Jensen Huang Yapay Zeka Risklerini Yeniden Değerlendirdi: Birçok Tahmin Uydurma, Çin Küresel Açık Kaynakta Önemli Bir Güç Olacak

Yazar: Helen Li

Editör: Xu Qingyang

ABD yerel saatiyle 14 Eylül 2026'da, tanınmış teknoloji podcast'i All-In Podcast'in düzenlediği All-In Summit 2026 etkinliğinde, Nvidia CEO'su Jensen Huang dört sunucuyla yapay zeka güvenliği, yapay zeka kıyamet senaryoları, özyinelemeli kendini geliştirme, açık kaynak modeller ve AGI gibi konuları tartıştı.

Dört sunucu aynı zamanda All-In Podcast'in kurucu ortakları: melek yatırımcı Jason Calacanis, eski Facebook yöneticisi Chamath Palihapitiya, "PayPal Mafia"nın çekirdek üyesi David Sacks ve tarım biyoteknolojisi şirketi Ohalo Genetics ile yatırım şirketi The Production Board'un CEO'su David Friedberg.

Röportajda temel bir soru ele alındı: Yapay zeka gelişimi için nasıl bir güvenlik sınırı gerekiyor? Son dönemde Anthropic CEO'su Dario Amodei'nin yapay zeka güvenliği tartışmaları ve önde gelen laboratuvarların "yavaşlama" çağrılarına ilişkin Jensen Huang, güvenlik ile inovasyonun çelişmediğini düşünüyor. Yaşanan güvenlik olaylarının mühendislik sorunları olarak analiz edilmesi ve teknoloji, süreç ve testlerle kontrol edilmesi gerektiğini belirtti.

Son yıllarda sıkça dile getirilen yapay zeka "kıyamet tahminleri"ne değinen Jensen Huang, daha önce yanlış olduğu kanıtlanmış öngörüleri sıraladı: "radyologların yapay zeka tarafından tamamen değiştirileceği", "kısa vadede kodun %90'ının yapay zeka tarafından üretileceği", "giriş seviyesi işlerin %50'sinin 6 ila 9 ay içinde yok olacağı". Bu tür tahminlerin yeterli bilimsel dayanaktan yoksun olduğunu ve toplumsal panik yaratmak için kullanılmaması gerektiğini savundu.

Özyinelemeli kendini geliştirme (RSI) konusunda Jensen Huang, RSI'nin aniden ortaya çıkan gizemli bir teknoloji olmadığını; bağlam, pekiştirmeli öğrenme, sentetik veri ve LoRA gibi mevcut tekniklerin bir kombinasyonu olduğunu ifade etti.

Açık kaynak ve kapalı kaynak modeller arasındaki rekabete gelince, ikisinin de vazgeçilmez olduğunu açıkça belirtti ve Çin'in çok sayıda mühendise ve bilim ile matematik alanında yeteneklere sahip olduğunu, gelecekte küresel açık kaynak ekosistemine önemli katkı sağlayabileceğini söyledi.

Diyalog daha sonra "AGI ve süper zeka" konusuna döndü. AGI'nin standardının insan zekası seviyesine ulaşmak olup olmadığı ve bu aşamaya gelinip gelinmediği sorulduğunda Jensen Huang kısaca yanıtladı: "Zaten ulaşıldı."

Aşağıda Jensen Huang'ın son röportajının, orijinal anlamı değiştirilmeden derlenmiş özet kaydı yer almaktadır:

01 Yapay Zeka Güvenliği İnovasyonla Karşı Karşıya Getirilemez

Soru: Son dönemde yapay zeka güvenliği tartışmaları artıyor. Dario Amodei yapay zeka güvenliği üzerine bir makale yayınladı, eski Anthropic araştırmacısı Jacob Cockson da ilgili sorunlar nedeniyle istifa etti. Bu gelişmeleri nasıl değerlendiriyorsunuz?

