Filomythos Yapay Zeka
Bu yazıyla bağlantılı kavramları Filomythos arşivinde arayın.
Zekânın Motoru Nedir?
Yapay zekâ üzerine yapılan her tartışmanın altında yatan temel soru şudur: Bu sistemleri ne harekete geçiriyor? İnsan zihninin dışsallaştırılmış bir formu olarak YZ, yalnızca yazılım kodlarıyla değil; donanım altyapısıyla, enerjiyle ve giderek karmaşıklaşan öğrenme dinamikleriyle varlık kazanır. Zekânın içerdiği yetiler – öğrenme, genelleme, planlama ve yeniden üretim – teknolojik düzlemde neyle mümkün olur?
Bu yazı, YZ’nin gelişiminde motor işlevi gören üç temel gücü analiz eder: donanım devrimi, yazılım mimarilerinin evrimi ve öğrenme döngülerinin hızlanması. Böylece “ne yapılabilir?” sorusunun ötesinde, “bunu kim, neyle ve hangi bedelle yapıyor?” sorusuna yanıt arar.
Donanım Devrimi: Çipler, GPU’lar ve Hesaplama Gücü
YZ’nin gelişimi donanım altyapısıyla doğrudan bağlantılıdır. 1990’lardan bu yana CPU temelli işlemcilerden GPU ve TPU (Tensor Processing Unit) tabanlı sistemlere geçiş, sadece hız artışı değil, paradigmatik bir değişim yaratmıştır. Bugünün büyük dil modelleri (LLM) milyonlarca parametreyi eşzamanlı işlerken, bu süreçleri destekleyen donanım altyapısı aynı anda yüz binlerce çipi çalıştırmak zorundadır.
NVIDIA’nın Blackwell çipi, AMD’nin 350 serisi, Groq gibi özel yapay zekâ işlemcileri ve ASIC tabanlı sistemler; YZ alanında donanımsal bir yarış başlatmıştır. Bu çipler yalnızca daha hızlı çalışmakla kalmaz, aynı zamanda verimlilik (flops/watt) açısından optimizasyon hedefler. Zekânın hızı, artık yalnızca yazılımsal yeterlilik değil; fiziksel maddeyle sınırlandırılmış enerji kullanımı üzerinden ölçülmektedir.
Bu noktada kritik bir mesele, bu çiplerin üretimi için gereken nadir elementler, üretim merkezlerinin jeopolitik dağılımı ve Çin–ABD arasındaki rekabet gibi alanlara da taşar. Donanım, yalnızca teknolojik değil, stratejik bir kaynaktır.
Yazılım Paradigmaları: Transformer Mimarisinden Planlamaya
Donanım yalnızca bir potansiyeldir; bu potansiyeli harekete geçiren, yazılımdır. YZ devriminin arkasındaki en önemli yazılım paradigması Transformer mimarisidir. 2017 yılında Google tarafından tanıtılan bu yapı, “attention is all you need” (dikkat her şeydir) ilkesiyle, çok katmanlı ve paralel işlem yapabilen sistemlerin temelini atmıştır.
Transformer mimarisi, aynı anda hem yerel (local) hem de küresel (global) ilişkileri yakalayabilen yapısıyla yalnızca dil modellerinde değil; görüntü işleme, protein katlama, oyun motorları, finansal tahmin gibi pek çok alanda kullanılmaktadır.
Ancak yazılım yalnızca “ne yapacağı” ile sınırlı değildir; artık planlama, akıl yürütme ve çok katmanlı hafıza yönetimi gibi yetiler de yazılımsal düzlemde modellenmeye başlanmıştır. Bu noktada öncül öğrenme (few-shot learning), takviye öğrenmesi (reinforcement learning), planlama mimarileri ve geri beslemeli yapılar öne çıkar. Zekânın yazılım tarafı, artık yalnızca veriyi işlemek değil; o verinin anlamını yapılandırmak ile ilgilidir.
Grove Verir, Gates Alır: Kapasite ve Tüketim Diyalektiği
YZ’nin tarihsel gelişimi, donanım ve yazılım arasındaki karşılıklı gerilimle açıklanabilir. Gordon Moore’un yol arkadaşı olan Andy Grove’un Intel’deki çip devrimleri, Bill Gates’in Microsoft aracılığıyla bu gücü yazılımla “yutması” ile sonuçlanmıştır. Teknoloji dünyasında bu süreç şöyle özetlenir:
“Grove verir, Gates alır.”
