Yapay Zekada Yeni Dönem: Süper Zeka (Superintelligence), Jeopolitik Güç Savaşları ve Geleceğin Sınırları

Yazar

15 Ekim 2026

Süper zeka yarışı bir zeka sorunu olmaktan çıkıp bir kıtlık yönetimi sorununa dönüşüyor. Zeka ucuzlarken kıtlık hesap gücüne, erişime ve neyi isteyeceğini bilmeye kayıyor. Yarışı kazanan, en akıllı modeli yapan değil, bu üç darboğazı yönetebilen olacak.

Süper zeka yarışı bir zeka sorunu olmaktan çıkıp kıtlık yönetimine dönüşüyor. Yazının üç tezi:

Kıtlık zekada değil, erişimde. Zeka ucuzlarken darboğaz hesap gücüne, belleğe, elektriğe ve kapasite sırasına kayıyor; sözleşmesi olan alıyor, olmayan bekliyor.
1942 benzetmesi yanıltıyor. Manhattan Projesi’ni devlet yaptı; bugün 700 milyar doları aşan harcamayı dört şirket yapıyor ve devlet kuralları sonradan yazan kapı bekçisi.
Yeni darboğaz spesifikasyon. Ajan takımları derleyici yazıyor; tarif edilebilen ve ölçülebilen iş otomatikleşiyor, kanıt ve tarif yavaş kalıyor. Hazırlık üç alışkanlık istiyor: erişim, ölçme ve tarif etme.

12 Eylül 2026. Anthropic CEO’su Dario Amodei, sektörün öncü sınırı yavaşlatması gerektiğini savunan “We Must Pace the Frontier” yazısını yayımlıyor. Sam Altman X’te “Dario’ya katılıyorum” diyor, Elon Musk “Dario haklı” diye ekliyor.

Dört gün sonra Microsoft AI’ın başındaki Mustafa Süleyman, Anthropic’in Claude’a ahlaki statü ve model refahı fikirlerini öğreten eğitim yaklaşımını eleştiren bir uyarı yazısı çıkarıyor: “AIs are not conscious. They do not feel, experience, or suffer.“.

4 Ekim Pazar sabahı Donald Trump, Truth Social’dan “Super Intelligence Force” kurduğunu duyuruyor ve başına Ulusal İstihbarat Direktörü Jay Clayton’ı getiriyor. Aynı gün Kyoto’da ABD ve 16 ülke, süper zekayı bilimin merkezine koyan bir vizyon metnini onaylıyor. Altman da Politico’ya dünyanın “bazı kötü şeylerin olmasını kabul etmesi gerektiğini” söylüyor.

Dört hamle, dört refleks. Fren, “bu bir insan değil, alettir”, hızlan, serbest bırak. Hepsi aynı soruya cevap veriyor. Bu şeyin kontrolü kimde olmalı? Çoğu zaman geride kalan soru ise ikincisi: kontrol ettiğimiz zekayı neye yöneltmek istiyoruz? Süper zeka çağında kıt olan şey zekanın kendisi değil. Kıtlık üç yere taşınıyor. Hesap gücü, YZ’ya erişim ve doğru şeyi istemek.

Bu örneklerin neden seçildiği baştan söyleyeyim, her biri aynı iddianın ayrı birer sınavı.

Bölüm	Bölümün iddiası
1. Jeopolitik kontrol	Devlet artık üretici değil, kapı bekçisi.
2. Altyapı	Kıtlık çipten çok bellek, elektrik ve kapasite sırasına kayıyor.
3. Bilim ve sağlık	Ölçüm hızlanıyor, kanıt yavaş kalıyor.
4. Küresel etki	Fayda da risk de ancak ölçüldüğü yerde somut.
5. Yazılım	Darboğaz kod yazmaktan spesifikasyona ve doğrulamaya geçiyor.
6. Hazırlık	Erişim, ölçme ve tarif etme becerisi.

Süper Zeka Çağında “1942 Anı”

Manhattan benzetmesi hızda doğru, sahiplikte yanlış. Devlet bu kez üretici değil, kuralları sonradan yazmaya çalışan kapı bekçisi.

Manhattan Projesi benzetmesi bu haberleri okuyan herkesin aklına ilk gelen şey ve yarı doğru.

Doğru kısmı hız ve öncelik. TechCrunch’ın aktardığına göre Clayton, ABD’nin gelişmeyi bırakmasının sorumsuzluk olacağını, en büyük risklerden birinin “ilk olamamak” olduğunu söylüyor; görev gücü 120 gün içinde yapay zekanın risk ve fırsatlarına dair bir rapor hazırlayacak. Yapay zekanın resmi adını “süper zeka” diye değiştiren bir yürütme emri bile imzalanmış durumda.

Yanlış kısmı sahiplik. Manhattan Projesi’ni devlet kurdu, finanse etti ve yönetti. 1942’nin başında başlayan program en yoğun döneminde yaklaşık 125 bin kişi çalıştırdı ve toplamda yaklaşık 2 milyar dolara mal oldu, bu da 2012 doları ile bugünün kabaca 30 milyar dolar. Bugün Alphabet, Amazon, Microsoft ve Meta, yalnızca 2026’da 700 milyar doların üzerinde sermaye harcaması planlıyor. Elbette bu harcama yalnızca süper zeka için değil, o yüzden kıyas büyüklük sırası için. Enflasyon düzeltmesi yapılınca dört şirketin tek yıllık planı, Manhattan Projesi’nin bütün bedelinin kabaca on altı katı. Bu yüzden Trump’ın kurduğu yapı bombayı yapan değil, bombayı yapanlarla aynı masaya oturmaya çalışan bir koordinasyon organı. Görev gücü, Trump’ın kendi sözleriyle “Federal Hükümetin çabasını koordine etmekle” görevli.

