İnsansı robotlar ChatGPT dönüm noktasına ne zaman ulaşacak?

Başka bir deyişle, mesele robotun belirli işleri yapabilmesi değil; sıradaki işi nasıl yapacağını kendi başına çözebilmesi.

İki farklı zaman çizelgesi

Wang Xiaogang: Teknik kırılma 2027 sonunda

Wang Xiaogang, ACE Robotics’in bedensel zekâ için “ChatGPT anını” 2027 sonuna kadar beklediğini söyledi. Bu tahminin arkasında daha gelişmiş dünya modelleri ve çok daha büyük çevre verisi kümeleri bulunuyor. Ancak Wang, teknik atılımla geniş çaplı ticari kullanımı birbirinden ayırıyor. Ona göre modellerin farklı sektörlerde yaygın biçimde kullanılabilmesi için dönüm noktasından sonra dört-beş yıl daha gerekebilir.

Bu ayrım kritik. Bir model muhakeme veya kontrol becerilerinde büyük ilerleme gösterebilir; fakat hâlâ pahalı, tutarsız ya da günlük operasyonlara entegre edilmesi zor olabilir. Araştırma laboratuvarındaki başarı ile ekonomik açıdan güvenilir bir “robot çalışan” aynı şey değil.

Wang Xingxing: En iyi ihtimalle iki-üç yıl, aksi hâlde 10 yıla kadar

Wang Xingxing iki olası senaryo çiziyor. İyimser senaryoda bedensel zekâ iki-üç yıl içinde kritik eşiği aşabilir. Ancak robotların bilinmeyen ortamlara uyum sağlaması ve hassas fiziksel hareketleri gerçekleştirmesi konusundaki ilerleme yavaşlarsa, sektörün beş ila 10 yıla ihtiyacı olabilir.

Ev işleri üzerinden verdiği ölçüt, basit bir yetenek demosundan daha zorlu. Robotun yeni bir ortamda çalışması, doğal dili anlaması ve çok çeşitli görevleri bağımsız biçimde tamamlaması gerekiyor.

Robotların “beyni” neden darboğaz?

Robot donanımı hızla gelişiyor; ancak yazılım, sınırlı deneyimlerden gerçek dünyanın karmaşık çeşitliliğine genelleme yapmakta hâlâ zorlanıyor. Her iki yönetici de yapay zekâ modellerini ve eğitim verisini temel kısıt olarak gösterdi.

Robotların yalnızca bir nesnenin neye benzediğini değil, onunla nasıl etkileşime gireceğini de öğrenmesi gerekiyor: Bir cismin ne kadar kuvvetle tutulacağı, kaygan bir yüzeyde neyin değişeceği, bir hareket başarısız olduğunda nasıl toparlanılacağı gibi ayrıntılar doğrudan fiziksel deneyim gerektiriyor.

Simülasyonlar ve insan gösterimleri yardımcı olabilir; ancak evlerin, fabrikaların, mağazaların ve diğer gerçek ortamların öngörülemezliğini bütünüyle yansıtamaz. Metin modeli eğitiminden farklı olarak robot, bir eylemin yalnızca açıklamasını değil; algı, hareket, sonuç ve düzeltme arasındaki ilişkiyi öğrenmek zorunda.

ACE Robotics veri sorununu nasıl çözmeye çalışıyor?

ACE Robotics, “insan merkezli” bir yaklaşım izliyor. Şirket, üretim hattı çalışanlarına hafif sensörler takarak insanların hareketlerini ve çevreyle etkileşimlerini kaydetmeyi hedefliyor. ACE, bedensel dünya modelleri için on milyonlarca saatlik eğitim verisi toplamayı amaçladığını belirtiyor.

Bu yöntem, yalnızca robotlardan veya simülasyonlardan elde edilen verilerin ötesine geçmeyi amaçlıyor. İnsan operatörler, görevlerin nasıl tamamlandığını, koşullar değiştiğinde hareketlerin nasıl uyarlandığını ve uzun iş akışlarının nasıl birbirine bağlandığını gösterebiliyor.

ACE Robotics Temmuz 2025’te kuruldu ve şirketin başında SenseTime’ın kurucu ortaklarından Wang Xiaogang bulunuyor. Melek yatırım turuna Ant Group liderlik ederken SenseTime bağlantılı sermaye ve diğer yatırımcılar da tura katıldı.

