AGI/Singularity: 9.800 Tahmin Analiz Edildi
Yapay genel zeka (AGI), bir yapay zeka sisteminin tüm görevlerde insan bilişsel yetenekleriyle eşleştiği durumdur. AGI zaman çizelgesi hakkında 9.800 yapay zeka araştırmacısının, önde gelen girişimcilerin ve topluluğun tahminlerini analiz ettik:
AGI/singularity 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, 6.000'den fazla katılımcının yer aldığı 10 anketten, 18 yapay zeka araştırmacısının yanıtlarından ve Manifold, Kalshi ve Metaculus tahmin piyasalarından toplanan topluluk içgörülerine dayanarak singularity'nin beklenen yılını özetlemektedir.
Yukarıda görebileceğiniz gibi, anket katılımcıları singularity'nin daha önce 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:
Katılımcıların kâr veya itibar için gelecekteki olayların olasılığı ve zamanlaması üzerine işlem yaptığı çevrimiçi tahmin piyasaları olan Manifold, Kalshi ve Metaculus'tan gelen 3.800'den fazla tahmin. Ayrıca bu tahmin piyasalarından elde edilen ortalama tahmin tarihini de ekledik.
AGI hakkında diğer temel sorular
AGI konusundaki mevcut durumumuz nedir?
Dar yapay zeka belirli görevlerde insanları geride bıraksa da, genel zekaya sahip bir makine henüz mevcut değil. Bazı araştırmacılar, büyük dil model'lerinin gelişmekte olan genel yetenekler sergilediğini belirtmektedir.1 AGI benchmark'ımıza göre, makineler otonom olarak ekonomik değer üretmekten henüz çok uzaktır.
AGI'ye nasıl ulaşabiliriz?
Ya transformer'lar gibi mevcut mimarilerin arkasına daha fazla hesaplama gücü ve veri koyarak ya da yeni yaklaşımlar icat ederek. AGI'ye ulaşma veya onu doğrulama yöntemi konusunda henüz bilimsel bir fikir birliği yoktur.
Aşağıda bu zaman çizelgesini oluşturan tahminlerin bir özetini görebilir veya tam tabloya bakabilirsiniz.
Yapay zeka araştırmacılarıyla yapılan büyük anketlerin sonuçları
6.000'den fazla yapay zeka araştırmacısı ve uzmanının katıldığı ve AGI/singularity'nin ne zaman gerçekleşebileceğini tahmin ettikleri 10 anketin sonuçlarını inceledik.
Tahminler değişse de, çoğu anket AGI'ye ulaşma olasılığının %50 oranında 2040 ile 2061 arasında olduğunu göstermekte ve bazıları süper zekanın birkaç on yıl içinde gelebileceğini tahmin etmektedir.
Yapay Zekadaki İlerleme Üzerine Uzman Anketi
Ekim 2023'te AI Impacts, 2.778 yapay zeka araştırmacısına AGI'ye ne zaman ulaşılabileceğini sordu. Bu anket, 2022 anketine neredeyse aynı soruları içeriyordu. Yapay Zekadaki İlerleme Üzerine Uzman Anketi sonuçlarına göre, üst düzey makine zekasının 2040 yılına kadar gerçekleşeceği tahmin edilmektedir.2
Yapay Zekadaki İlerleme Üzerine Uzman Anketi
Anket, 2021 NIPS ve ICML konferanslarında yayın yapan 738 uzmanla gerçekleştirildi. Yapay Zekadaki İlerleme Üzerine Uzman Anketi sonuçlarına göre, uzmanlar üst düzey makine zekasının 2059 yılına kadar gerçekleşme olasılığının %50 olduğunu tahmin etmektedir.3
Uzmanlar ayrıca donanım maliyeti, algoritmik ilerleme ve eğitim setleri üzerindeki çalışmaların yapay zeka ilerlemesindeki en büyük faktörler olacağını öngördüler.
Yapay Zeka İlerlemesini Öngörme Anketi
Baobao Zhang, 2019 yılında 296 yapay zeka uzmanına, makinelerin ekonomik olarak ilgili görevlerin %90'ından fazlasını yerine getirmede medyan insan çalışanı ne zaman geçeceğini sordu. Yapay Zeka İlerlemesini Öngörme Anketi sonuçlarına göre, katılımcıların yarısı bunun 2060'tan önce gerçekleşeceğini tahmin etti.4
Yapay Zeka Uzmanlarının AGI Zamanlaması Anketi
2019'daki Yapay Zeka Uzmanlarının AGI Zamanlaması Anketi'nden5 gelen tahminler şunlardır:
- Katılımcıların %45'i 2060'tan önce bir tarih öngörüyor.
- Tüm katılımcıların %34'ü 2060'tan sonra bir tarih öngördü.
- Katılımcıların %21'i singularity'nin asla gerçekleşmeyeceğini öngördü.
Yapay Zekanın İş Gücü Kayması Üzerindeki Potansiyel Etkisi Anketi
Ross Gruetzemacher, yapay zekanın iş gücü kayması üzerindeki potansiyel etkisini değerlendirmek için 2018'de 165 yapay zeka uzmanıyla bir anket yaptı. Uzmanlardan, yapay zeka sistemlerinin, insanların şu anda ödeme aldığı görevlerin %99'unu, ortalama bir insanınna eşit veya ondan daha yüksek bir seviyede ne zaman yerine getirebileceğini tahmin etmeleri istendi.
Yapay Zekanın İş Gücü Kayması Üzerindeki Potansiyel Etkisi anketi sonuçlarına göre, katılımcıların yarısı bu dönüm noktasına 2068'den önce ulaşılacağını öngördü, %75'i ise bunun önümüzdeki 100 yıl içinde gerçekleşeceğini tahmin etti.6
NIPS ve ICML konferanslarındaki yapay zeka uzmanları anketi
Mayıs 2017'de, 2015 NIPS ve ICML konferanslarında yayın yapan 352 yapay zeka uzmanıyla bir anket yapıldı.7
NIPS ve ICML konferanslarından gelen anket sonuçlarına göre, uzmanlar AGI'nin 2060 yılına kadar gerçekleşme olasılığının %50 olduğunu tahmin etmektedir. Bununla birlikte, coğrafyaya bağlı olarak görüşlerde önemli bir fark vardır:
- Asyalı katılımcılar AGI'yi 30 yıl içinde bekliyor,
- Kuzey Amerikalılar ise 74 yıl içinde bekliyor.
2030 yılına kadar otomatikleştirilmesi beklenen bazı önemli işlevler arasında çağrı merkezi temsilcileri, kamyon şoförlüğü ve perakende satış yer almaktadır.
