AGI/Tekillik: 10.000 Tahmin Analiz Edildi
Yapay genel zeka (AGI), bir yapay zeka sisteminin tüm görevlerde insan bilişsel yetenekleriyle eşleşmesi durumudur. 10.000 yapay zeka araştırmacılarının, önde gelen girişimcilerin ve topluluk tahminlerini AGI zaman çizelgesi hakkında analiz ettik:
AGI/tekillik gerçekleşecek mi? AGI kaçınılmazdır çoğu yapay zeka uzmanına göre.
AGI'ye ne zaman ulaşacağız? 2020'lerin sonu ile 2030'ların başı arasında. AGI zaman çizelgesi ChatGPT lansmanından sonra kısaldı.
Yapay Genel Zeka zaman çizelgesi
Yukarıdaki zaman çizelgesi, 10 anketten 6.000'den fazla katılımcı, 18 yapay zeka araştırmacısının yanıtları ve Manifold, Kalshi ve Metaculus tahmin piyasalarından topluluk içgörülerine dayanarak öngörülen tekillik yılını özetlemektedir.
Yukarıda görebileceğiniz gibi, anket katılımcıları tekilliğin daha önce tahmin edilenden daha erken gerçekleşmesini giderek daha fazla bekliyor. Bu grafiği oluşturmak için kullandığımız yöntemleri öğrenin.
Tahmin piyasalarından AGI tahminleri
Tahmin piyasaları ve topluluk içgörüsü tahminleri için şunları kullandık:
3.900 Manifold, Kalshi ve Metaculus'tan gelen tahmin; bunlar, katılımcıların gelecekteki olayların olasılığı ve zamanlaması üzerine kâr veya itibar için işlem yaptığı çevrim içi tahmin piyasalarıdır. Ayrıca bu tahmin piyasalarından elde edilen ortalama tahmin tarihini de ekledik.
AGI hakkında diğer önemli sorular
AGI konusunda şu anki durumumuz nedir?
Dar yapay zeka belirli görevlerde insanları geçse de, zeki bir makine henüz mevcut değil. Bazı araştırmacılar büyük dil model'lerinin ortaya çıkan genelci yetenekler sergilediğini belirtiyor.1
AGI'ye nasıl ulaşabiliriz?
Mevcut transformer'lar gibi mimarilerin arkasına daha fazla işlem gücü ve veri koyarak ya da yeni yaklaşımlar icat ederek. AGI'ye ulaşma veya onu doğrulama yöntemi konusunda henüz bilimsel bir fikir birliği yoktur.
Aşağıda bu zaman çizelgesini oluşturan tahminlerin bir özetini görebilir veya tam tabloya bakabilirsiniz.
Yapay zeka araştırmacılarının büyük anketlerinin sonuçları
10 anketin sonuçlarını inceledik; bu anketlere 6.000'den fazla yapay zeka araştırmacısı ve uzman katıldı ve AGI/tekilliğin ne zaman gerçekleşebileceğini tahmin ettiler.
Tahminler değişiklik gösterse de çoğu anket, AGI'ye 2040 ile 2061 arasında ulaşma olasılığının %50 olduğunu gösteriyor; bazıları süper zekânın birkaç on yıl içinde takip edebileceğini tahmin ediyor.
Yapay Zekâda İlerleme Uzman Anketi
Ekim 2023'te AI Impacts, 2.778 yapay zeka araştırmacısına AGI'ye ne zaman ulaşılabileceğini sordu. Bu anket 2022 anketiyle neredeyse aynı soruları içeriyordu. Yapay Zekâda İlerleme Uzman Anketi'nin sonuçlarına göre yüksek düzeyli makine zekâsının 2040 yılına kadar gerçekleşeceği tahmin ediliyor.2
Yapay Zekâda İlerleme Uzman Anketi
Anket, 2021 NIPS ve ICML konferanslarında yayın yapan 738 uzmanla yapıldı. Yapay Zekâda İlerleme Uzman Anketi'nin sonuçlarına göre uzmanlar, yüksek düzeyli makine zekâsının 2059'a kadar gerçekleşme olasılığının %50 olduğunu tahmin ediyor.3
Uzmanlar ayrıca donanım maliyeti, algoritmik ilerleme ve eğitim setleri üzerindeki çalışmaların yapay zeka ilerlemesinde en büyük etkenler olacağını öngördü.
Yapay Zekâ İlerlemesini Tahmin Anketi
Baobao Zhang, 2019'da 296 yapay zeka uzmanına, makinelerin ekonomik açıdan ilgili görevlerin %90'ından fazlasında medyan insan çalışanı ne zaman geçeceğini sordu. Yapay Zekâ İlerlemesini Tahmin Anketi'nin sonuçlarına göre katılımcıların yarısı bunun 2060'tan önce gerçekleşeceğini tahmin etti.4
AGI Zamanlaması Üzerine Yapay Zekâ Uzmanları Anketi
2019'daki AGI Zamanlaması Üzerine Yapay Zekâ Uzmanları Anketi'nden elde edilen tahminler5 şunlardır:
- %45 katılımcı 2060 öncesi bir tarih öngörüyor.
- %34 tüm katılımcı 2060 sonrası bir tarih öngördü.
- %21 katılımcı tekilliğin asla gerçekleşmeyeceğini öngördü.
Yapay Zekânın İş Gücü Yer Değiştirme Üzerindeki Potansiyel Etkisi Anketi
Ross Gruetzemacher, 2018'de 165 yapay zeka uzmanıyla yapay zekânın iş gücü yer değiştirme üzerindeki potansiyel etkisini değerlendirmek için anket yaptı. Uzmanlardan, insanların şu anda ücret aldığı görevlerin %99'unu ortalama bir insana eşit veya onu aşan düzeyde gerçekleştirebilecek yapay zeka sistemlerinin ne zaman mümkün olacağını tahmin etmeleri istendi.
Yapay Zekânın İş Gücü Yer Değiştirme Üzerindeki Potansiyel Etkisi anketinin sonuçlarına göre katılımcıların yarısı bu kilometre taşına 2068'den önce ulaşılacağını öngördü; %75'i ise önümüzdeki 100 yıl içinde gerçekleşeceğini bekledi.6
NIPS ve ICML konferanslarındaki yapay zeka uzmanları anketi
Mayıs 2017'de, 2015 NIPS ve ICML konferanslarında yayın yapan 352 yapay zeka uzmanıyla anket yapıldı.7
NIPS ve ICML konferanslarındaki anket sonuçlarına göre uzmanlar, AGI'nin 2060'a kadar gerçekleşme olasılığını %50 şans olarak tahmin ediyor. Bununla birlikte coğrafyaya göre önemli görüş farklılıkları var:
- Asyalı katılımcılar AGI'yi 30 yıl içinde bekliyor,
- Kuzey Amerikalılar 74 yıl içinde bekliyor.
2030'a kadar otomatikleşmesi beklenen bazı önemli iş fonksiyonları arasında çağrı merkezi temsilcileri, kamyon şoförlüğü ve perakende satış yer alıyor.
Yapay Zekâda Gelecekteki İlerleme Anketi
Avrupa Bilişsel Sistemler Derneği başkanı Vincent C. Muller ile süper zekâ ve yapay genel zeka (AGI) üzerine 200'den fazla makale yayımlamış Oxford Üniversitesi'nden Nick Bostrom, Yapay Zekâda Gelecekteki İlerleme anketini 2012 ve 2013'te gerçekleştirdi. 550 katılımcı şu soruyu yanıtladı: AGI ne zaman gerçekleşecek?8
Yapay Zekâda Gelecekteki İlerleme anketinin sonuçlarına göre:
- Ankete katılan yapay zeka uzmanları, AGI'nin muhtemelen (%50 üzeri şans) 2040 ile 2050 arasında ortaya çıkacağını ve yüksek olasılıkla (%90 şans) 2075'e kadar görüleceğini tahmin ediyor.
- AGI'ye ulaşıldığında çoğu uzman, süper zekâya nispeten hızlı ilerleyeceğini, zaman aralığının 2 yıl kadar kısa (düşük olasılık, %10) ile yaklaşık 30 yıl (yüksek olasılık, %75) arasında değiştiğini belirtiyor.
