AlphaGo'nun ortak yaratıcılarından biri olan Thore Graepel, Sifted'in 7 Eylül 2026'da yayınladığı özel bir rapora göre Google DeepMind'dan ayrılarak bir yapay zeka akıl yürütme girişimi kurdu. Girişim, endüstrinin hakim akımına karşı çıkan bir tez üzerine bahis oynuyor: Her zamankinden daha büyük dil modelleri yerine yapılandırılmış arama, güvenilir makine akıl yürütmenin anahtarını tutuyor.
Bir DeepMind Kıdemlisi Uzaklaşıyor
Graepel, 2016 yılında Go dünya şampiyonu Lee Sedol'u mağlup eden DeepMind sistemi AlphaGo üzerindeki çalışmalarıyla tanınıyor; bu, modern yapay zeka patlamasını ateşleyen bir dönüm noktası olarak kabul ediliyor. Bu hamle, kendisinin araştırma kuruluşunun en kıdemli ve görünür isimlerinden biri olduğu Google DeepMind'daki uzun görev süresine son veriyor.
Elenmiş raporlar Graepel'in akıl yürütme girişimini sürdürmek için istifa ettiğini ve Tech Times dahil ticaret kuruluşlarının yeni şirketin temel bahisini açıkça çerçevelediğini bildirdi: LLM ölçeklendirmesi üzerinde yapılandırılmış arama. Finansman, personel alımı ve ürün planlarıyla ilgili ayrıntılar açıklanmadı ve ne Graepel ne de DeepMind resmi bir duyuru yayınlamadı; ancak bu hamle, saf ölçeklendirmeye alternatifler etrafında bir agresif yapay zeka startup oluşumu yılı dönemine denk geliyor.
Tez: Ölçek Üzerinde Arama
Bahis önemli çünkü 2020'den bu yana yapay zekanın sınırlarını belirleyen stratejiye meydan okuyor: Daha büyük transformatör modellerini daha fazla veri ve bilgi işlemle eğitin, ardından onlara düşünce zinciri yönlendirmeleri ve takviyeli öğrenme aracılığıyla akıl yürütmeyi öğretin.
AlphaGo soyu farklı bir geleneği temsil ediyor. AlphaGo ve ardılları, sinir ağlarını ağaç aramayla birleştirdi ve daha sonraki yinelemelerde insan oyunlarından ziyade kendi kendine oyundan öğrendiler. Bu ailedeki sistemler, kendi hareketlerini sabit kurallara göre doğrulayabiliyordu; bu, her seferinde tek bir makul belirteç üreten dil modeli çıktılarının olmadığı kadar kesin bir mantık yürütme sağlıyordu.
Önce arama yaklaşımının savunucuları, Yüksek Lisans'ların matematik, resmi doğrulama ve planlama gibi alanlara itildikçe başarısızlık modlarının (akıcı ama yanlış cevaplar, güvenilmez çok adımlı mantık) yalnızca ölçekten değil mimariden kaynaklandığını ileri sürüyor. Her adımı resmi kurallara göre kontrol edebilen arama tabanlı sistemler, güvenilirliğe giden farklı bir yol sunuyor ve Yalın tabanlı teoremin hem yeni kurulan şirketler hem de büyük laboratuvarlar tarafından kanıtlanması konusunda son zamanlarda kaydedilen ilerlemeler bu tartışmayı canlı tuttu.
Daha Geniş Bir Göçün Parçası
Graepel, bu tezin peşinde DeepMind'dan ayrılan ilk AlphaGo emektarı değil. AlphaGo projesini yöneten David Silver, AlphaGo, AlphaZero ve AlphaStar'ı kurduktan on yılı aşkın bir süre sonra 2025'in sonlarında Google DeepMind'den ayrıldı ve Kasım 2025'te dahil edilen Ineffable Intelligence'ı kurdu. Bu hafta bildirildiği üzere Sequoia ve Nvidia, girişimi 5,1 milyar dolarlık bir değerlemeyle destekledi.
Ayrılışlar, Google DeepMind'da yüksek profilli cironun artmasına katkıda bulunuyor. Bu yılın başlarında laboratuvar, Hassabis sandalye geçişi ve Koray Kavukçuoğlu ve Jeff Dean gibi üst düzey isimlerin ayrılması da dahil olmak üzere liderlik değişikliklerine tanık oldu; bu haber AI Buzz Wire'ın o dönemde takip ettiği haberdi. Bir laboratuvarın en ünlü sistemlerini inşa eden insanlar farklı bir mimarinin peşine düştüklerinde, sinyal iç politikadan çok, bir sonraki atılımın nereden geleceğine dair gerçek anlaşmazlık hakkındadır.
Saha İçin Neden Önemli?
Startup ekosistemi için Graepel'in hamlesi, post-transformasyon tartışmasının ciddi sermaye ve ciddi özgeçmişleri çektiğinin bir başka işareti. Yatırımcılar 2024 ve 2025 yıllarının neredeyse tamamını Yüksek Lisans uygulamalarına ve altyapısına harcadı; 2026 yılı, dünya modelleri, nöro-sembolik sistemler, biçimsel akıl yürütme ve araştırmaya dayalı planlama peşinde koşan şirketler için istikrarlı bir finansman akışına tanık oldu.
Google için kayıp teknik olduğu kadar semboliktir. AlphaGo, DeepMind'ın en ünlü eseri olmaya devam ediyor ve mezunları artık ölçeklendirme taktik kitabına alternatifler sunan en az iki iyi finanse edilen girişime liderlik ediyor. Yapılandırılmış aramanın, dar ve resmi olarak doğrulanabilir modeller yerine, açık uçlu problemlerde sınır dil modellerini gerçekten geride bırakıp bırakamayacağı, bu startup'ların manifestolarla değil, ürünlerle yanıtlaması gereken sorudur.
Endüstrinin halihazırda yakınlaştığı bir orta yol da var: sezgi ve doğrulama arayışı için Yüksek Lisans'ları kullanan hibrit sistemler. Graepel'in girişimi oraya ulaşırsa, ölçeklendirme anlatısıyla rekabet etmekten ziyade onunla rekabet edecek.
Bu yazının yazıldığı sırada ne Graepel ne de Google DeepMind daha fazla ayrıntı içeren bir yanıt vermemişti. AI Buzz Wire, girişim hakkında daha fazla bilgi ortaya çıktıkça bu hikayeyi güncelleyecek.
Yapay Zekanın Önünde Kalın
Yapay zekanın bir sonraki dalgasını şekillendiren kişi ve şirketleri takip edin — AI Buzz Wire'da daha fazla yapay zeka haberini okuyun.
Daha fazla AI haberini okuyun →