Yapay Zekada Gelecekteki İlerleme anketi
Avrupa Bilişsel Sistemler Birliği başkanı Vincent C. Muller ve süper zeka ile yapay genel zeka (AGI) üzerine 200'den fazla makale yayınlamış olan Oxford Üniversitesi'nden Nick Bostrom, 2012 ve 2013 yıllarında Yapay Zekada Gelecekteki İlerleme anketini gerçekleştirdi. 550 katılımcı şu soruyu yanıtladı: AGI'nin gerçekleşme olasılığı ne zamandır?8
Yapay Zekada Gelecekteki İlerleme anketi sonuçlarına göre:
- Ankete katılan yapay zeka uzmanları, AGI'nin muhtemelen (%50'den fazla olasılıkla) 2040 ile 2050 arasında ortaya çıkacağını ve 2075 yılına kadar ortaya çıkma olasılığının çok yüksek (%90 olasılık) olduğunu tahmin etmektedir.
- AGI'ye ulaşıldığında, çoğu uzman bunun nispeten hızlı bir şekilde süper zekaya ilerleyeceğini belirtmektedir; zaman çizelgesi 2 yıl kadar kısa (%10 olasılık, düşük) ile yaklaşık 30 yıl (yüksek olasılık, %75) arasında değişmektedir.
AGI-09 konferansına katılan yapay zeka uzmanlarıyla yapılan anket
2009 yılındaki AGI-09 konferansına katılan 21 yapay zeka uzmanından gelen anket sonuçlarına göre, AGI 2050 civarında ve muhtemelen daha erken gerçekleşecektir.9 Aşağıda belirli yapay zeka başarılarına ilişkin tahminlerini görebilirsiniz: Turing testini geçmek, üçüncü sınıfı bitirmek, Nobel ödülüne layık bilimsel atılımlar gerçekleştirmek ve insanüstü zekaya ulaşmak.
Şekil 1: Yapay Genel Zeka 2009 (AGI-09) konferansı katılımcılarına dağıtılan anketten elde edilen sonuçlar.
Topluluk içgörüleri
Ayrıca Samotsvety Forecasting ve Metaculus Topluluğu'nun AGI tahminlerini ve Manifold, Kalshi ve Polymarket'ten gelen tahmin piyasası sonuçlarını değerlendirdik:
Samotsvety Forecasting
Samotsvety Forecasting, yapılandırılmış akıl yürütme ve nicel yöntemler kullanarak özellikle jeopolitik, teknoloji ve küresel riskler gibi gerçek dünya olayları hakkında olasılıksal tahminler yapan bir tahminciler ekibidir. Brier skoru gibi resmi puanlama metrikleri kullanılarak doğruluklarının ölçüldüğü büyük tahmin platformlarında ve turnuvalarında (örneğin, INFER/CSET-Foretell) güçlü bir rekabet geçmişine sahiptirler.10
Ocak 2026'da ekip, 8 tahminci ile AGI tahminlerini güncelledi.11 Toplanmış sonuçlar şunlardır:
- 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 (yaklaşık 2042'ye kadar) AGI olasılığını %32 ve 2100'e kadar %73 olarak tahmin etmişti; her ikisi de mevcut projeksiyonlarından daha düşüktür.12
Manifold Market
Nisan 2026 itibarıyla, 1.100'den fazla Manifold piyasası katılımcısı, bir yapay zekanın ilk kez "yüksek kaliteli, karşıt bir Turing testini" geçeceği yılı 2033 olarak tahmin etti.13
Kalshi Tahmin Piyasası
Nisan 2026 itibarıyla, Kalshi tahmin piyasası katılımcıları, OpenAI'ın 2030'a kadar AGI'ye ulaşma olasılığının %55 olduğunu belirtmektedir.14
Polymarket
Nisan 2026'daki Polymarket tahminlerinin sonuçları, OpenAI'ın 2027'ye kadar AGI'ye ulaşma olasılığının %14 olduğunu göstermiştir.15
Metaculus Topluluk Tahminleri
Nisan 2026 itibarıyla:
- 1.700 katılımcı “İlk zayıf genel yapay zeka sistemi ne zaman tasarlanacak, test edilecek ve kamuoyuna duyurulacak?” sorusunu yanıtladı ve tahmin 20 Nisan 2028.16
- 180 katılımcı “Bir yapay zeka ilk kez uzun, bilgili ve karşıt bir Turing testini ne zaman geçecek?” sorusunu yanıtladı ve tahminleri 25 Ağustos 2029.17
- 1.800 katılımcı “İlk genel yapay zeka sistemi ne zaman tasarlanacak, test edilecek ve kamuoyuna duyurulacak?” sorusunu yanıtladı ve tahminleri Ekim 2032.18
2022'de 81 katılımcı “En iyi tahminciler, ilk Yapay Genel Zekanın ne zaman geliştirilmesini ve gösterilmesini bekliyor?” sorusunu yanıtladı ve tahminleri 2035 idi.19
Yapay zeka girişimcileri ve bireysel araştırmacılardan içgörüler
Yapay zeka girişimcileri de singularity'ye ne zaman ulaşacağımız konusunda tahminlerde bulunuyorlar ve araştırmacılardan daha iyimserler. Yapay zekaya olan ilginin artmasından faydalandıkları için bu beklenen bir durumdur.
Hızı ve gelişim yolu konusundaki görüşleri farklılık gösteriyor. Anthropic'ten Amodei, hızlı ve kendi kendini besleyen ilerleme nedeniyle AGI'nin yakın vadede gelmesini beklerken, DeepMind'dan Hassabis bunu makul buluyor ancak bilimsel yaratıcılık ve otonom öz-iyileştirme konusundaki çözülmemiş zorlukları belirterek 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, bir insana aynı görev verildiğinde bizi şaşırtacak şekilde hata yapmadan güvenilir bir şekilde yerine getirebilen yapay bir ajan olarak tanımlıyor. Ocak 2026'daki tahmini, Minimal AGI'nin 2028 yılına kadar gerçekleşme olasılığının %50 olduğudur.
- Legg'e göre, minimal AGI'ye ulaşmak, insan zekasının en yüksek formlarını, örneğin büyük bilimsel atılımları veya sanatsal başarıları tamamen anladığımız veya yeniden üretebildiğimiz anlamına gelmez. Tam AGI, ancak yapay zeka insan bilişinin tüm spektrumuyla eşleşebildiğinde elde edilecektir.20
- Anthropic CEO'su Dario Amodei, 2026 Davos Dünya Ekonomik Forumu'nda AGI düzeyindeki sistemlerin yakın vadede yaklaştığına dair güçlü bir güven ifade etti. AGI'nin muhtemelen birkaç yıl içinde (2027), belki de yaygın olarak beklenenden daha erken gerçekleşeceğini belirtti.
- Kodlama ve yapay zeka araştırma otomasyonundaki hızlı ilerlemelerin merkezi olduğunu, bunun yapay zeka sistemlerinin çoğu yazılım mühendisliği görevini uçtan uca halletmesini ve geri bildirim döngüleri aracılığıyla kendi gelişimlerini hızlandırmasını sağladığını savunuyor.
- Donanım mevcudiyeti ve eğitim süresi gibi kısıtlamaları kabul etse de, çok daha uzun bir zaman çizelgesini düşük bir olasılık olarak görüyor ve bu döngüler olgunlaştığında hızlı bir hızlanma öngörüyor.21
- 2026'daki aynı etkinlikte, DeepMind'ın kurucusu Demis Hassabis, daha temkinli bir bakış açısını koruyarak, on yılın sonuna kadar (2030) AGI'ye ulaşma olasılığının yaklaşık %50 olduğu tahminini yineledi.