AGI-09 konferansına katılan yapay zeka uzmanlarıyla anket
2009'daki AGI-09 konferansına katılan 21 yapay zeka uzmanının anket sonuçlarına göre AGI yaklaşık 2050'de ve makul şekilde daha erken gerçekleşecek.9Aşağıda belirli yapay zeka başarıları hakkındaki tahminlerini görebilirsiniz: Turing testini geçme, üçüncü sınıfı geçme, Nobel'e değer bilimsel buluşlar yapma ve insanüstü zekâya ulaşma.
Şekil 1: Yapay Genel Zeka 2009 (AGI-09) konferansı katılımcılarına dağıtılan anketin sonuçları.
Topluluk içgörüleri
Ayrıca Samotsvety Forecasting ve Metaculus Topluluğu'nun AGI tahminleri ile Manifold, Kalshi ve Polymarket tahmin piyasası sonuçlarını değerlendirdik:
Samotsvety Forecasting
Samotsvety Forecasting, özellikle jeopolitik, teknoloji ve küresel riskler olmak üzere gerçek dünya olayları hakkında yapılandırılmış akıl yürütme ve nicel yöntemler kullanarak olasılıksal tahminler yapan bir tahminci ekibidir. Büyük tahmin platformları ve turnuvalarda (ör. INFER/CSET-Foretell) güçlü bir rekabet geçmişine sahiptirler; doğrulukları Brier skoru gibi resmi puanlama ölçütleriyle ölçülür.10
Ocak 2026'da ekip, 8 tahminciyle AGI tahminlerini güncelledi.11İşte toplu sonuçlar:
- %10 olasılıkla 2026'da AGI'ye ulaşırız
- %50 olasılıkla 2041'e kadar AGI'ye ulaşırız
- %90 olasılıkla 2164'e kadar AGI'ye ulaşırız
2022'deki daha önceki bir tahminde ekip, %32 AGI olasılığı 20 yıl içinde (yaklaşık 2042'ye kadar) ve %73 2100'e kadar olarak tahmin etti; bunlar mevcut projeksiyonlarından daha düşüktü.12
Manifold Market
Ağustos 2026 itibarıyla 1.100'den fazla Manifold Market katkıcısı, bir yapay zekânın ilk kez "yüksek kaliteli, çekişmeli Turing testini" geçeceği yılı 2034 olarak öngördü.13
Kalshi Tahmin Piyasası
Ağustos 2026 itibarıyla Kalshi tahmin piyasası katkıcıları, OpenAI'ın 2030'a kadar AGI'ye ulaşma olasılığının %45 olduğunu belirtiyor.14
Polymarket
Ağustos 2026'daki Polymarket tahmin sonuçları, OpenAI'ın 2027'ye kadar AGI'ye ulaşma olasılığının %9 olduğunu gösterdi.15
Metaculus Topluluk Tahminleri
Ağustos 2026 itibarıyla:
- 1.800 katılımcı "İlk zayıf genel yapay zeka sistemi ne zaman geliştirilecek, test edilecek ve kamuya duyurulacak?" sorusunu yanıtladı ve tahmin 2028'dir.16
- 180 katılımcı "Bir yapay zekâ ilk kez uzun, bilgili, çekişmeli Turing testini ne zaman geçecek?" sorusunu yanıtladı ve tahminleri 2029.17
- 1.900 katılımcı "İlk genel yapay zeka sistemi ne zaman geliştirilecek, test edilecek ve kamuya duyurulacak?" sorusunu yanıtladı ve tahminleri 2033.18
2022'de 81 katılımcı "En iyi tahminciler ilk Yapay Genel Zekânın ne zaman geliştirilip gösterileceğini ne zaman bekleyecek?" sorusunu yanıtladı ve tahminleri 2035 oldu.19
Yapay zeka girişimcilerinden ve bireysel araştırmacılardan içgörüler
Yapay zeka girişimcileri de tekilliğe ne zaman ulaşacağımıza dair tahminler yapıyor ve araştırmacılardan daha iyimserler. Yapay zekaya artan ilgiden faydalandıkları için bu beklenen bir durum.
Hızı ve gelişim yolu konusunda görüşleri farklılaşıyor. Anthropic'ten Amodei, hızlı ve kendini güçlendiren ilerleme nedeniyle AGI'nin yakın vadede geleceğini beklerken, DeepMind'dan Hassabis bunu olası görüyor ancak bilimsel yaratıcılık ve otonom kendini geliştirme konusundaki çözülmemiş zorlukları gerekçe göstererek temkinli kalmaya devam ediyor.
İşte en önde gelen 15 yapay zeka girişimcisi ve araştırmacının tahminleri:
- DeepMind Technologies'ın kurucu ortağı Shane Legg, minimal AGI'yi, ortalama bir insanın yapabildiği bilişsel görevlerin tümünü, aynı görev bir insana verildiğinde bizi şaşırtacak şekilde başarısız olmadan güvenilir biçimde yerine getirebilen yapay bir ajan olarak tanımlıyor. Ocak 2026'daki tahmini, 2028'e kadar Minimal AGI'nin gerçekleşme olasılığının %50 olduğu yönünde.
- Legg'e göre minimal AGI'ye ulaşmak, büyük bilimsel buluşlar veya sanatsal başarılar gibi insan zekâsının en yüksek biçimlerini tam olarak anladığımız veya yeniden üretebildiğimiz anlamına gelmez. Tam AGI, yapay zekâ insan bilişinin tüm yelpazesini karşılayabildiğinde elde edilmiş olacaktır.20
- Anthropic'in CEO'su Dario Amodei, 2026 Davos Dünya Ekonomik Forumu'nda AGI düzeyindeki sistemlerin yakın vadede yaklaştığına dair güçlü bir güven ifade etti. AGI'nin muhtemelen birkaç yıl içinde (2027), muhtemelen yaygın olarak beklenenden daha erken gerçekleşeceğini belirtti.
- Kodlama ve yapay zekâ araştırma otomasyonundaki hızlı ilerlemelerin merkezi olduğunu; yapay zeka sistemlerinin çoğu yazılım mühendisliği görevini uçtan uca ele almasını ve geri bildirim döngüleri yoluyla kendi gelişimlerini hızlandırmasını sağladığını savunuyor.
- Donanım bulunabilirliği ve eğitim süresi gibi kısıtları kabul etse de daha uzun bir zaman çizelgesini olası görmüyor ve bu döngüler olgunlaştığında hızlı bir ivmelenme bekliyor.21
- 2026'daki aynı etkinlikte DeepMind'ın kurucusu Demis Hassabis, daha temkinli bir bakış açısını korudu, on yılın sonuna kadar (2030) AGI'ye ulaşma olasılığının yaklaşık %50 olduğu tahminini yineledi.
- Hassabis, kodlama ve matematik gibi doğrulanabilir alanlarda ilerlemenin hızlı olduğunu kabul ediyor, ancak bilimsel keşif ve yaratıcı akıl yürütmenin daha zor olmaya devam ettiğini vurguluyor.
- Yeni sorular ve teoriler üretmedeki çözülmemiş sınırlamaları öne çıkarıyor ve özellikle karmaşık gerçek dünya alanlarında tamamen otonom kendini geliştirme konusunda belirsizlik ifade ediyor; bunun da AGI zaman çizelgelerini daha az kesin hale getirdiğine inanıyor.
- Yapay zekânın akıl yürütme, programlama ve matematikteki ilerlemesini birleştiren, Google'ın eski CEO'su Eric Schmidt, 3–5 yıl içinde Yapay Genel Zekâya doğru ilerlediğimizi belirtiyor ( Nisan 2025'te belirtildiği gibi).22
- Elon Musk, en zeki insandan daha zeki bir yapay zekânın 2026'ya kadar geliştirilmesini bekliyor.23
- Şubat 2025'te girişimci ve yatırımcı Masayoshi Son bunu 2-3 yıl içinde (yani 2027 veya 2028) öngördü.
- Mart 2024'te Nvidia CEO'su Jensen Huang, beş yıl içinde yapay zekânın herhangi bir testte insan performansını yakalayacağını veya geçeceğini öngördü: 2029.24
- Bilgisayar bilimci, girişimci ve yazar Louis Rosenberg, 2030'a kadar.
