Megan Hughes
Ön Söz07
Yapay zekâ teknolojileri, robotik alanını dönüştürme potansiyeline sahiptir. Bu CETaS Özet Raporu, yapay zekânın 2035 yılına kadar robotik üzerindeki olası etkilerini ve Birleşik Krallık ulusal güvenliği üzerindeki potansiyel sonuçlarını değerlendirmektedir. Literatür taraması ve akademik uzmanlarla yapılan görüşmelerden yararlanan rapor, robotik temel modelleri, insansı robotlar ve sürü robotik gibi alanların gelecekteki gidişatını inceliyor ve gelişmenin önündeki potansiyel engelleri tartışıyor. Yapay zekâ ve robotik kesişimi, Birleşik Krallık ulusal güvenliği için benzersiz fırsatlar sunarken, büyük ölçüde robotik inovasyonu ve benimsenmesi arasındaki uçurum nedeniyle zorluklar da içermektedir. Politika yapıcıların bu açığı kapatabilmesi için şunlara ihtiyaç vardır: daha çeşitli ve erişilebilir robotik veri kümeleri; yeni test alanları ve düzenleyici deneme ortamları; ve bölgesel robotik merkezleri. Ayrıca, yapay zekâ destekli robotiklere olan kamu güvenini oluşturmak için önemli yatırımlar yapılmalıdır.
Bu yayın , orijinal yazarların ve kaynağın belirtilmesi koşuluyla sınırsız kullanıma izin veren Creative Commons Attribution License 4.0 şartları altında lisanslanmıştır .
1. Giriş
Bu CETaS Özet Raporu, yapay zeka ve robotik kesişiminde gelecekteki teknolojik yörüngeleri inceliyor ve yapay zekanın 2035 yılına kadar robotik alanını nasıl dönüştürebileceğini ve bunun İngiltere ulusal güvenliği üzerindeki potansiyel etkilerini değerlendiriyor.
Robotik ve otonom sistemler alanı, robotların – robotik kollar, sürücüsüz arabalar ve dronlar gibi otomatik makineler ve cihazların – tasarımını, geliştirilmesini, işletimini ve uygulamasını kapsar. Robotlar, çevreleri hakkında bilgi (örneğin ısı, titreşim, engeller) algılamak ve yakalamak için sensörler (örneğin termometre, kamera) kullanır ve tepki verir. Genellikle şunlardan oluşurlar: [dipnot 1]
Geleneksel robotlar, kural tabanlı programların kullanımı nedeniyle esneklik ve uyarlanabilirlik açısından sınırlıdır. [dipnot 2] Ancak yapay zekanın robotlarla entegrasyonu, navigasyon ve rota planlama, nesne manipülasyonu ve gerçek zamanlı otonom karar verme gibi gelişmiş işlevleri mümkün kılmıştır. [dipnot 3] Yapay zeka, sensörlerin verimli çalışmasını optimize edebilir ve sensörlerden gelen verileri doğru bir şekilde işleyip analiz edebilir. [dipnot 4] Robotik alanını geliştiren yapay zeka teknolojilerine örnekler şunlardır:
OpenAI ve Google DeepMind gibi yapay zeka uzmanlığına sahip büyük teknoloji firmaları, gelişmiş yapay zeka algoritmalarını robotik ile entegre etmenin daha iyi yollarını araştırıyor. [dipnot 8] Nvidia, yapay zeka entegrasyonu nedeniyle robotik teknolojisinde yakın zamanda büyük bir değişim bekliyor. [dipnot 9] Intel, yapay zeka donanımındaki (örneğin nöromorfik hesaplama) iyileştirmelerin ve yeniliklerin, daha az güç tüketimiyle birlikte daha yüksek robot performansına yol açacağını öngörüyor. [dipnot 10]
Bu atılımlar, yapay zeka ve güvenlik kesişimi de dahil olmak üzere önemli yeni fırsatlar sunacaktır. Ancak aynı zamanda, gelecekteki politika ve düzenlemeler geliştirilirken dikkate alınması gereken Birleşik Krallık ulusal güvenliği için yeni riskler de ortaya çıkaracaktır. Bu, literatür taramasına ve akademik uzmanlarla yapılan görüşmelere dayanan mevcut çalışmanın odak noktasıdır. Rapor, önümüzdeki on yılda yapay zeka destekli robotiklerin olası yörüngelerini inceleyerek başlıyor (Bölüm 2), ardından ilerlemeye yönelik olası engelleri tartışıyor (Bölüm 3). Yapay zeka destekli robotiklerin gerçek dünya uygulamaları Bölüm 4’te vurgulanıyor, ardından bu teknolojilerin ulusal güvenlik üzerindeki etkilerine genel bir bakış sunuluyor (Bölüm 5).
2. 2035’e Giden Yol Haritaları
Yapay zekâ destekli çeşitli gelişmeler, 2035 yılına kadar robotik alanını dönüştürme potansiyeline sahip. Algoritmik ilerleme, robotların veri arasındaki ilişkilere dayalı olarak (insan hafızasına benzer şekilde işlev görerek) ortamları algılama ve anlama yeteneklerini genelleştirmelerine olanak tanıyacak. [dipnot 11] Yapay zekâ destekli robotlar, benzer deneyimler arasında bağlantılar kurarak, çevrelerinden geri bildirim alarak ve simülasyonlar çalıştırarak otonom olarak öğrenebilirler. [dipnot 12]
Bazı araştırmacılar (örneğin Meta ve Nvidia’da) yapay zeka ile robotik arasındaki ilişkinin bir tür simbiyoz içereceğine inanıyor. Yapay zeka gelişmiş robotik teknolojisini mümkün kılarken, robotik de yapay zekayı geliştirebilir. Fiziksel yapay zeka – fiziksel dünyayı algılayabilen, anlayabilen ve onunla etkileşim kurabilen modeller [dipnot 13] – bazılarına göre yapay genel zekaya (AGI) doğru bir adım olarak görülüyor. [dipnot 14] Fiziksel yapay zekadan gelen ek veri girdilerinin, en azından fiziksel dünyayı daha iyi anlayan gelişmiş robotik temel modellerini mümkün kılacağı muhtemeldir. Örneğin, İleri Araştırma ve Buluş Ajansı (ARIA), robot el becerisini araştırıyor: bir proje, robot algılama için dokunsal ‘deri’ geliştirmeyi amaçlıyor. [dipnot 15]
Yapay zekâ ile ilgili robotik alanının çeşitli alt dalları 2035 yılına kadar takip edilmeye değer; aşağıda kapsamlı olmayan bir örnek olay incelemesi seçkisi yer almaktadır.
