler kazandırmak başka.

Bu saniyeler kısa görünebilir. Fakat trenlerin yavaşlatılması, doğal gaz hatlarının kapatılması, ameliyathanelerin güvenli moda geçmesi, asansörlerin en yakın katta durması ve insanların koruyucu davranışa yönelmesi için anlamlı olabilir.

İlk saatlerde sorun bilgisizlikten çok, bilgi karmaşasıdır

Bu alanda çalışırken en sık karşılaşılan meselelerden biri, afet anında bilginin yokluğu kadar bilginin dağınıklığıdır. Personel, araç, malzeme, yol durumu, sağlık kapasitesi ve ihtiyaç bilgisi farklı kanallardan gelir. Bazı bilgiler gecikir, bazıları tekrar eder, bazılarıysa birbiriyle uyuşmaz.

Bir yanda çağrı merkezlerine ulaşan ihbarlar, diğer yanda sosyal medya paylaşımları, uydu ve drone görüntüleri, saha ekiplerinden gelen raporlar, hastanelerin durumu, kapalı yollar ve değişen hava koşulları vardır. İnsanların bu bilgi akışını kısa sürede kontrol etmesi kolay değildir.

Yapay zekâ bu karmaşayı ortak bir operasyon tablosuna dönüştürebilir. Aynı olaya ait tekrar ihbarları birleştirebilir, çelişkili kayıtları işaretleyebilir, fotoğraf ve videolardaki hasar belirtilerini sınıflandırabilir, ulaşım rotalarını güncelleyebilir ve doğrulanması gereken bölgeleri ekiplerin önüne çıkarabilir.

2023 Kahramanmaraş depremlerinden sonra gerçekleştirilen ve 2025 yılında yayımlanan bir araştırma, radar uydu görüntülerinin yapay zekâ destekli hasar haritalamasındaki önemini gösterdi. Araştırmada radar tabanlı hasar haritaları, karşılaştırılan optik görüntü tabanlı haritalardan daha başarılı sonuç verdi. Radar uyduları etkilenen alanın tamamını on gün içinde görüntüleyebilirken, aynı dönemde çok yüksek çözünürlüklü optik görüntüler radarın kapsadığı alanın yalnızca yüzde 5,4’üne ulaşabilmişti. [8]

Bu tür sistemler, hangi bölgelere arama kurtarma veya insani yardım ekiplerinin yönlendirilmesi gerektiği konusunda güçlü bir ilk tablo sunabilir. Fakat uydu haritasında veri görünmemesi, orada ihtiyaç olmadığı anlamına gelmez. Bulut, görüntü açısı, veri eksikliği, yanlış konumlandırma veya iletişim kesintisi bazı bölgeleri sistem açısından görünmez hâle getirebilir.

Bu nedenle yapay zekânın ürettiği harita nihai karar değil, saha doğrulamasını hızlandıran bir başlangıç olmalı.

İyileşme, yalnızca yeni binalar yapmak değildir

Afet sonrasında dikkat bir süre sonra enkazdan konutlara, konutlardan da “hayatın normale dönmesine” çevrilir. Fakat normalleşme herkes için aynı hızda gerçekleşmez.

Bir mahallede elektrik ve ulaşım kısa sürede geri gelebilirken başka bir mahallede okullar, sağlık hizmetleri veya küçük işletmeler aylarca toparlanamayabilir. Bazı aileler evlerine dönerken bazıları başka şehirlere taşınmak zorunda kalabilir. Çocukların eğitime dönüşü, yaşlıların sağlık hizmetine erişimi, insanların işe başlayabilmesi ve mahallenin sosyal bağlarının yeniden kurulması da iyileşmenin parçasıdır.