- Bilgisayar bilimci, girişimci ve aralarında The Singularity Is Near'ın da bulunduğu 5 ulusal çok satan kitabın yazarı Ray Kurzweil: Daha önce 2045, 2024'te 2032.25
- 2023'te Hinton AGI'nin 5-20 yıl sürebileceğini tespit etti.26
- OpenAI CEO'su Sam Altman, 2035'e kadar. 2024'te "The Intelligence Age" adlı blogunda "birkaç bin gün"den bahsetti.
- Yapay zeka araştırmacısı Ajeya Cotra, eğitim hesaplamasındaki büyümeyi analiz etti ve insan benzeri yeteneklere sahip yapay zekânın 2040'a kadar ortaya çıkma olasılığını %50 olarak tahmin etti.27
- MIT profesörü ve 1972'den 1997'ye kadar MIT Yapay Zekâ Laboratuvarı direktörü Patrick Winston, 2040, belirterek bunun gerçekleşecek bir tarih olsa da tahmin etmenin zor olduğunu vurguladı.
- Yapay zeka şirketi NNAISENSE'in kurucu ortağı ve İsviçre yapay zeka laboratuvarı IDSIA'nın direktörü Jürgen Schmidhuber, 2050.26
AGI hakkında diğer yorumlar ve gelişmeler
AAAI Yapay Zeka Araştırmalarının Geleceği Başkanlık Paneli
Çoğunluğu akademiden (%67) ve Kuzey Amerika'dan (%53) olan 475 katılımcıya yapay zekadaki ilerleme hakkında soru soruldu. AAAI 2025 Yapay Zeka Araştırmalarının Geleceği Başkanlık Paneli anketi AGI için bir zaman çizelgesi sormasa da katılımcıların %76'sı mevcut yapay zeka yaklaşımlarını ölçeklendirmenin AGI'ye yol açma olasılığının düşük olduğunu paylaştı.28
OpenAI robotik hedeflerini genişletiyor
OpenAI, yapay genel zekayı ilerletme hedefinin bir parçası olarak robotiğe odaklanmasını artırıyor. Şirket, insansı robot sistemleri konusunda uzmanlar işe alıyor ve robotların fiziksel dünyada bağımsız olarak öğrenmesine ve hareket etmesine yardımcı olacak algoritmalar tasarlayacak bir ekip kuruyor.
Bu, OpenAI'ın dil ve görüntü model'lerine yönelik önceki odağından bir kaymaya işaret ediyor. Şirket artık gelişmiş akıl yürütmeyi fiziksel etkileşimle birleştirmeyi hedefliyor; bu da robotiği AGI'yi test etmek ve elde etmek için temel bir adım olarak gördüğünü gösteriyor.
Bağlam ve sonuçlar
İlk robotik ekibini 2020 civarında kapattıktan sonra OpenAI, alanda aktif geliştirmeye geri dönüyor. Son işe alımlar ve olası ortaklıklar, gerçek dünyada öğrenme ve manipülasyon becerisine sahip robotlar inşa etme çabasının yenilendiğine işaret ediyor.
OpenAI, büyük ölçekli yapay zeka model'lerini duyusal verilerle birleştirerek dijital ortamların dışında akıl yürütebilen ve çalışabilen sistemler yaratmayı hedefliyor. İnsansı robotik uzmanlarının işe alınması da otomasyonun ötesine geçen ve insanların yanında güvenle çalışabilen robotlara yönelik uzun vadeli hedeflere işaret ediyor.29
Microsoft'un GPT-4 ile erken denemeler hakkındaki raporu
Microsoft Research, 2023'te OpenAI'ın GPT-4'ünün erken bir sürümünü inceledi. Rapor, önceki yapay zeka model'lerinden daha yüksek genel zekâ sergilediğini, matematik, kodlama ve hukuk gibi alanlarda insan düzeyinde performans gösterdiğini öne sürdü. Bu, GPT-4'ün yapay genel zekânın bir ön biçimi olup olmadığı tartışmasını başlattı. 30
MIT'in yapay genel zekaya giden yol raporu
Ağustos 2025'teki "Yapay genel zekaya giden yol" raporu, erken AGI benzeri sistemlerin 2026 ile 2028 arasında ortaya çıkmaya başlayabileceğini; belirli alanlarda insan düzeyinde akıl yürütme, metin, ses ve fiziksel arayüzler arasında çok modlu yetenekler ve sınırlı hedefe yönelik otonomi sergileyebileceğini öngörüyor.
Rapor toplu tahminleri birleştirir ve bilgi aktarımı ile geniş akıl yürütme gibi birkaç genelleştirilmiş kilometre taşının 2028'e kadar elde edilme olasılığının %50 olduğunu öne sürer.
Daha uzun vadeli projeksiyonlar, hesaplama verimliliği, algoritmik atılımlar ve otonom öğrenmedeki ilerlemelere bağlı olarak makinelerin 2047 civarında ekonomik açıdan değerli tüm görevlerde insan performansını aşabileceğini tahmin ediyor.31
AGI olasılıkları üzerine AI Frontiers
AI Frontiers adlı yapay zeka tartışmaları ve diyalogları platformundan Adam Khoja ve Laura Hiscott, nicel AGI tanımlarını kullanarak %50 olasılıkla 2028'e kadar AGI'ye ulaşma ve %80 olasılıkla 2030'a kadar tahmin ediyor.32
Khoja ve Hiscott, yapay genel zekaya doğru ilerlemeyi Khoja, Dan Hendrycks ve ortak yazarları tarafından geliştirilen bir tanım kullanarak değerlendiriyor.33Çerçeveleri on bilişsel yeteneği ölçüyor ve GPT-4'e %27, GPT-5'e ise %57 puan veriyor. Bu, mevcut model'lerin tanımlanan AGI eşiğinin kabaca yarısında olduğunu gösteriyor.
Khoja ve Hiscott, AGI zaman çizelgeleri hakkındaki geleneksel tartışmaların tutarsız tanımlara dayandıkları için hassasiyetten yoksun olduğunu savunuyor. Standartlaştırılmış çerçeveleri, mevcut model'lerin belirli güçlü ve zayıf yönlerini belirleyerek netlik yaratmayı amaçlıyor. Okuma, yazma, matematik ve genel bilginin insan taban çizgilerini karşıladığını veya aştığını ve artık sınırlayıcı faktörler olmadığını belirtiyorlar.
Yazarlar görsel akıl yürütme, sezgisel fizik, işitsel işleme, algıya bağlı hız ve görsel/işitsel çalışma belleğindeki kalan boşlukları vurguluyor. SPACE ve MindCube gibi benchmark'larda hızlı iyileşme bildiriyor ve bu boşlukların sürekli artımlı araştırmalarla büyük olasılıkla giderilebileceğini öne sürüyorlar. Ayrıca halüsinasyonların bir endişe olmaya devam ettiğini ancak önde gelen model'ler arasındaki performans farklılıkları göz önüne alındığında çözülebilir olduğunu gözlemliyorlar.
Khoja, Hiscott ve Hendrycks'e göre kalan en önemli engel sürekli öğrenme ve uzun süreli bellek depolamadır. Mevcut sistemler oturumlar arasında bilgi tutamıyor ve bu sınırlamanın çözülmesi en az bir anlamlı atılım gerektirecek. Ancak yazarlar, büyük yapay zeka laboratuvarlarının artık bu alana öncelik verdiğini vurguluyor.
Yapay zeka tahminlerindeki geçmiş aşırı iyimserlikten ders çıkarmak
Yapay zeka araştırmacılarının daha önce aşırı iyimser olduğunu unutmayın. Örnekler şunlardır:
- Geoff Hinton 2016'da 2021 veya 2026'ya kadar radyologlara ihtiyaç duymayacağımızı iddia etti. Şimdiye kadar radyoloji tam olarak otomatikleşmedi ve hastaneler binlerce radyoloğa ihtiyaç duyuyor.34
- Yapay zeka öncüsü Herbert A. Simon 1965'te: "makineler yirmi yıl içinde bir insanın yapabileceği her işi yapabilecek."35
- Japonya'nın Beşinci Nesil Bilgisayar projesi 1980'de "gündelik sohbetleri sürdürme" gibi hedeflerle on yıllık bir zaman çizelgesine sahipti.36
Bu tarihsel deneyim, mevcut bilim insanlarının çoğunun AGI'yi 10-20 yıl gibi cesur zaman dilimlerinde tahmin etmekten kaçınmasına katkıda bulundu; ancak bu durum üretken yapay zekânın yükselişiyle değişti.
