Yapay Zekada Bu Hafta: 3–9 Kasım 2025

✨ Haftanın Öne Çıkanları

📌Apple, Siri’yi güçlendirmek için Google’ın 1,2 trilyon parametreli Gemini modelini kullanmak üzere 1 milyar dolarlık anlaşmaya hazırlanıyor.

📌AB, Yapay Zekâ Yasası’nı basitleştirerek yüksek riskli sistemlerde esneklik ve cezalar için bir yıl erteleme planlıyor.

📌 AB Komisyonu, deepfake ve AI içerikleri için gönüllü etiketleme kodu hazırlığı başlattı.

📌 OpenAI CEO’su Sam Altman, yapay zekâ altyapı yatırımlarının “Chips Act” kapsamına alınması çağrısı yaptı.

📌 Meta, ABD’de yapay zekâ veri merkezlerine ve istihdama 600 milyar $ yatırım açıklamasıyla gündemde.

📌 Nvidia, yeni Blackwell çiplerine rekor talep alarak piyasa değerini 5 trilyon $ seviyesinde koruyor.

📌 Moonshot AI'dan “Thinking” özellikli Kimi K2 modeli yine ortalığı kasıp kavurdu

📌 Stanford–CMU araştırması, yapay zekâ ajanlarının insanlardan %88 daha hızlı ama kalite açısından geride olduğunu ortaya koydu.

📌 Akademik ek, “Towards AI Developer Autonomy” başlıklı makale ile LLM tabanlı geliştirici ajanlarda denetimsiz kodlama süreçlerinin risklerini tartıştı.

1️⃣ Apple, Siri’yi Google’ın Gemini Modeliyle Güçlendiriyor

Apple, sesli asistanı Siri’nin yeteneklerini artırmak için Google’ın Gemini adlı 1.2 trilyon parametreli dil modelini kullanmaya hazırlanıyor. Bu anlaşma kapsamında Apple, Google’a yıllık yaklaşık 1 milyar dolar ödeyecek. Siri böylece karmaşık ve çok adımlı komutları daha doğru işleyebilecek. Gemini, Apple’ın kendi modelleri hazır olana kadar “geçici köprü” görevi görecek.

2️⃣ AB, Yapay Zekâ Yasasında Esneklik Planlıyor

Avrupa Komisyonu, 2024’te yürürlüğe giren Yapay Zekâ Yasası için uygulama kolaylıkları içeren bir “Dijital Omnibus” paketi hazırlıyor. Taslak, yüksek riskli sistemlerin kayıt zorunluluğunun bazı durumlarda kaldırılmasını ve yaptırımlarda bir yıllık ertelemeyi öngörüyor. AI üretimi içeriklerin etiketlenmesi yükümlülüğü de kademeli uygulanacak.

3️⃣ AB’den AI İçeriklerine Etiketleme Kodu

Komisyon, yapay zekâ tarafından üretilmiş metin, görsel ve videoların açıkça etiketlenmesini sağlamak amacıyla gönüllü bir uygulama kodu hazırlığı başlattı. Kod, 2026’da zorunlu olacak kurallar için zemin oluşturacak ve makinece okunabilir etiketleme yöntemlerini standartlaştıracak. Böylece deepfake içeriklerin otomatik tanınması kolaylaşacak.

4️⃣ OpenAI’dan ABD’ye “Chips Act” Çağrısı

OpenAI CEO’su Sam Altman, ABD’nin Chips Act teşviklerinin yalnızca çip fabrikalarını değil, yapay zekâ sunucu altyapılarını da kapsaması gerektiğini belirtti. Altman, OpenAI’ın önümüzdeki 8 yılda 1.4 trilyon $ yatırım planladığını ve bunun sektör genelinde bir teşvik gerektirdiğini vurguladı.

5️⃣ Meta’dan 600 Milyar Dolarlık AI Yatırımı

Meta, önümüzdeki 3 yıl içinde ABD’de 600 milyar dolar yatırım yapacağını açıkladı. CEO Mark Zuckerberg, bütçenin büyük bölümünün yeni AI veri merkezlerine ayrılacağını ve “süper yapay zekâ” hedefi için altyapının büyütüldüğünü belirtti. Şirket, Louisiana’daki yeni merkez için 27 milyar $ finansman sağladı.

6️⃣ Nvidia’nın Blackwell Çiplerine Rekor Talep

Nvidia CEO’su Jensen Huang, yeni nesil Blackwell çiplerine talebin “çok güçlü” olduğunu açıkladı. Blackwell yalnızca GPU değil, CPU, ağ çipi ve anahtarları da içeren tam AI altyapısı sunuyor. Şirket, TSMC ile wafer üretim kapasitesini artırırken, 5 trilyon $ piyasa değeri eşiğini koruyor.

7️⃣ Moonshot AI – “Thinking” özellikli Kimi K2 modeli

Çin merkezli Moonshot AI, temmuzda açık kaynak olarak yayımladığı Kimi K2 modelinin yeni “Thinking” sürümünü duyurdu. Şirket, modelin uzun zincirli akıl yürütme (reasoning) kabiliyetlerini vurguladı ve karşılaştırmalı testlerde GPT-4o, Claude 3 ve Gemini 1.5 Pro ile benzer doğruluk seviyeleri bildirdi.

En dikkat çekici unsur, eğitim maliyetinin rakiplerinin yalnızca üçte biri seviyesinde olması. Çin teknoloji topluluğu ve açık kaynak ekosisteminde büyük etki uyandırdı.

8️⃣ Stanford–CMU: AI Ajanları İş Akışlarını Dönüştürüyor

Stanford ve Carnegie Mellon araştırmacıları, yapay zekâ ajanlarının insanlara göre işleri çok daha hızlı tamamladığını ancak kalite açısından geri kaldığını gösterdi. Ajanlar görevleri çoğunlukla kod yazarak çözüyor; insanlara göre %88 daha hızlılar ama veri uydurma eğilimi görülebiliyor. Sonuçlar, gelecekte hibrit insan–AI iş modellerinin önemini vurguluyor.

9️⃣ Akademik Gelişme: “Towards AI Developer Autonomy”

Bu makale, yapay zekâ geliştiricilerinin otonom karar alma süreçlerini analiz ediyor. Çalışma, büyük dil modellerinin (LLM) kendi kodlarını yazma, düzeltme ve test etme aşamalarında insan denetimi olmadan hata birikimi yaşadığını ortaya koyuyor.

Geliştirici ajanların uzun vadeli projelerde “kod drift” (kod sapması) yaşadığı ve zamanla güvenlik açığı yaratabildiği belirlendi.

LLM’lerin güvenli otonomiye ulaşması için insan gözetimi + yapılandırılmış geri bildirim döngüleri öneriliyor.

AI geliştiricilerinin tamamen otonom hale gelmeden önce etik ve doğruluk sınırlarının yeniden tanımlanması gerektiği vurgulanıyor.

📢 Sizi de Davet Ediyoruz:

İçeriklerimizi faydalı bulduysanız, bizi desteklemek için:

🔍LinkedIn sayfamızı takip edebilir,

✅İçeriklerimizi sevdiklerinizle paylaşabilir,

✅Haftalık bültenimize abone olabilirsiniz!

📚Birlikte öğrenelim, birlikte ilerleyelim.