Çin’in AI Serapı: “Açık Kaynak”ın En Önemli Olanı Nasıl Gizledi

Google, Microsoft gibi Büyük Teknoloji oyuncularıyla birlikte (MSFT ), ve Meta AI pazarını domine etmeye çalışırken, Çin’in High Flyer, Baidu, Moonshot ve Alibaba, sırasıyla DeepSeek, ERNIE 4.5, Kimi K2 ve Qwen3 büyük dil modellerini açık kaynak olarak yayınlayarak manşet olmuşlardır. Korunan, tescilli GenAI modellerini serbest bırakmaktan bu yana kayma, Çin’in AI endüstrisinin açık kaynağın gücünü benimseyerek AI geliştirmeyi demokratikleştirmesi ve yeniliği teşvik etmesi işareti olarak algılanmıştır.

Kendilerini açık kaynak olarak tanıtan ve hatta şirket adlarına bile bunu ekleyen birçok oyuncu gibi, High Flyer, Baidu ve Moonshot da modellerinin kalbinde yer alan veri setleri gibi kritik parçaları aslında paylaşmamaktadır. Bu büyük modeller, geliştiricilerin güvenebileceği birer meta malzeme haline gelmeye çalışırken, test edilebilen, incelenebilen ve üzerinde iterasyon yapılabilen gerçek açık kaynağın şeffaflığı, tarafsız, etik ve herkesin güvenebileceği faydalı bir teknoloji yaratmak için hayati öneme sahiptir. Bu “açık kaynak” modellerin tamamı aslında “açık ağırlık”tır; yani indirilebilir ve kullanılabilirler, ancak veri olmadan anlamlı bir şekilde incelenemezler.

ABD’li oyuncular Open AI ve Meta gibi şirketlerin açık kaynaktan uzaklaştığını gösterdiği bir dönemde, Baidu’nun ücretsiz olarak sunulan ERNIE 4.5 model paketini kullanma daveti, daha küçük ama güçlü uygulamalar geliştirmek isteyen geliştiriciler için gerçekten yenilik ve iş birliğini tetikleyebilir. Aynı zamanda, Çin’in Google’ı olarak nitelendirilen şirket, benimsenmeyi teşvik ederek ve modellerini hızla büyüyen AI ekosistemine yerleştirerek rekabet avantajı elde etmiştir.

DeepSeek, düşük fiyatlı Kimi K2 ve güncellenmiş Qwen3 için de aynı durum söylenebilir; Qwen3, Claude Opus 4 ve GPT-4o-0327 gibi kapalı modelleri zorlayan ölçütleriyle öne çıkmaktadır.

Bu AI oyuncuları, tercih edilen meta model olma yarışında kendilerini iyi konumlandırmış durumdalar ve Qwen3’ün son yenilikçi güncellemesi bile açık kaynak topluluğu geri bildirimlerinden ilham almıştır.

Kendilerini açık kaynak olarak tanıtan birçok kişi gibi, Çin AI topluluğu da aslında veri ya da sistemlerinin diğer kritik parçalarını paylaşmamaktadır. Bunun yerine, küresel geliştiricilerden anlayamadıkları ve inceleyemedikleri modellere körü körüne güvenmelerini istemektedirler.

Açık kaynak emtia AI modelleriyle gelecekte hak iddia etmek

iPhone 2007’de piyasaya çıktığında, bazıları Mac’in iOS ile akıllı telefon oyununu yöneteceğini varsaymıştı, ancak açık kaynak katılımı girişimler için vazgeçilmezdir, aynı zamanda dünya çapında girişimcilik ve ekonomik büyümeyi tetiklemekte ve 2005’te Google tarafından satın alınan bir girişim olan Android bu yoldan zaferle çıkmıştır.

Görünebilir, değiştirilebilir, benimsenebilir ve paylaşılabilir açık kaynak yazılımı yayınlayarak Android, akademisyenleri, geliştiricileri ve hatta rakipleri yazılım üzerinde iş birliği yapmaya davet etti. Bu, yenilik sürecini hızlandırdı, oyun alanını demokratikleştirdi ve nihayetinde fiyatları düşürdü. Android, ilk iPhone’dan bir yıl sonra piyasaya çıktı ve yılın başına gelindiğinde küresel pazarın %71,88’ini iOS’un %27,65’ine karşı elinde bulunduruyordu.

