AI'nın Darboğazı Algoritmada Değil, Enerjide
Ölçeklendirme ile birlikte, sorunlar model seviyesinden altyapı seviyesine indi. Yapılan bir görüşme sonucunda ortaya konulan doğrudan bir tespit, AI'ın uzun vadeli engelinin artık veri veya algoritma değil, elektrik ve enerji sistemleri olduğudur. Ancak gerçek kısıt sadece yetersiz arz değil, aynı zamanda elektrik şebekesi düzenlemesi, veri merkezi mimarisi ve kurumların "yüksek erişilebilirlik"e olan bağımlılığıdır. Bu durum, AI sorununu, teknik bir sorundan mühendislik, enerji ve kurumsal düzenlemelerin bütünsel bir sorununa dönüştürmektedir.

CUDA'nın Esası: Teknolojik Üstünlük Değil, Kuruluş Miktarı
Rekabet düzeyinde, yapılan bir görüşme ayrıca şu önemli bakış açısını sunmuştur: NVIDIA'nın savunma hattı sadece teknolojik liderlik değil, aynı zamanda CUDA aracılığıyla kurulan kuruluş miktarı ve geliştirici ekosistemi üzerinden kazandığı avantajdır. CUDA'yı GeForce'e gömerek ve kısa vadeli karlılığı kuruluşa kurban ederek, aslında NVIDIA'nın oluşturduğu şey bir "hesaplama platformu"dur. Ölçek, ekosistem ve yürütme hızı bir araya geldiğinde, teknoloji kendisi ikincil bir değişken haline gelir. Bu da demek oluyor ki, AI rekabeti artık model yeteneklerinden ziyade platform ve sistem yeteneklerine doğru kaymaktadır.

Not: CUDA (Compute Unified Device Architecture), NVIDIA tarafından sunulan bir paralel hesaplama platformudur ve geliştiricilerin GPU'yu yalnızca grafik renderleme değil genel amaçlı hesaplama için kullanmasını sağlar.

AI İşleri Çalacak mı? Hayır, Ancak İş Tanımını Değiştirecek
Uygulama düzeyinde, yapılan bir görüşme ayrıca önemli bir tespit sunmuştur: AI sadece meslekleri basitçe yerine koymayacak, aynı zamanda işin yapısını da değiştirecektir. Görevlerin otomatikleştirilmesi, genel verimliliği artıracak ve uzmanlık becerilerine olan talebi artıracaktır. Artık işin merkezi "görevleri yürütmek" değil, "sorunu tanımlamak, araçları kullanmak ve işbirliğiyle sorunu çözmek"tir. Böylece, zeka giderek erişilebilir bir yetenek haline gelirken, insan farklılıkları daha çok karar verme yeteneği ve organizasyon yeteneğinde ortaya çıkar.

Eğer bu görüşme net bir başlangıç noktası sağladıysa, o zaman AI'ı "model yeteneklerinin rekabeti"nden, bir sistem sorununa dönüştürdüğü konusundadır: Hesaplama bir üretim sistemine dönüştüğünde, kısıtlayıcı faktör artık yalnızca teknoloji değil, enerji, tedarik zinciri ve organizasyonel yapıdır. Bu bakış açısında, sorun artık bir teknoloji yolunun liderliği değil, tüm dünyanın hesaplama odaklı bir altyapıyla yeniden organize edildiği bir sistemdir.

Aşağıda asıl metin içeriği yer almaktadır (okuma anlayışını kolaylaştırmak için orijinal içerik biraz düzenlenmiştir):

Çok Uzun; Okumadım (ÇU;O)

·AI, "daha hızlı çip"ten "hesaplama fabrikası"na evrildi, rekabet artık tekil performans değil, işbirlikçi verimlilik (hesaplama gücü, ağ, elektrik, yazılım) seti olarak sistem yeteneği haline geldi

·CUDA'nın başarısı teknikte değil, kurulumda yatıyor: NVIDIA, ölçek karşılığında karını feda ederek neredeyse sarsılmaz bir hesaplama platformu ekosistemi oluşturdu

·AI'ın büyümesi artık yalnızca model büyüklüğüne dayanmıyor, aynı anda ön eğitim, çıkarsama, Ajans gibi çoklu ölçeklendirme gerçekleşiyor ve nihayetinde hepsi bir değişkene yakınsıyor: hesaplama gücü

·Çıkarsama, hesaplama gücünün tüketimini merkezi bir hale getiriyor, "düşünme", "eğitim"den daha pahalı hale geliyor, AI, çevrimdışı modellerden sürekli çalışan sistemlere doğru evriliyor

·AI'ın gerçek engeli algoritma değil, enerji ve altyapıdır, enerji yönetimi yeteneği bir sonraki aşamada kilit bir kısıtlama haline gelecektir

·Bilgisayarlar, "bilgi deposu"ndan "üretim tesisi"ne dönüşüyor, token fiyatlandırılabilir bir mal haline geliyor, AI altyapısı doğrudan ekonomik üretime katılıyor

·AI sadece işleri basitçe değiştirmiyor, tüm mesleklerin yetenek üst sınırını yükseltiyor; geleceğin temel yeteneği "görevleri yürütme"den "sorunu tanımlama ve işbirlikçi şekilde çözme"ye doğru kayıyor

Röportaj İçeriği

Lex Fridman: Şimdi Jensen Huang ile yapılan bir sohbet bölümü geliyor, kendisi NVIDIA'nın CEO'sudur, bu şirket insanlık tarihinin en önemli ve etkili şirketlerinden biri olarak adlandırılabilir. NVIDIA, AI devrimini itecek çekirdek motor konumunda ve başarısı büyük ölçüde Jensen'ın lider, mühendis ve yenilikçi olarak yaptığı bir dizi kritik karara ve cesur karara dayanmaktadır. Bu, Lex Fridman Podcast'i. Arkadaşlar, şimdi Jensen Huang'u karşılamaya hazır olun.

"Daha Hızlı Yongadan"dan "AI Fabrikası"na

Lex Fridman: NVIDIA'yı AI'ın yeni bir aşamasına taşıdınız, geçmişte yonga düzeyi tasarıma odaklanırken, şimdi kasa düzeyi tasarıma geçtiniz. Geçmişte NVIDIA'nın zaferi, güçlü bir GPU oluşturmakta büyük ölçüde yatıyordu, ve şu anda hala bunu yapıyorsunuz, ancak artık aşırı derecede koordineli tasarıma genişletildi: GPU, CPU, bellek, ağ, depolama, güç kaynağı, soğutma, yazılım, kendisine özgü kasa, yayınladığınız pod ve hatta tüm veri merkezi. O zaman "aşırı derecede koordineli tasarım" konusundan konuşmaya başlayalım. Bu kadar karmaşık bileşen ve değişkenle karşı karşıya kaldığınızda, sistemler arası koordineli tasarımın en zor kısmı nedir?

Jensen Huang: Bu harika bir soru. İlk olarak, aşırı derecede koordineli tasarım yapmamız gerektiğinin nedeni, artık çözmek zorunda olduğumuz sorunun, tek bir bilgisayar veya tek bir GPU'nun hızlandıramayacağı bir seviyeye gelmiş olmasıdır. Gerçekten istediğiniz şey, hesaplama hızının artışının, bilgisayar sayısını artırma hızınızı aşmasıdır. 10.000 bilgisayar eklediniz, ancak performans artışının 1.000.000 kat olmasını istiyorsunuz. Bu noktada, algoritmayı yeniden düşünmeniz gerekiyor, algoritmayı parçalara ayırmanız, boru hattı parçalamanız, verileri parçalamanız, modeli parçalamanız gerekiyor. Sorunu bu şekilde dağıttığınızda, artık sadece "ölçeklendirme" değil, "sorunu dağıtma" haline gelmiştir, bu noktada her şey bir engel haline gelir.

Bu aslında Amdahl'ın Yasası sorunudur: Sistem genel hızlanması, hızlandırılabilecek kısmın toplam işteki oranına bağlıdır. Eğer hesaplama yalnızca sorunun %50'sini oluşturuyorsa, hesaplamanın hızını milyon kat artırsanız bile, genel olarak sadece iki kat artış olur. Dolayısıyla sadece hesaplamağı dağıtmakla kalmaz, aynı zamanda pipeline bölümlemesi, ağ bağlantısı sorununu da çözmeniz gerekir, çünkü tüm bu bilgisayarlar birbirine bağlı olmalıdır. Bizim ölçeğimizdeki dağıtılmış hesaplama altında, CPU sorundur, GPU sorundur, ağ sorunudur, anahtarlık da sorundur, yük dengelemesi kendisi de sorundur. Bu son derece karmaşık bir bilgisayar bilimi sorunudur. Bu yüzden tüm teknolojileri bir arada kullanmalıyız, aksi takdirde yalnızca lineer olarak genişletebilir veya Moore Yasasına güvenebilirsiniz ve Moore Yasası da zaten yavaşlıyor.

Not: Amdahl'ın Yasası, hesaplama sistemlerinde kova etkisinin matematiksel ifadesi olarak anlaşılabilir. Bu makalede, bu, AI hesaplamanın yalnızca GPU performansını artırmakla ilgili olmadığını, ağ, depolama, zamanlama ve diğer alanların da darboğaz olacağını göstermek için kullanılır ve sistem genelinde işbirlikçi optimizasyon yapılmasının gerekliliğine vurgu yapar.

Lex Fridman: Kesinlikle birçok uzlaşma yapıldı ve tamamen farklı alanlardan uzmanlar, yüksek bant genişliği bellek, ağ, NVLink, ağ kartı, optik, bakır bağlantı, güç, soğutma vb. gibi, her biri dünya çapında uzmanlara sahip. Bu kişileri nasıl bir araya getirip işbirliği sağladınız?

Jensen Huang: Bu yüzden benim ekibim neden bu kadar büyük.

Lex Fridman: Bu süreci anlatabilir misiniz? Örneğin uzmanlar ve çok yönlüler nasıl işbirliği yapıyor? Tüm bu unsurları bir rafa sığdırmak istediğinizde, tasarım süreci nasıl?

Jensen Huang:

Cevaplamak için üç soruya bölünebilir. İlk soru şu: "Nedir "Uçtan Uca İşbirlikli Tasarım"? Temelde, tüm yazılım ve donanım yığını boyunca bütünsel optimizasyon yapmak demektir, mimariden, yonga setine, sistemden, sistem yazılımına, algoritmadan, uygulamaya kadar, bu birinci katmandır. İkinci katman, daha önce bahsettiğimiz gibi, sadece CPU, GPU ve ağ yongaları değil, aynı zamanda ölçeklendirme yukarı ve dışarı doğru anahtarlama sistemi, güç ve soğutma gibi, çünkü bu bilgisayar sistemlerinin güç tüketimi çok yüksektir. Gerçekten çok verimlidirler, ancak toplamda hala çok enerji tüketirler.

O yüzden, ilk soru "bu ne?" İkinci soru "neden böyle yapmalı?" dedik, iş yükünü çıkarmalısınız, böylece sadece bilgisayar sayısını artırmakla getirisi olmayan bir artış elde edersiniz.

Üçüncü soru "nasıl yapmalı?" Bu aslında bu şirketin en inanılmaz olduğu yerdir. Bir bilgisayar tasarladığınızda bir işletim sistemi gerekir; bir şirket tasarladığınızda, ilk olarak bu şirketin ne üreteceğini düşünmelisiniz. Şirketlerin organizasyon şemalarını gördüm, hepsi aynı görünüyor—hamburger gibi bir yapı, bir yazılım şirketi gibi, bir otomotiv şirketi gibi—ancak bu pek mantıklı gelmiyor. Şirketin amacı, ürün üreten bir makine olmaktır, bir mekanizma, bir sistem, istediğimiz ürünü sürekli üreten bir sistem.

Şirketin organizasyon yapısı, bulunduğu ortamı yansıtmalıdır. Belirli bir dereceye kadar, bu durum aynı zamanda organizasyonun nasıl çalışması gerektiğini de belirler. Doğrudan rapor verdiğim takım yaklaşık 60 kişiden oluşuyor. Onlarla bire bir iletişim kurmayacağım çünkü bu imkansız. Eğer 60 doğrudan astan sorumluysanız ve aynı zamanda işleriniz varsa, bunu bire bir iletişimle başaramazsınız.

Lex Fridman: Ama yine de 60 doğrudan raporunuz var mı?

Jensen Huang: Daha fazlası. Ayrıca bu kişilerin çoğu temel olarak mühendislik geçmişine sahip, bellek uzmanları, CPU uzmanları, optik uzmanları, GPU uzmanları, mimari, algoritma, tasarım uzmanları var.

Lex Fridman: Bu gerçekten şaşırtıcı.

Jensen Huang: Evet.

Lex Fridman: Yani aslında sürekli olarak tüm teknik yığını gözlemliyor ve genel tasarım hakkında derin tartışmalara dahil oluyor musunuz?

Jensen Huang: Ve biz "bire bir" görüşmeler yapmıyoruz. Bir soru ortaya atıyoruz ve sonra herkes birlikte çözüyor. Çünkü biz olağanüstü derecede işbirlikçi bir tasarım yapıyoruz, şirket her gün bunu yapıyor.

Lex Fridman: Yani, belirli bir bileşen hakkında konuşsanız bile, örneğin soğutma veya ağ, herkes katılıyor mu?

