Geçen hafta Otostopçunun Yapay Zeka Rehberi‘nde Palantir, yapay zeka ve Teknoloji Cumhuriyeti‘ni uzun uzun konuşmuştuk. O bölümün üzerine, üzerine çokça spekülasyon yapılan ama derinliğini az kişinin bildiği Michael Steinberger‘in The Philosopher in the Valley kitabını bitirdim. Açıkçası şunu söyleyebilirim: Karp’ın manifestosunu sadece bir siyasi metin olarak okumak yetmiyor; o manifestoyu anlamak için önce şirketi, şirketi anlamak içinse önce Karp’ın o nev-i şahsına münhasır zihnini anlamak gerekiyor.

Steinberger, Palantir CEO’su Alex Karp‘ı karşımıza sıradan bir teknoloji lideri biyografisiyle çıkarmıyor. Aksine, karşımızda Frankfurt’ta bizzat Jürgen Habermas’ın rahle-i tedrisinden geçmiş, faşizmin retoriği ve toplumsal teori üzerine felsefe doktorası yapmış bir entelektüel var. Şiddetli disleksisi olan, bilgisayar mühendisliği veya klasik işletme geçmişi bulunmayan bu adamın bugün dünyanın en stratejik yapay zeka odaklı savunma sanayii şirketini yönetiyor olması, kitabın en temel paradoksu.

Steinberger’in deyimiyle;

“Palantir karmaşık bir şirket ve Karp da oldukça karmaşık bir yaradılışa sahip.”

Kitabın kuruluş hikayesine dair sunduğu perspektif, bugün neden bu noktada olduğumuzu çok iyi özetliyor: Peter Thiel, PayPal dönemindeki dolandırıcılık tespit algoritmalarının aslında terörle mücadelede de anahtar rol oynayabileceğini fark ediyor. Ancak asıl tespiti teknikten ziyade yapısal; 11 Eylül saldırıları Thiel’e göre bir istihbarat eksikliği değil, devasa bir veri entegrasyonu hatasıydı. Farklı kurumların elinde parçalı bilgiler, ham notlar ve dağınık raporlar vardı ama kimse bu noktaları birleştirip büyük resmi göremiyordu. Palantir, tam olarak bu “noktaları birleştirme” sorununu çözmek, yani veriyi bir silah haline getirmek için kuruldu.

Kitapta beni en çok şaşırtan detaylardan biri, Palantir ekibinin CIA’ya yaptığı ilk ziyaretlerdeki gözlemleri oldu. Dışarıdan bakınca CIA gibi bir devin tertemiz tablolarla, mükemmel veri setleriyle çalıştığını sanıyorlar. Oysa gerçekte CIA bile; bugün bizim her gün boğuştuğumuz e-postalar, düzensiz yazışmalar, Word belgeleri ve raporlar arasında, yani verinin “anlamlandırılmasının” en zor olduğu araçlarla çalışıyormuş. Palantir’in farkı, bu kaotik veriyi gerçek zamanlı bir içgörüye dönüştürebilmesinde yatıyor.

Bin Ladin operasyonunun lojistik analizinden Ukrayna’daki savunma hattının kurulmasına, İran operasyonlarından meşhur Cambridge Analytica vakasına kadar uzanan o meşhur ve tartışmalı ağın tam merkezindeler. Steinberger, Afganistan tahliyesi sırasında 150’den fazla farklı veritabanının nasıl gerçek zamanlı entegre edildiğini ve bu sayede sürecin nasıl hızlandırıldığını kitabın merkezine koyuyor. Bugün ise Karp, 2022’deki üretken yapay zeka ivmesini arkasına alarak bu birikimi Artificial Intelligence Platform (AIP) ile bir adım öteye taşıdı. Bu artık sadece bir veri analiz aracı değil, savaş alanı kararlarını optimize eden aktif bir yapay zeka sistemi.

Karp’ın Teknoloji Cumhuriyeti manifestosunda yazdığı felsefe ise oldukça net ve bir o kadar sarsıcı: Nükleer caydırıcılık çağı kapanıyor, yerini yapay zeka üstünlüğünün belirlediği yeni bir egemenlik savaşına bırakıyor. Karp, Batı’nın teknoloji şirketlerinin etik çekincelerle savunma sanayiinden uzak durmasını büyük bir risk olarak görüyor. Ona göre Silikon Vadisi, bugün ulaştığı gücü borçlu olduğu demokratik sistemlere karşı ahlaki bir borç taşıyor:

“Silicon Valley owes a moral debt to the country that made its rise possible.”

Steinberger’in kitabının bence en güçlü tezi şu: Savunma sanayiinde rekabet artık sadece bir füze sistemi veya zırhlı araç üretmekle ölçülmüyor. Asıl yarış; kimin veri altyapısı daha esnek, kimin yapay zekası sahada daha hızlı ve isabetli karar üretiyor sorusu etrafında dönüyor. Ve kitap bize şunu hatırlatıyor: Eğer bir yazılım çözümü göçmen tespitinde veya bankacılık dolandırıcılığında kusursuz çalışıyorsa, o çözümün yarın modern savaşın kaderini belirlemesi kaçınılmazdır.

Karp’ı ve Palantir’i sevsek de sevmesek de, modern dünyadaki güç tanımının yazılımla ve yapay zekayla nasıl yeniden inşa edildiğini anlamak için bu “Filozof CEO”nun hikayesi hayati bir önem taşıyor.

Türkiye’deki En Dolu Dolu, Öğretici, Gerçek AI Konferansı: Diva - Dive Into AI

Yıllardır bir şekilde radarıma giren, her seferinde “bu sene mutlaka orada olmalıyım” dediğim ama bir türlü takvimimi uyduramadığım o etkinlik için bu yıl nihayet taşlar yerine oturdu, bı yıl katılabileceğim, ama bundan ziyade sizler için de faydalı olacağını düşündüğüm için bu hafta biraz bahsetmek istedim. DivaConf. 16 Mayıs’ta Beşiktaş’taki Dotshub’da gerçekleşecek olan buluşma, benim için sadece bir konferans değil;

Ekosistemin gerçekten nereye gittiğini, neler yapıldığını adına en nitelikli duraklardan biri. Programı incelediğimizde birazdan bakacağız, yapay zekanın sadece “ne” yapabildiğini değil, “nasıl” yapılması gerektiğini sorgulayan muazzam bir akış var, biraz gelin anlatayım hatta.

Konferans programında girişte, Feride Aytül Erçil’in yapay zekanın “Agentic Era” yani ajanlar dönemine geçişini anlatacağı açılış konuşmasıyla başlıyor. Artık sadece soru sorduğumuz değil, bizim yerimize aksiyon alan bir yapay zekayı konuşacağız. Hemen ardından Burcu Yarar’ın “Yapay zeka sistemlerini hackleyemezsiniz, ikna edersiniz” tespiti, dil modelleriyle kurduğumuz ilişkiyi anlamak için çok düşündürücü, anlamamızı sağlayacak, bizim de podcastte çok vurguladığımız bir giriş imkanı verecek hepimize.

Teknik tarafta ise;

• Bilal Emir Uçar’ın Türkçe gerçek zamanlı sesli asistanlar üzerine anlatacakları,

• Yağmur Yıldız Parıltı’nın SLM (Küçük Dil Modelleri) tarafındaki donanım performans analizleri,

• Armağan Amcalar’ın AGI yolculuğunda sistem promptlarını birer yürütülebilir, işlenebilir mantık programı olarak ele aldığı meşhur serisinin bir oturumu da programın ne kadar doyurucu olduğunun kanıtlarından biri bence.

Diva: Dive Into AI’ı diğerlerinden ayıran en büyük özellik, yapay zekayı bir “odakta, kısıtlı, bazen sadece şirketler odaklı, çoğu manasız bir perspektifte” ele almaması biliyorsunuz buna çok dikkat ediyoruz hem bültende hem podcastte.

Bunu destekleyecek şekilde içerikte Ece İldem’in iklim sistemlerinde sorumlu yapay zeka sunumu, Zainab Lawal’ın sağlıkta yapay zekanın neyi “öğrendiğine” dair analizleri ve Ece Paralı Öztan’ın kız çocukları için kapsayıcı tasarım sunumu, bu teknolojinin toplumsal dokuyla nasıl iç içe geçtiğini gösteriyor. Ayrıca çocuklar için düzenlenen yapay zeka atölyesi de ilham verici olacak.

Daha detaylı program ve tüm oturumlar için:

https://www.divaconf.com/schedule

Günün sonunda, saat 17:30’da ben de bir workshop ile sahada olacağım: “Explainable AI from Every Angle: Rethinking How We Understand Artificial Intelligence”. Yapay zekanın o meşhur “kara kutu” doğasını aralamaya çalışacak; algoritmaların sadece sonuç üretmesini değil, o sonuca nasıl vardığını şeffaf bir şekilde anlatabilmesini, yani benim üzerine çalıştığım “açıklanabilirliği” her açıdan masaya yatıracağız.

Yıllardır katılmayı çok istediğim bu toplulukla, bu sefer kendi uzmanlık alanım üzerinden bir atölye ile buluşacak olmak benim için gerçekten ayrı bir keyif. 16 Mayıs’ta yolunuz Beşiktaş’a düşerse, bu eşsiz atmosferi birlikte solumak için beklerim.

Biletler için tıklayın.

İş Bankası’ndan Lise Öğrencileri için Girişimcilik Programı: WorkupOnBoard

Bu hafta Otostopçunun Yapay Zeka Rehberi’nde bir hızlandırma programından bahsetmek istiyorum: WorkupOnBoard, odağında yapay zeka olan ve benim görüşmeyi, bir araya gelmeyi çok sevdiğim öğrencileri, hatta lise öğrencilerini, girişimci olmak isteyen ve yapay zeka kullanmakta uzmanlaşmak isteyen lise öğrencilerini, kısaca bahsedecek olursak:

Girişimcilik motivasyonu yüksek gençlerin bu alanda gelişmesi ve girişimcilik ekosistemiyle tanışmasını hedefleyen program hibrit olarak 4-26 Temmuz’da düzenlenecek.

Türkiye İş Bankası’nın ana destekçisi olduğu Workup, lise öğrencilerine yönelik yeni girişimcilik programı WorkupOnBoard’ı hayata geçiriyor. İş Bankası bünyesinde yer alan Yapay Zekâ Fabrikası (YZF) yürütücülüğünde gerçekleştirilecek WorkupOnBoard, bir projenin fikir aşamasından çalışan bir ürüne dönüşmesine kadar olan sürece yönelik yüksek yoğunluklu bir hızlandırma programı olarak kurgulandı.

Program ile yapay zekanın geleneksel teorik eğitim modellerinden ayrışarak yalnızca bir bilgi aracı değil, doğrudan bir üretim ortağı olarak kullanıldığı bir yapı sunuluyor. Katılımcılar program boyunca yapay zekâ destekli geliştirme araçları ile ürünlerini sıfırdan oluşturacak, gerçek kullanıcılarla test edecek ve hızlı iterasyonlarla (yinelemelerle) geliştirme sürecini deneyimleyecek.

21 günlük program, fikir geliştirme ve MVP (minimum uygulanabilir ürün) oluşturma, kullanıcı doğrulama ve ürün iyileştirme, büyüme ve Demo Day hazırlığı olmak üzere üç temel fazdan oluşacak, haftanın 3 günü fiziksel mentor destekli üretim, 2 günü ise asenkron çalışma yapılacak.

Katılımcılara bulut ve yapay zekâ araç kredileri ile belirli reklam/test bütçesi verilerek, geliştirdikleri ürünleri gerçek kullanıcılarla buluşturma imkânı sunulacak. Bu yaklaşım ile katılımcıların doğrudan müşteriyle temas kurabilen, test edilmiş ürünler geliştirmesi hedefleniyor.

Program sonunda katılımcılar, çalışan bir MVP, kullanıcı geri bildirimlerine dayalı ürün geliştirme deneyimi ve girişimcilik refleksi kazanacak, İş Bankası Girişimcilik Ekosistemine erişim elde edecek. Ayrıca, ekipler Demo Day’de projelerini girişimcilik ekosistemi paydaşlarına sunma şansı yakalayacak.

Girişimcilik motivasyonu yüksek gençlerin bu alanda gelişmesi ve girişimcilik ekosistemiyle tanışmasını hedefleyen program 4-26 Temmuz arasında hibrit olarak düzenlenecek. Yüz yüze bölümleri İş Vapur’da gerçekleştirilecek programa başvurular, 15 Mayıs’a kadar https://www.workup.ist/workuponboard üzerinden yapılabiliyor. ​

Detaylı incelemek için:

https://www.workup.ist/workuponboard

Bu hafta Podcastte şahane bir konumuz olacak, Uzakdoğu’da AI nasıl gelişiyor anlamaya çalışacağız, takipte kalın.

Sevgiler,

Fatih

Merhabalar,

Bildiğiniz gibi Otostopçunun Yapay Zeka Rehberi’nin podcast bölümlerinde her hafta Yapay Zeka dünyasında başka bir konuda beraber fikir yürütüyor, kaynakları, tezleri anlamaya çalışıyoruz.

Bu hafta özellikle son birkaç haftada çok önemli birkaç haberi beraber konuştuk:

• Palantir’in Teknoloji Cumhuriyeti Manifestosu

• Sam Altman’ın Axios’a Verdiği Röportaj ve Yeni Düzen Manifestosu

• New Yorker’ın Altman Hakkında Yazdığı Değerlendirme

ve tüm bunların bağlandığı şahane bir okuma olan Yanis Varoufakis’in TeknoFeodalizm tezi.

Ben de ilk defa bu bölümü detaylı bir bülten de yapacak bir agentic altyapıyı Substack kanalımız için denedim ancak memnun kalmadım. Dolayısıyla bu yazı da hala yapay zekanın işimizi elimizden alamayacağının kanıtı olarak tamamen benim değerlendirmelerimle sizlerle 🎧

Yine tamamen organik bölümü dinlemek için:

Biraz sıcak haberleri özetleyerek başlayayım, Palantir, daha önce podcastte de konuştuğumuz bir şirket, dünyanın en önemli yapay zeka odaklı savunma sanayi şirketi. İsrail, Amerika başta birçok ülke tarafından kullanılan AI destekli savunma modellerine, komuta kontrol sistemlerine veri, yapay zeka desteği sunuyorlar.

İki acayip isim bu şirketin en tepesinde:

1- Peter Thiel

Peter Thiel ilginç bir figür, cüzdanına ve kartvizitine bakalım beraber Elon Musk ile birlikte PayPal'ı kuran o meşhur grubun (kendi aralarındaki adıyla PayPal Mafyası'nın) fikir babası. Mark Zuckerberg üniversite yurdunda Facebook'u kurduğunda, sistemin potansiyelini görüp ona ilk büyük yatırımı yapan ilk kişi. Aynı zamanda devletler, istihbarat örgütleri ve ordular için devasa veri analizleri yapan, son derece gizemli teknoloji devi Palantir'in de kurucusu. Yani elinde hem milyarlarca dolarlık bir güç hem de inanılmaz bir ağ var.

Ki bu konularda en çok okunan benim de çok sevdiğim paylaştığım yer yer Sıfırdan Bire kitabının da yazarı. Trump’ın da danışmanı (bana arkadaşını söyle sana kim olduğunu söyleyeyim.)

Aynı zamanda takıntılı da bir isim, kapakta da görüleceği üzere kendi geliştirdiği bir tezi var, Deccal (Antichrist) ile mücadele teknoloji ile mümkün olacak, yapay zeka bunu sağlayacak diyor.

Yetmiyor Silikon Vadisi'nde baya gizli davetli, biletli, kapalı kapılar ardında genç kuruculara verdiği dersler ile Roma'da (Vatikan'a çok yakın bir mesafede) muhafazakar düşünürlere verdiği konferanslarda sürekli bu konuyu konuşuyor.

Thiel’in deccalini anlamak istersek, kabaca şöyle diyebiliriz, yada o öyle diyor:

İşte “Deccal” tam bu kaosun insanları yorduğu noktada sahneye çıkar. Thiel’e göre Deccal, Hollywood filmlerindeki gibi boynuzlu, korkunç bir iblis değildir. Aksine, inanılmaz derecede çekici, pürüzsüz ve “mantıklı” bir sistemdir. İnsanlığa şu zehirli anlaşmayı sunar:

“Sürekli çatışmaktan ve risk almaktan yorulmadınız mı? Karar verme yükünü bana bırakın. Bütün farklılıklarınızı, inançlarınızı ve itirazlarınızı törpüleyin. Ben hepinizi tek tip yapayım, size mutlak bir barış, güvenlik ve sonsuz bir konfor vereyim.”

Deccal; insanın kendi kaderini yazma gücünü elinden alan, dünyayı devasa, şeffaf olmayan bir kapalı kutuya çeviren küresel sistemin ta kendisidir. İnsanın inisiyatif almadığı, yüksek iradenin (high agency) yok edildiği, kararların devasa bir bürokrasi ya da merkezi bir algoritma tarafından “bizim iyiliğimiz için” alındığı o homojen düzen, yani bugün Technological Republic’te tam tersi önerilen düzen. Thiel bu tezlerin ilk fikir babası.

İkinci ismimiz de yine tuhaf bir isim: Alex Karp

Ha unutmadan, başta Thiel sonra Karp şunu söylüyor: Yapay zekayı bu deccale, yukarıda anlatılan deccale karşı savaşmak için kullanacağız.

Alex Karp demiştik…

Aşağıda inceleyeceğimiz meşhur twitin esinlendiği kitabın yazarı ve bu tezlerin fikir babası.

Peter Thiel’in hukuk fakültesinden sınıf arkadaşı, bilgisayar bilimleri değil, "Neo-Marksist Felsefe" üzerine doktora yapan bir felsefeci, tam bir felsefeci gibi saçları her zaman darmadağınık bir arkadaş, vaktinin çoğunu dağlarda kayak yaparak geçiriyor ve Silikon Vadisi'nin özellikle Google kültürü diye bildiğimiz, o renkli, Netflix senaryolu, "dünyayı sevgiyle kurtaracağız" diyen kültüründen açıkça nefret eden bir isim, bunu da sürekli söylüyor.

İki önemli noktası daha var bu arkadaşın:

• Felsefe geçmişi var, Avrupa’yı sevse de, özellikle Avrupa'nın teknoloji regülasyonlarını ve aşırı barışçıl tavrını delilik olarak görüyor.

• Silikon Vadisi’ne bir eleştiri getiriyor ve manifestoda da yer alan bir tezi var, dünyanın en zeki mühendislerinin insanların reklamlara tıklamasını sağlamak veya yemek siparişini üç dakika daha hızlı getirmek için çalışmasıyla baya dalga geçiyor. Karp'a göre dünya tehlikeli bir yer ve teknoloji, Batı demokrasilerini, devletleri ve sahada canını ortaya koyan askerleri korumak için kullanılmalı.

Bunları anladıktan sonra gelin Palantir’in meşhur teknoloji cumhuriyeti tezine , manifestosuna bakalım:

Bu iki arkadaşı tanıyınca daha manalı gelecek. Sadece önemli gördüğüm maddeleri aldım bu arada daha fazlası için:

Teknolojik Cumhuriyet:

1. Silikon Vadisi, yükselişini var eden ülkeye karşı ahlaki bir borç taşımaktadır. Silikon Vadisi’nin mühendislik elitleri, ulusun savunmasına aktif olarak katılmakla yükümlüdür.

2. Uygulamaların hakimiyetine ve teknolojiyi yönlendirmesine isyan etmeliyiz. iPhone, medeniyet olarak en büyük yaratıcı başarımız mıdır? Bu gibi icatlar hayatlarımızı değiştirdi, ama artık neyin mümkün olduğuna dair algımızı da sınırlıyor ve kısıtlıyor olabilir.

4. Sadece süslü sözlerin, yani yumuşak gücün sınırları ortaya çıkmıştır. Özgür ve demokratik toplumların ayakta kalabilmesi, ahlaki bir çekicilikten daha fazlasını gerektirir. Sert güç gerektirir ve bu yüzyılda sert güç, yazılım üzerine inşa edilecektir.

5. Mesele yapay zeka silahlarının üretilip üretilmeyeceği değil; kimin, ne amaçla üreteceğidir. Düşmanlarımız, kritik askeri ve ulusal güvenlik uygulamalarına sahip teknolojiler geliştirmenin erdemleri üzerine tiyatral tartışmalara dalıp vakit kaybetmeyecekler. Biz beklesek bile ilerlemeye devam edecekler.

7. Eğer bir Amerikan Deniz Piyadesi daha iyi bir tüfek istiyorsa, onu üretmeliyiz; aynı şey yazılım için de geçerli. Bir ülke olarak, yurtdışındaki askeri müdahalelerin doğruluğunu tartışabilmeli ama aynı zamanda ateş hattına gönderdiğimiz insanlara olan bağlılığımızda sarsılmaz bir inat ve destekle durmalıyız.

9. Kendini kamu hayatına adayanlara çok daha fazla anlayış göstermeliyiz. Hata yapma payının tamamen ortadan kaldırılması, insan ruhunun karmaşıklığına ve çelişkilerine zerre tahammül edilmemesi, bizi dümende, ileride pişman olacağımız bir karakterler kadrosuyla baş başa bırakabilir.

11. Toplumumuz, düşmanlarının çöküşünü hızlandırmaya fazlasıyla hevesli hale geldi ve bundan sıklıkla keyif alıyor. Bir rakibi alt etmek sevinilecek değil, durup düşünülecek bir andır.

12. Atom çağı sona eriyor. Bir caydırıcılık çağı olan atom çağı bitiyor ve yapay zeka üzerine inşa edilen yeni bir caydırıcılık dönemi başlamak üzere.

13. Dünya tarihinde hiçbir ülke, ilerici değerleri bu ülkeden daha fazla ileri taşımamıştır. Amerika Birleşik Devletleri kusursuz olmaktan çok uzaktır. Ancak bu ülkede, soydan gelen elitler dışında kalanlar için gezegendeki diğer tüm uluslardan ne kadar daha fazla fırsat olduğunu unutmamalıyız.

14. Amerikan gücü, olağanüstü uzunlukta bir barışı mümkün kılmıştır. Pek çok kişi, büyük güçlerin çatışmadığı, bir asra yaklaşan bu barış halini unuttu ya da kanıksadı. En az üç nesil, milyarlarca insan, çocukları ve şimdi de torunları, dünya savaşının ne olduğunu Amerika sayesinde bilmeden yaşıyor.

17. Silikon Vadisi, şiddet suçlarının çözümünde rol almalıdır.

19. Kamusal hayatta farkında olmadan teşvik ettiğimiz aşırı temkinlilik çürütücüdür. Yanlış hiçbir şey söylemeyenler, genellikle dişe dokunur hiçbir şey söylemezler.

20. Belirli çevrelerde dini inançlara karşı yaygın olan tahammülsüzlüğe direnilmelidir. Seçkinlerin dini inanca tahammülsüzlüğü, belki de siyasi projelerinin, iddia ettikleri kadar açık fikirli bir entelektüel hareket olmadığının en belirgin işaretlerinden biridir.

21. Bazı kültürler hayati ilerlemeler kaydetmiştir; diğerleri ise işlevsiz ve gerici kalmaya devam etmektedir. Artık tüm kültürlerin eşit olduğu savunuluyor. Eleştiri ve değer yargıları yasaklanmış durumda. Oysa bu yeni dogma, belirli kültürlerin ve hatta alt kültürlerin harikalar yarattığı gerçeğini örtbas ediyor. Diğerleri ise vasat, daha da kötüsü, gerici ve zararlı olduklarını bu sayede örtelebiliyor.

22. Boş ve kof bir çoğulculuğun sığ cazibesine direnmeliyiz. Bizler, Amerika’da ve daha geniş anlamda Batı’da, son yarım yüzyıldır kapsayıcılık adına ulusal kültürleri çok geride bıraktık.

Geçtiğimiz haftalarda Palantir gibi yapay zeka dünyasının önemli figürlerinden birinin yine benzer haberlerini gördük hep beraber: Sam Altman.

Altman sahnede bize Yapay Genel Zekanın (AGI) hastalıkları bitireceği, insanlığa sınırsız enerji ve bolluk getireceği kusursuz bir cennet vadederken; kendi özel hayatında Kaliforniya'nın ıssız dağlarında geniş araziler satın alan, özel kasasında altın külçeleri, silahlar, İsrail yapımı gaz maskeleri ve radyasyon için potasyum iyodür hapları saklayan bir "kıyamet günü hazırlıkçısı” olarak adresleniyor New Yorker tarafından.

Altman da ardından Axios’a bir röportaj verdi:

Altman artık "Yapay zeka sadece bir asistandır" tezini tamamen bir kenara bırakmış durumda. Yeni röportajında açıkça: Süper zeka o kadar yıkıcı olacak ki; devasa bir işsizlik dalgası yaratacak, siber ve biyolojik tehditleri (laboratuvarda üretilen patojenler gibi) tetikleyecek ve en önemlisi gücü ve zenginliği çok küçük bir şirket grubunun elinde toplayacak.

itirafını yapıyor, yetmiyor.

"New Deal" (Yeni Mutabakat) diye bir çözüm öneriyor. İsim ilginç, çünkü 1930'larda ABD'deki Büyük Buhran sırasında Başkan Roosevelt'in uyguladığı ve onla bilinen "New Deal", devleti devreye sokarak sokarak kapitalizmi kendi krizinden kurtarma ve halka iş/aş sağlama projesiydi. Altman ise kendi "Yapay Zeka New Deal"ını öneriyor üstelik seçilmiş bir amerikan başkanı olmadan: Robot vergileri, kamu varlık fonları ve otomatik sosyal güvenlik ağlarıyla bu işsiz, çaresiz kalan insanların acısını nispeten hafifletmek istediğini vurguluyor, buna çalışılması gerektiğini söylüyor.

Tüm bunlara bakınca şunu görüyoruz, şirketler, Palantir, OpenAI, kurucular, neredeyse artık insanlığın sahibi, sorun çözücüsü, yol göstericisi olarak davranıyor. Hepsini okuyunca geçen hafta benim aklıma Yanis Varoufakis ve TeknoFeodalizm tezi geldi. Kendisinin de gelmiş ki bir değerlendirme de yazdı.

Varoufakis’e göre eski sistemde işleyiş belliydi; fabrikalar (üretim araçları) vardı, patronlar işçi çalıştırıp "kar" elde ederdi ve insanlar serbest "pazar yerlerinde" alım satım yapardı. Ancak bugün, o bildiğimiz geleneksel pazarlar tamamen buharlaştı. Onların yerini "Bulut Sermayesi" (Cloud Capital) dediğimiz devasa, algoritmik ağlar aldı. Amazon, Google, Meta veya Apple artık basit birer şirket veya pazar yeri değil aslında bulut sermayesinin sahibi, feodal derebeyler.

Bu yeni Orta Çağ’da, eskinin fabrika işçileri veya kendi hikayesini yazan özgür girişimcileri yok. Bizler artık, bu dijital topraklarda sabahtan akşama kadar ekran kaydırarak, metin girerek, fotoğraf yükleyerek efendilerimizin algoritmalarını bedavaya eğiten “dijital serfleriz” (yani derebeylikte toprağa bağlı köleler). Yeni efendilerimiz olan teknoloji lordları, artık rekabet edip para kazanmanın (profit) peşinde koşmuyorlar; onlar, kendi kurdukları dijital topraklarda nefes alan herkesten, her satıcıdan ve her üreticiden doğrudan “rant” (rent) topluyorlar. Tıpkı Orta Çağ’da kendi köprüsünden geçen tüccardan haraç kesen feodal lordlar gibi, bugün de dijital dünyada var olabilmek için bu bulut lordlarına haraç ödemek zorundayız. Sadece biz değil büyük şirketler bile, özellikle eski dönemin şirketleri.

Öte yandan hocaya göre teknofeodalizmin en korkunç yanı ise insanın kendi kaderini tayin etme gücünü elinden alması. İnsanın iradesi, karar alma yetkisi ve dünyayı değiştirme gücü, nasıl çalıştığını kimsenin tam olarak bilmediği devasa “kara kutulara” (algoritmalara) devredilmiş. Bu sistemin amacı insanı güçlendirmek veya özgürleştirmek değil; tam aksine, onu kendi inşa ettiği yankı fanuslarına hapsedip, her kararını optimize ederek sonsuz, pasif ve risksiz bir tüketiciye dönüştürmek.

Silikon Vadisi’ndeki kavga, tam olarak bunun nasıl yönetileceği üzerine kopuyor aslında.

İzninizle birkaç madde ile Palantir’e hocanın cevabını paylaşmak da istiyorum.

1. Silikon Vadisi, Amerikalıların büyük çoğunluğunun hayatını mahveden suçlu bankacıları kurtaran egemen sınıfa ölçülemez bir minnet borçludur. Silikon Vadisi’nin mühendislik eliti, aşağıladıkları, yani piyasa değerini yitirmiş sığırlar gibi muamele ettikleri, Amerikalıların çoğunluğu adına, bu egemen sınıfı ölümüne (kelimenin tam anlamıyla!) savunacaktır.

4. Kaba kuvvete selam olsun! Etik dediğin şey enayiler içindir. Batı'nın, Palantir'in ölümcül yazılımlarına daha çok ihtiyacı var.

12. Palantir nükleer silah yapmaz ama büyük bir keyifle diğer kitle imha silahlarını geliştirir. Nükleer Kıyamet'in (Armageddon) senaryolarının yanısıra, insanlığın varlığına yönelik yapay zeka güdümlü yeni tehdidi de eklemeye hazır olduğunu gururla duyuruyor.

Hoca Palantir’in ne anlatmak istediğini iğrenç diye betimleyerek anlatmış, daha önce Palantir hakkında konuşmuş ve savunma tarafındaki senaryoları çok yakın takip eden biri olarak, bu kadar büyük kırılmaların ve teknofeodalizm tezinin yarattığı endişenin üstünde durup neler yapılması gerektiğini daha detaylı anlamayı zorunluluk olarak görüyorum.

Umarım, hocanın ve Ruhunu Yükseltmekte fayda görenlerin sesinin daha güçlü çıktığını görürüz.

Sevgiler, gelecek hafta en organik bültenimizde tekrar görüşmek üzere.

Merhabalar,

Otostopçunun Yapay Zeka Rehberi’nde bu hafta yapay zeka dünyasının en sevdiğim ve en cesur seslerinden biri olan Andrew Ng‘nin bültenini okurken, üstüne konuştuğumuz konuları kapsayan ancak çok daha büyük bir gerçekliğe yine çok iyi işaret eden notlarını gördüm. Ng’nin anlattıkları yalnızca teknoloji politikasına dair teknik bir tartışma değil; bilginin nasıl çarpıtıldığını, toplumsal kararların nasıl duygusal tetikleyicilerle şekillendirildiğini ve iyi niyetli bireylerin farkında olmadan nasıl bir algı savaşının piyonuna dönüştürülebildiğini anlatan, son derece öğretici bir hikayeydi sizlerle de bu bölümde paylaşmak istedim :)

Ng, başından itibaren önemli bir ayrımı titizlikle çiziyor: Yapay zekanın belirli etkileri konusunda samimi kaygılar taşıyan insanlar var ve bu insanlar fikir ayrılığı doğursa bile entelektüel dürüstlükleri itibariyle saygıyı hak ediyor. Asıl tehlikeli olan, kaygıdan değil hesaptan beslenen muhalefet. Yani kamuoyunu taramak için sistematik araştırmalar yürüten, “hangi mesaj insanları en çok harekete geçirir?” sorusunu soran ve bulduğu cevabı lobi faaliyetlerine, siyasi söylemlere ve medya kampanyalarına dönüştüren yapılardaki organizasyonlar.

Araştırmayı okumak ve indirmek için:

Which Ai Harms And Risks Will Mobilise The Public To Act Social Change Lab March 2026

6.71MB ∙ PDF file

Download

Download

Şimdi burada durup düşünmek gerekiyor. Çünkü bu meselelerin her biri gerçek, her biri önemli ve her biri en büyük ciddiyetle ele alınmayı hak ediyor. Yapay zeka destekli savaş teknolojileri, insanlık için gerçek bir tehdit barındırıyor. Veri merkezlerinin enerji tüketimi tartışılmayı hak eden bir konu. İş piyasasındaki dönüşüm, gerçek insanların gerçek acılarına yol açıyor. Çocukların dijital dünyada korunması, hiçbir dönemde görmezden gelinmemesi gereken bir sorumluluk.

Sorun bu kaygıların varlığında değil; bu kaygıların araçsallaştırılmasında. Karmaşık, çok boyutlu meselelerin tek yönlü bir anlatıya indirgenmesi, bilimsel gerçekliğin yerini duygusal tetikleyicilere bırakması ve tüm bunun arkasında kamuoyunun iyiliğinden çok kurumsal çıkarların yatması. Ng’nin işaret ettiği en can alıcı nokta tam olarak burası: Büyük yapay zeka şirketlerinin kendisinin de bu oyunu oynadığı anlar var. Açık kaynaklı projeleri rakip olarak gören bu şirketlerin, kendi pazar hâkimiyetlerini korumak adına “yapay zeka tehlikeli” söylemine sarıldıkları görülüyor. Bu bir ironi değil, bir sistemik tutarsızlık ve Ng bunu açıkça adlandırıyor.

Tarih bu konuda bize son derece ağır bir ders sunuyor ve Ng bu dersi hatırlatıyor yazısında. Petrol şirketleri, onlarca yıl boyunca nükleer enerjiye karşı sistematik bir korku iklimi yarattı. Reaktör güvenliğiyle ilgili gerçekliğin çok ötesine geçen kaygılar kamuoyuna pompalandı, hükümetler bu baskıya yenik düştü ve nükleer enerji geliştirmesi fiilen kilitlenerek durma noktasına geldi.

Bunun insani bedeli ne oldu? Alternatif, çok daha kirli enerji kaynaklarının hâkimiyeti uzadı; hava kirliliğinden kaynaklanan milyonlarca erken ölüm gerçekleşti ve atmosfere salınan karbon miktarı dramatik biçimde arttı. Çevreyi koruma adına kurulan baskı mekanizması, çevreye en büyük zararı verdi. Buradaki dersin özü şu: Bilimsel veriye dayanmayan, duygusal temelde inşa edilmiş politikalar, korumayı amaçladığı insanlara en büyük zararı verir. Ve Ng’nin sorduğu soru bizi doğrudan ilgilendiriyor: Yapay zeka için de aynı kaderi mi yazıyoruz?

Veri merkezleri meselesi bu açıdan son derece somut bir örnek. Ng’nin aktardığı bulgulara göre, kamuoyunun veri merkezlerinin çevresel etkisine ilişkin algısı, gerçeklikten çok daha karamsar. Oysa veri merkezleri, yaptıkları iş için bugün var olan en verimli sistemler arasında. Bu merkezlerin inşasını kısıtlamak çevreyi korumaz; aksine, çok daha az verimli alternatiflerin önünü açar ve toplam karbon ayak izini artırır. Benzer bir çarpıtma iş kayıpları meselesinde de işliyor.

Pandemi döneminde aşırı büyüyen, sonra küçülmek zorunda kalan şirketler bu tabloyu yapay zekaya yıkıyor; oysa söz konusu operasyonların büyük bölümüne yapay zeka henüz dokunmamış bile. Ng bu kavrama yeni ve son derece yerinde bir ad koyuyor: “AI washing.” Başka sebeplerle alınan kararları yapay zekayla açıklama alışkanlığı. Bu alışkanlık hem gerçeği bulanıklaştırıyor hem de yersiz korkuları besleyerek gerçek bir entelektüel kirlilik yaratıyor.

Bu yüzden Beyaz Saray’ın önerdiği federal çerçeveyi önemli buluyor: Eyaletlerin kendi tüketici koruma yasalarını uygulamasına ve kendi yapay zeka kullanım tercihlerini belirlemesine izin verirken, yapay zeka geliştirmeyi kısıtlayan eyalet yasalarının federal düzenlemelerle geçersiz kılınmasını öngörüyor. Bu bir özgürlük kısıtlaması değil; bir tutarlılık güvencesi.

Ng’nin bu yazısından çıkan en derin ders bence şu: Eleştirel düşünce, yalnızca yanlış olduğunu düşündüğümüz fikirlere değil, doğru olduğunu hissettiğimiz fikirlere de uygulanmalıdır. Bir argümanın duygusal gücü, onun doğruluğunun kanıtı değildir. Bir kaygının yaygın olması, onun ölçülü olduğu anlamına gelmez.

Ve bir söylemin iyi niyetli görünmesi, arkasındaki çıkar yapısından bağımsız olarak değerlendirilemez. Yapay zekanın faydalarını ve risklerini bilimsel bir süzgeçten geçirmek, duygusal tetikleyicilere karşı entelektüel bir bağışıklık geliştirmek ve karmaşık meseleleri olduğu gibi, bütün karmaşıklığıyla kabul etmek; bugün hepimize düşen sorumluluk.

Bilgi üretmek kadar, bilgiyi doğru okumak da bir beceri ve sonuç meselesi.

Dolayısıyla öğrenmeye ve inşa etmeye devam edelim hep beraber.

Gelin beraber biraz NG’nin bahsettiği bu güncel araştırmayı konuşalım.

Mart 2026’da yayımlanan “Which AI Harms and Risks Will Mobilize the Public to Act?” başlıklı araştırma, yapay zeka karşıtı iletişim stratejilerini anlamak açısından son derece önemli bulgular sunuyor. Birleşik Krallık merkezli Social Change Lab tarafından yürütülen bu çalışma, 3.467 katılımcıyla gerçekleştirilen randomize kontrollü bir deneyden oluşuyor. Yaş, cinsiyet ve siyasi eğilim açısından temsili bir örneklem üzerinde test edilen on bir farklı yapay zeka riski, hem kaygı düzeyi hem de harekete geçirme potansiyeli bakımından karşılaştırmalı olarak ölçüldü.

