AGI/Tekillik: 10.000 Tahminler Analiz Edildi
Yapay genel zeka (AGI), bir yapay zeka sisteminin tüm görevlerde insan bilişsel yetenekleriyle eşleşmesidir. 10.000 yapay zeka araştırmacısının, önde gelen girişimcilerin ve topluluk tahminlerini analiz ettik:
AGI/tekillik gerçekleşecek mi? Çoğu yapay zeka uzmanına göre AGI kaçınılmazdır.
AGI'ye ne zaman ulaşacağız? 2020'lerin sonu ile 2030'ların başı arasında. ChatGPT'nin piyasaya sürülmesinin ardından AGI zaman çizelgesi kısaldı.
Yapay Genel Zeka Zaman Çizelgesi
Yukarıdaki zaman çizelgesi, 10 anketteki 6.000'den fazla katılımcıdan, 18 yapay zeka araştırmacısının yanıtlarından ve Manifold, Kalshi ve Metaculus tahmin piyasalarından elde edilen topluluk görüşlerine dayanarak beklenen tekillik yılını özetlemektedir.
Yukarıda görebileceğiniz gibi, anket katılımcıları tekilliğin daha önce tahmin edilenden daha erken gerçekleşmesini giderek daha fazla bekliyor. Bu grafiği oluşturmak için kullandığımız yöntemleri öğrenin.
Tahmin piyasalarından AGI tahminleri
Tahmin piyasaları ve topluluk görüşü tahminleri için şunları kullandık:
3.900 tahmin, katılımcıların gelecekteki olayların olasılığı ve zamanlaması üzerine kâr veya itibar için işlem yaptığı çevrimiçi tahmin piyasaları olan Manifold, Kalshi ve Metaculus'tan alınmıştır. Ayrıca bu tahmin piyasalarından elde edilen ortalama tahmin tarihini de ekledik.
AGI hakkında diğer önemli sorular
AGI konusunda mevcut durumumuz nedir?
Dar yapay zeka belirli görevlerde insanları geçse de akıllı bir makine henüz mevcut değildir. Bazı araştırmacılar büyük dil modellerinin gelişmekte olan genel yetenekler sergilediğini belirtmektedir.1 Bizim AGI benchmark'ımıza göre makineler, ekonomik değeri otonom şekilde üretmekten henüz çok uzaktır.
AGI'ye nasıl ulaşabiliriz?
Ya transformatörler gibi mevcut mimarilerin arkasına daha fazla işlem gücü ve veri koyarak ya da yeni yaklaşımlar icat ederek. AGI'ye ulaşma veya onu doğrulama yöntemi konusunda henüz bilimsel bir fikir birliği yoktur.
Aşağıda bu zaman çizelgesini oluşturan tahminlerin bir özetini görebilir veya tam tabloyu inceleyebilirsiniz.
Yapay zeka araştırmacılarının büyük anketlerinin sonuçları
AGI/tekilliğin ne zaman ortaya çıkabileceğini tahmin ettikleri, 6.000'den fazla yapay zeka araştırmacısı ve uzmanının katıldığı 10 anketin sonuçlarını inceledik.
Tahminler değişiklik gösterse de çoğu anket, AGI'ye ulaşma olasılığının %50 olduğunu ve bunun 2040 ile 2061 arasında gerçekleşebileceğini belirtiyor; bazıları süper zekânın birkaç on yıl içinde bunu izleyebileceğini tahmin ediyor.
Yapay Zekada İlerleme Uzman Anketi
Ekim 2023'te YZ Impacts, 2.778 yapay zeka araştırmacısına AGI'ye ne zaman ulaşılabileceğini sordu. Bu anket, 2022 anketindekiyle neredeyse aynı soruları içeriyordu. Yapay Zekada İlerleme Uzman Anketi sonuçlarına göre, üst düzey makine zekâsının 2040 yılına kadar ortaya çıkacağı tahmin ediliyor.2
Yapay Zekada İlerleme Uzman Anketi
Anket, 2021 NIPS ve ICML konferanslarında yayın yapmış 738 uzmanla gerçekleştirildi. Yapay Zekada İlerleme Uzman Anketi sonuçlarına göre uzmanlar, üst düzey makine zekâsının 2059 yılına kadar ortaya çıkma olasılığının %50 olduğunu tahmin ediyor.3
Uzmanlar ayrıca donanım maliyetinin, algoritmik ilerlemenin ve eğitim setleri üzerindeki çalışmaların yapay zekâdaki ilerlemede en büyük etkenler olacağını tahmin etti.
Yapay Zeka İlerlemesini Tahmin Anketi
Baobao Zhang, 2019'da 296 yapay zeka uzmanına, makinelerin ekonomik açıdan ilgili görevlerin %90'ından fazlasını gerçekleştirmede medyan insan çalışandan ne zaman üstün olacağını tahmin etmelerini sordu. Yapay Zeka İlerlemesini Tahmin Anketi sonuçlarına göre, katılımcıların yarısı bunun 2060 yılından önce gerçekleşeceğini tahmin etti.4
AGI Zamanlaması Üzerine Yapay Zeka Uzmanları Anketi
2019'daki AGI Zamanlaması Üzerine Yapay Zeka Uzmanları Anketi'nden elde edilen tahminler5 şunlardır:
- Katılımcıların %45'i 2060 yılından önce bir tarih öngörüyor.
- Tüm katılımcıların %34'ü 2060 yılından sonra bir tarih öngördü.
- Katılımcıların %21'i tekilliğin hiçbir zaman gerçekleşmeyeceğini öngördü.
Yapay Zekanın İşgücü Yer Değiştirme Üzerindeki Potansiyel Etkisi Anketi
Ross Gruetzemacher, 2018'de yapay zekanın işgücü yer değiştirme üzerindeki potansiyel etkisini değerlendirmek için 165 yapay zeka uzmanıyla anket yaptı. Uzmanlardan, yapay zeka sistemlerinin, insanların şu anda ücret aldığı görevlerin %99'unu, ortalama bir insana eşit veya daha üst düzeyde ne zaman gerçekleştirebileceğini tahmin etmeleri istendi.
Yapay Zekanın İşgücü Yer Değiştirme Üzerindeki Potansiyel Etkisi anketi sonuçlarına göre, katılımcıların yarısı bu dönüm noktasının 2068 yılından önce gerçekleşeceğini tahmin ederken, %75'i bunun önümüzdeki 100 yıl içinde gerçekleşeceğini öngördü.6
NIPS ve ICML konferanslarındaki yapay zeka uzmanları anketi
Mayıs 2017'de, 2015 NIPS ve ICML konferanslarında yayın yapmış 352 yapay zeka uzmanıyla anket yapıldı.7
NIPS ve ICML konferanslarındaki anket sonuçlarına göre uzmanlar, AGI'nin 2060 yılına kadar gerçekleşme olasılığını %50 olarak tahmin ediyor. Bununla birlikte, coğrafyaya dayalı önemli bir görüş farklılığı var:
- Asyalı katılımcılar AGI'yi 30 yıl içinde bekliyor,
- Kuzey Amerikalılar 74 yıl içinde bekliyor.
2030 yılına kadar otomatikleştirilmesi beklenen bazı önemli iş fonksiyonları arasında çağrı merkezi temsilciliği, kamyon şoförlüğü ve perakende satışlar yer alıyor.
