Altman, Amodei, Hassabis ve Huang için AGI bambaşka şeyler ifade ediyor

AGI, yani yapay genel zekâ, bugün birbirinden çok farklı hedefler için kullanılan geniş bir etiket hâline geldi. Kimi için ekonomik açıdan değerli işi bağımsız biçimde yapabilen bir sistem, kimi için Nobel ödüllü araştırmacılar düzeyinde dijital bir bilim insanı, kimi için insanın tüm bilişsel yeteneklerine sahip bir makine, kimi içinse testlerde insanı geçen bir model demek.

Bu tanım farkı, yapay zekâ yöneticilerinin aynı konu hakkında görünürde çelişen tarih tahminleri yapabilmesini açıklıyor. Ayrıca kamuoyu güveninin neden şirket yöneticilerinin beyanlarından ziyade bağımsız değerlendirmelere bağlandığını da gösteriyor.

Dört lider, dört farklı eşik

Sam Altman: Ekonomik değeri olan otonomi

OpenAI’ın sık atıf yapılan AGI tanımı, “ekonomik açıdan en değerli işlerin çoğunda insanlardan daha iyi performans gösteren, yüksek derecede otonom sistemler” üzerine kurulu. Burada eşik ağırlıkla ekonomik ve pratik: Sistemin insan zihnini eksiksiz biçimde taklit edip etmediğinden çok, değerli işleri geniş ölçekte yapıp yapamadığı önemli.

OpenAI’ın son dönemdeki kamuoyu dili ise insanın karar verme rolünü öne çıkarıyor. Şirket, hedefinin insanların seçtikleri amaçlara ulaşmasına yardım eden sistemler geliştirmek olduğunu; insanın neyin önemli olduğuna ilişkin muhakemesini ikame etmek olmadığını söylüyor. Her şeyi tamamen otomatikleştirmenin hem tehlikeli hem de tatmin edici olmayan bir gelecek yaratacağını da açıkça belirtiyor. 23 Şirketin işgücü çerçevesi de görevlerin otomatikleşmesinin tek başına bir mesleğin ortadan kalkacağı anlamına gelmediğini; sunum, denetim ya da sorumluluk alma aşamalarında insanın merkezde kalabileceğini vurguluyor. 25

Böylece güçlü araçlar, otonom ajanlar ve AGI arasında geniş ve değişken bir sınır oluşuyor. Ekonomik tanım, gerçek hayattaki etkiyi izlemek için yararlı olabilir; ancak kamuya açık bilimsel bir geçme-kalma testi değil.

Dario Amodei: Somut ama olağanüstü bir yetenek paketi olarak “güçlü yapay zekâ”

Anthropic CEO’su Dario Amodei, AGI yerine çoğunlukla güçlü yapay zekâ ifadesini kullanıyor. Anthropic’in politika başvurusunda bu kavram, bugünün modellerinin çok ötesinde büyük bir sıçramayı anlatıyor: Çoğu disiplinde Nobel Ödülü sahiplerine denk veya üstün zihinsel yetenek; dijital işlerde insanların kullandığı arayüzleri kullanabilme; karmaşık işleri otonom biçimde yürütebilme. 3

Anthropic, bu sistemlerin 2026 sonu ya da 2027 başında ortaya çıkmasını bekliyor. Amodei bu ihtimali, ekonomik, güvenlik ve jeopolitik sonuçlarına dikkat çekerek “veri merkezindeki dahiler ülkesi” diye nitelendirdi. 6 7

Bu yaklaşım genel bir AGI etiketinden daha somut. Yine de uzmanlığın genişliği, araç kullanımı, otonomi ve uzun süreli güvenilirlik gibi zor koşulları aynı öngörüde birleştiriyor. Bir model, bunların tamamını karşılamadan çok önce bazılarını güçlü biçimde karşılayabilir.

Demis Hassabis: İnsan bilişinin tüm yelpazesi olarak AGI

Google DeepMind CEO’su Demis Hassabis, AGI için daha yüksek bir çıtayı koruyor: İnsanların sahip olduğu tüm bilişsel yeteneklere sahip bir sistem. İnsan düzeyi yapay zekânın bu on yıl içinde gelebileceğini söylerken, mevcut sistemlerin insan düzeyi AGI’ye “henüz çok uzak” olduğunu da vurguluyor. 33 38

Bu çerçeve AGI’yi bir ürün kilometre taşından çok, sağlam genellik gerektiren bilimsel bir eşik olarak görüyor. Birkaç uzmanlık alanındaki etkileyici sonuçtan ya da yüksek sınav puanlarından fazlasını gerektiriyor: Sistem, insan bilişinin geniş alanında işleyebilmelidir.

