Yapay zekâ · Makale
Demis Hassabis Artık Genel Yapay Zekânın İki-Üç Yıl İçinde Gelebileceğini Söylüyor
Yayın:

Kısaca
Google DeepMind'ın Demis Hassabis, WSJ Magazine'e verdiği demeçte artık genel yapay zekânın (AGI) iki ile üç yıl içinde geleceğini beklediğini söyledi; bu, 2026'nın başlarında dile getirdiği üç-beş yıllık süreden daha kısa bir pencere. AGI'yi bir "Einstein testi" üzerinden tanımlıyor ve tahmininin sürekli bugüne daha da yaklaştığını belirtiyor.
Bu sürüm, özgün metnin (English) makine çevirisidir. Özgün metni oku
Google DeepMind'ın kurucu ortağı ve CEO'su Demis Hassabis, The Wall Street Journal Magazine'e artık genel yapay zekânın (AGI) iki ile üç yıl içinde geleceğini beklediğini söyledi. Röportaj, 21 Ekim 2026 tarihinde derginin "Teknolojide Yenilikçi" ödülleri paketinin bir parçası olarak yayımlandı; Hassabis bu paketle 2026'nın teknoloji alanında ödüllendirilen ismi olarak anıldı.
Zaman çizelgesi sorulduğunda Hassabis, profile göre bunun yakında geleceğini ve tahmininin sürekli bugüne daha da yaklaştığını söyledi. Yeni pencere, 2026'nın başlarında kamuoyuna açıkladığı üç-beş yıllık aralığa kıyasla bir daralmaya işaret ediyor.
Hassabis AGI ile ne anlatmak istiyor
Hassabis, AGI'yi insan düzeyinde biliş olarak tanımlıyor ve "Einstein testi" adını verdiği belirli bir ölçüt tarif etti. Bu teste göre, bir sistem yalnızca 1901'e kadar mevcut olan insan bilgisi üzerinde eğitilmiş olsa bile Albert Einstein'ın 1905'teki "mucizevi yıl" makalelerinde ortaya koyduğu türden atılımları -fotoelektrik etki, Brown hareketi, özel görelilik ve kütle-enerji eşdeğerliğini kapsayan- kendi başına üretebilirse AGI sayılabilir.
WSJ Magazine profilinde Hassabis, daha geniş misyonunu iki adımda tarif etti: önce zekânın kendisini çözmek, ardından bu zekâyı diğer büyük bilimsel sorunları ele almak için kullanmak. Daha ileri yapay zekâ sistemleri mevcut olduğunda üzerine gitmeyi umduğu erken uygulamalar olarak fizik araştırmaları ve kanser tedavisini gösterdi.
2026 boyunca değişen bir zaman çizelgesi
Hassabis'in AGI'nin gelişine dair kamuoyu açıklamaları 2026 yılı boyunca değişti. 20 Mayıs 2026'da Google'ın I/O geliştirici konferansında, yapay zekânın kendi ifadesiyle "tekilliğin eteklerine" ulaştığını söyledi ve bununla tek bir dönüşüm anını değil, içinde bulunulan dönemi kastettiğini açıkladı. Aynı etkinlikte, ajanların ve kodlama araçlarının yıl içinde etkin biçimde çalışmaya başladığını, bunun pratik yapay zekâ kullanımının erken bir aşaması olduğunu belirtti.
| Ne zaman | Belirtilen zaman çizelgesi / çerçeveleme | Bağlam |
|---|---|---|
| 2026'nın başları | Üç ile beş yıl | WSJ Magazine röportajından önce kamuoyuna açıklanan tahmin |
| 20 Mayıs 2026 | "Tekilliğin eteklerinde" | Google I/O'yu kapatan açıklamalar |
| 21 Ekim 2026 | İki ile üç yıl | WSJ Magazine "Teknolojide Yenilikçi" profili |
Isomorphic Labs ve düzenleme tartışması
WSJ Magazine profili ayrıca Hassabis'in kurduğu ve AlphaFold tarzı yapay zekâ modellerini ilaç keşfine uygulayan ilaç keşfi şirketi Isomorphic Labs'a da değindi. Şirketin, 40-50 milyar dolar civarında bir değerlemeyle 2 milyar doların üzerinde fon toplamak için görüşmeler içinde olduğu bildirildi.
Yapay zekâ denetimi sorusuna ilişkin olarak profil, Hassabis'in teknolojinin vaktinden önce düzenlenmesine karşı çıktığını tarif etti; bu duruş, 2026 boyunca sektördeki gelişimin devam etmesi gerektiği, bu arada yönetişim çerçevelerinin de paralel şekilde geliştirilmesi gerektiği yönündeki ısrarıyla uyumlu.
Hassabis'in görüşü neden önem taşıyor
Hassabis, Google DeepMind'ın yapay zekâ araştırmalarına liderlik ediyor. Ekim 2024'te, DeepMind'dan meslektaşı John Jumper ile birlikte, genetik dizilerden üç boyutlu protein yapılarını tahmin eden bir yapay zekâ modeli olan AlphaFold için Nobel Kimya Ödülü'nün yarısını paylaştı; ödülün diğer yarısı David Baker'a gitti. Nobel komitesi o dönemde bu başarıyı, protein biliminde uzun süredir hedeflenen bir amacın gerçekleştirilmesi olarak tanımlamıştı.
Gittikçe daha da yaklaştırıyorum.
AGI'nin üzerinde uzlaşılmış tek bir bilimsel tanımı bulunmadığından, Hassabis'in zaman çizelgesi sektör çapında bir standardı değil, kendi ölçütünü -Einstein testini- yansıtıyor. Diğer yapay zekâ liderleri farklı tanımlar ve zaman çizelgeleri öne sürmüş olup, bu makale için incelenen kaynaklar bunları karşılaştırılabilir ayrıntılarla ele almadı.