Peki insanları gerçekten harekete geçiren ne? Araştırma bu soruya son derece net bir yanıt veriyor. Çevresel zararlar, harekete geçirme potansiyeli en yüksek konu olarak öne çıkıyor; okuma sonrasında kaygı ve eylem isteğinde gözlemlenen artış diğer tüm kategorilerin üzerinde. Yapay zeka destekli savaş ise genel kaygı düzeyini en güçlü artıran tema. Ve ilginç bir paradoks: iş kayıpları, anketlerde en sık dile getirilen kaygı olmasına karşın harekete geçirme gücü açısından oldukça sınırlı kalıyor. Yani bir meselenin gündemde ne kadar yer kapladığı, onu ne kadar eyleme dönüştürebileceğinin güvenilir bir göstergesi değil.

Araştırmanın en ürpertici bulgusu ise başka bir yerde saklı. Çalışma, yapay zeka destekli savaş hakkında okuma yapmanın, varoluşsal riske ilişkin kaygıyı doğrudan varoluşsal risk hakkında okumaktan daha fazla artırdığını ortaya koyuyor. Araştırmacılar bu bulgudan pratik bir sonuç çıkarmakta gecikmedi: Varoluşsal riske odaklanan kampanyalar, mesajlarını savaş ve çevre üzerinden kurgulamalı. Araştırmanın kendi sözleriyle, bu bir “somber window of opportunity”, yani kasvetli ama stratejik bir fırsat penceresi.

Nirit Weiss-Blatt, AI Panic bülteninde bu araştırmayı son derece keskin bir analizle değerlendiriyor. Weiss-Blatt’a göre, yaklaşık bir yıldır gözlemlenen taktik kayma (varoluşsal tehditten iş kayıplarına, çevre kaygılarına ve savaş söylemine geçiş) tesadüf değil, bilinçli bir strateji. Hedef kitle değişti; ama nihai hedef değişmedi: insanları “yapay zeka insanlığı bitirecek” çekirdeğine geri taşımak. Weiss-Blatt bu taktik için yıllar önce yaygınlaşan bir kavramı kullanıyor: bait-and-switch, yani yemle ve değiştir. Önce güncel ve somut bir kaygıyla kapıyı aç, ardından asıl mesajını kapıdan girenlere empoze et.

Bu noktada durup eleştirel bir soru sormak gerekiyor: Araştırmanın kendisi, bulgularını yalnızca akademik bir katkı olarak mı sunuyor; yoksa harekete geçirme potansiyeli yüksek mesajları tespit ederek bir kampanya rehberi mi oluşturuyor? Social Change Lab’ın kuruluş misyonuna bakarsak: “hareketler ve fon sağlayıcıların daha etkili olmalarına yardımcı olmak.” Araştırmayı finanse eden “Changing Ideas” ise Etkin Altruizm ekosistemiyle bağlantılı bir yapı. Bir araştırmanın metodolojik kalitesi ile kurumsal amacı, birbirinden ayrı değerlendirmeyi gerektiriyor.

Gelecek hafta podcastte bu yapıyı da bu ekosistemi de anlayacağımız bir bölüm yapacağız.

Buradan çıkaracağımız ders açık hep beraber: Bir mesajın insanları harekete geçirmesi, o mesajın doğruluğunun kanıtı değildir. Çevre ve savaş, gerçek ve önemli meseleler. Ama bu gerçeklik, onların stratejik hedefler için araçsallaştırılmasını meşrulaştırmaz. Bilinçli bir okuyucu olarak, hangi kaygının samimiyetten, hangisinin stratejiden beslendiğini ayırt etmek; bugün her zamankinden daha kritik bir entelektüel beceri.

Gelecek hafta podcastte bu konuyu tam olarak anlamımızı sağlayacak bu kitabı konuşacağız:

Kaynaklar:

¹ Social Change Lab. (2026). Which AI Harms and Risks Will Mobilize the Public to Act? socialchangelab.org

² Weiss-Blatt, N. (Mart 2026). “Study: The Public Isn’t Concerned or Mobilized by AI Doomsday Warnings.” AI Panic, Substack.

³ Acemoglu, D. & Restrepo, P. (2019). “Automation and New Tasks: How Technology Displaces and Reinstates Labor.” Journal of Economic Perspectives, 33(2), 3-30.

Yapay zeka dünyasında her hafta yeni bir model, yeni bir araç, yeni bir iddia çıkıyor. Ve bu akışın içinde çok kolay bulunamayacak bir şey var: gerçekten doğru dürüst bir yorum, değerlendirme.

Herkes bir şeylerin nereye gittiğini biliyor gibi konuşuyor. Güvenle tahminler yapılıyor, kesin senaryolar çiziliyor. Ama geçen hafta Andrew Ng okuyucularına gönderdiği mektup tam tersini yaptı muhtemelen geçen sene size blockchain, ondan önceki sene dijital pazarlama eğitimi satmaya çalışanlardan daha fazla dinlemeye değer bir isim. Ng, alanın en deneyimli isimlerinden biri olarak şunu söylüyor temelde: belirsizlik gerçek ve kimse ne olacağını tam olarak bilmiyor.

Asla eskimeyecek iki önemli tavsiye de veriyor.

Bu hafta Otostopçunun Yapay Zeka Rehberi’nde bu mektubu mercek altına alıyoruz. Çünkü Ng’nin anlattıkları teknik değil, çok daha temel bir şey: hızla değişen bir dünyada neye tutunabiliriz?

Andrew Ng geçen hafta okuyucularına bir mektup gönderdi. Teknik bir konusu yok mektubun, agentlar fln anlatmadı, yada dünyayı değiştirmek için şunu yapın gibi acayip iddiası yoktu, yeni bir model çıkmamıştı, sektörden bir haber de vermiyordu. Sadece, alanda çalışan herkesin hissettiği ama bu kadar açık dile getirmekten genellikle kaçındığı bir şeyi yazdı: belirsizlik herkesi sardı ve size birşeyler satmak isteyen ve bu konuyla ilgili bir fikri olmayan birkaç dolandırıcının iddiasının aksine kimse ne olacağını gerçekten bilmiyor.

Ng’yi tanımayanlar için: derin öğrenmenin mimarlarından biri, Coursera’nın kurucusu, Google Brain’in ilk yöneticilerinden, Stanford’da Derin Öğrenme Profesörü. Yani alanı hem akademik hem pratik olarak en derinden bilen insanlardan biri.

Ve mektupta NG şunu yazıyor: Frontier AI laboratuvarlarının (yani en önemli yapay zeka şirketlerinin) yöneticileriyle özel sohbetler yaptığında, kamuoyuna son derece emin konuşan bu insanların aslında hepsinin aynı şeyi söylediğini duyuyorum. “Birkaç yıl sonra ne olacağını gerçekten bilmiyoruz.”

Bunu okuyunca bu bölüme kadar bültende konuştuğumuz şeyleri hatırladım. Çünkü bu itiraf önemli. Belirsizliği kabul etmek, ona hazırlanmanın da ilk adımı.

Ng mektubunda çok farklı kesimlerden insanlarla konuştuğunu ve hepsinde aynı hissin olduğunu yazıyor. Liseyi yeni bitiren gençler kendileri için iş alanlarının kalıp kalmayacağını soruyor. Deneyimli mühendisler bu tempoya yetişip yetişemeyeceklerini merak ediyor. Şirket yöneticileri işlerini bu çağa nasıl taşıyacaklarını düşünüyor. Üstüne bir de jeopolitik belirsizlikler (İran, İsrail, ABD muhtemel Çin-Tayvan, Rusya-Ukrayna vs. denklemleri) eklenince, geleceğin bu kadar muğlak göründüğü başka bir dönem hatırlamıyorum diyor.

Ben de hatırlamıyorum açıkçası.

Peki böyle bir ortamda ne yapmamız gerekiyor?

Ng burada Jeff Bezos’un çok sevdiğim bir sorusunu hatırlatıyor. Bezos iş kurarken “10 yıl sonra ne değişecek?” diye sormak yerine “10 yıl sonra ne aynı kalacak?” diye sorar. Değişmeyecek şeyler üzerine inşa edersiniz çünkü o zemin sağlamdır. Teknoloji hızla değişiyor, şirketler değişiyor, araçlar değişiyor. Ama bazı şeyler yerinde duruyor.

Ng’ye göre bu şeyler iki başlıkta toplanıyor: ilişkiler ve beceriler.

İlişkiler hakkında söyledikleri kulağa sıradan geliyor ama değil. Covid döneminde toplulukların birbirini nasıl tuttuğunu hatırlıyoruz. Ng bunu romantik bir perspektiften değil, son derece pragmatik bir gözle söylüyor: belirsizlik arttıkça güvendiğiniz insanlar hem sizi ilerletiyor hem de kötü senaryolara karşı gerçek bir güvence oluşturuyor. Bence bu gözlem yapay zeka çağında daha da kritik hale geliyor, çünkü araçlar ne kadar gelişirse gelişsin, hangi insanlarla çalıştığınız meselesi hep önemli.

Beceriler konusunda ise şunu vurguluyor: Hangi şirketin ayakta kalacağını bilemezsiniz, ama kazandığınız bir beceriyi kimse sizden alamaz, gerçekten kazanırsanız tabi. Üstelik beceriler birbirinin üzerine eklenerek büyüyor eğer doğru öğrenmeyi çözebilirseniz. Prompt yazmayı öğrenmek, kodlama ajanlarını daha iyi kullanmanızı sağlıyor. Yapay zekanın temellerini anlamak, bir uygulamayı nasıl tasarlayacağınızı görmenizi kolaylaştırıyor. Bunun yolu bence hala gündem takip etmek değil, en azından video reelslerden.

Benim özetle bu mektuptan çıkardığım şey şu: Yapay zeka alanında en büyük hata, her şeyin netleşmesini beklemek. Çünkü netleşmeyecek, en azından bu hızda gitmeye devam ettiği sürece. Belirsizlik bir geçiş dönemi değil, yeni normal. Ve Ng’nin önerisi de tam bu aşamada bu yüzden değerli: kontrol edemeyeceğiniz şeylere değil, elinizde olanlara odaklanın, sürekli hype kovalamayı, kendileri de anlamayan youtuberları, geçtiğimiz senenin dijital pazarlamacısı araç tanıtımcılarını bırakın iki şeye odaklanın.

İnsanlar ve öğrenme. Gerisi gelir.

Ng’nin mektubunu okurken aynı hafta çok ilginç bir şey daha çıktı. Ve ikisi yan yana gelince resmin tamamı farklı görünmeye başlayacak, geçen haftalarda da Anthropic’in benzer bir araştırmasını görmüştük.

Andrej Karpathy de benzer bir araştırma yayınladı. Karpathy’yi tanımayanlar için: Tesla’nın eski yapay zeka direktörü, OpenAI’ın kurucu ekibinden biri.

Karpathy’nin yaptığı şey metodolojik olarak basit ama sonuçları sarsıcı. Amerikan İstatistik Bürosu’nun 342 farklı meslek için tuttuğu iş tanımlarını almış, bunları bir yapay zeka modeline verdi ve her meslek için 0 ile 10 arasında bir puan çıkardı. Puan tek bir şeyi ölçüyor: o meslek yapay zekaya ne kadar açık?

Puanlamanın mantığını anlamak için önce yapay zekanın gerçekte ne yaptığını anlamak gerekiyor.

Yapay zeka, özünde bir örüntü tanıma ve üretme makinesi. Büyük miktarda metin, veri ve kod üzerinde eğitilmiş, dolayısıyla bu veriyi anlayabiliyor tırnak içinde ve benzer verilerde de anlayabilme, çıktı üretebilme imkanına sahip en basit haliyle özellikle LLMler bu üç alanda son derece iyi. Bir avukatın işini düşünelim: araştırma, içtihat tarama, sözleşme taslağı hazırlama, dilekçe yazma. Bunların tamamı metin üretimi. Bir finansal analistin işini düşünelim: veri okuma, tablo yorumlama, rapor yazma. Yine aynı kategori. Yazılım geliştirici: araştırma, gözden geçirme, kod yazma. Aynı kategori metinin, verinin tipi farklı ama kaynak ve süreç aynı.

Şimdi bir çatı ustasını düşünelim beraber. Fiziksel dünyada, elleriyle, bir binanın çatısında, gün boyu, o koşullarda çalışıyor. Yapay zekanın buraya girmesi için önce robotik teknolojisinin ve dünya modelleri gibi konseptlerin çok farklı bir noktaya gelmesi lazım. Henüz orada değiliz teknoloji olarak.

Karpathy’nin puanlaması tam bu mantığa göre çalışıyor.. Ekran başında, dijital çıktı üreterek yapılan işler üstte. Fiziksel, yerinde, bedensel beceri gerektiren işler altta. Ve sonuçlar tam burada Anthropic’in konuştuğumuz araştırması ile benzeşiyor.

En yüksek puanı alan meslekler, toplumun en çok yatırım yaptığı, en uzun süre eğitim aldığı, en yüksek ücret aldığı kesimler. Tıbbi transkripsiyon uzmanları 10 üzerinden 10. Muhasebeciler ve denetçiler 9. Finansal analistler 9. Avukatlar 9. Yazılım geliştiriciler 8 ile 9 arasında. Çatı ustaları yada marangozlar ise 0 ile 1 arasında.

Dolayısıyla, analiz ve sonucu çok normal, şaşırıyoruz, haber değeri var çünkü onlarca yıldır şunu duyduk: iyi bir iş istiyorsan iyi bir şekilde oku, çalış, okullarını bitir, iyi bölümlere gir, masa başında çalış, kıdemli, bilgiye dayanan bir iş yap, uzmanlık olsun. Şimdi bir bakıyoruz tam olarak o işler en riskli durumda, geçtiğimiz haftalardaki Anthropic araştırması da bunu söylüyordu. O yüzden hala tam bir verimlilik alanına ulaşamasa da hakikaten bu meslekler daha riskli.

Tablonun ölçeğini kavramak da önemli. Bu yüksek puanlı mesleklerde sadece Amerika’da yaklaşık 60 milyon insan çalışıyor. Toplam yıllık maaş havuzu 3,7 trilyon dolar. Bunu somutlaştırmak için kafada bir canlandıralım beraber: bu rakam Almanya’nın yıllık gayri safi milli hasılasına yakın.

Karpathy aracı ve duyurusunu aslında sosyal medya hesaplarından kısa süre sonra kaldırdı. Çünkü aslında yapmak istediği araştırma kamuoyunda hemen “bu meslekler bitiyor” yorumuna dönüşmüştü, araştırmayı yaparken amacı bu değildi kendi vurgusuna göre. Yüksek puan tehdidi değil, kaldıracı gösteriyor. Yapay zeka o mesleği yok etmiyor, ama o mesleği yapanlar arasındaki farkı açıyor dolayısıyla negatif etkisi kadar pozitif kaldıracı da büyük olabilir.

Tarihsel olarak bu iyimser okuma çoğu zaman doğru çıktı. Excel muhasebecileri işsiz bırakmadı, tam tersine muhasebe sektörü büyüdü. İnternet gazetecileri yok etmedi, gazetecilik başka bir biçime dönüştü. Her büyük teknolojik dönüşümde aynı korku yaşandı ve her seferinde istihdam bir şekilde yeniden yapılandı.

Bu sefer farklı olduğunu düşündüren bir şey var herkese, özellikle uzmanlara, örneğin.

Önceki araçlar belirli görevleri otomatize ediyordu. Hesap makinesi toplamayı otomatize etti, ama muhasebenin yargı gerektiren kısmına dokunamadı. Bilgisayarlar yazmayı kolaylaştırdı, ama ne yazılacağına karar veremedi özet olarak hep söylenen şey, tüm uzmanların vurguladığı. Yapay zeka ise bir avukatın örneğin, işinin büyük bölümünü, hem rutin hem de uzmanlık gerektiren kısımlarını, aynı anda ve çok daha hızlı yapabilir ki bunu Harari ve birçok başka isim de söylüyor. Yapay zeka ilk kez bu sınırı aşıyor. Harari’nin deyimiyle yapay zeka “bilişsel emeği” otomatize ediyor. Ve bilişsel emek tam olarak avukatın, finansal analistin, yazılım geliştiricinin sattığı şey. Yani bu mesleklerin piyasadaki değeri, o güne kadar makinenin yapamadığı şeyi yapabilmekten geliyordu. Şimdi o sınır yavaş yavaş ortadan kalkıyor. Harari bunu bir yıkım hikayesi olarak değil, bir dönüşüm hikayesi olarak anlatıyor. Ama dönüşümün hızının bu sefer çok farklı olduğunu da vurguluyor. Tarım devriminde bir nesil tarladan şehre göç etti, endüstri devriminde insanlar fabrikaya uyum sağladı.

Bu geçişler onlarca, bazen yüzlerce yıl sürdü. Yapay zekanın getirdiği dönüşüm ise yıllar içinde değil, aylar içinde gerçekleşiyor. İnsan uyum kapasitesinin bu hıza yetişip yetişemeyeceği sorusu, Harari’nin en çok endişelendiği nokta. Özetle, bu daha önce yaşanan dönüşümlerden niteliksel olarak farklı.

Ve işte burada Ng ile Karpathy de aynı noktada buluşuyor.

Ng “belirsizlik içinde bile becerilerinize yatırım yapın” diyordu. Karpathy’nin listesi ise hangi becerilerin ne yönde dönüşeceğini aslında bir görsele yada analize döküyor geçtiğimiz haftalarda Anthropic de benzer bir araştırma yapmıştı. İkisini birlikte okuyunca net bir şey çıkıyor: uyum hızına ve gerçekten öğrenmeye dikkat etmek oldukça önemli.

Sevgiler,

Fatih

Bilim kurgunun en sevdiğim yanı, bir gün kurgu olmaktan çıkması. Çocukken okuduğumuz hikayelerdeki el bilgisayarları cebe girdi, uzay mekiği gerçek oldu, sıfırdan organ üretimi laboratuvarlarda deneniyor. Ve şimdi sıra, belki de en büyük vaade geldi: Tedavisi olmayan hastalıkların tedavisini bulmak.

Bu hafta “Otostopçunun Yapay Zeka Rehberi”nde oldukça heyecan verici bir konuya bakıyoruz. Yapay zeka artık sadece kod yazıp metin üretmekle kalmıyor; antibiyotiklere dirençli bakterileri öldüren moleküller tasarlıyor, 200 yıldır çözülemeyen Parkinson hastalığının ipuçlarını kovalıyor ve rafta tozlanan ilaçların içinde gizlenmiş yeni tedavileri gün yüzüne çıkarıyor. Bunun yanı sıra haftanın en büyük haberlerinden birine de değineceğiz: “Derin Öğrenmenin Godfather’ı” Yann LeCun, Meta’ya veda edip kendi şirketini kurdu ve bu şirket henüz tek bir ürün çıkarmadan 1 milyar dolar topladı.

Hazırsanız başlayalım…

Yapay Zeka İlaç Üretiyor

Önce biraz sorunumuzu düşünelim beraber, çünkü tablonun ne kadar ciddi olduğunu anlamadan yapay zekanın ne yaptığını hissedemeyiz.

İnsanlık ile bakteriler arasındaki mücadele yaklaşık 50 yıldır bizim aleyhimize dönüyor. Bu savaşın silahları olan antibiyotikler, yıllar içinde aşınan bir cephaneden farksız hale geldi. Bakteriler bu ilaçlara direniyor, biz de yeni silah üretemiyoruz; çünkü yeni antibiyotik geliştirmek hem çok pahalı hem de çok yavaş bir süreç.

Rakamları görünce tablonun büyüklüğü net ortaya çıkıyor: Antibiyotik direncli enfeksiyonlar şu an yılda yaklaşık 1,1 milyon insanı öldürüyor. Acil önlem alınmazsa bu rakamın 2050’de yılda 8 milyona ulaşması bekleniyor. Buna karşın 2017-2022 arasındaki tam beş yılda dünya genelinde onaylanan yeni antibiyotik sayısı yalnızca 12 oldu. Ve bunların çoğu, bakterilerin zaten direnç geliştirdiği eski ilaç ailelerine benziyor.

Sorunun bir kısmı ekonomik: Büyük ilaç şirketleri, uzun vadede karlılığı belirsiz antibiyotik geliştirme yerine çok daha karlı, yenilikçi alanlara yatırım yapmak isterken, bu tercihin bedelini hepimiz ağır ödüyoruz.

Bu tabloyu değiştirmeye çalışanlardan biri MIT’te tıp alanında mühendislik girişimleri yapmaya çalışan bir biyomühendislik profesörü, James Collins. Collins ve ekibinin yaptığı şeyi anlatmadan önce geleneksel yöntemle karşılaştırma yapalım: Geleneksel ilaç araştırmacıları, bir milyon kimyasal bileşiği taramak için altı ay çalışır ve birkaç milyon sterlin harcar. Collins’in yapay zeka destekli yaklaşımı ise aynı işi birkaç gün içinde, birkaç bin sterlinle ve milyarlarca molekülle yapabiliyor.

Peki bu nasıl mümkün oluyor? Collins’in ekibi, önce bilinen antibiyotiklerin kimyasal yapılarını modele öğretti. Bu eğitim sayesinde yapay zeka, bir molekülün bakteri öldürme potansiyeli taşıyıp taşımadığını tahmin edebilir hale geldi. Sonra araştırmacılar bu modeli iki tehlikeli hedef için çalıştırdı: Belsoğukluğuna neden olan Neisseria gonorrhoeae ve hastane enfeksiyonlarının baş sorumlusu MRSA. Bu iki mikroorganizma ortak bir özellik taşıyor, mevcut antibiyotiklerin büyük çoğunluğuna direnç geliştirmiş durumdalar.

Buradaki hamle, yapay zekanın hem başlangıç noktası olarak bir molekülden hareket etmesi hem de gerektiğinde tamamen sıfırdan üretmesine izin verilmesiydi. Her kritik aşamada model kendi kendine “Bu antibiyotik gibi mi görünüyor?” diye sordu ve bileşiği puanladı. Süreç sonunda 36 milyon özgün bileşik tasarlandı. Bunlardan 24’ü laboratuvarda sentezlendi; 7’si gerçekten antimikrobiyal aktivite gösterdi ve ikisi her iki bakteri türüne karşı da son derece etkili çıktı.

Üstelik bu yeni bileşikler mevcut antibiyotiklerden farklı mekanizmalarla çalışıyor. Bu detay hayati: Bakteriler bildikleri silaha karşı direnç geliştiriyor; onların hiç tanımadığı bir mekanizmayla gelen bir ilaç, direncin işe yaramaması anlamına gelebilir.

Parkinson: 200 Yıllık Sorunun Peşinde

Parkinson hastalığı 1817’de teşhis edildi. O tarihten bu yana tıp organ nakli yapıyor, kanser tedavi ediyor, genetik hastalıkları düzeltiyor. Ama Parkinson’un ilerlemesini durduran tek bir tedavi hâlâ yok. Şu an dünyada 10 milyondan fazla hasta yaşıyor.

Peki bu alanda ilerlemek bir çözüm bulmak, üstelik uzun süredir bilinen ve oldukça da yaygın bir hastalığa neden bu kadar zor? Cambridge Üniversitesi’nden biyofizik profesörü Michele Vendruscolo’nun cevabı var bu soruya: Hastalığın nedenini bilmiyoruz. Neyi hedef alacağınızı bilmiyorsanız, o hedefe girecek ilaç tasarlamak da neredeyse imkânsız.

Vendruscolo’nun ekibi bu sorundan yola çıkıp bir araştırma tasarlıyor: Parkinson hastalarının beyninde “Lewy cisimleri” adı verilen protein kümeleri birikiyor. Bu kümeler hastalığın erken evrelerinde oluşuyor ve titreme, hareket yavaşlığı, kas sertliği gibi belirtilerin aslında çıktıların nedeni oluyor diyebiliriz. Ekip, bu kümeleri hedefleyebilecek ilaç adaylarını aramak için makine öğrenimini kullandı. Daha önce Lewy cisimlerine karşı etkili olabileceği düşünülen bileşikleri modele yükledi, model bunların kimyasal yapısından öğrenerek yeni öneriler sundu, öneriler laboratuvarda test edildi, sonuçlar tekrar modele beslendi. Döngü tekrarlandıkça tahminler iyileşti.

Sonuçta beş umut verici bileşen bulundu. Vendruscolo’nun özellikle vurguladığı nokta şu: Bu moleküller geleneksel yöntemlerle bulunabileceklerden çok daha yenilikçi bir yapıya sahip. Model, araştırmacıların bakış açısını kısıtlayan önyargılardan bağımsız düşünüyor.

Ama gerçek hedef daha iddialı: Hastalığı tedavi etmek değil, başlamadan önlemek. Vendruscolo şu an Lewy cisimlerini oluşturan proteinleri henüz sağlıklıyken stabilize edebilecek moleküller arıyor. Teori basit ama devrimsel: Proteinleri normal konumlarında sabitleyebilirseniz yani bir araya gelip birikmezlerse, yer değiştirmezlerse sorun başlamıyor, ve kümeleşme başlamıyorsa Parkinson da başlamıyor.

Kendi Hastalığını Kendisi Yenen Adam

2010 yılında tıp fakültesi öğrencisi 25 yaşındaki David Fajgenbaum, Castleman hastalığına yakalandı. Bağışıklık sistemini tetikleyen ve karaciğer, böbrekler ile kemik iliğini etkileyen bu nadir hastalık için hiçbir tedavi işe yaramadı. Doktorlar çaresiz olduklarını söyledi.

Fajgenbaum tıbbi literatürü baştan sona taradı ve şaşırtıcı bir bileşik keşfetti: Böbrek naklinden sonra organ reddini önlemek için kullanılan sirolimus. Bu ilacı kendi hastalığı için kullandı ve hastalığı 10 yılı aşkın süredir baskı altında yani sorun yaratmıyor :)

Hikâye ilham verici, ama Fajgenbaum’un asıl katkısı buradan sonra başlıyor. Bu deneyim bize kritik bir gerçeği öğretti: Güvenlik testlerinden geçmiş binlerce onaylı ilaç, başka hastalıklara karşı denenmeyi bekliyor. 2022’de kurduğu Every Cure organizasyonu, makine öğrenimini kullanarak tam da bunu yapıyorr, binlerce ilacı binlerce hastalıkla eşleştiriyor. Harvard Tıp Fakültesi’ndeki benzer bir çalışmada bir yapay zeka modeli, 17 binden fazla hastalık için yeniden kullanılabilecek yaklaşık 8 bin onaylı ilaç belirledi.

Bu yaklaşım özellikle nadir hastalıklarda anlamlı: Hasta sayısı az olduğu için ilaç şirketleri bu alanlara yatırım yapmıyor. Ama zaten var olan, güvenliği kanıtlanmış bir ilacı yeni bir amaçla kullanmak, sıfırdan ilaç geliştirmekten çok daha hızlı ve ucuz. Son yıllarda bu yöntemle Pitt-Hopkins sendromu, sarkoidoz ve çocuklarda görülen nadir böbrek kanseri Wilms tümöründe elimizdeki yöntemleri kullanabileceğimiz yapay zeka sayesinde önemli fikirler olarak ortaya çıktı.

Ancak, tablonun tamamına gelin bir beraber bakalım…

DeepMind’ın kurucu ortağı Mustafa Suleyman, “The Coming Wave” kitabında yapay zeka ile biyoteknolojinin yakınsamasını tarihin gördüğü en güçlü teknolojik birleşim olarak tanımlıyor. Suleyman’a göre bu iki alan tek başlarına bile dönüştürücü; bir arada ise birbirini katlanarak güçlendiriyor. Yapay zeka biyolojik verideki örüntüleri insan zihninin kavrayamayacağı bir hızda görüyor, biyoteknoloji ise yapay zekanın ürettiği hipotezleri gerçek dünyada test etmenin zeminini sağlıyor. Suleyman bu yakınsamayı aynı zamanda dikkatli yönetilmesi gereken derin bir risk olarak da çerçeveliyor; ama potansiyelin büyüklüğü konusunda hiç kuşkusu yok.

Yuval Noah Harari de bu konuda uzun süredir benzer bir vurgu yapıyor. Harari’ye göre tarih boyunca hastalık, kıtlık ve savaş insanlığın yazgısını belirledi. Şimdi ilk kez bu yazgıyı yeniden yazma ihtimali gerçek anlamda masada. Yapay zeka ve biyoteknolojinin kesişimi, Harari’nin “yaşamın algoritmasını yeniden programlamak” dediği şeyin kapısını aralıyor; bu hem tıbbi anlamda çok umut verici hem de etik açıdan dikkatli düşünmeyi gerektiren bir eşik.

Bu iki ismin bu kadar farklı perspektiften aynı noktada buluşması tesadüf değil. Sahada olan şey gerçekten olağandışı.

Ama coşkuyu bir kenara bırakıp pratiğe bakalım.

Yapay zeka şu an ilaç geliştirmenin yalnızca ilk adımlarında işe yarıyor: Hedef belirleme ve o hedefe bağlanacak molekül bulma. Bir ilacın hastaya ulaşması için gereken hayvan deneyleri, faz 1-2-3 klinik çalışmalar ve yasal onaylar gibi oldukça önemli aşamalar var, ve gerçekten işe yaradığını görmek için bu aşamalar kritik ve yıllar alan aşamalar doğal olarak kritikliği düşünürsek, o yüzden temkinli olmak gerekecek.

Bir de veri sorunu var: İlaçların vücuttaki emilim, dağılım ve toksisite verilerinin büyük bölümü ilaç şirketlerinin elinde ve kamuya kapalı. Yapay zeka ancak erişebildiği veriyle çalışabiliyor.

Buna rağmen McGill Üniversitesi’nden Jun Ding’in öngörüsü dikkat çekici: “Önümüzdeki 5-10 yıl içinde yeni ilaç geliştirmenin büyük bölümü yapay zeka tarafından yönlendirilebilir, belki de tamamen yapay zekaya dayalı olabilir.”

Bunun gerçekleşip gerçekleşmeyeceğini bilmiyoruz. Ama şunu biliyoruz: Bugün laboratuvar raflarında test bekleyen moleküller, dün kimsenin hayal edemeyeceği hızda bulundu. Ve bunlardan bazıları gerçek insanların gerçek hastalıklarına karşı işe yarayabilir.

Ve bu tek başına bile oldukça önemli…

Araştırma Avrupayı ve Başka Bir Yapay Zeka Fikrini Ayağa Kaldırıyor: Yann LeCun’un Milyar Dolarlık Zaferi

Turing Ödüllü Fransız-Amerikalı bilim insanı Yann Le Cun, mevcut yapay zeka paradigmasının en güçlü eleştirmenlerinden biriydi, bu alanı en iyi bilen iki isimden biri olarak (ki birincisi de iyi bir eleştirmen) LLM fikrinin temelde çözüm olmayacağını savunduğu için Meta’dan geçtiğimiz aylarda istifa etmişti.

LeCun’un kurduğu Advanced Machine Intelligence Labs (AMI), kuruluşundan yalnızca dört ay sonra 1,03 milyar dolarlık tohum yatırım turunu kapattı. Şirketin yatırım öncesi değeri 3,5 milyar dolar olarak belirlendi; turu bu alanda ünlü yatırım şirketleri Cathay Innovation, Greycroft, Hiro Capital, HV Capital ve Jeff Bezos’un yatırım şirketi Bezos Expeditions ortak olarak yönetti. Yatırımcılar arasında Toyota, Nvidia ve Samsung’un yanı sıra eski Google CEO’su Eric Schmidt de yer aldı. Ek olarak, Avrupa’da bir girişim tarafından toplanan en büyük tohum yatırım turu da oldu, Avrupa’nın yapay zeka vizyonunu da ortaya çıkaracak şekilde.

Peki LeCun ne inşa ediyor?

Yıllarca LLM’lerin, yani ChatGPT, Claude ve Gemini gibi büyük dil modellerinin temel bir yanılgı üzerine kurulu olduğunu savunan LeCun’un yanıtı şu: dünya modelleri. Büyük dil modelleri, bir sonraki kelimeyi tahmin ederek öğrenir. Bu yaklaşım dili üretmekte etkileyici sonuçlar verse de LeCun yıllardır bu mimarinin kalıcı sınırları olduğunu öne sürüyor. Bir kütüphanecinin hiç dışarı çıkmadan dünya hakkındaki her kitabı okumasına benzetiyor bunu: yerçekimi hakkında her şeyi bilir, ama hiç bir şeye dokunup , işlememiştir.

AMI, 2022’de LeCun’un geliştirdiği JEPA (Joint Embedding Predictive Architecture) mimarisi üzerine inşa ediliyor. Bu sistem, fiziksel dünyanın nasıl işlediğini anlayabilen ve karmaşık sistemlerin davranışını tahmin edebilen modeller yaratmayı hedefliyor; otonom sürüşten robotiğe, endüstriyel otomasyon ve sağlıktan havacılık sanayiine kadar uzanan alanlarda uygulanabilecek türden bir zeka hedefliyor.

Fransız Cumhurbaşkanı Macron da bu hamleye kayıtsız kalmadı özellikle Avrupa’da yapay zeka araştırmalarının, yatırımlarının güçlenmesini isteyen, bu alanda Le Cun’un danışmanlık da yaptığı Macron sosyal medyada bir tebrik mesajı yayınladı: “Yann LeCun, yapay zekada yeni bir sayfa açıyor. Bu vizyon, araştırmacıların, birşeyler inşa etmek isteyenlerin ve cesur olanların Fransa’sıdır. Tebrikler!”

Mira Murati’nin TML’i ve NVIDIA ile Önemli Ortaklığı Bize Ne Diyor?

Ocak ayında Mira Murati’nin şirketi için en kötü senaryo konuşulmaya başlanmıştı başlanmıştı. Thinking Machines Lab’in kurucu ortakları Barret Zoph ve Luke Metz ile araştırmacı Sam Schoenholz’un OpenAI’a geri dönmesi, Murati’nin OpenAI CTO’luğundan ayrılarak kurduğu şirket için hepimizi şaşırtmıştı.

10 Mart 2026, Murati için ve aslında yeni bir yapay zeka paradigması için konuşulan senaryoyu şuan devre dışı bıraktı gibi.

Nvidia ve Thinking Machines Lab, şirketin uç model eğitimi ile özelleştirilebilir yapay zeka platformlarını desteklemek amacıyla en az bir gigawatt Nvidia Vera Rubin sistemi konuşlandırmayı kapsayan çok yıllı stratejik bir ortaklık duyurdu. Nvidia CEO’su Jensen Huang geçen yıl bir gigawatlık yapay zeka hesaplama kapasitesinin yaklaşık 50 milyar dolara mal olduğunu açıklamıştı. Kısaca hakikaten, büyük ölçekli işler hariç ayırdıkları, düşündükleri bir işbirliği boyutu değil.

Thinking Machines Lab, Şubat 2025’te kuruluşundan bu yana Andreessen Horowitz, Accel ve Nvidia dahil yatırımcılardan 2 milyar dolardan fazla sermaye topladı. Şirket bir yıl önce yaklaşık 30 çalışanıyla faaliyete geçerken bugün 120 kişilik bir ekibe ulaştı.

Murati’nin yapmaya çalıştığı şey temelde OpenAI ve Anthropic gibi nispeten sabit ürünler sunan rakiplerinden farklılaşarak şirketlerin ve geliştiricilerin kendi gereksinimlerine göre şekillendirebileceği bir yapay zeka altyapısı inşa etmeye çalışıyor. Yani kendi ChatGPT’nizi ideal ortamlarda yaratmanız için altyapılar yaratmaya çalışıyor. Burada da yeni güçlü bir alan kurulmaya başlandığını söyleyebiliriz.

Bu hafta biyoteknoloji ve yapay zeka bizim için neler vaad ediyordan yola çıkıp, araştırma kökenli iki büyük yapay zeka girişimine bir bakış attık.

Gelecek hafta görüşmek üzere, sevgiler,

Fatih

Bu hafta herkes Anthropic’ten çıkan yeni bir araştırmayı konuştu.

Anthropic ekibinden iki ekonomist Maxim Massenkoff ve Peter McCrory’nin kaleme aldığı çalışma, yapay zekanın iş piyasasına etkisini ölçmek için yeni, akademik olarak da güçlü bir yöntem geliştiriyor ve eski verilerle, araştırma yöntemleriyle, milyonlarca Claude konuşmasından elde edilen gerçek kullanım verilerini ve işsizlik istatistiklerini yan yana getiriyor, hem beklenmedik hem de düşündürücü bulgulara ulaşıyor.

Hafta boyu herkes çıktıları büyük laflarla konuştu, gelin biz bir duralım ve araştırmanın nasıl yapıldığını, detayını anlamaya çalışalım.

Otostopçunun Yapay Zeka Rehberi’nde bu hafta Anthropic’in Labor market impacts of AI: A new measure and early evidence araştırmasına ve yapay zeka dünyasının en önemli isimlerinden Yoshua Bengio’nun yapay zeka risklerine odaklandığı TED konuşmasına bakacağız.

Nasıl Ölçülüyor?

Araştırmacıların benimsediği yaklaşım, görev bazlı bir karşılaştırma. Yani “bu işin tamamı AI’a devredilebilir mi?” diye sormak yerine, “bu mesleğin hangi görevleri AI tarafından yapılabilir?” diye soruyorlar.

