AGI/Tekillik: 9.800 Tahmin Analiz Edildi
Yapay genel zeka (AGI), bir YZ sisteminin tüm görevlerde insan bilişsel yetenekleriyle eşleştiği durumdur. 9.800 YZ araştırmacısı, önde gelen girişimci ve topluluk tahminini AGI zaman çizelgesi hakkında analiz ettik:
AGI/tekillik gerçekleşecek mi? Çoğu YZ uzmanına göre AGI kaçınılmazdır.
AGI'ye ne zaman ulaşacağız? 2020'lerin sonu ile 2030'ların başı arasında. AGI zaman çizelgesi, ChatGPT'nin piyasaya sürülmesinden sonra kısaldı.
Yapay Genel Zeka zaman çizelgesi
Yukarıdaki zaman çizelgesi, 10 anketteki 6.000'den fazla katılımcıdan, 18 YZ araştırmacısının yanıtlarından ve Manifold, Kalshi ve Metaculus tahmin piyasalarından elde edilen topluluk içgörülerinden toplanan verilere dayanarak tekilliğin öngörülen yılını özetlemektedir.
Yukarıda görebileceğiniz gibi, anket katılımcıları giderek tekilliğin daha önce tahmin edilenden daha erken gerçekleşmesini beklemektedir. Bu grafiği oluşturmak için kullandığımız yöntemleri öğrenin.
Tahmin piyasalarından AGI tahminleri
Tahmin piyasaları ve topluluk içgörü tahminleri için şunları kullandık:
Katılımcıların kâr veya itibar için gelecekteki olayların olasılığı ve zamanlaması üzerine işlem yaptığı çevrimiçi tahmin piyasaları olan Manifold, Kalshi ve Metaculus'tan 3.700'den fazla tahmin. Ayrıca bu tahmin piyasalarından elde edilen ortalama tahmin tarihini de dahil ettik.
AGI hakkında diğer temel sorular
AGI konusunda şu anki durumumuz nedir?
Dar YZ belirli görevlerde insanları geçse de, zeki bir makine henüz mevcut değildir. Bazı araştırmacılar, büyük dil modellerinin ortaya çıkan genel yetenekler sergilediğini belirtmektedir.1 AGI kıyaslama ölçütümüze göre, makineler otonom olarak ekonomik değer üretmekten hâlâ çok uzaktır.
AGI'ye nasıl ulaşabiliriz?
Transformer gibi mevcut mimarilerin arkasına daha fazla hesaplama ve veri koyarak ya da tamamen 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 tüm tabloyu görebilirsiniz.
YZ araştırmacılarının başlıca anketlerinin sonuçları
AGI/tekilliğin ne zaman gerçekleşebileceğini tahmin ettikleri, 6.000'den fazla YZ araştırmacısı ve uzmanını içeren 10 anketin sonuçlarını inceledik.
Tahminler değişiklik gösterse de, çoğu anket AGI'ye ulaşma olasılığının 2040 ile 2061 arasında %50 olduğunu belirtmekte, bazıları süper zekanın birkaç on yıl içinde takip edebileceğini tahmin etmektedir.
YZ'de İlerleme Üzerine Uzman Anketi
Ekim 2023'te, AI Impacts 2.778 YZ araştırmacısına AGI'ye ne zaman ulaşılabileceğini sordu. Bu anket, 2022 anketiyle neredeyse aynı soruları içeriyordu. YZ'de İlerleme Üzerine Uzman Anketi'nin sonuçlarına göre, yüksek seviyeli makine zekasının 2040 yılına kadar gerçekleşeceği tahmin edilmektedir.2
YZ'de İlerleme Üzerine Uzman Anketi
Anket, 2021 NIPS ve ICML konferanslarında yayın yapmış 738 uzmanla gerçekleştirilmiştir. YZ'de İlerleme Üzerine Uzman Anketi'nin sonuçlarına göre, uzmanlar yüksek seviyeli makine zekasının 2059 yılına kadar gerçekleşme olasılığının %50 olduğunu tahmin etmektedir.3
Uzmanlar ayrıca donanım maliyeti, algoritmik ilerleme ve eğitim setleri üzerindeki çalışmaların YZ ilerlemesindeki en büyük faktörler olacağını öngörmüştür.
YZ İlerlemesini Tahmin Anketi
Baobao Zhang, 2019'da 296 YZ uzmanına anket yaparak, makinelerin ekonomik olarak ilgili görevlerin %90'ından fazlasını gerçekleştirmede medyan insan çalışanı ne zaman geçeceğini tahmin etmelerini istedi. YZ İlerlemesini Tahmin Anketi'nin sonuçlarına göre, katılımcıların yarısı bunun 2060 yılından önce gerçekleşeceğini tahmin etmiştir.4
AGI Zamanlaması Üzerine YZ Uzmanları Anketi
2019'daki AGI Zamanlaması Üzerine YZ Uzmanları Anketi'nin5 tahminleri şunlardır:
- Katılımcıların %45'i 2060'tan önce bir tarih öngörmektedir.
- Tüm katılımcıların %34'ü 2060'tan sonra bir tarih öngörmüştür.
- Katılımcıların %21'i tekilliğin asla gerçekleşmeyeceğini öngörmüştür.
YZ'nin İş Gücü Yer Değiştirmesi Üzerindeki Potansiyel Etkisi Anketi
Ross Gruetzemacher, 2018'de 165 YZ uzmanına, YZ'nin iş gücü yer değiştirmesi üzerindeki potansiyel etkisini değerlendirmek için anket yaptı. Uzmanlardan, YZ sistemlerinin şu anda insanlara ödeme yapılan görevlerin %99'unu ortalama bir insana eşit veya onu aşan bir seviyede ne zaman gerçekleştirebileceğini tahmin etmeleri istendi.
YZ'nin İş Gücü Yer Değiştirmesi Üzerindeki Potansiyel Etkisi anketinin sonuçlarına göre, katılımcıların yarısı bu kilometre taşına 2068 yılından önce ulaşılacağını öngörürken, %75'i önümüzdeki 100 yıl içinde gerçekleşeceğini tahmin etmiştir.6
NIPS ve ICML konferanslarındaki YZ uzmanları anketi
Mayıs 2017'de, 2015 NIPS ve ICML konferanslarında yayın yapmış 352 YZ uzmanına anket yapılmıştır.7
NIPS ve ICML konferanslarındaki anket sonuçlarına göre, uzmanlar AGI'nin 2060'a kadar gerçekleşmesi için %50 şans olduğunu tahmin etmektedir. Bununla birlikte, coğrafyaya dayalı önemli bir görüş farkı vardır:
- Asyalı katılımcılar AGI'yi 30 yıl içinde beklerken,
- Kuzey Amerikalılar 74 yıl içinde beklemektedir.
