AMI – Gelişmiş Makine Zekası – Ölçeklendirmenin Sonu: Yann LeCun Neden Artık LLM'lere İnanmıyor?

Yanlış bir yaklaşım için 600 milyar dolar mı? "Yapay Zekanın Babası" LLaMA, ChatGPT ve benzerlerine karşı bahis oynuyor.

Duyuru, Kasım 2025'te teknoloji sektöründe adeta bir şimşek gibi çaktı. Derin öğrenmenin üç kurucu babasından biri ve Meta'nın baş bilim insanı Yann LeCun, on iki yıllık kariyerinin ardından kendi girişimini kurmak üzere şirketten ayrıldığını duyurdu. Bu karar, tek bir bilim insanının kişisel bir kariyer tercihinden çok daha fazlası. Küresel yapay zeka sektöründe köklü bir dönüm noktası teşkil ediyor ve kısa vadeli piyasa çıkarları ile uzun vadeli bilimsel vizyon arasındaki büyüyen uçurumu gözler önüne seriyor.

2018 yılında Geoffrey Hinton ve Yoshua Bengio ile birlikte Turing Ödülü'nü alan LeCun, günümüzde modern görüntü işleme sistemlerinin temelini oluşturan evrişimli sinir ağlarının mimarı olarak kabul ediliyor. LeCun'un ayrılışı, tüm endüstrinin büyük dil modellerine yüz milyarlarca dolar yatırım yaptığı bir dönemde gerçekleşiyor. LeCun, bu teknolojiyi yıllardır temel bir çıkmaz sokak olarak tanımlıyor. 65 yaşındaki bilim insanı, yeni şirketiyle, dünya modellerine dayanan ve metinle değil, fiziksel algıyla başlayan, kökten farklı bir yaklaşım olan Gelişmiş Makine Zekası'nı (Advanced Machine Intelligence) takip etmeyi planlıyor.

Bu gelişmenin ekonomik etkileri muazzam. Meta, son üç yılda yapay zeka altyapısına 600 milyar doların üzerinde yatırım yaptı. OpenAI, yıllık geliri yalnızca on milyar dolar olmasına rağmen yarım trilyon dolarlık bir değerlemeye ulaştı. Tüm sektör, en önemli öncülerinden birinin artık kamuoyunda çıkmaz sokak olarak tanımladığı bir yöne doğru ilerliyor. Bu değişimin ekonomik sonuçlarını anlamak için, mevcut yapay zeka devriminin teknik, organizasyonel ve finansal yapılarını derinlemesine incelemek gerekiyor.

İçin uygun:

• Meta, ABD'de yapay zeka altyapısı kurmak için 600 milyar dolar yatırım yapacak

Bir balonun mimarisi

Google araştırmacıları tarafından 2017 yılında tanıtılan Transformer mimarisi, yapay zeka dünyasını benzeri görülmemiş bir hızla dönüştürdü. Bu yaklaşım, büyük miktarda metni verimli bir şekilde işlemeyi ve daha önce erişilemeyen yeteneklere sahip dil ​​modellerini eğitmeyi ilk kez mümkün kıldı. OpenAI, Kasım 2022'de ChatGPT ile geniş bir kitleye bu teknolojilerin neler başarabileceğini ilk kez gösteren GPT serisiyle bu temelin üzerine inşa edildi. Tepkiler büyük oldu. Birkaç ay içinde sektöre onlarca milyar dolar aktı.

Ancak 2024'ün sonundan bu yana, bu üstel gelişimin sınırlarına ulaştığına dair artan işaretler var. OpenAI, şirket içinde Orion veya GPT-5 olarak adlandırılan GPT-4'ün halefini 18 aydan uzun süredir geliştiriyor. Şirketin, her biri yaklaşık 500 milyon dolara mal olan en az iki büyük eğitim çalışması gerçekleştirdiği bildiriliyor. Sonuçlar iç karartıcı. GPT-4, GPT-3'e göre büyük bir performans sıçraması temsil ederken, Orion'un GPT-4'e göre iyileştirmeleri sınırlı. Bazı alanlarda, özellikle programlamada, model neredeyse hiç ilerleme göstermiyor.

Bu gelişme, yakın zamana kadar tüm sektöre rehberlik eden deneysel ilkeler olan ölçekleme yasalarıyla temelden çelişiyor. Temel fikir basitti: Bir modeli büyütür, eğitim için daha fazla veri kullanır ve daha fazla işlem gücü yatırırsanız, performans artışı öngörülebilir bir kuvvet fonksiyonunu izler. Bu ilke evrensel olarak geçerli görünüyor ve son yıllardaki astronomik yatırımları haklı çıkarıyordu. Şimdi ise bu eğrilerin düzleştiği ortaya çıkıyor. Yatırımın bir sonraki iki katına çıkması, artık beklenen performans iki katını getirmiyor.

Bunun nedenleri çok sayıda ve teknik olarak karmaşık. Temel sorunlardan biri veri duvarı. GPT-4, yaklaşık 13 trilyon token ile eğitildi; bu da esasen halka açık internetin tamamına denk geliyor. GPT-5 içinse yeterli yeni ve yüksek kaliteli veri yok. OpenAI, kod yazarak ve matematiksel problemleri çözerek yeni veriler üretmek için yazılım geliştiricileri, matematikçiler ve teorik fizikçiler işe alarak bu duruma yanıt verdi. Ancak, 1.000 kişi günde 5.000 kelime üretse bile, sadece bir milyar token üretmek aylar sürer. İnsan yapımı verileri kullanarak ölçeklendirmek işe yaramıyor.