Bir gecede gerçekleşmiş gibi görünen teknolojik devrimde, akıllı telefonlar her yerde bulunur hâle geldi ve yazılım, donanım ve kullanıcı arayüzü iyileştirmeleri devam ederken, sektör artık akıllı telefonların çalışma şeklini devrim niteliğinde değiştirmeyi aşmıştır. Telefonlar artık bir meta haline geldiğinde, bugün inovasyonun kaynağı onları çalıştıran uygulamalardır ve rekabetçi olabilmek için akıllı telefon sağlayıcıları geliştiricileri davet eden bir ekosistemi sürdürmek zorundadır.

ChatGPT’nin lansmanından üç yıl sonra, AI endüstrisi benzer bir uçuruma ulaşmıştır. Küresel AI endüstrisindeki her oyuncu modellerinin bir sonraki Android ya da hatta iOS olmasını hedeflerken, DeepSeek, ERNIE 4.5 ve Kimi K2 modellerini açık kaynak yaparak Çinli yenilikçiler, yeni bir ekosistemde hak iddia etmeye çalışmaktadır.

Bu durum lehlerine çalışabilir, ancak aynı zamanda sadece yenilik üretmekle kalmayıp, güvenebileceğimiz yenilikleri beslemek için gerekli olan gerçek açık kaynak şeffaflığını da sağlamaz.

Veri, çoğu açık kaynak AI’da eksik parçadır

AI modelleri geleneksel yazılımlardan çok daha karmaşık oluşturulup paylaşılabildiği için, tamamen açık kaynak AI talebi küçük bir iş değildir. Sadece basit bir kaynak kodu yerine, AI sistemleri yedi bileşenden oluşur; kaynak kod, model parametreleri, veri seti, hiperparametreler, eğitim kaynak kodu, rastgele sayı üretimi ve yazılım çerçeveleri.

Her bir parça, modelin istenen sonuçları vermesi için uyum içinde çalışmalıdır; bu da geliştiricilerin sistemi paylaşmak, değiştirmek ve benimsemek ve neler olduğunu anlamak için tam görünürlüğe ihtiyaç duyduğu anlamına gelir. Tekrar üretilebilirlik bilimsel yöntemin temeli olduğundan, AI endüstrisi alışkanlık olarak açık kaynağı, sadece birkaç parçaya erişimle sunulan ücretsiz ya da düşük fiyatlı sürümlerle tanımlamaktadır.

Baidu, örneğin, on ERNIE 4.5 modelini ücretsiz olarak sundu. Modeli ve parametreleri paylaşmanın yanı sıra, şirket ayrıca ERNIEKit ve FastDeploy dağıtım araç setlerini açık kaynak haline getirdi. Bunlar, geliştiricilerin endüstri sınıfı yetenekler, kaynak‑verimli eğitim ve çıkarım iş akışları ve çoklu donanım uyumluluğu sağlayarak güçlü AI uygulamaları oluşturmasını mümkün kılar.

Başka bir deyişle, Baidu geliştiricilere yeniliği daha hızlı ortaya çıkarabilmelerini sağlayan heyecan verici araçlar sundu; bu da onların sırasıyla rekabet yerine ERNIE 4.5’i tercih etmelerini teşvik edeceğini umuyor.

Bununla birlikte, ERNIE 4.5’i kullanan geliştiriciler modele körü körüne güvenmeleri isteniyor, çünkü Baidu, modellerini bilgilendiren ve öğreten veri setleri de dahil olmak üzere birçok şeyi gizli tutuyor.

Şeffaf açık kaynak AI modellerinin gücü

AI bulmacasının her bir parçası modelin çalışması için kritik olsa da, AI projelerinin yüzde 80’i başarısız olur ve veri sorunun kalbinde yer alır. Yanlış, eksik ve yanlı veri setleri, modellerin öngörülebilir ya da istenildiği gibi davranmamasına yol açar.

