a16z: Yapay Zeka 75 Yıllık İnovasyon Metodolojisini Yeniden Yazdı

a16z ortakları, yapay zekanın inovasyonun altında yatan ekonomik mantığı yeniden yazdığını savunuyor: mühendislik kısıtlarından sermaye kısıtlarına geçiş; artık 20 kişilik bir ekip 1 milyar doları etkin şekilde kullanabiliyor. Bu yargı, girişimler ile büyük teknoloji şirketleri arasındaki rekabet ortamının, girişim sermayesi mantığının ve hatta yapay zeka yeteneklerinin sınırlarının değerlendirilmesini doğrudan etkiliyor. Üçü ayrıca, on milyarlarca dolar ölçeğindeki model eğitiminde neyin ortaya çıkacağını kimsenin gerçekten bilmediğini kabul ediyor: "Bu, insanlığın daha önce hiç yaratmadığı dijital bir eser."

Son zamanlarda, a16z'nin son podcast'inde genel ortaklar Martin Casado, Erik Torenberg ve yönetim kurulu üyesi Steven Sinofsky derin bir sohbete girdi: Yapay zekanın matematikteki atılımı ne anlama geliyor? İnovasyonun altında yatan mantık yeniden mi yazılıyor? Girişimler ile büyük teknoloji şirketleri arasındaki rekabet ortamı nasıl evrilecek?

Üç konuşmacı, son 75 yıldır tüm bilgisayar endüstrisini destekleyen temel varsayımların yapay zeka tarafından tek tek yeniden incelendiğine inanıyor. En kritik olanı—inovasyonun bir mühendislik sorunu olduğu, sermaye sorunu olmadığı—zaten çöktü. Yapay zeka, inovasyonun altında yatan ekonomik mantığı yeniden yazıyor: mühendislik kısıtlarından sermaye kısıtlarına geçiş; artık 20 kişilik bir ekip 1 milyar doları etkin şekilde kullanabiliyor. Bu yargı, girişimler ile büyük teknoloji şirketleri arasındaki rekabet ortamının, girişim sermayesi mantığının ve hatta yapay zeka yeteneklerinin sınırlarının değerlendirilmesini doğrudan etkiliyor.

Abaküsten Yapay Zekaya: 75 Yıllık Soyutlama Katmanı Sıçramaları

Sinofsky, 1953 tarihli bir IBM broşürünü çıkarıyor.

Kapakta, atom yörüngeleri bir insan kafasını çevreliyor ve açılış cümlesi şöyle: "İnsanlığın tekerleğin faydasını fark etmesi milyonlarca yıl sürdü."

O broşürde IBM, "dijital bilgisayar"ın ne olduğunu açıklamak için tam bir sayfa kullanmış: girdi, depolama, hesaplama, kontrol, çıktı.

Sinofsky, "75 yıldır bilgisayarları böyle anladık" diyor.

Abaküsten sürgülü cetvele, fark makinesinden kişisel bilgisayara, grafik hesap makinesinden bulut bilişime—her teknolojik sıçrama esasen "soyutlama katmanlarında yukarı doğru bir kaymadır." Alt düzey sorunlar kapsüllenir ve insanlar daha yüksek düzeylerde yeni sorunlar çözer.

TI-85 grafik hesap makinesi ortaya çıktığında, matematik öğretmenleri topluca panikledi: "Mesleğimiz mahvoldu." Sinofsky şöyle diyor:

Ama kalkülüsün gelişinden şikayet etmediler, çünkü kalkülüs onlar için zaten bir başlangıç noktasıydı. İnsanlar değişime, temel çizgiye göre çok daha yoğun tepki verir.

Yapay zekanın matematik problemlerini çözmesinin yarattığı panik, o dönemde grafik hesap makinelerinin yarattığı panikle birebir aynı.

Yapay Zeka Matematik Çözüyor: Atılım mı, "Oyun Ustası" mı?

Son zamanlarda birisi Claude'a Riemann Hipotezi'ni çözdürmeye çalıştı ve bu, matematik camiasında geniş tartışmalara yol açtı.

Casado bu konuda heves kırıcı konuştu.

Yıllar boyunca bu problemler üzerinde çalışan tüm doktora sonrası araştırmacıların maaşlarını toplayın, toplam miktar büyük değil. Bu, piyasanın bu problemleri çözmeye hiçbir zaman gerçekten öncelik vermediği anlamına geliyor. Dolayısıyla, bunları çözmenin yapay zekanın önemli ekonomik değeri olan bir kapıyı aştığını kanıtladığından emin değilim.

Yapay zekanın matematiksel yeteneğini bir StarCraft şampiyonuna benzetiyor: "Bu, gelmiş geçmiş en güçlü StarCraft oyuncusu—etkileyici, ancak bunu doğrudan gerçek ekonomik değerle ilişkilendirmekte zorlanıyorum."

Sinofsky başka bir bakış açısı sunuyor. Matematikteki atılımların "yeni soyutlama araçları doğuruyor" olabileceğine inanıyor.

Dört Renk Teoremi'nin kanıtı gibi—güzel bir matematiksel türetme yazmak yerine, tüm sonlu durumları bilgisayarlarla kapsamlı şekilde listeleyip cevap için hesaplama gücünü takas etmek.

