Akıl Yürütme: Doğal ve Yapay

1:27Bir kez o ampul yandı mı gerisi görecek olay. İkinci seferde kurtu taşıyıp kuzuyu geri getirin, sonra otu taşıyın, sonra da dönüp kuzuyu alarak işi bitirin. Bu noktada telefonunuzu geride bıraktığınızı fark edeceksiniz, sakin olun. Sandalı devirmeyin.

1:40Nehir problemleri olarak bilinen bu bulmacaların kaynağı, Charlemagne'in sarayına davet edilen bir İngiliz rahibin çocukların eğitimi için hazırladığı 53 soruluk bir koleksiyon. Bak 8. yüzyıldaki din adamı, milletin aklı çalışsın, eleştirel düşünce gücü gelişsin diye mantık bulmacaları hazırlamış. İşi bu.

1:58Farklı versiyonlarına daha sonraları başka başka kaynaklarda da rastlanacak. Demek ki insanın merakını cezbeden bir yanı var bunların kültürden bağımsız olarak. Örneğin biraz daha zor bir versiyonunda 3 misyoner ve 3 yamyam nehri geçmeye çalışıyorlar. Sandal yine 2 kişilik.

2:13Sorun şu ki herhangi bir kıyıda misyonerler azınlıkta kaldıkları an yamyamlar onları yiyecek. Kimseyi kimseye yedirmeden barış içinde, kardeşlik içinde karşıya geçmek için minimum kaç sefer yapmanız lazım. Yine hesap gücünden ziyade belli bir kavramsal eşiği aşmanız bekleniyor. Hem önceki gibi dönüş yolunda da birilerini alabilirsiniz, hem de artık sandalı kullanan aynı kişi olmak zorunda değil.

2:36Bu sefer cevabını vermeyeyim, siz bulun. 11, 11, 11, 11... Selam flarsızlar, nasılsınız görüşmeyeli? Dürüst olmam gerekirse epeydir tıkandım.

2:55Bazen oluyor böyle. Yaratıcılığın sıfıra düşüyor. Ekrana saatlerce boş boş bakıyorum. Sonra bir şeyler yapmış olmak için, üretkenmiş gibi hissetmek için evi toplamaya başlıyorum.

3:05Sağ solu tamir etmeye çalışıyorum. Bilgisayarı açıp fanların tozunu almaya başladım. Artık iş o raddeye geldi. 250 bölüm oldu aşağı yukarı.

3:12Onun etkisi var tabii. Biraz yaz programının etkisi var. Tatile çok çıkmadık da gelen çok oldu. Misafirhaneye döndü ev.

3:19Temizlikçimiz de senelik Ibiza tatilinde. Öyle de fantastik bir temizlikçimiz var. Her gün etrafı toplayıp çarşaf yıkıyoruz. Biraz da gündemin etkisi var.

3:28Yani birkaç bölümdür gündemle alakalı şeyler yapmıştım ve olaylar giderek kötüleşiyor. O problemler giderek derinleşiyor. İşte Türkiye'deki hukuksuzluğun ve mutsuzluğun boyutunu çeşitli kıyaslamalarla anlatmıştım mesela. Dalga dalga tutuklamalar, saçma sapan gözaltılar halen devam ediyor, artarak devam ediyor.

3:45Ondan sonra ne yaptık? Amerika'da yaşanan bir istihbarat skandalı vardı. O bahaneyle ne zamandır aklımda olan bir fikri işlemiştim. Dünyanın sandığımızdan daha aptalca yönetildiğine dair.

3:55Onun bir kısmında teknoloji elitleriyle popülist milliyetçiler arasındaki çatışmaya değinmiştik değil mi? Kısa süre sonra ne oldu? Dünyanın en zengin insanı ve dünyanın en turuncu insanı o güne kadar aşk yaşıyorlardı, birbirlerini yere göğe sığdıramıyorlardı. Bir anda sahibi oldukları sosyal medya platformları üstünden kavgaya tutuştular.

4:13Ama öyle böyle kavga değil. Musk diğerinin resmen pedo olduğunu ima etti. Hepstey'in dosyasını atıfta bulunarak. Sonra da hiçbir şey olmamış gibi, ya biraz abarttık sanırım diye barıştılar.

4:24Sonra tekrar kavgaya tutuştular. Mahalle kavgası gibi ama mahalle tüm dünya. O uzun uzun konuştuğumuz ticaret savaşları aynen devam. Gerçek savaşları da devam.

4:33Bu ikisini tek cümlede birleştiren bir tweet okudum demin. Şöyle diyordu. ''Amerikan sanayisi o kadar gerilemiş ki artık kendi irademizi bile üretemiyoruz.'' Manufacturing consent kalıbını kullanmışlar.

4:44Chomsky'nin meşhur kitabına ithafen. ''Propaganda sistemimizi bile offshore ettik. İsrail bizim adımıza savaşa girmemiz için gerekli iradeyi üretiyor.'' demeye getirmiş.

4:52Yani bir kere daldıktan sonra çıkamıyorsun bu konulara. Devam etmek için birkaç şey hazırladım, içim darala darala ve onları da beğenmedim. Hani resim yapıp resmini beğenmeyen, buruşturup atan dahi sanatçı pozları keseceğim ama buruşturup atacağım bir şey yok. Delete tuşuna basıyorum, o kadar.

5:07Aynı etkiyi vermiyor. Ben içgüdülerime güveneyim arkadaşlar. Sizi daha sakin bir paralel evrene ışınlayayım. Tüm bu konulardan önce kaldığımız bir nokta vardı.

5:16Akıl yürütmesini beceren yeni yapay zekalar gündem olmuştu, onu konuşuyorduk. Biraz önceki bulmacaları mesela sadece bir sene önce ChatGPT'ye sorduğunuzda çözemiyordu. Üstelik internette dünya kadar yazılı örneği olmasına rağmen onları hatırlayarak ikna edici bir şekilde başlıyor ama bir yerlerde bir kelimeyi yanlış tahmin etse gidişat bozuluyor. Yoldan çıkan bir karınca yüzünden onun kokusunu takip eden diğer tüm karıncaların da yoldan çıkması gibi.

5:41Hele hele soruda ufak bir değişiklik yapsanız. Sandalın yeterince büyük olduğunu, herkesi birden taşıyabileceğini söyleseniz, insanlar bu yeni şartlara hemen adapte olurken, makineler eski bildikleri kalıpları takip etmeye devam ediyorlardı. Burada geçmiş zaman kipi kullanıyorum çünkü yeni modeller farklılar. Bir balıkçının kurtla ne iş olur arkadaş, evcil hayvan mı bu diyemiyorlar henüz.

6:02O kadar ukala değiller ama karmaşık problemleri çözülebilir parçalara ayırabiliyorlar. Amacımız ne? Kim kimi yiyor? Bunları bir tekrar ederek işe başlıyorlar.

6:11Sonra kendi kendilerine soruyorlar. Acaba şunu denesek olur mu? Olmazsa neden uygun olmadığını yazıp geri dönüyor, başka bir şey deniyor. Bir anlamda sesli düşünerek problemi çözüyorlar.

6:21Bunları gördük. Şansına geçen günlerde Apple araştırmacıları epey yankı uyandıran bir makale yayınladılar. Düşünme İllüzyonu isimli. Kısaca bu akıl yürütme modellerinin akıllı filan olmadıklarını, hiçbir şey yürütmediklerini, sadece çok ileri bir örüntü tanıma sistemi olduklarını iddia ediyorlar.

6:38Tabii bu da insanın akıl yürütmesinin farklı olup olmadığı hakkında bir tartışma başlattı. İnsan gibi akıl yürütmek ne demek? Bunun üstünde bir fikir birliği yok. Ben de bu tartışmalardan gaza gelerek, bu makaleden gaza gelerek konuya dönmek istedim.

6:52Dur dur ya ne oluyor? İntroyu yapmıştık zaten. Normal devam ediyoruz. Şimdi, bazı problemler sistematik biçimde çözülebilir.

7:00Tek yapman gereken belli kuralları takip etmek. İki büyük sayıyı çarpmak gibi, haritada iki nokta arasındaki en kısa yolu bulmak gibi. Yavaş olabiliriz ama yöntemini bildiğimiz için çalıştıkça adım adım cevaba yaklaşırız. Nehir problemlerinde ise böyle sürekli ilerlemek zor.

7:16Bir noktada probleme yeni bir açıdan bakabilmek gerekiyor. Herhangi bir hile yapmadan kuralların izin verdiği bir şeyi fark etmek gerekiyor. Kendi üstümüzde deneyelim bir kez daha. Artık sandal mandal yok, devir değişmiş, nehre köprü yapmışlar.

