2008 krizini öngören adam, Anthropic’in kurucu ortağı ve önde gelen bir yapay zeka podcast yayıncısı, yapay zekanın geleceğini ve muhtemelen hayatlarımızı tartışmak üzere bir Google dokümanına giriyor.
Michael Burry, herkes yatırım yaparken konut kredisi krizini öngörmüştü. Şimdi ise trilyonlarca doların yapay zeka altyapısına aktığını izliyor ve şüpheci yaklaşıyor. Jack Clark, geleceği inşa etmek için yarışan önde gelen yapay zeka laboratuvarlarından biri olan Anthropic’in kurucu ortağı. Dwarkesh Patel, Mark Zuckerberg’den Tyler Cowen’a kadar herkesle bu işin nereye doğru gittiği hakkında röportaj yaptı. Bunları Patrick McKenzie‘nin moderatörlüğünde bir Google dokümanına koyduk ve sorduk:
Yapay zeka gerçekten işe yarıyor mu, yoksa tarihi bir sermaye yanlış tahsisinin gerçek zamanlı olarak ortaya çıkışına mı tanık oluyoruz?
Yapay zekanın öyküsü
Patrick McKenzie: Son birkaç yılın tarihçisi olarak işe alındınız. “Dikkat Tek İhtiyacınız” kitabından bu yana neler inşa edildiğini kısaca anlatın . 2025 hakkında 2017’deki bir izleyiciyi şaşırtacak neler var? Bilgili kişilerin hangi tahminleri gerçekleşmedi? Hikayeyi, kendi alanınızdaki (araştırma, politika veya piyasalar) birine anlatır gibi anlatın.
Jack Clark : 2017’de çoğu insan, gerçekten genel amaçlı bir sisteme giden yolun, ajanları sıfırdan, giderek zorlaşan görevlerden oluşan bir müfredat üzerinde eğitmekten ve bu sayede genel olarak yetenekli bir sistem oluşturmaktan geçeceğine inanıyordu. Bu, DeepMind ve OpenAI gibi büyük laboratuvarların Starcraft, Dota 2 ve AlphaGo gibi oyunlarda insanüstü oyuncular yetiştirmeye çalışan araştırma projelerinde de mevcuttu. Bunu temelde “tabula rasa” bahsi olarak düşünüyorum; boş bir ajanla başlayıp, akıllı hale gelene kadar onu bazı ortamlarda pişirmek.
Elbette, hepimizin bildiği gibi, bu aslında genel zekaya yol açmadı; ancak eğitildikleri görev dağılımı dahilinde insanüstü yeteneklere sahip ajanların ortaya çıkmasına yol açtı.
Bu dönemde insanlar farklı bir yaklaşımla denemeler yapmaya başlamış, veri kümeleri üzerinde büyük ölçekli eğitimler gerçekleştirmiş ve bu dağılımlardan tahmin yapabilen ve sonuç üretebilen modeller oluşturmaya çalışmışlardır. Bu yöntem son derece başarılı olmuş ve iki önemli etken sayesinde hızlanmıştır:
Attention Is All You Need kitabındaki Transformer çerçevesi, bu tür büyük ölçekli ön eğitimi çok daha verimli hale getirdi ve “Ölçeklendirme Yasaları”nın kabaca paralel gelişimi veya önceden eğitilmiş modellerin yetenekleri ile onlara aktardığınız temel kaynaklar (veri, işlem gücü) arasındaki ilişkiyi modelleyebileceğiniz temel anlayışı.
Transformer’lar ve Ölçekleme Yasaları’ndan elde edilen bilgileri birleştirerek, birkaç kişi, veriyi ve işlem gücünü büyük ölçüde artırarak genel amaçlı sistemler elde edilebileceği konusunda doğru bir tahminde bulundu.
Şimdi, çok komik bir şekilde, işler başa dönüyor: insanlar tekrar ajanlar geliştirmeye başlıyor, ancak bu sefer, önceden eğitilmiş modellerden gelen tüm bilgilerle donatılmış durumdalar. Bunun gerçekten güzel bir örneği, DeepMind’ın SIMA 2 makalesidir; burada 3 boyutlu ortamları keşfetmek için genel amaçlı bir ajan geliştiriyorlar ve bu ajan, temelinde önceden eğitilmiş bir Gemini modelini kullanıyor. Bir diğer örnek ise, temel yeteneklerini büyük bir önceden eğitilmiş modelden alan bir kodlama ajanı olan Claude Code’dur.
Patrick: Büyük dil modellerinin (LLM’ler) programlanabilir ve yaygın olarak kullanılabilir olması, 2017’ye kıyasla daha sınırlı ancak yine de güçlü olan açık kaynak yazılım (OSS) sürümleri de dahil olmak üzere, artık yapay zeka yetenekleri (veya başka herhangi bir ilginç şey) konusunda daha fazla gelişmenin, şu anda sahip olduğumuzdan daha kötü bir bilişsel altyapı üzerine inşa edilmesine asla gerek kalmayacak noktadayız. Bu “bugün gördüğünüz şey tavan değil, tabandır” anlayışının, içeriden olanlar tarafından en iyi anlaşılan, politika yapıcılar ve daha geniş dünya tarafından ise en kötü anlaşılan şeylerden biri olduğunu düşünüyorum.
Gelecekteki her StarCraft yapay zekası, tasarımcıları bunun Zerg saldırılarına karşı savunmada daha kötü hale getirdiğine karar vermedikçe, Savaş Sanatı’nı orijinal Çince dilinde okumuş sayılır.
Jack: Evet, Anthropic’te politika yapıcılara sık sık söylediğimiz şeylerden biri de “Bu, durumun olabileceği en kötü hali!” oluyor ve bunun ne kadar önemli olduğunu onlara anlatmak gerçekten zor. Bir diğer sezgisel olmayan şey ise yeteneklerin ne kadar hızlı geliştiği; bunun güncel bir örneği, şu anda Claude Code’da Opus 4.5 ile oynayan ve “Vay canına, bu eskisinden çok daha iyi” gibi şeyler söyleyen birçok insan olmasıdır. Eğer en son Kasım ayında LLM’lerle oynadıysanız, şu anda sınır konusunda tamamen yanılıyorsunuz.
Michael Burry: Benim bakış açımdan, 2017’de yapay zeka, LLM’ler değildi. Yapay zeka, genel yapay zekaydı (AGI). Sanırım o zamanlar insanlar LLM’leri yapay zeka olarak düşünmüyordu. Yani, ben bilim kurgu kitaplarıyla büyüdüm ve bu kitaplar birçok şeyi tahmin eder, ancak hiçbiri “yapay zekayı” arama yoğun bir sohbet robotu gibi bir şey olarak tasvir etmedi.
