TL;DR: Son on yılda dünya çapında uzmanlar yapay zeka hakkında özgüvenli, spesifik, kamuya açık tahminler yaptı. En çok alıntılananları 2026 itibarıyla gerçekte olanlara karşı puanladık ve sonuçlar alçakgönüllülük öğretici nitelikte. Radyologlar 2021’e kadar demode ilan edildi; oysa alan bir kıtlıkla ve yükselen maaşlarla karşı karşıya. Kıtadan kıtaya sürücüsüz sürüş 2017 için vaat edildi; hâlâ hayata geçmedi. ABD işlerinin neredeyse yarısının yüksek otomasyon riski altında olduğu söylendi; istihdam büyüdü. Ama ıskalar rastgele gürültü değil. İki yönde kümeleniyorlar: uzmanlar yapay zekanın insan emeğini ne kadar hızlı yerinden edeceğini sistematik olarak abartıyor, Go ve protein katlanması gibi dar teknik ölçütleri ise sistematik olarak küçümsüyor; bu ölçütler yıllar önce geliyor. Hatanın yönünü bilmek, bu yıl duyacağınız herhangi bir yapay zeka tahminini okumak için sahip olabileceğiniz en yararlı beceridir.
Öngörü, gelecek hakkında haklı çıkmakla ilgili değildir. Kimse gelecek hakkında güvenilir biçimde haklı çıkmaz. Öngörü kalibre olmakla ilgilidir: bir tahmine ne kadar güvenileceğini, kimden ve ne tür bir şey hakkında olduğunu bilmek. Kalibre olmanın tek dürüst yolu geçmişi notlandırmaktır. Bu yüzden tahmin sektörünün kendisine neredeyse hiç yapmadığı bir şeyi yaptık. On yılın en etkili, en çok alıntılanan yapay zeka tahminlerini derledik, Ağustos 2026 itibarıyla kamuya açık kayda karşı kontrol ettik ve her birini puanladık.
Bu tam da şu an önemli, çünkü yapay zeka tartışması yeniden özgüvenli zaman çizelgeleriyle doymuş durumda. Biri size belirli bir iş kategorisinin on sekiz ay içinde biteceğini, AGI’nin üç yıl içinde geleceğini, bu çeyreğin modelinin her şeyi değiştirdiğini söylüyor. Bunların herhangi biri etrafında kariyerinizi ya da şirketinizi yeniden düzenlemeden önce, tam olarak bu türün son on yılda nasıl performans gösterdiğini bilmekte fayda var. Spoiler: özgüvenli spesifiklik ipucudur.
Bu nasıl puanlandı
Yönteme dair bir not, çünkü bir karne ancak kuralları kadar iyidir. Kamuya açık, spesifik, adı geçen bir uzmana ya da yaygın olarak alıntılanan bir çalışmaya atfedilebilen ve yargılanacak kadar eski tahminleri dahil ettik. Belirsiz “yapay zeka her şeyi değiştirecek” ifadeleri, yanlışlanamaz oldukları için hariç tutuldu. Her karar, özel bilgi iddiası değil, Ağustos 2026 itibarıyla belgelenmiş kamu kaydına karşı ölçülen CEOtudent editöryel değerlendirmesidir. Bir tahminin zaman ufku tamamen dolmamışsa, bunu belirtiriz ve bir not zorlamak yerine beklemede olarak işaretleriz.
Dört karar kullandık. Iskaladı (aşırı hedef), tahminin çok agresif olduğu; şeyin vaat edilen zaman çizelgesinde gerçekleşmediği anlamına gelir. Iskaladı (eksik hedef), uzmanların çok temkinli olduğu; şeyin fikir birliğinin beklediğinden yıllar önce gerçekleştiği anlamına gelir. Tutturdu, kabaca iddia edildiği gibi geldiği anlamına gelir. Beklemede, saatin henüz dolmadığı anlamına gelir.