7:30Fakat pek sağlam durmuyor. Aynı anda sadece iki kişiyi taşıyabiliyor. Sizse dört kişisiniz. Normalde bu bir sorun olmazdı tabii ama hava kararmış ve yanınızdaki tek ışık kaynağı yıllardır cebinizde taşıdığınız meşale.

7:43Arkadaşlarınız hep dalga geçiyorlardı, işte sonunda işe yaradı. Yalnız sadece 15 dakika yanabiliyor. O süre içinde hepinizin karşıya geçmiş olması lazım ve tabii herkes aynı hızda yürümüyor. Grubun en hızlısı sizsiniz.

7:551 dakikada geçiyorsunuz karşıya, diğerleri ise 2, 5 ve 8 dakikada. Soru basit. Hangi sırayla geçeceksiniz? Herhalde herkes gibi benim de ilk aklıma gelen en hızlı kişiye meşaleyi verip herkese teker teker eşlik etmesi.

8:09Sırasıyla 2, 5, 8 dakikada geçecekler. Toplam 15. Yalnız iki dönüş seferini ekleyince 17 ediyor, o yüzden olmadı. En yavaş ikiliyi beraber yollasak bu sefer meşalenin geri gelmesi uzun sürecek.

8:23Yine tıkandık. Ta ki misyoner yamyam problemine epey benzediğini fark edene kadar. sandal yerine meşale gidip geliyor. Dolayısıyla onu hep aynı kişi taşımak zorunda değil ve insanlar da aynı yolu iki defa gidebilirler.

8:36Bu kadar ipucu yeter mi? Önce hızlılar beraber geçsin. Bir tanesi dönsün sonra. Hangisi fark etmez.

8:42Siz dönün mesela. Meşaleyi devredin ve şimdi en yavaş ikili beraber geçsin. İlk seferde karşıya gidip orada kalmış diğer hızlı koşucu meşaleyi size geri getirecek. Son bir defa tekrar birlikte geçeceksiniz.

8:55Sadece bir değil, iki kişinin geri dönüp aynı yolu tekrarlaması biraz ters geliyor ama yolculuğu 15 dakikaya sığdırmanın tek yolu bu. Bence biraz daha zor bir problem olmasına rağmen eminim aranızdaki doğru cevap oranı şimdi daha yüksekti. Çünkü artık aramanız gereken şeyi biliyorsunuz. Ampulü yakacak düğmeyi elinizle yoklayarak bulabiliyorsunuz.

9:15Peki gerçekten de bir ampul şart mı? Aslına bakarsanız gayet aptal makineler de bunları çözebilirler. İlla insan zekasına gerek yok. Kuralları net biçimde tanımladığınız sürece problemlerdeki olası durum sayısı sınırlı.

9:29Sadece birkaç yüz tane geçerli hamle sekansı var. Tek tek denesinler. Ya da daha iyisi bir gram daha zeka ekleyelim. Bu işler için uygun algoritmalar var.

9:37BFS gibi. Öyle rastgele harfleri sıralayayım ne bileceksiniz. Bunlar tüm seçenekleri tüketmeye gerek kalmadan en iyisini, en hızlısını, neyse artık problemin istediği şey, onu buluyorlar. Hem de her defasında.

9:50Zaten millet onları öğrensin diye bu örnekler programlama eğitimlerinde popüler. Yani nasıl ki hesap makinesi toplama çarpmayı hızla yapıyor, bu problemleri de hızla çözen basit araçlarımız var. Bu açıdan sıkıcılar. O araçları kullanmadan çözmeye çalıştığımızda bize ilginç geliyor problemler çünkü pratik zekamızı kullanmaya yelteniyoruz ve onlar da pratik zekamızın sınırları dışında kalacak şekilde tasarlanmışlar.

10:13Dolayısıyla bakıp bakıp bir anda edindiğimiz o içgörü, o aha anı aslında kendimize getirdiğimiz kısıtları açtığımız an. Bizim esas numaramız esnekliğimiz. Bir kere o araç gereçleri yapan biziz. Oradan belli oluyor.

10:27Bir de şöyle bakabiliriz. Demin bir şey söyledim. Kuralları net biçimde tanımladığınız sürece dedim. Ama hayat karmaşık, her kural belli değil.

10:35En meşhur içgörü problemi tam da bu belirsizlik hakkında. Telefon tuşları misali 3'e 3 dizilmiş toplam 9 noktayı gözünüzde canlandırın bir. Elinizi kaldırmadan, sadece 4 çizgi çizerek tüm noktaları birbirine bağlayabilir misiniz? Başka bir şart şurt yok, şu ana kadarki en basit soru.

10:52Yine durdurum kaydı isterseniz, ben beklerim sorun değil. Normal bir çözümü olmadığını çoktan tahmin ettiniz. İlla ki bir nokta dışarıda kalacak. Şimdi noktaları hayal etmek yerine bir kağıda çizin.

11:03Ama kağıdın ortasına değil, bir köşesine. Ne yapmış olduk? Görsel sınırlarımızı genişletmiş olduk. Aha!

11:10Çizgileri noktaların ötesine de uzatabileceğinizi fark ettiniz. Artık hepsinin üstünden geçecek açıları yakalamak mümkün. Yaklaşık yüzde beşimiz, yüzde beşimizden biraz azımız herhangi bir yardım olmadan kelimenin tam anlamıyla kutunun dışında düşünerek çözümü görüyorlar. Zaten bu İngilizce kalıbın, kutunun dışında düşünmenin kaynağı bu bulmaca olabilir.

11:30Azıcık bir ipucu aldık mı başarı oranımız epey yükseliyor. Hatta şimdi başka bir soru sorsam, çözüm için mesela kağıdı kıvırmanız gereken bir versiyonunu sorsam, eminim birçoğunuz onu da başaracak. Bir başka deyişle ampulün yanması bazen zor olabilir ama bir kez yandı mı sadece o odayı değil tüm evi aydınlatabiliyor. Basit araçlarımızın böyle bir esnekliği yok.

11:52Noktaları temsil eden sayıların ötesinde bir şey yok ki. Çizgiyi uzatsınlar, kağıdı kıvırtsınlar, uzayı büksünler. Özel olarak programlamadıkça o eşiği kendi kendilerine geçemiyorlar. Ama bugüne kadar geliştirdiğimiz araçlardan bir tanesi bu esnekliğimizi, dünya hakkındaki bilgilerimizi epey iyi taklit ediyor.

12:10Çünkü yazıp çizdiğimiz her şeyi hatmetmek için geliştirilmiş. Tekrar geldik büyük dil modellerine. Ben de deminki problemler hakkında ChatGPT ile birkaç saat süren muhabbetler yaptım. Birkaç saat sürdü çünkü soruları sormakla kalmadım.

12:24Farklı stratejileri konuştuk. Onları hiç görmemiş bir doğal dil modelinin performansını tahmin etmesini istedim. İnsanların yaklaşımıyla kıyaslamasını istedim. İstedim de istedim.

12:34Bayağı bir konuştuk. Arada yemek tarifi hissetiyorsun falan da istedim. Hazır yakalamışken. Bunları da sadece o anda kendisiyle konuştuğunu sanan insanlar vardır kesin.

12:42Hazır yakalamışken her şeyi sorayım diyorlardır. Bir yandan baya etkileyiciydi. Çünkü eskisi gibi ansiklopedik cevaplar yerine yaklaşımını net biçimde parçalara bölüyor, açıklıyor. Kodunu yazayım, resmini çekip çerçeveletelim.

12:55adeta hizmet aşkıyla yanıp tutuşuyor. Yalnız bir yandan da klasik sorunlar devam ediyor. Örneğin, 9 nokta problemini konuşurken bilerek kendisini o noktalarla sınırlamasını istedim. Dışarıda bir dünya olduğunu bilmediğini farz etmesini istedim.

13:09Başlangıç adımı olarak çizebileceği alt tarafı 28 farklı çizgi var. Ne zaman pes edeceğini merak ediyordum. Fakat garip bir şekilde 16 farklı çizgiyle başlayabileceğini söyledi. 16 diye kestirip atmıyor, açıklıyor da güzel güzel.

13:22Biraz ara verdim, yeni bir muhabbet açtım. Bu sefer neredeyse aynı açıklamalarda 30 dedi. Google Gemini'nin vardığı sonuç 62 idi sanırım. Kendimden şüphe etmeye başladım ya, tekrar tekrar sayıyorum.

