Genel Yapay Zeka (AGI) Nedir? Tanımlar, Bugünkü Durum ve Gerçek Takvim

Kısa cevap

Genel yapay zeka (AGI), tek bir işte değil, insanların yaptığı çok çeşitli zihinsel işlerin çoğunda insan düzeyinde ya da daha iyi performans gösterebilen yapay zeka için kullanılan bir hedef kavramdır. Herkesin kabul ettiği tek bir tanımı yoktur. Bugünkü modeller bazı işlerde uzman düzeyinde, bazı basit işlerde zayıftır ve uzmanların zaman tahminleri onlarca yıl farklılık gösterir.

Manşetlerde "AGI geliyor" cümlesini artık neredeyse her hafta görüyorsun. Bir şirket yöneticisi birkaç yıl içinde geleceğini söylüyor, bir araştırmacı onlarca yıl diyor, bir başkası kavramın kendisine itiraz ediyor. Haklı olarak şunu merak ediyorsun. Bu AGI tam olarak ne, gerçekten kapıda mı ve benim hayatımı nasıl etkiler?

Kısa cevap şu. Genel yapay zeka (İngilizcesiyle Artificial General Intelligence, kısaca AGI), tek bir işte değil, insanların yaptığı çok çeşitli zihinsel işlerin çoğunda insan düzeyinde ya da daha iyi performans gösterebilen yapay zeka sistemleri için kullanılan bir hedef kavramdır. Ama bu kavramın herkesin kabul ettiği tek bir tanımı yok. Bugünkü sohbet botları bazı işlerde şaşırtıcı derecede iyi, bazı basit işlerde ise hâlâ tökezliyor. Uzmanların "ne zaman" sorusuna verdiği cevaplar da birbirinden çok uzak.

Bu yazıda AGI'nin farklı tanımlarını, dar yapay zeka ve süper zeka ile farkını, bugünkü modellerin nerede durduğunu, tahminlerin neden bu kadar dağınık olduğunu ve bir AGI manşetini nasıl okuman gerektiğini anlatacağım. Amacım seni korkutmak ya da heyecanlandırmak değil, haberi kendi gözünle tartabilmen için sağlam bir zemin vermek.

AGI nedir, tek bir tanımı var mı?

Hayır, tek bir tanımı yok. Bu, AGI tartışmasındaki karışıklığın asıl kaynağı. Farklı kurumlar farklı şeyleri ölçüyor ve aynı kelimeyle farklı hedeflerden söz ediyor.

En çok alıntılanan tanımlardan biri OpenAI Tüzüğü'nde (OpenAI Charter) geçiyor. Tüzük, AGI'yi "ekonomik açıdan değerli işlerin çoğunda insanlardan daha iyi performans gösteren, yüksek derecede özerk sistemler" olarak tanımlıyor (özgün ifade "highly autonomous systems that outperform humans at most economically valuable work"). Bu tanımın ölçütü ekonomik. Bir sistemin insanların para karşılığı yaptığı işlerin çoğunu daha iyi yapıp yapamadığına bakıyor.

Google DeepMind araştırmacıları ise 2023'te yayımlanan "Levels of AGI" makalesinde (Morris ve arkadaşları) farklı bir yol öneriyor. Onlara göre AGI tek bir varış noktası değil, aşamaları olan bir yol. Makale, bir sistemi iki eksende değerlendirmeyi öneriyor. Birincisi performans, yani bir işi ne kadar iyi yaptığı. İkincisi genellik, yani ne kadar geniş bir iş yelpazesinde bu performansı gösterebildiği.

Anthropic'in CEO'su Dario Amodei ise Ekim 2024 tarihli "Machines of Loving Grace" yazısında terimin kendisine mesafeli duruyor. "AGI terimini sevmiyorum" diyor ve onu bilim kurgu yükü ve abartı biriktirmiş, belirsiz bir terim olarak görüyor. Kendisi bunun yerine "güçlü yapay zeka" ifadesini tercih ediyor.

