Kevin Frazier , Alan Z. Rozenshtein / 13 Mayıs 2026,
Yapay zekânın üstünlüğü, daha hızlı modellerden daha fazlasını gerektirecek; yapay zekânın öncü teknolojilerini anlama, test etme ve güvenliğini sağlama konusunda çığır açıcı gelişmelere ihtiyaç duyacaktır.
Yapay zekâ (YZ) politika ortamını daha önce tanımlayan temel bir gerilim vardı: Hükümetin, en yeni ve en gelişmiş YZ modellerinin test ve değerlendirmesini denetlemesi yönündeki öneriler, en son ve en iyi YZ’nin hızlı gelişimi ve yaygınlaşmasına aykırı olarak görülüyordu. Bu algılanan uzlaşma, YZ paydaşlarını iki kampa ayırdı: “kıyametçiler” ve “hızlandırıcılar”. Birinciler, modellerin hükümet veya üçüncü bir tarafça ön test edilmesinin çeşitli varyasyonlarını savundu. Trump yönetimi de dahil olmak üzere ikinciler ise, mevcut yasaların YZ çabalarını ülkenin daha geniş ekonomik ve ulusal güvenlik hedeflerine yönlendirmede yetersiz kaldığına dair kanıtlar ortaya çıkana kadar, sınırlı hükümet müdahalesi yoluyla Amerikan “küresel hakimiyetini” savundu.
Yapay zekâ politikalarının o dönemi sona ermiş gibi görünüyor. Trump yönetimi, tutarsız ve belirsiz bir şekilde de olsa , yeni bir yola olan ilgisini işaret etti: Yapay zekâyı anlayarak ona hükmetmek.
Son haberlere göre , planlanan bir başkanlık emri, yeni modellerin oluşturduğu risklerin belirlenmesini ve dolayısıyla bu risklerin azaltılmasını hızlandırmak amacıyla yapay zeka laboratuvarları ve hükümet siber güvenlik programları arasında daha fazla bilgi paylaşımını kolaylaştıracak. Muhtemelen bu emir, Beyaz Saray yetkililerinin öncü yapay zeka modellerinin siber güvenlik risklerini ciddiye almasından kaynaklanıyor. Aynı şekilde, önde gelen modellerin sunduğu biyolojik güvenlik risklerinin de giderek daha fazla farkında olabilirler . Modeller problem çözme ve uzun süreli araştırma çabalarında daha yetenekli hale geldikçe, “yapay zeka yakında insanlara son derece tehlikeli güçler verebilir: virüs sentezlemek, yeni nörotoksinler üretmek veya her şeyi yok eden ‘ayna yaşamı’ oluşturmak.”
Planlanan düzen ve temel politika bakış açısı, askeri ve özel sektör de dahil olmak üzere en güçlü yapay zeka modellerinin benimsenmesinin, özel ve kamu paydaşları teknolojinin güvenilir, etkili ve kontrol edilebilir bir şekilde çalışacağına emin olana kadar gecikeceği anlayışını da yansıtıyor olabilir. Oldukça açık nedenlerden dolayı, yukarıda belirtilen siber veya biyolojik güvenlik risklerinden herhangi birine sahip modeller, yeterli ve güvenilir teknik güvenlik önlemleri ve daha geniş toplumsal hazırlık olmadan kamuya açık hale getirilemez.
Ayrıca, yönetimin yapay zeka politikası liderlerinin, teknik yapay zeka ilerlemesi (yapay zekanın nasıl çalıştığı ve neden çalıştığı hakkında daha fazla bilgi edinme) ile yapay zeka hakimiyeti (en yetenekli modelleri rakiplerimizinkinden daha hızlı ve büyük ölçekte geliştirme ve kullanıma sunma) arasındaki bağlantıyı kurmuş olma ihtimali de var. Başkanın yapay zeka ekibinin bu noktayı fark ettiğini, son günlerde ve haftalarda Beyaz Saray’ın üst düzey yetkilileri ile yapay zeka CEO’ları arasında yapılan toplantıların sayısı gösteriyor.
Bu görünürdeki dönüşümün ardındaki nedenler ne olursa olsun, eğer bu Trump yönetiminin mevcut düşünce tarzının doğru bir tasviri ise, o zaman bir dizi basit politika manevrası “yapay zekayı anlayarak yapay zekaya hükmetme” gündemini ilerletebilir.
