Orijinal başlık: The bottleneck isn't the model. It never was.
Orijinal yazar: Saket Mehrotra, Beta to Alpha

Editörün notu: Son günlerde, OpenAI ve Anthropic'te ön eğitim çalışmalarında bulunmuş olan Jacob Coxon, Anthropic'ten ayrıldığını duyurdu ve önde gelen yapay zeka laboratuvarlarını model yeteneklerinin daha fazla geliştirilmesini koordineli olarak sınırlamaya açıkça çağırdı. Anthropic hizalama bilimi sorumlusu Evan Hubinger daha sonra yanıt vererek Coxon'un risklere ilişkin temel değerlendirmelerine katıldığını ve önümüzdeki on yıl içinde yapay zekanın insanlığın yok olmasına yol açma olasılığını %10'un üzerinde tahmin ettiğini belirtti.

Bu tartışma, "yapay zeka yavaşlaması"nı etik bir meseleden sermaye piyasalarına taşıyor: Eğer öncü laboratuvarlar gerçekten model araştırma geliştirmeyi yavaşlatırsa, son yıllarda sürekli yukarı yönlü revize edilen yapay zeka sermaye harcamaları da bir dönüm noktasıyla karşılaşacak mı? Yapay zeka anlatısına dayanarak değerleme primi elde eden teknoloji hisselerinin yeniden fiyatlandırılması gerekiyor mu?

Beta to Alpha yazarı Saket Mehrotra, "The bottleneck isn't the model. It never was." başlıklı yazısında, laboratuvarların yapay zeka risklerine ilişkin endişelerinin altyapı yatırımlarının soğumasıyla aynı şey olmadığını öne sürüyor. Şirketler yarışta geri kalmaktan endişe duymaya devam ettiği sürece, güvenlik kaygıları hesaplama gücü yatırımlarını desteklemeye devam edebilir; aynı zamanda sektörün darboğazı GPU, HBM ve ileri paketlemeden kademeli olarak elektrik ve şebekeye kaymış durumda.

Bu, yapay zeka yavaşlamasının piyasa üzerinde hiçbir etkisi olmayacağı anlamına gelmiyor. Daha doğru bir ifadeyle, etki yavaşlamanın hangi katmanda gerçekleştiğine bağlı: Eğer yalnızca güvenlik testleri uzatılır ve model yayınları yavaşlatılırsa, CapEx mutlaka düşmeyebilir; eğer hükümetler doğrudan eğitim kümelerini, çip tedarikini veya veri merkezi elektrik kullanımını sınırlarsa, o zaman tüm yatırım çerçevesi köklü biçimde değişebilir.

Aşağıda orijinal metnin çevirisi yer almaktadır:

Jacob Coxon, X'te ayrılık açıklaması yayınlayarak öncü yapay zeka laboratuvarlarını yetenek yarışını koordineli olarak yavaşlatmaya çağırdı

Jacob Coxon'un ayrılığı, öncü yapay zekanın risklerini bir kez daha gündeme taşıdı.

Coxon'a göre OpenAI ve Anthropic, kendini geliştirebilen süper zeka geliştirme yarışındayken yeterli sorumlu güvenlik önlemi almıyor. Bu, dış eleştirmenlerden gelen izole bir ses değil. Anthropic hizalama bilimi sorumlusu Evan Hubinger daha sonra kamuoyu önünde Coxon'un temel değerlendirmelerine katıldığını ve önümüzdeki on yıl içinde yapay zekanın insanlığın yok olmasına yol açma olasılığını %10'un üzerinde tahmin ettiğini belirtti. İlgili açıklamalar WIRED gibi medya kuruluşları tarafından da haberleştirildi.

Ancak yatırımcılar için başka bir soru daha doğrudan olabilir: Öncü laboratuvarlar yavaşlamayı tartışmaya başladığında, teknoloji şirketlerinin AI sermaye harcamaları da buna bağlı olarak düşer mi?

Mehrotra'ya göre, en azından şu aşamada, ikisi arasında doğrudan bir eşittir işareti konulamaz. AI güvenliği tartışmaları model ve laboratuvar yönetişimi katmanında yaşanırken, bu CapEx döngüsünün kısıtları giderek çip, paketleme, elektrik ve veri merkezleri gibi fiziksel altyapıya kaymış durumda.

Yarışı kaybetme korkusu arttıkça, laboratuvarların kendi isteğiyle yavaşlaması zorlaşıyor

Coxon'un tanımına göre, öncü laboratuvarlar risklerin farkında değil değil. Asıl sorun, hiçbir laboratuvarın hızını ilk düşüren olmak istememesi.