Yani bir haberde "AGI" kelimesini gördüğünde ilk sorman gereken soru şu olmalı. Burada hangi AGI kastediliyor?

Dar yapay zeka, genel yapay zeka ve süper zeka arasındaki fark ne?

Bu üç kavramı ayırmak, manşetleri okumayı çok kolaylaştırır.

Dar yapay zeka. Tek bir işte ya da dar bir alanda iyi olan sistemler. Satranç oynayan bir program, bir görüntüdeki yüzü tanıyan bir model ya da yazım denetleyicisi bu türdendir. Bazıları kendi alanında insanların tamamını geçer, ama o alanın dışında bir şey yapamaz.
Genel yapay zeka (AGI). Çok farklı türde zihinsel işi, yeni durumlara uyum sağlayarak insan düzeyinde yapabilen sistem. Kilit kelime genelliktir.
Süper zeka (ASI). Neredeyse her zihinsel alanda insanların tamamını geride bırakan varsayımsal sistem.

DeepMind makalesindeki örnekler bu farkı iyi gösteriyor. Makale, insanları geçen dar sistemlere AlphaFold, AlphaZero ve Stockfish'i örnek veriyor. Bu sistemler kendi alanlarında "insanüstü" seviyede. Ama hiçbiri genel değil. Protein yapısını tahmin eden bir model sana bir e-posta yazamaz. Genellik boyutunda insanüstü seviye ise makalede "yapay süper zeka" olarak adlandırılıyor ve henüz ulaşılmamış olarak gösteriliyor.

Yapay zekanın temel kavramlarına daha baştan bakmak istersen yapay zeka nedir yazısı iyi bir başlangıç noktası.

DeepMind'ın "AGI seviyeleri" ne anlatıyor?

"Levels of AGI" makalesi, AGI tartışmasını "var ya da yok" ikiliğinden çıkarıp bir ölçeğe taşıdığı için önemli. Makale performans için altı seviye tanımlıyor.

Seviye 0, Yapay zeka yok. Hesap makinesi gibi yapay zeka içermeyen sistemler.
Seviye 1, Gelişmekte olan (Emerging). Vasıfsız bir insana eşit ya da biraz daha iyi.
Seviye 2, Yetkin (Competent). Vasıflı yetişkinlerin en az yüzde 50'lik diliminde.
Seviye 3, Uzman (Expert). Vasıflı yetişkinlerin en az yüzde 90'lık diliminde.
Seviye 4, Olağanüstü (Exceptional). Vasıflı yetişkinlerin en az yüzde 99'luk diliminde.
Seviye 5, İnsanüstü (Superhuman). İnsanların yüzde 100'ünden daha iyi.

Makale, yayımlandığı dönemde ChatGPT, Bard, Llama 2 ve Gemini gibi öncü dil modellerini genel yapay zeka ekseninde Seviye 1'e, yani "gelişmekte olan AGI" basamağına yerleştiriyordu. Gerekçe, bu modellerin bazı işlerde yetkin, ama çoğu işte henüz gelişmekte olan düzeyde performans göstermesiydi. Seviye 2 ve üzerindeki genel sistemler makalede "henüz ulaşılmadı" olarak işaretlenmişti.

Makalenin bir başka katkısı, yetenek ile özerkliği ayırması. Bir sistemin ne kadar yetenekli olduğu ile ona ne kadar bağımsız hareket etme izni verildiği farklı sorular. Makale özerkliği de "araç olarak yapay zeka"dan "ajan olarak yapay zeka"ya uzanan basamaklarla tarif ediyor. Bu ayrım önemli, çünkü risk çoğu zaman yeteneğin kendisinden değil, yeteneğin kontrolsüz kullanımından doğar.

Bugünkü yapay zeka modelleri AGI'ye ne kadar yakın?

