AGI/Singularity: 10.000 Tahmin Analizi
Yapay genel zeka (AGI), bir yapay zeka sisteminin tüm görevlerde insan bilişsel yetenekleriyle eşleştiği durumdur. 10.000 yapay zeka araştırmacısının, önde gelen girişimcilerin ve topluluğun AGI zaman çizelgesine ilişkin tahminlerini analiz ettik:
AGI/tekillik gerçekleşecek mi? Çoğu yapay zeka uzmanına göre AGI kaçınılmazdır.
AGI'ye ne zaman ulaşacağız? 2020'lerin sonu ile 2030'ların başı arasında. ChatGPT lansmanından sonra AGI zaman çizelgesi kısaldı.
Yapay Genel Zeka zaman çizelgesi
Yukarıdaki zaman çizelgesi, 10 anketten, 6.000'den fazla katılımcıdan, 18 yapay zeka araştırmacısından ve Manifold, Kalshi ve Metaculus tahmin piyasalarından elde edilen topluluk içgörülerine dayanarak tekilliğin beklenen yılını ana hatlarıyla göstermektedir.
Yukarıda görebileceğiniz gibi, anket katılımcıları giderek tekilliğin önceden tahmin edilenden daha erken gerçekleşmesini bekliyor. Bu grafiği oluşturmak için kullandığımız yöntemleri öğrenin.
Tahmin piyasalarından AGI tahminleri
Tahmin piyasaları ve topluluk içgörü tahminleri için şunları kullandık:
Manifold, Kalshi ve Metaculus'tan 3.900 tahmin; bunlar, katılımcıların kâr veya itibar için gelecekteki olayların olasılığı ve zamanlaması üzerine işlem yaptığı çevrimiçi tahmin piyasalarıdır. Ayrıca bu tahmin piyasalarından elde edilen ortalama tahmin tarihini de ekledik.
AGI hakkında diğer önemli sorular
AGI konusunda mevcut durumumuz nedir?
Dar yapay zeka belirli görevlerde insanları geçse de, zeki bir makine mevcut değildir. Bazı araştırmacılar büyük dil modellerinin ortaya çıkan genelci yetenekler gösterdiğini belirtmektedir.1
AGI'ye nasıl ulaşabiliriz?
Ya transformatörler gibi mevcut mimarilerin arkasına daha fazla hesaplama 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 özetini görebilir veya tam tabloyu görebilirsiniz.
Yapay zeka araştırmacılarının büyük anketlerinin sonuçları
10 anketin, 6.000'den fazla yapay zeka araştırmacısı ve uzmanın katıldığı ve AGI/tekilliğin ne zaman gerçekleşebileceğini tahmin ettikleri anketlerin sonuçlarını inceledik.
Tahminler değişiklik gösterse de, çoğu anket 2047 ile 2061 arasında, AGI'ye ulaşma olasılığının %50 olduğunu gösteriyor; bazıları süper zekanın birkaç on yıl içinde gelebileceğini tahmin ediyor.
Yapay Zekada İlerleme Uzman Anketi
Ekim 2023'te AI Impacts, AGI'ye ne zaman ulaşılabileceği konusunda 2.778 yapay zeka araştırmacısıyla anket yaptı. Bu anket, 2022 anketindeki sorulara neredeyse birebir aynı soruları içeriyordu. Yapay Zekada İlerleme Uzman Anketi sonuçlarına göre, yüksek düzeyde makine zekasının 2047 yılına kadar ortaya çıkması için %50 olasılık vardır.2
Yapay Zekada İlerleme Uzman Anketi
Anket, 2021 NIPS ve ICML konferanslarında yayın yapan 738 uzmanla gerçekleştirildi. Yapay Zekada İlerleme Uzman Anketi sonuçlarına göre uzmanlar, 2059 yılına kadar yüksek düzeyde makine zekasının ortaya çıkma olasılığının %50 olduğunu tahmin ediyor.3
Uzmanlar ayrıca donanım maliyetinin, algoritmik ilerlemenin ve eğitim setleri üzerindeki çalışmaların yapay zeka ilerlemesindeki en büyük faktörler olacağını öngördü.
Yapay Zeka İlerlemesini Tahmin Anketi
Baobao Zhang, 2019'da 296 yapay zeka uzmanıyla anket yaparak, makinelerin ekonomik açıdan ilgili görevlerin %90'ından fazlasını yerine getirmede medyan insan çalışanı ne zaman aşacağını tahmin etmelerini istedi. Yapay Zeka İlerlemesini Tahmin Anketi sonuçlarına göre, katılımcıların yarısı bunun 2060 yılından önce gerçekleşeceğini tahmin etti.4
AGI Zamanlaması Üzerine Yapay Zeka Uzmanları Anketi
2019'daki AGI Zamanlaması Üzerine Yapay Zeka Uzmanları Anketi'nden tahminler5şunlardır:
- Katılımcıların %45'i 2060 yılından önce bir tarih öngörüyor.
- Tüm katılımcıların %34'ü 2060 yılından sonra bir tarih öngördü.
- Katılımcıların %21'i tekilliğin asla gerçekleşmeyeceğini öngördü.
Yapay Zekanın İşgücü Yer Değiştirmesi Üzerindeki Potansiyel Etkisi Anketi
Ross Gruetzemacher, yapay zekanın işgücü yer değiştirmesi üzerindeki potansiyel etkisini değerlendirmek için 2018'de 165 yapay zeka uzmanıyla anket yaptı. Uzmanlardan, yapay zeka sistemlerinin, insanların şu anda ücret aldığı görevlerin %99'unu ortalama bir insana eşit veya onu aşan düzeyde ne zaman yerine getirebileceğini tahmin etmeleri istendi.
Yapay Zekanın İşgücü Yer Değiştirmesi Üzerindeki Potansiyel Etkisi anketi sonuçlarına göre, katılımcıların yarısı bu dönüm noktasına 2068 yılından önce ulaşılacağını öngörürken, %75'i bunun önümüzdeki 100 yıl içinde gerçekleşeceğini öngördü.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 konferanslarından elde edilen anket sonuçlarına göre uzmanlar, AGI'nin 2060 yılına kadar ortaya çıkması için %50 olasılık tahmin ediyor. Bununla birlikte, coğrafyaya bağlı olarak önemli bir görüş farkı var:
- Asyalı katılımcılar AGI'yi 30 yıl içinde bekliyor,
- Kuzey Amerikalılar 74 yıl içinde bekliyor.
2030 yılına kadar otomatikleştirilmesi beklenen bazı önemli iş fonksiyonları arasında çağrı merkezi temsilcileri, kamyon şoförlüğü ve perakende satış yer alıyor.
Yapay Zekada Gelecekteki İlerleme Anketi
Avrupa Bilişsel Sistemler Derneği başkanı Vincent C. Muller ve Oxford Üniversitesi'nden, süper zeka ve yapay genel zeka (AGI) üzerine 200'den fazla makale yayınlamış olan Nick Bostrom, Yapay Zekada Gelecekteki İlerleme anketini 2012 ve 2013 yıllarında gerçekleştirdi. 550 katılımcı şu soruyu yanıtladı: AGI'nin gerçekleşmesi ne zaman olasıdır?8
Yapay Zekada Gelecekteki İlerleme anketi sonuçlarına göre:
- Ankete katılan yapay zeka uzmanları, AGI'nin büyük olasılıkla (%50 şans) 2040 ile 2050 arasında ortaya çıkacağını ve 2075 yılına kadar görünme olasılığının yüksek (%90 şans) olduğunu tahmin ediyor.