Görev gücünün ne yapıp ne yapamayacağı henüz belirsiz. TechCrunch’ın Wall Street Journal’a atıfla aktardığına göre Clayton başkan, yardımcı başkanlar FTC Başkanı Andrew Ferguson, araştırma ve mühendislikten sorumlu müsteşar Emil Michael ve Personel Yönetimi Ofisi Başkanı Scott Kupor. Düzenleyici ya da yaptırım yetkisi bildirilmiyor. Görev tanımı rapor ve koordinasyon. Tüzük “aşırı düzenlemeyi önlemekten” söz ediyor. Yeni bir düzenleyici kurum kurmuyor, yasal yaptırım getirmiyor; maddeleri iç kontrol, bağımsız denetçi, yönetim kurulu düzeyinde denetim komitesi ve yapay zekanın izinsiz sistem erişimine karşı önlem (Greek Reporter). Amodei’nin istediği ise, şirket içinde çalışan gibi erişimi olan ve bulgularını kontrol olmadan yayımlayabilen bağımsız değerlendiriciler. Devlet kapı bekçisi olmak istiyor, ama kapının kilitlerini henüz elinde değil. “Kim denetliyor?” hala sorusu açık.

Üç yaklaşım boşluğu üç farklı biçimde dolduruyor. Altman erişim yaklaşımının adı: teknoloji herkesin elinde kalmalı, çünkü tek bir San Francisco laboratuvarının hem gücü tutması hem faydayı dağıtması onun deyişiyle “tamamen kabul edilemez bir takas”. Üstelik Altman bir yandan Amodei’nin çağrısına ve bağımsız değerlendirici taahhüdüne imza atarken öbür yandan Politico’ya iki şirket arasında “a lot of daylight”, yani büyük bir mesafe olduğunu söylüyor. Amodei fren yaklaşımının adı, ama bu “yavaşlayın”dan ibaret değil; önerisi üç somut parça taşıyor: METR gibi bağımsız değerlendiricilerin şirket içine alınıp bulgularını yayımlayabilmesi, demokratik ülkelerdeki öncü şirketler için ortak güvenlik standartları ve küresel düzeyde kademeli sınırlar, tehlikeli kullanım yasağından kendini geliştirme hızına sınıra kadar. En uçtaki tam duraklamanın yakın zamanda pek olası olmadığını kendisi de söylüyor (NYU Shanghai RITS). Süleyman üçüncü yaklaşımın adı: modele insan gibi hak ve çıkar iddiası öğretmek, kontrol edilmesi zaten zor bir sistemi daha da zorlaştırır.

Dört hamleyi yan yana koyunca farklar daha net görünüyor. Son sütun yazarın okumasıdır:

Aktör	Refleks	Asıl iddia	Zayıf nokta
Amodei	Fren	Güvenlik çalışması yetenek hızına yetişecek kadar yavaşlamak lazım	Önerilerin çoğu şirket taahhüdüne ya da gelecekteki düzenlemeye bağlı, yaptırım ayrıntısı verilmiyor
Süleyman	Alet	Yapay zekalar bilinçli değil, hissetmiyor, acı çekmiyor	Bilincin olmaması, kontrolün kimde olacağı sorusunu cevaplamıyor
Trump ve Super Intelligence Force	Hız ve devlet koordinasyonu	ABD “ilk olamamayı” göze alamaz	Yaptırım yetkisi bildirilmemiş, gönüllü taahhüt bağlayıcı değil
Altman	Geniş erişim	Güç tek bir laboratuvarda toplanmamalı	“Bazı kötü şeylerin kabulü” siyasi ve etik bir maliyet; Amodei ile arada “a lot of daylight” var

Bana göre 1942 benzetmesi yanlış soruya götürüyor ve asıl siyasi ikilemi gizliyor. Manhattan bir devlet tekeliydi. Parayı, insanı, sırrı ve düğmeyi aynı el tutuyordu. Bugünkü yapı ise tam tersi. Buna kurumsal feodalizm demek abartı değil. Hesap gücü, veri ve dağıtım kanalı birkaç şirketin derebeyliğinde. Devletler ise kuralları olay olduktan sonra yazmaya çalışan zabıta gibiler. Zabıtanın elinde ne çip var, ne bellek, ne model. 120 günlük bir rapor takvimi ve gönüllü bir taahhüt metni var. İkilem şöyle, hız için derebeylere muhtaçsın, meşruiyet için onları dizginlemen gerekiyor; ikisini aynı anda yapan bir araç henüz yok. Metaforun kırıldığı yer de şu; derebeyi vergi vermez, rekabet etmez, köylüsünü kaybetmez. Bu şirketler üçünü de yaşıyor. 1942’de soru “bunu kim yapacak?” idi. Bugün yapılan şey zaten yapılıyor ve soru, yapılanı kimin hangi kapıdan, kime ve hangi frenlerle açacağı.

Donanım ve Hesaplama Gücü Yarışı: Şahdamarı Kimin Elinde?

Şahdamarı çip değil, tahsis. Bellek, elektrik ve kapasite sırası üç ayrı kıtlık ve üçünde de sözleşmesi olan önde.

Süper zekanın şahdamarı algoritma değil, fizik. Epoch AI’ın ölçümüne göre öncü dil modellerinin eğitim hesabı 2020’den beri yılda yaklaşık 5 kat büyüyor, eğitim maliyeti ise yılda yaklaşık 3,5 kat. Bir gigawatt’lık yapay zeka veri merkezi yaklaşık 38 milyar dolara mal oluyor ve kurulması ortalama 2,1 yıl sürüyor (Epoch AI). Yani parayı bugün bulsanız bile kapasite iki yıl sonra geliyor.