Jensen Huang: Evet, tam olarak öyle.

Lex Fridman: Herkes, "Bu çözüm güç kaynağı için uygun değil," "Bu bellek için uygun değil" diyebilir mi?

Jensen Huang: Tabii. Kim katılmak istiyorsa katılır, istemeyen çıkar. Ama takımdaki herkes ne zaman katılması gerektiğini bilir. Eğer bir sorunda katkı yapması gereken biri katılmazsa, ben onu adlandırarak içeri gelmesini sağlarım.

Lex Fridman: Peki NVIDIA, çevresel değişikliklere nasıl uyum sağladı? Başlangıçta oyun GPU'ları yapıyordunuz, ardından derin öğrenmeye, şimdi de "AI fabrikası" konseptine geçiş yaptınız—bu dönüşüm nasıl gerçekleşti?

Jensen Huang:

Bunun mantıksal olarak açıklanabilir bir yanıtı var. Başlangıçta bir hızlandırıcı şirketiydik. Fakat hızlandırıcının sorunu, uygulama alanının çok dar olmasıydı. Avantajı yüksek derecede optimize edilebilir olmasıydı, tıpkı tüm özel sistemler gibi, fakat sorun şuydu, ne kadar özelleşirse, pazar kapasitesi o kadar daralıyordu. Bu başlı başına büyük bir sorun değildi, asıl mesele, pazar büyüklüğünün Ar-Ge yeteneğinizi belirlediğiydi ve Ar-Ge yeteneği nihayetinde sizi hesaplama alanındaki etkinliğinize yönlendiriyordu.

Yani ilk olarak hızlandırıcı yaptığımızda, bu sadece ilk adım olduğunu biliyorduk. "Hızlandırılmış hesaplama"ya giden bir yol bulmalıydık. Ancak sorun şu ki, bir hesaplama şirketi haline geldiğinizde, çok genel hale geliyorsunuz ve bu da özelleşmiş yeteneklerinizi zayıflatıyor. Bu iki zıt kavramı kasıtlı olarak yan yana koydum: hesaplama vs. özelleşmişlik. Ne kadar çok bir hesaplama şirketine benzerseniz, özelleşmiş bir sistem gibi olursunuz; ne kadar özelleşmiş olursanız, o kadar zor genel hesaplama alanını kapsarsınız.

Bu nedenle şirketler, hesaplama yeteneklerinin sınırını adım adım genişletirken, en temel özelleşmiş yeteneği kaybetmeden çok dar bir yol bulmalıdır.

İlk adımımız, programlanabilir piksel shader'ı icat etmekti, bu "programlanabilirliğe" doğru atılan ilk adımdı. İkinci adımda, shader'a FP32'yi ekledik, yani IEEE standardına uygun single precision floating point'ı ekledik, bu adım çok kritikti, birçok akış işlemcisi ve veri akışı hesaplama yapımcısının bizi fark etmesini sağladı. Bu kişiler, bu güçlü ancak standarta uygun GPU'nun genel hesaplama için kullanılabileceğini fark etmeye başladılar. Sonra, FP32'ye C dili ekledik ve Cg'yi oluşturduk, daha sonra bu CUDA'ya dönüştü. CUDA'yı GeForce'a yerleştirmek, son derece önemli bir karardı, ancak o zamanlar şirket bu maliyeti karşılayamıyordu. Buna rağmen yapmamızın nedeni, bir hesaplama şirketi olmak istememizdi. Ve hesaplama şirketinin tek tip bir hesaplama mimarisi olması gerekiyor, bu mimari tüm yongalarda tutarlı olmalıdır.

Şirketi neredeyse batıran bir karar, tüm AI çağını destekledi

Lex Fridman: Bu kararı anlatabilir misiniz? O zamanlar maliyeti karşılayamayacakken, neden hala CUDA'yı GeForce'a yerleştirmek istediniz?

Jensen Huang: Bu, neredeyse bir "hayatta kalma" kararıydı. Bu, "varoluşsal tehdit"imize yaklaşan ilk stratejik kararımızdı.

Lex Fridman: Bilmeyenler için açıklar mısınız, bu sonradan şirket tarihindeki en büyük kararlardan biri olarak kanıtlandı. CUDA, tüm AI altyapısının ana hesaplama platformu haline geldi.

Jensen Huang:

Evet, sonra bu doğru bir karar olduğu kanıtlandı. O zamanlar mantık şuydu: CUDA'yı icat ettik, bu hızlandırıcımızın kapsayabileceği uygulama alanını genişletti. Ancak sorun şu ki, nasıl geliştiricileri çekeceksiniz? Çünkü bir hesaplama platformunun çekirdeği geliştiricilerdir ve geliştiriciler, popüler bir platform olduğu için gelmezler, büyük bir kurulum yaptıkları platformu seçerler.

Kurulum miktarı, en kilit faktördür. Geliştiriciler ve herkes, yazılımlarının daha fazla kullanıcıya ulaşmasını ister. Bu nedenle, kurulum miktarı, başarının belirleyici faktörüdür. Bir mimari, x86 gibi sert bir şekilde eleştirilebilir ve zarif olmadığı düşünülebilir, ancak yine de bugünün ana akım mimarisi olarak kabul edilir çünkü en yüksek kuruluma sahiptir.

Aksine, birçok RISC mimarisi çok zarif bir şekilde tasarlanmış olabilir, en üst düzey bilgisayar bilimcileri tarafından oluşturulmuş olabilir, ancak sonunda başarısız olmuştur. Bu, bir şeyi göstermektedir: Kurulum miktarı mimariyi tanımlar, diğer her şey ikincildir.

O zamanlar CUDA, OpenCL vb. gibi rekabetle karşı karşıyaydı. Verdiğimiz kilit karar şuydu: Kurulum miktarının en önemli olduğu düşünüldüğünde, bu yeni mimarinin piyasaya mümkün olan en kısa sürede girmesi gerekti.

O zamanlar GeForce çok başarılıydı, her yıl milyonlarca GPU sevk ediyordu. Bu yüzden CUDA'yı her bir GeForce'a dahil etmeye karar verdik, onu her bir PC'ye sokmayı, kullanıcıların bunu kullanıp kullanmadığına bakılmaksızın. Bu, kurulum miktarını en hızlı şekilde oluşturmanın bir yoluydu.

Aynı anda üniversitelere gittik, kaynak kitaplar yazdık, dersler açtık, CUDA'yı her yere götürdük. O zamanlar PC ana hesaplama platformuydu, henüz bulut yoktu. Aslında, her bir öğrenciye, her bir araştırmacıya bir "süper bilgisayar" yerleştirdik.

Ancak sorun şuydu, bu GPU'nun maliyetini büyük ölçüde artırdı, neredeyse şirketin tüm brüt karını yuttu. O zamanlar şirketin piyasa değeri yaklaşık 6-7 milyar dolar civarındaydı, CUDA'yı piyasaya sürdükten sonra, maliyet artışı nedeniyle piyasa değeri bir ara yaklaşık 15 milyar dolara düştü. Bu dönemde çok zor bir durumdaydık, ancak dayandık.

Her zaman dedim ki, NVIDIA, GeForce tarafından inşa edilen bir ev gibidir. Çünkü tam olarak GeForce, CUDA'yı herkese taşıdı. Araştırmacılar, bilim adamları, mühendisler, hepsi GeForce üzerinde CUDA'yı keşfettiler. Birçok kişi zaten bir oyuncuydu, kendi PC'lerini birleştirir, laboratuvarda PC bileşenleriyle küme oluştururdu; işte CUDA'nın fırlamasının başlangıcı buydu.

Lex Fridman: Sonra bu derin öğrenme devriminin temel platformu haline geldi.

Jensen Huang: Evet, bu çok önemli bir gözlem.

Lex Fridman: O "hayatta kalma veya yok olma" anına yaklaştığınızda, içerideki tartışmaları hatırlıyor musunuz?

Jensen Huang: Yaptıklarımızı yönetim kuruluna net bir şekilde açıklamam gerekiyordu, yönetim ekibi de marjımızın ciddi şekilde sıkıştırılacağını biliyordu. Bir senaryoyu hayal edebilirsiniz: GeForce, CUDA'nın maliyetini üstlendi, ancak oyun oyuncuları bunun için ödeme yapmayacak. Yalnızca sabit bir fiyat ödemeye razı olacaklar, maliyetiniz arttığında ek ödeme yapmazlar.

**Maliyeti %50 artırdık, şirketin kendisi sadece %35 brüt marjına sahip olduğundan, bu yüzden çok zorlu bir karar. Ancak bir gelecek öngörebiliriz: CUDA iş istasyonuna girecek, süper bilgisayarlara girecek, bu alanlarda daha yüksek kar elde edebiliriz. Mantıksal olarak kendinizi bu konuda ikna edebilirsiniz, ancak bunu gerçekleştirmek gerçekten on yıl aldı.**

**Lex Fridman:** Ancak bu daha çok yönetim kurulu ile iletişim halinde olmaktı. Kişisel olarak, geleceği riske atan bu tür kararları nasıl aldınız? NVIDIA her zaman geleceği tahmin etmeye çalışan, hatta geleceği şekillendiren cesur kararlar alıyor, bunu nasıl başardınız?

**Jensen Huang:** Öncelikle, çok güçlü bir merak duygum var. Sonra bir mantık süreci olacak ve belli bir sonucun mutlaka gerçekleşeceğinden son derece emin olmamı sağlayacak. Bir şeye gerçekten inandığımda, o gelecek çok net hale geliyor, neredeyse gerçekleşmeyecek gibi görünmüyor. Oraya varmak için çok acı çekiyorsunuz, ancak inandığınız şeye inanmak zorundasınız.

**Lex Fridman:** Yine de daha çok zihinsel olarak geleceği inşa etmeye başlıyorsunuz ve ardından onu mühendislik yoluyla gerçekleştiriyorsunuz mu?

**Jensen Huang:**

Evet. Oraya nasıl ulaşacağınızı mantıklı bir şekilde düşünürsünüz, neden var olması gerektiğini. Sürekli olarak mantık yürütürüz, yönetim ekibi de katılır, bu konuda çok zaman harcarız.

Sonraki adım çok kritik bir yetenektir. Birçok lider sessiz kalır, öğrenir, sonra bir gün aniden bir "bildiri" yayınlar, yeni bir yıl gelir ve büyük bir ayarlama, büyük bir işten çıkarma, organizasyonel yeniden yapılanma, yeni misyon, yeni logo gibi. Ben asla böyle yapmam.

Bir şeyin önemli olduğunu fark etmeye başladığımda, hemen etrafımdakilere söylerim: Bu önemli bir şey, etkileri olacak. Adım adım açıklarım. Çoğu zaman kararı zaten vermiş olabilirim, ama her fırsatı değerlendiririm - yeni bilgiler, yeni içgörüler, yeni mühendislik ilerlemeleri ile sürekli olarak herkesin anlayışını şekillendiririm.

Bunu her gün yapıyorum, yönetim kurulu için, yönetim kadrosu için, çalışanlar için. Onların inanç sistemlerini sürekli olarak şekillendiriyorum. Böylece bir gün "Mellanox'u satın almamız gerektiğini" dediğimde, herkes bunun açık bir karar olduğunu düşünecek.

Ben "derin öğrenmeye tamamen yatırım yapmamız gerektiğini" söylediğimde, aslında çok önceden hazırlık yapmış oluyorum. Gerçekten duyurduğumda, birçok kişi aksine "neden şimdi söylüyorsun?" diyecek.

Bir bakıma, bu "arkadan liderlik etmek" gibi görünüyor, ama aslında sürekli olarak fikir birliği oluşturuyorsunuz. Herkesin birlikte gitmesini istersiniz, kimse anlamadığı bir kararı aniden duyurmak istemezsiniz.**

Lex Fridman: Ve sadece şirket içinde değil, aynı zamanda tüm endüstriyi şekillendiriyorsunuz.

Jensen Huang:

Aslında doğrudan bilgisayar satmıyoruz, doğrudan bulut da satmıyoruz. Biz bir hesaplama platformu şirketiyiz. Her katmanda dikey entegrasyon tasarımı yapıyoruz, ancak aynı zamanda her katmanda açığız, böylece diğer şirketler bunu kendi ürünlerine, hizmetlerine, bulutlarına ve süper bilgisayarlarına entegre edebilirler.

Dolayısıyla eğer önce tüm endüstriyi ikna edemezsem, ürünüm yerleşemez. Bu yüzden GTC'nin neden bu kadar önemli olduğu da buradan geliyor - bu, "geleceği provada" demektir. Gerçekten ürünü piyasaya sürdüğümüzde, herkes "Neden şimdi yapıyorsun?" diyecek.

Yapay Zeka Neden Artık Daha Fazla "Para Yakıyor"? Birbirini Geliştiren Dört Ölçekleme Türü

Lex Fridman: Uzun süre ölçekleme yasasına inandınız, şimdi hala inanıyor musunuz?

Not: Ölçekleme yasası, büyüklüğü sürekli olarak arttırdığınızda, sistem performansının nispeten istikrarlı ve öngörülebilir bir kurala göre artacağı anlamına gelir. Yapay Zeka'da genellikle, bu genellikle daha büyük modeller, daha fazla veri, daha güçlü hesaplama gücü ile modelin genellikle daha güçlü hale geldiği anlamına gelir.