2.1 Robotik temel modelleri
Temel modeller, beyinden ilham alan yapay sinir ağları kullanılarak büyük ölçekte eğitilen son derece çok yönlü yapay zeka modelleridir. Sohbet botları ve görüntü oluşturucular gibi uygulamalara güç verirler ve uyarlanabilirliği sağlamak için büyük miktarda çeşitli veri üzerinde önceden eğitilmişlerdir. Çok modlu temel modeller, algılama, karar verme ve kontrolde kullanılmak üzere farklı sensörlerden gelen verileri çevirebilir ve birleştirebilir. [dipnot 16]
Temel modellerin ortaya çıkmasından önce, yapay zekâ destekli robotlar, belirli görevlerle ilgili sınırlı veri kümeleri üzerinde eğitiliyordu. [dipnot 17] Robotik temel modeller, nesneler, ortamlar ve robotik işlemlerle ilgili metin, resim ve videolar da dahil olmak üzere çeşitli, internet ölçeğinde veriler üzerinde eğitilir (örneğin, robot deneme yanılma videoları). [dipnot 18] Eğitilmiş modeller, bir senaryoyu gözlemleyebilir ve en uygun sonuca götürecek eylemi tahmin edebilir. Gelişmiş temel modeller, sıfır atış yeteneklerini mümkün kılabilir: göreve özgü eğitim veya veri olmadan performans gösterebilen robotlar. [dipnot 19] Bu, çevrelerini algılayarak ve onlarla etkileşim kurarak karmaşık görevleri otonom olarak gerçekleştirebilen ‘bağlamdan haberdar’ robotlara yol açacaktır. [dipnot 20]
Google DeepMind’ın Robotik Transformer 2’si, yeni senaryolarda (örneğin, başka bir robotun yaptığını ‘gördüğünün’ ötesinde) robotik bir kolu çalıştırabilir ve komutları takip edebilir. [dipnot 21] 2025 yılında Nvidia, “genelleştirilmiş insansı akıl yürütme ve beceriler” için temel bir model olan Isaac GR00T N1’i duyurdu. [dipnot 22] Model, insan benzeri reflekslere ve metodik karar vermeye olanak sağlamak için hem ‘hızlı düşünme’ (bilgisayar görüşüyle desteklenen) hem de ‘yavaş düşünme’ (insan ve sentetik veriler üzerinde eğitilmiş) yeteneklerini içerir.
Ancak, Bölüm 3’te tartışıldığı gibi, robotik verilerin toplanması zaman alıcı ve maliyetlidir. Bu nedenle bazı araştırmacılar, robotik temel modellerin önemli bir dönüşüme yol açacağına şüpheyle bakmaktadır. [dipnot 23]
2.2 Simülasyon ve dünya modelleri
Robot simülasyonu, yapay zekâ destekli robotların test edilmesinin maliyetini düşürür ve potansiyel ölçeğini artırır; çünkü robotik yeteneklerin eğitilmesi ve doğrulanması (güvenliklerinin değerlendirilmesi de dahil olmak üzere) için sanal ve dinamik ortamlar oluşturur. [dipnot 24] Robotlar, çeşitli fotogerçekçi veriler ve gerçek dünyadaki fiziksel etkileşimlerin doğru kopyalarıyla etkileşimde bulundukları için yeni durumlara uyum sağlamayı öğrenebilirler. Çoklu simülasyonlar, robotların geri bildirimden öğrenmeleri için fırsatlar sunar. [dipnot 25]
Dünya modelleri, bir yapay zeka sisteminin ortamının içsel temsilleridir. Genellikle, insan beyninin farklı duyulardan gelen soyut temsilleri işleme biçimlerine göre modellenmiş yapay sinir ağlarıdır. [dipnot 26] Dünya modelleri, (komutlara veya programlamaya yanıt olarak değil) kullanıcı etkileşimlerini tahmin eden ve bunlara uyum sağlayan bir ‘dünya’ sürekli olarak üretir. [dipnot 27] Sıfırdan simüle edilmiş ortamlar oluşturmaya güçlü bir alternatiftirler; örneğin, fizik prensiplerinin veya şekillerin ve nesnelerin matematiksel temsillerinin bir simülasyona yerleştirilmesine olanak tanırlar. [dipnot 28]
Hem Meta (Habitat) hem de Nvidia (Cosmos), 3 boyutlu simülasyonlarda sanal robotları eğitmek ve robot verilerini ölçeklendirmek için gelişmiş platformlar oluşturmaya yatırım yaptı. [dipnot 29] Meta ve Nvidia’daki denemelerde, robotlar sanal ortamlarda edindikleri bilgi veya deneyimi gerçek dünyadaki yeni senaryolara başarıyla uyguladı. [dipnot 30] Bununla birlikte, dünya modelleri son derece yoğun hesaplama gerektirir ve şu anda yalnızca birkaç dakikalık dünya tutarlılığı (3 boyutlu uzamsal ve zamansal tutarlılık) ile sınırlıdır. [dipnot 31]
2.3 İnsansı robotlar
İnsansı robotlar , insan formuna benzeyen bir şekle sahip iki ayaklı robotlardır. İnsan ortamına uyum sağlama avantajına sahiptirler: Dünyayla insanlara çok benzer şekillerde fiziksel olarak etkileşime girebilirler ve konuşlandırılmaları ve çalıştırılmaları için çok az çevresel ayarlama gerektirirler. [dipnot 32]
Robotik alanındaki bu ilgi ve yatırım artışı oldukça dikkat çekicidir ve Çin, 2027 yılına kadar insansı robotik alanında dünya lideri olmayı hedeflediğini açıklamıştır. [dipnot 33] İnsansı robotlar için küresel pazarın 2035 yılına kadar 38 milyar ABD dolarına ulaşması bekleniyor [dipnot 34] ve Özel Rekabet Çalışmaları Projesi (SCSP) gibi bazı uzmanlar, “önümüzdeki on yılda insansı robotların yaygın olarak kullanılmasının giderek daha mümkün göründüğüne” inanmaktadır. [dipnot 35]
Bu alandaki gelişmenin muhtemel bir itici gücü nüfus azalması (ve buna bağlı işgücü kıtlığı)dır. [dipnot 36] Çok modlu temel modeller ve simülasyonlardaki gelişmeler de insansı robotların gelişimini desteklemektedir, çünkü geliştiriciler akıllı robotları düşük maliyetli ve güvenli bir şekilde test edebilir, iyileştirebilir ve optimize edebilirler. [dipnot 37] Ayrıca insansı robotları eğitmek için insan hareketine ait veritabanlarını kullanma potansiyeli de vardır – örneğin GR00T N1, hem gerçek hem de sentetik insan gösterim verileri üzerinde eğitilmiştir. [dipnot 38]