Amerika, Yapay Zeka Bilimine Yeterince Yatırım Yapmıyor
Yapay zekâ biliminde çığır açacak gelişmeleri sağlamak için mevcut çabaları genişletmek amacıyla federal desteğe ihtiyaç duyulmaktadır. Şu anki durumda, birbirinden bağımsız laboratuvarlar birbirinden kopuk araştırma gündemleri izlemektedir. Buna rağmen etkileyici sonuçlar elde etmeyi başarmışlardır. Örneğin, Anthropic yakın zamanda bir modelin iç süreçlerini (sayısal bir işlem) doğal dil metnine çevirme yöntemini duyurdu. Bu çeviri görevi, modellerin nasıl çalıştığına ve ne zaman ve neden beklenmedik, tehlikeli veya aldatıcı bir şekilde davranabileceğine dair kritik bilgiler sağlayabilir. Modellerin güvenli bir şekilde piyasaya sürülmesini sağlamak söz konusu olduğunda, bu tür bilgiler son derece değerli olacaktır. Ancak Anthropic’in belirttiği gibi, bu kaynak yoğun bir çabadır; çeviri süreci çok büyük miktarda işlem gücü gerektirir.
OpenAI de benzer şekilde personelinin ve kaynaklarının bir kısmını ilgili araştırma konularına ayırıyor . Örneğin, kullanıcı tercihlerine ve talimatlarına göre uzun süreli görevleri kullanıcı gözetimi olmadan veya çok az gözetimle gerçekleştirebilen yapay zeka araçlarını nasıl uyarlayacağını yakından inceliyor. Ancak laboratuvar, daha önce bu tür çalışmalara çok az miktarda hesaplama kaynağı ayırdığı için eleştirilmişti . Şirketin kaynaklarının ne kadarının bu tür çalışmalara gittiği belirsiz olsa da, OpenAI ve diğerlerinin daha karlı amaçlarına daha fazla kaynak yönlendirmenin yollarını bulması, bunun muhtemelen çok büyük bir miktar olmadığını gösteriyor.
Kısıtlı kaynaklardan en iyi şekilde yararlanmaya çalışan laboratuvarlar yalnız değil. Kâr amacı gütmeyen kuruluşlar ve üniversitelerle bağlantılı araştırmacılar da, yetersiz desteğe rağmen, yapay zekayı anlama konusunda ilerlemeler sağlamak için yoğun çaba sarf ediyorlar. Umut vadeden bir araştırma alanına örnek olarak: Louisiana Lafayette Üniversitesi’nden bir ekip , yapay zeka kodlama asistanlarının oluşturduğu siber güvenlik sorunlarını incelemek için Ulusal Yapay Zeka Araştırma Kaynağı’ndan (NAIRR) yararlandı. NAIRR , ülke genelindeki eğitimcilere ve araştırmacılara bilgi işlem, veri ve eğitim sağlayan kamu-özel sektör iş birliğine dayalı bir programdır. İki yıllık pilot uygulama süresince , aksi takdirde tamamlanamayacak olan 600’den fazla araştırma ve eğitim projesini kolaylaştırmıştır.
NAIRR’e yapılan önemli miktardaki özel ayni bağışlara rağmen, kaynak yapay zeka kaynaklarına olan talebin ve temel yapay zeka araştırma ve geliştirme (Ar-Ge) ihtiyacının yalnızca küçük bir bölümünü karşılıyor . Yeni Amerikan Güvenliği Merkezi’nin yakın tarihli bir analizine göre , “NAIRR’e ayrılan her dolar için özel sektör yapay zekaya yaklaşık 23.000 dolar yatırım yapıyor.” Kamu ve özel sektör yapay zeka yatırımlarında eşitlik gerçekçi ve gereksiz olsa da, aradaki farkın boyutu, tarihsel olarak önemli ve toplumsal açıdan faydalı yeniliklere yol açan temel Ar-Ge’ye yapılan yatırımın yetersiz olduğunu gösteriyor . Aslında, Ulusal Güvenlik Yapay Zeka Komisyonu, 2026 mali yılına kadar savunma dışı yapay zeka Ar-Ge’sine 32 milyar dolar ayrılmasını talep etmişti, ancak yatırım bunun yaklaşık onda biri kadar oldu .