Alternatif olarak, şirketler giderek daha fazla sentetik verilere, yani diğer yapay zeka modelleri tarafından üretilen verilere güveniyor. Ancak burada yeni bir tehlike gizli: model çöküşü. Modeller, diğer modeller tarafından üretilen veriler üzerinde yinelemeli olarak eğitildiğinde, küçük hatalar nesiller boyunca daha da büyür. Sonuç, gerçeklikten giderek uzaklaşan ve verilerdeki azınlık gruplarının orantısız bir şekilde ortadan kaybolduğu modellerdir. Nature dergisinde 2024'te yayınlanan bir çalışma, bu sürecin şaşırtıcı derecede hızlı gerçekleştiğini göstermiştir. Bu nedenle sentetik veriler her derde deva değil, aksine önemli riskler taşır.

Enerji dönüşümü ve büyümenin sınırları

Veri engelinin yanı sıra, ikinci ve daha da temel bir engel daha var: enerji engeli. GPT-3'ü eğitmek yaklaşık 1.300 megavat-saat elektrik tüketiyordu; bu da 130 Amerikan hanesinin yıllık tüketimine denk geliyordu. GPT-4 ise bunun yaklaşık 50 katı, yani 65.000 megavat-saat tüketiyordu. Büyük yapay zeka modellerini eğitmek için gereken bilgi işlem gücü yaklaşık her 100 günde bir ikiye katlanıyor. Bu üstel eğri, hızla fiziksel sınırlamalara yol açıyor.

Bu modelleri eğiten ve işleten veri merkezleri halihazırda küçük kasabalar kadar elektrik tüketiyor. Uluslararası Enerji Ajansı, veri merkezi elektrik tüketiminin 2022'deki 20 terawatt-saatten 2026'da 36 terawatt-saate çıkarak 2026 yılına kadar %80 artacağını öngörüyor. Yapay zeka, bu büyümenin temel itici gücü. Karşılaştırma yapmak gerekirse, tek bir ChatGPT sorgusu, bir Google aramasından yaklaşık on kat daha fazla enerji tüketiyor. Günde milyarlarca sorguyla bu, muazzam miktarlara ulaşıyor.

Bu gelişme, teknoloji şirketlerini sert önlemler almaya zorluyor. Microsoft, nükleer enerji sağlayıcılarıyla sözleşmeler imzaladı bile. Meta, Amazon ve Google, gerekli altyapıyı kurmak için önümüzdeki yıllarda toplamda 1,3 trilyon doların üzerinde yatırım yapacak. Ancak bu yatırımlar fiziksel ve politik sınırlarla karşı karşıya. ABD, planlanan yapay zeka veri merkezlerini çalıştıracak yeterli enerji altyapısına sahip değil. Analistler, 750 milyar dolar değerindeki projelerin enerji altyapısı darboğazları nedeniyle 2030 yılına kadar ertelenebileceğini tahmin ediyor.

Buna bir de jeopolitik boyut ekleniyor. Yapay zeka sektörünün enerji talepleri, kaynaklar için rekabeti yoğunlaştırıyor ve fosil yakıtlara bağımlılığı artırıyor. Politika yapıcılar iklim nötrlüğü talep ederken, yapay zeka sektörü enerji tüketimini artırıyor. Bu gerilim önümüzdeki yıllarda daha da kötüleşecek ve sektörün büyümesini sınırlayan düzenleyici müdahalelere yol açabilir.

Mimari duvar ve LeCun'un alternatifi

Üçüncü engel belki de en temel olanıdır: mimari duvar. Yann LeCun, Transformer mimarisinin yalnızca ölçeklendirmeyle aşılamayacak içsel sınırlamaları olduğunu yıllardır savunuyor. Eleştirisi, Büyük Dil Modellerinin temel çalışma biçimine odaklanıyor. Bu sistemler, bir dizideki bir sonraki kelimeyi tahmin etmek üzere eğitilir. Büyük metin külliyatlarındaki istatistiksel kalıpları öğrenirler, ancak nedensellik, fizik yasaları veya uzun vadeli planlama konusunda gerçek bir anlayış geliştirmezler.

LeCun, sorunu bir karşılaştırmayla göstermeyi seviyor: Dört yaşındaki bir çocuk, görsel algı yoluyla dünya hakkında en gelişmiş dil modellerinin metin yoluyla edindiğinden daha fazla bilgiyi özümsemiştir. Bir çocuk, nesnelerin öylece kaybolmadığını, ağır şeylerin düştüğünü ve eylemlerin sonuçları olduğunu sezgisel olarak anlar. Fiziksel gerçekliğin içsel bir temsili olan bir dünya modeli geliştirmiştir ve bunu tahminlerde bulunmak ve eylemler planlamak için kullanır. Hukuk alanında lisans programlarında (LL.M.) bu temel beceri eksiktir. Etkileyici derecede tutarlı metinler üretebilirler, ancak dünyayı anlamazlar.