Yapay Zekada Gelecekteki İlerleme Anketi
Avrupa Bilişsel Sistemler Derneği başkanı Vincent C. Muller ve Oxford Üniversitesi'nden, süper zekâ ve yapay genel zeka (AGI) üzerine 200'den fazla makale yayımlamış Nick Bostrom, Yapay Zekada Gelecekteki İlerleme Anketi'ni 2012 ve 2013 yıllarında gerçekleştirdi. 550 katılımcı, "AGI'nin ortaya çıkması muhtemel olduğunda?" sorusunu yanıtladı.8
Yapay Zekada Gelecekteki İlerleme Anketi'nin sonuçlarına göre:
- Ankete katılan yapay zeka uzmanları, AGI'nin büyük olasılıkla (%50'in üzerinde şans) 2040 ile 2050 arasında ortaya çıkacağını ve 2075 yılına kadar görülme olasılığının yüksek olduğunu (%90 şans) tahmin ediyor.
- AGI'ye ulaşıldığında çoğu uzman, süper zekâya nispeten hızlı ilerleneceğini, sürenin 2 yıl kadar kısa (düşük olasılık, %10) ile yaklaşık 30 yıl (yüksek olasılık, %75) arasında değişebileceğini belirtiyor.
AGI-09 konferansına katılan yapay zeka uzmanlarıyla anket
2009'daki AGI-09 konferansına katılan 21 yapay zeka uzmanından alınan anket sonuçlarına göre, AGI yaklaşık 2050 civarında ve muhtemelen daha erken ortaya çıkacak.9 Aşağıda, belirli yapay zeka başarılarına ilişkin tahminlerini görebilirsiniz: Turing testini geçme, üçüncü sınıfı geçme, Nobel'e değer bilimsel atılımlar yapma ve insanüstü zekâya ulaşma.
Şekil 1: 2009 Yapay Genel Zeka (AGI-09) konferansı katılımcılarına dağıtılan anketin sonuçları.
Topluluk görüşleri
Ayrıca Samotsvety Forecasting ve Metaculus Topluluğu'nun AGI tahminlerini ve Manifold, Kalshi ve Polymarket'ten elde edilen tahmin piyasası sonuçlarını da 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 tahminci ekibidir. INFER/CSET-Foretell gibi büyük tahmin platformlarında ve turnuvalarda güçlü bir rekabetçi geçmişe sahiptirler; doğrulukları Brier skoru gibi biçimsel puanlama ölçütleriyle ölçülür.10
Ocak 2026'da ekip, 8 tahminciyle AGI konusundaki tahminlerini güncelledi.11 İşte toplulaştırılmış sonuçlar:
- %10 olasılıkla 2026'da AGI'ye ulaşacağız
- %50 olasılıkla 2041 yılına kadar AGI'ye ulaşacağız
- %90 olasılıkla 2164 yılına kadar AGI'ye ulaşacağız
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 düşüktür.12
Manifold Market
Ağustos 2026 itibarıyla, 1.100'den fazla Manifold Market katkıcısı, bir yapay zekanın "yüksek kaliteli, çekişmeli Turing testini" ilk kez geçeceği yılı 2034 olarak tahmin etti.13
Kalshi Prediction Market
Ağustos 2026 itibarıyla Kalshi tahmin piyasası katkıcıları, OpenAI'nin 2030 yılına kadar AGI'ye ulaşma olasılığının %45 olduğunu belirtiyor.14
Polymarket
Ağustos 2026'da Polymarket tahminlerinden elde edilen sonuçlar, OpenAI'nin 2027 yılına kadar AGI'ye ulaşma olasılığının %9 olduğunu gösterdi.15
Metaculus Topluluğu Tahminleri
Ağustos 2026 itibarıyla:
- 1.800 katılımcı, "İlk zayıf genel yapay zeka sistemi ne zaman tasarlanacak, test edilecek ve kamuya duyurulacak?" sorusunu yanıtladı ve tahmin 2028.16
- 180 katılımcı, "Bir yapay zeka uzun, bilgilendirilmiş, çekişmeli Turing testini ilk kez ne zaman geçecek?" sorusunu yanıtladı ve tahminleri 2029.17
- 1.900 katılımcı, "İlk genel yapay zeka sistemi ne zaman tasarlanacak, test edilecek ve kamuya duyurulacak?" sorusunu yanıtladı ve tahminleri 2033.18
2022'de 81 katılımcı, "En iyi tahminciler ilk Yapay Genel Zekanın ne zaman geliştirilip gösterilmesini bekliyor?" sorusunu yanıtladı ve tahminleri 2035 oldu.19
Yapay zeka girişimcilerinden ve bireysel araştırmacılardan görüşler
Yapay zeka girişimcileri de tekilliğe ne zaman ulaşacağımıza dair tahminler yapıyor ve araştırmacılardan daha iyimserler. Yapay zekaya artan ilgiden fayda sağladıkları için bu beklenen bir durumdur.
Görüşleri hızı ve gelişim yolu konusunda farklılaşıyor. Anthropic'ten Amodei, hızlı ve kendi kendini güçlendiren ilerleme nedeniyle AGI'nin yakın vadede geleceğini beklerken, DeepMind'dan Hassabis bunu mümkün görüyor ancak bilimsel yaratıcılık ve otonom kendini geliştirmedeki çözülmemiş zorlukları öne sürerek temkinli davranıyor.
İşte en önde gelen yapay zeka girişimcileri ve araştırmacılarından 15'inin tahminleri:
- DeepMind Technologies'ın kurucu ortağı Shane Legg, minimal AGI'yi, ortalama bir insanın yapabildiği bilişsel görevlerin tamamını, aynı görev bir kişiye verildiğinde bizi şaşırtacak şekilde başarısız olmadan güvenilir şekilde yerine getirebilen yapay bir etmen olarak tanımlıyor. Ocak 2026'daki tahmini, Minimal AGI'nin 2028 yılına kadar gerçekleşme olasılığının %50 olduğu yönünde.
- Legg'e göre minimal AGI'ye ulaşmak, büyük bilimsel atılımlar veya sanatsal başarılar gibi insan zekâsının en yüksek biçimlerini tam olarak anladığımız veya yeniden üretebildiğimiz anlamına gelmiyor. Tam AGI, yapay zeka insan bilişinin tüm yelpazesiyle eşleşebildiğinde elde edilmiş olacak.20
- Anthropic CEO'su Dario Amodei, Davos'taki 2026 Dünya Ekonomik Forumu'nda AGI düzeyindeki sistemlerin yakın vadede yaklaştığına dair güçlü bir güven ifade etti. AGI'nin büyük olasılıkla birkaç yıl içinde (2027), muhtemelen yaygın olarak beklenenden daha erken gerçekleşeceğini belirtti.
- Kodlama ve yapay zeka araştırma otomasyonundaki hızlı ilerlemelerin merkezi olduğunu, yapay zeka sistemlerinin çoğu yazılım mühendisliği görevini uçtan uca ele almasını ve geri bildirim döngüleri aracılığıyla kendi gelişimlerini hızlandırmasını sağladığını savunuyor.
- Donanım bulunabilirliği ve eğitim süresi gibi kısıtları kabul etse de daha uzun bir zaman çizelgesini olası görmüyor ve bu döngüler olgunlaştığında hızlı bir ivmelenme bekliyor.21
- Aynı 2026 etkinliğinde, Demis Hassabis, kurucusu olduğu DeepMind'da daha temkinli bir görünüm korudu, on yılın sonuna kadar (2030) AGI'ye ulaşma olasılığının kabaca %50 olduğu yönündeki tahminini yineledi.
