“Bir makine bunu asla yapamaz” — sonra yapıyor

Aklımdan çıkaramadığım bir örüntü var. Zeki, saygın biri bir teknolojiye bakıyor, tam bir kesinlikle “bu asla olmaz” diyor — birkaç yıl sonra da tam olarak o şey günlük hayatın parçası oluyor.

1997’de Princeton’daki Institute for Advanced Study’den Piet Hut, Go tahta oyunu hakkında New York Times’a şöyle demişti: “It may be a hundred years before a computer beats humans at Go — maybe even longer.” Mart 2016’da AlphaGo, dünya klasındaki oyuncu Lee Sedol’u 4-1 yendi. Yüz yıl içinde değil. On dokuz yılda.

Bilişsel bilimin en parlak zihinlerinden biri olan Douglas Hofstadter, 2018’de Atlantic’te “The Shallowness of Google Translate” başlıklı bir deneme yazdı. Onaylayarak şu cümleyi alıntıladı: “No reasonable person thinks that a machine translation can ever achieve elegance and style.” 2023’te, Haziran ayında yayımlanan bir söyleşide aynı Hofstadter şöyle konuştu: “I don’t think it’s interesting. I think it’s terrifying. I hate it. I think about it practically all the time, every single day.” Ve: “It’s a very traumatic experience when some of your most core beliefs about the world start collapsing.”

Bu tanıdık geliyorsa, belki de başka bir yerden geliyordur. 2017’de Jamie Dimon, bir Barclays konferansında Bitcoin’i dolandırıcılık ilan etti: “It’s worse than tulip bulbs. It won’t end well. Someone is going to get killed.” Ocak 2018’de bu sözlerine pişman olduğunu söyledi. Warren Buffett, 2018 Berkshire yıllık toplantısında Bitcoin’i “probably rat poison squared” olarak nitelendirdi; Charlie Munger kripto ticaretini “just dementia” diye tanımladı. Ve Paul Krugman 1998’de, 2005’e kadar internetin ekonomiye etkisinin “no greater than the fax machine’s” olacağının görüleceğini yazmıştı — gerekçelerinden biri: “most people have nothing to say to each other!”

Bunu bu insanlardan daha akıllı görünmek için yazmıyorum. Değilim. Bunu yazıyorum çünkü aynı örüntü şu anda tekrar işliyor ve bu sefer gerçekleşirken izleyebiliyoruz. Bu, benim bu konudaki zaman çizelgem. Bilerek büyümeye devam edecek şekilde kuruldu.

Önce nasıldı (sıçramayı hissettirmek için)

ChatGPT Kasım 2022’de gelmeden önce, “metin yazan yapay zeka” sadece işin içindekilerin bildiği bir şeydi.

Arkasındaki model GPT-3, 28 Mayıs 2020’de bir ön baskı (preprint) olarak yayımlandı (“Language Models are Few-Shot Learners”); API betası 11 Haziran 2020’de başladı. 175 milyar parametre — ve sadece 2.048 token’lık bir bağlam penceresi, yani birkaç paragraf; hafızası bundan fazlası değildi. Eğitiminin tahmini maliyeti 4,6 milyon dolardı; tek bir GPU’da hesaben yaklaşık 355 yıl sürerdi.

Ve ona kolayca ulaşılamıyordu. GPT-3 bir bekleme listesinin arkasındaydı. Ancak 18 Kasım 2021’de — bir buçuk yıl sonra — OpenAI bekleme listesini kaldırdı ve API’yi herkese açtı.

O dönemden kalan en ünlü metin, gerçek durum hakkında çok şey söylüyor. 8 Eylül 2020’de Guardian, GPT-3’ün yazdığı bir görüş yazısı bastı: “A robot wrote this entire article. Are you scared yet, human?” Yazı “I am not a human. I am Artificial Intelligence.” cümlesiyle başlıyor ve “I have no desire to wipe out humans.” cümlesini içeriyordu. Kulağa etkileyici geliyor — ta ki dipnotu okuyana kadar. GPT-3 sekiz deneme üretmişti (bir Berkeley öğrencisi tarafından beslenerek) ve editörler en iyi kısımları bir araya getirip kesip yapıştırmıştı. Yani “entirely written by AI” ifadesi, diyelim ki, cömertçe yuvarlanmıştı.

