Yapay Zeka Açık Kaynağı Nasıl Çökertiyor? PostgreSQL 19 Gecikmesi ve 'AI Slop DDoS' Krizi

Dünyanın en güçlü açık kaynak veritabanı PostgreSQL'in kıdemli çekirdek geliştiricilerinden Robert Haas, geçtiğimiz günlerde yazılım dünyasında soğuk duş etkisi yaratan bir makale yayınladı: "Postgres 19 is late, and it's AI's fault" (Postgres 19 gecikti ve bunun suçlusu yapay zeka).

Normalde yapay zeka kodlama araçlarının yazılım geliştirmeyi hızlandırması beklenirken, nasıl olur da dünyanın en kritik açık kaynak projelerinden birini yavaşlatır ve sürüm takvimini geciktirir?

1. "AI Slop DDoS": Özgeçmiş Kasmak İçin Açılan Sahte PR Yağmuru

Açık kaynak dünyasında son bir yılda sessiz ama yıkıcı bir kriz yaşanıyor. Binlerce kişi, özgeçmişlerine veya GitHub profillerine "PostgreSQL, cURL, Linux veya React gibi dev projelere katkıda bulundum (Contributor)" yazabilmek için büyük dil modellerini (LLM) kullanmaya başladı.

Ancak bu katkılar gerçek bir sorunu çözmek yerine şu şekilde üretiliyor:

1. Kullanıcı, projedeki karmaşık bir C veya Rust dosyasını yapay zekaya veriyor ve "Burada bir hata bul veya performans iyileştirmesi yapıp PR metni yaz" diyor.
2. Yapay zeka, ilk bakışta son derece profesyonel, temiz formatlanmış ve ikna edici görünen bir yama (patch) veya güvenlik raporu üretiyor.
3. Oysa kodun derinine inildiğinde, önerilen değişikliğin ya var olmayan bir hatayı (halüsinasyon) çözmeye çalıştığı ya da bellek yönetimini bozup çok daha büyük bir çöküşe yol açtığı görülüyor.

Daha önce cURL projesinin yaratıcısı Daniel Stenberg de aynı isyanı dile getirmiş; HackerOne üzerinden gelen yapay zeka üretimi sahte "Zero-Day" raporlarının projeyi bir DDoS saldırısı gibi kilitlediğini açıklamıştı.

2. Asimetrik Darboğaz: Üretmek 5 Saniye, Doğrulamak 2 Saat

Yazılım mühendisliğinde yapay zeka çağının yarattığı en büyük dengesizlik asimetrik maliyettir:

• Eskiden (AI Öncesi): Bir kişinin PostgreSQL çekirdeğine mantıklı görünen bir yama gönderebilmesi için kaynak kodunu derlemesi, mimariyi anlaması ve saatlerce uğraşması gerekirdi. Bu doğal eşik, düşük kaliteli spami kendiliğinden filtrelerdi.
• Şimdi (AI Sonrası): Bir LLM ajanı ile ikna edici görünen 500 satırlık bir yama ve uzun bir açıklama metni üretmek 5 saniye sürüyor.
• Darboğaz: Ancak o yamanın çok iş parçacıklı (multi-threaded) veritabanı motorunda bir Race Condition veya veri kaybı yaratıp yaratmadığını anlamak için kıdemli bir çekirdek geliştiricinin (Maintainer) hala 2 ila 4 saat boyunca satır satır inceleme yapması gerekiyor!

Robert Haas'ın vurguladığı temel nokta tam olarak bu: Açık kaynak projelerde sınırsız olan şey kod satırı değil, kıdemli mühendislerin inceleme zamanıdır (Review Bandwidth).

3. "İkna Edici Yanlış" Neden "Açıkça Yanlış"tan Daha Tehlikeli?

Kötü yazılmış, derlenmeyen bir kodu reddetmek 10 saniye sürer. Ancak yapay zekanın ürettiği kodlar:

• Değişken isimlendirmeleri kusursuz olduğu için,
• Yanına çok düzgün İngilizceyle yazılmış mimari açıklamalar eklendiği için,
• Hatta bazen testlerin kendisi de kodu geçecek şekilde yapay zeka tarafından manipüle edildiği için,

inceleyen mühendisin hatayı fark etmesi çok daha uzun sürüyor. Kıdemli geliştiriciler vaktinin büyük kısmını yeni özellik (PostgreSQL 19 özellikleri) geliştirmek yerine, bu "AI Slop" (yapay zeka çöplüğü) yamalarının neden yanlış olduğunu kanıtlamaya harcıyor.

4. Açık Kaynak Dünyası Nasıl Önlem Alıyor?

Bu krizin ardından birçok büyük açık kaynak projesi yeni kurallar devreye almaya başladı:

1. Kanıt Zorunluluğu (Proof of Execution): Gönderilen her PR veya hata raporunda, geliştiricinin kodu kendi ortamında gerçekten derlediğini ve hatayı adım adım yeniden ürettiğini (reproduce) kanıtlayan ham log zorunluluğu.
2. İnsan Açıklaması Testi: İnceleme sırasında PR sahibine "Bu satırda neden mutex kilidini kaldırdın?" diye sorulduğunda, kendi cümleleriyle mimari nedeni açıklayamayan hesapların kalıcı olarak engellenmesi.
3. Güven Ağı (Web of Trust): Yeni ve geçmişi olmayan hesaplardan gelen büyük çaplı PR'ların doğrudan çekirdek ekip kuyruğuna düşmeden önce topluluk filtresinden geçirilmesi.

Yapay zeka kod yazmayı demokratikleştirdi; ancak mühendislik sorumluluğu hala yazdığın her satırın ne yaptığını bilmekten geçiyor. Anlamadığın bir kodu açık kaynak projelere göndermek katkı değil, o projeyi ayakta tutan insanlara zaman kaybettirmektir.