“Attention Is All You Need” ve transformatör modelinin tanıtımı için, bunların hepsi Tensor kullanan Google mühendisleriydi ve 1910’ların ortalarında yapay zeka yabancı bir kavram değildi. Sinir ağları, makine öğrenimi girişimleri yaygındı ve yapay zeka toplantılarda çokça dile getiriliyordu. Google’ın zaten büyük bir dil modeli vardı, ancak bu dahili bir modeldi. Benim için en büyük sürprizlerden biri, Google’ın hem çipler hem de yazılım açısından Arama ve Android’deki hakimiyetine rağmen, bu konuda baştan sona öncülük etmemesiydi.
Bir diğer sürpriz ise, uygulamaya özgü entegre devrelerin (ASIC’ler) ve küçük dil modellerinin (SLM’ler) çok daha önce benimsenmesini bekliyordum. Nvidia’nın bu kadar uzun bir süre boyunca yapay zeka için çip olmaya devam etmesi şok edici.
Bana en büyük sürpriz, ChatGPT’nin harcama patlamasını başlatmış olması. ChatGPT’nin kullanım alanları başından beri genel olarak sınırlıydı: arama, öğrencilerin kopya çekmesi ve kodlama. Şimdi kodlama için daha iyi LLM’ler var. Ama trilyonlarca dolarlık harcamayı başlatan bir chatbot oldu.
Bu harcamalardan bahsetmişken, Dwarkesh’in Satya Nadella ile yaptığı röportajın en iyi anlarından birinin, büyük yazılım şirketlerinin artık tamamen donanım şirketleri olduğunu, sermaye yoğun şirketler haline geldiğini ve onları takip eden analistlerin bakım sermaye harcamasının ne olduğunu bile bilip bilmediğinden emin olmadığımı kabul etmesi olduğunu düşünüyorum.
Dwarkesh Patel : Harika noktalar. Yapay zekada bugüne kadarki liderliklerin ne kadar kısa ömürlü olduğu oldukça şaşırtıcı. Tabii ki, 2017’de Google açık ara öndeydi. Birkaç yıl önce OpenAI, rakiplerinin çok önünde görünüyordu. Şimdiye kadar tek bir laboratuvarın sahip olabileceği ezici avantajları etkisiz hale getiren bir güç (muhtemelen yetenek avcılığı, dedikodu değirmenleri veya tersine mühendislik) var. Bunun yerine, büyük üçlü birkaç ayda bir podyumda yer değiştiriyor. “Özyinelemeli süper zeka”nın bunu gerçekten değiştirip değiştiremeyeceğini veya sonsuza dek önceden var olan ve güçlü bir rekabetin mi devam etmesi gerektiğini merak ediyorum.
Jack: Özyineleme konusunda, tüm öncü laboratuvarlar yapay zeka araçlarını kullanarak kendi geliştiricilerinin hızını artırıyor, ancak bu çok düzenli bir yöntem değil. “Zincirin en zayıf halkası kadar hızlısınız” özelliğine sahip gibi görünüyor; örneğin, artık 10 kat daha fazla kod üretebiliyorsanız ancak kod inceleme araçlarınız yalnızca 2 kat iyileşmişse, büyük bir hızlanma görmüyorsunuz. Büyük bir açık soru, bu döngüyü tamamen kapatmanın mümkün olup olmayacağıdır; eğer mümkünse, bir tür bileşik Ar-Ge avantajı görebilirsiniz.
Yapay zeka araçları gerçekten verimliliği artırıyor mu?
Dwarkesh : Milyon dolarlık soru şu: METR verimlilik çalışması (ki bu çalışma, iyi anladıkları kod tabanlarında çalışan geliştiricilerin kodlama araçlarından gelen çekme isteklerini birleştirme sürelerinde yaklaşık %20’lik bir azalma olduğunu gösteriyor) mı yoksa kendi kendine yeten kodlama görevlerinin insan eşdeğeri zaman ufukları (ki bunlar zaten birçok saat aralığında ve her dört ila yedi ayda bir ikiye katlanıyor) mı, laboratuvarlardaki araştırmacıların ve mühendislerin gerçekte ne kadar hız kazandığını ölçmek için daha iyi bir yöntem? Bu konuda doğrudan deneyimim yok, ancak geri bildirim doğrulama döngüsünün iyi olmaması ve kriterlerin açık uçlu olması (sürdürülebilirlik, zevk vb.) göz önüne alındığında, bunun ilkine daha yakın olduğunu tahmin ediyorum.
Jack : Katılıyorum, bu çok önemli bir soru ve veriler çelişkili ve yetersiz. Örneğin, Anthropic’teki geliştiriciler arasında bir anket yaptık ve ankete katılanların %60’ının Claude’u işlerinde kullandığını ve %50’lik bir verimlilik artışı bildirdiğini gördük. Ancak METR çalışması gibi şeyler bunu çelişiyor gibi görünüyor. Daha iyi verilere ve özellikle yapay zeka laboratuvarlarının içinde ve dışında geliştiriciler için neler olup bittiğini görebilecek araçlara ihtiyacımız var. Biraz daha geniş bir perspektiften bakacak olursak, kodlama araçlarının muazzam ve benzeri görülmemiş kullanımı, insanların bunları kullanmaktan önemli bir öznel fayda gördüğünü gösteriyor; geliştiricilerin artan bir yüzdesinin kendilerini daha az verimli hale getirmesi çok mantıksız olurdu.
Dwarkesh : Bu konuda fazla detaya girmek istemiyorum ama METR çalışması, kişilerin kendi beyanlarına göre bildirdikleri verimliliğin gerçek verimlilikten çok daha yüksek, hatta potansiyel olarak tam tersi yönde olacağını öngörüyor.
Jack: Evet, katılıyorum. Çok fazla detay vermeden, özellikle ölçüm araçları üzerinde düşünüyoruz ve burada “gerçeğin” ne olduğunu anlamaya çalışıyoruz, çünkü insanların kendi beyanları gerçeklikten farklı olabilir. Umarım 2026’da bu konuda bazı araştırma sonuçlarımız olur!
Hangi şirket kazanıyor?
Michael: Sizce podyum dönmeye devam edecek mi? Duyduklarıma göre Google, hem AWS hem de Microsoft’tan geliştiriciler arasında kazanıyor. Ve şirketteki “arama ataleti” ortadan kalkmış gibi görünüyor.
Dwarkesh: İlginç. Bana kalırsa her zamankinden daha rekabetçi. Twitter’daki yorumlar hem Opus 4.5 hem de Gemini 3.5 Pro için harika. Hangi şirketin kazanacağı konusunda bir fikrim yok, ama durum kesinlikle netleşmiş gibi görünmüyor.
Jack: Bana da her zamankinden daha rekabetçi görünüyor!
Dwarkesh : İnsanların bu konudaki görüşlerini merak ediyorum: Anthropic, OpenAI veya Google, gelir ve olumlu havanın sürekli olarak fon toplama ihtiyacı (yan soru: tam olarak ne için?) göz önüne alındığında, kaç başarısız eğitim denemesi/çalışmayan modelden sonra hayatta kalabilir?