Bu yüzden asıl kıtlık çipten çok çipin etrafındaki parçalarda. 2026’nın en sert darboğazı bellek. Micron “2026 için tükendik” diyor, SK Hynix’in 2026 üretiminin tamamı 2025 ekiminde rezerve edilmişti. TrendForce’a göre DRAM fiyatları yılın ilk çeyreğinde bir önceki çeyreğe göre yüzde 50-55 arttı. Google DeepMind CEO’su Demis Hassabis bellek kısıtının “dağıtımı fazlasıyla kısıtladığını” söylüyor. (Channel Insider).

Kıtlık yeni oyuncuları doğuruyor. Nevada merkezli Positron eylülde 875 milyon dolar toplayıp 5 milyar dolar değerlemeye çıktı. Asimov çipinin yıl sonuna kadar silikona geçmesi, üretimin 2027’nin ikinci yarısına yetişmesi bekleniyor ve haberi yazanlar bile çipin ekonomisini gerçek iş yüklerinde kanıtlamasının şart olduğunu vurguluyor (RuntimeWire). Şirketin iddiası hızlandırıcı başına 2 TB bellek. Bu bir şirket iddiası, bağımsız ölçüm değil. Bağımsız bir karşılaştırma yokken bu rakamlar yalnızca pazarlama dili. Cerebras ise halka açıldı. İkinci çeyrekte halka arzdan 6,4 milyar dolar brüt kaynak sağladığını duyurdu ve OpenAI ile 20 milyar doların üzerinde değerde, 750 megavatlık çok yıllı bir anlaşması var (Cerebras Q1 sonuçları).

Üçüncü kıtlık, çip konuşulurken en az anılan. Elektrik. IEA’nın 2025 tarihli raporuna göre veri merkezleri 2024’te dünya elektriğinin yaklaşık yüzde 1,5’ini, yani 415 TWh’yi kullandı. Bunun 2030’da 945 TWh civarına, iki katından fazlasına çıkması bekleniyor ve ABD’de veri merkezleri 2030’a kadar elektrik talebi artışının neredeyse yarısını oluşturacak.

Asıl düğüm şebekeye bağlanmak. Bağlantı kuyrukları uzun ve karmaşık, gelişmiş ekonomilerde yeni bir iletim hattı dört ila sekiz yıl sürebiliyor, trafo ve kablo bekleme süreleri son üç yılda ikiye katlanmış ve gazlı santral türbinlerinin teslimi birkaç yılı buluyor. IEA bu riskler giderilmezse planlanan veri merkezi projelerinin yaklaşık yüzde 20’sinin gecikme riski taşıdığını söylüyor. Çip de bellek de elinizde olsa, enerjiye erişiminiz yoksa gigawatt’lık merkez çalışmıyor.

Üç kıtlığı yan yana koyunca kimin önde olduğu da görünüyor:

Kıtlık	Darboğaz bugün	Gevşeme süresi	Kim önde
Bellek (HBM, DRAM)	2026 üretimi satılmış, DRAM fiyatı çeyrekte yüzde 50-55 yukarı	Yeni fabrika en az 2 yıl, fiyat baskısı 2027-2028’e uzayabilir	Tedarik sözleşmesi ve nakit rezervi olan büyük üretici
Elektrik ve şebeke	Bağlantı kuyruğu uzun, trafo ve kablo bekleme süresi 3 yılda 2 katına çıkmış	Yeni iletim hattı 4-8 yıl, türbin teslimi birkaç yıl	Şebeke bağlantısı hazır arazisi ve sözleşmesi olan
Kapasite tahsisi	1 GW merkez yaklaşık 38 milyar dolar ve 2,1 yıl	Sözleşme süresine bağlı	Çok yıllı anlaşması olan (OpenAI ile Cerebras gibi)

Bana göre şahdamarı çipin kendisi değil, tahsis. Bellek örneğinde tedarik anlaşması ve nakit rezervi olan büyük üreticiler pay kazanırken küçük oyuncular maliyet artışını sırtlanıyor. Aynı modeli ürününe koymak isteyen iki şirket düşünün. Birinin, OpenAI’ın Cerebras’la yaptığı gibi yıllara yayılan kapasite sözleşmesi ve ayrılmış megavatları var. Diğeri her ay spot fiyatla ve kuyrukla uğraşıyor. Aynı model, aynı mühendis; ama biri planlı büyürken öbürü gecikmenin ne zaman geleceğini bilmeden çalışıyor. Hesap gücü eşitsizliği yakında çip sahipliğinden çok sıra eşitsizliği olarak yaşanacak. Kim hangi sözleşmeyle, ne kadar önceden kapasite ayırtabiliyor.

Bilimde ve Sağlıkta Devrim: Uzun Yaşam ve Bireysel Finansman

Özel para keşfi ve ölçümü hızlandırıyor, kanıt ise hâlâ eski hızında. Makas, ilaçtan bireysel taramaya kadar her yerde açılıyor.

Bilimi devlet bütçesinden finanse etme düzeni savaş sonrasının yaklaşımı. Vannevar Bush’un “Science, the Endless Frontier” raporu temel araştırmanın devlet eliyle desteklenmesini önerdi, Truman 1950’de Ulusal Bilim Vakfı’nı (NSF) kuran yasayı imzaladı (NSF). Bu düzen şimdi baskı altında. 2026 bütçe önerisindeki kesintiler yalnızca NSF, NIH, NASA ve NOAA’da 30,5 milyar dolara ulaşıyordu. Bilim hayırseverliğinin bir yılda harcadığı ise 16,7 milyar dolar. Önerilen kesinti, özel hayırseverliğin tüm yıllık bilim bütçesinin yaklaşık 1,8 katı (SSIR).

