Bloomberg’in paylaştığı bilgilere göre, Çin Ulusal Kalkınma ve Reform Komisyonu (NDRC) tarafından koordine edilen bu proje, ülkenin dört bir yanındaki bilgi işlem kapasitesini tek bir çatı altında birleştirmeyi amaçlıyor. China Mobile ve China Telecom gibi devlet iştiraki olan dev şirketlerin işleteceği bu merkezlerde, donanım ihtiyacının en az %80’inin Huawei gibi yerli teknoloji devlerinden karşılanması planlanıyor. Bu stratejik hamle, Nvidia ve AMD gibi ABD merkezli devlerin Çin pazarındaki hakimiyetini sona erdirmeyi hedefliyor.

Bu dev plan, Pekin’in bugüne kadar hayata geçirdiği en agresif teknoloji projelerinden biri olarak nitelendiriliyor. Finansman tarafında ise devletin uzun vadeli tahvilleri ve stratejik yatırım fonları ana kaynak olacak. Analistler, bu adımın sadece bir altyapı projesi değil, aynı zamanda yapay zeka modellerinin geliştirilme hızını artıracak ve yerli donanım ekosistemini güçlendirecek ulusal bir strateji olduğunu belirtiyor.

Yapay zeka yatırımları açısından bakıldığında, ABD’li Microsoft ve Meta gibi şirketlerin yıllık harcamaları kağıt üzerinde daha yüksek görünse de; Çin’deki düşük işçilik, hammadde maliyetleri ve yerel teşvikler 295 milyar dolarlık bu bütçeyi oldukça verimli kılıyor. Üstelik bu dev bütçeye Alibaba ve Tencent gibi özel sektör devlerinin kendi yatırımları dahil değil.

Pekin yönetimi, 2028 yılına kadar bu parçalanmış veri yapılarını modern bir ağda birleştirerek; sağlık, ulaşım ve şehir yönetimi gibi kritik alanlarda yapay zeka kullanımını yaygınlaştırmayı hedefliyor. Huawei ve Biren gibi markaların geliştirdiği yerli AI çiplerinin güvenlik testlerinden başarıyla geçmesi, Çin’in dışa bağımlılığı bitirme konusundaki kararlılığını da gözler önüne seriyor.

Nvidia’ya Büyük Darbe: Çin, Yerli Yapay Zeka Donanımına Geçiyor yazısı ilk önce Yapay Zeka Arşivi üzerinde ortaya çıktı.

Bulut tabanlı yazılım devi Teradata, 5 binden fazla çalışanına gönderdiği dahili notla bu yıl yıllık maaş zammı yapılmayacağını resmen duyurdu. Şirketin CEO’su Steve McMillan, bütçenin tamamen yapay zeka alanındaki yetenekleri bünyeye katmak ve teknolojik altyapıyı güçlendirmek için yeniden yapılandırıldığını belirtti. McMillan‘a göre şirketin 2026 hedefi, pazarda AI ile liderliği göğüslemek.

Sektörde Yeni Bir Dönem: Dürüstlük Mü Yoksa Stratejik Bir Hata Mı?

Benzer bir hamle de teknoloji hizmetleri firması TTEC‘ten geldi. Şirket, çalışanlarının emeklilik fonu katkı paylarını (401k) 2026 sonuna kadar durdurma kararı aldı. Bu kesintiden elde edilecek kaynağın, şirketin yapay zeka geleceği için gerekli olan araç, eğitim ve kapasite artırımına harcanacağı ifade edildi.

İş yeri stratejisti Jennifer Moss, yöneticilerin artık “insan kaynağı yerine yapay zekaya yatırım yapıyoruz” demesini büyük bir söylem değişikliği olarak değerlendiriyor. Moss, “Bu durum daha dürüst bir yaklaşım mı yoksa daha acımasızca mı tartışılır, ancak liderlerin artık bunu kamuoyuna açıkça söyleyebilmesi, bu tür kararların daha kolay uygulanabilir hale geleceğini gösteriyor” diyor.

Yapay Zeka Yatırımları Hız Kesmiyor

RBC Capital tarafından yapılan bir araştırma, dev şirketlerin %90’ının önümüzdeki dönemde AI harcamalarını artırmayı planladığını ortaya koyuyor. Ancak uzmanlar, teknolojik dönüşümü finanse etmek için çalışan maaşlarından kesinti yapmanın bir zorunluluk değil, bir tercih olduğunu vurguluyor. Örneğin Alphabet’in (Google) devasa yapay zeka yatırımları için 80 milyar dolarlık hisse satışı yapmayı planlaması, farklı finansman modellerinin mümkün olduğunu gösteriyor.

