Yapay Zekâya Takıntı, Hayatta Kalmak İçin İhtiyaç Duyduğu Araştırma Alanlarını Kaynaklardan Yoksun Bırakıyor Olabilir

On yıldır yalnızca yapay zekâ hakkında yazıyorum. 2022’de dünyada yalnızca yapay zekâya odaklanan bir avuç gazeteci vardı; bugün sayımız birkaç binleri, hatta daha fazlasını buluyor. Maddi imkânları daha güçlü yayın kuruluşları, yalnızca yapay zekâyı takip etmek üzere birden fazla çalışan istihdam ediyor.

Bir tür olarak artık dikkatimizi, çabalarımızı, korkularımızı ve umutlarımızı, bir yüzyılda bir görülen kültürel ve teknolojik bir olgu etrafında yoğunlaştırıyoruz. Yararlı büyük dil modelleri ve görüntü ile video üretiminde etkili difüzyon tabanlı yöntemler ortaya çıkana kadar bu olgu, siyasi tartışmalarda koz olarak kullanılan deepfake’lerle birlikte “ilginçlikler” kategorisinde kalmış, dünya ekonomileri ise görünüşe göre tehdit altında olmamıştı.

“Sıradanlaşan” Yapay Zekâ Fırtınası

Açıkça görülüyor ki artık bunların hepsi geride kaldı. Her şey tehdit altında, her şey altüst oluyor ve denebilir ki 2026, bir sonraki yıla ilişkin tahminleri temellendirmenin en zor olduğu yıl oldu*.

Her hafta, bazen haftada birkaç kez yeni kapalı kaynaklı ve açık ağırlıklı modeller piyasaya sürülüyor. Bu sıklık öyle arttı ki bazı modeller meraklılar veya hobi amaçlı uğraşanlar tarafından bile incelenmiyor. Bu topluluk, konuya giderek daha kuşkucu yaklaşırken, sürekli yeni modellerin piyasaya çıkması da dikkat çekmek için gereken çıtayı durmadan yükseltiyor.

Araştırma ve ürün duyurularını yakından ve profesyonel olarak takip eden biri olarak, yapay zekâ Ar-Ge’sinin çeşitli alanlarındaki gelişmelerin geniş aralıklarla büyük etkiler yaratsa da devrim niteliğinde ya da evrimsel dönüm noktaları, örneğin Dönüştürücüler gibi gelişmeler yerine genellikle küçük adımlarla ortaya çıktığını (ve her zaman da böyle olduğunu) söylemeliyim. Günümüzde asıl sarsıcı gelişmeler, yapay zekânın en yeni yeteneklerinden çok ekonomi üzerindeki etkileriyle ilgili.

Ayrıca, daha önce de gözlemlediğim gibi, 2022’den bu yana yapay zekâ araştırmalarında yaşanan muazzam patlamada ortaya konan fikirlerin niteliği her zaman niceliğiyle örtüşmüyor. Birçoğu, mevcut ve daha yeni çalışmaların “Frankenstein tarzı” yeniden işlenmiş, yeniden birleştirilmiş ya da yeniden düzenlenmiş biçimleri; önceki çalışmalarda görünürde önemli iyileştirmeler sağlamak üzere tasarlanmış derme çatma mimariler. Ancak yakından incelendiklerinde, kırılgan yöntemler ya da akıl almaz derecede yüksek VRAM maliyetleri nedeniyle kısıtlandıkları görülüyor.

Gündem Konularının Hayalet Kasabaları

Bu binlerce gazeteci yapay zekâ haberciliğine yöneldiğinde, daha önce takip ettikleri konuların ister istemez daha az doğrudan ilgi gördüğü söylenebilir. Bir bakıma bunun pek önemi kalmamıştı; çünkü yapay zekâ konusu ve uygulamaları kültürde ve altyapıda o kadar yaygınlaştı ki örneğin bir enerji muhabiri artık diğer tüm konulardan daha fazla yapay zekâyla ilgili meseleleri ele alıyordu. Ekonomi, istihdam, siyaset ve politika gibi alanlarda çalışanlar için de durum benzerdi.

