Bu sayfa neden var
Bu kılavuzun çoğu, içeriğinin büyük kısmı iyimserlerin haklı çıkması durumunda ne olacağını kapsadığı için AGI riskini ciddiye almaya meyillidir. Bu duruş, şüphecileri bir saman adama indirgemeyi ve devam etmeyi kolaylaştırır — “sadece ölçeklendirmeyi anlamıyorlar.” Bu, alanın temel araçlarından bazılarını inşa etmiş araştırmacılar tarafından savunulan esaslı bir konuma haksızlık eder. Bu sayfa, kimin haklı olduğuna hakemlik yapmadan, onların gerçek argümanlarını — kaybetmek üzere kurgulanmış bir versiyonu değil — temsil eder; görüş yelpazesinin normalde nasıl bildirildiği için bkz. AGI hakkındaki iddiaları nasıl tartmalı ve AGI zaman çizelgesi tahminleri.
Yann LeCun: dünya modeli yok, planlama yok
Yann LeCun, Kasım 2025’te on iki yılın ardından, FAIR laboratuvarını kurmak dahil, Meta’dan ayrıldı ve Mart 2026 itibarıyla, kaydedilen en büyük Avrupa startup tohum yatırımı turu olduğu bildirilen 1,03 milyar dolarlık bir tohum turu toplayan, Paris merkezli bir startup olan AMI Labs’in Yönetim Kurulu Başkanı ve eş kurucusuydu; kendisinin “dünya modelleri” dediği şeyi inşa etmek için (TechCrunch). Bu önemlidir: LeCun’un şüpheciliği bir çekinceye yumuşamadı — kariyerine bahse girdiği bir şirkete sertleşti.
LeCun’un itirazı mimari bir savdır; dönüştürücülerin planlama yapamayacağını kanıtlayan bir teorem değildir. Standart otoregresif modeller, açık ve kalıcı bir dünya modeli ya da ayrı bir planlayıcı olmadan jetonları tahmin eder. Modelin her geçişi sabit bir hesaplama grafiği kullanır, ancak daha büyük bir sistem ek jetonlar üreterek, değerlendirerek veya düzelterek çıkarım sırasında daha fazla hesaplama harcayabilir. Bu, sonuçları iyileştirebilir; fakat gerçek dünyaya dayalı uzun vadeli planlamayı tek başına kanıtlamaz.
LeCun bunun yerine olası gelecek durumlarını tahmin eden yapılandırılabilir bir dünya modeli ve farklı soyutlama düzeylerinde eylem arayan bir aktör önerir (LeCun’un görüş belgesi; Meta’nın araştırma özeti). Bu, onun önerdiği araştırma yönüdür; mevcut dil modellerinin asla ne yapamayacağına ilişkin yerleşik bir sonuç değildir. İddia, sağlam özerk zekânın yalnızca metinden değil, video ile mekânsal ve duyu-motor deneyimden öğrenen mimariler gerektireceğidir.
Andrew Ng: kanıt çıtasını yükseltin
DeepLearning.AI’nin kurucusu, AI Fund’da Yönetici Genel Ortak ve Stanford’da yardımcı doçent olan Andrew Ng, “AGI’nin kesin bir anlamı olan bir terim yerine bir abartı terimine dönüştüğünü” ve endüstrinin, bir kamyon sürmekten doktora tezi yazmaya kadar bir insanın yapabileceği herhangi bir entelektüel görevi yapabilen bir sistemden onlarca yıl uzakta olduğunu savunuyor (PYMNTS). Somut katkısı metodolojiktir: bir yargıcın çok günlük bir gerçek iş denemesi tasarladığı — küratörlü bir demo değil, gerçek görevler — ve sistemin ancak yetenekli bir insan kadar iyi performans gösterirse geçtiği önerilen bir “Turing-AGI Testi”. Amaç: hedef direklerini sıralama tablosu puanlarından sürdürülen performansa taşımak, kendi gördüğü balon riski abartısını etkisizleştirmek.
Gary Marcus: halüsinasyon, akıl yürütme çöküşü ve bileşik varsayımların aritmetiği
NYU’da Psikoloji ve Sinir Bilimi Onursal Profesörü ve Geometric Intelligence ile Robust.AI’nin kurucusu Gary Marcus, çok cepheli bir dava inşa etti. Güvenilirlik konusunda: LLM’ler “doğru ile yanlışın farkını kelimenin tam anlamıyla bilmiyor” ve mükemmel veri ve sınırsız hesaplama verilse bile halüsinasyon göreceklerine dair biçimsel bir kanıta atıfta bulunuyor — GPT-5’in (Ağustos 2025) halüsinasyonu çözememesi ve OpenAI’nin o3’ünün seleflerinden daha fazla halüsinasyon görmesiyle doğrulandığını söylüyor (Marcus on AI). Akıl yürütme konusunda: “8 diskli bir kulede Hanoi Kulesi oynayamayan sistemlerle fiziği çözmeyeceğiz” — Apple’ın, LLM “akıl yürütme” modellerinin zarifçe bozulmak yerine bir karmaşıklık eşiğini geçtikten sonra çöktüğü bulgusuna atıfta bulunuyor.