Karne
On yıllık uzman yapay zeka tahminleri, notlandırıldı (CEOtudent editöryel değerlendirmesi)
| Tahmin | Kim ve ne zaman | Spesifik iddia | 2026 itibarıyla gerçekte ne oldu | Karar |
|---|---|---|---|---|
| Bilgisayarlar yaklaşık bir on yıl daha Go’da en iyi insanı yenemez | 2016 öncesi geniş uzman fikir birliği | Dünya çapında bir Go profesyonelini yenmek yaygın olarak kabaca on yıl uzakta görülüyordu | DeepMind’ın AlphaGo’su Mart 2016’da Lee Sedol’u 4-1 yendi, fikir birliğinden yaklaşık on yıl önce | Iskaladı (eksik hedef) |
| Radyolog yetiştirmeyi bırakın; yapay zeka onların yerini alacak | Geoffrey Hinton, 2016 | Beş yıl içinde (en fazla on), yapay zeka radyologlardan daha iyi performans gösterecekti, yani yenilerini yetiştirmek anlamsızdı | Radyoloji bir işgücü kıtlığıyla karşı karşıya, talep ve maaşlar arttı ve Hinton daha sonra zamanlamada yanıldığını söyledi | Iskaladı (aşırı hedef) |
| ABD işlerinin neredeyse yarısı yüksek otomasyon riski altında | Frey ve Osborne (Oxford), 2013 | ABD istihdamının yaklaşık yüzde 47’si sonraki yirmi yılda yüksek risk kategorisindeydi | Yaygın olarak bir yerinden etme tahmini gibi okundu; ABD istihdamı milyonlarca arttı ve çalışmanın yöntemi riski abartmakla ağır biçimde eleştirildi | Iskaladı (aşırı hedef) |
| Tam sürücüsüz sürüş çok yakın | Elon Musk, 2016 | 2017 sonuna kadar kıtadan kıtaya tamamen otonom bir Tesla sürüşü; 2020’ye kadar tüm Tesla’lar robotaksi | Gösteri hiç gerçekleşmedi; 2026’da denetimli sürücüsüz sürüş var ama vaat edilen denetimsiz zaman çizelgesi yıldan yıla kaydı | Iskaladı (aşırı hedef) |
| Yapay zeka kanser bakımını dönüştürecek | IBM Watson for Oncology, kabaca 2013’ten itibaren | Watson onkolojide devrim yapmaya ve kanser tedavisini geniş ölçekte yönlendirmeye yardım edecekti | Amiral gemisi MD Anderson projesi (yaklaşık 62 milyon dolar) canlı bir ortamda hasta tedavi etmeden sona erdi; IBM 2022’de Watson Health’i bir özel sermaye şirketine sattı | Iskaladı (aşırı hedef) |
| Protein yapılarını tahmin etmek on yıllar uzakta | Yapısal biyolojide uzun süredir hâkim görüş | Protein katlanma problemi, yaklaşık 50 yıldır çözüme direnen açık bir sorun olarak görülüyordu | AlphaFold 2, 2020’deki CASP14 değerlendirmesinde deneysele yakın doğruluğa ulaştı, çoğunun beklediğinden on yıllarca önce | Iskaladı (eksik hedef) / DeepMind için tutturdu |
| Yapay zeka 2029’a kadar Turing testini geçer; 2045’e kadar tekillik | Ray Kurzweil, uzun süredir | 2029 civarında insan seviyesinde makine zekası, 2045 civarında teknolojik tekillik | Her iki ufuk da 2026 itibarıyla açık; henüz notlandırılamaz | Beklemede |
Kimsenin işaret etmediği örüntü
Karar sütununu tekrar okuyun ve bir şey öne çıkar. Iskalar dağınık değil. İki tutarlı yönü işaret ediyorlar ve bu tutarlılık tüm bu alıştırmanın asıl içgörüsü.
Yapay zekanın insan emeğini yerinden etmesiyle ilgili her tahmin aşırı hedefledi. Radyologlar, işlerin yüzde 47’si, sürücüleri işsiz bırakacak sürücüsüz filolar, Watson’ın geçeceği onkologlar. Her durumda uzman, işin gerçek dünyadaki, yüksek riskli, dağınık versiyonunun ne kadar zor olduğunu ve ne kadarının yapay zekanın yapabileceği dar görev olmadığını hafife aldı. Radyoloji yalnızca bir görüntüyü okumak değildir; muhakeme, entegrasyon, sorumluluk ve hasta bağlamıdır. Yapay zeka gösteriyi yapabilirdi. Gösteri hiçbir zaman işin kendisi değildi.
Dar, iyi tanımlanmış bir ölçütle ilgili her tahmin eksik hedefledi. Go ve protein katlanması, ikisi de uzman fikir birliğinden yıllar önce geldi. Görev keskin, sınırlı ve net bir başarı ölçütüne sahip olduğunda, derin öğrenme uzmanları bile defalarca hızlı tarafta şaşırttı. OpenAI’nin 2020 civarında formüle ettiği ölçekleme hipotezi, yani daha çok veriyle eğitilmiş daha büyük modellerin öngörülebilir biçimde daha iyi olmayı sürdürdüğü, en azından ölçüt performansında şüphecilerden daha yakın çıktı.