Jensen Huang: Tabii ki, hatta şimdi daha fazla ölçekleme yasasına sahibiz.

Lex Fridman: Daha önce dört tane bahsetmiştiniz: öntanımlı eğitim, sonrası eğitim, çıkarım aşaması ve ajansal ölçekleme. Geleceği düşündüğünüzde, kısa veya uzun vadede, gerçekten endişelendiğiniz potansiyel "darboğazlar" nelerdir? Çözülmesi gerektiğini düşündüğünüz ve hatta uykularınızı kaçıran sorunlar nelerdir?

Jensen Huang: Geriye dönüp bakabiliriz ve eskiden insanların "darboğaz" olarak düşündüğü şeylere göz atabiliriz.

İlk olarak öntanımlı eğitim ölçeklemesi vardı, insanlar yüksek kaliteli verinin sınırlı olduğunu düşünüyor, bu da yapay zekanın zekasını sınırlayacağını düşündürüyordu. Ilya Sutskever "Artık veri kalmadı" bile demişti, endüstri bir noktada paniğe kapıldı. Ancak gerçek, bu durumun geçerli olmadığını gösterdi. Veri kaynaklarını genişletmeye devam edeceğiz ve bunun büyük bir kısmı sentetik veri olacak. Aslında, insanlar arasında iletilen bilgi temelde "sentetik"tir. Siz içerik oluşturuyorsunuz, ben tüketiyorum, yeniden işliyorum, yeniden yayıyorum. Şimdi yapay zeka zaten gerçek veriden yola çıkarak veriyi genişletiyor, geliştiriyor, üretiyor. Dolayısıyla sonrası eğitim aşaması hala genişlemektedir. Gelecekte model eğitiminin kısıtı artık veri değil, hesaplama gücü olacaktır.

Not: Ilya Sutskever, OpenAI'nın kurucu ortaklarından ve eski baş bilimcisi olup, derin öğrenme alanının önde gelen savunucularından biridir. AlexNet gibi önemli başarımlarda yer almış, büyük modeller ve yapay zeka ölçeklendirme konusunda derin etkileri olmuştur.

Şimdi çıkarsama aşamasına geçiyoruz. Önceki birçok insan çıkarsamanın çok kolay olduğunu düşünürdü ve zor olanın eğitim olduğunu düşünürdü. Ancak bu aslında mantıklı değil çünkü çıkarsama temelde bir "düşünme" işlemidir ve düşünmek, "okumak"tan çok daha zordur. Eğitim daha çok bellek ve desen tanıma gibi şeylerdir; ancak çıkarsama çıkarsama, planlama, arama, sorun parçalama dahil olmak üzere hesaplamaların büyük bir kısmını içerir. Gerçek şu ki, ilk değerlendirmemiz doğruydu, çıkarsama hesaplama açısından oldukça yoğundur.

Daha sonra, ajan ölçeklendirmesi gelecek. Artık sadece bir model değil, bir "ajan sistemiyiz", bu sistem araçları çağırabilir, veritabanlarına erişebilir, alt ajanlar oluşturabilir. Bir şirket gibi, bir kişinin yeteneklerini arttırmaktansa, yetenekleri genişletmek için takımı artırmak daha kolaydır. Yapay zeka da aynı şekilde hızlı bir şekilde kopyalanabilir ve genişletilebilir. Bu yüzden bu yeni bir ölçeklendirme kuralıdır.

Bu süreçler bir döngü oluşturacak: Ajan veri üretir, veri önceden eğitime geri döner, ardından son eğitime girer, ardından çıkarsamaya girer, ardından ajan sisteme girer, sürekli bir döngü oluşturur. Sonuç olarak, zeka artışı temel bir değişkenle nitelendirilebilir: hesaplama gücü.

Lex Fridman: Ancak burada bir zorluk var, bu değişiklikleri önceden tahmin etmeniz gerekiyor çünkü farklı aşamalarda farklı donanımlar gerekiyor, örneğin MoE mimarisi, seyreklik vb. Ancak donanım döngüsü birkaç yıldır ve her an ayar yapamazsınız.

Jensen Huang: Evet. Yapay zeka model mimarisi yaklaşık her 6 ayda bir değişir, ancak sistem mimarisi ve donanım yaklaşık her 3 yılda bir değişir. Bu nedenle, geleceği tahmin etmek için iki üç yıl önceden plan yapmalısınız. Yaklaşımımız üç şekilde: İlk olarak, kendi araştırmalarımızı yapıyoruz, temel araştırma ve uygulamalı araştırmalar da dahil olmak üzere kendi modellerimizi oluşturuyoruz; İkinci olarak, neredeyse tüm yapay zeka şirketleriyle işbirliği yapıyoruz, onların karşılaştıkları zorlukları anlıyoruz; Üçüncü olarak, CUDA gibi yeterince esnek bir mimari oluşturuyoruz, hem verimli hem de esnek.

Örneğin MoE ortaya çıktığında, NVLink 72'yi piyasaya sürdük, bir 100 trilyon parametreli modeli bir GPU gibi çalıştırabilir. Bir başka örnek ise Grace Blackwell rack ve Vera Rubin rack'tir, bunların tasarımları tamamen farklıdır, çünkü birincisi LLM çıkarsama için tasarlanmıştır, ikincisi ise ajan sistemleri için tasarlanmıştır.

Not: Grace Blackwell rack, NVIDIA'nın büyük ölçekli model eğitimi ve çıkarsama için piyasaya sürdüğü bütünleşik AI hesaplama sistemi, Grace CPU ve Blackwell GPU'yu yüksek bant genişliğiyle birbirine derinlemesine bağlayarak "AI fabrikası"nın merkezi hesaplama ünitesidir; Vera Rubin rack ise NVIDIA'nın Blackwell'den sonra gelen bir sonraki nesil AI altyapı mimarisi olup, daha karmaşık Ajan sistemleri ve büyük ölçekli çıkarsama senaryolarına odaklanır, sistem düzeyinde işbirliği ve daha yüksek enerji verimliliğine vurgu yapar.

Lex Fridman: Ancak bu tasarımlar, Claude Code, Codex, OpenClaw ortaya çıkmadan önce tamamlandı, bunu nasıl öngördünüz?

Jensen Huang: Aslında o kadar da zor değil, sadece mantık yürütmeniz gerekiyor. LLM'nin bir "dijital işçi" olması gerektiğini varsayalım, o zaman gerçek verilere erişmesi, araştırma yapması, araçlar kullanması gerekiyor. Dolayısıyla mutlaka bir I/O sistemi olacak, araçlar çağıracak. Bazıları AI'nin yazılımı değiştireceğini söylüyor, bu doğru değil. Bir robot gibi, elini çekiçe veya ameliyat bıçağına dönüştürmeyecek, ancak araçları kullanacak. İlk seferinde bilmiyorsa sorun değil, kılavuzu okuyabilir, hızla öğrenebilir. Bu yüzden bu yetenekler kaçınılmazdır.

Bu şekilde mantık yürüttüğünüzde, aslında bilgisayarı yeniden icat ettiğimizi fark edersiniz. İki yıl önce GTC'de anlattığım ajan mimarisi tamamen OpenClaw'a karşılık geliyor. Ajan için OpenClaw'ın anlamı, ChatGPT'nin üretken AI için anlamı gibidir.

Lex Fridman: Gerçekten de özel bir an.

Jensen Huang: Evet.

Lex Fridman: Ancak burada bir sorun var, o da teknolojinin bu kadar güçlü hale gelmesi, güvenlik riski de beraberinde getirecektir. Bireyler ve toplum olarak, bir denge noktası bulmaya çalışıyoruz.

Jensen Huang: Evet, bu sorunu araştırmak için hemen birçok güvenlik uzmanını işe aldık. OpenClaw'a entegre edilen OpenShell adında bir sistem geliştirdik. Aynı zamanda NVIDIA da NemoClaw'ı tanıttı.

Lex Fridman: Evet, kurulumu da çok kolay ve sistemin güvenliğini sağlayabilir.

Jensen Huang: Bir prensibi ortaya koyduk: Herhangi bir anda, üç yetenek arasından sadece ikisine sahip olabilirsiniz, hassas verilere erişim, kodu yürütme, dışa iletişim. Üç yeteneğe aynı anda sahip olmak risk oluşturur. Bu yüzden güvenliği sağlamak için bu "ikisini seçme" yaklaşımını benimsedik. Aynı zamanda kurumsal düzeyde erişim kontrolü ve politika motoru ekledik, böylece kuruluşlar kendi izin sistemlerine göre yönetim yapabilirler. OpenClaw'ı daha güvenli ve kontrol edilebilir hale getirmek için elimizden geleni yapacağız.

AI'nın Sonu Algoritma Değil, Elektriktir

Lex Fridman: Az önce, eskiden bir engel olarak görülen, ancak daha sonra aşılan birçok şeyden bahsetiniz. Peki şimdi, ajanın her yerde olacağı gelecekte gerçek engel ne olacak?

Jensen Huang: Güç sorunu bir sorun, ama tek sorun değil. Bu yüzden kusursuz iş birliği tasarımına bu kadar çok çaba harcıyoruz - sürekli olarak "her watt başına saniye başına token sayısı" verimliliğini artırmak istiyoruz. Geçmiş 10 yılda, Moore Yasası muhtemelen hesaplama gücünü 100 kat artırdı, ancak biz sistem düzeyinde ölçeklendirme ile hesaplama gücünü bir milyon kat artırdık. Gelecekte bunu sürdüreceğiz. Verimlilik doğrudan şirketin gelirini etkiler, aynı zamanda "AI fabrikası"nın gelirini etkiler. Donanım fiyatları artarken, token üretim verimliliği daha hızlı arttığından, token maliyeti aslında her yıl bir derecelik düşmektedir.

Lex Fridman: Yani bir yöntem verimliliği artırmak, diğer bir yöntem ise daha fazla güç elde etmektir. Örneğin küçük boyutlu nükleer reaktörler vb. Bu durumda tedarik zinciri endişenizi mi uyandırıyor? Örneğin ASML'nin EUV litografi makinesi, TSMC'nin ileri ambalajı, SK Hynix'in yüksek bant genişliği belleği?

Jensen Huang: Her gün bu konuları takip ediyor ve sürekli olarak üzerinde çalışıyorum. Yüksek hızlı büyüme içinde, birkaç yönden büyümeye devam eden başka hiçbir şirketin olmadığı gibi. Bu çok zor anlaşılır bir durum. AI hesaplama pazarında, pazar payımız sürekli genişliyor, bu yüzden tedarik zincirinin yukarı ve aşağısı çok kritiktir. Bu konudaki mevcut durumu ve gelecek büyüme noktalarını bu şirketlerin CEO'larına anlatmak için çok zaman harcıyorum. GTC'de gördüğünüz o CEO'lar, neredeyse tüm IT tedarik zinciri ve altyapısını kapsamaktadır. Onlara şu anki iş durumu, gelecekteki büyüme noktaları ve neler olacağı konusunda bilgi veriyorum, böylece yatırım kararları alabiliyorlar.

Onları da ziyaret ediyorum ve önümüzdeki birkaç çeyrek, gelecek yıl, önümüzdeki birkaç yıl hakkında bilgi veriyorum. Örneğin DRAM endüstrisi hakkında, üç yıl önce, yüksek bant genişliği belleğinin (HBM) veri merkezinin ana belleği olacağını söyledim. O zamanlar saçma geliyordu, ancak bazı CEO'lar inandı, yatırım yapmaya başladılar. Bir başka örnek ise cep telefonları için kullanılan düşük güçlü bellek (LPDDR), bunu da veri merkezlerine getirmelerini sağladık. Şimdi bu teknolojiler büyük başarı elde etti.

Lex Fridman: Yani sadece NVIDIA'yı şekillendirmiyorsunuz, aynı zamanda tedarik zincirinin geleceğini de şekillendiriyorsunuz.

Jensen Huang: Evet, yukarı akış, aşağı akış hepsi bir arada.

Lex Fridman: Ancak bu tedarik zinciri çok karmaşık, derin bilim, mühendislik, üretim içeriyor ve yüzlerce tedarikçiyle çok kırılgan görünüyor.

Jensen Huang: Gerçekten çok karmaşık. Bir rafımızda yaklaşık 1.3 milyon bileşen var, 200'den fazla tedarikçiyi kapsıyor. Bu son derece karmaşık bir sistem.

Lex Fridman: Ama tedarik zincirini en çok endişelendiğin engel olarak görmüyorsun gibi görünüyorsun?

Jensen Huang: Çünkü bu konuları adım adım çözdüm, bu yüzden huzurlu bir şekilde uyuyabiliyorum. İlk prensiplerden başlayarak düşüneceğiz: Sistem mimarisi değişikliği ne anlama geliyor? Yazılım nasıl değişecek? Mühendislik süreci nasıl değişecek? Tedarik zinciri nasıl değişecek? Örneğin, NVLink 72 rafı, süper bilgisayar entegrasyonunu veri merkezi içinden tedarik zinciri ucuna taşıdı. Daha önce parçalar veri merkezine gönderilir ve orada montaj yapılırdı, şimdi ise tedarik zincirinde doğrudan tam sistem olarak montaj yapılıyor ve ardından taşınıyor.