Ancak, insansı robotların olası etkisi ve ticari başarısı konusunda sorular devam etmektedir. [dipnot 39] Şirketler imalat ve sağlık hizmetleri gibi alanlarda uygulamalar öngörürken, tüketiciler tekerlekli robotlar, dört ayaklı robotlar veya özel olarak tasarlanmış çözümler gibi daha basit ve daha uygun maliyetli çözümlere yönelebilirler. [dipnot 40]
2.4 Sürü robotları
Sürü robotik, merkezi bir kontrolör olmaksızın birbirleriyle ve/veya çevreyle yerel olarak etkileşim kuran robot gruplarının tasarımı ve koordinasyonuna odaklanan yeni bir alandır. Doğal sürü olgusundan (örneğin kuşlar, böcekler, balıklar) yola çıkan sürü robotik, kendi kendine organize olabilen ve işbirliği yapabilen basit, düşük maliyetli otonom robotlar inşa etmeyi amaçlamaktadır. [dipnot 41] Sürü zekası, bir sistem içindeki arızalara uyum sağlayabilir, kolayca ölçeklenebilir ve bir bütün olarak bireysel bileşenlerinden daha zekidir. [dipnot 42]
Sürüler genellikle bir sensörle donatılmış küçük robotlardan (bazen nano ölçekte) oluşur; bir robot tarafından toplanan veriler diğerleriyle paylaşılır ve sürü, mevcut ortamına dayalı olarak birleşik bir karara varır. [dipnot 43] Bazı daha gelişmiş sürü robotları, gerçek zamanlı ve karmaşık yerleşik işlemeyi sağlamak için yerleşik grafik işlem birimlerini (GPU’lar) de kullanır. [dipnot 44]
Yapay zekâ, sürü davranışının otomasyonunu sağlar; bu, yerel ve çevresel etkileşimlere izin veren kurallardır. [dipnot 45] Makine öğrenimi (ML), bu kuralları keşfetmek ve uygulamak için kullanılır, böylece sürü halindeki robotlar gerçek zamanlı olarak davranışları öğrenebilir. [dipnot 46] Yapay zekâ ayrıca biyolojik sürülerin video verilerini analiz edebilir ve sürü davranışına açıklama sağlamak ve bunu robotlara uygulamak için kuralları çıkarabilir. [dipnot 47]
Sürü robotik teknolojisi, askeri görevlerden çevre izlemeye kadar geniş bir uygulama potansiyeline sahiptir. Bir robot sürüsü, ekinleri tozlaştırabilir, 3 boyutlu yapılar inşa edebilir, kimyasal bir sızıntıyı kontrol altına almak için görevlendirilebilir veya hedefli ilaç dağıtımı sağlayabilir. [dipnot 48] Bununla birlikte, sürü robotik alanında yenilik ve uygulama arasında büyük bir boşluk vardır: robot sürülerinin araştırma laboratuvarı dışındaki uygulamalar için ölçeklendirilmesi maliyetlidir ve gerçek dünya ortamları tahmin edilemezdir. [dipnot 49]
3. Kalkınmanın Önündeki Engeller
Yeterli eğitim verisine erişim, yukarıda tartışılan yapay zekâ robotik atılımları için ilerlemenin önündeki en büyük engel olacaktır. Büyük dil modelleri (LLM’ler), internetten çıkarılan çok büyük miktarda metin tabanlı veri üzerinde eğitilir, ancak hareket ve navigasyon gibi robotik faaliyetler için eşdeğer büyüklükte veri kümeleri yoktur. [dipnot 50] Ayrıca robot hareketlerinde, fiziksel ortamlarda ve potansiyel görevlerde yüksek düzeyde değişkenlik vardır. Bu çeşitliliği dengeleyerek temel bir modelin genel doğasını korumak zorlu bir görev olmaya devam edecektir. [dipnot 51]
Yapay zekâ destekli robotların, dokunma duyusu veya propriosepsiyon (vücudun kendi pozisyonunu algılaması) gibi henüz var olmayan daha fazla duyusal veri türüne ihtiyaç duyması mümkündür. [dipnot 52] Ayrıca, dokunsal algılama için belirteçlerin (metin ve piksel gibi bir yapay zekâ modeli tarafından kullanılan temel veri birimleri) tanımlanması zor olabilir. Robotik hareket için de büyük ve çeşitli veri kümelerine ihtiyaç vardır. Bu nedenle, robotik temel modelleri tek bir robot formuna bağlı olmamalıdır. [dipnot 53]
Küresel robotik donanım tedarik zincirinde de kısıtlamalar bulunmaktadır . Robotik bileşenler standartlaştırılmış olmaktan ziyade benzersiz veya özel tasarım olma eğilimindedir; bu da donanım üretimini ölçeklendirmeyi zorlaştırmaktadır. [dipnot 54] Bu nedenle şirketler, tedarik zincirinde neredeyse tekel konumundadır; örneğin, Japonya’nın Harmonic Drive Systems şirketi, robotik eklemlerde kullanılan hassas dişlilerin küresel pazarının %80’ini kontrol etmektedir. [dipnot 55] Ayrıca, mobil robotlar için gerekli olan yüksek yoğunluklu piller için hayati önem taşıyan mineraller konusunda (devam eden ABD çabalarına rağmen) Çin’e küresel bağımlılıklar mevcuttur. [dipnot 56]
Son olarak, robotlar insanlarla etkileşimde giderek daha fazla kullanıldıkça, güvenliklerini sağlamak ve kazaları, tehlikeleri ve çarpışmaları önlemek çok önemli olacaktır. [dipnot 57] Bu sadece zarardan korunmak için değil, aynı zamanda yeni teknolojilere olan kamu güvenini sağlamak için de gereklidir (ki bu da benimsenme için çok önemli olacaktır). [dipnot 58] Beklenmedik durumlar (örneğin, otonom bir aracın kostümlü bir çocukla karşılaşması gibi) bir sistemin arızalanmasına veya beklenmedik şekilde davranmasına neden olan uç durumlar, robotlar için muhtemelen daha az affedici olacaktır. [dipnot 59] Fiziksel bir robotun yanlış hesaplamasının etkisi, bir LLM’nin halüsinasyon görmesinden önemli ölçüde daha kötü olabilir ve insanlar robot hatalarına insan hatalarından daha az tolerans gösterir. [dipnot 60] Yapay zeka modelleri, öngörülemeyen durumlara uyum sağlamak için sağlam bir şekilde tasarlanmalı ve sensörler güvenilir veriler sağlamalıdır. Ayrıca, kontrollü bir laboratuvardaki robot performansı ile dinamik ve öngörülemeyen gerçek dünya ortamı arasındaki önemli farkın da farkında olmak önemlidir.
