Filmlerde ve manşetlerde süper yapay zekâ çoğu zaman aynı biçimde çiziliyor: her şeyi bilen, hiç yanılmayan, kendini durmadan büyüten bir makine. Bu resim etkileyici. Ama matematik ve fizik ona ne kadar izin veriyor?
Kısa cevap iki yönlü. İnsanlardan çok daha hızlı öğrenen, daha iyi tahmin yürüten ve kendi algoritmalarını iyileştiren bir sistem, bilinen hiçbir yasayla çelişmiyor. Buna karşılık "hiç hata yapmamak", "her şeyi bilmek" ve "sınırsız hesaplamak" bu yasaların içinde savunulamıyor. Bu yazı, o sınırların nereden geldiğini tek tek anlatıyor.
İnsanüstü ile sınırsız aynı şey değil
Tartışmanın ilk tuzağı iki kelimenin birbirine karışması. Bir sistem insandan çok daha başarılı olabilir ve yine de sonlu enerjiyle, sonlu zamanda, eksik gözlemlerle çalışır. İnsanüstü olmak, sınırsız olmak demek değil.
Bu yüzden iki düzeyi ayırmak gerekiyor. Birincisi etkin zekâ: aynı kaynaklarla daha iyi model, daha iyi algoritma, daha iyi plan üretebilme becerisi. İkincisi fiziksel hesaplama kapasitesi: bir sistemin enerjisi, kütlesi, hacmi ve zamanı içinde yapabileceği bilgi işlemenin üst sınırı.
İkisi aynı şey değil, çünkü saniyedeki işlem sayısı zekâ değil. Bir problemi 2n adımda çözen bir yöntemle n² adımda çözen başka bir yöntemi düşünün. n elli olduğunda ilki yaklaşık bir katrilyon adım ister, ikincisi iki bin beş yüz. Donanıma hiç dokunmadan bulunan daha iyi bir algoritma, en hızlı işlemcinin kapatamayacağı bir farkı kapatır.
Zekânın göremediği yer
Hata yapmamanın önündeki ilk engel zekâyla değil, bilgiyle ilgili. Hiçbir sistem dünyayı olduğu gibi görmez; ölçümler üzerinden görür ve ölçümler eksik ya da gürültülüdür.
Model Ajan dünyayı nasıl görür?
İnceleme bir yapay zekâyı birkaç parçadan oluşan bir ajan olarak ele alıyor: dünya modeli, belirsizlik durumu, planlama, öğrenme, amaç, kaynaklar ve kendini geliştirme mekanizması. Ajanın içinde gerçekliğin bir kopyası durmuyor; olası dünya durumları üzerine bir olasılık dağılımı duruyor. Karar da bu dağılıma bakılarak, gelecekte en yüksek faydayı getirmesi beklenen eylem seçilerek veriliyor.
Aynı gözlem iki farklı dünya durumuyla uyumluysa, yalnızca düşünerek hangisinin gerçek olduğuna kesin karar verilemez. Hiçbir algılayıcının ulaşmadığı bir olgu, zekâ arttı diye kendiliğinden bilgiye dönüşmez. Bu bir akıl yetersizliği değil, bir erişim sınırı.
Hiçbir algoritmanın çözemeyeceği sorular
İkinci engel matematiğin kendisinden geliyor. Alan Turing 1936'da, verilen bir programın günün birinde durup durmayacağını her program için doğru söyleyen evrensel bir algoritmanın var olamayacağını gösterdi. Bu, bilgisayarlar hızlandıkça aşılacak bir engel değil; sorunun yapısından gelen bir imkânsızlık. Dolayısıyla "bütün programlar hakkında her zaman doğru karar veren" bir sistem vaat edilemez.
Kurt Gödel ise 1931'de, aritmetiği ifade edecek güçte, aksiyomları mekanik olarak sıralanabilen ve çelişkisiz her biçimsel sistemde, doğru olduğu halde o sistemin içinde kanıtlanamayan önermeler bulunduğunu gösterdi.
Gödel'in sonucu "yapay zekâ bazı doğruları asla bilemez" diye kısaltılmamalı. Bir sistem daha güçlü aksiyomlara geçebilir. Sonucun koyduğu sınır başka: bütün doğruları kapsayan tek ve kapalı bir sistem yok.
Düşünmenin enerji faturası
Fizik tarafındaki ilk sınır ısıyla ilgili. Rolf Landauer 1961'de, bir biti geri dönüşsüz biçimde silmenin bedava olmadığını gösterdi: bu işlem ortama en az kBT ln 2 kadar enerji bırakmak zorunda. Burada kB Boltzmann sabiti, T sıcaklık.