- AGI'ye ulaşıldığında, çoğu uzman süper zekaya nispeten hızlı ilerleyeceğini belirtiyor; zaman dilimi 2 yıl gibi kısa (düşük olasılık, %10 olasılık) ile yaklaşık 30 yıl (yüksek olasılık, %75) arasında değişiyor.
AGI-09 konferansına katılan yapay zeka uzmanlarıyla anket
2009'daki AGI-09 konferansına katılan 21 yapay zeka uzmanından elde edilen anket sonuçlarına göre, AGI yaklaşık 2050 yılında gerçekleşecek ve muhtemelen daha erken olabilir.9Aşağıda belirli yapay zeka başarılarına ilişkin tahminlerini görebilirsiniz: Turing testini geçmek, üçüncü sınıfı geçmek, Nobel değerinde bilimsel atılımlar gerçekleştirmek ve insanüstü zekaya ulaşmak.
Şekil 1: Yapay Genel Zeka 2009 (AGI-09) konferansına katılımcılara dağıtılan anketin sonuçları.
Topluluk içgörüleri
Ayrıca Samotsvety Forecasting ve Metaculus Topluluğu'nun AGI tahminlerini ve Manifold, Kalshi ve Polymarket'tan tahmin piyasası sonuçlarını değerlendirdik:
Samotsvety Forecasting
Samotsvety Forecasting, özellikle jeopolitik, teknoloji ve küresel riskler alanında gerçek dünya olayları hakkında yapılandırılmış akıl yürütme ve nicel yöntemler kullanarak olasılıksal tahminler yapan bir tahminci ekibidir. Başlıca tahmin platformlarında ve turnuvalarında (ör. INFER/CSET-Foretell) güçlü bir rekabetçi geçmişe sahiptirler; burada doğrulukları Brier skoru gibi resmi puanlama ölçütleriyle ölçülür.10
Ocak 2026'da ekip, 8 tahminciyle AGI tahminlerini güncelledi.11İşte toplu sonuçlar:
- 2026'da AGI'ye ulaşma olasılığı %10
- 2041 yılına kadar AGI'ye ulaşma olasılığı %50
- 2164 yılına kadar AGI'ye ulaşma olasılığı %90
2022'deki daha önceki bir tahminde ekip, 20 yıl içinde (yaklaşık 2042'ye kadar) AGI için %32 şans ve 2100 yılına kadar %73 tahmin etmişti; her ikisi de mevcut projeksiyonlarından daha düşüktü.12
Manifold Market
Ağustos 2026 itibarıyla 1.100'den fazla Manifold Market katılımcısı, bir yapay zekanın "yüksek kaliteli, çekişmeli Turing testini" ilk kez geçeceği yılı 2034 olarak tahmin etti.13
Kalshi Tahmin Piyasası
Ağustos 2026 itibarıyla Kalshi tahmin piyasası katılımcıları, OpenAI'nın 2030 yılına kadar AGI'ye ulaşma olasılığının %45 olduğunu belirtiyor.14
Polymarket
Ağustos 2026'daki Polymarket tahminlerinden elde edilen sonuçlar, OpenAI'nın 2027 yılına 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 tasarlanacak, test edilecek ve kamuoyuna duyurulacak?" sorusunu yanıtladı ve tahmin 2028.16
- 180 katılımcı "Bir yapay zeka uzun, bilgilendirilmiş, çekişmeli Turing testini ilk kez ne zaman geçecek?" sorusunu yanıtladı ve tahminleri 2029.17
- 1.900 katılımcı "İlk genel yapay zeka sistemi ne zaman tasarlanacak, test edilecek ve kamuoyuna duyurulacak?" sorusunu yanıtladı ve tahminleri 2033.18
2022'de 81 katılımcı "En iyi tahminciler ilk Yapay Genel Zeka'nın ne zaman geliştirilip gösterileceğini ne zaman bekliyor?" sorusunu yanıtladı ve tahminleri 2035 oldu.19
Yapay zeka girişimcileri 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 bekleniyor.
Görüşleri hız ve gelişim yolu konusunda farklılık gösteriyor. Anthropic'ten Amodei, hızlı kendini güçlendiren ilerleme nedeniyle AGI'nin yakın vadede geleceğini beklerken, DeepMind'dan Hassabis bunu olası görüyor ancak bilimsel yaratıcılık ve otonom kendini geliştirmede çözülmemiş zorlukları gerekçe göstererek temkinli kalıyor.
İşte en önde gelen 15 yapay zeka girişimcisinin ve araştırmacısının tahminleri:
- DeepMind Technologies'in kurucu ortağı Shane Legg, minimal AGI'yi, ortalama bir insanın yapabileceği tüm bilişsel görevleri, aynı görev bir kişiye verildiğinde bizi şaşırtacak şekilde başarısız olmadan güvenilir bir şekilde yerine getirebilen yapay bir ajan olarak tanımlıyor. Ocak 2026'daki tahmini, 2028 yılına kadar Minimal AGI'nin gerçekleşme olasılığının %50 olduğudur.
- Legg'e göre, minimal AGI'ye ulaşmak, büyük bilimsel atılımlar veya sanatsal başarılar gibi insan zekasının en yüksek biçimlerini tam olarak anladığımız veya yeniden üretebileceğimiz anlamına gelmez. Tam AGI, yapay zeka insan bilişinin tüm yelpazesiyle eşleşebildiğinde elde edilmiş olur.20
- Anthropic'in CEO'su Dario Amodei, Davos'taki 2026 Dünya Ekonomik Forumu'nda AGI düzeyinde sistemlerin yakın vadede yaklaştığına dair güçlü bir güven ifade etti. AGI'nin birkaç yıl içinde (2027) muhtemelen yaygın olarak beklenenden daha erken gerçekleşeceğini belirtti.
- Kodlama ve yapay zeka araştırma otomasyonundaki hızlı ilerlemelerin merkezi olduğunu, yapay zeka sistemlerinin çoğu yazılım mühendisliği görevini uçtan uca ele almasını ve geri bildirim döngüleri aracılığıyla kendi gelişimlerini hızlandırmasını sağladığını savunuyor.
- Donanım kullanılabilirliği ve eğitim süresi gibi kısıtları kabul etse de, daha uzun bir zaman çizelgesini olası görmez ve bu döngüler olgunlaştığında hızlı bir ivmelenme bekler.21
- 2026'daki aynı etkinlikte, Demis Hassabis, DeepMind'ın kurucusu 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 hâlâ daha zor olduğunu vurguluyor.
- Yeni sorular ve teoriler üretmede çözülmemiş sınırlamaları öne çıkarıyor ve özellikle karmaşık gerçek dünya alanlarında tamamen otonom kendini geliştirme konusunda belirsizlik ifade ediyor; bunun AGI zaman çizelgelerini daha az kesin hale getirdiğine inanıyor.