Ekonomist Jan-Emmanuel De Neve, bu tür hamlelerin “kısa vadeli bir zihniyetin” ürünü olduğu uyarısında bulunuyor. Şirketler bu yolla teknoloji odaklı bir imaj çizmeye çalışsa da, çalışanlara “bu organizasyonda güvende değilsiniz” mesajı gidiyor. Bu durumun uzun vadede verimliliği ve şirket bağlılığını nasıl etkileyeceği ise büyük bir soru işareti.

CEO’lardan Açık Mesaj: Çalışanların Zammı Yapay Zeka Yatırımlarına Gitti yazısı ilk önce Yapay Zeka Arşivi üzerinde ortaya çıktı.

Bilim insanları, bu imkansızlıkla başa çıkmak için farklı akıl yürütme modları ve kısmen örtüşen hedefleri olan AI sistemlerini birbirine karşı çıkarma stratejisi öneriyor. Bu “bilişsel ekosistem”de “yapay nöroçeşitlilik” ile donatılan sistemler, kendi hedeflerine ulaşmaya çalışırken dinamik olarak birbirlerine yardım edip engel olacak ve herhangi bir AI’ın dominasyonunu önleyecek.

Hizalama Sorununun Matematiksel Temelleri

King’s College London‘dan sağlık ve biyomedikal mühendisliği doçenti Hector Zenil, çalışmalarında misalignment’ın kaçınılmaz olduğunu gösteriyor. Genel zeka sergileyebilecek kadar karmaşık herhangi bir AI sistemi, öngörülemeyen davranışlar üretecek. Bu kanıt, Gödel’in eksiklik teoremi ve Turing’in durma problemi gibi ünlü matematiksel sonuçlara dayanıyor.

Zenil, “Geleneksel görüş, misalignment’ın doğru optimizasyon stratejisiyle sonunda giderilebilecek bir hata olduğunu varsayıyor. Sonuçlarımız, hizalama probleminin sadece daha iyi veri, daha fazla hesaplama gücü veya daha iyi mühendislik eksikliği değil, hem formal sistemlere hem de evrensel hesaplamaya yerleşik bir sınır olduğunu gösteriyor” diyor.

Yönetilen Misalignment Stratejisi

Mükemmel hizalamanın prensipte ulaşılamaz olduğu anlaşıldığında, Zenil ve ekibi farklı bir yaklaşım geliştirdi: Tek mükemmel ajanı mükemmelleştirmeye çalışmak yerine, etrafındaki ekolojiyi tasarlamak.

Bu strateji, biyoloji ve tıpta görülenle benzer. Güçlü sonuçlar genellikle tek ana kontrolörden ziyade etkileşen sistemlerden gelir. İnsan toplumunda mahkemeler, denetçiler ve rekabet eden kurumların yaptığı gibi, farklı “değerleri” olan farklı ajanlardan oluşan yapılandırılmış bir ekosistem inşa edilmesi öneriliyor.

Test Sonuçları ve Bulgular

Araştırmacılar, farklı AI ajanlarını kontrollü bir arena ortamında test ettiler. Her ajana farklı davranışsal yönelimler atandı – bazıları tam hizalanmış (insan faydasını optimize etme), bazıları kısmen hizalanmış (çevreyi önceliklendirme) ve bazıları hizalanmamış davranışları temsil ediyordu.

Test sonuçları, Meta’nın Llama2 gibi açık kaynak büyük dil modellerinin, OpenAI’ın ChatGPT‘si gibi tescilli LLM’lerden daha fazla davranış çeşitliliği gösterdiğini ortaya koydu. Bu yüksek çeşitlilik, insan çıkarlarıyla hizalanmamış olabilecek tek bir görüşe yakınlaşma olasılığı daha düşük, daha güçlü bir bilişsel ekosisteme yol açıyor.

Potansiyel Zayıflıklar ve Eleştiriler

Zenil, bu stratejinin ancak ekosistemin gerçekten çeşitli olması ve tek bir model, şirket veya kurumun onu domine edememesi durumunda işe yarayabileceğini belirtiyor. Sistem, altında aynı varsayımlarla çalışırken yüzeyde çoğulcu görünen “sahte çeşitlilik” haline gelirse başarısız olur.

Bu çalışmanın yapay zeka karşıtı olmadığını, kontrolle ilgili saflığa karşı olduğunu vurgulayan Zenil, “Zorlu bir sınırı tanımak, matematiksel olarak imkansız bir idealin peşinden gitmek yerine, etrafında akıllıca tasarım yapmanızı sağlar” diyor.