Özetle, yapay zekâ bilimi üzerine özel ve kamu araştırmaları gerekli ve devam eden bir süreçtir, ancak ek koordinasyon ve desteğe ihtiyaç duymaktadır. ABD’yi bu politika sonucuna yönlendirmek için en iyi konumda olan kurum Kongre’dir. Önemli Ar-Ge gerektiren önceki teknolojik dönemlerde, geniş kapsamlı ve kalıcı bir çaba oluşturmak için devreye giren Kongre olmuştur. ABD, yarı iletken üretiminde Japonya’nın gerisinde kalmaya başladığında, Kongre, bu açığı kapatmak için yoğunlaştırılmış bir kamu-özel araştırma projesine yaklaşık 1 milyar dolar ayırmıştır . Yasa koyucuların, yapay zekâ alanında benzer bir yol çizmek için önlerinde birçok öneri bulunmaktadır. Kongre’nin atabileceği üç adım şunlardır: NAIRR’ı yasalaştıracak ve fonlarını artıracak olan CREATE AI Yasası’nı geçirmek; federal hükümete daha fazla yapay zekâ uzmanı kazandıracak olan AI Yetenek Yasası’nı geçirmek ; ve Yapay Zekâ Standartları ve İnovasyon Merkezi’ne ev sahipliği yapan Ulusal Standartlar ve Teknoloji Enstitüsü’ne daha fazla fon tahsis etmek.
Kongrenin yakın gelecekte yapay zeka araştırma ve geliştirme alanında benzer bir şekilde hareket edip etmeyeceği belirsiz. Bu süreçte, yürütme organı “anlama yoluyla egemenlik” gündemini ilerletmede anlamlı bir rol oynayabilir.
Yürütme Organı Yapay Zeka Bilimini Geliştirmek İçin Şimdi Neler Yapabilir?
Trump yönetiminin atacağı üç acil adım, ABD’nin yapay zeka bilimindeki liderliğini sürdürmesine önemli ölçüde yardımcı olacaktır.
Öncelikle, önde gelen laboratuvarlar arasında, hem kendi modellerinden hem de rakiplerimiz tarafından tasarlanıp konuşlandırılan modellerden kaynaklanan siber ve biyolojik güvenlik risklerini azaltma yöntemleri konusunda daha fazla koordinasyon ve bilgi paylaşımı teşvik edilmelidir. Bu adım, belirli yeteneklere sahip modellerin ne zaman ve hangi koşullar altında konuşlandırılmayacağına dair karşılıklı anlaşmalarla birlikte yürütülmelidir. Bu son kısım, aksi takdirde laboratuvarların, toplumun genelinin hazırlıksız olduğu yeteneklere sahip bir modeli konuşlandırmasına yol açabilecek rekabet baskılarını azaltmak için çok önemlidir. Savunma Üretim Yasası’nın (DPA) VII. Başlığının 708. Bölümü, başkanın özel aktörlerle görüşmesine ve ulusal savunmayı sağlayan bu tür gönüllü anlaşmalar ve eylem planları oluşturmasına izin vermektedir.
Önde gelen yapay zeka modellerinin yarattığı riskler, özellikle ulusal savunmanın yasal tanımı kritik altyapının korunması gibi konuları da kapsadığı için, ulusal savunmayı kesinlikle ilgilendirmektedir. Siber tehditlerin kamu hizmetlerimizi, barajlarımızı, hastanelerimizi ve diğer önemli kurumlarımızı tehlikeye atabileceği federal hükümet için açıkça ortaya çıkmıştır. Siber Güvenlik ve Altyapı Güvenliği Ajansı (CISA), siber saldırılarla ilgili artan endişeler nedeniyle bu tür kuruluşları çevrimdışı çalışma için daha düzenli ve sağlam bir şekilde planlama yapmaya çağırdı. Yapay zeka alanındaki gelişmeler, bu tür planlama ve öngörü ihtiyacını daha da artırabilir.