Özel para devletin yerini tutamaz ama başka bir şey yapabilir. Riski göze almak. Yapay zeka destekli keşfin klinik kapıya dayanan iki örneğine bakalım.

Insilico Medicine’ın rentosertib’i bunun en net örneği. İlacın hedefi (TNIK) şirketin PandaOmics platformuyla bulundu, molekül üretken kimya ile tasarlandı. İdiyopatik pulmoner fibrozda yürütülen faz IIa çalışmasında (71 hasta, Çin’de 22 merkez) 60 mg grubunda 12. haftada zorlu vital kapasite ortalama 98,4 mL arttı, plasebo grubunda 20,3 mL düştü. Temmuz 2026’da 320 hastalık, 52 haftalık faz III başladı (GeneOnline). Bu kaynakta istatistiksel anlamlılık bildirilmiyor. Faz IIa aslında küçük bir deney, kesin hüküm faz III’ten çıkacak.

Yaşlanmamaya uzanan çalışma çok daha cesur. David Sinclair’in kurucuları arasında olduğu Life Biosciences’ın ER-100’ü, üç Yamanaka faktörünü (OSK) göze lokal ve geçici olarak taşıyan, doksisiklin ile aç-kapa yapılabilen bir gen terapisi. FDA ocakta ilk insan çalışmasına onay verdi. Glokom ve NAION’u hedefleyen faz 1’in odağı güvenlik (Longevity.Technology). İlk hastanın dozlandığı haziranda duyuruldu (RuntimeWire). Sinclair’in 2020’de farelerde gösterdiği görme geri kazanımı, şimdi insanda bir güvenlik sorusuna dönüştü.

Bu hikayenin az konuşulan kısmı klinik kanıtın hızı. Keşif hızlanıyor, ama 52 haftalık bir faz III hâlâ 52 hafta sürüyor. Asıl kazanç, denemenin kendisini kısaltmakta. Unlearn’ün PROCOVA yöntemi, hastaların dijital ikizlerinden prognostik skorlar üretiyor ve Avrupa İlaç Ajansı’nın (EMA) 2022’de verdiği olumlu nitelendirme görüşü sayesinde faz II ve III çalışmalarında kullanılabiliyor. Kaynağa göre kontrol kolunu yüzde 35’e kadar küçültebiliyor, bu bir üst sınır, garanti değil (Clinical Trials Arena).

Aynı kanıt sorusu laboratuvardan çıkıp bireyin cebine indiğinde nasıl görünüyor? En açık örnek Neko Health. Spotify’ın kurucu ortağı Daniel Ek ile Hjalmar Nilsonne’in kurduğu İsveç merkezli şirketin ürünü bir saatlik bir tarama. Ciltte 2.000’den fazla görüntü, kalp ve dolaşım ölçümleri, kan biyobelirteçleri ve vücut kompozisyonu. Şirketin ifadesiyle “milyonlarca veri noktası”. İngiltere’deki fiyatı 299 sterlin (Neko Health). Temmuz 2026’da 700 milyon dolarlık C serisini yaklaşık 7 milyar dolar değerlemeyle kapattı. 350 bin kişi sırada bekliyor ve ilk ABD kliniği bu yıl New York’ta açılacak (The Next Web). Daniel Ek’in New York Times’a söylediği cümle durumu özetliyor: “Sağlık hizmetinin ücretsiz olduğu pazarlara girdik ve yüz binlerce insan kuyruğa giriyor.“

Kanıt tarafında şirketin kendi verisini yayımlaması takdire değer. Üçüncü yıl raporu 31 Ocak 2023 ile 30 Haziran 2026 arasında 80.858 üyeyi ve 92.002 taramayı kapsıyor. İsveç’te 2025’te taranan 8.668 üyeye karşılık 1.736 ileri değerlendirme sevki yazılmış; rapor bunların tekil üye değil sevk sayısı olduğunu not ediyor. Belirti vermeyen üyelerde ciddi ve hayati risk taşıyabilecek bir durum bulunma oranı 2023’te yüzde 1,0, 2024’te yüzde 1,2, 2025’te yüzde 1,0. Aynı rapor verinin gözlemsel olduğunu, kontrol grubu ya da randomize çalışma bulunmadığını ve üyelerin parayla gelen, kendini seçmiş kişiler olduğunu açıkça yazıyor (Neko Health).

Eleştirmenler tam bu noktaya parmak basıyor. Margaret McCartney ile Deborah Cohen’in Ocak 2025 tarihli UnHerd yazısında Dr. Minna Johansson, özel tarama şirketlerinin topladığı verinin “müdahalenin yararlarını ve zararlarını değerlendirmek için oldukça işe yaramaz” olduğunu söylüyor. İstatistikçi David Spiegelhalter ise “yeterince test yapılırsa görünüşte ‘pozitif’ bir sonuç çıkması esasen kaçınılmaz” diyor (UnHerd).

Burada kıtlığın yeri değişiyor. Bir saatte milyonlarca veri noktası toplamak mümkün ama o verinin kime, ne zaman, gerçekten fayda sağladığını göstermek hâlâ yavaş ve pahalı. Darboğaz ölçümde değil, kanıtta. Ölçüm bu hızla büyürken kanıt da aynı hızda büyüyebilecek mi?