4. Yapay Zeka Destekli Robotik Sistemlerinin Genel Uygulamaları
Yapay zekâ destekli robotlar, sürekli olarak yeteneklerini geliştirirken tekrarlayan veya zaman alan görevleri yerine getirebildikleri için çok çeşitli uygulamalara sahiptir . [dipnot 61] Yapay zekâ destekli robotlar, müşteri hizmetleri gibi bağlamlarda insanlarla etkileşim kurmak; karmaşık prosedürler sırasında cerrahlara yardımcı olmak; ve otonom olarak ekin ekmek, hasat etmek ve ilaçlamak için kullanılabilir. [dipnot 62] Ancak özellikle tehlikeli ortamlarda insanları değiştirmek veya sürekli faaliyet gerektiren büyük ölçekli görevler için kullanışlıdırlar .
Aşağıda, yapay zekâ destekli robotların gerçek dünyadaki faydasını gösteren üç örnek olay incelemesi yer almaktadır:
| Üretim, robot kullanımında önde gelen bir sektördür. Otonom araçlar, eklemli robotlar ve işbirlikçi robotlar (insanlarla birlikte çalışmak üzere tasarlanmış kobotlar) biçimindeki yapay zekâ destekli robotlar, verimliliği artırmak, malzeme taşımak ve insan güvenliğini iyileştirmek için fabrikalarda ve depolarda kullanılmaktadır. [dipnot 63] Genel amaçlı robotikteki gelişmeler, “geleceğin fabrikalarında” verimliliği artıracak ve işgücü kıtlığına çözümler sunacaktır. [dipnot 64] Çin, endüstriyel robot kullanımında küresel liderdir, onu Japonya, ABD, Güney Kore ve Almanya takip etmektedir (2023’teki son raporlamaya göre küresel kurulumların %79’unu temsil etmektedir). [dipnot 65] |
| Yapay zekâ destekli otonom araçlar, çevrelerini algılamak ve yorumlamak için sensörler kullanır ve güvenli bir şekilde ilerlemek için kararlar alır. [dipnot 66] Yapay zekâ tarafından üretilen sentetik veriler, otonom araçların önemli ancak nadir senaryolara veya aşırı hava koşulları gibi uç durumlara uyum sağlaması için eğitilmesinde faydalı veri kümeleri sağlar. [dipnot 67] Makine öğrenimi modelleri ayrıca yakıt verimliliğini artırmak, seyahat süresini ve tıkanıklığı azaltmak için rotaları optimize edebilir. [dipnot 68]
Otonom araçlar, toplu taşıma ve özel taksi hizmetlerinde giderek daha fazla kullanılmakta ve denenmektedir. [dipnot 69] Robot taksiler Çin ve Amerika şehirlerinde kullanıma sunulmuş olup, Waymo ve Wayve gibi firmalar İngiltere ve Avrupa’da otonom araçları denemektedir. [dipnot 70] Gelişmiş insansız hava araçları (İHA’lar), askeri operasyonlarda, arama kurtarma çalışmalarında, inşaatta, teslimat hizmetlerinde ve tarımda kullanılmaktadır. [dipnot 71] |
| Yapay zekâ destekli robotlar, yeni arazilerde ve zorlu ortamlarda otonom olarak gezinebilirler; bu da onları uzay ve gezegen keşifleri için kullanışlı hale getirir . [dipnot 72] 2021’den beri Mars’ı keşfeden NASA’nın Perseverance gezgini, kayalık yüzeyde otonom olarak ilerlemek için kendi kendine sürüş sistemi kullanıyor. [dipnot 73] NASA, yakın gelecekte Ay’ın otonom robotik keşfi ve haritalanması için küçük robotlar kullanmayı planlıyor. [dipnot 74] Derin uzay keşfi için yeni nesil robotların daha küçük, daha uzun yolculuklar yapabilen ve Dünya ile uzay aracı arasında iletişimin geciktiği koşullarda otonom olarak çalışabilen robotlar olması gerekecek. NASA, gelişmiş bilgisayar görüşünü mümkün kılan ancak işlem ve bellek gereksinimlerini azaltan potansiyel bir çözüm oluşturmak için gelişmiş Meta temel modellerini kullanıyor. [dipnot 75] |
5. İngiltere Güvenliğine Yönelik Etkileri
5.1 Fırsatlar
Savunma ve ulusal güvenlik alanlarında çok sayıda robotik uygulama bulunmaktadır; robotlar halihazırda İngiltere silahlı kuvvetleri tarafından “sıkıcı, kirli, tehlikeli veya fiziksel ya da bilişsel olarak zor” işler için kullanılmaktadır. [dipnot 76] Mevcut ve öngörülen birçok uygulama insan personelinin korunmasını içermektedir: [dipnot 77]
Yapay zekâ, otonom hava, deniz ve silah sistemlerinin navigasyonunu (yörünge planlaması ve çarpışma önleme yoluyla), sensör verilerini ve gözetleme yeteneklerini geliştirmeye devam edecektir. [dipnot 78]
İngiliz Ordusu, kara kuvvetleri için operasyonel avantaj yaratırken riski azaltmak, kütleyi (kuvvetlerin yoğunlaşmasını) ve tempoyu (operasyon hızını) artırmak amacıyla robotik ve otonom sistemleri daha fazla entegre etme arzusunu dile getirmiştir. [dipnot 79] Bu amacı gerçekleştirmek için, gelecekteki yetenekler, durumsal farkındalık ve yardım sağlamak için insansız sistemleri; hızlı insansız hava aracı karşıtı yetenekleri ve uzun menzilli ISTAR (istihbarat, gözetleme, hedef tespiti ve keşif) sistemlerini; ve otonom konvoy ve ikmal araçlarını içerebilir. Silahlı kuvvetlerin, robotları kullanmaları durumunda riskli operasyonlara ve taktik planlara daha istekli bir şekilde katılmaları muhtemeldir. [dipnot 80]