13:32İşin komik yanı, ya 28 değil mi işte bak böyle saydım diye adım adım anlatınca, vay süpersin hocam, ince görmüşsün. Siz insanların eline su dökemem valla diye yıkama yağlama moduna geçiyor. Ya hatırlıyor musunuz acaba, South Park'ın yıllar önce şahane bir bölümü vardı. Japon bir şirket, Pokemon oyuncaklarının içine gizli sesli mesajlar yerleştirmiş, çocukların beynini yıkıyor.

13:54Onları askere yazdıracaklar, Pearl Harbor'ın intikamını alacaklar. Ne zaman ebeveynlerden biri mesajları duyup şikayet etse, şirketin yetkilileri gelip çeşitli övgülerle konuyu dağıtıyordu. Bizim yapay zekalar da böyle aptala yata yata dünyayı ele geçirmek üzere olabilirler. Bu adamın çok büyük bir penisesi var.

14:15Ama burada daha genel bir problem var. Hafızayla akıl yürütmeyi ayıklamanın zorluğu. Neyi hatırladığı için yaptı, neyi akıl yürüterek yaptı. Ha bir dereceye kadar bizde de aynı durum söz konusu.

14:26Bunlar hep birbirinin içine geçmiş şeyler. Sonuçta hiçbir şey hatırlamadan akıl yürütemeyiz zaten. Ama doğduğumuzdan beri görüp duyduğumuz şeyler epey sınırlı. Ya ben bu problemi hakikaten görmedim deyince inanıyoruz insanların çoğuna.

14:38Dil modelleri ise her konuda olduğu gibi bu bulmacalar hakkında da binlerce metin okuyarak yetiştiler ve oradaki düşünce kalıplarını kullanıcıya, ''Ha dur bir dakika, şimdi buldum.'' diye yansıtacak şekilde eğitildiler. İlk tepkimiz ne öyleyse? İnternette olmayan bir dizi bulmaca hazırlamak.

14:54O şekilde ölçmek bunların kabiliyetini. Ama düşünüyorum da esas mesele o bile değil. Yani internet değil. Ortada şöyle bir paradoks var.

15:02Bir problem tipi ne kadar orijinalse, ne kadar işlevselse o kadar kısa sürede işlevini kaybedecek. Çünkü her ekip o eşiği geçmek için yarışacaklar. Bunun en kısa yolu da onları benzer sorularla eğitmek. Kimsenin soruları internete sızdırmasına gerek yok.

15:17Test sürecinde bulunan insanlar onları hatırlasalar yeter. Ertesi gün benzerlerini modele yedirmeye başlayacaklardır. ARK diye bir test vardı. Onun ilk versiyonuna böyle oldu.

15:26İnsanların kolayca yapabildiği bir görsel akıl yürütme testiydi. Bizim IQ testlerindeki görsel sorulara benziyordu. Yapay zekaların performansı rezal etti. Zamanla skor enflasyonu oldu.

15:37Özellikle bu akıl yürütme modellerinin performansı çok kısa süre içinde artarak insan seviyesine geldi. Şimdi bunu nasıl yorumlayacaksın? Ortada gerçek bir gelişmenin olduğunu düşünebilirsin. Yahut modellerin eğitiminin o sınavı geçmek üstüne kurulu hale geldiğini düşünebilirsin.

15:53Bizim gerçek eğitim sistemimiz gibi. Hangi yorumun doğru olduğunu nasıl belli olacak? ARK testinin bu sene çıkan ikinci versiyonuyla belli oldu. Prensip yine aynı, bir takım gizli sorular var, görsel sorular.

16:04Yine insanlardan oluşan küçük grupların başarı oranı %100. Hatta bazı bireyler, tek başına yarışan bireyler tüm soruları doğru cevaplayabiliyorlar. Modellerin başarısı ise tekrar %0'lara düştü. En son baktığımda %5'in üstünde skoru olan yoktu.

16:19Şimdi ARK 1 ve ARK 2 arasında insan performansı açısından fark yok ama yapay zeka performansı açısından dünya kadar fark var. Demek ki makul yorum bunların henüz esnek bir akıl yürütme kabiliyeti kazanmadıkları yönünde olur. O dönem popüler olan teste göre, bençmarka göre optimize edilmişler sadece. Tamam, artık Apple araştırmacılarının şu meşhur makalesine gelebiliriz.

16:41Arka planımız hazır. Meşhur diyorum çünkü yayınlanınca hem alandaki uzmanlar kritiğini yapmaya koştular hem de clickbait başlıklar sayesinde genel medyada yayıldı. Araştırmacıların yaklaşımı ARK testinin yaratıcılarınınkinden farklıydı. Tamamen orijinal ve gizli bir test hazırlamıyorlar, onun yerine deminki gibi bulmacıları sorup düşünce tokenlarına yani modelin iç seslerine bakıyorlar.

17:05bulmacaların bir özelliği var yalnız, karmaşıklık seviyesinin kolayca ayarlanabilmesi. Mesela o yamyam bulmacasını 3'er değil de 4'er 5'er kişiyle, 4'er 5'er çiftle tekrarlayabilirsiniz. Sandalın kapasitesini de arttırdığınız sürece. Aynı sandalla çözüm imkansız.

17:20Efendim, kıyılar arasına bir ada yerleştirebilirsiniz. Geçici durak olarak kullanılabilecek. Bu tip ufak değişimler hem problemin zorluğunu arttırır hem de modelin hafızasına olan bağımlılığını azaltır. Yani evet, klasik versiyonları binlerce defa anlatılmış ama bu zor versiyonlarındaki stratejileri anlatan metinler yaygın değil.

17:39O çözümleri kendi akıl etmesi lazım diye düşünüyorlar. Yeni bir örnek üstünden gidelim. Makalede kullanılan ve bizim henüz görmediğimiz Hanoi Kulesi üstünden. Hanoi Kulesi, klasik bir programlama egzersizi.

17:51Belki oyuncak halini görmüşsünüzdür. Tahtadan yapılıyor genelde. Yan yana 3 tane dik çubuk var tahtadan. Onların içine geçen farklı büyüklükte diskler var.

18:00Başlangıçta tüm diskler sırayla ilk çubuğa geçirilmiş. Piramit gibi, kule gibi daha doğrusu duruyorlar. En alttaki en büyük olacak şekilde. Oyunun amacı tek tek kaldırarak diskleri en sağdaki çubuğa aynı sırayla dizmek.

18:13Yalnız önemli bir kural var. Hiçbir zaman disklerden biri daha küçük bir tanesinin üstünde duramaz. Ya boş bir çubukta duracak ya da altında daha büyük diskler olacak. Örneğin 2 diskli hali kuralları anlamak için kolay.

18:26Küçük diski alıp orta çubuğa koyacağız, sonra büyük diski sağ çubuğa, sonra da küçük diski orta çubuktan sağ çubuğa. Tabi pek zevkli bir oyun değil. Genelde giriş seviyesi 3 diskli halinden oluşuyor. Onu çözmek için gereken minimum hamle sayısı 7.

18:40Muhtemelen gözünüzde canlandırarak çözersiniz. 4 diski de zar zor gözümde canlandırarak çözebiliyorum. Orada en kısa çözüm yolu 15 hamle. Fakat ötesinde zorlanıyorum.

18:50Çünkü eklenen her disk çözümün uzunluğunu ikiye katlıyor. 10 diskle oynuyorsak mesela, tam 1023 hamleden oluşan doğru sekansı bulacağız. O da sayısız alternatif arasından. Başta akılcı gözüken birçok dizinin sonu çıkmaz sokak.

19:05Kısacası problemi zorlaştırmak kolay. Makalenin bulguları şöyle. Kolay soruları tüm modeller şak diye çözüyor. Muhtemelen ezberden çözüyorlar.

19:14Orta seviye zorlukta akıl yürütmek için eğitilmiş modeller daha başarılı. Çünkü problem zorlaştıkça daha çok düşünüyorlar, tıkandıkları yerden dönüp çözüyorlar. Güzel. Yalnız belli bir zorluk seviyesine gelince performans bir anda çakılıyor.

19:28Performans derken de sadece doğru cevap oranı değil, düşünce tokenları da çakılıyor. Pes ediyorlar resmen. Daha da kötüsü, çözüm yolu kullanıcı tarafından verildiğinde dahi onu takip edemiyorlar. Dolayısıyla bunlar halen epey aptallar.

19:41Vardıkları sonuç bu. en azından verilmiş çözümü takip edebileceklerini düşünürdüm. Detaylara ineyim dedim. Zaten şüpheliydim araştırmanın kaynağı Apple olduğu için.

19:50Yapay zeka yarışında en geride kalmış oyuncu bunlar. Tam da kendi çıkarlarına olacak bir sonuca varmışlar. Ne tesadüf. Birkaç sorun var.