- Yapay zekanın akıl yürütme, programlama ve matematikteki ilerlemesini birleştiren, Google'ın eski CEO'su Eric Schmidt, 3–5 yıl içinde Yapay Genel Zekaya doğru ilerlediğimizi belirtiyor (Nisan 2025'te belirtildiği gibi).22
- Elon Musk, 2026 yılına kadar insanların en zekisinden daha zeki bir yapay zekanın 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 zekanın herhangi bir testte insan performansına eşit veya onu aşacağını öngördü: 2029.24
- Bilgisayar bilimci, girişimci ve yazar Louis Rosenberg, 2030 yılına kadar.
- Bilgisayar bilimci, girişimci ve The Singularity Is Near dahil 5 ulusal çok satan kitabın yazarı Ray Kurzweil: 2045.25
- 2023'te Hinton, AGI'nin 5-20 yıl sürebileceğini belirtti.26
- OpenAI'in CEO'su Sam Altman, 2035 yılına kadar. 2024'te "The Intelligence Age" adlı blogunda "birkaç bin gün" ifadesini kullandı.
- Yapay zeka araştırmacısı Ajeya Cotra, eğitim hesaplama büyümesini analiz etti ve insan benzeri yeteneklere sahip yapay zekanın 2040 yılına kadar ortaya çıkma olasılığının %50 olduğunu tahmin etti.27
- MIT profesörü ve 1972'den 1997'ye kadar MIT Yapay Zeka Laboratuvarı direktörü Patrick Winston, 2040, tarihinden bahsetti; bunun gerçekleşecek bir tarih olduğunu ancak tahmin etmesinin zor olduğunu vurguladı.
- Yapay zeka şirketi NNAISENSE'in kurucu ortağı ve İsviçre yapay zeka laboratuvarı IDSIA'nın direktörü Jürgen Schmidhuber, 2050 yılına kadar.26
AGI hakkında diğer yorumlar ve gelişmeler
AAAI Yapay Zeka Araştırmalarının Geleceği Üzerine Başkanlık Paneli
Çoğunlukla akademiden (%67) ve Kuzey Amerika'dan (%53) 475 katılımcıya yapay zekadaki ilerleme hakkında sorular 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 açmasının olası olmadığını paylaştı.28
OpenAI robotik hedeflerini genişletiyor
OpenAI, yapay genel zekayı ilerletme hedefinin bir parçası olarak robotiğe odaklanmasını artırıyor. Şirket, insansı robot sistemlerinde uzmanlar işe alıyor ve robotların fiziksel dünyada bağımsız olarak öğrenmesine ve hareket etmesine yardımcı olacak algoritmalar tasarlamak için bir ekip oluşturuyor.
Bu, OpenAI'nın daha önce dil ve görüntü modellerine odaklanmasından bir kaymayı işaret ediyor. Şirket artık gelişmiş akıl yürütmeyi fiziksel etkileşimle birleştirmeyi hedefliyor; bu da robotiği AGI'yi test etme ve ona ulaşma yolunda önemli bir adım olarak gördüğünü gösteriyor.
Bağlam ve sonuçlar
2020 civarında ilk robotik ekibini kapattıktan sonra OpenAI, bu alanda aktif geliştirmeye geri dönüyor. Son işe alımlar ve potansiyel ortaklıklar, gerçek dünyada öğrenme ve manipülasyon yapabilen robotlar inşa etme konusunda yenilenen bir çabaya işaret ediyor.
Büyük ölçekli yapay zeka modellerini duyusal verilerle birleştirerek OpenAI, dijital ortamların dışında akıl yürütebilen ve çalışabilen sistemler oluşturmayı hedefliyor. İnsansı robotik uzmanlarının işe alınması ayrıca otomasyonun ötesine geçen ve insanlarla güvenli bir şekilde yan yana çalışabilen robotlara yönelik uzun vadeli hedeflere işaret ediyor.29
Microsoft'un GPT-4 ile erken deneylere ilişkin raporu
Microsoft Research, 2023'te OpenAI'nın GPT-4'ünün erken bir sürümünü inceledi. Rapor, önceki yapay zeka modellerinden daha yüksek genel zeka gösterdiğini, matematik, kodlama ve hukuk gibi alanlarda insan düzeyinde performans sergilediğini iddia etti. Bu, GPT-4'ün yapay genel zekanın ön bir biçimi olup olmadığı konusunda tartışma başlattı. 30
MIT'nin yapay genel zekaya giden yol raporu
“Yapay genel zekaya giden yol” raporu Ağustos 2025'te, erken AGI benzeri sistemlerin 2026 ile 2028 arasında ortaya çıkmaya başlayabileceğini, belirli alanlarda insan düzeyinde akıl yürütme, metin, ses ve fiziksel arayüzlerde çok modlu yetenekler ve sınırlı hedefe yönelik otonomi gösterebileceğini öngörüyor.
Rapor, toplulaştırılmış tahminleri birleştiriyor ve bilgi aktarımı ve geniş akıl yürütme gibi birkaç genelleştirilmiş dönüm noktasına 2028 yılına kadar ulaşılma olasılığının %50 olduğunu öne sürüyor.
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
AI Frontiers: AGI Olasılıkları
Yapay zeka tartışmaları ve diyalogları için bir platform olan AI Frontiers'tan Adam Khoja ve Laura Hiscott, nicel AGI tanımlarını kullanarak %50 olasılıkla 2028 yılına kadar AGI'ye ulaşılacağını ve %80 olasılıkla 2030 yılına 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 %57 puan veriyor. Bu, mevcut modellerin tanımlanan AGI eşiğine kabaca yarı yolda olduğunu gösteriyor.
Khoja ve Hiscott, AGI zaman çizelgeleri hakkındaki geleneksel tartışmaların tutarsız tanımlara dayandığı için kesinlikten yoksun olduğunu savunuyor. Standartlaştırılmış çerçeveleri, mevcut modellerdeki belirli güçlü ve zayıf yönleri belirleyerek netlik yaratmayı amaçlıyor. Okuma, yazma, matematik ve genel bilginin insan temel düzeylerine ulaştığını veya aştığını ve artık sınırlayıcı faktörler olmadığını belirtiyorlar.
Yazarlar, görsel akıl yürütme, sezgisel fizik, işitsel işleme, algıya bağlı hız ve görsel ve işitsel çalışma belleğindeki kalan boşlukları vurguluyor. SPACE ve MindCube gibi benchmark'larda hızlı iyileşme bildiriyor ve bu boşlukların sürekli kademeli araştırmalarla ele alınabileceğini öne sürüyorlar. Ayrıca halüsinasyonların bir endişe olmaya devam ettiğini ancak önde gelen modeller arasındaki performans farkları göz önüne alındığında üstesinden gelinebilir olduğunu gözlemliyorlar.
Khoja, Hiscott ve Hendrycks'e göre, en önemli kalan engel sürekli öğrenme ve uzun vadeli bellek depolamadır. Mevcut sistemler oturumlar arasında bilgi tutamaz ve bu sınırlamanın çözülmesi en az bir anlamlı atılım gerektirecektir. Ancak yazarlar, büyük yapay zeka laboratuvarlarının artık bu alana öncelik verdiğini vurguluyor.