Yapay zekâ; altyapı kesintileri, nüfus hareketleri, ekonomik faaliyetler, eğitim, sağlık ve sosyal yardım verilerini birlikte inceleyerek hangi bölgelerin iyileşme sürecinde geride kaldığını gösterebilir. 2025 tarihli bir çalışma, afet sonrası toplumsal dirençliliği değerlendirirken yalnızca bina ve altyapı hasarına değil, insanların koruyucu davranışlarına, nüfus hareketliliğine, ekonomik faaliyetlere ve gelir farklılıklarına da bakılması gerektiğini ortaya koyuyor. [9]

Ancak tam da burada zor bir soru ortaya çıkıyor:

İyileşme önceliklerini algoritma belirlerse, kimi önce görecek?

Verisi daha fazla olan ticaret bölgelerini mi? Akıllı telefon kullanan insanları mı? Resmî kayıtlarda görünen yapıları mı? Yoksa gerçekten en kırılgan durumda bulunanları mı?

Yapay zekâ mevcut eşitsizlikleri görünür hâle getirebilir. Fakat kötü tasarlanmış bir sistem, aynı eşitsizlikleri yeniden üretebilir.

Algoritma kimi görmüyor?

Bir algoritma yalnızca kendisine verilen verileri görebilir.

Tek başına yaşayan ancak dijital sistemlerde kaydı bulunmayan yaşlı birini, uygulama kullanmayan bir engelliyi, kayıt dışı bir yapıda yaşayan aileyi, dil engeli bulunan göçmeni veya telefonuna erişemeyen bir çocuğu veri içinde bulamayabilir.

Bu nedenle geleceğin afet yönetiminde “daha fazla veri” tek başına çözüm olmayacak. Verinin kimleri kapsadığı, kimleri dışarıda bıraktığı ve hangi amaçla kullanıldığı da sorgulanacak.

Üretken yapay zekâ sistemleri afet sırasında durum raporları hazırlayabilir, kamu duyurularını sadeleştirebilir, farklı dillerde bilgi verebilir ve kaynak planlamasına destek olabilir. Fakat 2026 yılında yayımlanan deneysel bir afet yönetimi çalışması, görüntü ve dil modellerindeki erken bir hatanın kaynak planlaması ve iyileştirme önerileri gibi sonraki aşamalara taşınabildiğini gösterdi. Araştırmada sistemin bazı durumlarda hasarlı yapıların yakınında güvenli olmayan barınma alanları önerebildiği de görüldü. Araştırmacılar bu nedenle çıktının her aşamada uzmanlar tarafından denetlenmesi gerektiğini vurguladı. [10]

Bu yalnızca teknik bir hata meselesi değil; sorumluluk meselesi.

Yanlış bir tahmin sonucunda bölge boşaltılırsa, yardım gecikirse veya kaynaklar yanlış yere yönlendirilirse bundan kim sorumlu olacak? Sistemi geliştiren şirket mi, veriyi sağlayan kurum mu, kararı imzalayan yönetici mi?

UNESCO’nun yapay zekâ etiği çerçevesi; şeffaflık, açıklanabilirlik, veri güvenliği, ayrımcılığın önlenmesi ve insan denetimini temel ilkeler arasında sayıyor. En önemlisi de yapay zekânın nihai insan sorumluluğunun yerini almaması gerektiğini belirtiyor. [11]

Afet yönetiminde bunun anlamı açık: Algoritma öneri sunabilir, riskleri sıralayabilir ve olasılıkları hesaplayabilir. Ancak insanların hayatını doğrudan etkileyen kararların açıklanabilir, denetlenebilir ve gerektiğinde değiştirilebilir olması gerekir.

Gelecekte nasıl bir afet yönetimi görebiliriz?

Yakın gelecekte bir kent düşünelim.

Meteorolojik tahmin sistemi, yaklaşan yağışı yalnızca bulut hareketlerinden değerlendirmiyor. Toprağın doygunluğunu, dere seviyelerini, yağmur suyu altyapısını, trafiği, enerji hatlarını ve nüfus hareketliliğini birlikte inceliyor. Belediye ekranına yalnızca kırmızı bir risk haritası gelmiyor; kapatılması gereken yollar, hazır tutulması gereken ekipler, kontrol edilmesi gereken altyapılar ve öncelikli iletişim kurulması gereken gruplar gösteriliyor.