Buradaki oyun teorisi mantığı şu: Bir laboratuvar yavaşlamayı seçerse, güvenlik konusunda daha az hassas olan rakipleri daha güçlü modeller geliştirmede öne geçebilir. Yeterince temkinli olmayan rakiplerin ilk atılımı yapmasına izin vermek yerine, kaynak yatırımına devam edip lider konumda olmayı ve teknolojiyi daha güvenli bir şekilde kontrol etmeyi hedeflemek daha mantıklı görünüyor.

Yazara göre bu düşünce yapısının sermaye harcamalarının daralmasına dönüşmesi zor; aksine silahlanma yarışını güçlendirebilir. Laboratuvarlar belirleyici bir teknoloji rekabetinin içinde olduklarına ne kadar inanırsa, GPU alımlarını, eğitim kümelerini ve veri merkezi yatırımlarını kesmesi o kadar zorlaşır.

Dolayısıyla güvenlik kaygısı ve CapEx artışı aynı anda var olabilir. Hatta kendi kendini güçlendiren bir döngü bile oluşturabilir: Laboratuvarlar AI yeteneklerinin hızla artmasından endişe duyar, ancak rakiplerinin gerisinde kalma korkusuyla daha fazla kaynak yatırır ve yetenek yarışını daha da hızlandırır.

Bu, yazarın sektördeki oyun yapısına ilişkin açıklamasıdır; şirketlerin sermaye harcama planları tarafından doğrulanmış bir sonuç değildir. Bu mantığın geçerli olup olmadığını anlamak için, başlıca bulut sağlayıcılarının ve AI laboratuvarlarının fiili satın alma ve inşa planlarını ayarlamaya başlayıp başlamadığını izlemek gerekiyor.

Model yavaşlaması, altyapı döngüsünün sona erdiği anlamına gelmiyor

Mehrotra'nın ikinci değerlendirmesi, AI endüstrisinin temel darboğazının birçok kez yer değiştirdiği ve her yer değişikliğinin sermaye yoğunluğunu artırdığı yönünde.

Başlangıçta model eğitimini sınırlayan şey GPU arzı ve çip kotalarıydı; ardından darboğaz HBM yüksek bant genişlikli belleğe ve ileri paketlemeye kaydı; şimdi ise elektrik arzı, şebeke bağlantısı ve veri merkezi inşası hızla çözülmesi daha zor kısıtlar haline geliyor.

Çip ve paketleme kapasitesi üretim hatları genişletilerek hafifletilebilir, ancak elektrik sorunu genellikle enerji üretim tesislerinin inşasını veya yeniden devreye alınmasını, gaz türbini ve transformatör kapasitesinin artırılmasını, iletim ve şebeke bağlantı sistemlerinin yükseltilmesini gerektirir. Bu tür projelerin yatırım ölçeği daha büyük, inşaat süresi daha uzundur ve tek bir yazılım güncellemesiyle çözülemez.

Bu nedenle, öncü modellerin yayın sıklığı azalsa bile, halihazırda imzalanmış çip siparişleri, elektrik satın alma anlaşmaları ve veri merkezi inşaat projelerinin derhal durması gerekmeyebilir. Model araştırma-geliştirme ile altyapı inşası arasında bir zaman farkı vardır ve CapEx genellikle kamuoyu veya Ar-Ge temposuyla senkronize olarak yön değiştirmez.

Aynı zamanda, yavaşlama mutlaka hesaplama gücü talebinin doğal olarak azalacağı anlamına gelmez. Daha uzun güvenlik testleri, daha karmaşık çıkarım süreçleri ve mevcut modellerin kurumsal ve tüketici senaryolarına konuşlandırılması hâlâ büyük miktarda hesaplama kaynağı tüketebilir.

Yazar buradan yola çıkarak, yatırımcıların yalnızca sosyal medyada en şiddetli tartışılan model katmanına odaklanmaması, bunun yerine önümüzdeki 18 ayda oluşmakta olan yeni darboğazları araması gerektiğini düşünüyor. Bu çerçeveye göre, şu anda daha fazla dikkat edilmesi gereken kıt kaynak, «model zekâsı»ndan giderek elektrik ve buna bağlı altyapıya kaymış durumda.

AI teknoloji hisseleri genel yükselişten ayrışmaya geçebilir

Eğer model yavaşlaması CapEx'in durması anlamına gelmiyorsa, teknoloji hisseleri üzerindeki etkisi basit bir genel olumsuzluk değil, daha çok değer zincirinin yeniden fiyatlandırılması şeklinde kendini gösterecektir.