- Hassabis, kodlama ve matematik gibi doğrulanabilir alanlarda ilerlemenin hızlı olduğunu kabul ediyor, ancak bilimsel keşif ve yaratıcı akıl yürütmenin daha zor olmaya devam ettiğini vurguluyor.
- Yeni sorular ve teoriler üretme konusundaki çözülmemiş sınırlamaları öne çıkarıyor ve özellikle karmaşık, gerçek dünya alanlarında tamamen otonom kendini geliştirme konusundaki belirsizliği dile getiriyor; bunun AGI zaman çizelgelerini daha az kesin hale getirdiğine inanıyor.
- Yapay zekanın akıl yürütme, programlama ve matematikteki ilerlemelerini birleştiren Google eski CEO'su Eric Schmidt, 3–5 yıl içinde Yapay Genel Zekaya doğru ilerlediğimizi (Nisan 2025'te ifade edildi).22
- Elon Musk, en zeki insanlardan daha zeki bir yapay zekanın 2026 yılına kadar geliştirilmesini bekliyor.23
- Şubat 2025'te girişimci ve yatırımcı Masayoshi Son, bunun 2-3 yıl içinde (yani 2027 veya 2028) gerçekleşeceğini tahmin etti.
- Mart 2024'te Nvidia CEO'su Jensen Huang, beş yıl içinde yapay zekanın herhangi bir testte insan performansını yakalayacağını veya aşacağını tahmin etti: 2029.24
- Bilgisayar bilimci, girişimci ve yazar Louis Rosenberg, 2030 yılına kadar.
- 5 ulusal çok satan kitabın yazarı, bilgisayar bilimci ve girişimci Ray Kurzweil, The Singularity Is Near dahil: Önceden 2045, 2024'te 2032.25
- 2023'te Hinton, AGI'nin 5 ila 20 yıl sürebileceğini belirtti.26
- OpenAI CEO'su Sam Altman, 2035 yılına kadar. 2024'te "The Intelligence Age" adlı blogunda "birkaç bin gün" ifadesini kullandı.
- Yapay zeka araştırmacısı Ajeya Cotra, eğitim hesaplamasındaki büyümeyi analiz etti ve insan benzeri yeteneklere sahip yapay zekanın 2040 yılına kadar ortaya çıkma olasılığını %50 olarak tahmin etti.27
- MIT profesörü ve 1972-1997 yılları arasında MIT Yapay Zeka Laboratuvarı direktörü Patrick Winston, 2040'ı belirtti 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.26
AGI hakkında diğer yorumlar ve gelişmeler
Yapay Zeka Araştırmalarının Geleceği Üzerine AAAI Başkanlık Paneli
Çoğunluğu akademiden (%67) ve Kuzey Amerika'dan (%53) 475 katılımcıya yapay zekadaki ilerleme soruldu. AAAI 2025 Yapay Zeka Araştırmalarının Geleceği Başkanlık Paneli anketi AGI için bir zaman çizelgesi istemese de katılımcıların %76'sı mevcut yapay zeka yaklaşımlarını ölçeklendirmenin AGI'ye yol açma olasılığının düşük olduğunu paylaştı.28
OpenAI robotik hedeflerini genişletiyor
OpenAI, yapay genel zekayı ilerletme hedefinin bir parçası olarak robotiğe odaklanmasını artırıyor. Şirket, insansı robot sistemleri konusunda uzmanlar işe alıyor ve robotların fiziksel dünyada bağımsız şekilde öğrenip hareket etmesine yardımcı olacak algoritmalar tasarlamak üzere bir ekip kuruyor.
Bu, OpenAI'nin daha önce dil ve görüntü modellerine odaklanmasından bir kaymayı işaret ediyor. Şirket artık gelişmiş akıl yürütmeyi fiziksel etkileşimle birleştirmeyi hedefliyor ve robotiği AGI'yi test etme ve ona ulaşma yolunda önemli bir adım olarak gördüğünü gösteriyor.
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 etmeye yönelik yenilenmiş bir çabaya işaret ediyor.
Büyük ölçekli yapay zeka modellerini duyusal verilerle birleştirerek OpenAI, dijital ortamların dışında akıl yürütebilen ve çalışabilen sistemler oluşturmayı hedefliyor. İnsansı robotik uzmanlarının işe alınması aynı zamanda otomasyonun ötesine geçen, insanlarla güvenli şekilde yan yana çalışabilen robotlara yönelik uzun vadeli hedefleri gösteriyor.29
Microsoft'un GPT-4 ile erken deneyler hakkındaki raporu
Microsoft Research, 2023'te OpenAI'nin GPT-4 modelinin erken bir sürümünü inceledi. Rapor, modelin önceki yapay zeka modellerinden daha geniş genel zekâ sergilediğini, matematik, kodlama ve hukuk gibi alanlarda insan düzeyinde performans gösterdiğini iddia etti. Bu, GPT-4'ün yapay genel zekanın bir ön biçimi olup olmadığı tartışmasını başlattı.30
MIT'nin 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 arayüzlerde çok modlu yetenekler ve sınırlı hedefe yönelik otonomi gösterebileceğini öngörüyor.
Rapor, toplulaştırılmış tahminleri birleştiriyor ve bilgi transferi ve geniş akıl yürütme gibi birkaç genelleştirilmiş dönüm noktasına 2028 yılına kadar ulaşılma olasılığının %50 olduğunu öne sürüyor.
Daha uzun vadeli projeksiyonlar, işlem verimliliği, algoritmik atılımlar ve otonom öğrenmedeki ilerlemelere bağlı olarak makinelerin ekonomik açıdan değerli tüm görevlerde insan performansını 2047 civarında aşabileceğini tahmin ediyor.31
AGI olasılıkları üzerine YZ Frontiers
Yapay zeka tartışmaları ve diyalogları platformu YZ Frontiers'tan Adam Khoja ve Laura Hiscott, nicel AGI tanımlarını kullanarak 2028 yılına kadar AGI'ye ulaşma olasılığını %50 ve 2030 yılına kadar %80 olarak tahmin ediyor.32
Khoja ve Hiscott, yapay genel zekaya yönelik ilerlemeyi Khoja, Dan Hendrycks ve ortak yazarları tarafından geliştirilen bir tanım kullanarak değerlendiriyor.33 Çerçeveleri on bilişsel yeteneği ölçüyor ve GPT-4'e %27, GPT-5'e %57 puan veriyor. Bu, mevcut modellerin tanımlanan AGI eşiğinin kabaca yarısında olduğunu gösteriyor.
Khoja ve Hiscott, AGI zaman çizelgeleri hakkındaki geleneksel tartışmaların tutarsız tanımlara dayandığı için kesinlikten yoksun olduğunu savunuyor. Standartlaştırılmış çerçeveleri, mevcut modellerdeki belirli güçlü ve zayıf yönleri belirleyerek netlik yaratmayı amaçlıyor. Okuma, yazma, matematik ve genel bilginin insan temel düzeylerini karşıladığını veya aştığını ve artık sınırlayıcı etkenler olmadığını belirtiyorlar.