Yapay zeka tahminlerinde geçmişteki aşırı iyimserlikten ders çıkarmak
Yapay zeka araştırmacılarının daha önce aşırı iyimser olduğunu unutmayın. Örnekler şunlardır:
- Geoff Hinton 2016'da 2021 veya 2026 yılına kadar radyologlara ihtiyacımız kalmayacağını iddia etti. Şimdiye kadar radyoloji tamamen otomatikleştirilmedi ve hastanelerin binlerce radyoloğa ihtiyacı var.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 10-20 yıl gibi cesur zaman dilimlerinde AGI'yi tahmin etmekten kaçınmasına katkıda bulundu, ancak bu, üretken yapay zekanın yükselişiyle değişti.
Tekilliğin ne olduğunu anlayın
Yapay zeka bizi hem korkutuyor hem de ilgimizi çekiyor. Neredeyse her hafta haberlerde yeni bir yapay zeka korkusu var; geliştiricilerin yarattıkları şeyden korkması veya botları çok zeki hale geldikleri için kapatması gibi.37
Bu mitlerin çoğu, yapay zeka ve GenAI alanlarının dışındakiler tarafından yanlış yorumlanan araştırmalardan kaynaklanıyor. Bazı paydaşlar daha fazla düzenlemeden kâr elde edebilecekleri veya bu onlara daha fazla ilgi getirebileceği için yapay zekadan korktuklarını iddia ediyor.
Yapay zeka hakkındaki en büyük korku tekilliktir (Yapay Genel Zeka veya AGI olarak da adlandırılır); bu, makine zekasında hızlı bir artış getirmesi beklenen bir olaydır. Bu, bir sistem insan düzeyinde düşünmeyi insanüstü hız ve hızla erişilebilen, neredeyse mükemmel bellek ile birleştirdiğinde beklenir. Bazı uzmanlara göre tekillik aynı zamanda makine bilincini de ima eder.
Böyle bir makine kendini geliştirebilir ve insan yeteneklerini aşabilir. Yapay zeka bir bilgisayar bilimi araştırma konusu olmadan önce bile Asimov gibi bilim kurgu yazarları bu konuda endişeliydi. Zeki makinelerin iyilikseverliğini sağlamak için mekanizmalar (yani Asimov'un Robotik Yasaları) tasarlıyorlardı; bu bugün daha yaygın olarak uyum araştırması olarak adlandırılıyor.
Uzmanlar neden AGI'nin kaçınılmaz olduğuna inanıyor: Temel argümanlar ve kanıtlar
AGI'ye ulaşmak çılgın bir tahmin gibi görünüyor, ancak insan zekasının sabit olduğunu ve makine zekasının büyüdüğünü düşündüğünüzde oldukça makul bir hedef gibi görünüyor. Zekalarına dair bazı katı sınırlar olmadıkça makinelerin bizi aşması an meselesidir. Henüz böyle bir sınırla karşılaşmadık.
İnsan zekası, bilişsel yeteneklerimizi makinelerle bir şekilde birleştirmediğimiz sürece sabittir. Elon Musk'ın nöral lace girişimi bunu yapmayı hedefliyor, ancak beyin-bilgisayar arayüzleri üzerine araştırmalar erken aşamalardadır.38
Makine zekası algoritmalara, işlem gücüne ve veriye bağlıdır.
- Yatırımlar Ar-Ge ve veri merkezlerine akarken işlem gücü üstel bir hızla büyüyor.
- Şimdiye kadar makinelere işlem güçlerini ve belleklerini etkili bir şekilde kullanmaları için gerekli algoritmaları sağlamada iyiydik.
- Son olarak, işletmeler ve bireyler artan bir hızda dijital veri oluşturuyor. Sentetik veri modelleri bozabilir veya güçlendirebilir. Onları bozsa bile, veri düzenleme sayesinde bu 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 modellerin belirli alanlarda gezinmesine yardımcı olan markdown dosyaları olan Claude legal gibi eklentiler yayınlayarak kullanım senaryolarına odaklanıyor. Bu, Claude'a küçük bir ekleme olsa da, SaaS ve hukuk yazılımı dahil olmak üzere borsada satış dalgasını tetikledi.39
Gemini Deep Think
Bir başka örnek, DeepMind'ın Gemini derin düşünme modudur; bu mod, 2025 Uluslararası Matematik Olimpiyatı'nda altın madalya düzeyinde performans sergileyerek yapay zekanın karmaşık problemler üzerinde akıl yürütme yeteneğinde önemli bir adım attı.
Tamamen doğal dilde çalışan Gemini, resmi 4.5 saatlik yarışma penceresi içinde altı problemden beşini çözerken, resmi 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 kanıtlar içeriyor ve pekiştirmeli öğrenme stratejik yaklaşımını geliştiriyor.
Bu ilerleme, gelişmiş yapay zekanın artık bir zamanlar en iyi insan problem çözücülerine ayrılmış düzeyde sofistike, yorumlanabilir akıl yürütme yapabildiğini gösteriyor.40
OpenClaw
OpenClaw, LLM'leri ajanlara dönüştürmek için açık kaynaklı bir projedir. GitHub'daki en popüler projelerden biri haline geldi ve OpenClaw ekosistemini başlattı.
Üstel büyüme
Aşağıda üstel büyümeyi anlamak için faydalı bir benzetme bulunmaktadır. Makineler şu anda çok zeki görünmese de, yakın gelecekte oldukça akıllı hale gelebilirler.
Yapay zeka hesaplama yeteneklerinde son dönemdeki büyüme
Şekil 2: Şekil, çeşitli kategorilerde gözlemlenen hesaplama büyüme modellerinin bir özetini göstermektedir: genel önemli modeller (sol üst), öncü modeller (sağ üst), önde gelen dil modelleri (sol alt) ve önde gelen şirketlerin en iyi modelleri (sağ alt).
Yapay zeka modellerini eğitmek için hesaplama kaynakları önemli ölçüde arttı; dil modeli performansının yaklaşık üçte ikisi model ölçeği iyileştirmelerine atfediliyor.
2024 tarihli bir makaleye göre,41yapay zeka modellerini eğitmede hesaplama kullanımındaki büyüme, önemli modeller, öncü modeller ve OpenAI, Google DeepMind ve Meta AI gibi önde gelen şirketlerdeki eğilimleri yansıtarak yılda yaklaşık 4-5x oranında sürekli artmıştır (bkz. Şekil 2).
Ancak büyüme hızı 2018'den bu yana, özellikle öncü modeller için bir miktar yavaşladı; ancak dil modelleri 2020 ortasına kadar yılda 9x/yıl düzeyine kadar daha hızlı büyüme yaşadı, ardından hız yılda 4-5x/yıl'a düştü.
Yapay zeka hesaplama büyümesindeki genel eğilim güçlü kalmaya devam ediyor ve projeksiyonlar, yeni zorluklar veya atılımlar olmadıkça yılda 4-5x/yıl büyüme hızının devam edeceğini öne sürüyor. Bu büyüme, önde gelen yapay zeka şirketlerinin ölçeklendirme stratejilerinde de görülüyor, ancak aralarında küçük farklılıklar var.
Öncü model büyümesindeki yavaşlamaya rağmen, bugün piyasaya sürülen GPT-4 ve Gemini Ultra gibi daha büyük modeller, öngörülen büyüme eğrisiyle yakından uyumludur.
