AI Ölçeklendirme Yasaları Açıklanıyor: Yapay Genel Zekâ Sandığımızdan Daha Yakın mı?

Açı. AI's Yükseliş, fizikteki herhangi bir şey kadar düzenli yasalara uyar: daha fazla işlem gücü, daha iyi algoritmalar ve daha fazla veri, öngörülebilir kazanımlar sağlar ve bir öncü modelin kendi başına tamamlayabileceği görevin süresi, 2023'ten beri yaklaşık her dört ayda bir ikiye katlanmaktadır.

Yapay genel zeka (AGI), bir günde aniden açılan bir düğme değil. Bir merdiven gibidir ve dijital, iyi tanımlanmış işlerde hızla tırmanıyoruz. Yeni, ucu açık ve fiziksel işlerde ise merdivenler hâlâ dik.

Numara

Bir sohbet robotundan sonnet yazmasını, kodunuzu düzeltmesini veya kan testinizin sonucunu açıklamasını isteyin, sanki sihir gibi geliyor. Bu numara işe yarıyor çünkü siz sadece sahneyi görüyorsunuz. Sahne arkasında sihirbaz yok. Sadece üç düğme ve bir elektrik faturası var.

1. İlk ayar hesaplamayı gösterir: bir modeli eğitmek için kaç hesaplama yapılır.
2. İkincisi algoritmalar: her bir hesaplamanın ne kadar zekice kullanıldığı.
3. Üçüncüsü ise veri: modelin ne kadar metin, kod ve videodan öğrendiği.

2024'ten beri bunlara dördüncü bir gösterge daha eklendi: düşünme süresi, yani bir modelin yanıt vermeden önce yaptığı hesaplama süresi. Herhangi bir göstergeyi yukarı çevirdiğinizde, performans oldukça tahmin edilebilir bir şekilde artar.

Bu öngörülebilirlik asıl önemli nokta. Isaac Newton bize nesnelerin nasıl hareket ettiğini açıklayan yasalar verdi. AI Araştırmacılar, en azından makine zekasının kaynaklarla nasıl geliştiğini açıklayan yasalar buldular. Tıpkı Newton gibi.'s Kanunlar, kendi sınırları içinde mükemmel bir şekilde işler ve sınırlarında bozulurlar. Bu eser hem kanunlar hem de sınırlar hakkında.

Mojo's Kanun: sinirsel ölçekleme kanunu

Ocak 2020'de Open'daki bir ekipAI liderliğinde Jared Kaplan bir dil modelinin's Hata, yani "kaybı", onu eğitmek için kullanılan hesaplama gücünün düzgün bir güç yasası şeklinde düşer. Yazılı olarak ifade edildiğinde, neredeyse hayal kırıklığı yaratacak kadar basittir:

L(C) = \left(\frac{C_c}{C}\right)^{\alpha_C}, \qquad \alpha_C \approx 0.050

L kayıp, C eğitim hesaplaması ve C_c bir sabittir. Üs, tüm hikayeyi anlatıyor. α yaklaşık 0.05 iken, hesaplamayı 10 ile çarpmak kaybı yalnızca yaklaşık %11 azaltır, çünkü 10 üzeri -0.05 yaklaşık 0.89'dur. Her on katlı adım, başka bir şey tükenene kadar sonsuza dek benzer, mütevazı bir iyileşme sağlar. Kaplan's Ekip, model boyutu ve veriler için eşleşen güç yasaları buldu.

İki yıl sonra, DeepMind'ın Chinchilla makalesi (Hoffmann ve meslektaşları, Mart 2022) bu formülü düzeltti. Sabit bir bütçe için, parametreler ve eğitim token'ları birlikte büyümelidir; bu da parametre başına yaklaşık 20 token eğitim verisi anlamına gelir . 1.4 trilyon token üzerinde eğitilmiş 70 milyar parametreye sahip Chinchilla, aynı işlem gücünde eğitilmiş, kendisinden dört kat daha büyük bir modeli geride bıraktı.

Ve göstergeler katlanarak artar. Eğer sınır eğitim hesaplama gücü yılda yaklaşık 5 kat artıyorsa (Epoch AI) ve daha iyi algoritmalar aynı sonuç için gereken hesaplama gücünü her 8 ayda bir yarıya indiriyorsa (Ho ve meslektaşları, 2024), en iyi modelin arkasındaki etkin hesaplama gücü yılda kabaca 14 kat artar, çünkü 2 üzeri 12/8 yaklaşık 2.8'dir ve 5 kere 2.8 14'tür. Bu Mojo'nun aritmetiğidir, ölçülmüş bir rakam değildir, ancak her yılın modellerinin neden farklı bir tür gibi hissettirdiğini açıklar.