Michael: Google arama motorunun sırrı her zaman ne kadar ucuz olmasıydı; böylece para kazandırmayan (ve %80 veya daha fazlasını oluşturan) bilgi aramaları şirket için zarar olarak birikmiyordu. Bence bu, günümüzdeki üretken yapay zeka ve öğrenme tabanlı öğrenme modellerinin temel sorunu: çok pahalılar. Kar modelinin ne olduğunu veya herhangi bir modelin rekabet avantajının ne olacağını anlamak zor; daha fazla ücret alabilecek mi, yoksa daha ucuza mı çalışacak?
Belki de sonunda en ucuz şekilde faaliyet gösterebilen ve bu durumun yol açacağı emtia ekonomisinde galip gelen Google olacaktır.
Dwarkesh: Çok doğru bir nokta. Özellikle de son bir yıldaki kazanımların çoğunun, sürdürülebilmesi için değişken maliyetlerde üstel bir artış gerektiren çıkarım ölçeklendirmesinin sonucu olduğunu düşünüyorsanız.
Sonuç olarak, bir şeyin fiyatı, onu değiştirmenin maliyetiyle sınırlıdır. Dolayısıyla, temel model şirketler ancak ilerleme hızlı bir şekilde devam ederse ve Jack’in de belirttiği gibi, sonunda kendi kendini katlayan bir yapıya dönüşürse yüksek kar marjları talep edebilirler (ki şu anda öyle görünüyorlar).
Yapay zeka neden henüz tüm işlerimizi elimizden almadı?
Dwarkesh: İşleri otomatikleştirmek ve insanların yaptığı işleri yapmak gerçekten şaşırtıcı. Yapay genel zekanın (AGI) pek çok yaygın tanımını geride bıraktık; Turing testi artık yorum yapmaya bile değmez; zor, açık uçlu kodlama ve matematik problemlerini çözebilen modellerimiz var. Eğer bana 2017’de Gemini 3 veya Claude 4.5 Opus’u gösterseydiniz, beyaz yakalı çalışanların yarısını işsiz bırakacağını düşünürdüm. Yine de yapay zekanın işgücü piyasası üzerindeki etkisini görmek için, eğer gerçekten bir etkisi varsa, elektronik tablo mikroskoplarına bakmak gerekiyor.
Ben de yapay zekaya yapılan özel yatırımların ölçeğini ve hızını şaşırtıcı bulurdum. Birkaç yıl öncesine kadar bile, yapay genel zekanın (AGI) hükümet destekli, Manhattan tarzı bir proje olması gerektiğinden, ekonomiyi bir bilgi işlem ve veri motoruna dönüştürmenin tek yolunun bu olduğundan bahsediliyordu. Ve şimdiye kadar, eski usul piyasaların yapay zekaya yapılan yatırımların GSYİH’nin birden fazla yüzdesini rahatlıkla karşılayabileceği görülüyor.
Michael: Dwarkesh, Turing testiyle ilgili söylediğin çok doğru bir nokta; bu konu uzun süre tartışıldı. Örneğin, geçmişte Sanayi Devrimi ve Hizmet Devrimi sırasında, işgücü üzerindeki etkiler o kadar büyüktü ki, gençleri işgücü piyasasının dışında tutmak için zorunlu eğitim uygulamaya konuldu ve genişletildi. Biz kesinlikle böyle bir şey görmedik.
Jack: Evet, Dwarkesh ve Michael, yapay zeka topluluğu için geçerli bir gerçek şu ki, gerçek zekayı ölçecek sözde zor görevler oluşturmaya devam ediyorlar, sonra yapay zeka sistemleri bu ölçütleri aşıyor ve kendinizi yüzeysel olarak çok yetenekli ama yine de herhangi bir insanın tuhaf veya sezgisel olmayan hatalar olarak algılayacağı bir şeyle karşı karşıya buluyorsunuz. Yakın tarihli bir örnek olarak, LLM’ler (Sonlu Düzey Modelleri), ölçütlere göre bir dizi sözde zor bilişsel görevde “insanüstü” olarak puanlandı, ancak hata yaptıklarında kendilerini düzeltemediler. Bu durum şimdi iyileşiyor, ancak yapay zeka modellerinin zayıf yönlerinin ne kadar sezgisel olmayan olabileceğinin bir örneği. Ve bunları genellikle büyük gelişmelerle birlikte keşfediyorsunuz.
Dwarkesh: Acaba bunun tersi de doğru mu? İnsanlar, bir LLM’nin garip veya sezgisel olmayan olarak algılayacağı türden hataları güvenilir bir şekilde yapıyorlar mı, lol. LLM’ler gerçekten insanlardan daha mı düzensiz, yoksa sadece farklı bir şekilde mi düzensizler?
Patrick: Dwarkesh’in kitabından bir gözlemi ödünç alacak olursak, LLM’lerin insanüstü olduğu sıradan bir yol, herhangi bir insandan daha fazla dil konuşmalarıdır – hayal gücünü zorlayan bir derecede – ve neredeyse tüm çok dillilerin bile asla ulaşamayacağı bir kolaylıkla. İnanılmaz bir şekilde, bu, özel olarak bunun için eğitim verilen laboratuvarlar olmadan bile, tesadüfen gerçekleşir. Şimdiye kadar gördüğüm en şaşırtıcı gösterilerden biri, yalnızca İngilizce belgeleri içermesi amaçlanan bir metin kümesi üzerinde eğitilmiş bir LLM’nin, bir CNN haber makalesini Japoncaya yaklaşık olarak profesyonel bir çevirmen standardında çevirebilmesiydi. Bu açıdan bakıldığında, nezaket eğitimi almamış bir LLM şöyle diyebilir: “İnsanlar tuhaf ve sivri dilli; kitapların olduğu bir dünyada yaşamalarına rağmen kaç tanesinin Japonca konuşmadığına bakın.”
Pek çok çalışanın (henüz) yapay zekayı kullanmamasının nedenleri
Patrick: Kodlama, Cursor gibi şirketlerin gelirlerinde hızlı bir artış, Claude Code ve OpenAI Codex gibi araçlara ilgi duyan teknoloji uzmanlarının sayısı ve “vibe coding” etrafındaki olumlu hava ile yapay zekanın endüstriyel olarak yaygınlaşmasının öncüsü gibi görünüyor. Bu durum, çoğu insan kod yazmadığı için yapay zekaya olan ilgide belirgin bir asimetriye neden oluyor. Peki, bundan sonra hangi sektör değişecek? Bu değişim, demo gösterimlerinden ziyade gelirlerde, istihdamda veya fiyatlarda nasıl görünür hale gelecek?