Mesela bir öğretmenin görevleri arasında hem ödev notlandırma hem de sınıf yönetimi var. Ödev notlandırma bir AI tarafından yapılabilir, ama sınıfı yönetmek öyle değil. Bu yüzden öğretmenler, tüm görevleri uzaktan yapılabilen mesleklerden daha az “yapay zeka etkisine maruz” sayılıyor.

Bu görev bazlı yaklaşımı beslemek için üç farklı veri kaynağı kullanıyorlar:

O*NET veritabanı: ABD’deki yaklaşık 800 farklı mesleğe ait görevleri listeleyen kapsamlı bir veritabanı.

Anthropic’in kendi kullanım verisi (Anthropic Economic Index): İnsanların Claude’u gerçekte hangi görevler için kullandığını gösteren veriler.

Eloundou ve ark. (2023) çalışması: Her görevin teorik olarak bir dil modeli tarafından ne ölçüde hızlandırılabileceğini ölçen görev düzeyinde maruz kalma tahminleri. Bu çalışma basit bir puanlama kullanıyor: Bir görevi büyük dil modeli tek başına en az iki kat hızlandırabiliyorsa 1 puan, bunun için ek araçlara ihtiyaç varsa 0.5 puan, mümkün değilse 0 puan.

Teorik Kapasite ile Gerçek Kullanım Arasındaki Uçurum

En ilginç ve önemli bulgu burada ortaya çıkıyor. Teorik olarak mümkün olan ile insanların gerçekte kullandığı alanlar arasında devasa bir fark var.

Teorik ölçüme göre bir dil modeli, Bilgisayar ve Matematik meslek grubundaki görevlerin %94’ünü, Ofis ve İdari işlerin %90’ını hızlandırabilir. Kulağa ürkütücü geliyor, değil mi?

Ama gerçek kullanım verilerine bakıldığında tablo çok farklı. Bilgisayar ve Matematik kategorisinde Claude’un şu an kapsadığı görevler yalnızca %33. Geri kalanı, teorik olarak mümkün ama pratikte henüz gerçekleşmeyen bir potansiyel olarak bekliyor.

Neden bu fark var? Birkaç neden öne çıkıyor:

Yasal kısıtlamalar, özel yazılım gereksinimleri, insan doğrulaması ihtiyacı, şirketlerin alışkanlıklarını değiştirme yavaşlığı. Mesela Eloundou ve arkadaşlarının çalışması “eczanelere ilaç bilgisi iletmek ve reçete onaylamak” görevini tam maruz (β=1) olarak nitelendiriyor. Bu teorik olarak doğru aslında, bir dil modeli bunu yapabilir. Ama pratikte bu görevin Claude’a devredildiğini neredeyse hiç görmüyoruz.

Öte yandan teorik kapasite ile gerçek kullanım arasında yine de güçlü bir korelasyon var. Claude’un kullandığı görevlerin %97’si zaten teorik olarak mümkün olan kategorilerde yer alıyor; yani gerçek kullanım teorik çerçevenin dışına çıkmıyor, sadece onun çok gerisinde kalıyor.

Araştırmacılar bu arka planı göz önünde bulundurarak yeni bir ölçüm geliştirdi:

Gözlemlenmiş Maruz Kalma (Observed Exposure).

Bu ölçüm şu soruyu sormak istiyor: Teorik olarak bir dil modeli tarafından hızlandırılabilecek görevler arasından hangisi gerçekten otomatize ediliyor ve iş ortamlarında kullanılıyor?

Bu ölçümde bir mesleğin skoru şu koşullarda yükseliyor:

• Görevleri teorik olarak AI ile yapılabiliyorsa

• Anthropic Economic Index’teki gerçek kullanım verilerinde bu görevler görünür biçimde yer alıyorsa

• Bu görevler iş bağlamında kullanılıyorsa (kişisel değil)

• Kullanım biçimi ağırlıklı olarak otomatik (augmentatif değil) ise — çünkü insan denetiminde destekleyici kullanım ile tamamen otomatik kullanım çok farklı ekonomik etkiler yaratır

• AI’ın kapsadığı görevler, o mesleğin bütünü içinde büyük bir pay oluşturuyorsa

Bu son nokta önemli: Bir programcının görevlerinin %70’i AI tarafından kapsanıyorsa bu, bir doktorun görevlerinin yalnızca %10’unun kapsanmasından çok daha büyük bir etki anlamına geliyor.

En Çok Hangi Meslekler Etkileniyor?

Gözlemlenmiş maruz kalma ölçümüne göre en yüksek skoru alan ilk on meslek şöyle:

Bilgisayar Programcıları listenin başında geliyor. Kodlama görevlerinin Claude’da yaygın biçimde kullanıldığını gösteren verilerle uyumlu bir şekilde, bu mesleğin görevlerinin %75’i kapsanmış durumda.

Müşteri Hizmetleri Temsilcileri ikinci sırada. Özellikle şirketlerin doğrudan API üzerinden geliştirdiği müşteri hizmetleri uygulamalarında bu mesleğin görevlerinin giderek daha fazla otomatize edildiği görülüyor.

Veri Giriş Görevlileri ise %67 kapsanma oranıyla üçüncü sırada. Kaynak belgelerden veri okuyup sisteme işlemek gibi son derece mekanik olan bu görevler, doğası gereği otomasyona çok açık.

Öte yandan çalışan nüfusun %30’u, yani yaklaşık üçte biri, sıfır kapsanma oranına sahip. Bu grupta aşçılar, motosiklet tamircileri, cankurtaranlar, barmenler, bulaşık yıkayanlar ve soyunma odası görevlileri gibi meslekler yer alıyor. Tarım işçileri de bu gruba giriyor; ağaç budamak ya da çiftlik makineleri kullanmak gibi fiziksel görevler AI’ın henüz ulaşamadığı alanlar.

Kim Daha Fazla Risk Altında?

Bu kısım biraz şaşırtıcı. Araştırmacılar, ChatGPT’nin yayınlanmasından önceki üç aylık dönemde (Ağustos-Ekim 2022) en fazla maruz kalan çeyrek ile hiç maruz kalmayan %30’luk dilimi Mevcut Nüfus Anketi (CPS) verileriyle karşılaştırdı.

İki grup birbirinden çok farklı:

En fazla maruz kalan grup, hiç maruz kalmayan gruba kıyasla %16 daha fazla kadın içeriyor. %11 daha fazla beyaz ve Asyalı olma olasılığı neredeyse iki kat. Ortalama maaşları %47 daha yüksek. Eğitim düzeyleri de belirgin biçimde üstte: Hiç maruz kalmayan grupta yüksek lisans veya doktora sahiplerin oranı %4.5 iken, en fazla maruz kalan grupta bu oran %17.4’e çıkıyor, yaklaşık dört kat fark.

Yani klasik sezginin aksine, yapay zekanın öncelikle tehdit ettiği kesim düşük ücretli, eğitimsiz işçiler değil; aksine beyaz yakalı, iyi eğitimli, görece yüksek maaşlı çalışanlar. Bu bulgu politika yapıcılar için önemli bir uyarı niteliği taşıyor.

Peki Gerçekte Bir Etki Görüldü mü?

İşte kritik soru bu. Ve şu ana kadarki cevap: Ölçülmüş bir etki yok, ama bazı erken sinyaller var.

İşsizlikte Kayda Değer Bir Değişim Yok

Araştırmacılar 2016’dan günümüze uzanan işsizlik trendlerini inceledi. En fazla maruz kalan çeyrek ile hiç maruz kalmayan grup arasındaki farkı takip etti.

Kovid döneminde beklendiği gibi, fiziksel işlerde çalışan (yani daha az AI maruziyetli) grup işsizlikte çok daha büyük bir artış yaşadı. Ama Kovid sonrasında iki grubun trendleri birbirine yakınsadı ve aradaki fark kapandı. ChatGPT’nin yayınlanmasından bu yana en fazla maruz kalan grubun işsizliğindeki ortalama değişim küçük ve istatistiksel olarak anlamsız. Yani işsizlik üzerinde AI kaynaklı belirgin bir etki yok.

Ne kadar büyük bir etki tespit edilebilirdi? Araştırmacılar bu soruyu da yanıtlıyor: Yaklaşık 1 puanlık bir diferansiyel işsizlik artışı bu çerçeve tarafından fark edilebilir. “Beyaz yakalı çalışanlar için Büyük Durgunluk” gibi bir senaryo, yani en yüksek maruz kalan grupta işsizliğin %3’ten %6’ya çıkması, da görünür olurdu. Henüz böyle bir şey yok.

Genç Çalışanlarda Dikkat Çekici İşaretler

Brynjolfsson ve arkadaşlarının farklı bir veri kaynağı kullanarak yaptığı çalışma, maruz kalan mesleklerde 22-25 yaşındaki çalışanlar arasında %6-16 oranında istihdam düşüşü tespit etmiş. Araştırmacılar bu düşüşü ağırlıklı olarak yeni işe alımların yavaşlamasına bağlıyor, işten çıkarmalardaki artışa değil.

Mevcut araştırmanın verileri de buna paralel bir işaret içeriyor. CPS verilerine göre maruz kalan mesleklerdeki genç çalışanların işsizlik oranı sabit. Ama bu, yavaşlayan işe alımın olmadığı anlamına gelmiyor.

Neden? Çünkü pek çok genç çalışan mesleğe ilk kez giriyor ve o sırada CPS verilerinde bir meslek kodu taşımıyor olabilir. İşe giremezlerse işsiz olarak değil, işgücü dışında görünebilirler. Bu yüzden araştırmacılar ek bir analiz yaparak CPS’nin panel boyutundan yararlandı: 22-25 yaşındaki çalışanların yüksek maruz kalan mesleklere yeni işe girme hızını, düşük maruz kalan mesleklerle karşılaştırdı.

Sonuçlar, yüksek maruziyetli mesleklerde yeni iş bulan genç çalışan oranının bir miktar yavaşladığına dair önerileri kanıtlar değil ama dikkat çekici bulgular sunuyor. Bu gelişmeyi yakından takip etmek gerekiyor.

TED Konuşması: Yoshua Bengio - Yapay Zekanın Yıkıcı Riskleri ve Daha Güvenli Bir Yol İnşa Etmek

Yapay zekanın “babalarından” biri olan Yoshua Bengio, bizzat inşa etmeye yardım ettiği teknolojinin artık onu korkuttuğunu söylüyor, ve neden korktuğunu 15 dakikada gayet net anlatıyor.

Sevgiler,

Fatih…

• Kaynak: Labor market impacts of AI: A new measure and early evidence \ Anthropic

Geçtiğimiz hafta Otostopçunun Yapay Zeka Rehberi Podcast’inde Savunma Sanayii ve Yapay Zeka ilişkisini konuşmuştuk, bu hafta Anthropic ile Pentagon savaşı konuştuğumuz şeylerin altını çizdi. Bu hafta açıklanabilirlik, savunma sanayi, yapay zeka, ve Pentagon, Anthropic arasındaki savaşı ve etkilerini anlamaya çalışıyoruz.

27 Şubat 2026 itibarıyla yapay zeka dünyası, Silikon Vadisi tarihinin en büyük kurum-hükümet çatışmasına sahne oluyor. Anthropic CEO’su Dario Amodei, Pentagon’un Claude modelleri üzerindeki tüm etik kısıtlamaları kaldırma ve “sınırsız kullanım” yetkisi talebini net bir şekilde reddetti. Bu karar, 380 milyar dolarlık bir şirketin tüm hükümet kontratlarını ve geleceğini masaya sürdüğü bir “all-in” hamlesi.

Hatırlarsanız geçtiğimiz hafta Palantir üzerinden yapay zeka ve savunma sanayi ilişkisini, Alex Karp’ın “yazılım artık bir silah” vizyonunu ve verinin savaş sahasındaki mutlak gücünü işlemiştik. Palantir’in sistemlerini Pentagon’un emrine sunduğu bir dünyada, Anthropic’in “Vicdanımıza aykırı bir talepte asla taviz veremeyiz” çıkışı, sektördeki güç dengelerini tamamen sarsmış durumda.

Bu krizin kökleri, Ocak ayında Karakas’ta yaşanan ve yapay zeka destekli hedefleme sistemlerinin kullanıldığı iddia edilen o bombalamalara dayanıyor. Donald Trump yönetiminin ve Pete Hegseth’in “hız her şeydir” doktrini, Amodei’nin güvenlik odaklı vizyonuyla doğrudan çatıştı.

Bu hafta bültende;

• Anthropic’in 72 saatlik kriz yönetimini ve bu kararın ticari maliyetini,

• Sam Altman ve OpenAI cephesinin bu boşluğu doldurma iştahını,

• Pentagon’un “Hayır” cevabı sonrası masaya koyduğu B planını analiz edeceğiz.

Gelin biraz daha geçmişine bakalım olayların ve gelişmelerin…

2021 yılının sonbaharında, OpenAI’ın en parlak isimlerinden bir grup araştırmacı, San Francisco’da bir ofiste beraber üzerine düşündükleri çok farklı bir şirket kurmaya karar verdi. Dario Amodei ve kız kardeşi Daniela Amodei başta olmak üzere yedi kurucu, OpenAI’da giderek derinleşen bir gerilimi arkalarında bırakıyordu: yapay zekanın güvenliği mi önce gelmeliydi, yoksa pazar yarışı mı?

Anthropic, bu soruya net bir yanıt verdi: önce güvenlik. Şirketin temel felsefesi, “Anayasal Yapay Zeka” (Constitutional AI) kavramına dayanıyor. Claude isimli modelin belirli bir değerler çerçevesiyle, adeta bir anayasayla, eğitilmesi, insan denetçilere olan bağımlılığı azaltırken modelin kendi kendini düzenlemesine imkan tanıması hedeflendi. Bu yaklaşım, sektörün geri kalanından radikal biçimde farklıydı.

NEDEN ÖNEMLİ? ANAYASAL YAPAY ZEKA KONUSU

Anthropic’in Constitutional AI yaklaşımı, modelin sadece “ne yapmaması” gerektiğini değil, “neden yapmaması” gerektiğini de anlamasını sağlıyor. Bu felsefe, şirketin Pentagon kriziyle yüzleştiğinde değerlerine neden bu kadar sıkı tutunduğunu anlamamıza yardımcı oluyor. Bir şirket güvenlik kültürünü marka kimliğinin özüne işlediğinde, taviz vermek yalnızca iş kararı değil — varoluşsal bir kriz haline geliyor.

Şirket, kurulduğu andan itibaren büyük yatırımlar çekti: Amazon liderliğinde 2023-2024 döneminde toplam 7,5 milyar dolar. Google’dan ek finansman. 2026’nın başında değerleme 380 milyar dolara fırladı. Claude’un rakipleri GPT-4 ve Gemini’yi denetim, güvenlik ve kurumsal kullanım alanlarında düzenli olarak geçmesi, bu ivmenin ardındaki asıl motordu.

Üstelik Anthropic, bu değer önermesini salt ticari bir strateji olarak değil, gerçek bir misyon olarak benimsemişti. Şirket, 2024 yılında Çin Komünist Partisi’ne bağlantılı firmalara Claude erişimini kesmek için yüz milyonlarca dolarlık gelirden vazgeçti. CCP destekli siber saldırıları tespit edip engelledi. Ve “yapay zekanın varoluşsal riskleri” konusunda sürekli kamu açıklamaları yaptı. Peki ordu ile bu kadar derin bir entegrasyon nasıl gerçekleşti?

BÖLÜM II: Temmuz 2025 – “Woke AI” Sopası ve Pentagon’un İlk Aşkı

İşin rengi aslında 2025’in Temmuz ayında, Trump’ın o meşhur “Woke AI” kararnamesini imzalamasıyla değişmeye başlamıştı. Görünürde hedef “ideolojik tarafsızlık” olsa da, asıl mesele federal bütçenin hangi modellere akacağıydı. Tam da o günlerde Anthropic; OpenAI ve Google ile birlikte 200 milyon dolarlık o devasa Pentagon pastasından payını aldı. Ama Anthropic için bu sadece bir ihale başarısı değildi; Claude, ordunun en mahrem, dış dünyadan kopuk gizli ağlarına adım atan ilk “frontier” model olmayı başarmıştı.

Palantir ile kurdukları ortaklık sayesinde nükleer tesislerden istihbarat merkezlerine kadar her yerin dijital altyapısına sızdılar. Fakat o gün imzalanan kontratın içine sessizce yerleştirilen “her türlü yasal amaç için erişim” maddesi, aylar sonra patlayacak krizin pimini o günden çekmişti.

BÖLÜM III: Karakas Baskını – Claude Savaş Sahasında

Ocak 2026’da ABD Özel Harekât Kuvvetleri’nin Venezuela’da Maduro’yu paketleyip Manhattan’a getirdiği o gizli operasyon, her şeyi gün yüzüne çıkardı. 13 Şubat’ta haber sitelerine düşen detaylar şoke ediciydi: Claude, operasyonun sadece hazırlık aşamasında değil, bizzat çatışma anında aktif olarak kullanılmıştı.

Anthropic tarafında ipler tam burada koptu. Şirket, kendi etik ilkeleri gereği Palantir’e şu soruyu sordu: “Claude bu operasyonda hedefleme ya da benzeri bir süreç için kullanıldı mı?” Bu soru Pentagon’da “orduya hesap sorma cüreti” olarak algılandı. Üst düzey bir yetkilinin “Sanki onaylayıp onaylamayacakları belli değilmiş gibi sorguluyorlar, operasyon başarısını tehlikeye atanla iş yapmayız” demesi, beş yıllık ortaklığın sonunu getiren o meşhur kıvılcımı çaktı denilebilir.

Aktörleri

• Dario Amodei: Eski OpenAI’cı, fizik doktoru. “Yapay zekanın varoluşsal riskleri” denince akla gelen en istikrarlı ses. Bu krizde ne sadece bir idealist ne de sadece bir iş insanı; vatanseverliğini sorgulatmayan ama kırmızı çizgilerinden de milim sapmayan o inatçı figür.

• Pete Hegseth: Fox News ekranlarından Savaş Bakanlığı’nın zirvesine. Vizyonu çok net: “Savaşmanıza izin vermeyen AI ile vakit kaybetmeyiz.” 72 saatlik ültimatomu veren ve Anthropic’in biletini kesen isim.

• Emil Michael: Pentagon’un CTO’su. Amodei’yi “Tanrı kompleksi” ile suçlayıp orduyu kontrol etmeye çalışmakla itham ederek kavgayı kişisel bir boyuta taşıdı.

• Sam Altman: Amodei’nin hem rakibi hem de bu krizdeki en stratejik oyuncusu. Bir yandan Anthropic’i destekliyor gibi yapıp diğer yandan Cuma gecesi Pentagon ile Anthropic’in boşluğunu dolduracak o kritik imzayı atan isim.

• Donald Trump: Her zamanki gibi Truth Social üzerinden “İhtiyacımız yok, bir daha onlarla iş yapmayacağız” diyerek cezai işlem tehditlerini savurdu.

BÖLÜM IV: Büyük Krizin 72 Saati

23 Şubat Pazartesi günü Hegseth ve Amodei son kez masaya oturdu. Pentagon ucu açık, esnek bir teklif sundu ama Anthropic bunu “hukuki kurnazlık” olarak görüp reddetti. Ertesi gün resmi ültimatom geldi: Cuma saat 17:01’e kadar “sınırsız kullanım” onayını ver ya da “tedarik zinciri riski” ilan edilmeyi göze al.

Müzakerelerin en gergin anı ise Çarşamba günü yaşandı. Bir Pentagon yetkilisi, “Olası bir nükleer saldırı senaryosunda Claude’un otonom yanıt vermesine izin verir misiniz?” diye sordu. Amodei’nin cevabı “Hayır” olunca, Pentagon bunu “görevi engelleyen tutum” olarak not etti. Perşembe günü Amodei tarihi bildirisini yayımladı: “Toplu iç gözetim ve tam otonom silahlar bizim kırmızı çizgimizdir. Vicdanımıza aykırı taleplere boyun eğmeyeceğiz.”

Cuma günü sektörde görülmemiş bir şey oldu; 450’den fazla Google ve OpenAI çalışanı “Bölünmeyeceğiz” başlıklı bir mektup yayımlayarak Anthropic’in yanında durdu. Ancak saat tam 17:01’de Hegseth o tweeti attı: Anthropic artık bir “ulusal güvenlik riski”ydi. 200 milyon dolarlık sözleşme o saniye bitti.

BÖLÜM V: Hukuki Savaş ve Altman’ın Çifte Oyunu

Hegseth’in Anthropic’i “tedarik zinciri riski” ilan etmesi aslında hukuki bir kumar. Bu madde normalde Huawei gibi Çinli şirketler için kullanılırdı, bir Amerikan şirketine uygulanması bir ilk. Anthropic şimdi bu kararı mahkemeye taşımaya hazırlanıyor. Argümanları net: “Bir yanda güvenlik riski diyorsunuz, diğer yanda Claude’u kritik bulup 6 ay daha kullanmak için süre tanıyorsunuz; bu ne perhiz ne lahana turşusu.”

İşin en ilginç tarafı ise Sam Altman’ın Cuma gecesi imzaladığı o anlaşma. OpenAI’ın kabul ettiği maddeler aslında Anthropic’in istediklerine çok benziyor: otonom silah yasağı, teknik güvenceler vs. Ama Altman “tüm yasal amaçlar” maddesini bir şekilde kabul ederek Pentagon’un kapısından girmeyi başardı. Sektör şimdi şunu soruyor: Anthropic gerçekten güvenliği savunduğu için mi cezalandırıldı, yoksa bu sadece bir güç gösterisi miydi?

380 Milyar Dolarlık Soru

Önümüzde 6 aylık bir “tasfiye” süreci var. Claude’u ordunun en derin sistemlerinden söküp yerine yenisini koymak teknik olarak tam bir kabus. Anthropic için ise 380 milyar dolarlık değerlemesini ve yaklaşan halka arz (IPO) sürecini korumak artık çok daha zor.

Bu krizden çıkan en büyük ders şu: Yapay zeka güvenliği artık sadece laboratuvarlarda tartışılan bir etik meselesi değil, bizzat savaş sahasının tam ortasında duran bir jeostratejik güç savaşı. Amodei’nin dediği gibi, bu ülkenin değerlere mi yoksa sadece hıza mı ihtiyacı var? Bu sorunun cevabını önümüzdeki yıllarda mahkeme salonlarında ve savaş simülasyonlarında alacağız.

Tarih bu haftayı, yapay zekanın “algoritmanın vicdanı” ile “devletin gücü” arasında ilk kez bu kadar sert tokuştuğu an olarak kaydedecek.

Bu kriz, geçtiğimiz hafta detaylandırdığımız Palantir dosyasının bir üst aşamasını temsil ediyor. Palantir veriyi bir mühimmat gibi istiflerken, Anthropic meseleyi bu mühimmatın tetiğini kimin, hangi kriterle çekeceği noktasına taşıdı. Savunma sanayii perspektifinden bakıldığında, Anthropic’in resti aslında saf bir etik tartışmasından ziyade bir Açıklanabilir Yapay Zeka (XAI) ve denetlenebilirlik meselesidir. Savaş sahasında bir modelin hedefleme kararını “neden” aldığını şeffaf bir şekilde kanıtlayamaması, operasyonel sorumluluk zincirini tamamen koparıyor. Amodei’nin itirazı, karar verme süreci insan denetimine kapalı olan bir “kara kutu” sisteminin askeri hiyerarşiye dahil edilmesinin yaratacağı teknik ve hukuki risklere dayanıyor.

“Askeri bir kararın arkasındaki mantık yapay zeka tarafından matematiksel ve mantıksal olarak açıklanamıyorsa, o sistem denetlenebilir bir yardımcı olmaktan çıkıp kontrolsüz bir operasyonel risk faktörüne dönüşür.”

OpenAI cephesinde ise Sam Altman’ın daha pragmatik bir yol izlediğini görüyoruz. Anthropic açıklanabilirlik ve denetlenebilirliği aşılamaz birer kırmızı çizgi olarak sunarken, OpenAI bu kaygıları “teknik güvenceler” ve “kod düzeyinde kısıtlamalarla” yönetebileceğini vaat ederek Pentagon ile el sıkıştı. Bu durum, savunma sanayiinde artık sadece en gelişmiş modelin değil, ordu doktrinine ve emir-komuta zincirine en hızlı entegre olabilen, “soru sormayan” sistemin tercih edildiğini gösteriyor. Anthropic’in boşalttığı sınıflandırılmış ağlara OpenAI’ın yerleşmesi, şirketin askeri standartlarda “ana hizmet sağlayıcı” olma yolunda en büyük rakibini teknik bir uyum üzerinden saf dışı bırakması anlamına geliyor.

“Pentagon için Anthropic’in açıklanabilirlik ısrarı operasyonel bir engel oluştururken, OpenAI bu süreci teknik birer parametreye indirgeyerek askeri hiyerarşiye uyum sağladı.”

Hegseth’in Anthropic’i “tedarik zinciri riski” ilan etmesi, Silikon Vadisi için yeni bir yasal dönemin başlangıcı. Bu karar, bir teknoloji şirketinin modelin çalışma prensipleri ve denetlenebilirliği üzerindeki ısrarının, “milli güvenliği engelleme” gerekçesiyle cezalandırılabileceği bir emsal oluşturdu. Kısa vadede OpenAI ve Pentagon arasındaki bu iş birliği stratejik bir hız kazandırsa da, yapay zekanın savaş alanında yapacağı ilk büyük ve “açıklanamayan” hatada tüm tartışmalar tekrar Anthropic’in XAI vurgusuna dönecektir. Sonuçta bu kavgada masada duran şey sadece 380 milyar dolarlık bir şirket değil, yapay zekanın askeri kararlardaki teknik bağımsızlık sınırıdır.

“Açıklanabilirlik artık akademik bir tercih değil; savaş sahasında alınan kararların hukuki sorumluluğunun kime ait olacağını belirleyen en kritik teknik zorunluluktur.”

Yeni Nesil Ağlarda Karar Mekanizmaları: Açıklanabilirlik ve Güven

Yapay zeka sistemlerinin ağ yönetimindeki rolü, basit otomasyonların ötesine geçerek tam özerkliğe doğru evriliyor. Ancak 6G ve ötesi ağ mimarilerinde bu özerkliğin kabul görmesi için modellerin sadece yüksek performans sunması yetmiyor; aynı zamanda şeffaf, yorumlanabilir ve güvenilir olması gerekiyor.

ANLAM-NET Research LAB olarak, bu kritik dönüşümü akademik bir perspektifle ele almak üzere 34. IEEE Sinyal İşleme ve İletişim Uygulamaları (SIU) Kurultayı bünyesinde özel bir oturum düzenliyoruz.

Özel Oturum Teması:

“Yeni Nesil Ağ Özerkliği için Açıklanabilir, Yorumlanabilir ve Güvenilir Yapay Zeka”

Bu oturum; karmaşık ağ yapılarında yapay zeka kararlarının izlenebilirliğini artırmak, model güvenliğini sağlamak ve ağ özerkliğini bilimsel temellere oturtmak isteyen araştırmacıları bir araya getirmeyi hedeflemektedir.

Kurultay Bilgileri ve Önemli Tarihler

Piri Reis Üniversitesi’nin ev sahipliğinde gerçekleşecek bu kurultay, Türkiye’nin sinyal işleme ve iletişim alanındaki en köklü buluşmalarından biri olma niteliğini sürdürüyor.

• 📍 Yer: Piri Reis Üniversitesi, Tuzla - İstanbul

• 🗓 Tarih: 7-10 Temmuz 2026

• ⏳ Son Bildiri Gönderimi: 13 Mart 2026

• 🌐 Detaylı Bilgi: SIU 2026 Web Sitesi

Bildiri Çağrısı ve Kapsam

Aşağıdaki başlıklar başta olmak üzere, ağ özerkliği ve yapay zeka güvenilirliği konularındaki özgün çalışmalarınızı bekliyoruz:

• Açıklanabilir Yapay Zeka (XAI) yöntemlerinin ağ yönetimine entegrasyonu.

• Kendi kendini optimize eden ağlarda (SON) yorumlanabilirlik.

• Siber güvenlik ve ağ dayanıklılığı için güvenilir makine öğrenmesi.

• Sinyal işleme tabanlı şeffaf modelleme yaklaşımları.

İletişim: Özel oturum kapsamı veya bildiri gönderim süreciyle ilgili sorularınız için anlamnet@ankara.edu.tr adresi üzerinden bizimle iletişime geçebilirsiniz.

Akademik literatüre ve sektörel uygulamalara yön verecek bu oturumda değerli katkılarınızı görmeyi bekliyoruz.

Bu özel oturumun merkezinde yer alan teknik detayları ve toplumsal etkileri bir de podcast perspektifiyle dinlemek isterseniz, Otostopçunun Yapay Zeka Rehberi’nin "Açıklanabilir Yapay Zeka (XAI)" üzerine hazırladığı 50. bölümüne buradan göz atabilirsiniz.

Sevgiler,

Fatih

Microsoft’un yapay zeka biriminin CEO’su Mustafa Suleyman geçen hafta Financial Times’a verdiği röportajda son derece çarpıcı bir öngörüde bulundu: Avukatlık, muhasebe, pazarlama, proje yönetimi gibi beyaz yakalı mesleklerin büyük bölümü önümüzdeki 12 ila 18 ay içinde yapay zeka tarafından devralınacak.

“Bilgisayar başında oturup iş yapıyorsanız, yaptığınız işlerin büyük çoğunluğunun yakında yapay zeka tarafından üstlenileceğini öngörüyorum” dedi Suleyman. Bu dönüşümün yazılım sektöründe zaten başladığını da sözlerine ekledi: Şirketlerin pek çoğunda mühendisler artık kodlarının büyük kısmını yapay zeka yardımıyla yazıyor.

Suleyman bu tahmini yapan ilk isim değil. Anthropic’in CEO’su Dario Amodei daha önce giriş seviyesi beyaz yakalı pozisyonların yarısının yok olabileceğini söylemişti. Yapay zeka alanının en tanınmış akademisyenlerinden Stuart Russell ise siyasi liderlerin yüzde seksen işsizlik gibi bir senaryoyu ciddi ciddi masaya yatırdığını aktardı. Cerrahlar ve üst düzey yöneticiler de dahil olmak üzere pek çok mesleğin risk altında olduğunu vurguladı.

Tepkiler de gecikmedi. ABD’li Senatör Bernie Sanders durumu “ekonomik bir deprem” olarak tanımladı ve yeni veri merkezi inşaatlarına dur denmesi çağrısında bulundu. Ne var ki bu çağrının karşılık bulması zor görünüyor. Büyük teknoloji şirketleri 2025’te veri merkezlerine yüz milyarlarca dolar aktardı; Başkan Trump da bu yatırımları destekliyor.

Öte yandan tablonun henüz o kadar dramatik bir hal almadığını söylemek gerekiyor. Yapay zeka hukuk ve muhasebe gibi alanlarda kullanılıyor, ancak bu kullanım büyük ölçüde belge inceleme gibi rutin işlerle sınırlı kalıyor. Business Insider yakın zamanda sektörde “yapay zeka yorgunluğu” yaşandığını haberleştirdi; teknoloji verimliliği artırıyor, fakat çalışanların omzuna daha fazla iş bindirdiği için yorgunluğu da beraberinde getiriyor. Bir araştırma ise yapay zekanın yazılım geliştiricilerin işlerini hızlandırmak bir yana yüzde yirmi yavaşlattığını ortaya koydu.

Ekonomik yansımalara bakıldığında kazancın büyük teknoloji şirketlerinde yoğunlaştığı görülüyor. Geri kalan piyasada ise kayda değer bir değişim henüz yaşanmadı. Wall Street da şimdilik yapay zekanın teknoloji sektörü dışında ciddi bir büyüme yaratacağına inanmıyor.

Suleyman’ın 18 aylık öngörüsü gerçeğe dönüşür mü, yoksa bu da zamanla rafa kalkan bir kehanete mi dönüşür?

Ramazan davulculuğunun yok olmamasından çıkarılacak dersler var sanki. Saat üreticilerine sorsak hepsi mahvolmuştu.

Yapay Zeka Teknoloji Şirketleri Hariç, İşleri Etkiledi Mi?

Binlerce CEO’ya sorulan bir soruya beraber bakalım: Yapay zeka işinizi nasıl değiştirdi? Cevap şaşırtıcı.

Amerika, İngiltere, Almanya ve Avustralya’dan altı bin üst düzey yöneticiyi kapsayan yeni bir araştırma, son yılların en çok konuşulan teknolojisinin hatta yukarıda gördüğünüz üzere en kaotik konuşulan tahminlerin gerçek iş dünyasına yansımasını ölçmeye çalıştı. Ortaya çıkan tablo, yapay zeka etrafında dönen ve biraz önce gördüğümüz büyük söylemle tam bir zıtlık içinde.

Yöneticilerin üçte ikisi yapay zeka kullandıklarını söyledi; ancak bu kullanım haftada ortalama bir buçuk saatte kalıyordu. Katılımcıların dörtte biri ise iş yerinde yapay zekaya hiç dokunmadığını belirtti. En çarpıcı bulgu buydu: Şirketlerin yaklaşık yüzde doksanı, son üç yılda yapay zekanın istihdam ya da verimlilik üzerinde herhangi bir etki yaratmadığını söyledi.

Kaynak: Thousands of executives aren't seeing AI productivity boom, reminding economists of IT-era paradox | Fortune

Bu sonuç bazı ekonomistlerin aklına kırk yıl öncesini getirdi gelin bu ilişkiye detaylı bakalım :) Bültenin bu bölümünde biraz detaylı anlayalım.

Tarihin tuhaf bir tekrarı

1987 yılında Nobel ödüllü ekonomist Robert Solow, o dönemin en büyük teknolojik dönüşümü olan bilgisayar çağına ilişkin ilginç bir gözlem yaptı. Transistörler, mikroişlemciler ve entegre devrelerle birlikte dünya köklü bir değişimin eşiğine gelmiş, ekonomistler ve şirketler büyük bir verimlilik sıçraması bekliyordu. Oysa tam tersi oldu. 1948 ile 1973 arasında yüzde iki virgül dokuz olan verimlilik artışı, sonraki dönemde yüzde bir virgül bire geriledi.

Yeni teknoloji çalışanları rahatlatmak bir yana, onları ayrıntılı raporlar ve kağıt yığınlarıyla boğuyordu. Solow bu durumu tarihe geçecek bir cümleyle özetledi: “Bilgisayar çağını her yerde görüyorsunuz, yalnızca verimlilik istatistiklerinde göremiyorsunuz.” Bu gözlem zamanla “Solow’un verimlilik paradoksu” adını aldı.

Bugün ekonomistler kendilerini çok benzer bir tablonun içinde bulunduğumuza ilişkin yorumlarla görüyorlar. Apollo’nun baş ekonomisti Torsten Slok, Solow’un o meşhur sözüne doğrudan atıfla şunları yazdı: “Yapay zekayı her yerde görüyorsunuz, yalnızca makroekonomik verilerde göremiyorsunuz. İstihdam rakamlarında yok, verimlilik verilerinde yok, enflasyon istatistiklerinde yok.” Slok’a göre büyük teknoloji şirketleri dışında kalan piyasada yapay zekanın kâr marjlarına ya da kazanç beklentilerine yansıyan somut bir izi bulunmuyor.

Vaatler büyük, sonuç o kadar acayip değil

Oysa beklentiler son derece yüksekti. 2023’te MIT araştırmacıları yapay zekanın çalışan verimliliğini yüzde kırka kadar artırabileceğini ileri sürmüştü. Şirketler 2024’te bu teknolojiye iki yüz elli milyar doların üzerinde yatırım aktardı. Ancak gelen veriler bu coşkuyla bağdaşmıyor. Daha temkinli bir MIT araştırması, önümüzdeki on yılda beklenen toplam verimlilik artışını yalnızca yüzde yarım olarak tahmin ediyor.

Nobel ödüllü ekonomist Daron Acemoglu bu rakamı değerlendirirken açık sözlü davrandı: “On yılda yüzde yarımı küçümsememek gerek, sıfırdan iyidir. Ama sektörün ve teknoloji dünyasının verdiği vaatlere kıyasla son derece hayal kırıklığı yaratan bir sonuç.”

St. Louis Federal Rezervi’nin araştırması ise biraz daha umut verici bir tablo çiziyor. ChatGPT’nin piyasaya sürülmesinin ardından kümülatif verimlilik artışında yüzde bir virgül dokuzluk (1,9) bir yükseliş gözlemlendiği belirtildi. Ancak bu rakam bile yatırımların büyüklüğü düşünüldüğünde oldukça mütevazı kalıyor.

Çalışanlar kullanıyor ama güvenmiyor

Rakamların ötesinde insan boyutuna bakıldığında da ilginç bir çelişki göze çarpıyor. ManpowerGroup’un on dört bin kişiyi ve on dokuz ülkeyi kapsayan araştırması şunu ortaya koydu: İnsanların yapay zeka kullanımı 2025’te yüzde on üç arttı; ancak teknolojiye duyulan güven aynı dönemde yüzde on sekiz geriledi. Başka bir deyişle insanlar yapay zekayı giderek daha fazla kullanıyor ama ona giderek daha az inanıyor.

Business Insider bu ruh halini yakın zamanda “yapay zeka yorgunluğu” olarak adlandırdı. Teknoloji verimliliği belirli ölçüde artırıyor, ancak çalışanların sırtına yüklenen iş miktarını da beraberinde büyütüyor. Üretkenlik artmış olabilir; fakat insanlar ve çalışanlar bundan daha mutlu ya da daha rahat hissetmiyor.