Görünüşe bakılırsa artık bütün bu konular yapay zekâ merceğinden ele alınabiliyordu. Bu da, giderek daralan bir alanda (gerçi bu alan son zamanlarda biraz toparlandı) “yapay zekâya adanmış” habercilikte yaşanan büyük artışı kısmen açıklayabilir.

Dolayısıyla, “yapay zekâ takıntısı” yüzünden başka konuların artık yeterince ele alınmadığını merak etmemek elde değil. Bu konuların öyküleri, eğilimleri ve dalları, sonunda “altın konu” olan yapay zekânın kendisini bile etkileyebilir.

Ama ne yapılabilir ki? Kaynaklar sınırlı ve yapay zekâ şu ana kadar yüzyılın konusu oldu.

Yapay Zekâya Büyük Göç

Bu konu üzerine heyecanımı yeniden alevlendiren yeni bir makaleye göre, yapay zekânın başına geliyor olabilecek şey tam da bu: küçülme ve yeniden beslemenin gelecekteki modellerin kalitesini düşüreceği riski bir yana, fikirlerin ortaya çıktığı ve disiplinler arasında etkileşime girerek geliştiği daha geniş bilimsel ekosistem yapay zekâ araştırmalarına öylesine yoğunlaşmış durumda ki görünüşte birbiriyle ilgisiz fikirler arasındaki beklenmedik bağlantıların bütün alanları dönüştürebildiği “tesadüfi keşif” anları giderek daha nadir hâle gelebilir.

Kısacası, Yapay zekâdaki daha güçlü atılımlar kendi tükenişlerini hızlandırıyor başlıklı yeni çalışma, yapay zekâ takıntısının yapay zekâyı doğrudan etkileyen gelişmeler de dâhil olmak üzere yeni gelişmelerin ortaya çıkmasını sağlayan ortam koşullarını tükettiğini öne sürüyor. Ayrıca yazarların sözlerini kabaca aktaracak olursak, bu yeni ilgi odağında kendi içine kapalı bir eğilim var ve bunun iyi bir sonuca ulaşması pek olası görünmüyor.

Makale şöyle diyor^†:

“Baskın bir paradigma yalnızca rakiplerini değil, kendi halefinin yeniden bir araya getirileceği çeşitliliği de ortadan kaldırır.

“2017 sonrasında dikkatin daralması, alan değiştiren yazarların yarısından fazlasının yapay zekâya yönelmesi, yeni fikirlerin canlılığını yitirmesi ve ardışık döngüler boyunca etkin fikir topluluklarındaki azalışın giderek hızlanması, birlikte ele alındığında, yaratıcı kapasitesi ürettiği baskın paradigmaların başarısı nedeniyle aşınan bir sistemi tarif ediyor.”

Önceki çalışmalar, yapay zekânın araştırmayı tek tipleştiriyor olabileceğini ortaya koymuştu. Ancak yeni çalışmanın yazarları, yapay zekânın giderek artan hâkimiyetinin, ilerlemeyi sürdürmek için ihtiyaç duyduğu yeni fikirleri de tüketiyor olabileceğine inanıyor. Yapay zekâ araştırmalarını, kriyo-elektron mikroskobu ve AlphaFold gibi atılımların benzer yenilik ve gerileme döngülerini tetiklediği biyolojik bilimlerle karşılaştırıyorlar.

Yazarlar, savlarını destekleyecek ampirik kanıtlar elde etmek için 1990 ile 2025 arasında yayımlanan, OpenAlex’teki 7,18 milyon bilgisayar bilimi makalesini inceleyerek araştırma konularındaki ve atıflardaki değişimleri; 3,7 milyon araştırmacının alanlar arasındaki hareketlerini ve yapay zekânın artan hâkimiyetinin bilimsel çeşitliliği nasıl etkilediğini görmek üzere 73.089 hakem değerlendirmesini analiz etti.