- Hassabis, kodlama ve matematik gibi doğrulanabilir alanlarda ilerlemenin hızlı olduğu konusunda hemfikir, ancak bilimsel keşif ve yaratıcı akıl yürütmenin daha zor olduğunu vurguluyor.
- Yeni sorular ve teoriler üretmedeki çözülmemiş sınırlamalara dikkat çekiyor ve özellikle karmaşık, gerçek dünya alanlarında tamamen otonom öz-iyileştirme 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 (Nisan 2025'te belirtildiği üzere) Yapay Genel Zekaya doğru ilerlediğimizi belirtiyor.22
- Elon Musk, insanlardan en zekisi olanı bile geride bırakan bir yapay zekanın 2026 yılına kadar geliştirilmesini bekliyor.23
- Şubat 2025'te, girişimci ve yatırımcı Masayoshi Son bunu 2-3 yıl içinde (yani 2027 veya 2028) öngördü.
- Mart 2024'te, Nvidia CEO'su Jensen Huang, beş yıl içinde yapay zekanın herhangi bir testte insan performansıyla eşleşeceğini veya onu geçeceğini öngördü: 2029.24
- Bilgisayar bilimcisi, girişimci ve yazar Louis Rosenberg, 2030 yılına kadar.
- Bilgisayar bilimcisi, girişimci ve The Singularity Is Near dahil 5 ulusal en çok satan kitabın yazarı Ray Kurzweil: Daha önce 2045,25 , 2024'te 2032.26
- 2023'te Hinton, AGI'nin 5-20 yıl sürebileceğini buldu.27
- OpenAI CEO'su Sam Altman, 2035 yılına kadar. 2024'te “The Intelligence Age” adlı blogunda “birkaç bin gün”den bahsetti.
- Bir yapay zeka araştırmacısı olan Ajeya Cotra, eğitim hesaplamalarının büyümesini analiz etti ve insan benzeri yeteneklere sahip bir yapay zekanın 2040 yılına kadar ortaya çıkma olasılığının %50 olduğunu tahmin etti.28
- MIT profesörü ve 1972'den 1997'ye kadar MIT Yapay Zeka Laboratuvarı direktörü Patrick Winston, 2040 yılından bahsetti ve bunun gerçekleşecek bir tarih olsa da tahmin etmenin zor olduğunu vurguladı.
- Yapay zeka şirketi NNAISENSE'in kurucu ortağı ve İsviçre yapay zeka laboratuvarı IDSIA'nın direktörü Jürgen Schmidhuber, 2050 yılına kadar.29
AGI hakkında diğer yorumlar ve gelişmeler
Yapay Zeka Araştırmalarının Geleceği Üzerine AAAI Başkanlık Paneli
Çoğunluğu akademiden (%67) ve Kuzey Amerika'dan (%53) olan 475 katılımcıya yapay zekadaki ilerleme soruldu. AAAI 2025 Yapay Zeka Araştırmalarının Geleceği Üzerine Başkanlık Paneli anketi AGI için bir zaman çizelgesi istememiş olsa da, katılımcıların %76'sı mevcut yapay zeka yaklaşımlarını ölçeklendirmenin AGI'ye yol açma olasılığının düşük olduğunu belirtti.30
OpenAI robotik hırslarını genişletiyor
OpenAI, yapay genel zekayı ilerletme hedefinin bir parçası olarak robotiğe olan odağını artırıyor. Şirket, insansı robot sistemleri konusunda uzmanlar işe alıyor ve robotların fiziksel dünyada bağımsız olarak öğrenmelerine ve hareket etmelerine yardımcı olacak algoritmalar tasarlamak için bir ekip kuruyor.
Bu, OpenAI'ın daha önceki dil ve görüntü model'leri odağından bir kaymayı işaret ediyor. Şirket artık gelişmiş akıl yürütmeyi fiziksel etkileşimle bağlamayı hedefliyor ve bu da robotiği AGI'yi test etmek ve elde etmek için temel bir adım olarak gördüğünü gösteriyor.
Bağlam ve etkiler
İlk robotik ekibini 2020 civarında dağıttıktan sonra OpenAI, alandaki aktif geliştirmeye geri dönüyor. Son işe alımlar ve potansiyel ortaklıklar, gerçek dünya öğrenimi ve manipülasyonu yapabilen robotlar inşa etmek için yenilenmiş bir çabaya işaret ediyor.
Büyük ölçekli yapay zeka model'lerini duyusal verilerle birleştirerek OpenAI, dijital ortamların dışında akıl yürütebilen ve çalışabilen sistemler yaratmayı hedefliyor. İnsansı robotik uzmanlarının işe alınması, aynı zamanda otomasyonun ötesine geçen ve insanlarla güvenli bir şekilde çalışabilen robotlara yönelik uzun vadeli hedeflere işaret ediyor.31
Microsoft'un GPT-4 ile yapılan erken deneyler raporu
Microsoft Research, 2023'te OpenAI'ın GPT-4'ünün erken bir versiyonunu inceledi. Rapor, bunun önceki yapay zeka model'lerinden daha fazla genel zeka gösterdiğini, matematik, kodlama ve hukuk gibi alanlarda insan düzeyinde performans sergilediğini iddia etti. Bu durum, GPT-4'ün yapay genel zekanın öncül bir formu olup olmadığı konusunda tartışmaları başlattı. 32
MIT tarafından hazırlanan yapay genel zekaya giden yol raporu
Ağustos 2025'teki “Yapay genel zekaya giden yol” raporu, erken AGI benzeri sistemlerin 2026 ile 2028 arasında ortaya çıkmaya başlayabileceğini, belirli alanlarda insan düzeyinde akıl yürütme, metin, ses ve fiziksel arayüzler genelinde multimodal yetenekler ve sınırlı hedef odaklı otonomi gösterebileceğini öngörüyor.
Rapor, toplanmış tahminleri birleştiriyor ve bilgi transferi ve geniş akıl yürütme gibi birkaç genelleştirilmiş dönüm noktasının 2028 yılına kadar elde edilme olasılığının %50 olduğunu öne sürüyor.
Daha uzun vadeli projeksiyonlar, hesaplama verimliliğindeki ilerlemelere, algoritmik atılımlara ve otonom öğrenmeye bağlı olarak, makinelerin ekonomik olarak değerli tüm görevlerde insan performansını yaklaşık 2047 yılına kadar aşabileceğini tahmin etmektedir.33
AI Frontiers'tan AGI olasılıkları
Yapay zeka tartışmaları ve diyalogları platformu AI Frontiers'tan Adam Khoja ve Laura Hiscott, kendi nicel AGI tanımlarını kullanarak 2028'e kadar AGI'ye ulaşma olasılığını %50 ve 2030'a kadar %80 olarak tahmin ediyorlar.34
Khoja ve Hiscott, yapay genel zekaya doğru ilerlemeyi Khoja, Dan Hendrycks ve ortak yazarları tarafından geliştirilen bir tanımı kullanarak değerlendiriyorlar.35 Çerçeveleri on bilişsel yeteneği ölçüyor ve GPT-4'e %27, GPT-5'e ise %57 puan veriyor. Bu, mevcut model'lerin tanımlanan AGI eşiğine kabaca yarı yolda olduğunu göstermektedir.