Bu yetkinin kullanımı ayrıca, başsavcının Federal Ticaret Komisyonu başkanıyla istişare ederek, gönüllü anlaşmanın amacına daha az rekabet karşıtı endişe yaratan alternatif bir yolla makul bir şekilde ulaşılamayacağını teyit edip etmediğine de bağlıdır. Bu ek engel, 708. Madde kapsamındaki gönüllü bir düzenlemeye katılımın, başkan tarafından başlatılan bir girişime katıldıkları gerekçesiyle hukuk veya ceza hukuku kapsamındaki rekabet karşıtı davalarda savunma hakkı sağlamasından kaynaklanmaktadır.
Başsavcı yapay zekâ ile ilgili böyle bir girişimde bulunacak olsaydı, laboratuvarlar arasındaki mevcut bilgi paylaşım mekanizmalarının yeterli olup olmadığını belirlemesi gerekirdi. Bu araştırma onları, önde gelen laboratuvarlara üç konuda yardımcı olan kar amacı gütmeyen bir kuruluş olan Frontier Model Forum’a (FMF) yönlendirirdi: yapay zekâ güvenliği ve emniyeti için en iyi uygulamaları oluşturmak; yapay zekâ bilimini teşvik etmek; ve laboratuvarlar, araştırmacılar ve diğer yapay zekâ paydaşları arasında bilgi paylaşımını geliştirmek. FMF, laboratuvarların değerlendirme metodolojileri gibi standartları ve en iyi uygulamaları tartışmasını yasal olarak sağlayabilirken, forum laboratuvarların belirli yeteneklere sahip modelleri nasıl ve ne şekilde piyasaya sürecekleri konusunda ortaklaşa nasıl koordinasyon sağlamaları gerektiği sorularını ele almaya başlarsa, rekabet hukuku ihlalleri endişe kaynağı olabilir. İşte tam da bu nedenle 708. Madde bu alanda uygun bir şekilde yer alabilir. Firmalar gelecekteki ürün yol haritaları, beklenen yayın takvimleri ve yetenek tahminleri gibi bilgileri paylaştıklarında, daha koordineli ve yoğunlaşmış bir yapay zekâ ekosistemi oluşturarak rekabeti engelleyebilecek davranışlarda bulunuyorlar. 708. Madde kapsamında oluşturulan gönüllü düzenlemeler, laboratuvarları haksız rekabet davalarına maruz kalmaktan koruyor; bu, rekabet düzenleyicilerinin yapay zeka alanına zaten yakından ilgi gösterdiği göz önüne alındığında önemli bir husus.
İkinci olarak, CISA’yı tam kapasiteye geri getirmek gerekiyor. Yönetim daha önce CISA’nın iş gücünün büyük ölçüde azalmasına göz yummuştu. Bütçe kesintileri, kurumun iş gücünün yaklaşık üçte birini (1000 kadar çalışanı) işten çıkarmasına neden oldu. Kalan personel ise, İç Güvenlik Bakanlığı’nın 75 günlük kapanması sırasında ücretsiz izne çıkarıldı . Bu durum, kurumun kapasitesini daha da kısıtladı. Yeni plan, 300’den fazla “kritik görev” pozisyonu için personel alımı yapmaktır. Kapasite artışı, tam da doğru zamanda gerçekleşiyor. CISA Vekil Direktörü Nick Andersen, kritik altyapı kuruluşlarını yıkıcı siber saldırılara karşı hazırlamak için geniş kapsamlı bir operasyon olan “CI Fortify”e öncülük ediyor .
CISA kaynaklarının ve personelinin artırılması, kurumun Siber Müdahale ve Kurtarma Fonu’ndan tam olarak yararlanmasının da önemli bir bileşenidir . Direktör, ulusal güvenlik çıkarlarına veya ABD halkının kamu sağlığı ve güvenliğine somut zarar veren bir olay gibi önemli bir olayın meydana gelme olasılığının yüksek olduğunu tespit ederse, “kuruluşun varlıklarını korumak, güvenlik açıklarını azaltmak ve ilgili etkileri en aza indirmek” için belirli kuruluşlara mali destek sağlayabilir. Yapay zeka laboratuvarları hızla ilerlemeye devam ettikçe, bu tür bir zarar daha erken tespit edilebilir. Ancak CISA’nın yetersiz personeli, bu yardımın dağıtımını etkili bir şekilde yönetemeyebilir. Yönetim, yerleştirilen 300 pozisyonun ötesinde yoğun bir işe alım hamlesi başlatmalıdır.