Verilerden elde edilen en ilgi çekici bulgulardan biri, araştırmacıların son dönemde yapay zekâya yönelip daha önce çalıştıkları alanlardan uzaklaşmasıyla ilgili:

«Göç edenler, kariyerlerinin ortasında olan, belli bir mesleki yer edinmiş araştırmacılar. Kendilerine bu konumu kazandıran çalışmaları bırakıp alanın çekim gücüne kapılıyor, bunun bedeli olarak alan değiştirme maliyetini göze alıyorlar.»

Çalışmaya göre, bilgisayar bilimi alanları arasında kaydedilen 918.862 geçişin yarısından fazlası yapay zekâ alanına yönelirken, özellikle sistemler ve kuramsal araştırmalar olmak üzere diğer alanlar istikrarlı biçimde araştırmacı kaybetti.

Yeni makaleden: 1990’dan 2025’e kadar yapay zekâya, sistemlere ve kurama ayrılan bilgisayar bilimi makalelerinin payındaki değişimler. Her kare bir yılı temsil ediyor; mavi daha büyük, kırmızı ise daha küçük bir payı gösteriyor. Yapay zekânın payı 2017’den sonra keskin biçimde artarken diğer alanların payı geriledi. Kaynak

Bu geçişi yapma olasılığı en yüksek araştırmacılar, yerleşik kariyerlere sahip deneyimli akademisyenlerdi. Bu arada, tüm bilgisayar bilimi makaleleri içinde yapay zekânın payı 2017’de %40’tan 2025’te %55’in üzerine çıktı.

Arxiv blogundan: 2024-26 arasındaki 2 yıllık dönemde bilgisayar bilimi alanındaki gönderi sayısındaki artış. Kaynak

Üç Gösterge

Makale, yazarların 2017’den bu yana bilgisayar bilimini tanımladığını öne sürdüğü, «birbirini destekleyen üç belirti» ortaya koyuyor.

İlki, Transformer mimarisinin tanıtıldığı 2017’den sonra araştırma odağının keskin biçimde daralması. Yazarlar, 7,18 milyon bilgisayar bilimi makalesinin her birinden en belirgin on anahtar kelimeyi çıkararak araştırmaların ne ölçüde aynı konularda yoğunlaştığını izledi:

Bilgisayar bilimi araştırmalarının 2017’den bu yana giderek daha fazla yoğunlaştığını gösteren grafikler. Solda: Araştırmacılar daha dar bir konu yelpazesine odaklanıyor. Sağda: Atıfların giderek daha büyük bir bölümü, daha az sayıdaki makaleye yöneliyor. Her iki eğilim de Transformer’ın ortaya çıkışıyla birlikte hız kazandı.

İnternetin, akıllı telefonların ve derin öğrenmenin yükselişine rağmen bu yoğunlaşma onlarca yıl boyunca görece istikrarlı kaldı. Ancak 2017 ile 2025 arasında, araştırma odağına ilişkin Gini katsayısı^†† (yukarıdaki görsele bakın) 0,26’dan 0,33’e yükselerek %27 arttı. Atıflar da daha fazla yoğunlaştı; atıflara ilişkin Gini katsayısı 0,60’tan 0,69’luk zirveye çıktı.

Tsinghua University, the University of Chicago ve Santa Fe Institute’tan araştırmacılar şöyle belirtiyor:

«Transformer, alanı kendinden önceki mimarinin yol açmadığı ölçekte sarstı. Bu örüntü bir artefakt değil: [keyword count] içindeki değişikliklere rağmen varlığını koruyor.»

Şöyle devam ediyorlar:

«2017 ile 2025 arasında yapay zekânın bilgisayar bilimi yayınları içindeki payı %40’tan %55’in üzerine çıkarken, sistem araştırmaları uzun altın çağından geriliyor, kuram alanı ise daha da daralıyor.»

