Google DeepMind CEO'sunun 2029 AGI tahmini: Kasıtlı bir provokasyon
Google DeepMind CEO'su Demis Hassabis, Axios'a verdiği röportajda yapay genel zekanın (AGI) dört yıl içinde, yani 2029'a kadar gelebileceğini söyledi. Bu tahmin, önceki "2030 civarı" beklentisinden çok daha keskin bir zaman çerçevesi sunuyor. Hassabis, bu ifadeyi kullanırken kasıtlı olarak kışkırtıcı bir dil seçtiğini açıkça belirtti: hükümetler, ekonomistler ve kamuoyu arasında aciliyet yaratmak için. AGI tartışmasının hâlâ teknoloji çevrelerinin dışına yeterince taşmadığını, ekonomistlerin konuyu ciddiye almadığını düşünüyor.
2029 tahmini kesin bir tarih olarak okunmamalı—Hassabis birçok belirsizlik senaryosunun varlığını ima ediyor. Ancak bu söylem, AGI'nin "on yıl sonra bir gün belki" gibi uzak bir hayal olmaktan çıkıp, üç-dört yıllık bir planlama ufkuna oturduğu anlamına geliyor. Söylemin pratikte yarattığı en önemli etki, politika yapıcıların elindeki hazırlık süresinin hayli kısıtlı olduğu mesajıdır.
Hassabis ayrıca önümüzdeki yıl içinde yaygınlaşacak yapay zeka ajanlarının, toplumsal bir stres testi olarak görülmesi gerektiğini söylüyor. Bu ajanlar, AGI seviyesindeki sistemlerin topluma nasıl etki edeceğinin ilk sinyalleri olacak. ABD federal hükümetinin yapay zeka güvenliği için attığı adımları (ön testler, kullanıma sunulmadan önce değerlendirme zorunlulukları gibi) memnuniyetle karşıladığını ancak bunların hızlanması gerektiğini belirtiyor.
Specialized araçlardan agentic sistemlere: Google'ın araştırma yapay zekasındaki stratejik kayma
Google I/O 2026 sırasında, Google DeepMind'ın yapay zeka bilimi stratejisinde belirgin bir kayma gözlendi. Şirket, Nobel ödüllü John Jumper da dahil olmak üzere araştırma ekibini ve kaynaklarını, özel amaçlı bilimsel araçlardan genel ajan sistemlerine ve kodlamaya doğru yeniden tahsis ediyor.
Bu kayma, AlphaFold gibi özel araçların başarısızlığı anlamına gelmiyor—AlphaFold hâlâ üç milyondan fazla araştırmacı tarafından kullanılıyor ve protein yapısı tahmininde dünya standardı haline gelmiş durumda. Ancak Google'ın kamu mesajı ve kaynak tahsisi, bu tür dar alanlara odaklanmış araçlardan uzaklaşıp, daha geniş yeteneklere sahip ajan sistemlerine kayıyor.
Gemini for Science, bu stratejinin somut tezahürü. AI Co-Scientist ve AlphaEvolve gibi LLM tabanlı ajanları bir araya getiren bu paket, özelleşmiş araçları çağırabilecek özerk araştırma asistanlarına doğru net bir yönelim gösteriyor. Hassabis, yapay zekanın önümüzdeki on yıl boyunca bir işbirlikçi olarak çalışacağını vurgularken, daha uzun vadede insan üstü özerk yapay zeka bilim insanlarını ima ediyor.
Bu strateji değişikliği, yapay zekanın yalnızca bir problemi çözmek için özel olarak tasarlanmış bir araç değil, farklı problem alanlarında kendisini adapte edebilen genel bir ajan olarak konumlandırıldığı anlamına geliyor. OpenAI'nin genel amaçlı reasoning modeli, matematik araştırması için tasarlanmamış olmasına rağmen geçtiğimiz aylarda matematiksel bir önermeyi çürüttü—bu tür genel yaklaşımların, özel tasarlanmış modellere alternatif oluşturabileceğinin bir işareti.
Recursive self-improvement henüz yok ama 2029 tahmini duruyor: Çelişki mi, yoksa stratejik mesaj mı?
Hassabis, recursive self-improvement'ın (öz-gelişim döngüsü) lider yapay zeka laboratuvarlarının odaklandığı kritik bir dönüm noktası olduğunu açıkça söylüyor. Ancak hemen ardından ekliyor: henüz gerçekleşmedi.
Recursive self-improvement, bir yapay zekanın kendi kodunu veya modelini iyileştirerek kendi gelişimini hızlandırması anlamına gelir. Bugünkü kod yazan yapay zeka ajanları, mühendisleri daha verimli hale getirerek dolaylı olarak bir "soft self-improvement" sağlıyor. Ama bu, yapay zekanın kendi yeteneklerini doğrudan, özerk olarak artırdığı bir döngü değil.
Peki Hassabis 2029 gibi yakın bir tarihi nasıl savunuyor? Çünkü bu dönüm noktasının dört yıl içinde aşılabileceğine dair bir ihtimal taşıdığını düşünüyor. Bu, garanti edilen bir gelecek değil; hükümetleri ve toplumu hazırlaması için en agresif senaryo etrafında mesajlaşıyor.
Bu yaklaşımın riski açık: AGI tahmini gerçekleşmezse, Hassabis ve Google'ın kredibilitesi zarar görebilir. Ama Hassabis'in açıkça kabul ettiği üzere, burada asıl amaç tahmin yarışmasını kazanmak değil, toplumsal ve politik reaksiyonu hızlandırmak.