Bu, tedarik zincirinin kendisinin daha güçlü imalat kapasitesine sahip olması gerektiği anlamına gelir, örneğin büyük ölçekli güç testini desteklemek için. Bu sistemleri test etmek için jiga watt seviyesinde bir güç kapasitesine ihtiyaç var. Bu yüzden bizzat tedarikçilerle iletişime geçiyorum, onlara gelecekteki ihtiyaçları anlatıyor ve onları milyarlarca dolarlık sermaye yatırımı yapmaya ikna ediyorum. Bana güveniyorlar ve ben de bu değişiklikleri anlamaları için yeterli bilgi ve zamanı sağlıyorum.

Lex Fridman: Peki belirli engellerden endişe duyuyor musun? Örneğin, EUV, ambalaj kapasitesi gibi şeylerden?

Jensen Huang: Hayır. Çünkü onlara neye ihtiyacım olduğunu söyledim, onlar da bana nasıl yapacaklarını söylediler, ve ben onlara güveniyorum.

Lex Fridman: O zaman tekrar enerji sorusuna dönelim. Bu enerji sorununu nasıl görüyorsun?

Jensen Huang: Herkesin şu gerçeğe dikkat etmesini istiyorum: Elektrik şebekemiz "en kötü durumu" baz alarak tasarlandı, örneğin aşırı hava koşullarında pik talep. Ama aslında, zamanın %99'unda, bu pik talebe hiç ulaşmıyoruz, çoğu zaman belki sadece %60 civarında işliyoruz. Bu, büyük çoğunlukla elektrik şebekesinin büyük miktarda boş kapasiteye sahip olduğu anlamına geliyor, ama bu kapasitenin olması gerekiyor, çünkü acil durumlarda hastaneler, havaalanları gibi altyapıların elektriğe ihtiyacı olmalı.

Yani ben düşünüyorum, acaba elektrik şebekesinin tam kapasiteye ihtiyaç duyduğu zamanlarda veri merkezleri güç tüketimini azaltabilir mi; çoğu zaman bu boşta duran elektriği kullanabilir mi? Örneğin veri merkezleri, pik zamanlarda performansı düşürebilir, görevleri taşıyabilir veya hatta hizmet kalitesini kısa süreliğine düşürebilir. Böylece elektrik şebekesini daha verimli bir şekilde kullanabiliriz.

Ama şu anki sorun üçgen bir yapıda: Birinci olarak, müşteriler veri merkezinin %100 kullanılabilir olmasını talep ediyor; ikinci olarak, veri merkezinin tasarımı bu dinamik düşüşü desteklemeli; üçüncü olarak, enerji şirketlerinin de daha esnek güç sağlama modları sunmaları gerekiyor. Eğer bu üç noktayı da sağlarsak, elektrik kullanım verimliliğimizi büyük ölçüde artırabiliriz.

Yarın bilgisayar kullanımı ve veri merkezi oluşturma yöntemimizin, sürekli %100 çalışabilirlik talep etmek olmamalı diye düşünüyorum. Şu anda bu çok çok katı sözleşmeler, aslında elektrik şebekesine büyük baskı getiriyor, çünkü bunlar pik talebi karşılamayı değil, bu temelde ek kapasite eklemeyi gerektiriyor. Ama ben gerçekten faydalanmak istediğim şey, aslında zaten boşta duran fazla elektrik kısmı.

Lex Fridman: Bu gerçekten yeterince tartışılmayan bir konu. Peki, şu anda engel olarak gördüğünüz şey nedir?

Jensen Huang: Bu üç taraflı bir sorun olduğunu düşünüyorum.

İlk olarak, son kullanıcı. Son kullanıcılar veri merkezlerinden şunu talep eder: Kesinlikle kesinti yaşamamalısın, kesinlikle kullanılamamaz olamazsın. Yani, müşteriler mükemmeli bekler. Ve bu mükemmelliği sağlamak için yedek jeneratöre ihtiyacın var, ayrıca bu yedekleme kapasitesine sahip olmak için elektrik sağlayıcı da neredeyse mükemmel olmalı. Bu nedenle, her aşamada "altı dokuz" hedeflenir.

Not: "Altı dokuz", %99.9999 kullanılabilirliği ifade eder.

Yani benim düşünceme göre ilk şey, tüm müşterilerin ve tüm CEO'ların gerçekten ne talep ettiklerinin farkında olmalarını sağlamak gerekiyor. Çoğu zaman, bu tür sözleşmeleri imzalayanlar aslında sadece bir veri merkezi işletme ekibinde biri olabilir, CEO ile oldukça uzak bir mesafededir. Bahse girerim, birçok CEO bu sözleşme hükümlerini asla bilmiyordur. Onlarla gitmeye hazırım.

Bu CEO'ların büyük olasılıkla imzalanan bu sözleşmelere hiç dikkat etmediği olasıdır. Herkes en iyi sözleşmeyi imzalamak ister, bu tabii ki anlaşılabilir. Ve sonra bu talepler bulut hizmet sağlayıcıya kat kat iletilir, bulut hizmet sağlayıcıdan kamu hizmet şirketine iletilir, böylece tüm zincir "altı dokuz" talep eder. Bu nedenle, ilk adım, müşterilerin ve CEO'ların ne istediklerini gerçekten anlamalarını sağlamaktır.

İkinci olarak, "zarif bir şekilde geri düşebilen" veri merkezleri inşa etmek zorundayız. Yani, eğer elektrik şebekesi bize "Enerji kullanımınızı %80'e düşürmelisiniz." derse, biz "Sorun değil." diyebilmeliyiz.

İş yükünü yeniden planlayabiliriz. Verilerin asla kaybolmayacağından emin olacağız, ancak hesaplama hızını düşürebilir, biraz daha az enerji tüketebiliriz. Hizmet kalitesi biraz düşecektir. En kritik iş yükleri için, onları hemen başka bir yere taşıyacağım, böylece etkilenmeyecek. Böylece, hangi veri merkezinin hala %100 çalışabilirliği koruyabileceğini, o kritik bölümü devralacak şekilde bırakırız.

Lex Fridman: Peki bu tür zeki, dinamik güç tahsisi, veri merkezleri için ne kadar mühendislik zorluğu oluşturuyor?

Jensen Huang: Sorunu net bir şekilde tanımlayabildiğiniz sürece, onu mühendislikleştirme imkanına sahip olursunuz. Soruyu gerçekten çok iyi sordunuz. Eğer bu, birincil ilkeler düzeyinde fizik yasalarına uygunsa, bence biz bunu başarabiliriz.

Lex Fridman: Bahsettiğiniz üç şeyden ikincisi veri merkeziydi, üçüncüsü ise, halka açık şirketlerin de aslında bu bir fırsat olduğunu fark etmesi gerektiği.

Onlar her zaman şöyle diyemezler: "Beş yıl beklemeniz gerekiyor, elektrik şebekesi kapasitesini o seviyeye genişletebilmem için." Eğer bu seviyedeki bir güç arzusunu kabul ederseniz, o zaman aslında gelecek ay bu fiyattan size elektrik sağlayabilirim.

Dolayısıyla eğer halka açık şirketler daha fazla katmanlı güç tedarik taahhüdü sağlayabilirse, bence pazar kendiliğinden doğru çözümü bulacaktır. Şu anda şebeke içindeki israf gerçekten fazla, onu değerlendirmemiz gerekiyor.

Lex Fridman: Daha önce, Elon Musk'ın Memphis'te Colossus süper bilgisayarını inşa etme yeteneğini yüksek övgüyle değerlendirdiniz. Onun yaklaşımında örnek alınacak ne düşünüyorsunuz?

Jensen Huang: Elon'in iş hayatında çok geniş bir yelpazede faaliyet göstermesine rağmen, o çok güçlü bir sistem düşünürü. Sürekli olarak şunu sorar: Bu gerçekten gerekli mi? Bunu yapmak zorunda mıyım? Neden bu kadar uzun sürüyor? Sistemi en küçük gerekli karmaşıklık seviyesine sıkıştırırken aynı zamanda temel yetenekleri korur.

O aynı zamanda çok "sahada" bir kişidir, bir sorun çıktığında hemen oraya gider. Birçok "geleneği" ve "prosedürü" kırar ve işleri gerçekten ileri taşır. Ayrıca, aciliyet duygusu tedarik zincirine yayılabilir. Tüm tedarikçilere onu en üst öncelikte tutmalarını sağlar, bu çok kritik bir noktadır.

Lex Fridman: NVIDIA'daki iş birlikçi tasarımınızda benzer bir yaklaşımınız var mı?

Jensen Huang: İş birlikçi tasarım zaten sistem mühendisliğinin en yüksek şeklidir. Ayrıca "ışık hızında düşünme" adında bir felsefemiz var. Bu sadece hız değil, fiziksel sınırdır. Tüm sorunları fiziksel sınırla karşılaştırırız: bellek hızı, hesaplama hızı, güç tüketimi, maliyet, zaman, üretim döngüsü vb. Önce şunu sorarız: Fiziksel sınırlar altında, bu ne kadar yapılabilir? Sonra gerçek dünyada uzlaşma yaparız.

"Sürekli iyileştirme" yaklaşımını pek sevmem. Bir süreç şu an 74 gün ise, biri bunu 72 güne düşürebileceğini söylüyorsa, buna pek katılmam. Ben daha çok sıfırdan başlayıp şunu sorarım: Neden 74 gün? Baştan tasarlasak, şu an ne kadar sürebilir? Çoğu zaman cevap 6 gün olabilir. Sonra kalan 68 günün neden olduğunu anlarsınız.

Lex Fridman: Bu kadar karmaşık bir sistemde, "basitlik" ilkesi hala önemli mi?

Jensen Huang: Elbette. Biz "gereken karmaşıklık" ve "mümkün olduğunca basitlik" peşindeyiz. Sürekli sormalıyız: Bu karmaşıklıklar gerçekten gerekli mi? Gerekli değilse, kaldırılmalıdır.

Lex Fridman: Ancak sizin sistemleriniz zaten son derece karmaşık, mesela Vera Rubin pod'u, trilyonlarca transistöre ve binlerce GPU'ya sahip.

Jensen Huang: Evet, bu dünyadaki en karmaşık bilgisayar sistemidir.

Lex Fridman: Bu çok ilginç. Siz son zamanlarda Çin'e gittiniz. Bu yüzden size şunu sormak istiyorum: Çin, son on yılda teknoloji endüstrisinde olağanüstü bir yükseliş yaşadı. Onların bu kadar kısa bir süre içinde, dünya çapında birçok şirket, dünya çapında mühendislik ekipleri ve dikkat çekici ürünler üretebilen bir teknoloji ekosistemi nasıl oluşturduklarına nasıl bakıyorsunuz?

Jensen Huang:

Birçok nedeni var. İlk olarak bazı temel gerçeklerden başlayalım. Dünya genelinde yaklaşık olarak yapay zeka araştırmacılarının yarısı Çinlidir, yaklaşık böyle ve bunların çoğu hala Çin'de. Bizim tarafımızda da birçok insan var, ancak Çin yerli olarak hala çok sayıda üstün araştırmacıya sahip. Çin'in teknoloji endüstrisi, çok kritik bir zamanda ortaya çıktı — mobil internet ve bulut bilişim çağında, katkı yaptıkları ana yol yazılımdır ve bu ülke bilim ve matematik eğitimi konusunda çok sağlam temellere sahiptir, gençlerin eğitim seviyesi çok yüksektir. Yazılım çağında büyüdükleri için, modern yazılım sistemlerine oldukça aşinalar.

Ayrıca, Çin tek bir ekonomi değil, çeşitli eyaletlerden ve şehirlerden oluşuyor, aralarında rekabet var. Bu yüzden bir sürü yeni enerji şirketi, bir sürü yapay zeka şirketi görüyorsunuz, neredeyse tüm sektörlerde birçok şirket benzer şeyler yapmaktadır. Bu iç rekabet çok yoğun, geride kalan genellikle son derece kaliteli şirketlerdir.

Aynı zamanda, onların toplumsal kültürü "aile önce, arkadaş sonra, şirket en sonda" şeklindedir. Bu yapının altında, farklı şirketler arasındaki bilgi akışı çok sıkıdır, temelde sürekli açık bir ortamda bulunurlar. Bu nedenle, açık kaynağa verdikleri önem de doğal olarak artar, çünkü onlar sürekli olarak "Ne koruyoruz?" diye düşünürler. Mühendisler arasında büyük ölçüde örtüşen ilişkiler vardır — akraba, arkadaş, okul arkadaşı, "okul arkadaşı" neredeyse ömür boyu süren bir ilişkidir. Bu, bilgiyi hızla yaymalarını sağlar, teknoloji kendisi güçlü bir kapalılık motivasyonuna sahip olmadığından, açık kaynak daha etkilidir. Ve açık kaynak topluluğu da inovasyon sürecini daha da büyütür ve hızlandırır.

Göreceksiniz ki, üstün yetenek, açık kaynaklı hızlı inovasyon, yüksek derecede insan ilişkileri ve aşırı rekabet gibi faktörlerin bir araya gelmesiyle sonuç olarak çok güçlü teknolojik başarılar ortaya çıkıyor. Bu bakımdan Çin, şu anda küresel olarak en hızlı inovasyon gerçekleştiren ülke. Tüm bunların arkasındaki her şey, eğitim sistemi, ailelerin öğrenmeye verdiği önem, kültürel yapı ve teknolojinin üstel gelişim döneminde olmaları gibi temel faktörlere dayanıyor.

