Yapay zekâ yarışına baktığımızda tablo oldukça basitmiş gib görünüyor: Kim daha fazla GPU’ya, daha büyük veri merkezlerine ve daha fazla sermayeye sahipse yarışı o kazanacak.
Fakat Çin’den son dönemde çıkan yapay zekâ modelleri bizleri şaşırtmaya başladı:
Teknolojik üstünlük yalnızca ne kadar kaynağa sahip olduğunuzla değil, elinizdeki kaynaktan ne kadar sonuç üretebildiğinizle de ilgilidir.
Bence Çin’in yapay zekâ yarışındaki asıl dikkat çekici tarafı burada başlıyor.
ABD’nin Çin’in en gelişmiş çiplere erişimini sınırlaması, Çin açısından ciddi bir dezavantaj oluşturdu. Çünkü bugün büyük yapay zekâ modellerinin geliştirilmesinde hesaplama gücü artık stratejik bir kaynak.
Fakat teknoloji tarihi bize başka bir şey daha öğretiyor:
Kısıt bazen yalnızca engellemez; mühendisliği de zorlar.
Çinli ekiplerin Amerikan öncü modelleriyle aralarındaki mesafeyi azaltırken kullandıkları yöntemlere baktığımızda tek bir mucizevi buluştan söz etmiyoruz. Mixture of Experts gibi mimariler, GPU kullanımının optimizasyonu, daha seçilmiş eğitim verileri ve akıl yürütme süreçlerinin geliştirilmesi gibi birçok mühendislik yaklaşımının birlikte kullanıldığını görüyoruz. Elimizdeki değerlendirmede de Çinli ekiplerin sınırlı hesaplama kapasitesinden mümkün olan en yüksek verimi çıkarmaya yöneldiğini görüyoruz.
Buradan çok önemli bir sonuç ortaya çıkıyor:
21. yüzyılın teknoloji savaşları yalnızca kaynak savaşı olmayacak; aynı zamanda verimlilik savaşı olacak.
Günümüzde Amerika yapay zekâda ölçeğin gücünü temsil ediyor.
Devasa sermaye, çok büyük GPU kümeleri, veri merkezleri ve enerji altyapısı…
Çin ise karşı karşıya kaldığı sınırlamalar nedeniyle bu işi farklı bir şekilde çözme yolunda ilerliyor.
Elimizdeki hesaplama gücünden daha fazla zekâyı nasıl çıkarabiliriz?
Bence önümüzdeki yılların yapay zekâ yarışını anlamak isteyenlerin asıl dikkat etmesi gereken sorulardan biri budur.
Daha Fazla Veri Değil, Daha Doğru Veri
Benzer bir değişimi veride de görüyoruz.
Yapay zekânın ilk büyük ölçeklenme döneminde temel anlayış şuydu:
Daha fazla veri, daha büyük model, daha fazla hesaplama gücü…
Fakat internet sınırsız bir bilgi kaynağı olduğu kadar aynı zamanda devasa çöp biligi havuzudur.
Yanlış bilgi var.
Tekrar var.
Kalitesiz içerik var.
Birbirinin kopyası milyonlarca metin var.
Dolayısıyla modele daha fazla veri vermek her zaman daha fazla zekâ üretmek anlamına gelmiyor.
Tam tersine, verinin seçilmesi, temizlenmesi ve niteliğinin yükseltilmesi giderek daha stratejik hâle geliyor. Esasında son dönem trend olan “az ama öz” veri yaklaşımı çok kıymetli bir hal alıyor.
Bence geleceğin büyük rekabetlerinden biri tam burada yaşanacak.
Çünkü genel internet verisine birçok aktör ulaşabilir.
Asıl stratejik değer;
bir fabrikanın yıllar içerisinde oluşturduğu üretim bilgisinde,
bir hastanenin klinik tecrübesinde,
bir şirketin müşteri ve süreç bilgisinde,
bir üniversitenin bilimsel birikiminde,
bir devletin kurumsal hafızasında olacaktır.
Geleceğin yapay zekâ rekabetinde mesele yalnızca “Ne kadar veriniz var?” olmayacak.
Asıl soru şu olacak:
“Ne kadar nitelikli, özgün ve işe yarar veriniz var?”
Zorunluluk Mühendisliği Doğuruyor
Çin örneğinde üzerinde durmamız gereken asıl meselelerden biri de budur.
Çip kısıtlamaları Çin için elbette avantaj değildir. Fakat bu sınırlamalar Çinli mühendisleri daha fazla optimizasyon yapmaya zorluyorsa ortaya çok önemli bir sonuç çıkıyor:
Kaynak kıtlığı, mühendislik zekâsının değerini artırıyor.
İşte sanayinin temel mantığı da budur.
Daha büyük makine almak kolaydır.
Daha fazla enerji harcamak mümkündür.
Daha fazla sermaye koyabilirsiniz.
Asıl mühendislik; aynı işi daha az enerjiyle, daha az donanımla, daha düşük maliyetle ve daha yüksek verimle yapabilmektir.
Japon üretim kültüründen Alman mühendisliğine, Güney Kore’nin teknoloji hamlesinden Çin’in sanayileşmesine kadar birçok başarı hikâyesinin arkasında bu anlayışı görürüz.
