YARGI SİSTEMLERİNDE DERİN ÖĞRENME UYGULAMALARI: DELİL DEĞERİ, ÖNYARGI TESPİTİ VE HUKUKİ MEŞRUİYETİN KAMU YÖNETİMİ AÇISINDAN DEĞERLENDİRİLMESİ

Öz

Bu çalışma, yapay zekâ (YZ) ve özelde derin öğrenme algoritmalarının yargı sistemlerinde artan kullanımını kamu yönetimi disiplini perspektifiyle ele almaktadır. Yargı süreçlerinde kullanılan YZ tabanlı uygulamalar, özellikle içtihat metinlerinin sınıflandırılması, örüntülerin belirlenmesi ve kararların önyargı içerip içermediğinin tespiti gibi işlevlerle ön plana çıkmaktadır. Bu teknolojilerin sunduğu olanaklar, yargı kararlarının daha sistematik, hızlı ve tutarlı biçimde analiz edilmesini sağlarken; aynı zamanda delil niteliği, adil yargılanma hakkı, algoritmik tarafsızlık ve hukuki sorumluluk gibi alanlarda önemli tartışmalara zemin hazırlamaktadır. Makalede, algoritmik karar sistemlerinin kamu gücü içindeki yeri; hukuki meşruiyet, şeffaflık, denetlenebilirlik ve hesap verebilirlik ilkeleri bağlamında incelenmektedir. Avrupa İnsan Hakları Sözleşmesi’nin ilgili hükümleri ile Türkiye’nin dijitalleşme politikaları ışığında yapılan değerlendirmeler, YZ'nin yargı sistemine entegrasyonunun yalnızca teknik değil, aynı zamanda yönetsel ve etik açıdan da yeniden yapılandırılması gerektiğini ortaya koymaktadır. Disiplinlerarası bir yaklaşımla hazırlanan bu çalışma, yargı sistemlerinde dijitalleşmenin kamu politikaları ve yönetişim ilkeleriyle uyumlu biçimde tasarlanmasının gerekliliğini vurgulamaktadır.

Anahtar Kelimeler

• : Derin Öğrenme
• Kamu Yönetimi
• Yargı Sistemleri
• Adil Yargılanma
• Algoritmik Önyargı

Teşekkür

Sayın Editör, “Kamu Yönetimi ve Politikaları Dergisi”ne değerlendirilmek üzere gönderdiğim makalemin tarafınızca incelenmesini rica ederim. Çalışmamın derginizin yayın politikası ve bilimsel kapsamı çerçevesinde değerlendirilmesinden memnuniyet duyacağımı belirtir, emekleriniz ve ilginiz için şimdiden teşekkür ederim. Saygılarımla,

DEEP LEARNİNG APPLİCATİONS İN JUDİCİAL SYSTEMS: AN ADMİNİSTRATİVE PERSPECTİVE ON EVİDENTİARY VALUE, BİAS DETECTİON AND LEGAL LEGİTİMACY

Öz

This study examines the growing use of artificial intelligence (AI), particularly deep learning algorithms, within judicial systems from the perspective of public administration. AI-based applications in judicial processes are increasingly employed for tasks such as case law classification, pattern recognition in rulings, and the detection of potential bias in court decisions. While these technologies promise enhanced consistency, efficiency, and speed in legal analysis, they also raise significant concerns related to evidentiary admissibility, the right to a fair trial, algorithmic neutrality, and legal accountability. The article investigates the institutional position of algorithmic decision-making systems within the exercise of public power and evaluates their legitimacy in light of transparency, auditability, and accountability principles. These issues are analyzed with reference to the relevant provisions of the European Convention on Human Rights (ECHR) and the digital transformation strategies of the Turkish judiciary. The study argues that the integration of AI into judicial systems must not be approached solely as a technical improvement but as a process that necessitates administrative redesign and ethical oversight. Adopting an interdisciplinary framework, the article emphasizes the importance of aligning digital justice tools with good governance principles and public policy goals to ensure their legitimacy and democratic acceptability.