2030 yılına kadar otomatikleştirilmesi beklenen bazı önemli iş fonksiyonları arasında çağrı merkezi temsilcileri, kamyon şoförlüğü ve perakende satış yer almaktadır.
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 gerçekleştirmiştir. 550 katılımcı şu soruyu yanıtlamıştır: AGI'nin gerçekleşmesi ne zaman muhtemeldir?8
Yapay Zekada Gelecekteki İlerleme anketinin sonuçlarına göre:
- Ankete katılan YZ uzmanları, AGI'nin muhtemelen (%50'nin üzerinde şans) 2040 ile 2050 arasında ortaya çıkacağını ve 2075 yılına kadar ortaya çıkma olasılığının yüksek (%90 şans) olduğunu tahmin etmektedir.
- AGI'ye ulaşıldığında, çoğu uzman bunun süper zekaya nispeten hızlı bir şekilde ilerleyeceğini, zaman aralığının 2 yıl kadar kısa (olası değil, %10 olasılık) ile yaklaşık 30 yıl (yüksek olasılık, %75) arasında değiştiğini belirtmektedir.
AGI-09 konferansına katılan YZ uzmanlarıyla anket
2009'daki AGI-09 konferansına katılan 21 YZ uzmanıyla yapılan anket sonuçlarına göre, AGI 2050 civarında ve makul olarak daha erken gerçekleşecektir.9 Belirli YZ başarılarına ilişkin tahminlerini aşağıda görebilirsiniz: Turing testini geçmek, üçüncü sınıfı geçmek, Nobel değerinde bilimsel atılımlar gerçekleştirmek ve insanüstü zekaya ulaşmak.
Şekil 1: Yapay Genel Zeka 2009 (AGI-09) konferansının katılımcılarına dağıtılan anketin sonuçları.
Topluluk içgörüleri
Ayrıca Samotsvety Forecasting ve Metaculus Topluluğu'nun AGI tahminlerini ve Manifold, Kalshi ve Polymarket'ten 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. Büyük tahmin platformlarında ve turnuvalarında (ör. INFER/CSET-Foretell) doğruluklarının Brier skoru gibi resmi puanlama metrikleriyle ölçüldüğü güçlü bir rekabetçi geçmişe sahiptirler.10
Ocak 2026'da ekip, 8 tahminciyle AGI tahminlerini güncelledi.11 İşte toplu sonuçlar:
- 2026'da AGI'ye ulaşma olasılığı %10
- 2041'e kadar AGI'ye ulaşma olasılığı %50
- 2164'e kadar AGI'ye ulaşma olasılığı %90
2022'deki daha önceki bir tahminde ekip, 20 yıl içinde (~2042'ye kadar) AGI olasılığını %32 ve 2100'e kadar %73 olarak tahmin etmişti; her ikisi de mevcut projeksiyonlarından daha düşüktü.12
Manifold Piyasası
Nisan 2026 itibarıyla, 1.100'den fazla Manifold piyasası katılımcısı, bir YZ'nin "yüksek kaliteli, çekişmeli bir Turing testini" ilk kez geçeceği yılı 2033 olarak tahmin etti.13
Kalshi Tahmin Piyasası
Nisan 2026 itibarıyla, Kalshi tahmin piyasasına katkıda bulunanlar, OpenAI'nin 2030'a kadar AGI'ye ulaşma olasılığının %55 olduğunu belirtmektedir.14
Polymarket
Nisan 2026'daki Polymarket tahminlerinin sonuçları, OpenAI'nin 2027 yılına kadar AGI'ye ulaşma olasılığının %14 olduğunu göstermiştir.15
Metaculus Topluluk Tahminleri
Nisan 2026 itibarıyla:
- 1.700 katılımcı "İlk zayıf genel YZ sistemi ne zaman tasarlanacak, test edilecek ve kamuya duyurulacak?" sorusunu yanıtladı ve tahmin 20 Nisan 2028'dir.16
- 180 katılımcı "Bir YZ uzun, bilgilendirilmiş, çekişmeli bir Turing testini ilk kez ne zaman geçecek?" sorusunu yanıtladı ve tahminleri 25 Ağustos 2029'dur.17
- 1.800 katılımcı "İlk genel YZ sistemi ne zaman tasarlanacak, test edilecek ve kamuya duyurulacak?" sorusunu yanıtladı ve tahminleri Ekim 2032'dir.18
2022'de 81 katılımcı "En iyi tahminciler ilk Yapay Genel Zekanın ne zaman geliştirilip gösterilmesini bekliyor?" sorusunu yanıtladı ve tahminleri 2035 idi.19
YZ girişimcilerinden ve bireysel araştırmacılardan içgörüler
YZ girişimcileri de tekilliğe ne zaman ulaşacağımıza dair tahminler yapmakta ve araştırmacılardan daha iyimserdirler. Bu beklenen bir durumdur çünkü YZ'ye artan ilgiden fayda sağlamaktadırlar.
Görüşleri hızı ve geliştirme yolu konusunda farklılık göstermektedir. Anthropic'ten Amodei, hızlı kendi kendini güçlendiren ilerleme nedeniyle AGI'nin yakın vadede geleceğini beklerken, DeepMind'dan Hassabis bunu makul görmekte ancak bilimsel yaratıcılık ve otonom kendini geliştirme konusundaki çözülmemiş zorlukları gerekçe göstererek temkinli kalmaktadır.
İşte en önde gelen 15 YZ girişimcisi ve araştırmacısının tahminleri:
- DeepMind Technologies'in kurucu ortağı Shane Legg, minimal AGI'yi, bir insana aynı görev verildiğinde bizi şaşırtacak şekillerde başarısız olmadan, ortalama bir insanın yapabileceği tüm bilişsel görevleri güvenilir bir şekilde yerine getirebilen yapay bir ajan olarak tanımlamaktadır. Ocak 2026'daki tahmini, Minimal AGI'nin 2028 yılına kadar gerçekleşme olasılığının %50 olduğu yönündedir.