Jensen Huang: Güvenlik konuları ciddiye alınmalı, ancak güvenlik ile liderlik çelişmez. Hızlı inovasyon yapabilir, hızlı uygulayabilir ve ABD'nin liderliğini korurken güvenliği sağlayabiliriz. Bu ikisini birbirini dışlayan seçenekler olarak görmek başlı başına bir hatadır.

Cockson'un bu konuları açıkça tartışma cesareti takdire değer. Bir ihbarcı olarak bunu yapma hakkı var, ancak daha sonraki bilimsel öngörülerinin yeterli bilimsel dayanaktan yoksun olduğunu düşünüyorum, çünkü bu tahminler gerçek bilimsel araştırmalara dayanmıyor.

Birçok önde gelen laboratuvar araştırma kurumlarından mühendislik kurumlarına dönüşüyor ve araştırma ile mühendislik doğası gereği farklıdır. Dönüşüm sürecinde kontrol veya yönetim sorunları ortaya çıkarsa, bu ayrı bir konudur. Cockson'un gerçekte ne gördüğüne gelince, bilmiyorum.

Soru: Son yıllarda yapay zeka endüstrisinde "yapay zeka insanlığı yok edebilir, kitlesel işsizliğe yol açabilir" gibi çok karamsar tahminler ortaya çıktı. Bu söylemleri nasıl değerlendiriyorsunuz?

Jensen Huang: Bu tür şeylere kolayca "insanlığın yok olma olasılığı" veya "medeniyetin çöküşü" gibi etiketler yapıştırmamalıyız, çünkü bunların çoğu aslında uydurmadır. Birine araştırmacı veya bilim insanı etiketi yapıştırıp sansasyonel bir tahmin ortaya attığınızda, kamuoyunda kolayca panik yaratabilirsiniz; bunun sorumsuzca olduğunu düşünüyorum.

Geçmişte bu tür birçok tahmin gördük. Beş yıl içinde radyologların yapay zeka tarafından tamamen değiştirileceği ve artık radyologlara ihtiyaç kalmayacağı öngörülmüştü. Gerçek şu ki, dünyanın daha fazla radyologa ihtiyacı var; yapay zeka tıbbi görüntü analizinde kullanılıyor, ancak bu "radyologların yok olması" ile tamamen farklı bir şey.

Ayrıca "önümüzdeki 6 ila 12 ay içinde kodun %90'ının yapay zeka tarafından üretileceği, giriş seviyesi işlerin %50'sinin 6 ila 9 ay içinde yok olacağı" tahminleri de vardı. Gerçekte bu tahminlerin hiçbiri gerçekleşmedi. Daha önce de "GPT-2 ve Llama 3'ün yayınlanamayacak kadar tehlikeli olduğu" söylenmiş, hatta "ikinci yılda beyaz yakalı işlerin yarısının yok olacağı" veya sözde "istihdam kıyameti"nin yaklaştığı öngörülmüştü.

Bu tahminlerin kaydedilmesi gerektiğini düşünüyorum. Yıllar sonra geriye dönüp baktığımızda hangi tahminlerin doğru olduğunu, hangilerinin sadece panik yarattığını göreceğiz.

Soru: Yani yapay zeka güvenliği sorunlarının daha çok mühendislik sorunları olarak ele alınması gerektiğini mi düşünüyorsunuz?

Jensen Huang: Bir güvenlik olayı meydana gelirse, öncelikle mühendislik açısından kök neden analizi yapmalı, ne olduğunu, sorunun nerede olduğunu ve benzer olayların tekrarını önlemek için hangi önlemlerin alınabileceğini anlamalı, ardından bu önlemleri sistemlere, süreçlere ve teknik kontrollere dönüştürmeliyiz.

