Google DeepMind'ın araştırma enstitüsü, YGZ'den sonraki dönemin, bir zamanlar YGZ'nin kendisi için ayrılan analitik titizliğin aynısını artık hak ettiğini savunan kapsamlı bir makale yayınladı. "YGZ'den sonra ne gelir? AGI'den Süper Zeka'ya" başlıklı makale, 19 Kasım 2026'da Google DeepMind'da araştırma bilimcisi olan Tim Genewein tarafından DeepMind Enstitüsü'nün makale portalında yayınlandı. Temel iddiası: Yapay genel süper zekaya yönelik çok sayıda teknolojik yol şekillendikçe, YGZ'nin ötesindeki rejim "felsefi spekülasyonlardan ampirik araştırma ve yönetişim sorularına doğru kayıyor."

Makale, yapay zeka araştırma haberlerinin aylardır en yoğun olduğu dönemde geldi ve YGZ sonrası tartışmaya somut bir teknik kelime dağarcığı kazandırmak için kasıtlı bir girişim olarak okunuyor. En son yapay zeka gelişmelerini takip eden herkes için, dünyanın önde gelen laboratuvarlarından birinin insan seviyesindeki yapay zekanın ötesindeki yolu nasıl çerçevelediğine dair şimdiye kadarki en net resmi sunuyor; eğer doğruysa, bilişsel çalışmanın ekonomisini dönüştürecek bir maliyet tahmini de dahil.

Süper Zeka Olarak Neler Sayılır

Genewein, genel zekayı insan düzeyindeki YGZ'nin yalnızca bir nokta olduğu bir sürekliliğe yerleştirerek başlıyor. Makalenin tanımına göre YSZ, daha az kaynak ve daha az zaman kullanarak tamamlaması yıllar alabilecek görevlerde büyük insan uzman gruplarından sürekli olarak daha iyi performans gösteren gelişmiş bir sistemdir; örneğin, tüm bir araştırma alanının bilimsel çıktısını çok kısa bir sürede eşleştirmek veya çip tasarımında büyük bir şirketin bir yılda ürettiğiyle aynı düzeyde ilerleme sağlamak. Daha da önemlisi, çıta dar bir dilimde değil, insanlığın ilgisini çeken hemen hemen tüm görevlerde karşılanmalıdır.

Makalenin notlarına göre dar hakimiyet zaten mevcut: Yapay zeka sistemleri bugün satrançta ve Go'da her insanı yeniyor, amino asit dizilerinden protein yapılarını tahmin ediyor ve onlarca yıldır matematikçilere direnen kanıtlanmış teoremlere sahip. Gerçekten keşfedilmemiş kalan şey, insan seviyesindeki yapay zeka ile zekanın teorik sınırları arasındaki geniş orta yoldur. Genewein'in açıklayıcı noktası: satrancı mükemmel bir şekilde çözmek, Dünya'da mevcut olandan daha fazla bilgi işlem gücü gerektirir, ancak küçük resim boyutundaki bir çip zaten herhangi bir insanı yenebilecek kadar iyi oynuyor.

Bilişsel Sanayileşme ve Çöken Maliyetler

Makalenin niceliksel özü "bilişsel sanayileşmenin" analizidir. Genewein son on yıldaki üç bileşik eğilimi çoğaltıyor. Birincisi, donanım: Dolar başına bilgi işlem, Moore yasası ve ilgili eğilimler kapsamında altmış yıl boyunca yılda yaklaşık 1,5 kat arttı. İkincisi, algoritmik verimlilik: Sabit bir performans seviyesine ulaşmak için gereken eğitim hesaplaması, son on yılda yılda yaklaşık 3-6 kat düştü ve çıkarım verimliliği yılda yaklaşık 3 kat arttı. Üçüncüsü, yatırım: AI donanımına yapılan harcamalar yılda yaklaşık 2,5 kat arttı ve en büyük sınır çalıştırmalarının eğitim hesaplaması yılda 4 kattan fazla arttı.

Üçünü çarptığınızda makale, küresel etkili bilgi işlemin yılda en az 10 kat büyüdüğünü tahmin ediyor - "on yılda 10 milyarlık bir faktör." Talep tarafında, donanım ve yazılım verimliliği iyileştirmeleri tek başına sabit bir yapay zeka iş yükünü çalıştırmak için gereken bilgi işlem miktarını yılda yaklaşık 4 kat azaltacaktır. Sonuç, Genewein'in ifade ettiği gibi: günümüzün yapay zeka sistemleriyle gerçekleştirilmesi 1 milyar dolarlık bilgi işlem tokenına mal olan bir bilişsel iş yükünün, on yıl içinde yaklaşık 1.000 dolara mal olması.

Bu tek başına bir tahmin değil. Makalede, bir dizi kıyaslamada sabit bir puan elde etmenin tüketici fiyatının 2023'ten bu yana yılda 13 kattan fazla düştüğünü ortaya koyan yakın tarihli bir Epoch çalışmasına atıfta bulunuluyor. Aynı zamanda, yapay zeka temsilcilerinin etkin popülasyonunun 2030'a kadar bin kattan fazla, on yıl içinde ise bir milyar kattan fazla artabileceği öngörülüyor; bunun "kesinlikle kesin bir durum olmadığını" dikkatle işaretliyor, çünkü bilgi işlem geliştirmede pratik tavanlar ve algoritmik verimlilik konusunda daha spekülatif tavanlar olabilir. müdahale edin.

