Andrew Feldman ve Robin Rombach: Yapay Zekâ Yarışı Veri Merkezlerinden Sinemaya Uzanıyor
İngilizce kayıtta sunucu Jason Calacanis, Cerebras CEO’su Andrew Feldman ve Black Forest Labs CEO’su Robin Rombach ile yapay zekâ altyapısının ölçeğini, açık kaynak modelleri, güvenlik tartışmalarını ve üretken görsel modellerin film ile robotik alanlarına etkisini konuştu. Bölüm, yapay zekânın yalnızca yazılım değil, enerji, çip, veri merkezi, fikrî mülkiyet ve üretim süreçlerini aynı anda dönüştüren bir altyapı meselesine dönüştüğünü göstermesi bakımından önem taşıyor.
Veri Merkezleri, Enerji ve 25 Milyar Dolarlık Talep
Calacanis, yapay zekâ altyapısındaki büyümeyi “Great Wall of China” ve piramitler gibi tarihsel inşa süreçleriyle kıyaslayarak açtı. Ona göre gezegendeki sermaye, zaman ve nitelikli insan kaynağının bu kadar yoğun biçimde tek bir teknolojik inşa sürecine yöneldiği çok az dönem vardı.
Andrew Feldman, bu ölçeğin artık fiziksel dünyada çok somut sonuçları olduğunu söyledi. "Önümüzdeki birkaç yıl içinde, önceki 50 yılda Dünya’da kullanılan enerjiden daha fazlasını kullanacak veri merkezlerinden söz ediyoruz," diyen Andrew Feldman, tekil binaların futbol sahaları büyüklüğünde olduğunu ve orta ölçekli şehirlerden daha fazla güç çektiğini belirtti.
Feldman’a göre ABD, Kanada, İskandinav ülkeleri, Fransa, Avrupa’nın diğer bölgeleri, Middle East ve daha önce bu tartışmaların merkezinde görülmeyen Kazakhstan, Tajikistan, Georgia ve Armenia gibi ülkeler büyük veri merkezi yatırımlarına yöneliyor. Calacanis’in ifadesiyle “her ülke” ve ABD’de “her eyalet” bu yarışın parçası olmak istiyor.
Talep tarafında ise OpenAI, Anthropic, SpaceX AI, Google, Microsoft ve AWS gibi aktörlerin kapasite ihtiyacı öne çıktı. Feldman, müşterilerin gelecekteki soyut bir pazarı değil, hâlihazırda var olan talebi karşılamaya çalıştığını savundu. "Bizim 25 milyar dolarlık bir birikmiş siparişimiz var," diyen Andrew Feldman, şirketlerin temel sorusunun “gelirler mi?” değil, “müşterilerin ayrılmasını nasıl engelleriz?” olduğunu ifade etti.
Token Kullanımı ve Deneysel Değer
Calacanis, “token maxing” olarak adlandırdığı aşırı token kullanımının gerçekten değer yaratıp yaratmadığını sordu. Feldman bu konuda çift yönlü bir değerlendirme yaptı. Ona göre büyük bir değer yaratımı var, ancak aynı zamanda ciddi bir deneysellik de söz konusu.
Feldman, bu dönemi AWS’in ilk yıllarına benzetti. Şirketlerin, BT organizasyonlarını aşmak için mühendislere bulut kaynaklarını serbestçe kullandırdığını, bunun bir kısmının çok faydalı, bir kısmının ise gereksiz olduğunu söyledi. Costco örneği üzerinden de ilk kullanıcıların her koridordan alışveriş yaptığını, zamanla daha stratejik davranmayı öğrendiğini anlattı.
Calacanis ise yapay zekâ araçlarının kullanıcıları daha sistemli düşünmeye zorladığını savundu. Ona göre özellikle startup kurucuları, yatırımcılar ve ekip arkadaşları araçlarla çalışırken amaçlarını netleştirmeyi, gereksinim belgesi hazırlamayı ve sistemi tanımlamayı öğreniyor. Yapay zekânın artık yalnızca verilen komutu uygulamadığını, kullanıcının niyetini anlamaya başladığını söyledi.
Feldman da eski bilgisayar mantığından farklı bir aşamaya geçildiğini vurguladı. "Bilgisayarlar çok aptaldı; tam olarak ne söylerseniz onu yaparlardı," diyen Andrew Feldman, ilk prompt döneminin de buna benzediğini, ancak yeni modellerin giderek kullanıcının niyetini anladığını belirtti.
Muhakeme Modelleri ve Cerebras’ın Rolü
Söyleşide “reasoning” yani muhakeme yeteneği önemli bir başlık oldu. Calacanis, OpenAI ve başka sistemlerde yeni nesil muhakeme modelleriyle yaptığı deneylerden söz etti. BitTensor üzerinden eriştiğini söylediği GLM 5.2 kapasitesiyle her saat dünyadaki henüz fark edilmemiş trendleri bulmaya çalışan işler kurduğunu anlattı. Modelin arka planda kendi kendine tartıştığını, Hacker News, Reddit, sosyal medya ve Instagram gibi kaynaklar arasında nereden sinyal aranacağını değerlendirdiğini söyledi.
Feldman, bunun bir muhakeme modelinin işleyişi olduğunu belirtti. Calacanis, “sınırsız token” deneyiminin sınırsız muhakeme hissi verdiğini savunurken Feldman, bu tür modellerin 25 ya da 48 saat çalıştırıldığında şaşırtıcı sonuçlar üretebildiğini söyledi. Cerebras’ın iddiası burada hız üzerinden şekillendi: Daha hızlı çıkarım, daha uzun muhakeme süreçlerini pratik hâle getirebilir.