Khoja ve Hiscott, AGI zaman çizelgeleri hakkındaki geleneksel tartışmaların tutarsız tanımlara dayandığı için kesinlikten yoksun olduğunu savunuyorlar. Standartlaştırılmış çerçeveleri, mevcut model'lerdeki belirli güçlü ve zayıf yönleri belirleyerek netlik yaratmayı amaçlamaktadır. Okuma, yazma, matematik ve genel bilginin insan temel çizgilerini karşıladığını veya aştığını ve artık sınırlayıcı faktörler olmadığını belirtiyorlar.
Yazarlar; görsel akıl yürütme, sezgisel fizik, işitsel işleme, algı bağımlı hız ve görsel ve işitsel çalışma belleğindeki mevcut boşluklara dikkat çekiyorlar. SPACE ve MindCube gibi benchmark'larda hızlı iyileşmeler olduğunu bildiriyorlar ve bu boşlukların devam eden artımlı araştırmalar yoluyla muhtemelen giderilebileceğini öne sürüyorlar. Ayrıca halüsinasyonların bir endişe kaynağı olmaya devam ettiğini ancak önde gelen model'ler arasındaki performans farkları göz önüne alındığında çözülebilir olduğunu gözlemliyorlar.
Khoja, Hiscott ve Hendrycks'e göre, geriye kalan en önemli engel sürekli öğrenme ve uzun süreli bellek depolamasıdır. Mevcut sistemler oturumlar arasında bilgiyi tutamıyor ve bu sınırlamanın çözülmesi en az bir anlamlı atılım gerektirecek. Ancak yazarlar, büyük yapay zeka laboratuvarlarının artık bu alana öncelik verdiğini vurguluyorlar.
Yapay zeka tahminlerindeki geçmiş aşırı iyimserlikten ders çıkarmak
Yapay zeka araştırmacılarının daha önce aşırı iyimser olduğunu unutmayın. Örnekler şunlardır:
- Geoff Hinton 2016'da, 2021 veya 2026'ya kadar radyologlara ihtiyacımız olmayacağını iddia etti. Şu ana kadar radyoloji tamamen otomatikleştirilmedi ve hastanelerin binlercesine ihtiyacı var.36
- Yapay zeka öncüsü Herbert A. Simon 1965'te: “makineler, yirmi yıl içinde, bir insanın yapabileceği her türlü işi yapabilecek kapasitede olacak.”37
- Japonya'nın Beşinci Nesil Bilgisayarı 1980'de, “sıradan sohbetler yürütmek” gibi hedefleri olan on yıllık bir zaman çizelgesine sahipti.38
Bu tarihsel deneyim, mevcut bilim insanlarının çoğunun AGI'yi 10-20 yıl gibi iddialı zaman dilimlerinde tahmin etmekten kaçınmasına katkıda bulundu, ancak bu durum üretken yapay zeka'nın yükselişiyle değişti.
Singularity'nin ne olduğunu anlayın
Yapay zeka bizi korkutuyor ve meraklandırıyor. Hemen hemen her hafta haberlerde, yarattıklarından korkan geliştiriciler veya çok zeki oldukları için bot'ları kapatanlar gibi yeni bir yapay zeka korkusu çıkıyor.39
Bu mitlerin çoğu, yapay zeka ve GenAI alanlarının dışındakiler tarafından yanlış yorumlanan araştırmalardan kaynaklanmaktadır. Bazı paydaşlar, daha fazla düzenlemeden kâr edebilecekleri veya bu durumun onlara daha fazla dikkat getirebileceği için yapay zekadan korktuklarını iddia etmektedirler.
Yapay zeka hakkındaki en büyük korku, makine zekasında hızlı bir artış getirmesi beklenen bir olay olan singularity'dir (Yapay Genel Zeka veya AGI olarak da adlandırılır). Bunun, bir sistemin insan düzeyindeki düşünceyi insanüstü hız ve hızla erişilebilir, neredeyse mükemmel bir bellek ile birleştirmesiyle gerçekleşmesi beklenmektedir. Bazı uzmanlara göre singularity aynı zamanda makine bilincini de ima eder.
Böyle bir makine kendi kendini geliştirebilir ve insan yeteneklerini aşabilir. Yapay zeka henüz bir bilgisayar bilimi araştırma konusu bile değilken, Asimov gibi bilim kurgu yazarları bundan endişe duyuyordu. Zeki makinelerin iyilikseverliğini sağlamak için mekanizmalar (yani Asimov'un Robotik Yasaları) tasarlıyorlardı; bu durum bugün daha yaygın olarak hizalama araştırması olarak adlandırılmaktadır.
Uzmanlar neden AGI'nin kaçınılmaz olduğuna inanıyor: Temel argümanlar ve kanıtlar
AGI'ye ulaşmak çılgınca bir tahmin gibi görünebilir, ancak insan zekasının sabit ve makine zekasının büyüdüğünü düşündüğünüzde oldukça makul bir hedef gibi görünüyor. Zekaları için sert bir sınır olmadığı sürece, makinelerin bizi geçmesi sadece bir zaman meselesidir. Henüz böyle bir sınırla karşılaşmadık.
İnsan zekası, bilişsel yeteneklerimizi bir şekilde makinelerle birleştirmediğimiz sürece sabittir. Elon Musk'ın nöral dantel girişimi bunu yapmayı amaçlıyor, ancak beyin-bilgisayar arayüzleri üzerindeki araştırmalar henüz erken aşamalardadır.40
Makine zekası algoritmalara, işlem gücüne ve veriye bağlıdır.
- Ar-Ge ve veri merkezlerine yatırımlar aktıkça işlem gücü üstel bir oranda büyümektedir.
- Şimdiye kadar, makineleri işlem güçlerini ve belleklerini etkili bir şekilde kullanmaları için gerekli algoritmalarla besleme konusunda başarılı olduk.
- Son olarak, işletmeler ve bireyler artan bir oranda dijital veri oluşturuyor. Sentetik veri model'leri bozabilir veya onları geliştirebilir. Bozsa bile, veri kürasyonu sayesinde bu çözülebilir bir sorundur.
Son başarılar
Opus 4.6
Şubat 2026'da Claude, 1M bağlam penceresi ve etkileyici benchmark sonuçları ile Opus 4.6'yı yayınladı.
Anthropic ayrıca, model'lerin belirli alanlarda gezinmelerine yardımcı olan markdown dosyaları olan Claude legal gibi eklentiler yayınlayarak kullanım durumlarına odaklanıyor. Bu, Claude için küçük bir ekleme olsa da, SaaS ve hukuk yazılımları da dahil olmak üzere borsada satışları tetikledi.41
Gemini Deep Think
Bir başka örnek, 2025 Uluslararası Matematik Olimpiyatı'nda altın madalya performansı sergileyen ve yapay zekanın karmaşık problemler üzerinde akıl yürütme yeteneğinde önemli bir adımı temsil eden DeepMind'ın Gemini deep think modudur.