Bu sınırlama, pratik uygulamalarda defalarca kendini gösterir. GPT-4'ten dönen bir küpü görselleştirmesini istediğinizde, herhangi bir çocuğun kolayca başarabileceği bir görevde başarısız olur. Çok adımlı planlama gerektiren karmaşık görevlerde, modeller düzenli olarak başarısız olur. Her bir jeton tahmin hatası potansiyel olarak kendini artırıp büyüttüğü için hatalardan güvenilir bir şekilde ders çıkaramazlar. Otoregresif modellerin temel bir kırılganlığı vardır: Dizinin başındaki bir hata, tüm sonucu mahvedebilir.

LeCun'un alternatifi, Ortak Gömülü Tahmin Mimarisi'ne dayalı dünya modelleridir. Temel fikir, yapay zeka sistemlerinin metin tahmini yoluyla değil, gelecekteki durumların soyut temsillerini tahmin ederek öğrenmesidir. Piksel piksel veya belirteç belirteç üretmek yerine, sistem dünyanın sıkıştırılmış, yapılandırılmış bir temsilini öğrenir ve bunu harekete geçmeden önce farklı senaryoları zihinsel olarak simüle etmek için kullanabilir.

LeCun'un liderliğinde Meta, bu yaklaşımın çeşitli uygulamalarını geliştirdi. Görüntüler için I-JEPA ve videolar için V-JEPA, umut verici sonuçlar gösteriyor. Bu modeller, yoğun veri toplamaya ihtiyaç duymadan üst düzey nesne bileşenlerini ve bunların uzamsal ilişkilerini öğreniyor. Ayrıca, geleneksel modellere göre eğitimleri önemli ölçüde daha enerji verimli. Vizyon, bu yaklaşımları farklı soyutlama düzeylerinde ve zaman ölçeklerinde çalışabilen hiyerarşik sistemlerde birleştirmek.

Temel fark, öğrenme sürecinin doğasında yatmaktadır. Hukuk alanında lisans programları (LL.M.) esasen kalıp eşleştirmeyi yoğun bir şekilde gerçekleştirirken, dünya modelleri gerçekliğin yapısını ve nedenselliğini kavramayı amaçlar. Sağlam bir dünya modeline sahip bir sistem, eylemlerinin sonuçlarını, onları gerçekten gerçekleştirmek zorunda kalmadan öngörebilir. Sadece yüzeysel korelasyonları değil, temel ilkeleri de anladığı için birkaç örnekten ders çıkarabilir.

Örgütsel işlev bozukluğu ve Meta'nın varoluşsal krizi

Ancak LeCun'un ayrılışı yalnızca bilimsel bir karar değil, aynı zamanda Meta'daki organizasyonel işlev bozukluğunun da bir sonucu. CEO Mark Zuckerberg, Haziran 2025'te Yapay Zeka bölümlerinde kapsamlı bir yeniden yapılanma duyurdu. Yapay Genel Zeka geliştirmeyi hedefleyen yeni bir birim olan Meta Superintelligence Labs'ı kurdu. Bu birimin başında, veri hazırlama şirketi Scale AI'nın 28 yaşındaki eski CEO'su Alexandr Wang vardı. Meta, Scale AI'ya 14,3 milyar dolar yatırım yaptı ve rakip şirketlerden 50'den fazla mühendis ve araştırmacıyı işe aldı.

Bu karar, mevcut yapıyı altüst etti. Yıllarca PyTorch ve ilk Llama modellerini geliştiren LeCun'un Temel Yapay Zeka Araştırma Ekibi marjinalleştirildi. FAIR, beş ila on yıllık bir zaman dilimine sahip temel araştırmalara odaklanırken, yeni süper zeka laboratuvarları kısa vadeli ürün geliştirmeye odaklandı. Kaynaklar, Meta'nın Yapay Zeka departmanlarında artan bir kaos olduğunu bildiriyor. Yeni işe alınan üst düzey yetenekler, büyük bir şirketin bürokrasisinden duydukları hayal kırıklığını dile getirirken, yerleşik ekipler etkilerinin azaldığını gördü.

Durum, yalnızca altı ay içinde gerçekleşen çeşitli yeniden yapılandırmalar nedeniyle daha da kötüleşti. Ağustos 2025'te Superintelligence Labs, bu kez dört alt birime bölünerek yeniden düzenlendi: yeni modeller için gizemli bir TBD Lab, bir ürün ekibi, bir altyapı ekibi ve FAIR. Ekim ayında ise yaklaşık 600 çalışana kıdem tazminatı bağlanarak bir başka işten çıkarma dalgası yaşandı. Belirtilen sebep: kurumsal karmaşıklığı azaltmak ve yapay zeka gelişimini hızlandırmak.

Bu sürekli yeniden yapılanmalar, OpenAI, Google ve Anthropic gibi rakiplerin göreceli istikrarıyla tam bir tezat oluşturuyor. Meta'da doğru stratejik yönelim konusunda temel bir belirsizliğe işaret ediyorlar. Zuckerberg, Meta'nın yapay zeka hakimiyeti yarışında geride kaldığını fark etti. Nisan 2025'te piyasaya sürülen Llama 4 bir hayal kırıklığıydı. Maverick modeli iyi bir verimlilik gösterse de, uzun vadeli bağlamlarda önemli ölçüde başarısız oldu. Meta'nın, modelleri özellikle yaygın test soruları üzerinde eğiterek kıyaslamalara yönelik optimizasyon yaptığı ve performansı yapay olarak artırdığı iddiaları ortaya çıktı.