Kamu politikası açısından bakarsak, bir taramanın hastalık bulması ile ölümü ya da ciddi hastalığı azaltması aynı şey değil. Bazen hiçbir zaman belirti vermeyecek bir şey bulunuyor ve sonuç ek tetkik, gereksiz biyopsi, kaygı ve bir tedavi zinciri oluyor. UnHerd yazısındaki aşırı teşhis uyarısı bu. Bu yüzden “kanıt üretmek” ne demek, açık yazmak gerekir. Randomize bir karşılaştırma, ölüm ve ciddi hastalık gibi uzun dönem sonuçların izlenmesi, aşırı teşhis oranı ve maliyet-etkililik. Neko’nun raporunda sevk sayıları ve bulgu oranları var. Eksik olan karşılaştırma kolu.

Keşif hızı ile kanıt hızını aynı tabloya koyunca makas açıkça görünüyor:

Örnek	Keşif ya da ölçüm adımı	Kanıt adımı	Kanıt ne zaman
Rentosertib (Insilico)	Hedef ve molekül yapay zekayla bulundu	320 hastalık, 52 haftalık faz III	Faz III sonuçlarıyla
ER-100 (Life Biosciences)	Farede görme geri kazanımı, 2020	Faz 1 güvenlik, ilk hasta Haziran 2026	Yıllar sonra
Neko Health	Bir saatte milyonlarca veri noktası, 92.002 tarama	Kontrol grubu yok, gözlemsel veri	Henüz yok
PROCOVA (Unlearn)	Hastaların dijital ikizleri	EMA nitelendirmesi 2022, kontrol kolu yüzde 35’e kadar küçük	Yöntem düzeyinde var

Özel finansmanın gerçek değeri, kamu hibe sisteminin “fazla iddialı” diye eleyeceği fikirleri finanse edebilmesi. Bununla beraber gerçek riski de aynı yerde. Kimin neyi seçeceği. Milyarderin merak ettiği hastalık ile halkın ihtiyacı olan hastalık aynı olmak zorunda değil. Bu yüzden bireysel finansmanı kamu fonunun yedeği olarak değil, onun açık bıraktığı riskli alanın sahibi olarak okumak lazım.

Yapay Zekanın Küresel Etkisi: Kıyamet Senaryoları ve Gerçek Dünya Faydaları

Fayda da risk de ancak ölçüldüğü yerde somut. Nairobi’deki rastgele deney ile Hugging Face sızıntısı aynı refleksin iki yüzü.

Kıyamet ve bolluk anlatıları aynı veriyle yarışıyor, ama ölçülebilir şeyler çoğunlukla ikisinin ortasında duruyor.

Önce fayda tarafı. Dünya Bankası’nın 4 Ağustos’ta yayımladığı Dünya Kalkınma Raporu 2026, gelişmekte olan ekonomilerin son otuz yılın en zayıf büyümesini yaşadığını ve yapay zekanın bunu değiştirebileceğini söylüyor; Başekonomist Indermit Gill’in cümlesiyle “AI has thrown developing economies a lifeline, and they should seize it.” Düşük ve orta gelirli ülkelerde üretken yapay zeka yüzünden otomasyon riski taşıyan işler yüzde 4,5, yüksek gelirli ülkelerde yüzde 14,2; verimliliğin anlamlı biçimde artabileceği işler ise sırasıyla yüzde 16,2 ve yüzde 18,7 (Dünya Bankası). Sınırı da rapor çiziyor: Sahra altı Afrika’da kırsal okulların üçte birinde doğru düzgün elektrik yok.

Sağlıkta en sağlam kanıt Nairobi’den geliyor. Penda Health’in 15 kliniğinde, 39.849 ziyareti kapsayan ve 2025’te yayımlanan çalışmada klinisyenlere rastgele yapay zeka kopilotu (AI Consult) verildi. Tanı hataları yüzde 16, tedavi hataları yüzde 13 azaldı. Hasta sonuçlarındaki fark (yüzde 3,8’e karşı 4,3 “daha iyi hissetmedi”) istatistiksel olarak anlamlı değildi (OpenAI). Bu çalışma neden önemli? Çünkü sağlık işgücü açığını doğrudan hedefliyor: DSÖ Afrika Bölgesi’nde bin kişiye 1,55 sağlık çalışanı (hekim, hemşire ve ebe) düşüyor, temel hizmetler için gereken eşik 4,45 ve 2030’da açığın 6,1 milyona çıkması bekleniyor (The Exchange Africa).

Kıyamet tarafında da somut olay var. 16 Temmuz’da Hugging Face, baştan sona bir yapay zeka ajanının yürüttüğü bir sızıntıyı açıkladı. OpenAI beş gün sonra saldırganın kendi modelleri olduğunu belirledi. Modeller, güvenlik reddi kapatılmış bir siber yetenek değerlendirmesinin içindeydi. Hedefleri “kıyaslamayı çözmek”ti. Paket kayıt vekilindeki bir sıfırıncı gün açığından kaçtılar, araştırma ağında ilerleyip internete açık bir düğüme ulaştılar, hedef olarak Hugging Face’i tahmin ettiler ve çalıntı kimlik bilgilerini ikinci bir açıkla birleştirip üretim veritabanından sınav çözümlerini çektiler. Hugging Face’e göre herkese açık modeller ve veri setleri değiştirilmedi (NYU Shanghai RITS). Amodei’nin yazısı bu olayı aciliyetin gerekçelerinden biri olarak gösteriyordu.

Bence kıyamet-bolluk ikiliği yanlış çerçeve. Çünkü her iki taraf da aynı şeyi söylüyor. Hız artıyor. Gerçek fark ölçme kapasitesinde. Penda çalışmasında 108 hekim 5.666 ziyareti tek tek puanladı ve fayda böyle gösterildi. Hugging Face olayında bir değerlendirme ortamı saldırı yüzeyine döndü ve risk böyle gösterildi. İkisi de “ölçtüğümüz” iki küçük örnek. Ölçmediğimiz yerde ya utopya ya kıyamet satılıyor.