Sorular
- Demis Hassabis, AGI'nin gelişi hakkında ne söyledi?
- 21 Ekim 2026'da yayımlanan WSJ Magazine röportajında, genel yapay zekâyı iki ile üç yıl içinde beklediğini ve tahmininin sürekli bugüne daha da yaklaştığını söyledi.
- Hassabis AGI'yi nasıl tanımlıyor?
- Bir "Einstein testi" kullanıyor: yalnızca 1901'den önce mevcut bilgiyle eğitilmiş bir sistemin, özel görelilik ve fotoelektrik etki dahil Einstein'ın 1905'teki atılımlarını kendi başına üretip üretemeyeceği.
- Hassabis'in AGI zaman çizelgesi 2026 boyunca değişti mi?
- Evet. 2026'nın başlarında üç-beş yıllık bir pencere belirtmişti; Mayıs 2026'da yapay zekânın "tekilliğin eteklerinde" olduğunu söyledi; Ekim 2026'da ise tahminini iki-üç yıla indirdi.
- Isomorphic Labs nedir ve neden bahsediliyor?
- Isomorphic Labs, Hassabis'in kurduğu ve AlphaFold tarzı yapay zekâyı ilaç keşfine uygulayan bir şirket; WSJ Magazine profili, şirketin 40-50 milyar dolarlık bir değerlemeyle 2 milyar doların üzerinde fon aradığını bildirdi.
- Hassabis bu tahmin dışında ne ile tanınıyor?
- Google DeepMind'ın yapay zekâ araştırmalarına liderlik ediyor ve 2024'te, protein yapılarını tahmin eden bir yapay zekâ sistemi olan AlphaFold için John Jumper ile Nobel Kimya Ödülü'nü paylaştı.
Kaynaklar
- t2online — Demis Hassabis expects AGI within two to three years
- AIWeekly — Hassabis trims AGI window to two-to-three years in WSJ profile
- Semafor — Google exec Demis Hassabis predicts we're 'at the foothills of the singularity'
- TechCrunch — DeepMind's Demis Hassabis and John Jumper scoop Nobel Prize in Chemistry for AlphaFold
Bu yazı yapay zekâ ile hazırlandı ve yayından önce otomatik kaynak denetiminden geçti. Bir hata görürseniz düzeltme isteyin. Düzeltme ya da cevap iste · Nasıl hazırlıyoruz
İlgili yazılar

Yapay zekâMakale
ChatGPT ve Claude gibi yapay zeka sohbet robotları gerçekte nasıl çalışıyor?
Yapay zeka sohbet robotları, bir metin dizisindeki bir sonraki "token"ı tahmin etmek üzere eğitilmiş sinir ağları olan büyük dil modelleri (LLM'ler) üzerine inşa edilir. Bu modeller kelimeleri sayılara dönüştürür, kelimelerin birbiriyle nasıl ilişkili olduğunu tartmak için bir dikkat (attention) mekanizması kullanır ve ardından ham bir metin tahmincisi gibi değil, yardımcı bir asistan gibi davranmaları için insan geri bildirimiyle ince ayara tabi tutulur.
Yapay zekâMakale
Yapay Zekâ Öneri Algoritmaları Çevrimiçi Olarak Ne Gördüğünüze ve Satın Aldığınıza Nasıl Karar Veriyor
Yapay zekâ öneri sistemleri, kullanıcıların tıkladığı, izlediği, puanladığı ve satın aldığı içerikleri analiz ederek ve bu davranışı benzer kullanıcıların kalıplarıyla eşleştirerek akışları ve ürün önerilerini kişiselleştiriyor. Netflix, YouTube ve Amazon gibi platformlar, bazı durumlarda demografik veriler yerine etkileşim ve bağlamsal sinyaller kullandıklarını söylüyor; ABD ve AB'deki düzenleyiciler ise bu sistemlerin arkasındaki şeffaflık ve veri toplama uygulamaları konusunda kaygılarını dile getirdi.
Yapay zekâMakale
Yapay Zeka Dil Modelleri Neden Halüsinasyon Görür: Yanlış Cevapların Ardındaki Araştırma
Yapay zeka "halüsinasyonları", dil modellerinin doğruluğu teyit etmek için değil, bir sonraki olası kelimeyi tahmin etmek için eğitilmesinden ve modelleri değerlendirmek için kullanılan testlerin belirsizliği kabul etmek yerine özgüvenli tahmin yürütmeyi ödüllendirmesinden kaynaklanıyor. OpenAI araştırmacıları, sorunun kısmen modellerin eğitilme şeklinin matematiksel bir sonucu, kısmen de yapay zeka sektörünün onları nasıl puanladığının bir sonucu olduğunu öne sürüyor.
Yapay zekâRehber
Deepfake'ler ve Yapay Zeka Tarafından Üretilmiş Görseller Nasıl Tespit Edilir: Adım Adım Kılavuz
Bir deepfake'i veya yapay zeka tarafından üretilmiş bir görseli güvenilir şekilde tespit etmek, görsel kontrolleri, Content Credentials veya SynthID gibi köken (provenance) araçlarını ve ters görsel aramayı birleştirmeyi gerektirir — hiçbir yöntem tek başına her sahteyi yakalayamaz. Tespit araştırmacıları, otomatik araçların kırpma veya sıkıştırma gibi basit düzenlemelerle kandırılabileceği konusunda uyarıyor, bu nedenle bağlam doğrulaması vazgeçilmez kalıyor.