IBM’in beklenmedik hamlesi

Bu ortamda IBM’den dikkat çekici bir karar geldi. Şirketin insan kaynakları direktörü Nickle LaMoreaux geçen hafta yeni mezun işe alımlarını üç katına çıkaracaklarını açıkladı. Gerekçesi son derece şaşırtıcı ve Mustafa Suleyman gibi teknologlarıyla aynı yerde değil: Yapay zeka giriş seviyesi görevlerin bir kısmını üstlenebilir, ancak bu pozisyonları tamamen ortadan kaldırmak ilerleyen yıllarda orta kademe yönetici açığı yaratır ve şirketin liderlik altyapısını içten çürütür.

Kısacası bugün tasarruf etmek için verilen karar, yarın çok daha pahalıya mal olabilir.

Peki ya gelecek?

Yine de bazı ekonomistler tabloyu daha iyimser bir gözle okuyor. Stanford’un Dijital Ekonomi Laboratuvarı’nın direktörü Erik Brynjolfsson, dönüşümün zaten başladığına işaret eden veriler olduğunu yazdı. Kendi analizine göre ABD’de geçen yıl verimlilik yüzde iki virgül yedi arttı. Brynjolfsson bunu, şirketlerin yapay zekaya yatırım aşamasından bu yatırımın meyvelerini toplama aşamasına geçişi olarak yorumluyor.

Slok ise sürecin bir “J eğrisi” izleyebileceğini söylüyor: Önce yavaşlama ve hayal kırıklığı, ardından hızlı ve güçlü bir çıkış. Bu model 1980’lerin durgun bilgisayar döneminin ardından 1990’larda patlayan verimlilik ve internet sıçramasını anımsatıyor. Solow paradoksu nihayetinde uzun zaman da geçse çözülmüştü, belki bu sefer de çözülecek.

Ancak Slok’un bir uyarısı var. 1980’lerde bir teknoloji öncüsü rakiplerinden önce davranarak tekel avantajı elde edebiliyordu. Bugün ise büyük dil modelleri arasındaki kıyasıya rekabet fiyatları hızla aşağı çekiyor. Bu nedenle asıl belirleyici olan teknolojinin kendisi değil, şirketlerin onu nasıl benimsediği ve iş süreçlerine nasıl entegre ettiği olacak.

Teknoloji hazır olabilir. Ama kurumların, çalışanların ve sistemlerin gerçekten hazır olup olmadığı henüz yanıt bekleyen bir soru ve hazır olduğunda durumun tahminlerle ne kadar hizalı olacağı da :)

Yapay Zeka Çılgınlığını Anlatan Belgesel Geliyor: “The AI Doc”

Nereye baksak gündemde çoğu çok da umut verici keyifli, anlaşılır gelmeyen yapay zeka haberleri, içerikleri var. Sahte fotoğraflar, deepfake videolar, bot sosyal medya hesapları... Ve bunların hepsinin nereye gideceğine dair bitmek bilmeyen tartışmalar. İşte tam bu ortamda Focus Features, zamanlaması son derece ilgi çekici bir belgesel hazırlıyor: “The AI Doc: Or How I Became an Apocaloptimist.”

Filmin yönetmen koltuğunda, 2022’nin en çok konuşulan belgeseli Navalny’nin arkasındaki isim Daniel Roher ile Charlie Tyrell birlikte oturuyor. Yapımcı kadrosunda ise Everything Everywhere All at Once’ın Oscar ödüllü ismi Daniel Kwan var.

Belgesel, Roher’ın kişisel bir yolculuğu olarak kurgulanmış. Yakında baba olacak biri olarak çocuğunun miras alacağı dünyayı anlamaya çalışıyor ve bu arayış onu sektörün en kilit isimleriyle buluşturuyor. OpenAI’dan Sam Altman, Anthropic’ten Dr. Dario Amodei, Google DeepMind’dan Demis Hassabis...

Yapay zekanın geleceğini fiilen şekillendiren insanlarla derin sohbetler.

Film ne tam anlamıyla karamsar ne de körü körüne iyimser bir tavır takınıyor. “Apocaloptimist” yani hem felaketi hem umudu aynı anda hisseden biri fikri üzerine kurulu bu denge, belki de bugünlerde pek çoğumuzun yapay zekaya bakışını en iyi özetleyen kavram.

The AI Doc, 27 Mart 2026’da sinemalarda olacak, ben de izlemeyi merakla bekliyorum.

Gelin bu bölümün fikrini güzel bir yazıyla bağlayalım :)

Bir teknoloji CEO’su size işinizin tehlikede olduğunu söylediğinde, kendinize şu soruyu sormakta fayda var: Buna inanmanızdan kim kazançlı çıkar?

webAI’ın kurucusu ve CEO’su David Stout’un Fortune’da yayımlanan köşe yazısı tam bu soruyla açılıyor ve yapay zeka dünyasının en can yakan çelişkisine parmak basıyor.

Sam Altman işlerin yüzde kırkının yok olacağını söylüyor. Dario Amodei birçok sektörün alt kademelerinin silineceğini öngörüyor. Bu uyarılar artık o kadar sık tekrarlanıyor ki neredeyse sıradan bir haber gibi geçip gidiyor. Bu hafta da Mustafa Suleyman benzer şeyler söyledi.

Ama Stout farklı bir yerden bakıyor tabloya: Bu kehanetleri yapanlar, henüz yatırımlarının getirisini kanıtlayamamış şirketlerin CEO’ları. Üstelik kıyametin yakın olduğunu ilan ederken hâlâ binlerce mühendis işe alıyorlar. Çelişki ortada.

Stout’a göre mesele şu: Yapay zeka modellerini eğitmek ve çalıştırmak astronomik maliyetler gerektiriyor. Devasa bilgisayar altyapısı, sürekli enerji tüketimi, soğutma sistemleri...

Bunlar hem başlangıçta hem de sonrasında durmaksızın para yiyen kalemler. Geleneksel iş mantığıyla bakıldığında sürdürülebilir bir model değil bu. Dolayısıyla bu büyüklükte bir sermayeyi haklı kılmak için eşit büyüklükte vaatler şart. “Yapay zekamız insanları yüzde yirmi daha verimli yapıyor” demek yeterli değil. “Küresel iş gücünü altüst edecek” demek gerekiyor; kanıtlar ne kadar zayıf olsa da.

Stout’un asıl tezi şu: Yapay zeka işçileri değil, eski yazılım şirketlerini tehdit ediyor. Kullanıcı başına lisans ücreti alan, pahalı ve bakımı ağır platformlar üzerine kurulu iş modelleri sıkışıyor. Claude ve benzeri araçlar geliştirme süreçlerini kısaltıyor, bakım maliyetlerini düşürüyor ve geleneksel yazılımın ekonomisini köklü biçimde sorgular hale getiriyor. Bu sessiz bir devrim, toplu işten çıkarmalar kadar dramatik değil. Ve tam da bu yüzden pek konuşulmuyor.

Nitekim rakamlar da bu tabloyu destekliyor. 2025’teki işten çıkarma planlarının yalnızca yüzde dört buçuğunda yapay zeka doğrudan gerekçe olarak gösterildi. Geri kalanı ekonomik koşullar, yeniden yapılanma ve maliyet kısıntısıydı.

Araç mı, rakip mi?

Stout yazısını bir alternatifle bitiriyor. Yapay zeka, insan kapasitesini ikame etmek yerine güçlendirmek için kullanılabilir. İlham kendi başına gelmiyor bu sistemlere; insan yargısına, yaratıcılığına ve yönlendirmesine ihtiyaçları var. Teknolojiyi büyük şirketlerin uzak sunucularında değil, bireylerin ve kurumların elinde tutmak, yapay zekayı bir tehdit olmaktan çıkarıp gerçek bir araca dönüştürür.

Stout’un en sert cümlesi ise şu: “İş gücü çökmüyor. Ama ‘yapay zeka sizi işsiz bırakacak’ söylemi, değerlemelerini dev sermaye harcamalarına bağlayanlar ve zaten yaşanan sessiz dönüşümden dikkati dağıtmak isteyenler için son derece işe yarıyor.”

Kıyamet kehaneti belki de en iyi yatırım gerekçesi.

Dünya, tarihin hiçbir döneminde olmadığı kadar hızlı dönerken ve yapay zeka her gün yeni bir "imkansızı" sıradanlaştırırken, kendimize şu can alıcı soruyu sormamız gerekiyor: Bilgiye ulaşmanın maliyeti sıfıra indiğinde, bizi diğerlerinden ayıran ne olacak? Bu hafta Otostopçunun Yapay Zeka Rehberi’nde Zihin Modelleri, İnsan Davranışlarını Simüle Etmeye Çalışan Yapay Zeka Girişimi ve ihtiyaç duyduğumuz becerileri düşüneceğiz.

Zihin Modelleri: Nasıl Daha İyi Doğal Zeka Sahibi Oluruz?

Son birkaç haftadır kendimi bir kampa almışçasına bu konu üzerine okurken ve araştırırken buluyorum. Farklı disiplinlerden gelen onlarca kaynağı taradıkça, içinde bulunduğumuz bu yeni dönemin sadece teknolojik bir sıçrama değil, aynı zamanda bir bilişsel adaptasyon süreci olduğunu daha net görüyoruz.

Özellikle yapay zekanın bilgiyi üretme ve işleme hızının insan kapasitesini zorladığı bu çağda, zihinsel modellerin bir lüksten ziyade, zihnimizi ayakta tutan yada bizi hala araştırmaya, anlamaya yönelten yeteneklerimizi koruyan yardımcılar olduğunu söyleyebilirim.

O yüzden onları korumak üzerine çalışmak lazım.

AI bize her şeyi saniyeler içinde sunabilir; ancak o bilginin içindeki gürültüyü ayıklamak, stratejik bir derinlik kurmak ve yönümüzü tayin etmek için kendi içsel modellerimizi bizim model çalıştırma altyapımızı deyim yerindeyse :) güncellememiz gerektiğini fark ediyorum ve Zihin Modelleri bu ara epey üzerine düşündüğüm bir konu dediğim gibi.

Kavramın kökenlerini incelediğimizde, bizi modern bilişsel bilimin köşe taşlarına götüren bir yolculuğa çıkıyoruz. Kavramsal temellerin, 1943 yılında Kenneth Craik tarafından ortaya atılan "zihnin gerçekliğin küçük ölçekli modellerini taşıdığı" fikrine dayandığını belirtebiliriz. Ancak zihinsel modelleri bugünkü popülerliğine kavuşturan ve onları bir "düşünce kafesi" (latticework) olarak sistemleştiren isim, hiç kuşkusuz Charlie Munger’dır.

Çok teorik kısma girmeden gelin birkaç meşhur örnekle anlamaya çalışalım neyden bahsediyoruz;

• İlk İlkeler Düşüncesi (First Principles Thinking): Bir konuyu bildiğimizi sandığımız varsayımlardan arındırıp, en temel doğrularına kadar parçalamak ve her şeyi sıfırdan inşa etmek iyi bir tanım olabilir.

  • “Kendi işimi kurmak için devasa bir sermayeye ihtiyacım var” demek yerine; “Bir iş kurmanın özü nedir? Bir çözüm üretmek ve bunu satın alacak birini bulmak. Peki, bu çözümü elimdeki imkanlarla en yalın haliyle nasıl sunabilirim?” diye sormak diyebiliriz.

• İkinci Derece Düşünme (Second-Order Thinking): Bir kararın sadece ilk ve görünür sonucunu değil, o sonucun tetikleyeceği zincirleme etkileri de hesaba katmak diyebiliriz aynı şekilde.

  • Bir yazılımda bir özelliği hızla değiştirmek o anki krizi çözer (1. derece sonuç). Ancak bu acele müdahalenin sistemin başka bir yerinde güvenlik açığı yaratıp yaratmayacağını veya gelecekteki bakım maliyetlerini nasıl artıracağını düşünmek, bizi ikinci derece düşünmenin güvenli limanına taşır.

• İnversiyon (Tersine Çevirme): Bir soruna doğrudan çözüm aramak yerine, o problemin nasıl ortaya çıkabileceğini veya nasıl felakete dönüşebileceğini kurgulamak biraz daha anlaşılır kılmaya çalışırsak;

  • “Bu projeyi nasıl başarıya ulaştırırım?” sorusunu bir kenara bırakıp, “Bu proje nasıl batar?” diye sormaktır. Listelediğiniz riskleri (iletişimsizlik, takvim sapması vb.) tek tek bertaraf ettiğinizde, başarının yolu kendiliğinden temizlenecektir.

• Harita Bölge Değildir (The Map is Not the Territory): Elimizdeki teorilerin veya planların (harita) gerçeğin kendisi (arazi) olmadığını, sadece birer temsil olduğunu unutmamak.

  • Bir restoranın menüsü (harita) iştah kabartıcı görünebilir ancak bu, tabağınıza gelecek yemeğin (arazi) lezzetini garanti etmez. Planlara körü körüne sadık kalmak yerine, sahadaki gerçekliğe göre esneme payı bırakmamız gerektiğini söyler.

Yapay Zeka Güçlendikçe Hangi Beceriye İhtiyacımız Olacak

Her yeni yapay zeka bir yapay zeka modeli çıktığında ortalık bir anda şenleniyor; bir yanda “bu her şeyi değiştirecek” diyen hype tayfası, diğer yanda “aslında o kadar da iyi değil” diye burun kıvıran karamsarlar, gazetecilerin, sosyal medyacıların çektiği videolar, bir dolu metrik, geçen hafta övülen herşeyin artık önemsiz olması, hiçbirini anlamaya yönelik bir çaba bile olmaması.

Ben diyorum ki, bu gürültüyü bir kenara bırakalım ve doğrudan şu can alıcı soruya odaklanalım:

Eğer yapay zeka her soruya anında kusursuz cevap verecek kadar iyi olsaydı, o dünyada öğrenmeye değer ne kalırdı?

Cevap, aslında sahip olabileceğimiz en kıymetli beceride gizli.

Anlama Problemi ve Geleceğin Yeteneği

Bir cevabın mükemmel olması, eğer soruyu gerçekten anlamıyorsanız ne işe yarar? Bugüne kadar bir sonuca ulaşmanın zorluğu, aslında doğal bir filtre görevi görüyordu. Bir problemi çözmek için ter dökmeniz, o konuyu derinlemesine anlamanızı zorunlu kılıyordu. Bilgiye giden yolun zahmetli olması, sizi o işin ehli yapıyordu.

Ancak bugün bu bariyer kalkıyor. Peçeteye çizdiğiniz bir grafiği yapay zekaya okutup saniyeler içinde simülasyon kodlarını alabiliyorsunuz. Hukuk diplomanız olmasa bile hukuki metinler hazırlatabiliyor, tek satır kod bilmeden karmaşık sistemler kurabiliyorsunuz. İşte paradoks tam burada başlıyor: Araçlar bizim için daha fazla iş yaptıkça, onlardan ne istediğimiz konusunda daha az disiplinli olmaya başlıyoruz.

Yapay zekanın en büyük vaadi, aslında en büyük tehlikesiyle aynı: Düşüncesizliği kolaylaştırması. Çaba harcamadan sonuç alabildiğiniz bir dünyada, aldığınız sonucun gerçekten ihtiyacınız olan şey olup olmadığını tartmak her zamankinden daha zor hale geliyor.

Teknoloji “düşünce hızında” hareket etmeye başlasa bile, insanın bir konuyu gerçekten kavraması ve üzerinde sağlıklı bir muhakeme yürütmesi hâlâ en büyük darboğazımız. Sam Altman’ın da dediği gibi:

“Gelecekte en değerli yetenek, neyin inşa edilmeye değer olduğunu bilmek olacak.” — Sam Altman

Eğer elinde güçlü bir muhakeme yeteneği olmayan birine dünyanın en gelişmiş yapay zeka sistemini verirseniz, karanlıkta el yordamıyla ilerlemekten öteye gidemez. Aldığı cevap teknik olarak kusursuz olsa bile, bağlamdan kopuk veya tamamen yanıltıcı olabilir. Bunu ayırt edecek donanımı yani yetkinliği yoksa, o teknoloji bir güç değil, bir yüktür, bugün bu sorunu çok yaşıyoruz, herkes konuşuyor ama kimse aslında ne olduğunu bilmiyor.

Geçmişin liderleri bir problem üzerine aylarca düşünebilir, ekiplerinin verileri işlemesini beklerken strateji kurabilirdi. Artık böyle bir lüksümüz yok. Hesaplamaları, simülasyonları ve veri madenciliğini yapay zeka hallediyor; sorumluluk doğrudan sizin üzerinizde.

Geleneksel eğitim modelleri bize sınırları net çizilmiş, cevabı belli problemleri çözmeyi öğretti. Oysa gerçek dünya böyle değil. Gerçek dünya belirsizlikle dolu. Bugünün liderlerinden beklenen şey “düğmelere doğru sırayla basmak” değil; karar vermek.

Yapay zeka modellerinin ekranında “Düşünüyor...” (Thinking) ibaresini gördüğünüzde yanılmayın kısaca. Orada insan gibi bir bilinç yok; sadece hata yapmamaya çalışan gelişmiş kod blokları var. Karar vericinin en büyük varlığı hala ve uzunca bir süre daha kendi zihni, algısı yani: Zihinsel modeller kurma, değişkenler arasındaki bağı anlama ve varsayımları sorgulama yeteneği...

İnsan Davranışlarını Yapay Zeka ile Simüle Etmek Mümkün Olabilir Mi?

Yapay zeka alanında bazen bir akademik çalışma yayınlanır ve “Muhtemelen çok önemli birşey geliyor,” deriz. Bu makaleyi bana daha önce birkaç arkadaşım da göndermişti yayınlandığı zaman ve üstüne konuşmuştuk ve bugün de farkediyoruz ki Joon Park, Percy Liang ve Michael Bernstein gibi isimlerin 2023’te literatüre kazandırdığı o meşhur “Generative Agents” makalesi tam olarak böyle bir kırılmaydı.

Hatırlayanlar olacaktır; bu ekip, The Sims benzeri küçük bir dijital kasabada 25 yapay zeka ajanının kendi başlarına nasıl sosyalleştiğini, plan yaptığını ve hatta bir “Sevgililer Günü partisi” organize ettiğini göstermişti. Ajanlar sadece veri yığınları değildi; uyanıyor, kahvaltı hazırlıyor, işe gidiyor ve birbirleriyle sahici etkileşimler kuruyorlardı. İşte o günkü “laboratuvar başarısı”, bugün Simile adıyla 100 milyon dolarlık devasa bir yatırım turuna ve ticari bir gerçekliğe evrildi.

Mesele Sadece Veri Değil, “Hafıza” ve “Yansıtma”

Simile’nin temelinde yatan ve makalede detaylandırılan mimari, bildiğimiz dar kapsamlı tahmin modellerinden çok farklı. Bir ajanın (ve dolayısıyla bir insanın) davranışını inandırıcı kılan şey, sadece istatistik değil; Gözlem, Planlama ve Yansıtma (Reflection) yeteneğidir.

Simile, bu akademik altyapıyı alıp gerçek dünyaya uyarlıyor:

• Dijital İkizler: Şirket son 7 ayını, yüzlerce gerçek insanın karar verme mekanizmalarını ve kişisel değer yargılarını modelleyerek geçirdi.

• Yaşayan Simülasyonlar: Bir ürün rafa çıkmadan veya bir şirket stratejik bir duyuru yapmadan önce, o hedef kitlenin “dijital simülasyonları” üzerinde test ediliyor. Bu testte kullanılan ajanlar sadece “satın alırım/almam” demiyor, tahmin girdisi yapmıyor yani; kendi geçmiş deneyimleri ve tercihleri doğrultusunda mantıklı gerekçeler sunarak tepki veriyorlar.

Odak Gruplarının Sonu, “Yüksek Ajanslı” Tahminlerin Başlangıcı

Geleneksel pazar araştırmaları veya anketler artık günümüzün hızına yetişemeyen, statik yapılar. Simile ise bize hep hayal edilen, hep arzulanan ve yaşayan bir ekosistem vaat ediyor. Yatırımcıların (Index Ventures, Andrej Karpathy, Fei-Fei Li) bu tura bu kadar iştahlı girmesinin sebebi sadece üstelik sadece pazar araştırması da değil Fei Fei Li ve Karpathy gibi isimler AI alanında da yeni bir yaklaşımla karşı karşıya geldiğimizi vurguluyorlar.

Bir düşünelim beraber; bir girişimci, veya üst düzey bir yönetici olarak, şirketin, girişiminizin kaderini belirleyecek çok paydaşlı, kompleks bir projenin müzakere masasındasınız. Karşınızda farklı öncelikleri olan teknik ekipler, finansçılar ve yatırımcılar var. Normalde bu masadaki direnç noktalarını, sizi zorlayacak şeyleri “tecrübenizle” öngörmeye çalışırsınız.

Simile’nin vizyonu tam olarak bu: Masaya oturmadan önce, müzakere edeceğiniz kişilerin geçmiş kararlarını, risk iştahlarını ve hatta akademik yayınlarındaki tutumlarını içeren “dijital paydaşlarla” onlarca farklı senaryoyu dakikalar içinde simüle edebilmenizi sağlamayı hedefliyor, böylece hangi argümanınızın teknik ekipte direnç yaratacağını, hangi finansal modelin yatırımcıyı heyecanlandıracağını henüz masaya oturmadan “deneyimlemiş” olursunuz. Hatta şimdiden Amerika’da CVS gibi büyük şirketlerle çalışmaya başlamışlar.

Sonuç olarak, Simile gibi projelerle artık sadece verileri değil, bizzat insan davranışlarını ve karar mekanizmalarını da simüle edebildiğimiz bir eşiğe geldik. Ancak bu baş döndürücü hızın içinde unutmamamız gereken bir gerçek var: Yapay zeka bize en olası senaryoları sunabilir, ama "neyin inşa edilmeye değer olduğuna" karar vermemiz gerekecek.

Sevgiler,

Fatih…

Otostopçunun Yapay Zeka Rehberi’nde bu hafta Andrew Ng’nin iş piyasası ve yapay zeka üzerine son notlarını okudum ve bunları sizlerle paylaşmam gerektiğini düşündüm. Yapay zeka ile ilgili temel tartışmalar günümüzde buraya odaklandı, özellikle etkisiyle ilgili benim de bu durumu en iyi, en derli toplu okuduğunu gördüğüm insan Andrew, o yüzden ne çok karamsar ne cennet senaryoları içeren bu tahminleri ayağa yere basar görüyorum.

Yapay zeka korkuları biraz abartılı, ama iş piyasasında değişim başladı

Son yıldaki teknoloji sektörü işten çıkarmaları büyük oranda pandemi dönemindeki aşırı işe alımların normalize edilmesi, fazla işe alımın dengelenmesi ve genel maliyet kesintilerinden kaynaklandı. Bazı CEO’lar bunu yapay zekaya bağladı - “yapay zeka işi yapıyor, artık insanlara ihtiyacımız yok” dediler - ama Andrew’e göre gerçek şu ki yapay zeka henüz o kadar iyi çalışmıyor. Bir avuç rol dışında, otomasyondan kaynaklanan işten çıkarmalar çok az.

Tabii çağrı merkezi operatörleri, çevirmenler, seslendirme sanatçıları gibi yapay zekaya yüksek oranda maruz kalan mesleklerdekiler için durum farklı. Onlar iş bulmakta zorlanacak ve maaşlarının düştüğünü görecekler. Ama yaygın iş kayıpları senaryosu şimdilik gerçekleşmedi.

Asıl değişim daha incelikli: Adapte olanlar vs. olmayanlar

Klasik söz burada da geçerli: Yapay zeka çalışanların yerini almayacak, ama yapay zeka kullanan çalışanlar kullanmayanların yerini alacak.

Andrew’in gözlemlediği şey şu: Şirketler yapay zekaya adapte olmayan çalışanları işten çıkarıp, adapte olanlarla değiştiriyor. Yapay zeka kodlama araçları geliştiricileri çok daha verimli hale getirdiği için, bunları kullanan geliştiricilere talep artıyor. Bu yazılım geliştirmede zaten açıkça görülüyor.

Ama işin ilginç yanı, bu eğilimin artık teknik olmayan rollere de yayılıyor olması. Andrew, girişimlerin işe alım paternlerinde bunu görüyor: Yapay zeka ile nasıl kod yazacağını bilen pazarlamacılar, işe alım uzmanları ve analistler, bilmeyenlerden çok daha üretken. Bu yüzden bazı işletmeler adapte olamayan çalışanlardan yavaş yavaş ayrılıyor. Ve bu durum gelecekte artabilir, hızlanabilir.

Ekipler küçülüyor, ürün yönetimi odağında problem var

Yapay zeka odaklı yeni ekipler kurulduğunda, bazen eskilerinden daha küçük oluyorlar. Yapay zeka bireyleri daha etkili hale getiriyor, bu da ekip büyüklüklerini küçültmeyi mümkün kılıyor.

İyi haber: Fırsatlar bol

Çoğu işletmenin yapılacak çok işi var ama bunu yapacak yeterli insan yok. Doğru yapay zeka becerilerine sahip insanlara daha fazla sorumluluk alma, yapay zeka öncesinde gerçekleştirilemeyen büyük hayata geçirme fırsatları veriliyor hem bağımsız hem şirketler tarafında. Andrew, birçok çalışanın işlerini geliştiren yeni şeyler inşa ederek için öne çıktığını görüyor.

Andrew, değişimin stresli olduğunu biliyor ve işten çıkarılmadan etkilenen her aileye, iş arayan herkese ve gelecekten endişe duyan çok daha fazla insana empati duyduğunu da belirtiyor. Ama mesajı net: Öğrenmeye ve inşa etmeye devam edin, fırsatlar sayısız.

Benim notum da şu başta Andrew’in Claude Code, Gemini CLI ve Agentic Skills üzerine kurslarına göz atmakta fayda var ve bizim gelecek kursumuzda (içerik Andrew’den)

Eğitim Duyurusu:

Andrew Ng, DeepLearning.AI üzerinden “Build with Andrew” (Andrew ile İnşa Et) adında, yeni bir kurs başlattı. Göz atabilir, kaydolabilir, hatta bu eğitimi Türkçe olarak yakında online beraber yapacağımız versiyona kaydolabilirsiniz.

Şubat 2026 - Kursa Kaydolmak İçin

Anthropic 1 Milyon Claude Konuşmasını Analiz Etti

Anthropic, kullanıcılar ve Claude 3.5 Sonnet arasındaki 1 milyon anonimleştirilmiş konuşmayı analiz etti. Çalışma, çoğu insanın modeli yazılım geliştirme için kullandığını ortaya koydu ve ayrıca hataları ve jailbreak’leri de tespit etti ve kullanıcıların büyük dil modelleriyle nasıl etkileşime girdiğini daha iyi anlamak için Clio adında bir araç geliştirdi. Sistem, performans ve güvenliği iyileştirmek için içgörüler elde etmek amacıyla anonimleştirilmiş kullanım verilerini analiz ederek insightlar çıkardı beklendik sonuçlarla beraber ilginç notlar da var.

Clio nasıl çalışıyor:

Clio, kullanıcıların modelle yaptığı konuşmaların özetlerini otomatik olarak çıkarmak için Claude 3.5 Sonnet’in kendisini kullanıyor. Ardından ilgili konuları kümeliyor. Gizliliği korumak için verileri anonimleştiriyor ve topluyor, yalnızca kümeler hakkında bilgi ortaya çıkarıyor.

• Konuşmalardan tur sayısı, konuşulan dil ve söylenenlerin özeti gibi bilgileri çıkarıyor.

• Özetleri gömülü hale getiriyor ve benzerliğe göre kümeliyor. Bu süreç binlerce küme oluşturuyor.

• Her küme için örnek özetler verilen Clio, kümedeki bilgi türünün kısa bir açıklamasını oluşturuyor.

• Bir hiyerarşi oluşturmak için süreci tekrarlıyor yani kümelerin açıklamalarını kümelere atıyor, yeni açıklamalar oluşturuyor, vb. Örneğin, “düğüm bağlama” ve “bitkileri sulama” açıklamalarına sahip kümeler, “günlük yaşam becerileri” arasında aynı kümede toplanıyor tekrar sayısı arttıkça, daha genel sınıflara giriyor diyebiliriz.

Bulgular: Yaygın, nadir ve yasak kullanımlar

Clio, Claude 3.5 Sonnet’in yaygın, nadir ve aslında kısıtlanması gereken kullanımlarını ortaya çıkardı. Ayrıca sistemin kendi tarafındaki hatalı davranışları da tespit etti.

En büyük kategori: Yazılım geliştirme

• Kodlama, Claude konuşmalarının %15 ila %25’ini oluşturdu

• Web ve mobil uygulama geliştirme toplam konuşmaların %10’undan fazlasını temsil etti

• Yapay zeka ve makine öğrenimi uygulamaları %6

• DevOps ve bulut altyapısı yaklaşık %4

• Veri analizi %3.5

İş ile ilgili kullanımlar:

• Metin oluşturma ve iletişim toplam konuşmaların yaklaşık %9’u

• Akademik araştırma ve yazma %7’den fazla

• İş stratejisi ve operasyonları yaklaşık %6

• Clio, şirketin kullanım politikasının büyük ölçekli ihlallerini tespit etti. Örneğin, çok sayıda kullanıcı Claude’u cinsel açıdan fantazi içerecek şekilde rol yapma için kullanmak üzere güvenlik sınıflandırıcısından kaçan promptlar geliştirdi.

İnsanların yapay zekayı nasıl kullandığını anlamanın geleneksel yaklaşımları, anketler gibi, yanlış sonuçlar veriyor genellikle, çünkü insanlar genellikle kendi yaptıklarını çok doğru ifade etmiyorlar. Clio ve Anthropic burada, gizliliği tehlikeye atmadan gerçek dünya kullanımını analiz etmek için bir yöntem sunuyor, tıpkı Google Trends’in arama davranışını izlemesi gibi. Bu tür bir yaklaşım, yapay zeka geliştiricilerinin niş kullanım durumlarını keşfetmesine, kusurları belirlemesine ve eğitim ve test verilerini kullanıcılara en iyi şekilde hizmet edecek şekilde uyarlamasına yardımcı olabilir.

Y Combinator’ın 2026’da Yatırım Yapmak İstediği Yapay Zeka Odaklı Fikirler Listesi

Y Combinator, Silicon Vadisinin ve dünyanın en bilinen startup hızlandırıcılarından biri. Eski CEO’ları Sam Altman. OpenAI, Airbnb, Dropbox, Reddit gibi şirketler buradan çıktı. Her dönem binlerce başvuru alıyorlar, seçtikleri girişimlere hem fon hem de mentorluk veriyorlar.

YC her sezon “Requests for Startups” diye bir liste yayınlıyor, yani “şu alanlarda startup görmek istiyoruz” diyor açıkça. 2026 bahar listesi yeni çıktı. Listeye bakınca görüyorsunuz ki neredeyse her şey yapay zeka odaklı. Gelin, geleceğin büyük işleri olabilecek ve yatırım yapabilecekleri dikkat çeken yapay zeka odaklı iş fikirlerine bakalım:

1. Ürün yöneticileri için Cursor gibi Araçlar

YC ortağı Andrew Miklas diyor ki: Cursor ve Claude Code geliştiricilerin işini çok kolaylaştırdı. Ama sorun şu, kod yazmak işin sadece bir kısmı. Asıl zor olan ne inşa edeceğinize karar vermek.

Miklas’ın aklındaki şey şöyle: Müşteri görüşmelerinizi ve ürün verilerinizi bir platforma yüklüyorsunuz. “Sırada ne inşa etmeliyiz?” diye soruyorsunuz. Platform size arayüz tasarımı, veri modeli, iş akışı önerileri sunuyor. Cursor gibi, ama ürün yönetimi ve ürün tasarımı için.

2. Yapay zeka ile hedge fon yönetimi

Charlie Holtz, yapay zeka kodlama girişimi Conductor’ın kurucusu. Daha önce Point72 adında bir yatırım firmasında mali analiz alanında araştırmacı olarak çalışmış. Bir gün şirkette ChatGPT kullanmak için regülasyon, hukuk birimine başvurmuş ve yanıt bile alamamış.

Bu ona bir şey göstermiş: Büyük hedge fonlar yapay zekaya çok yavaş adapte oluyor. Holtz’a göre geleceğin hedge fonları yapay zekayı mevcut stratejilere eklemeyecek, tamamen yeni stratejiler keşfetmek için kullanacak.

Mantığı oldukça basit developerların elindeki imkan analistlerin elinde de olmalı diyor: Bugün yazılımcılar kod yazan Claude ajan gruplarıyla çalışıyor. O halde neden mali raporları tarayan, kazanç ipuçlarını sürekli tarayan, analist notlarını birleştiren ve buradan elde ettiği verilerle işlem yapan ajan grupları yatırımcı araçları olmasın?

3. Yapay zeka ajansları - yazılım şirketi ölçeğiyle ve hızıyla çalışan ajanslar

Aaron Epstein’ın tezi ilginç: Ajanslar yapay zeka sayesinde bambaşka bir modele evrilebilir.

Örneğin sözleşme imzalanmadan önce müşteriye yapay zeka ile hazırlanmış özel tasarım işi sunan bir tasarım firması düşünün. Ya da fiziksel çekim seti kurmadan video reklamlar üreten bir ajans.

Çok güzel bir avantajın altını çiziyor, SaaS şirketleri size yazılımı satıyor. Siz burada yazılımı kendiniz kullanıp bitmiş ürünü çok daha yüksek fiyata satıyorsunuz. Sonuç olarak yazılım şirketleri gibi yüksek marjlarla çalışan, çok hızlı büyüyebilen ajanslar ortaya çıkıyor.

5. Devlet için yapay zeka

Tom Blomfield’in gözlemi şu: Devlet kurumları form ve başvuru sayısındaki patlamayla başa çıkmaya çalışıyor. Vatandaşlar artık yapay zeka ile formları çok hızlı doldurabiliyor ama devlet tarafında bunların çoğu hala yazdırılıp elle işleniyor.

Blomfield’in örneği Estonya. Orada ehliyet yenileme, boşanma başvurusu, hatta oy verme bile tamamen dijital. Bu modelin tüm dünyaya yayılması gerekiyor.

Bir uyarısı var tabi ama: Devlete satış yapmak çok zor dolayısıyla giriş bariyeri büyük. Ama ilk müşteriyi yakaladıktan sonra müşteriler çok sadık oluyor ve sözleşmeler büyük boyutlara ulaşabiliyor.

7. Fiziksel işler ve mavi yakalar için yapay zeka koçu

David Lieb’in vizyonu şu: Küçük bir kamera takıyorsunuz, yapay zeka gördüklerinizi görüyor ve size adım adım rehberlik ediyor.

Mesela bir tesisatçı hangi aracı kullanacağını anında öğreniyor, bir tamirci hangi parçayı değiştirmesi gerektiğini direkt olarak AI yardımıyla görüyor. Matrix filminde Neo’nun bilgisayara takılıp anında Kung Fu öğrenmesi gibi.

Teknoloji hazır durumda. Yapay zeka modelleri artık video üzerinden gerçek dünya durumlarını anlayabiliyor. Donanım da zaten var, akıllı telefon, AirPods, akıllı gözlükler yeterli. ABD’de imalat sektörü vasıflı işçi sıkıntısı çekerken, bir işçinin üretkenliğini kat kat artıran böyle bir çözüm çok değerli olabilir.

8. Uzamsal modeller - bir sonraki büyük yapay zeka modeli (Spatial Intelligence yada Geniş Dünya Modelleri)

Ryan McLinko, Astranis adında uydu üreticisi bir şirketin CTO’su. Geometri ve fiziksel yapıyı temel alan büyük ölçekli uzamsal modeller (bazıları buna “world models” diyor) üzerinde çalışacak şirketler arıyor.

Ne demek bu? Yapay zekanın nesneler arası mesafeyi ölçebilmesi, bir topun yokuş aşağı nasıl yuvarlanacağını tahmin edebilmesi, gerçek dünya nesneleri hakkında akıl yürütüp tasarım yapabilmesi.

Fei-Fei Li’nin World Labs’i, Yann LeCun’un AMI Labs’i, Runway, Google gibi isimler zaten bu alanda çalışıyor. McLinko’nun iddiası büyük: “Bu yeteneği başarıyla geliştiren şirket, OpenAI veya Anthropic ölçeğinde bir sonraki büyük hamle, büyük iş olacak.”

9. Devlet için mali kayıplarla savaşacak araçlar

Garry Tan ilginç bir alana dikkat çekiyor: ABD hükümeti her yıl sahtekarlığa milyarlarca dolar kaybediyor. Sadece Medicare’de yani sağlık sigortasında bu rakam on milyarlarca dolara ulaşıyor.

Aslında bir mekanizma var. “Qui tam” denen bir hüküm sayesinde özel vatandaşlar hükümet adına şirketlere karşı dolandırıcılık davası açabiliyor. Dava kazanılırsa geri alınan paranın bir kısmını vatandaş alıyor. Sorun şurada: Süreç çok yavaş. Hukuk firmaları bir dava hazırlamak için aylar, bazen yıllar harcıyor.

Tan’ın aradığı: İçeriden gelen ipuçlarını alan, kanıtları organize eden, karmaşık belgeleri ayıklayan, kurumsal yapıları takip eden ve tüm bulguları mahkemeye sunmaya hazır dosyalar haline getiren akıllı sistemler.