LeCun için durum artık dayanılmaz hale gelmişti. Uzun vadeli temel araştırma vizyonu, kısa vadeli ürün başarısı elde etme baskısıyla çatışıyordu. Oldukça genç olan Wang'a fiilen bağlı olması, bu kararında etkili olmuş olabilir. LeCun, veda yazısında Meta'nın yeni şirketinde ortak olarak kalacağını vurgulasa da, mesaj açıktır: Önemli gördüğü bağımsız araştırma, artık kurumsal yapılar içinde mümkün değil.

'Yönetilen AI' (Yapay Zeka) ile dijital dönüşümün yeni bir boyutu – Platform ve B2B Çözümü | Xpert Consulting - Görsel: Xpert.Digital

Burada, şirketinizin özelleştirilmiş yapay zeka çözümlerini hızlı, güvenli ve yüksek giriş engelleri olmadan nasıl uygulayabileceğini öğreneceksiniz.

Yönetilen Yapay Zeka Platformu, yapay zeka için kapsamlı ve sorunsuz bir pakettir. Karmaşık teknolojiler, pahalı altyapılar ve uzun geliştirme süreçleriyle uğraşmak yerine, uzman bir iş ortağından ihtiyaçlarınıza göre uyarlanmış, genellikle birkaç gün içinde anahtar teslim bir çözüm alırsınız.

Başlıca faydalarına bir göz atalım:

⚡ Hızlı uygulama: Fikirden operasyonel uygulamaya aylar değil, günler içinde. Anında değer yaratan pratik çözümler sunuyoruz.

🔒 Maksimum veri güvenliği: Hassas verileriniz sizinle kalır. Üçüncü taraflarla veri paylaşımı yapmadan güvenli ve uyumlu bir işlem garantisi veriyoruz.

💸 Finansal risk yok: Sadece sonuçlara göre ödeme yaparsınız. Donanım, yazılım veya personele yapılan yüksek ön yatırımlar tamamen ortadan kalkar.

🎯 Ana işinize odaklanın: En iyi yaptığınız işe odaklanın. Yapay zeka çözümünüzün tüm teknik uygulamasını, işletimini ve bakımını biz üstleniyoruz.

📈 Geleceğe Hazır ve Ölçeklenebilir: Yapay zekanız sizinle birlikte büyür. Sürekli optimizasyon ve ölçeklenebilirlik sağlar, modelleri yeni gereksinimlere esnek bir şekilde uyarlarız.

Bununla ilgili daha fazla bilgiyi burada bulabilirsiniz:

• Yönetilen Yapay Zeka Çözümü - Endüstriyel Yapay Zeka Hizmetleri: Hizmetler, endüstriyel ve makine mühendisliği sektörlerinde rekabet gücünün anahtarı

Blister oluşumunun ekonomik anatomisi

Meta'daki gelişmeler, yapay zeka sektöründeki daha geniş kapsamlı bir ekonomik dinamiğin belirtilerini gösteriyor. ChatGPT'nin 2022 sonlarındaki atılımından bu yana, benzeri görülmemiş bir yatırım patlaması yaşandı. Sadece 2025'in ilk çeyreğinde, yapay zeka girişimlerine 73,1 milyar dolar aktı ve bu, tüm risk sermayesi yatırımlarının %58'ini temsil ediyor. OpenAI, 500 milyar dolarlık bir değerlemeye ulaşarak, kârlılığa ulaşmadan bu eşiği geçen ilk özel şirket oldu.

Değerlemeler, gerçek gelirlerle orantısız bir şekilde orantısız. OpenAI, 2025 yılında 500 milyar dolarlık bir değerlemeyle 10 milyar dolarlık yıllık gelir elde etti ve bu da 50'lik bir fiyat/satış oranına yol açtı. Karşılaştırma yapmak gerekirse, dot-com balonunun zirvesinde bile çok az şirket böyle bir çarpana ulaşabildi. Anthropic'in değeri 170 milyar dolar, geliri 2,2 milyar dolar ve fiyat/kazanç oranı yaklaşık 77. Bu rakamlar, büyük bir aşırı değerlemeye işaret ediyor.

Özellikle sorunlu olan, gelişen dairesel finansman yapısıdır. Nvidia, OpenAI'ya 100 milyar dolar yatırım yapıyor ve bu da karşılığında onlarca milyar dolar değerinde Nvidia çipleri satın almakla yükümlü. OpenAI, AMD ile de onlarca milyar dolar değerinde benzer anlaşmalar yaptı. Microsoft, OpenAI'ya 13 milyar doların üzerinde yatırım yaptı ve altyapısını Azure'da barındırıyor. Amazon, Anthropic'e 8 milyar dolar yatırım yaptı ve Anthropic de bunun karşılığında ana bulut platformu olarak AWS'yi kullanıyor ve Amazon'un kendi yapay zeka çiplerini kullanıyor.