5.2 Riskler ve engeller
Dünya lideri araştırma yeteneklerine sahip olmasına rağmen, Birleşik Krallık şu anda robotik benimseme konusunda küresel olarak 24. sırada yer almaktadır. [ dipnot 81] İngiliz üreticiler ithal bileşenlere bağımlıdır; bu durum Birleşik Krallık’ın seri robot üretimi kapasitesini etkiler ve tedarik zincirinde bir kırılganlık yaratır. [dipnot 82]
Yapısal ve mekanik robot bileşenleri genellikle İngiltere içinde üretilirken, motorlar, gelişmiş sensörler ve bilgi işlem sistemleri Asya’dan (başta Çin olmak üzere) ve ABD’den ithal edilme eğilimindedir. [dipnot 83] Robotik Büyüme Ortaklığı’nın ‘Akıllı Makineler Stratejisi 2035’, İngiltere’nin endüstriyel robotik benimseme ve dağıtımındaki gecikmesini gidermek için atılacak adımları özetliyor [dipnot 84] ve 2026’nın başlarında 52 milyon sterlinlik bir Robotik Benimseme Programı duyuruldu. [dipnot 85] Ancak İngiltere’nin henüz robotik inovasyonunu robotik üretime ve robotik benimsemeye dönüştürmek için odaklanmış bir stratejisi yok. Yerli robotik tedarik zincirini güçlendirmek için daha fazla düşünceye ihtiyaç duyulmaktadır.
2026 yılı itibarıyla, Birleşik Krallık’ta robotların sorumluluğunu veya robot kaynaklı zararlar bağlamında (örneğin, yazılım geliştiriciler, donanım üreticileri ve robot operatörleri arasında) ortak sorumluluğu düzenleyen özel bir yasa bulunmamaktadır. 2035 yılına kadar, özellikle akıllı robotların kullanımının artmasıyla birlikte, bu yeni zorlukları öngörmek önemli olacaktır.
Son olarak, yapay zekâ destekli robotiklerin potansiyel uygulamalarına ve faydalarına rağmen, ulusal güvenlik açısından riskler devam etmektedir. Robotik ve yapay zekâ yetenekleri, devlet dışı gruplara ve vekil güçlere yayılmaktadır. Bu nedenle, birlikte çalışabilir robotik ve yapay zekâ destekli savaş sistemleri, çok uluslu savunma operasyonları için bir gereklilik haline gelecektir. [dipnot 86] Robotların dijital bileşenleri ve işletim sistemleri de uzaktan hackleme ve düşmanca kontrole karşı potansiyel olarak savunmasızdır. Robotların ve tedarik zincirlerinin karmaşıklığı göz önüne alındığında, her bir bileşenin menşeini kanıtlamak zordur. [dipnot 87] Burada, ‘robotik iç tehdidi’nin eşdeğeri bir potansiyel vardır (örneğin, otonom araçlar trafik sıkışıklığı veya çarpışmalar yaratmak için devre dışı bırakılabilir veya dronlar kalabalığa çarpmak üzere yönlendirilebilir). [dipnot 88] Recorded Future, robotik sektörünü hedef alan siber casusluk faaliyetlerinin, sektör büyüdükçe neredeyse kesinlikle hızlanacağını değerlendirmektedir. [dipnot 89]
5.3 Politika yapıcılar için hususlar
2035 yılına kadar Birleşik Krallık’ın önünde bir seçenek var: robotik alanındaki yenilik ve benimseme arasındaki uçurumu kapatmak ya da yabancı robotik teknolojisinin kalıcı bir tüketicisi olma riskini almak. Aşağıdaki hususlar, yapay zeka destekli robotik konusundaki gelecekteki politika tartışmaları için önem taşıyacaktır.
- Çeşitli robot biçimlerinden elde edilen ‘birleştirilmiş’ veri kümeleri, bir etkileşim türünden öğrenilenleri diğer etkileşimlere uygulayabilen yapay zeka modelleri için faydalı olacaktır. Endüstriyel veri kümeleri için bir veri merkezi, özel sektör şirketleri için karşılıklı fayda sağlayacaktır. [dipnot 90]Gerçek dünya robot etkileşimlerine ilişkin açık kaynaklı veri kümeleri, sektördeki tekelleri engellemeye de yardımcı olabilir.
- Birleşik Krallık’ta akıllı robotların kullanıma sunulması için test alanlarına ve düzenleyici deneme ortamlarına ihtiyaç vardır. Bu alanlar akıllı mahalleler veya sanayi parkları şeklinde olabilir ve (a) veri toplama, (b) uzman incelemesi ve (c) robotik uygulamalarına yönelik kamuoyu farkındalığı ve güven oluşturma fırsatları yaratabilir.
- Ulusal Robotarium, Robotik Büyüme Ortaklığı ve techUK tarafından robotik alanındaki yenilik ve benimseme arasındaki boşluğu kapatmada bir başarı örneği olarak övgüyle karşılandı. [dipnot 91]Birleşik Krallık Hükümeti, daha sonra kendi kendine yeten modellere dönüşebilecek ve yan kuruluşlara yol açabilecek bölgesel merkezlerin kurulmasını ve ilk kaynaklandırılmasını desteklemelidir.