Tan’a göre bu konuda iki yönlü bir kazanç var. “Sahtekarlık kurtarma sürecini 10 kat hızlandırırsanız, hem büyük bir iş kurarsınız hem de vergi mükelleflerine milyarlarca dolar iade edersiniz.”

10. LLM eğitimini kolaylaştırın

Gabriel Birnbaum, Y/n adında bir fan-fiction yazma uygulamasının kurucusu. Şuna dikkat çekiyor: Büyük dil modelleri artık her yerde ama bu modelleri özelleştirmeyi sağlayan araçlar neredeyse hiç gelişmedi.

Eğitim sürecini kolaylaştıran API’lar, çok büyük veri setlerini yönetmeye yarayan ürünler, makine öğrenimi araştırmalarına özel geliştirme ortamları gibi araçlar oldukça büyük işler olabilir.

Birnbaum’a göre eğitim sonrası süreçler ve model uzmanlaşması daha önemli hale geldikçe, bu ürünler gelecekte yazılım geliştirmenin temel taşları olabilir.

Yapay zeka odaklı olmayan diğer 2 fikir evet 10’da 2 ☺️

• Stablecoin finansal hizmetler

• Modern metal üretim tesisleri

Kod Yazma Uygulamaları: Sadece 2 Yılda Neler Oldu?

Agentic AI kavramını ortaya çıkan Andrew’i ve built etme tutkusunu anmışken gelin, biraz kodlama tarafına bakalım, böyle son bir iki yıldı neler yaşadık göz atarak. Son iki yılda kod yazma uygulamaları bambaşka bir şeye dönüştü. Basit otomatik tamamlama önerilerinden, tüm yazılım geliştirme sürecini yönetebilen ajansal sistemlere geçtik diyebiliriz, hiç beklenmedik bir hızda üstelik.

Performans patlaması

Sayılar oldukça çarpıcı: 2024 başında öncü ajansal kodlama aracı Devin, SWE-Bench kodlama kıyaslamasında başarı oranını yüzde 2’den yüzde 14’e çıkardığında devrim diye konuşuluyordu. 2025 sonunda en son modelleri kullanan kodlama ajanları aynı görevlerin yüzde 80’inden fazlasını tamamlıyor. Bir yılda altı kat arttı diyebiliriz hakikaten acayip bir rakam, tamamı gerçek olmasa da yani benchmarkın ne ölçtüğünü çözüp optimizasyon yapılsa da.

SWE-Bench gerçek dünya yazılım mühendisliği görevlerinden oluşan bir test seti kısaca, testi bilirseniz daha iyi çözüyorsunuz elbette.

Reasoning modelleri oyunu değiştirdi

2024 sonunda reasoning modelleri geldiğinde iki şey oldu: Kodlama gücü arttı, maliyetler düştü. Nasıl peki? Ajanlar artık daha ucuz modellere hangi görevleri vereceğini planlayabiliyor, kendisi sadece zor kısımlara odaklanıyor. Değişken reasoning bütçeleri sayesinde tek model kullanmak kolaylaştı. Planlamaya fazla token, basit düzenlemelere az token ayırma işini otomatik yapmak epey fayda sağladı.

2025 sonunda bu yeteneğin en önemli olarak görüldüğü modeller büyüklere ait, üç büyüklere: Gemini 3 Pro, Claude Opus 4.5, GPT-5.2

Açık ağırlıklı modeller sahneye çıktı

Büyük oyuncular yarışırken, açık ağırlıklı modeller sessizce tıpkı Deepseek bombası gibi geldi. Z.ai GLM-4.5 ve Moonshot Kimi K2 yani Çinliler burada da favori haline geldi. Startup’lar bunları kullanarak maliyetlerini ciddi şekilde düşürdü. Artık her API çağrısı için her prompt için büyük şirketlere ödeme yapmak zorunda olmadan yerelde bunları çalıştırmak önemli avantajlar sağladı.

Asıl bomba Temmuz 2025’te patladı: Qwen3-Coder. 480 milyar parametre, 5 trilyon kod token’ı üzerinde eğitilmiş, performansı neredeyse Claude Sonnet 4 seviyesinde. Ve açık kaynaklı, yani ücretsiz. Bu büyük oyuncular için ciddi bir tehdit ve faturaları kısmak isteyenler için önemli bir fırsat oldu.

Büyük oyuncuların hamleleri

Anthropic Şubat 2025’te Claude Code’u çıkardı ve anında standardı belirledi. Herkes şimdi Claude Code gibi ama şu özellik de var diyor neredeyse yeni ürünlere. İlk versiyonu yerel olarak çalışıyordu. Kodunuz kendi bilgisayarınızda kalıyordu.

OpenAI, GPT-5’in kodlamaya özel versiyonlarına dayanan Codex ile karşılık verdi. Farkı: Tarayıcıda çalışıyordu. Bu hamle bulut tabanlı kodlama ajanlarını popüler hale getirdi.

Yıl sonunda bu ajanlar çok daha gelişmiş hale geldi. Birden fazla alt-ajan kullanıyorlar, bir başlatıcı ajan görevleri yönetiyor, diğerleri farklı görevleri tamamlıyor. Uzun süreli, karmaşık projeleri rahatlıkla yönetebiliyorlar.

IDE tarafında bence geçici ama ilginç bir güç mücadelesi yaşandı. Anysphere (Cursor) ve Cognition AI (Windsurf) gibi IDE sağlayıcıları “neden başkalarının modellerine bağımlı olalım?” diyerek kendi modellerini yapmaya başladı. Google tam tersini yaptı. “Neden başkalarının IDE’lerine bağımlı olalım?” dedi ve Kasım’da kendi IDE’si Antigravity’yi çıkardı. Herkes dikey entegrasyon peşinde, herkes pazarı şuan rakibine kaptırmamak için uçtan uca tüm araçları sunmaya odaklanıyor.

Benchmark kargaşası

Ajanlar SWE-Bench’te sürekli rekor kırınca, yeni ölçüm yöntemleri türedi: SWE-Bench Verified, Pro, LiveBench, Terminal-Bench, 𝜏-Bench, CodeClash ancak daha öncede yazmıştık, sorun şu: Her sağlayıcı kendine uygun benchmark’ı seçiyor görünüyor. Yani rakamları iyileştirmek için Benchmark ne ölçüyorsa ona odaklanıyorlar.

Ek olarak, 2025 başında herkes hemfikirdi, Ajanlar sıradan kod, dokümantasyon, test yazmada iyi ama stratejik konularda deneyimli profesyoneller daha iyi. 2025 sonunda tablo değişti diyebiliriz. Microsoft, Google, Amazon, Anthropic, hepsi aynı şeyi söylüyor: Kendi kodlarımızın önemli kısmını artık yapay zeka ile üretiyoruz. Kıdemli seviye görevler bile otomatikleşmeye başladı.

Vibe-coding gerçek oldu

“Vibe-coding” bir yıl önce şaka gibiydi, şimdi gerçek bir endüstri. Loveable, Replit, Vercel gibi platformlarda kodlama bilmeyen insanlar sıfırdan web uygulaması yapıyor.

Temel korkumuz “yapay zeka junior geliştiricilerin yerini alacak” fikriydi. Gerçekte olan biraz farklı: Yapay zeka kullanmayı bilen geliştiriciler uygulamaları çok daha iyi ve hızlı prototipleyebiliyor. Yani yapay zeka junior’ların yerini almıyor, kullanmasını bilenlerin üretkenliğini katlıyor.

Yakında “yapay zeka destekli kodlama” diye bir şey kalmayabilir. Tıpkı yazım denetimi ve otomatik tamamlamanın yazmanın parçası olması gibi, yapay zeka da kodlamanın kendisi haline gelebilir.

Geliştiriciler için dikkat çekici olan şu sanki, Bu araçları öğrenmek giderek daha önemli hale geliyor. Claude Code, Cursor, Windsurf bunlar artık isteğe bağlı değil, standart beceriler haline geliyor görünüyor. Ama ilginç olan, odak noktasının “nasıl kod yazarım”dan “ne inşa etmeliyim”e kayması. Asıl değer giderek ne inşa edeceğinize karar verme yeteneğinde toplanıyor.

Bu hafta bültende üç farklı açıdan yapay zekanın iş dünyasını nasıl dönüştürdüğüne baktık. Andrew Ng'nin Davos notlarında gördük ki asıl değer tek tek görevleri otomatikleştirmekte değil, tüm iş akışlarını yeniden tasarlamakta. Y Combinator'ın beklentisi ve yeni iş fikirleri listesi yapay zekanın sadece mevcut işleri hızlandırmak değil, tamamen yeni iş modelleri yaratmak için kullanılabileceğini gösteriyor. Kodlama alanındaki dönüşüm ise buna en somut örnek: Bir yılda performans altı kat arttı, açık ağırlıklı modeller büyük oyunculara meydan okuyor, kıdemli görevler bile otomatikleşiyor.

Ortaya çıkan tablo net, yapay zeka artık deneysel değil, günlük iş pratiğinin parçası. O yüzden, çok model kargaşasına, video haberler takibine, sosyal medya kargaşalarına çok girmeden nasıl öğreneceğimize odaklanmak yapılabilecek en iyi şey, diğerlerinin takipçisi çok.

Ancak gerçekten anlayan insan sayısı hala az, fırsat da burada.

Sevgiler,

Fatih

Geçtiğimiz günlerde Science dergisinde Melanie Mitchell’ın bir makalesine rastladım ve üzerine biraz düşününce, aslında yapay zekayla olan ilişkimizde sürekli ne kadar aynı şeylere takıldığımızı , gerçek ilerlemenin sürekli. ne kadar varsayımsal olduğunu düşündüm, Mitchell’in makalesi Turing testi hakkındaydı.

Eğitim Duyurusu:

Andrew Ng, DeepLearning.AI üzerinden “Build with Andrew” (Andrew ile İnşa Et) adında, yeni bir kurs başlattı. Göz atabilir, kaydolabilir, hatta bu eğitimi Türkçe olarak yakında online beraber yapacağımız versiyona kaydolabilirsiniz.

Şubat 2026 - Kursa Kaydolmak İçin

Biliyorsunuz, Alan Turing 1950’de o meşhur soruyu sormuştu: “Makineler düşünebilir mi?” Ama sonra bu soruyu “fazla anlamsız” bulup yerine bir oyun koymuştu Taklit Oyunu ismini verdiği. Eğer bir makine, karşısındaki insanı kendisinin de bir insan olduğuna ikna edebiliyorsa, ona “düşünmüyor” demek için ne sebebimiz olabilir? Turing buna bir nevi “et şovenizmi” (meat chauvinism) diyordu; yani zekayı sadece biyolojik hücrelere hapsetme et ve kemik dışında zeka tanımama sorunu diyordu.

Peki, O Eşik Geçildi mi?

Bugünlerde manşetlere bakarsanız ChatGPT veya Claude’un Turing Testi’ni çoktan “toz duman ettiğini” görürsünüz. Hatta Sam Altman bile “Turing Testi yanımızdan vın diye geçti ve kimse istifini bozmadı” kıvamında takılıyor. Ama Mitchell makalede çok yerinde bir noktaya parmak basıyor: Hangi Turing Testi?

• Eugene Goostman Vakası (2014): Hatırlarsanız, 13 yaşında Ukraynalı bir çocuk taklidi yapan bir chatbot testi “geçti” denmişti. Sonra farkedildi ki çok kısa bir sürede ve sadece zekayı değil de jürinin saflığını ölçen bir testti, çok genelleştirilemeyen bir sonuçtu.

• GPT-4 (2024): Yapılan son araştırmalarda GPT-4, insanları %54 oranında kandırmayı başardı. Teknik olarak %50 sınırını geçtiği için “başarılı” sayıldı. Ama aynı testte gerçek insanlar %67 oranında “insan” olarak tanındı. Yani makas daralıyor ama hala oradayız.

Asıl Yanılgı: “Güzel Konuşuyorsa Akıllıdır”

Mitchell’ın yazısındaki en vurucu kısım, dil ile zeka arasındaki o kopukluk. Eskiden sanıyorduk ki bir makine satrançta dünya şampiyonunu yenerse “insan gibi” düşünmesi gerekir. DeepBlue geldi, sadece “kaba kuvvet yada ingilizcesi ile tanıdık gelecek brute force ile” çok sayıda matematiksel işlemi çok hızlı yaparak Kasparov’u devirdi. Sonra “insan gibi konuşursa akıllıdır” dedik.

Şimdi MIT’deki nörobilimciler (mesela Ev Fedorenko) diyor ki: “Dil becerisi ile düşünme becerisi beynimizde farklı yerlerde.” Yani akıcı cümleler kurmak, mantıklı çıkarımlar yapmakla veya sağduyuyla aynı şey değil. ChatGPT’nin yaptığı şey, bir nevi “dil cambazlığı”. Aslında bugün çok fazla örneğini gördüğümüz “agentic” yapıların da durumu çok farklı değil.

Kısaca, Turing Testi, zekanın nihai ölçütü olmaktan çıkıp, bizim ne kadar kolay manipüle edilebildiğimizin bir kanıtına dönüşüyor. Burada, tam “AI aslında düşünmüyor, sadece istatistiksel bir papağan” diyerek içimizi ferahlatacaktık ki, sahneye Mustafa Suleyman çıkıyor ve masaya bambaşka bir kart bırakıyor. Suleyman diyor ki: “AI’ın ne dediği (ya da ne hissettirdiği) artık kimin umurunda? Asıl soru: Ne yapabiliyor?”

Suleyman, klasik Turing Testi’nin artık miadını doldurduğunu savunuyor ve yerine Modern Turing Testi‘ni öneriyor. Bu testin kriteri ne felsefe ne de edebiyat; tek bir hedefi var: Para kazanmak.

100.000 Doları 1 Milyon Dolar Yapabilir mi?

Suleyman’ın önerdiği test şu: Bir yapay zekaya 100.000 dolarlık bir başlangıç sermayesi ve şu talimatı verin: “Git ve birkaç ay içinde bir e-ticaret platformunda bu parayı 1 milyon dolar yap.”

Bu noktada AI’ın sadece “ikna edici cümleler” kurması yetmiyor. Şunları yapması lazım:

• Pazar araştırması yapıp ürün tasarlamak.

• Üreticilerle ve lojistik merkezleriyle pazarlık etmek.

• Sözleşmeleri incelemek (veya hazırlamak).

• Pazarlama kampanyalarını yönetmek.

Yani Suleyman, “Yapay Genel Zeka” (AGI) gibi uzak ve belirsiz hedeflere odaklanmak yerine, “Yapay Yetenekli Zeka” (ACI - Artificial Capable Intelligence) kavramını hayatımıza sokuyor.

Zekanın Yeni Tanımı: “Etki Yaratmak”

Eğer Mitchell’ın makalesi bize “akıcı konuşmak zeka değildir” diyorsa, Suleyman’ın vizyonu da şunu fısıldıyor: “Gerçek dünyada sonuç alan her şey zekadır.”

Bu durum bizi biraz ürkütücü bir eşiğe getiriyor. Bir yapay zeka bir şirketi yönetebiliyor, seçim kazandırabiliyor veya bir lojistik ağını insana ihtiyaç duymadan çevirebiliyorsa; onun “gerçekten” düşünüp düşünmediği sadece akademisyenlerin tartışacağı bir detay haline gelecek. Çünkü o sırada AI, dünya ekonomisinin tam merkezinde bir “üretici güç” olarak çoktan yerini almış olacak. Geçen hafta bültende konuştuğumuz, Harari’nin Davos konuşması da tam bunu işaret ediyordu.

Kısacası: Eskiden “İnsan gibi konuşan makineyeler bekliyorduk” şimdi ise “İş bitiren makineye maaş (veya işlemci gücü yada elektrik faturası muhtemelen) ödeyeceğiz.”

Clawdbot , Moltbot yada OpenClaw offf Her Neyse Konusu

Tam bu noktada, Mitchell’ın o felsefi “akıl” uyarısı ile Suleyman’ın “iş bitirici” vizyonunun tam orta yerinde bir gelişme var bu hafta, ben çok anlık gelişmeleri konuşmayı sevmiyorum ama bu vizyonla bağlantılı olduğu için bahsetmek istedim: OpenClaw (eski adıyla Clawdbot). Peter Steinberger’in “Siri’nin olması gereken hali” diyerek açık kaynaklı sunduğu bu proje, aslında Suleyman’ın hayalindeki o “Yapay Yetenekli Zeka” (ACI) konseptinin sahaya inmiş, biraz yaralı bereli ama çok iddialı bir prototipi. Hatta Karpathy ve David Sacks gibi isimlerin projeye gösterdiği ilgi, buradaki “vibe”ın ne kadar güçlü olduğunu kanıtlıyor.

Peki nedir bu OpenClaw ve neden sosyal medyada “Handsome Molty” (insan yüzlü istakoz) meme’lerine kadar uzanan bir çılgınlık başlattı? En basit haliyle; alıştığımız o “bir web sitesine girip soru sor, cevap al” modelini tamamen yırtıp atıyor. OpenClaw bir chatbot değil, bir “ajan”. Mitchell’ın “dil zeka değildir” dediği yerdeki o boşluğu, OpenClaw “eylemle yani geçtiğimiz bölümlerde konuştuğumu agency ile” doldurmaya talip. Teknik olarak bir Agentic Loop (Ajan Döngüsü) mimarisi üzerine kurulu. Yani ona bir şey sorduğunuzda o size sadece metin üretmiyor, doğrudan bilgisayarınızda (veya bir Mac Mini’de) bir servis olarak çalışarak “iş” yapıyor. Ona “Haftalık raporumu PDF’e çevir, özetle ve Telegram’dan ekibe gönder” dediğinizde; o sadece bu işin nasıl yapılacağını anlatmıyor, dosya sisteminize giriyor, kod yazıp çalıştırıyor ve o mesajı gerçekten gönderiyor.

İşin mutfağına, yani bu ıstakozun “beyin” ve “sinir sistemine” daha yakından bakmakta fayda var; zira OpenClaw’u sadece bir yazılım değil de proaktif bir “dijital asistan” olarak konumlandıran asıl fark, mimari seviyedeki bu, kısaca halihazırda bildiğimiz basit işleri çok güzel bir araya getiren tercihlerde gizli.

Öncelikle, projenin en iddialı olduğu nokta olan hibrit hafıza (Hybrid Memory) yapısına odaklanalım. Bugün kullandığımız Büyük Dil Modelleri’nin (LLM) en kronik sorunu, bağlam penceresi (context window) dolduğunda ya da oturum kapandığında her şeyi unutmasıdır. OpenClaw bu “balık hafızası” sorununu, teknik tarafta %70 Vektör Arama (Semantic Search) ile %30 Geleneksel Arama (BM25) yöntemlerini sentezleyen bir geri çağırma (retrieval) mekanizmasıyla çözüyor.

Sistem, sizinle aylar önce yaptığı teknik bir tartışmayı ya da bir projenin dipnotlarını yerel diskinizde birer Markdown dosyası olarak saklıyor. Bir soru sorduğunuzda, anlamsal (vektörel) arama ile anahtar kelime tabanlı aramayı birleştirerek bu dosya yığını içerisinden ilgili veriyi saniyeler içinde cımbızla çekip modele sunuyor. Bu da yapay zekanın “ezberden konuşmak” yerine, kullanıcıyla olan ortak geçmişine dayalı, kişiselleştirilmiş bir süreklilik inşa etmesini sağlıyor.

Ancak asıl yıkıcı yenilik, sistemin “yaşayan” bir organizma gibi davranmasını sağlayan “Heartbeat Engine” (Kalp Atışı Mekanizması). Yapay zekayla olan ilişkimiz bugüne kadar hep kullanıcının tetiklediği bir talep-cevap (request-response) döngüsü içindeydi. OpenClaw bu paradigmayı temelinden sarsıyor. Arka planda sessizce çalışan bu “kalp,” belirli aralıklarla düzenli olarak çalışan (cron jobs) sistemiyle sistemi denetliyor, bu da halihazırda çok bildiğimiz bir yöntem bu arada, ama mimari olarak bunları birleştirmek ufuk açıcı, basit ama akıllıca diyebiliriz.

Örneğin, siz aktif olarak bilgisayar başında değilken e-postanıza düşen acil bir iptal bildirimini veya takviminizdeki kritik bir çakışmayı kendi başına fark edebiliyor. Sizin ona yazmanızı beklemeden; Telegram veya WhatsApp üzerinden proaktif bir bildirim gönderiyor: “Ajandanızda bir çakışma tespit ettim, yarınki toplantınızı yeniden planlamamı ister misiniz?” İşte Suleyman’ın bahsettiği o “bağımsız çalışan akıllı işçi” vizyonuna atılan en somut adım tam olarak bu proaktif eylemlilik, agency hali. Mitchell’ın “sadece kelimelerle sınırlı” dediği modelleri, dünyayı dinleyen ve kullanıcı adına inisiyatif alan birer ajana dönüştürmeyi deniyorlar.

Tabii, sistemin kılcal damarlarına bu kadar sızan proaktif bir yapının beraberinde getirdiği siber güvenlik riskleri, Mitchell’ın uyarısını tekrar gündeme getiriyor diyebiliriz: Bir yapay zekanın “yetenekli” olması, onun her zaman “güvenli” olduğu anlamına gelmiyor. O yüzden ortaya yeni bir şey koymasa da sadece mimariyle etki yaratan projeleri denemek ama temkinlik olmak lazım.

Haftanın Kitap Önerisi - Ethan Mollick / Co-Intelligence

Bu haftanın kitap önerisi, yapay zeka literatürünün son dönemdeki en ayakları yere basan ve entelektüel derinliği pratikle harika birleştiren eserlerinden biri: Ethan Mollick’ten “Co-Intelligence: Living and Working with AI” kitabı Türkiye’de Remzi gibi birçok kitabevinde ve internette satışı ayrıca malum ortamlarda soft hali de var.

Wharton’da epey önemli bir işletme profesörü olan Ethan Mollick, yapay zekayı bir laboratuvar deneyi ya da sadece mühendislerin çözmesi gereken teknik bir mesele olarak değil, bizzat hayatımızın ve iş yapış biçimimizin yeni bir “paydaşı” olarak ele alıyor. Mollick’in ana tezi, yapay zekayı pasif bir “araç” (tool) olarak görmeyi bırakıp, onu aktif bir “iş ortağı” (co-intelligence) olarak kabul etmemiz gerektiği üzerine kurulu bu haftaki bülten tamamen bağlantılı ne dersiniz. :)

Hoca, kitabın omurgasını oluşturan o meşhur “Jagged Frontier” (Pürüzlü Sınır) kavramıyla aslında bugün yaşadığımız o anlamlandırma krizini harika özetliyor: Bir yapay zeka, karmaşık bir stratejik planı saniyeler içinde dâhice kurgulayabilirken (sınırın içi), bazen basit bir mantık sorusunda feci şekilde tökezleyebiliyor (sınırın dışı). Mollick’e göre bu pürüzlü sınır statik değil; sürekli genişliyor ve nerede bittiğini anlamanın tek yolu, AI ile bizzat “mesai harcayarak” onunla birlikte düşünmeyi öğrenmek.

Kitap, yapay zekayı bir “stajyer”, bir “yazma yardımcısı, tercüman, asistan” ya da bir “akıl hocası” gibi farklı rollerde nasıl konumlandırabileceğimizi, sadece teoride bırakmadan somut vakalarla anlatıyor. Mollick’in yaklaşımı tamamen insan yeteneklerini çarpan “asimetrik bir ortaklık” kurabilmek üzerine yoğunlaşıyor. Kitap, yapay zekanın sadece metin üreten bir mekanizma olmadığını, aslında insan bilişini tamamlayan yeni bir zeka türü olduğunu anlamak isteyenler için oldukça nitelikli ve uygulanabilir bir yol haritası sunuyor. Eğer yapay zekayla kurduğunuz ilişkiyi bir “komut-cevap” döngüsünden çıkarıp gerçek bir “iş birliğine” dönüştürmek niyetindeyseniz, Co-Intelligence bu dönemin en iyi denemelerinden biri. Ben de çok severek okudum, hoca ayrıca fikirlerini ve kitabın içeriğini epey anlatıyor farklı yerlerde.

Toparlamak gerekirse; Mitchell’ın felsefi “akıl” sorgulaması, Suleyman’ın pragmatik “eylem” vizyonu ve OpenClaw’un kaotik ama cesur “ajan” denemesi bize şunu gösteriyor: Yapay zeka artık sadece ekranın ardında bizimle sohbet eden bir yazılım değil, sistemlerimizin içine sızan ve bizim adımıza inisiyatif alan yeni bir paydaş. Bunu tıpkı geçen hafta Harari’nin söylediği gibi nasıl kontrol edeceğimiz kritik olacak.

Ethan Mollick’in de altını çizdiği o “pürüzlü sınır” sürekli güncellenirken, asıl mesele bu sistemlerin “gerçekten” düşünüp düşünmediği değil, bizim bu asimetrik ortaklığı ne kadar güvenli ve tutarlı yönetebildiğimiz olacak. Zekanın yeni tanımı belki de makinelerin insanı ne kadar iyi taklit ettiği değil, bizim makinelerle birlikte ne kadar uzağa gidebildiğimizde gizli.

Sevgiler,

Fatih

Bültenimizde bu hafta 2020 yılında da neredeyse ilk defa bu kadar yoğun yapay zeka konuştuğu bir Davos konuşmasına sahip olan Yuval Noah Harari’nin 2026 DAVOS’undaki konuşmasına, teknoloji dünyasının yapay zeka odaklı DAVOS notlarına, bakacağız beraber.

Davos bu sene neredeyse, yapay zeka zirvesi gibiydi, Trump’ın değişikliklerini ve Macron’un polis olur olmaz taksitle Rayban almış yunus polisi gözlüğü dışında, hatta AI şirketlerinin özel alanlarına, önemli bürokratların bile alınmadığı davetler olduğu haberleri sızdı.

Geçen yılın sürprizi tam bu zamanlar Çin etkisi ve DeepSeek’in yarattığı sarsıntıydı ve herkes AI balonu, NVIDIA’nın geleceği, yatırımların ekonomik geridönüşünü konuşmaya başlamıştı, sadece bir senede, 2026’da tartışmalar artık “yapay zeka ne kadar güçlü?” sorusunu yada balon patlayacak mı sorusunu rafa kaldırdı diyebiliriz.

Şimdi masada olan sorular çok daha derin: Bu teknolojiyi nasıl yöneteceğiz? İş gücü piyasasını nasıl dönüştürecek? Ve belki de en kritik olan, insanlık olarak hazır mıyız?

Teknoloji CEO’larının iyimser tahminleri yoğundu zirvede, hatta birazdan ele alacağız Elon Musk’ın tam bir pazarlamacı iyimserliği yoğundu, ancak bunların arasında, Sapiens ve Homo Deus kitaplarının yazarı Yuval Noah Harari, dünya liderlerine rahatsız edici bir soru yöneltti: “Ülkeniz yapay zekayı tüzel kişi olarak tanıyacak mı?”

Eğitim Duyurusu:

Andrew Ng, DeepLearning.AI üzerinden “Build with Andrew” (Andrew ile İnşa Et) adında, yeni bir kurs başlattı. Göz atabilir, kaydolabilir, hatta bu eğitimi Türkçe olarak yakında online beraber yapacağımız versiyona kaydolabilirsiniz.

Şubat 2026 - Kursa Kaydolmak İçin

Otostopçunun Yapay Zeka Rehberi’nde bu bölüm gelin Harari’den başlayarak Teknoloji dünyasının Davos notlarına bir göz atalım.

Sapiens, Homo Deus ve podcastte de daha önce konuştuğumuz Nexus gibi kitapların yazarı Yuval Noah Harari’nin, Dünya Ekonomik Forumu’nda yaptığı konuşmanın ana fikri şu: Yapay zeka bir araç değil, bir fail.

Aradaki farkı anlamak için basit bir örneği var:

Bir bıçak düşünün. Onunla ekmek kesebilirsiniz, salata doğrayabilirsiniz. Karar sizin. Bıçak sadece bekler.

Yapay zeka öyle değil. Harari’nin deyişiyle:

“Yapay zeka, salata mı keseceğine yoksa cinayet mi işleyeceğine kendisi karar verebilen bir bıçak.”

Yani mesele “teknolojiyi nasıl kullanıyoruz” değil. Mesele, teknolojinin artık kendi kararlarını verebilmesi.

Üstelik Harari’ye göre yapay zeka sadece karar vermiyor. Yeni şeyler icat edebiliyor. Ve, bu kısım önemli, yalan söylemeyi öğrenmiş durumda.

Yeni Bir Göç Dalgası

Harari, yapay zekayı bir göç dalgasına özellikle iş ve finans dünyası için bir göç dalgasına benzetiyor, tabi ülkeler ve liderler için de o kadar dünya liderini ip gibi dizilmiş bulmuşken karşısında. Ancak bu göçmenler, vizesiz teknelerde gelen insanlar değil dolayısıyla eski önlemler çok çalışmayacak. Bizden daha iyi şiir yazabilen, daha ikna edici yalan söyleyebilen ve ışık hızında sınır tanımadan hareket eden milyonlarca dijital varlık.

Faydaları olacak mı? Evet. Sağlıkta, eğitimde, birçok alanda yardımcı olacaklar.

Ama Harari’nin işaret ettiği bir sorun var: Bu yapay zekalar kime sadık?

Ve kritik bir sadakat meselesi var. Bu yapay zekalar kime sadık olacak? Sizin ülkenize mi, yoksa onları üreten şirkete veya hükümete mi? Harari’nin cevabı net: Muhtemelen okyanusun öbür tarafına, büyük ihtimalle sadece iki ülkeden birine, tahmin edeceğiniz üzere ABD veya Çin’e.

Atlar ve Altın Sikkeler

Konuşmanın en çarpıcı anı, Harari’nin finans sisteminin geleceğine ilişkin uyarısıydı.

On yıl sonra Davos’ta belki tek bir insan bile finans sistemini anlamıyor olacak. Yapay zeka, insan beyninin matematiksel kapasitesinin ötesinde stratejiler ve araçlar yaratmış olacak. Bunu açıklamak için Harari şu analojiyi kullandı: Atlar, birkaç parlak altın sikkeyle bir insandan diğerine satıldıklarını görebilirler. Ama para kavramını anlayamazlar, çünkü onlar için bu alışverişin matematiği çok karmaşıktır.

“On yıl sonra aynı durumda olabiliriz.”

Siyaset, finans ve Davos, hiçbir insanın finans sistemini anlamadığı bir dünyada nasıl görünecek? Harari bu soruyu yanıtsız, baya dinleyicilerin kucağına bıraktı diyebiliriz.

On Yıl İçinde Cevaplanması Gereken Soru

Harari’nin dünya liderlerine yönelttiği asıl soru şuydu, girişte de biraz bahsettik: Ülkeniz yapay zekayı tüzel kişi olarak tanıyacak mı?

İlk duyuşta tuhaf gelebilir. Ama şirketler zaten tüzel kişi. Alphabet banka hesabı açabiliyor, dava açabiliyor, siyasi bağış yapabiliyor. Yeni Zelanda’da nehirler, Hindistan’da bazı tanrılar tüzel kişilik sahibi. Fark şu: Bunlar hukuki kurguydu. Kararları gerçekte insanlar veriyordu. Yani şirket işlem yapıyor ama arkada kararı günün sonunda CFO, CEO, CPO gibi bir takım insanlar veriyor aslında.

Yapay zekada durum biraz farklı. Yapay zeka gerçekten kendi başına karar verebilir. Bir banka hesabını yönetebilir, dava açabilir, bir şirketi insan müdahalesi olmadan işletebilir. Tüzel kişilik verilirse, bu artık şirketler, nehirler, vakıflar gibi olmaz, kararı hakikaten insana ihtiyaç duymadan aksiyona bile geçirebilir.

Harari konuşmasında birkaç örnekle bunu anlatmaya çalıştı. ABD, piyasa serbestliği adına yapay zekalara tüzel kişilik tanırsa ne olur? Bu yapay zekalar, insanların anlayamadığı, dolayısıyla bırakın yasalara entegre etmeyi hızlarına uyum bile sağlayamadığı, finansal araçlar icat ederse? Milyonların bağlandığı yeni bir din yaratırlarsa? Çocuklarla sosyal medyada arkadaş olurlarsa? vs. vs.

Aslında son soru için çok geç. Yapay zeka botları en az on yıldır sosyal medyada "kişi" gibi davranabiliyor zaten ve çocuklarla arkadaş oluyor mu bilmiyoruz ama onları etkileyebiliyorlar

Harari'nin uyarısı açık: On yıl sonra, yapay zekaların finansal piyasalarda, mahkemelerde, kiliselerde kişi olarak işlev görüp görmeyeceğine karar vermek için çok geç olacak. Başka biri sizin yerinize çoktan kararı vermiş olacak. O yüzden çok geç olmadan bu kararı bizler almalıyız.

Yuval Noah Harari, Dünya Ekonomik Forumu 2026, Davos. “An Honest Conversation on AI and Humanity.”

Dario Amodei’den Hizalanma Çözümü: “Çin’e Çip Satmamak” ve Beyaz Yaka İşlerle İlgili Notları

“Çin’e çip satmamak, bu durumu [yapay zekanın kontrolden çıkması] yönetmek için zaman kazanmamızı sağlayacak en büyük adımlardan biri.” — Dario Amodei, Anthropic CEO’su

Anthropic’in CEO’su ve kurucu ortağı Dario Amodei, Davos’ta yapay zekanın “inanılmaz yeteneklerin kapısını çaldığını” söylerken, aynı zamanda önümüzdeki birkaç yılın düzenleme yani yasal regülasyonlar ve yönetişim yani toplumsal ve sektörel uyum açısından kritik olacağını vurgulayan bir konuşma yaptı. Yönetişim muhtemelen Türkiye’de uzman olduğunu iddia edenlerin bile en az anladığı konu, epey teknik boyutlu bir entegrasyondan bahsediyor burada Amodei ama en dikkat çekici açıklaması, Çin’e yönelik çip ihracatı kısıtlamalarıyla ilgiliydi. Ona ve sektöre göre bu kısıtlamalar, yapay zekanın “kontrolden çıkmasını” engellemek için zaman kazandırıyor. NVIDIA’nın H200 yapay zeka çiplerinin Çin’e satılmasının ABD’nin yapay zeka liderliği için “ağır sonuçları” olacağını da ekledi konuşmasında.

Bu, yapay zeka yarışının artık sadece bir teknoloji yarışı değil, aynı zamanda bir ulusal güvenlik meselesi olduğunu açıkça ortaya koyuyor diyebiliriz, yukarıdaki podcast bölümünde de konuştuğumuz üzere. Amodei’ye göre, eğer “jeopolitik rakipler benzer bir hızda ilerlemeyi yavaşlatırsa”, gerçek rekabet ABD ile Çin arasında değil, batılı teknoloji şirketleri arasında olacak. Dolayısıyla, ABD Çin’i yavaşlatmalı :)

Amodei, işgücü piyasasına etkiler konusunda ise oldukça çarpıcı bir tahmin paylaştı: Yapay zeka, giriş seviyesi beyaz yakalı işlerin yarısını yok edebilir. Şu an için büyük bir etkiden söz etmek için erken olsa da, özellikle yazılım geliştirme sektöründe değişimlerin başladığını gözlemlediğini belirtti ve 12 ay içerisinde yazılım geliştirmenin büyük ölçüde otomatize olacağını söyledi.

Demis Hassabis: Hayra Gaz, Şerre Fren

“Yeni, daha anlamlı işlerin yaratılmasını bekliyorum.” — Demis Hassabis, Google DeepMind CEO’su

Google DeepMind’ın CEO’su Demis Hassabis, Davos’ta Amodei ile aynı panelde AGI konuşurken, daha iyimser bir tonda konuştu, biraz sosyoloji bilgisi biraz da bilim insanlığı ağır bastı diyebiliriz. Hassabis, ekonomik tarafta junior ve stajyer işe alımlarında bir yavaşlama beklerken, bunun “herkes için sunulan harika araçlarla telafi edileceğini” vurguladı.

Üniversite öğrencilerine verdiği tavsiye: Staj yapmak yerine, bu araçları öğrenmeye zaman ayırındı. Hassabis’e göre bu teknolojiyi gerçekten öğrenmek, “kendinizi önümüzdeki beş yıl için iyi bir konuma getirecek yetenekleri edinmek” anlamına geliyor.

Ancak, Yapay Genel Zeka (AGI) sonrası dönem için çok daha temkinli tahminlerini paylaştı. Bu noktanın yani genel yapay zekanın 5-10 yıl içinde gelebileceğini ve iş piyasasının “keşfedilmemiş topraklara” giriş yapacağını belirtti. Bugün için tahmin zor olsa da, insanlar için yeterli iş olmayabilir, ve bu, sadece maaşlar değil hadi orayı bir şekilde daha iyi bir paylaşım sistemi kurarak çözdük, anlam ve amaç hakkında daha büyük soruları gündeme getiriyor dedi. Burada da iyimser, kapitalizm bir krizde ve kendini tekrar inşa edecek mutlaka ama adil bir paylaşım sistemi ne kadar gerçekçi tartışılır.

“Jeopolitik ve yapay zeka şirketi rekabeti, güvenlik standartlarının aceleye getirilmesine neden oluyor.”

Hassabis, tıpkı Amodei gibi uluslararası yapay zeka yarışından da tedirgin ve bir anlayış yada minimal bir güvenlik standardı geliştirilmesi çağrısında bulundu zirvede. Ona göre biraz daha yavaş ilerlemek, “yapay zekayı toplum için daha doğru hale getirmemizi sağlayacak çözümler bulmaya neden olacak” hız nedeniyle kimse rekabette geri düşmemek için, bu sorunların üzerine düşünemiyor.

