Jensen Huang: AGI Birçok Görev İçin Zaten Geldi — Peki Bu Ne Anlama Geliyor?

Jensen Huang’ın AGI açıklaması, bilim dünyasının üzerinde uzlaştığı resmî bir dönüm noktası ilanından çok, yapay zekânın iş dünyasındaki rolünü yeniden çerçeveleyen bir değerlendirme niteliğinde. Nvidia CEO’su, yapay zekânın artık faydalı işler yaptığını, ajanların ekonomik değer üretebildiğini ve “birçok görev için AGI’ye zaten ulaştığımızı söyleyebileceğimizi” savundu. Geleneksel AGI kilometre taşlarını ise “artık pek anlamlı değil” diye niteledi. 3448

Buradaki kritik ayrıntı şu: Huang, tekrarlanabilir bir AGI eşiği tanımlamadı, belirli bir kıyaslama seti göstermedi ve mevcut sistemlerin her alanda insan benzeri zekâya sahip olduğunu ileri sürmedi. Asıl argümanı, yapay zekânın bugün hangi işleri verimli biçimde yapabildiği ve bunun bilgi işlem altyapısına yönelik talep açısından ne anlama geldiği üzerine kuruluydu.

Jensen Huang AGI hakkında ne söyledi?

Huang, görüşmenin başında “yapay zekâ artık faydalı hâle geldi” vurgusunu yaptı ve tek bir komuta yanıt vermekten ziyade çok adımlı işleri yürütebilen yapay zekâ ajanlarının yükselişine dikkat çekti. Bir ajanın, görevin niteliğine bağlı olarak, insanın doğrudan kullandığı bir etkileşime kıyasla yaklaşık 15 ila 100 kat daha fazla işlem gücü gerektirebileceğini söyledi. 3336

Bu bağlamda Huang, AGI’ye “birçok görev için” zaten ulaşılmış sayılabileceğini belirtti. Kullanılan ifade önemli: Bu, tek bir sistemin insanların yapabildiği neredeyse tüm zihinsel işleri güvenilir biçimde yerine getirdiği anlamına gelmiyor. Daha çok, belirli alanlarda yapay zekânın artık ekonomik açıdan işe yarar sonuçlar üretebildiğini anlatıyor.

Huang’ın daha geniş mesajı, yapay zekânın etiketlerden çok somut üretkenlik üzerinden değerlendirilmesi gerektiği yönündeydi. Nvidia’nın bilanço açıklamalarında da yapay zekânın faydalı işler yaptığı ve müşterilerin gerçek sistemlerde kullanımını artırmasıyla talebin hızlandığı vurgulandı. 47

Huang’ın yaklaşımı geleneksel AGI fikrinden nasıl ayrılıyor?

Yapay genel zekânın, yani AGI’nin, evrensel olarak kabul edilmiş tek bir tanımı yok. Bununla birlikte kavram genellikle genellik fikriyle ilişkilendiriliyor: Bir sistemin yalnızca belirli alanlarda başarılı olması değil, bilgisini ve becerilerini daha önce karşılaşmadığı çok çeşitli görevlere aktarabilmesi bekleniyor. 17

Huang’ın bilanço görüşmesindeki yaklaşımı ise tek bir bilişsel eşik yerine pratik faydayı öne çıkarıyor. Bu anlayışa göre bir yapay zekâ sistemi; araçlara, özenle tasarlanmış iş akışlarına, insan denetimine veya özel bir teknik altyapıya ihtiyaç duysa bile ekonomik açıdan değerli işleri tamamlayabiliyorsa AGI’ye benzer kabul edilebilir.

Aradaki farkı şöyle özetlemek mümkün:

• Geleneksel, yetenek odaklı yaklaşım: AGI, daha önce görülmemiş zihinsel problemlerde geniş ve aktarılabilir bir yetkinlik göstermeli.
• Huang’ın pratik yaklaşımı: Ajanlar faydalı işleri tamamlayabildiği alanlarda yapay zekâ ilgili eşiğe yaklaşmış veya bu eşiği karşılamış sayılabilir.
• Bu açıklamanın kanıtlamadığı şeyler: Sağlam muhakeme, uzun süreli ve güvenilir otonomi ya da özel olarak tasarlanmamış iş akışlarının dışındaki genel yetkinlik.