Dolayısıyla bulgular, bilgisayar bilimi genişlerken bile araştırmacıların giderek aynı fikirlerin peşinden gittiğini ve daha dar bir çalışma seçkisine atıfta bulunduğunu gösteriyor.

İkinci «belirti», uzmanlık alanlarını bırakıp yapay zekâ üzerinde çalışmaya başlayan araştırmacıların sayısındaki artışla ilgili: Yazarlar, 3,7 milyon araştırmacıyı izleyerek bilgisayar bilimi alanları arasında yaklaşık 919.000 geçiş tespit etti. Bunların %53,81’i yapay zekâ alanına gerçekleşti. Bu araştırma alanı her yıl araştırmacı kazanırken sistemler ve kuram alanları istikrarlı biçimde araştırmacı kaybetti:

Araştırmacıların yapay zekâya yönelmesi. Soldaki grafik, yapay zekânın diğer bilgisayar bilimi alanlarından giderek daha fazla araştırmacıyı kendine çektiğini, sistemler ve kuram alanlarının ise gerilediğini gösteriyor. Sağdaki iki grafik, bu geçişi yapma olasılığı en yüksek kişileri ortaya koyuyor: yayın kariyerlerinde yaklaşık 32 yılı geride bırakmış ve yayın sicilleri meslektaşlarının yaklaşık %82’sinden daha güçlü olan araştırmacılar. Bir araştırmacı makalelerinin çoğunu farklı bir alanda yayımlamaya başladığında alan değiştirmiş sayılıyor.

Alan değiştirenler, yeni başlayanlar ya da kıdemli akademisyenlerden çok, kariyerlerinin ortasındaki yerleşik akademisyenlerdi. Yapay zekâya geçiş olasılığı, akademik kıdemi 31,8 yıl olanlarda ve yayın performansı bakımından 82. yüzdelik dilimde yer alan araştırmacılarda zirveye ulaştı.

Makalenin belirttiği üç eğilimden üçüncüsü, hakem değerlendirmesi üzerindeki baskının artması — bilimsel bir makalenin yayımlanmadan önce niteliğini ve güvenilirliğini başka araştırmacıların değerlendirdiği süreç.

Yazarlar, 2017 ile 2025 arasında 45 konferans ve başka platformlara gönderilen 26.731 makaleye ilişkin 73.089 değerlendirmeyi inceleyerek, hakemlerin makaleleri değerlendirme becerilerine duydukları güvenin beş üzerinden 3,9’dan 2,9’a düştüğünü buldu:

2017 ile 2025 arasında bilimsel hakem değerlendirmesinde yaşanan değişimleri gösteren grafikler. Soldaki grafik, hakemlerin gönderilen makaleleri değerlendirme becerilerine duydukları güvenin azaldığını ve puanların beş üzerinden 3,9’dan 2,9’a düştüğünü gösteriyor. Sağdaki grafik, düşmanca değerlendirme yorumlarını izliyor. Bu yorumlar, NeurIPS konferansının 2021’de daha şeffaf OpenReview platformuna geçmesiyle kısa süreliğine azaldı, ardından yeniden arttı. Her iki çizgi de üç yıllık hareketli ortalamaları gösteriyor.

Yazarlar, bu düşüşün yapay zekânın hızla yaygınlaşmasından kaynaklanabileceğini öne sürüyor; bu yaygınlaşma, makaleleri uygun niteliklere sahip hakemlerle eşleştirmeyi zorlaştırdı:

‘Hakem havuzları, yapay zekânın çekim gücüyle alana yönelen yeni araştırmacılarla dolup taştı. Hakemlere giderek daha sık, temel uzmanlık alanlarının dışında kalan yapay zekâ yöntemleriyle örülmüş makaleler gönderiliyor. Gönderileri gerçekten uzman hakemlerle eşleştirmek yapısal olarak zorlaştı.

‘Bu düzende kabul kararı giderek daha çok yazı tura atmaya benziyor.’