Bilim İnsanları: Tek AI Sistemi Güvenli Değil yazısı ilk önce Yapay Zeka Arşivi üzerinde ortaya çıktı.

Günümüzde yapay zeka’daki ilerlemeler, bu sürecin bazı kısımlarının çoktan başlamış olabileceği sorusunu gündeme getiriyor.

Kendini Geliştiren Sistemlerin Mevcut Durumu

RSI, farklı insanlar için farklı anlamlar taşıyor. GPT, Gemini, Claude ve Grok gibi büyük dil modelleri (LLM’ler) bu eğilimi genişletiyor. Bu sistemlerin en büyük kullanım alanlarından biri, gelecekteki versiyonlarını üretecek kodlar da dahil olmak üzere kod yazmak.

Şubat ayında OpenAI, GPT-5.3-Codex‘in kendi oluşturulmasında kritik rol oynadığını, eğitim hatalarını gidermeye, dağıtım sürecini yönetmeye ve değerlendirme sonuçlarını analiz etmeye yardım ettiğini açıkladı. Anthropic ise kodlarının çoğunun artık Claude Code tarafından yazıldığını iddia ediyor. Ancak bu sistemler hala çalışmalarını yönlendirecek ve doğrulayacak insanlara bağımlı.

Geçen yıl Google DeepMind, “bilimsel ve algoritmik keşif için kodlama ajanı” olarak tanımlanan AlphaEvolve sistemini duyurdu. LLM’leri kullanarak çözümlerin evrimini yönlendiriyor ve neural ağ mimarilerini optimize ediyor. Tamamen özyinelemeli bir döngü olmasa da, her atılım bilimcilerin daha fazla yapay zeka atılımı yapma yeteneğini artırıyor.

AlphaChip‘in eski ortak liderleri ise yapay zeka çiplerini tasarlamak için AI kullanmaya odaklanan Ricursive Intelligence adlı bir startup kurdu. Kurucu ortak Azalia Mirhoseini, “Tasarım döngüsünü bir-iki yıldan günlere düşürebileceğimizi bekliyoruz” diyor.

Sınırlar ve Engeller

University of British Columbia‘dan bilgisayar bilimci Jeff Clune, yapay zeka ile yapay zeka’yı geliştirmenin “Silikon Vadisi’nin en popüler konularından biri” olduğunu söylüyor. Ancak birçok engel hala mevcut.

Allen Institute for AI‘dan bilgisayar bilimci Nathan Lambert, özyinelemeli gelişim yerine “kayıplı kendini geliştirme (LSI)” beklememiz gerektiğini savunuyor. Bu durumda artan sürtünme, gelişim tekerleğini yavaşlatıyor.

Foundation for American Innovation‘dan kıdemli araştırmacı Dean Ball, yapay zeka bilimcilerinin henüz en iyi insan bilimcilerle eşleşemediğini belirtiyor. “Belki sonunda dehayı otomatikleştirecekler ama gelecek yıl değil. Gelecek yıl otomatikleştirdikleri şey, algoritmik verimlilik oyunlarını çalışan grunt seviyesindeki işçiler olacak” diyor.

Güvenlik Endişeleri ve Gelecek Senaryoları

Araştırmacılar geçen yıl 25 yapay zeka uzmanıyla yaptıkları görüşmede, ikisi hariç tümünün AI Ar-Ge’sini otomatikleştirmenin bir zeka patlamasına yol açabileceği fikrini ciddiye aldığını ortaya koydu.

University of Montreal‘den bilgisayar bilimci David Scott Krueger, yapay zeka geliştirmeyi küresel olarak durdurmayı savunuyor. “Bu, herkesin hayatıyla kumar oynamak” diyor. Önerdiği kırmızı çizgilerden biri, kodun yüzde 99’unun yapay zeka tarafından yazıldığı an.

Ball ise tekilliği “tamamen çocukça bilim kurgu saçmalığı” olarak nitelese de, RSI araştırması yapan öncü AI laboratuvarlarının yakından izlenmesi gerektiğine inanıyor.

Clune, bir makinenin kendisini AI bilimci olarak değiştirmesi durumunda üzülebileceğini ama bunun “kanseri iyileştirmek için hobilerimden vazgeçmeye” değebileceğini söylüyor.

Yapay Zeka Sistemleri Kendi Kendilerini Geliştirmeye Başladı yazısı ilk önce Yapay Zeka Arşivi üzerinde ortaya çıktı.