Bu şirketlerin daha iyi korumalı alanlar, daha sıkı çalışma ortamları, gelişmiş izleme ve sürekli gözetim sistemleri dahil olmak üzere bu çalışmaları zaten yaptığına inanıyorum. Hatta bu sorunların kontrol edilebileceği ve önlenebileceği konusunda bahse girmeye hazırım.

Bir mühendislik şirketi gerçekten ne olduğunu bilmiyor ve nasıl kontrol edeceğini bilmiyorsa, onlara yardım etmesi için mühendisler gönderilebilir. Ancak o noktaya gelineceğini sanmıyorum. Bu laboratuvarlarda çok yetenekli insanlar var ve ilgili sorunları analiz edip uygun önlemleri aldıklarına inanıyorum.

Soru: Yapay zeka güvenliği sorunları düzenleme gerektiriyorsa, düzenleme nereden başlamalı?

Jensen Huang: Düzenleme gerçekten var olan sorunlara odaklanmalıdır. Gerçekten dikkat edilmesi gereken sorunların çoğu önde gelen yapay zeka laboratuvarlarından kaynaklanıyor, çünkü en fazla hesaplama kaynağına sahipler ve en ileri sorunlarla uğraşıyorlar. Bir lise öğrencisinin veya sıradan bir girişimin bu sorunları yaratacak kadar hesaplama gücüne sahip olması pek olası değil.

Bu laboratuvarlar araştırmadan mühendisliğe geçiş yaparken aynı zamanda şirket, kültür, teknoloji ve ürün inşa ediyor; bu kolay bir süreç değil. Bu nedenle, teknoloji geliştirme ve test süreçlerinin yeterince güvenli olmasını sağlamak için daha eksiksiz mühendislik sistemlerini nasıl kurduklarına odaklanılmalıdır.

Soru: Üçüncü taraf değerlendirme kuruluşlarına ihtiyaç var mı?

Jensen Huang: Birden fazla değerlendirme ve denetim kuruluşu olabileceğini düşünüyorum. Her şeyi bilmeleri gerekmez, ancak hangi soruları soracaklarını bilmelidirler. Bu biraz mali denetime benzer. Tek bir değerlendirme kuruluşu olursa etkilenebilir; birden fazla kuruluş olursa birbirlerini dengeleyebilirler.

02 "Özyinelemeli Kendini Geliştirme" O Kadar Gizemli Değil

Soru: Özyinelemeli kendini geliştirme hakkında tartışmalar artıyor; yani yapay zekanın veri üretmesi, kendini eğitmesi ve sürekli hızlanması. Bu konuda ne düşünüyorsunuz?

Jensen Huang: "Özyinelemeli kendini geliştirme"nin son zamanlarda popülerleşen yeni bir etiket olduğunu, ancak arkasında bağlam, beceri, yansıma, pekiştirmeli öğrenme, sentetik veri üretimi ve LoRA gibi birçok mevcut tekniğin bir kombinasyonu olduğunu düşünüyorum.

Bu yöntemler gerçekten de yapay zekanın görevleri yerine getirirken deneyim biriktirmesini ve ardından sürekli iyileşmesini sağlayabilir. Örneğin, sentetik veri ve pekiştirmeli öğrenme yoluyla, tüm temel modeli yeniden eğitmeden model yetenekleri geliştirilebilir ve biriken deneyim daha sonra temel modeli eğitmek için kullanılabilir. Neredeyse her şirketin bu tekniklerden bazılarını kullandığına inanıyorum.

"Özyinelemeli kendini geliştirme" terimi, sistemin tamamen kontrolden çıkacağı izlenimi verebilir, ancak gerçekte ürünler piyasaya sürülmeden önce yine de değerlendirme, yeniden test ve regresyon testinden geçmelidir; bunlar en temel mühendislik kontrolleridir.