Anahtar Kelimeler

• Deep Learning
• Public Administration
• Judicial Systems
• Fair Trial
• Algorithmic Bias

Kaynakça

1. Aletras, N., Tsarapatsanis, D., Preoţiuc-Pietro, D., ve Lampos, V. (2016). Predicting judicial decisions of the European Court of Human Rights: A natural language processing perspective. Peer J Computer Science, 2, e93. https://doi.org/10.7717/peerj-cs.93
2. Angwin, J., Larson, J., Mattu, S., ve Kirchner, L. (2016). Machine bias: There’s software used across the country to predict future criminals. And it’s biased against Blacks. ProPublica. https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing
3. Barocas, S., ve Selbst, A. D. (2016). Big data’s disparate impact. California Law Review, 104(3), 671–732. https://doi.org/10.2139/ssrn.2477899
4. Binns, R. (2018). Algorithmic accountability and public reason. Philosophy & Technology, 31(4), 543–556. https://doi.org/10.1007/s13347-017-0261-4
5. Bilgin, H. (2022). "Yapay Zekânın Mahkeme Kararlarında Kullanımına Uluslararası Bir Bakış ve Robot Hâkimler Hakkında Düşünceler". İnönü Üniversitesi Hukuk Fakültesi Dergisi, 13, 405-419.
6. Birtane, Ş. (2024). "Hâkime Yardımcı Yapay Zekâ". Türkiye Adalet Akademisi Dergisi, 15, 233-272.
7. Burrell, J. (2016). How the machine ‘thinks’: Understanding opacity in machine learning algorithms. Big Data & Society, 3(1), 1–12. https://doi.org/10.1177/2053951715622512
8. Centel, N., Zafer, H., ve Çakmut, Ö. N. (2021). Ceza muhakemesi hukuku. İstanbul: Beta Yayınları.