Yazarlar görsel akıl yürütme, sezgisel fizik, işitsel işleme, algıya bağlı hız ve görsel ve işitsel çalışma belleğindeki kalan boşlukları vurguluyor. SPACE ve MindCube gibi benchmark'larda hızlı iyileşme olduğunu bildiriyor ve bu boşlukların sürekli artımlı araştırmalarla büyük olasılıkla ele alınabileceğini öne sürüyorlar. Ayrıca halüsinasyonların bir endişe kaynağı olmaya devam ettiğini, ancak önde gelen modeller arasındaki performans farkları göz önüne alındığında ele alınabilir olduğunu gözlemliyorlar.
Khoja, Hiscott ve Hendrycks'e göre kalan en önemli engel sürekli öğrenme ve uzun süreli bellek depolamadır. Mevcut sistemler oturumlar arasında bilgi saklayamıyor ve bu sınırlamanın çözülmesi en az bir anlamlı atılım gerektirecek. Ancak yazarlar, büyük yapay zeka laboratuvarlarının artık bu alana öncelik verdiğini vurguluyor.
Yapay zeka tahminlerindeki geçmiş aşırı iyimserlikten ders çıkarmak
Yapay zeka araştırmacılarının daha önce aşırı iyimser olduğunu unutmayın. Örnekler şunlardır:
- Geoff Hinton 2016'da 2021 veya 2026 yılına kadar radyologlara ihtiyaç duymayacağımızı iddia etti. Şimdiye kadar radyoloji tamamen otomatikleştirilmedi ve hastaneler binlerce radyoloğa ihtiyaç duyuyor.34
- Yapay zeka öncüsü Herbert A. Simon 1965'te: "makineler, yirmi yıl içinde bir insanın yapabileceği her işi yapabilecek."35
- Japonya'nın Beşinci Nesil Bilgisayar projesi 1980'de "sıradan sohbetler yürütme" gibi hedeflerle on yıllık bir zaman çizelgesine sahipti.36
Bu tarihsel deneyim, günümüzdeki çoğu bilim insanının AGI'yi 10-20 yıl gibi iddialı zaman dilimlerinde tahmin etmekten kaçınmasına katkı sağladı, ancak üretken yapay zekanın yükselişiyle bu değişti.
Tekilliğin ne olduğunu anlayın
Yapay zeka bizi hem korkutuyor hem de meraklandırıyor. Neredeyse her hafta haberlerde, geliştiricilerin yarattıkları şeyden korkması veya botların fazla zeki hale geldiği için kapatılması gibi yeni bir yapay zeka korkusu çıkıyor.37
Bu mitlerin çoğu, yapay zeka ve GenAI alanlarının dışındaki kişilerce yanlış yorumlanan araştırmalardan kaynaklanıyor. Bazı paydaşlar, daha fazla düzenlemeden kâr edebilecekleri veya bu sayede daha fazla dikkat çekebilecekleri için yapay zekadan korktuklarını iddia ediyor.
Yapay zeka hakkındaki en büyük korku, makine zekâsında hızlı bir artış getirmesi beklenen tekilliktir (aynı zamanda Yapay Genel Zeka veya AGI olarak da adlandırılır). Bunun, bir sistemin insan düzeyinde düşünmeyi, insanüstü hız ve hızla erişilebilen, neredeyse mükemmel bellek ile birleştirmesiyle ortaya çıkması beklenir. Bazı uzmanlara göre tekillik aynı zamanda makine bilincini de ifade 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 endişe duyuyordu. Zeki makinelerin iyilikseverliğini sağlamak için mekanizmalar (yani Asimov'un Robot Yasaları) tasarlıyorlardı; bu bugün daha yaygın olarak uyum araştırması olarak adlandırılıyor.
Uzmanlar neden AGI'nin kaçınılmaz olduğuna inanıyor: Temel argümanlar ve kanıtlar
AGI'ye ulaşmak çılgın bir tahmin gibi görünebilir, ancak insan zekâsının sabit olduğunu ve makine zekâsının büyüdüğünü göz önünde bulundurduğunuzda oldukça makul bir hedef gibi görünüyor. Zekâlarının önünde katı bir sınır olmadıkça makinelerin bizi geçmesi yalnızca bir zaman meselesidir. Henüz böyle bir sınırla karşılaşmadık.
İnsan zekâsı, 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.38
Makine zekâsı algoritmalara, işlem gücüne ve veriye bağlıdır.
- İşlem gücü, Ar-Ge ve veri merkezlerine yatırım aktıkça üstel bir hızla büyüyor.
- Şimdiye kadar makinelere, işlem güçlerini ve belleklerini etkili şekilde kullanmaları için gerekli algoritmaları sağlamada iyiydik.
- Son olarak, işletmeler ve bireyler giderek artan oranda dijital veri üretiyor. Sentetik veri modelleri bozabilir veya güçlendirebilir. Onları bozsa bile bu, veri düzenleme sayesinde çözülebilir bir sorundur.
Son başarılar
Opus 4.6
Şubat 2026'da Claude, 1M bağlam penceresi ve etkileyici benchmark sonuçlarıyla Opus 4.6'yı yayımladı.
Anthropic ayrıca modellerin belirli alanlarda gezinmesine yardımcı olan markdown dosyaları olan Claude legal gibi eklentiler yayımlayarak kullanım senaryolarına odaklanıyor. Bu, Claude'a küçük bir ekleme olsa da SaaS ve hukuk yazılımları da dahil olmak üzere borsada bir satış dalgasını tetikledi.39
Gemini Deep Think
Bir başka örnek, DeepMind'ın Gemini deep think modudur; bu mod, 2025 Uluslararası Matematik Olimpiyatı'nda altın madalya düzeyinde performans göstererek yapay zekanın karmaşık problemler üzerinde akıl yürütme yeteneğinde önemli bir adım attı.
Tamamen doğal dilde çalışan Gemini, resmi 4.5 saatlik yarışma süresi içinde altı problemden beşini çözdü ve biçimsel sembolik araçlara dayanmadan açık, insan tarafından okunabilir kanıtlar üretti.
Yetenekleri birkaç yenilikten kaynaklanıyor: Deep Think modu çözüm yollarının paralel keşfini sağlıyor, eğitim uzman düzeyinde matematiksel kanıtlar içeriyor ve pekiştirmeli öğrenme stratejik yaklaşımını iyileştiriyor.
Bu ilerleme, gelişmiş yapay zekanın artık bir zamanlar en iyi insan problem çözücülere özgü bir düzeyde sofistike, yorumlanabilir akıl yürütme yapabildiğini gösteriyor.40
Opencrawl
Opencrawl, LLM'leri etmenlere dönüştürmeyi amaçlayan açık kaynaklı bir projedir. GitHub'daki en popüler projelerden biri haline geldi ve opencrawl ekosistemini başlattı.
Üstel büyüme
Aşağıda üstel büyümeyi anlamak için faydalı bir benzetme bulunuyor. Makineler şu anda çok zeki görünmese de yakın gelecekte oldukça akıllı hale gelebilirler.
Yapay zeka hesaplama yeteneklerinde son dönemdeki büyüme
Şekil 2: Şekil, çeşitli kategorilerde gözlemlenen hesaplama büyüme örüntülerinin bir özetini göstermektedir: genel önemli modeller (sol üst), frontier modeller (sağ üst), önde gelen dil modelleri (sol alt) ve önde gelen şirketlerin en iyi modelleri (sağ alt).
