Dokuz bölümde bir alan · 1943 — 2026
Savaş yıllarında yazılmış bir nöron makalesinden, kod yazan, protein katlayan ve sizinle tartışan sistemlere: seksen üç yıl. İki AI winter, üç devrim ve alanı bütünüyle yutan tek bir mimari.
Başlamak için kaydırın
Soru
“Şu soruyu ele almayı öneriyorum: makineler düşünebilir mi?”Alan TURING · MIND, Ekim 1950
Turing sorunun kötü kurulduğunu biliyordu; onu bir oyunla değiştirdi — bir sorgucu, bir makine ve yalnızca cevapların sayıldığı bir kural. O günden beri yapılan her şey, o oyuna bir oyuncu inşa etme denemesi.
Aşağıdaki, o denemenin sırayla anlatımı: özgüvenli on yıllar, iki çöküş, modası geçmiş sayılıp yine de çalışmayı sürdüren fikir ve 2010'larda compute, veri ve tek bir mimarinin aynı anda hazır olduğu an.
Bu alan hiçbir zaman sabit hızda ilerlemedi. On yıl hiçbir şey olmuyor, sonra on sekiz ayda her şey oluyor.
Makine, inşa edilmeden önce hayal ediliyor
Tek bir nöron bile simüle edilmeden önce fikir formelleşti: düşünce hesaplama, beyin mantık, makine ise aday bir zihin olarak.
Fikir Warren McCulloch & Walter Pitts
Bir nöronun ilk matematiksel modeli. Basit eşik birimlerinden kurulu ağların herhangi bir mantıksal önermeyi hesaplayabileceğini savunuyorlar. Neural network, biyoloji olarak değil, mantık parçası olarak doğuyor.
Fikir Donald Hebb
“Birlikte ateşlenen hücreler birbirine bağlanır.” Belleğin bağlantı gücünde nasıl saklanabileceğine dair fiziksel bir kural — o günden bugüne her weight güncellemesinin atası.
Fikir Alan Turing
Turing “makineler düşünebilir mi?” sorusunu işlevsel bir testle değiştiriyor, itirazları peşinen cevaplıyor. Bir makinenin 2000 yılına dek testi geçebileceğini tahmin ediyor. Ayrıca yetişkin bir zihni programlamak yerine bir çocuk-makineye öğretmeyi öneriyor.
Sistem Marvin Minsky & Dean Edmonds
3.000 vakum tüpü ve ordu artığı bir otopilot mekanizması, labirentten çıkmayı öğrenen 40 nöronu simüle ediyor. Donanıma gömülmüş reinforcement.
Sistem Arthur Samuel
Samuel'ın IBM 701 programı kendisiyle oynayarak gelişiyor, değerlendirdiği pozisyonları saklıyor. 1959'da “machine learning” terimini o ortaya atıyor.
Semboller, mantık ve muazzam bir özgüven
Dartmouth alana adını veriyor. Programlar teorem kanıtlıyor, bulmaca çözüyor, terapist ağzıyla konuşuyor. Araştırmacılar insan seviyesindeki makineleri bir kuşak içinde bekliyor.
Kilometre taşı McCarthy, Minsky, Rochester, Shannon
On araştırmacı, iki ay ve tek bir öneri cümlesi: zekânın her yönü “bir makinenin onu simüle edebileceği kadar kesin biçimde tarif edilebilir.” Alan adını burada alıyor: artificial intelligence.
Fikir Frank Rosenblatt
Yakınsama kanıtı olan bir öğrenen sınıflandırıcı, fiziksel donanım olarak inşa ediliyor: 400 fotoselli, motorla ayarlanan weight'lere sahip Mark I. New York Times, Donanma'nın “yürüyecek, konuşacak, görecek, yazacak, kendini kopyalayacak” bir makine beklediğini yazıyor.
Sistem John McCarthy
Kodun ve verinin aynı yapıyı paylaştığı bir dil. LISP otuz yıl boyunca sembolik AI'ın zemini oluyor — ve alana kendi donanım endüstrisini kazandırıyor.
Sistem Joseph Weizenbaum
İki yüz satırlık pattern matching, Rogerian terapist kılığında. Kullanıcılar ona içini döküyor ve mekanik olduğuna inanmayı reddediyor. Weizenbaum ömrünün kalanını tam da bu refleks konusunda uyararak geçiriyor.
Sistem Feigenbaum, Lederberg, Buchanan
İlk expert system: kimyagerlerin sezgisel kurallarıyla kütle spektrometresinden molekül yapısı çıkarıyor. 1980'leri şekillendirecek içgörü burada: güç genel akıl yürütmeden değil, alan bilgisinden geliyor.