- Legg'e göre, minimal AGI'ye ulaşmak, büyük bilimsel atılımlar veya sanatsal başarılar gibi en yüksek insan zekası biçimlerini tam olarak anladığımız veya yeniden üretebileceğimiz anlamına gelmez. Tam AGI, YZ insan bilişinin tüm yelpazesiyle eşleşebildiğinde elde edilmiş olacaktır.20
- Anthropic CEO'su Dario Amodei, 2026 Davos Dünya Ekonomik Forumu'nda AGI seviyesindeki sistemlerin yakın vadede yaklaştığına dair güçlü bir güven ifade etti. AGI'nin muhtemelen birkaç yıl içinde (2027) gerçekleşeceğini, muhtemelen yaygın olarak beklenenden daha erken olacağını belirtti.
- Kodlama ve YZ araştırma otomasyonundaki hızlı ilerlemelerin merkezi olduğunu, YZ 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 kısıtlamaları 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 görünüm sergileyerek, on yılın sonuna kadar (2030) AGI'ye ulaşma şansının yaklaşık %50 olduğu tahminini yineledi.
- Hassabis, kodlama ve matematik gibi doğrulanabilir alanlarda ilerlemenin hızlı olduğunu kabul etmekte, ancak bilimsel keşif ve yaratıcı akıl yürütmenin daha zor olmaya devam ettiğini vurgulamaktadır.
- Yeni sorular ve teoriler üretmedeki çözülmemiş sınırlamalara dikkat çekmekte ve özellikle karmaşık, gerçek dünya alanlarında tamamen otonom kendini geliştirme konusunda belirsizlik ifade etmekte, bunun AGI zaman çizelgelerini daha az kesin hale getirdiğine inanmaktadır.
- YZ'nin akıl yürütme, programlama ve matematikteki ilerlemesini birleştiren, Google'ın eski CEO'su Eric Schmidt, 3–5 yıl içinde Yapay Genel Zekaya doğru ilerlediğimizi belirtmektedir (Nisan 2025'te belirttiği gibi).22
- Elon Musk, en zeki insandan daha zeki bir yapay zekanın 2026 yılına kadar geliştirilmesini beklemektedir.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 YZ'nin herhangi bir testte insan performansıyla eşleşeceğini veya onu aşacağını öngördü: 2029.24
- Bilgisayar bilimcisi, girişimci ve yazar Louis Rosenberg, 2030 yılına kadar.
- Bilgisayar bilimcisi, girişimci ve The Singularity Is Near dahil 5 ulusal çok satan kitabın yazarı Ray Kurzweil: Daha önce 2045, 2024'te 2032.25
- 2023'te Hinton, AGI'nin 5-20 yıl sürebileceğini belirtti.26
- OpenAI CEO'su Sam Altman, 2035 yılına kadar. 2024'teki "The Intelligence Age" blogunda "birkaç bin gün"den bahsetti.
- YZ araştırmacısı Ajeya Cotra, eğitim hesaplamasının büyümesini analiz etti ve insan benzeri yeteneklere sahip YZ'nin 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'tan bahsetmiş, bunun gerçekleşecek bir tarih olmasına rağmen tahmin etmenin zor olduğunu vurgulamıştır.
- YZ şirketi NNAISENSE'in kurucu ortağı ve İsviçre YZ laboratuvarı IDSIA'nın direktörü Jürgen Schmidhuber, 2050 yılına kadar.28
AGI hakkında diğer yorumlar ve gelişmeler
AAAI Başkanlık Paneli: YZ Araştırmasının Geleceği
Ağırlıklı olarak akademiden (%67) ve Kuzey Amerika'dan (%53) 475 katılımcıya YZ'deki ilerleme hakkında sorular soruldu. AAAI 2025 YZ Araştırmasının Geleceği Başkanlık Paneli anketi AGI için bir zaman çizelgesi sormasa da, katılımcıların %76'sı mevcut YZ yaklaşımlarını ölçeklendirmenin AGI'ye yol açma olasılığının düşük olduğunu paylaştı.29
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'nin dil ve görüntü modellerine olan önceki odağından bir kaymayı işaret etmektedir. Şirket şimdi gelişmiş akıl yürütmeyi fiziksel etkileşimle birleştirmeyi hedeflemekte, bu da robotiği AGI'yi test etme ve elde etme yolunda önemli bir adım olarak gördüğünü göstermektedir.
Bağlam ve etkiler
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 yeteneğine sahip robotlar inşa etmek için yenilenen bir çabaya işaret ediyor.
Büyük ölçekli YZ modellerini duyusal verilerle birleştirerek, OpenAI dijital ortamların dışında akıl yürütebilen ve çalışabilen sistemler yaratmayı amaçlıyor. İnsansı robotik uzmanlarının işe alınması da otomasyonun ötesine geçen ve insanlarla birlikte güvenle çalışabilen robotlara yönelik uzun vadeli hedefleri göstermektedir.30
Microsoft'un GPT-4 ile erken deneyler hakkındaki raporu
Microsoft Research, 2023'te OpenAI'nin GPT-4'ünün erken bir sürümünü inceledi. Rapor, modelin önceki YZ modellerinden daha fazla genel zeka gösterdiğini, matematik, kodlama ve hukuk gibi alanlarda insan seviyesinde performans sergilediğini iddia etti. Bu, GPT-4'ün yapay genel zekanın bir ön formu olup olmadığı konusunda tartışma başlattı. 31
MIT tarafından 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 seviyesinde akıl yürütme, metin, ses ve fiziksel arayüzler arasında çok modlu yetenekler ve sınırlı hedef odaklı otonomi göstereceğini öngörmektedir.
Rapor, toplu tahminleri birleştirir ve bilgi transferi ve geniş akıl yürütme gibi birkaç genelleştirilmiş kilometre taşının 2028 yılına kadar elde edilme olasılığının %50 olduğunu öne sürmektedir.
Daha uzun vadeli projeksiyonlar, hesaplama verimliliği, algoritmik atılımlar ve otonom öğrenmedeki ilerlemelere bağlı olarak, makinelerin ekonomik olarak değerli tüm görevlerde insan performansını 2047 civarında aşabileceğini tahmin etmektedir.32
AI Frontiers'ın AGI olasılıkları hakkında
YZ tartışmaları ve diyalogları için bir platform olan AI Frontiers'tan Adam Khoja ve Laura Hiscott, nicel AGI tanımlarını kullanarak 2028 yılına kadar AGI'ye ulaşma olasılığını %50 ve 2030 yılına kadar %80 olasılık tahmin etmektedir.33
Khoja ve Hiscott, yapay genel zekaya doğru ilerlemeyi, Khoja, Dan Hendrycks ve ortak yazarları tarafından geliştirilen bir tanım kullanarak değerlendirmektedir.34 Çerçeveleri on bilişsel yeteneği ölçer ve GPT-4'e %27 ve GPT-5'e %57 puan verir. Bu, mevcut modellerin tanımlanmış AGI eşiğinin yaklaşık yarısında olduğunu gösterir.
