AI Kendini İnşa Ederken

Başlangıç: makalenin asıl cümlesi

Kaynak yazı, AI tarihini şöyle tersine çeviriyor: uzun süre insanlar model geliştirme döngüsünün her adımını taşıdı; şimdi Anthropic, bu işin büyüyen bir kısmını AI sistemlerinin kendisine devrettiğini söylüyor. Bu basit bir üretkenlik notu değil. “Daha hızlı kod yazıyoruz” cümlesinin altında daha büyük bir iddia var: model geliştirme sürecindeki uygulama, test, analiz ve hatta bazı deney tasarımı parçaları giderek agent'lara geçiyor.

Bu yazı kaynak makalenin doğrudan çevirisi değil. Uzun alıntılar yerine, makalenin etkisini taşıyan kısa Türkçe çekirdek/parafrazlar ve kaynak veriye sadık açıklamalar var. Amacım şu soruyu daha anlaşılır yapmak: AI, kendi halefini inşa eden mühendislik ve araştırma döngüsünün neresine kadar girmiş durumda?

Döngü nasıl kapanıyor?

Recursive self-improvement, bir modelin yalnızca kod yazması değil; kendi ardılını mümkün kılan araştırma, mühendislik, eğitim, değerlendirme ve güvenlik döngüsünün anlamlı kısmını taşımasıdır. Bugünkü sistemler bu halkayı tam kapatmış değil. Ama halkadaki insan payı küçüldükçe, “AI destekli Ar-Ge” ile “kendi kendini geliştiren sistem” arasındaki sınır bulanıklaşıyor.

Bunu iki evre gibi düşünmek daha sağlıklı: ara evrede insan hedefi, problemi ve başarı ölçütünü verir; agent yöntemi dener, kodu yazar, deneyleri koşar ve sonuçları toparlar. Tam evrede ise hedef seçme, deney tasarlama, değerlendirme ve bir sonraki modeli güvenli biçimde üretme döngüsünün kendisi de modele kayar. İşte gerçek recursive self-improvement tartışması burada başlar.

Anthropic'in makalesindeki zaman çizgisi bu geçişi beş adımda anlatıyor: ilk Claude döneminde insanlar laptop başında kod ve doküman yazıyordu; chatbot döneminde modeller kısa parçalar öneriyordu; coding agent döneminde dosya yazıp düzenlemeye başladılar; bugün agent'lar kod çalıştırabiliyor ve başka agent'lara saatlerce iş devredebiliyor; olası son adımda ise model geliştirme halkası modelin kendisine kapanıyor.

Bu çizginin kritik tarafı şurada: her aşama insanın işini tamamen ortadan kaldırmıyor, ama insanın taşıdığı parçayı daraltıyor. Chatbotta “fikri al, kendin uygula” vardı. Agent'ta “hedefi ver, uygulamayı o denesin” var. Tam döngüde ise “hangi hedefe gidileceğini de o seçebilir mi?” sorusu başlıyor.

Dış kanıt: görev ufku uzuyor

Makalenin dış dünyadan getirdiği ilk kanıt METR'in uzun görev ölçümleri. Modellerin kendi başına güvenilir biçimde tamamlayabildiği görev süresi yaklaşık dört ayda bir ikiye katlanıyor diye anlatılıyor. Mart 2024'te Claude Opus 3, insanın yaklaşık dört dakikada yapacağı yazılım görevlerini çözebilirken; bir yıl sonra Sonnet 3.7 yaklaşık bir buçuk saatlik görevleri; bir yıl daha sonra Opus 4.6 on iki saatlik görevleri yapabilir hale geliyor. Eğer eğilim sürerse 2027'de haftalar süren işler tartışma alanına giriyor.

Dış kanıtlar bize şunu söyler: modeller genel olarak daha uzun ve daha gerçekçi işleri taşıyabiliyor. Ama kaynak makalenin en güçlü tarafı burada değil. Asıl fark, Anthropic'in kendi içinde AI'ın AI geliştirme işini nasıl hızlandırdığına dair veri paylaşması.

İç kanıt: Claude artık üretim hattının içinde

Anthropic iki iş türü ayırıyor: mühendislik ve araştırma. Mühendislikte kod, altyapı, eğitim koşumları ve üretim kalitesi var. Araştırmada ise hangi deneyin koşulacağı, sonuçların nasıl yorumlanacağı ve hangi fikrin sıradaki hamle olacağı var. Makale, Claude'un iyi tanımlanmış işi yürütmede çok güçlendiğini; ama hedef seçme ve research taste gibi yargı alanlarında hâlâ boşluk olduğunu söylüyor.