WINTER Marvin Minsky & Seymour Papert
Tek katmanlı perceptron'ların XOR'u hesaplayamayacağını kanıtlayan titiz bir kitap. Çok katmanlı ağlar açık soru olarak bırakılıyor — ama alan bunu ölüm ilanı olarak okuyor. Neural network fonu on beş yıl buharlaşıyor.
Sistem SRI International
Bir odayı algılayabilen, içinden rota planlayabilen ve blokları itebilen tekerlekli bir makine — yalnızca semboller üzerine değil, kendi fiziksel eylemleri üzerine akıl yürüten ilk sistem. Proje ayrıca A* arama algoritmasını üretti; algoritma robottan elli yıl daha uzun yaşadı.
Sistem Terry Winograd
Renkli blokları istiflemek üzerine akıcı İngilizce diyalog. Oyuncak evreninin içinde şaşırtıcı, dışına çıkmakta bütünüyle âciz — gelecek ölçeklenme sorununun en net gösterimi.
Hesap geliyor
Kombinatoryal patlama sınırlı donanımla çarpışıyor. Lighthill raporu İngiltere'deki fonu kesiyor, DARPA geri çekiliyor. Neural network'ler çıkmaz sokak ilan ediliyor.
WINTER Sir James Lighthill / UK Science Research Council
Sipariş edilen inceleme, AI'ın verdiği sözlerin hiçbirini tutmadığı ve kombinatoryal patlama nedeniyle gerçek dünya ölçeğine ulaşamayacağı sonucuna varıyor. İngiltere'de fon neredeyse sıfırlanıyor; televizyondaki tartışma kararı kamuya mal ediyor.
WINTER US Department of Defense
Konuşma anlama programları hedefi tutturamayınca açık uçlu AI hibeleri yerini göreve özgü sözleşmelere bırakıyor. Para yalnızca çıktısı önceden adlandırılabilen yere akıyor.
Sistem Edward Shortliffe
Kan enfeksiyonu teşhisinde genç hekimleri geçen bir sistem — ve hiç sahaya çıkmıyor. Sorumluluk, entegrasyon ve güven, doğruluktan daha zor çıkıyor. Elli yıldır sürekli yeniden öğrenilen bir ders.
Bilgi, elle yontuluyor
Zekâ bilgiyse, bilgiyi elle yazalım. Rule engine'ler Fortune 500'e giriyor, Japonya Fifth Generation'a ulusal bir bahis oynuyor ve backpropagation sessizce geri dönüyor.
Kilometre taşı Digital Equipment Corporation
Bir rule engine, 2.500 (sonra 10.000+) kuralla VAX siparişlerini yapılandırıyor. Yılda ~40 milyon dolarlık bildirilen tasarruf, AI'ı ilk kez kurumsal bütçelerde bir kalem hâline getiriyor.
Kilometre taşı Japonya / MITI
Paralel logic programming makineleri için on yıllık, ~400 milyon dolarlık ulusal program. ABD ve Avrupa'da savunma amaçlı fonları tetikliyor — ve hedeflerinin neredeyse hiçbirini tutturamıyor.
Fikir John Hopfield
İstatistiksel fizikten ödünç alınmış bir enerji manzarası olarak çağrışımsal bellek. Fizikçileri neural network'lere çekiyor — ve kırk iki yıl sonra 2024 Nobel Fizik Ödülü'nü paylaşıyor.
Fikir Rumelhart, Hinton & Williams
Çok katmanlı ağlar, hatayı katmanlar boyunca geriye yayarak eğitilebiliyor. Matematik daha önce vardı (Linnainmaa 1970, Werbos 1974); alanı buna inandıran makale bu. Bu sayfadaki her model ondan türüyor.
Fikir Sutton, Barto, Watkins
Temporal-difference learning ve 1989'da Q-learning. Gecikmeli ödülden değer tahmini — AlphaGo'nun ve sonrasında insan geri bildiriminden öğrenmenin altyapısı.
Ölçekte kırılganlık
LISP makinesi pazarı aylar içinde çöküyor. Expert system'lerin bakımı imkânsız çıkıyor. “AI” kelimesi fon başvurularında telaffuz edilemez oluyor — iş başka adlar altında sürüyor.
WINTER Symbolics, LMI, Xerox
Sun ve Apple'ın genel amaçlı iş istasyonları, özel AI donanımından hem hızlı hem çok ucuz hâle geliyor. Yarım milyar dolarlık endüstri yaklaşık bir yılda yok oluyor ve alanın itibarını da yanında götürüyor.
Sistem Yann LeCun ve ark., Bell Labs
Backprop ile eğitilen convolutional network'ler el yazısı posta kodlarını okuyor; 90'ların ortasında ABD'deki çeklerin kayda değer bir kısmını işliyor. 2012'yi kazanacak mimari zaten çalışıyor — veriye ve compute'a aç.