ACE’nin Kairos-4B modeli neden dikkat çekiyor?

ACE, açık kaynaklı Kairos-4B bedensel zekâ modelinin kamuya açık testlerde öne çıktığını ve konferansta aktarılan karşılaştırmada Nvidia’nın Cosmos 3 modelini geride bıraktığını söylüyor. Bunlar şirketle bağlantılı performans iddiaları; dolayısıyla söz konusu sonuçlar, genel amaçlı insansı robotların evlerde veya fabrikalarda kullanıma hazır olduğunun kanıtı olarak görülmemeli.

Şirket laboratuvar gösterilerinin ötesine geçmeyi de planlıyor. ACE, yapay zekâ modellerini 1.000 insansız perakende mağazasında kullanmayı hedeflediğini açıkladı. Standartlaştırılmış iş akışlarına sahip mağazalar, tipik bir eve kıyasla robotların ticari kullanımını daha kolay test edilebilecek kontrollü bir başlangıç alanı sunuyor.

Çin’in robotik yükselişi neden hem heyecan hem temkin yaratıyor?

Bu tahminler, Çin’in insansı robot sektöründeki yoğun yatırım ve üretim dalgasının ortasında geldi. Unitree’nin Şanghay’daki STAR Market halka arzında yaklaşık 904 milyon dolar toplandı; bireysel yatırımcı talebinin arzın 8.000 katından fazla olduğu bildirildi. Hisseler ilk işlem gününü halka arz fiyatının yüzde 460 üzerinde kapattı ve şirketin piyasa değeri yaklaşık 50 milyar dolara ulaştı.

Sevkiyat verileri de Çin’in erken üretim liderliğine işaret ediyor. Smart Analytics Global’e göre 2026’nın ilk yarısında dünya genelinde yaklaşık 19.100 insansı robot sevk edildi ve Çinli üreticiler toplamın yüzde 97’sinden fazlasını oluşturdu.

Ancak bu rakam, genel amaçlı otomasyonun olgunlaştığı anlamına gelmiyor. Aynı dönemde Çin’in 40.000’den fazla insansı robot sevk ettiği yönünde çelişkili bir iddia da bulunuyor. Bu sayı, 19.100 adetlik küresel tahminle uyuşmuyor ve burada bulunan daha güçlü sevkiyat verileriyle desteklenmiyor.

Morgan Stanley ise Çin’in 2026 yılı insansı robot sevkiyat tahminini 50.000 adede yükseltti. Banka, gösterilerden ticari kullanıma geçişin beklenenden hızlı ilerlemesini gerekçe gösterdi. Yine de sevkiyat tahmini pazarın büyüklüğünü ölçer; Wang Xingxing’in ortaya koyduğu, bilinmeyen bir evdeki işlerin yüzde 80’ini tamamlama testini değil.

Asıl sonuç: Yetenek, güvenilirlikten önce gelebilir

İki yöneticinin açıklamalarından çıkarılabilecek en anlamlı sonuç, insansı robotların kesin olarak 2027’de belirli bir eşiği aşacağı değil. Sektör, motorlar, bataryalar ve mekanik tasarımdan çok yazılım kalitesi, eğitim verisi ve genelleme becerisinin belirleyici olacağı bir aşamaya yaklaşıyor.

ACE’nin tahmini, 2027 sonuna kadar teknik bir kırılmaya ve ardından yıllarca sürebilecek ticarileşmeye işaret ediyor. Unitree’nin verdiği geniş aralık ise belirsizliği açıkça ortaya koyuyor: İlerleme hızlanırsa iki-üç yıl, en zor sorunlar çözümsüz kalırsa beş ila 10 yıl.

Çin; finansman, üretim kapasitesi ve erken sevkiyatlar açısından şimdiden güçlü bir konumda. Ancak asıl soru hâlâ yanıtlanmış değil: Bu ölçek, daha önce hiç görmedikleri ortamlarda güvenilir biçimde çalışabilen robotlar üretebilecek mi? Veri ve model sorunu çözülene kadar robotların “ChatGPT anı” bir ürün değil, yalnızca bir öngörü olmaya devam ediyor.