Khoja ve Hiscott, AGI zaman çizelgeleri hakkındaki geleneksel tartışmaların tutarsız tanımlara dayandıkları için kesinlikten yoksun olduğunu savunmaktadır. Standartlaştırılmış çerçeveleri, mevcut modellerdeki belirli güçlü ve zayıf yönleri belirleyerek netlik yaratmayı amaçlamaktadır. Okuma, yazma, matematik ve genel kültürün insan temel çizgilerini karşıladığını veya aştığını ve artık sınırlayıcı faktörler olmadığını belirtmektedirler.
Yazarlar, görsel akıl yürütme, sezgisel fizik, işitsel işleme, algıya bağlı hız ve görsel ve işitsel çalışma belleğinde kalan boşlukları vurgulamaktadır. SPACE ve MindCube gibi kıyaslamalarda hızlı iyileşme olduğunu bildirmekte ve bu boşlukların muhtemelen sürekli artan araştırmalarla ele alınabileceğini öne sürmektedirler. Ayrıca halüsinasyonların bir endişe olmaya devam ettiğini ancak önde gelen modeller arasındaki performans farklılıkları göz önüne alındığında ele alınabilir olduğunu gözlemlemektedirler.
Khoja, Hiscott ve Hendrycks'e göre, kalan en önemli engel sürekli öğrenme ve uzun süreli bellek depolamadır. Mevcut sistemler oturumlar arasında bilgi tutamamakta ve bu sınırlamanın çözülmesi en az bir anlamlı atılım gerektirecektir. Ancak yazarlar, büyük YZ laboratuvarlarının artık bu alana öncelik verdiğini vurgulamaktadır.
YZ tahminlerindeki geçmiş aşırı iyimserlikten ders almak
YZ araştırmacılarının daha önce aşırı iyimser olduğunu unutmayın. Örnekler şunları içerir:
- Geoff Hinton, 2016'da 2021 veya 2026'ya kadar radyologlara ihtiyacımız olmayacağını iddia etti. Şimdiye kadar radyoloji tamamen otomatikleştirilmedi ve hastanelerin binlercesine ihtiyacı var.35
- YZ öncüsü Herbert A. Simon 1965'te: "makineler yirmi yıl içinde bir insanın yapabileceği her işi yapabilecek kapasitede olacak."36
- Japonya'nın Beşinci Nesil Bilgisayarı 1980'de "gündelik sohbetler yapmak" gibi hedeflerle on yıllık bir zaman çizelgesine sahipti.37
Bu tarihsel deneyim, mevcut bilim insanlarının çoğunun AGI'yi 10-20 yıl gibi cesur zaman dilimlerinde tahmin etmekten kaçınmasına katkıda bulundu, ancak bu üretken YZ'nin yükselişiyle değişti.
Tekilliğin ne olduğunu anlayın
Yapay zeka bizi hem korkutur hem de meraklandırır. Neredeyse her hafta, haberlerde yeni bir YZ korkusu vardır; geliştiricilerin yarattıkları şeyden korkması veya çok zeki hale geldikleri için botları kapatması gibi.38
Bu mitlerin çoğu, YZ ve GenAI alanlarının dışındakiler tarafından yanlış yorumlanan araştırmalardan kaynaklanmaktadır. Bazı paydaşlar, daha fazla düzenlemeden kâr edebilecekleri veya onlara daha fazla dikkat çekebileceği için YZ'den korktuklarını iddia etmektedir.
YZ hakkındaki en büyük korku, makine zekasında hızlı bir artış getirmesi beklenen bir olay olan tekilliktir (ayrıca Yapay Genel Zeka veya AGI olarak da adlandırılır). Bu, bir sistem insan seviyesinde 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 iyicilliğini sağlamak için mekanizmalar (yani Asimov'un Robotik Yasaları) tasarlıyorlardı; bu bugün daha yaygın olarak uyum araştırması olarak adlandırılmaktadır.
Uzmanlar neden AGI'nin kaçınılmaz olduğuna inanıyor: Temel argümanlar ve kanıtlar
AGI'ye ulaşmak çılgın bir tahmin gibi geliyor, ancak insan zekasının sabit ve makine zekasının büyüdüğünü düşündüğünüzde oldukça makul bir hedef gibi görünüyor. Zekalarında bir tür sert sınır olmadıkça makinelerin bizi geçmesi an meselesidir. Henüz böyle bir sınırla karşılaşmadık.
İnsan zekası, bilişsel yeteneklerimizi bir şekilde makinelerle birleştirmediğimiz sürece sabittir. Elon Musk'ın nöral dantel girişimi bunu yapmayı hedefliyor, ancak beyin-bilgisayar arayüzleri üzerine araştırmalar erken aşamalardadır.39
Makine zekası algoritmalara, işlem gücüne ve veriye bağlıdır.
- İşlem gücü, Ar-Ge ve veri merkezlerine yatırım aktıkça üstel bir hızla büyümektedir.
- Şimdiye kadar, makinelere işlem güçlerini ve belleklerini etkili bir şekilde kullanmaları için gerekli algoritmaları sağlamada iyiydik.
- Son olarak, işletmeler ve bireyler artan bir hızla dijital veri oluşturmaktadır. Sentetik veri modelleri bozabilir veya modelleri güçlendirebilir. Onları bozsa bile, bu veri kürasyonu sayesinde çözülebilir bir sorundur.
Son başarılar
Opus 4.6
Şubat 2026'da, Claude, 1M bağlam penceresi ve etkileyici kıyaslama sonuçlarıyla Opus 4.6'yı piyasaya sürdü.
Anthropic ayrıca, modellerin belirli alanlarda gezinmesine yardımcı olan markdown dosyaları olan Claude hukuk gibi eklentiler yayınlayarak kullanım durumlarına odaklanmaktadır. Bu, Claude'a küçük bir ekleme olmasına rağmen, SaaS ve hukuk yazılımı da dahil olmak üzere borsa satışını tetikledi.40
Gemini Derin Düşünme
Bir başka örnek, DeepMind'ın Gemini derin düşünme modudur; bu mod, 2025 Uluslararası Matematik Olimpiyatı'nda altın madalya performansı elde ederek YZ'nin karmaşık problemler üzerinde akıl yürütme yeteneğinde önemli bir adım atmıştır.