Uzmanlar buna göre ölçülüydü. Gary Marcus ve Ernest Davis, 22 Ağustos 2020’de MIT Technology Review’da şu başlığı attı: “GPT-3, Bloviator: OpenAI’s language generator has no idea what it’s talking about.” Bilinçli olarak sistematik olmayan bir test setinde — yazarlar bunun açıkça bir benchmark olmadığını belirtmişti — GPT-3, günlük akıl yürütmede kabaca yarı yarıya net doğru, yarı yarıya net yanlıştı. Mart 2021’de Emily Bender ve meslektaşları FAccT konferansında akılda kalan terimi ortaya attı: “stokastik papağanlar” — hiçbir şeyi anlamadan kelime kalıplarını taklit eden makineler. Marcus’ın iki yıl sonraki, Mart 2022 tarihli değerlendirmesi: “For all its fluency, GPT-3 can neither integrate information from basic web searches nor reason about the most basic everyday phenomena.”

Peki ya görseller? 5 Ocak 2021’de OpenAI, metinden görsel üreten GPT-3’ün 12 milyar parametrelik bir türevi olan DALL·E’yi tanıttı. Düşük çözünürlük, sık sık tutmayan sonuçlar. Bir merak konusuydu, bir araç değil.

Bu görüntüyü aklında tut: bekleme listesi, papağan, kürate edilmiş metin, pikselli bir kedi yavrusu. Üç buçuk yıl önceki durum buydu.

Zaman çizelgesi

Buradan itibaren yoğunlaşıyor. Kilit sürümleri tarihleriyle sıralıyorum — ve her birinin ilk kez pratikte neyi mümkün kıldığını da ekliyorum. Bu liste büyümeye devam ediyor; yeni bir şey geldikçe ekliyorum.

Mayıs/Haziran 2020 — GPT-3, ön baskı ve API betası olarak. OpenAI’nin kendi testinde, değerlendiriciler makine tarafından yazılmış kısa makaleleri ancak %52 oranında doğru tespit edebildi — yazı turadan pek farklı değil. İlk kez: paragraf uzunluğunda insan gibi görünen bir metin.

Ocak 2021 — DALL·E 1. İlk kez: rastgele bir metinden görsel — ama kaba ve küçük.

21 Haziran 2022 — GitHub Copilot herkese açık hale geliyor, ayda 10 dolar. İlk kez: kodlama sırasında birlikte yazan, her geliştirici için karşılanabilir bir yapay zeka.

Temmuz/Ağustos 2022 — görsel alanındaki atılım art arda geliyor: DALL·E 2 (6 Nisan’da duyuruldu, beta 20 Temmuz), Midjourney (açık beta 12 Temmuz), Stable Diffusion (22 Ağustos, açık kaynak, tüketici donanımında yerel olarak çalışabiliyor). İlk kez: fotogerçekçi, kurgulanabilir görseller — ve Stable Diffusion ile kendi bilgisayarında, bulut olmadan.

Ağustos sonu / Eylül 2022 başı — Jason Allen’ın Midjourney ile yaptığı “Théâtre D’opéra Spatial” adlı görsel, Colorado Eyalet Fuarı’nda birincilik ödülü kazanıyor (dijital olarak işlenmiş fotoğraf kategorisi, 300 dolar). Jüri bunun yapay zeka olduğunu bilmiyordu. Kamuoyu tartışması Eylül’de patlak verdi.

30 Kasım 2022 — ChatGPT, GPT-3.5 tabanlı ücretsiz bir önizleme olarak. Beş günde bir milyon kullanıcı, iki ay sonra ayda yaklaşık 100 milyon. İlk kez: papağan bir sohbet penceresi kazanıyor — ve bütün dünya içeri girebiliyor.