9. Citron, D. K. (2008). Technological due process. Washington University Law Review, 85(6), 1249–1313.
10. Citron, D., ve Pasquale, F. (2014). The scored society: Due process for automated predictions. Washington Law Review, 89(1), 1–33.
11. Cui, Y. (2020). Artificial intelligence and judicial modernization. Singapore: Springer. Council of Europe. (2019). Ethical charter on the use of artificial intelligence in judicial systems and their environment. Strasbourg: CEPEJ.
12. Council of Europe European Commission for the Efficiency of Justice (CEPEJ). (2018). European ethical charter on the use of artificial intelligence in judicial systems and their environment. Council of Europe.
13. Crawford, K. (2016, June 25). Artificial intelligence’s white guy problem. The New York Times. https://www.nytimes.com/2016/06/26/opinion/sunday/artificial-intelligences-white-guy-problem.html
14. Deeks, A. (2019). The judicial demand for explainable artificial intelligence. Columbia Law Review, 119(7), 1829–1872.
15. Dijital Dönüşüm Ofisi. (2021). Ulusal yapay zekâ stratejisi (2021–2025). T.C. Cumhurbaşkanlığı. https://cbddo.gov.tr/ulusal-yapay-zeka-stratejisi
16. Doshi-Velez, F., ve Kim, B. (2017). Towards a rigorous science of interpretable machine learning. arXiv preprint. https://arxiv.org/abs/1702.08608
17. European Commission. (2019). Ethics guidelines for trustworthy AI. Brussels: EU Publications.
18. European Commission. (2021). Proposal for a regulation laying down harmonised rules on artificial intelligence (Artificial Intelligence Act) and amending certain union legislative acts. European Commission.
19. European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union.
20. Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. New York: St. Martin’s Press.
21. Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., … Vayena, E. (2018). AI4People—An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations. Minds and Machines, 28(4), 689–707. https://doi.org/10.1007/s11023-018-9482-5
22. Foucault, M. (2004). Toplumu savunmak gerekir (Ş. Tekeli, Çev.). İstanbul: Bilgi Üniversitesi Yayınları.
23. Green, B., ve Chen, Y. (2019). Disparate interactions: An algorithm-in-the-loop analysis of fairness in risk assessments. In Proceedings of the Conference on Fairness, Accountability, and Transparency (pp. 90–99). https://doi.org/10.1145/3287560.3287573
24. Görentaş, B. (2024). Sanal Yargıç (1. Baskı). İstanbul.
25. Kalkan, S. (2021). Yapay zekâ sistemlerinde açıklanabilirlik sorunu ve kişisel verilerin korunması hukuku. Bilişim Hukuku Dergisi, 6(2), 215–230.
26. Kunter, N., Yenisey, F., ve Nuhoğlu, K. (2022). Ceza muhakemesi hukuku. İstanbul: Beta Yayınları.
27. Lehr, D., ve Ohm, P. (2017). Playing with the data: What legal scholars should learn about machine learning. UC Davis Law Review, 51(2), 653–717. Mittelstadt, B. D., Allo, P., Taddeo, M., Wachter, S., ve Floridi, L. (2016). The ethics of algorithms: Mapping the debate. Big Data & Society, 3(2), 1–21. https://doi.org/10.1177/2053951716679679
28. OECD. (2019). Recommendation of the council on artificial intelligence. OECD/LEGAL/0449. https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449
29. O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. New York: Crown Publishing Group.
30. Sartor, G. (2020). Artificial intelligence and legal responsibility. Luxembourg: European Parliament Research Service.
31. Surden, H. (2014). Machine learning and law. Washington Law Review, 89(1), 87–115. Taddeo, M., ve Floridi, L. (2018). How AI can be a force for good. Science, 361(6404), 336–338. https://doi.org/10.1126/science.aat5991
32. Treasury Board of Canada Secretariat. (2019). Algorithmic impact assessment. Government of Canada.
33. Uluç, A. (2023). Yapay zekâ destekli analizlerin delil hukuku bağlamında değerlendirilmesi. İstanbul Hukuk Dergisi, 81(1), 55–82.
34. Van Dijk, P., van Hoof, F., van Rijn, A., ve Zwaak, L. (2018). Theory and practice of the European Convention on Human Rights. Cambridge: Intersentia.
35. Veale, M. (2020). A critical take on the policy recommendations of the EU High-Level Expert Group on Artificial Intelligence. European Journal of Risk Regulation, 11(1), 1–18. https://doi.org/10.1017/err.2019.65
36. Veale, M., ve Binns, R. (2017). Fairer machine learning in the real world: Mitigating discrimination without collecting sensitive data. Big Data & Society, 4(2), 1–17. https://doi.org/10.1177/2053951717743530
37. Wachter, S., Mittelstadt, B., ve Floridi, L. (2017). Transparent, explainable, and accountable AI for robotics. Science Robotics, 2(6), eaan6080. https://doi.org/10.1126/scirobotics.aao5580
38. Wachter, S., Mittelstadt, B., ve Russell, C. (2018). Counterfactual explanations without opening the black box: Automated decisions and the GDPR. Harvard Journal of Law & Technology, 31(2), 841–887.
39. Wachter, S., Mittelstadt, B., ve Russell, C. (2020). Why fairness cannot be automated: Bridging the gap between EU non-discrimination law and AI. Computer Law & Security Review, 36, 105373. https://doi.org/10.1016/j.clsr.2019.105373
40. Yeung, K. (2018). Algorithmic regulation: A critical interrogation. Regulation & Governance, 12(4), 505–523.
41. Yıldırım, S. (2022). Dijitalleşen yargı süreçleri ve yapay zekâ destekli hukuki hizmetler. Türkiye Adalet Akademisi Dergisi, 14(2), 45–72.
42. Zerilli, J., Knott, A., Maclaurin, J., ve Gavaghan, C. (2019). Algorithmic decision-making and the control problem. Cambridge: Cambridge University Press.
43. Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. New York: PublicAffairs.