Fikir Cortes & Vapnik
Zarif teori, konveks optimizasyon, küçük veride mükemmel sonuç. On yıl boyunca makul tercih — ve neural network'lerin azınlıkta kalmasının sebebi.
Fikir Hochreiter & Schmidhuber
Kapılı bellek hücreleri, diziler için vanishing gradient problemini çözüyor. On beş yıl büyük ölçüde görmezden geliniyor, sonra Google Translate ve Siri'yi çalıştırıyor — attention onun yerini alana kadar.
İstatistik kazanıyor, gösterişsizce
Satranç düşüyor. Arama, spam filtresi ve konuşma tanıma milyarlara ulaşıyor. Convolutional network'ler ve LSTM var ama veri ve silikon yok. ImageNet toplanıyor ve bekliyor.
Kilometre taşı IBM
Saniyede 200 milyon pozisyon, özel satranç çipleri ve insan eliyle ayarlanmış değerlendirme. Öğrenme değil; ama uzun süre zekânın imzası sayılan bir işte makinenin en iyi insanı yenebildiğinin kanıtı. Kamuoyunun kararı: demek satranç gerçek düşünme gerektirmiyormuş.
Kilometre taşı Stanford Racing Team
212 km çöl, otonom sürüşle — tüm katılımcıların başarısız olmasından bir yıl sonra. Elle yazılmış kurallar değil, sensör verisi üzerinde machine learning. Otonom araç endüstrisinin ateşleme noktası.
Fikir Hinton, Osindero, Teh
Katman katman pre-training derin ağları yeniden eğitilebilir kılıyor ve itibarsızlaşmış bir alanı yeniden markalıyor. Altı yıl içinde bu numaraya gerek kalmıyor — düz backprop artı GPU yetiyor.
Sistem NVIDIA
Sıradan kodun, bir grafik çipinin içindeki binlerce küçük çekirdekte çalışmasını sağlayan bir programlama katmanı. Fizik ve finans için yazıldı; beş yıl sonra bütün alanın beklediği zemin olduğu anlaşıldı.
Kilometre taşı Fei-Fei Li ve ark.
20.000 kategoride 14 milyon görsel, yıllar süren crowdsourcing ile etiketlendi. Darboğazın algoritma değil veri olduğuna dair modası geçmiş bahis. Doğru çıktı.
Kilometre taşı IBM
Çevrimdışı bir külliyat üzerinde istatistiksel NLP, canlı yayında iki şampiyonu yeniyor. Ardından gelen ticarileşme — özellikle Watson Health — on yılın demo ile deployment farkı üzerine uyarı hikâyesi oluyor.
GPU, veri ve 10 puanlık düşüş
AlexNet, iki oyun GPU'suyla ImageNet hata oranını yarıya indiriyor. Beş yıl içinde görüntü, konuşma ve çeviri neural network üzerine yeniden kuruluyor. Sonra attention üzerine bir makale her şeyi baştan bağlıyor.
Kilometre taşı Krizhevsky, Sutskever & Hinton
İki tüketici GPU'sunda eğitilen bir convolutional network, ImageNet top-5 hatasını %26,2'den %15,3'e indiriyor. Fark o kadar büyük ki alan on sekiz ay içinde bunun etrafında yeniden örgütleniyor. GPU compute, bugün de olduğu stratejik kaynağa dönüşüyor.
Fikir Mikolov ve ark., Google
Kelimeler, geometrinin anlamı kodladığı yoğun vektörler olarak. Embedding'ler dil ile neural network arasındaki varsayılan arayüz oluyor — ve modellerin insan verisiyle birlikte insan önyargısını da emdiğinin ilk geniş çapta görünür kanıtı.
Fikir Ian Goodfellow ve ark.
Sahteci ile dedektif döngüsünde iki ağ. Fotogerçekçi sentez beklenenden yıllar önce geliyor; sentetik medya üzerine ilk ciddi kamusal tartışma da onunla.
Kilometre taşı He, Zhang, Ren & Sun, Microsoft
Residual bağlantılar 152 katmanlı ağları eğitilebilir kılıyor; top-5 hatası %3,6'ya, ölçülen insan oranının altına iniyor. Skip connection bugün transformer dahil hemen her derin mimaride var.
Kilometre taşı DeepMind
Go'nun yasal pozisyon sayısı gözlemlenebilir evrendeki atom sayısından fazla; kaba kuvvet hiçbir zaman seçenek değildi. Policy ve value network'ler artı ağaç araması 4–1 kazanıyor. Hiçbir insanın oynamayacağı 37. hamle, alanın makine yaratıcılığını konuşmaya başladığı an.
Fikir Vaswani ve ark., Google
Recurrence'ı at, attention'ı tut; tüm dizi paralel eğitilsin. Transformer çağın en belirleyici mimarisi: o günden beri gelen her frontier model — metin, görüntü, ses, protein — onun torunu.