Bu düzenlemeler, teknoloji şirketlerinin birbirlerine ekipman satıp, gerçek bir ekonomik değer yaratmadan bu işlemleri gelir olarak kaydettikleri 1990'ların sonlarındaki döngüsel finansmanı ürkütücü bir şekilde hatırlatıyor. Analistler, trilyon dolarlık bir patlamayı körükleyen, giderek karmaşıklaşan ve şeffaflığını yitiren bir iş ilişkileri ağından bahsediyor. Dot-com balonu ve 2008 mali kriziyle benzerlikler apaçık ortada: yatırımcıların anlaması ve değerlendirmesi zor, şeffaf olmayan ve alışılmadık finansman mekanizmaları.

Buna bir de sermaye yoğunlaşması ekleniyor. ABD'nin en büyük yedi teknoloji şirketi olan Muhteşem Yedili, 2023'te enerji tüketimlerini %19 artırırken, S&P 500 şirketlerinin ortalama tüketimi durgunlaştı. ABD'de 2025'te borsadaki kazançların yaklaşık %80'i yapay zeka ile ilgili şirketlerden kaynaklandı. Nvidia, 2024'te çip üreticisine yaklaşık 30 milyar dolar yatırım yapan bireysel yatırımcılar tarafından en çok satın alınan hisse senedi oldu.

Bu aşırı yoğunlaşma sistemik riskler taşır. Getiri beklentileri gerçekçi olmazsa, bir piyasa çöküşü çok geniş kapsamlı sonuçlar doğurabilir. JPMorgan, yapay zeka ile ilgili yatırım yapılabilir tahvil ihraçlarının tek başına 2030 yılına kadar 1,5 trilyon dolara ulaşabileceğini tahmin ediyor. Bu borcun büyük bir kısmı, yapay zeka sistemlerinin muazzam verimlilik artışları sağlayacağı varsayımına dayanıyor. Bu beklenti gerçekleşmezse, bir kredi krizi kaçınılmaz.

İçin uygun:

• Meta her şeyini süper zekaya yatırıyor: milyar dolarlık yatırımlar, devasa veri merkezleri ve riskli bir yapay zeka yarışı

Yetenek savaşı ve toplumsal çalkantılar

Ekonomik gerginlikler işgücü piyasasında da kendini gösteriyor. Açık yapay zeka pozisyonlarının nitelikli adaylara oranı 3,2'ye 1. 1,6 milyon açık pozisyon olmasına rağmen, yalnızca 518.000 nitelikli başvuru sahibi var. Bu aşırı yetersizlik, maaşları astronomik seviyelere çıkarıyor. Yapay zeka uzmanları, Python, TensorFlow veya özel yapay zeka çerçevelerinde beceri edinerek yıllık gelirlerine on binlerce dolar ekleyebilirler.

Rekabet acımasız. Büyük teknoloji şirketleri, iyi finanse edilen girişimler ve hatta hükümetler bile aynı küçük uzman grubunu elde etmek için yarışıyor. OpenAI, son aylarda kurucu ortak Ilya Sutskever ve Teknoloji Direktörü Mira Murati de dahil olmak üzere bir yönetici göçü yaşadı. Bu yetenekli kişilerin çoğu kendi girişimlerini kuruyor veya rakip şirketlere geçiyor. Meta, OpenAI, Anthropic ve Google'dan yoğun bir şekilde işe alım yapıyor. Anthropic ise Meta ve OpenAI'dan işe alım yapıyor.

Bu dinamiğin birkaç sonucu var. İlk olarak, araştırma ortamını parçalıyor. Ortak hedeflere ulaşmak yerine, farklı kuruluşlardaki küçük ekipler aynı atılımlar için rekabet ediyor. İkinci olarak, maliyetleri artırıyor. Yapay zeka uzmanlarının yüksek maaşları, yalnızca sermayesi iyi olan şirketler için sürdürülebilir nitelikte ve bu da daha küçük oyuncuları piyasadan dışlıyor. Üçüncü olarak, projeleri geciktiriyor. Şirketler, açık pozisyonların aylarca doldurulamadığını ve bu durumun geliştirme süreçlerini aksattığını bildiriyor.

Toplumsal etkileri teknoloji sektörünün çok ötesine uzanıyor. Yapay zekâ gerçekten bir sonraki sanayi devrimini temsil ediyorsa, işgücü piyasasında büyük bir değişim kaçınılmazdır. Öncelikle fiziksel emeği etkileyen ilk sanayi devriminin aksine, yapay zekâ bilişsel görevleri hedef alıyor. Sadece basit veri girişi ve müşteri hizmetleri değil, aynı zamanda programcılar, tasarımcılar, avukatlar ve gazeteciler gibi yüksek vasıflı meslekler de tehdit altında.

Yatırım yönetimi sektörü üzerine yapılan bir araştırma, yapay zeka ve büyük veri nedeniyle işgücüne dayalı gelir payında yüzde beşlik bir düşüş öngörüyor. Bu, yüzde beş ila 15'lik bir düşüşe neden olan sanayi devrimi sırasındaki değişimlere benziyor. Temel fark şu: Mevcut dönüşüm on yıllar değil, yıllar içinde gerçekleşiyor. Toplumların uyum sağlamak için çok az zamanı var.