Öncelikle, öncü modellerin sürekli sıçrama yapmasına ve ürünlerin hızla paraya dönüştürülmesine bağlı olan şirketler daha kolay etkilenebilir. Model iterasyonu yavaşladığında, piyasanın gelir artış hızı, ticarileşme temposu ve değerleme çarpanlarına ilişkin varsayımlarının ayarlanması gerekebilir.

İkinci olarak, GPU, ağ ekipmanı, güç dağıtımı, soğutma ve veri merkezi kaynaklarına sahip şirketlerin sipariş mantığı aynı şekilde bozulmayabilir. Bulut sağlayıcıları altyapıyı genişletmeye devam ettiği veya hesaplama gücü darboğazı elektrik aşamasına kaymaya devam ettiği sürece, ilgili yatırımlar güçlü bir atalet koruyabilir.

Üçüncü olarak, piyasanın eğitim ve çıkarım arasında ayrım yapması gerekiyor. Laboratuvarlar süper ölçekli öncü eğitimi koordineli olarak kısıtlasa bile, mevcut modellerin çıkarım talebi, kurumsal konuşlandırma ve AI uygulamalarının yaygınlaşması hâlâ hesaplama gücü tüketimini artırabilir. O zaman CapEx yapısal bir değişim geçirebilir, uçurumdan düşer gibi daralmayabilir.

Bu, AI yavaşlamasının öncelikle tüm teknoloji sektörünün büyüme yönünü değil, farklı varlıkların aynı AI değerleme mantığını paylaşma durumunu değiştirebileceği anlamına geliyor. Geçmişte model şirketleri, bulut sağlayıcıları, yarı iletken firmaları ve elektrik altyapısı tedarikçileri AI anlatısından prim elde edebiliyordu; model yetenek yarışı yavaşlarsa, piyasa teknoloji liderliği, ticarileşme yeteneği ve sipariş gerçekleşmesini daha sıkı bir şekilde ayırt etmeye başlayabilir.

CapEx mantığını gerçekten değiştiren değişken düzenlemedir

Mehrotra'ya göre, bu AI sermaye harcaması döngüsünü gerçekten kesintiye uğratabilecek olan bir başka tedarik zinciri kıtlığı değil, hükümetin sistemin dışından getirdiği katı kısıtlamalardır.

GPU, HBM, elektrik ve trafo eksiklikleri, özünde hâlâ yatırım artırılarak hafifletilebilecek darboğazlardır. Veri merkezlerinin devreye alınmasını geciktirebilirler, ancak aynı zamanda sermayeyi yeni kıt alanlara yönlendireceklerdir.

Düzenleme ise farklıdır. Eğer hükümet doğrudan üst düzey çip tedarikini, eğitim kümesi ölçeğini, model eğitimi için gereken hesaplama gücünü veya veri merkezi elektrik tüketimini kısıtlarsa, işletmelerin yalnızca yatırım artırarak kısıtlamaları aşması zorlaşacaktır. Bu senaryoda, bulut sağlayıcılarının CapEx beklentileri, altyapı siparişleri ve AI ile ilgili teknoloji hisselerinin değerlemeleri ancak aynı anda aşağı yönlü revize edilebilir.

Ancak orijinal metin bu durumu düşük olasılıklı bir kuyruk riski olarak görmekte, temel senaryo olarak değerlendirmemektedir. Bu değerlendirmenin de sürekli doğrulanması gerekir ve düzenleme riskinin ortadan kalktığı şeklinde anlaşılmamalıdır. AI laboratuvarları içindeki endişeler kamuya açıldıkça, dış politika baskısı da artmaya devam edebilir.

Bundan sonra piyasanın gerçekten izlemesi gereken şey, "AI yavaşlaması" gibi genel bir slogan değil, üç daha somut sinyaldir: öncü laboratuvarların yavaşlamayı resmi Ar-Ge planlarına yazıp yazmadığı, büyük bulut sağlayıcılarının veri merkezi siparişlerini kesip kesmediği ve düzenlemenin doğrudan çip, hesaplama gücü ve enerji arzına dokunmaya başlayıp başlamadığı.

Coxon'un ayrılışı, öncü AI güvenliği tartışmasının dış eleştiriden laboratuvar içine taşındığını kanıtlamaktadır. Ancak araştırmacıların endişelerini dile getirmesinden teknoloji şirketlerinin sermaye harcamalarını fiilen kısmaya kadar, arada rekabet baskısı, inşa ataleti ve altyapı kıtlığı gibi birçok aşama bulunmaktadır.

AI yavaşlaması CapEx döngüsünü hemen sonlandırmayabilir, ancak tüm AI varlıklarının aynı yükseliş mantığını paylaştığı aşamayı sonlandırabilir.

[Orijinal bağlantı]

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