Tamamen doğal dilde çalışan Gemini, resmi sembolik araçlara dayanmadan açık, insan tarafından okunabilir kanıtlar üreterek resmi 4,5 saatlik yarışma penceresi içinde altı problemin beşini çözdü.
Yetenekleri birkaç yenilikten kaynaklanmaktadır: Derin Düşünme modu, çözüm yollarının paralel keşfini sağlar, eğitim uzman seviyesinde matematiksel kanıtları içerir ve pekiştirmeli öğrenme stratejik yaklaşımını rafine eder.
Bu ilerleme, gelişmiş YZ'nin artık bir zamanlar en iyi insan problem çözücülere ayrılmış bir seviyede sofistike, yorumlanabilir akıl yürütme yapabileceğini göstermektedir.41
Opencrawl
Opencrawl, LLM'leri ajanlara dönüştürmek için açık kaynaklı bir projedir. GitHub'daki en popüler projelerden biri haline geldi ve opencrawl ekosistemini başlattı.
Üstel büyüme
Aşağıdaki, üstel büyümeyi anlamak için faydalı bir benzetmedir. Makineler şu anda çok zeki görünmeyebilir, ancak yakın gelecekte oldukça akıllı hale gelebilirler.
YZ hesaplama yeteneklerindeki son büyüme
Şekil 2: Şekil, çeşitli kategorilerde gözlemlenen hesaplama büyüme modellerinin bir özetini göstermektedir: genel kayda değer modeller (sol üst), sınır modelleri (sağ üst), önde gelen dil modelleri (sol alt) ve önde gelen şirketlerin en iyi modelleri (sağ alt).
YZ modellerini eğitmek için hesaplama kaynakları önemli ölçüde arttı ve dil modeli performansının yaklaşık üçte ikisi model ölçeği iyileştirmelerine atfedilmektedir.
2024 tarihli bir makaleye göre,42 YZ modellerinin eğitiminde hesaplama kullanımındaki büyüme, kayda değer modeller, sınır modelleri ve OpenAI, Google DeepMind ve Meta AI gibi önde gelen şirketlerdeki eğilimleri yansıtarak yılda yaklaşık 4-5x oranında tutarlı bir şekilde artmıştır (Bkz. Şekil 2).
Ancak, özellikle sınır modelleri için büyüme hızı 2018'den bu yana bir miktar yavaşlamıştır, ancak dil modelleri 2020 ortasına kadar yılda 9x'e varan daha hızlı bir büyüme yaşamış, sonrasında hız yılda 4-5x'e yavaşlamıştır.
YZ hesaplama büyümesi için genel eğilim güçlü kalmaya devam etmektedir ve projeksiyonlar, yeni zorluklar veya atılımlar olmadığı sürece yılda 4-5x'lik büyüme oranının devam edeceğini öne sürmektedir. Bu büyüme, aralarında hafif farklılıklar olsa da, önde gelen YZ şirketlerinin ölçeklendirme stratejilerinde de görülmektedir.
Sınır modeli büyümesindeki yavaşlamaya rağmen, bugün piyasaya sürülen GPT-4 ve Gemini Ultra gibi daha büyük modeller, öngörülen büyüme yörüngesiyle yakından uyumludur.
Klasik hesaplama yavaşlarsa, kuantum hesaplama boşluğu doldurabilir
Klasik hesaplama bizi oldukça ileri götürdü. Klasik bilgisayarlardaki YZ algoritmaları, satranç veya Go oynamak gibi belirli görevlerde insan performansını aşabilir. Örneğin, AlphaGo Zero, AlphaGo'yu 100-0 yendi. AlphaGo dünyanın en iyi oyuncularını yenmişti.43 Ancak, 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 ereceğine inanmaktadır.44 Bununla birlikte, hesaplamanın verimliliğini artırmaya devam etme çabaları vardır.
Örneğin, DeepSeek, R1 modeliyle OpenAI gibi rakiplerinin maliyetinin çok altında bir akıl yürütme modeli sunarak küresel piyasaları şaşırttı.
Hâlâ gelişmekte olan bir teknoloji olan Kuantum Hesaplama, Moore yasası sona erdikten sonra hesaplama maliyetlerini düşürmeye katkıda bulunabilir. Kuantum Hesaplama, aynı anda farklı durumların değerlendirilmesine dayanırken, klasik bilgisayarlar bir seferde bir durumu hesaplayabilir.
Kuantum hesaplamanın benzersiz doğası, şu anda ticari uygulamalarda en popüler YZ mimarisi olan sinir ağlarını verimli bir şekilde eğitmek için kullanılabilir. Kararlı kuantum bilgisayarlarda çalışan YZ algoritmaları, tekilliğin kilidini açma şansına sahiptir.
Neden bazı uzmanlar AGI'ye ulaşamayacağımıza inanıyor?
AGI'nin önemine veya varlığına karşı 3 büyük argüman vardır. Bunları yaygın karşı argümanlarıyla birlikte inceledik:
1- Zeka çok boyutludur
Bu nedenle, AGI farklı olacak, insan zekasından mutlaka üstün olmayacaktır.
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 "ileri makine zekası" elde etmeye odaklanmamız gerektiğine inanmaktadır.45 İnsan zihninin özelleşmiş olduğunu ve zekanın bir beceri koleksiyonu ve yeni beceriler öğrenme yeteneği olduğunu savunmaktadır. Her insan, insan zekası görevlerinin bir alt kümesini başarabilir.46
İnsan zihninin uzmanlaşma seviyesini insanlar olarak anlamak da zordur, çünkü tüm zeka yelpazesini bilmiyoruz ve deneyimleyemiyoruz.
Makinelerin insanüstü zeka sergilediği alanlarda, insanlar makineye özgü zayıflıklardan yararlanarak onları yenebildiler. Örneğin, bir amatör, dünya şampiyonlarını yenen Go programlarıyla aynı seviyedeki bir Go programını, programın zayıflıklarını inceleyerek ve bunlardan yararlanarak yenebildi.47
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 yürütmesi 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 problemleri çözdükçe kuantum fiziği gibi daha zor problemlerle karşılaşırız.