Burada ölçümün kusurlu tarafını da makale açıkça kabul ediyor: satır sayısı kalite değildir. Ama satır sayısı yine de bir şeye işaret ediyor: işin çoğu artık insanın elle yazdığı koddan değil, insanın yönettiği ve gözden geçirdiği agent üretiminden geliyor.

Makaledeki en etkileyici örneklerden biri, Claude'un Nisan 2026'da bir API hata sınıfını bin kat azaltan 800'den fazla fix göndermesi. Bunu yöneten mühendis, bir insanın aynı işi dört yılda tamamlayacağını tahmin etmiş. Neden? Çünkü başkasının bug'ını çözmek yavaş, yorucu ve çok bağlam ister. Agent içinse bu, büyük bağlamı tutup çok sayıda küçük düzeltmeyi arka arkaya işleyebileceği bir alan.

Mayıs 2026'da en açık uçlu görevlerde Claude'un başarı oranı yüzde 76'ya ulaşmış; altı ayda 50 puanlık artıştan söz ediliyor. Bir örnekte rutin bir yükseltme on binlerce eğitim işini çökertiyor; mühendis Claude'u canlı olaya yönlendiriyor; Claude çalışan job'lar arasında geziyor, tek tek ortam ayarı deniyor, soruna yol açan belirsiz debugging flag'ini izole ediyor ve yaklaşık iki saatte normalde iki-üç gün sürecek işi çıkarıyor.

Araştırma tarafındaki hızlanma daha da ilginç. Mayıs 2025'te Claude Opus 4, küçük model eğitim kodunu yaklaşık 3x hızlandırıyordu. Nisan 2026'da Mythos Preview aynı düzenekte yaklaşık 52x'e ulaşıyor. İnsan araştırmacı için 4x seviyesine varmak dört-sekiz saatlik iş diye kalibre ediliyor. Bu, “Claude iyi fikir buluyor” iddiası değil; daha dar ama daha sağlam bir iddia: iyi tanımlanmış deney halkasında uygulama, ölçme ve yineleme süresi çarpıcı biçimde kısalıyor.

Kaynak yazının daha konu-içi kanıtlarından biri de AI safety araştırması örneği. Claude destekli agent'lar, daha zayıf bir modelin daha güçlü bir modeli güvenilir biçimde denetleyip denetleyemeyeceği probleminde hipotez kurma, deney tasarlama, sonuç paylaşma ve yineleme adımlarını uçtan uca yürüttü. İnsan araştırmacılar yaklaşık bir haftada performans boşluğunun yüzde 23'ünü geri kazanırken, agent'lar 800 kümülatif saat ve yaklaşık 18 bin dolar compute ile yüzde 97'ye ulaştı. Caveat önemli: problem ve puanlama rubriği hâlâ insanlar tarafından seçildi, sonuç da doğrudan production ölçeğine taşınmadı. Ama buna rağmen “araştırma otomasyonu” iddiası artık sadece kod hızlandırma değil, güvenlik araştırmasının deney döngüsüne kadar uzanıyor.

İnsan rolü daralınca darboğaz nereye gider?

Makalenin en iyi yeri bence burada: “insanlar gereksizleşti” diye düz bir hikaye anlatmıyor. Daha incelikli bir kayma var. Kod yazma ve deney yürütme ucuzladıkça, insan emeği hedef seçme, sonuçlara güvenme, güvenlik sınırını anlama, yanlış yönleri erken bırakma ve organizasyonel karar alma tarafına sıkışıyor.

Bu yüzden yazı Amdahl yasasına geliyor. Bir sistemin genel hızı, hızlanmayan parçalar tarafından sınırlanır. Kod üretimi 8x hızlanabilir; ama insan review'ı, güvenlik değerlendirmesi, ürün kararı veya regülasyon uyumu aynı hızda artmazsa, yeni darboğaz oraya kayar.

Buradaki sezgi basit: işin yüzde 90'ı agent'larla 50x hızlansa bile kalan yüzde 10 insan review'ı, güvenlik onayı veya organizasyonel karar olarak aynı hızda kalırsa toplam sistem 50x hızlanmaz. Hızlanan parça büyüdükçe, hızlanmayan küçük parça bütün organizasyonun yeni tavanı olur.

Research taste burada estetik bir tercih değil; hangi problemin çalışmaya değer olduğunu, hangi sonucun gerçekten kanıt sayılacağını ve hangi yaklaşımın erken terk edilmesi gerektiğini seçme yargısıdır. Bugün insanın avantajı hâlâ burada görünüyor. Ama kaynak yazının rahatsız edici sorusu şu: Bu yargı da diğer nitel beceriler gibi önce zayıf, sonra yeterli, sonra üstün hale gelirse ne olur?