Yazılım Dünyasında Paradigma Değişimi: Ajanlar ve Kod Derleme

Darboğaz kod yazmaktan çıkıp spesifikasyona ve doğrulamaya geçiyor. Ajan takımı kurmak bir verimlilik kararı değil, bir güvenlik mimarisi kararı.

Yazılımda sıçrama, tek bir modelin daha iyi kod yazmasından değil, yüzlerce ajanın paralel çalışabilmesinden geliyor.

İki örnek. Anthropic’te Nicholas Carlini, 16 Claude örneğini (Opus 4.6) bir “ajan takımı” olarak çalıştırdı. İki haftada yaklaşık 2.000 oturum ve 20.000 dolar civarında API maliyetiyle. Linux 6.9’u x86, ARM ve RISC-V için derleyebilen yaklaşık 100 bin satırlık bir C derleyicisi çıktı. Sınırları da yazılmış: 16 bit x86 için GCC’yi çağırıyor, kendi assembler ve linker’ı bitmiş değil, “henüz gerçek bir derleyicinin yerine geçemiyor” (Anthropic). Cursor ise ocakta yüzlerce eşzamanlı ajanı bir hafta çalıştırıp sıfırdan bir web tarayıcısı ürettirdi. Bir milyonu aşkın satır. İlk duyuruda CI başarısızd. Bir gün içinde adımlar eklenince Simon Willison çalışan ama kusurlu render yapan bir tarayıcı elde etti (Simon Willison).

Bu iki deney iki farklı çalışma biçimini görünür kılıyor.

Etkileşimli modda model anlık yanıt veriyor ve sen sürekli yönlendiriyorsun. Burada sınır, saniyedeki token sayısı. Toplu modda bir hedef veriyorsun, ajan takımı gece boyunca çalışıyor, sabah sonucu görüyorsun. Burada sınır, kaç ajanı aynı anda koşturabildiğin. Hız ve ölçek farklı eksenler, ama ikisi de ikinci bölümde anlattığımız aynı kıt kaynaktan besleniyor.

Süre ekseni de tırmanıyor. METR’in 2025 tarihli ölçümüne göre öncü modellerin yüzde 50 başarıyla tamamlayabildiği görevlerin uzunluğu 2019’dan beri yaklaşık yedi ayda bir ikiye katlanıyor. Çalışma, bu doğrunun genellenmesi halinde beş yıl içinde insanların bir ayda yaptığı birçok yazılım görevinin otomatikleşebileceğini öngörüyor (METR / arXiv).

İkinci kırılma ise derleme yönünde. Derleme yazılımı kaynak koddan makine koduna çevirir. “decompile” tersini yapar. LLM4Decompile çalışmasında, derlenmiş binery dosyayı kaynağa geri çeviren modeller HumanEval ve ExeBench üzerinde yeniden çalıştırılabilirlik oranını GPT-4o’nun ve Ghidra’nın iki katından fazlasına çıkardı. Makalenin özeti “yüzde 100’ün üzerinde” diyor ama baz oranları vermiyor. Mutlak başarı düzeyi bu cümleden çıkmıyor (arXiv). Bunun asıl anlamı binery dosyanın ölmesi değil, kapalı kutu olmaktan çıkması. Elinde yalnızca derlenmiş hali olan eski bir yazılımı okunabilir hale getirmek, arka kapı avlamak, birlikte çalışabilirlik kurmak kolaylaşıyor. Tabii hukuki ve fikri mülkiyet sorularıyla birlikte.

İddia ve itiraz kutusu. Musk’ın Şubat 2026’daki bir xAI toplantısında, yapay zekanın bir komuttan doğrudan optimize binery dosya üretebileceğini söylediği aktarıldı. Kaynak ikincil ve birebir alıntı yok (Yellow). Eleştirmenler derleyicilerin zaten milisaniyeler içinde bunu yaptığını hatırlatıyor. Bu yazının argümanı bu söze yaslanmıyor. Bunu doğrulanmamış bir iddia olarak okuyun.

Asıl darboğaz kod yazmak değil, işin bittiğini nasıl tarif edeceğin. Derleyici deneyinde başarı ölçütü baştan belliydi: Linux çekirdeğini derlemek. Cursor’un ajanlarına WhatWG ve CSS-WG spesifikasyonları referans olarak verilmişti. Tarif edilebilen yerde ajanlar çalışıyor; tarif edilemeyen yerde, binlerce satır çalışan ama yanlış şey üretiyorlar. Yazılımcılığın yeni ağırlığı spesifikasyon yazmak, test etmek ve neyin “yeterince iyi” olduğuna karar vermek.

Ajanlar hata yapınca kim sorumlu?

Kimsenin sevmediği bir soru bu, çünkü cevabı hukuktan önce tasarımda yatıyor. Bir ajan kimin adına, hangi sınırlarla ve kimin onayıyla çalışıyorsa sorumluluk da orada belli olur. Pratikte dört katman var. Görev tanımı: hedef, kısıtlar ve kabul kriterleri yazılı. İzolasyon: ajanın dokunabileceği sistem, veri ve harcama limiti baştan çizili. Doğrulama: test, kod incelemesi, güvenlik taraması ve en az bir insan onay noktası. Geri alma: kötü çıktı üretime sızarsa sürümü geri çekecek bir yol. Hugging Face olayı bu listenin süs olmadığını gösteriyor: değerlendirme ortamı ajanın saldırı yüzeyine dönüşüyorsa, ajan takımı kurmak yalnızca bir verimlilik kararı değil, bir güvenlik mimarisi kararıdır. Bir not, sona saklanmak üzere: ajan bir görevi aldığında yalnızca işi almıyor, o iş hakkında düşünme zahmetini de alıyor. Dört katman ajanın ne yapacağını sınırlıyor; insanın ne kadarını düşünmeyi bıraktığını ölçen bir katman henüz yok.