Tamamen doğal dilde çalışan Gemini, resmi 4,5 saatlik yarışma penceresi içinde altı problemin beşini çözdü ve resmi sembolik araçlara dayanmadan net, insan tarafından okunabilir kanıtlar üretti.
Yetenekleri birkaç inovasyondan kaynaklanmaktadır: Deep Think modu çözüm yollarının paralel keşfini sağlar, eğitim uzman düzeyinde matematiksel kanıtları içerir ve pekiştirmeli öğrenme stratejik yaklaşımını geliştirir.
Bu ilerleme, gelişmiş yapay zekanın artık bir zamanlar yalnızca en iyi insan problem çözücülere ayrılmış bir seviyede sofistike ve yorumlanabilir akıl yürütme gerçekleştirebildiğini göstermektedir.42
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 yardımcı bir analojidir. Makineler şu an çok zeki görünmeyebilir, ancak yakın gelecekte oldukça akıllı hale gelebilirler.
Yapay zeka hesaplama yeteneklerindeki son büyüme
Şekil 2: Şekil, çeşitli kategorilerde gözlemlenen hesaplama büyüme modellerinin bir özetini göstermektedir: genel dikkat çekici model'ler (sol üst), öncü model'ler (sağ üst), önde gelen dil model'leri (sol alt) ve önde gelen şirketlerin en iyi model'leri (sağ alt).
Yapay zeka model'lerini eğitmek için kullanılan hesaplama kaynakları önemli ölçüde artmış olup, dil model'i performansının yaklaşık üçte ikisi model ölçeği iyileştirmelerine bağlanmaktadır.
2024 tarihli bir makaleye göre,43 yapay zeka model'lerinin eğitimindeki hesaplama kullanımı yıllık yaklaşık 4-5 kat artmış olup; bu durum dikkat çekici model'ler, öncü model'ler ve OpenAI, Google DeepMind ve Meta AI gibi üst düzey şirketlerdeki trendleri yansıtmaktadır (Bkz. Şekil 2).
Ancak, özellikle öncü model'ler için büyüme hızı 2018'den beri biraz yavaşlamıştır, fakat dil model'leri 2020 ortasına kadar yıllık 9 kata kadar daha hızlı büyüme yaşamış, ardından hız yıllık 4-5 kata düşmüştür.
Yapay zeka hesaplama büyümesi için genel trend güçlü kalmaya devam ediyor ve projeksiyonlar, yeni zorluklar veya atılımlar olmadığı sürece yıllık 4-5 katlık büyüme oranının devam edeceğini öne sürüyor. Bu büyüme, önde gelen yapay zeka şirketlerinin ölçeklendirme stratejilerinde de görülmektedir, ancak aralarında hafif farklılıklar vardır.
Öncü model büyümesindeki yavaşlamaya rağmen, bugün yayınlanan GPT-4 ve Gemini Ultra gibi daha büyük model'ler, öngörülen büyüme yörüngesiyle yakından örtüşmektedir.
Klasik hesaplama yavaşlarsa, kuantum hesaplama boşluğu doldurabilir
Klasik hesaplama bizi oldukça ileriye 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 ise dünyadaki en iyi oyuncuları yenmişti.44 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 inanıyor.45 Bununla birlikte, hesaplama verimliliğini geliştirmeye yönelik çalışmalar devam etmektedir.
Örneğin, DeepSeek, OpenAI gibi rakiplerinin maliyetinin çok küçük bir kısmıyla bir akıl yürütme model'i sunarak R1 model'i ile küresel piyasaları şaşırttı.
Hala gelişmekte olan bir teknoloji olan Kuantum Hesaplama, Moore yasası sona erdikten sonra hesaplama maliyetlerinin azaltılmasına katkıda bulunabilir. Kuantum Hesaplama, farklı durumların aynı anda değerlendirilmesine dayanırken, klasik bilgisayarlar bir seferde yalnızca 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, singularity'nin kapısını açma şansına sahiptir.
Bazı uzmanlar neden AGI'ye ulaşmayacağımıza inanıyor?
AGI'nin önemi veya varlığına karşı 3 ana argüman vardır. Bunları yaygın reddiyeleriyle birlikte inceledik:
1- Zeka çok boyutludur
Bu nedenle AGI farklı olacaktır, mutlaka insan zekasından üstün olmayacaktır.
Bu doğrudur ve insan zekası da hayvan zekasından farklıdır. Bazı hayvanlar, sincapların yüzlerce fındığı nereye sakladıklarını aylarca hatırlaması gibi zihinsel başarılar sergileyebilirler.
Derin öğrenmenin öncülerinden Yann LeCun, AGI kelimesini emekli etmemiz ve “gelişmiş makine zekasına” ulaşmaya odaklanmamız gerektiğine inanıyor.46 İnsan zihninin uzmanlaştığını ve zekanın bir beceriler koleksiyonu ve yeni beceriler öğrenme yeteneği olduğunu savunuyor. Her insan, insan zekası görevlerinin yalnızca bir alt kümesini gerçekleştirebilir.47
İnsanlar olarak zekanın tüm spektrumunu bilmediğimiz ve deneyimleyemediğimiz için insan zihninin uzmanlaşma seviyesini anlamak da zordur.
Makinelerin insanüstü zeka sergilediği alanlarda, insanlar makineye özgü zayıflıklardan yararlanarak onları yenebilmişlerdir. Örneğin, bir amatör, programın zayıflıklarını inceleyip onlardan yararlanarak, dünya şampiyonlarını yenen Go programlarıyla aynı seviyede olan bir Go programını yenebilmiştir.48
2- Zeka tüm sorunların çözümü değildir
Bilim
Mevcut verileri analiz eden en iyi makine bile kansere çare bulamayabilir. Çoğu alanda yeni bilgiler keşfetmek için gerçek dünya deneyleri yapması ve sonuçları analiz etmesi gerekebilir.
Daha fazla zeka, daha iyi tasarlanmış ve yönetilmiş deneylere yol açarak deney başına daha fazla keşif yapılmasını sağlayabilir. Araştırma üretkenliği tarihi bunu göstermelidir, ancak veriler oldukça gürültülüdür ve araştırmalarda azalan getiriler vardır. Newton mekaniği gibi daha basit problemleri çözdükçe, kuantum fiziği gibi daha zor problemlerle karşılaşırız.
Son olarak, bazı alanlarda, o alanın doğasındaki rastgelelik veya ölçülemezlik nedeniyle mükemmel tahminler mümkün olmayabilir. Örneğin, zengin veri kaynaklarına rağmen, belirli yaşam sonuçlarını yüksek düzeyde doğrulukla tahmin edemiyoruz.49
Ekonomi
Zeka, ekonomik değer üretimi için tek bileşen değildir.