Jack: Kodlamanın güzel bir özelliği var: nispeten “kapalı döngü” olması. Bir LLM kullanarak kod üretiyor veya üzerinde değişiklik yapıyorsunuz, ardından kodu doğruluyor ve üretime geçiriyorsunuz. LLM’lerin kodlama dışındaki alanlarda da bu “kapalı döngü” özelliğini kazanması için daha geniş bir araç setinin ortaya çıkması gerekti. Örneğin, web arama yeteneklerinin oluşturulması ve Model Bağlam Protokolü (MCP) bağlantısı gibi şeylerin ortaya çıkması, LLM’lerin “kapalı döngü” kullanışlılığını kodlamanın ötesine büyük ölçüde genişletmesine olanak sağladı.
Örneğin, son zamanlarda çeşitli şeylerin maliyet eğrileri üzerine araştırmalar yapıyorum (örneğin, yörüngeye kütle göndermenin maliyeti veya güneş enerjisinden elde edilen watt başına maliyet), ve bu tür araştırmaları bu araçlardan önce de LLM’lerle yapabiliyordunuz, ancak çok büyük bir sürtünme vardı ve LLM ile diğer her şey arasında sürekli gidip gelmenizi gerektiriyordu. Şimdi bu sürtünme ortadan kalktı ve daha fazla benimseme görüyoruz. Bu nedenle, kodlayıcılara olanların daha geniş anlamda bilgi çalışanlarına da olacağını düşünüyorum ve bunun bilimsel araştırma, hukuk, akademi, danışmanlık ve diğer alanlar gibi çeşitli alanlarda yaygın ancak geniş bir şekilde ortaya çıkacağını düşünüyorum.
Michael: Sonuç olarak, yapay zekanın birileri tarafından satın alınması gerekiyor. Dışarıda birileri bir mal veya hizmet için para ödüyor. Bu da GSYİH’yi oluşturuyor. Ve bu harcamalar GSYİH oranlarında, %2 ila %4 arasında büyüyor; belki de fiyat belirleme gücüne sahip şirketler için bir miktar artış olabilir, ancak bu yapay zekanın geleceğinde pek olası görünmüyor.
Ekonomilerin sihirli bir şekilde genişleyen pastaları yoktur. Aritmetik olarak sınırlı pastaları vardır. Süslü bir şey yok. Her türlü kurumsal ve yaratıcı işlevi yürüten SaaS yazılımlarının tamamı 1 trilyon dolardan azdır. Bu yüzden altyapı-uygulama oranına sürekli geri dönüyorum: Nvidia, 400 milyar dolarlık çip satarken, son kullanıcı yapay zeka ürün geliri 100 milyar dolardan az.
Yapay zeka, verimliliği artırmalı ve diğer harcama kategorilerini baltalamayacak yeni harcama kategorileri yaratmalıdır. Bunların hepsi çok zor. Yapay zeka verimliliği yeterince artıracak mı? Bu tartışmalı bir konu. Sermaye harcamaları döngüsü inanca ve kaçırma korkusuna (FOMO) dayanıyor. Henüz kimse işe yarayan rakamlar göstermiyor.
Yapay zekanın her şeyi o kadar iyileştireceği ve harcamaların patlayacağı yönünde çok daha basit bir anlatı var. Ancak bu, harcamaları daha çok etkileyecek gibi görünüyor. Yapay zeka 500 dolarlık bir lisansı 50 dolarlık bir lisansla değiştirirse, bu verimlilik açısından harika olur ancak verimlilik harcamaları açısından enflasyon düşürücü olur. Ve bu verimlilik artışı muhtemelen tüm rakipler tarafından paylaşılacaktır.
Dwarkesh: Michael, bu “iş yükü” yanılgısı değil mi? Yazılması gereken sabit bir yazılım miktarı var ve yapay zekanın yazılım üzerindeki etkisini bununla sınırlandırabiliriz?
Michael: Yeni pazarlar ortaya çıkıyor, ancak bu pazarlar, aşırı teşvikli gelecekçilerin inandığından daha yavaş gelişiyor. Bu her zaman böyle olmuştur. Demografi ve toplam hedef pazar (TAM) çoğu zaman gerçekliğe dayanmayan pazarlama hileleridir. Çin’in nüfusu azalıyor. Avrupa’nın nüfusu azalıyor. ABD, büyüyen tek büyük Batı ülkesi ve bu da göçmenlikten kaynaklanıyor, ancak bu da siyasallaştırıldı. FOMO (kaçırma korkusu) çok güçlü bir uyuşturucu. Apple veya Microsoft’tan gelen bazı yorumlara bakarsanız, bunun farkında olduklarını görürsünüz.
Dwarkesh: Ek bir not olarak, ekonomilerimizin önümüzdeki birkaç on yılda çökeceği demografik uçurumdan bizi kurtarmak için yapay zekaya tam da ihtiyacımız olduğu bir zamanda ortaya çıkması komik.
Michael: Evet, Dwarkesh. Tıp alanında, gerçek bir eksiklik söz konusu olduğundan, gelecekte insan doktorların yeterli sayıda olmasının umudu yok. İyi tıbbi bakımın daha ucuz hale gelmesi gerekiyor ve gerçek tıbbi uzmanlığın erişimini ve kapsamını genişletmek için teknolojiye ihtiyaç var.
Mühendisler işsiz mi kalacak?
Patrick: AppAmaGooFaceSoft [Apple, Amazon, Google, Facebook, Microsoft] şu anda yaklaşık 500.000 mühendis çalıştırıyor. 2035 için bu sayıyı belirtin ve düşüncenizi açıklayın; ya da çalışan sayısının yanlış bir değişken olduğunu savunun ve bunun yerine hangi bilanço veya verimlilik ölçütünü takip edeceğinizi belirtin.
Michael: 2000 yılından itibaren Microsoft, hisse senedi 14 yıl boyunca yerinde sayarken 18.000 çalışan daha işe aldı. Aslında Cisco, Dell ve Intel’de, büyük hisse senedi düşüşlerine rağmen, çalışan sayısı neredeyse hiç değişmedi. Bu yüzden bence bu yanlış bir değişken. Özellikle nakit zengini şirketler ve tekel, düopol veya oligopol durumundaki şirketler için değer yaratımı hakkında bize hiçbir şey söylemiyor. Bence daha düşük olacak veya çok fazla yükselmeyecek, çünkü çok uzun bir düşüşe doğru gittiğimizi düşünüyorum. Büyük ölçekli şirketler, hisse senetleri düştüğünde 2022’de çalışanlarını işten çıkardı ve hisse senetleri yükseldiğinde çoğunu geri işe aldı. Bu birkaç yıldan fazla bir süreyi kapsıyor.
Verimliliğin rekor seviyeye ulaştığını söylemeden önce, hissedar bazlı tazminatın (SBC) toplam maliyetini takip ederdim. Nvidia’da, kârının yaklaşık yarısının, çalışanlara değer kazandıran hisse senedine bağlı tazminat nedeniyle ortadan kalktığını hesapladım. Peki, çalışanların yarısının değeri şimdi 25 milyon dolar ise, bu çalışanların verimlilik artışı ne kadar? Ayrıca, doğru SBC maliyetleriyle marjlar çok daha düşük olurdu.