19:58Bazıları teknik sebepler. Onlar çok ilginç değil. Aslında ilginç. Yani araştırmanın ne kadar yanlı bir şekilde yapıldığını açıklamak için zor sorular soruyorlar.

20:07Açıklaması çok uzun sürecek. Fakat yeterli kontekst window'u vermemişler. Bir başka de işte diyorum ki sadece 10 kelime konuşabilirsin, bana suç ve cezayı anlat. Başkaları deneyleri tekrarlayınca daha yüksek konteks windowlarla daha başarılı sonuçlara varmışlar.

20:21Bilimin güzel yanı bu zaten. Yani bir saçma sapan makale yayınlayınca da deneyin şartlarını şeffaf biçimde açıkladığı sürece onu tekrarlamaya çalışıyor insanlar. Yalnız burada daha ilginç sorunlar var. Dediler ya hani, zorluk seviyesi artınca bir anda düşünmeyi bırakıyor diye.

20:35İnsanların da böyle olmadığını ima ediyorlar. Kendinizi düşünün bir. Bana basit bir soru sorsa, ismimi sor, ne giyiyorsun diye sor, nerede yaşıyorsun, hepsinde de yalan söyleyeceğim. 2 artı 2 ne diye sor mesela.

20:46Bunların hepsini ezberden söylüyoruz. Birazcık zorluk seviyesini arttırınca ezberle akıl yürütme karışık gidiyor. Ama çok zor bir soru sorarsan, beş buçuk milyarın karesini al gibi bir şey söylesen, bir saniye düşünürüm sadece. Ulan ben bunu hayatta yapamam derim.

21:01Ondan sonra da bırakıp giderim. Yani zorluk seviyesi arttıkça düşünce süresinin de artması, akıl yürütme süresinin de artması tamamen yanlış bir varsayım. Biz de böyle davranmıyoruz. Şimdi bir seviye daha derine inelim.

21:13Hanoi Kulesini bilerek seçtim. Makalede kullanılan tek örnek bu değildi çünkü. Ama bu çok güzel bir örnek. Test içinde başka bir saklı test var.

21:21Disk sayısı arttıkça bir yandan ikinci bir akıl yürütme devreye girecek. Dur bir dakika ya, bir şeyler tanıdık geliyor diyeceksin. Çünkü elindeki problemin çözümü kısmen önceki versiyonun çözümünden oluşuyor. Dört tane disk taşıyacaksınız diyelim.

21:35Bu problemi birkaç parça halinde düşünün. Birinci kısım ilk üç diski orta çubuğa taşımaktan oluşuyor. Sonra kalan en büyük disk sağ çubuğa kaydırılacak. Bu zaten tek hamle.

21:45Ondan sonra ortadaki o üç diski yine bu büyük diskin üstüne taşıyacağız. Demek ki problemin üç diskli versiyonunu çözmüşseniz aynı hareketleri bu sefer iki defa tekrarlayacaksınız, o kadar. Tüm bu hareketler de beş diskli versiyonunun çözümünün parçaları olacak. Böyle de gidecek.

22:02Artık korkacak bir şey yok. İsterlerse bin tane disk taşıyın desinler. Hesap açısından karmaşıklık artıyor, evet. Bizim kapasitemizi aşıyor.

22:10Ama mantıksal zorluk seviyesi hep sabit kalacak artık. Dolayısıyla buradaki esas test, recursion ile genel bir çözüme ulaşılabileceğini anlamak. Bir prensip ortaya sürebilmek. Bu modeller peki recursion'ı en kolay nasıl ifade edecekler?

22:24Bilgisayar koduyla. Bunu da yapabiliyorlar. Herhangi sayıda bir disk içeren Hanoi Kulesi'ni çözen kod yaz desen anında yazıyorlar. Hatta bu diskleri oynatan bir animasyon programını desen yapacaklar.

22:35Fakat araştırmacılar modelin kendini bu şekilde ifade etmesine izin vermemişler. Herhangi bir alet edevat kullanmasına izin yok. Bu önemli bir karar. Demin dedim ya bize de zor bir matematik sorusu sorsan tıkanırız dedim.

22:47Aslında bu tam doğru değil. Elimiz hesap makinesine gidecek. Çeşitli prensipleri kullanabilmek için araçlar geliştirmişiz. İşin ameliyatını onlar yapıyorlar.

22:55Biz aptal mıyız şimdi? Yani düşünsene bir maymunu IQ testine sokuyorsun. Çaktırmadan telefondan cevaplara bakmaya çalışıyor. Arkadaşını aramaya çalışıyor neyse.

23:04Sonra telefonu elinden alıp fırlatıyorsun. Sınavdan çakıyor. Aptalmış bu hayvan diyorsun. Maymunda sorun yok.

23:10Senin testinde sorun var. Tabii araştırmacıların neden böyle alet edevat kullanmayı yasakladıklarını da anlıyorum bir yandan. Başta bahsettiğim o genel engele takılıyorlar çünkü. Hafızayla akıl yürütmeyi ayıklamaya çalışıyorlar.

23:22Sonuçta internet o kod örnekleriyle dolu. Recursion kavramını anlatan hem de tam da bu bağlamda anlatan metinlerle dolu. Chat GPT gayet güzel anlatıyor. Ama o anda aha deyip recursion'u çözdüğü için değil, eğitimin de öğrendiği için.

23:36Kısacası arkadaşlar, bu araştırmanın detaylarına bakınca vardıkları sonuca varmak imkansız. Ama sadece o değil, öyle bir sonuca varabilecek bir araştırma tasarlamak da çok zor. Onu anlıyoruz esas. Emin olamıyorsun yani hiçbir zaman.

23:51Bu da beni, belki de varabileceğimiz en genel sonuca, çıkarabileceğimiz en genel derse getiriyor. Neden bu testlerle uğraşıyoruz? Ya yıl olmuş 2025. Bu alanda geçen her sene normalde 7 yıla denk geliyor biliyorsunuz.

24:04Epey zaman geçmiş yani. Hala, efendim test ettik gerçekten de akıl yürütemiyorlar demenin manasını anlamıyorum ben. Sen ben yazarız, konuşuruz, onlar başka. Ama endüstrideki profesyonellere yönelik makale olarak yayınlamak acayip.

24:18Kaç kişi var ki böyle direten? Hayır akıllılar tam da bizim gibiler diye direten. Epeydir bu konudaki felsefi tartışmaları uzaktan takip ediyorum. Öğrendiğim bir şey varsa o da tartışmaların büyük kısmının insanların aynı kelimeleri farklı şeyleri ifade etmek için kullanmasından kaynaklanması.

24:35Akıl yürütme, zeka, yaratıcılık bunların hiçbirinin belli bir tanımı olmadığı gibi kendimiz de tutarlı biçimde kullanmıyoruz. Meseleyi biraz daha objektif biçimde çerçevelemeye çalışmak daha verimli olacak. Örneğin, ''Yapay zeka gerçekten de akıl yürütüyor mu?'' yerine ''Bizim akıl yürüterek hallettiğimiz işleri ne kadar iyi beceriyorlar?'' diye sormak daha pratik.

24:56Akıllı ve yaratıcı bir insanın yaptığı işlerin ne kadarını devredebilirim? Kendisine verilmiş bir hedefe ulaşmak için çok adımlı planlar yapıp elindeki araçları etkili biçimde kullanabiliyor mu, kullanamıyor mu? Esas kıstas bu. Uzun zamandır bu milyar dolarlık dil modellerinin mesela dört işlemde ne kadar kötü olduklarıyla dalga geçiyordum.

25:15Ama bir hesap makinesi kullanmaya başladıkları an o kahkahalar yerini gergin gülümsemelere bıraktı. Uzun uzun kompozisyonlar yazmasına rağmen tek bir cümledeki kelimeleri bile sayamıyor dedik. E basit bir kelime sayıcı programı ile entegre ettin mi iş bitti. Türlü türlü araca erişimleri var artık.

25:32Bakın daha şimdiden videoların ve podcastlerin çoğunu neredeyse hiç insan kontrolü olmadan yaratabilecek seviyede olduklarına inanıyorum şahsen. Notebook Elem'in bir demosu vardı. İstediğin makaleyi, videoyu, kitabı yüklüyorsun. Onu gayet düzgün bir şekilde özetlediği yetmiyormuş gibi iki tane yapay sunucunun konu hakkında gayet doğal bir muhabbet yürüttüğü bir podcast bölümü yaratıyordu.