- İnsan zekasının en yaygın kabul gören ölçüsü olan IQ, ~40 bin doların üzerindeki değerler için net varlık ile ilişkili değildir (Aşağıdaki resme bakın):
Şekil 3: IQ, düşük servet seviyelerinde servetle ilişkilidir.50
Şekil 4: Sadece yüksek servet seviyelerine odaklandığımızda IQ servetle ilişkili değildir. Bu grafik, 40 bin doların altındaki net gelir seviyeleri gizlendiği dışında yukarıdakiyle aynıdır51
- Yatırım dünyasında, bir şirketin ekibinin zekası bir rekabet faktörü olarak kabul edilmez. Diğer şirketlerin de zeki stratejiler belirleyebileceği üstü kapalı olarak varsayılır. Yatırımcılar; fikri mülkiyet, ölçek, kaynaklara özel erişim vb. içeren haksız avantajlara sahip işletmeleri tercih ederler. Bu haksız avantajların çoğu yalnızca zeka ile kopyalanamaz.
3- AGI mümkün değildir çünkü insan beynini modellemek mümkün değildir
Teorik olarak, insan beyni dahil herhangi bir hesaplama makinesini, temel hesaplamalar yapabilen ve sonsuz bellek ile zamana erişebilen nispeten basit bir makine ile modellemek mümkündür. Bu, 1950'de ortaya konan ve evrensel olarak kabul edilen Church-Turing hipotezidir. Ancak belirtildiği gibi, bu durum belirli zor koşullar gerektirir: sonsuz zaman ve bellek.
Çoğu bilgisayar bilimcisi, insan beynini modellemenin sonsuz zamandan ve bellekten daha az süreceğine inanıyor. Yine de, bu inancı kanıtlamanın matematiksel olarak sağlam bir yolu yoktur, çünkü beynin hesaplama gücünü kesin olarak tanımlayacak kadar iyi anlamıyoruz. Böyle bir makine inşa etmek zorunda kalacağız!
AGI'ye nasıl ulaşabiliriz?
Şekil 5: Öncü yapay zeka model'lerinin zaman içindeki zaman ufku, her modelin %50 güvenilirlikle tamamlayabildiği en uzun görevleri (insan eşdeğeri zamanda) göstermektedir.52
Yukarıdaki şekil, yapay zeka ajanlarının yeteneklerinin, %50 güvenilirlikle tamamlayabildikleri en uzun görevler ölçülerek zaman içinde nasıl geliştiğini göstermektedir.
Temel bulgu, öncü model'lerin yönetebildiği görev uzunluğunun üstel olarak büyüdüğü ve yaklaşık her yedi ayda bir ikiye katlandığıdır. Bu, Claude 3.7 Sonnet ve o1 gibi daha yeni model'lerin artık bir insanın neredeyse bir saatini alacak görevleri tamamlayabildiği, GPT-2 gibi eski model'lerin ise ancak birkaç saniyeden uzun görevleri yönetebildiği anlamına gelir.
Gölgeli bölge istatistiksel belirsizliği yansıtmaktadır, ancak genel trend güvenilirdir. Eğer bu örüntü devam ederse, yapay zeka sistemleri yakında insanların günler hatta haftalarca sürdürdüğü karmaşık görevleri yönetebilir ve bu da daha geniş bir otonomiye ve AGI benzeri yeteneklere doğru önemli bir adımı işaret eder.
AGI'ye giden bir yol olarak ölçeklendirme
Öncü yapay zeka laboratuvarlarının liderleri, mevcut transformer tabanlı yaklaşımları ölçeklendirmenin AGI sağlayabileceğine inanıyor ve bu da birkaç yıl içinde AGI'ye ulaşacaklarına dair tahminlerini besliyor.
AGI'ye giden önerilen yollardan biri, hesaplama ve veriyi artırarak transformer'lar gibi mevcut mimarileri ölçeklendirmektir; bir diğeri ise tamamen yeni yaklaşımlar geliştirmektir.
Ölçeklendirme hipotezini desteklemek amacıyla, Epoch AI tarafından hazırlanan 2024 tarihli bir rapor, yapay zeka hesaplama büyümesinin 2030'a kadar devam edip edemeyeceğini analiz etti.
Dört ana kısıtlama belirlediler: güç mevcudiyeti, çip üretim kapasitesi, veri kıtlığı ve işlem gecikmesi (Bkz. Şekil 6).
Bu zorluklara rağmen, altyapıya yapılacak önemli yatırımlar varsayıldığında, on yılın sonuna kadar 2e29 FLOP'a kadar gereksinim duyan model'lerin eğitilmesinin mümkün olduğunu savunuyorlar.
Bu tür ilerlemeler, GPT-4 gibi günümüzün en gelişmiş model'lerinden çok daha yetenekli yapay zeka sistemleri üretebilir ve bizi AGI'ye daha da yaklaştırabilir.53
Şekil 6: Grafik, güç, çip üretimi, veri ve gecikme gibi temel kısıtlamalar altında 2030 yılına kadar yapay zeka eğitim hesaplamalarının tahmini üst sınırlarını, medyanların 2e29 ile 3e31 FLOP arasında değiştiğini göstermektedir.
Ölçeklendirmenin ötesi: Yeni mimariler lehine argümanlar
Ancak, Yann LeCun ve Richard Sutton gibi etkili yapay zeka bilim insanları, büyük dil model'lerini ölçeklendirmenin insan düzeyinde zekaya yol açmayacağına inanıyorlar.54 55 AGI için yeni mimarilerin veya yaklaşımların gerekli olduğuna inanıyorlar.
Tercih edilen kaynak olarak ekleAGI'ye ulaşıp ulaşmadığımızı nasıl ölçebiliriz?
Büyük dil model'leri her hafta yeni benchmark'ları geride bırakıyor, ancak veri zehirlenmesi ve insan düzeyinde zeka için kabul görmüş bilimsel bir tanımın eksikliği gibi sorunlar nedeniyle LLM'leri değerlendirmek zordur.
Bu endişeler, LLM'leri ölçeklendirmenin daha iyi performansa giden sürdürülebilir bir yol olmadığına, özellikle bilimsel ve yüksek riskli alanlarda dikkat çeken son araştırmalardan gelen içgörülerle artmaktadır56 . Yazarlar şunları göstermektedir:
- LLM'ler oldukça düşük ölçeklendirme üstelleri (~0.1) sergiler; bu da veri veya hesaplamadaki devasa artışların bile çok küçük doğruluk kazanımları sağladığı anlamına gelir.
- LLM'lerin öğrenme gücü, Gauss dışı çıktılar üretme yeteneklerinden kaynaklanır, ancak bu aynı zamanda hata birikimlerine ve kırılgan tahminlere yol açar.
- Kayıp fonksiyonları gibi geleneksel metrikler, gerçek yakınsama veya doğrulukla örtüşmeyen pseudo-metriklerdir.
- Sentetik veya tekrarlayan verilerle eğitilen model'lerin, hataları düzeltebildiklerinden daha hızlı biriktirdikleri bir Dejeneratif Yapay Zeka (DAI) rejimi ortaya çıkabilir.