Tüm ölçütlerin en önemlisi, yatırılan sermayenin getiri oranıdır (ROIC) ve bu yazılım şirketlerinde ROIC çok yüksekti. Şimdi sermaye yoğun donanım şirketlerine dönüşüyorlar ve ROIC’nin düşmesi kaçınılmaz; bu da uzun vadede hisse senetleri üzerinde baskı oluşturacak. Piyasalardaki uzun vadeli eğilimleri ROIC’nin yönü (yukarı mı, aşağı mı ve hangi hızda) kadar iyi tahmin eden başka bir şey yok. Bu şirketlerde ROIC şu anda çok hızlı bir şekilde düşüyor ve bu durum 2035 yılına kadar devam edecek.
Satya Nadella, Dwarkesh ile yaptığı röportajda, yoğun sermaye harcaması döngüsü boyunca yatırım getirisini (ROIC) koruyacak bir yazılım aradığını söyledi. Ben bunu pek mümkün görmüyorum ve Nadella için bile sadece bir umut gibi geliyor.
Dwarkesh: Safça bir soru ama neden ROIC (Yatırım Getirisi) mutlak getirilerden daha önemli? Ben, sürekli büyüyebilen (yatırımın daha küçük bir kısmı olsa da) büyük bir işletmeye sahip olmayı, esasen para basan ama büyüklüğü sınırlı olan küçük bir işletmeye sahip olmaya tercih ederim.
Birçok büyük teknoloji şirketinin yatırım getirisi (ROIC) daha düşük olsa da, önümüzdeki yirmi yılda hedefledikleri pazar, reklamcılıktan (yılda 400 milyar dolar gelir) işgücüne (yılda on trilyonlarca dolar gelir) doğru genişledi.
Michael: Yatırım getiri oranı ve daha da önemlisi, bu oranın eğilimi, şirkette ne kadar fırsat kaldığını ölçer. Benim bakış açımdan, şirketlerin öncelikle borçla diğer şirketleri satın alarak büyüdüğü birçok birleşme örneği gördüm. Bu durum, yatırım getiri oranını (ROIC) net bir şekilde ortaya koyuyor. Eğer bu satın almaların getirisi borç maliyetinden düşük olursa, şirket WorldCom’a benzer bir şekilde başarısız olur.
Bir noktada, yapay zeka geliştirme çalışmalarına yapılan bu harcamanın, yatırım maliyetinden daha yüksek bir yatırım getirisi sağlaması gerekiyor, aksi takdirde ekonomik bir değer artışı söz konusu olmuyor. Bir şirket, çok daha fazla borç aldığı veya tüm nakit akışını düşük getirili bir şeye harcadığı için daha büyükse, bu yatırımcı için çekici bir özellik değildir ve değerleme oranı düşecektir. Gerçek bir büyüme beklentisi olmayan ve sadece satın alma yoluyla büyümeyi hedefleyen birçok teknoloji dışı şirket var ve bunlar yaklaşık 8 kat kazançla işlem görüyor.
Para nereye gidiyor?
Patrick: Sermaye döngüsü perspektifinden bakıldığında, yapay zeka gelişiminde nerede olduğumuzu düşünüyorsunuz: erken dönemde aşırı yatırım mı, döngünün ortasında bir sarsıntı mı yoksa geçmiş teknoloji patlamalarından yapısal olarak farklı bir şey mi? Fikrinizi değiştirecek ne olurdu?
Michael: Bunu önceki patlamalardan farklı görüyorum, ancak sermaye harcamalarının oldukça kısa ömürlü olması dışında. Çipler artık her yıl yenileniyor; günümüzün veri merkezleri birkaç yıl sonraki çipleri kaldıramayacak. Bunun büyük bir kısmının sermayeleştirilmek yerine gider olarak kaydedilmesi gerektiğini veya iki, üç, dört yıl içinde amortize edilmesi gerektiğini neredeyse savunabiliriz.
Bir diğer büyük fark ise, bu patlamanın kamu sermaye piyasaları kadar veya onlardan daha fazla özel krediyle finanse edilmesi. Bu özel kredi belirsiz bir alan, ancak vade uyumsuzluğu göze çarpıyor; bunların çoğu, varlıkların yirmi yıl süreyle geçerliymiş gibi menkul kıymetleştiriliyor, oysa büyük ölçekli yatırımcılara her dört ila beş yılda bir çıkış imkanı veriliyor. Bu sadece sorun çıkarmaya davetiye çıkarıyor. Atıl varlıklar.
Elbette, harcamayı yapanlar dünyanın en zengin şirketleri, ancak nakit veya sermaye piyasalarından olsun, büyük harcama büyük harcamadır ve planlanan harcamalar, günümüzün devasa hiper ölçekli şirketlerinin bile bilançolarını ve nakit akışlarını alt üst etmektedir.
Ayrıca, yapım aşamasındaki varlıklar (CIP) şu anda kullanılan bir muhasebe hilesi ve bence zaten kullanılıyor. Henüz “hizmete alınmamış” sermaye ekipmanları amortisman işlemine başlamaz veya gelire karşı sayılmaz. Ve sonsuza kadar orada kalabilir. Geliri korumak için birçok atıl varlığın CIP’de gizleneceğini düşünüyorum ve bu potansiyeli şimdiden görüyoruz.
Dwarkesh’in röportajında Nadella, bir nesil çipin dört veya beş yıllık amortismanıyla baş başa kalmak istemediği için bazı projelerden geri çekildiğini ve geliştirme sürecini yavaşlattığını söyledi. Bu, oldukça önemli bir kanıt niteliğinde bir açıklama.
Şu an döngünün ortasındayız; hisse senetlerinin yatırımcıları daha fazla büyüme için ödüllendireceği noktayı geride bıraktık ve gerçek maliyetlerin ve gelir eksikliğinin kendini göstermeye başlayacağı döneme giriyoruz.
Geçmiş döngülerde, hisse senetleri ve sermaye piyasaları döngünün yaklaşık yarısında zirveye ulaşmış ve sermaye harcamalarının geri kalanı, ilgili varlıklara ilişkin giderek daha karamsar veya gerçekçi bir bakış açısının hakim olmasıyla gerçekleşmiştir.
Dwarkesh: Bence bu, yapay zekanın hızlı bir şekilde gelişmeye devam edip etmeyeceğine bağlı bir durum. Eğer en verimli insan zihinlerini bir B200 (Nvidia’nın B200 GPU’su) üzerinde çalıştırabiliyorsak, o zaman açıkça çok büyük bir yatırım eksikliği içindeyiz demektir. Bence uygulama katmanından elde edilen gelirler, yapay zeka yeteneklerindeki ilerlemeye dair ham tahminlerden daha az bilgilendirici.