Dürüst cevap şu. Bugünkü modeller bazı ölçümlerde çok ileride, bazılarında şaşırtıcı biçimde geride. Uzmanların bunun için kullandığı kelime "pürüzlü" (İngilizcesi jagged).

Şubat 2026'da yayımlanan ve Yoshua Bengio'nun başkanlığında 100'den fazla uzmanın katkı verdiği International AI Safety Report 2026 (Uluslararası Yapay Zeka Güvenliği Raporu), önde gelen sistemlerin artık hukuk ve tıpta mesleki yeterlilik sınavlarını geçtiğini, basit komutlarla çalışan yazılım yazdığını ve doktora düzeyindeki bilim sorularını cevaplayabildiğini belirtiyor. Rapora göre Temmuz 2025'te Google DeepMind ve OpenAI modelleri Uluslararası Matematik Olimpiyatı'nda altın madalya düzeyinde puan aldı ve altı problemden beşini çözdü.

Aynı rapor, bu sistemlerin yeteneklerinin "pürüzlü" olduğunu, yani iyi yapamadıkları pek çok iş bulunduğunu da vurguluyor. Rapordaki örneklere göre yapay zeka sistemleri çok adımlı projelerde daha az güvenilir, yanlış bilgi içeren metinler üretmeyi sürdürüyor (halüsinasyon) ve ev işi gibi temel fiziksel görevleri yapacak şekilde robotik bileşenlerle henüz bütünleşemiyor. Rapor, bir web sitesindeki basit bir açılır reklamın bile bütün bir görevi rayından çıkarabildiğini not ediyor.

Stanford Üniversitesi'nin 2026 AI Index raporu da aynı tabloyu sayılarla gösteriyor.

Raporun özetine göre modeller Uluslararası Matematik Olimpiyatı'nda altın madalya kazanabiliyor ama hâlâ saati güvenilir biçimde okuyamıyor. ClockBench testinde en iyi model analog saatleri yüzde 50,6 oranında doğru okurken insanlarda bu oran yüzde 90,1.
Gerçek bilgisayar görevlerini ölçen OSWorld testinde ajanların başarısı yaklaşık yüzde 12'den yüzde 66,3'e çıktı ve insan performansının 6 puan yakınına geldi.
Robotlar ise gerçek ev görevlerinin yalnızca yüzde 12'sinde başarılı oluyor.

Bu tablo, "AGI geldi mi" sorusuna neden tek kelimeyle cevap verilemediğini gösteriyor. Bir sistem olimpiyat sorusu çözüp saati okuyamıyorsa, ona "genel" demek için hangi işleri saydığına bakman gerekir.

Bu modellerin nasıl çalıştığını, neden akıcı ama bazen yanlış konuştuğunu anlamak istersen LLM (büyük dil modeli) nedir yazısına göz atabilirsin.

Bir modelin testte başarılı olması genel zeka anlamına gelir mi?

Gelmez. Bu, AGI haberlerinde en sık atlanan nokta.

Ben yapay zeka eğitim ve değerlendirme işleri yapıyorum. Bu alanın temel ilkelerinden biri şu. Bir modelin belirli bir testte yüksek puan alması ile o yeteneği gerçek dünyada, beklenmedik koşullarda, tutarlı biçimde göstermesi aynı şey değildir. Test bir ölçüm aracıdır ve her ölçüm aracı gibi sınırlıdır.

Bu sınırların bazıları somut.

Testin kendisi hatalı olabilir. Stanford AI Index 2026'ya göre bir inceleme, yaygın kullanılan değerlendirmelerde geçersiz soru oranının MMLU Math'te yüzde 2 ile GSM8K'de yüzde 42 arasında değiştiğini buldu.
Testler hızla doyuyor. Aynı rapora göre öncü modeller Humanity's Last Exam adlı zorlu testte tek bir yılda 30 puan kazandı. Bir test kısa sürede aşılınca, onun ölçtüğü şeyin gerçekten genel bir yetenek mi yoksa o teste özgü bir beceri mi olduğu sorusu açık kalır.
Laboratuvar ve gerçek hayat farklıdır. Uluslararası rapor, eğitim verisinde daha az yer alan dil ve kültürlerde performansın düştüğünü belirtiyor. Rapordaki bir örnekte ABD kültürüyle ilgili sorularda doğruluk yüzde 79 iken Etiyopya kültürüyle ilgili sorularda yüzde 12.