Bu bulgular, standart benchmark'ların güvenilirliğini sorgulatmakta ve daha çeşitli ve gelişen değerlendirme stratejilerine olan ihtiyacı vurgulamaktadır.
Turing testi gibi eski metrikler günümüz makineleri için yetersizdir ve ARC-AGI gibi yeni metrikler, daha geniş benchmark'ların genelleme yeteneklerinden yoksun olabilir.
ARC-AGI gibi gelişmekte olan metrikler soyutlama ve genellemeyi test etmeyi amaçlar, ancak veri kontaminasyonuna veya aşırı öğrenmeye karşı hala dirençsiz olabilirler.
Dahası, makalede vurgulandığı gibi, “iyi” kayıp skorları bile Gauss dışı dalgalanmalar ve eğitim istikrarsızlıkları nedeniyle temel bilgi felaketlerini maskeleyebilir.57
LLM'lerin ilerlemesini nasıl takip edebiliriz?
Bu zorlukların üstesinden gelmek için benchmark oluşturmaya yönelik birkaç yaklaşım vardır:
- Benchmark sorularını sık sık güncellemek. Gerçek hayat örneği: LiveBench
- Veri zehirlenmesini önlemek için ayırma setleri kullanmak: AIMultiple'ın AGI benchmark'ı veya ARC-AGI gibi benchmark'ları.
AGI'yi belirlemek için benchmark'ların ötesindeki yaklaşımlar nelerdir?
Yapay zekanın etkisinin, AGI'yi tanımlamaya yardımcı olabilecek potansiyel olarak güçlü ancak gecikmeli göstergeleri vardır.
Ekonomik büyüme
Microsoft CEO'su Satya Nadella, gelişmiş dünyadaki %10'luk bir büyümenin AGI'ye işaret edeceğini iddia ediyor.58 . Ancak, AGI'nin OpenAI ve Microsoft'un özel ortaklığını sona erdireceği için motivasyonu AGI'nin gecikmiş bir tanımına sahip olmaktır.59
İşsizlik
AGI'nin şunları yapmasını bekliyoruz:
- Beyaz yakalı istihdamını, iş gücündeki insanların payı olarak ölçüldüğünde küresel zirvesinin %10'una indirmek. Bu, yapay zeka nedeniyle emeğin gelir payı 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 olmayacaktır. Bu nedenle, insanlar fiziksel dünyadaki işlerde gelişmeye devam ederken beyaz yakalı istihdamının hızla düşmesini bekliyoruz.
İş gücü istatistiklerini toplayan hükümet kurumları, işleri ayrıntılı kategorilere ayırarak beyaz yakalı istihdamını takibi kolay bir metrik haline getirir.
2019'dan 2024'e kadar olan beyaz yakalı istihdamı hakkında ABD Çalışma İstatistikleri Bürosu'ndan veri topladık.60 Netlik ve tutarlılık için beyaz yakalı çalışanları şu meslek gruplarına ayırdık:
- Mimarlık ve Mühendislik Meslekleri
- İş ve Finansal Operasyonlar Meslekleri
- Bilgisayar ve Matematik Meslekleri
- Sağlık Hizmetleri Uygulayıcıları ve Teknik Meslekler
- Hukuk Meslekleri
- Yaşam, Fizik ve Sosyal Bilim Meslekleri
- Yönetim Meslekleri
- Ofis ve İdari Destek Meslekleri
- Satış ve İlgili Meslekler
Analizimize göre, beyaz yakalı çalışanların toplam istihdama oranı bu dönem boyunca %45 ile %48 arasında dalgalanmıştır.
Bu aralık, beyaz yakalı istihdam payında şu ana kadar göreceli bir istikrar olduğunu gösterse de, uzun vadeli bir trendin göstergesi değildir ve otomasyon ile yapay zeka benimsenmesi hızlandıkça önümüzdeki yıllarda daha belirgin kaymalar bekliyoruz. Yapay zekanın beyaz yakalı ve giriş seviyesi istihdamını nasıl değiştireceğine dair daha fazla tahmin için yapay zeka iş kaybı yazısını okuyun.
AGI'yi hedeflemeli miyiz?
AGI'yi nihai hedef olarak belirlemenin yapay zeka araştırmalarını saptırabileceği konusunda uyarıda bulunan bilgisayar bilimcileri vardır.61 Eleştiriler şunları içerir: Bir fikir birliği illüzyonu yaratmak, benchmark'lara aşırı uyum sağlamak, yerleşik sosyal değerleri görmezden gelmek, öncelikleri reklamların belirlemesine izin vermek, “genellik borcu” oluşturmak (temel tasarım sorularını ertelemek) ve dışlanmış toplulukları ve yetersiz kaynaklara sahip araştırmacıları dışlamak.
Belirli, ölçülebilir ve şeffaf hedefler, yapay zekadaki ilerleme için AGI gibi belirsiz bir hedeften daha iyi olacaktır.
AGI tahminlerinin arkasındaki matematiksel akıl yürütme
Matematiksel akıl yürütme, AGI zaman çizelgelerini anlamak ve öngörmek için merkezidir. Birçok projeksiyon, yapay genel zekanın ne zaman ortaya çıkabileceğine dair beklentilere rehberlik eden nicel trendlere ve resmi model'lere dayanmaktadır.
Ölçeklendirme yasaları ve hesaplama büyümesi
Matematiksel akıl yürütmenin temel bileşenlerinden biri ölçeklendirme yasalarını analiz etmeyi içerir. Bunlar, model performansının daha fazla veri, parametre ve hesaplama ile öngörülebilir şekilde geliştiğini göstermektedir.
Yapay zeka eğitim hesaplamalarındaki tutarlı yıllık 4-5 katlık büyüme, mevcut trendlerin devam ettiği varsayıldığında, AGI'nin bir veya iki on yıl içinde ulaşılabilir olabileceği öngörülerini desteklemektedir.
Bu projeksiyonlar, matematiksel modellemenin temel bir kavramı olan güç yasası ilişkileriyle desteklenen performans eğrilerine ampirik uyumlara ve ekstrapolasyonlara dayanmaktadır.
Olasılıksal öngörü
Araştırmacılar ayrıca AGI tahminlerine olasılıksal yöntemler uygulamaktadır. Anketler genellikle uzmanlardan AGI'nin belirli yıllara kadar geliştirilme olasılığını tahmin etmelerini ister ve kümülatif olasılık dağılımları oluşturur.
Örneğin, 2040'a kadar %50 olasılık, gözlemlenen yapay zeka ilerlemesine dayalı Bayes tarzı güncellemelerle yönlendirilen belirsizlik altındaki fikir birliğini yansıtır.
Bu matematiksel akıl yürütme yaklaşımı, kesin tarihler gerektirmeden uzman belirsizliğini yakalar ve yeni veriler mevcut oldukça sürekli revizyona izin verir.
Teorik temeller
Bu öngörüler, insan bilişinin makineler tarafından simüle edilebileceğini ima eden Church-Turing tezi ve zekayı bilginin sıkıştırılabilirliği ile ilişkilendiren Kolmogorov karmaşıklığı gibi matematiksel akıl yürütmenin teorik unsurlarına dayanmaktadır.