Son olarak, bazı alanlarda, o alanın doğal rastgeleliği veya ölçülemezliği nedeniyle mükemmel tahminler mümkün olmayabilir. Örneğin, veri zenginliğine rağmen, belirli yaşam sonuçlarını yüksek bir doğruluk seviyesinde tahmin edemiyoruz.48
Ekonomi
Zeka, ekonomik değer üretimi için gerekli bileşen değildir.
- İnsan zekasının en yaygın kabul gören ölçüsü olan IQ, ~40 bin doların üzerindeki değerler için net servetle ilişkili değildir (Aşağıdaki resme bakın):
Şekil 3: IQ, düşük servet seviyelerinde servetle ilişkilidir.49
Şekil 4: Yüksek servet seviyelerine odaklanırsak IQ servetle ilişkili değildir. Bu grafik yukarıdakiyle aynıdır, ancak 40 bin doların altındaki net gelir seviyeleri gizlenmiştir.
- Yatırım dünyasında, bir şirketin ekibinin zekası rekabet gücünün bir faktörü olarak kabul edilmez. Diğer şirketlerin de zeki stratejiler belirleyebileceği örtük olarak varsayılır. Yatırımcılar, fikri mülkiyet, ölçek, kaynaklara özel erişim vb. içeren haksız avantajlara sahip işletmeleri tercih eder. Bu haksız avantajların çoğu yalnızca zeka ile kopyalanamaz.
3- AGI mümkün değildir çünkü insan beynini modellemek 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 makine ile 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 bilimcisi, insan beynini modellemenin sonsuz zaman ve bellekten daha azını alacağına inanmaktadır. Bununla birlikte, bu inancı kanıtlamanın matematiksel olarak sağlam bir yolu yoktur, çünkü beyni hesaplama gücünü kesin olarak karakterize edecek kadar iyi anlamıyoruz. Böyle bir makine inşa etmemiz gerekecek!
AGI'ye nasıl ulaşabiliriz?
Şekil 5: Sınır YZ modellerinin zaman ufku, her modelin %50 güvenilirlikle tamamlayabileceği en uzun görevleri (insan eşdeğeri zaman olarak) göstermektedir.50
Yukarıdaki şekil, YZ ajanlarının yeteneklerinin, tamamlayabilecekleri en uzun görevleri %50 güvenilirlikle ölçerek nasıl geliştiğini göstermektedir.
Temel bulgu, sınır modellerinin üstesinden gelebileceği görev uzunluğunun üstel olarak büyüdüğü, yaklaşık her yedi ayda bir ikiye katlandığıdır. Bu, Claude 3.7 Sonnet ve o1 gibi daha yeni modellerin artık bir insanın yaklaşık bir saatini alacak görevleri tamamlayabileceği, GPT-2 gibi eski modellerin ise birkaç saniyeden uzun görevlerle zar zor başa çıkabildiği anlamına gelir.
Gölgeli bölge istatistiksel belirsizliği yansıtmaktadır, ancak genel eğilim güvenilirdir. Bu model devam ederse, YZ sistemleri yakında insanların günler hatta haftalar süren karmaşık görevlerin üstesinden gelebilir, bu da daha geniş otonomiye ve AGI benzeri yeteneklere doğru önemli bir adımı işaret eder.
AGI'ye giden bir yol olarak ölçeklendirme
Sınır YZ laboratuvarlarının liderleri, mevcut transformer tabanlı yaklaşımları ölçeklendirmenin AGI'yi sağlayabileceğine inanmakta, bu da AGI'ye birkaç yıl içinde ulaşma tahminlerini beslemektedir.
AGI'ye giden önerilen bir yol, hesaplama ve veriyi artırarak transformer gibi mevcut mimarileri ölçeklendirmek, bir diğeri ise tamamen yeni yaklaşımlar geliştirmektir.
Ölçeklendirme hipotezini desteklemek için, 2024'te Epoch AI tarafından hazırlanan bir rapor, YZ 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 yapıldığını varsayarak, on yılın sonuna kadar 2e29 FLOP'a kadar gerektiren modellerin eğitilmesinin mümkün olduğunu savunmaktadırlar.
Bu tür ilerlemeler, GPT-4 gibi günümüzün en gelişmiş modellerinden çok daha yetenekli YZ sistemleri üreterek bizi AGI'ye yaklaştırabilir.51
Şekil 6: Grafik, güç, çip üretimi, veri ve gecikme gibi temel kısıtlamalar altında 2030 yılına kadar YZ eğitim hesaplamasının tahmini üst sınırlarını göstermekte olup, medyanlar 2e29 ile 3e31 FLOP arasında değişmektedir.
Ölçeklendirmenin ötesi: Yeni mimariler için gerekçe
Ancak, Yann LeCun ve Richard Sutton gibi etkili YZ bilim insanları, büyük dil modellerini ölçeklendirmenin insan seviyesinde zekaya yol açmayacağına inanmaktadır.52 53 AGI için yeni mimarilerin veya yaklaşımların gerekli olduğuna inanmaktadırlar.
AGI'ye ulaşıp ulaşmadığımızı nasıl ölçebiliriz?
Büyük dil modelleri her hafta yeni kıyaslamaları aşıyor, ancak LLM'leri değerlendirmek, veri zehirlenmesi ve insan seviyesinde zeka için kabul edilmiş bir bilimsel tanımın olmaması gibi sorunlar nedeniyle zordur.
Bu endişeler, LLM'leri ölçeklendirmenin daha iyi performansa giden sürdürülebilir bir yol olmadığını, özellikle bilimsel ve yüksek riskli alanlarda vurgulayan son araştırmalardan54 gelen içgörülerle güçlenmektedir. Yazarlar şunları göstermektedir:
- LLM'ler çok düşük ölçeklendirme üsleri (~0,1) sergiler, yani veri veya hesaplamadaki büyük artışlar bile çok küçük doğruluk kazanımları sağlar.
- 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 metrikler, gerçek yakınsama veya doğrulukla uyuşmayan sözde metriklerdir.
- Sentetik veya tekrarlayan veriler üzerinde eğitilen modellerin düzeltilebileceklerinden daha hızlı hata biriktirdiği bir Dejeneratif YZ (DAI) rejimi ortaya çıkabilir.
Bu bulgular, standart kıyaslamaların güvenilirliğini sorgulamakta ve daha çeşitli ve gelişen değerlendirme stratejilerine olan ihtiyacın altını çizmektedir.