Yani on yılın CEOtudent okuması tek, taşınabilir bir kural, yani akılda tutmaya değer türden bir zihinsel model. Uzmanlar yapay zekanın bütün insan işlerini yerinden etme hızını abartır ve dar teknik ölçütleri fethetme hızını küçümser. Başarısızlık uzmanların aptal olması değildir. Bir modelin sınırlı bir oyunu kazanıp kazanamayacağı ile bir sistemin dağınık bir insan rolünün yerini alıp alamayacağı tamamen farklı sorulardır ve özgüvenli tahminler bunları aynı soru gibi ele almayı sürdürdü.
Bugünün yapay zeka tahminlerini bir CEO gibi nasıl okursunuz
Geçmişi notlandırmanın değeri, size bugün için bir filtre vermesidir. Bir sonraki özgüvenli yapay zeka zaman çizelgesi akışınızdan geçtiğinde, tepki vermeden önce onu örüntüden geçirin.
İlk olarak, iddianın bir ölçüt mü yoksa bir iş mi hakkında olduğunu sorun. “Bu model X görevinde insanları yenecek” bir ölçüt iddiasıdır ve tarihsel kayıt bunu ciddiye almanızı ve belki de belirtilenden daha erken beklemenizi söyler. “Bu model Y mesleğinin yerini alacak” bir iş iddiasıdır ve kayıt zaman çizelgesini ağır biçimde iskonto etmenizi söyler, çünkü işin dağınık yüzde 80’i tam da gösterinin sakladığı şeydir.
İkincisi, spesifikliği artı kısa bir son tarihi uzmanlık işareti değil, uyarı işareti olarak görün. Bu karnedeki en gösterişli ıskalar en spesifik ve en özgüvenli olanlardı: 2017 sonu, beş yıl içinde, 2020’ye kadar robotaksiler. Belirsiz ama yönlü tahminler (“bu önemli olacak, eşit olmayan biçimde, yıllar içinde”) spesifik olanlardan çok daha iyi yaşlandı. Bir CEO, bir çeyrek adı veren kişiden çok “zamanlamayı bilmiyorum” diyen kişiye saygı duymayı öğrenir.
Üçüncüsü, yönü tarihten ayırın. Hinton, yapay zekanın radyolojiyi yeniden şekillendireceği konusunda muhtemelen haklıydı ve ne zaman ve ne kadar tam olacağı konusunda yanılıyordu. Bu tahminlerin çoğu vektörü kısmen doğru, büyüklüğü ve zamanlamayı kötü biçimde yanlış anladı. Bir yapay zeka tahmininin normal şekli budur: yön hakkında zayıf bir sinyal olarak ona güvenin, bir zaman çizelgesi olarak tamamen güvenmeyin. Bu, bahis gibi düşünmekle aynı disiplindir: bir olasılık atayın, bir kesinlik kabul etmeyin.
Dördüncüsü, teşvikleri hatırlayın. Bu tahminlerin birçoğu satacak bir şeyi olan insanlardan geldi: bir ürün, bir hisse, bir tez ya da bir kitap. Tahmin ve satış konuşması aynı cümleydi. Öngörüyü iyi okumanın bir parçası, zaman çizelgesine inanmanızdan kimin yararlandığını sormaktır; bu alışkanlık yapay zeka çağında sinyali gürültüden ayırma çalışmamızın içinden geçer.
Uyarılar, çünkü bir karne kendini de kendi standardına tutmalı
Tahminleri geriye dönük notlandırmak, onları yapmaktan daha kolaydır ve bunun aksini iddia etmek dürüst olmaz. Bu uzmanlardan bazıları en çok alıntılanan cümlelerinin gösterdiğinden daha fazla çekince koydu ve alıntılar dolaşırken düzleşir. Her iddianın yaygın olarak dolaşan versiyonunu notlandırdık, ki bu kararları ve manşetleri gerçekten şekillendiren versiyondur, ama altta yatan nüans bazen sözden daha büyüktü.
İki karar da bir yıldız işareti hak ediyor. Frey ve Osborne rakamı, yüzde 47’sinin kaybedileceğine dair düz bir tahmin değil, otomasyon riski altındaki işlere dair bir ifadeydi ve tam yirmi yıllık penceresi tamamen dolmadı. Onu bir ıska olarak notlandırdık çünkü ezici biçimde bir yerinden etme tahmini olarak alındı ve tekrarlandı ve bugüne kadarki işgücü piyasası eğilimi bu okumaya karşı işliyor. Ve AlphaFold aynı anda iki şey: onu yapan ekip için çarpıcı bir tutturma ve problemin on yıllarca uzakta olduğunu varsayan geniş alan için bir ıska. Her iki gerçek de karneye ait.
Bunların hiçbiri uzmanlığın değersiz olduğu ya da yapay zeka ilerlemesinin sahte olduğu anlamına gelmez. Nokta daha dar ve daha yararlıdır: uzman yapay zeka tahminlerinin ölçülebilir, yönlü bir sapması vardır ve yönü bildikten sonra bunu düzeltebilirsiniz. Kalibrasyon budur ve öngörünün bütün işi budur.
