Latin Amerika’da sağlık grupları ile araştırmacılar, gençler ve marjinalleşmiş topluluklar için cinsel ve üreme sağlığı bilgisine erişimi yapay zekâ araçlarıyla genişletmeyi amaçlıyor. Birçok proje dil bariyerleri, damgalama ve sınırlı sağlık hizmetleri gibi engelleri azaltmayı hedefliyor.
Peru’da doğum uzmanı Ana Miluzka Baca Gamarra tarafından geliştirilen TeleNanu, Quechua dilinde "sırdaş" anlamına geliyor ve beş adımlı bir danışmanlık modeli kullanıyor: güven oluşturmak, ihtiyaçları belirlemek, yanıtlamak, anlaşıldığını doğrulamak ve iletişimi açık tutmak. Ebeler sistemi, Dünya Sağlık Örgütü ve Peru Sağlık Bakanlığı yönergeleri, hakemli literatür ve mesleki bilgiyle eğitim verildi. Platform kanıta dayalı yanıtlar sunuyor ve gerektiğinde insan danışmanlığına yönlendiriyor.
Ekim ayında APROPO adlı sivil toplum kuruluşu, WhatsApp, web ve sosyal medyada erişilebilen NOA adlı üretken yapay zekâ platformunu başlattı. APROPO, platformun doğru yerel ve uluslararası verilerle eğitildiğini ve 2026'ya kadar yüksek ihtiyaçlu bölgelerde dijital stratejilerle 100.000 adolelesana ulaşmayı hedeflediğini belirtiyor. Kamu sağlığı verileri de bu araçlara yönelimi tetikliyor: 2024'te 8.000'den fazla yeni HIV vakası bildirildi ve en çok etkilenenler 20'li yaşlardaki genç yetişkinler oldu; doğumların yüzde 12'si 10–19 yaş arasındaki annelere aitti ve ergen maternal ölüm oranları artıyor.
Uzmanlar erişim sorunları, çeşitli ve etik veri eksikliği ile kamu-özel koordinasyon ihtiyacına dikkat çekiyor. Aktivistler, yapay zekânın trans bireylere yönelik tarihsel ayrımcılığı yeniden üretebileceğini söylüyor. Arjantin’deki araştırmacılar büyük dil modellerini test etti, damgalayıcı yanıtlar ve klinik boşluklar tespit etti; zararı sınıflandıran bir araç geliştirdiler ve daha temsil edici veriler oluşturmayı planlıyorlar. Conicet araştırmacısı Marcelo Risk ise eğitim verilerindeki önyargıyı vurgulayıp insan denetimi çağrısı yapıyor. Diğer uzmanlar bilim ve sağlık sistemlerini bağlamayı ve toplulukları tasarım ile değerlendirme süreçlerine katmayı savunuyor.
Zor kelimeler
- marjinalleşmek — toplum içinde dışlanan veya etkisiz kalan kişilermarjinalleşmiş
- damgalama — bir kişiye olumsuz veya ayrımcı etiket koyma
- danışmanlık — bilgi veya rehberlik sunan profesyonel destekdanışmanlığına
- kanıta dayalı — bilimsel veya veriye dayanan uygulama
- üretken yapay zekâ — yeni içerik üretebilen yapay zeka türü
- önyargı — bir kişi veya gruba karşı adil olmayan inançönyargıyı
- temsil edici — verinin toplumdaki farklıları doğru göstermesi
İpucu: Türkçe metni okurken veya ses kaydını dinlerken, vurgulanan kelimelerin üzerine gel, odaklan ya da dokun; anında kısa tanımlar görünür.
Tartışma soruları
- Yapay zekâ araçları gençlerin cinsel ve üreme sağlığı bilgisine erişimini nasıl kolaylaştırabilir veya zorlaştırabilir? Örnek verin.
- Toplulukları sağlık araçlarının tasarım ve değerlendirme süreçlerine dahil etmenin hangi yararları olabilir?
- Eğitim verilerindeki önyargıyı azaltmak için hangi somut adımlar atılabilir? Kısa öneriler yazın.
İlgili makaleler
Yapay zekâ daha iyi başlıklar yazmayı öğrendi
Yale School of Management'ın araştırması, yapay zekânın başlıkların neden işe yaradığını öğrenince daha etkileyici ve güvenilir içerik ürettiğini gösteriyor. Ekip A/B testi verilerinden hipotezler çıkarıp bunları doğrulayarak başlıkları iyileştirdi.
Uganda'da kadın siyasetçilere çevrimiçi saldırılar
Uganda'da kadınlar uzun yıllardır siyasette yer aldı ve Ocak 2026 seçimlerinde çok sayıda kadın aday yarıştı. Kampanya sürecinde kadınlar yapay görüntüler, deepfake ve cinsiyete dayalı dezenformasyonla hedef alındı; teknoloji mevcut şiddeti artırdı.