25:54Shark diye. Ve bu geçen senenin teknolojisi. Şimdilik daha standart, biraz daha düz içeriklerde sırıtmadan çalışıyor ama 2-3 sene içinde nerede olacak? Benim bu araya sıkıştırdığım saçma sapan göndermeleri de Beyhan Budak esprilerinde taklit edecektir.

26:10Düşünce işçilerinin işsiz kalması için illa gerçekten de düşünen makinelere ihtiyacımız yok. Düşünürmüş gibi yapanları yeterli. Bu yeni dünyada insanın işi üretimden ziyade üretilenleri kontrol etmeye evrilecek denir hep ama ben ondan da şüpheliyim. Zira işin kontrol kısmı da büyük ölçüde otomatize edilebilir.

26:29Tek bir yapay zeka ile sınırlı değiliz ki. Bir tanesi mesela işimiz için ayrıntılı bir rapor çıkardı ve bir diğeri de o raporlardaki kaynakları kontrol etmek için uzmanlaşmıştır. Fact-checking robotudur. Bir başkası hukuki sorun teşkil edebilecek kısımları işaretlemekle görevlidir.

26:44Bir başkası raporun anlaşılabilirliğini veya önceki raporlarla uyumunu kritik etmek için eğitilir. Orijinal raporu üreten de o eleştirileri dikkate alarak yeniden yazar. Bizim işimiz ne olacak? Herhalde kontrolörleri kontrol etmeye dönüşecek.

26:59Ne demiş şair? ''Unutulanlar unutanları asla unutmazlar.'' Al işte bu salak espriyi yapmak için illa mükemmel bir insan zekasına gerek mi var şimdi? Tamam, işin pratik kısmını anladık da yine de herhalde aklınızın köşesinde bir yerde bu soru devam ediyordur.

27:15İyi hoş da hakikaten de düşünüyor mu bunlar? Bir cevap ver. Bu soruyu insanın neyi farklı yaptığına odaklanmak için bir bahane olarak kullanabiliriz. Mevcut dil modellerini bir korelasyon makinesi olarak düşünmek lazım.

27:28Yani kelimeleri, görselleri, kavramları sayılarla temsil ediyorlar. Her birini bir sürü sayıyla, yüzlerce, binlerce sayıyla. Ve bu sayı dizileri arasında ilişkiler bulmaya çalışıyorlar. Bunu Flarsız Felsefe kitabında da yazmıştım.

27:42Örneğin, Chad G. Peaty, düşmek kelimesinin manasını muhtemelen bilmiyor. Onun bildiği şey, düşmek ile diğer kelimelerin arasındaki sayısal ilişkiler. Düşmek, kalkmak, alçalmak, yükselmek.

27:54Böyle benzerlikler olduğunu biliyor. Bunlar sadece zıttık ilişkisi tabii. Onun gibi binlerce farklı matematiksel ilişki kuruyor. Ve bu ilişkileri bağlama göre değiştirebiliyor biraz.

28:04Biz de aynısını yapabiliyoruz ama bunun yanında yıllardır edindiğimiz düşme tecrübesini de işin içine katıyoruz. Bizim için düşmenin başka kelimelerle başka kavramlarla açıklanmayan, sırf kendisine bağlı bir tarafı da var. Yüksek bir yerden düşünce örneğin korku hissi, içimizin çekilme hissi, efendim yere düşünce yaşadığımız acı, yani işin subjektif tecrübe kısmı temeli oluşturuyor. Yapay zekada bu kısım yok.

28:30Kavramların temeli yok, bir çapası yok. Korelasyon makineleri oldukları için, korele ettikleri şeyde sembollerimiz olduğu için, onların işaret ettikleri şeyler arasındaki gerçek ilişkileri bilmiyorlar. Örneğin battaniye satışlarıyla kar tatilleri arasında kuvvetli bir bağ var diyelim. Biri artınca diğeri de artıyor.

28:48Bu ilişkinin gerçek doğasını hayat tecrübenizden biliyorsunuz. İkisi de kış aylarının bir sonucu. Bir yapay zeka içinse battaniyeler kar tatiline sebep oluyor olabilirler veya tersine kar tatillerinin artışı battaniye satışlarına arttırıyor olabilir. Onun açısından ikisi de aynı oranda geçerli.

29:05Bizim akıl yürütmemizin farkı her türlü sembolü temellendiren o subjektif tecrübelerimizi zaman içinde edinmemiz. Onları bir zaman çizgisine oturtabilmemiz. Böylece nedensellik ilişkileri kurabiliyoruz. Bu arada nedenselliğin gerçek olup olmaması ayrı bir mesele.

29:20Onun hakkındaki felsefi tartışmaları işlemiştik daha önce. Ama en azından öyleymiş gibi yapmak, dünyayı öyle modellemek mümkün ve bu işe yarıyor. Bu sayede sadece olan bitene mahkum değiliz. Kafamızda senaryolar kurabiliyoruz.

29:33Şu olmasaydı nasıl olurdu diyoruz. Eğer boşluğa adımımı atmasaydım düşmeyecektim. Düşmeseydim ayağım kırılmayacaktı. Ayağım kırılmasaydı canım acımayacaktı.

29:44Bu farazi senaryolar nedenselliği netleştirmemize yardımcı oluyor. Aynı zamanda doğru seviyedeki nedensellik ilişkilerini kurmamıza yardımcı oluyor. Yani biraz düşünürseniz, ayağımı kırdıktan sonra duyduğum o acıyı meydana getiren bir sürü sebep var. Yer çekiminin açıklaması olan gravitonlardan tut, beynimdeki nörotransmitterlerin yapısına kadar milyon tane şey var.

30:06Neden canın acıyor diye soran birine tüm fizik ve biyoloji ansiklopedilerini baştan okumuyoruz. O anki en alakalı 1-2 sebebe odaklanabiliyoruz. Düştüm kırdım işte kardeşim ambulans çağır diyoruz. Aha!

30:18Buldum işte bu andan bahsediyorduk ya. Bunun en ünlü örneğini düşünün. Tarihteki en ünlü örneği herhalde Arşimet'e aittir. Biliyorsunuz günün birinde hamama girince bir anda suyun kaldırma kuvvetini anlamış.

30:30Öyle denir genelde. Ve aşırı dozda dopamin yüzünden çırılçıplak dışarı çıkmış sokaklarda koşturmuş. Hikayenin sonu bu aslında. Öncesine bakmak lazım.

30:39Arşimet'in çözmeye çalıştığı mesele, aklında olan mesele altından yapılma şeylerin saflığını anlamaktı. Siracus'un kralı taç yapsınlar diye birilerine bir miktar altın vermiş. Yapıp getirdikleri taç hakikaten de güzel ve verdiği altınla aynı ağırlıkta ama ya içine gümüş karıştırdılarsa diye şüpheleniyor. Birkaç gram altın çalıp birkaç gram gümüş koymuş olabilirler.

31:00Tac'ın hacmini değiştirecektir tabii bu ama kim fark edecek ki? Arşivet onun yolunu buluyor işte. Fark ettiği şey taşan suyun her türlü cismin hacmini ölçmekte kullanılabileceği. Önce Tac'ı sonra da aynı ağırlıktaki som altını batır, farklı miktarda su taşıyorsa Tac farklıdır, hile yapmışlardır.

31:18Şimdi cisimlerin hacmini, suyun davranışını, üç boyutlu uzayın nasıl davrandığını bilmeyen bir zekadan aynı mantıksal sıçramayı yapmasını bekleyemeyiz. Bambaşka şeyler arasındaki o analojiyi kurması için o tecrübeler şart. Ha, ne olabilir? Onları bedenlendirirsek, bir robot içine veya iyi bir sanal gerçeklik içine koyarsak ve o dünyaları algılamalarını sağlayacak duyular verirsek, o duyuları da mevcut bilgileriyle harmanlamalarını sağlayacak yeni mimariler üretirsek, belki bizim gibi subjektif tecrübeye sahip olmayacaklar ama en azından o nedensellik ilişkilerini en temelden kurmaya başlayabilirler.

31:56Ve bu sayede bizim gibi akıl yürütebilirler, iyisiyle kötüsüyle. Evet flarsızlar, bu akıl yürütme konusunun sonuna geldik diyecektim. Fakat çok uzun zamandır sizinle beraber olmamamızın etkisiyle de şöyle ilginç bir şey yapayım dedim. Bir bonus kayıt ekleyeyim.

32:45Zira tüm bu muhabbetlerin çıkış noktası ta Ocak ayında gündeme bomba gibi düşen DeepSeek firmasıydı. Başta da dediğim gibi onun hakkında bir bölüm yapmıştım zaten ama getirdikleri teknik yeniliklerden bahsetmemiştim. Şimdi diyorum ki o yeniliklerden başlayalım. ...piyasayı neden bu kadar etkilediklerinden,

33:04Nvidia'nın rolünden mesela. Oradan devam ederiz, Stargate projesine değiniriz. Yeri gelmişken bunları da toparlarız. Eğer ilgilenmiyorsanız sorun yok.