Sıkça sorulan sorular
Tüm uzman tahminleri yanlış mıydı?
Hayır ve bu çerçeveleme noktayı kaçırıyor. Tahminler örüntülü yönlerde yanlıştı: insan işi yerinden etmede çok hızlı, dar ölçütlerde çok yavaş. Ölçekleme hipotezi ve AlphaFold atılımı gibi bazıları yönlü olarak doğruydu ve erken geldi. Ders “uzmanları görmezden gelin” değil, “hangi yönde ıskaladıklarını bilin ve ayarlayın” dır.
Neden bu kadar çok akıllı insan iş otomasyonunda aşırı hedefledi?
Çünkü dar bir görevin gösterimi, bütün bir rolü yerinden etmekle kolayca karıştırılır. Bir taramayı okumak, bir not taslağı hazırlamak ya da bir soruyu yanıtlamak bir işin bir dilimidir. Geri kalanı, yani muhakeme, hesap verebilirlik, bağlam, koordinasyon ve güven, zorluğun ve değerin çoğunun yaşadığı yerdir ve o dilimle aynı zaman çizelgesinde otomatikleşmez.
Bu, mevcut AGI ve iş kaybı tahminlerinin de yanlış olduğu anlamına mı geliyor?
Aynı filtreyi uygulayın anlamına gelir. İnsan ölçütlerini aşan dar yetenekler hakkındaki iddialar ciddiye alınmayı ve muhtemelen daha erkene çekilmeyi hak ediyor. Meslekleri toptan değiştirme ya da yakın vadeli AGI hakkındaki iddialar zaman çizelgesinde ağır bir iskonto hak ediyor, çünkü son on yılın en çok yanlış anladığı kategori tam olarak budur.
Bir birey bunu gerçekte nasıl kullanmalı?
Hayatınızı özgüvenli tarihlerin etrafında yeniden düzenlemeyi bırakın. Alanınızdaki yapay zeka ilerlemesinin yönünü zayıf bir sinyal olarak izleyin, işinizin otomasyona direnen dağınık, muhakeme ağırlıklı kısmında yaşayan beceriler geliştirin ve belirli bir tahminin doğru olmasına her şeyi bahis etmek yerine seçeneklerinizi açık tutun. Yön sinyaldir; tarih neredeyse her zaman gürültüdür.
On yılın en doğru tahminini kim yaptı?
En dayanıklı öngörüler en az kesin olanlardı: yapay zekanın muazzam ve eşit olmayan biçimde önemli olacağına dair geniş, yönlü ifadeler. Bir çeyrek ya da beş yıllık son tarih adı verenler çoğunlukla kaybetti. Bunun kendisi bulgudur.
Kaynaklar ve ileri okuma
- Geoffrey Hinton’ın yapay zekanın radyologların yerini alacağına dair 2016 açıklaması üzerine haberler ve radyolog kıtlığını, yükselen maaşları ve Hinton’ın zamanlamada yanıldığına dair kabulünü belgeleyen sonraki haberler (Fortune, The New York Times ve radyoloji sektör basını, 2016-2026).
- Carl Benedikt Frey ve Michael Osborne, İstihdamın Geleceği: İşler Bilgisayarlaşmaya Ne Kadar Duyarlı?, Oxford, 2013; ve yüzde 47 rakamına dair retrospektif eleştiriler (Information Technology and Innovation Foundation ve akademik çalışma raporları).
- Elon Musk’ın sürücüsüz sürüş tahminlerinin belgelenmiş zaman çizelgesi, 2016’nın 2017 sonu için kıtadan kıtaya iddiası ve 2020 robotaksi açıklaması dahil (dönemin teknoloji basını).
- IBM Watson for Oncology, MD Anderson projesi ve sonlanması ve Watson Health’in 2022’de Francisco Partners’a satışı üzerine haberler (Slate, IEEE ve sağlık teknolojisi basını).
- DeepMind AlphaGo’nun Lee Sedol’u yenişi, Mart 2016; ve AlphaFold 2’nin CASP14 sonuçları, 2020, yaklaşık 50 yıllık bir problemi çözmek olarak tanımlandı (DeepMind, CASP düzenleyicileri ve bilim basını).
- Ray Kurzweil, Tekillik Yakın (The Singularity Is Near) ve Tekillik Daha da Yakın (The Singularity Is Nearer), 2029 ve 2045 tahminleri üzerine.
- Jared Kaplan ve arkadaşları, Nöral Dil Modelleri için Ölçekleme Yasaları (OpenAI), 2020, ölçekleme hipotezi üzerine.
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