Sistem DeepMind
Yalnızca kurallardan, sıfır insan oyunuyla satranç, shogi ve Go. Dokuz saatte insanüstü satranç. Self-play, öğrenme sinyalinin toplanmak yerine üretilebileceğini kanıtlıyor.
Büyük olan, utandırıcı biçimde, daha iyi
Tek bir mimari — transformer — metni, kodu, protein yapısını ve pikseli yutuyor. Scaling laws araştırmayı bir mühendislik bütçesine çeviriyor. Sonra bir sohbet kutusu halka açılıyor.
Sistem Devlin ve ark., Google
Etiketsiz metinle pre-train et, her şey için fine-tune et. NLP benchmark'ları tek yılda düşüyor ve “büyük bir pre-trained model indir” her dil görevinin varsayılan başlangıcı oluyor.
Sistem OpenAI
1,5 milyar parametre, tutarlı paragraflar ve kötüye kullanım riski gerekçesiyle kademeli yayın. O dönemde hype ya da vesayetçilik diye eleştiriliyor; bugün her frontier lansmanını yöneten yayın politikası tartışmasını başlatıyor.
Fikir Kaplan ve ark. / sonra Hoffmann ve ark.
Loss; compute, veri ve parametre cinsinden düzgün bir power law ile düşüyor. Yetenek bütçeden öngörülebilir hâle geliyor — bu da AI araştırmasını sermaye harcamasına çeviriyor. Chinchilla (2022) tarifi düzeltiyor: büyük modellerin çoğu veri açısından fena hâlde eksik eğitilmiş.
Kilometre taşı OpenAI
175 milyar parametre, ~3×10²³ FLOP training. Few-shot prompting sayesinde tek model, hiç eğitilmediği görevleri yapıyor. API, bir araştırma nesnesini platforma dönüştürüyor.
Kilometre taşı DeepMind
CASP14'te deneysel doğruluğa yakın protein yapısı tahmini, 50 yıllık büyük problemi bitiriyor. 200 milyondan fazla tahmini yapı ücretsiz yayımlanıyor. 2024 Nobel Kimya Ödülü izliyor.
Sistem OpenAI
Ortak metin–görüntü embedding'i, prompt'tan üretilen görseller ve açık depolarla eğitilmiş kod tamamlama. Ticari benimsemeyi belirleyecek iki yetenek — multimodality ve programlama — aynı yıl geliyor.
Fikir Ouyang ve ark., OpenAI
İnsan tercih verisi, metin tahmincisini talimat izleyen bir şeye çeviriyor: 1,3 milyar parametreli hizalanmış model, 175 milyarlık ham modele tercih ediliyor. Teknolojiyi uzman olmayanlar için kullanılır kılan şey ölçek değil, alignment tekniği.
Sistem CompVis / Stability AI
Tüketici GPU'sunda çalışabilen, weight'leri açık, yetkin bir görüntü modeli. Open-weights çağını açıyor — ve eğitim verisi ile telif üzerine hâlâ çözülmemiş kavgayı.
Kilometre taşı ABD Ticaret Bakanlığı · Ekim
İhracat kontrolleri NVIDIA'nın en üst veri merkezi çiplerinin Çin'e satışını engelliyor ve sonrasında defalarca sıkılaştırılıyor. Hangi ülkenin hangi modeli eğitebileceği bir lisans sorusuna dönüşüyor — ve Çin'in yerli çip sanayisi için bugüne kadarki en güçlü teşvik hâline geliyor.
Kilometre taşı OpenAI · 30 Kasım
Sohbet kutusuna sarılmış bir araştırma önizlemesi iki ayda ~100 milyon kullanıcıya ulaşıyor. Alttaki modelde yeni hiçbir şey yok; yeni olan arayüz. Kamuoyunun AI algısı kalıcı olarak öncesi ve sonrası diye ikiye ayrılıyor.
Demodan altyapıya
Frontier modeller önce ürün, sonra platform, sonra iş yapan ajanlara dönüşüyor. Inference anındaki reasoning ikinci bir scaling ekseni açıyor. Yetenek, maliyet ve tartışma birlikte büyüyor.
Kilometre taşı OpenAI
Profesyonel sınav performansı, görsel input ve mimariyi, veri setini, parametre sayısını açıklamayan bir teknik rapor. Yetenek sıçraması ile şeffaflığın geri çekilişi aynı belgede.
Sistem Meta
Frontier'a yakın weight'ler, indirilebilir hâlde. Fine-tuning, quantization ve yerel inference küresel bir hobi ve girişim ekosistemine dönüşüyor; open/closed ayrımı sektörün merkezî yapısal sorusu oluyor.