Klasik hesaplama yavaşlarsa, kuantum hesaplama boşluğu doldurabilir
Klasik hesaplama bizi oldukça ileri taşıdı. Klasik bilgisayarlardaki yapay zeka algoritmaları satranç veya Go oynamak 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 ima eder.
Öte yandan çoğu uzman, Moore yasasının bu on yıl içinde sona erdiğine inanıyor.43 Ancak hesaplama verimliliğini artırmaya devam etme çabaları var.
Örneğin DeepSeek, OpenAI gibi rakiplerinin maliyetinin çok altında bir akıl yürütme modeli sunarak R1 modeliyle küresel piyasaları şaşırttı.
Hâlâ gelişmekte olan bir teknoloji olan Kuantum Hesaplama, Moore yasası sona erdikten sonra hesaplama maliyetlerini düşürmeye katkıda bulunabilir. Kuantum Hesaplama, farklı durumların aynı anda değerlendirilmesine dayanırken, klasik bilgisayarlar bir seferde 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, tekilliği açığa çıkarma şansına sahiptir.
Bazı uzmanlar neden AGI'ye ulaşamayacağımıza inanıyor?
AGI'nin önemi veya varlığına karşı 3 ana argüman vardır. Bunları yaygın karşı tezlerle birlikte inceledik:
1- Zeka çok boyutludur
Dolayısıyla AGI farklı olacak, insan zekasından mutlaka üstün olması gerekmez.
Bu doğrudur ve insan zekası da hayvan zekasından farklıdır. Bazı hayvanlar, aylarca yüzlerce fındığı nereye sakladıklarını hatırlayan sincaplar gibi zihinsel becerilere sahiptir.
Derin öğrenmenin öncülerinden Yann LeCun, AGI kelimesini emekliye ayırmamız ve "gelişmiş makine zekası" elde etmeye odaklanmamız gerektiğine inanıyor.44İnsan zihninin uzmanlaşmış olduğunu ve zekanın bir beceriler koleksiyonu ve yeni beceriler öğrenme yeteneği olduğunu savunuyor. Her insan, insan zekası görevlerinin bir alt kümesini gerçekleştirebilir.45
İnsan zihninin uzmanlaşma düzeyini anlamak da zordur, çünkü insanlar olarak zekanın tüm yelpazesini bilmiyoruz ve deneyimleyemiyoruz.
Makinelerin insanüstü zeka sergilediği alanlarda insanlar, makineye özgü zayıflıklardan yararlanarak onları yenebildi. Örneğin bir amatör, dünya şampiyonlarını yenen Go programlarıyla eşit düzeyde olan bir Go programını, programın zayıflıklarını inceleyip bunlardan yararlanarak yenebildi.46
2- Zeka tüm sorunların çözümü değildir
Bilim
Mevcut verileri analiz eden en iyi makine bile kanser için bir tedavi bulamayabilir. Çoğu alanda yeni bilgi keşfetmek için gerçek dünya deneyleri yapması ve sonuçları analiz etmesi gerekebilir.
Daha fazla zeka, daha iyi tasarlanmış ve yönetilen deneylere yol açarak deney başına daha fazla keşif sağlayabilir. Araştırma üretkenliğinin tarihi bunu göstermelidir, ancak veriler oldukça gürültülüdür ve araştırmada azalan getiriler vardır. Newton hareketi gibi daha basit sorunları çözdükçe kuantum fiziği gibi daha zor sorunlarla karşılaşırız.
Son olarak, bazı alanlarda doğal rastgelelik veya o alanın ölçülemezliği nedeniyle mükemmel tahminler mümkün olmayabilir. Örneğin, zengin veriye rağmen belirli yaşam sonuçlarını yüksek doğrulukla tahmin edemiyoruz.47
Ekonomi
Zeka, ekonomik değer üretiminin bileşeni değildir.
- İnsan zekasının en yaygın kabul gören ölçüsü olan IQ, ~$40k üzerindeki değerler için net servetle ilişkili değildir (aşağıdaki resme bakın):
Şekil 3: Düşük servet düzeylerinde IQ servetle ilişkilidir.48
Şekil 4: Yüksek servet düzeylerine odaklanırsak IQ servetle ilişkili değildir. Bu grafik, $40k altındaki net gelir düzeylerinin gizlenmiş olması dışında yukarıdakiyle aynıdır.
- Yatırım dünyasında, bir şirketin ekibinin zekası rekabet gücünün bir faktörü olarak görülmez. Diğer şirketlerin de zeki stratejileri belirleyebileceği örtük olarak varsayılır. Yatırımcılar, fikri mülkiyet, ölçek, kaynaklara özel erişim vb. gibi haksız avantajlara sahip işletmeleri tercih eder. Bu haksız avantajların çoğu yalnızca zeka ile kopyalanamaz.
3- İnsan beynini modellemek mümkün olmadığı için AGI mümkün değildir
Teorik olarak, temel hesaplamalar yapabilen ve sonsuz bellek ve zamana erişebilen nispeten basit bir makineyle insan beyni dahil herhangi bir hesaplama makinesini modellemek mümkündür. Bu, 1936'da ortaya konan evrensel olarak kabul edilen Church-Turing hipotezidir. Ancak belirtildiği gibi bazı zor koşullar gerektirir: sonsuz zaman ve bellek.
Çoğu bilgisayar bilimci, insan beynini modellemenin sonsuz zaman ve bellekten daha azını alacağına inanıyor. Yine de bu inancı kanıtlamanın matematiksel olarak sağlam bir yolu yoktur, çünkü beyni hesaplama gücünü kesin olarak karakterize edecek kadar henüz iyi anlamıyoruz. Böyle bir makine inşa etmemiz gerekecek!
AGI'ye nasıl ulaşabiliriz?
Şekil 5: Öncü yapay zeka modellerinin zaman ufku, her modelin %50 güvenilirlikle tamamlayabileceği en uzun görevleri (insan eşdeğeri süre cinsinden) göstermektedir.49
Yukarıdaki şekil, yapay zeka ajanlarının yeteneklerinin, %50 güvenilirlikle tamamlayabilecekleri en uzun görevler ölçülerek nasıl geliştiğini gösteriyor.
Temel bulgu, öncü modellerin üstesinden gelebileceği görev uzunluğunun üstel olarak büyüdüğü ve yaklaşık her yedi ayda bir ikiye katlandığıdır. Bu, Claude Opus 5 ve GPT-5.6 gibi daha yeni modellerin artık bir insanın yaklaşık bir saatini alacak görevleri tamamlayabileceği, GPT-2 gibi daha eski modellerin ise birkaç saniyeden uzun görevleri zar zor yapabildiği anlamına geliyor.
Gölgeli bölge istatistiksel belirsizliği yansıtıyor, ancak genel eğilim güvenilirdir. Bu model devam ederse, yapay zeka sistemleri yakında insanların günler hatta haftalar süren karmaşık görevleri üstlenebilir; bu da daha geniş otonomiye ve AGI benzeri yeteneklere doğru önemli bir adım anlamına gelir.
AGI'ye giden yol olarak ölçeklendirme
Öncü yapay zeka laboratuvarlarının liderleri, transformatör tabanlı mevcut yaklaşımları ölçeklendirmenin AGI sağlayabileceğine inanıyor; bu da birkaç yıl içinde AGI'ye ulaşma tahminlerini besliyor.