14 Mart 2023 — GPT-4, çok modlu (görselleri de anlıyor), 2.048 yerine 32.000 token’a kadar bağlam. Aynı ay, Runway’in Gen-2’si kullanılabilir ilk metinden videoya betalarından biri olarak başlıyor. İlk kez: yüklenen bir görseli “gören” bir yapay zeka — ve metinden ilk hareketli saniyeler.

Ekim 2023 — DALL·E 3, doğrudan ChatGPT içinde. İlk kez: yazdığın şeyi gerçekten yakalayan görseller, okunabilir yazı dahil.

15 Şubat 2024 — OpenAI Sora’yı duyuruyor: tek bir prompttan 60 saniyeye kadar son derece gerçekçi 1080p video. İlk kez: ilk bakışta gerçek sanılabilecek video.

12 Mart 2024 — Cognition, kendi kabuğu (shell), editörü ve tarayıcısı olan “ilk yapay zeka yazılım mühendisi” Devin’i tanıtıyor. İlk kez: bir programlama görevini baştan sona tek başına yürüten bir yapay zeka.

Mart/Nisan 2024 — Suno V3 (21 Mart, dört dakikaya kadar vokal içeren tam şarkılar, ücretsiz sürümü de var) ve Udio (10 Nisan, açık beta). İlk kez: tek bir cümleden, sesli tam bir şarkı.

13 Mayıs 2024 — GPT-4o, metin, ses ve görseli tek çatı altında toplayan bir “omni” model. İlk kez: makineyle gerçek zamanlı, akıcı konuşma.

24 Şubat 2025 — Claude Code, araştırma önizlemesi olarak başlıyor; Mayıs 2025’te herkese açık hale geliyor. İlk kez: programlama, terminalde bir diyaloğa dönüşüyor — benim için de öyle, bu site tam da böyle ortaya çıkıyor.

25 Mart 2025 — OpenAI, görsel üretimini doğrudan GPT-4o’ya entegre ediyor. Viral hale gelen “Studio Ghibli” trendi hizmeti öyle bir bastırdı ki ücretsiz sürüm ertelenmek zorunda kaldı. İlk kez: sohbet içinde görsel düzenleme — “gökyüzünü daha sıcak yap” de, ve oluyor.

20 Mayıs 2025 — Google Veo 3: ilk kez senkron olarak birlikte üretilen ses — diyaloglar, ses efektleri, dudak senkronizasyonu. Veo 3.1, Ekim 2025 ortasında geliyor. İlk kez: sadece görünmekle kalmayıp aynı zamanda kulağa da doğru gelen video.

7 Ağustos 2025 — GPT-5, OpenAI tarafından “cebinde bir PhD seviyesinde uzmanlar ekibi” olarak tanımlanıyor.

30 Eylül 2025 — Sora 2: senkron ses, daha iyi fizik, “Cameo” özellikleri — üstüne TikTok formatında kendi uygulaması. İlk kez: laboratuvar demosu değil, sosyal medya olarak yapay zeka videosu.

Bu beş yılı tek seferde oku, 2020’nin papağanı başka bir yüzyıldan kalma gibi görünüyor.

Neredeyse kimsenin radarında olmayan şey

Herkes ChatGPT hakkında konuşuyor. Bunun hakkında çok az kişi konuşuyor — oysa hikayenin daha büyük kısmı belki de bu.

Kasım 2020’de AlphaFold 2, yaklaşık 92 GDT_TS medyan skoruyla CASP14 yarışmasını kazandı ve böylece biyolojinin elli yıldır çözemediği bir problemi çözdü: amino asit dizisinden bir proteinin üç boyutlu katlanmasını tahmin etmek. Bu bir oyuncak değil. Protein katlanması, hastalıkların nasıl işlediğini ve ilaçların nasıl bağlandığını anlamanın temelidir. AlphaFold veritabanı 2022’den itibaren 200 milyondan fazla yapı içeriyordu, 2024’e kadar 214 milyondan fazlasına ulaştı; 190 ülkeden iki milyondan fazla araştırmacı tarafından kullanıldı. 8 Mayıs 2024’te, proteinlerin, DNA, RNA ve ilaç moleküllerinin komplekslerini de tahmin eden AlphaFold 3 geldi.