Sistem Sora, Veo ve video laboratuvarları
Metinden videoya, meraktan ürüne geçiyor. 2026'ya gelindiğinde önde gelen sistemler senkron sesli, kesmeden sonra da aynı kalan karakterlerle sekiz ilâ yirmi saniyelik planlar üretiyor; fizik doğru değil ama ikna edici. Laboratuvarlar bunlara world model demeye ve bu iddianın ne anlama geldiğini tartışmaya başlıyor.
Kilometre taşı Hopfield & Hinton / Hassabis, Jumper & Baker
Neural network'lere Fizik, protein yapısına Kimya. Machine learning bilimsel kurumun içine resmen alınıyor — her iki alanın da çıkmaz sayılmasından otuz yıl sonra.
Fikir OpenAI o1 / o3
Modeli cevaptan önce uzun zincirler hâlinde düşünmeye eğit ve soru başına daha çok compute harca. İkinci bir scaling ekseni açılıyor: performans artık yalnızca training bütçesiyle değil, düşünme süresiyle de artıyor. o3, çok yüksek compute maliyetiyle ARC-AGI-1'de %87,5 bildiriyor.
Sistem DeepSeek R1 ve açık ekosistem
Varsayılan maliyetin küçük bir kısmına, open weights ile yayımlanan güçlü reasoning, AI yeteneğinin küresel olarak yeniden fiyatlanmasını — ve bir piyasa şokunu — tetikliyor. Yetenek liderliği ile maliyet liderliği aynı yarış olmaktan çıkıyor.
Sistem Sektör geneli
Modeller yalnızca cevap vermiyor: araç zincirleri çalıştırıyor, repo düzenliyor, web'de geziniyor ve saatler süren görevleri taşıyor. Ölçülen görev ufku — bir modelin güvenilir biçimde tamamladığı iş uzunluğu — kabaca yedi ayda bir ikiye katlanıyor.
Kilometre taşı DeepMind ve OpenAI deneysel modelleri
Sistemler, yarışma koşullarında doğal dille çalışarak Uluslararası Matematik Olimpiyatı'nda altın madalya seviyesine ulaşıyor — yıllarca daha dayanması beklenen bir eşik.
Kilometre taşı Moonshot, Alibaba, DeepSeek
Kimi K3, 2,8 trilyon parametre ve open weights ile çıkıyor; Qwen3.8-Max 2,4 trilyonla, DeepSeek-V4 Pro 1,6 trilyonla takip ediyor. İlk kez, büyüklüğü kamuya açık olan en büyük model herkesin indirebileceği bir model — ve hepsi Çinli laboratuvarlardan geliyor.
Kilometre taşı Figure, Physical Intelligence, Tesla, DeepMind
Vision-language-action modelleri transformer'ı doğrudan kontrol döngüsünün içine koyuyor: tek bir ağ görüyor, akıl yürütüyor ve hareket ediyor. Counterpoint 2026'da ticari olarak çalışan 50 binden fazla humanoid sayıyor; bir yıl önce 16 bindi. Küçük sayılar, dik eğri — ve expert system patlamasını bitiren o aynı “demoda çalışıyordu” sorunu.
Kilometre taşı Küresel
Bağlayıcı sınırlar fikirlerden elektriğe, araziye, HBM tedarikine ve ileri paketlemeye kayıyor. Yüz milyarlarca dolarlık veri merkezi programları yürürlükte ve şebeke bağlantı kuyrukları bir AI haberi hâline geliyor.
Mekanizma
Bu zaman çizelgesindeki her sistem aynı döngüye iniyor: buraya kadarki diziyi oku, sıradakini tahmin et, ekle, baştan çalıştır. Altı adım, tekrar tekrar. Training ise aynı döngünün trilyonlarca kez tersten çalıştırılması — tahmin tuttuğunda değil, tutmadığında weight'leri azıcık itmesi.
Cümle token'lara bölünüyor — sık geçen kelimeler bütün kalıyor, nadir olanlar parçalanıyor. Türkçe'de ekler çoğu zaman ayrı token oluyor: “çalış” ve “ır”. Her token sabit bir vocabulary'de aranıp id'siyle değiştiriliyor. Model harfleri hiç görmüyor.
Donanım · 2006 — 2026
Bu zaman çizelgesindeki hiçbir şey yalnızca birinin daha iyi bir fikri olduğu için olmadı. Backpropagation, kendisini ölçekte çalıştırabilecek donanımı otuz yıl bekledi — ve o donanım, video oyunu gölgeleri çizmek için kurulmuş bir sektörden geldi. Aşağıda bir modelin nasıl, neyin üzerinde eğitildiği ve bunu kimin sattığı var.