Çünkü devrim bazen tek bir büyük icattan değil, yüzlerce küçük iyileştirmenin toplamından doğar.
Yapay zekâda da şimdi benzer bir döneme giriyor olabiliriz.
Ölçek Çağından Verimlilik Çağına
Bana göre asıl büyük değişim burada başlıyor.
Yapay zekânın ilk döneminin temel sorusu şuydu:
Modeli ne kadar büyütebiliriz?
Şimdi ikinci soru geliyor:
Aynı kaynakla ne kadar daha fazla zekâ üretebiliriz?
Bu değişiklik küçük görünebilir. Oysa yapay zekânın gelecekteki ekonomisini doğrudan etkileyebilir.
Çünkü modeller büyüdükçe yalnızca çip ihtiyacı artmıyor.
Enerji tüketimi artıyor.
Veri merkezi yatırımları büyüyor.
Soğutma ihtiyacı artıyor.
İşletme maliyetleri yükseliyor.
Dolayısıyla geleceğin başarılı yapay zekâ sistemi yalnızca en güçlü sistem olmayacaktır.
Aynı zamanda en verimli sistem olacaktır.
İşte bu nedenle ben önümüzdeki dönemi yalnızca bir “model yarışı” olarak görmüyorum.
Ortaya başka bir rekabet alanı çıkıyor:
Verimlilik Jeopolitiği
Bir tarafta muazzam kaynaklarla ölçeği büyüten ülkeler…
Diğer tarafta daha sınırlı kaynaklardan mümkün olan en yüksek çıktıyı almaya çalışan ülkeler…
Geleceğin gerçek üstünlüğü ise muhtemelen bu iki kabiliyeti aynı anda geliştirebilenlerde olacaktır:
Ölçek + mühendislik verimliliği.
Türkiye Bu Yarışa Nereden Girmeli?
Çin örneğinin Türkiye açısından asıl önemi de burada başlıyor.
Türkiye’nin ABD kadar GPU’su yok.
Çin kadar büyük teknoloji ekosistemide yok.
Trilyon dolarlık teknoloji şirketlerimiz de henüz yok.
Ama buradan “Bu yarışta olamayız” sonucu çıkarmak bana göre yapılabilecek en büyük hatalardan biridir.
Çünkü Türkiye’nin asıl meselesi yalnızca kaç GPU’ya sahip olduğumuz değildir.
Daha önemli soru şudur:
Elimizdeki GPU’dan, veriden ve insan kaynağından ne kadar zekâ üretebiliyoruz?
Elbette hesaplama altyapımızı büyütmeliyiz.
Veri merkezlerine yatırım yapmalıyız.
Kendi modellerimizi geliştirmeliyiz.
Üniversitelerimizi güçlendirmeliyiz.
Ama bütün bunların merkezine başka bir hedef daha koymalıyız:
Mühendislik verimliliği.
Her alanda dünyanın en büyük modelini yapmak zorunda değiliz.
Ama savunmada, sağlıkta, üretimde, tarımda, finansta, kamuda ve Türkçe dil teknolojilerinde dünyanın en verimli ve en uzmanlaşmış yapay zekâ sistemlerinden bazılarını geliştirebiliriz.
Bunun için yalnızca para değil; doğru problem, kaliteli veri, güçlü mühendislik, üniversite-sanayi iş birliği ve uzun vadeli bir teknoloji politikası gerekiyor.
Çünkü teknolojik bağımsızlık, her şeyi tek başınıza üretmek demek değildir.
Asıl teknolojik bağımsızlık, başkasının koyduğu sınırlar içerisinde dahi kendi çözümünüzü üretebilecek mühendislik aklına sahip olmaktır.
Çin’in yapay zekâ yarışında bize gösterdiği şey yalnızca Çin’in başarısı değildir.
Bu, teknoloji çağının değişen güç tarifidir.
Dün güç, sahip olduğunuz kaynakla ölçülüyordu. Yarın ise o kaynaktan ne kadar değer ve zekâ üretebildiğinizle ölçülecek.
Amerika ölçeğin gücünü gösteriyor.
Çin ise kısıt altında mühendisliğin gücünü.
Türkiye’nin önündeki yol da tam burada başlıyor.
Daha fazla çipe, daha büyük veri merkezlerine ve daha güçlü hesaplama altyapısına elbette ihtiyacımız var. Ancak bunların yanında, elindeki imkânı sonuna kadar işleyebilen bir mühendislik kültürüne de ihtiyacımız var.
Çünkü yapay zekâ çağında bağımsızlık yalnızca teknolojiye sahip olmak değildir; o teknolojiyi anlayabilmek, geliştirebilmek, verimli kullanabilmek ve gerektiğinde kendi çözümünü üretebilmektir.
Aslında önümüzdeki büyük teknoloji savaşının kazananını belirleyecek soru sandığımızdan daha basittir:
“Kimin daha fazla çipi var?” değil…
“Kim elindeki her çipten daha fazla zekâ çıkarabiliyor?”
Türkiye’nin bu yarışa bakması gereken yer de tam burasıdır.
Taşkın Koçak