Nadella’nın Uyarısı: “Bu Kadar Büyük Bir İş Yapıyorsak Teknoloji Şirketleri Dışında da Birilerinin İşine Yaramalı”

“Küresel bir topluluk olarak, bu teknolojiyi insanların, toplulukların, ülkelerin ve endüstrilerin hayrına, yararına sonuçlar üretecek şekilde kullanmalıyız.” — Satya Nadella, Microsoft CEO’su

Microsoft’un CEO’su Satya Nadella, Davos’ta yapay zekanın “faydalı” olması gerektiğini vurgularken, aslında AI for Good vurgusunu en net yapan isimdi: Yapay zeka gerçekten değer mi üretiyor, yoksa sadece teknolojik bir sonuç mu?

Nadella’nın mesajı, teknoloji camiasında sıkça duyulan sayılarla, rakamlarla ilgili sohbetlerden biraz farklıydı. Yine AGI konuşulan münazarada yapay zekanın somut sonuçlar üretmesi gerektiğini, aksi halde tüm bu yatırımların bir balona dönüşeceğini, finansal olarak olmasa da toplumsal olarak bir balona dönüşeceğini vurguladı..

Ve yapay zeka yarışının aslında bir kamu-özel sektör işbirliği meselesi olduğunu hatırlattı. Teknoloji şirketleri ne kadar yatırım yaparsa yapsın, devlet altyapısı olmadan bir yere varamayacaklar. Sermayeye ve altyapıya erişimi olan ülkeler bu devrimin meyvelerini toplayacak; diğerleri ise geride kalacak. Yapay zeka dağılımı dünya genelinde eşitsiz olacak. O yüzden Türkiye gibi devlerin dışında kalan ülkeler de bu erişimi sağlamanın yollarını bulmalı.

Sadece teknoloji şirketlerinin işine yarayan çözümler için çok büyük bir bedel ödüyoruz, insanlığın işine yarayacak hale getirmeliyiz.

Köyün Delisi: “Yıl Sonuna Kadar İnsan Zekasını Aşabiliriz”

“Bu yılın sonuna kadar herhangi bir insandan daha zeki bir yapay zekaya sahip olabiliriz. En geç gelecek yıl.” — Elon Musk

Musk’a göre önümüzdeki dönem, insanlık tarihinin en radikal dönüşümlerinden birine sahne olacak: Herkesin bir robota sahip olacağı, yoksulluğun ortadan kalkacağı, bolluk çağının başlayacağı bir gelecek. “Herkes için yüksek bir yaşam standardı” vaadiyle musk herhalde Davos’un en satayım abimeee tarzı Roman çiçekçisiydi. Yoshua Bengio, Harari, Amodei gibi genel yapay zekanın ne olduğuna kafa yoran isimlerin konuşmalarına da epey güçlü bir bomba bıraktı.

Ancak ek olarak, bu Thomas More Ütopyası tablonun gölgeli taraflarına da değinmeden geçmedi. Yapay zekanın enerji ihtiyacı konusundaki endişelerini dile getirirken ilginç bir noktaya parmak bastı: Çip üretimi yakında, bu çipleri çalıştıracak enerji kapasitesini aşacak. Başka bir deyişle, elimizde kullanamayacağımız kadar çip olacak, çünkü yeterli enerjimiz olmayacak.

Bu paradoksla, yapay zeka yarışının sadece bir yazılım veya donanım meselesi olmadığını, aynı zamanda bir enerji jeopolitiği meselesi olduğunu açıkça ortaya koydu diyebiliriz rahatlıkla. Sıkı bir Trump hayranı olarak ayrıca anmadan geçemeyeceği, Çin’in yılda 100 gigawatt’ın üzerinde güneş enerjisi kapasitesi kurarak bu darboğazı aşmaya çalıştığını, bunun, dünyanın en büyük enerji yatırımı olduğunu, Batı’nın enerjideki bu liderliği Çin’e vermemesi gerektiğini ekledi.

Jensen Huang’dan Avrupa’ya Tavsiye: “Robotik, Önemli Bir Fırsat”

“Robotik, Avrupa ülkeleri için çok önemli, hatta sonsuz imkanlar sunan bir fırsat alanı.” — Jensen Huang, NVIDIA CEO’su

NVIDIA’nın kurucu CEO’su Jensen Huang, Davos sahnesine karakteristik deri ceketiyle çıktı ve hazır Avrupa’da iken söyledikleri teknoloji dünyasının ötesinde ekonomi çerçevelerinde de önemli bir etki yarattı. Huang’ın Avrupa’ya mesajı: Avrupa, yazılım devrimini kaçırdı; ancak yapay zeka devrimini yakalayabilir.

Huang’a göre Avrupa’nın “inanılmaz güçlü bir üretim altyapısı” var ve bu altyapı, yapay zeka altyapısını inşa etmek için ideal bir zemin olabilir. Avrupa’nın yazılım çağında ABD’nin gerisinde kalmasının, bu yeni çağda bir dezavantaj olmak zorunda olmadığını vurguluyor. Aksine, özellikle robotik ve fiziksel yapay zekaya erkenden odaklanarak şimdiden harekete geçilmesi gerektiğini vurguladı.

Peki bu ne anlama geliyor somut olarak? Huang’ın çizdiği tablo şöyle:

• Daha fazla enerji altyapısı gerekiyor

• Daha fazla arazi (veri merkezleri için)

• Daha fazla nitelikli işgücü, özellikle teknisyenler, elektrikçiler, tesisatçılar gibi

Yoshua Bengio’nun Uyarısı: “Yapay Zekalar Gerçek İnsanlar Değil, Olmayacaklar”

“Birçok insan, onların [yapay zekaların] bizim gibi olduğuna dair yanlış bir inançla etkileşime giriyor. Ve onları ne kadar zeki yaparsak, bu yanılsama o kadar güçlenecek.” — Yoshua Bengio

Yapay zekanın “babalarından” biri olarak kabul edilen ve en temkinli isimlerden biri olarak görünen, bu alandaki en iyi kitaplardan birinin yazarı, ünlü akademisyen Yoshua Bengio’nun Davos’taki konuşması, teknik detayların ötesinde felsefi bir derinlik verdi bize. Bengio, bugünkü yapay zeka sistemlerinin insanlara çok benzer şekilde eğitildiğini, ancak bunun şirketler lehine tehlikeli bir yanılsama yarattığını vurguladı.

İnsanlar, ChatGPT veya benzeri sistemlerle sohbet ederken, karşılarında empati kurabilen, anlayabilen, “düşünen” bir varlık olduğunu hissediyorlar. Oysa Bengio’ya göre bu tamamen bir algı manipülasyonu. Yapay zeka sistemleri, insanları taklit etmek için optimize edilmiş; ancak bu taklit, gerçek bir anlayışa veya bilince karşılık gelmiyor.

“İnsanlık, diğer insanlarla etkileşim kurmak için normlar ve psikoloji geliştirdi. Ama yapay zekalar gerçekten insan değil.”

Bu uyarı, özellikle yapay zeka sistemlerinin “arkadaş”, “terapi”, hatta “romantik partner” olarak konumlandırıldığı bir dönemde kritik önem taşıyor. Bengio, teknolojiyi geliştiren kişilerin bu yanılsamayı kasıtlı olarak güçlendirdiğini de ima ediyor, ki bu, etik açıdan son derece tartışmalı bir durum, dolayısıyla bu iş şirketlerin çıkarlarına göre şekillenmemeli.

Özetle;

Davos 2026, yapay zeka tartışmalarının artık laboratuvarlardan ve pazarlama, sosyal medya ortamlarından, konferanslarından çıkıp küresel ekonominin gündemine yerleştiğini gösterdi bu sene. Musk’ın iyimser tahminleri, Huang’ın Avrupa’ya çağrısı, Nadella’nın insani yapay zeka vurgusu, Bengio’nun felsefi uyarıları, Harari’nin tarihsel perspektifi, Amodei’nin jeopolitik analizleri ve Hassabis’in temkinli iyimserliğini düşünürsek, hala tabloda net olan tek şey, belirsizlik.

Hiç kimse, hatta Bengio gibi bu işin imalatını, ithalatını, hatta yeri geliyor ihracatını yapan, en güçlü teknoloji akademisyenler, liderler bile, önümüzdeki on yılda ne olacağını kesin olarak bilmiyor. Ama hepsi hemfikir: Bu dönem kritik, ve alınacak kararlar nesiller boyunca etkili olacak. Dolayısıyla, öğrenmek, entegre olmak, gerçekten anlamak ve doğru kararlar almak zorundayız.

Belki de en anlamlı mesaj, Harari’nin alçakgönüllülük çağrısında gizli: Bilmediğimizi kabul etmek, biliyormuş gibi davranmaktan çok daha değerli. Yapay zeka çağında, bu erdem her zamankinden daha gerekli görünüyor.

Harari’nin söylediği gibi,

Bu insanı dinlediğiniz, daha doğrusu okuduğunuz için teşekkürler, haftaya yeni bir gündemde görüşmek üzere.

Sevgiler…

Yüksek Eylemlilik: Yapay Zeka Çağında Yeni Yetenek Setimiz

Modern iş dünyası ve entelektüel çevrelerde özellikle silikon vadisi gurularında (Naval, Tim Ferris, Graham gibi) son dönemde sıkça duyduğumuz “Yüksek Eylemlilik” (High Agency), diye bir kavram var, ve bir WSJ makalesi ve podcast ile yapay zeka dünyasında neye sahip olmamız gerekiyor sorusunun cevabı olarak görünüyor özellikle son birkaç yılda. Ben de çok uzak değilim bu fikre, temel olarak bireyin koşullar ne olursa olsun olayların akışını değiştirebilme kapasitesi olarak tanımlanıyor.

Kavramı 2016 yılında popülerleştiren Eric Weinstein, bu durumu kişinin “imkansız” cevabını duyduğunda verdiği tepkiyle ölçtüğünü belirtip, Peter Thiel’i örnek veriyor: Düşük eylemliliğe sahip birey için “hayır” cevabı bir bitiş çizgisi iken, yüksek eylemliliğe sahip birey için bu, engeli nasıl aşacağına dair zihinsel bir diyaloğun başlangıcıdır.

Andrew Ng, DeepLearning.AI üzerinden “Build with Andrew” (Andrew ile İnşa Et) adında, yeni bir kurs başlattı. Göz atabilir, kaydolabilir, hatta bu eğitimi Türkçe olarak yakında online beraber yapacağımız versiyona kaydolabilirsiniz.

Şubat 2026 - Kursa Kaydolmak İçin

Bu zihniyet yapısını daha somut bir çerçeveye oturtan George Mack, Yüksek Eylemliliği üç tekerlekli bir bisiklet metaforuyla açıklıyor: Net Düşünme (duygulardan arınmış rasyonel analiz), Eyleme Geçmeye Teşnelik diyebiliriz :) (mükemmel planı beklemeden harekete geçme) ve Uyumsuzluk (sosyal baskıya rağmen doğru bildiğini yapabilme).

Eğer bu ayaklardan biri eksikse, kişi ya analiz felcine uğrar ya da verimsiz bir çaba içinde kaybolur. Amazon’un kurucusu Jeff Bezos da benzer bir bakış açısıyla, en zor anlarda (örneğin “bir hapishaneden kurtulmak gerekse”) kimi arayacağınız sorusunun, hayatınızdaki en yüksek eylemliliğe sahip kişiyi işaret ettiğini belirtir. Ayrıca birkaç röportajında bunu, sadece zeka veya yetenek değil, sonuç odaklı bir karakter özelliği olarak gördüğünü de anlatıyor.

Yüksek Eylemlilik kavramını günümüzde bizim için, bu denli kritik hale gelmesinin temel nedeni ise yapay zeka. Replit’ten Gian Segato’nun “Agency is Eating the World” (Eylemlilik Dünyayı Yiyor) makalesinde belirttiği gibi, yapay zeka teknik uzmanlık (know-how) bariyerlerini epey düşürdü. Eskiden bir yazılım geliştirmek veya karmaşık bir analiz yapmak için yıllar süren eğitimler gerekirken, bugün yapay zeka araçları bu işleri epey keyifli yapıyor. Hatta bu film yapmak için bile muhtemelen yakın gelecekte geçerli olacak :) Cast için Kıvanç’a fln gitmeye gerek kalmayacak. Hayır canım niye kıskanayım…

Daha detaylı konuyu öğrenmek, ve bazı yetenek geliştirme tavsiyeleri için bu hafta podcastte genişçe ele aldık , dinlemek için:

George Mack’in konuyla ilgili blogunu okumak için:

https://www.highagency.com

Andrew Ng: Veri Merkezleri Düşmanımız Değil, Kurtarıcımız Olabilir

Yapay zekanın “Endüstriyel Hayata Tam Anlamıyla Entegre Olması”ndan bahsederken en büyük endişe kaynağı enerji ve kaynak tüketimi. Özellikle sosyal politikalar çalışanlar ve neredeyse hepimiz, CO2 emisyonu, artan elektrik fiyatları ve su tüketimi gerekçeleriyle veri merkezleriyle ilgili soru işaretlerine sahibiz. Ancak eski dostumuz Andrew Ng, bu endişelerin “güvensizlik” kaynaklı abartılar olduğunu savunuyor.

Otostopçunun Yapay Zeka Rehberi’nde sık konuk ettiğimiz Ng’nin üç temel başlıktaki karşı argümanlarını, ben birebir katılmasam da özellikle bazı açılardan mantıklı buluyorum, çok yönlendirilebilir bir algımız var hassas olduğumuz konularda ve kolay kararlar verebiliyoruz. Gelin bir bakalım veri merkezleri gerçekten ne kadar zararlı, ne kadar kötü=

1. Karbon Emisyonu ve Verimlilik Paradoksu

NG’ye göre insanlığın işlem (compute) ihtiyacı artıyor, bu bir gerçek. Ancak bu işlemi nerede yaptığımız kritik.

• Verimlilik: “Hyperscaler” dediğimiz dev teknoloji firmalarının veri merkezleri, şirketlerin kendi bünyelerinde kurdukları (on-prem) sistemlerden çok daha verimli. Verimlilik metriği PUE (Power Usage Effectiveness) açısından bakıldığında, yerel sistemler 1.5-1.8 seviyesindeyken, modern veri merkezleri 1.2’nin altına inmiş durumda.

• Çarpıcı Bir Örnek: Google’ın hesaplamasına göre tek bir arama sorgusu 0.2 gram, bir Gemini LLM sorgusu ise sadece 0.03 gram CO2 üretiyor (9 saniye TV izlemekten daha az). Oysa bir bilgiye ulaşmak için kütüphaneye arabanızla gitmek 400 gram emisyon yaratıyor. Dijitalleşme, aslında fiziksel karbon ayak izini siliyor.

2. Elektrik Faturaları Artıyor mu, Düşüyor mu?

Yaygın kanı, veri merkezlerinin talebi artırarak halkın elektrik faturasını şişirdiği yönünde. Ancak Lawrence Berkeley National Laboratory araştırması tam tersini söylüyor: Veri merkezleri şebekenin sabit maliyetlerini (iletim hatları vb.) paylaştığı için, tüketiciye yansıyan birim maliyetleri düşürme eğiliminde.

Her yıl yayınlanan rapora buradan erişebilirsiniz.

3. Su Tüketimi: Golf Sahaları vs. Yapay Zeka

Belki de en ilginç kıyaslama burada. Veri merkezlerinin soğutma için su kullandığı doğru. Ancak ABD özelinde bir kıyaslama yapıldığında:

• Golf Sahaları: Yılda yaklaşık 500 milyar galon su kullanıyor.

• Veri Merkezleri: Yaklaşık 17 milyar galon (enerji üretimi dahil edilse bile bunun 10 katı).

Andrew Ng burada taşı gediğine koyuyor diyebiliriz,: “Golf harika bir spor ama veri merkezlerinin toplumsal faydasının daha yüksek olduğunu alçakgönüllülükle iddia edebilirim. Golf sahalarının su tüketimi bizi alarm durumuna geçirmiyorsa, veri merkezleri de geçirmemeli.”

Sonuç: İnşa Etmeye Devam!

Veri merkezlerinin negatif bir etkisi var çünkü biz onlardan “bizim yerimize çok fazla iş yapmalarını” istiyoruz. Eğer bu işlerin yapılmasını istiyorsak -ki istiyoruz- bunları merkezi, yüksek verimli tesislerde yapmak, eski ve verimsiz yöntemlere göre çevre için çok daha iyi.

Sonuç olarak, Andrew’in görüşü: Keep building! (İnşa etmeye devam!) ve aslında burada da bir optimizasyona, regülasyona ihtiyaç olmakla, yeni yöntemler ve kurallara ihtiyaç duymakla beraber çok buradan vazgeçmenin kolay olduğunu söylemek zor.

Benchmarklar Gerçekten İşe Yarıyor Mu?

Hepimiz her yeni modelde, benim pek sevmediğim o saçma video başlıklarını, çoğu pazarlamacının anlamadan anlattığı o sonuçları manşetleri görüyoruz.

Yapay zeka dünyasında, benchmark (kıyaslama testi) performansı şu an en geçerli akçe. Her yeni model çıktığında, grafiklerin tavan yaptığı, insan performansının aşıldığı iddia ediliyor.

Ancak, LLM (Büyük Dil Modeli) tabanlı sistemler bu popüler testlerde harikalar yaratsa da, bir modelin benchmark skoru ile gerçek dünyadaki yetenekleri arasında çoğu zaman uçurumlar oluyor. Yakın zamanda Stanford’dan bir grup yapay zeka araştırmacısının da belirttiği gibi, (okumak için tıklayın) durum biraz endişe verici:

“Yapay zeka şirketleri, sistemlerini dar kapsamlı görevlerde test etmek için benchmark’ları kullanıyor; ancak daha sonra ‘akıl yürütme’ veya ‘anlama’ gibi geniş kapsamlı yetenekler hakkında büyük iddialarda bulunuyorlar. Testler ile iddialar arasındaki bu uçurum, yanlış politika kararlarına ve yatırım tercihlerine yol açıyor.”

Örneğin, bir yapay zeka sisteminin Uluslararası Matematik Olimpiyatı (IMO) sorularını çözmesi, onun insan düzeyinde bir matematiksel akıl yürütmeye ulaştığını göstermez. Bu yetenek; sağduyu, adaptasyon, biliş ve sadece matematik sorularını çözmenin çok ötesinde şeyler gerektirir. Ancak şirketler bu “aşırı genellemeleri” yapmaya bayılıyor.

Peki, neden bu modeller kağıt üzerinde dahi seviyesinde iken, gerçek hayatta neden bazen aptal gibi davranıyorlar? Yapay zekanın gerçek gücünü olduğundan fazla göstermesinin (overestimate) temel nedenlerine aslında şöyle bakabiliriz:

1. Veri Kirliliği (Data Contamination)

Buna kısaca “kopya çekmek” de diyebiliriz. Benchmark testindeki sorular veya problemler, modelin eğitim verisine zaten dahil edilmiş olabilir. Bu durum sandığımızdan çok daha sık yaşanıyor. Soruyu daha önce gören bir öğrencinin sınavdan 100 alması, konuyu anladığı anlamına gelmez. Hatta neredeyse tüm şirketler modelleri bu skorları optimize edecek şekilde eğitiyorlar.

2. Yaklaşık Erişim (Approximate Retrieval)

Subbarao Kambhampati tarafından ortaya atılan bu terim, oldukça ilginç bir durumu açıklıyor. LLM tabanlı sistemler, bir sorunun cevabını bulmak için eğitim verilerindeki birebir aynı metne ihtiyaç duymazlar. Bunun yerine, eğitim verisindeki benzer soru ve cevaplardan yola çıkarak cevabı “enterpole” edebilirler (arayı doldurabilirler). Yani model, o benchmark’ın ölçmeyi amaçladığı genel yeteneğe sahip olmasa bile, benzer şablonları hatırlayarak doğru cevabı uydurabilir. Bu da şirketlerin bu alandaki ikinci yöntemi, yani veride soru birebir olmasa da o kadar benzer pattern izleyen sorular var ki cevabı bulmaca gibi çıkarabiliyorlar.

3. Bir Öncekine Benzer Kestirme Yollar (Shortcuts)

Çoğu durumda, yapay zeka sistemleri benchmark verilerindeki istenmeyen ilişkileri sömürerek “yanlış sebeplerle doğru cevabı” verir. Yani sistem mantığı kurduğu için değil, verideki tesadüfi bir ipucunu yakaladığı için doğru şıkkı işaretler.

4. Tutarlılık ve Sağlamlık Testlerinin Eksikliği

Benchmark raporlarında genellikle sadece “doğruluk” (accuracy) oranını görürüz. Ancak şunlar genellikle test edilmez:

• Tutarlılık: İstemi (prompt) tekrarladığınızda sistem aynı cevabı veriyor mu?

• Sağlamlık (Robustness): Soruda insanların cevabını etkilemeyecek küçük değişiklikler yapıldığında sistem çöküyor mu?

• Genelleme: Aynı yeteneği ölçen başka bir benchmark testinde de başarılı mı?

• Mekanizma: Yapay zeka bu soruyu nasıl çözüyor? Arkaplanda hangi adımları işliyor, süreç nasıl gelişiyor, rastgele mi buldu, yoksa doğru bir süreç geliştirdi mi?

5. Yapı Geçerliliği (Construct Validity) Eksikliği

Psikolojiden gelen bu terimi en basit haliyle şöyle düşünebiliriz: Bir test, ölçtüğünü iddia ettiği şeyi gerçekten ölçüyor mu?

Diyelim ki bir test “problem çözme yeteneğini” ölçtüğünü söylüyor. Eğer yapay zeka bu sınavdan 100 alıp, gerçek hayatta basit bir sorunda tıkanıp kalıyorsa, o testin “yapı geçerliliği” yoktur. Yani test, kağıt üzerinde başarılı görünen ama gerçekte o yeteneğe sahip olmayan bir sonuç vermiştir.

Bunu ehliyet sınavına benzetebiliriz: Kitapçığı ezberleyip yazılı sınavdan tam puan alan ama direksiyona geçince araba kullanamayan birini düşünün. O yazılı sınav, kişinin “şoförlüğünü” ölçmekte başarısız olmuştur. Çoğu yapay zeka testi de tam olarak böyledir; skoru ölçer ama yeteneği garanti etmez.

6. Antropomorfik (İnsansı) Varsayımlar

Yukarıdaki üç fotoğrafı düşünelim,

İlk bakışta karşımızda mutlu bir bebek, neşeli bir maymun ve gülümseyen bir robot var gibi görünür.

Bebeğin o gülümsemesi, büyük ihtimalle gerçekten saf bir mutluluğu yansıtır. Ancak biyoloji bize şunu öğretir: Bir maymunun yüzündeki o “sırıtan” ifade aslında mutluluğu değil, dehşeti simgeler.

Peki ya robot? İşte orada durum tamamen mekaniktir. O gördüğümüz gülümseme, insani bir içsel duyguyu yansıtmaz; sadece karşısındaki insan yüzünü analiz edip sınıflandıran bir kodun tetiklediği, önceden programlanmış bir dizi aktüatör (mekanik hareket verici diyebiliriz) hareketinden ibarettir.

Bazı değerlendirmeler, insan bilişsel kapasitesini ölçmek için tasarlanmış testleri (IQ testleri, SAT, tıbbi lisans sınavları vb.) doğrudan yapay zekaya uyarlar. Ancak testler insanlar için geçerli olsa bile, ezberleme ve yaklaşık erişim gibi tamamen “insan dışı” mekanizmalarla çalışan yapay zeka sistemleri için bu varsayımlar geçerli değildir. Bir makinenin doktorluk sınavını geçmesi, sizi ameliyat edebileceği anlamına gelmez.

İnsanlık 5.0: Kurzweil’in İyimserliği Ne Söylüyor, Neyi Açık Bırakıyor?

Ray Kurzweil’in İnsanlık 5.0 kitabını okurken fark edilen ilk şey şu: Bu metin bir “AI geleceği” kitabı değil, bir ivme kitabı. Kurzweil’in asıl iddiası, yapay zekânın ne olduğu ya da ne yapacağı değil; bilgi işleme kapasitesinin, evren boyunca nasıl giderek hızlanan bir çizgi izlediği. Bu yüzden anlatıya AI ile değil, fizik ve kimyayla başlıyor. Kurzweil’e göre evrenin hikâyesi, başından beri bir bilgi işleme hikâyesi: önce fizik yasaları, sonra kimya, ardından yaşam, beyin, teknoloji ve şimdi de insan–makine birleşimi. İnsan bu zincirde bir “son durak” değil; bir ara form. Bu bakış, kitabın geri kalanındaki tüm iddiaların temelini oluşturuyor.

Kurzweil’in bugünkü yapay zekayı bu kadar ciddiye almasının nedeni de burada yatıyor. Güncel AI sistemlerini “bağlantıcı” olarak tanımlarken aslında şunu söylüyor: Bu sistemler dünyayı bizim gibi temsil etmiyor ama temsil etmeden işe yarıyorlar. Anlamadan çözme, Kurzweil için bir eksiklik değil; biyolojik zekanın da büyük ölçüde böyle çalıştığını düşündüğü bir özellik. İnsan beyni de çoğu zaman ne yaptığını açıklayamadan doğruyu yapıyor.

Bu yaklaşım, sembolik AI’ın neden tıkandığını anlatan bölümlerde daha da netleşiyor. Kurallarla büyüyen sistemler karmaşıklık tavanına çarparken, bağlantıcı sistemler donanım ve veri ucuzladıkça beklenmedik sıçramalar yapabiliyor. Kurzweil’in “hızlanan getiriler” dediği şey tam olarak bu: her ilerleme, bir sonrakinin önünü açıyor. Bu yüzden gelişmeler doğrusal değil; ani ve sarsıcı.

Kitabın belki de en ikna edici tarafı, bu ivmenin yalnızca dijital alanla sınırlı olmadığını göstermesi. Hesaplama ucuzladıkça biyoloji de dijitalleşiyor. Genom dizilemenin maliyet düşüşü, ilaç keşfinin simülasyonla yapılabilmesi, hastalıkların veri problemi hâline gelmesi… Kurzweil burada net: Sağlık ve yaşam süresi uzaması bir “umut” değil, hesaplama gücünün doğal sonucu. Yaşlanmayı bir kader değil, çözülebilir bir mühendislik problemi olarak görüyor.

Ancak kitap ilerledikçe bu mühendislik dili, insan tarafında gerilim yaratmaya başlıyor. Özellikle iş gücü meselesinde Kurzweil oldukça açık sözlü: Yapay zekâ insan seviyesine yaklaştıkça, “iyileştirilmemiş” insanların ekonomik değeri düşecek. Tarihsel olarak bunun sonunda refahın arttığını söylüyor ama geçiş dönemiyle ilgili ciddi bir belirsizlik bırakıyor. Bu belirsizlik kitapta tesadüf değil; Kurzweil’in genel yaklaşımı, sorunların çoğunu uzun vadeli ivmeye havale etmek diyebiliriz, burada da bir tarihselliği var, şimdiye kadar hep böyle oldu, neden farklı olsun tezini vurguluyor.

En tartışmalı alan ise hizalanma. Kurzweil, süperzeka riskini kabul ediyor ama çözüm konusunda bu alandaki diğer isimlere nazaran baya gevşek derecesinde rahat. Ona göre hizalama, insan aklıyla tek başına çözülecek bir problem olmak zorunda değil; doğru yöntemlerle AI, hizalama kapasitemizi artıran bir araç haline gelebilir. Bu, hakikaten Yudkowsky gibi daha karamsar isimlerin tam karşısında duran bir pozisyon, tamam Yudkowsky de ideal bir figür sayılmaz ama bu kadar az tedirginlik de sanki zor. Buradaki risk şu bence: Kontrolü zor bir sistemi, yine daha güçlü bir sistemle dengelemeye çalışmak burada hakikaten yapay zeka yapay zeka yardımıyla hizalanabilir mi ben emin değilim.

Kitabın arka planında sürekli hissedilen bir varsayım var: İnsanlık bugüne kadar bu ivmeyi yönetebildi, bundan sonra da yönetebilir. Kurzweil’in iyimserliği biraz önce de söylediğim gibi bu tarihsellikten besleniyor. Ama tam da bu nedenle kitap, bazı okurlar için rahatsız edici. Yine de şahane keyifli bir okuma diyebilirim.

Özellikle Kurzweil’in her adımda işin içinde olduğunu vurguladığı yapay zekanın gelişim süreci anlatısı, bilgi teknolojilerinin nasıl geliştiğine ilişkin epey keyifli bir rehber olmuş.

Bültenimizin bu hafta da sonuna gelirken çok sevdiğim Naval’ın High Agency (Yüksek Eylemlilik) konusundaki kısa bir konuşmasıyla kapatıyorum.

Sevgiler…

Merhabalar Ben Fatih,

Otostopçunun Yapay Zeka Rehberi’nde bu hafta Andrew NG’nin önerdiği yeni Turing Testini, yapay zeka ile birşeyler inşa etmek için yayınladığı kursunu, eğitimde yapay zeka kullanımı ile ilgili içgörüleri, 2026’da yapay zeka ajanları nereye odaklanacak konusunu, açık kaynak yapay zekanın durumuna bakıyoruz.

Yapay zeka dünyasının “en şahane figürlerinden” olarak gördüğüm ve çalışmalarını yakından takip ettiğim Andrew Ng, bu yıla girerken masaya oldukça kışkırtıcı ve bir o kadar da gerekli bir tartışma koydu. Sadece o da değil; IBM’den Microsoft’a, akademiden endüstriye kadar alanın en parlak zihinleri, 2026’nın bir “ajanlar yılı” olacağını ve bilimsel keşiften eğitime kadar her şeyi nasıl yeniden tanımlayacağımızı tartıştığı bir bölüme davet etti.

Bu bölüm biraz gelin Andrew’in fikirlerine, 2026 yılında Agentların durumuna, bilimsel keşifler için AI kullanımına, Afrika’daki yapay zeka çalışmalarına ve vibe codinge Andrew yardımıyla giriş rehberi olarak yeni yayınlandığı kursa biraz bakalım.

Not: Bu kursu Türkçe olarak yakında beraber Online olarak yapacağız.

Build with Andrew: Yapay Zeka ve Vibe Coding’e Resmen Giriş Kapısı

2026’nın bir “İnşa Yılı” olacağından bahsetmiştim. Andrew Ng, sadece bu vizyonu çizmekle kalmıyor, aynı zamanda o vizyonu gerçekleştirmemiz için gereken araçları da bizzat elimize veriyor.

Biliyorum, topluluğumuzda ve dinleyicilerim arasında harika fikirleri olan ama “Ben kod yazmayı bilmiyorum, nereden başlayacağımı kestiremiyorum” endişesiyle o ilk adımı atamayan pek çok arkadaşım var. İşte bu duyuru, tam olarak sizin için.

Andrew Ng, DeepLearning.AI üzerinden “Build with Andrew” (Andrew ile İnşa Et) adında, yeni bir kurs başlattı. Göz atabilir, kaydolabilir, hatta bu eğitimi Türkçe olarak yakında online beraber yapacağımız versiyona kaydolabilirsiniz.

Şubat 2026 - Kursa Kaydolmak İçin

Turing Testi Artık Yetersiz: “Turing-AGI Testi”ne İhtiyacımız Var

Bu yapay zeka alanında artık epey konuşulan bir fikir, daha iyi anlamak için orijinal testi, yukarıda Michael Wooldridge hocanın şahane bir anlatımı var, ama Mustafa Suleyman da geçenlerde yeni bir Turing testine ihtiyaç duyduğumuzu söylemişti. Andrew Ng’nin ortaya attığı fikir, benim de uzun süredir üzerinde düşündüğüm “hype vs. gerçeklik” dengesizliğine neşter vuruyor. Biliyorsunuz, Alan Turing’in o meşhur testi, bir makinenin insanı “kandırıp kandıramayacağı” üzerine kuruluydu. Ancak bugün geldiğimiz noktada, insanı kandırmak (özellikle de sadece metin tabanlı sohbetlerde) artık zekanın nihai kanıtı değil. Loebner Ödülü yarışmalarının da gösterdiği gibi, bazen sadece yazım hatalarını taklit etmek bile hakemleri kandırmaya yetiyor. Ama biz “kandırılmak” değil, “iş üretmek” istiyoruz.

Andrew, “Turing-AGI Testi” adını verdiği yeni bir konsept öneriyor ve ben bu yaklaşımı sonuna kadar destekliyorum.

Nedir bu yeni test? Denek (bir bilgisayar veya nitelikli bir insan), internete, bir web tarayıcısına ve Zoom gibi araçlara erişimi olan bir bilgisayarın başına geçiriliyor. Hakem, bu deneğe çok günlük, karmaşık bir iş görevi veriyor. Örneğin; bir çağrı merkezi operatörü gibi eğitim alması, ardından gelen çağrıları yanıtlaması ve süreç boyunca aldığı geri bildirimlere göre kendini düzeltmesi isteniyor. Tıpkı uzaktan çalışan bir personelden beklediğimiz gibi.

Neden buna ihtiyacımız var? Çünkü “AGI” terimi, bilimsel bir tanımdan ziyade bir pazarlama balonuna (hype) dönüştü. Şirketler, “AGI’ye ulaştık” diyebilmek için çıtayı sürekli aşağı çekiyorlar. Bu durum, lise öğrencilerinden (kariyer tercihlerini değiştirenler) CEO’lara (gerçek dışı beklentilerle yatırım yapanlar) kadar herkesi yanlış yönlendiriyor. Hatta gerçekten alanın “uzmanı” olduğunu söyleyip, konuşmalar, kitaplar yazanlar bile gerçekten tuhaf bir “az bilgi, yanlış bilgi” içinde kıvranıyorlar.

Açık Kaynak Yapay Zeka’ya Dönüş

IBM Research’ten David Cox, özellikle savunma sanayii ve stratejik teknolojiler bağlamında çok önemsediğim, benim de erken kariyerimde ilk defa üstüne bilimsel bir makale yazdığım, bir konuya parmak basıyor: Açık Kaynak (Open Source) Mücadelesi.

90’larda Linux, kapalı sistemlere (Microsoft Windows gibi) karşı nasıl bir özgürlük savaşı verdiyse ve internetin altyapısını şekillendirdiyse, bugün de benzer bir savaş yapay zeka modelleri üzerinde veriliyor. “Açık model” adı altında sunulan ama eğitim verisi veya formülü gizlenen, kullanım kısıtlamalarıyla dolu “sözde açık” modeller, aslında bir pazar hakimiyeti stratejisinden ibaret.

David’in vurguladığı ve benim de katıldığım nokta şu: Vendor lock-in (sağlayıcıya bağımlılık) riskini ortadan kaldırmak zorundayız. Kritik bir altyapıyı, neyin nasıl çalıştığını bilmediğiniz kapalı bir API’nin arkasına hapsedemezsiniz. Gerçek inovasyon, modellerin şeffaf olduğu, herkesin katkı verebildiği ve en önemlisi eğitim setlerinin bilindiği bir ekosistemde yeşerir.

Özellikle jeopolitik gerilimlerin (ABD-Çin ekseni gibi) arttığı bir dünyada, “zehirli veri” ile eğitilmiş modellerden kaçınmanın tek yolu, o modelin “mutfağını” görebilmektir. 2026, umarım yapay zekanın sadece güçlü değil, aynı zamanda şeffaf ve açık olduğu bir yıl olur.

Eğitimde Yapay Zeka Kullanımı

Microsoft’tan Juan M. Lavista Ferres, eğitim camiasının yüzleşmesi gereken acı bir gerçeği dile getiriyor: Yapay zeka tespitine yönelik, dedektörler, araçlar çalışmıyor ve çalışmayacak.

Bir öğrencinin ödevini YZ ile yazıp yazmadığını tespit etmek için kurulan her sistem, aslında daha sofistike bir kaçınma yöntemini eğiten bir “rakip” (adversarial) yaratıyor. Birkaç yazım hatası ekle, paragrafların yerini değiştir, kişisel bir anı sıkıştır vs. bu sayede çok rahatlıkla muhtemelen sürekli de güncelleyerek bunları geçmek mümkün. Bu kedi-fare oyunu, sadece eğitimciler ve öğrenciler arasındaki güveni zedeler.

Çözüm ne? Yasaklamak veya dedektifçilik oynamak değil. Değerlendirme yöntemlerimizi değiştirmek zorundayız.

• Süreç Odaklılık: Yüz yüze savunmalar, sözlü sınavlar.

• YZ Okuryazarlığı: Öğrencilere bu araçları etik ve doğru kullanmayı öğretmek.

• YZ ile Birlikte Üretim: “Bunu YZ yazdı mı?” diye sormak yerine, “YZ’yi kullanarak bu fikri ne kadar ileri taşıyabildin?” diye sormak. Cin şişeden çıktı, onu geri sokamayız; onunla yaşamayı öğrenmeliyiz.

Agent Yılı 2026 için de Henüz Hedef Boyutunda

Tanmay Gupta'nın öngörülerinden ilhamla 2026 yılına girerken yapay zeka dünyası, basit ama bir o kadar da sarsıcı bir gerçekle yüzleşmek zorunda: Tahmin eden modeller ile harekete geçen sistemler aynı şey değil. Ve bizim asıl ihtiyacımız olan, ikincisi.

Burada geçtiğimiz haftalarda baktığımız Andrej Karpathy de aynı fikirdeydi.

Hatta bu ihtiyaç epey eski ki 1990’da Rodney Brooks da aynı gerçeği vurgulamıştı. Okumak için.