DeepMind makalesi de bu yüzden "ekolojik geçerlilik" ilkesine vurgu yapıyor. Yani bir sistemi, insanların gerçekten değer verdiği gerçek dünya işleri üzerinden değerlendirmek gerekiyor. Benim gözümde bir modelin genel yeteneğini asıl gösteren şey tek bir parlak skor değil, sıradan işlerde sıkıcı derecede güvenilir olmasıdır. Bu, şüphe disiplini dediğimiz alışkanlığın da özü. Etkileyici bir sonuç gördüğünde, onu nasıl ölçtüklerini sormak.

AGI ne zaman gelecek, tahminler neden bu kadar dağınık?

Bu sorunun bugün kimsenin elinde kesin bir cevabı yok. Tahminlerin dağınık olmasının üç nedeni var.

Birincisi, herkes farklı bir şeyi tahmin ediyor. Tanım değişince tarih de değişiyor. AI Impacts ekibinin 2023 sonunda yaptığı ve sonuçları Grace ve arkadaşlarının "Thousands of AI Authors on the Future of AI" makalesinde yayımlanan anket bunu çok net gösteriyor. Ankete saygın yapay zeka konferanslarında yayın yapmış 2.778 araştırmacı katıldı.

Bilimsel ilerleme kesintiye uğramazsa, makinelerin yardımsız olarak mümkün olan her görevde insanları geçme olasılığı 2027'ye kadar yüzde 10, 2047'ye kadar yüzde 50 olarak tahmin edildi.
Bu 2047 tahmini, yalnızca bir yıl önce yapılan benzer ankettekinden 13 yıl daha erkendi.
Buna karşılık tüm insan mesleklerinin tamamen otomatikleştirilebilir hale gelme olasılığı 2037'ye kadar yüzde 10, ancak 2116'ya kadar yüzde 50 olarak tahmin edildi. 2022 anketinde bu tarih 2164'tü.

Dikkat et, aynı araştırmacılar "her görevde insanı geçmek" için 2047, "her mesleği otomatikleştirmek" için 2116 diyor. Arada yaklaşık 70 yıl var. Bu fark, sorunun nasıl sorulduğunun cevabı ne kadar değiştirdiğini gösteriyor.

İkincisi, şirket yöneticileri ile araştırmacılar farklı konumdan konuşuyor. OpenAI CEO'su Sam Altman, Eylül 2024 tarihli "The Intelligence Age" yazısında "birkaç bin gün içinde süper zekaya sahip olmamız mümkün" diye yazdı. Aynı cümlede bunun daha uzun sürebileceğini, ama oraya varılacağından emin olduğunu da ekledi. Dario Amodei ise "güçlü yapay zeka" dediği şeyin "2026 kadar erken gelebileceğini" ama çok daha uzun sürmesinin de mümkün olduğunu söyledi. Bu yöneticiler alanın içinden ve önemli bilgiye sahip. Ama aynı zamanda yatırım toplayan, ürün satan şirketleri yönetiyorlar. Binlerce araştırmacının anonim cevaplarından oluşan bir anketin ortancası ile tek bir yöneticinin açıklaması aynı türden kanıt değil. İkisini de dinle, ama aynı terazide tartma.

Üçüncüsü, ilerlemenin hızı gerçekten belirsiz. Uluslararası Yapay Zeka Güvenliği Raporu 2026, önümüzdeki yıllarda ilerlemenin veri, donanım, sermaye ya da enerji darboğazları nedeniyle yavaşlayabileceğini, mevcut hızda sürebileceğini ya da yapay zeka sistemleri yapay zeka araştırmasını hızlandırmaya başlarsa çarpıcı biçimde hızlanabileceğini makul görüyor. Yani en kapsamlı bilimsel değerlendirmeler bile tek bir tarih vermiyor, bir olasılık aralığı çiziyor.