AlphaFold'ün başarısı ile agentic sistemlere geçiş arasında ne değişti?
AlphaFold, 2020'de yayımlandığında yapay zekanın bilimsel araştırmadaki dönüştürücü potansiyelinin en güçlü örneği oldu. Protein katlama problemini çözmesi, onlarca yıldır süren bir meydan okumanın üstesinden geldiği için büyük yankı uyandırdı. Üç milyondan fazla araştırmacı tarafından kullanılması, bu aracın pratik değerini somut olarak gösteriyor.
Peki bu kadar başarılı bir spesifik araç varken, neden genel ajan sistemlerine geçiliyor?
Birinci neden, AlphaFold gibi özel araçların ölçeklenmesinin zor olması. Her yeni bilimsel problem için yeni bir model eğitmek, kaynakları parçalıyor. Genel bir ajan, aynı temel yeteneklerle birçok farklı probleme uygulanabilir. Bu yaklaşım, mühendislik ve araştırma kaynağını daha verimli kullanabileceği anlamına geliyor.
İkinci neden, AlphaFold'ün başarısının, bir tür tavan etkisi yaratmış olması. Protein yapısı tahmini büyük ölçüde çözüldü. Şimdi sorun, çözülmüş bir problemden sonraki adımı bulmak. WeatherNext gibi hava tahmini araçları gösterildi ve Hurricane Melissa tahmini gibi gerçek dünya etkisi gösterdi, ancak her bir problem alanı için yeni bir model gerekiyor.
Üçüncü neden, OpenAI ve diğer rakiplerin genel modellerde hızla ilerlediği bir ortamda, Google'ın sadece özel araçlarla kalmayı stratejik olarak riskli görmesi. OpenAI'nin genel reasoning modeli, matematik problemlerinde tahmin edilmemiş başarılar gösterdi. Bu, genel modellerin özel alanlarda özel modellere yaklaşabileceği, hatta bazı durumlarda geçebileceği anlamına geliyor.
Dördüncü neden, AGI yaklaştıkça, genel sistemlere yapılan yatırımın uzun vadeli kazanımlarının daha yüksek olacağı varsayımıdır. Özel bir araç, bir problemi çözer ve biter. Genel bir ajan, AGI'ye doğru atılan her adımda daha fazla problemi çözebilir hale gelir.
Türkiye için gerekli olan adımlar: 18 ay kritik pencere
Google DeepMind'ın AGI tahmini ve araştırma stratejisindeki kayma, Türkiye'nin politika yapıcıları ve teknoloji endüstrisi için spesifik eylem gerektiriyor.
Teknoloji şirketleri ve araştırma kuruluşları için: Türk yapay zeka araştırma ekipleri ve teknoloji şirketleri, özel araçlar mı yoksa genel ajan sistemleri mi geliştirmeleri gerektiği konusunda stratejik bir kararla karşı karşıya. Google gibi dev oyuncular genel sistemlere yöneliyorsa, dar alan özelleşmiş araçlara yapılacak yatırım, birkaç yıl içinde modası geçmiş bir yaklaşım olabilir. Türkiye'nin güçlü olduğu sektörel alanlarda (tarım, enerji, medikal görüntüleme) özel araçlar hâlâ değerli olabilir, ancak bu araçların ileride genel ajanlarla entegrasyon yeteneği olacak şekilde tasarlanması gerekiyor.
Politika yapıcılar: Eğer AGI gerçekten dört yıl içinde bir olasılıksa, Türkiye'nin yapay zeka düzenlemesi bu zaman çerçevesi içinde tamamlanmak zorunda. Bunun anlamı: Önümüzdeki 12-18 ay içinde temel düzenleyici çerçevenin taslağının hazır olması. Eğer yapay zeka ajanları önümüzdeki yıl yaygınlaşırsa, birçok rutin bilgi işi risk altında. İşgücü adaptasyonu ve yeniden eğitim programları bekleme lüksü olmayan bir konu haline geliyor. Enerji, bankacılık, telekomünikasyon gibi kritik altyapılar, yapay zeka ajanlarının kullanımı söz konusu olduğunda siber güvenlik ve operasyonel risk açısından yeni tehditlerle karşı karşıya.
Araştırma kurumları: Türk üniversiteler, genel yapay zeka modellerinin temel yeteneklerini anlamaya ve yerel kullanım senaryolarında değerlendirmeye odaklanmalı. Özel araçlar üzerine yapılacak araştırmalar, genel modeller üzerinden nasıl çalıştırılabilir konusu dahil edilmeden yapılırsa güncelliğini kaybedebilir.
Girişim ekosistemi: OpenAI, Google, Anthropic gibi dev oyuncuların genel yapay zeka ajanlarını API olarak sunduğu bir dünyada, yerel startup'ların rekabet avantajı sektörel uzmanlığı genel ajanlarla birleştirme kapasitesinde yatar—yani özel problemlere uyarlanmış prompt mühendisliği, veri kürasyonu, alan bilgisi entegrasyonu gibi konularda uzmanlaşmakta.
Önümüzdeki 12-18 ayın nasıl yönetildiği, Türkiye'nin yapay zeka alanında sonraki beş yıldaki konumunu belirleyecek. Aksiyon alınmadığı takdirde, tüm yetenekler yurt dışı dev şirketlerin API'lerine bağımlı hale gelme riski yükselir.