YZ çağında da benzer bir döngü görülmektedir: Donanım kapasitesi her arttığında, yazılım geliştiricileri bu boşluğu hemen doldurmakta; hatta çoğu zaman donanım bu talepleri karşılamakta yetersiz kalmaktadır. Bu diyalektiğin sonucunda hesaplama gücü her arttığında öğrenme kapasitesi de artar; ancak aynı anda enerji, veri ve altyapı ihtiyacı da geometrik olarak yükselir.
Bu nedenle yapay zekâ yalnızca bir ilerleme meselesi değil; tüketim yönetimi ve verimlilik optimizasyonu problemidir. Her kapasite artışı, aynı anda hem potansiyel hem de kriz üretir.
Öğrenen Sistemler ve Ağ Etkisi
YZ sistemlerinin en ayırt edici özelliği, öğrenme yetisidir. Fakat bu öğrenme artık durağan değildir; ağ etkisi (network effect) sayesinde kendini katlayan, hızlanan, yaygınlaşan bir doğaya sahiptir. Öğrenen sistemler, kullandıkça daha iyi hâle gelir. Ne kadar çok kullanıcı, o kadar çok etkileşim; ne kadar çok etkileşim, o kadar rafine parametre…
Bu durum, şirketlerin çekirdek ürünlerinde öğrenme döngülerini tasarlamalarını zorunlu kılar. Öğrenmenin sürekliliği, rekabet avantajı sağlar. Örneğin, bir arama motoru her aramada kendini geliştirirken; bir kodlama ajanı, her geliştiriciyle daha iyi “yazmayı” öğrenir.
YZ artık yalnızca bir sistem değil, kendini kullandıkça geliştiren bir organizma gibidir. Bu organik yapı, klasik mühendislik tasarımından farklı olarak sürekli dönüşen bir “kendini yapılandırma” süreci üretir.
Planlama, Hafıza ve Derin Zeka Katmanları
Modern YZ sistemleri yalnızca bilgiye ulaşmakla kalmaz; o bilgiyi önceliklendirme, sıralama ve amaçlara göre düzenleme yeteneğine de sahiptir. Bu, klasik dil modeli işleyişinin ötesine geçerek planlama, temsil, taktik ve strateji üretimini mümkün kılar.
Planlama için yalnızca akıl yürütme değil; derin hafıza katmanları gereklidir. Kısa süreli bellek (short-term memory) ile uzun vadeli hedefler (long-horizon planning) arasında köprü kurabilen sistemler, artık gündelik işlerden stratejik karar destek sistemlerine kadar kullanılabilir hale gelmiştir.
Bu katmanlı zeka biçimi, insan zihnini taklit etmekle kalmaz; onu farklı bir düzlemde yeniden kurar.
Hesaplama Ekonomisi ve Enerji Maliyeti
YZ’nin gelişimi teknik olduğu kadar enerjiye dayalı bir süreçtir. Büyük modellerin eğitilmesi milyonlarca GPU-saat gerektirir. Bunun anlamı yalnızca zaman değil; elektrik tüketimi, soğutma maliyeti, donanım amortismanı gibi ekonomik faktörlerle birleşmiş karmaşık bir bütündür.
Örneğin, 200.000 GPU’lu bir kümede yapılan eğitim, tek başına 10 milyar dolarlık bir süper bilgisayar yatırımını gerektirmektedir. Her modelin hesaplama gereksinimi, sadece üreticiler için değil; gezegenin sürdürülebilirliği açısından da belirleyici olmaya başlamıştır. Burada mesele, zekâyı ne kadar hızlı inşa ettiğimiz değil; onu hangi bedelle çalıştırabildiğimizdir.
YZ çağında “zekâ”, yalnızca algoritmik değil; enerjetik ve jeopolitik bir kavramdır.
Sonuç: Donanım, Yazılım ve Anlam Üretimi
Yapay zekânın itici güçleri, bir üçgenin kenarları gibi birbirine bağlıdır: Donanım, yazılım ve öğrenme. Bu üçü birlikte ilerlemeden, sistemin bütünlüğü sağlanamaz. Fakat asıl mesele şudur: Bu güçler yalnızca işlem yapmıyor, anlam üretiyor. Modern çağın epistemolojisi, artık “bilgi” değil; “hesaplanabilir anlam” etrafında kurulmaktadır.