Test Zamanı Hesaplaması ve Paradigma Değişimi

Ön eğitim için ölçekleme yasaları sınırlarına ulaşırken, yeni bir paradigma ortaya çıktı: test zamanı hesaplama ölçeklemesi. OpenAI'nin o1 modelleri, çıkarım sırasında daha fazla işlem gücü harcanarak önemli performans kazanımlarının mümkün olduğunu göstermiştir. Bu sistemler, modelin boyutunu artırmak yerine, modelin bir sorguyu daha uzun süre düşünmesine, çözmek için birden fazla yaklaşım denemesine ve yanıtlarını kendi kendine doğrulamasına olanak tanır.

Ancak araştırmalar, bu paradigmanın da sınırlamaları olduğunu gösteriyor. Bir modelin aynı problem üzerinde defalarca yineleme yaptığı sıralı ölçekleme, sürekli iyileştirmelere yol açmaz. Deepseeks R1 ve QwQ gibi modeller üzerine yapılan çalışmalar, daha uzun düşünme süreçlerinin otomatik olarak daha iyi sonuçlar üretmediğini göstermektedir. Genellikle model, doğru cevapları yanlış cevaplarla düzeltir; tersi değil. Etkili sıralı ölçekleme için gerekli olan öz-düzeltme kapasitesi yeterince gelişmemiştir.

Birden fazla çözümün aynı anda üretildiği ve en iyisinin seçildiği paralel ölçekleme daha iyi sonuçlar verir. Ancak burada da, yatırılan bilgi işlem gücü her iki katına çıktığında marjinal fayda azalır. Maliyet verimliliği hızla düşer. Günde milyonlarca sorguyu yanıtlaması gereken ticari uygulamalar için maliyetler çok yüksektir.

Asıl atılım, farklı yaklaşımları bir araya getirmekte yatıyor olabilir. Transformatörleri Durum Uzayı Modelleriyle birleştiren hibrit mimariler, her ikisinin de güçlü yönlerini birleştirmeyi vaat ediyor. Mamba gibi Durum Uzayı Modelleri, çıkarımda doğrusal ölçekleme davranışı sunarken, Transformatörler uzun vadeli bağımlılıkları yakalamada mükemmeldir. Bu tür hibrit sistemler, maliyet-kalite denklemini yeniden dengeleyebilir.

Alternatif mimariler ve Transformers'tan sonraki gelecek

Dünya modellerinin yanı sıra, Transformatörlerin hakimiyetine meydan okuyabilecek bir dizi alternatif mimari de ortaya çıkıyor. Durum-uzay modelleri son yıllarda önemli ilerlemeler kaydetti. S4, Mamba ve Hyena, doğrusal karmaşıklıkla verimli uzun bağlamlı akıl yürütmenin mümkün olduğunu göstermektedir. Transformatörler dizi uzunluğuna göre ikinci dereceden ölçeklenirken, SSM'ler hem eğitim hem de çıkarımda doğrusal ölçekleme sağlar.

Yapay zeka sistemleri üretim ortamlarında kullanıldığında bu verimlilik kazanımları kritik öneme sahip olabilir. Çıkarımın maliyeti genellikle hafife alınır. Eğitim tek seferlik bir yatırımdır, ancak çıkarım sürekli çalışır. ChatGPT asla çevrimdışı değildir. Günlük milyarlarca sorguyla, küçük verimlilik iyileştirmeleri bile büyük maliyet tasarruflarına yol açar. Aynı kalite için yarı yarıya daha az işlem gücü gerektiren bir model, muazzam bir rekabet avantajına sahiptir.

Zorluk, bu teknolojilerin olgunlaşmasında yatıyor. Transformatörler neredeyse sekiz yıllık bir başlangıç ​​avantajına ve geniş bir araç, kütüphane ve uzmanlık ekosistemine sahip. Alternatif mimariler yalnızca teknik olarak üstün olmakla kalmamalı, aynı zamanda pratik olarak da kullanılabilir olmalıdır. Teknoloji tarihi, ekosistem eksikliği nedeniyle pazarda başarısızlığa uğrayan teknik olarak üstün çözümlerle doludur.

İlginçtir ki, Çin rakipleri de alternatif yaklaşımlara güveniyor. 671 milyar parametreye sahip açık kaynaklı bir model olan DeepSeek V3, token başına yalnızca 37 milyar parametrenin etkinleştirildiği bir uzman karışımı mimarisi kullanıyor. Model, kıyaslamalarda Batılı rakipleriyle karşılaştırılabilir bir performans elde ediyor, ancak maliyeti çok daha düşük. Eğitim süresi yalnızca 2,788 milyon H800 GPU saatiydi; bu da benzer modellerden önemli ölçüde daha azdı.

Bu gelişme, teknolojik liderliğin illa ki finansal açıdan en güçlü oyuncuların elinde olmadığını gösteriyor. Akıllı mimari kararlar ve optimizasyonlar, kaynak avantajlarını telafi edebilir. Küresel yapay zeka ortamı için bu, çok kutupluluğun artması anlamına geliyor. Çin, Avrupa ve diğer bölgeler, Batı modellerinin kopyaları olmayan kendi yaklaşımlarını geliştiriyor.