Aynı forward pass, tersten
Training, cevap anahtarı verilmiş inference'tır. Model sıradaki token'ı tahmin ediyor, tahmin gerçekten gelenle karşılaştırılıyor ve hata her katmandan geriye yayılarak her weight'in bu hataya ne kadar katkı verdiği hesaplanıyor. Sonra her weight, daha az yanılacağı yöne bir kesir kadar itiliyor. Bunu saniyede yüz binlerce kez, üç ay boyunca, yüz bin çip üzerinde yap.
2026 sınıfı bir training run için tahminler. Compute, artık yarım milyar dolardan başlayan bir training bütçesinin %65–75'i.
Mali yıl başına milyar US$
NVIDIA yapay zekâ sektörünü kurmaya çıkmadı. Render için paralel bir işlemci yaptı, sonra 2007'de CUDA'yı çıkardı — o işlemcide sıradan kod çalıştırmanın bir yolu. Beş yıl boyunca bu fizikçilere özel bir niş kaldı. Sonra iki doktora öğrencisi AlexNet'i iki oyun kartında eğitti ve alan, ihtiyacı olan makinenin çoktan satışta olduğunu fark etti.
Bir grafik çipinin üzerine genel amaçlı programlama katmanı. AI tarafında beş yıl kimse fark etmiyor.
AlexNet iki adet GTX 580'de, oda ölçeğinde bir kurulumda eğitiliyor. Sonuç CPU tabanlı alanın o kadar önünde ki bir yıl içinde GPU training tartışmasız hâle geliyor.
Jensen Huang, amaca özel ilk AI süper bilgisayarını OpenAI adlı küçük bir kâr amacı gütmeyen kuruluşa elden teslim ediyor.
V100, matris çarpımından başka hiçbir şey yapmayan silikon ekliyor — transformer'ın ihtiyacı olan tek işlem. Çip artık bir grafik parçası olmaktan çıkıyor.
Hopper, ChatGPT ile aynı yıl geliyor. Teslim süreleri bir yılı aşıyor, tahsis stratejik bir varlığa dönüşüyor ve ABD Çin'e satışı kısıtlıyor.
Veri merkezi geliri mali yılda 194 milyar dolara ulaşıyor ve NVIDIA dünyanın en değerli şirketi. Blackwell yerini Rubin'e bırakıyor.
2026 ortası durumu
OpenAI ve Meta ile 6 gigawatt'lık anlaşmalar; pazarın %5–7'si. Rubin'e göre dolar başına %30 daha fazla token iddiası.
Gemini'nin %75'inden fazlası TPU'da çalışıyor. Satılmıyor, kiralanıyor — bu yüzden pazar payı tablolarında görünmüyor.
Bedrock token trafiğinin yarısından fazlasını taşıyor. Tasarımı gereği ucuz, en hızlısı değil.
Üç yılda sıfırdan Çin pazarının %50–60'ına, ~12 milyar dolar. 7nm sürecinde sıkışmış ve bellek sıkıntısında.
Sessiz olan: hyperscaler'ların kendi çiplerini o tasarlıyor. Özel ASIC'ler NVIDIA için AMD'den büyük tehdit.
Training verimi yerine token başına hızı hedefleyen farklı mimariler. Gerçek, küçük, hızlı büyüyor.
Her rakibin kâğıt üzerinde rekabetçi silikonu var. Hiçbirinde olmayan şey on dokuz yıllık CUDA: kütüphaneler, kernel'lar, her framework'ün önce ona göre yazılmış olması ve her mühendisin zaten onu biliyor olması. Pazarın yaklaşık %80'ini tutan şey saat hızı değil, geçiş maliyeti.
Ölçüm
Bugünkü sistemlerin arkasındaki fikirlerin çoğu kırk yaşında. Yeni olan şey harcama kapasitesi: silikona, veriye ve ikisini çalıştıracak elektriğe. Hikâyenin büyük kısmını üç ölçüm anlatıyor.
Logaritmik · FLOP · tahmini, büyüklük mertebesi
1950 — 2026
Grafiği yana kaydırın →
Yayınlanmasından doygunluğa
İnsan seviyesinde el yazısı tanıma
%28,2 → %3,6 hata; insan ≈ %5,1
Dil anlama seti, 13 ayda yenildi
“Çok zor” olsun diye kuruldu. Olmadı.
57 konu: %43,9 (GPT-3) → %90+
Google'lanamaz doktora soruları; uzmanlar ≈ %65–74
Soyutlama bulmacaları; uç compute ile %87,5
Bugünkü frontier — hâlâ açık
2024 öncesinde “çok zor” olsun diye kurulmuş her test yenildi. Bir benchmark'ın yayınlanmasıyla düşmesi arasındaki süre on dört yıldan iki yılın altına indi.