Göstergeler gerçekte neyi gösteriyor?

Dört kadranın hepsi hala dönüyor, ancak veri kadranı durma noktasına yaklaşıyor.

Hesapla. Dönem AI Tahminlere göre, sınır bölgelerindeki eğitim hesaplama gücü 2020'den beri yılda yaklaşık 5 kat artarken, eğitim maliyetleri yılda yaklaşık 3.5 kat arttı. GPT-3, 2020'de yaklaşık 3 × 10^23 işlemle eğitildi; GPT-4 ise 2023'te yaklaşık 2 × 10^25 işlemle eğitildi.

Dönem's OpenAI'ye göre 2026'da gerçekleşmesi beklenen en büyük proje.'s GPT-6 Astra'nın çalışma hızı yaklaşık 9 × 10^26'dır ve 10^27 hızında henüz doğrulanmış bir çalışma bulunmamaktadır. Epoch, Grok 4'ün 2025 yılında eğitilmesinin yaklaşık 310 gigawatt-saat elektrik tüketeceğini ve yaklaşık 490 milyon dolara mal olacağını tahmin etmektedir.

Algoritmalar. Anson Ho ve meslektaşlarının 2024 yılında yaptığı bir çalışma, dil modeli performansının belirli bir seviyeye ulaşması için gereken işlem gücünün yaklaşık her 8 ayda bir yarıya indiğini, ancak daha büyük işlem gücünün yine de işin daha büyük bir kısmını yaptığını ortaya koydu.

Veri. Bu, durdurma mekanizmalı kadran. Dönem AI halka açık hisse senedinin tahminleri insan tarafından yazılan metin Yaklaşık 300 trilyon token'a ulaşan bu fonun, 2026 ile 2032 yılları arasında eğitim amaçlı olarak tamamen kullanılmasını bekliyor. Şu anda bu zaman diliminin içindeyiz. Laboratuvarlar sentetik verilere, lisanslı verilere, videolara ve modellerin kendi mantıksal izlerine yöneliyor.

Düşünme süresi. En yeni gösterge. Eylül 2024'te OpenAI'nin o1 modeli, bir modelin cevap verme aşamasında daha uzun süre düşünmesine izin vermenin doğruluğu sorunsuz bir şekilde artırdığını gösterdi: 2024 matematik yarışmasında tek denemede %74, 1,000 denemeyi örnekleyip yeniden sıralayabildiğinde ise %93 puan aldı; GPT-4o ise %12 puan elde etti. 2024 yılında yapılan bir çalışma, çıkarım hesaplamasını akıllıca kullanmanın küçük bir modelin kendisinden 14 kat daha büyük bir modeli geçmesini sağladığını ortaya koydu.

Richard Sutton's 2019'da yayınlanan "Acı Ders" başlıklı makale bunu öngörmüştü: satrançta, Go oyununda, konuşmada ve görmede, daha fazla hesaplama kullanan genel yöntemler, her zaman zekice el yapımı bilgileri alt etmiştir. Altı yıl sonra bile, bu dersin acısı hala dinmiyor.

Fizik, sınırlar hakkında ne söylüyor?

Yukarıdaki yazılım yasaları donanım üzerinde çalışır ve donanım fiziğe cevap verir. Tüm tartışmayı üç sayı çerçeveliyor.

Çip üretimi hala hızlanıyor, ancak eski yöntemlerle değil. Transistör sayısının yaklaşık her iki yılda bir ikiye katlanmasını öngören Moore yasası yavaşladı; Nvidia'dan Jensen Huang, 2022'de bu yasanın öldüğünü söyledi.

Ancak Nvidia's Veri merkezi çipleri, kendi spesifikasyonlarına göre, V100'de (2017) saniyede yaklaşık 125 trilyon işlemden Rubin'de (2026) yaklaşık 4,000 trilyona kadar yoğun 16 bit performansını yaklaşık dokuz yılda 32 katına çıkardı. Bu kazanımın büyük kısmı, daha küçük transistörlerden değil, özel tasarım ve daha düşük hassasiyetli matematiksel işlemlerden kaynaklandı.

Dönem AI önlemler makine öğrenimi donanımı Her 2.1 yılda bir yaklaşık iki kat daha verimli hale geliyor.