Dolayısıyla Huang, ekonomik dönüşümün “AGI” etiketinden daha önemli olabileceğini savunuyor. Bu, AGI konusundaki bilimsel tartışmanın sonuçlandığı anlamına gelmiyor.

Sam Altman ve OpenAI ile fark nerede?

OpenAI’nin tarihsel tanımı da ekonomik performansa dayanıyor; ancak çıtayı daha yükseğe koyuyor. Şirket AGI’yi, “ekonomik açıdan değerli işlerin çoğunda insanlardan daha iyi performans gösteren, yüksek derecede otonom bir sistem” olarak tanımlıyor. 17

Fark, gereken kapsam ve otonomi düzeyinde ortaya çıkıyor. Huang “birçok görevde” etkili yapay zekâdan söz ederken, OpenAI’nin tanımı “ekonomik açıdan değerli işlerin çoğunda” insanları geride bırakan ve bunu yüksek derecede bağımsız yapabilen bir sistemi gerektiriyor.

Sam Altman’ın, OpenAI’nin 2026’nın sonuna kadar şirket içinde AGI olarak adlandıracağı bir sisteme sahip olabileceğini söylediği bildirildi. Bu öngörü, OpenAI’nin kendi tanımı uyarınca belirlediği şirket içi bir hedef olarak anlaşılmalı; kamuya açık bir sistemin yayımlanacağı veya ekonominin hemen dönüşeceği anlamına gelmiyor. 192228

Altman ayrıca teknolojik başarı ile ekonomide yaygın kullanımın aynı hızda gerçekleşmeyebileceğini kabul etti. Öngörülerine ilişkin haberlerde süperzekâ için daha ileri bir tarih, yaklaşık 2028’in sonu, öne çıkıyor. Bu da AGI, kamuya açık kullanım, ekonomik etki ve süperzekânın birbirinden farklı aşamalar olduğunu gösteriyor. 1821

Bu nedenle Huang ile Altman arasındaki görünür görüş ayrılığı kısmen tanımlardan, kısmen de zamanlamadan kaynaklanıyor. Huang bugünkü faydayı vurguluyor; Altman ise OpenAI’nin daha geniş otonomi ve ekonomik performans standardını karşılayacağını düşündüğü şirket içi bir sistemden söz ediyor.

En güçlü eleştiri: Faydalı olmak, genel zekâya sahip olmak demek değil

Huang’ın iddiasına yönelik en güçlü eleştiri, ticari değerin tek başına genel zekâyı kanıtlamadığı yönünde. Bir sistem son derece kârlı olabilir; buna rağmen dar kapsamlı, güvenilmez veya büyük ölçüde insanlar tarafından tasarlanmış bir altyapıya bağımlı kalabilir.

Huang, günümüzdeki yapay zekâ sistemlerinin genel zekâ ölçütünü karşıladığını gösteren bağımsız bir değerlendirme sunmadı. Ortak bir görev seti, otonomi standardı, güvenilirlik koşulu veya alanlar arası test bulunmadığı sürece “AGI geldi” ifadesini doğrulamak zor.

Bu, açıklamanın anlamsız olduğu anlamına gelmiyor. Daha doğru tanım, bunun iş dünyası merkezli bir yorum olduğu; üzerinde uzlaşılmış bilimsel bir bulgu olmadığıdır. AGI’nin evrensel bir tanımı bulunmadığından, farklı şirketler aynı etiketi birbirinden oldukça farklı yetenek seviyeleri için kullanabiliyor. 17

Nvidia’nın rekor çeyreği Huang’ın dar kapsamlı tezini neden destekliyor?