Milyon output token başına US$ · log ölçek · OpenRouter, Ağustos 2026
Bir milyon output token 2021'de GPT-3 ile 60 dolardı. DeepSeek-V4 Flash on iki sent istiyor — beş yüz kat çöküş. Frontier katmanı bu inişi izlemedi: Claude Opus 5 hâlâ 25 dolar. Zekâ altta ucuzluyor, üstte fiyatını koruyor.
Büyüklük · 2018 — 2026
Beş yıl boyunca “ne kadar iyi?” sorusunun cevabı tek bir sayıydı ve sayı hep büyüyordu. Sonra kapalı frontier onu yayımlamayı bıraktı, mixture-of-experts ise sayıyı ikiye böldü. Aşağıda GPT-1'den 2026'nın open-weight sürümlerine kadar açıklanmış her rakam var.
Parametre · logaritmik · açıklanan ve bildirilen değerler
2018 — Ağustos 2026
Grafiği yana kaydırın →
GPT-1, 2018'de 117 milyon parametreyle çıktı. Sekiz yıl sonra Kimi K3 2,8 trilyon taşıyor — kabaca 24.000 kat. Çizgi kesintisiz değil: 2023'e kadar kapalı frontier üzerinden yükseliyor, sonra yalnızca open-weight sürümlerle devam ediyor, çünkü hâlâ bir sayı açıklayan tek grup onlar.
Mixture-of-experts sayıyı ikiye böldü. Kimi K3, 2,8 trilyon parametre taşıyor ama herhangi bir token için 104 milyarını çalıştırıyor — 896 expert'ten 16'sı. DeepSeek-V4 Pro 1,6 trilyon taşıyor, 49 milyar kullanıyor. Grafikteki her halter, modelin ne olduğu ile çalıştırmanın ne tuttuğu arasındaki farkı gösteriyor.
2023'teki GPT-4'ten bu yana hiçbir kapalı frontier model parametre sayısı yayımlamadı. Grafiğin sağ tarafındaki her değer indirilebilir bir sürümden geliyor ve neredeyse hepsi Çinli: Moonshot, Alibaba, DeepSeek, Z.ai, MiniMax. Meta'nın 2026 açık katkısı 30 milyar parametrelik dense bir model.
Nerede duruyoruz · 2026 başı
On sekiz ayda bir yeniden şekillenen bir alan için anlık fotoğraf yanlış bir format — yine de işleyenle işlemeyeni birlikte veren dürüst bir durum tespiti.
Pre-training ölçeği hâlâ yetenek satın alıyor, ama en hızlı kazanım artık reasoning izleri üzerinde reinforcement learning'den ve cevap anında daha çok compute harcamaktan geliyor. Zor bir soruyu cevaplamak, kolayından bin kat pahalı olabiliyor.
Baskın arayüz bir konuşmadan devredilmiş bir göreve kayıyor: araçları, dosya sistemi, tarayıcısı ve bütçesi olan bir ajan. Canlı mühendislik problemi ham zekâ değil, uzun ufukta güvenilirlik.
Video üretimi 2026'da senkron sese, kesmeden sonra da aynı kalan karakterlere ve ikna edici bir devinime ulaştı — fiziği hâlâ ince biçimde yanlış yaparken. Modellerin dünya hakkında ne öğrendiği artık bir render sorusu değil, bir araştırma sorusu.
Vision-language-action modelleri algıyı, akıl yürütmeyi ve kontrolü tek bir ağda topluyor; humanoid'ler demodan pilota geçti. Darboğaz artık zekâ değil: bir robotun bir şeyi eline almasına dair internet ölçeğinde bir külliyat yok, o veriyi üretmek gerekiyor.
Birim yetenek maliyeti 2023'ten bu yana kabaca iki büyüklük mertebesi düştü; en iyi modeli eğitmenin maliyeti ise tırmanmaya devam ediyor. Sonuç bir halter: neredeyse bedava emtia zekâ ve bir avuç milyar dolarlık training run.
Open-weight sürümler artık en büyük açıklanmış parametre sayılarını elinde tutuyor, milyon token'lık context sunuyor ve kapalı API'lerin iki büyüklük mertebesi altında fiyatlanıyor. Hâlâ tartışmalı olan şey reasoning sıralamalarının tepesi — aradaki fark aylarla ölçülüyor ve her çeyrek yeniden çekişiliyor.
İleri paketleme, yüksek bant genişlikli bellek ve şebeke bağlantısı hız sınırlayıcı adımlar hâline geldi. AI artık bir yazılım hikâyesi kadar ağır sanayi hikâyesi.
EU AI Act 2026–27 boyunca kademeli yürürlüğe giriyor, ulusal güvenlik enstitüleri frontier değerlendirmeleri yapıyor, ihracat kontrolleri kimin neyi eğitebileceğini belirliyor. Regülasyon, teknoloji altında yeniden şekillenirken yazılıyor.