Lex Fridman: Kültürel olarak, mühendis olmak oldukça "cool" bir şeydir.

Jensen Huang: Evet, bu bir "mühendislerin ülkesi." Amerika'daki birçok lider hukuk geçmişine sahiptir, bu da yönetimi ve kurumsal istikrarı sağlamak içindir; ancak Çin'deki birçok lider çok yetenekli mühendislerdir.

Lex Fridman: Şimdiye kadar açık kaynağı bahsettiniz, açık kaynaklı Perplexity'yi çok beğendiğinizi biliyorum.

Jensen Huang: Çok seviyorum.

Lex Fridman: Ayrıca Nemotron 3 Super'ı açık kaynak haline getirdiğiniz için teşekkür ederiz, bu 1200 milyar parametreli MoE modeli şimdi Perplexity içinde de kullanılabilir durumda. Açık kaynağın uzun vadeli anlamına nasıl bakıyorsunuz? DeepSeek gibi Çin şirketleri ve MiniMax, açık kaynak AI konusunda ilerlerken, NVIDIA da SOTA'ya yaklaşan açık kaynak modeller üzerinde çalışıyor, genel değerlendirmeniz nedir?

Jensen Huang: İlk olarak, mükemmel bir AI hesaplama şirketi olmak istiyorsak, modellerin nasıl evrildiğini anlamamız gereklidir. Nemotron 3'ü çok beğenmemin nedenlerinden biri, bu modelin saf bir Transformer olmaması, ancak Transformer ve SSM'in birleşimi olmasıdır. Biz koşullu GAN, evrimsel GAN konularında da erken konumlandık ve bu yollar adım adım yayılma noktasına ulaştı. Model mimarisi ve temel araştırmalardaki bu birikimler sayesinde, gelecekteki modellerin hangi tür hesaplama sistemlerine ihtiyaç duyacağını önceden tahmin edebiliyoruz, bu da kendi başına "en üst düzeyde iş birlikli tasarımımızın" bir parçasıdır.

İkinci olarak, hem dünya çapında özel ürünler olarak dünya çapında lider modellere sahip olmak istiyoruz; ancak diğer taraftan, AI'nın tüm sektörlere, ülkelere, araştırmacılara ve öğrencilere yayılmasını istiyoruz. Her şey kapalı ise, araştırma yapmak zor olur ve bu temelde yenilik yapmak da zordur. Bu nedenle, birçok sektör için açık kaynak, AI devrimine katılmanın zorunlu bir koşuludur. NVIDIA'nın bu tür modelleri uzun süreli olarak geliştirmek için ölçeği ve motivasyonu vardır, bu nedenle bütün ekosistemi harekete geçirebilir ve daha fazla insanın katılmasını sağlayabiliriz.

Üçüncü olarak, yapay zeka sadece dil değildir. Gelecekteki yapay zeka, araçları, alt modelleri çağıracak ve biyoloji, kimya, fizik, akışkanlar, termodinamik gibi farklı modları içerecek ve bu modlar sadece dil şeklinde var olmayacak. Bu nedenle hava tahmini, biyolojiye yönelik yapay zeka, fiziksel yapay zeka gibi alanların gelişimini sürekli olarak iten insanlar olmalı ve sürekli olarak en son teknolojiye yaklaşmalıdır. Otomobil üretmiyoruz, ancak umarım her otomobil üreticisi en iyi modeli kullanır; İlaç araştırması yapmıyoruz, ancak Lilly gibi şirketlerin en iyi biyolojik yapay zeka sistemlerine sahip olmalarını umuyoruz.

Dolayısıyla, yapay zekanın genişliğinden, yaygınlaşmasından ve yapay zekanın işlem mimarisiyle birlikte nasıl evrildiğinden üç açıdan bakıldığında, açık kaynak kodu gereklidir.

Lex Fridman: Bir kez daha Nemotron 3'ü açık kaynaklı hale getirdiğiniz için teşekkür ederim.

Jensen Huang: Sadece modeli değil, aynı zamanda ağırlıkları, verileri ve oluşturma yöntemini de açık kaynaklı hale getirdik.

Lex Fridman: Gerçekten çok etkileyici.

Jensen Huang: Teşekkürler.

Lex Fridman: Tayvan doğumlu olduğunuzu ve uzun süre TSMC ile işbirliği yaptığınızı biliyorum. Sormak istediğim, TSMC'nin kültürünü nasıl anlıyorsunuz ve bu kadar benzersiz bir başarı elde etmelerinin nedeni nedir?

Jensen Huang: Dış dünya, TSMC hakkında en büyük yanılgının, onların çekirdeklerinin sadece teknoloji olduğunu düşündüğüdür. Elbette, teknolojileri gerçekten çok güçlüdür, transistörler, metal katmanlar, ileri düzey paketleme, 3D paketleme ve silikon fotonik dahil. Ancak onları diğerlerinden farklı kılan gerçek şey, tüm endüstri taleplerini nasıl koordine ettikleridir.

Onlar küresel yüzlerce müşterinin sürekli değişen talepleri ile aynı anda başa çıkmalıdır: Sipariş artışı veya azalması, müşteri değişikliği, acil sipariş eklemeleri, üretimi durdurma, yeniden başlatma vb. Bu kadar yüksek dinamik bir ortamda, hala yüksek çıktı, yüksek verimlilik, düşük maliyet ve olağanüstü hizmet seviyesini nasıl koruyabileceklerini sürdürebilirler.

Onlar taahhüt konusunda son derece ciddidirler. Bir yonganın belirli bir zamanda teslim edileceğini söylediklerinde, kesinlikle teslim ederler ve bu doğrudan müşteri şirketlerinin operasyonlarına bağlıdır. Bu nedenle, üretim sistemleri kendileri için bir mucize olarak adlandırılabilir.

İkinci nokta kültürdür. Teknolojiyi sürekli olarak ileri götürmeye devam ederken müşteriye odaklanırlar. Birçok şirket sadece birini yapabilir, ancak onlar bu iki şeyi dünya çapında başarılı bir şekilde yaparlar.

Üçüncü nokta, görünmeyen bir varlık olan güvendir. Bu çok önemlidir. Kendi şirketimi tamamen onların üzerine inşa edebilirim, bu güven uzun vadeli işbirliklerinden kaynaklanır.

Lex Fridman: Bu güven, hem uzun vadeli işbirliğinden hem de insanlar arasındaki ilişkilerden gelir.

Jensen Huang: Evet. Otuz yıldır işbirliği yapıyoruz, onlarca hatta yüz milyarlarca dolarlık işi kapsıyor, ama aramızda hatta bir sözleşme bile yok.

Lex Fridman: Çok etkileyici. Bir söylenti vardır, 2013'te TSMC'nin kurucusu Morris Chang sizi CEO olarak göreve davet etmiş, bunu reddettiğiniz doğru mu?

Jensen Huang: Evet, doğru. Bu teklifi çok onurlu buldum ama o zaman NVIDIA'nın yaptığı şeyin çok önemli olduğu konusunda çok nettim. Gelecekte neye dönüşeceğini görmüştüm ve getireceği etkiyi görüyordum. Bu benim sorumluluğumdu ve onu başarmam gerekiyordu. Bu yüzden reddettim, bu fırsat önemsizdiği için değil, ayrılamayacağım için reddettim.

Lex Fridman: NVIDIA ve TSMC'nin insanlık tarihinde en büyük şirketlerden biri olduğunu düşünüyorum.

Jensen Huang: Teşekkür ederim.

Lex Fridman: Bir soru sormak zorundayım. Teknoloji endüstrisinde sık ​​sık kullanılan bir terimle, en büyük "çan kulesi"niz nedir? Yani, rekabete karşı direncinizi sağlayan temel gücünüz nedir?

Jensen Huang:

En temel nokta, hesaplama platformumuzun ölçeğidir, yani CUDA'nın kurulum miktarı. Yirmi yıl önce, bu avantajımız yoktu, ama bugün durum tamamen farklı. CUDA'ya benzer bir teknoloji geliştiren birinin bile mevcut durumu değiştirmesi zor. Çünkü anahtar her zaman teknoloji değil, uzun vadeli yatırım, sürekli iterasyon ve sürekli genişlemenin oluşturduğu sistemik avantajdır.

CUDA'nın başarısı azınlık tarafından gerçekleştirilmedi, 43.000 çalışan ve milyonlarca geliştirici tarafından birlikte inşa edildi. Geliştiricilerin CUDA üzerinde geliştirme yapmayı tercih etme nedeni, bu platformu uzun vadeli olarak sürdüreceğimize, geliştirmeye devam edeceğimize inanmalarıdır. Bu nedenle, "kurulum miktarı" kendisi en önemli avantajdır.

Bu ölçek avantajı, yürütme hızımızla birleştiğinde, daha güçlü bir engel oluşturur. Tarihsel olarak, bu kadar karmaşık bir sistemi bu hızda inşa edebilen böyle az sayıda şirket oldu ve yıllık hızda sürekli olarak iterasyon yaptı.

Bir geliştirici olarak, CUDA'yı desteklemeyi seçerseniz, yarı yıl sonra daha güçlü olacağını ve aynı zamanda küresel milyarlarca cihaza, hemen hemen tüm bulut platformlarına, neredeyse tüm endüstrilere ve dünya geneline ulaşabileceğinizi bekleyebilirsiniz. Bir projeyi açık kaynaklı yapar ve önceliği CUDA'ya verirseniz, ölçek kazanmanın yanı sıra büyüme hızı da elde edersiniz.

Daha fazlası da, geliştiriciler NVIDIA'nın bu ekosistemi uzun vadeli olarak sürdüreceğine inanıyorlar. Eğer bir geliştirici olsaydım, önceliğim CUDA olurdu.

İkinci avantajımız ise ekosistemimizdir. Dikey olarak bütünleşik bir hesaplama sistemine sahibiz ve yatay olarak neredeyse tüm şirketlerin ürün ekosistemine gömülüyüz. Google Cloud, Amazon, Azure gibi platformlarda bulunuyoruz, aynı zamanda CoreWeave ve benzeri yeni nesil bulut platformlarında da mevcutuz; süper bilgisayarlardan kurumsal sistemlere, kenar cihazlardan arabalara, robotlara, uydulara ve hatta uzaya kadar geniş bir yelpazede varız.

Diğer bir deyişle, neredeyse tüm endüstrilere yayılmış, birleşik bir hesaplama mimarisi.

Lex Fridman: Yapay Zeka fabrikasının gelişimiyle birlikte, bu CUDA kurulum avantajı nasıl evrilecek? Gelecekte NVIDIA, temelde bir "Yapay Zeka fabrikası şirketi" haline mi gelecek?

Jensen Huang: Geçmişte, hesaplama birimi GPU idi; daha sonra tüm bir bilgisayar oldu, daha sonra kümeler halindeydi; şimdi ise tam teşekküllü bir Yapay Zeka fabrikası haline geldik. Geçmişte, yeni nesil ürünlerimi duyurduğumda, mesela "Ampere'yi bugün duyuruyorum" dediğimde, bir yongayı elime alırdım. O zamanlar o, o anki "zihnî modelimdi". Fakat artık durum böyle değil. Yongayı tutmak, bir şekilde biraz "sevimli" hale geldi — artık gerçekte inşa ettiğimiz şeyi temsil etmiyor.

Şu anda zihnimdeki model, devasa bir sistemdir: elektrik şebekesine bağlıdır, enerji üretme kapasitesine sahiptir, soğutma sistemleri vardır, son derece karmaşık ağ yapıları vardır, binlerce kişi sahada montaj yapmaktadır ve binlerce mühendis arkada planda destek vermektedir. Böyle bir sistemi hizmete almak, bir anahtarı açmak kadar basit değil, binlerce insanın koordineli çalışmasını gerektirir.

Lex Fridman: Yani şu anda "bir hesaplama ünitesi" düşündüğünüzde, aslında bir bütün raf, bir kapsül düşündüğünüzü mü söylüyorsunuz, tek bir yonga değil mi?

Jensen Huang: Tam bir altyapıdır. Ve bir sonraki bilişsel atlamamın, "bir bilgisayar inşa etme"yi, aslında "gezegen ölçeğinde" bir sorun olarak algılamak olmasını umuyorum. Bu, bir sonraki adım olacak.

Lex Fridman: NVIDIA'nın gelecekte 10 trilyon dolarlık bir piyasa değerine ulaşma olasılığı sizce var mı? Ya da farklı bir açıdan soralım, eğer bu gerçekleşirse, o dünya nasıl olurdu?

Jensen Huang: NVIDIA'nın büyümesinin çok muhtemel olduğuna, hatta benim açımdan kaçınılmaz olduğuna inanıyorum. Nedenlerini açıklıyorum.

Öncelikle, zaten tarihin en büyük hesaplama şirketlerinden biriyiz. Bu başlı başına sorgulanmayı hak ediyor: Bunun nedeni nedir?

Bunun iki temel nedeni var, her ikisi de altta yatan teknolojik değişikliklerden kaynaklanıyor.