Tekilliğin ne olduğunu anlayın
Yapay zeka bizi hem korkutur hem de meraklandırır. Neredeyse her hafta haberlerde yeni bir yapay zeka korkusu var: geliştiricilerin yarattıkları şeyden korkması veya çok zeki hale geldikleri için bot'ları kapatması gibi.37
Bu efsanelerin çoğu, yapay zeka ve GenAI alanlarının dışındaki kişilerin araştırmayı yanlış yorumlamasından kaynaklanır. Bazı paydaşlar yapay zekadan korktuklarını iddia eder çünkü daha fazla düzenlemeden kâr edebilirler veya bu onlara daha fazla ilgi getirebilir.
Yapay zeka hakkındaki en büyük korku tekilliktir (Yapay Genel Zeka veya AGI olarak da adlandırılır); bu, makine zekâsında hızlı bir artış getirmesi beklenen bir olaydır. Bu, bir sistem insan düzeyinde düşünmeyi insanüstü hız ve hızla erişilebilen, neredeyse mükemmel bellekle birleştirdiğinde beklenir. Bazı uzmanlara göre tekillik aynı zamanda makine bilincini de ifade eder.
Böyle bir makine kendini geliştirebilir ve insan yeteneklerini aşabilir. Yapay zeka henüz bir bilgisayar bilimi araştırma konusu olmadan önce Asimov gibi bilim kurgu yazarları bu konuda endişeliydi. Zeki makinelerin iyilikseverliğini sağlamak için mekanizmalar (yani Asimov'un Robot Yasaları) geliştiriyorlardı; bugün buna daha yaygın olarak uyum araştırması deniyor.
Uzmanlar neden AGI'nin kaçınılmaz olduğuna inanıyor: Temel argümanlar ve kanıtlar
AGI'ye ulaşmak çılgınca bir tahmin gibi geliyor, ancak insan zekâsının sabit, makine zekâsının ise büyüdüğünü düşündüğünüzde oldukça makul bir hedef gibi görünüyor. Zekâlarının önünde bir tür sert sınır olmadıkça makinelerin bizi geçmesi an meselesi. Henüz böyle bir sınırla karşılaşmadık.
İnsan zekâsı, bilişsel yeteneklerimizi makinelerle bir şekilde birleştirmediğimiz sürece sabittir. Elon Musk'ın nöral dantel girişimi bunu yapmayı hedefliyor, ancak beyin-bilgisayar arayüzleri üzerine araştırmalar henüz erken aşamadadır.38
Makine zekâsı algoritmalar, işlem gücü ve veriye bağlıdır.
- Yatırımlar Ar-Ge ve veri merkezlerine aktıkça işlem gücü üstel bir hızla artıyor.
- Şimdiye kadar makinelere işlem güçlerini ve belleklerini etkili kullanmaları için gerekli algoritmaları sağlamada iyiydik.
- Son olarak, işletmeler ve bireyler artan oranda dijital veri üretiyor. Sentetik veri model'leri bozabilir veya güçlendirebilir. Onları bozsa bile veri küratörlüğü sayesinde çözülebilir bir sorundur.
Son başarılar
Opus 4.6
Şubat 2026'da Claude, 1M bağlam penceresi ve etkileyici benchmark sonuçlarıyla Opus 4.6'yı yayımladı.
Anthropic ayrıca, model'lerin belirli alanlarda gezinmesine yardımcı olan markdown dosyaları olan Claude hukuk gibi eklentiler yayımlayarak kullanım senaryolarına odaklanıyor. Bu, Claude'a küçük bir ekleme olsa da SaaS ve hukuk yazılımları da dahil olmak üzere borsada satış dalgasını tetikledi.39
Gemini Deep Think
Bir diğer örnek, 2025 Uluslararası Matematik Olimpiyatı'nda altın madalya performansı elde eden DeepMind'ın Gemini derin düşünme modudur; bu, yapay zekânın karmaşık problemler üzerinde akıl yürütme becerisinde önemli bir adımdır.
Tamamen doğal dilde çalışan Gemini, resmi 4.5 saatlik yarışma penceresinde altı problemden beşini çözerken, biçimsel sembolik araçlara dayanmadan açık, insan tarafından okunabilir kanıtlar üretti.
Yetenekleri birkaç yenilikten kaynaklanıyor: Deep Think modu çözüm yollarının paralel keşfini sağlıyor, eğitim uzman düzeyinde matematiksel kanıtları içeriyor ve pekiştirmeli öğrenme stratejik yaklaşımını geliştiriyor.
Bu ilerleme, gelişmiş yapay zekânın artık bir zamanlar en iyi insan problem çözücülere ayrılmış düzeyde sofistike ve yorumlanabilir akıl yürütme yapabildiğini gösteriyor.40
Opencrawl
Opencrawl, LLM'leri ajanlara dönüştürmeye yönelik açık kaynaklı bir projedir. GitHub'daki en popüler projelerden biri haline geldi ve opencrawl ekosistemini başlattı.
Üstel büyüme
Aşağıdaki benzetme üstel büyümeyi anlamak için faydalıdır. Makineler şu anda çok zeki görünmese de yakın gelecekte oldukça akıllı hale gelebilirler.
Yapay zeka hesaplama yeteneklerindeki son büyüme
Şekil 2: Şekil, çeşitli kategorilerde gözlemlenen hesaplama büyüme modellerinin bir özetini gösterir: genel dikkate değer model'ler (sol üst), frontier model'ler (sağ üst), önde gelen dil model'leri (sol alt) ve önde gelen şirketlerin en iyi model'leri (sağ alt).
Yapay zeka model'lerini eğitmek için gereken hesaplama kaynakları önemli ölçüde arttı; dil model performansının yaklaşık üçte ikisi model ölçeğindeki iyileştirmelere atfediliyor.
2024 tarihli bir makaleye göre,41yapay zeka model'lerinin eğitiminde kullanılan hesaplama miktarındaki büyüme yılda yaklaşık 4-5x oranında istikrarlı biçimde artmıştır; bu durum dikkate değer model'ler, frontier model'ler ve OpenAI, Google DeepMind ve Meta AI gibi önde gelen şirketlerde görülen eğilimleri yansıtmaktadır (bkz. Şekil 2).
Ancak büyüme hızı 2018'den bu yana bir miktar yavaşladı, özellikle frontier model'ler için; ancak dil model'leri 2020 ortasına kadar yılda 9x'e varan daha hızlı bir büyüme yaşadı, sonrasında hız yılda 4-5x'e düştü.
Yapay zeka hesaplama büyümesinin genel eğilimi güçlü kalmaya devam ediyor ve projeksiyonlar, yeni zorluklar veya atılımlar olmadığı sürece yılda 4-5x'lik büyüme hızının süreceğini öne sürüyor. Bu büyüme, aralarında küçük farklılıklar olsa da önde gelen yapay zeka şirketlerinin ölçekleme stratejilerinde de görülüyor.
Frontier model büyümesindeki yavaşlamaya rağmen bugün yayımlanan GPT-4 ve Gemini Ultra gibi daha büyük model'ler, öngörülen büyüme yörüngesiyle yakından uyumludur.
Klasik hesaplama yavaşlarsa kuantum hesaplama boşluğu doldurabilir
Klasik hesaplama bizi oldukça ileri taşıdı. Klasik bilgisayarlardaki yapay zeka algoritmaları satranç veya Go gibi belirli görevlerde insan performansını aşabilir. Örneğin AlphaGo Zero, AlphaGo'yu 100-0 yendi. AlphaGo dünyadaki en iyi oyuncuları yenmişti.42Ancak klasik bilgisayarların ne kadar hızlı olabileceğinin sınırlarına yaklaşıyoruz.
Yoğun bir entegre devredeki transistör sayısının yaklaşık her iki yılda bir ikiye katlandığı gözlemine dayanan Moore yasası, hesaplama maliyetinin yaklaşık her 2 yılda bir yarıya indiğini ifade eder.
Öte yandan çoğu uzman, Moore yasasının bu on yıl içinde sona ereceğine inanıyor.43 Ancak hesaplamanın verimliliğini artırmaya yönelik çabalar sürüyor.
Örneğin DeepSeek, rakiplerine (OpenAI gibi) kıyasla çok daha düşük maliyetle bir akıl yürütme modeli sunan R1 modeliyle küresel piyasaları şaşırttı.