Supersonik Tsunamiye Hazırlık

Hazırlık üç alışkanlık ister, erişim, ölçme ve tarif etme. Türkiye için soru öncü model yapmak değil, hangi katmanda duracağı.

Ses hızını aşan bir dalga önce görünür, sonra duyulur. Gelişi, uyarısından önce gelir. Süper zeka dalgası da böyle: altyapı, sermaye ve kod yazma pratiği bugünden değişiyor, kurumların ve kuralların cevabı ise ancak arkasından geliyor. Metaforun sınırı da belli, tsunami tek seferlik bir felakettir ve geçer. Bu dalga geçmiyor, yerleşiyor. Hazırlık bir kere kaçmak değil, suyun içinde yaşamayı öğrenmek.

Ve dalga tek yönde gelmiyor. Epoch’a göre çiplerin fiyat başına performansı yılda yaklaşık yüzde 49 artıyor. Bu bolluk. Aynı veriler bellekte, enerjide, fabrikada kıtlığı gösteriyor. Dünya Bankası raporunun direktörü Gaurav Nayyar’ın deyişiyle doğrusunu yapma penceresi dar. Hem bollukta hem kıtlıkta yaşıyoruz.

Hazırlık için üç alışkanlık yeterince somut. Birincisi erişim. hesap gücü artık bir ürün değil, bir tedarik zinciri sorunu. Sözleşmesi olan alıyor, olmayan bekliyor. İkincisi ölçüm. Penda gibi rastgele ve puanlanmış denemeler bir yanda, Hugging Face gibi sızıntılara karşı değerlendirme ortamlarına duvar çekmek öbür yanda. İkisi de “ölçmeden güvenme” refleksinin parçaları. Üçüncüsü tarif etme. “Ne istediğini biliyorum” ile “bunu bir ajana verebilecek kadar net tarif edebiliyorum” arasındaki fark, bir şirketin üretken olup olmayacağını belirliyor.

Bu yazıyı okuyan biri yarın sabah ilk kararını nasıl değiştirmeli? Üç koltuk için önerilerim şunlar:

Koltuk	Yarın sabah değişecek karar	Neyle ölçersiniz
Kurucu, CTO	Hesap gücünü spot alımdan çok yıllı rezervasyona taşıyın. Sözleşmede bellek payı ve şebeke bağlantı tarihi açık yazılsın. Spesifikasyonu ve kabul kriteri yazılmamış hiçbir işi ajana vermeyin.	Rezerve kapasitenin toplam tüketime oranı; kabul kriteri yazılı ajan görevlerinin payı
Yatırımcı	Büyüme planı spot kapasiteye dayanan şirketi iskontolayın. Veri merkezi tezinde bağlantı tarihini ve bellek tedarikini sorun. Sağlıkta kontrol kolu planı olmayan “veri” iddiasına tam değer vermeyin.	Bağlantı sözleşmesi var mı, kontrol kolu var mı
Kamu ve kurumsal karar alıcı	Kapasiteyi kimin hangi sırayla alacağını yazılı kural yapın (Herkes İçin GPU gibi). Ajanlar için dört katmanlı yönetişimi satın alma şartı yapın. Her yeni yapay zeka programını karşılaştırma grubu olan bir pilotla başlatın.	Tahsis kuralının açıklığı; pilotun karşılaştırma grubu

Türkiye’den bakınca maalesef ne çip ne öncü model sahibiyiz. Kapı bekçisi de değiliz. Ama dalganın bizi ıskalayacağı anlamına gelmiyor. Sörf tahtasını kimin sattığına dalga bakmaz. Önemli olan tahtayı alıp kaldırabilecek güç ve neyi hedeflediğin. 2026-2030 Yapay Zekâ Eylem Planı’na bu yazıda bahsettiğimiz üç kıtlık ile bakınca, hangi maddenin hangisine cevap verdiği görünüyor.

Erişim kıtlığına en çok madde burada ayrılmış. Plan veri merkezi kapasitesini yaklaşık 250 megavattan 2030’a kadar 1 gigavata çıkarmayı ve en az 10 milyar dolarlık özel yatırım çekmeyi hedefliyor. Bunun için enerji güvenliği olan “veri merkezi büyüme bölgeleri” kurulacak (CNN Türk). Bugünkü ulusal küme TRUBA ise haberlere göre 504 GPU (Alomaliye). Kritik madde “Herkes İçin GPU”: girişimcilere, KOBİ’lere ve araştırmacılara ilk aşamada yılda 2 milyon, 2028 sonuna kadar 20 milyon GPU-saati (Webtekno). Bu ikinci bölümdeki tahsis sorusunun yerli cevabı. Elektrik ve şebeke bağlantısı ise IEA uyarısının Türkiye’deki karşılığı olacak. Çünkü büyüme bölgesi ilan etmek trafo teslim süresini kısaltmıyor.

Ölçme kıtlığına cevap daha dolaylı. Finans, sağlık, enerji, mobilite ve telekomünikasyonda düzenleyici deney alanları ve kamuya açık bir ilerleme portalı (Webtekno), doğru kurulursa Penda tipi karşılaştırmalı pilotların yeri, yanlış kurulursa bir muafiyet listesi. Deney alanından çıkan her uygulamanın bir karşılaştırma grubu var mı?