İlk olarak, hesaplama paradigması değişti. Geçmişteki hesaplama, temelde bir "geri alması sistemi" idi. İçeriği önceden yazıyor, kaydediyor, dosya oluşturuyorduk, ardından bu içeriği öneri sistemleri veya arama sistemleri aracılığıyla geri alıyorduk. Başka bir deyişle, bu, "insan önceden oluşturulmuş + dosya geri alma" sistemiydi. Ancak şimdi, yapay zeka hesaplamaları bağlamsal olarak gerçekleştiriliyor ve anlık olarak belirleyiciler üretiliyor. "Geri almalı hesaplama"dan "üretken hesaplama"ya geçtik.

Eski sistemde büyük miktarda depolamaya ihtiyaç duyarken, yeni sistemde yoğun hesaplama gerekiyor. Bu nedenle, hesaplama talebi önemli ölçüde artacaktır. Bu eğilimi değiştirebilecek tek durum, bu tür üretken hesaplamanın etkisiz olduğunun kanıtlanması olacaktır. Ancak son 10 ila 15 yılın derin öğrenme araştırmaları ve son 5 yılın ilerlemeleri, beni daha önce hiç olmadığı kadar umutlandırıyor.

İkinci değişiklik ise, bilgisayarın dünyadaki "rolü"nün değişmesidir. Geçmişte, bilgisayar daha çok bir depo gibiydi; ancak şimdi daha çok bir fabrika gibi. Bir depo doğrudan gelir yaratmazken, bir fabrika doğrudan gelirle ilişkilidir. Bilgisayar artık sadece bir depolama sistemi değil, bir üretim sistemi haline geldi. Ürettiği "ürün", belirleyicilerdir. Ve bu belirleyiciler farklı halkalar tarafından tüketiliyor ve katmanlı bir yapı sergiliyor, adeta bir iPhone gibidir: Ücretsiz olanları, lüks olanları ve orta seviyedekileri bulunmaktadır.

Zeka, temelde genişletilebilir bir ürüne dönüştü. Gelecekte, yakında şöyle bir durumla karşılaşacağız: Her bir milyon belirleyici için birisinin 1000 dolar ödemeye istekli olacağı bir senaryo. Bu gerçekleşip gerçekleşmeyeceği sorusu değil, sadece bir zaman meselesidir.

Bu durumda sorun şu haline geliyor: Dünya kaç tane böyle "AI fabrikası"na ihtiyaç duyuyor? Ne kadar belirleyiciye ihtiyaç var? Toplum bu belirleyicilere ne kadar ödemeye istekli? Bu üretkenlik artışıyla küresel ekonomide neler değişecek? Yeni ilaçlar, yeni ürünler, yeni hizmetler keşfedecek miyiz?

Bu faktörleri bir araya getirdiğinizde, çok emin bir şekilde söyleyebilirim ki: Küresel Gayri Safi Yurtiçi Hasıla (GSYİH) hızla artacak. Aynı anda, hesaplama için harcanan pay, geçmişe göre bir mertebe daha yüksek olacaktır.

Bu bağlamda, tekrar NVIDIA'ya dönersek: Yeni ekonomideki rolümüz şu anda olduğumuzdan çok daha büyük olacak. Gelecekte 30 trilyon dolar gelire ulaşabilir miyiz? Tabii ki mümkün. Çünkü bu durum açıkça fiziksel kısıtlamalardan etkilenmiyor.

NVIDIA'nın tedarik zinciri, 200 şirket tarafından desteklenmektedir ve genişlemeyi tüm ekosistem aracılığıyla gerçekleştirmekteyiz. Gerçek kısıtlama sadece bir tanedir: enerji. Ve enerji sorununun sonunda çözülebileceğine inanıyorum.

Yani, bu rakamlar kendileri sadece "sayılardır". NVIDIA'nın ilk kez 1 milyar dolar geliri aştığında, birisi bana şunu söylediğini hatırlıyorum: "Yonga üretmeyen yarıiletken şirketi 1 milyar doları aşamaz." Daha sonra birisi de şunu dedi: "Siz 250 milyar doları aşamazsınız."

Bu değerlendirmeler, hiçbiri ilk prensiplere dayanmamaktadır. Gerçekten sorgulanması gereken şey şudur: Ne yaratıyoruz? Bu fırsat ne kadar büyük?

NVIDIA mevcut pazar payı için savaşmamaktadır. Yaptığımız birçok şey, zaten var olmayan bir pazarın parçasıdır. Bu yüzden dış dünya tarafından sınırlarımız zor tahmin edilmektedir, çünkü hazır bir referans noktası yoktur. Ancak, bana yeterince zaman verildi. Devam edeceğim ve devam edeceğim. Her GTC, bu geleceği daha somut hale getirecek. Sonunda, o adıma varacağız. Buna yüzde yüz eminim.

Lex Fridman: "Token fabrikası" yaklaşımından bakacak olursak, tüm sistemi şöyle anlayabiliriz: Her watt başına saniyede token üretmek, ve her bir token değere sahip olup farklı insanlar için farklı değerlere sahiptir. Böylece, dünya birçok "token fabrikası" tarafından oluşturulmuştur. İlk prensiplere dayanarak, yapay zekanın çözebileceği sorunlar arttıkça, gelecekte bu tür "fabrikalara" olan talebin eksponansiyel olarak artacağı çıkarımını yapabiliriz.

Jensen Huang: Evet. Beni çok heyecanlandıran bir şey, "Token'ın iPhone anı"nın artık geldiği gerçeğidir.

Lex Fridman: Ne demek istiyorsunuz?

Jensen Huang: Ajans. Ajans, tarihin en hızlı büyüyen uygulama şekli haline gelmektedir.

Lex Fridman: Yani, gerçekten, geçen yıl aralıktan itibaren, insanlar ilk defa Claude Code, Codex, OpenClaw gibi sistemlerin yeteneklerini fark etmeye başladılar mı? Açıkçası, kendimi biraz gururlu hissediyorum: Havalimanındayken, ilk kez "bilgisayara konuşarak kod yazmaya" başladım, sanki bir meslektaşla iletişim kuruyormuşum gibi. Gelecekte herkesin AI ile konuşmanın nasıl olacağını bilmiyorum, ama verimliliğin kesinlikle çok yüksek olduğu bir gerçek.

Jensen Huang: Daha olası senaryo, AI'ınızın sürekli olarak sizi "rahatsız etmesidir". Görevleri çok hızlı bir şekilde tamamladığı için sürekli olarak size geri bildirimde bulunacak: "Bu tamamlandı, bir sonraki adım ne olmalı?"

Lex Fridman: Gerçekten de inanılmaz bir gelecek.

Lex Fridman: Başarılı olmanızın büyük ölçüde, diğerlerinden daha çok çalışmanız ve daha fazla acıya dayanabilmenizle ilgili olduğunu belirttiğinizi gördüm.

Bu "acı" aslında birçok yönü kapsıyor, başarısızlıkla başa çıkmak, önceki konuştuğumuz mühendislik sorunları ve maliyet meselesi, ayrıca insanlar arasındaki problemler, belirsizlik, sorumluluk, yorgunluk, utanç ve şirketinizin battığı anlar gibi.

Bunun dışında, stres de var. Çeşitli ülkelerin ve ekonomilerin etrafında dönen, kaynak tahsisi ve yapay zeka altyapı planlaması yapan bir şirketin CEO'su olarak, böyle bir stresle nasıl başa çıkıyorsunuz? Bu denli çok ülke ve insan sizden bağımlıyken, gücünüz nereden geliyor?

Jensen Huang: NVIDIA'nın başarısının ABD için önemli olduğunun farkındayım. Önemli miktarda vergi oluşturduk, teknolojide önde olmayı sağladık ve teknolojik üstünlük ulusal güvenliğin bir parçasıdır. Ülke daha zengin olduğunda, sosyal politikaları daha iyi şekillendirme imkanına sahip oluruz. Aynı zamanda yeniden endüstrileşmeyi teşvik ediyor, büyük miktarda istihdam yaratıyor, yerli üretim kapasitesini yeniden inşa ediyoruz, çip, bilgisayar ve yapay zeka fabrikaları dahil. Ayrıca, çok sayıda sıradan yatırımcı - öğretmenler, polis memurları - NVIDIA'ya yatırım yaparak servet elde etti. Ayrıca, NVIDIA, büyük bir ekosistemin bir parçası olup, yukarı ve aşağı akışta çok sayıda ortağa bağımlı.

Bunlarla yüzleşirken, benim yaklaşımım oldukça basit: Sorunu parçalara ayırmak.

Kendime "Şu an durum nedir? Ne değişti? Sorun nerede? Ben ne yapabilirim?" diye soruyorum. Sorunu parçalara ayırdıktan sonra, uygulanabilir bir dizi görev haline geliyor.

Sonra sadece bir soru kalıyor: Yaptın mı? Yoksa başkasının yapmasını mı bekledin? Bir şeyin yapılması gerektiğini düşünüyorsanız, ama ne kendiniz yaptıysanız ne de başkasını bunun için teşvik ettinizse, o zaman bundan şikayet etmeyin.

Kendime oldukça katıyım. Ancak aynı zamanda, paniklemekten kaçınmak için sorunları parçalara ayırarak yaparım. Tüm risk noktalarını belirledim ve ilgili kişilere ilettim, bu yüzden yapılması gerekenler ilerliyorsa, endişelenmeye gerek yok.

Lex Fridman: Bu süreçte, zihinsel olarak düşük bir nokta yaşadınız mı?

Jensen Huang: Tabii ki, birçok kez yaşadım.

Lex Fridman: Yaklaşımınız yine sorunu parçalara mı ayırmak?

Jensen Huang: Evet. Başka bir şey de "unutmayı öğrenmek." Makine öğrenmesinde, "seçici unutma" önemli bir yetenektir. İnsanlar da aynı şekildedir, her şeyi aklında tutamazsın. Hızlıca sorunu parçalarına ayırır ve stresi dağıtırım. Endişelendiğim herhangi bir şeyi hemen ilgili kişilere söylerim, kendi başıma çekmem. Tabii ki, kendine karşı da katı olman gerekir - duyguların içinde boğulma, ileriye doğru adım at.

Ayrıca, "gelecek" seni çekecek. Sporcu gibi, sadece bir sonraki adımı dikkate alır, önceki hataya odaklanmaz.

Lex Fridman: Başlangıçta NVIDIA'nın ne kadar zor olduğunu bilseniz, belki yapmazdınız dediniz.

Jensen Huang: Evet. Ancak ifade etmek istediğim şey neredeyse her değerli şey için geçerlidir. Bir "çocuk gibi düşünme" tarzına ihtiyacın vardır - bir şeyi gördüğünde, ilk tepkin "ne kadar zor?" olmalı, zorlukları önceden simüle etmemelisin. Başlamadan önce tüm engelleri hayal etmemelisin. "Bu harika olacak" beklentisiyle girmelisin. Ancak bir kere içine girdiğinde, dayanıklı olman gerekir. Engeller, başarısızlıklar, utanca neden olabilir ve genellikle beklenmedik olabilir. Bu durumda yapman gereken şey şudur: onu unut, ilerlemeye devam et. Temel değerlendirmenin değişmediği sürece, ilerlemeye devam etmelisin.

Lex Fridman: Bu kadar çok başarıdan sonra, alçakgönüllü olmak daha zor olur mu?

Jensen Huang: Tam tersi. Birçok şeyi açıkça yaptığımdan, bir hata yaptığımda herkes görecektir. Ayrıca, yönetim tarzım "açık çıkarım"dır. Doğrudan bir sonuca gitmem, çıkarım sürecini açıklarım, herkesin mantıklı olup olmadığını değerlendirmesine izin veririm.

Sürekli olarak şunu söylerim: "Şu anki anlama yolculuğum bu." Sonra çıkarım sürecini açıklarım. Bu herkesin herhangi bir adımda farklı fikirler öne sürebileceği bir fırsat verir. Sonuca itiraz etmelerine gerek yok, sadece bir çıkarım adımında bir sorun olduğunu göstermeleri yeterlidir ve bu temelinde devam edebiliriz.

Lex Fridman: Bir sorunu açıklarken, katılımcı hissetsin ve düşüncelerinize katkıda bulunabileceğini hatta etkileyebileceğini hissetsin istersiniz. Bu kadar çok başarı ve baskıdan sonra bile bu durumu sürdürebilmek gerçekte çok zordur. Çoğu insan acı çektiğinde kapalı hale gelir.

Jensen Huang: Sanırım buradaki bir anahtar, "utanmaya" hoşgörü göstermektir.

Lex Fridman: Evet, bu gerçekten de çok gerçek bir yetenek. Yıllarca tekrar tekrar "bir toplantıda bir çıkarım yaptım ve yanıldığım kanıtlandı," sürecini yaşayan ve sakin bir şekilde kabul eden ve bunlardan büyüyen gerçekten zihinsel olarak çok zor bir süreçtir.

Jensen Huang: Evet. Bildiğiniz gibi, benim ilk işim aslında tuvalet temizliği yapmaktı.

Lex Fridman: Denny's'de çalışırkenki ruh halini her zaman koruduğunuza sevindim. Denny's'den başlayan bu deneyim zaten çok etkileyici. Oyunlar hakkında konuşmak istiyorum. Ben ağır bir oyuncuyum ve NVIDIA'nın yıllar boyunca harika grafik deneyimleri sunmasından dolayı minnettarım.