33:13Yani bu noktada beni bırakıp giderseniz alınmayacağım, söz veriyorum. Bu DeepSeek olayında medya olan bitenin detayına hakim olmadan haber yapma telaşı içinde onları öyle bir resmetti ki, sanki bir grup Çinli öğrenci bir garajda toplanmışlar, MacGyver misali vidalardan ateşlerden derme çatma bir süper bilgisayar yapmış ve herkesi geride bırakmışlar. Millet biraz da o yüzden panik olmuştu ve 1-2 gün içinde borsalardan trilyon dolarlık değer silinmişti. Halbuki arkalarında çok ciddi bir kaynak vardı.

33:43Esas işleri yapay zeka yardımıyla fon yönetimiydi. Oradan parayı vurduktan sonra daha genel yapay zeka girişimlerine daldılar. İlk denemeleri de 2023'teydi. 2024'ün sonuna girindiğinde üçüncü versiyonlarını çıkarmışlardı.

33:57V3 diyeceğim bu model hiç de öyle garajınızda yaratabileceğiniz bir şey değil. En ileri rakiplerle aşık atan, tam 670 milyar parametreden oluşan ve trilyonlarca kelime ile eğitilmiş bir dev. Biliyorsunuz bu alanda boyut önemli. Her alanda önemli de bu alanda özellikle önemli parametre sayısı sistemin karmaşıklığının en önemli ölçütü.

34:18Ben dil modellerini hiç bilmeyen tanıdıklarıma şöyle anlatıyorum. Bir takım sayıları alıp başka sayıları dönüştüren bir kara kutu gibi düşünün. Kutunun içinde milyarlarca ayar düğmesi var. Eğitim sırasında ayarlanıyor bunlar.

34:30Ona göre çalışıyorlar. Basit bir şey mi soruyorsunuz? Mesela dünyadaki en uzun ağaç hangisidir gibi. O soruları sayıya çevirdikten sonra onları öyle bir değiştirecek ki çıkan sayılar Hyperion kelimesine karşılık gelecek.

34:43Dünyadaki en uzun ağaç. Orta Doğu ve Balkanların en iyi podcasti nedir diye sorsanız Beyhan Budak diyecek. İşin ilginç yanı aynı kutuya bilgi soruları yerine geyik muhabbeti yedirirseniz bu sefer geyik cevaplar çıkacak. Monez stili ağaç resmi yap deseniz o resmin piksellerini temsil eden sayılar üretecek.

35:00Her türlü soruyu aynı ayarlarla halledebiliyor. Dolayısıyla hiçbir ayrıntı bilmeseniz dayı, bu derece bir esneklik için kutunun içinde çok fazla ayar düğmesi olması gerektiğini akıl edebilirsiniz. 670 milyar kadar mesela. Tabii bu dünyada hiçbir şey bedava değil.

35:16Bu podcast dışında eklenen her ayar içeride dönen işlem sayısını birkaç kat arttıracak. İşlem sayısı da eşittir para ve zaman. O yüzden kendi nükleer reaktörü olan veri merkezleri yapmaktan bahsediyorlar. Rakibinden bir gıdım daha iyi performans için kat ve kat fazla kaynak harcamayı göze alacak kadar gözü dönmüş ve cebi şişmiş şirketler var.

35:36İşte V3'ün tüm numarası performansı etkilemeden maliyeti düşüren bazı hilelere başvurmasıydı. İlk önemli hile lobotomi, yani beyindeki bazı bağlantıları keserek onu ufak parçalara ayırmak. Demin öğrendiğimiz üzere ne sorarsan sor, doğru ilişkileri kutudan çekip çıkarmak için her şeyin çalışması gerek. Yani içerdiği bilgiler, bilgisayarlarda olduğu gibi dosya dosya belli yerlerde depolanmıyorlar.

36:02Her şey tüm kutuya dağılıyor. Mixture of Experts veya uzmanların karışımı denen yaklaşımdaysa sistemin farklı kısımlarını farklı işler için eğitiyorsun. En uzun ağaç gibi dünya hakkındaki tırıvırı bilgiler sadece ayarların bir kısmına kodlansalar mesela. Yok eğer mantık bulmacası soracaksak onun üstüne uzmanlaşmış kısım çalışsa.

36:23Elbette tıpkı beyinde olduğu gibi bazı bölümler mütemadiyen aktif olacaktır. Mesela dilin temel kurallarını içeren kısımlar konu ne olursa olsun illaki gerekliler. Onlar olmadan iletişim kuramıyor. Ama içeriğe bağlı olarak başka başka modüller aktive edilebilir.

36:39Bu yeni bir fikir değil bu arada. Yalnız yönlendirme zor bir iş olduğu için pek pratik değildi. Çok az sayıda uzman oluyordu, az miktarda tasarruf oluyordu. DeepSeek'in modeli ise her an en fazla 37 milyar aktif parametre olacak şekilde eğitilmiş.

36:5420'de birlik bir düşüş yani. Bir sürü uzman var, ne zaman hangisini uyandırıp acile çağıracaklarını çözmüşler. Bu tek başına önemli bir yenilik ama dahası var. Kutunun içinde dönen o işlemlerin ciddi bir kısmı, o anki muhabbetin bağlamını kestirmekle alakalı.

37:10Sizin veya modelin ettiği her kelime, öncesindeki ve sonrasındaki kelimelerin anlamını biraz değiştiriyor. Bunun hesabı da bir dizi çarpımdan ibaret. Her şey dolduğu gibi. O kadar basit ki yani insan ilk defa okuyunca biraz hayal kırıklığına uğruyor.

37:23Ulan bizi taklit etmek bu kadar mı kolay yani diyorsun. Hani çöp adamlardan ibaret bir portrenin uzaktan bakınca ultra gerçekçi gözükmesi gibi bir şey. Neyse. Bağlam genişledikçe yalnız gereken hesap sayısı geometrik olarak artıyor.

37:37Yani iki kat fazla şey hatırlaması için her yeni kelimenin dört kat fazla işleme sebep olması lazım. Bir noktada fark ediyorlar ki birçok sayı aslında aynı kalıyor. O kısımları tekrar tekrar hesaplamak yerine hafızada kaşelemeyi akıl ediyorlar. Güzel.

37:52Ama hafıza da sınırlı kaynak. Onlarca, bazen yüzlerce gigabyte gerekli tek bir hesap turu için. Ucuz hard disklerden bahsetmiyorum, GPU üstündeki hafızadan bahsediyorum. DeepSeek bunu da küçülten bir teknik icat etti.

38:05bir sürü boş değer içeren devasa matrisleri daha küçük boyutlu ama yoğunlaştırılmış matrisler haline getirip depoluyorlar. Sıkıştırma yapıyorlar bir nevi. Meraklısı varsa multi head latent attention diye aratabilir. Dolu dolu bir ismi var.

38:19Meseleyi güzel açıklayan bir video ekledim notlara. Başka teknikler de var. Mesela eğitim esnasında hep bir sonraki kelimeyi tahmin etmeye çalışmak yerine sonraki birkaç kelimeyi aynı anda tahmin etmeye çalışmak gibi. Yahut daha basit bir sayı formatı kullanmak gibi.

38:34Sonuçta sürekli sayılarla uğraşıyoruz. Her şey sayı. O sayıların da bir kısmı logaritmalarla, exponentiallarla alakalı. O yüzden 0.7238 gibi çirkin çirkin sonuçlar çıkıyor.

38:46E sıfırdan sonra kaçıncı basamağa kadar onları akılda tutacaksın? Bu da bir tasarım kararı. Bizimkiler yine iyi bir alternatif bularak hesapların çoğunu basitleştirmişler ama kullanıcı tecrübesini etkilemesi daha olası hesapları fark edip onlar için ayrıntılı format kullanmaya devam etmişler. Yani genel olarak hep bir şeylerden feragat edip başka yerlerden kazanıyorsun.

39:07Bu zeki arkadaşlar da daha çok kazanmanın yolunu bulmuşlar. Çok daha az işlem, çok daha küçük hafıza ama neredeyse aynı performans. Hatırlatayım halen V3'den bahsediyoruz. Haberlere konu olan şey değil bu.