Jack: Bu konuda hemfikiriz—son yıllarda yeteneklerdeki ilerleme son derece şaşırtıcı oldu ve yapay zekanın kullanımında büyük bir artışa yol açtı. Gelecekte, model yeteneklerinde daha da büyük değişimler yaşanabilir ve bunların ekonomi üzerinde son derece önemli etkileri olabilir.
Piyasanın yanlış anladığı şeyler
Patrick: Yapay zeka tedarik zincirinde değer nerede oluşuyor? Bu, yakın veya geçmişteki teknolojik gelişmelerden nasıl farklı? Sizce piyasa şu anda en çok kimin hakkında yanılıyor?
Michael: Tarihsel olarak, tüm sektörlerde değer, fiyat gücü veya ulaşılamaz maliyet veya dağıtım avantajı olarak kendini gösteren kalıcı bir rekabet avantajına sahip olanlara aittir.
Buradaki harcamaların bu sonuca yol açacağı kesin değil.
Warren Buffett’ın 1960’ların sonlarında bir mağazası vardı. Karşıdaki mağaza bir yürüyen merdiven yaptırınca, o da yaptırmak zorunda kaldı. Sonuç olarak, ikisi de bu pahalı projeden fayda görmedi. Kalıcı bir kar marjı veya maliyet iyileştirmesi olmadı ve ikisi de aynı noktada kaldı. Yapay zeka uygulamalarının çoğu da böyle sonuçlanacaktır.
Bu nedenle, reel ekonomide nasıl kullanılacağına dair net bir yol haritası olmayan trilyonlarca dolarlık harcama son derece endişe verici. Çoğu kişi bundan fayda görmeyecek, çünkü rakipleri de aynı ölçüde fayda görecek ve hiçbiri bu sayede rekabet avantajı elde edemeyecek.
Bence piyasa, yapay zekanın iki sembol ismi olan Nvidia ve Palantir hakkında en çok yanılıyor. Bunlar en şanslı şirketlerden ikisi. İyi adapte oldular, ancak şanslı olmalarının sebebi, her şey başladığında ikisinin de yapay zeka için bir ürün tasarlamamış olmasıydı. Ama şimdi bu şekilde kullanılıyorlar.
Nvidia’nın avantajı kalıcı değil. SLM’ler ve ASIC’ler, yapay zekadaki çoğu kullanım senaryosu için geleceğin teknolojisi. Gerekirse CUDA [Nvidia’nın paralel hesaplama platformu ve programlama modeli] ile geriye dönük uyumlu olacaklar. Nvidia, rakipler tamamen farklı bir yaklaşımla gelene kadar kaleyi koruyan, enerji tüketen, kirli bir çözüm.
Palantir’in CEO’su, şirketine karşı hayali bir milyar dolarlık bahis nedeniyle beni [kötü niyetli kişilerle] karşılaştırdı. Bu, kendine güvenen bir CEO’nun tavrı değil. Bunu sürdürmek için elinden gelenin en iyisini yapıyor, ancak işler kötüye gidecek. Hisse senedine dayalı tazminattan sonra neredeyse hiç kazanç yok.
Dwarkesh: Yapay zeka laboratuvarlarının, tekrarlayan öz-gelişim türü etkilerden kalıcı bir rekabet avantajı elde edip edemeyeceği henüz belli değil. Ancak Jack haklıysa ve yapay zeka geliştiricileri zaten büyük verimlilik artışları görüyorsa, neden işler şimdi her zamankinden daha rekabetçi? Ya bu tür içsel “kendi ürünümüzü kullanma” rekabet avantajını sürdüremez ya da yapay zekadan elde edilen verimlilik artışları göründüğünden daha küçüktür.
Eğer (1) yapay zeka yığınında hiç kimsenin aşırı kar elde edemeyeceği ve (2) yapay zekanın hala büyük bir önem taşıdığı ortaya çıkarsa, o zaman değerin müşteriye yansıdığı açıktır. Bu da bana harika geliyor.
Michael: Yürüyen merdiven örneğinde, müşteriye sağlanan tek değer budur. Üreticiler veya sağlayıcılar tarafından tekelci rantlar talep edilemediği sürece işler her zaman böyle yürür.
Onların fikrini ne değiştirebilirdi?
Patrick: 2026’da sizi şaşırtacak ve yapay zekanın ilerlemesi veya değerlemesi hakkındaki genel görüşlerinizi yeniden gözden geçirmenize neden olacak teknolojik veya finansal hangi önemli haber olurdu? Geriye dönüp baktığınızda, bugüne kadarki en büyük sürpriz veya görüş değişikliği neydi?
Michael: Beni yeniden değerlendirmeye itecek en büyük sürpriz, otonom yapay zeka ajanlarının en büyük şirketlerde milyonlarca işi ortadan kaldırması olurdu. Bu beni şok ederdi ama kalıcı avantajın nerede olduğunu anlamama mutlaka yardımcı olmazdı. Yine o Buffett’ın yürüyen merdiven örneği.
Bir diğer olasılık ise, çığır açan uygulamaların yaygınlaşması nedeniyle uygulama katmanı gelirlerinin 500 milyar dolar veya daha fazla seviyeye ulaşmasıdır.
Şu anda iki şeyden birini göreceğiz: Ya Nvidia’nın çiplerinin ömrü beş ila altı yıl olacak ve bu nedenle insanların daha az çipe ihtiyacı olacak, ya da çiplerin ömrü iki ila üç yıl olacak ve büyük ölçekli veri merkezi sağlayıcılarının kazançları çökecek ve özel kredi sistemi yok olacak.
Geriye dönüp baktığımızda, bugüne kadarki en büyük sürprizler şunlar:
Google her zaman lider değildi; “Attention Is All You Need” kitabının sekiz yazarı da Google çalışanıydı; Arama, Gmail, Android ve hatta LLM ve çiplerine sahiplerdi, ancak bunu beceremediler ve çok daha az şeye sahip rakiplerine fırsat verdiler. Google’ın yapay zeka alanında bir girişime yetişmeye çalışması akıl almaz bir şey.
ChatGPT adlı bir sohbet robotu, trilyonlarca dolarlık bir altyapı yarışını başlattı. Sanki birileri prototip bir robot yaptı ve dünyadaki her işletme robotik bir geleceğe yatırım yapmaya başladı.
Nvidia, çıkarım çağına bu kadar uzun süre boyunca hakimiyetini korudu. ASIC’lerin ve SLM’lerin bu zamana kadar baskın olmasını ve anlık mühendisliğin çok ötesine geçmiş olmamızı bekliyordum. Belki de Nvidia’ya olan hayranlık aslında oyuncuları geride tuttu. Ya da Nvidia’daki rekabet karşıtı davranışlar bunu yaptı.