Kuantum Hesaplama hâlâ gelişmekte olan bir teknolojidir ve Moore yasası sona erdikten sonra hesaplama maliyetlerini düşürmeye katkıda bulunabilir. Kuantum Hesaplama aynı anda farklı durumların değerlendirilmesine dayanırken klasik bilgisayarlar bir seferde tek bir durumu hesaplayabilir.
Kuantum hesaplamanın benzersiz doğası, şu anda ticari uygulamalarda en popüler yapay zeka mimarisi olan sinir ağlarını verimli bir şekilde eğitmek için kullanılabilir. Kararlı kuantum bilgisayarlarda çalışan yapay zeka algoritmaları tekilliğin kilidini açma şansına sahiptir.
Neden bazı uzmanlar AGI'ye ulaşamayacağımıza inanıyor?
AGI'nin önemine veya varlığına karşı 3 ana argüman vardır. Bunları yaygın karşı argümanlarıyla birlikte inceledik:
1- Zekâ çok boyutludur
Dolayısıyla AGI farklı olacak, insan zekâsından üstün olması şart değil.
Bu doğrudur ve insan zekâsı da hayvan zekâsından farklıdır. Bazı hayvanlar, yüzlerce yemişi aylarca nereye sakladığını hatırlayan sincaplar gibi zihinsel becerilere sahiptir.
Derin öğrenmenin öncülerinden Yann LeCun, AGI kelimesini emekliye ayırıp "gelişmiş makine zekâsı" elde etmeye odaklanmamız gerektiğine inanıyor.44İnsan zihninin uzmanlaşmış olduğunu ve zekânın bir beceri koleksiyonu ile yeni beceriler öğrenme yeteneği olduğunu savunuyor. Her insan, insan zekâsı görevlerinin bir alt kümesini gerçekleştirebilir.45
İnsan zekâsının uzmanlaşma düzeyini anlamak da zordur, çünkü insanlar olarak tüm zekâ yelpazesini bilmiyoruz ve deneyimleyemiyoruz.
Makinelerin insanüstü zekâ sergilediği alanlarda insanlar, makineye özgü zayıflıkları kullanarak onları yenebildi. Örneğin bir amatör, dünya şampiyonlarını yenen Go programlarıyla aynı düzeydeki bir Go programını, programın zayıflıklarını inceleyip kullanarak yenebildi.46
2- Zekâ tüm sorunların çözümü değildir
Bilim
Mevcut verileri analiz eden en iyi makine bile kansere çare bulamayabilir. Çoğu alanda yeni bilgi keşfetmek için gerçek dünya deneyleri yapması ve sonuçları analiz etmesi gerekebilir.
Daha fazla zekâ, daha iyi tasarlanmış ve yönetilen deneylere yol açarak deney başına daha fazla keşif sağlayabilir. Araştırma verimliliğinin tarihi bunu göstermeli, ancak veriler oldukça gürültülü ve araştırmalarda azalan getiriler var. Newtoncu hareket gibi daha basit problemleri çözdükçe kuantum fiziği gibi daha zor problemlerle karşılaşıyoruz.
Son olarak, bazı alanlarda mükemmel tahminler, alanın doğasında bulunan rastgelelik veya ölçülemezlik nedeniyle mümkün olmayabilir. Örneğin, çok miktarda veriye rağmen belirli yaşam sonuçlarını yüksek doğrulukla tahmin edemiyoruz.47
Ekonomi
Zekâ, ekonomik değer üretiminin bileşeni değildir.
- İnsan zekâsının en yaygın kabul gören ölçüsü olan IQ, yaklaşık $40k üzerindeki değerler için net servetle ilişkili değildir (aşağıdaki görsele bakın):
Şekil 3: IQ, düşük servet düzeylerinde servetle ilişkilidir.48
Şekil 4: Yalnızca yüksek servet düzeylerine odaklanırsak IQ servetle ilişkili değildir. Bu grafik, $40k altındaki net gelir düzeyleri gizlenmiş olması dışında yukarıdakiyle aynıdır.
- Yatırım dünyasında bir şirketin ekibinin zekâsı rekabetçilik faktörü olarak görülmez. Diğer şirketlerin de akıllı stratejiler belirleyebileceği örtük olarak varsayılır. Yatırımcılar, fikri mülkiyet, ölçek, kaynaklara münhasır erişim gibi adil olmayan avantajlara sahip işletmeleri tercih eder. Bu haksız avantajların çoğu yalnızca zekâ ile taklit edilemez.
3- İnsan beynini modellemek mümkün olmadığı için AGI mümkün değildir
Teorik olarak insan beyni de dahil olmak üzere herhangi bir hesaplama makinesini, temel hesaplamalar yapabilen ve sonsuz bellek ve zamana erişebilen nispeten basit bir makineyle modellemek mümkündür. Bu, 1950'de ortaya konan evrensel olarak kabul edilen Church-Turing hipotezidir. Ancak belirtildiği gibi belirli zor koşullar gerektirir: sonsuz zaman ve bellek.
Çoğu bilgisayar bilimci, insan beynini modellemenin sonsuz zaman ve bellekten daha azını alacağına inanır. Yine de bu inancı kanıtlamanın matematiksel olarak sağlam bir yolu yoktur, çünkü beynin hesaplama gücünü kesin olarak tanımlayacak kadar beyni henüz yeterince iyi anlamıyoruz. Böyle bir makineyi inşa etmemiz gerekecek!
AGI'ye nasıl ulaşabiliriz?
Şekil 5: Frontier yapay zeka model'lerinin zaman ufku, her model'in %50 güvenilirlikle tamamlayabildiği en uzun görevleri (insan eşdeğeri süre olarak) gösterir.49
Yukarıdaki şekil, yapay zeka ajanlarının yeteneklerinin, %50 güvenilirlikle tamamlayabildikleri en uzun görevler ölçülerek nasıl geliştiğini gösteriyor.
Ana bulgu, frontier model'lerin üstesinden gelebildiği görev süresinin katlanarak arttığı, yaklaşık her yedi ayda bir ikiye katlandığıdır. Bu, Claude Opus 5 ve GPT-5.6 gibi yeni model'lerin artık bir insanın yaklaşık bir saatini alacak görevleri tamamlayabildiği, oysa GPT-2 gibi eski model'lerin birkaç saniyeden uzun görevleri zar zor tamamlayabildiği anlamına geliyor.
Gölgeli bölge istatistiksel belirsizliği yansıtır, ancak genel eğilim güvenilirdir. Bu model devam ederse, yapay zeka sistemleri yakında insanların günler hatta haftalar süren karmaşık görevlerini tamamlayabilir; bu da daha geniş otonomi ve AGI benzeri yeteneklere doğru önemli bir adım olur.
AGI'ye giden yol olarak ölçekleme
Frontier yapay zeka laboratuvarlarının liderleri, mevcut transformer tabanlı yaklaşımları ölçeklemenin AGI sağlayabileceğine inanıyor; bu da birkaç yıl içinde AGI'ye ulaşma tahminlerini besliyor.
AGI'ye giden önerilen yollardan biri, hesaplama ve veriyi artırarak transformer'lar gibi mevcut mimarileri ölçeklendirmek; bir diğeri ise tamamen yeni yaklaşımlar geliştirmektir.
Ölçekleme hipotezini desteklemek için Epoch AI'nin 2024 tarihli bir raporu, yapay zeka hesaplama büyümesinin 2030'a kadar sürüp süremeyeceğini analiz etti.
Dört büyük kısıt belirlediler: güç bulunabilirliği, çip üretim kapasitesi, veri kıtlığı ve işlem gecikmesi (bkz. Şekil 6).
Bu zorluklara rağmen, altyapıya önemli yatırımlar yapıldığı varsayıldığında, on yılın sonuna kadar 2e29 FLOP'a kadar işlem gerektiren model'lerin eğitilmesinin mümkün olduğunu savunuyorlar.
Bu tür ilerlemeler, GPT-4 gibi bugünün en gelişmiş model'lerinden çok daha yetenekli yapay zeka sistemleri üretebilir ve bizi AGI'ye yaklaştırabilir.50
Şekil 6: Grafik, temel kısıtlar altında 2030'a kadar yapay zeka eğitim hesaplamasının tahmini üst sınırlarını göstermektedir: güç, çip üretimi, veri ve gecikme; medyanlar 2e29 ile 3e31 FLOP arasında değişmektedir.