Jensen Huang: Bu arada, bugüne kadar GeForce hala en önemli pazarlama girişimimizdir. Birçok insan, gençlik dönemlerinde NVIDIA'yı oyunlar aracılığıyla tanımıştır. Sonrasında üniversiteye girdiklerinde, NVIDIA'nın ne olduğunu biliyorlardı. Başlangıçta sadece Call of Duty, Fortnite oynarken, daha sonra CUDA'yı kullanmaya başlıyorlar, sonra NVIDIA ekosistemindeki araçları kullanmaya başlıyorlar, Blender, Dassault, Autodesk gibi.

Lex Fridman: Evet. Bir arkadaşıma sizinle sohbet edeceğimi söylediğimde, ilk tepkisi "onlar harika oyun kartları yapıyorlar" oldu.

Jensen Huang: Haklısınız (Gülüyor).

Lex Fridman: Tabii ki, bunun arkasında çok daha fazlası var. Ama gerçekten, birçok insan bu ürünleri seviyor, bize çok eğlence getiriyorlar. Donanımın kendisi, bu sanal dünyaları gerçekten "canlı" hale getiriyor. Ancak son zamanlarda DLSS 5 hakkında bazı tartışmalar var. Bazı oyuncular, oyunların "AI tarafından oluşturulmuş ucuz içerik" gibi görünmesinden endişe duyuyor. Bu tartışmaya nasıl bakıyorsunuz?

Jensen Huang: Onların bakış açısını anlayabiliyorum ve bu endişenin nereden geldiğini anlayabiliyorum. Çünkü şu anda birçok AI tarafından üretilen içerik gerçekten benzerlik gösteriyor, hepsi çok "güzel" olmasına rağmen, kişilikten yoksun. Ben de bu "AI kalıplaşmış içerikleri" sevmem.

Ancak bu, DLSS 5'in yapmak istediği şey değil. Zaten bazı örnekler gösterdim. DLSS 5, 3D koşullarına dayalı olarak gerçek yapı verileriyle sürülen bir sistemdir. Sahnenin geometrik yapısı tamamen sanatçılar tarafından belirlenir ve sistem her karede bu yapıları sıkı bir şekilde takip eder.

Aynı zamanda, dokular ve sanat tarzı kısıtlamalarına da tabidir. Bu nedenle, her kare "güçlendiriliyor", değiştirilmiyor. "Güçlendirme" hakkında, DLSS 5 zaten açık bir sistemdir. Geliştiriciler kendi modellerini eğitebilir, hatta gelecekte tarzı tanımlamak için ipuçları veya çizgi film tarzında render alabilirler veya sistemden belirli bir tarzda üretim yapmasını isteyebilirler.

Ancak sonuçlar her durumda sanatçının tarzı ve yaratma niyetiyle uyumlu olmalıdır. Bu araçların varlığı, sanatçının istediği tarzı korurken daha güzel içerik oluşturmasına yardımcı olmak içindir.

Birçok oyuncunun yanlış anladığı şey, oyunun öncelikle orijinal halde tamamlanacağını ve ardından DLSS aracılığıyla işleme tabi tutulacağını düşünmeleridir. Ancak bu, DLSS'nin tasarım şekli değildir. DLSS, yaratım süreciyle derinlemesine bütünleşmiş bir şekilde, esasen sanatçılara yapay zeka aracı sağlamak üzere tasarlanmıştır. Kullanılıp kullanılmayacağı tamamen onların kararına bağlıdır.

Lex Fridman: Ben insanların "yüz"e karşı özellikle hassas olduklarını düşünüyorum. Şimdi insanlar AI içeriğine karşı da hassas hale geldi, ve bence bu iyi bir şey. Bu, bir ayna gibi, bize insanların gerçekten aradıklarının mükemmel olmadığı, bazen tersine "mükemmel olmayan" bir şey olduğunu fark ettiriyor. Bize çekici gelen bir dünyanın ne olduğunu anlamamıza yardımcı oluyor. Bu araçlar bize bu dünyaları yaratmak için yardımcı olduğunda, bu iyi bir şeydir.

Jensen Huang: Kesinlikle. Bu sadece bir başka araç. Geliştiriciler gerçekçi olmayan tarzda içerik oluşturmak istiyorlarsa, modeller de buna imkan tanır. Bir şekilde, bu, daha önce cilt renklendirme katmanını tanıttığımız zamana benziyor. Tersine mühendislik yaparak cildin daha gerçekçi olmasını sağladık. Tüm endüstri, sanatı ifade etmek için daha fazla araç arayışında ve DLSS sadece bunlardan biri. Son karar her zaman yaratıcıların elindedir.

Lex Fridman: Belki biraz rastgele bir soru. En büyük tarihsel olarak veya en etkili oyununun NVIDIA açısından ne olduğunu düşünüyorsunuz?

Jensen Huang: Doom.

Lex Fridman: Doom, şüphesiz. 3D çağını başlattı.

Jensen Huang: Sanat, kültürel etki ve endüstri dönüşü açılarından bakıldığında, Doom çok önemliydi. Bilgisayarları, ofis otomasyon araçlarından ev ve oyuncu odaklı kişisel bilgisayarlara dönüştürdü, bu önemli bir dönüm noktasıydı. Elbette bundan önce uçuş simülasyon türünde oyunlar vardı, ancak bunlar Doom kadar geniş etkiye sahip değillerdi. Saf teknik açıdan bakıldığında, ben Virtua Fighter'ı seçerim. Bu iki oyunun ekibiyle ilişkimiz çok iyidir.

Lex Fridman: Ayrıca GPU hızlandırma açısından oldukça etkileyici olan "Cyberpunk 2077" gibi bazı daha yeni eserler de var.

Jensen Huang: Evet, tamamen ışın izleme.

Lex Fridman: Ben şahsen 'The Elder Scrolls: Skyrim'i çok seviyorum. Yıllar geçmesine rağmen, çeşitli modlar aracılığıyla her deneyim sanki tamamen yeni bir oyun gibi.

Jensen Huang: Biz de mod topluluğunu çok seviyoruz. RTX Modu'nu tanıttık, bu, topluluğun en son grafik teknolojisini eski oyunlara enjekte etmesini sağlayan bir mod aracıdır.

Lex Fridman: Tabii ki, harika bir oyun sadece görüntülerle sınırlı değildir, aynı zamanda hikaye ve karakterleri de içerir. Ancak mükemmel grafikler gerçekten içe çekme duygusunu artırabilir, insanı başka bir dünyaya sokmuş gibi hissettirebilir.

Jensen Huang: Tamamen katılıyorum.

Lex Fridman: Bahsettiğiniz bir nokta gerçekten doğru bulduğum bir şey: AGI ile ilgili zaman çerçevesi, temelde AGI'yi nasıl tanımladığınıza bağlıdır.

Lex Fridman: Zamanla ilgili bir soru sormak istiyorum. AGI hakkında konuşurken belki biraz aşırı bir tanım kullanabiliriz - diyelim ki bir AI sistemi var, işinizi yapacak şekilde yeteneklidir: yaratım aşamasından başlayarak, başarılı bir teknoloji şirketi kurar, büyütür ve işletir, piyasa değeri 1 milyar doların üzerinde olur.

Jensen Huang: "Başarılı şirket" mi diyorsunuz, yoksa "tek bir tane yeterli mi"?

Lex Fridman: Başarılı bir şirket olması, piyasa değerinin 1 milyar doların üzerinde olması gerekir. Bu konunun oldukça karmaşık unsurları içerdiğini biliyorsunuz. Bu yeteneğin gelişmesi ne kadar sürebilir? 5 yıl, 10 yıl, 15 yıl mı yoksa 20 yıl mı? OpenClaw gibi, yenilik yapabilen, müşteri arayabilen, ürün satışı yapabilen, ekip yönetebilen (AI ve insan işbirliği de dahil) karmaşık bir dizi görevi başarabilen bir sistemden bahsediyoruz.

Jensen Huang: Bence, şu anda zaten mümkün. Bence AGI'yi zaten başardık.

Lex Fridman: Şu anda, bir AI tarafından işletilen bir şirket olabilir mi diyorsunuz?

Jensen Huang: Mümkün. Çünkü söylediğiniz şey "1 milyar dolarlık değeri" ifade etti, ancak "uzun vadeli süreklilik" şartını koşmadı. Örneğin, bir AI'nin tamamen bir ağ hizmeti veya uygulama geliştirmesi ve ansızın on milyonlarca insan tarafından kullanılması, başına 0.5 dolar ödemesi ve kısa sürede hızla yok olması kesinlikle mümkündür. İnternet çağında, aslında bu tür şirketler çokça görüldü. Ayrıca, o dönemdeki teknolojik karmaşıklık, bugün OpenClaw'ın başarabildiğinden daha fazla değildi.

Lex Fridman: Yani, anahtar, virüs gibi yayılma sağlayıp bunu paraya dönüştürmek.

Jensen Huang: Evet. Sadece hangi ürünün olacağını tam olarak bilemiyoruz. O zamanlar hangi internet şirketlerinin başarılı olacağını da öngöremiyorduk.

Lex Fridman: Bu ifadeniz birçok insanı heyecanlandıracak—Sanki sadece bir ajanı dağıtıp çok para kazanabilirim gibi geliyor.

Yapay Zeka İşleri Mi Çalacak? Hayır, Ama İş Tanımını Değiştirecek

Jensen Huang: Aslında, bunlar zaten olmaya başladı. Çin'e gittiğinizde, birçok insanın ajanlarını eğittiğini, onları iş aramaya, görevleri yerine getirmeye ve hatta doğrudan para kazanmaya yönlendirdiğini göreceksiniz. Gelecekte bir sosyal uygulama aniden patlasa şaşırmam. Mesela çok sevimli bir dijital karakter veya Tamagotchi benzeri bir ürün, kısa sürede patlayıcı hale gelip birkaç ay boyunca geniş kullanıcı kitlesine ulaşır ve hızla yok olur. Elbette, 100.000 ajanın bir "NVIDIA inşa etmesi" durumunda başarı şansı sıfırdır.

Ama vurgulamak istediğim bir nokta var: Şu anda birçok insan iş konusunda endişeli.

Hepinize hatırlatmak istiyorum, işin "amacı" ile işi tamamlamanın "görev ve araçlar"ı ilgilidir, ancak aynı değildir. Ben bu işi 33 yıldır yapıyorum, teknoloji endüstrisinin en uzun CEO'su (34 yıl). Bu 34 yıl boyunca kullandığım araçlar sürekli değişti ve bazen çok dramatik değişiklikler yaşandı.

Duymanızı istediğim bir hikaye var. Başlangıçta, bilgisayar bilimcileri ve yapay zeka araştırmacıları, kaybolacak ilk mesleğin radyolog olacağını tahmin ettiler. Çünkü bilgisayarlı görü bilgi işlem insan düzeyine ulaşacak veya aşacaktı ve gerçekte de öyle oldu. Yaklaşık 2019-2020 yıllarında, bilgisayarlı görü artık süper insan seviyesine ulaşmıştı. O zamanın değerlendirmesi şuydu: Zira AI görüntü analizi yapabiliyorsa, radyolog mesleği yok olacaktı.

Ama sonuç tam tersi oldu. Bugün, tüm radyoloji platformları AI tarafından yönlendirilir, ancak radyolog sayısı arttı ve dünya genelinde hala yetersizler. Neden böyle oldu? Çünkü radyologun "amaç"ı hastalıkları teşhis etmek, doktorlara ve hastalara yardımcı olmaktır. AI görüntü analizini hızlandırdığında: Daha fazla görüntü analizi yapabiliriz, teşhis daha kesin olur, daha fazla hasta tedavi edebilir, hastane geliri artar, hasta sayısı artar, böylece radyologlara olan talep artar.

Bu sonuç çok açıklayıcıdır. Aynı mantık yazılım mühendisleri için de geçerlidir. NVIDIA'nın yazılım mühendisi sayısı azalmayacak, artacak. Çünkü yazılım mühendisinin "amaçı", sorunları çözmektir ve kod yazmak sadece bu sürecin bir parçasıdır.

Their work includes: Troubleshooting, Team Collaboration, Problem Diagnosis, Outcome Evaluation, Finding New Problems, Driving Innovation, Building Connections. These skills will not disappear.

Lex Fridman: Do you think the number of programmers will increase rather than decrease?

Jensen Huang: Yes. The key is how we define "programming." I believe that programming is fundamentally "specification". You can give clear instructions, even define system architecture.

The question then is: How many people can do this? Essentially, it is "telling the computer what to do". In the past, probably 30 million people could do it; in the future, there may be 1 billion people. In the future, every carpenter will become a "programmer". And with AI, they are also "architects". They can greatly increase the value they create for customers and significantly enhance their expressive abilities. Likewise, the accountants of the future will also have financial analysis and advisory skills at the same time.

All professions will be "elevated". If I were a carpenter, I would be extremely excited about AI because it would allow me to provide services at a completely different level; if I were a plumber, I would be the same.

Lex Fridman: Current software engineers may still be ahead in understanding how to interact with AI in natural language and how to design systems.

Jensen Huang: Exactly.

Lex Fridman: But in the long run, this ability will gradually become widespread. However, I still believe that there is value in learning traditional programming, languages, design principles, and large-scale system architecture.

Jensen Huang: Yes. Because "how to define a problem" is itself a skill. The way a specification is expressed depends on the problem you are trying to solve. For example, at a company level, when I formulate a strategy, I provide a clear enough direction for the team to execute; but I also deliberately leave space for 43,000 people to do better than I imagined. Therefore, the level of detail of the specification is different in different scenarios. In the future, everyone needs to find their place on this "programming spectrum". Writing a specification is programming itself.