Bu yakın zamanda yayınlanan ölümcül 2023 Tesla Full-Self-Driving (FSD) çarpma videosu (TSLA ), örneğin, bir veri seti ve model yetersiz kaldığında ortaya çıkabilecek en kötü senaryoyu ortaya koydu. Tesla Model Y parlak, batmakta olan bir güneşin altında hızlanırken, kısmen otomatik sistem kameralarının gördüklerini – ya da görmediklerini – doğru şekilde anlayamıyor ya da tepki veremiyordu. İnsanlar tarafından sürülen arabalar yavaşlayıp kenara çekilirken, FSD’nin karışıklığı bir kadının ölümüne yol açtı.

Bu yıkıcı başarısızlık eksik görsel veriyi ve bu tür kör noktalara karşı bir güvenlik mekanizmasının eksikliğini yansıtıyordu. Geliştiricilerin verilerine göz atamaması, verinin modelle nasıl etkileşime girdiğini görememeleri anlamına gelir; bu da hataları ortaya çıkarıp sağlam bir performans için yineleme yapmalarını engeller.

Dahası endişe verici olan, modeli besleyen veri olmadan, ona körü körüne güvenmek zorunda kalmalarıdır.

Veri setleri açık kaynak olduğunda, AI topluluğu sorunlu konuları kökünden çözebileceğini kanıtlamıştır; örneğin LAION 5B içinde doğrulanmış Çocuk Cinsel İstismarı Materyali içeren 1.000’den fazla URL’yi ortaya çıkarmıştır. AI metin‑görsel üretim modelleri için kullanılan veri seti, Stable Diffusion ve Midjourney gibi uygulamaların temelini oluşturduğundan, kullanıcıların yasa dışı fotogerçekçi görüntüler üretmeye başlaması AI endüstrisi için yıkıcı olurdu. Bunun yerine, bu veri setinin açık doğası topluluğun tehlikeli içeriği ortaya çıkarmasını ve bir düzeltme yapmasını sağladı, Liaison B.

Ayrıca, o ilk veri setinin büyük bir kısmı devasa Common Crawl tarafından gerçekleştirilen web kazıma işlemlerine dayanıyordu; bu aynı zamanda ChatGPT ve LLAMA modelleri için de kullanıldı. AI tarayıcıları telif hakkı, gizlilik ve yanlı‑ırkçı etiketleme konularında endişeleri artırmaya devam ederken, AI topluluğundaki geliştiriciler  Common Crawl’ın büyüyen açık kaynak veri setinin parçalarını daha güvenli bir kullanım için temizleme yolları üzerinde çalışıyor.

Geliştiriciler yalnızca güçlü AI değil, aynı zamanda güvenilir AI inşa etmeyi hedeflerken, hem kullanıcılar hem de sektör, gerçek açık kaynağın şeffaflığı ve iş birliği sayesinde korunur.

Açık kaynak yolunu benimsemek

Bu gelişen teknolojiye hâlâ temkinli yaklaşan birçok kişi varken, büyük AI emtia modellerinin iOS ya da Android’i olma yarışı sürüyor ve küresel AI topluluğu kelimenin tam anlamıyla geleceğin standardını inşa ederken, AI sistemleri zaten arabaları sürüyor ve tıbbi değerlendirmeler sunuyor; önyargısız, güvenilir ve güvenli AI yaratmak için güven inşa etmek hiç bu kadar kritik olmamıştı.

Çin AI topluluğu kendisini açık yeniliklerin öncüsü konumuna getirmeye çalışırken, güvenli AI yolunun yalnızca gerçek açık kaynağın şeffaflığında, on yıllık yazılım yeniliğiyle kanıtlanmış şekilde bulunabileceğini unutmamalıdır. Veri gibi kritik parçaları paylaşmayan sistemlere bu terimi atmak, geliştiricilerin araştırma, çoğaltma ve yineleme yapmasını engeller. DeepSeek, ERNIE 4.5, Kimi K2 ve Qwen3 gibi kolayca temin edilebilen modellerin çekiciliği inkâr edilemez; ancak bunları kullanan geliştiriciler, iş birliği ve yeniliği besleyen şeffaflığı, kolaylığa tercih ediyor.

AI topluluğu bir seçim yapmak zorunda: gerçek açık kaynakla radikal şeffaflığı benimsemek ya da yarının kritik sistemlerini bugünün kara kutularına inşa etme riskini göze almak.