39:20Peki haberlere konu olan modelin olayı neydi? Mimari açıdan hiç de farklı değil. V3'ün üstüne getirilmiş bir akıl yürütme eğitiminden ibaret. Yani çok verimli bir baz modeli alıp ekstra bir takım örneklerle eğittiler ve bir anda dönemin en ileri, en pahalı yapay akıl yürütme modeli olan OpenAI'in modelini yakaladılar.

39:39Yalnız teknoloji habercileri burada sınıfta kaldı net biçimde. Kafaları karıştıran bir yetmen DeepSeek'in o dönemde benzer isimlere sahip üç farklı şey çıkarmasıydı. Çoğu haber kaynağı bunların ayrımını yapmadan hepsinin özelliklerini karman çorman ederek anlattı. Halbuki üçü de ayrı ayrı ilginç.

39:57R10 dedikleri en basiti. Baz model artı otomatik eğitim. Otomatikten kastım, cevabı bilinen bir takım matematik veya kodlama problemlerini kullanıyorlar. Modelin bunlara getirdiği çözümleri insan müdahalesi olmadan ödüllendirip cezalandırmanın yollarını bulmuşlar.

40:14Böylece modelin kendi kendine akıl yürütmeyi öğrenmesini sağladılar. Mesela hata yaptığını anladığında geri dönüp varsayımlarını gözden geçirmesini kendi akıl etmiş. Kimse onu öyle programlamamış özellikle. Asgari seviye bu.

40:27Bunu alıp biraz para harcayarak, daha emek yoğun yöntemlerle ince ayar çekince ortaya çıkan modele R1 dediler. Kendi başına bulması uzun sürecek olan çözüm yöntemlerini insanların yardımıyla daha çabuk öğreniyor, genel performansı da bir gıdım artıyor. Bunların yanında saldıkları üçüncü ürün biraz farklı. R1 Distill dedikleri bir grup model.

40:49Distillation yani damıtma, alkolikler bileceklerdir yaygın bir teknik, büyük bir modeli kullanarak daha ufak ve ekonomik bir modeli eğitmek demek. Süper bir fikir aslında düşünsenize. İnsanların tüm kültürel çıktılarını tüm internete en baştan başlayıp özümsemek zor bir iş, pahalı iş. Ama bunu hali hazırda yapmış bir öğretmenin parlak bir öğrencisi olmak görecek olay.

41:12Kendi modellerini öğretmen olarak kullanmamışlar yalnız. Başkalarının açık kaynak modellerini damıtmışlar. Hatta büyük ihtimalle kapalı modelleri de damıtmışlar. Zira bu konuda OpenAI ile kavgalılar.

41:24Tahmin edeceğiniz gibi dünya kadar para harcayıp geliştirdikleri modellerin başkalarına öğretmenlik yapmasını yasaklıyor OpenAI. Onlara göre geçen sene Çin kaynaklı bir takım hesaplar API üstünden dünya kadar veri çekerek bunu denemiş. Tabii bir bakıma OpenAI'in başkasını hırsızlıkla suçlaması gayet ironik. Çünkü kendi eğitimlerinde kullandıkları veriler için tehlif ödemediler.

41:45Kullanım esnasında da tehliften muaflar. Bir eserin neredeyse aynısını üretirlerse, kullanıcının isteği doğrultusunda... ...bunun bir kopya değil de orijinal üretim olduğunu savunuyorlar.

41:55Çünkü hafızada depolanmış bir resmi veya bir kitabı olduğu gibi sunmak yerine... ...onun içindeki ilişkileri kullanarak onu sıfırdan oluşturuyorlar. Neyse, sonuçta bu alanda gri bölge çok geniş.

42:06Herkes birbirini sömürüyor iyiliğine kadar. DeepSeek'te damıtma yoluyla ufak modeller oluşturduktan sonra... ...onlara akıl yürütmesini öğretmek için kendi Arvan modelinin ürettiği soru-cevapları kullanıyor.

42:17Yani şöyle düşünebiliriz, bu öğrenciler önce dışarıdan üniversiteyi tamamladılar, sonra iyi bir uzmandan özel ders alarak bir takım ekstra şeyler öğrendiler. E ne oldu şimdi? Koca koca profesörlere yaptıracağın işin %90'ını, %95'ini bu doktora öğrencilerine ucuza yaptırabiliyorsun. Mesele bu.

42:36Tüm bunlarda ortak tema performanstan azıcık ödün vererek çeşitli maliyet boyutlarında büyük kazanımlar olması. Tam olarak ne kadar kazanımdan bahsediyoruz? Medyanın sınıfta kaldığı bir konu da bu para konusuydu zaten. Haberlerde sıkça karşımıza çıkan bir figür var.

42:515,5 milyon dolar. Her şeyi sadece 5,5 milyona yaptılar diye anlattılar ve borsada 10 milyarlarca doların el değiştirmesine sebep oldular. Gerçekler o kadar dramatik değil. DeepSeek'in makalesine göre bir baz modeli eğitmek için 2.8 milyon saatlik GPU kaynağı gerekmiş.

43:08Saati 2 dolardan kiralanabileceğini varsaymışlar, 5.6 milyon dolarlık bir etiket ortaya çıkmış. O kadar. OpenAI'in bilmem Google'ın veri merkeze harcamalarıyla kıyaslıyorlar şapşal gibi.

43:19Ya onlar sermaye gideri. DeepSeek'in de zaten öyle masrafları var. Bir de bir dünya arge maliyeti var. Sonuçta bahsettiğimiz bunca teknik, bunca ilerleme gökten zembille inmedi.

43:29Bir sürü model eğiterek buldular. Hepsi paraydı. Sadece tek bir versiyonunun, tek bir eğitim roundunun masrafını açıklamışlar. Millet de onun üstüne atladı.

43:38Yoksa öyle milyarlara karşılık milyonlar seviyesinde bir fark yok. Ama yine de ciddi bir fark var. Bunu zaten son kullanıcıya yansıttıkları fiyatlarda da görüyoruz. Arva'nın kullanımı OpenAI'in benzer modeline göre 25 kat ucuzdu.

43:53Zaten bu yüzden OpenAI'in kıça tutuştu. Birkaç gün içinde fiyatlarını düşürdüler ve eskiden paralı olan bazı özellikleri bedava kullanıma açtılar. Yani düşünün, Apple'ın en son model telefonu çok popüler diyelim, sonra biri çıkıp neredeyse aynı performansı 25 kat ucuza sunuyor. Aslında Android telefonlar bunu yapıyor.

44:12Hadi o neyse, boşver. İsterseniz kendi telefonunuzu tasarlamayı da öğretiyor. Esas kritik nokta bu. DeepSeek'in yaptığı her şey halka açıktı.

44:20Bütün kodlarını, ayarlarını, mimarilerini kopyalayıp chat diye kullanmaya başlayabilirsin. Doğal olarak Ocak'tan beri bir dünya modeli ortaya çıktı. Say say bitmiyor, hepsini takip etmek akıl kârı değil. Peki, tüm bunların Nvidia ile alakası ne?

44:36Niye kısa vadede en çok zararı onlar gördüler? Şimdi durumları gayet iyi de o zaman krize girmişlerdi. Nvidia GPU üreticisi biliyorsunuz. Biliyorsunuz da GPU nedir onu biliyor musunuz?

44:47Veya GPU sizin kim olduğunuzu biliyor mu? En baştan başlayalım. Dünya bir toz ve gaz bulutuydu ve bu buluttaki her bilgisayarın bir merkezi işlemcisi var. CPU denen.

44:58Öyle her işi yaparım abi diyen biri. Gerçekten de yapabiliyor. Ama bazı işler biraz özel. Grafik bunlardan biri.

45:05Çünkü aynı anda yapılan bir sürü basit hesaptan oluşuyor. Bir sürü derken PlayStation 5 mesela saniyede 10 trilyon grafik işlemi halledebiliyor. Pahalı PC kartları daha da yüksek kapasiteye sahipler. GPU sırf bu iş için üretilmiş bir işlemci.

45:19Başka bir şey yapamıyor ama bu işleri çok iyi yapıyor. Nvidia bir noktada fark ediyor ki bunca işlem kapasitesini sadece grafik işlemek için kullanmak zorunda değiller. Doğru desteği sağlarlarsa yüksek derece paralellik gerektiren her şeye uygunlar. Biyoloji olur, kripto mining olur ve tabi yapay zeka olur.

45:39Ama kendiliğinden olmaz. Ekran kartını taktım hadi şimdi gelsin bitcoinler, gitsin skynetler diyemiyorsun. En basitinden tam olarak hangi işlemler GPU'ya yönlenecek kontrol etmen lazım. Hadi oraya vardı işlemler, onun içi baya karışık.