Bu önde gelen laboratuvarlar araştırma kurumlarından mühendislik kurumlarına dönüşüyor ve gelecekte bu sistemleri kontrol etmek, doğrulamak ve değerlendirmek için daha iyi yöntemlere, bilgiye, uygulamalara, araçlara ve teknolojilere sahip olacaklarına inanıyorum. Özyinelemeli kendini geliştirme dahili olarak gerçekleşebilir, ancak doğrulanmış ürünler yine de güvenle piyasaya sürülebilir.

Soru: Açık kaynak modeller ile kapalı kaynak modeller arasındaki ilişkiyi nasıl değerlendiriyorsunuz?

Jensen Huang: Dünyanın hem açık kaynak modellere hem de kapalı kaynak modellere ihtiyacı var. Ben de kapalı kaynak öncü modelleri kullanıyorum. Bunlar biraz şişelenmiş suya benziyor; suyun kendisi ücretsizdir, ancak farklı ürün biçimleri farklı ihtiyaçları karşılayabilir.

Açık kaynak modeller egemenlik, gizlilik ve kurumsal özel teknolojiler için çok önemlidir. Son altı ayda yaklaşık 400 milyar dolarlık risk sermayesi yapay zeka odaklı şirketlere aktı ve bu şirketlerin yaklaşık %80'i açık kaynak modeller kullanıyor. Açık kaynak modeller olmasaydı, birçok girişim hedeflerine ulaşamazdı, çünkü yapmak istedikleri şeyler önde gelen laboratuvarların yaptıklarından farklı.

ABD'nin gerçek avantajı, birçok inovasyon biçimine sahip olmasıdır. Yapay zeka yarışını kazanmak için açık kaynak modellerin gelişmesine izin vermeliyiz.

Yapay zeka yarışını kazanmak sadece birkaç Amerikan şirketinin kazanması değil, Amerikan şirketlerinin, endüstrilerinin, araştırmacılarının, eğitimcilerinin, öğrencilerinin ve girişimcilerinin bu teknolojiden fırsatlar yakalamasıdır. Bazıları kapalı kaynak modeller kullanacak, birçoğu açık kaynak modeller kullanacak; ikisine de ihtiyaç var.

Soru: Çin'in küresel açık kaynak ekosistemine önemli bir katkı sağlayacağını düşünüyor musunuz?

Jensen Huang: Çin'in küresel açık kaynak ekosistemine oldukça büyük bir katkı sağlayabileceğine inanıyorum. Çin'de çok sayıda mühendis var ve bilim ile matematik okuyan birçok öğrenci var; Tsinghua Üniversitesi gibi en iyi üniversiteler her yıl birçok mükemmel yetenek yetiştiriyor.

Örneğin, Çinli mühendisler Linux'a, Kubernetes'e (açık kaynak konteyner orkestrasyonu) ve birçok yazılım projesine katkıda bulundu. Açık kaynağın bir özelliği, bir kez indirdiğinizde size ait olmasıdır; değiştirmeye, optimize etmeye ve kendinize ait hale getirmeye devam edebilirsiniz.

Yapay zeka yarışı sonuçta bu teknolojiyi en iyi kimin kullanabileceğine bağlıdır. Geçmişte sanayi devriminin birçok önemli icadı Avrupa'dan geldi, ancak ABD daha sonra bu teknolojileri iyi kullandı. Bir sonraki sanayi devriminin de benzer şekilde gelişmesini umuyorum.

Çin'deki tartışmaların daha pragmatik olduğunu, ekonomik kalkınma ve toplumsal ilerlemeye odaklandığını, sürekli kıyamet veya medeniyetin çöküşü tartışmaları yapılmadığını düşünüyorum. Bu kıyamet tahminleri gerçekten doğru olsaydı, elbette tartışmalı ve yanıt vermeliydik, ancak panik yaratmaya gerek yok. Bizim işimiz bunu gerçeğe dönüştürmek.

Soru: Yapay zeka sonunda programlama işlerinin büyük bir kısmını otomatikleştirirse, mühendislerin ne yapması gerekecek?