Oda sıcaklığında, yani 300 kelvinde, bu yaklaşık 2,87 × 10−21 joule ediyor. Bir joule ile, ideal koşullarda, kabaca 3,5 × 1020 bit silinebilir. Sıcaklık düştükçe bedel de aynı oranda düşüyor.
Bu sayıyı yanlış okumamak önemli. Bu "bir joule'e sığan düşünce" değil; yalnızca bilgi kaybeden işlemlerin alt sınırı. Bilgiyi silmeden, geri çevrilebilir biçimde hesap yapan yaklaşımlar bu bedelin bir kısmından kaçınabiliyor. Gerçek cihazlar ise soğutma, hata düzeltme, saat sinyali ve iletişim yüzünden bu sınırın çok üstünde enerji harcıyor.
Işıktan hızlı düşünülmez
Bir zihni büyütmek onu hızlandırır mı? Görelilik buna bir fren koyuyor: bilgi ışıktan hızlı gidemez. Boyutu d olan bir sistemin iki ucu arasındaki bir mesaj en az d/c sürede ulaşır.
| Mesafe | Işığın tek yönlü yolculuğu |
|---|---|
| 10 santimetre | 0,33 nanosaniye |
| Dünya'nın çapı | yaklaşık 42 milisaniye |
| Güneş ile Dünya arası | yaklaşık 499 saniye |
Hesaplama maddesini büyütmek bir noktadan sonra tek bir hızlı zihin üretmiyor; birbirine gecikmeyle bağlanan ajanlardan oluşan bir ağ üretiyor. Bir galaksiye yayılmış bir zihnin parçaları, birbirleriyle anlaşmak için on binlerce yıl beklemek zorunda kalırdı. Daha fazla madde, orantılı olarak daha hızlı tek bir düşünce demek değil.
Bir kilogramın taşıyabileceği bilgi
Sonlu bir yere sonsuz bilgi sığar mı? Jacob Bekenstein 1981'de hayır dedi: belirli bir yarıçapa ve enerjiye sahip bir sistemin içerebileceği entropinin, dolayısıyla bilginin, evrensel bir üst sınırı var.
İncelemedeki hesaba göre bir kilogramlık kütle on santimetrelik bir yarıçapa sıkıştırıldığında bu sınır yaklaşık 2,6 × 1042 bit. Bu, kullanılabilir bir bellek miktarı değil; son derece gevşek, kuramsal bir tavan. Anlattığı şey basit: sonlu bir yer sınırsız bilgi taşıyamaz.
Hızın da bir sınırı var. Norman Margolus ile Lev Levitin 1998'de, bir kuantum sisteminin tamamen farklı bir duruma geçmesi için gereken en kısa sürenin enerjisiyle sınırlı olduğunu gösterdi. Seth Lloyd 2000'de bu sınırları "nihai dizüstü bilgisayar" adlı bir düşünce deneyinde birleştirdi: bir litre hacimde bir kilogram kütle.
Kütlenin tamamı enerji sayıldığında bu hayali cihaz saniyede yaklaşık 5,4 × 1050 temel işlem yapabiliyor ve kabaca 1031 bit bilgi tutabiliyor. Bunlar mühendislik tahmini değil; fizik yasalarının izin verdiği uç noktayı gösteren sınır hesapları.
Evrenin bile yetmediği arama
Lloyd 2002'de bir adım daha ileri gitti ve gözlemlenebilir evrenin başlangıcından bu yana yapmış olabileceği işlemleri saydı: yaklaşık 10120. Sıradan maddede kaydedilebilecek bilgi ise yaklaşık 1090 bit.
Bu sayılar akıl almaz büyüklükte, ama tek bir aramaya bile yetmiyor. Her biri evet ya da hayır olan yalnızca bin seçimin bütün birleşimlerini denemek 21000, yani yaklaşık 1,07 × 10301 olasılık demek. Bu, evrenin bütün tarihi boyunca yaptığı işlemlerden 10181 kat fazla.
En güçlü zekânın üstünlüğü her şeyi tek tek denemek olamaz. Üstünlük, neyin denenmeye değmediğini bulmakta.
Kendini geliştiren makine sonsuza gider mi?
"Zekâ patlaması" fikrinin arkasında basit bir model yatıyor: sistem kendini her adımda belli bir oranda iyileştirirse, gelişimi üstel olur ve durmadan hızlanır.
İnceleme bu modelin uzun vadede fiziksel olarak gerçekçi olmadığını söylüyor. Enerji, iletişim, üretim kapasitesi, veri ve algoritmik doygunluk büyümeyi eninde sonunda frenler. Daha uygun model lojistik büyüme: başta üstel görünen, sonra belirli bir kaynak düzeninin koyduğu tavana yaklaştıkça yavaşlayan bir eğri.