AGI bir tehlike mi, beni nasıl etkiler?

AGI tartışmasının bir kısmı riskler üzerine. Aynı AI Impacts anketinde katılımcıların yüzde 38 ile yüzde 51'i, gelişmiş yapay zekanın insan neslinin tükenmesi kadar kötü sonuçlara yol açma ihtimaline en az yüzde 10 olasılık verdi. Aynı ankette katılımcıların yüzde 68,3'ü ise insanüstü yapay zekanın iyi sonuçlarının kötü sonuçlarından daha olası olduğunu düşünüyordu. Bu varoluşsal risk tartışmasını ayrıntısıyla yapay zeka bizi yok eder mi yazısında ele aldım. Bugünün daha somut risklerine bakmak istersen yapay zeka tehlikeli mi, riskleri neler yazısı daha uygun.

Senin günlük hayatın açısından asıl önemli olan şu. AGI'nin tam olarak ne zaman "ilan edileceği" seni bugün en az etkileyen kısım. Seni etkileyen, giderek daha yetenekli ama hâlâ pürüzlü sistemlerin işine, öğrenme biçimine ve bilgiye ulaşma yoluna girmesi. Bu sistemler bazı görevleri senden hızlı yapacak, bazılarında ise kendinden emin bir dille yanlış söyleyecek. İşinin bu süreçte nasıl değişebileceğini yapay zeka işini alacak mı yazısında konuştuk.

Burada iki kavram işine yarayabilir. İnsan farkı, makinenin iyi yaptığı ile senin katkının nerede ayrıştığını görmeni sağlar. Hakikatin aşınması ise akıcı ama doğrulanmamış içeriğin çoğaldığı bir ortamda doğruyu ayırt etmenin neden zorlaştığını anlatır.

Bir "AGI geliyor" manşetini nasıl okumalısın?

Bir haber gördüğünde şu soruları sırayla sor.

Hangi tanım kullanılıyor? Ekonomik değer mi (OpenAI Tüzüğü gibi), seviyeli bir ölçek mi (DeepMind gibi), yoksa tanımsız bir slogan mı?
Kim söylüyor? Bir şirket yöneticisi mi, bağımsız bir araştırma ekibi mi, binlerce araştırmacının katıldığı bir anket mi?
Neye dayanıyor? Tek bir test skoru mu, yoksa gerçek dünya görevlerinde tutarlı performans mı? Test hangisi, kim tasarlamış?
Ne eksik söyleniyor? Güvenilirlik, uzun görevlerde tutarlılık, fiziksel dünya ve İngilizce dışındaki dillerde performans konuşulmuş mu?
Bir tarih veriliyorsa, belirsizlik de veriliyor mu? Ciddi tahminler tek bir yıl değil, olasılık aralığı verir.
Bu haber benim bugünkü kararlarımı değiştiriyor mu? Çoğu zaman cevap hayır. Değiştiren şey, kullandığın araçların bugün neyi iyi, neyi kötü yaptığıdır.

Şimdi ne yapmalısın?

Kullandığın yapay zeka aracını kendi işinden üç farklı görevle dene. Birinde çok iyi, birinde vasat, birinde hatalı çıkması büyük ihtimal. Bu, "pürüzlü" yeteneği kendi gözünle görmenin en kısa yolu.
Aracın verdiği önemli bilgileri, özellikle sayı, tarih ve alıntıları, birincil kaynaktan kontrol etme alışkanlığı edin.
AGI haberlerinde yukarıdaki altı soruyu kullan. İki dakikanı alır, ama seni hem gereksiz paniğe hem de gereksiz heyecana karşı korur.
Konuyu daha geniş bir çerçevede takip etmek istersen Yapay Zeka ve Gelecek rehberindeki yazılara göz at.