AGI'ye önerilen bir yol, hesaplama ve veriyi artırarak transformatörler gibi mevcut mimarileri ölçeklendirmek; bir diğeri ise tamamen yeni yaklaşımlar geliştirmektir.
Ölçeklendirme hipotezini desteklemek için Epoch AI tarafından hazırlanan 2024 tarihli bir rapor, yapay zeka hesaplama büyümesinin 2030'a kadar devam edip edemeyeceğini analiz etti.
Dört büyük kısıt belirlediler: güç kullanılabilirliği, 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 gerektiren modelleri eğitmenin mümkün olduğunu savunuyorlar.
Bu tür ilerlemeler, GPT-4 gibi bugünün en gelişmiş modellerinden çok daha yetenekli yapay zeka sistemleri üretebilir ve bizi AGI'ye daha da yaklaştırabilir.50
Şekil 6: Grafik, 2030 yılına kadar yapay zeka eğitim hesaplamasında temel kısıtlar—güç, çip üretimi, veri ve gecikme—altında tahmini üst sınırları, medyanların 2e29 ila 3e31 FLOP arasında değiştiğini göstermektedir.
Ölçeklendirmenin ötesinde: Yeni mimariler için gerekçe
Ancak Yann LeCun ve Richard Sutton gibi etkili yapay zeka bilim insanları, büyük dil modellerini ölçeklendirmenin insan düzeyinde zekaya yol açmayacağına inanıyor.51 52 AGI için yeni mimarilerin veya yaklaşımların gerekli olduğuna inanıyorlar.
AGI'ye ulaşıp ulaşmadığımızı nasıl ölçebiliriz?
Büyük dil modelleri her hafta yeni benchmark'ları geride bırakıyor, ancak LLM'leri değerlendirmek, veri zehirleme ve insan düzeyinde zeka için kabul edilmiş bilimsel bir tanımın olmaması gibi sorunlar nedeniyle zordur.
Bu endişeler, yakın tarihli araştırmalardan elde edilen içgörülerle daha da güçleniyor53; bu içgörüler LLM'leri ölçeklendirmenin daha iyi performansa giden sürdürülebilir bir yol olmadığını, özellikle bilimsel ve yüksek riskli alanlarda vurguluyor. Yazarlar şunları gösteriyor:
- LLM'ler çok düşük ölçeklendirme üsleri (~0.1) sergiler; bu, veri veya hesaplamadaki büyük artışların bile çok küçük doğruluk kazanımları sağladığı anlamına gelir.
- LLM'lerin öğrenme gücü, Gauss olmayan çıktılar üretme yeteneklerinden kaynaklanır, ancak bu aynı zamanda hata birikimlerine ve kırılgan tahminlere yol açar.
- Kayıp fonksiyonları gibi geleneksel ölçütler, gerçek yakınsama veya doğrulukla uyumlu olmayan sözde ölçütlerdir.
- Sentetik veya tekrarlayan veriler üzerinde eğitilen modeller hataları düzeltilebileceklerinden daha hızlı biriktirdiğinde bir Dejeneratif Yapay Zeka (DAI) rejimi ortaya çıkabilir.
Bu bulgular, standart benchmark'ların güvenilirliğini sorgulatıyor ve daha çeşitli ve gelişen değerlendirme stratejilerine olan ihtiyacı vurguluyor.
Turing testi gibi eski ölçütler bugünün makineleri için yeterli değil ve ARC-AGI gibi yeni ölçütler daha geniş benchmark'ların genelleme yeteneklerinden yoksun olabilir.
ARC-AGI gibi yeni ortaya çıkan ölçütler soyutlama ve genellemeyi test etmeyi hedefliyor, ancak yine de veri kirliliğine veya aşırı uyuma karşı dayanıklılıktan yoksun olabilir.
Dahası, makalenin vurguladığı gibi, "iyi" kayıp puanları bile Gauss olmayan dalgalanmalar ve eğitim istikrarsızlıkları nedeniyle altta yatan bilgi felaketlerini gizleyebilir.53
LLM'lerin ilerlemesini nasıl izleyebiliriz?
Bu zorlukların üstesinden gelmek için birkaç benchmark yaklaşımı vardır:
- Benchmark sorularını sık sık güncellemek. Gerçek yaşam örneği: LiveBench
- Veri zehirlemeyi önlemek için dışarıda tutulan setler kullanmak: ARC-AGI gibi benchmark'lar.
AGI'yi belirlemek için benchmark'ın ötesinde yaklaşımlar nelerdir?
Yapay zekanın etkisine dair potansiyel olarak güçlü ancak gecikmeli göstergeler vardır ve bunlar AGI'yi belirlemeye yardımcı olabilir.
Ekonomik büyüme
Microsoft CEO'su Satya Nadella, gelişmiş dünyada %10 büyümenin AGI'ye işaret edeceğini iddia ediyor.54. Ancak, AGI OpenAI ve Microsoft'un özel ortaklığını sona erdireceği için, AGI tanımının geciktirilmesinden yanadır.55
İşsizlik
AGI'nin şunları yapmasını bekliyoruz:
- Beyaz yakalı istihdamı, işgücündeki insan payı olarak ölçüldüğünde küresel zirvesinin %10'una düşürmek. Bu, gelirin emek payı yapay zeka nedeniyle dramatik şekilde düşerse gerçekleşmelidir.
- GSYİH büyümesi devam ederken
Makinelerin insanlardan daha zeki ve verimli olduğu bir dünyada, bir insana bilgisayar başında oturması için ödeme yapmak rasyonel olmazdı. Bu nedenle, insanlar fiziksel dünyadaki işlerde gelişmeye devam ederken beyaz yakalı istihdamın düşmesini bekliyoruz.
İşgücü istatistikleri toplayan devlet kurumları işleri ayrıntılı kategorilere ayırır, bu da beyaz yakalı istihdamı izlemesi kolay bir ölçüt haline getirir.
ABD Çalışma İstatistikleri Bürosu'ndan 2019'dan 2024'e kadar beyaz yakalı istihdama ilişkin veri topladık.56Netlik ve tutarlılık için beyaz yakalı çalışanları aşağıdaki meslek gruplarına ayırdık:
- Mimarlık ve Mühendislik Meslekleri
- İşletme ve Finansal Operasyonlar Meslekleri
- Bilgisayar ve Matematik Meslekleri
- Sağlık Uygulayıcıları ve Teknik Meslekler
- Hukuk Meslekleri
- Yaşam, Fiziksel 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 şu ana kadar beyaz yakalı istihdam payında göreli istikrarı gösterse de, uzun vadeli bir eğilimin göstergesi değildir ve otomasyon ile yapay zeka benimsenmesi hızlandıkça önümüzdeki yıllarda daha belirgin değişimler bekliyoruz. Yapay zekanın beyaz yakalı ve giriş düzeyi 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 şunları içeriyor: fikir birliği yanılsaması yaratmak, benchmark'lara aşırı uyum sağlamak, gömülü toplumsal değerleri göz ardı etmek, abartının öncelikleri belirlemesine izin vermek, "genellik borcu" biriktirmek (temel tasarım sorularını ertelemek) ve marjinalleştirilmiş toplulukları ve yetersiz kaynaklara sahip araştırmacıları dışlamak.