Bir de sosyal taraf var. Makalede çalışan alıntıları üzerinden şu duygu beliriyor: küçük teknik yardımlar eskiden insanlar arasında borç, tanışıklık ve ortak dikkat yaratırdı; Claude daha hızlıdır ve borç yaratmaz, ama her otomasyon küçük bir işbirliği çağrısını da azaltabilir. Diğer tarafta, her şey çalışırken insan kendini gereksiz hissedebilir; her şey bozulduğunda ise ne olduğunu artık kavrayamadığını fark edebilir. Bu, verimlilik artışının insani bedeli: hızlandıkça işin anlam haritası bulanıklaşabiliyor.

Üç gelecek: durma, hızlanma, kapanan halka

Kaynak makale üç gelecek senaryosu kuruyor. Bunları tahmin listesi gibi değil, hazırlık haritası gibi okumak daha doğru. Birincide trend yavaşlar ama bugünkü kapasite ekonomiye yayılır. İkincide insan hâlâ yön verir, fakat her araştırmacı büyük bir agent iş gücünün tepesine oturur. Üçüncüde ise halka kapanır: AI sistemleri kendi ardıllarını inşa etmeye başlar ve asıl sınırlar compute, doğrulama, alignment ve koordinasyon kapasitesine kayar.

Üçüncü senaryo, en spekülatif ama en önemli olanı. Bu dünyada AI geliştirme hızı insan araştırmacı saatinden kopar; compute, eğitim verimliliği, güvenlik denetimi ve doğrulama kapasitesi yeni sınırlar olur. Ama makale güzel bir fren koyuyor: zekanın hızlanması, fiziksel dünyanın tüm ritimlerini otomatik olarak hızlandırmaz. İlaçların uzun dönem etkisini zaman göstermeden bilemezsin, seçimleri anayasanın izin verdiğinden erken yapamazsın, bir yabancıyı hafta sonunda eski dosta çeviremezsin. Yani upstream laboratuvar compute hızında koşsa bile, downstream toplum hâlâ kurum, güven, beden, altyapı ve ilişki hızında yaşar.

Ne yapmalı: yavaşlama isteği ve doğrulanabilirlik problemi

Anthropic yazısı “keşke yavaşlatmak mümkün olsa” diyor, ama bunun kolay bir çözüm olmadığını da kabul ediyor. Tek taraflı yavaşlama, daha az dikkatli aktörlerin yetişmesine yarayabilir. Çok taraflı duraklama ise yalnızca iyi niyet değil, doğrulanabilirlik ister: kim durdu, kim gizlice devam ediyor, hangi koşulda durulur, hangi koşulda tekrar başlanır, bunu kim denetler?

AI bu açıdan silah kontrolünden bile zor bir problem olabilir. Eğitim koşumları füze silosu gibi görünür değildir; girdileri genel amaçlıdır; en büyük teşvik de gizlice devam edip liderliği almak olabilir. Makalenin önerdiği ana yön, hükümetler, araştırmacılar, sivil toplum ve AI şirketleri arasında bu soruları şimdiden konuşmak.

Tam döngüye yaklaştıkça alignment problemi de biçim değiştirir. Soru yalnızca “model bugün güvenli mi?” olmaktan çıkar; “modelin kurduğu deneyler, seçtiği hedefler ve ürettiği ardıl sistemler boyunca güvenlik sinyallerini görebiliyor muyuz?” sorusuna dönüşür. Denetim, validasyon, bağımsız eval ve durdurma mekanizması aynı anda ölçeklenmezse hız güvene dönüşmez.

Okur testi: makalenin etkisini gerçekten tuttun mu?

Bu kısa testin amacı ezber değil. Yazının zihinsel modelini yakalayıp yakalamadığını ölçüyor: AI'ın AI geliştirmeyi hızlandırması hangi noktada üretkenlik aracından sistemik kırılmaya dönüşür?

Benim bu makaleden çıkardığım etki şu: “AI kendi kendini geliştirebilir mi?” sorusu tek bir büyük sıçrama sorusu değil. Daha küçük ve daha ölçülebilir bir sürü parçanın birikimi: daha uzun görev ufku, daha iyi kod kalitesi, daha otonom deney yürütme, daha isabetli sonraki adım önerisi, daha hızlı review, daha iyi güvenlik ölçümü. Korkutucu tarafı da bu. Döngü bir anda kapanmayabilir; halkalar tek tek kısalır.