Beyniniz inanılmaz derecede verimli. ABD Ulusal Standartlar ve Teknoloji Enstitüsü'ne göre, insan beyni yaklaşık 20 watt enerji tüketiyor. Bir Nvidia H100 ise yaklaşık 700 watt güç çekiyor. Open Philanthropy'nin beynin ham işlem gücü için en iyi tahmini, saniyede yaklaşık 10^15 işlem, yani bir H100'ün sağladığına kabaca denk geliyor. Karşılaştırma elma ile armutu karşılaştırmak gibi, ancak verimlilikteki fark gerçek ve donanımın hala ne kadar gelişme potansiyeli olduğunu gösteriyor.

Bir alt sınır var. 1961'de ortaya atılan ve 2012'de deneysel olarak doğrulanan Landauer ilkesi, oda sıcaklığında bir bit bilgiyi silmek için gereken minimum enerjiyi belirler: yaklaşık 3 × 10^-21 joule. Günümüzün çipleri bundan kat kat daha fazla enerji kullanıyor. Fizik henüz bağlayıcı sınır değil. Güç santralleri sınırlayıcı sınır.

Uluslararası Enerji Ajansı's 2025 Enerji ve AI Rapora göre, veri merkezlerinin 2024 yılında yaklaşık 415 terawatt-saat elektrik tükettiği, bunun da dünya elektrik tüketiminin yaklaşık %1.5'ine denk geldiği tahmin ediliyor.'s Toplamda yaklaşık 945 terawatt-saatlik bir üretim kapasitesine ulaşılması öngörülüyor ve bu kapasitenin 2030 yılına kadar yaklaşık 945 terawatt-saat olması bekleniyor.

Soru başına düşen rakamlar küçük ve düşüşte: Google, Mayıs 2025'te Gemini'ye gönderilen metin komutlarının ortalama tüketimini 0.24 watt-saat olarak ölçtü; bu rakam Epoch AI'nin biraz altında.'s O yılın başlarında tipik bir ChatGPT sorgusu için yaklaşık 0.3 watt-saatlik bir enerji tüketimi tahmini vardı ve Google, 12 ay içinde her bir sorgu başına enerji tüketiminde 33 katlık bir düşüş bildirdi.

Buradaki püf nokta Jevons paradoksu: Her sorgunun maliyeti düştükçe, milyarlarca daha fazla sorgu soruyoruz.

Mojo Horizon Saati: Ne kadar süre çalışabilir? AI kendi başına çalışır mı?

2019'da GPT-2 yaklaşık 3 saniyelik görevleri yönetti. Nisan 2026'da METR's Antropik için erken tahmin's Claude Mythos ön izlemesi 16 saatten fazla sürdü.

Bu, yedi yılda yaklaşık 21,000 katlık bir artış anlamına geliyor. Her yeni rekor için bir trend çizgisi çizdiğimde, ufuk 2019'dan 2026'ya kadar yaklaşık her 6 ayda bir, 2023'ten beri ise yaklaşık her 4.1 ayda bir ikiye katlandı . METR'nin Ocak 2026 güncellemesi, 2023 sonrası ikiye katlanma süresini yaklaşık 4.3 ay olarak belirtmişti, bu nedenle bağımsız uyarlamamız da bunu doğruluyor.

Sadece bir örnek olarak, 2023 sonrası çizgisini uzatırsak, 40 saatlik çalışma haftası 2026 yılının sonlarında, 167 saatlik çalışma ayı ise 2027 yılının ikinci yarısında aşılır.

Şimdi de önemli oldukları için bazı uyarılara geçelim.

1. Öncelikle, %50 başarı güvenilirlik anlamına gelmez; %80 başarıda ise ufuklar çok daha kısadır.
2. İkinci olarak, bunlar bağımsız yazılımlardır ve araştırma görevleriİş arkadaşlarıyla, müşterilerle ve fiziksel nesnelerle ilgili dağınık işler değil.
3. Üçüncüsü, ölçüm aracı da bozuluyor: METR, 16 saatten uzun süreler için yaptığı tahminlerin güvenilir olmadığını ve Eylül 2026'da liderlik tablosunu aktif olarak güncellemeyi durdurduğunu söylüyor.

Ölçülen şeyden önce cetvelin bitmesi, başlı başına bir işarettir.

Performans göstergeleri neden sürekli düşüyor?

Modeller geliştiği için ve kıyaslama ölçütleri hedefler olduğu için. Her ikisi de doğru ve ikincisi, her sıralama tablosuna neden özenle yaklaştığımın sebebi.