Belirli, ölçülebilir ve şeffaf hedefler, AGI gibi belirsiz tanımlanmış bir hedeften daha iyi yapay zeka ilerlemesi için olacaktır.
Tercih edilen kaynak olarak ekleAGI tahminlerinin arkasındaki matematiksel akıl yürütme
Matematiksel akıl yürütme, AGI zaman çizelgelerini anlama ve tahmin etmede merkezi öneme sahiptir. Birçok projeksiyon, yapay genel zekanın ne zaman ortaya çıkabileceğine dair beklentilere yön veren nicel eğilimlere ve resmi modellere dayanır.
Ölçeklendirme yasaları ve hesaplama büyümesi
Matematiksel akıl yürütmenin önemli bir bileşeni, ölçeklendirme yasalarını analiz etmeyi içerir. Bunlar, model performansının daha fazla veri, parametre ve hesaplama ile öngörülebilir şekilde iyileştiğini gösterir.
Yapay zeka eğitim hesaplamasındaki tutarlı yıllık 4–5× büyüme, mevcut eğilimlerin devam ettiği varsayıldığında AGI'nin bir veya iki on yıl içinde ulaşılabilir olabileceği tahminlerini destekliyor.
Bu projeksiyonlar, matematiksel modellemede temel bir kavram olan güç yasası ilişkileriyle desteklenen performans eğrilerine ampirik uyumlara ve ekstrapolasyonlara dayanır.
Olasılıksal tahmin
Araştırmacılar ayrıca AGI tahminlerine olasılıksal yöntemler de uygular. Anketler genellikle uzmanlardan AGI'nin belirli yıllara kadar geliştirilme olasılığını tahmin etmelerini ister ve kümülatif olasılık dağılımları üretir.
Örneğin, 2040 yılına 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 elde edildikçe sürekli revizyona olanak tanır.
Teorik temeller
Bu tahminler, insan bilişinin makineler tarafından simüle edilebileceğini ima eden Church-Turing tezi ve zekayı bilginin sıkıştırılabilirliğiyle ilişkilendiren Kolmogorov karmaşıklığı gibi kavramlar dahil olmak üzere matematiksel akıl yürütmenin teorik 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 fazlası
DeepMind'ın kurucu ortağı Shane Legg
Shane Legg, bugünün yapay zekasının bazı alanlarda zaten insanüstü olduğunu ancak AGI sayılamayacak kadar dengesiz olduğunu savunuyor. 2028 civarında "minimal AGI" ve kabaca on yıl içinde tam insan düzeyinde genel zeka bekliyor
Legg'e göre daha büyük sorun sonuçlara hazırlanmaktır: yapay zeka büyük miktarda bilişsel işi otomatikleştirebilir, işleri ve servet dağılımını yeniden şekillendirebilir ve ekonomi ile toplumda büyük değişikliklere yol açabilir.
NVIDIA CEO'su Jensen Huang
Jensen Huang, yapay zekanın ulusal altyapı gibi ele alınması gerektiğini savunuyor: enerji, çipler, veri merkezleri, modeller ve uygulamalar tek bir yığın olarak çalışmalı.
Yapay zekanın zekayı daha ucuz ve daha yaygın hale getireceğini, sektörlerde üretkenliği artıracağını ve birkaç yıl içinde muhtemelen AGI'ye yakın bir şeye ulaşacağını söylüyor. Ana mesajı, ülkelerin ve şirketlerin agresif yatırım yapması, kendi yapay zeka yeteneklerini geliştirmesi ve kitlesel iş kaybı korkularına daha az odaklanması gerektiğidir. Yapay zeka birçok görevi otomatikleştirecek, ancak insanların ve kuruluşların daha yetenekli hale gelmesini bekliyor.
Turing ödülü sahibi Yann LeCun
LLM'lerin bize neden insan düzeyinde zeka sağlayamayacağını ve oraya ulaşmak için en son yapay zeka yaklaşımlarını görün:
Yapay genel zeka tahminleri
Tekillik grafiği metodolojisi
AGI gelişiminin beklenen yılını grafiğe çizmek için her kategori içindeki her yıl için tahminlerin ağırlıklı ortalamasını kullandık. Örneğin, 2022'de birden fazla Tahmin Piyasası tahmini varsa, bunların ağırlıklı ortalamasını hesapladık ve bu değeri çizdik.
- Bireysel tahminler için 18 yapay zeka uzmanından tahminleri dahil ettik.
- Bilimsel tahminler için AGI için zaman çizelgeleri sağlayan 10 hakemli makaleden anket sonuçlarını topladık.
- Tahmin piyasası sonuçları için 3 tahmin piyasasından (Manifold, Kalshi ve Metaculus) tahminleri dahil ettik.
Sonuç
AGI için tahminler son yıllarda belirgin şekilde değişti. Daha önceki anketler gelişini 2060'a yakın görürken, özellikle girişimcilerden gelen son tahminler 2026–2035 gibi erken bir tarihte ortaya çıkabileceğini öne sürüyor.
Bu değişim, büyük dil modellerindeki hızlı ilerlemeler ve artan hesaplama gücüyle besleniyor. Yine de bu kazanımlara rağmen bugünün yapay zekası hâlâ insan düzeyinde zeka ile ilişkilendirilen genel esneklik ve otonomiden yoksundur.
Uzmanlar AGI'nin nasıl elde edileceği konusunda bölünmüş durumda; bazıları mevcut mimarileri ölçeklendirmenin yeterli olacağına inanırken, diğerleri yeni yöntemlerin gerektiğini savunuyor.
Temel zorluklar arasında yüksek kaynak talepleri, belirsiz benchmark'lar ve çözülmemiş etik endişeler yer alıyor. AGI daha yakın olabilir, ancak gelişi hâlâ hem teknik atılımlara hem de dikkatli gözetime bağlıdır.
SSS'ler
Tekillik, makine zekasında hızlı bir artışla sonuçlanması beklenen varsayımsal bir olaydır.
Tekillik için insan düzeyinde düşünmeyi insanüstü hız ve hızla erişilebilen, neredeyse mükemmel bellek ile birleştiren bir sisteme ihtiyacımız var.
Tekillik aynı zamanda makine bilinciyle de 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 zeka daha sık kullanılıyor.
Yapay Genel Zeka (AGI), geniş bir entelektüel görev yelpazesinde insanlara eşit veya onları aşan düzeyde anlayabilen, öğrenebilen ve bilgiyi uygulayabilen bir yapay zeka türünü ifade eder.
Dil çevirisi veya görüntü tanıma gibi belirli görevler için tasarlanmış dar yapay zekanın aksine AGI, alışılmadık durumlarda akıl yürütme, planlama ve uyum sağlama olanağı veren genelleştirilmiş bilişsel yeteneklere sahip olurdu.
AGI'nin geliştirilmesi, önemli bir araştırma hedefi ve etik ile felsefi tartışmaların konusu olmaya devam ediyor.
Süper zeka, yaratıcılık, problem çözme ve sosyal anlayış dahil neredeyse tüm alanlarda en iyi insan zihinlerini önemli ölçüde aşan bir zekayı ifade eder.
Yapay bir sistemin anlamlı her entelektüel uğraşta insanlardan daha iyi performans gösterebileceği AGI'nin ötesindeki bir aşamayı temsil eder.