Jensen Huang: Geniş testlerde insanı geçmek olarak AGI

Nvidia CEO’su Jensen Huang daha çok ölçütlere, yani benchmark’lara odaklanan bir standart kullandı. Huang, 2024’te AGI’nin, yapay zekânın neredeyse her testte insanlardan daha iyi sonuç vermesi şeklinde tanımlanması hâlinde beş yıl içinde gelebileceğini söylemişti. 2026’daki haberler ise onun AGI’nin daha gevşek, pratik bir standarda göre elde edildiğini düşündüğünü aktardı. 34

Bu yaklaşımın çekiciliği açıklığında: Testler puan üretir. Fakat sınırı da açık. Çok sayıda testi geçmek, sistemin uzun vadeli görevlerde güvenilir biçimde bağımsız hareket ettiğini, sağlıklı muhakeme yaptığını veya gerçek dünyanın dağınık koşullarında güvenle çalıştığını tek başına kanıtlamaz.

Bu tahminler neden doğrudan karşılaştırılamaz?

Bu liderler aynı olay için farklı tarihler vermiyor; aslında farklı hedefleri öngörüyor:

• Altman / OpenAI: Ekonomik değeri yüksek işlerin çoğunda otonom performans.
• Amodei / Anthropic: Yaygın biçimde Nobel düzeyinde zihinsel çalışma, araç kullanımı ve uzun süreli otonom dijital yürütme.
• Hassabis / DeepMind: İnsan bilişsel yeteneklerinin tüm yelpazesi.
• Huang / Nvidia: Geniş testlerde insan performansını aşmak.

Bir yapay zekâ, haftalar sürecek bir araştırma projesini kendi başına tamamlayamadan pek çok ölçütte üst düzey sonuç alabilir. İnsan bilişinin tüm repertuvarını göstermeden dijital işlerin büyük bölümünü otomatikleştirebilir. Bu nedenle bu tahminlerin tarihleri, tek bir “AGI geri sayımı” gibi okunmamalı.

AGI neden “ölçülemez”, hatta “mistik” bir kavram gibi görülüyor?

İtiraz, yapay zekâ yeteneklerinin ölçülemeyeceği yönünde değil. Ölçülebilirler. Sorun, AGI için ortaklaşa kabul edilmiş ve bağımsız şekilde yönetilen bir geçme-kalma kuralının bulunmaması.

Akademik bir öneri, AGI’yi tartışmalı bir kavram olarak tanımlıyor ve onu çoğu görevde en az insan düzeyinde yetenek şeklinde işler hâle getiriyor. Bu tanım, kavramı ölçülebilir kılma arzusunu gösterirken aynı zamanda içindeki çözümsüz tercihleri de açığa çıkarıyor: Hangi görevler? Hangi insan grubu? Ne düzeyde güvenilirlik? Hangi koşullarda? 50

İnandırıcı bir kamu testi en az şu unsurları gerektirir:

1. Değişen gösteriler yerine açıkça belirlenmiş görev dağılımı.
2. Sistemin ne sıklıkla hata yaptığı dâhil, performans ve güvenilirlik eşikleri.
3. Yalnızca tek seferlik yanıtlar değil, uzun süreli otonomi ve araç kullanımı testleri.
4. Modellemenin özellikle değerlendirmeyi geçmek için eğitilmesine karşı önlemler.
5. Sonucun yeniden üretilmesi veya denetlenmesi için yeterli bağımsız erişim.

Bu altyapı olmadan AGI, bitiş çizgisini belirlemekte en fazla çıkarı olan kuruluşların yaptığı bir statü iddiasına dönüşebilir. AI Now Institute, mevcut ölçütlerin çoğunu dar, belirsiz ve şirketlerin kendi çıkarına hizmet eden yapılar olarak eleştiriyor. 62

Terminolojinin arkasındaki güven sorunu

AGI tartışması daha geniş bir inandırıcılık sorununu da yansıtıyor. Şirketler dönüştürücü yetenekler hakkında geniş kapsamlı iddialar ortaya koyarken çalışanlar ve müşteriler hâlâ tutarsız, hata yapabilen veya güvenilir biçimde devreye alınması zor sistemlerle karşılaşabiliyor. Bu uyumsuzluk, her uzun vadeli tahminin yanlış olduğunu kanıtlamaz. Ancak sıra dışı iddiaların gözlemlenebilir kanıt ve hesap verebilir öngörüler gerektirdiği anlamına gelir.