- Robot teknolojisinin yaygın olarak benimsenmesi, kamu güvenine bağlı olacaktır. Yapay zekâ destekli robot teknolojisinin güvenliğine yönelik önemli yatırımlar yapılmalıdır; bu yatırımlar, insan değerleriyle uyum, sorumluluk ve açıklanabilirlik konularını da içermelidir.
Referanslar
[1] John VerWey, Fiziksel Yapay Zeka: Yapay Zeka-Robotik Yakınsaması Üzerine Politika Yapıcılar İçin Bir Giriş (CSET Georgetown: Şubat 2026), https://cset.georgetown.edu/wp-content/uploads/CSET-Physical-AI.pdf .
[2] Haziqa Sajid, “Yapay Zeka ve Robotik: Yapay Zeka Robotik Otomasyonu Nasıl Dönüştürüyor?” Encord , 27 Mart 2025, https://encord.com/blog/ai-and-robotics .
[3] Aynı yer.
[4] Sensor Partners, “Yapay zeka ve sensörlerin birleşimi nasıl daha verimli ve sürdürülebilir süreçlere yol açar?”, https://sensorpartners.com/en/knowledge-base/artificial-intelligenc-and-sensors-a-powerful-combination .
[5] Sajid (2025).
[6] Intel, “Robotlar ve Yapay Zeka”, https://www.intel.com/content/www/us/en/learn/artificial-intelligence-robotics.html .
[7] Sajid (2025) ; Intel.
[8] Elizabeth Gibney , “Yapay zeka devrimi robotlara geliyor: onları nasıl değiştirecek?” , Nature 630, Mayıs 2024, 22–24, https://www.nature.com/articles/d41586-024-01442-5 .
[9] Aynı yer.
[10] Intel.
[11] Aynı yer.
[12] Aynı yer.
[13] Madison Huang , “NVIDIA’nın Robotik İçin Üç Bilgisayarlı Çözümü Nedir?”, Nvidia , 8 Ağustos 2025, https://blogs.nvidia.com/blog/three-computers-robotics .
[14] Gibney (2024).
[15] ARIA, “Robot Becerisi,” https://www.aria.org.uk/opportunity-spaces/smarter-robot-bodies/robot-dexterity ; Victoria Turk, “Robotlara dokunsal ‘deri’ ve becerikli eller verilecek,” The Observer , 2 Haziran 2025, https://observer.co.uk/news/business/article/robots-to-be-given-tactile-skin-and-dexterous-hands .
[16] Roya Firoozi ve diğerleri, “Robotikte temel modeller: Uygulamalar, zorluklar ve gelecek”, Uluslararası Robotik Araştırma Dergisi 44, no. 5 (Eylül 2024): 701–739, https://doi.org/10.1177/02783649241281508 .
[17] Aynı yer.
[18] Gibney (2024).
[19] Firoozi ve diğerleri (2024).
[20] Aynı yer.
[21] Gibney (2024).
[22] Nvidia, “NVIDIA, Robot Geliştirmeyi Hızlandırmak İçin Dünyanın İlk Açık İnsansı Robot Temel Modeli Isaac GR00T N1’i ve Simülasyon Çerçevelerini Duyurdu,” 18 Mart 2025, https://nvidianews.nvidia.com/news/nvidia-isaac-gr00t-n1-open-humanoid-robot-foundation-model-simulation-frameworks .
[23] Gibney (2024).
[24] Nvidia, “Kullanım Örnekleri: Robotik Simülasyonu”, https://www.nvidia.com/en-gb/use-cases/robotics-simulation .
[25] Nvidia, “Sözlük: Dünya Modelleri”, https://www.nvidia.com/en-gb/glossary/world-models .
[26] Kyle Wiggers , “Yapay zeka ‘dünya modelleri’ nedir ve neden önemlidirler?” , TechCrunch , 14 Aralık 2024, https://techcrunch.com/2024/12/14/what-are-ai-world-models-and-why-do-they-matter .
[27] Bernard Marr, “Yapay Zeka İçin Bir Sonraki Dev Adım Dünya Modelleri Olarak Adlandırılıyor,” Forbes , 8 Aralık 2025, https://www.forbes.com/sites/bernardmarr/2025/12/08/the-next-giant-leap-for-ai-is-called-world-models .
[28] Wiggers (2024).
[29] Gibney (2024) ; Manolis Savva ve diğerleri, “Habitat: Somutlaştırılmış Yapay Zeka Araştırmaları için Bir Platform”, Uluslararası Bilgisayar Vizyonu Konferansı , Ekim 2019, https://research.facebook.com/publications/habitat-a-platform-for-embodied-ai-research ; Nvidia, “NVIDIA, Yeni Omniverse Kütüphaneleri, Cosmos Fiziksel Yapay Zeka Modelleri ve Yapay Zeka Hesaplama Altyapısı ile Robotik Dünyasına Kapılar Açıyor”, 11 Ağustos 2025, https://nvidianews.nvidia.com/news/nvidia-opens-portals-to-world-of-robotics-with-new-omniverse-libraries-cosmos-physical-ai-models-and-ai-computing-infrastructure .
[30] Gibney (2024).
[31] Marr (2025).
[32] Gibney (2024).
[33] Özel Rekabet Çalışmaları Projesi, “Başkan’a Notlar: Ulusal Robotik Stratejisi”, Şubat 2025, https://www.scsp.ai/wp-content/uploads/2025/02/Robotics-Memo.pdf .
[34] Huang (2025).
[35] Gillian Hodge ve Brady Helwig, “İnsansı Robotikte Amerika Birleşik Devletleri mi Yoksa Çin mi Öncülük Edecek?”, Özel Rekabet Çalışmaları Projesi bülteni , 15 Ekim 2024, https://scsp222.substack.com/p/will-the-united-states-or-china-lead .
[36] Recorded Future, “İnsansı Robotların Geleceği”, Kasım 2025, https://www.recordedfuture.com/research/future-humanoid-robotics .
[37] Huang (2025).
[38] Nvidia (Mart 2025).
[39] Connie Loizos, “Ünlü robot bilimci, insansı robot balonunun patlamaya mahkum olduğunu söylüyor,” TechCrunch , 26 Eylül 2025, https://techcrunch.com/2025/09/26/famed-roboticist-says-humanoid-robot-bubble-is-doomed-to-burst ; VerWey (2026).