Altına Hücum(lar)ın Ardından

Makale ayrıca, yapay zekânın en büyük atılımlarının eninde sonunda kendi tükenişlerini hızlandırabileceğini öne sürüyor. Her büyük ilerlemenin ardından yeni fikirlerde bir patlama yaşanıyor; ancak araştırmaların odağı giderek bu atılımların kendisinde yoğunlaştıkça, ilk yenilik dalgası durgun bir tekrara dönüşüyor.^†:

‘Modern yapay zekâdaki ardışık döngüler daha erken doygunluğa ulaşıyor ve daha keskin biçimde tükeniyor. Döngü sıkışıyor.

‘AlexNet, Transformer ve büyük dil modellerinin (LLM) üç büyük teknolojik atılımını kapsayan, bilgisayar biliminin 36 yıllık gelişimi boyunca aynı sarmalı tekrar tekrar gözlemliyoruz [pattern].

‘Dikkat çekici biçimde, bu örüntü bilgisayar bilimiyle sınırlı değil. Biyolojide de hesaplamalı olmayan (ör. kriyo-elektron mikroskobu) ve hesaplamalı (ör. AlphaFold) büyük atılımların ardından aynı tükeniş döngüsünü gözlemliyoruz.’ 

Bu “tükenme” durumu, oto kodlayıcılarda, Üretici Çekişmeli Ağlarda (GAN’lerde) ve oto kodlayıcı yaklaşımlarında, örneğin deepfake’lerde, kesinlikle yaşandı. Bunların tümü, potansiyellerinin açıkça tükenmesinden sonra da yıllarca araştırmacılar tarafından acımasızca sömürüldü; ta ki yeni çerçeveler ve yaklaşımlar nihayet gelip üzerlerindeki baskıyı azaltana kadar.

Yazarlar bu döngüleri izlemek için bilimsel özetlerdeki ayırt edici isim ve ifadeleri taradı; değişen araştırma fikirlerinin göstergeleri olarak bunların ortaya çıkışını, kayboluşunu ve zaman zaman yeniden belirişini takip etti.

2012’de AlexNet ve 2017’de Transformer modelleri, her biri sonunda yatışan yeni fikir dalgalarını tetikledi. Her atılımla yapay zekâ diğer alanların önüne biraz daha geçti; diğer bilgisayar bilimi alanları ise geride kaldı ve sonunda 2012 öncesine kıyasla daha düşük bir hızla yeni fikirler üretmeye başladı:

Yapay zekâdaki (mavi), yapay zekâ dışındaki bilgisayar bilimlerindeki (kırmızı) ve her ikisinin toplamındaki (kesikli mor) yeni araştırma fikirlerinin payının karşılaştırması. 2012’de AlexNet’in, 2017’de Transformer’ın ardından yeni fikirlerin sayısı hızla arttı, sonra azaldı. İkinci atılımın ardından yapay zekânın üstünlüğü daha da belirginleşti. Çizgiler, üç yıllık hareketli ortalamaları gösteriyor.

Bu örüntü, kullanımdan düşen fikirlerde de görülür: Yeni çığır açıcı gelişmeler, bazen ortaya çıkışlarından yıllar sonra, eski yaklaşımları bir kenara iter. Ancak çığır açıcı gelişmelerin kendileri de aynı döngüye kapılır; her biri araştırmacıların ilgisinde zamanla azalan bir artış yaratır ve alanı ivmesini yeniden canlandıracak yeni bir keşif bekler hâlde bırakır (Gaussian Splatting‘de olduğu gibi, 31 yıllık bir aradan sonra):

2012’den 2025’e kadar orijinal AlexNet (kırmızı) ve Transformer (mavi) makalelerine yapılan atıfların karşılaştırması. Her iki makalenin de atıflardaki payı önce artıp ardından keskin biçimde düştü; bu da büyük atılımlara yönelik ilginin zamanla nasıl azaldığını gösteriyor. Çizgiler, üç yıllık hareketli ortalamaları gösteriyor.