En çok tartışılan müdahalesi metodolojiktir: “AI 2027” tahmin senaryosunu “bilim gibi giydirilmiş kurgu” olarak eleştiren, sonuç bir tahminmiş gibi alıntılar ve dipnotlar sunarken anlatı tekniklerini ödünç alan bir yıkım. Marcus, senaryoyu kabaca sekiz sıralı “inanç sıçraması” kilometre taşına ayrıştırıyor, ima edilen bireysel olasılıklarını çarpıyor ve tüm zincirin planlandığı gibi gerçekleşme bileşik olasılığının sıfıra yakın olduğunu gösteriyor (Substack) — tahmin biliminin kendi geçmiş performansıyla desteklenmiş: 2024’te “çözüldü” ilan edilen halüsinasyonlar, 2017’ye kadar “her yerde” olması gereken sürücüsüz arabalar. Dikkat çekici bir şekilde, Marcus “AGI imkânsızdır” demiyor — “AGI’nin imkânsız olduğunu düşünen herkes,” diyor, “onun yakın olduğunu düşünen herkes kadar yanlış” — ve şimdi makul varış tarihini 2027 değil, 2100 olarak koyuyor. Bu duruş, şüpheci kampın tek bir konum değil bir yayılma olduğunun kendisi bir kanıtıdır — zaman çizelgesi tahminleri sayfasının alanın bütünü hakkında yaptığı bir nokta.
Tim Dettmers: hesaplama fizikseldir
Allen Yapay Zekâ Enstitüsü’nde araştırmacı olan Tim Dettmers, model mimarisine bağlı olmayan bir argüman öne sürüyor — bu fizikle ilgili. GPU dolar başına performansı 2018 civarında bir platoya oturdu, diye savunuyor, ve o zamandan bu yana görünür kazanımların çoğu, gerçek hesaplama büyümesinden ziyade daha düşük hassasiyetli sayısal işlemlerden — aynı aritmetiği daha ucuza yapmaktan — geldi. Bellek, G/Ç ve güç duvarlarına çarpmadan önce ölçeklendirmenin “belki bir, belki iki yıl daha” kaldığını tahmin ediyor; burada enerji ve maliyet, yalnızca doğrusal yetenek kazanımları için üstel olarak artıyor (timdettmers.com). “AGI”yi gösterge testi puanları değil, fiziksel görevlerde ekonomik açıdan anlamlı yetkinlik gerektirdiği şeklinde çerçeveliyor ve mantığı son noktasına kadar genişletiyor: bir süper zekâ, kendi çıkarım yığınını iyileştirirken aynı fiziksel kısıtlamalarla karşılaşacaktır. Yukarıdaki argümanların aksine, bu, özellikle LLM’ler hakkında haklı olmaya bağlı değildir — herhangi bir dijital zekânın çalıştığı alt tabaka hakkında bir iddiadır.
Daha kısa liste: ayrıca bakınız
Daha kısa bir liste davayı tamamlıyor. Robust.AI’nin CTO’su ve MIT’de Robotik Onursal Profesörü Rodney Brooks, yıllık, tarihli, çürütülebilir bir tahmin puan kartı yürütüyor — yapay zekâ yorumcuları arasında nadir bir disiplin — ve onlarca yıllık robotik deneyiminden yola çıkarak, dar gösterge testi ilerlemesinin sürekli olarak genel yetkinlikle karıştırıldığını savunuyor. ARC-AGI gösterge testinin yaratıcısı François Chollet, ezberlemeye direnmek için inşa edilmiş görevlerde neredeyse sıfır puan alan modellere işaret ediyor — daha yeni ARC-AGI-3, 2026’nın en iyi modellerinin insanlar için yüzde 100’e karşı yüzde 1’in altında puan aldığını gördü — bunu zekânın ölçek değil, beceri kazanma verimliliği olduğunun kanıtı olarak görüyor. Arizona State’ten Subbarao Kambhampati, LLM’lerin istem vermeden bağımsız olarak plan yapamayacağını veya kendi kendini doğrulayamayacağını savunuyor ve şimdi düşünce zinciri jetonlarının gerçek akıl yürütmeyi temsil edip etmediğini sorguluyor. Santa Fe Enstitüsü’nden Melanie Mitchell, LLM başarısının nedensel akıl yürütmeyi değil, eğitim dağılımları üzerinde örüntü eşleştirmeyi yansıttığını savunuyor. Washington Üniversitesi’nden bir dilbilimci ve “Stochastic Parrots”un ortak yazarı Emily Bender, akıcı çıktının temellendirilmiş anlayış olmadan biçim olduğunu savunuyor — kelime dizilerini tahmin etmek için eğitilmiş modeller iletişimsel niyete erişimden yoksundur.