Üçüncüsü, yine DPA’ya dayanarak, en gelişmiş modellerinin yeteneklerini belirlemek için, yalnızca kurum içinde kullanılanlar da dahil olmak üzere, öncü yapay zeka laboratuvarlarının yeteneklerini belirlemek üzere üç ayda bir anket yapılmalıdır. 705. Madde, başkanın ülkenin endüstriyel tabanının yeteneklerini belirlemek için şirketleri anket etmesine izin vermektedir. Toplanan bilgiler gizli tutulabilir. Federal hükümet daha sonra bu bilgileri politika oluşturmak ve kaynak tahsis etmek için kullanabilir. Yapay zeka laboratuvarları, kurum içinde kullandıkları modellerin yeteneklerini her zaman açıklamayabilir ; bu da hükümeti yapay zekanın sınırlarının nerede olduğunu bilmez hale getirir. Yürütme organı tarafından bu bilgilerin düzenli olarak toplanması, bir laboratuvar daha sonra önemli yeteneklere sahip bir model duyurduğunda federal hükümetin hazırlıksız yakalanma olasılığını azaltabilir. Dahası, bu, hükümetin ABD’nin öncü yapay zeka modelleri geliştirme konusunda rakiplerinin ne kadar önünde olduğunu değerlendirmesine yardımcı olacaktır.
Bu, ülkeyi “anlayış yoluyla egemenlik” duruşuna doğru yönlendirebilecek önlemlerin kapsamlı bir listesi olmaktan çok uzaktır. Bununla birlikte, iyi bir başlangıç noktasıdır ve gelecekteki yasa, düzenleme ve politikalara ışık tutabilir.
Çözüm
“Yapay zekânın mutlak hakimiyeti”nden daha incelikli bir politika duruşuna geçiş, çoktan olması gereken bir değişimdir. Birçok Amerikalı yapay zekâ kullanıyor ve ABD merkezli laboratuvarlar en gelişmiş modelleri geliştirme konusunda dünyaya öncülük etmeye devam ediyor olsa da, kamuoyu muhalefeti belirgindir. Yapay zekâya karşı artan tepki ve daha geniş bir güvensizlik duygusu, yönetimin yapay zekâ hedeflerini tehdit ediyor. Devam eden bir geliştirme için kritik öneme sahip çok sayıda altyapı projesi yavaşlatıldı, durduruldu veya askıya alındı. Yapay zekâ benimsenmesi eşitsiz kalmaya devam ediyor . Bu arada, Çin, yapay zekâ bilimi girişimleri de dahil olmak üzere kendi yapay zekâ ekosistemini geliştirme konusunda istikrarlı ilerleme kaydetmeye devam ediyor. Geçtiğimiz ay , Çin hükümeti, genel yapay zekâ okuryazarlığını artırmayı ve daha da fazla sayıda yapay zekâ uzmanı yetiştirmeyi vaat eden ülke çapında bir yapay zekâ eğitim zorunluluğu ilan etti.
Öğrenilmesi gereken ders açık: Yapay zekâ sistemlerinin yeteneklerini, sınırlamalarını, risklerini ve güvenilirliğini en iyi anlayan ülke, muhtemelen bunları büyük ölçekte kullanıma sunma konusunda da en iyi konumda olacaktır. Bu anlayış, yalnızca piyasa rekabetinden kendiliğinden ortaya çıkmayacaktır. Temel araştırmalara bilinçli yatırımlar, hükümet ve endüstri arasında daha güçlü koordinasyon ve teknik bilgiyi kamu güvenine ve operasyonel hazırlığa dönüştürebilecek kurumlar gerektirecektir.
Yapay zekânın nasıl çalıştığı, neler yapabileceği, dönüştürücü ve sıradan alanlarda en iyi nasıl kullanılabileceği gibi konularda daha derin bir anlayışa sahip olmak, yapay zekâ gelişimine bir kısıtlama olarak değil, sürdürülebilir yapay zekâ liderliği için bir ön koşul olarak görülmelidir.
https://www.lawfaremedia.org/article/dominating-ai-requires-understanding-ai