Yazarların belirttiğine göre, yapay zekânın başarısı araştırmacıları ve fikirleri az sayıdaki baskın yaklaşım çevresinde toplarken, bu yaklaşımların yerini alacak yenilerini üretmeye yardımcı olabilecek çevre alanlar güç kaybetmeye devam ediyor. Yazarlar bunun gelecekteki atılımları kesinlikle engelleyeceğini öne sürmüyor; ancak yapay zekânın, bir sonraki büyük sıçramasının bağlı olabileceği çeşitliliği giderek tüketiyor olabileceği ihtimalini gündeme getiriyor.

Aktif olarak kullanılmaya devam eden fikirlerin sayısı da izlendi. Yapay zekâ geliştirmesinin birbirini izleyen dalgaları boyunca bu sayı, beklentilerin giderek daha fazla gerisinde kaldı; Transformer’ın ardından oluşan fark, AlexNet sonrasındakinden daha büyüktü:

Yapay zekâ alanındaki birbirini izleyen atılımlar boyunca aktif araştırma fikirlerinin sayısını gösteren grafik. Düz çizgiler modellenen büyümeyi, kesikli bölümler ise gerçek sayıların öngörülen düzeylerin altına düştüğünü gösteriyor. Transformer sonrasındaki fark, AlexNet sonrasındakinden daha büyük; LLM döneminde de erken bir düşüş görülüyor.

Özetle yazarlar, çabaların ve insanların yapay zekâyla ilgili giderek daralan bir dizi soruna yoğunlaşmasının, bir zamanlar fikirleri doğal biçimde yapay zekâ alanına ve diğer çeşitli sektörlere taşıyacak komşu alanları yoksullaştırma tehdidi oluşturduğu sonucuna varıyor.

2025 Nobel Ekonomi Bilimleri Ödülü’nün verilmesiyle ilgili John Hassler’ın yorumuna atıfta bulunarak şu sonuca varıyorlar:

‘Nobel komitesi, durgunluğun önlenmesi için yaratıcı yıkım mekanizmalarının ayakta tutulması gerektiği konusunda uyarıda bulundu. Bulgularımız, bu mekanizmalardan biri olan düşünsel çeşitliliği belirliyor ve mevcut kurumların bu çeşitliliği aşındırdığını gösteriyor.

‘Değerlendirme sistemleri, başvuru ücretleri ve kuralları, ödül yapıları, işe alım, terfi ve emeklilik teamülleri 12 dâhil olmak üzere dikkatin nasıl dağıtılacağını belirleyen kurumların tümü, bir sonraki paradigmanın ortaya çıkmasına alan açılıp açılmayacağını şekillendiriyor.

‘Bu kurumları iyi tasarlamak; o sırada öne çıkan paradigmayı daha da destekleme dürtüsüne direnmek, keşif yerine yoğunlaşmayı daha maliyetli kılmak ve değerlendirme yetkisini çok sayıda yayın üretenlerden alıp yenilikçi olanlara vermek demektir.

‘Yaratıcı yıkım, ancak yeniden birleştirilebilecek bir şeyleri geride bıraktığı sürece büyümeyi sürdürür. Tekilliğin ardılı yoktur.’

* Bunun için bir sözcük olmalı: ‘öngörüye dirençli’? Aslında bu tek bir sözcük değil, bir terim; ayrıca 2026’dan 2027’ye bakışı değil de 2026’yı ifade ediyormuş gibi duruyor. ‘Gelecekleştirilemez’? Yazım denetimi bunun altını kırmızı çizdi, o hâlde bu sözcükte karar kılalım.

^† Yazarların metin içi atıflarını köprülere dönüştürmem.

^†† Gini katsayısı, bir şeyin ne ölçüde eşitsiz dağıldığını 0 (tam eşitlik) ile 1 (en yüksek yoğunlaşma) arasında bir ölçekte gösterir. Burada daha yüksek bir değer, araştırmacıların daha az sayıda konuya odaklandığı anlamına gelir.

İlk kez 21 Ekim 2026 Çarşamba günü yayımlandı