Yeniden değerlendirme ve kaçınılmaz akşamdan kalmalık

Tüm bu faktörlerin bir araya gelmesi, yapay zeka sektörünün yakın gelecekte yeniden değerlendirilmesi gerektiğini gösteriyor. Mevcut değerlemeler, hem model performansında hem de ticari benimsemede sürekli üstel büyüme varsayımına dayanıyor. Her iki varsayım da giderek daha sorgulanabilir hale geliyor. Model performansı durgunlaşırken, maliyetler hızla artmaya devam ediyor. Ticari benimseme artsa da, para kazanma zorlukları devam ediyor.

Yarım trilyon dolarlık değerlemeye sahip OpenAI'nin, değerlemesini haklı çıkarması için yıllık gelirinin en az 100 milyar dolara ulaşması ve önümüzdeki yıllarda kârlı hale gelmesi gerekiyor. Bu, sadece birkaç yıl içinde on kat artış anlamına geliyor. Buna karşılık, Google'ın gelirinin 10 milyar dolardan 100 milyar dolara ulaşması on yıldan fazla sürdü. Yapay zeka şirketlerinden beklentiler gerçekçi olmayan bir şekilde yüksek.

Analistler, yapay zeka balonunun patlaması ihtimali konusunda uyarıyor. Dot-com balonuyla benzerlikler apaçık ortada. O zamanlar da, şimdi de, muazzam potansiyele sahip devrim niteliğinde teknolojiler vardı. O zamanlar da, şimdi de, mantıksızca şişirilmiş değerlemeler ve döngüsel finansman yapıları vardı. O zamanlar da, şimdi de, yatırımcılar, teknolojinin her şeyi değiştireceğini ve geleneksel değerleme ölçütlerinin artık geçerli olmadığını savunarak saçma değerlemeleri haklı çıkarmaya çalışıyorlardı.

Temel fark: Birçok dot-com şirketinin aksine, günümüzün yapay zeka firmalarının gerçek değeri olan çalışan ürünleri var. ChatGPT, bir vape yazılımı değil, her gün milyonlarca kişi tarafından kullanılan bir teknoloji. Asıl soru, yapay zekanın değerli olup olmadığı değil, mevcut değerlemeleri haklı çıkaracak kadar değerli olup olmadığı. Cevap büyük olasılıkla hayır.

Yeniden değerleme geldiğinde, durum sancılı olacak. Girişim sermayesi fonları sermayelerinin %70'ini yapay zekâya yatırdı. Emeklilik fonları ve kurumsal yatırımcılar büyük risk altında. Yapay zekâ değerlemelerinde ciddi bir düşüş, çok geniş kapsamlı finansal sonuçlar doğuracaktır. Ucuz finansmana güvenen şirketler aniden sermaye toplamakta zorlanacaktır. Projeler durdurulacak ve personel işten çıkarılacaktır.

Uzun vadeli bakış açısı ve ileriye giden yol

Bu kasvetli kısa vadeli beklentilere rağmen, yapay zekanın uzun vadeli potansiyeli muazzam olmaya devam ediyor. Mevcut abartılı beklentiler, teknolojinin temel önemini değiştirmiyor. Asıl soru, yapay zekanın vaadini yerine getirip getirmeyeceği değil, nasıl ve ne zaman yerine getireceği. LeCun'un kısa vadeli ürün geliştirmeden uzun vadeli temel araştırmaya geçişi, bu konuda yol gösteriyor.

Yeni nesil yapay zeka sistemleri, muhtemelen günümüzün hukuk lisans programlarından farklı görünecek. Dünya modelleri, alternatif mimariler ve yeni eğitim paradigmalarının unsurlarını bir araya getirecek. Kaba kuvvet ölçeklendirmesine daha az, verimli ve yapılandırılmış temsillere daha fazla güvenecek. Sadece metinden değil, fiziksel dünyadan da öğrenecek. Ve sadece korelasyonları değil, nedenselliği de anlayacak.

Ancak bu vizyon, zaman, sabır ve temel araştırma yürütme özgürlüğü gerektirir. Mevcut piyasa ortamında bu koşulları bulmak zordur. Hızlı ticari başarı elde etme baskısı çok büyüktür. Üç aylık raporlar ve değerlendirme turları gündemin önemli bir parçasıdır. Sonuç vermesi yıllar sürebilecek uzun vadeli araştırma programlarını savunmak zordur.

LeCun'un 65 yaşında bir girişim kurma kararı dikkat çekici bir açıklama. Tüm onurlarla ve tarihte garantili bir yerle emekli olabilirdi. Bunun yerine, sektör ana akımı tarafından reddedilen bir vizyonun peşinden gitmenin zorlu yolunu seçti. Meta ortak olarak kalacak, yani şirketi en azından başlangıçta kaynaklara sahip olacak. Ancak asıl başarısı, önümüzdeki yıllarda Gelişmiş Makine Zekası'nın gerçekten üstün olduğunu gösterip gösteremeyeceğine bağlı olacak.

Dönüşüm yıllar alacak. LeCun haklı olsa ve dünya modelleri temelde üstün olsa bile, yine de geliştirilmeleri, optimize edilmeleri ve endüstriyelleştirilmeleri gerekiyor. Ekosistemin inşa edilmesi gerekiyor. Geliştiricilerin yeni araçları nasıl kullanacaklarını öğrenmeleri gerekiyor. Şirketlerin LLM'lerden yeni sistemlere geçiş yapması gerekiyor. Bu geçiş aşamaları tarihsel olarak her zaman sancılı olmuştur.