Dwarkesh: Benim için en büyük sürprizler şunlar olurdu:
2026 yılı için kümülatif yapay zeka laboratuvarı gelirlerinin 40 milyar doların altında veya 100 milyar doların üzerinde olması, işlerin beklediğimden önemli ölçüde hızlandığı veya yavaşladığı anlamına gelir.
Sürekli öğrenme sorunu çözüldü. GPT-3’ün bağlam içi öğrenmeyi “çözdüğü” şekilde değil, GPT-5.2’nin bağlamdan anlama yeteneği açısından neredeyse insan benzeri olduğu şekilde. Bir modelle çalışmak, altı aydır sizinle çalışan yetenekli bir çalışanı kopyalamak gibiyse, yani işe yeni başlayan birinin emeğini ilk saatte almak yerine, yapay zeka yeteneklerinde büyük bir atılım anlamına geliyorsa, bence bu yapay zeka yeteneklerinde büyük bir gelişme demektir.
Bence 2020’den beri yapay genel zekaya (AGI) ulaşma süreleri önemli ölçüde daraldı. O noktada, GPT-3’ü bin kat büyütüp AGI’ye ulaşma olasılığına da, tamamen yanlış yolda olduğumuza ve yüzyılın sonuna kadar beklememiz gerektiğine de bir olasılık atfedebilirdik. Eğer ilerleme trend çizgisinden sapar ve önümüzdeki 5 ila 20 yıl içinde gerçek insan yerine geçebilecek zekaların ortaya çıkacağını gösterirse, bu benim için en büyük sürpriz olurdu.
Jack: Eğer “ölçeklendirme bir duvara çarparsa”, bu gerçekten şaşırtıcı olur ve hem temel araştırma paradigması hem de daha geniş yapay zeka ekonomisi için çok önemli sonuçlar doğurur. Açıkçası, gelecekteki yapay zeka modellerini eğitmek için yapılan muazzam yatırımlar da dahil olmak üzere altyapı geliştirme çalışmaları, insanların aksini düşündüğünü gösteriyor.
Şaşırtıcı bulacağım bir diğer şey ise, dağıtılmış eğitimin verimliliğini artıran teknolojik bir atılım ile çok güçlü bir sistemi eğitmek için yeterli sayıda bilgisayarı bir araya getiren bir grup aktörün birleşmesi olurdu. Eğer bu gerçekleşirse, yalnızca açık ağırlıklı modellerin değil, aynı zamanda öncü bir modeli eğitmek için büyük bir tekil kuruluşa (örneğin bir şirkete) ihtiyaç duyulmayan bir açık model geliştirme biçiminin de mümkün olduğunu gösterirdi. Bu, yapay zekanın politik ekonomisini değiştirecek ve özellikle öncü yeteneklerin yaygınlaşması konusunda son derece önemli politika sonuçları doğuracaktır. Epoch’un dağıtılmış eğitimle ilgili güzel bir analizi var , insanlar ona başvurmak isteyebilir.
LLM’leri gerçekte nasıl kullanıyorlar?
Patrick: LLM ile mesleki açıdan önemli son etkileşiminiz neydi? Gerekirse seri numaralarını silin. Bu etkileşimde LLM ile nasıl bir ilişki kurdunuz?
Michael: Artık tüm grafik ve tablolarımı Claude kullanarak oluşturuyorum. Kaynak materyali buluyorum, ancak profesyonel bir tablo, grafik veya görsel oluşturmak veya tasarlamak için zaman harcamıyorum. Hala rakamlara güvenmiyorum ve onları kontrol etmem gerekiyor, ancak bu yaratıcı yön benim için artık geçmişte kaldı. Bununla bağlantılı olarak, özellikle kaynak materyali bulmak için Claude’u kullanıyorum, çünkü günümüzde kaynak materyalin çoğu sadece SEC’de veya ana akım bir raporda bulunmuyor.
Patrick: Bence finans sektörünün dışında kalan insanlar, dünyanın en iyi ücretli, en iyi eğitimli insanlarından bazılarının Microsoft PowerPoint ve Excel uzmanı olarak istihdam edilmesi için milyarlarca dolar harcandığını anlamıyorlar. Şimdilik bunun hala bir değeri var ve belki de pivot tablolarının ve VLOOKUP() fonksiyonlarının sembolik değeri, onlardan daha uzun süre devam edecek, ancak İngiltere Merkez Bankası’ndaki sunumumda da tüm grafikler için LLM’ler kullanıldı. Bir zamanlar insanlardan saatlerce bunları dikkatlice ayarlamalarını istememiz neredeyse tuhaf geliyor.
Dwarkesh: Artık onlar benim kişisel bire bir özel öğretmenlerim. Aslında hazırlanmaya çalıştığım farklı dersler için insan öğretmenler tutmayı denedim ve LLM’lerin gecikme süresi ve hızının niteliksel olarak çok daha iyi bir deneyim sağladığını gördüm. İnsanların Uber yerine Waymo için çok daha yüksek ücretler ödemeye razı olmasının dijital karşılığını alıyorum. Bu da beni birçok iş için insan priminin sadece yüksek olmayacağı, hatta negatif olacağı düşüncesine yöneltiyor.
Michael: Bu konuda birçok kişi, yapay zekaya dayanıklı bir seçim olarak ticaret mesleklerini işaret ediyor. Claude yanımda olduğu sürece elektrik işlerinde ve evin diğer alanlarında ne kadar çok şey yapabildiğimi düşünürsek, o kadar emin değilim. Orta sınıf biriysem ve 800 dolarlık bir tesisatçı veya elektrikçi çağırmam gerekiyorsa, yine de Claude’u kullanabilirim. Bir fotoğraf çekip, sorunu çözmek için ne yapmam gerektiğini anlayabilmemi çok seviyorum.
Risk, güç ve geleceği nasıl şekillendirebiliriz?
Patrick: Nispeten bilgili kişiler arasında yapay zeka riskine ilişkin görüş yelpazesi, “sosyal medyada bazı tatsızlıklara yol açabilir”den “Çin’in potansiyel askeri uygulamaları olan çok kullanışlı bir yeni teknolojide ABD’yi geçmesi yazık olur”a ve “olumsuz riskler arasında insanlığın değerli gördüğü her şeyin kelimenin tam anlamıyla sonu yer alıyor”a kadar uzanıyor. Sizi en çok ne uykusuz bırakıyor? Ayrı olarak, üst düzey politika yapıcılarla beş dakikanız olsaydı, dikkat ve kaynakların nasıl yeniden tahsis edilmesini önerirdiniz?