Yapay zeka modellerini eğitmek için kullanılan hesaplama kaynakları önemli ölçüde arttı; dil modeli performansının yaklaşık üçte ikisi model ölçeğindeki iyileştirmelere atfediliyor.
2024 tarihli bir makaleye göre,41 yapay zeka modellerinin eğitiminde hesaplama kullanımındaki büyüme, önemli modeller, frontier modeller ve OpenAI, Google DeepMind ve Meta YZ gibi önde gelen şirketlerdeki eğilimleri yansıtacak şekilde yılda yaklaşık 4-5x oranında sürekli artmıştır (bkz. Şekil 2).
Bununla birlikte, büyüme hızı 2018'den bu yana özellikle frontier modeller için bir miktar yavaşladı; ancak dil modelleri 2020 ortasına kadar yılda 9x'e varan daha hızlı bir büyüme kaydetti, ardından hız 4-5x/yıl seviyesine düştü.
Yapay zeka hesaplama büyümesinin genel eğilimi güçlü kalmaya devam ediyor ve projeksiyonlar, yeni zorluklar veya atılımlar olmadığı sürece 4-5x/yıl büyüme hızının süreceğini gösteriyor. Bu büyüme, önde gelen yapay zeka şirketlerinin ölçekleme stratejilerinde de görülüyor; ancak aralarında küçük farklılıklar var.
Frontier model büyümesindeki yavaşlamaya rağmen, bugün piyasaya sürülen GPT-4 ve Gemini Ultra gibi daha büyük modeller, öngörülen büyüme eğrisiyle yakından uyumludur.
Klasik hesaplama yavaşlarsa, kuantum hesaplama boşluğu doldurabilir
Klasik hesaplama bizi oldukça ileri taşıdı. Klasik bilgisayarlardaki yapay zeka algoritmaları, satranç veya Go oynama gibi belirli görevlerde insan performansını aşabilir. Örneğin AlphaGo Zero, AlphaGo'yu 100-0 yendi. AlphaGo dünyadaki en iyi oyuncuları yenmişti.42 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 düştüğünü ima eder.
Öte yandan çoğu uzman, Moore yasasının bu on yıl içinde sona erdiğine inanıyor.43 Ancak hesaplamanın verimliliğini artırmaya yönelik çabalar da var.
Örneğin DeepSeek, R1 modeliyle OpenAI gibi rakiplerinin maliyetinin çok daha azına bir akıl yürütme modeli sunarak küresel piyasaları şaşırttı.
Hâlâ gelişmekte olan bir teknoloji olan Kuantum hesaplama, Moore yasası sona erdikten sonra hesaplama maliyetlerinin azaltılmasına katkıda bulunabilir. Kuantum hesaplama, farklı durumların aynı anda değerlendirilmesine dayanır; klasik bilgisayarlar ise bir seferde tek bir durum hesaplayabilir.
Kuantum hesaplamanın benzersiz doğası, şu anda ticari uygulamalarda en popüler yapay zeka mimarisi olan sinir ağlarını verimli şekilde eğitmek için kullanılabilir. Kararlı kuantum bilgisayarlarda çalışan yapay zeka algoritmaları, tekilliğin kilidini açma şansına sahiptir.
Neden bazı uzmanlar AGI'ye ulaşamayacağımıza inanıyor?
AGI'nin önemine veya varlığına karşı 3 ana argüman vardır. Bunları yaygın karşı savlarıyla birlikte inceledik:
1- Zekâ çok boyutludur
Dolayısıyla AGI farklı olacaktır; insan zekâsından zorunlu olarak üstün değildir.
Bu doğrudur ve insan zekâsı hayvan zekâsından da farklıdır. Bazı hayvanlar, sincapların aylarca sakladığı yüzlerce yemişin yerini hatırlaması gibi zihinsel becerilere sahiptir.
Derin öğrenmenin öncülerinden Yann LeCun, AGI kelimesini emekliye ayırıp "gelişmiş makine zekâsı" elde etmeye odaklanmamız gerektiğine inanıyor.44 İnsan zihninin uzmanlaşmış olduğunu ve zekânın beceriler topluluğu ile yeni beceriler öğrenme yeteneği olduğunu savunuyor. Her insan, insan zekâsı görevlerinin bir alt kümesini gerçekleştirebilir.45
İnsanlar olarak zekânın tüm yelpazesini bilmediğimiz ve deneyimleyemediğimiz için insan zihninin uzmanlaşma düzeyini anlamak da zordur.
Makinelerin insanüstü zekâ sergilediği alanlarda insanlar, makineye özgü zayıflıklardan yararlanarak onları yenebildi. Örneğin bir amatör, dünya şampiyonlarını yenen Go programlarıyla aynı düzeydeki bir Go programını, programın zayıflıklarını inceleyip bunlardan yararlanarak yenebildi.46
2- Zekâ tüm sorunların çözümü değildir
Bilim
Mevcut verileri analiz eden en iyi makine bile kanser için bir tedavi bulamayabilir. Çoğu alanda yeni bilgi keşfetmek için gerçek dünya deneyleri yapması ve sonuçları analiz etmesi gerekebilir.
Daha fazla zekâ, daha iyi tasarlanmış ve yönetilen deneylere yol açarak deney başına daha fazla keşif yapılmasını sağlayabilir. Araştırma verimliliğinin tarihi bunu göstermeli, ancak veriler oldukça gürültülüdür ve araştırmada azalan getiriler vardır. Newton hareketi gibi daha basit problemleri çözdükçe kuantum fiziği gibi daha zor problemlerle karşılaşıyoruz.
Son olarak, bazı alanların doğasında bulunan rastgelelik veya ölçülemezlik nedeniyle mükemmel tahminler mümkün olmayabilir. Örneğin, çok sayıda veriye sahip olsak bile belirli yaşam sonuçlarını yüksek doğrulukla tahmin edemiyoruz.47
Ekonomi
Zekâ, ekonomik değer üretiminin bileşeni değildir.
- İnsan zekâsının en yaygın kabul gören ölçüsü olan IQ, ~40k doların üzerindeki değerler için net servetle ilişkili değildir (aşağıdaki resme bakınız):
Şekil 3: Düşük servet düzeylerinde IQ servetle ilişkilidir.48
Şekil 4: Yüksek servet düzeylerine odaklandığımızda IQ servetle ilişkili değildir. Bu grafik, 40k doların altındaki net gelir düzeyleri gizlenmiş olması dışında yukarıdakiyle aynıdır.
- Yatırım dünyasında, bir şirketin ekibinin zekâsı rekabetçilik faktörü olarak görülmez. Diğer şirketlerin de akıllı stratejiler belirleyebileceği örtük olarak varsayılır. Yatırımcılar, fikri mülkiyet, ölçek, kaynaklara özel erişim gibi haksız avantajlara sahip işletmeleri tercih eder. Bu haksız avantajların çoğu yalnızca zekâ ile kopyalanamaz.
3- İnsan beynini modellemek mümkün olmadığı için AGI mümkün değildir
Teorik olarak, temel hesaplamalar yapabilen ve sonsuz bellek ile zamana erişebilen nispeten basit bir makine ile insan beyni de dahil olmak üzere herhangi bir hesaplama makinesini modellemek mümkündür. Bu, 1950'de ortaya konan evrensel olarak kabul görmüş Church-Turing hipotezidir. Ancak belirtildiği gibi, bazı zor koşullar gerektirir: sonsuz zaman ve bellek.