Sometimes you need very specific instructions; sometimes you need more open exploration, interacting with AI repeatedly, expanding your creativity. This is the future of programming.

Lex Fridman: However, from a broader perspective, many people feel anxious about employment, especially the white-collar group. Whenever automation and new technologies emerge, they bring about upheaval. I think we need to be empathetic to this anxiety, because the pain of unemployment is real for individuals and families. Hopefully, these technologies will ultimately bring more opportunities, make people more efficient, and make work more interesting, as is happening now in the field of programming. But in the transition process, there will indeed be a lot of pain.

Jensen Huang: İlk önerim, endişeyle nasıl başa çıkılacağıdır. Bahsettiğimiz gibi, önce sorunu parçalara ayırırdım.

Kontrol edebileceğiniz hangi şeyler var? Kontrol edemeyeceğiniz hangileri var? Kontrol edebileceğiniz kısımlar için analiz yapın ve harekete geçin.

Eğer yeni mezun birini işe almak istesem ve iki aday arasında seçim yapmam gerekiyorsa, biri AI hakkında hiçbir şey bilmiyorsa diğeri ise AI'ı iyi kullanabiliyorsa, kesinlikle ikincisini seçerim. Muhasebe, pazarlama, tedarik zinciri, müşteri hizmetleri, satış, iş geliştirme hatta avukatlık olsun, ben AI'dan anlayanı seçerim.

Bu nedenle, şunu öneririm: Her öğrenci, AI kullanmayı öğrenmeli; Her öğretmen, öğrencileri AI kullanmaya teşvik etmeli; Her mezun, AI'ı iyi kullanan biri olmalı. Marangoz, elektrikçi, çiftçi veya eczacı olun, AI'ı denemelisiniz, iş becerilerinizi nasıl geliştirdiğini görün.

Aynı zamanda, teknolojinin birçok görevi otomatikleştireceğini kabul etmeliyiz. Eğer işiniz aslında bu "görevler" ise, yerine geçme riskiniz çok yüksek olacaktır. Eğer işinizin hedefi daha yüksekse, o zaman bu görevleri tamamlamak için AI kullanmayı öğrenmek zorundasınız.

Lex Fridman: Bir diğer önemli nokta da, AI'ın kendisinin size sorunu parçalamanıza yardımcı olabilmesidir. Ona doğrudan sorabilirsiniz: "Nasıl beceri kazanabilirim? AI nasıl kullanılır?" Çok belirli adımlar verebilir. Hatta bir "hayat koçu" olabilir.

Jensen Huang: Evet. Eğer AI kullanmayı bilmiyorsanız, sana öğretecektir.

Lex Fridman: Gerçekten de bu çok "meta" bir deneyim, ancak çok güçlü.

Jensen Huang: Excel'e "seni kullanamam" diyemezsiniz, ama AI yapabilir.

Lex Fridman: Temelde "hesaplanamayacak" olan şeyler var mıdır? Yani ne kadar güçlü bir çip olursa olsun, kopyalanamayan şeyler?

Jensen Huang: Bir çipin "endişeli" olup olmayacağından emin değilim. Elbette kaygı, gerilim veya diğer duygusal durumları tetikleyen koşullar, AI tarafından tanınabilir ve anlaşılabilir, ancak bence çipin kendisi "hissedemez". Bu nedenle, bu duygular, endişe, heyecan, korku... bir kişinin performansını nasıl etkiler, tamamen farklı bir boyuttur.

Aynı koşullar altında, farklı kişiler tamamen farklı performanslar sergilerler: Bazıları olağanüstü performans gösterirken, bazıları sıradan hatta ortalama düzeyin altında performans gösterir. Bu farklılık, büyük ölçüde kişinin öznel deneyiminden kaynaklanmaktadır.

Ve bilgisayar sistemlerinde, eğer iki sistem tamamen aynı girdiyle karşı karşıya kalırsa, istatistiksel olarak farklılık ortaya çıkabilir, ancak bu farklılık "farklı algılama"dan kaynaklanmaz.

Lex Fridman: Evet, insanın öznel deneyimi gerçekten çok özeldir. Mesela seninle konuşurken heyecanlanırım, bu beklenti, korku, endişe ve hayatın kendisiyle doluluk - aşk, kalp kırıklığı, ölüm korkusu, sevdiklerini kaybetmenin acısı - hepsini düşünmek bile, bir hesaplama sisteminin gerçekten sahip olabileceğini hayal etmek zordur.

Jensen Huang: Gerçekten hayal etmek zor. Ancak, hala bu konuda çok az şey biliyoruz, hala çözülmemiş birçok sır var. Bu nedenle, ben de açık fikirli kalmayı tercih ediyorum, geleceğin bize getireceği sürprizlere hazırım. Son birkaç yılda, özellikle son aylarda, yapay zeka gelişimi beni birkaç kez şaşırttı. "Ölçek" kendisi, gerçekten mucizevi değişiklikler getirebiliyor.

Jensen Huang: Ayrıca, "zeka" kavramını parçalamak çok önemli olduğunu düşünüyorum. Sık sık "zeka" kelimesini kullanıyoruz, ama bu gizemli bir kavram değil.

Zeka, temelde bir sistem yeteneğidir, şunları içerir: algı, anlama, çıkarım, planlama ve eylemin döngüsü. İşte zeka budur.

Ancak "zeka", "insanlık" ile eş anlamlı değildir. Bunlar farklı kavramlardır ve arasındaki ayrımı yapmalıyız. Ben "zekayı" aşırı yüceltmem. Bence zeka bir "işlevsellik yeteneği"dir. Hatta zeka, bir tür "ticari mal" haline gelmektedir.

Çevremde benimden çok daha zeki, alanlarında daha üstün, daha profesyonel birçok insan var. Daha iyi eğitim almışlar, alanlarında benimden daha derinler. Ama ben hala bu sistemde bir rol oynuyorum.

Bu başlı başına çok ilginç.

Şöyle sorabilirsiniz: Bir zamanlar restoranda bulaşık yıkayan bir kişi, neden bu "üstün insanlar" grubu içinde onların çalışmalarını koordine edebilir?

Bu, "zekanın" sadece bir boyutu olduğunu gösterir. "İnsanlık", gerçekten daha büyük bir kavramdır. Hayat deneyimimiz, acıya dayanma yeteneğimiz, irademiz, bunlar "zekâ"dan farklıdır.

Jensen Huang: Eğer herkese bir tavsiye verebileceksem, o da şudur: "Zeka" kelimesini çok yüksek bir yere koymayın.

Gerçekten değer verilmesi gereken şey: karakter, insanlık, empati, cömertlik. Bunlar "üstün insan yetenekleri"dir. Zeka ise giderek yaygınlaşmakta, ticarileşmektedir.

Lex Fridman: Yani, "insanlık" konusuna daha fazla önem vermeliyiz.

Jensen Huang: Evet. İnsanlık, karakter, empati, cömertlik, işte bunlar en önemlileridir. Toplum uzun zamandır her şeyi "zeka" kelimesi etrafında sıkıştırmış durumda, ama hayat bundan çok daha fazlası. Deneyimlerime göre, etrafımdaki birçok insandan "zekâ" açısından geride olsam da, başarı elde ettim. Bu yüzden, herkesin "zeka yaygınlaştıkça" endişelenmek yerine, ondan ilham almasını umuyorum.

Lex Fridman: Ben de AI'nın bizi insanlığı daha çok değerli hale getireceğini düşünüyorum.

Jensen Huang: Haklısınız. AI insanlığı daha güçlü hale getirecek.

Lex Fridman: NVIDIA'nın başarısı ve sayısız insanın hayatı bir şekilde size bağlı. Ama siz sadece sıradan bir insansınız ve sonunda ölümle yüzleşeceksiniz. Bu konuyu düşünür müsünüz? Ölümden korkar mısınız?

Jensen Huang: Ölmek istemem.

Harika bir hayatım, harika bir ailem var ve çok önemli bir iş yapıyorum. Bu "bir insanın yaşamında bir kez" deneyimi değil, "insanlık tarihi boyutunda" bir deneyim. NVIDIA tarihteki en önemli teknoloji şirketlerinden biri, yaptığımız şeyin büyük anlamı var ve ben bunun farkındayım.

Tabii ki, haleflerle ilgili bazı gerçekçi konular da var. Çoğu zaman şunu söylerim, "Halef planlarına" pek inanmam. Sadece çünkü ayrılacağımı düşündüğüm için değil, aksine: Eğer gerçekten şirketinizin sizden sonraki gelişimini önemsiyorsanız, bugün yapmanız gereken en önemli şey, sürekli olarak bilgi aktarmaktır. Bilgi, içgörü, deneyim, yetenekleri, sürekli olarak ekibinize aktarmalısınız.

İşte bu yüzden sürekli olarak takımın karşısında muhakeme yapıyorum. Her toplantı aslında nörotransmitasyon demek.

Herhangi bir bilgiyi kimseye "elinde tutmak" istemem. Öğrendiğim bir şeyi neredeyse hemen paylaşırım. Hatta tam olarak anlamadığım bir konuyu öğrenmeye başlamadan önce başkalarına anlatırım: "Bu çok önemli, araştırman gerekiyor." Sürekli olarak etrafımdaki insanları güçlendiriyorum, yeteneklerini sürekli olarak geliştiriyorum. İdeal durumum şu: İşimi bırakırken, aniden ve uzun süreli acı çekmeden ayrılmaktır.

Lex Fridman: Bir gözlemci ve hayran olarak, tabii ki sürekli çalışmaya devam etmenizi umuyorum (kahkaha). NVIDIA'nın inovasyon hızı etkileyici, bu zaten mühendisliğe bir övgüdür.

Son soru şu: Gelecek 10, 20, 50 ve hatta 100 yıl için, insanlığın geleceğinde, umut veren ne var?

Jensen Huang: İnsanlığın iyiliğine, cömertliğine ve empati yeteneğine her zaman güven duydum. Bazen hatta olması gerekenden daha fazla güven duyuyorum ve bu nedenle bazen hayal kırıklığına uğruyorum. Ancak bu, kanaatimi değiştirmeyecek. Her zaman insanların iyi şeyler yapmaya, başkalarına yardım etmeye istekli olduğuna inanıyorum. Ve çoğu zaman, bu kanaatim doğru çıkıyor, hatta beklentilerimin ötesine geçebiliyor.

Jensen Huang: Beni umutla dolduran şey, şu anda yaşananları gördüğümde ve bunu geleceğe doğru ilerlettiğimde, birçok sorunun "çözülebilir" hale geldiğini fark etmemdir.

Çözmemiz gereken çok fazla sorun var, yaratmak istediğimiz çok fazla şey var ve bunlar artık elinizin altında, hatta kısa bir süre içinde gerçekleşebilir. Bu tür bir geleceğe karşı romantik olmamak zor. Örneğin, hastalıkların sona ermesi, makul bir beklenti; kirliliğin büyük ölçüde azalması, makul bir beklenti; hatta yaklaşık ışık hızında belirli bir tür "iletişim" yapmak, hayal edilebilir bir gelecek.

Jensen Huang: Hatta bir yol hayal ediyorum: Gelecekte, "bilinci" dijital formatta iletebileceğiz. Bir kişinin tüm bilgilerini, e-postalarını, düşüncelerini, davranışlarını adım adım bir yapay zeka haline getirebiliriz. Koşullar uygun olduğunda, bu "dijitalleşmiş benliği" uzaya gönderebilir ve robotlarla birleştirebiliriz.

Lex Fridman: Gerçekten de çok etkileyici bir hayal. Ancak bilimsel açıdan, hala çözülmemiş birçok sorun var, mesela bilinç kendisi.

Jensen Huang: Evet. Ancak "yaşam sistemi"ni anlamak, belki de çok yakın, belki de beş yıl içinde büyük bir ilerleme kaydedilecek.

Lex Fridman: Hem bilinç hem de fizikteki derin sorunlar, geleceği çok heyecan verici hale getiriyor.

Lex Fridman: Jensen, yaptıkların için çok teşekkür ederim ve bugün paylaşımın için de teşekkürler.

Jensen Huang: Teşekkür ederim, Lex. Bu sohbeti gerçekten keyifle yaptım. Aynı zamanda yaptığın bu röportajlar için teşekkür ederim, derinliğin, saygının ve araştırman sayesinde bu kişileri ve düşünceleri daha iyi anlayabiliyoruz.

Lex Fridman: Benim için bu çok değerli, teşekkürler.

Lex Fridman: Jensen Huang ile gerçekleştirdiğimiz bu sohbeti dinlediğiniz için teşekkür ederiz. Alan Kay'ın dediği gibi: "Geleceği tahmin etmenin en iyi yolu, onu kendi ellerinle yaratmaktır." Dinlediğiniz için teşekkür ederim, bir sonraki sefer görüşmek üzere.

[Orjinal Metin Bağlantısı]

BlockBeats Resmi Topluluğuna Katılın:

Telegram Abonelik Grubu: https://t.me/theblockbeats

Telegram Sohbet Grubu: https://t.me/BlockBeats_App

Twitter Resmi Hesabı: https://twitter.com/BlockBeatsAsia