Vatandaşlara herkese aynı metin gönderilmiyor. Bulunduğu konuma ve karşılaşabileceği etkiye göre anlaşılır, erişilebilir ve eyleme dönük bir uyarı ulaşıyor. İnternet kesildiğinde sistem radyo, siren, yerel yönetim ve mahalle ağları üzerinden devam ediyor.

Afet gerçekleşirse uydu, sensör, çağrı merkezi ve saha ekiplerinden gelen bilgiler ortak bir tabloda buluşuyor. Yapay zekâ tekrarları ayıklıyor, belirsiz kayıtları işaretliyor ve ekiplerin nereleri doğrulaması gerektiğini gösteriyor. Yetkili kişi sistemin önerisini kabul edebiliyor, gerekçesiyle değiştirebiliyor veya yerel bilgiye dayanarak reddedebiliyor.

Sonrasında iyileşme yalnızca teslim edilen konut sayısıyla ölçülmüyor. Suyun, elektriğin, eğitimin, sağlık hizmetlerinin, geçim kaynaklarının ve sosyal hayatın hangi bölgelerde geri döndüğü izleniyor. Geride kalan mahalleler görünür hâle geliyor.

Bu bir kehanet sistemi değil. Kusursuz bir teknoloji de değil.

Daha erken gören, daha düzenli düşünen ve insana karar verebilmesi için zaman kazandıran bir sistem.

Asıl mesele daha çok teknoloji değil, daha iyi karar

UNDRR’nin 2025 Küresel Değerlendirme Raporu’na göre afetlerin doğrudan, dolaylı ve ekosistem üzerindeki etkileri birlikte değerlendirildiğinde dünyaya yıllık maliyeti 2,3 trilyon doları aşıyor. Raporda, bu maliyetin yalnızca yıkılan bina ve yollardan oluşmadığı; sağlık, eğitim, geçim kaynakları, tedarik zincirleri ve ekosistem kayıplarını da içerdiği belirtiliyor. [12]

Bu tablo bize afet yönetiminin yalnızca müdahale bütçelerinden ibaret olmadığını hatırlatıyor.

Yapay zekâ gelecekte arama kurtarma ekiplerine, meteorologlara, mühendislere, sağlık çalışanlarına, yerel yönetimlere ve karar vericilere güçlü bir destek sağlayabilir. Ama tek başına hiçbir algoritma dayanıksız bir binayı güçlendiremez, yanlış yere kurulmuş bir şehri taşıyamaz, toplumda güven oluşturamaz veya hazırlık kültürü yaratamaz.

Bunları hâlâ insanlar yapacak.

Ben yapay zekânın afet yönetimindeki başarısının kaç farklı algoritma kullanıldığıyla ölçüleceğini düşünmüyorum. Asıl ölçü; ne kadar zaman kazandırdığı, kaç riski afet oluşmadan görünür hâle getirdiği, daha önce gözden kaçan kaç kişiyi sisteme dâhil ettiği ve verilen kararların ne kadar açık biçimde anlatılabildiği olacak.

Çünkü geleceğin en akıllı afet yönetimi sistemi, yalnızca siren çaldığında çalışan sistem değildir.

Siren çalmadan önce harekete geçebilen sistemdir.

KAYNAKLAR

1- https://www.undrr.org/our-impact/campaigns/no-natural-disasters?

2- https://www.nature.com/articles/s44304-025-00135-x

3- https://wmo.int/resources/publication-series/global-status-of-multi-hazard-early-warning-systems/global-status-of-multi-hazard-early-warning-systems-2024

4- https://www.nature.com/articles/s41586-024-07145-1

5- https://public.wmo.int/themes/artificial-intelligence

6- https://www.usgs.gov/faqs/can-you-predict-earthquakes?utm_source=chatgpt.com

7- https://www.nature.com/articles/s41467-020-17591-w

8- https://www.nature.com/articles/s43247-025-02623-4

9- https://www.nature.com/articles/s44304-025-00104-4