[40] Yazarın akademik katılımcıyla yaptığı görüşme, 11 Şubat 2026; Yazarın akademik katılımcıyla yaptığı görüşme, 23 Şubat 2026.
[41] Ahmad Cheraghi, Sahdia Shahzad ve Kalman Graff, “Sürü Robotiklerinin Geçmişi, Şimdiki Zamanı ve Geleceği”, arXiv , 3 Ocak 2021, https://arxiv.org/pdf/2101.00671 .
[42] Sabine Hauert, “Yapay zeka robotik sürüler tasarlamamıza nasıl yardımcı oluyor?” Bristol Üniversitesi , 21 Mayıs 2024, https://www.youtube.com/watch?v=RPnexOEZT88 .
[43] Toby McClean , “Yapay Zeka ve Robotikte Sürü Zekasının Kolektif Gücü”, Forbes , 13 Mayıs 2021, https://www.forbes.com/councils/forbestechcouncil/2021/05/13/the-collective-power-of-swarm-intelligence-in-ai-and-robotics .
[44] Sabine Hauert, “Bir sürü mühendisliği”, Kraliyet Enstitüsü , 18 Mart 2025, https://www.youtube.com/watch?v=E6iJx4ePQCc .
[45] Hauert (2024).
[46] Hauert (2025).
[47] Aynı yer.
[48] Wyss Enstitüsü, “Programlanabilir Robot Sürüleri”, https://wyss.harvard.edu/technology/programmable-robot-swarms .
[49] Miquel Kegeleirs ve Mauro Birattari , “Uygulamalı sürü robotiklerine doğru: mevcut sınırlamalar ve kolaylaştırıcılar ”, Robotik ve Yapay Zeka Alanındaki Sınırlar 12, Haziran 2025, https://doi.org/10.3389/frobt.2025.1607978 .
[50] Gibney (2024) ; Sacid (2025).
[51] Firoozi ve diğerleri (2024).
[52] Gibney (2024).
[53] Aynı yer.
[54] VerWey (2026).
[55] Sunny Cheung, ABD-Çin Ekonomik ve Güvenlik İnceleme Komisyonu’nun “Çin Malı 2025 – Kim Kazanıyor?” başlıklı duruşmasında verdiği ifade (The Jamestown Foundation: Şubat 2025), https://www.uscc.gov/sites/default/files/2025-02/Sunny_Cheung_Testimony.pdf .
[56] Elsa Camuamba, Bruno Damásio ve Sandro Mendonça, “Pil teknolojilerinde kritik mineral oluşumunun değerlendirilmesi”, Resources Policy 111, Aralık 2025, https://doi.org/10.1016/j.resourpol.2025.105755 ; Heidi Crebo-Rediker ve Mahnaz Khan, Çin’in Kritik Mineraller Hakimiyetini Aşmak: İnovasyon ABD Tedarik Zincirlerini Nasıl Güvence Altına Alabilir (Council on Foreign Relations: Şubat 2026), https://www.cfr.org/reports/leapfrogging-chinas-critical-minerals-dominance .
[57] Mohsen Soori, Behrooz Arezoo ve Roza Dastres, “Gelişmiş robotikte yapay zeka, makine öğrenimi ve derin öğrenme, bir inceleme”, Bilişsel Robotik 3, Nisan 2023, 54–70, https://doi.org/10.1016/j.cogr.2023.04.001 .
[58] Yazarın akademisyen katılımcıyla yaptığı görüşme, 11 Şubat 2026.
[59] Aynı yer.
[60] Ezgi Merdin-Uygur ve Selcen Ozturkcan, “Kafelerden kliniklere: İnsan benzeri ve makine benzeri hizmet robotu arızalarına yönelik tüketici tutumları”, International Journal of Hospitality Management 131, Ekim 2025, https://doi.org/10.1016/j.ijhm.2025.104319 ; Maike M Mayer , Axel Buchner ve Raoul Bell, “İnsanlar, makineler ve çifte standartlar? Otonom araçların, insanlaştırılmış otonom araçların ve insan sürücülerin trafik kazası ikilemlerindeki eylemlerinin ahlaki değerlendirmesi ” , Frontiers in Psychology 13, Ocak 2023, https://doi.org/10.3389/fpsyg.2022.1052729 .
[61] Intel.
[62] Soori, Arezoo ve Dastres (2023).
[63] Intel.
[64] Özel Rekabet Çalışmaları Projesi (2025).
[65] Uluslararası Robotik Federasyonu, “Dünya Robotik – Endüstriyel Robotlar”, https://ifr.org/wr-industrial-robots.
[66] Soori, Arezoo ve Dastres (2023).
[67] Maria Alonso, Alex Koster ve Paul Jordan, “GenAI araç otonomisini nasıl destekliyor?” Dünya Ekonomik Forumu , 3 Nisan 2025, https://www.weforum.org/stories/2025/04/how-genai-is-helping-drive-vehicle-autonomy.
[68] Soori, Arezoo ve Dastres (2023).
[69] Rossetts Commercials, “Birleşik Krallık 2026’da Otonom Taksi ve Otobüs Denemelerine Yollarda Başlayacak”, 15 Temmuz 2025, https://www.rossetts.co.uk/news/uk-to-begin-self-driving-taxi-and-bus-trials-on-roads-in-2026 ; Londra Ulaşım, “Bağlantılı ve Otomatik Araçlar”, https://tfl.gov.uk/corporate/publications-and-reports/connected-and-automated-vehicles ; AB Kentsel Hareketlilik Gözlem Merkezi, “KIRA projesi Almanya’nın ilk otonom toplu taşıma servislerini başlatıyor,” 13 Haziran 2025, https://urban-mobility-observatory.transport.ec.europa.eu/news-events/news/kira-project-launches-germanys-first-autonomous-public-transport-shuttles-2025-06-13 ; Kitty Wheeler, “Baidu’nun Apollo Go’su Küresel Robotaksi Genişlemesini Nasıl Hedefliyor,” Teknoloji Dergisi , 20 Şubat 2025, https://technologymagazine.com/articles/how-baidus-apollo-go-targets-global-robotaxi-expansion ; Numalis, “Otonom Araçlarda Yapay Zeka,” 18 Şubat 2025, https://numalis.com/ai-in-self-driving-cars .