Jensen Huang: Mühendislik işleri yine de var olacak. Benim kuşağımdaki mühendisler, yazılım henüz yaygınlaşmamışken kod yazmaya çok fazla zaman harcamadı. Şimdi yazılım mühendisleri kod yazmaya çok zaman harcıyor; gelecekte bu işin büyük bir kısmı otomatikleşse bile, insanlar yine de mühendislik işleriyle uğraşacak. Benim bir alışkanlığım var: en sevdiğim klavye tuşu Backspace, çünkü en iyi yazılım genellikle daha az kod anlamına gelir.

03 Nvidia Neden Yapay Zeka Endüstri Zincirine Derinlemesine Dahil Oluyor?

Soru: ABD hükümeti başlangıçta istihdam, yeniden sanayileşme, enerji ve tedarik zincirini vurguladı. Bu şeyler şimdi gerçekten oluyor. Nvidia tüm yapay zeka endüstrisinin önemli bir sermaye sağlayıcısı haline geldi. Kaynak tahsisi yönünü nasıl belirliyorsunuz?

Jensen Huang: Yapay zeka yeni bir sanayi devrimidir. Bu endüstri modeller, çipler, uygulamalar, veri merkezleri, binalar, elektrik ve enerji üretim tesisleri gibi birçok bileşenden oluşuyor. Tüm ekosistemi gözlemleyip darboğazların nerede olduğunu belirliyorum.

Çok iyi bir şirket belirli bir halka tarafından sınırlanıyorsa, o soruna odaklanırım. Bu tedarik zinciri olabilir, arazi, elektrik veya fabrika da olabilir. Nvidia'nın ölçeği yeterince büyük, bu yüzden tedarik zincirini yıllar öncesinden düşünmek zorundayız. Corning, Lumentum, TSMC ve bellek tedarikçileri gibi şirketler uzun vadeli olarak izlememiz gereken işletmelerdir.

Soru: Bazıları yapay zeka endüstrisindeki kârın büyük kısmının sonunda uygulama katmanına kayacağını düşünüyor. Nvidia neden modeller ve Hugging Face gibi daha üst düzey alanlara giriyor?

Jensen Huang: Nvidia dünyadaki neredeyse tüm modelleri çalıştırabilir. Yaklaşık bir buçuk yıl önce insanlar çoğunlukla OpenAI'nin modellerini tartışıyordu, ancak şimdi Meta'nın Muse'u, Grok, Gemini, Anthropic ve daha birçok model var. Birçok öncü yapay zeka laboratuvarı Nvidia'nın platformu üzerine kuruludur.

Stratejimiz herkesin başarılı olmasına yardımcı olmaktır, başkalarının işini devralmak değil. Mümkün olduğunca teknoloji yığınının alt katmanlarında kalmaya çalışırız, yalnızca gerektiğinde yukarı doğru hareket ederiz. CUDA çok sayıda çerçeveyi destekler, Megatron ve Megatron Core büyük ölçekli eğitimi destekler. Gerekli teknolojileri icat ederiz, sonra tüm ekosistemin gelişmesine ve daha fazla şirketin katılmasına izin veririz.

Soru: Bölgesel bulut hizmeti sağlayıcıları neden şimdi giderek daha önemli hale geliyor?

Jensen Huang: Bölgesel bulut hizmeti sağlayıcıları genellikle büyük hiper ölçekli bulut sağlayıcılarından daha esnektir, çünkü yerel olarak arazi, elektrik ve fabrika bulabilirler ve yerel ihtiyaçları daha iyi anlarlar.

Gelecekte dağıtılmış bir kurumsal ağ oluşacak ve giderek daha fazla ülke yapay zekayı stratejik bir endüstri olarak görecek. Bazı bölgelerin yapay zeka hesaplama altyapısını artırmaya başladığını şimdiden görüyoruz.