Bir ayrıntı daha var: kendini geliştirmek her zaman daha iyiye gitmek demek değil. Yeni bir mimari hata, güvenlik açığı ya da değerlerde kayma getirebilir. Gerçekçi bir öz-gelişim düzeneği, performans kadar doğrulamayı ve gerektiğinde eski sürüme dönebilmeyi de içermek zorunda.
Asıl soru: neyi en iyiye çıkarıyor?
Bir ajanın "özerk" olması, felsefi anlamda özgür irade taşıması demek değil. Geniş bir seçenek kümesinden kendi modeline ve amacına göre seçim yapabilir; ama o seçim yine algoritmasının, hafızasının ve gözlemlerinin bir sonucudur.
Asıl kritik nokta amaç. Optimizasyon gücü arttıkça neyin optimize edildiği daha çok önem kazanıyor. İnceleme basit bir örnek veriyor: insan refahı, bilgi kazanımı, sistem güvenliği ve insan özerkliğine saygı artı yönde, risk eksi yönde tartılıyor. Ama bu ağırlıkları seçmek matematiksel bir iş değil; etik ve yönetişim sorusu.
Bu yüzden süper zekâ tartışmasında "ne kadar zeki?" sorusu, "neyi en iyiye çıkarıyor?" sorusunun önüne geçmemeli.
Dört tavan
Bütün bunlar "en yüksek zekâ"nın tek bir sayıyla ifade edilemeyeceğini gösteriyor. En az dört ayrı tavan var:
- Hesaplanabilirlik tavanı: bazı problemlerin genel bir algoritmik çözümü yok.
- Bilgi tavanı: gözlenmemiş bir durum hakkında kesinlik üretilemez; sonlu bir sistem sonlu bilgi taşır.
- Fiziksel tavan: enerji, entropi, ışık hızı ve kuantum dinamiği hesaplamayı sınırlar.
- Algoritmik tavan: daha fazla ham işlem, kötü bir temsilin ya da kötü bir algoritmanın açığını her zaman kapatamaz.
İnceleme bu çerçevede zekâyı bir verimlilik olarak düşünmeyi öneriyor: harcanan enerji, zaman ve hesaplama başına elde edilen doğrulanabilir, yararlı sonuç. Bu standart bir bilimsel ölçü değil, bir düşünme biçimi. Ama doğru bir şeyi yakalıyor: ileri bir sistemin üstünlüğü daha çok işlem yapmakta değil, hangi işlemlerin gereksiz olduğunu bulmakta olabilir.
Tanrı makinesi değil, sonlu bir ajan
Süper zekâ fikri kendi içinde çelişkili değil. Ama fiziğin dışında duran, her şeyi bilen bir makine olarak değil; fiziksel evrenin içinde olağanüstü verimli çalışan sonlu bir bilgi işleyici olarak anlam kazanıyor. Mutlak kesinlik yerine iyi ayarlanmış bir belirsizlikle çalışan, hatasını sıfırlıyormuş gibi yapmak yerine sistemli biçimde azaltan ve büyürken enerji, ısı, iletişim ve bilgi sınırlarını hesaba katan bir ajan.
Hiç hata yapmamak savunulabilir bir hedef değil. Savunulabilir olan, hatayı çok küçültmek ve düzeltmeyi çok hızlandırmak; bunu da fiziğin koyduğu kaynak sınırları içinde, güvenli biçimde yapmak.
Bu yazı neye dayanıyor?
Yazı, Selim Kusursuz'un Süper Yapay Zekânın Matematiksel ve Fiziksel Sınırları başlıklı kuramsal incelemesine (Eylül 2026) dayanıyor. Sayısal değerler incelemedeki hesaplardan alınmış ve yeniden doğrulanmıştır; 250 ile n² karşılaştırması ve 10181 katlık fark bu yazı için eklenmiştir.
- Turing, On Computable Numbers, with an Application to the Entscheidungsproblem, Proceedings of the London Mathematical Society, 1936.
- Gödel, Über formal unentscheidbare Sätze der Principia Mathematica und verwandter Systeme I, Monatshefte für Mathematik und Physik, 1931.
- Landauer, Irreversibility and Heat Generation in the Computing Process, IBM Journal of Research and Development, 1961.
- Bekenstein, Universal Upper Bound on the Entropy-to-Energy Ratio for Bounded Systems, Physical Review D, 1981.
- Margolus, Levitin, The Maximum Speed of Dynamical Evolution, Physica D, 1998.
- Lloyd, Ultimate Physical Limits to Computation, Nature, 2000.
- Lloyd, Computational Capacity of the Universe, Physical Review Letters, 2002.
Selim Kusursuz
Paris-Saclay'de Bilgisayar Ağ Sistemleri okuyor, Otonom Sistemler alt dalında. Matematik ve bilgisayar bilimi üzerine çalışıyor. İyi derecede Fransızca, İngilizce ve Türkçe biliyor.
Tüm yazılarını gör