Nvidia, mali 2027’nin ikinci çeyreğinde 96,2 milyar dolar gelir açıkladı. Bu rakam, yıllık bazda yüzde 106’lık artış anlamına geliyor. Veri merkezi geliri ise yüzde 117 artışla 89,0 milyar dolara ulaştı. 1

Bu sonuçlar AGI’yi kanıtlamıyor. Ancak müşterilerin yapay zekâ sistemlerini eğitmek ve çalıştırmak için gereken altyapıya büyük miktarlarda yatırım yaptığını gösteriyor. Bu da Huang’ın daha sınırlı tezini destekliyor: Yapay zekâ, büyük ticari talep yaratacak kadar değerli hâle gelmiş durumda.

Bilanço görüşmesinde iki fikir birbirine bağlandı:

1. Yapay zekâ ajanları üretken işler yapabilecek seviyeye geliyor.
2. Daha otonom ve çok adımlı işler, insanın doğrudan yönlendirdiği basit bir etkileşime kıyasla çok daha fazla işlem gücü gerektiriyor. 3348

Nvidia açısından ikinci nokta özellikle önemli. Ajanlar daha fazla adım attıkça, daha çok araç kullandıkça ve daha uzun süre çalıştıkça, her faydalı görev çıkarım ve destekleyici altyapı için daha fazla talep yaratabilir.

Bellek maliyetleri yapay zekâ yatırımlarının sınırlarını gösteriyor

Ekonomik tablo tek yönlü değil. Nvidia, pahalı ve kıt bellek bileşenleriyle de karşı karşıya. Haberlerde, aşırı yükselen bellek maliyetlerinin kâr marjı beklentileri üzerinde baskı oluşturduğu aktarıldı. 15

Bu kısıt, Huang’ın açıklamasının nasıl okunması gerektiğini değiştiriyor. Yapay zekâ ajanları daha yetenekli hâle gelse bile kullanımın yaygınlaşması; şirketlerin yeterli GPU, bellek, elektrik ve veri merkezi kapasitesini, makul bir yatırım getirisi sağlayacak maliyetlerle temin edip edemeyeceğine bağlı.

Bu nedenle sektörün temel sorusu “Bir yapay zekâ modeli etkileyici bir yanıt üretebilir mi?” olmaktan çıkıp “Bir yapay zekâ sistemi değerli işi güvenilir ve kârlı biçimde büyük ölçekte yapabilir mi?” sorusuna dönüşüyor. Nvidia’nın sonuçları talep tarafına dair güçlü kanıt sunuyor. Bellek kıtlığı ve marj baskısı ise arz, maliyet ve birim ekonomisi sorunlarının hâlâ çözülmediğini gösteriyor. 1315

Huang’ın açıklamasını anlamanın en doğru yolu

Huang’ın sözleri, AGI’yi bir anda geçilecek tek ve dramatik bir bitiş çizgisi olarak görmeyi reddediyor. Onun savı şu: Pratik dönüşüm zaten başladı; yapay zekâ ajanları faydalı işler yapabiliyor, müşteriler bu sistemleri çalıştıracak altyapı için ödeme yapıyor ve sistemler daha otonom hâle geldikçe gereken işlem gücü artıyor.

Bu, “makineler artık her alanda genel insan zekâsına sahip” iddiasından daha dar bir açıklama. Aynı zamanda OpenAI’nin AGI için ekonomik açıdan değerli işlerin çoğunda yüksek derecede otonom performans şartıyla da aynı şey değil.

En savunulabilir sonuç iki parçalı: Faydalı ve ekonomik açıdan üretken yapay zekâ açıkça geldi; ancak AGI’nin gelip gelmediği, hangi tanımın ve hangi kanıt standardının kullanıldığına bağlı. Nvidia’nın 96,2 milyar dolarlık çeyreği, Huang’ın görüşünün arkasındaki ticari ivmeyi gösteriyor; fakat AGI’nin anlamını tek başına kesinleştirmiyor.