Tanınma en üst düzeyde geldi: 2024 Kimya Nobel Ödülü’nün yarısı bilgisayar destekli protein tasarımı için David Baker’a, diğer yarısı ise protein yapılarının tahmini için ortaklaşa Demis Hassabis ve John Jumper’a verildi. Bir Kimya Nobel Ödülü’nün merkezinde bir yapay zeka sistemi duruyor.

Ve proteinlerle bitmiyor:

  • Tıp: Akciğer hastalığı IPF’ye karşı yapay zeka tarafından keşfedilen bir ilaç olan Rentosertib, 22 merkezde 71 hastayla yapılan bir Faz IIa çalışmasında on iki hafta sonra doza bağlı akciğer fonksiyonu iyileşmesi gösterdi — 3 Haziran 2025’te Nature Medicine’de yayımlandı. 2023’te bir derin öğrenme modeli (McMaster University ve MIT işbirliği), yaklaşık 7.500 taranan molekül arasından tehlikeli bir hastane bakterisine karşı Abaucin adlı ilacı belirledi.
  • Malzemeler: DeepMind’ın GNoME’si, 2023 sonunda 2,2 milyon yeni kristalin kararlılığını tahmin etti. Aynı gün, Berkeley’deki A-Lab, bir robotun makine öğrenmesiyle 17 günde yeni inorganik malzemeler sentezlediğini gösterdi. (Dürüst olmak gerekirse: her iki çalışma da o zamandan beri eleştiriliyor — GNoME’de gerçekten yeni olan yapı sayısının şişirildiği yaygın bir görüş, A-Lab’de ise Nature bir düzeltme yayımlamak zorunda kaldı. Atılım gerçek, bilanço tartışmalı.)
  • Hava durumu: GraphCast, tek bir bilgisayarda bir dakikadan kısa sürede on güne kadar hava durumu tahmini yapıyor — ve test edilen 1.380 hedef değişkenin %90’ından fazlasında ECMWF’nin yerleşik modelinden daha isabetli çıktı. GenCast, 2024 sonunda daha iyi kasırga rotalarıyla bunun üstüne kattı.
  • Saf matematik: AlphaProof ve AlphaGeometry 2, 2024 Uluslararası Matematik Olimpiyatı’nda altı sorudan dördünü çözdü, 42 puanın 28’ini aldı — gümüş seviyesi, altından tek puan eksik. Çözülen sorulardan birini 600’den fazla insan yarışmacıdan sadece beşi tamamen çözebilmişti. Ve FunSearch, 2023 sonunda açık bir matematik problemi için kanıtlanabilir şekilde yeni bir çözüm buldu — bir dil modelinin gerçek, doğrulanabilir yeni bilgiye katkıda bulunduğu ilk sefer.

Yani sadece taklit ettiği iddia edilen papağan, proteinleri katladı, ilaçlar buldu ve neredeyse hiçbir insanın başaramadığı matematik yaptı.

Rakamlar

Bir teknolojinin ciddi olup olmadığını bilmek istediğimde parayı — ve işleri — takip ederim.

Stanford HAI’a göre, yapay zekaya küresel kurumsal yatırım 2024’te yaklaşık 252 milyar dolara ulaştı. 2025’te bu rakam 581,7 milyara ikiye katlandı. Yalnızca özel yatırımlar %127,5 artışla 344,7 milyara sıçradı. Üretken yapay zeka — görsel, metin ve video üreten kısım — 2025’te yaklaşık %200 büyüyerek yaklaşık 171 milyar dolara ulaştı, bu da tüm özel yapay zeka yatırımlarının neredeyse yarısı demek. ABD, 285,9 milyar dolarlık özel yatırımla önde — Çin’in 23 katı.