Ölçeklemenin ötesinde: Yeni mimariler için gerekçe
Ancak Yann LeCun ve Richard Sutton gibi etkili yapay zeka bilim insanları, büyük dil model'lerini ölçeklemenin insan düzeyinde zekâya yol açmayacağına inanıyor.51 52 Yeni mimarilerin veya yaklaşımların AGI için gerekli olduğuna inanıyorlar.
AGI'ye ulaşıp ulaşmadığımızı nasıl ölçebiliriz?
Büyük dil model'leri her hafta yeni benchmark'ları hızla geçiyor, ancak LLM'leri değerlendirmek veri zehirlenmesi ve insan düzeyinde zekâ için kabul edilmiş bir bilimsel tanımın olmaması gibi sorunlar nedeniyle zordur.
Bu endişeler, 53son araştırmalardan elde edilen ve LLM'leri ölçeklemenin daha iyi performansa giden sürdürülebilir bir yol olmadığını vurgulayan içgörülerle daha da güçleniyor; özellikle bilimsel ve yüksek riskli alanlarda. Yazarlar şunları gösteriyor:
- LLM'ler çok düşük ölçekleme üsleri (~0.1) sergiler; yani veri veya hesaplamadaki büyük artışlar bile çok küçük doğruluk kazanımları sağlar.
- LLM'lerin öğrenme gücü, Gauss dışı çıktılar üretme yeteneklerinden gelir, ancak bu aynı zamanda hata birikimlerine ve kırılgan tahminlere yol açar.
- Kayıp fonksiyonları gibi geleneksel ölçütler sözde ölçütlerdir ve gerçek yakınsama veya doğrulukla uyumlu değildir.
- Dejeneratif Yapay Zeka (DAI) rejimi, sentetik veya tekrarlayan veriler üzerinde eğitilen model'ler hataları düzeltilebileceğinden daha hızlı biriktirdiğinde ortaya çıkabilir.
Bu bulgular standart benchmark'ların güvenilirliğini sorgulamakta ve daha çeşitli ve gelişen değerlendirme stratejilerine olan ihtiyacı vurgulamaktadır.
Turing testi gibi eski ölçütler günümüz makineleri için yetersizdir ve ARC-AGI gibi yeni ölçütler daha geniş benchmark'ların genelleştirme yeteneklerinden yoksun olabilir.
ARC-AGI gibi yeni ortaya çıkan ölçütler soyutlama ve genellemeyi test etmeyi amaçlar, ancak yine de veri kontaminasyonuna veya aşırı uyuma karşı dayanıklılıktan yoksun olabilir.
Dahası, makalenin vurguladığı gibi, "iyi" kayıp skorları bile Gauss dışı dalgalanmalar ve eğitim istikrarsızlıkları nedeniyle altta yatan bilgi felaketlerini maskeleyebilir.53
LLM'lerin ilerlemesini nasıl izleyebiliriz?
Bu zorlukların üstesinden gelmek için birkaç benchmark yaklaşımı vardır:
- Benchmark sorularını sık sık güncellemek. Gerçek hayattan örnek: LiveBench
- Veri zehirlenmesini önlemek için holdout setleri kullanmak: ARC-AGI gibi benchmark'lar.
AGI'yi belirlemek için benchmarklamanın ötesindeki yaklaşımlar nelerdir?
Yapay zekânın etkisinin potansiyel olarak güçlü ama gecikmeli göstergeleri, AGI'yi belirlemeye yardımcı olabilir.
Ekonomik büyüme
Microsoft CEO'su Satya Nadella, gelişmiş dünyadaki %10 büyümenin AGI'ye işaret edeceğini iddia ediyor.54. Ancak onun teşviki, AGI'nin OpenAI ile Microsoft arasındaki münhasır ortaklığı sona erdireceği için AGI tanımını geciktirmekten yana.55
İşsizlik
AGI'nin şunları yapmasını bekliyoruz:
- Beyaz yakalı istihdamı, iş gücündeki insanların payı olarak ölçüldüğünde küresel zirvesinin %10'una düşürmek. Bu, emeğin gelirden aldığı pay yapay zeka nedeniyle çarpıcı biçimde düşerse gerçekleşmeli.
- GSYİH büyümesi devam ederken
Makinelerin insanlardan daha zeki ve verimli olduğu bir dünyada, bir insana bilgisayar başında oturması için ödeme yapmak rasyonel olmaz. Bu nedenle, insanlar fiziksel dünyadaki işlerde gelişmeye devam ederken beyaz yakalı istihdamın hızla düşmesini bekliyoruz.
İş gücü istatistikleri toplayan devlet kurumları, işleri ayrıntılı kategorilere ayırarak beyaz yakalı istihdamı kolay izlenebilir bir ölçüt haline getirir.
ABD Çalışma İstatistikleri Bürosu'ndan 2019 ile 2024 arasını kapsayan beyaz yakalı istihdam verilerini topladık.56Netlik ve tutarlılık için beyaz yakalı çalışanları aşağıdaki meslek gruplarına ayırdık:
- Mimarlık ve Mühendislik Meslekleri
- İşletme ve Finansal Operasyon Meslekleri
- Bilgisayar ve Matematik Meslekleri
- Sağlık Uygulayıcıları ve Teknik Meslekler
- Hukuk Meslekleri
- Yaşam, Fizik ve Sosyal Bilimler Meslekleri
- Yönetim Meslekleri
- Ofis ve İdari Destek Meslekleri
- Satış ve İlgili Meslekler
Analizimize göre, beyaz yakalı çalışanların toplam istihdama oranı bu dönemde %45 ile %48 arasında dalgalandı.
Bu aralık şimdiye kadar beyaz yakalı istihdamın payında göreli istikrar olduğunu gösterse de uzun vadeli bir eğilimin göstergesi değildir ve otomasyon ile yapay zeka benimsenmesi hızlandıkça önümüzdeki yıllarda daha belirgin değişimler bekliyoruz. Yapay zekânın beyaz yakalı ve giriş düzeyindeki istihdamı nasıl değiştireceğine dair daha fazla tahmin için yapay zeka iş kaybı bölümünü okuyun.
AGI'yi hedeflemeli miyiz?
AGI'ye nihai hedef olarak odaklanmanın yapay zeka araştırmalarını çarpıtabileceği konusunda uyaran bilgisayar bilimcileri var.57 Eleştiriler arasında şunlar yer alıyor: bir fikir birliği yanılsaması yaratmak, benchmark'lara aşırı uyum sağlamak, gömülü toplumsal değerleri göz ardı etmek, hype'ın öncelikleri belirlemesine izin vermek, "genellik borcu" biriktirmek (temel tasarım sorularını ertelemek) ve marjinalleştirilmiş toplulukları ve yetersiz kaynaklara sahip araştırmacıları dışlamak.
AGI gibi belirsiz tanımlanmış bir hedeften ziyade belirli, ölçülebilir ve şeffaf hedefler yapay zeka ilerlemesi için daha iyi olacaktır.
Tercih edilen kaynak olarak ekleAGI tahminlerinin ardındaki matematiksel akıl yürütme
Matematiksel akıl yürütme, AGI zaman çizelgelerini anlamak ve tahmin etmek için merkezi öneme sahiptir. Birçok projeksiyon, yapay genel zekânın ne zaman ortaya çıkabileceğine dair beklentileri yönlendiren nicelleştirilebilir eğilimlere ve biçimsel model'lere dayanır.
Ölçekleme yasaları ve hesaplama büyümesi
Matematiksel akıl yürütmenin temel bileşenlerinden biri ölçekleme yasalarını analiz etmeyi içerir. Bunlar, model performansının daha fazla veri, parametre ve hesaplama ile öngörülebilir şekilde iyileştiğini gösterir.
Yapay zeka eğitim hesaplamasındaki istikrarlı yıllık 4–5× büyüme, mevcut eğilimlerin devam ettiği varsayıldığında AGI'nin bir veya yirmi yıl içinde elde edilebileceği tahminlerini desteklemektedir.
Bu projeksiyonlar, matematiksel modellemede temel bir kavram olan güç yasası ilişkileriyle desteklenen performans eğrilerine ampirik uyumlara ve dış değerlemelere dayanır.