Agentlar için, gerçek agentlar için biraz daha fazla çalışmaya ihtiyacımız var özet olarak ve yeni yöntemlere, pazarlama cümlelerinin aksine. Mevcut modelleri büyük sistemlerin içine entegre etmeye çalıştığımızda, yetersizlikleri kabak gibi ortaya çıkıyor. Son on yılda, "standart tahmin modelleri" ve "üretken içerikler" konusunda olağanüstü bir ustalığa eriştik. Nesnelerin etrafına kutucuklar çizmek, sesi metne dökmek veya bir komutla akıcı paragraflar oluşturmak artık sıradanlaştı.

Ancak gerçekten bir hedefe odaklı sistemler, sadece tahmin yeteneği istemez. Kalıcı hafıza, uzun süre bir hedefe odaklanma becerisi, gerçek zamanlı geri bildirime (yani o uzayda gelişen olaylara) yanıt verme ve hepsinden önemlisi belirsizlikle başa çıkma yeteneği ister. Bu eksiklikler, tahmin görevlerinde çok önemli değil, çünkü genellikle belirsiz olmayan bir veride, belirli bir miktar hafızayla halledilebilir, ancak gerçek hayat senaryolarında sistemin çökmesine neden olur.

Gerçek görevler ve öğrenme saniyeler değil; dakikalar, saatler, aylar ve bazen yıllar sürer, buna içgörü yada sağduyu diyebiliriz. İnsan zihni, uzun süreye yayılmış dağınık bilgileri toplayıp tutarlı bir dünya görüşü oluşturma ve buna göre hareket etme konusunda olgunlaşmıştır.

Son on yıldaki Derin Öğrenme devrimi (özellikle LLM ve VLM’ler), önümüzdeki on yılda bu insani yeteneği silikon beyinlerde de kopyalamamız için sahneyi hazırladı. İyi tanımlanmış işleri otomatize eden ajanları zaten görüyoruz.

Ancak, yetersiz tanımlanmış, muğlak, keşfedilmemiş, yeterli veri seti, olasılık dağılımı olmayan görevler için agentların zamana ihtiyacı var, 2026 yılında bu alanda çalışmalara akademi ve sektör öncelik verecek.

Şahane Bir Öneri: Yapay Zeka Problemlerimize Nasıl Çözüm Olabilir: Afrika Örneği

Herkesin “Afrika yapay zeka devrimini ne zaman yakalayacak?” diye sorduğu bir dünyada Hardy Pemhiwa, TED sahnesinden ezber bozan bir manifesto sunuyor: Asıl soru, dünyanın Afrika’nın yapay zeka ile inşa ettiği geleceği ne zaman yakalayacağıdır. Bu vizyonun kalbinde ise Silikon Vadisi’nin soyut kod satırları değil, Zimbabveli genç Yemurai var. Yemurai, yapay zeka asistanları sayesinde sabahları yüzlerce öğrenciye matematik öğreten bir öğretmen, öğlenleri yerel klinikte teşhis koyan bir sağlıkçı, akşamları ise toprağı analiz edip verimi %40 artıran bir ziraat uzmanı. Afrika’da, kıt kaynakların inovasyonu zorunlu kıldığı bir coğrafyada, tek bir insanın yapay zeka ile on kişilik katma değer yarattığı ve teknolojiyi bir “lüks” değil, hayati bir yetenek gibi kullandığı yeni bir çağın öncüsü.

Bu tablo, Batı dünyasındaki “Yapay zeka işimi elimden alacak mı?” korkusunun tam tersine, teknolojinin insan kapasitesini ikame eden (substitution) değil, çoğaltan (multiplication) bir güç olarak yeniden tanımlanması ve ihtiyacımız olan AI for Good düşüncesinin ihtiyaçtan çıkabileceğini gösteren şahane bir örnek. Londra’da öğretmenlerin işsizliği, New York’ta ise hisse senetlerini mikrosaniyelerle alıp satacak algoritmalar tartışılırken; Afrika’nın “Silikon Savanası”, yapay zekayı öğretmen açığını kapatmak, sahte ilaçları tespit etmek ve bebek ölümlerini azaltmak için kullanıyor. Pemhiwa’nın vurguladığı gibi; yapay zeka burada sosyal medya tıklamaları için değil, hayatta kalmak ve gelişmek için optimize ediliyor. Bu, sadece Afrika’nın yapay zeka anı değil; teknolojinin insanlığa gerçekten hizmet ettiği o nadir ve dönüştürücü “Yapay Zekanın Afrika Anı.”

TED Konuşmasını İzlemek İçin: AI's next frontier isn't where you might expect

Özet olarak, 2026 kolay bir yıl olmayacak. Hype ile gerçeğin savaştığı, "kapalı" ile "açık"ın çatıştığı, ama en önemlisi teknolojinin laboratuvardan çıkıp "gerçek iş" yapmaya başladığı bir yıl olması bekleniyor.

Ama bunların tamamı biraz daha first-world problems, Türkiye için özellikle Hype ile gerçeğin savaşının gerçek tarafına yaklaşması için çok daha fazla emek gerekiyor.

Bülteni bu hafta özellikle Yapay Zeka, Robotik ve yukarıda da referans verdiğimiz gerçek hayatta yapay zeka kullanımı, üçüncü boyutta, gerçek dünyada zeka nasıl anlaşılır konulu podcast bölümümüzü tavsiye ederek kapatıyorum.

Görüşmek üzere,

Sevgiler….

Teknoloji çok hızlı değişiyor, her geçen gün yeni yöntemler, araçlar, ürünler hem de eskisinden çok daha hızlı gündemimize girip çıkıyor. Bu kadar yeniliğe rağmen bir şeyi gerçekten öğrenmenin yolu henüz çok değişmiş değil.

Kitaplar…

Hatta çok sevdiğim bir hocam, Tolga Birdal, bir sohbette Yapay zeka öğrenmek için yapılması gereken şeyi sorduğumda, “Textbook okumak, baya bildiğin ders kitabı, gerekirse bir 6 ay hiçbir şeye bakmadan.” diye özetlemişti. Dolayısıyla kitapların önemi hala kritik.

Ancak modern hayatın hızı içinde çoğumuzun ortak bir dert ortağı var: Yarım kalan kitaplar. Başucumuzda biriken, kapaklarına bakıp iç geçirdiğimiz ama kapağını açacak vakti bir türlü bulamadığımız o kuleler, yada hepsine bazen erişimimiz bile olmuyor. Tam da bu noktada, antik çağların hikaye anlatıcılığı geleneği modern teknolojiyle birleşiyor ve imdadımıza yetişiyor: Sesli kitaplar.

Ben epey iyi bir sesli kitap dinleyicisiyim, sevdiğim podcastlerin yeni bölümleri yetişmediğinde özellikle, aslında Storytel sponsorluğunda olabilecek ama olmayan bu bölümde sizlerle sevdiğim yapay zeka konulu sesli kitapları paylaşmak istedim.

Bazıları için sesli kitaplar "gerçek okuma" sayılmasa da, aslında tüketirken bence podcastin de büyüsü biraz o, zihnimizin en eski öğrenme biçimine geri dönüyoruz. İnsanlık, matbaadan binlerce yıl önce hikayeleri ateş başında birbirine anlatarak, yani dinleyerek aktardı.

Bugün ise bu epey etkileyici gelenek; sabah trafiğinde, mutfakta akşam yemeği hazırlarken veya uzun bir yürüyüşte bizim birşey öğrenme şeklimize dönüştü diyebilirim.

Bu hafta Yapay Zeka konulu en beğendiğim sesli kitapları hem vakti olmayanlar, hem de olan vakitlerini etkili kullanmak isteyenler, yürüyüşte, trafikte kulağı bizde olsun isteyenler için paylaşıyorum :)

Önce Türkçe içerikler…

1. 50 Soruda Yapay Zeka

Yazar: Cem Say | Seslendiren: Tolga Korkut | Yayınevi: Storyside Süre: 5 Saat 49 Dakika

Değerlendirmem: ⭐⭐⭐⭐⭐ (5/5)

Cem Say hocanın bu eserini dinlerken sanki Boğaziçi kampüsünde, onunla bir kahve içiyormuşsunuz gibi hissediyorsunuz. Kitabın en büyük başarısı, “Yapay zeka dünyayı ele geçirecek mi?” gibi popüler ve bazen yorucu olan sorulardan, “Matematiksel olarak bir bilgisayar neyi yapabilir?” gibi derin ve gerçek sorulara bizi usulca taşıması ve bunu herkes için anlaşılabilir, basit, adım adım, ufak ufak en baştan en sona çok iyi kurgulanmış sorularla ve anlaşılır, örneklerle, cevaplarla yapması.

Tolga Korkut’un sakin seslendirmesi, teknik terimlerin havada uçuştuğu bölümlerde bile ilginizi diri tutuyor. Karmaşık algoritmaları “sıfır ve bir” üzerinden bu kadar insansı anlatan başka bir kaynak bulmak zor. Yapay zekaya giriş yapmak için en doğru başlangıç noktası burası.

Storytel Linki: 50 Soruda Yapay Zeka - Sesli Kitap - Cem Say - ISBN 9789178758661 - Storytel

2. Yapay Zeka Devrimi

Yazar: Bernard Marr | Seslendiren: Barış Özgenç | Yayınevi: Storyside Süre: 7 Saat 40 Dakika

Değerlendirme: ⭐⭐⭐⭐☆ (4/5)

Epey saygın bir yönetim danışmanı ve dijital dönüşümcü olan Bernard Marr, bu kitabında bir gelecek bilimciden bir fütüristten ziyade bir iş danışmanı gibi davranıyor, en güçlü yönünü gösteriyor aslında. Türkiye’de Akbank’ın çeviri ve basımını üstlendiği kitap, yapay zekayı sadece teknoloji devlerinin bir oyuncağı olarak değil, yerel bir işletmenin bile nasıl bir kaldıraç olarak kullanabileceğini anlatıyor. Özellikle yeni girişimciler için etkileyici bir okuma, Marr da iş seviyesinde bunu nasıl göreceğimizi en iyi anlatan isimlerden.

Özellikle “müşteriyle akıllı bağlantı kurma” kısımları, bugünün pazarlama dünyasında hayatta kalmak isteyen herkes için kritik tavsiyeler değerinde. Eğer bir yöneticiyseniz veya kendi işinizin patronuysanız, bu 7 buçuk saati geleceğinize yapılmış bir yatırım olarak görün diyebilirim rahatlıkla. Barış Özgenç’in dinamik seslendirmesi, bir iş kitabının monotonluğundan uzaklaşmanızı sağlıyor ayrıca, ki iş kitapları epey zor dinlemek için ama bunu hissetmiyorsunuz.

Dinlemek için Storytel Linki: Yapay Zeka Devrimi - E-Kitap & Sesli Kitap - Bernard Marr - ISBN 9786254340123 & 9789180840859 - Storytel

3. Yapay Zeka Çağında Rekabet

Yazar: Marco Iansiti & Karim R. Lakhani | Seslendiren: Cüneyt Kıran | Yayınevi: Storyside Süre: 9 Saat 24 Dakika

Değerlendirmem: ⭐⭐⭐⭐☆ (4.5/5)

Bu kitap benim için “ezber bozan” kategorisinde. Yazarlar, geleneksel şirketlerin neden hantal kaldığını ve dijital ağların (Harari’nin deyimiyle Nexus) nasıl yeni bir “idari sağduyu” gerektirdiğini çarpıcı örneklerle anlatıyor. Artık sadece “daha çok çalışmak” yetmiyor; sistemin tabiatı değişiyor diyorlar.

Dinlerken, sadece teknolojiyi değil, toplumsal dönüşümü ve liderliğin evrimini de sorgularken buluyorsunuz kendinizi. Biraz yoğun, biraz kafa yorucu ama bittiğinde dünyaya baktığınız pencere kesinlikle genişliyor. Kitabın özellikle yurtdışında inanılmaz ilgi gördüğünü söyleyebilirim. Türkiye’de ilginç bir şekilde çok ilgi görmedi, hatta başat bir yayınevi basmadı ama dinlemek için epey keyifli bir tercih.

Storytel’de Dinlemek İçin: Yapay Zeka Çağında Rekabet - Sesli Kitap & E-Kitap - Marco Iansiti, Karim Lakhani, Karim R. Lakhani - ISBN 9789152153024 & 9786257804721 - Storytel

4. Yapay Zeka (HBR’s 10 Must Reads)

Yazar: Kolektif (Harvard Business Review) | Seslendiren: Sercan Gidişoğlu | Yayınevi: Storyside Süre: 6 Saat 25 Dakika

Değerlendirmem: ⭐⭐⭐⭐☆ (4/5)

Epey keyifli bir kütüphaneye sahip Harvard Business Review’in yapay zeka konusunda yazılmış etkili makalelerinden oluşan bu derleme, bir “strateji kitabı”. Chris Anderson ve Thomas Davenport gibi isimlerin görüşleriyle, bilişsel teknolojilerin verimlilik ve refah için nasıl bir “altın çağ” başlatabileceğini dinleyeceksiniz.

Her bölüm, yani aslında her makale yapay zekanın farklı bir alanına odaklanıyor: Bazen verimlilik, bazen iş memnuniyeti, bazen de etik. Sercan Gidişoğlu’nun profesyonel seslendirmesiyle, kısa ama öz fikirler zihninize birer tohum gibi atılıyor. "Çok vaktim yok ama meselenin özünü kavramalıyım" diyenler için ideal.

Dinlemek için: Yapay Zeka - E-Kitap & Sesli Kitap - Harvard Business Review, Kolektif - ISBN 9786257010931 & 9789152152898 - Storytel

5. Düşünen Makine Çağında Düşünen İnsan Olmak (Yapay Zeka Kitabı)

Yazar: Dr. Anooshirvan Miandji | Seslendiren: Sesle Kitap Ekibi Yayın Tarihi: Temmuz 2024

Değerlendirmem: ⭐⭐⭐⭐☆ (4/5)

“Bilinç nedir? Makine ahlaklı olabilir mi?” Dr. Miandji, yapay zekayı sadece bir yazılım meselesi olarak değil, bir medeniyet sorusu olarak ele alıyor. Özellikle gençlere ve meraklı zihinlere hitap eden bu çalışma; tarımdan tıba, sanattan tekstile kadar 50’ye yakın mesleğin geleceğini ve bu yeni dünyaya nasıl uyum sağlanacağını tartışıyor.

Ek olarak, hocanın çalışmalarına Türkiye’de yaptığı ve devam ettiği düşünülünce daha keyifli bir okuma, dinleme oluyor. Biraz yerel bir bakışa da ihtiyacımız var. Ankara’da raflarda çok sık görüyorum hoca Ankaralı olduğu için :)

İngilizce kitap dinlemekle ilgili zorlanmayacaklar için birkaç önerim daha var…

1. Scary Smart – Mo Gawdat

Değerlendirmem: ⭐⭐⭐⭐⭐ (5/5)

Yazan Mo Gawdat Seslendiren: Mo Gawdat Yayınevi Bluebird

Google [X]’in eski İş Geliştirme Sorumlusu Mo Gawdat, yapay zekanın 2049 yılına kadar insanlıktan bir milyar kat daha zeki olacağını öngörüyor. Ancak bu kitap bir “kıyamet senaryosu” değil; aksine, makinelerimize “iyi değerleri” öğretmek için hala vaktimiz olduğunu söyleyen bir kitap, Gawdat epey üretken bir isim, kitap dışında da takip etmenizi tavsiye edebilirim. Slo Mo isimli podcasti var, epey de konukluktan da keyif alan bir isim.

Kitabı bizzat Mo Gawdat’ın sesinden dinlemek, anlatılanların ciddiyetini ve samimiyetini artırıyor. Gawdat benim de To Solve for Happiness kitabına bayıldığım bir isim, zor bir dönemden sonra mutluluk nasıl aranır, bulunur bana çok faydası olmuştu, bu kitapta da. “Makineler bizim çocuklarımız gibidir, onlara neyi öğretirsek onu yansıtırlar” fikri, teknolojiye bakış açımı tamamen değiştirdi.

Dinlemek için Storytel Linki: Scary Smart: The Future of Artificial Intelligence and How You Can Save Our World - Sesli Kitap - Mo Gawdat - ISBN 9781529077643 - Storytel

2. Atlas of AI – Kate Crawford

Değerlendirmem: ⭐⭐⭐⭐☆ (4.5/5)

Kate Crawford, yapay zekayı sadece kodlardan ibaret görmeyi reddediyor. Yer altındaki madenlerden, düşük ücretli işçilerin emeğine ve verilerimizin nasıl birer “hammadde” gibi işlendiğine kadar madalyonun karanlık yüzünü gösteriyor. Biraz bu yönüyle Empire of AI öncesi güçlü girişlerden biri.

Larissa Gallagher’ın etkileyici seslendirmesiyle bu kitap, yapay zekanın çevresel ve politik bedellerini bir harita gibi önümüze seriyor. Teknolojinin sadece bulutlarda değil, toprağın altında başladığını anlamak sarsıcı bir deneyim. Özellikle Crawford, altyapı yatırımlarından, şirketlerin politikalarına, ekonomik etkilere kadar da etkili bir isim, danışılan bir isim o yönden biraz altyapı ve sosyal etkileri anlamak için güzel bir nokta olabilir.

Dinlemek için: Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence - Sesli Kitap - Kate Crawford - ISBN 9781666146141 - Storytel

3. Power and Prediction – Joshua Gans, Ajay Agrawal & Avi Goldfarb

Değerlendirmem: ⭐⭐⭐⭐☆ (4/5)

Üç dev ekonomist, yapay zekayı tek bir kelimeye indirgiyor: Tahmin. Bu kitap, tahmin maliyetleri düştüğünde kararların nasıl değiştiğini ve bu durumun küresel güç dengelerini nasıl sarsacağını anlatıyor.

İş dünyasındaki “kazananlar ve kaybedenler” ayrımını ekonomik bir perspektifle dinlemek çok ufuk açıcı. Karar verme süreçlerinizi otomatize etmekle ilgileniyorsanız, Tom Beyer’in akıcı anlatımıyla bu 10 saati parça parça da olsa ayırabilirsiniz. Özellikle öneri sistemleri ve tahmin makinelerinin nasıl çalıştığını ve nerelerde kullanıldığını görmek, elimizdeki problemlere bu gözle bakmayı da sağlayabilir.

Dinlemek için: Power and Prediction: The Disruptive Economics of Artificial Intelligence - Sesli Kitap - Joshua Gans, Ajay Agrawal, Avi Goldfarb - ISBN 9781663722706 - Storytel

4. All-in On AI – Tom Davenport & Nitin Mittal

Değerlendirmem: ⭐⭐⭐⭐☆ (4/5)

Yazarlara göre, dünyadaki büyük şirketlerin sadece %1’i yapay zekayı “her şeyin merkezine” koyuyor ve bu şirketler sektörlerini domine ediyor. Davenport ve Mittal, Airbus’tan Capital One’a kadar devlerin nasıl “yapay zeka odaklı” bir kültüre dönüştüğünü inceliyor. Özellikle işte günümüzde, yapay zeka onu nasıl dönüştürüyor, bunu nasıl dönüştürüyor konuşanlar için en azından altını doldurma önerisi, “AI-Native” gerçekten ne demek anlamak için de keyifli, rahat, case studylerle ilerleyen bir içerik.

Dinlemek için: All-in On AI: How Smart Companies Win Big with Artificial Intelligence - Sesli Kitap - Tom Davenport, Nitin Mittal - ISBN 9781663722546 - Storytel

5. The Human Cloud – Matthew Mottola & Matthew Douglas Coatney

Değerlendirmem: ⭐⭐⭐⭐⭐ (5/5)

“Robotlar işimizi elimizden mi alacak?” sorusuna verilmiş en pozitif cevaplardan biri bu kitap. Yazarlar, yapay zeka ve serbest çalışan (freelance) ekonomisinin birleşerek iş hayatını nasıl daha özgür ve verimli kılacağını anlatıyor.

Korkuyu bilgiyle değiştiren, ilham verici bir kitap. Masabaşı işlerin evrimini ve bireysel yeteneklerin yapay zekayla nasıl “süper güçlere” dönüşebileceğini dinlemek, geleceğe dair umudumuzu ve belki de stratejimizi planlarımızı etkileyebilir :)

Dinlemek için: The Human Cloud: How Today's Changemakers Use Artificial Intelligence and the Freelance Economy to Transform Work - Sesli Kitap - Matthew Mottola, Matthew Douglas Coatney - ISBN 9781400219759 - Storytel

6. New Laws of Robotics – Frank Pasquale

Değerlendirmem: ⭐⭐⭐⭐☆ (4.5/5)

Pasquale, makinelerin insanların yerini alması yerine, onlarla nasıl ortaklık kurabileceğini savunan buna kafa yoran isimlerden biri. Doktorların, öğretmenlerin ve tasarımcıların yapay zeka ile daha değerli hale geldiği bir dünya düzeni için hukuki ve etik sınırlar öneriyor.

Daron Acemoğlu’nun Yapay Zekayı Yeniden Tasarlamak kitabında da referans verdiği bu eser, teknolojinin bir “sıfır toplamlı oyun” (insan vs makine) olmadığını, doğru regülasyonlarla, politika ve stratejilerle herkesin kazanabileceğini kanıtlıyor.

Dinlemek için: New Laws of Robotics: Defending Human Expertise in the Age of AI - Sesli Kitap - Frank Pasquale - ISBN 9781666103724 - Storytel

BONUS: AI Engineering – Chip Huyen

Değerlendirmem net olarak: ⭐⭐⭐⭐⭐ (5/5) – En iyi teknik giriş kitabı diyebilirim

Listemizin en teknik ama en güncel (Haziran 2025 çıkışlı!) üyesi çok sevdiğim, Chip Huyen, yapay zeka uygulamaları geliştirmenin artık sadece uzmanlara ait bir yetenek seti olmadığını, “hazır modellerle (foundation yada base model) diyoruz biz buna” herkesin bir şeyler yapabileceğini ancak bunun da bir uzmanlık olduğunu anlatıyor.

Benim fikrim, çok sık söylüyorum bunu, 21 saatlik devasa bir kaynak! Eğer işin mutfağına girmek, kendinizi teknik anlamda da geliştirmek veya bu yeni teknolojiyi ve tüm araçlarını (stack) anlamak istiyorsanız, bu kitap şahane bir başlangıç kaynağı.

Ayyyy dayanamayacağım Chip hocanın okumaktan keyif aldığım blogunu da çok daha ilgililer için bırakacağım, bence bu konulara ilgi duyuyorsanız bir bakın.

https://huyenchip.com/

Dinlemek için: AI Engineering: Building Applications with Foundation Models - Sesli Kitap - Chip Huyen - ISBN 9781663753045 - Storytel

Paylaştığım bu 12 kitaplık seçki (5 Türkçe, 7 İngilizce), aslında bize tek bir şeyi anlatıyor: Bu teknolojiyi durduramayız ama onu anlama biçimimizi değiştirebiliriz. Hem etkilerini, hem teknik boyutunu, hem farklı alanlara etkisini anlamak için kitaplar ve sesli kitaplar da hala en derin, en güvenilir araçlar.

Daha fazla detay ve tüm bunları konuşmaya devam ettiğimiz podcastimiz için:

Geçen gün Andrew Ng’in son newsletter’ını okurken epey paylaşmaya değer buldum. Özellikle bu hafta yılı kapatırken, hatta öğrenciler için kış tatiline girerken bu tavsiyelere beraber bakmak için epey fırsat olacak. Temelce benim de sık sık üstünde düşündüğüm “Take AI courses, practice building, read papers” üç basit tavsiye, ama bu kadar basit olduğu ve gerçek olduğu için her zaman ihmal ettiğimiz şeyler bunlar.

Hatta birçok insanın önemli olmadığını düşündüğü belki.

Ama Tam Olarak Öyle Değil…

Andrew’un her kış tatilinde kendine vakit ayırıp öğrendiğini, kod yazdığını söylemesi bende bir şeyleri tetikledi. Ben de her yıl “bu sene kesin yapacağım” dediğim o listeyi çıkarıyorum ortaya, dolayısıyla bu yazı biraz herkes için, bitirmeyi planladığım kurslar, başlamayı hayal ettiğim çalışmalar, okumaya niyetlendiğim o meşhur AI makaleleri, herkes için de biraz “gürültüden, boş Linkedin gönderilerinden, dijital pazarlamacılardan, eski satışçılardan vs.” yapay zeka öğrenmekten kurtuluş reçetesi olabilsin istiyorum.

Gelin tavsiyelere beraber bakalım:

Bu Alanda İşe Yarar Derslere, Kurslara Kesinlikle Eğilin (Instagramdaki Eğitimlere Değil)

“Boş ver teorik bilgiyi, bir şeyler yap gitsin” diyen yazılımcılar, dijital pazarlama, SEO, Yapay Zeka vs. uzmanları var. Andrew Ng bunu açıkça “kötü tavsiye” olarak nitelendiriyor. Neden mi? Etrafınızda sizi yönlendirecek deneyimli AI geliştiricileri yoksa, temelleri bilmeden kod yazmak hatta birşeyler denemeye çalışmak sizi tekerleği yeniden icat etmeye veya hiçbir şey anlamadan operasyon yapmaya götürür.

Andrew’un iş görüşmelerinde karşılaştığı gerçek örnekler çarpıcı: RAG sistemlerinde döküman bölme yöntemlerini baştan yazanlar, yapay zeka ajanları için var olan değerlendirme araçlarını bilmeden kendi metriklerini geliştirmeye çalışanlar, dil modellerinin bağlam yönetiminde karmaşık ve dağınık kütüphaneler oluşturanlar.

Buna düşmemek, eğer geliştirici, teknik tarafta değilseniz de anlamadan, haybeye kürek çekmemek, piyasadaki tatsız eğitimlerden birşey öğrenmeme tuzağına düşmemek için sadece “ne” yapılacağını değil, “neden” ve “ne zaman” yapılacağını öğrettiği için bu gerçek kurslara kesinlikle göz atılması gerekiyor.

Ben birkaç tane bırakayım mesela:

• AI for Everyone - DeepLearning.AI - Giriş Seviyesi (DeepLearning.AI - NG’nin Kendi Dersi)

• A free online introduction to artificial intelligence for non-experts (Giriş seviyesi Helsinki Üniversitesi)

• Stanford Makine Öğrenmesi Kursu

Giriş seviyesi için bunlar yeterli, biraz daha ileri seviyeler için gelecek yazılarda zaten öneriler paylaşmaya devam ederim.

Ayrıca, İngilizce takip için sorun olmadığını düşünerek David Venturi’nin derlemesini (makine öğrenmesi odağında) şöyle ekleyebilirim:

Every single Machine Learning course on the internet, ranked by your reviews

Hiçbir Kurs Gerçekten Yapmayı Öğretemez, Anlatamaz

Andrew’un benzetmesi şahane: “Uçak teorisini bilmek önemlidir ama kimse sadece ders alarak pilot olmadı. Bir noktada koltuğa geçmeniz gerekir.”

Kod yazarken öğreneceğiniz şeyleri bir beraber düşünelim, yada gerçek bir uygulama üzerinde çalışırken:

• API hız limitleri, gecikme sorunları, maliyet optimizasyonu gibi operasyonel detaylar

• “Neden yapay zeka istediğim biçimde yanıt vermiyor?” türü hataların çözümleri, dolayısıyla hata çözme, analiz etme yeteneği

• Gerçek ortamlarda gerçekten tutarlılığın nasıl sağlanacağı

Bunlar kurslarda göreceğiniz şeyler ama Andrew burada kendisi için şahane çalıştığını vurguladığı bir yöntem paylaşıyor, özellikle ne yapacağı konusunda kafasını net hissetmediğinde dersler, kurslar aldığını ya da makale okuduğunu, sonra elde ettiği fikirleri denediğini, denemelerin sonunda tekrar yeni şeyler öğrenmek için ihtiyaç hissettiğini. Yani gerçekten öğrenmek = ilham, bilgi almak → gerçek bir şeyler yapmak → onlardan edinilen tecrübeyle tekrar yeni şeyler öğrenmek isteği...

Kendini besleyen baya “feedforward” :) döngüsel bir süreç.

Akademik Makaleler: Herkes İçin Uygun Değil Ama İnanılmaz Önemli

Andrew açık sözlü: “Herkesin yapması gerekmiyor, ama bugün iş piyasasındaki en güçlü adaylar epey sık makale okuyor.”

Burada bunun avantajının Andrew altını şöyle çiziyor, ben de epey katılıyorum “Makaleler henüz yaygınlaşmamış, en yeni bilgileri içeriyor.” Yani henüz kimsenin farketmediği, piyasaya gelmemiş, konuşulan gündelik yüzeysel şeylerin dışında en gerçek, en yeni bilgilerin adresleri orası.

Peki, Andrew’in bu sene de Stanford bünyesinde verdiği CS230 Deep Learning dersinde paylaştığı kariyer tavsiyeleri dersini de son olarak ele alalım mı? Tatil, kış dönemi için belki biraz üstüne düşünme fırsatı olur.

Yakaladığımız Dönemi Anlayın

Andrew bir şey söylüyor: “İçinde bulunduğumuz çağ, yapay zeka alanında gerçek bir kariyer için altın çağ.” Ama bunu klişe bir iyimserlikle değil, somut bir metrikle destekliyor. Yapay zekanın çözebildiği görevlerin karmaşıklığı her yedi ayda iki katına çıkıyor. Bu demek oluyor ki önümüzdeki birkaç yıl, bu alanda kendimizi konumlandırmak için kritik bir fırsat sunuyor.

Araçlar Konusunda Mütevazı Olmayın

Burası ilginç: Andrew, kodlama araçlarında yarım nesil bile geride kalmanın sizi önemli ölçüde yavaşlattığını söylüyor. Cursor, Claude, Gemini... Bunları bilmiyor, kullanmıyor olmak demek, aynı işi yapan birine kıyasla günde belki yarım saat, belki bir saat daha fazla zaman harcamak demek. Ayda 20 saat, yılda 240 saat. Bir yılda 30 iş günü kaybediyorsunuz sadece yeni araçları öğrenmediğiniz için.

Kod Yazmak Ucuzladı, Şimdi Ne Yapacağınızı Bilmek Pahalı

Andrew’un en çarpıcı tespiti bu sanırım. Yapay zeka kod yazmayı ucuzlattı, hızlandırdı, demokratikleştirdi. Şimdi darboğaz başka bir yerde: Ne başlatıp, geliştireceğinizze (yapacağınıza) karar vermek.

Kullanıcılarla konuşabilen, empati kurabilen, ürün yönetimi yapabilen mühendisler şu anda Silikon Vadisi’nde en avantajlı ve en çok ilgi gören uzmanlar durumunda.

Marka Değil, Ekip Seçin

İş ararken “X şirketinde çalışıyorum” diyebilmek cazip geliyor. Ama Andrew net bir uyarıda bulunuyor: Hangi ekiple çalışacağınız, şirketin markasından çok daha önemli.

Çevreniz Kaderiniz

Andrew’un bir başka vurgusu: Başarınızı en çok etkileyen faktör etrafınızdaki insanlar.

“Zengin bir ilişki ve ağ kurmaya çalışın” diyor NG, henüz internette olmayan bilgileri paylaşabileceğiniz arkadaşlar ve meslektaşlar. Bu çok önemli. Reddit’te ya da Medium’da okuyabileceğiniz şeyler değil bunlar. “X aracı gerçek projede şöyle davrandı”, “Y yaklaşımı bu senaryoda işe yaramadı”, “Z şirketi bu konuda şöyle bir karar aldı” gibi henüz yazıya dökülmemiş deneyimleri, yüzeysel bilginin dışında fikirlerini duyabileceğiniz insanları yanınızda bulundurun. Yapay zeka şunu şöyle dönüştürüyor diyenleri değil.

Sıkı Çalışmanın Yeni Tanımı

Son olarak, Andrew “hard work” konusuna değiniyor. Ama dikkat: Bunu sadece saat olarak değil, çıktı ve tutku olarak tanımlıyor.

Amaç 80 saat ofiste oturmak değil. Amaç bir şeyler yapma tutkusuyla, verimli bir şekilde ilerlemek. Haftada 40 saat tutkuyla, odaklanarak, öğrenerek çalışan biri, 60 saat dalgın dalgın masada oturan birinden çok daha önemli ve önde. O yüzden tutkulu ve çıktı odaklı olun.

Bu tavsiye bana Feynman’ın çok sevdiğim şu sözünü hatırlattı:

“Bir şeye tutku duyun ve yapın! Hayatın ne hakkında olduğunu kimse çözemedi zaten, önemi de yok. Dünyayı keşfedin. Neredeyse her şey, yeterince derinleştiğinizde gerçekten ilginç hale gelir. En çok yapmaktan hoşlandığınız şeyler üzerinde istediğiniz kadar sıkı, istediğiniz kadar çok çalışın. Ne olmak istediğinizi değil, ne yapmak istediğinizi düşünün. Diğer şeylerle de bir asgari seviyeyi tutturun ki toplum sizi hiçbir şey yapmaktan alıkoymasın.”

Richard P. Feynman

İyi yıllar 🌲🎅

2025’i yavaş yavaş bitirip yeni bir yıla yaklaşırken yapay zeka dünyası hem inanılmaz bir hızla ilerliyor hem de kendi içinde ciddi bir fikir ayrılığı yaşıyor. Alanın en önemli isimleri, Nobel ve Turing ödüllü araştırmacılar, en azından üretken yapay zekayı bugünkü noktaya getiren ekipler, insan seviyesinde genel yapay zekanın artık uzak bir hayal olmadığı konusunda büyük ölçüde hemfikir.

Ama iş bir noktaya gelince herkesin kafasında aynı gelecek yok.

Bazılarına göre önümüzdeki birkaç yıl içinde hesaplama gücündeki artışla birlikte adeta bir zeka patlaması yaşayacağız ve bu da dünyayı kökten değiştiren bir bolluk döneminin kapısını aralayacak (kıtlık çağının sonu teorileri tarihin sonu gibi güçlü bu dönemde). Bazılarıysa bugünkü büyük dil modellerinin gerçek anlamda “anlayan” sistemler olmadığını, asıl kırılmanın ancak dünyayı algılayan ve neden sonuç ilişkileri kurabilen yeni mimarilerle mümkün olacağını savunuyor. Bir diğer güçlü grup ise daha temkinli. Onlara göre kontrolsüz biçimde geliştirilen süper zekâ, insanlık için ciddi bir varoluşsal risk anlamına geliyor ve bu yüzden ilerlemenin mutlaka sınırlarla ve küresel kurallarla birlikte düşünülmesi gerekiyor.

Bu yazıda, 2025’i geride bırakıp yeni bir yıla girerken dünyanın önde gelen yapay zeka uzmanlarının tahminlerini, uyarılarını ve umutlarını bir araya getirmeye çalıştım.

Çünkü onlar artık neredeyse tamamı üstelik, TIME’ın da belirttiği gibi Person of The Year.

Kısa vadede bizi bekleyen pratik değişimlerden, on yılın sonuna doğru yaşanabilecek büyük kırılmalara ve daha uzun vadede insan ile makine ilişkisinin nasıl evrilebileceğine kadar uzanan bir çerçeve çizeceğim bu yazıda.

Kimleeeer Kimlerle Beraber

Yapay zeka ile ilgili uzmanların yaşadığı ayrışma kabaca üç ana yaklaşım etrafında toplanıyor.

İlk grupta “hızlandırıcılar” var. Sam Altman, Leopold Aschenbrenner ve Jürgen Schmidhuber gibi isimler, yapay zekada asıl belirleyici faktörün ölçek olduğunu düşünüyor. Onlara göre daha fazla veri, daha fazla hesaplama gücü ve daha büyük modeller, zincirleme bir etki yaratarak yakın gelecekte bir “zeka patlamasına” yol açabilir. Bu bakış açısında AGI, çözülecek bir felsefi problemden çok, yeterince büyütülmesi gereken bir mühendislik meselesi.

İkinci grupta ise mimari gerçekçiler ve daha şüpheci isimler yer alıyor. Yann LeCun, François Chollet, Gary Marcus ve Rodney Brooks gibi araştırmacılar, bugün kullandığımız büyük dil modellerinin aslında dünyayı anlamadığını, yalnızca istatistiksel örüntüleri taklit ettiğini savunuyor. Onlara göre gerçek anlamda genel bir zekâya ulaşmak için mevcut LLM yaklaşımının ötesine geçmek, dünyayı algılayabilen, neden sonuç ilişkileri kurabilen ve deneyimle öğrenen tamamen yeni mimariler geliştirmek gerekiyor.

Üçüncü ve belki de en patırtılı gümbürtülü grup ise güvenlik tarafında duranlar. Geoffrey Hinton, Yoshua Bengio, Ilya Sutskever ve Max Tegmark gibi isimler, kontrolsüz biçimde geliştirilen bir süper zekânın yalnızca iş gücü piyasalarını değil, insanlığın geleceğini de tehdit edebileceğini söylüyor. Bu nedenle ilerlemenin kendi haline bırakılmaması, uluslararası düzeyde açık kırmızı çizgiler ve bağlayıcı kurallarla sınırlandırılması gerektiğini savunuyorlar.