Turing testi gibi eski metrikler günümüz makineleri için yetersiz kalmakta ve ARC-AGI gibi yeni metrikler daha geniş kıyaslamaların genelleme yeteneklerinden yoksun olabilmektedir.
ARC-AGI gibi yeni ortaya çıkan metrikler soyutlama ve genellemeyi test etmeyi amaçlamakta, ancak yine de veri kontaminasyonuna veya aşırı uyuma karşı dirençten yoksun olabilmektedir.
Dahası, makalenin vurguladığı gibi, "iyi" kayıp puanları bile Gauss olmayan dalgalanmalar ve eğitim kararsızlıkları nedeniyle altta yatan bilgi felaketlerini maskeleyebilir.55
LLM'lerin ilerlemesini nasıl takip edebiliriz?
Bu zorlukların üstesinden gelmek için kıyaslama konusunda birkaç yaklaşım vardır:
- Kıyaslama sorularını sık sık güncellemek. Gerçek hayattan örnek: LiveBench
- Veri zehirlenmesini önlemek için holdout setleri kullanmak: AIMultiple'ın AGI kıyaslaması veya ARC-AGI gibi kıyaslamaları.
AGI'yi belirlemek için kıyaslamanın ötesindeki yaklaşımlar nelerdir?
YZ'nin etkisinin potansiyel olarak güçlü ancak gecikmeli göstergeleri vardır ve bunlar AGI'yi tanımlamaya yardımcı olabilir.
Ekonomik büyüme
Microsoft CEO'su Satya Nadella, gelişmiş dünyada %10 büyümenin AGI'yi göstereceğini iddia etmektedir.56 . Ancak, AGI OpenAI ve Microsoft'un özel ortaklığını sona erdireceğinden, teşviki gecikmiş bir AGI tanımına sahip olmak yönündedir.57
İşsizlik
AGI'nin şunları yapmasını bekliyoruz:
- İş gücündeki insanların payı olarak ölçüldüğünde, beyaz yakalı istihdamı küresel zirvesinin %10'una düşürmek. Bu, emeğin gelir payının YZ nedeniyle önemli ölçüde azalması durumunda gerçekleşmelidir.
- GSYİH büyümesi devam ederken
Makinelerin insanlardan daha zeki ve verimli olduğu bir dünyada, bir insanın bilgisayar başında oturması için para ödemek rasyonel olmayacaktır. Bu nedenle, insanlar fiziksel dünyadaki işlerde gelişmeye devam ederken beyaz yakalı istihdamının düşmesini bekliyoruz.
İş gücü istatistiklerini toplayan devlet kurumları işleri ayrıntılı kategorilere ayırır, bu da beyaz yakalı istihdamını takip etmesi kolay bir metrik haline getirir.
ABD Çalışma İstatistikleri Bürosu'ndan 2019-2024 yıllarını kapsayan beyaz yakalı istihdam verilerini topladık.58 Netlik ve tutarlılık için beyaz yakalı çalışanları aşağıdaki meslek gruplarına ayırdık:
- Mimarlık ve Mühendislik Meslekleri
- İşletme ve Finansal Operasyonlar Meslekleri
- Bilgisayar ve Matematiksel Meslekler
- 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 dalgalanmıştır.
Bu aralık şimdiye kadar beyaz yakalı istihdamının payında görece istikrar olduğunu gösterse de, uzun vadeli bir eğilimin göstergesi değildir ve otomasyon ve YZ benimsenmesi hızlandıkça önümüzdeki yıllarda daha belirgin değişimler bekliyoruz. YZ'nin beyaz yakalı ve giriş seviyesi istihdamı nasıl değiştireceğine dair daha fazla tahmin için YZ iş kaybı başlığını okuyun.
AGI'yi hedeflemeli miyiz?
AGI'ye nihai hedef olarak odaklanmanın YZ araştırmasını çarpıtabileceği konusunda uyaran bilgisayar bilimcileri vardır.59 Eleştiriler şunları içerir: Bir fikir birliği yanılsaması yaratmak, kıyaslamalara aşırı uyum sağlamak, gömülü sosyal değerleri görmezden gelmek, abartının öncelikleri belirlemesine izin vermek, "genellik borcu" biriktirmek (temel tasarım sorularını ertelemek) ve marjinalleştirilmiş toplulukları ve yetersiz kaynaklı araştırmacıları dışlamak.
Belirli, ölçülebilir ve şeffaf hedefler, AGI gibi belirsiz tanımlanmış bir hedeften YZ'de ilerleme için daha iyi olacaktır.
Tercih edilen kaynak olarak ekleAGI tahminlerinin arkasındaki matematiksel akıl yürütme
Matematiksel akıl yürütme, AGI zaman çizelgelerini anlamak ve tahmin etmek için merkezi öneme sahiptir. Birçok projeksiyon, yapay genel zekanın ne zaman ortaya çıkabileceğine dair beklentilere rehberlik eden nicelleştirilebilir eğilimlere ve resmi modellere dayanmaktadır.
Ölçeklendirme yasaları ve hesaplama büyümesi
Matematiksel akıl yürütmenin temel bir bileşeni, ölçeklendirme yasalarını analiz etmeyi içerir. Bunlar, model performansının daha fazla veri, parametre ve hesaplama ile öngörülebilir şekilde iyileştiğini gösterir.
YZ eğitim hesaplamasındaki tutarlı yıllık 4-5× büyüme, mevcut eğilimlerin devam ettiğini varsayarak AGI'nin bir veya iki on yıl içinde elde edilebileceği tahminlerini desteklemektedir.
Bu projeksiyonlar, matematiksel modellemede temel bir kavram olan güç yasası ilişkileriyle desteklenen performans eğrilerine ampirik uyumlara ve ekstrapolasyonlara dayanmaktadır.
Olasılıksal tahminleme
Araştırmacılar ayrıca AGI tahminlerine olasılıksal yöntemler 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 YZ ilerlemesine dayalı Bayes tarzı güncellemenin yönlendirdiği belirsizlik altındaki fikir birliğini yansıtır.
Bu matematiksel akıl yürütme yaklaşımı, kesin tarihler gerektirmeden uzman belirsizliğini yakalar ve yeni veriler elde edildikçe sürekli revizyona izin verir.
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 dayanmaktadır.
Bu tür teoriler AGI'yi garanti etmese de, olasılığı ve ilgili hesaplama gereksinimleri hakkında düşünmek için bir çerçeve sağlarlar.