45:53Her biri bir sürü transistörden oluşan binlerce core var. Hangi işlemlerin hangi sırayla nerelere dağılacağı, sonra oralardan nasıl toplanacakları, nerede tutulacakları... Bunlar yaptığın işe göre biraz değişiyor. Bunları optimize etmekle mi uğraşacaksın şimdi?

46:08Biraz daha üst seviyeye çıkın, birden fazla GPU'yu aynı anda kullanabilmek de ayrı bir mesele. Protein analizi yapacaksın mesela, işin bu. Bir veri merkezindeki binlerce GPU'yu kullanmak istiyorsun. Her seferinde aralarında nasıl konuşacaklarını mı ayarlayacaksın?

46:22O işi öğreneceksin yoksa kendi işine mi odaklanacaksın? Tüm bu farklı seviyelerde kontrol sağlayan araçlar var. Ben eskiden sanıyordum ki Nvidia en hızlı, en müthiş kartları yaptığı için lider konumda. Halbuki esas silahları bu yazılım ekosistemine ta 2006'dan beri yaptıkları yatırım.

46:40CUDA dedikleri şey. De facto monopoli olmuş vaziyetteler. Herkes buna uygun kodlamaya alışmış. Bu da Nvidia kartlarının kullanılmasını gerektiriyor, satışları ittiriyor.

46:50İşte böyle bir durumdayken, Ocak ayında bir anda yaklaşık yarım trilyon dolar değer kaybettiler. Bu kısmen ilk andaki haberlerin yanıltıcılığından, kısmen de ticaret savaşından kaynaklanmıştı. Zira ileri grafik çiplerinin ihracı yasaklı. Yani Nvidia en iyi kartlarını doğrudan satamıyor Çin'e.

47:08Onların performansını düşürüyor ama çok da düşüremiyor yoksa piyasayı Huawei'ye kaptıracak. Bunun sonucunda grafik kartlarında kara borsa oluştu. Resmen kokain getirir gibi bazıları kaçak kaçak grafik kartları getirip satıyor çevre ülkelerden. Daha önemlisi Çinliler bu kısıtlar yüzünden bir sürü yenilik geliştiriyorlar.

47:25Zorunluluk icatların anasıdır derler. Doğru da derler, gördük neler yaptıklarını. Bu yasakları bir yana koyup daha genel bakarsak, ilk bakışta DeepSeek'in yaptığı o ilerlemeler, zorunluluktan yaptıkları ilerlemeler tüm çip üreticilerinin aleyhine gibi görünüyor. Çünkü sonuçta çip üreticileri açısından en iyi senaryo nedir?

47:44Belli bir işin ancak çok yüksek sayıda çiplerle halledilmesi. Bu sayede çok satacaklar. Verimlilik artarsa donanıma olan ihtiyaç azalır gibi bir mantık var. Ama bu her şeyin sabit kaldığını varsayıyor.

47:56Yani verimlilik artışı piyasaya giriş bariyerini aşağı çektiği için bir sürü yeni oyuncuya fırsat verecek. Çiplere rağbet yine yüksek kalacak. Hiçbir yavaşlama görünmüyor ufukta. Çünkü DeepSeek'in kaydettiği tüm ilerlemeleri, tüm bu Öncüler de kopyalayacaklar.

48:13Dehanız için teşekkür ederiz. Yaratıcılığınız için teşekkür ederiz. Şimdi ben buna 1 milyar dolarlık donanımı gömeceğim. Ne 1 milyarı, 100 milyarlık donanımı gömeceğim.

48:22Daha iyi modeller çıkaracağız. Eyvallah diyecekler. 100 milyarı da uydurmadım, Stargate projesi işte. O da ilginç bir zamanlamaydı, Stargate'in açıklanmasından birkaç gün sonra bu şok yaşanmıştı.

48:33Yıllardır planlanan bir proje, sağa sola bir dünya veri merkezi kuracaklar işte, basitçe bu. Arkasında Japonya merkezi Softbank var, OpenAI ve Oracle var. 100 milyar doları yakında olmak üzere 500 milyar dolarlık yatırım sözü verdiler. Bu projenin teknoloji partnerleri arasında kim var peki?

48:51Nvidia. O veri merkezlerini bunlarla dolduracaklar. Bu arada Stargate açıklaması Trump ile Musk arasındaki ilk açık gerginliklerden biriydi. Belki de ilkiydi.

49:00Çünkü açıklamayı Trump yaptı. Ve başkanlık yetkilerini kullanarak o inşaatları hızlandırma sözü verdi. Ama tüm proje Musk'ın X.A.I.

49:09şirketine karşı bir hamle. Zaten Musk hemen sonrasında açıklama yaptı. Ya bunların o kadar parası yok. 10 milyar dolarları bile yok.

49:15Ne 500'ü diye. Diğerleri de yalanladılar. Hiç de bile var bizim paramız dediler. Velhasıl bu yarışın belli bir bitiş noktası yok.

49:22Ve herkesin insan seviyesindeki zeka beklentileri biraz öne çekildi. Akıl yürütme bu işin ciddi bir kısmı olduğu için. Tekrar hatırlatayım, benim için insan seviyesi demek insanla aynı demek değil. Yani insan gibi düşünüp hisseden değil de bizim düşünce ve hislerimiz yardımıyla yaptığımız işleri kabul edilebilir seviyede yapabilen, bizden onları devralabilecek sistemler demek.

49:44Son olarak yeni bir şeyden bahsetmek istiyorum ama aslında bu sayede konuyu baştaki bir fikre bağlayacağız. Yani yapay zekanın alet edevat kullanabilmesine bağlayacağız. Bahsettiğim modellerin hepsi rag denen bir yöntemle daha fazla kabiliyet kazanıyorlar. Atıyorum büyük bir şirketsin mesela o şirketin iç dokümanları hakkında veya bir hukuk şirketisin elindeki davalarla alakalı olabilecek emsal kararlar hakkında bir sorgulama yapıyorsun veya sıradan bir kullanıcısın işte en son bilimsel gelişmeleri merak ediyorsun.

50:14Soru sordun değil mi? Bu soru doğrudan modele gitmiyor. Umarım bu noktada artık kafanıza kazınmıştır. Dil modelleri, bilgi depolayıp gerektiğinde onu kusursuzca geri sunan veri tabanları değiller.

50:25Her geri sunuşta her şeyi yeniden yaratıyorlar, o süreçte biraz fazla yaratıcı olabiliyorlar. O yüzden bu tip sorular bir ön işlemden geçiyorlar. Alakalı olabilecek kaynaklar tespit edilip oralardan çekilen bilgiler senin sorunun bir parçası olarak modele iletiliyorlar. Yani dandik bir soru sormuşsan gerekli bağlamı sağlıyor modele.

50:45Bunun yararı hem isabet hem de modelleri tekrar tekrar eğitmeye gerek olmadan onları güncel tutabilmek. Şimdi bunu bir seviye ileri götürün. Bu senenin hype konularından biri ajanlardı. Regdeki gibi yapay zekayı belli bilgi depolarına bağlamakla yetinmeyip çeşitli yazılımlara, hizmetlere bağlamak.

51:04En klişe örneklerden beri, çok basit olduğu için herkes anlıyor, bağla herkesin takvimini ve seyahat ajentesi uygulamasını bağla, herkesin iş seyahatlerini en iyi şekilde ayarlayabilir. Senin özel bir isteğin varsa normal insanda konuşurmuş gibi yapıyorsun ama o insanın 7-24 uygun olduğunu düşünün ve aynı anda bir sürü çalışanda konuşabildiğini, her şeyi organize edebildiğini düşünün. Akıl yürütme burada işin içine giriyor çünkü uzun dönem planlama yapabiliyorlar. Hangi aleti, edebatı, hangi hizmeti ne iş için nasıl kullanacağını planlıyor.

52:20Velhasıl ilginç işler. Yani bu konu bir kere anlattık bitti diyebileceğimiz bir konu değil. Sürekli yeni şeyler çıkıyor, sürekli heyecan verici şeyler çıkıyor. Bu iki ayrı içeriği aslında birleştirmiş olduk.

52:31Uzun bir bölümle paylaşmış oldum sizinle. Aylar sonra bakarız tekrar ne oluyormuş bu alanda. Bu saçma sapan gündem arasında, Türkiye ve uluslararası gündem arasında vakit ayırdığınız için hepinize çok teşekkür ederim. Ve tabii patronlara da ultra platinium prestige teşekkürler.

52:47İsim Sami'yi bu sefer zaten yeterince uzattık. Ama şunu söyleyeyim, normal akışımıza aşağı yukarı haftalık akışımıza dönüyoruz. Sizin güzel isimleriniz de o yüzden bol bol duyacağız.