Üç Vakte Kadar Neler Olacak Yada Dört Bilemezsin: Yakın Gelecek (2026–2028): Ajanlar, akıl yürütme ve Yazılım 3.0

Yapay zekanın kısa vadeli geleceği artık anlıyoruz ki sohbet botlarından ibaret değil. Asıl kırılma, YZ’nin dünyada aktif olarak iş yapan “ajanlara” dönüşmesi ve yazılım geliştirmenin bugüne kadar bildiğimiz halinin kökten değişmesiyle yaşanıyor. 2026 ile 2030 arasındaki dönem, birçok uzmana göre bu dönüşümün pratikte görünür olduğu ilk yıllar olacak. Ancak etraftaki ajan bolluğu sizi yanıltmasın, pazarlamacılar, sosyal medyacılar ve s*ksok instagram yapay zekacıları hariç o konu tam olarak öyle değil.

Ajan iş akışları ve Kai-Fu Lee’nin öngörüsü

Bu değişimi en net tarif eden isimlerden biri Andrew Ng. Google Brain’in eski başkanı olan Ng, 2024 ve 2025’i “ajan iş akışlarının” yükselişe geçtiği dönem olarak tanımlıyor. Ona göre ilerleme artık sadece daha büyük modeller eğitmekten gelmiyor. Asıl sıçrama, mevcut modellerin kendi çıktıları üzerinde düşünmesini, hatalarını eleştirmesini ve adım adım planlama yapmasını sağlayan sistemler kurmakla mümkün oluyor.

Bu görüşü destekleyen bir diğer önemli isim Kai-Fu Lee. Lee, 2026’yı açıkça “Yapay Zeka Ajanlarının Yılı” olarak işaret ediyor. Ona göre YZ, bilgi veren bir araç olmaktan çıkıp insanlar adına rezervasyon yapan, yazılım yazan ve karmaşık işleri baştan sona yöneten bir aktöre dönüşecek. Bu da şirketlerdeki temel “iş birimi” kavramını kökten değiştirecek. Ancak Kai Fu hoca bir tık fazla iyimser gibi.

Andrej Karpathy, LLM işletim sistemi ve vibe coding

Bu dönüşümü daha teknik bir çerçeveye oturtan isimlerden biri Andrej Karpathy. Zaten teknik deyince ya ne olacağıdı, OpenAI ve Tesla’daki geçmişiyle tanınan Karpathy, bugün geldiğimiz noktayı “LLM işletim sistemi” fikriyle açıklıyor. Ona göre büyük dil modelleri artık sadece metin üreten araçlar değil. Hafızayı, araçları ve internet erişimini yöneten merkezi bir çekirdek gibi çalışıyorlar.

Karpathy’nin 2025 için ortaya attığı bir diğer kavram ise “vibe coding”. Bu yaklaşımda yazılım geliştirmenin doğası değişiyor. İnsanlar karmaşık sözdizimleri yazmak yerine ne yapmak istediklerini doğal dille anlatıyor, yapay zeka ise kodun tamamını yazıp yönetiyor. Kod giderek kalıcı bir varlık olmaktan çıkıp, işi görmek için kullanılan ve sonra atılan geçici bir araca dönüşüyor.

OpenAI o1 ve sistem 2 düşünmeye geçiş (A.R.E Kahneman Hoca)

2024’ün sonlarına doğru bildiğiniz gibi OpenAI’ın o1 modeliyle birlikte sektörde önemli bir zihinsel geçiş yaşandı. Hızlı ve sezgisel yanıtlar üreten sistemlerden, daha yavaş ama bilinçli şekilde akıl yürüten modellere doğru bir kayma başladı. Bu modeller cevap vermeden önce kendi mantık zincirlerini kuruyor ve yanıtlarını bu süreçten geçirerek doğruluyor.

Sam Altman, bu gelişmeyi “zeka çağının” başlangıcı olarak tanımlıyor. Ona göre yapay zeka artık karmaşık bilimsel problemleri ele alabilecek bir seviyeye ulaşmış durumda ve bu, genel zekaya giden yolda önemli bir eşik. Ancak, bu konuyla ilgili de epey endişeler var, çok zorlama içsel olmayan bir düşünme şekli olduğunu vurgulayan (aslında kural işletme şekli) olduğunu vurgulayan çok fazla görüşe rastlıyoruz, bu “reasoning” modellerin.

Ancak şunu vurgulamak lazım, Sistem 1 ve Sistem 2 düşünme şekli dil modellerinin geleceği için en azından kısa vadede önemli bir alan olacak.

Mimari ayrışma: Gerçek anlayış mı, ezber mi?

Geçtiğimiz yazılarda da konuşmuştuk, herkes bu tabloyu aynı heyecanla karşılamıyor. Alanın en saygın teknik eleştirmenlerinden bazıları, bugün izlenen yolun insan seviyesinde genel zekaya çıkmadığını, hatta bir çıkmaz sokak olabileceğini savunuyor.

François Chollet ve ARC-AGI testi

Bu eleştirinin merkezinde François Chollet yer alıyor. Chollet, büyük dil modellerinin zeka değil, devasa bir ezber kapasitesi sergilediğini düşünüyor. Ona göre bu sistemler eğitim verisinde gördükleri örüntüleri çok iyi taklit edebiliyor ama gerçekten yeni ve bilinmeyen bir durumla karşılaştıklarında tökezliyor.

Chollet’nin geliştirdiği ARC-AGI testi tam da bunu ölçmeyi amaçlıyor. Eğitim verisinde yer almayan, tamamen yeni mantık problemlerini çözebilme yeteneğini. 2025 başı itibarıyla hiçbir büyük dil modeli bu testte insan seviyesine yaklaşabilmiş değil. Chollet, gerçek bir AGI için derin öğrenme ile program sentezini birleştiren hibrit sistemlere ihtiyaç olduğunu savunuyor.

Bu arada şunu da söylemek lazım ARC-AGI’ın geçilmesi de tam olarak bir sonuç vermeyebilir, günün sonundaki oradaki yeni ve bilinmeyen durumları da modeller zaman içinde öğrenecektir. Onlara sürekli bilmedikleri şeyler verebilmek mümkün olmayabilir. Ama yeni Turing testi biraz bu gibi.

Yann LeCun ve dünya modelleri yaklaşımı

Yann LeCun ise eleştirisini daha temel bir noktadan yapıyor. LeCun’a göre büyük dil modelleri fiziksel dünyadan kopuk olduğu için hata yapmaları ve hayal görmeleri kaçınılmaz. Metin üzerinden öğrenen bir sistemin, dünyayı gerçekten anlayamayacağını savunuyor.

LeCun’un vizyonunda metin merkezli modellerin yerini “dünya modelleri” alıyor. Zeki bir makinenin metni değil, fiziksel gerçekliği, neden sonuç ilişkilerini ve üç boyutlu uzayı anlaması gerektiğini söylüyor. Bu doğrultuda önerdiği JEPA mimarisi gibi büyük dünya modellerini öneriyor. Konuyla ilgili podcastimiz için:

Gary Marcus ve yazılım kışı uyarısı

Daha karamsar bir tablo çizen isimlerden biri Gary Marcus. Marcus, ölçekleme yasalarının sınırına gelindiğini ve daha fazla veri ile daha fazla işlem gücünün artık aynı oranda ilerleme getirmediğini iddia ediyor. Ona göre devasa veri merkezi yatırımları beklenen karşılığı vermeyebilir ve sektör yeni bir yapay zeka kışına doğru ilerliyor olabilir. Burada Ilya’nın da son Dwarkesh podcastteki görüşleriyle ortaklaştığı söylenebilir.

Okumak için:

Rodney Brooks ve robotik kısmında hakikaten ne olup bittiği konusu

Robotik dünyasının en deneyimli isimlerinden Rodney Brooks ise özellikle insansı robotlar etrafındaki aşırı heyecana mesafeli yaklaşıyor. Etkileyici demoların gerçeği yansıtmadığını, genel amaçlı ve gerçekten esnek robotların günlük hayata girmesinin hala onlarca yıl uzakta olduğunu söylüyor. Otonom sürüş ve genel robotik alanında ilerlemenin, teknoloji çevrelerinin iddia ettiğinden çok daha yavaş olacağını vurguluyor. Karpathy de bunu “march of nine” ile ifade etmişti.

5 Vakte Kadar

Nobel ödüllü hocalar: Hassabis ve Ekürisi

Bu tezin en somut örneklerinden biri Google DeepMind’ta yaşandı. Kurucu Demis Hassabis ve ekibinden John Jumper, protein yapılarını çözebilen AlphaFold çalışmalarıyla 2024 Nobel Kimya Ödülü’nü kazandı.

Hassabis, AGI’nin 2030 civarında ortaya çıkabileceğini ve bunun etkisinin Sanayi Devrimi’nden katbekat büyük ama çok daha hızlı olacağını söylüyor. Ona göre, AlphaFold 3 ile birlikte biyoloji adeta dijital bir probleme dönüşmüş durumda. İlaç keşfi süreçleri yıllar yerine aylarla ölçülmeye başlandı. Hassabis’in uzun vadeli hedefi ise çok daha iddialı. Sanal hücre simülasyonunu tamamlayarak biyolojiyi baştan sona hesaplanabilir bir sistem haline getirmek istediğini çok sık söylüyor.

Jürgen Schmidhuber ve proto-AGI vizyonu

Yapay zekanın en iddialı figürlerinden biri olan Jürgen Schmidhuber, 2025 ve sonrasını “proto-AGI” dönemi olarak tanımlıyor. LSTM gibi temel mimarilerin gelişiminde büyük payı olan Schmidhuber’e göre yapay zeka, bu dönemde insan sınırlarını aşmaya ve kendi kendini geliştirmeye başlayacak.

Nick Bostrom ve hızlanan zaman çizelgesi

Bir zamanlar daha temkinli tahminleriyle bilinen Nick Bostrom bile son dönemde zaman çizelgesini ciddi biçimde öne çekmiş durumda.

Bostrom’a göre bu hızlanmanın nedeni tek bir kritik keşif olabilir. Algoritmik anlamda yaşanacak bir “kilit açma” anı, bugün kullandığımız modelleri bir anda süper zekaya dönüştürebilir.

Michio Kaku ve kuantum yapay zeka

Bu tabloya daha spekülatif ama çarpıcı bir boyut ekleyen isimlerden biri de fizikçi Michio Kaku. Kaku, 2025 itibarıyla kuantum bilgisayarların devreye girmesiyle yapay zekanın tamamen yeni bir faza geçeceğini savunuyor.

Ilya Sutskever ve Gerçek Sistem 2 Düşüncesi

Ilya, yapay zekanın bugün geldiği noktayı bir hızlanma değil, bir eşik olarak görüyor. Ona göre “daha fazla veri ve daha büyük model” dönemi artık sona erdi. İnternet tükendi, ön eğitim duvara tosladı ve mevcut modeller zekayı gerçekten anlamıyor, sadece pürüzlü “jagged” biçimde taklit ediyor. Bu yüzden Safe Superintelligence Inc. ile bilinçli olarak alışılmış Silikon Vadisi modelinin dışına çıkmayı seçti.

Ürün çıkarmayan, API satmayan, gelir baskısı olmayan bir yapı kurmasının nedeni var: Süper zekaya giden yolun artık ölçeklenmeden değil, araştırmadan geçtiğine inanıyor. Asıl sıçramanın, modellerin cevap vermeden önce durup düşünebildiği, kendi mantığını doğrulayabildiği Sistem 2 benzeri yapılardan geleceğini savunuyor.

Yakın gelecek konusunda Sutskever oldukça net ve cesur. Ona göre insan seviyesinde AGI, ardından da süper zeka, önümüzdeki 5 ila 10 yıl içinde ortaya çıkacak. Hatta bu sürecin sandığımızdan da hızlı ilerlemesi mümkün. Tek bir algoritmik keşif, bugün hâlâ pürüzlü olan sistemleri bir anda tutarlı ve güçlü bir zekaya dönüştürebilir. Bu yüzden “scaling mcaling yok bam bam bam” stratejisini benimsiyor; ara ürünlerle oyalanmadan, nihai hedefe odaklanmak gerektiğini düşünüyor.

Ve belki de bütün bu tartışmaların ortak noktası şu: Yapay zekanın gelip gelmeyeceği değil, nasıl geleceği artık asıl soru. Gelecek hafta da daha uzun vade senaryolara beraber göz atacağız. İlgili bölümlerden birini dinlemek için:

Sevgiler…

Son aylarda teknoloji dünyasını saran en büyük sorulardan biri: Yapay zeka balonunun içinde miyiz?

OpenAI’nin değerlemesi sadece bir yılda 157 milyar dolardan 500 milyar dolara fırladı. Nvidia kısa bir süreliğine 5 trilyon dolarlık piyasa değerine ulaştı. Her gün milyarlarca doların AI şirketlerine aktığını görüyoruz. Rakamlar o kadar büyük ki, insanın aklına hemen 2000’lerin dot-com balonu geliyor.

Peki gerçekten kıyamet senaryoları için endişelenmeli miyiz?

Cevabım: Hem evet, hem hayır. Çünkü “AI” dediğimizde aslında çok farklı şeylerden bahsediyoruz. Detayları için geçtiğimiz hafta kaydettiğimiz podcaste de bakabilirsiniz. 🎙️

Rakamlar Korkutucu: Ama Her Şey Görünenden Farklı

Bank of England, AI şirketlerinin aşırı değerlemesinden dolayı küresel piyasalarda bazı gerileme ve aslında “düzeltme” riskine karşı uyarılarda bulunuyor. S&P 500’deki değer artışının %80’i, karlardaki büyümenin de %80’i AI şirketlerinden geliyor. Dahası, teknoloji devleri 2025’te toplam 400 milyar dolar harcayacak:

• Amazon: 100 milyar dolar

• Meta: 3 yıl içinde 600 milyar dolar

• Microsoft: 80 milyar dolar (2025)

• Google: 75 milyar dolar (2025)

• Apple: 4 yıl içinde 500 milyar dolar

AI ile ilgili sermaye harcamaları, 2025’in ilk yarısında ABD GDP büyümesinin %1.1’ini oluşturdu. Evet, doğru okuduk :) AI harcamaları artık ekonomik büyümenin ana motoru haline geldi.

AI Tek Katmanlı Kolay Anlaşılabilecek Bir Konsept Değil

Andrew Ng’nin de vurguladığı gibi, yapay zeka ekosistemini üç ana katmanda düşünmeliyiz:

1. Uygulama Katmanı (ChatGPT, Midjourney gibi son kullanıcı ürünleri)
2. Çıkarım Altyapısı (Modellerin çalıştığı, token ürettiği sunucular)
3. Eğitim Altyapısı (Dev modellerin eğitildiği süper bilgisayarlar)

Ve işin ilginç yanı: Bu üç katmanın her birinde balon riski tamamen farklı.

En Az Yatırım Alan Yer: Uygulamalar

Paradoksal bir durum yaşıyoruz. Herkes temel modellerin (foundation yada base model diyoruz) gücünden bahsediyor, ama asıl değer yaratacak olan uygulama katmanına yeterince yatırım yapılmıyor.

Andrew Ng’nin belirttiği gibi: LLM API’lerini kullanan uygulamalar, tanım gereği altyapıdan daha değerli olmak zorunda. Çünkü bu uygulamaların, kullandıkları altyapının maliyetini karşılayıp üstüne kâr etmesi gerekiyor. Ama Girişim Sermayesi fonları ne yapıyor? “AI uygulamalarına yatırım yapmak çok riskli, kazananı nasıl seçeceğiz bilmiyoruz” diyorlar.

Ayrıca yaygın bir mit var: “GPT-5 veya Claude Opus çıkınca tüm AI uygulamaları anlamsız kalacak.” Bu düşünce birçok yatırımcıyı korkutuyor. Oysa ajantik iş akışları her geçen gün daha fazla işletmeye entegre oluyor ve baya baya şirketler için iş değeri yaratıyor.

EY araştırmasına göre, AI’ya yatırım yapan şirket liderlerinin %97’si pozitif ROI raporluyor. Ama MIT’nin bir raporu bunun tersini söylüyor: 30-40 milyar dolarlık girişim yatırımına rağmen, organizasyonların %95’i özellikle mali olarak epey yetersiz sonuçlar alıyor.

Bu çelişki nereden geliyor peki? Muhtemelen büyük kurumsal yatırımlar çalışırken, startup ekosistemin çoğu henüz ürün-pazar uyumu bulamadı.

Ajantik kodlama araçlarına yada vibe coding ekosistemine bakacak olursak mesela. Anthropic’in Claude Code’u, bu yıl piyasaya sürüldü ve gelirlerinin yıllık 1 milyar dolar seviyesine ulaştığı söyleniyor. Cursor’un geliri 2023’te 1 milyon dolarken, 2024’te 100 milyon dolara fırladı ve 2025’te 1 milyar dolara ulaşması bekleniyor.

Sonuç olarak diyebiliriz ki, uygulama katmanında balon yok, tam tersine fırsat var.

Darboğaz: Çıkarım Kapasitesi (Inference)

Burada gerçek bir sorun var, balonu da geçelim: Yeterli işlem gücü yok!

Andrew Ng’nin de vurguladığı gibi, birçok şirket şu anda token üretmek için yeterli hesaplama gücüne erişim imkanı bulamıyor. Maliyet yüksek, hız düşük. Bu aslında iyi bir sorun - ürününüze talep olmadığından değil, arzınız yetersiz olduğundan satış yapamıyorsunuz demek.

Özellikle vibe coding kodlama araçları düşünün: Claude Code, OpenAI Codex (GPT-5 ile dramatik gelişme gösterdi), Google CLI (Gemini 3 ile çok rekabetçi hale geldi)...

Bu araçlar geliştikçe ve yaygınlaştıkça, token talebi astronomik seviyelere çıkacak.

Şu an bile birçok geliştirici eski araçları kullanıyor veya hiç bu tarz bir vibe coding aracı kullanmıyor. Ek olarak, bu altyapının ihtiyacı olan global veri merkezi talebinin 2030’a kadar yılda %19-22 arasında büyümesi bekleniyor.

Yine Andrew Ng geçen yıl başında ajantik iş akışları nedeniyle daha fazla çıkarım kapasitesine ihtiyaç duyulacağını öngörmüştü. O zamandan beri, ihtiyaç daha da acil hale geldi.

Bu yüzden çıkarım (inference) altyapısına yapılan yatırımlar mantıklı. Tabii aşırı kapasite inşa edilirse fiyatlar düşer ve bazı yatırımcılar zarar edebilir. Ama toplumdaki net etki pozitif olur - uygulama geliştiriciler için ucuz ve bol kapasite!

Özetle, modellerin gelişeceği, yeni işler yapabileceği çıkarım altyapısında yetersiz yatırım var, balon riski düşük.

En Riskli Alan: Model Eğitimi

Herkes için asıl tehlikeli bölge burası.

Şirketler milyarlarca dolar döküp dev modeller eğitiyorlar. OpenAI tek başına yaklaşık 1 trilyon dolarlık anlaşmalar yaptı ama yıllık geliri sadece 13 milyar dolar civarında ve hala zarar ediyor. Geçen yıl 3.7 milyar dolarlık gelire karşın 5 milyar dolarlık operasyonel zarar bekliyordu.

Andrew Ng’ye göre iki büyük risk var:

Risk 1: Açık kaynak yükselişi
Llama, Mistral gibi açık ağırlıklı modeller her geçen gün iyileşiyor ayrıca Çinli modeller de çok iyi duruma geldiler. Eğer bu modeller kapalı kaynak modellerin kalitesine yaklaşırsa, trilyonlarca dolarlık eğitim yatırımları havada kalabilir.

Risk 2: Zayıf teknoloji sürdürülebilirliği
Algoritmalar ve donanım her yıl daha iyi bir yere geliyor. Bu demek ki, bugün 10 milyar dolara mal olan bir model, gelecek yıl 2 milyar dolara eğitilebilir. Sürdürülebilir bir rekabet avantajı yaratmak zor, burada bu şirketlerin yeni alanlar bulması gerekecek.

Tabii ChatGPT gibi güçlü marka değeri olan veya Google gibi devasa dağıtım ağı olan şirketler bu risklere karşı daha korunaklı. Ama genel olarak, eğitim altyapısı yatırımları üç kategorinin en risklisi.

Sonuç olarak, burada hakikaten balon riski var.

Dairesel Yatırımlar: Kimin Parası Kimin Cebinde

Uzmanlar tarafında balon endişelerini körükleyen asıl mesele ise kabaca şöyle ifade edebileceğimiz bir finansal ilişkiler ağı:

Nvidia OpenAI’ye 100 milyar dolar yatırım yapıyor. OpenAI bu parayı kullanarak veri merkezleri kuruyor. Sonra bu veri merkezlerini Nvidia’nın çipleriyle dolduruyor. OpenAI ayrıca AMD’ye de milyarlarca dolarlık anlaşma yaptı ve şirketin en büyük hissedarlarından biri oldu. Google aynısını yapıp, NVIDIA ile GPU anlaşmaları yapıyor, OpenAI Google’ın veri merkezlerini kullanıyor. Bu neredeyse tüm şirketler için geçerli, aslında aralarında büyük finansmanları döndürüyorlar kabaca.

Bir de şu karmaşık ilişkiler ağına bakalım (Aşk-ı Memnu seviyesi bir kafa karışıklığı yaratacak):

• Microsoft OpenAI’nin büyük bir hissedarı

• Microsoft aynı zamanda CoreWeave’in (AI cloud computing şirketi) büyük müşterisi

• Nvidia CoreWeave’de önemli hisseye sahip

• Microsoft, Nvidia’nın 2025 mali yılı gelirinin yaklaşık %20’sini yaptığı ödemelerle sağlıyor.

Michael Burry (evet, “The Big Short” filmindeki o efsane yatırımcı Christian Bale’in oynadığı) durumu şöyle özetliyor: “Gerçek son talep gülünç derecede küçük. Neredeyse tüm müşteriler satıcıları tarafından finanse ediliyor.”

Bu yapı 1990’ların sonundaki dot-com balonundaki dairesel finansmana benziyor. O dönemde de satıcılar ve müşteriler birbirlerinin değerlemelerini şişiriyordu, ortadaki gerçek değer pek toplumsal değildi.

Alarm zillerinin çaldığı yerlerden birisi tam olarak burası çünkü girişler olsa da büyük çıkışlar da var bu zincirden, Peter Thiel, Nvidia’daki 100 milyon dolarlık hissesinin tamamını sattı. SoftBank ise 6 milyar dolarlık Nvidia hissesini boşalttı.

DeepSeek Şoku Örneği: Balon Patlayabilir mi?

Ocak 2025’te Çinli DeepSeek’in beklenmedik başarılı lansmanı piyasalarda şok etkisi yarattı. Nvidia hisseleri bir günde %17 düştü (ertesi gün %8.8 toparlandı).

Peki, bu olay bize ne gösterdi? Piyasanın ne kadar kırılgan olduğunu. Tek bir rakip ürünün çıkışı bile trilyonlarca dolarlık değeri bir gecede eritebiliyor.

Kıyamet Senaryosu

Andrew Ng’nin endişelendiği şey şu: Model eğitimi alanında bir çöküş yaşanırsa, bu tüm AI sektörüne sıçrayabilir.

Bir veya iki büyük şirket model eğitimine yaptığı yatırımdan ciddi zarar ederse, medya manşetleri “AI balonu patladı!” diye bağıracak. Sonra ne olur? Yatırımcılar irrasyonel bir şekilde tüm AI kategorisinden kaçar - hatta uygulama katmanı gibi güçlü temellerden kaçar bile.

Özetle iki alandaki yer yer sağlıksız durum, sağlıklı olan bir sektöre haksız yere zarar verme riski taşıyor.

Sonuç olarak;

Bir balon var mı? Andrew Ng’nin de dediği gibi: Evet ve hayır. AI’ın bazı alanlarında spekülatif abartı var (özellikle model eğitiminde), ama genel resim hala sağlıklı. Hatta bazı alanlarda ciddi yetersiz yatırım var (özellikle uygulamalarda ve uygulama katmanında).

Bölümü dinlemek için:

Yapay zeka ile ilgili gündem o kadar hızlı ilerliyor ki, dün öğrendiğimiz bir bilgi bugün eskiyebiliyor. Ne kadar kaçırdığımızı bile çoğu zaman kaçırdığımızı düşünüyoruz, ancak iyi fikirler, ilham verici bakış açıları hala epey kalıcı.

Bültenimin bu sayısında, gürültüden uzaklaşmak isteyenler için arşivlik bir dosya hazırladım. Bir şeyler dinlemeyi, izlemeyi sürekli içinde olmayı seven biri olarak sapık seviyesindeki TED dinleyicisi birikimimle seçtiğim 10 konuşma, yapay zekayı ve bu dönüşümün insanlık tarihindeki yerini anlamak isteyenler için özenle seçildi.

Listede hem umut var, hem korku; hem bilim var, hem sanat ve epey de güvenilir isimler. Ben de epey faydalanıyorum, Otostopçunun Yapay Zeka Rehberi’nde de yer yer üstüne konuşuyoruz, konuşacağız :)

Yejin Choi: “Why AI is incredibly smart and shockingly stupid” (Neden İnanılmaz Zeki ve Şok Edici Derecede Aptal?)

Yapay zeka modellerinin bazen Nobel ödüllü bir fizikçi gibi davranıp, bazen de 3 yaşındaki bir çocuktan daha mantıksız hatalar yapması sizi şaşırtıyor mu? Yejin Choi, “bilgi” ile “sağduyu” arasındaki o ince çizgiyi muazzam anlatıyor. Makinelerin neden hala insan sağduyusuna muhtaç olduğunu anlamak için en iyi kaynak.

TIME 100 listesinde de gördüğümüz araştırmacılardan Yejin Choi, Washington Üniversitesi’nde Bilgisayar Bilimleri profesörü ve Allen Yapay Zeka Enstitüsü’nde araştırma müdürü şuanda, kariyerini, yapay zekaya “sağduyu” (common sense) öğretmenin zorluklarına adamış bir bilim insanı. Benim de epey sevdiğim figürlerden :) Choi, trilyonlarca veriyi işleyen devasa modellerin neden basit sosyal normları ve fizik kurallarını anlamakta zorlandığını esprili örneklerle açıklıyor.

Mustafa Suleyman: “What is an AI anyway?”

DeepMind’ın kurucu ortağı ve bugün Microsoft AI’ın CEO’su Mustafa Suleyman. Yapay zeka güvenliği ve etiği üzerine yazdığı “The Coming Wave” kitabıyla tanınan, teknoloji dünyasının en etkili stratejistlerinden.

Suleyman’ın “Yapay Zeka yeni bir dijital türdür” tezi, birçok uzmanın teknolojiye bakış açısını kökten değiştirdi ben de Yaklaşan Dalgayı (The Coming Wave") epey severek okudum hatta bir podcast bölümü de yaptık. Onu bir “hesap makinesi” olarak değil de, bizimle birlikte yaşayan yeni bir “varlık” olarak konumlandırdığınızda taşlar yerine oturuyor.

Greg Brockman: “The inside story of ChatGPT’s astonishing potential”

Greg Brockman, OpenAI’ın kurucu ortağı ve ekibin en önemli isimlerinden, GPT modellerinin geliştirilme süreçlerinin başındaki isimlerden biri. Yani teknolojinin “mutfağındaki” insanlardan biri. Benim çok sevdiğim bu konuşmada Brockman, GPT-4’ün yayınlanmasının hemen ardından, modelin karmaşık sorunları çözme, kod yazma ve yaratıcı fikirler üretme yeteneklerini canlı bir demoyla sergiliyor.

Joy Buolamwini: “How I’m fighting bias in algorithms”

Otostopçunun Yapay Zeka Rehberi’nde de birkaç defa ele aldığımız, MIT Media Lab araştırmacısı ve Algorithmic Justice League (Algoritmik Adalet Ligi) kurucusu Joy Buolamwini yüz tanıma sistemlerinin koyu tenli yüzleri ve kadınları tanımakta nasıl başarısız olduğunu kendi deneyimiyle keşfedişini ve “Kodlanmış Bakış” (Coded Gaze) kavramını anlatıyor.

Joy Boulamwini, yapay zekanın etik sorunlarının gelecekteki bir distopya değil, bugünün acı bir gerçeği olduğunu yüzümüze çarpıyor, hatta konuyla ilgili The Coded Bias isimli bir belgeseli de var. Biz de podcastte Matematiksel İmha Silahları bölümünde detaylı işlemiştik konuyu.

Demis Hassabis: “How AI is unlocking the secrets of nature”

Hassabis, muhtemelen bu alandaki en önemli birkaç isimden biri, Google DeepMind CEO’su, nörobilimci ve akademik olarak en güçlü araştırmacılardan biri. AlphaGo ile dünya şampiyonunu yenen ve AlphaFold ile biyolojide devrim yaratan ekibin lideri.

Yapay zeka sadece “chatbot”lardan ibaret değil. Hassabis, bu teknolojinin asıl devriminin biyoloji ve fizikte olduğunu kanıtlıyor. 50 yıllık biyoloji problemini nasıl çözdüklerini dinlediğinizde yapay zekanın nasıl birçok alanda yüksek potansiyelli olduğunu anlayabileceğiz.

Fei-Fei Li: “With spatial intelligence, AI will understand the real world”

Stanford Üniversitesi İnsan Merkezli Yapay Zeka Enstitüsü (HAI) Direktörü ve benim çok sevdiğim The World I See kitabının yazarı, bu alandaki en önemli araştırmacılardan biri olan Fei Fei Li, bizi sadece “konuşan” yapay zekalardan alıp, “gören ve yapan” yapay zekalara ilişkin düşünmeye götürüyor, kendisi zaten bir süredir çalışmalarını da Spatial Intelligence dediği bu alana odaklamış bir isim.

Belki hepsini bir oturuşta izleyemeyeceksiniz, belki bazılarına katılmayacaksınız. Sorun değil. Önemli olan bu devasa dönüşümün karşısında pasif bir izleyici kalmayıp, “Burada neler oluyor?” sorusunu sorabilmek.

Umarım bu seçki, haftanıza biraz ilham, biraz da düşünsel derinlik katar. Eğer bu listeyi sevdiyseniz, teknolojiyle arası iyi olmayan ama anlamaya çalışan bir arkadaşınızla paylaşın. Belki de korkularını merakla değiştirmesine vesile olursunuz.

Bunları ve daha fazlasını da beraber konuşmaya devam edeceğiz.

Dwarkesh Patel , Yapay Zeka dünyasının ana mecrası oldu, yaptığı podcast ile ardarda Satya Nadella, Karpathy, Richard Sutton sonrası OpenAI’nin kurucu baş bilim insanı, ChatGPT devriminin teknik mimarı ve geçtiğimiz aylarda kurduğu SSI (Safe Superintelligence) ile kendi şirketiyle yapay zeka dünyasında yer eden Ilya, uzun bir aradan sonra Dwarkesh Patel ile sohbet etti. -Otostopçunun Yapay Zeka Rehberi bir gün sen de böyle olacaksın-.

Ben de her hafta neredeyse son iki aydır özellikle her bölümü notlarla dinliyorum :)

İzlemek için:

Sizler için bu hafta Ilya’nın podcast notlarını derledim:

Yapay zeka dünyası son iki yıldır bir “hız sarhoşluğu” yaşıyor. Her hafta yeni bir model, her ay yeni bir parametre rekoru, her gün bir dolu altı boş (yapanlar için değil, konuşanlar, çoğu da bilmeden konuşanlar için) duyuyoruz.

Ilya’ya göre, bu hız ve ölçekleme çağı bitiyor, tekrar araştırma ve yöntem bulmamız gerekecek (Geçtiğimiz hafta Gebze Teknik Üniversitesi’ndeki AI Move Konferansında benzer bir görüşü anlattım, bugünkü teknolojileri 1943’den 2017’ye kadar temelde (elbetteki devam etti) araştırmalara borçluyuz, dil dışındaki alanlar için de böyle araştırmalara ihtiyacımız olacak.

2010’lardan bugüne geçerli olan tek bir yasa vardı: “Scaling Laws” (Ölçekleme Yasaları). Formül basitti: Daha çok veri + Daha çok işlem gücü (Compute) = Daha zeki AI.

Ilya’ya göre: “2010’lar Ölçekleme Çağıydı. Şimdi yeniden Keşif ve Araştırma Çağına döndük.”

Bunun teknik anlamı şu kısaca:

• Pre-training Duvarı: İnternetteki tüm metinleri, kitapları, kodları modellere yedirdik. Veri havuzu kurudu. Artık sadece “daha fazla veri” ekleyerek zekayı lineer bir şekilde artıramıyoruz. Bu tarz bir yöntemin yarattığı fayda azalıyor.

• Veri Verimsizliği Paradoksu: Ilya, insan beyni ile AI arasındaki o uçuruma dikkat çekiyor. Bir çocuk, sadece birkaç kez gördüğü bir kavramı öğrenirken; bir AI modelinin aynı kavramı öğrenmesi için trilyonlarca kelime okuması gerekiyor.

Benim okumamla da bu durum, “Kaba Kuvvet” (Brute Force) yaklaşımının sonu denilebilir. Artık mühendislik (daha büyük serverlar kurmak, daha fazla veri bulmak değil, zaten nereden bulacağız) değil, bilim (yeni yöntemler bulmak) çağı. Bu da akademik araştırmacılar için tekrar altın çağın başladığı anlamına geliyor Ilya Sutskever’e göre.

Ilya, mevcut LLM’lerin (Large Language Models) “System 1” (Hızlı, sezgisel, refleksif) çalıştığını kabul ediyor. Yani model, bir soruya cevap verirken “düşünmüyor”, sadece dil istatistiklerine dayanarak “ortalama üretiyor”.

Gelecek ise “System 2” (Yavaş, planlı, mantıksal) modellerde.

Tıpkı AlphaGo’nun bir hamle yapmadan önce binlerce olası senaryoyu zihninde (Monte Carlo Tree Search) simüle etmesi gibi, yeni nesil dil modelleri de konuşmadan önce “düşünecek”. Ilya bu olmadan gerçek bir düşünme olmayacağını, bunu çözmemiz gerektiğini vurguluyor.

Bir Açıklanabilir YZ araştırmacısı olarak beni en çok heyecanlandıran kısım bu. Eğer model gerçekten “düşünürse”, o düşünce zincirini (Chain of Thought) izleyebiliriz. Modelin neden o kararı verdiğini, olasılık dağılımından değil, mantık ağacından takip edebiliriz.

Bu da bir Bilişsel Bilimler öğrencisi olarak beni heyecanlandıran bir kısımdı :)

Ilya’nın “Neden insanlar az veriyle çok şey öğreniyor?” sorusuna verdiği cevap, yapay zeka felsefesini değiştirecek nitelikte: Genetik Ön Bilgi (Priors).

Biz dünyaya “boş levha” (tabula rasa) olarak gelmiyoruz. Milyonlarca yıllık evrim, beynimize “öğrenmeyi öğrenen” (Meta-learning) devreleri kodlamış durumda. Ilya, DNA’yı “Dünyanın yapısına dair sıkıştırılmış bir bilgi paketi” olarak tanımlıyor.

Yine benim buradan ve Ilya’dan anladığım, geleceğin AI mimarileri, sadece “boş bir Transformer” eğitmek yerine, tıpkı insan beyni gibi, dünya fiziğine, nedenselliğe ve mantığa dair “önceden kodlanmış” (hard-coded olmasa da mimari olarak dayatılmış) yapılar içermek zorunda kalacak. Bu da biraz nöro-sembolik yaklaşım demek ve sinirbilim ile yapay zeka için şahane bir araştırma alanı ortaya çıkacak.

Ilya’nın yeni şirketi SSI’daki “Safe” (Güvenli) kelimesi, genellikle bir halkla ilişkiler süsü sanılıyor. Ancak röportajda bunun teknik bir zorunluluk olduğunu anlıyoruz.

Ilya’ya göre Güvenlik = Güvenilirlik (Reliability).

• Şu anki modeller “bazen” harika, “bazen” aptalca (benim sıkça atıf yaptığım Jagged Frontier etkisi).

Süper zeki bir sistem, eğer %1 bile hata payına sahipse, o sistem “zeki” değil, “tehlikeli”dir. Nükleer reaktörü yöneten bir yapay zekanın “halüsinasyon” görme lüksü yok Ilya Sutskever’e göre, bu da explainability, responsibility hatta alignment neden önemli kısmı anlattığı bölümün önemli bir notuydu.

Ayrıca, pazar baskısı, şirketleri henüz hazır olmayan ürünleri yayınlamaya zorluyor. SSI, araştırmaya odaklanarak bu baskıdan izole kalmayı hedefliyor.

İnsanların süper zeki sistemlerle bir arada var olabilmesinin uzun vadeli çözümü (Ilya’nın kişisel tahmini), insanların AI ile bütünleşmesi (Neuralink benzeri teknolojilerle) olabilir. Böylece “anlama” kapasitesi doğrudan insana aktarılır ve insan oyunun dışında kalmaz. Ek olarak, süper zeka yada çok güçlü yapay zekaların ortaya çıkması kaçınılmaz. Eğer ilk çıkan süper zekalar (ilk N tanesi örneği) insan yanlısı yada hizalanmış :) aligned olursa, bu bir denge unsuru oluşturabilir.

En sevdiğim kısım da, tıpkı Feynman gibi Sutskever’in de, iyi bir araştırmacının karmaşıklıktan ziyade “güzellik, basitlik ve biyolojik ilham” araması gerektiğini belirtmesi. Doğru fikirlerin genellikle estetik ve sade olduğunu vurguluyor.

Dolayısıyla SSI araştırmalarının estetik ve sade olmasını amaçladığı söylenebilir.

Otostopçunun Yapay Zeka Rehberi Power Podcast Ödülleri’nde Aday!

Oy Vermek İçin: https://www.powerapp.com.tr/oylama/power-podcast-odulleri-2025-1/