Çoğu bilgisayar bilimci, insan beynini modellemenin sonsuz zaman ve bellekten daha azını gerektireceğine inanıyor. Yine de bu inancı kanıtlamanın matematiksel olarak sağlam bir yolu yoktur; çünkü beyni hesaplama gücünü kesin olarak karakterize edecek kadar iyi henüz anlamıyoruz. Böyle bir makineyi inşa etmemiz gerekecek!
AGI'ye nasıl ulaşabiliriz?
Şekil 5: Frontier yapay zeka modellerinin zaman ufku, her modelin %50 güvenilirlikle tamamlayabildiği en uzun görevleri (insan eşdeğeri süre olarak) göstermektedir.49
Yukarıdaki şekil, yapay zeka ajanlarının yeteneklerinin, %50 güvenilirlikle tamamlayabildikleri en uzun görevler ölçülerek nasıl geliştiğini gösteriyor.
Temel bulgu, frontier modellerin başa çıkabildiği görev süresinin üstel olarak arttığı ve 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 tamamlayabildiği, GPT-2 gibi eski modellerin ise birkaç saniyeden uzun görevleri zar zor yapabildiği anlamına geliyor.
Gölgelendirilmiş bölge istatistiksel belirsizliği yansıtıyor, ancak genel eğilim güvenilirdir. Bu örüntü devam ederse, yapay zeka sistemleri yakında insanların günler hatta haftalar süren karmaşık görevleri yerine getirebilir ve bu, daha geniş otonomi ve AGI benzeri yeteneklere doğru önemli bir adım olur.
AGI'ye giden bir yol olarak ölçekleme
Frontier yapay zeka laboratuvarlarının liderleri, mevcut transformatör tabanlı yaklaşımları ölçeklemenin AGI'yi doğurabileceğine inanıyor; bu da birkaç yıl içinde AGI'ye ulaşılacağına dair tahminlerini besliyor.
AGI'ye önerilen bir yol, işlem gücünü ve veriyi artırarak transformatörler gibi mevcut mimarileri ölçeklemek; bir diğeri ise tamamen yeni yaklaşımlar geliştirmektir.
Ölçekleme hipotezini desteklemek amacıyla Epoch YZ tarafından hazırlanan 2024 tarihli bir rapor, yapay zeka hesaplama büyümesinin 2030'a kadar sürüp süremeyeceğini analiz etti.
Dört büyük kısıt belirlediler: güç bulunabilirliği, çip üretim kapasitesi, veri kıtlığı ve işleme gecikmesi (bkz. Şekil 6).
Bu zorluklara rağmen, altyapıya önemli yatırımlar yapılması koşuluyla on yılın sonuna kadar 2e29 FLOPs'a kadar işlem gerektiren modellerin eğitilmesinin mümkün olduğunu savunuyorlar.
Bu tür ilerlemeler, GPT-4 gibi günümüzün en gelişmiş modellerinden çok daha yetenekli yapay zeka sistemleri üretebilir ve bizi AGI'ye daha da yaklaştırabilir.50
Şekil 6: Grafik, güç, çip üretimi, veri ve gecikme gibi temel kısıtlar altında 2030 yılına kadar yapay zeka eğitim hesaplamasının tahmini üst sınırlarını göstermekte; medyanlar 2e29 ile 3e31 FLOP arasında değişmektedir.
Ölçeklemenin ötesinde: Yeni mimarilerin gerekçesi
Ancak Yann LeCun ve Richard Sutton gibi etkili yapay zeka bilim insanları, büyük dil modellerini ölçeklemenin insan düzeyinde zekâya yol açmayacağına inanıyor.51 52 AGI için yeni mimarilerin veya yaklaşımların gerekli olduğuna inanıyorlar.
AGI'ye ulaşıp ulaşmadığımızı nasıl ölçebiliriz?
Büyük dil modelleri her hafta yeni benchmark'ları aşıyor, ancak veri zehirlenmesi ve insan düzeyinde zekâ için kabul edilmiş bilimsel bir tanımın bulunmaması gibi sorunlar nedeniyle LLM'leri değerlendirmek zordur.
Bu endişeler, özellikle bilimsel ve yüksek riskli alanlarda LLM'leri ölçeklemenin daha iyi performansa giden sürdürülebilir bir yol olmadığını vurgulayan son araştırmalardan gelen içgörülerle daha da güçleniyor.53 Yazarlar şunları gösteriyor:
- LLM'ler çok düşük ölçekleme üsleri (~0.1) sergiler; bu, veri veya hesaplamadaki dev 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 ölçütler, gerçek yakınsama veya doğrulukla uyumlu olmayan sözde ölçütlerdir.
- Sentetik veya tekrarlayan verilerle eğitilen modeller, düzeltilebileceklerinden daha hızlı hata biriktirdiğinde bir Dejeneratif Yapay Zeka (DAI) rejimi ortaya çıkabilir.
Bu bulgular, standart benchmark'ların güvenilirliğini sorgulamakta ve daha çeşitli ve gelişen değerlendirme stratejilerine duyulan ihtiyacı vurgulamaktadır.
Turing testi gibi eski ölçütler günümüz makineleri için yetersiz kalıyor ve ARC-AGI gibi yeni ölçütler daha geniş benchmark'ların genelleme yeteneklerinden yoksun olabilir.
ARC-AGI gibi yeni ortaya çıkan ölçütler soyutlama ve genellemeyi test etmeyi amaçlar, ancak yine de veri kirliliğine veya aşırı öğrenmeye karşı dayanıklılıktan yoksun olabilir.
Ayrıca makalenin vurguladığı gibi, "iyi" kayıp skorları bile Gauss dışı dalgalanmalar ve eğitim kararsızlıkları nedeniyle altta yatan bilgi felaketlerini gizleyebilir.53
LLM'lerin ilerlemesini nasıl izleyebiliriz?
Bu zorlukların üstesinden gelmek için benchmarking konusunda birkaç yaklaşım vardır:
- Benchmark sorularını sık sık güncellemek. Gerçek hayattan örnek: LiveBench
- Veri zehirlenmesini önlemek için holdout setleri kullanmak: AIMultiple’ın AGI benchmark veya ARC-AGI gibi benchmark'ları.
AGI'yi belirlemek için benchmarking ötesindeki yaklaşımlar nelerdir?
Yapay zekanın etkisinin potansiyel olarak güçlü ancak gecikmeli göstergeleri vardır; bunlar AGI'yi belirlemeye yardımcı olabilir.
Ekonomik büyüme
Microsoft CEO'su Satya Nadella, gelişmiş dünyadaki %10 büyümenin AGI'ye işaret edeceğini iddia ediyor.54 . Ancak AGI, OpenAI ve Microsoft'un özel ortaklığını sona erdireceğinden, onun çıkarı AGI tanımının geciktirilmesi yönündedir.55
İşsizlik
AGI'nin şunları yapmasını bekliyoruz:
- Beyaz yakalı istihdamı, işgücündeki insanların payı olarak ölçüldüğünde küresel zirvesinin %10'una düşürmek. Bu durum, emeğin gelirden aldığı payın yapay zeka nedeniyle önemli ölçüde azalması halinde gerçekleşmelidir.