Yapay Genel Zeka Hakkında Daha Fazlası
David Silver, Google DeepMind'da Baş Araştırma Bilim İnsanı
Yapay Genel Zekanın (AGI), bilim, müzik veya spor gibi çeşitli alanlarda uzman olabilen insanlar gibi, çok çeşitli görevleri öğrenebilen ve bunlarda üstün olabilen YZ sistemlerini ifade ettiğini açıklamaktadır.
Tek bir işlevle sınırlı dar YZ'nin aksine, AGI insan uyarlanabilirliğini ve genel problem çözme yeteneğini yansıtmayı hedefler.
AGI'nin uzun vadeli bir hedef olduğunu, ancak gerçek insan seviyesinde zekaya ulaşmanın muhtemelen birkaç atılım gerektireceğini ve kademeli olarak gelişeceğini belirtmektedir (Aşağıdaki videoya bakın).
Ilya Sutskever, OpenAI'nin kurucu ortağı ve Baş Bilim İnsanı
"AGI'ye Doğru Heyecan Verici, Tehlikeli Yolculuk" başlıklı TED Konuşmasında, Yapay Genel Zekaya (AGI) doğru hızlı ilerlemeyi keşfetmektedir.
AGI'nin önümüzdeki 5 ila 10 yıl içinde ortaya çıkabileceğini öngörmekte, ancak bu zaman çizelgesindeki belirsizliği kabul etmektedir.
Sutskever, AGI'nin hem muazzam potansiyelini hem de derin risklerini vurgulamakta, gelişimini insani değerlerle uyumlu hale getirme ihtiyacını vurgulamaktadır. Zorluklara rağmen, insanlığın bu güçlü teknolojiyi güvenli bir şekilde yönlendirebileceği konusunda iyimserdir (Aşağıdaki videoya bakın).
Ray Kurzweil, bilgisayar bilimcisi ve girişimci
Altmış yılı aşkın YZ ilerlemesini yansıtarak, insanlığın ilkel aletlerden büyük dil modellerine kadar zeka artırıcı araçlar inşa etme yeteneğinin izini sürmektedir.
Ayrıca Yapay Genel Zekanın 2029'a kadar geleceğini ve 2045'e kadar teknolojik tekilliğe yol açacağını öngörmektedir. Hesaplama gücü, tıp ve biyoteknolojideki üstel ilerlemeleri vurgulamaktadır.
Ayrıca YZ tarafından üretilen tedaviler, dijital klinik deneyler ve bilimsel ilerlemenin yaşamı süresiz olarak uzatabileceği uzun ömür kaçış hızı gibi atılımları öngörmektedir (Aşağıdaki videoya bakın).
Yann LeCun, Turing ödülü sahibi
LLM'lerin neden bize insan seviyesinde zeka veremeyeceğini ve oraya ulaşmak için en son YZ yaklaşımlarını görün:
Yapay genel zeka tahminleri
Tekillik grafiği metodolojisi
AGI geliştirmenin beklenen yılını grafik üzerinde göstermek 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 gösterdik.
- Bireysel tahminler için, 18 YZ uzmanından gelen tahminleri dahil ettik.
- Bilimsel tahminler için, AGI için zaman çizelgeleri sağlayan 10 hakemli makalenin 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 bir tarihe yerleştirirken, özellikle girişimcilerden gelen son tahminler, 2026–2035 gibi erken bir tarihte ortaya çıkabileceğini öne sürmektedir.
Bu değişim, büyük dil modellerindeki hızlı ilerlemeler ve artan hesaplama gücüyle beslenmektedir. Yine de, bu kazanımlara rağmen, günümüzün YZ'si hâlâ insan seviyesinde zeka ile ilişkili genel esneklik ve otonomiden yoksundur.
Uzmanlar, AGI'nin nasıl elde edileceği konusunda bölünmüş durumdadır; bazıları mevcut mimarileri ölçeklendirmenin yeterli olacağına inanırken, diğerleri yeni yöntemlerin gerekli olduğunu savunmaktadır.
Temel zorluklar arasında yüksek kaynak talepleri, belirsiz kıyaslamalar ve çözülmemiş etik endişeler yer almaktadır. 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 seviyesinde düşünmeyi insanüstü hız ve hızla erişilebilen, neredeyse mükemmel bellek ile birleştiren bir sisteme ihtiyacımız vardır.
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, AGI ve özellikle süper zeka aynı olayı tanımlamak için daha sık kullanılmaktadır.
Yapay Genel Zeka (AGI), geniş bir entelektüel görev yelpazesinde insanlara eşit veya onları aşan bir seviyede anlayabilen, öğrenebilen ve bilgi uygulayabilen bir YZ türünü ifade eder.
Dil çevirisi veya görüntü tanıma gibi belirli görevler için tasarlanmış dar YZ'nin aksine, AGI genelleştirilmiş bilişsel yeteneklere sahip olacak, tanıdık olmayan durumlarda akıl yürütmesini, planlamasını ve uyum sağlamasını mümkün kılacaktır.
AGI'nin geliştirilmesi önemli bir araştırma hedefi ve etik ve felsefi tartışma konusu olmaya devam etmektedir.
Süper zeka, yaratıcılık, problem çözme ve sosyal anlayış dahil olmak üzere 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 ötesinde bir aşamayı temsil eder.
Bu kavram, üstün zeka tarafından yönetilen bir dünyada kontrol, güvenlik ve insanlığın rolü için uzun vadeli etkiler hakkında kritik düşünceleri gündeme getirmektedir.
İleri Makine Zekası (AMI), genel zekaya yaklaşan veya onu elde eden yetkin YZ sistemlerini içerir.
Henüz AGI ile ilişkili tam esneklik ve öz farkındalığa sahip olmasalar da, AMI sistemleri çeşitli görevlerde gelişmiş akıl yürütme, öğrenme ve uyarlanabilirlik gösterir.
Bu terim genellikle mevcut dar YZ yeteneklerini aşan ancak tam genel zeka eşiğinin altında kalan YZ sistemlerini belirtmek için kullanılır.
Bu benchmarkı 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: 9.800 Tahmin Analiz Edildi}},
year = {2026},
month = may,
howpublished = {\url{https://aimultiple.com/artificial-general-intelligence-singularity-timing}},
note = {AIMultiple. Erişim tarihi: 22 Mayıs 2026}
}204 veri noktasının sonuçları ve zaman damgaları. Bu makalede kullanılan verileri, 2 CSV dosyası ve bir README içeren ZIP dosyası olarak indirin.
Referans Linkleri
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!