Soru: Nvidia şu anda otonom sürüş ve biyomedikal alanlarında kendi açık kaynak modellerini geliştiriyor. Neden bu işleri yapıyorsunuz?

Jensen Huang: Çünkü müşterilerin ihtiyacı var. En iyisini yapabilecek kapasiteye sahibiz, bu yüzden yapıyoruz. Örneğin Alpamayo, bizim otonom sürüş modelimiz. Muhakeme yeteneğine sahip bir otonom sürüş sistemidir. Geçmişte otonom sürüş milyarlarca saatlik yol verisine ihtiyaç duyardı, ancak muhakeme yeteneği sistemin benzer durumları düşünmesini sağlayarak büyük miktarda gerçek yol verisine olan bağımlılığı azaltabilir.

Otonom sürüşün geleceği yalnızca binek araçları değil, tarım ekipmanları, kamyonlar, minibüsler ve diğer birçok mobil cihazı da içeriyor. Birçok şirketin eksiksiz bir teknoloji yığını yok, bu nedenle Nvidia eksiksiz bir teknoloji yığını sağlayabilir ve müşteriler kendi ihtiyaçlarına göre son kilometre ayarlamalarını yapabilir.

Biyomedikal alanında da durum aynı. ESM2, ESMFold, OpenFold, AlphaFold 2 ve bazı eşdeğişken modeller ile Protein Complexa'yı (tam atomlu protein kompleksleri için üretken bir yapay zeka çerçevesi) geliştirdik, çünkü ilaç şirketlerinin bu teknolojilere gerçekten ihtiyacı var. Benim çıkış noktam her zaman şudur: birinin bu teknolojiye ihtiyacı varsa, biz yaparız.

04 Musk'ın Terafab'ı

Soru: Musk, çok büyük ölçekli Terafab çip fabrikası planını duyurdu. Bu konuda ne düşünüyorsunuz?

Jensen Huang: Nvidia süreç teknolojisini çok iyi bilir ve sürecin sınırlarını sürekli zorluyoruz, bu yüzden elbette bu konuyu tartışabiliriz. Musk bir şeyi yapmaya karar verdiğinde, onu durdurmak zordur; bu onun süper gücüdür.

Soru: Peki Nvidia gelecekte onun fabrikasında çip üretebilir mi?

Jensen Huang: Bunu tartışabiliriz.

Soru: AGI'nin tanımı insan zekası seviyesine ulaşmaksa, bu aşamaya girdiğimizi düşünüyor musunuz? Peki ya süper zeka?

Jensen Huang: Zaten ulaştık, hatta bazı belirli alanlarda süper zeka aşamasına girdiğimizi bile söyleyebiliriz.

Soru: Neden?

Jensen Huang: Çünkü çok belirli bazı alanlarda yapay zeka insanları geride bıraktı. Otonom sürüş buna bir örnektir. Bir araba insandan daha iyi sürebiliyorsa, sürüş alanında süper zekadır.

Şu anda otonom sürüş sistemlerinin kaza oranı insanların onda birine kadar düşebiliyor. Biyomedikal alanında da durum aynı. Sentetik proteinler ve sanal tarama gibi görevler süper zeka seviyesine ulaştı. Bu belirli alanlarda yapay zeka, insan yeteneklerini aşan görevleri yerine getirebiliyor.

Soru: Bu teknolojinin en ön saflarında olmak nasıl bir duygu?

Jensen Huang: Bu duyguyu seviyorum. Gelecek parlak. Belki gelecekte birçok insanın çalışması gerekmeyecek, ancak bu çağı kaçırmak istemiyorum.

Hepimizin o geleceğe birlikte yürümesini ve insanlığın sonunda birlikte başarılı olmasını umuyorum. Herkesi cesaretlendirmeli ve gereksiz dramatik tartışmaları azaltmalıyız. En önemlisi, tüm ABD'nin bu sürece katılabilmesini sağlamalıyız.