- GSYİH büyümesi devam ederken
Makinelerin insanlardan daha zeki ve verimli olduğu bir dünyada, bir insana bilgisayar başında oturması için ödeme yapmak rasyonel olmaz. Bu nedenle, insanlar fiziksel dünyadaki işlerde başarılı olmaya devam ederken beyaz yakalı istihdamın hızla düşmesini bekliyoruz.
İşgücü istatistikleri toplayan devlet kurumları işleri ayrıntılı kategorilere ayırır; bu da beyaz yakalı istihdamı izlenmesi kolay bir ölçüt haline getirir.
ABD Çalışma İstatistikleri Bürosu'ndan 2019-2024 dönemini kapsayan beyaz yakalı istihdam verilerini topladık.56 Netlik ve tutarlılık için beyaz yakalı çalışanları şu meslek gruplarına ayırdık:
- Mimarlık ve Mühendislik Meslekleri
- İşletme ve Finansal Operasyonlar Meslekleri
- Bilgisayar ve Matematik Meslekleri
- Sağlık Uygulayıcıları ve Teknik Meslekler
- Hukuk Meslekleri
- Yaşam, Fizik ve Sosyal Bilimler Meslekleri
- Yönetim Meslekleri
- Ofis ve İdari Destek Meslekleri
- Satış ve İlgili Meslekler
Analizimize göre, beyaz yakalı çalışanların toplam istihdama oranı bu dönemde %45 ile %48 arasında dalgalandı.
Bu aralık şimdiye kadar beyaz yakalı istihdamın payında göreli bir istikrar olduğunu gösterse de uzun vadeli bir eğilimi işaret etmez; otomasyon ve yapay zeka benimsemesi hızlandıkça önümüzdeki yıllarda daha belirgin değişimler bekliyoruz. Yapay zekanın beyaz yakalı ve giriş düzeyindeki istihdamı nasıl değiştireceğine dair daha fazla tahmin için yapay zeka iş kaybı bölümünü okuyun.
AGI'yi hedeflemeli miyiz?
AGI'ye nihai hedef olarak odaklanmanın yapay zeka araştırmalarını çarpıtabileceği konusunda uyaran bilgisayar bilimciler var.57 Eleştiriler şunları içeriyor: Bir fikir birliği yanılsaması yaratmak, benchmark'lara aşırı uymak, gömülü toplumsal değerleri görmezden gelmek, öncelikleri abartının belirlemesine izin vermek, "genellik borcu" biriktirmek (temel tasarım sorularını ertelemek) ve marjinalleştirilmiş toplulukları ve yetersiz kaynaklara sahip araştırmacıları dışlamak.
Belirli, ölçülebilir ve şeffaf hedefler, AGI gibi belirsiz tanımlanmış bir hedeften yapay zekadaki ilerleme için daha iyi olacaktır.
Tercih edilen kaynak olarak ekleAGI tahminlerinin arkasındaki matematiksel akıl yürütme
Matematiksel akıl yürütme, AGI zaman çizelgelerini anlamanın ve tahmin etmenin merkezinde yer alır. Birçok projeksiyon, yapay genel zekanın ne zaman ortaya çıkabileceğine dair beklentilere yön veren nicel eğilimlere ve biçimsel modellere dayanır.
Ölçekleme yasaları ve hesaplama büyümesi
Matematiksel akıl yürütmenin önemli bir bileşeni ölçekleme yasalarını analiz etmeyi içerir. Bunlar, model performansının daha fazla veri, parametre ve hesaplama ile öngörülebilir şekilde arttığını gösterir.
Yapay zeka eğitim hesaplamasındaki istikrarlı yıllık 4–5× büyüme, mevcut eğilimlerin sürmesi koşuluyla AGI'nin bir veya yirmi yıl içinde ulaşılabilir olabileceği tahminlerini destekliyor.
Bu projeksiyonlar, matematiksel modellemede temel bir kavram olan güç yasası ilişkileriyle desteklenen performans eğrilerine ve dış değerlemelere dayanır.
Olasılıksal tahmin
Araştırmacılar ayrıca AGI tahminlerine olasılıksal yöntemler de uygular. Anketler genellikle uzmanlardan AGI'nin belirli yıllara kadar geliştirilme olasılığını tahmin etmelerini ister ve kümülatif olasılık dağılımları üretir.
Örneğin, 2040 yılına kadar %50 olasılık, gözlemlenen yapay zeka ilerlemesine dayanan Bayes tarzı güncellemeyle yönlendirilen belirsizlik altındaki fikir birliğini yansıtır.
Bu matematiksel akıl yürütme yaklaşımı, kesin tarihler gerektirmeden uzman belirsizliğini yakalar ve yeni veriler elde edildikçe sürekli revizyona olanak tanır.
Kuramsal temeller
Bu tahminler, insan bilişinin makineler tarafından simüle edilebileceğini ima eden Church-Turing tezi ve zekâyı bilginin sıkıştırılabilirliği ile ilişkilendiren Kolmogorov karmaşıklığı gibi matematiksel akıl yürütmenin kuramsal unsurlarına dayanır.
Bu tür teoriler AGI'yi garanti etmese de onun olasılığı ve ilgili hesaplama gereksinimleri hakkında düşünmek için bir çerçeve sağlar.
Yapay Genel Zeka hakkında daha fazla bilgi
Google DeepMind Baş Araştırma Bilimcisi David Silver
Yapay Genel Zeka'nın (AGI), bilim, müzik veya spor gibi çeşitli alanlarda uzmanlaşabilen insanlar gibi geniş bir görev yelpazesinde öğrenebilen ve üstün başarı gösterebilen yapay zeka sistemlerini ifade ettiğini açıklıyor.
Tek bir işlevle sınırlı dar yapay zekanın aksine AGI, insan uyum yeteneğini ve genel problem çözme becerisini yansıtmayı hedefler.
AGI'nin uzun vadeli bir hedef olduğunu, ancak gerçek insan düzeyinde zekâya ulaşmanın muhtemelen birkaç atılım gerektireceğini ve kademeli olarak gelişeceğini belirtiyor (aşağıdaki videoya bakınız).
OpenAI kurucu ortağı ve Baş Bilimcisi Ilya Sutskever
TED Konuşması "The Exciting, Perilous Journey Toward AGI"de Yapay Genel Zeka'ya (AGI) doğru hızlı ilerlemeyi inceliyor.
Bu zaman çizelgesindeki belirsizliği kabul etmekle birlikte AGI'nin önümüzdeki 5 ila 10 yıl içinde ortaya çıkabileceğini tahmin ediyor.
Sutskever, AGI'nin hem muazzam potansiyelini hem de derin risklerini vurguluyor ve gelişiminin insani değerlerle uyumlu hale getirilmesi gerektiğinin altını çiziyor. Zorluklara rağmen insanlığın bu güçlü teknolojiyi güvenle yönlendirebileceği konusunda iyimser (aşağıdaki videoya bakınız).
Bilgisayar bilimci ve girişimci Ray Kurzweil
İlkel araçlardan büyük dil modellerine kadar zekâyı geliştiren araçlar inşa etme becerimizin izini sürerek altmış yılı aşkın yapay zeka ilerlemesini değerlendiriyor.
Ayrıca Yapay Genel Zeka'nın 2029 yılına kadar geleceğini ve 2045 yılına kadar teknolojik tekilliğe yol açacağını tahmin ediyor. İşlem gücü, tıp ve biyoteknolojideki üstel ilerlemeleri vurguluyor.