Tahmin metodolojisinin kendisi bir hedeftir
Herhangi bir bireysel araştırmacının ötesinde, şüpheciler AGI zaman çizelgelerinin nasıl üretildiğini doğrudan hedef alıyor. Uzman anketi metodolojisi, iyi belgelenmiş bir “hareketli ufuk” etkisi gösteriyor — yanıtlayıcılar, ne zaman sorulduklarına bakılmaksızın AGI’yi kabaca on beş ila yirmi beş yıl uzağa yerleştiriyor — seçim etkileri ve ifade duyarlılığıyla birleşerek. Mart 2026 tarihli bir RAND raporu, bu sorunları anket, tahmin piyasası ve hesaplama ekstrapolasyonu yöntemleri genelinde sistematik olarak kataloglıyor (RAND).
METR’nin kendi “zaman ufku” metriği — hızlanmanın kanıtı olarak en sık alıntılanan yetenek eğrisi ve zaman çizelgesi tahminleri sayfasında tartışılan — METR’nin kendisinden de dahil olmak üzere incelemeye maruz kaldı. Ocak 2026 tarihli bir bildirim, sabit eğimli lojistik bir uyuma uygulanan yüzde 35’lik bir düzeltmeyi, görev zorluğu tahminlerinin kabaca üçte birinin ölçülmek yerine çıkarıldığını ve METR’nin bir modelin gerçek zaman ufkunun bildirdiği güven aralığının içinde olup olmadığı konusunda “hiçbir fikri olmadığını” açıkladı (METR). Günler önce yayımlanan bağımsız bir eleştiri daha da ileri gitti: görevler gerçekçi olmayacak kadar temiz, kamuya açık çözümler veriyi kirletmiş olabilir ve insan temel çizgisi süreleri, görevlerin ne kadar sürmesi “gerektiğini” muhtemelen şişiren, küçük, finansal olarak teşvik edilmiş bir örneklemden geldi — bu da yapay zekânın görünür hızlanmasını kısmen karşılaştırmanın bir eseri hâline getiriyor (Transformer News). Her iki durumda da, alanın zaman çizelgesi çıkarımlarının büyük bir kısmı, kendi yazarlarının tam olarak güvence veremediği tek bir gürültülü eğri uyumundan yeniden fiyatlanıyor.
Bu, daha eski bir sorunla birleşiyor: gösterge testlerine uygulanan Goodhart Yasası. Bir gösterge testi bir optimizasyon hedefi hâline geldiğinde, laboratuvarlar ölçtüğü yapı yerine sıralama tablosuna göre ince ayar yapıyor — MMLU, 2020’de 90 puanlık bir insan temel çizgisine karşı 43 puanlık bir GPT-3 puanından, 2024 ortasına kadar en iyi modellerin istem biçimlendirme gürültüsü içinde farkların kalacak kadar sıkı bir şekilde kümelenmesine geçti. Gösterge testi sızıntısı kirlenmesi, yükselen puanları gerçek bir kazanç olarak okumayı zorlaştırıyor. “Bir gösterge testini geçmek” ile “AGI’ye ulaşmak”ın neden farklı iddialar olduğu için bkz. AGI hakkındaki iddiaları nasıl tartmalı ve yetenek merdiveni.
Bu sayfanın iddia etmediği şey
Bunların hiçbiri AGI’nin imkânsız olduğuna dair bir dava oluşturmuyor ve yukarıdaki araştırmacılardan hiçbiri bu iddiayı yapmıyor — Marcus her iki uçun da yanlış olduğunu açıkça belirtiyor. Ortaya koyduğu şey gerçek bir esastır: ölçekle açıkça çözülmeyen mimari sınırlar, herhangi bir yol haritasına kayıtsız fiziksel bir hesaplama tavanı ve METR’nin kendi itirafına göre herkesin alıntıladığı eğriye tam olarak güvence veremeyen bir tahmin aparatı. Bunun “onlarca yıl uzakta” mı yoksa “bu sayfanın önerdiğinden daha yakın” mı anlamına geldiği, tam olarak bu kılavuzun okuyucu için çözmeyi reddettiği şeydir. Yapmayacağı şey, şüpheci davanın bir karikatür olmasına izin vermektir.