Alexandr Wang: Yapay zekâ çağında kıt kaynak vizyon ve hırs

Yapay zekâ ajanları, fikirleri hayata geçirmeyi 10 yıl öncesine kıyasla 10 ila 100 kat kolaylaştırdı. Meta'nın Baş Yapay Zekâ Sorumlusu Alexandr Wang, “Kıt hale gelecek kaynak zekâ ya da uygulama becerisi değil, vizyon ve hırs” dedi. Uygulamayı kolaylaştıran araçlar yaygınlaşsa da ne yapılacağına karar vermek girişimcilerin sorumluluğunda.

Wang, temmuz ayında düzenlenen Y Combinator (YC) Startup School 2026 söyleşisinde bu görüşünü paylaştı. YC, söyleşinin videosunu 29 Temmuz'da yayımladı.

Wang, 10 yıl sonrasına bakıldığında zekâ ve uygulama becerisinin bol olacağını düşündüğünü söyledi. Girişimcilerin önce 5 ila 10 yıl sonra nasıl bir dünya kurmak istediklerini ve geleceği nasıl etkilemek istediklerini düşünmesi gerektiğini belirtti.

Ajanların işleri 10 ila 100 kat kolaylaştırdığı yönündeki sayı, bir verimlilik ölçümünün sonucu değil, Wang'ın değerlendirmesi. Wang, uygulama kolaylaştıkça insanların daha büyük fikirler ortaya koyabileceğini de ekledi.

Wang, modellerin ne kadar hızlı gelişeceği, süper zekânın ne zaman ortaya çıkacağı ve gelişimin sınırlara ulaşıp ulaşmayacağı üzerine tartışmaların bir ölçüde zaman kaybı olduğunu söyledi. Güçlü modellerin sonunda ortaya çıkacağını; teknoloji bundan sonra hiç ilerlemese bile ekonomi ve dünyanın işleyişinin onlarca yıl boyunca büyük ölçüde değişebileceğini savundu.

Wang'a göre öncelikli işler arasında teknolojiyi dünyanın farklı bölgelerine yaymak, şirketlerin ve hükümetlerin bu değişime uyum sağlamasına yardımcı olmak yer alıyor. Biyolojik ve siber güvenlik risklerini yönetmenin yanı sıra yeni bilimsel gelişmeler için çalışmak, sağlık ve biyoloji alanındaki zorlu sorunları çözmek için de fırsatlar bulunduğunu söyledi. Meta'nın kullanıcıların düşüncelerini hayata geçirmeyi amaçlayan kişisel yapay zekâ ajanı Muse fikri daha önce de gündeme gelmişti.

Wang, girişimcilik yarışını anlatan benzetmenin de değiştiğini söyledi. On yıl önce Scale AI'ı kurduğunda az kaynağa sahip bir girişimin büyük şirketlere karşı mücadelesini “David ile Golyat” hikâyesine benzetti.

Wang, bugün yapay zekâ ajanlarıyla kapasitelerini artıran girişimlerle yerleşik büyük şirketlerin “devlerin devlerle” karşılaştığı bir rekabete girdiğini düşünüyor. Ona göre girişimler ajanları etkin biçimde kullanırsa yerleşik şirketleri geride bırakabilir.

Wang'ın öne çıkardığı kullanım biçimlerinden biri, farklı işleri birbirine bağlayıp tekrarlayan “ajan döngüsü”. Müşteri kazanma ve memnuniyetini artırma süreçlerinin daha fazla gelir ve çalışan sayısına bağlandığı şirket işleyişini bir geri bildirim döngüsü olarak anlattı.

Wang, her aşamanın ajanlar tarafından yürütülecek şekilde tasarlanmasının ve sonuçları değerlendirecek ölçütlerin belirlenmesinin önemli olduğunu söyledi. Meta'daki bir örneğe değinerek, ajan döngüsü ve değerlendirme ölçütleri doğru kurulduğunda bir grup ajanın 100 mühendisten oluşan bir ekipten daha fazla iş çıkarabileceğini belirtti.

Wang, uygulama için beceri dosyaları, Markdown dosyaları ve zamanlanmış görevleri örnek gösterdi. Yakından bakıldığında bunun özel bir yöntemden çok bilinen araçları kullanmaya dayandığını söyledi.

Wang'a göre Meta'nın yapay zekâ araştırma organizasyonunda “yetenek yoğunluğu” önemli. Üst düzey yeteneklerin bir araya gelmesi, daha fazla nitelikli kişinin de bu ekibe katılmak istemesini sağlıyor.

Wang, en ileri yapay zekâ araştırmalarını deneylere ve ölçeği büyütmeye dayanan bilimsel çalışmalar olarak tanımladı. Bu araştırmaların gerektirdiği düşünme ve çalışma biçiminin, geleneksel internet ürünleri geliştirmekten farklı olduğunu söyledi.

Wang'ın girişimcilik deneyimi veri işine yönelmesini sağladı. Liseden mezun olduktan sonra Quora'da bir yıl çalıştı, ardından Massachusetts Teknoloji Enstitüsü'ne (MIT) girdi. Daha sonra YC'ye başvurdu ve 19 yaşında Scale AI'ı kurdu.

Wang, başlangıçta sağlık hizmetlerine erişimde yardımcı olacak bir yapay zekâ ajanı tasarladığını, ancak o dönemde koşulların uygun olmaması nedeniyle yön değiştirdiğini anlattı. Model eğitimi için bulut bilişim hesapları, kod ve veri gerekiyordu. Wang, ilk ikisini edinmenin aksine veriyi etkili biçimde toplamanın bir yolunu bulamadığını düşündü.

Wang, veri işinin başlangıçta yatırımcıların şüphesini çektiğini söyledi. Yatırımcılar, gelir iyi olsa bile işin uzun süre devam edip edemeyeceğini sorguladı. Wang'a göre yatırımcılar modelleri kendileri eğitmediği için veri edinmenin zorluğunu deneyimlememişti.

Wang, yapay zekâ ajanlarının kodlama işlerini üstlendiği bir dönemde de sistematik ve titiz düşünmenin önemli olduğunu söyledi. İnsanların rolü doğrudan kod yazmaktan önce tek bir ajanı, ardından çok sayıda ajanı koordine etmeye doğru kayıyor; her aşamada sistem düşüncesi gerekiyor. Genç girişimcilere uzun vadeli büyüme eğilimlerini bulmalarını ve kendi değerlendirme ölçütlerini oluşturmalarını önerdi. Wang, geçmişte Moore Yasası'nın temsil ettiği eğilimin bugün yapay zekâdaki gelişmeler olduğunu söyledi.