[70] Wayve, “Wayve ve Uber, İngiltere’de L4 Otonomi Denemelerini Başlatmak İçin Ortaklık Kurdu,” 10 Haziran 2025, https://wayve.ai/press/wayve-uber-l4-autonomy-trials ; Laurie Winkless, “Robot Taksiler Avrupa’ya Geliyor ve İnsanlar Nasıl Hissedeceklerinden Emin Değil,” Forbes , 27 Ocak 2026, https://www.forbes.com/sites/lauriewinkless/2026/01/27/robotaxis-are-coming-to-europe-and-people-arent-sure-how-to-feel ; Ani Kelkar ve diğerleri, “Sırada Ne Var? Otonom Araç Uzmanlarından İçgörüler”, McKinsey & Company , 6 Ocak 2026, https://www.mckinsey.com/features/mckinsey-center-for-future-mobility/our-insights/future-of-autonomous-vehicles-industry .
[71] Soori, Arezoo ve Dastres (2023).
[72] Sajid (2025).
[73] NASA Jet Propulsion Laboratory, “Otonom Sistemler NASA’nın Perseverance Aracının Mars’ta Daha Fazla Bilimsel Çalışma Yapmasına Yardımcı Oluyor,” 21 Eylül 2023, https://www.nasa.gov/missions/mars-2020-perseverance/perseverance-rover/autonomous-systems-help-nasas-perseverance-do-more-science-on-mars-2 .
[74] NASA Jet Propulsion Laboratory, “CADRE,” https://www.jpl.nasa.gov/missions/cadre .
[75] Meta AI, “Küçük robotlar, güçlü vizyon: NASA Jet İtki Laboratuvarı’nın DINOv2 özellikli robot gezginleri ve gezegen keşfinin geleceği”, 14 Ağustos 2025, https://ai.meta.com/blog/nasa-jpl-dino-robot-explorers .
[76] Savunma Bilim ve Teknoloji Laboratuvarı, “Robotik ve otonom sistemler: savunma bilim ve teknoloji yeteneği”, 1 Haziran 2022, https://www.gov.uk/guidance/robotics-and-autonomous-systems-defence-science-and-technology-capability .
[77] Savunma Bilim ve Teknoloji Laboratuvarı, “Dstl, ‘ıslak boşluk’ askeri zorluğuna yenilikçi çözümler deniyor,” 21 Eylül 2021, https://www.gov.uk/government/news/dstl-trials-innovative-solutions-to-wet-gap-military-challenge ; Innovate UK Business Connect, “son teknoloji telexistence yenilikleri için 1,3 milyon sterlin mevcut,” https://iuk-business-connect.org.uk/opportunities/1-3-million-available-for-cutting-edge-telexistence-innovations ; Savunma Bilim ve Teknoloji Laboratuvarı, “Dstl, personele yönelik riski azaltmak için telexistence potansiyelini kavrıyor,” 1 Ağustos 2022, https://www.gov.uk/government/news/dstl-grasps-telexistence-potential-to-reduce-risk-to-personnel ; Cambridge Consultants, “Askeri lojistik için yapay zeka tabanlı robotikte çığır açan bir değişim,” https://www.cambridgeconsultants.com/project/a-step-change-in-ai-based-robotics-for-military-logistics .
[78] Kurtis H. Simpson ve diğerleri, “Yapay Zekayı Askerileştirme: Dijital Ejderhayı Nasıl Yakalayacağız?”, On Track 35, Ocak 2025, 8–22, https://cdainstitute.ca/wp-content/uploads/2025/01/On-Track-Issue-35.pdf .
[79] İngiliz Ordusu, “İngiliz Ordusunun Robotik ve Otonom Sistemlere Yaklaşımı”, Ocak 2022, https://www.army.mod.uk/media/15790/20220126_army-approach-to-ras_final.pdf .
[80] Amos Fox, “Yapay Zeka ve Robotik Çağında Stratejik Birlikte Çalışabilirlik”, On Track 35, Ocak 2025, 41–46, https://cdainstitute.ca/wp-content/uploads/2025/01/On-Track-Issue-35.pdf .
[81] Naomi Battison, “Birleşik Krallık’ta robotik kullanımını artırmak: Güvenli inovasyon ve ekonomik büyüme için üç kilit sektör,” techUK , 23 Haziran 2025, https://www.techuk.org/resource/boosting-uk-robotics-adoption-three-key-sectors-for-safe-innovation-and-economic-growth.html .
[82] Robert Richardson ve diğerleri, Birleşik Krallık neden daha fazla robot üretmiyor? (White Rose Kütüphaneleri: Kasım 2025), https://eprints.whiterose.ac.uk/id/eprint/234530 ; Robert Tollast, Drone’lar: Tedarik Zincirlerini Çin’den Ayırmak (Royal United Services Institute: Kasım 2025), https://static.rusi.org/rp-drone-supply-chains-china-nov-2025_0.pdf .
[83] Richardson ve diğerleri (2025).
[84] Robotik Büyüme Ortaklığı, Akıllı Makineler Stratejisi 2035 (Şubat 2025), https://www.gov.uk/government/publications/smart-machines-strategy-2035 .
[85] İnovasyon Fonlama Hizmeti, “Robotik Benimseme Programı beceri geliştirme”, https://apply-for-innovation-funding.service.gov.uk/competition/2387/overview/daca31c2-8395-4bc2-a5da-55eb1e432fa4 ; Bilim, İnovasyon ve Teknoloji Bakanlığı ve diğerleri, “İngiliz robotik ve savunma yenilikçileri için bürokratik engeller azaltılacak”, 16 Ocak 2026, https://www.gov.uk/government/news/red-tape-to-be-slashed-for-british-robotics-and-defence-innovators .
[86] Fox (2025).
[87] Yazarın akademisyen katılımcıyla yaptığı görüşme, 23 Şubat 2026.
[88] Michael JD Vermeer ve diğerleri, Bir Robot Felaketini Önlemek (RAND: Eylül 2025), https://www.rand.org/pubs/perspectives/PEA3691-7.html .
[89] Kaydedilmiş Gelecek (2025).
[90] Özel Rekabet Çalışmaları Projesi (2025).
[91] Battison (2025) ; Robotik Büyüme Ortaklığı (2025).