Jack: En çok endişelendiğim şey, insanların “yapay zeka üreten yapay zeka” inşa etmede başarılı olup olmayacakları; yani yapay zeka Ar-Ge’sinde döngüyü tamamen kapatıp kapatamayacakları (bazen özyinelemeli olarak kendi kendini geliştiren yapay zeka olarak da adlandırılır). Açık olmak gerekirse, Ocak 2026’da gezegende özyinelemeli olarak kendi kendini geliştiren yapay zeka sistemlerinin olma olasılığını neredeyse sıfır olarak görüyorum, ancak yapay zekanın çekirdek geliştirmeden açık ağırlıklı modellerin otonom olarak ince ayarlanmasına kadar yapay zeka araştırmasının bileşenlerini yapmada çok erken işaretler görüyoruz.
Eğer bu gelişmeler devam eder ve kendi kendini geliştirebilen bir yapay zeka sistemi oluşturulursa, yapay zeka gelişimi çok hızlı bir şekilde ilerleyecek ve muhtemelen insanların anlaması daha da zorlaşacaktır. Bu durum, bir dizi önemli politika sorununa yol açacak ve muhtemelen yapay zeka sistemlerine bağlı olarak dünyanın ekonomik faaliyetlerinde benzeri görülmemiş bir dönüşüme neden olacaktır.
Başka bir deyişle, bir politika yapıcıyla beş dakikam olsaydı, ona temelde şöyle derdim: “Kendini geliştiren yapay zeka bilim kurgu gibi geliyor, ancak teknolojinin kendisinde bunun imkansız olduğunu söyleyen hiçbir şey yok ve eğer gerçekleşirse çok büyük bir olay olur ve buna dikkat etmelisiniz. Yapay zeka şirketlerinden burada tam olarak ne gördükleri konusunda şeffaflık talep etmeli ve bu özellikler için yapay zeka sistemlerini test edebilecek güvendiğiniz üçüncü taraflara sahip olduğunuzdan emin olmalısınız.”
Michael: Jack, sanırım siyasetçilerin kulağına ulaşabiliyorsun ve umarım seni dinlerler.
Yapay zekanın şu anki haliyle insanlık için oluşturduğu riskler beni pek endişelendirmiyor. Bence sohbet robotları insanları daha aptal hale getirme potansiyeline sahip; onları çok fazla kullanan doktorlar, doğuştan gelen tıbbi bilgilerini unutmaya başlıyorlar. Bu iyi bir şey değil, ama felaket de değil.
Yapay genel zeka (AGI) veya yapay süper zeka (ASI) ile ilgili felaket senaryoları beni pek endişelendirmiyor. Soğuk Savaş döneminde büyüdüm ve dünya her an patlayabilirdi. Okulda bunun için tatbikatlar yapıyorduk. Helikopterlerin üzerimize Malathion yağdırdığı bir ortamda futbol oynadım. Ve Terminator filmini 30 yıldan fazla önce izledim. Red Dawn mümkün görünüyordu. İnsanların uyum sağlayacağını düşünüyorum.
Eğer üst düzey politika yapıcıların kulağına fısıldayabilseydim, onlardan bir trilyon dolar (çünkü trilyonlar artık milyonlar gibi havada uçuşuyor) alıp tüm protestoları ve düzenlemeleri bir kenara bırakarak tüm ülkeye küçük nükleer reaktörler kurmalarını ve aynı zamanda herkes için yepyeni, son teknoloji ürünü bir elektrik şebekesi inşa etmelerini isterdim. Bunu mümkün olan en kısa sürede yapıp, en yeni fiziksel ve siber güvenlik önlemleriyle saldırılara karşı koruma altına almalarını; hatta her tesisi koruyacak, federal olarak finanse edilen özel bir Nükleer Savunma Gücü bile oluşturmalarını isterdim.
Bu, Çin’le rekabet edebilecek kadar güç elde etmenin tek umudu ve bir ülke olarak nihayetinde borcumuzu ödeyecek ve uzun vadeli güvenliği garanti altına alacak kadar büyümenin tek umudu; çünkü gücün inovasyonumuzu sınırlayan bir faktör olmasına izin vermemeliyiz.
Jack: Enerji kısmı konusunda kesinlikle katılıyorum (diğer konularla ilgili öznel endişe düzeyimiz farklı olabilir!). Yapay zeka ekonomide anlamlı bir rol oynayacak ve işletmelere ve tüketicilere verimli ve ucuz bir şekilde ulaştırılması temelde altyapıya bağlıdır; bu, geçmişte ülkelerin büyük ölçekli elektrifikasyon, yol yapımı, kanalizasyon yapımı vb. (devasa sermaye harcaması projeleri!) yapmaya karar vermelerine benzer. Enerji için de acilen aynısını yapmalıyız.
Ayrıca, büyük ölçekli yapay zeka veri merkezlerinin yeni enerji teknolojileri için çok faydalı test müşterileri olduğunu düşünüyorum ve özellikle gelecekte yapay zeka enerji talebi ile nükleer teknolojilerin birleşmesini (kelime oyununa dikkat!) görmekten heyecan duyuyorum. Daha geniş anlamda, “ekonomik güvenlik ulusal güvenliktir” diye düşünüyorum, bu nedenle yapay zeka ekonomisini kurmak için gerekli altyapıya sahip olmamız, sanayi tabanımız ve genel sağlamlığımız üzerinde olumlu etkiler yaratacaktır.
Katılımcılar hakkında daha fazla bilgi:
Michael Burry, eski bir hedge fon yöneticisi ve yazardır. Yatırım analizleri ve piyasa yorumlarını Substack platformu Cassandra Unchained’de yayınlamaktadır . En çok, The Big Short filminde tasvir edildiği gibi, konut kredisi krizini öngörmesiyle tanınır ve son zamanlarda yapay zeka destekli piyasa coşkusuna dair şüphelerini dile getirmiştir.
Jack Clark, Anthropic’in kurucu ortağı ve politika başkanıdır; burada yapay zeka güvenliği, yönetişimi ve öncü modellerin toplumsal etkileri üzerine çalışmaktadır. Ayrıca yapay zekadaki gelişmeleri, devlet gücünü ve teknolojik riski analiz eden uzun soluklu bir bülten olan Import AI’yi de yazmaktadır.
Dwarkesh Patel, yapay zeka, ekonomi ve bilimsel ilerleme konularında önde gelen düşünürlerle röportaj yaptığı Dwarkesh Podcast’in kurucusu ve sunucusudur . Ayrıca Substack platformunda uzun vadeli teknolojik gidişatlar, yapay zeka uyumu ve medeniyet riski üzerine makaleler ve röportajlar yayınlamaktadır.
Patrick McKenzie, finans, piyasalar ve kurumlar hakkında açıklamalar yaptığı Bits About Money adlı bülteniyle tanınan bir yazar ve yazılım girişimcisidir . Ayrıca Complex Systems podcast’inin sunuculuğunu yapmaktadır ve daha önce Stripe dahil olmak üzere teknoloji ve ödeme sistemleri alanlarında çalışmıştır.
https://post.substack.com/p/the-ai-revolution-is-here-will-the?utm_medium=web&triedRedirect=true