Yeni bir soyutlama katmanına sahip olduğunuzda, artık kimse sıfırdan başlamak zorunda kalmaz; doğrudan o katmanın üzerine araçlar inşa edebilir.

En Büyük Paradigma Değişimi: Mühendislik Darboğazından Sermaye Darboğazına

Bu sohbetin ana fikri, Casado'nun bir düşünce deneyinden geliyor.

Yirmi yıl önce, 10 kişilik bir girişime 1 milyar dolar verseydiniz, harcayamazlardı. Birkaç sunucu alsanız, para biter.

On yıl önce, onlara 1 milyar dolar verin, mühendis işe alırsınız, kod yazarsınız, ama efsanevi 'adam-ay' kavramı gerçektir—daha fazla insan aslında işleri yavaşlatır.

Şimdi, 20 kişiye 1 milyar dolar verseniz, bunu gerçekten etkili bir şekilde harcayabilirler.

Vardığı sonuç:

Bu endüstriyi mühendislik darboğazı sorunundan sermaye darboğazı sorununa dönüştürdük. Bu temel bir fark. Daha önce hiç bu durumda olmadık.

Sinofsky, bunun ilk sermaye darboğazı olmadığını ekliyor—bilgisayar endüstrisinin ilk 30 ila 40 yılı da bir sermaye kısıtı dönemiydi. "Bir bilgisayarla bir şey yapmak istiyorsanız, ilk adım bir bilgisayar edinmekti."

Sonra mühendislik darboğazı dönemi geldi ve şimdi tekrar sermaye darboğazına döndük.

Girişimler Neden Devler Tarafından Ezilmedi?

Sağduyuya göre, Microsoft, Google ve Meta, sermayeleri, verileri ve dağıtım kanallarıyla her şeyi ezip geçmeli.

Ama gerçek şu: Cursor, Anthropic ve OpenAI baş döndürücü bir hızla büyüyor.

Casado iki neden veriyor.

Birincisi, yapay zeka dağıtım sorununu çözdü.

Geçmişte, pazarlama bütçenizin etkili olup olmadığını bilemezdiniz. Şimdi, hesaplama gücü ve GPU talebi sınırsız ve büyümeyi sağlamak için ne kadar yatırım yapacağınıza doğrudan karar verebilirsiniz.

İkincisi, girişimler artık devlerle gerçekten aynı başlangıç noktasında olacak kadar para toplayabiliyor.

Peki ya devler? Sinofsky açıkça söylüyor:

Microsoft, Amazon ve Google'ın ne yaptığıyla daha çok ilgileniyor ve hiçbir girişimi umursamıyor. Girişimler devlere doğrudan saldırmaz, devler de girişimleri fark etmez.

Ayrıca bir ayrıntıyı açıklıyor: bazı büyük şirketler, kurumsal müşterilere hesaplama gücü önceliği vermek için, dahili ürün ekiplerini "yapay zeka kıtlığı" durumunda tutuyor, "oysa rakiplerinin hiçbiri kıtlıkta değil."

Sinofsky, Microsoft'taki kendi deneyimini örnek olarak kullanıyor. İlk Surface'i Intel yöneticileriyle görüşmeye götürdü ve içinde bir ARM çipi olduğunu duyduklarında tavırları hemen değişti.

Bunun yazıcılar için bir çip olduğunu düşündüler. Sadece Moore Yasası'nı yapıyorlar, tıpkı Google'ın sadece hiperscale yaptığı gibi—eğer yapay zeka uca kayarsa, bu onların işi değil.

Sinofsky şu sonuca varıyor:

Yıkımın özü, büyük şirketlerin değişmeyen kültürel özellikleridir. Skor kartları, satış sistemleri, ücretlendirme yapıları, tarihsel bagaj, müşteri taahhütleri—bunlar değiştirilemez. Bu bir fizik yasasıdır.

20 Milyar Dolar Girdi, Ne Çıkacağını Kimse Bilmiyor

Sohbetin sonunda üçü daha derin bir bilinmeyene değiniyor.

Casado daha önce bir hata yaptığını kabul ediyor:

Özyinelemeli kendini geliştirme ve hızlı yükselişin olmayacağını düşünmüştüm ve bu doğruydu. Ancak süresiz olarak para dökebileceğimizi ve ölçekleme yasalarının geçerli kalmaya devam ettiğini beklemiyordum.

20 milyar doları alıp bir modele döküyorsunuz. İkimiz ona bakıp üstünkörü test ediyoruz—bunun ne anlama geldiğini anlayabileceğimizi sanmıyorum. O kadar hesaplama gücü ve o kadar veriyle, ne yapabileceğini bilmiyorum.

Sinofsky aynı fikirde ve bunu üstel büyümeye benzetiyor: "Kimse üstel büyümeyi modelleyemez."

Ayrıca belirli bir senaryo veriyor: protein kombinasyonlarının kapsamlı sayımı daha önce "sonsuz bir problemdi", ancak şimdi bir "sermaye problemi" haline gelebilir.

Daha önce sonsuz olan problemleri sermaye yoluyla sonluya çevirebiliriz. Bu çok tuhaf bir şey.

Casado, yapay zeka yeteneklerinin üst sınırlarını artık tahmin etmeye çalışmamasının nedeninin bu olduğunu söylüyor:

20 milyar dolarla yaratılan bir şeyin yetenek sınırlarını kestiremeyeceğime karar verdim.