2024 öncesi kurulmuş her manşet testi doygun. Değerlendirme uzun ufuklu otonom görevlere, kontaminasyona dirençli ayrık setlere ve insan uzman karşılaştırmasına kaydı — hepsi yavaş ve pahalı.
Continual learning, sağlam uzun ufuklu planlama, güvenilir olgusallık, örnek verimliliği ve gerçek özgünlük — hepsi eksik bileşen olarak öneriliyor. Dürüst pozisyon şu: alan, hangi sınırların temel hangilerinin tek makale uzakta olduğunu bilmiyor.
Öngörüler · atıflarıyla
Aşağıdaki bir kehanet değil, bir pozisyonlar yelpazesi — her biri gerekçesini yayımlamış, dolayısıyla denetlenebilir insanlara ait. Birbirleriyle çelişiyorlar ve dürüst olan kısım da bu çelişki. Sayılar kaynağın kendi verdiği sayılar; sondaki kaynak listesi hepsini linkliyor.
Epoch AI, 2030'a kadar yaklaşık 2×10²⁹ FLOP'luk training run'ları ulaşılabilir görüyor — kabaca GPT-2'den GPT-4'e olan sıçramanın bir kez daha tekrarı. Elektrik, çip, veri ve gecikme, o ölçekte aşılabilir sayılıyor. İşaret ettikleri kısıt fizik değil, harcama isteği. [16][19]
METR, bir modelin güvenilir biçimde bitirdiği işin uzunluğunu ölçüyor ve bunun düzenli bir saatle ikiye katlandığını buluyor. 2026'da AI Futures Project o saati 5,5 aydan yaklaşık 4 aya çekti. Ankete katılan uzmanlar sekiz saatlik yazılım görevlerinin 2030'a kadar düşmesine %50 ihtimal veriyor. [17][21][22]
Grace ve arkadaşları binlerce yayın yapmış AI araştırmacısına art arda aynı soruyu sordu: insan seviyesi makine zekâsı için medyan tahmin iki yılda 2061'den 2047'ye kaydı. Medyan kaydı; katılımcılar arasındaki anlaşmazlık daralmadı. [14][22]
Villalobos ve arkadaşları, yüksek kaliteli insan metni stokunun mevcut gidişatla bu on yıl içinde tükeneceğini öngörüyor. Epoch'un karşı argümanı, reasoning için üretilen sentetik verinin ve çok kipli külliyatların tavanı yukarı ittiği. İkisi de ölçüm değil, projeksiyon. [13][16]
LeCun 2022'den beri autoregressive tahminin insan seviyesi zekâya ulaşamayacağını, eksik olanın bir world model olduğunu savunuyor — soyut bir uzayda tahmin yürüten ve plan yapabilen bir sistem. Haklıysa, scaling eğrileri çıkmaz bir yoldaki ilerlemeyi ölçüyor. [10]
IEA, veri merkezi tüketiminin 2030'a kadar iki katından fazla artarak yaklaşık 945 TWh'ye çıkacağını öngörüyor — bugün Japonya'nın tükettiğinden fazla — ve başlıca sürükleyici AI. ABD'de 2030'a kadarki elektrik talebi artışının neredeyse yarısı veri merkezlerinden geliyor. [18]
Acemoğlu, görev düzeyindeki maruziyet ve verimlilik tahminlerinden yukarı doğru çalışıyor ve on yılda toplam faktör verimliliğinde en fazla %0,71'lik bir kazanca varıyor. Okumasına göre AI, toplam büyümeyi pek oynatmadan sermaye ile emek geliri arasındaki farkı açıyor. [15]
İkinci baskısındaki Uluslararası AI Güvenlik Raporu, Yoshua Bengio başkanlığında 96 uzman tarafından, hükümetlerin talebiyle yazıldı. Başka ne olursa olsun, frontier riski tartışması artık atıf verilebilir, ortak imzalı bir zemine sahip. [23]
Bu sayfadaki her değer kaynağın kendi değeri. Kaynaklar çeliştiğinde — veri sınırları ve tarihler konusunda sert biçimde çelişiyorlar — ortalaması alınmadı, ikisi birden gösterildi.
Cevapsız
Scaling kazandırmaya devam edecek mi, yoksa eğri bükülecek mi?
Bir sistem bildiğini unutmadan sürekli öğrenebilir mi?
Benchmark'lar tükendiğinde doğru değerlendirme nedir?
Otonom bir ajan zarar verdiğinde sorumlu kim?
Yeterli elektrik var mı — ve kim alamayacak?
Anlamak bir beden mi gerektirir, yoksa yeterince metin mi?
Aygıt
Bu sayfanın açıklamadan kullandığı terimlerin sözlüğü, ve sayıların arkasındaki kaynakların tam listesi.
Karşılaştığın sırayla terimler
Her atıf, linkiyle