En çarpıcı örnek, ARC Prize Vakfı tarafından 25 Mart 2026'da, insanların kolayca çözebileceği, talimat içermeyen etkileşimli bulmacalar seti olarak piyasaya sürülen ARC-AGI-3'tür. Lansman sırasında, en iyi AI %0.51 puan aldı. 3 Eylül 2026'da ARC Prize, OpenAI'yi doğruladı.'s GPT-6 Astra, standart test kurulumunda %62.7'lik bir başarı oranı elde etti. (%98 ila %99'luk viral iddialar, ARC Prize'ın standart olarak saymadığı farklı bir kurulumdan kaynaklanmaktadır.) Yıllarca dayanması için tasarlanmış bir kıyaslama testi, yaklaşık altı ay içinde performansının büyük bir kısmını kaybetti.

Başka yerlerde de aynı örüntü tekrarlanıyor. SWE-bench Verified'da kodlama oranı 2023'te %4.4'ten, sağlayıcılar tarafından bildirilen 2026 sonuçlarında yaklaşık %96'ya yükseldi; bu da artık en iyi modelleri birbirinden ayırt edemediği anlamına geliyor. Temmuz 2025'te Google DeepMind's Gemini Deep Think, Uluslararası Matematik Olimpiyatı'ndaki altı sorudan beşini çözerek resmi değerlendirmede 42 üzerinden 35 puan aldı; bu da altın madalya standardına denk geliyor.

Buradaki objektif Goodhart'a ait.'s Kanun: Bir ölçüt hedef haline geldiğinde, iyi bir ölçüt olmaktan çıkar. Laboratuvarlar ünlü kıyaslama ölçütlerine göre eğitim alırlar; test soruları eğitim verilerine sızar. Bu, ilerlemeyi sahte yapmaz. Bu, dürüst ölçütlerin METR gibi gerçek çalışmaya benzeyen ölçütler olduğu anlamına gelir.'s Zaman ufukları ve makineler için hala zor, insanlar için kolay olanlar, örneğin ARC-AGI-3 ve İnsanlık's Son sınavda, araçlar kullanılmadan yapılan değerlendirmede en yüksek resmi puan %38.3 oldu.

Peki yapay genel zekaya ne kadar yakınız?

Ekranlarda dünyadan daha yakın, ve alanın dışındaki çoğu insanın sandığından daha yakın. Ancak "yapay genel zeka" (AGI) farklı insanlar için farklı anlamlar ifade ediyor; bu da tartışmanın kısır döngüye girmesinin nedenlerinden yarısı.

Tanımlar. Google DeepMind'ın "Yapay Genel Zeka Seviyeleri" çerçevesi (Morris ve meslektaşları, 2023), sistemleri iki eksende değerlendirir: ne kadar iyi performans gösterdikleri ve ne kadar genel oldukları. O dönemdeki sohbet robotlarını "gelişmekte olan" yapay genel zeka olarak sınıflandırmıştır. Laboratuvar liderleri, ekonomik olarak en değerli işleri yapabilen sistemlerden bahseder; Anthropic'ten Dario Amodei, bunu "bir veri merkezindeki dâhiler ülkesi" olarak tanımlar. Şüpheciler ise bunu, mevcut modellerin yapmadığı, deneyimden insan benzeri öğrenme olarak tanımlar.

Tahminler.

Laboratuvar liderleri daha agresif: Ocak 2026'da Antropoloji's Dario Amodei, güçlü olduğunu yazdı. AI Bu bir ila iki yıl sürebilir. Demis Hassabis 2023'te bunun on yıl içinde gerçekleşebileceğini söylemişti. Meta'dan ayrılıp yeni bir laboratuvar için 1.03 milyar dolar toplayan Yann LeCun, büyük dil modellerini çıkmaz sokak olarak nitelendirirken, Richard Sutton ise bunların öğrenmek yerine taklit ettiğini savunuyor.

Mojo'nun üç kapısı. Tek bir bitiş çizgisi yerine, her biri ölçülebilir bir teste sahip üç bitiş çizgisini takip ediyorum.