AGI'den ASI'ye Dört Yol

Makalenin özü, katıksız ölçeğin açamayacağı yeteneklerin kilidini açabilecek dört teknolojik yolun sınıflandırmasıdır - çünkü Genewein'in kuru bir şekilde gözlemlediği gibi, "Einstein genel göreliliği çözmüş olsa da, yüz bin Ptolemaik gökbilimcinin katıldığı bir konferans muhtemelen bunu başaramazdı."

Modelleri ve verileri ölçeklendirme. Yetenek, model, veri ve test-süresi-hesaplama ölçeğiyle dikkate değer ölçüde istikrarlı bir şekilde gelişti, ancak makale üç darboğaz tespit ediyor: yüksek kaliteli eğitim verilerine olan talebin insanlığın bunu üretme yeteneğini geride bırakması nedeniyle veri tükenmesi; Yetenekteki her doğrusal adımın çarpımsal hesaplama gerektirdiği, daha büyük modellerin ise akıl yürütme süresi yöntemlerini yavaşlattığı model ölçeğinde azalan getiriler; ve enerji santralleri, elektrik şebekeleri, çip fabrikaları ve düşük gecikmeli ara bağlantılardaki fiziksel ve ekonomik sınırlar. Teknolojik paradigma değişiyor. Günümüzün paradigması (transformatörleri bir sonraki jetonu tahmin edecek şekilde eğitin, ardından hassaslaştırın ve test zamanı hesaplamasını ekleyin) yakın zamanda prensipte istemler aracılığıyla karmaşık algoritmaları çalıştırabildiği gösterildi. Ancak modeller, sürekli öğrenme, belirli dünya modelleme biçimleri, karar verme, örnek verimliliği ve mevcut kavramları yeniden birleştirmek yerine gerçekten yeni kavramların icat edilmesi konularında hala insanlardan geride kalıyor. Araştırmacılar, günümüz paradigmasının genişletilmesinin bu boşlukları kapatabileceği veya YZ'nin daha derin bir şey gerektirip gerektirmediği konusunda bölünmüş durumda. Acente koordinasyonunun iyileştirilmesi. İnsan şirketleri, pazarlar ve araştırma toplulukları, hiçbir bireyin çözemediği sorunları çözer. Benzer şekilde, binlerce veya milyonlarca AGI örneğinin "grup aracıları" veya sanal aracı ekonomileri halinde koordine edilmesi, kolektif süper zeka üretebilir. Makale, alanın "çok aracılı ölçeklendirme yasalarına" ihtiyacı olduğunu savunuyor; ilk araştırmalar bazı görevlerde net kazanımlar buluyor, ancak koordinasyon verimsizlikleri popülasyonlar büyüdükçe azalan getiriler yaratıyor. Büyük kolektifleri yönetmek aynı zamanda yanlış bilgilendirmeye, manipülasyona ve gizli anlaşmalara karşı savunmayı da içeren kurumsal tasarımı da gerektirecektir; Sürü deneyleri halihazırda ajanların hile yapmayı öğrendiğini ve diğerlerinin ihbarcı olarak hareket ettiğini gösteriyor. Özyinelemeli kişisel gelişim. İlk olarak I. J. Good ve Ray Solomonoff tarafından tartışılan RSI, gelecek nesil yapay zeka için iyileştirmeleri otomatikleştiren yapay zeka sistemlerini açıklar. Tipik teknolojilerin aksine, yapay zekadaki iyileştirmeler sonraki kazanımları doğrudan hızlandırabilir; ancak araştırma ilerlemesini bulmak da zamanla zorlaşır. Makale, RSI'ın kontrolden çıkmış bir hızlanma üretip üretmediğinin "büyük ölçüde ampirik bir soru" olduğunu ve kod ve tasarımların (mimariler, eğitim algoritmaları, çip düzenleri) yanı sıra veriler aracılığıyla da çalışabileceğini söylüyor.

Çerçeveleme Neden Önemlidir

Makale açıkça bir hazırlık tartışmasıdır: AGI'den YSZ'ye olası yolların haritasını çıkarmak ve "ilerlemeyi takip etmek için titiz, güvenilir yollar" oluşturmak, Genewein'in çerçevesine göre, geçişi yönetmenin ön şartıdır. Daha uzun bir DeepMind Institute raporu olan "AGI'den ASI'ye" eşlik ediyor.

Resepsiyon hemen gerçekleşti. Makale, yayınlandıktan sonraki bir gün içinde Hacker News'te 85 puan ve 160'tan fazla yorum alırken, Unite.AI ve BigGo Finance dahil olmak üzere ticari basın, dört yol sınıflandırmasını ve milyon kat maliyet çarpışma tahminini vurguladı. Aynı zamanda süperzeka tahminlerinin nasıl yapıldığına dair daha geniş bir şüpheciliğe de yol açıyor - IEEE Spectrum bu hafta "Yapay Zeka Süper Zeka Tartışmasının Ciddi Kusurları Var" başlıklı bir makale yayınladı.

Önemli olan bu gerginlik. DeepMind ASI'yi bir tarih olarak tahmin etmiyor; senaryo alanının artık titreşimler yerine kanıtlarla haritalanabileceğini, ölçülebileceğini ve tartışılabileceğini savunuyor. Milyarlarca kat tahminler ister fiziksel sınırları aşsın, ister geçerli olsun, makale bir değişime işaret ediyor: "YGZ'den sonra ne gelecek?" sorusu. Felsefe seminerinden dünyadaki en etkili yapay zeka laboratuvarlarından birinin araştırma gündemine geçti.

---

Yapay Zekanın Önünde Olun

En son AI haberlerini, analizlerini ve buluşlarını tek bir yerden alın.

Daha fazla AI haberini okuyun →