Yapay Zekâ Tarihi: 1950'den Günümüze Zaman Çizelgesi

Kuruluş yılları: 1950-1974

1950: Alan Turing "Computing Machinery and Intelligence" makalesiyle "makineler düşünebilir mi" sorusunu test edilebilir hale getirir. 1956: Dartmouth konferansında John McCarthy "artificial intelligence" terimini kullanır; alan doğar. 1957-1958: Perceptron, ilk sinir ağı modeli duyurulur.

1966: ELIZA, ilk sohbet programı, insanlarla "terapist" gibi konuşur ve insanların ona duyduğu güven, hâlâ tartışılan ELIZA etkisini doğurur. 1969: Minsky ve Papert'in perceptron sınırlarını gösteren kitabı sinir ağı araştırmalarını dondurur — bugünkü derin öğrenmenin tarihi burada kısaca kesilir.

Birinci kış: 1974-1980

Vaatlerle gelen süre yetmedi: Hesaplama gücü yetersizdi, veri yok denecek kadar azdı ve problemler beklenenden çok daha zordu. Devlet fonları kurudu, akademide "yapay zekâ" kelimesi riskli hale geldi. Dönemin ana dersi: Hedefi büyütmek değil, ölçülebilir küçük problemleri çözmektir.

Bu kışın mirası bugün hâlâ geçerli: Yapay zekâ tarihi hype döngüleriyle ilerler ve her dalgada, vaat ile teslim arasındaki mesafe yatırımcıyı ilk yakalayan olur.

Uzman sistemler ve ikinci kış: 1980-1993

1980'ler uzman sistemleri dönemi: Kurumsal kural tabanlı sistemler (MYCIN, XCON) gerçek para kazandırmaya başladı, Japonya "Beşinci Nesil Bilgisayar" projesiyle milyar dolarlık ulusal program açtı. 1987: Donanım pazarının çöküşü ve bakım maliyetleriyle ikinci kış başladı; uzman sistemlerin kural yazma maliyeti verimlilik kazancını yuttu.

1986: Backpropagation'ın yaygınlaşması sinir ağlarını tekrar gündeme getirdi; ama donanım hâlâ yetmiyordu. 1997: IBM Deep Blue, dünya satranç şampiyonu Kasparov'u yenerek ilk büyük kamusal zaferi getirdi — ama bu sistem öğrenme değil, kaba kuvvet aramasıyla kazanıyordu.

Sessiz birikim: 1993-2011

Bu dönemde "yapay zekâ" markası yerine sonuç satıldı: Arama motorları, spam filtreleri, öneri sistemleri makine öğrenmesini gündelik hayata soktu. 2006: Hinton'un derin inanç ağları çalışması sinir ağlarının yeniden doğuşunu hazırladı. 2009: ImageNet veri seti duyuruldu; ölçülebilir bir hedef, dev bir veri, yakında patlama.

Dönemin en önemli dersi: Yeterli veri ve işlem gücü geldiğinde eski fikirler çalışır. Perceptron 1958'in fikriydi; 2012'nin zaferi onu ölçeklendirme zaferiydi.

Derin öğrenme devrimi: 2012-2016

2012: AlexNet, ImageNet görüntü yarışmasını önceki rekorların çok üzerinde yenerek derin öğrenme devrimini başlattı. Formül üç bileşenliydi: GPU hesaplaması + dev veri + derin mimari. 2014: GAN'lar, üretken görüntünün kapısını açtı. 2016: AlphaGo, Go şampiyonu Lee Sedol'u 4-1 yenerek "on yıllık" kabul edilen hedefi erken devirdi; ikinci maçtaki 37. hamle, insan örüntüsünün dışında bir yaratıcılık tartışması başlattı.

Transformer çağı: 2017-2021

2017: Google ekibi "Attention Is All You Need" makalesiyle Transformer mimarisini sundu; metnin tümünü paralel işleme yeteneği, ölçeklenebilirlik kapısını tamamen açtı. 2018: BERT ve GPT-1 ile ön eğitim paradigması yerleşti. 2020: GPT-3, 175 milyar parametreyle "ölçek yasasını" kamuya gösterdi; few-shot öğrenme, yeni bir yetenek sınıfı oldu.

2021: DALL-E ve CLIP, metin-görüntü köprüsünü kurdu. Aynı yıl GitHub Copilot, kod tamamlamayı geliştirici akışına soktu. LLM, araştırma konusundan ürüne dönüştü.

ChatGPT kırılması: 2022-2023

30 Kasım 2022: ChatGPT yayımlandı; tarihte en hızlı 100 milyon kullanıcıya ulaşan uygulamalardan biri oldu. Teknoloji eskiden beri vardı; kırılma, arayüzün (sohbet) ve erişimin (ücretsiz) topluma yakışmasıydı. 2023: GPT-4, Claude 2 ve Gemini duyuruldu; büyük teknoloji şirketleri kapasite yarışına girdi, "yapay zekâ" her sektörün yatırım sunumuna girdi.

Aynı dönem güvenlik tartışmasını da kamusallaştırdı: İmza kampanyaları, düzenleyici zirveler ve AB AI Act'in kabul süreci 2023-2024'te hızlandı.

Akıl yürütme ve ajan çağı: 2024-2026

2024: Reasoning modelleri (o1 sınıfı) "cevap vermeden düşünme" sınıfını açtı; açık ağırlıklı modeller (Llama, DeepSeek, Qwen, Mistral) küresel yelpazeyi genişletti. 2025: Ajan sistemleri ana akım oldu — bilgisayar kullanımı, çok adımlı görev yürütme ve kodlama ajanları (Claude Code, Codex, Cursor sınıfı araçlar) geliştirici üretkenliğini yeniden tanımladı.

2026: Modeller şirket ve ülkeler arasında çoğaldı; gecikme ve maliyet optimizasyonu (bağlam önbelleği, damıtma, küçük modeller) öne çıktı. Ajan güvenliği — istem enjeksiyonu, izin yönetimi — alanın en kritik açık problemi hâline geldi. Toplum düzeyinde: Eğitim, hukuk ve sağlıkta kullanım kuralları netleşti; telif davaları dönemin öncül davalara dönüştü.

Tarihin üç kalıcı dersi

Birincisi: Alan hype ve kış döngüleriyle ilerler; vaat ile teslim arasındaki mesafe her dalgada ana risktir. İkincisi: Gerçek atılımlar yeni fikirlerden çok eski fikirlerin ölçeklenmesiyle gelir — derin öğrenme 1958 fikirlerinin 2012 ölçeğiydi. Üçüncüsü: Teknoloji topluma arayüzle girer; ChatGPT bir model değil, bir arayüz kırılmasıydı.

Bu üç ders, gelecek 10 yılın haberlerini okurken de pusula görevi görür: Bir vaadi duyduğunuzda önce ölçülebilir teslimini sorun, ölçek mantığını arayın ve arayüz kırılmasını gözlemleyin.