Olasılıksal tahmin
Araştırmacılar AGI tahminlerine olasılıksal yöntemler de uygular. Anketler genellikle uzmanlardan AGI'nin belirli yıllara kadar geliştirilme olasılığını tahmin etmelerini ister, bu da kümülatif olasılık dağılımları üretir.
Örneğin, 2040'a kadar %50 olasılık, gözlemlenen yapay zeka ilerlemesine dayalı Bayes tarzı güncellemelerle yönlendirilen belirsizlik altındaki fikir birliğini yansıtır.
Bu matematiksel akıl yürütme yaklaşımı, kesin tarihler gerektirmeden uzman belirsizliğini yakalar ve yeni veriler geldikçe sürekli revizyona olanak tanır.
Kuramsal temeller
Bu tahminler, insan bilişinin makineler tarafından simüle edilebileceğini ifade eden Church-Turing tezi ve zekâyı bilginin sıkıştırılabilirliğiyle ilişkilendiren Kolmogorov karmaşıklığı gibi kavramlar da dahil olmak üzere matematiksel akıl yürütmenin kuramsal unsurlarına dayanır.
Bu tür teoriler AGI'yi garanti etmese de olasılığı ve ilgili hesaplama gereksinimleri hakkında düşünmek için bir çerçeve sağlar.
Yapay Genel Zeka hakkında daha fazla bilgi
David Silver, Google DeepMind'da Baş Araştırma Bilimcisi
Yapay Genel Zekânın (AGI), bilim, müzik veya spor gibi çeşitli alanlarda uzmanlaşabilen insanlar gibi geniş bir görev yelpazesini öğrenebilen ve bu görevlerde başarılı olabilen yapay zeka sistemlerini ifade ettiğini açıklıyor.
Tek bir işlevle sınırlı dar yapay zekânın aksine AGI, insan uyum sağlama yeteneğini ve genel problem çözme becerisini yansıtmayı hedefler.
AGI'nin uzun vadeli bir hedef olduğunu, gerçek insan düzeyinde zekâya ulaşmanın muhtemelen birkaç atılım gerektireceğini ve kademeli olarak gelişeceğini belirtiyor (aşağıdaki videoya bakın).
Ilya Sutskever, OpenAI'ın kurucu ortağı ve Baş Bilimcisi
"AGI'ye Giden Heyecan Verici, Tehlikeli Yolculuk" başlıklı TED Konuşmasında, Yapay Genel Zekâya (AGI) doğru hızlı ilerlemeyi inceliyor.
AGI'nin önümüzdeki 5 ila 10 yıl içinde ortaya çıkabileceğini öngörüyor, ancak bu zaman çizelgesindeki belirsizliği kabul ediyor.
Sutskever, AGI'nin hem muazzam potansiyelini hem de derin risklerini vurguluyor ve gelişiminin insani değerlerle uyumlu hale getirilmesi gerektiğini belirtiyor. Zorluklara rağmen insanlığın bu güçlü teknolojiyi güvenle yönlendirebileceği konusunda iyimser (aşağıdaki videoya bakın).
Ray Kurzweil, bilgisayar bilimci ve girişimci
Altmış yılı aşkın yapay zeka ilerlemesini değerlendiriyor ve insanlığın ilkel araçlardan büyük dil model'lerine kadar zekâ artıran araçlar inşa etme becerisinin izini sürüyor.
Ayrıca Yapay Genel Zekânın 2029'a kadar geleceğini ve 2045'e kadar teknolojik tekilliğe yol açacağını öngörüyor. Hesaplama gücü, tıp ve biyoteknolojideki üstel ilerlemeleri vurguluyor.
Yapay zeka tarafından üretilen tedaviler, dijital klinik deneyler ve bilimsel ilerlemenin ömrü süresiz uzatabileceği uzun ömür kaçış hızı gibi atılımları da öngörüyor (aşağıdaki videoya bakın).
Yann LeCun, Turing ödülü sahibi
LLM'lerin bize neden insan düzeyinde zeka veremeyeceğini ve oraya ulaşmak için en son yapay zeka yaklaşımlarını görün:
Yapay genel zeka tahminleri
Tekillik grafiği metodolojisi
Grafikte AGI geliştirmenin beklenen yılını çizmek için her kategori içindeki her yıl için tahminlerin ağırlıklı ortalamasını kullandık. Örneğin, 2022'de birden fazla Tahmin Piyasası tahmini varsa bunların ağırlıklı ortalamasını hesaplayıp o değeri çizdik.
- Bireysel tahminler için 18 yapay zeka uzmanının tahminlerini dahil ettik.
- Bilimsel tahminler için AGI için zaman çizelgeleri sağlayan 10 hakemli makalenin anket sonuçlarını derledik.
- Tahmin piyasası sonuçları için 3 tahmin piyasasından (Manifold, Kalshi ve Metaculus) tahminleri dahil ettik.
Sonuç
AGI tahminleri son yıllarda dikkat çekici biçimde değişti. Önceki anketler gelişini 2060'a yakın gösterirken, özellikle girişimcilerden gelen son tahminler 2026–2035 kadar erken ortaya çıkabileceğini öne sürüyor.
Bu değişim, büyük dil model'lerindeki hızlı ilerlemeler ve artan hesaplama gücüyle besleniyor. Yine de bu kazanımlara rağmen günümüz yapay zekâsı insan düzeyindeki zekâyla ilişkilendirilen genel esneklik ve otonomiden hâlâ yoksun.
Uzmanlar AGI'ye nasıl ulaşılacağı konusunda bölünmüş durumda; bazıları mevcut mimarileri ölçeklemenin yeterli olacağına inanırken, diğerleri yeni yöntemlerin gerekli olduğunu savunuyor.
Temel zorluklar arasında yüksek kaynak talepleri, belirsiz benchmark'lar ve çözülmemiş etik kaygılar yer alıyor. AGI daha yakın olabilir, ancak gelişi hâlâ hem teknik atılımlara hem de dikkatli gözetime bağlı.
SSS'ler
Tekillik, makine zekâsında hızlı bir artışla sonuçlanması beklenen varsayımsal bir olaydır.
Tekillik için insan düzeyinde düşünmeyi insanüstü hız ve hızla erişilebilen, neredeyse mükemmel bellekle birleştiren bir sisteme ihtiyaç duyarız.
Tekillik aynı zamanda makine bilinciyle sonuçlanmalıdır, ancak bilinç iyi tanımlanmadığı için bu konuda kesin olamayız. Böyle bir sistem kendini geliştirebilir ve insan yeteneklerini aşabilir.
Tekillik nispeten eski bir terim olsa da aynı olayı tanımlamak için AGI ve özellikle süper zekâ daha sık kullanılıyor.
Yapay Genel Zeka (AGI), geniş bir entelektüel görev yelpazesinde insanlara eşit veya onları aşan düzeyde bilgiyi anlayabilen, öğrenebilen ve uygulayabilen bir yapay zeka türünü ifade eder.
Dil çevirisi veya görüntü tanıma gibi belirli görevler için tasarlanmış dar yapay zekânın aksine AGI, alışılmadık durumlarda akıl yürütme, planlama ve uyum sağlama yeteneği sağlayan genelleştirilmiş bilişsel yeteneklere sahip olacaktır.
AGI'nin geliştirilmesi önemli bir araştırma hedefi ve etik ile felsefi tartışmaların konusu olmaya devam ediyor.
Süper zekâ, yaratıcılık, problem çözme ve sosyal anlayış dahil neredeyse tüm alanlarda en iyi insan zihinlerini önemli ölçüde aşan bir zekâyı ifade eder.
Yapay bir sistemin anlamlı her entelektüel uğraşta insanlardan daha iyi performans gösterebileceği AGI'nin ötesindeki bir aşamayı temsil eder.
Bu kavram, üstün zekânın egemen olduğu bir dünyada kontrol, güvenlik ve insanlığın rolüne ilişkin uzun vadeli sonuçlar hakkında kritik değerlendirmeleri gündeme getirir.
Gelişmiş Makine Zekâsı (AMI), genel zekâya yaklaşan veya neredeyse genel zekâya ulaşan yetkin yapay zeka sistemlerini içerir.
Henüz AGI ile ilişkilendirilen tam esneklik ve öz farkındalığa sahip olmasalar da AMI sistemleri, çeşitli görevlerde gelişmiş akıl yürütme, öğrenme ve uyum sağlama becerisi sergiler.