Kullanım da bunu takip ediyor: kuruluşların %78’i 2024’te yapay zeka kullandığını bildirdi (bir önceki yıl %55’ten yükseldi); McKinsey, 2025’te en az bir iş fonksiyonunda düzenli kullanımın %88’e ulaştığını buldu. İşte tuzak — ve bunu bilerek belirtiyorum: şirketlerin sadece yaklaşık üçte biri pilot projelerin ötesine geçebiliyor ve sadece bir azınlık ölçülebilir bir kâr etkisi gösterebiliyor. Çok deneniyor, az sonuca ulaştırılıyor.

Peki ya iş? Asıl can alıcı nokta burada. IMF, küresel istihdamın yaklaşık %40’ının yapay zekaya maruz kaldığını, gelişmiş ekonomilerde bu oranın yaklaşık %60 olduğunu tahmin ediyor. Bu işlerin yarısı fayda görebilir, diğer yarısı ise temel görevlerini kaybedebilir. IMF Başkanı Kristalina Georgieva bunu şöyle özetledi: “We are on the brink of a technological revolution that could jumpstart productivity, boost global growth and raise incomes around the world. Yet it could also replace jobs and deepen inequality.”

WEF, 2030’a kadar 170 milyon yeni iş, 92 milyon kaybedilen iş öngörüyor — net 78 milyon artış. Yani sadece kayıp değil. En hızlı büyüyen meslekler büyük veri uzmanları (+%110), finans teknolojisi mühendisleri (+%95), yapay zeka/makine öğrenmesi uzmanları (+%85); en çok küçülenler ise memur ve kasiyer gibi klasik büro işleri. Bugün talep edilen temel becerilerin %39’u 2030’a kadar eskimiş sayılacak.

Beni iyimser kılan bir detay: Anthropic Economic Index, 2026 başında yaklaşık iki milyon yapay zeka sohbetini analiz etti. İlk kez artırma (augmentation, %52) — yapay zekanın bir insana işinde yardım etmesi — görevi tamamen devralan otomasyondan (%45) daha yüksek çıktı. Daha çok asistan, ikame değil. En azından şimdilik.

O zaman vs. şimdi — kendi hesabım

Şimdi somutlaşıyor, çünkü tam olarak burada yaşıyorum. Bir yapay zeka mağazası, bir blog — üzerlerindeki görsellerin bir yerden gelmesi gerekiyor. Bu yüzden klasik bir reklam fotoğraf çekiminin gerçekte neyi gerektirdiğine baktım. Klişeye değil, hesaba.

Haklardan başlayalım, çünkü çoğu kişi bunu gözden kaçırıyor. Bir görseli kullanmak için ücretin üzerine bir “buy-out” (satın alma bedeli) eklenir — erişim ve süreye göre kademelendirilen bir ek ücret, ajansların ifadesiyle “longer period, higher buyout”. Lisanslar tipik olarak bir ila beş yıl sürer; bundan sonra görseli kullanmaya izin yoktur. Ve ABD’de tanınabilir her kişi için bir model izin belgesi (model release) gerekir — bu olmadan ticari kullanım, ünlü olsun ya da olmasın, basitçe yasa dışıdır.

Sonra sette çalışan insanlar var. Bir ajans modelden %15-20 komisyon alır ve işvereni ayrıca bir kez daha üste ekler. Tek günlük bir moda çekimi hızla toplamı büyütür: fotoğrafçı 1.000-3.500 dolar (New York veya L.A.‘de kolayca 3.000-8.000+ dolar), model 500-3.000 dolar, stüdyo 300-1.500 dolar, saç & makyaj 400-1.200 dolar, stilist 400-1.800 dolar, retuş görsel başına ayrıca ekleniyor. Sade bir prodüksiyon yaklaşık 2.600 dolara, orta seviye bir prodüksiyon yaklaşık 12.700 dolara, üst düzey bir prodüksiyon ise 25.000 ile 100.000 dolar arasına oturuyor — günlük. Ve bir prodüksiyon şirketinin kuru bir dille belirttiği gibi, çekim günü “the smallest part” (en küçük kısım): bir TV reklamında ön prodüksiyon zamanın %40-50’sini alır, bir reklam toplamda 6-10 hafta, bir kampanya 8-12 hafta gerektirir. Kasting, izinler ve sigorta ile lokasyon arayışı, 2 ila 200 kişilik bir ekip, hava durumu yedek planı.