Kapı	test	Durum, Kasım 2026	Mojo's okumak
1. Dijital özerklik	AI Yüksek güvenilirlikle bir haftalık gerçek yazılım veya araştırma çalışmasını tamamlar.	16 saatten sonra %50'lik ufuk; güvenilir ufuklar çok daha kısa; ölçüm kırılması	1 ila 3 yıl içinde gerçekleşmesi muhtemel
2. Yenilik	İnsanlar için kolay olan ve makineler için yeni olan bulmacalarda insan seviyesinde performans (ARC-AGI-3)	En iyi doğrulanmış oran %62.7; insan oranı %100.	Hızlı bir şekilde kapanıyor; 1 ila 2 yıl içinde gerçekleşmesi muhtemel.
3. Fiziksel dünya	Genel fiziksel işleri rekabetçi bir maliyetle yapan robotlar	Fiziksel işlerin yaklaşık %0.3'ü için maliyet açısından rekabetçi (Anthropic, Eylül 2026)	On yıl veya daha fazla

Benim kanaatim: Yapay genel zekanın dijital yarısı 2030'dan önce gerçekleşebilecek canlı bir olasılık. Fiziksel yarısı, yani çamaşır katlayan, kombi tamir eden ve hastaları tedavi eden kısım ise çok daha uzakta. Moravec's Paradoks hâlâ geçerli: Bizim için zor olan makineler için kolaydır, bizim için kolay olan ise onlar için zordur. Size yapay genel zekanın tek bir tarihte geleceğini söyleyen herkes bir şey satmaya çalışıyordur.

Talep Çeki

İddia	Kim yapar	MES	Mojo's okumak
Ölçeklendirme yasaları hala geçerliliğini koruyor.	AI laboratuvarlar, Epoch AI	4 Güçlü	Hesaplama gücü arttıkça kayıplar da azalmaya devam ediyor; veri kadranı ise bağlayıcı risk unsurudur.
AI “duvara çarpıyor”	Şüpheciler, periyodik olarak	0 Dayanamadı	2026 yılına kadar ufuklar ve somut ölçütler yükselmeye devam etti.
Görev ufukları her 4 ila 7 ayda bir ikiye katlanıyor.	METR	4 Güçlü	Kendi ölçümlerimizle doğrulandı; 16 saatten uzun süren ölçüm araları.
AI Matematik olimpiyatı seviyesinde insanları yendim.	Google DeepMind	4 Güçlü	Resmi olarak altın standart olarak derecelendirildi, Temmuz 2025
Yapay genel zeka 2027'de gelecek.	Bazı laboratuvar liderleri	1 Talep	Tanıma bağlı; dijital tarafın yakında gerçekleşmesi mümkün.
Hukuk yüksek lisansları çıkmaz sokaktır.	Yann LeCun	1 Talep	Ciddi bir azınlık görüşü; henüz hiçbir sonuç katı bir üst sınır göstermiyor.
AI Sorgu başına enerji kullanımı çok düşüktür.	Google, OpenAI	3 Umut Vadeden	Kendi beyanlarına dayanıyor, ancak Epoch AI ile tutarlı.'s bağımsız tahmin
Eğitim verilerimiz tükenecek.	Çağ Yapay Zeka	3 Umut Vadeden	2026-2032 dönemi açıldı; sentetik veri ise açık bir soru işareti.

Karşı Açı

Benim yorumuma karşı en güçlü argüman, bir ölçüt çubuğunu şeyin kendisiyle karıştırmamdır. Zaman ufukları ve kıyaslama noktaları araştırmacılar tarafından oluşturulan testlerdir ve modeller giderek bu testleri geçmek üzere eğitilmektedir.

Bunu ciddiye alıyorum, bu yüzden kapılarımın bir haftadan fazla süredir güvenilir bir şekilde çalışması gerekiyor ve fiziksel kapı da uzakta duruyor. Ancak bu eğilim, yedi yıl boyunca ölçüm yöntemindeki birkaç değişikliğe rağmen devam etti. Her yeni test bir öncekinden daha hızlı sonuç veriyorsa, en olası açıklama ölçülen şeyin gerçekten gelişiyor olmasıdır.

Mojo's Tahminleri

1. METR veya benzeri bağımsız bir değerlendirici tarafından yayınlanan bir tahmin, bir modeli ortaya koyuyor.'s 31 Aralık 2027 itibarıyla 40 saatin üzerinde %50 zaman ufku. Olasılık: %60.
2. ARC-AGI-3'te %85 veya üzeri bir puan's Standart test kurulumu, 31 Aralık 2027 tarihine kadar ARC Prize tarafından doğrulanacaktır. Olasılık: %55.
3. Dönem AI 31 Aralık 2027'ye kadar 10^27'nin üzerinde işlem içeren bir eğitim çalışması öngörülüyor. Olasılık: %85.

Üç tahminin tamamı Mojo Tahmin Defterine kaydedilecek ve kamuoyuyla paylaşılacak.

Bu konu bundan sonra nerede tartışılacak?

SSS