Ayrıca yapay zeka tarafından üretilen tedaviler, dijital klinik deneyler ve bilimsel ilerlemenin yaşamı süresiz olarak uzatabileceği uzun ömür kaçış hızı gibi atılımları öngörüyor (aşağıdaki videoya bakınız).
Yann LeCun, Turing ödülü sahibi
LLM'lerin bize neden insan düzeyinde zekâ veremeyeceğini ve oraya ulaşmak için en son yapay zeka yaklaşımlarını görün:
Yapay genel zeka tahminleri
Tekillik grafiği metodolojisi
AGI gelişiminin beklenen yılını grafiğe yerleştirmek için her kategori içindeki her yıl için tahminlerin ağırlıklı ortalamasını kullandık. Örneğin, 2022'de birden fazla Tahmin Piyasası tahmini varsa bunların ağırlıklı ortalamasını hesaplayıp o değeri çizdirdik.
- Bireysel tahminler için 18 yapay zeka uzmanının tahminlerini dahil ettik.
- Bilimsel tahminler için AGI için zaman çizelgeleri sağlayan 10 hakemli makaleden anket sonuçları topladık.
- Tahmin piyasası sonuçları için 3 tahmin piyasasından (Manifold, Kalshi ve Metaculus) tahminleri dahil ettik.
Sonuç
AGI'ye yönelik tahminler son yıllarda belirgin şekilde değişti. Daha önceki anketler AGI'nin 2060'a daha yakın bir tarihte ortaya çıkacağını öngörürken, özellikle girişimcilerden gelen son tahminler 2026–2035 gibi erken bir dönemde ortaya çıkabileceğini öne sürüyor.
Bu değişim, büyük dil modellerindeki hızlı ilerlemeler ve artan işlem gücüyle besleniyor. Yine de bu kazanımlara rağmen günümüz yapay zekası, insan düzeyindeki zekâyla ilişkilendirilen genel esneklik ve otonomiden hâlâ yoksun.
Uzmanlar AGI'nin nasıl elde edileceği konusunda bölünmüş durumda; bazıları mevcut mimarileri ölçeklemenin yeterli olacağına inanırken, diğerleri yeni yöntemlere ihtiyaç olduğunu savunuyor.
Temel zorluklar arasında yüksek kaynak talepleri, belirsiz benchmark'lar ve çözülmemiş etik kaygılar yer alıyor. AGI daha yakın olabilir, ancak ortaya çıkışı hâlâ hem teknik atılımlara hem de dikkatli denetime bağlı.
SSS'ler
Tekillik, makine zekâsında hızlı bir artışa yol açması beklenen varsayımsal bir olaydır.
Tekillik için, insan düzeyinde düşünmeyi insanüstü hız ve hızla erişilebilen, neredeyse mükemmel bellek ile birleştiren bir sisteme ihtiyacımız var.
Tekillik aynı zamanda makine bilinciyle sonuçlanmalıdır, ancak bilinç iyi tanımlanmadığı için bu konuda kesin olamayız. Böyle bir sistem kendini geliştirebilir ve insan yeteneklerini aşabilir.
Tekillik nispeten eski bir terim olsa da aynı olayı tanımlamak için AGI ve özellikle süper zekâ daha sık kullanılıyor.
Yapay Genel Zeka (AGI), geniş bir entelektüel görev yelpazesinde bilgiyi insanlara eşit veya onları aşan düzeyde anlayabilen, öğrenebilen ve uygulayabilen bir yapay zeka türünü ifade eder.
Dil çevirisi veya görüntü tanıma gibi belirli görevler için tasarlanan dar yapay zekanın aksine AGI, alışılmadık durumlarda akıl yürütme, planlama ve uyum sağlama olanağı tanıyan genelleştirilmiş bilişsel yeteneklere sahip olacaktır.
AGI'nin geliştirilmesi önemli bir araştırma hedefi ve etik ile felsefi tartışmaların konusu olmaya devam ediyor.
Süper zekâ, yaratıcılık, problem çözme ve sosyal anlayış dahil neredeyse tüm alanlarda en iyi insan zihinlerini önemli ölçüde aşan bir zekâyı ifade eder.
Yapay bir sistemin anlamlı her entelektüel uğraşta insanlardan daha iyi performans gösterebileceği, AGI'nin ötesinde bir aşamayı temsil eder.
Bu kavram; kontrol, güvenlik ve üstün zekânın egemen olduğu bir dünyada insanlığın rolüne ilişkin uzun vadeli sonuçlar hakkında kritik değerlendirmeleri gündeme getirir.
Gelişmiş Makine Zekâsı (AMI), genel zekâya yaklaşan veya neredeyse genel zekâya ulaşan yetkin yapay zeka sistemlerini içerir.
Henüz AGI ile ilişkilendirilen tam esnekliğe ve öz farkındalığa sahip olmasalar da AMI sistemleri, çeşitli görevler arasında gelişmiş akıl yürütme, öğrenme ve uyum sağlama yeteneği sergiler.
Terim genellikle mevcut dar yapay zeka yeteneklerini aşan ancak tam genel zekâ 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/Tekillik: 10.000 Tahminler Analiz Edildi}},
year = {2026},
month = aug,
howpublished = {\url{https://aimultiple.com/artificial-general-intelligence-singularity-timing}},
note = {AIMultiple. Erişim tarihi: 13 Ağustos 2026}
}219 veri noktasının sonuçları ve zaman damgaları. Bu makalede kullanılan verileri, 2 CSV dosyası ve bir README içeren ZIP dosyası olarak indirin.
Referans Linkleri
Cem'in çalışmaları Business Insider, Forbes, Washington Post gibi önde gelen küresel yayınlar, Deloitte, HPE gibi küresel firmalar, Dünya Ekonomik Forumu gibi STK'lar ve Avrupa Komisyonu gibi uluslarüstü kuruluşlar tarafından alıntılanmıştır.
Cem, kariyeri boyunca teknoloji danışmanı, teknoloji alıcısı ve teknoloji girişimcisi olarak görev yapmıştır. On yıldan fazla bir süre McKinsey & Company ve Altman Solon'da işletmelere teknoloji kararlarında danışmanlık yapmıştır. Ayrıca dijitalleşme üzerine bir McKinsey raporu yayımlamıştır.
CEO'ya rapor verirken bir telekomünikasyon şirketinin teknoloji stratejisini ve satın alımını yönetmiştir. Ayrıca, 2 yıl içinde 0'dan 7 haneli yıllık yinelenen gelire ve 9 haneli değerlemeye ulaşan derin teknoloji şirketi Hypatos'un ticari büyümesini yönetmiştir. Cem'in Hypatos'taki çalışmaları TechCrunch ve Business Insider gibi önde gelen teknoloji yayınları tarafından ele alınmıştır.
Cem, uluslararası teknoloji konferanslarında düzenli olarak konuşma yapmaktadır. Boğaziçi Üniversitesi'nden bilgisayar mühendisi olarak mezun olmuş ve Columbia Business School'dan MBA derecesine sahiptir.
Sıradaki Okunma
Düzenlemeye Tabi Dağıtımlar için En İyi 12 Yapay Zeka Kontrol Düzlemi Aracı
En İyi 6 Yapay Zeka Uygulama Oluşturucusu: Lovable, Base44 ve Glide
E-posta Güvenliği Çözümleri: Acronis, Sophos & Barracuda
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!