Abartıdan gerçeğe: Yapay zekada uzun vadeli eylem planı

Yann LeCun'un Meta'dan ayrılması, yalnızca bir personel değişikliğinden çok daha fazlasını ifade ediyor. Bilimsel vizyon ile ticari pragmatizm, uzun vadeli inovasyon ile kısa vadeli piyasa talepleri arasındaki temel gerilimi simgeliyor. Mevcut yapay zeka devrimi bir dönüm noktasında. Ölçeklendirmenin kolay başarıları tükendi. Sonraki adımlar daha zor, pahalı ve belirsiz olacak.

Yatırımcılar için bu, mevcut yapay zeka savunucularının fahiş değerlemelerinin eleştirel bir şekilde incelenmesi gerektiği anlamına geliyor. Şirketler içinse, yapay zeka aracılığıyla hızlı üretkenlik mucizeleri umudunun boşa çıkabileceği anlamına geliyor. Toplum içinse, dönüşümün abartı dalgasının öngördüğünden daha yavaş ve daha dengesiz olacağı anlamına geliyor.

Aynı zamanda, temel sağlamlığını koruyor. Yapay zeka geçici bir heves değil, uzun vadede ekonominin neredeyse tüm sektörlerini dönüştürecek temel bir teknoloji. Sanayi devrimiyle paralellikler yerinde. O dönemde olduğu gibi, kazananlar ve kaybedenler, aşırılıklar ve düzeltmeler, altüst oluşlar ve ayarlamalar olacak. Asıl soru, transformatör mimarisinin kapasitesinin sonuna gelip gelmediği değil, bir sonraki aşamanın nasıl olacağı ve onu kimin şekillendireceğidir.

LeCun'un gelişmiş makine zekâsı ve dünya modelleri konusundaki iddiası cesurca olsa da, ileri görüşlü olduğu ortaya çıkabilir. Beş yıl içinde, ana akımdan kopmanın doğru karar olup olmadığını veya sektörün yolunda gidip gitmediğini göreceğiz. Önümüzdeki yıllar, yapay zekânın uzun vadeli gelişimi ve dolayısıyla ekonomik ve toplumsal gelecek için kritik öneme sahip olacak.

İş geliştirme, satış ve pazarlama alanındaki ABD uzmanlığımız - Görsel: Xpert.Digital

Sektör odağı: B2B, dijitalleşme (yapay zekadan XR'a), makine mühendisliği, lojistik, yenilenebilir enerjiler ve endüstri

Bununla ilgili daha fazla bilgiyi burada bulabilirsiniz:

• Xpert İş Merkezi

Görüş ve uzmanlık içeren bir konu merkezi:

• Küresel ve bölgesel ekonomi, inovasyon ve sektöre özgü trendler hakkında bilgi platformu
• Odak alanlarımızdan analizler, dürtüler ve arka plan bilgilerinin toplanması
• İş ve teknolojideki güncel gelişmeler hakkında uzmanlık ve bilgi edinebileceğiniz bir yer
• Piyasalar, dijitalleşme ve sektör yenilikleri hakkında bilgi edinmek isteyen şirketler için konu merkezi

☑️İş dilimiz İngilizce veya Almancadır

☑️ YENİ: Ulusal dilinizde yazışmalar!

Konrad Wolfenstein

Size ve ekibime kişisel danışman olarak hizmet etmekten mutluluk duyarım.

iletişim formunu doldurarak benimle iletişime geçebilir +49 89 89 674 804 (Münih) numaralı telefondan beni arayabilirsiniz . E-posta adresim: wolfenstein ∂ xpert.digital

Ortak projemizi sabırsızlıkla bekliyorum.

☑️ Strateji, danışmanlık, planlama ve uygulama konularında KOBİ desteği

☑️ Dijital stratejinin ve dijitalleşmenin oluşturulması veya yeniden düzenlenmesi

☑️ Uluslararası satış süreçlerinin genişletilmesi ve optimizasyonu

☑️ Küresel ve Dijital B2B ticaret platformları

☑️ Öncü İş Geliştirme / Pazarlama / Halkla İlişkiler / Fuarlar

Xpert.Digital'in kapsamlı bir hizmet paketinde sunduğu beş katlı uzmanlığından yararlanın | Ar-Ge, XR, PR ve Dijital Görünürlük Optimizasyonu - Görsel: Xpert.Digital

Xpert.Digital, çeşitli endüstriler hakkında derinlemesine bilgiye sahiptir. Bu, spesifik pazar segmentinizin gereksinimlerine ve zorluklarına tam olarak uyarlanmış, kişiye özel stratejiler geliştirmemize olanak tanır. Pazar trendlerini sürekli analiz ederek ve sektördeki gelişmeleri takip ederek öngörüyle hareket edebilir ve yenilikçi çözümler sunabiliriz. Deneyim ve bilginin birleşimi sayesinde katma değer üretiyor ve müşterilerimize belirleyici bir rekabet avantajı sağlıyoruz.

Bununla ilgili daha fazla bilgiyi burada bulabilirsiniz:

• Xpert.Digital'in 5 kat uzmanlığını tek bir pakette kullanın - ayda yalnızca 500 €'dan başlayan fiyatlarla