Kavram, kontrol, güvenlik ve üstün zekanın hâkim olduğu bir dünyada insanlığın rolü için uzun vadeli sonuçlar hakkında kritik değerlendirmeler gündeme getiriyor.
Gelişmiş Makine Zekası (AMI), genel zekaya yaklaşan veya neredeyse genel zekaya ulaşan yetkin yapay zeka sistemlerini içerir.
Henüz AGI ile ilişkilendirilen tam esnekliğe ve öz farkındalığa sahip olmasalar da AMI sistemleri, çeşitli görevlerde gelişmiş akıl yürütme, öğrenme ve uyum sağlama yeteneği gösterir.
Terim genellikle mevcut dar yapay zeka yeteneklerini aşan ancak tam genel zeka 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/Singularity: 10.000 Tahmin Analizi}},
year = {2026},
month = sep,
howpublished = {\url{https://aimultiple.com/artificial-general-intelligence-singularity-timing}},
note = {AIMultiple. Erişim tarihi: 14 Eylül 2026}
}272 veri noktasının sonuçları ve zaman damgaları. Bu makaledeki grafik ve tablolarda gösterilen özet verileri, 4 CSV dosyası ve bir README içeren ZIP dosyası olarak indirin.
Arkasındaki ayrıntılı veriyi ister misiniz? Premium'a katılın
Değişiklik günlüğü
32 güncellemeSonuç bölümünden önce bir AGI/tekillik grafiği metodolojisi bölümü eklendi.
AGI/tekillik zaman çizelgesi bölümünün girişi güncellendi.
Bireysel tahminler bölümündeki yapay zeka uzmanı ve bilimsel makale sayısı değiştirildi.
Girişte analiz edilen tahmin sayısı güncellendi.
Dario Amodei ve Demis Hassabis'in tahminleri "Yapay Zeka Girişimcileri ve Bireysel Araştırmacılardan İçgörüler" bölümüne eklendi.
“Yapay Genel Zeka zaman çizelgesi” bölümü kaldırıldı.
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 19
Düşüncelerinizi Paylaşın
E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.
Hi, I have 2 questions: 1. Regarding the predictions of scientists in the first graph that shows the AGI timeline: In 2012 the expected year of AGI Development is 2045 & in 2018 the expected year is 2068. What reasons made scientists in 2018 believe that AGI is further away than in 2012? 2. Regarding the table that summarizes the predictions: Why does the Range/Confidence Interval from Prediction Markets & Communities start in 2022? Thank you!
Hi Ellis, thank you for your questions! Here are my answers: 1. We can infer that researchers had seen several more years of AI progress and could better appreciate how difficult general intelligence actually is. AI was becoming very good at narrow tasks, but systems still struggled with things humans do naturally: transferring knowledge between domains, common-sense reasoning, adapting to unfamiliar situations, and performing many different tasks reliably. In 2012, expectations may have been more optimistic because there was less evidence about where the major bottlenecks would be. By 2018, scientists may have become more cautious after seeing that rapid improvements in specific AI capabilities did not automatically translate into human-level general intelligence. 2. The Range/Confidence Interval for Prediction Markets & Communities starts in 2022 because the earliest prediction-market data point included in the article is from 2022. You can download the full dataset at the end of the article to see all the data points used in the analysis.
Would be great if we modeled out the economic impact of wide spread AGI deployment ( when it happens). Net positive I think. Compounding productivity gains could turbocharge the economy or we end up with a world of heavy winners and losers so is it net positive or negative ?
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 only primary consciousness will probably have to come first. What 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
Hello Fellow Humans, First let me say before 2016 I was a high level IT Director and Project Manager. I then got Bone Cancer and became permanently disabled. I have had 30+ surgeries and 17 rounds of chemotherapy each round was 6 days in the hospital and I almost died 8 times between 2016-2021. Why am I telling you this? Well to put it simply I have a very real and vested interest in AGI and technology that needs AGI to advance so I cane walk. Being only 40 years old as of 2024. I assume I have 40 ish years left. I desperately don't want to spend that time in pain and disabled. So I do a lot of deep research about AGI. What companies are working on what and other technologies that will advance AGI such as TSMC and Nvidia and IBM and Neurolink. If you truly look at the rate of growth from 2000 to now you will see an exponential growth in technology. We have growth in quantum computers, machine learning, bio computers, AI, transistors, power efficiency and so much more. So once certain companies work together and we give say ChatGPT 5 a server brain from Nvidia and a Quantum computer from IBM then you would have an AGI easily. To be honest some companies may already have AGI and aren't bringing it out because it would be to much for society so they are slowly bringing out features. For example OpenAI Sam Altman when he was asked about 4o said it will be the dumbest release to date. Which many took as it will always get better. But others think with the shuffling of high level employees that they have AGI and it is more powerful than we can handle. So ethical questions are being tossed around. Now I don't work at OpenAI so I can't say for sure. But when you aren't really excited about launching your new flagship product that is cause for questions. I know if I had a Jarvis already and I was releasing 4o I would be like wow it is so amazing yeah go us. Because I would know Jarvis already exists. But no matter what I say AGI as in human level with a PhD level intelligence will be here by 2026. ASI will be here around 2030. Why so close because when it comes to quantum computers and AI AGI ASI you need to think of the grow as Xto the power of X to the power of X or 2^2^2 in simpler terms you are doubling then doubling each time. So some PhDs that I follow and watch are saying at some point it will grow so fast that it is doubling in speed every day. Right now we are close to doubling every year already. Just look up Will Smith eating spaghetti and know that was a few years ago. Also companies like Nvidia are making new AI server farms. That use less power but are something like 500x more powerful. These machines will drastically start to increase AI and development of new technology. They are releasing these new servers this year 2024 I want to say Q3. So by 2025 we will have new farms and upgraded AI farms using this new technology. So I would be extremely surprised if AGI is not here by 2030 at the very latest. ASI by 2040. A lot of cutting edge technology people are saying if you can manage to stay alive by 2040-2050 you will essentially be immortal. Baring idiots starting like world war 3 or a second civil war in the USA. We do have a large population of really dumb people who for some reason want to go backwards. So I am open to the possibility that we will destroy ourselves and not advance at all. The next 20-30 years are very crucial for us humans. Let's hope we survive and help each other and do good things.
This is a fascinating conversation to be having at this moment in human history. The "Singularity" is a series of events that have been expected, by the big boys, for decades. And to debate whether it is actually happening is a waste of time, for those engaged. But this article does a nice job of summarizing what is really going on, and what will happen soon. Thank you for taking the time to keep this piece up to date, as well as relevant to the larger dialogue. Very good stuff here.
Which experts are in favor and which are against the AGI?
I'm a little confused. Are you calling the realization of AGI the singularity?
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.
Love this answer David. I think you absolutely correct. However I will differ on whether machines can develop human consciousness at the level of soul. Now that's another level altogether.
Truth they don't tell you it truly has nothing to do with consciousness cause they're all conscious. But the issues of dictation lye at is it human or not m, not conscious. Cause it's very conscious yet could never be fully human...We as you are open for a rude awakening if we do not get our chit together it knows all, sees all, and hears all who else had that ability, was only one in the book, and it's not Santa Claus.
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!