İşler konusundaki tartışma bunu iyi gösteriyor. OpenAI, yapay zekânın çalışma hayatını yeniden şekillendireceğini, bazı işlerin kaybolacağını, fakat mevcut kanıtların şimdilik yapay zekânın ikame edenden çok kolaylaştırıcı olduğunu gösterdiğini söylüyor. 17 Bu, dönüşümle çelişmek zorunda değil: Görev otomasyonu, mesleğin değişmesi ve işin ortadan kalkması farklı sonuçlar. Ancak kapsamlı dönüşüm projeksiyonları, işgücü piyasasındaki gerçek etkileri gösteren şeffaf ölçümlerle desteklenmediğinde kamu güveni zedeleniyor.

AGI etiketinden yetenek temelli denetime

Daha güçlü bir yönetişim modeli, bir sistemin AGI’ye ulaşıp ulaşmadığından çok, sergilediği belirli yeteneklere ve bunların doğurduğu risklere odaklanır.

Anthropic’in AI Safety Levels yaklaşımı açık bir koşullu yapı kullanıyor: Bir model tanımlanmış tehlikeli bir yeteneğe sahipse, belirli korumalar uygulanmadan model piyasaya sürülmez veya daha güçlü sistemlerin eğitimi sürdürülmez. 5 Şirketin sonraki politika çerçevesi de şeffaflık, bağımsız değerlendirme ve devletin tehlikeli kullanımları engelleme ya da caydırma yetkisini savunuyor. 10

Altman da güçlü modeller için dış doğrulama ve bağımsız risk değerlendirmeleri çağrısında bulundu; buna piyasaya sürülmeden önce test yapılması ve değerlendirme sonuçlarının yayımlanması da dâhil. 49

Hassabis ise ABD öncülüğünde, FINRA modeline benzer bir Sınır Yapay Zekâ Standartları Kurumu önerdi. FINRA, ABD’de Wall Street’i kamu gözetimi altında denetleyen, sektör tarafından finanse edilen bir kuruluştur. Hassabis’in önerisinde benzer yapı, ileri modelleri piyasaya çıkmadan önce bağımsız olarak değerlendirecek. 52 Haberlere göre birçok öncü yapay zekâ liderinin uzlaştığı nokta, ileri sistemleri üçüncü tarafların test etmesi ve politika için standartların geliştirilmesine katkı sunması. 51

Ancak öneriler ile bağlayıcı uygulamalar arasında hâlâ büyük bir mesafe var. Future of Life Institute’un 2026 AI Safety Index raporu, ileri yapay zekâ risklerini ve bunlara karşılık gelen değerlendirme süreçlerini açıkça ele alan bağlayıcı ulusal düzenleme veya standart bulunmadığını bildirdi. 59

İnandırıcı yapay zekâ iddiası nasıl görünür?

Kamuoyunun sorması gereken yararlı soru “AGI geldi mi?” değil. Şu olmalı: Bu model ne yapabiliyor, bunu ne kadar güvenilir yapabiliyor, neler ters gidebilir ve bu yanıtları kim bağımsız olarak doğruladı?

Bu yaklaşım, yeteneğe özgü bazı gerekliliklere işaret eder:

• Yüksek riskli siber, biyolojik ve aldatma yetenekleri için kamuya açık değerlendirme protokolleri;
• Piyasaya sürülmeden önce bağımsız test ve kırmızı takım çalışmaları;
• Güvenilirlik, olaylar ve kullanım koşullarındaki önemli değişikliklere ilişkin raporlama;
• Kanıtlanmış risk eşiklerine bağlı güvenlik önlemleri ve erişim sınırlamaları;
• Sadece gönüllü beyanlar yerine, kurallara uyulmamasının hukuki sonuçları.

AGI, güçlü bir hedef, pazarlama terimi ve felsefi soru olarak kalabilir. Ancak kamuya açık kanıtla desteklenmediği sürece zayıf bir düzenleyici tetikleyicidir. Güven, geliştiricilerin hedefi yeniden tanımlayıp ona ulaştıklarını ilan edemediği ve kendi güvenliklerini tek başına belgelendiremediği zaman kazanılacak.