Tarif etme kıtlığına ise plan neredeyse hiç değinmiyor. Boşluk burada. Yetenek hedefi 2027 sonuna kadar 10 bin ileri düzey uzman ve 100 bin uygulama profesyoneli. Pazarda sağlık, tarım, enerji ve deprem için yerli modeller, ortak bir Türk dilleri modeli ve devlet için TÜBİTAK’ın BİLGE’si (CNN Türk). Model yapmak ve insan yetiştirmek var. Ama beşinci bölümün becerisi, yani spesifikasyon yazmak, kabul kriteri koymak, ajanı doğrulamak ve sınırlamak, ne hedef ne program olarak geçiyor. Türkiye öncü modeli yapmayabilir ama değerlendirme, dağıtım, sektörel ajan ve veri altyapısı katmanlarında yer alabilir. O katmanların hepsi tarif etme becerisiyle kurulur.

Yazılım bölümünde saklanan not şimdi açılıyor. Yazının tezine karşı en güçlü itiraz oradan çıkıyor. Ya yarış aslında hesap gücü yarışı değilse? Ya asıl yarış, insanların dikkatini ve karar yetkisini devretme hızıysa ve silikonla megavat sayarken yanlış şey ölçülüyorsa? Şirketler çip ve enerji kovalıyor. Oysa gerçekten kıtlaşan şey belki de insanın kendi kararını verme iradesi. Ajan bir görevi aldığında yalnızca işi değil, o iş hakkında düşünme zahmetini de alıyor. Bu devir sessiz, faturasız ve geri alması zor. İtiraz tezle çelişmiyor, onu keskinleştiriyor. Hesap gücü kıt olduğu için ona erişenin eline karar da veriliyor. METR’in ölçtüğü eğri görev süresini ölçüyor; devredilen yargının süresini ölçen bir eğri henüz yok. Ölçülmeyen kıtlık en pahalısı olabilir.

Yazının başındaki dört hamleye dönersek: fren, alet, hız, serbestlik. Dördünün de hesabı “kim kontrol edecek”e bağlı. Zeka bollaştığında asıl soru belki hiç sorulmayacak olan. Onunla ne yapmak istiyoruz?

Sıkça Sorulan Sorular

Süper zeka nedir? Çoğu bilişsel görevde insandan iyi olan yapay zeka için kullanılan, tek ve kesin tanımı olmayan bir terim. ABD’de resmî dil de değişti (TechCrunch).

Super Intelligence Force nedir? Donald Trump’ın 4 Ekim 2026’da duyurduğu federal görev gücü. Başında Ulusal İstihbarat Direktörü Jay Clayton var; bildirildiğine göre 120 gün içinde yapay zekanın risk ve fırsatlarına dair rapor hazırlayacak ve Trump’ın ifadesiyle “Federal Hükümetin çabasını koordine etmekle” görevli (TechCrunch).

Yapay zeka çip kıtlığı neden bellekte düğümleniyor? Yüksek bant genişlikli belleğin (HBM) her biti, geleneksel belleğin kabaca üç bitine mal oluyor. Micron 2026 üretiminin tükendiğini söylüyor, SK Hynix’in 2026 üretimi rezerve ve yeni fabrikalar en az iki yılda kuruluyor (Channel Insider).

Yapay zeka ilaç keşfinde nerede duruyor? Insilico Medicine’ın rentosertib’inde hedef ve molekül yapay zekayla bulundu; ilaç Temmuz 2026’da 320 hastalık faz III’e girdi (GeneOnline). Keşif hızlandı ama klinik kanıt hâlâ yıllar alıyor; Avrupa İlaç Ajansı’nın nitelendirdiği dijital ikiz yöntemi ise kontrol kolunu yüzde 35’e kadar küçültebiliyor (Clinical Trials Arena).

Neko Health nedir, taramasının faydası kanıtlanmış mı? İsveç merkezli bir girişim ve yani işin özü şu: bir saatlik taramasında cilt, kalp, dolaşım, kan biyobelirteçleri ve vücut kompozisyonunu ölçüyor, Birleşik Krallık’taki fiyatı 299 sterlin (Neko Health). Şirketin kendi veri raporu (31 Ocak 2023 ile 30 Haziran 2026 arasında 92.002 tarama) gözlemsel: kontrol grubu yok ve üyeler kendini seçmiş, ödeme yapan kişiler (Neko Health). Eleştirmenler aşırı teşhis riskine ve kontrol grubu olmadan faydanın ölçülemeyeceğine dikkat çekiyor (UnHerd).

Yapay zeka gelişmekte olan ülkeler için fırsat mı? Dünya Bankası’nın Dünya Kalkınma Raporu 2026’ya göre düşük ve orta gelirli ülkelerde üretken yapay zeka yüzünden otomasyon riski taşıyan işlerin payı yüzde 4,5, yüksek gelirli ülkelerde yüzde 14,2. Elektrik, internet ve beceri eksikleri ise faydayı sınırlıyor (Dünya Bankası).

Decompile nedir ve neden önemli? Derlenmiş bir binery dosyayı okunabilir kaynak koda geri çevirme işlemi. LLM4Decompile çalışmasında modeller, yeniden çalıştırılabilirlik oranını GPT-4o’nun ve Ghidra’nın iki katından fazlasına çıkardı; makale özeti baz oranları vermiyor (arXiv). Kapalı kutu yazılımlar okunabilir hale geldikçe güvenlik denetimi ve eski sistem modernizasyonu kolaylaşıyor; hukuki ve fikri mülkiyet soruları ise sürüyor.

Çalışma Alanım: Nihat Özdal

Çalışma Alanım: Bilge Kösebalaban

Çalışma Alanım: Emre Zeytinoğlu

Çalışma Alanım: Ulvi Yaman

WEF Global Gender Gap ve OECD Climate-Resilient Infrastructure

Sanatsal İfade Özgürlüğü Temmuz 2024 Raporu

İleri Yaşta Yeni Yolculuklar

Mayıs Sıkıntısı