Akılda kalan bir örnek: ünlü bir saç stilisti iki çekim günü için 12.000 dolar fatura etti — sadece hizmet için, seyahat ve ajans hariç. Sadece saçlar.

Peki ya bugün? Tam olarak bu sonuç — kişi, ışık, mekan, atmosfer — bir prompt. Haftalar yerine saniyeler. Buy-out yok, süresi dolan lisans sözleşmesi yok, hava durumu derdi yok. Bu site ve mağaza bunun yaşayan örneği: burada gördüğün görseller üç yıl önce orta beş haneli bir prodüksiyon ve bir aylık hazırlık süresi demek olurdu. Bu görsellerin nasıl ortaya çıktığını yapay zeka sayfasında gösteriyorum — yapay zeka araçları bunun arkasındaki araç kutusu.

Bunu kimsenin emeğini yok saymak için söylemiyorum. İyi bir fotoğrafçı, iyi bir stilist — bu hâlâ bir yetenek. Bunu söylüyorum çünkü ortadan kalkan şey eşik. Eskiden bütçe ve bağlantı gerektiren şey, bugün iyi bir fikir ve net bir cümle gerektiriyor.

Ama bir sorun var

Bunun bir reklam metnine dönüşmemesi için, dürüst kısım. Devlet bu modelleri neredeyse hiç kullanmıyor, birçok şirket de kullanmıyor — veri koruma nedenleriyle. Ve bu aptalca değil, anlaşılır bir şey. Hassas verileri yabancı bir bulut modeline yazan kişi, belki de vermemesi gereken bir kontrolü elden çıkarıyor demektir. Bir kamu kurumu, bir klinik, bir hukuk bürosu kişisel verileri öylece bir ABD sağlayıcısına aktaramaz.

Ama şu var: Buna verilecek yanıt “hiç kullanma” değil, “oraya nasıl varılır” olmalı. Ağustos 2022’deki Stable Diffusion’ı hatırla — baştan itibaren yerel olarak, sıradan donanımda, tek bir bayt bile kendi bilgisayarından çıkmadan çalıştı. Tam olarak bu yön — kendi bilgisayarında veya kendi binanda çalışan modeller — kamu kurumları ve veri konusunda hassas şirketler için kontrolü kaybetmeden ilerlemenin yolu. Bunun teknolojisi ay be ay daha iyi ve daha küçük hale geliyor. Bunu görmezden gelen, sorunu çözmek yerine sadece erteliyor.

Son olarak

Örüntü her zaman aynı. Önce “bu asla olmaz”, sonra “iyi tamam ama sayılmaz”, sonra günlük hayatın parçası oluyor ve kimse bunu bir zamanlar sorguladığını hatırlamıyor. Go. Çeviri. Protein katlanması. Görseller, sesler, sesli video. Ve evet, o zamanlar internet ve iddiaya göre sadece fare zehri olan “dijital para” da.

Bunun nerede biteceğini bildiğimi iddia etmiyorum. Kimse bilmiyor. Ama üç buçuk yıldan çıkardığım tek dersi yazmaya cesaret ediyorum: neredeyse herkesin düşündüğünden daha hızlı geliyor — “asla” diyen akıllı insanların düşündüğünden bile daha hızlı.

Bu yüzden bu zaman çizelgesini sürdürüyorum. Daha dün imkânsız denen bir şey her yıkıldığında, listeye yeni bir madde ekleniyor. Beraber büyümek istersen, ara sıra göz at — ve burada eksik olan bir şey gördüysen, bana iletişim sayfasından yaz. Bu liste bitmedi. Daha yeni başlıyor.