Bu teoriler AGI'yi garanti etmese de, olasılığı ve ilgili hesaplama gereksinimleri hakkında düşünmek için bir çerçeve sunarlar.
Yapay Genel Zeka hakkında daha fazlası
Google DeepMind'da Baş Araştırma Bilimcisi David Silver
Yapay Genel Zekanın (AGI), bilim, müzik veya spor gibi çeşitli alanlarda uzmanlaşabilen insanlar gibi, geniş bir yelpazedeki görevleri öğrenme ve bunlarda başarılı olma yeteneğine sahip yapay zeka sistemlerini ifade ettiğini açıklıyor.
Tek bir işle sınırlı dar yapay zekanın aksine AGI, insan adaptasyonunu ve genel problem çözme yeteneğini yansıtmayı amaçlar.
AGI'nin uzun vadeli bir hedef olduğunu, ancak gerçek insan düzeyinde zekaya ulaşmanın muhtemelen birkaç atılım gerektireceğini ve zamanla kademeli olarak gelişeceğini belirtiyor (Aşağıdaki videoya bakın).
OpenAI kurucu ortağı ve Baş Bilimcisi Ilya Sutskever
“AGI'ye Doğru Heyecan Verici, Tehlikeli Yolculuk” adlı TED Konuşmasında, Yapay Genel Zekaya (AGI) doğru olan hızlı ilerlemeyi inceliyor.
AGI'nin önümüzdeki 5 ila 10 yıl içinde ortaya çıkabileceğini öngörüyor, ancak bu zaman çizelgesindeki belirsizliği kabul ediyor.
Sutskever, AGI'nin hem muazzam potansiyelini hem de derin risklerini vurgulayarak, gelişiminin insan değerleriyle hizalanması gerektiğini belirtiyor. Zorluklara rağmen, insanlığın bu güçlü teknolojiyi güvenli bir şekilde yönlendirebileceği konusunda iyimser.
Bilgisayar bilimcisi ve girişimci Ray Kurzweil
Altı yılı aşkın yapay zeka ilerlemesini değerlendirerek, insanlığın ilkel araçlardan büyük dil model'lerine kadar zekayı artıran araçlar inşa etme yeteneğini takip ediyor.
Ayrıca Yapay Genel Zekanın 2029'a kadar geleceğini ve 2045'e kadar teknolojik singularity'ye yol açacağını öngörüyor. Hesaplama gücü, tıp ve biyoteknolojideki üstel ilerlemelere dikkat çekiyor.
Ayrıca yapay zeka tarafından üretilen tedaviler, dijital klinik deneyler ve bilimsel ilerlemenin yaşamı süresiz olarak uzatabileceği longevity escape velocity gibi atılımlar öngörüyor (Aşağıdaki videoya bakın).
Yann LeCun, Turing ödülü sahibi
LLM'lerin neden bize insan düzeyinde zeka veremeyeceğini ve oraya ulaşmak için en yeni yapay zeka yaklaşımlarını görün:
Yapay genel zeka tahminleri
Singularity grafiği metodolojisi
AGI gelişiminin beklenen yılını grafiğe dökmek için, her kategorideki her yıl için tahminlerin ağırlıklı ortalamasını kullandık. Örneğin, 2022'de birden fazla Tahmin Piyasası öngörüsü varsa, bunların ağırlıklı ortalamasını hesapladık ve bu değeri grafiğe işledik.
- Bireysel tahminler için 18 yapay zeka uzmanının öngörülerini dahil ettik.
- Bilimsel tahminler için, AGI için zaman çizelgeleri sunan 10 hakemli makaleden anket sonuçlarını topladık.
- Tahmin piyasası sonuçları için 3 tahmin piyasasından (Manifold, Kalshi ve Metaculus) gelen öngörüleri dahil ettik.
Sonuç
AGI tahminleri son yıllarda belirgin şekilde değişti. Daha önceki anketler gelişini 2060'a yakın bir tarihe yerleştirirken, özellikle girişimcilerden gelen son öngörüler, 2026-2035 kadar erken bir tarihte ortaya çıkabileceğini öne sürüyor.
Bu değişim, büyük dil model'lerindeki hızlı ilerlemeler ve artan hesaplama gücü ile destekleniyor. Yine de, bu kazanımlara rağmen, günümüz yapay zekası hala insan düzeyinde zeka ile ilişkilendirilen genel esneklikten ve otonomiden yoksundur.
Uzmanlar AGI'ye nasıl ulaşılacağı 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 her zamankinden daha yakın olabilir, ancak gelişi hala hem teknik atılımlara hem de dikkatli denetime bağlıdır.
SSS'ler
Singularity, makine zekasında hızlı bir artışla sonuçlanması beklenen varsayımsal bir olaydır.
Singularity için, insan düzeyindeki düşünceyi insanüstü hız ve hızla erişilebilir, neredeyse mükemmel bir bellek ile birleştiren bir sisteme ihtiyacımız var.
Singularity aynı zamanda makine bilinciyle sonuçlanmalıdır ancak bilinç iyi tanımlanmadığı için bu konuda kesin konuşamayız. Böyle bir sistem kendi kendini geliştirebilir ve insan yeteneklerini aşabilir.
Singularity nispeten eski bir terim olsa da, günümüzde aynı olayı tanımlamak için AGI ve özellikle süper zeka terimleri daha sık kullanılmaktadır.
Yapay Genel Zeka (AGI), geniş bir yelpazedeki entelektüel görevleri insanlara eşit veya onlardan daha yüksek bir seviyede anlayabilen, öğrenebilen ve uygulayabilen bir yapay zeka türünü ifade eder.
Dil çevirisi veya görüntü tanıma gibi belirli görevler için tasarlanmış dar yapay zekanın aksine AGI, genelleştirilmiş bilişsel yeteneklere sahip olacak, bu da onun yabancı durumlarda akıl yürütmesini, plan yapmasını ve uyum sağlamasını sağlayacaktır.
AGI'nin geliştirilmesi önemli bir araştırma hedefi olmaya devam etmekte ve etik ve felsefi tartışmaların konusu olmaktadır.
Süper zeka, yaratıcılık, problem çözme ve sosyal anlayış dahil hemen hemen tüm alanlarda en iyi insan zihinlerini önemli ölçüde aşan bir zekayı ifade eder.
AGI'nin ötesinde bir aşamayı temsil eder; burada yapay bir sistem, her anlamlı entelektüel uğraşta insanlardan daha iyi performans gösterebilir.
Bu kavram; kontrol, güvenlik ve üstün zekanın hakim olduğu bir dünyada insanlığın rolünün uzun vadeli etkileri hakkında kritik düşünceler ortaya çıkarmaktadır.
Gelişmiş Makine Zekası (AMI), genel zekaya yaklaşan veya ona yakın bir 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 adaptasyon sergilerler.
Bu terim genellikle mevcut dar yapay zeka yeteneklerini aşan ancak tam genel zeka eşiğinin altında kalan yapay zeka 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/Singularity: 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!