Terim genellikle mevcut dar yapay zeka yeteneklerini aşan ancak tam genel zekâ eşiğinin altında kalan yapay zeka sistemlerini belirtmek için kullanılır.
Bu araştırmayı kaynak gösterin
Yayınlayacağınız yere uygun formatı seçin. Bağlantılı sürümü CMS'inize yapıştırmak, geri bağlantıyı korur.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Ermut, Sıla},
title = {{AGI/Tekillik: 10.000 Tahmin Analiz Edildi}},
year = {2026},
month = aug,
howpublished = {\url{https://aimultiple.com/artificial-general-intelligence-singularity-timing}},
note = {AIMultiple. Erişim tarihi: 13 Ağustos 2026}
}254 veri noktasının sonuçları ve zaman damgaları. Bu makalede kullanılan verileri, 4 CSV dosyası ve bir README içeren ZIP dosyası olarak indirin.
Değişiklik günlüğü
3 güncelleme- 2023
Hızlı cevaplar bölümü, YZİ zamanlaması üzerine yeni bir fikir birliği görüşüyle genişletildi.
Girişteki anket ve katılımcı sayısını güncelledi.
- 2022
Tekilliğin ne zaman gerçekleşeceğine dair bölüme veri eklendi.
Referans Linkleri
Daha önce proje yönetimi ve danışmanlık firmalarında işe alım uzmanı olarak çalıştı. Sıla, Sosyal Psikoloji alanında yüksek lisans derecesine ve Uluslararası İlişkiler alanında lisans derecesine sahiptir.
Yorumlar 12
Düşüncelerinizi Paylaşın
E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.
Does anyone know when this article was first published? I want to do a comparison of predictions vs reality for a project.
Hi Harper. The article was first published in mid-2017. But it's undergone constant updates since then to reflect the latest developments. Good luck with your project and let us know if we can help further!
I think we are far away from the point of singularity. It is not only that intelligence is multi dimensional, but also what is deemed as being intelligent (e.g., IQ, EQ) changes with time. People also change with time. So what is that point of singularity may change.
Hello, Yuvan. Thank you for your feedback.
Hello, Achieving the singularity from where we are now is relatively a simple jump, it is just time and advancements combined with a team somewhere who is dedicated to it and has the money to pull it off. The missing part of the equation would be asking the question "what is consciousness?" and understanding that. Then, understanding how to model that with non-biological machinery even at small levels, like modeling the consciousness of an amoeba or more advanced things like snakes and squirrels. Then if we know for certain what it is and how to model it, just run an adaptive evolution algorithm on itself, modeling out all of the processes in human cognition until it can beat them everywhere. Then, allow it to simply rebuild itself to continuously improve. The problem currently preventing this, is that human beings have no idea what consciousness is at all. It is a great mystery. One person thinks it is in the brain. Another thinks the brain is like a tuning fork, channeling the consciousness from somewhere else. It is a great mystery in science. When this problem is solved, then machine consciousness can be built most likely, depending on what it actually is. If consciousness is something weird, such as "human beings have spirits in other dimensions that are planned for their bodies by a supreme being. The brain creates a quantum resonant frequency that links it together with this already conscious entity, and then several universes are interacting simultaneously to create the actual experience of being self aware and sentient" well then, it will be very difficult to design a machine that does that same thing. It is more likely that we figure out how to model the resonance in the brain and then transfer an already existing consciousness of an animal or a human into a machine and keep it going, if that even makes any sense at all. However, maybe that's not how it works, and it is something simple like the holographic connection of energy patterns fluctuating in the mind - this can be modeled and a machine can be built that does these sorts of things with much more efficiency. Right now the mystery of the problem is consciousness itself. Hope that helps. I really enjoyed the robot soccer tournament. I also feel like a superhero at soccer now.
It's becoming clear that with all the brain and consciousness theories out there, the proof will be in the pudding. By this I mean, can any particular theory be used to create a human adult level conscious machine. My bet is on the late Gerald Edelman's Extended Theory of Neuronal Group Selection. The lead group in robotics based on this theory is the Neurorobotics Lab at UC at Irvine. Dr. Edelman distinguished between primary consciousness, which came first in evolution, and that humans share with other conscious animals, and higher order consciousness, which came to only humans with the acquisition of language. A machine with primary consciousness will probably have to come first. The thing I find special about the TNGS is the Darwin series of automata created at the Neurosciences Institute by Dr. Edelman and his colleagues in the 1990's and 2000's. These machines perform in the real world, not in a restricted simulated world, and display convincing physical behavior indicative of higher psychological functions necessary for consciousness, such as perceptual categorization, memory, and learning. They are based on realistic models of the parts of the biological brain that the theory claims subserve these functions. The extended TNGS allows for the emergence of consciousness based only on further evolutionary development of the brain areas responsible for these functions, in a parsimonious way. No other research I've encountered is anywhere near as convincing. I post because on almost every video and article about the brain and consciousness that I encounter, the attitude seems to be that we still know next to nothing about how the brain and consciousness work; that there's lots of data but no unifying theory. I believe the extended TNGS is that theory. My motivation is to keep that theory in front of the public. And obviously, I consider it the route to a truly conscious machine, primary and higher-order. My advice to people who want to create a conscious machine is to seriously ground themselves in the extended TNGS and the Darwin automata first, and proceed from there, by applying to Jeff Krichmar's lab at UC Irvine, possibly. Dr. Edelman's roadmap to a conscious machine is at https://arxiv.org/abs/2105.10461
I think Patrick Winston was joking when he said 20 years. From the linked quote: "I was recently asked a variant on this question. People have been saying we will have human-level intelligence in 20 years for the past 50 years. My answer: I’m ok with it. It will be true eventually." "Forced into a corner, with a knife at my throat, I would say 20 years, and I say that fully confident that it will be true eventually."
Great point! We should have read the source more carefully. I tried to explain his point better in the article.
I have the impression that the nerds that make this kind of prediction (replicate human brain) know a whole lot about computer programming but are ignorant about neuroscience/psychology. We are nor even scratching the surface about primary phenomenon, such as counsciousness / unconsciousness. How do you claim that you can replicate something that we are still far from understanding how it works?
Thank you for the comment. True, better understanding of the mind would help AGI research.
mmm... I'm not sure we can reach to this point: "benevolence of intelligent machines" Emotions and Feelings are there to guide our actions, to improve ourselves and to make a better world, can we make a machine to feel guilt of being smarter than us??
Saying human intelligence is fixed ignores that as we learn more about how the human brain works we may learn how to expand its capability's ie through some form of enhanced learning, targeted drugs, gene therapy, electro stimulation and not just direct brain computer connections being the only potential for doing this. More so currently hampered by our lack of understanding even the language you use has an effect on your cognitive ability's its one of the reasons deaf people were called dumb was the occurrence of language deprivation and how it negatively effected neurodevelopment it was a major problem when deaf children were forced to lip read instead of using sign language . But we will need more powerful AIs to achieve an understanding of our brains
People who say AGI will be here in 2060 are idiots and don't understand the flow of technology you'll see
@Vyn What do you mean? Do you mean to say it will take way before or way after 2060?
Thanks! I'll be quite happy if I get to see 2060
Intelligent doesn't solve our all problems maybe yes but certainly its essential and more intelligent you are faster you solve problems. If you are a chimp you can not even pour water to a glass. You do not even know what glass is used for. Yes if you are human being you still need to get up and grab the glass but intellegence is essential. I do not think human brain is impossible to create in a lab. I think earth is a lab. Anything found in nature can be replicate in the lab.
if P=NP then the singularity may happen also. Saying the human brain is impossible to recreate I dont agree with, but to say its intractable probably is approximately true. So P=NP, if you could solve that mystery (which is the millenial prize funnily) with an intractable calculation, that could make all the magic happen as well.
Thanks for the comment. Most computer scientists working on AI or machine learning would agree that it is possible to replicate human brain's capabilities.
The claim that "humans contribute most to the biomass" on the planet is likely to be wrong. Check out this paper for a careful estimation: https://www.pnas.org/content/115/25/6506
Thank you! That was insightful. Biology is not my strong suit, I should stick to computer science.
@AIMultiple Humble response, and great article. Thanks a ton :)
@B Thanks!