Toparlarsak

AGI, herkesin aynı şeyi kastetmediği bir hedef kavram. Bugünkü modeller bazı ölçümlerde uzman düzeyini geçiyor, bazı basit işlerde ise hâlâ tökezliyor. Tahminler dağınık, çünkü tanımlar, konuşanların konumu ve ilerlemenin hızı gerçekten belirsiz. Bir manşet sana tarih verdiğinde ona tanımını, kanıtını ve belirsizliğini sor. Gerisini, bugün elindeki araçların ne yaptığını dikkatle izleyerek kendin değerlendirebilirsin.

Kaynaklar

Sıkça Sorulan Sorular

AGI ile bugünkü yapay zeka arasındaki fark nedir?

Bugün kullandığın yapay zeka araçları pek çok işte yardımcı olabiliyor, ama performansları pürüzlü. Uluslararası Yapay Zeka Güvenliği Raporu 2026'ya göre önde gelen sistemler mesleki sınavları geçebiliyor, yine de çok adımlı işlerde daha az güvenilir ve zaman zaman yanlış bilgi üretebiliyor. AGI ise çok çeşitli zihinsel işi, yeni durumlara uyum sağlayarak insan düzeyinde ve güvenilir biçimde yapabilen sistemi ifade eder. Aradaki fark büyük ölçüde genellik ve güvenilirlik farkıdır.

ChatGPT bir AGI mi?

Yaygın kabul gören tanımlara göre hayır. Google DeepMind araştırmacılarının 2023 tarihli Levels of AGI makalesi, ChatGPT, Gemini ve Llama 2 gibi öncü dil modellerini altı basamaklı ölçeğin birinci basamağına, yani gelişmekte olan AGI seviyesine yerleştirdi. Gerekçe, bu modellerin bazı işlerde yetkin ama çoğu işte henüz gelişmekte olan düzeyde olmasıydı. Makalede yetkin ve üzeri genel sistemler henüz ulaşılmamış olarak gösterilmişti.

AGI ne zaman gelecek?

Bunu bugün kimse kesin olarak bilmiyor. 2.778 araştırmacının katıldığı AI Impacts 2023 anketinde, makinelerin her görevde insanları geçme olasılığı 2047'ye kadar yüzde 50 olarak tahmin edildi. Aynı ankette tüm mesleklerin tamamen otomatikleşebilmesi için yüzde 50 olasılık tarihi 2116 çıktı. Bazı şirket yöneticileri ise çok daha kısa süreler telaffuz ediyor. Tahminler tanıma ve soruya göre büyük farklılık gösteriyor.

Süper zeka ile AGI aynı şey mi?

Hayır. AGI genellikle insanların yaptığı zihinsel işlerin çoğunda insan düzeyine ulaşmayı ifade eder. Süper zeka ise neredeyse her zihinsel alanda insanların tamamını geride bırakan varsayımsal bir sistemdir. DeepMind'ın seviye ölçeğinde genel yapay zekanın en üst basamağı, yani insanların yüzde 100'ünden daha iyi performans, yapay süper zeka olarak adlandırılır ve henüz ulaşılmamış olarak gösterilir.

Bir yapay zeka testte başarılıysa genel zekaya sahip midir?

Tek başına bu yeterli değil. Test bir ölçüm aracıdır ve hataları olabilir. Stanford AI Index 2026'ya göre yaygın değerlendirmelerde geçersiz soru oranı MMLU Math'te yüzde 2 ile GSM8K'de yüzde 42 arasında değişiyor. Aynı rapora göre modeller matematik olimpiyatında altın madalya düzeyine ulaşırken analog saati yalnızca yüzde 50,6 oranında doğru okuyabiliyor. Genel yetenek, gerçek dünya işlerinde tutarlı performansla görülür.

Paylaş

Yazar