"Bu muhakeme çıkarımdır ve hesaplama açısından yoğundur," diyen Andrew Feldman, hızlı hesaplamanın iyi cevaba ulaşmak için gereken süreyi azalttığını vurguladı. Cerebras çiplerinin Moore yasasıyla kıyaslandığında farklı bir çizgi açtığını savunan Feldman, eski GPU mimarilerinde ilerlemenin daha çok daha küçük üretim geometrilerine bağlı olduğunu, yeni mimarilerde ise hâlâ büyük optimizasyon alanları bulunduğunu söyledi.
Çip Bağımlılığı, Açık Kaynak ve Egemenlik
Calacanis, OpenAI, Amazon ve diğer büyük şirketlerin kendi çiplerini geliştirmesinin Nvidia ve bağımsız çip üreticilerine karşı bir fiyat baskısı mı, yoksa doğrudan rekabet sinyali mi olduğunu sordu. Feldman’a göre temel motivasyon bağımlılığı azaltmak.
"Kimse bağımlı olmayı sevmez," diyen Andrew Feldman, hyperscaler şirketlerin x86 döneminde Intel’e bağımlı kalmaktan ders çıkardığını, GPU üreticilerinin de küçük sayıda büyük müşteriye bağımlı olmaktan kaçınmak istediğini belirtti. Ona göre en hızlı çipi yapmak şart değil; asıl mesele kaderin kritik bir bölümünü tamamen başkalarının çiplerine bırakmamak.
Açık kaynak modeller konusunda Feldman daha dengeli bir tablo çizdi. Her iş için en gelişmiş frontier modelin gerekmediğini, birçok kurumsal görevin güçlü ve güvenilir açık kaynak modellerle çözülebileceğini söyledi. Calacanis’in veri egemenliği, düzenlemeye tabi sektörler, HIPAA ve FINRA gibi alanlardaki kaygıları hatırlatması üzerine Feldman, şirketlerin yerel, kurum içi ve daha denetlenebilir modeller istediğini doğruladı.
"Sovereignty bir trend," diyen Andrew Feldman, Cerebras’ın GLM, Kimi, Qwen model setleri, OpenAI’nin kapalı kaynak modelleri, GlaxoSmithKline’ın kendi modelleri ve UAE’de G42 ile MBZ UAI gibi ortakların modellerini çalıştırdığını anlattı. Feldman, ABD’nin daha fazla yerli açık kaynak modele ihtiyaç duyduğunu, aksi hâlde açık kaynak kullanmak isteyenlerin seçeneklerinin sınırlı kalacağını savundu.
Güvenlik, Aşamalı Yayınlama ve Büyük Sızıntı Riski
Söyleşinin bir bölümünde gelişmiş modellerin hükümet denetimi, siber güvenlik ve aşamalı yayınlanması tartışıldı. Calacanis, Dario Amodei ve Anthropic çevresinde yürüyen tartışmaları, ABD’deki partizan atmosferi ve Trump yönetimi bağlamındaki gerilimi gündeme getirdi. Feldman, belirli bir olay hakkında içeriden bilgi sahibi olmadığını söyledi, ancak güçlü bir modelin anlamlı güvenlik tehdidi yaratması hâlinde hükümetin aşamalı yayınlama istemesinin makul olabileceğini belirtti.
"Yeni ve güçlü bir teknolojiyle, en azından hükümet tarafında red teaming yapalım demek makul görünüyor," diyen Andrew Feldman, kritik altyapıdaki açıkların kapatılması için iki ya da üç haftalık süre istenmesinin kendisine mantıksız gelmediğini ifade etti. Ancak aynı zamanda ABD’deki kutuplaşmanın sağlıklı düşünmeyi zorlaştırdığını vurguladı.
Feldman, hükümetteki sıradan çalışanların bu hızlı değişime iyi niyetle yetişmeye çalıştığını söyledi. Ona göre sektör hem rekabet etmeli hem de kendi güvenlik mekanizmalarını geliştirmeli. Koruma katmanlarının bazen sistemleri yavaşlattığını, Cerebras gibi hızlı çiplerin bu yükü daha az hissedilir hâle getirebileceğini de ekledi.
Veri güvenliği konusunda Feldman daha kesin konuştu. "Büyük bir veri sızıntısı olacağını bilebiliriz," diyen Andrew Feldman, bunun zamanının bilinmediğini, ancak hazırlık yapılması gereken bir risk olduğunu söyledi. Bu durumu Warren Buffett’ın reasürans yaklaşımına benzetti: kötü bir şeyin olacağı bilinir, yalnızca ne zaman olacağı bilinmez.
AGI, Döngüsel Öğrenme ve Süper Zekâ
Calacanis, AGI (yapay genel zekâ) tanımlarının geçmişe göre çoktan aşıldığını savundu. Feldman da buna katıldı. Turing testinden önceki tanımların çoğunun bugünkü modeller tarafından geride bırakıldığını söyledi. "Yirmi yıl önce sahip olduğumuz herhangi bir tanıma göre AGI’ye ulaştık," diyen Andrew Feldman, yalnızca bu kapasitenin tam olarak dağıtılmadığını belirtti.
İkili, recursive learning yani döngüsel öğrenme üzerinde de durdu. Feldman’a göre Sam Altman, Ilya Sutskever, daha sonra Dario Amodei ve diğerleri, yıllar önce yinelemeli kazanımların üstel biçimde büyüyebileceğini gördü. Bir soruya verilen yanıtın iyileştirilmesi, tekrar sorulması, daha fazla bilgi eklenmesi ve yeniden işlenmesi, küçük değil büyük sıçramalar üretebilir.
Feldman, bu üstel eğrinin nerede duracağının henüz bilinmediğini söyledi. Bir noktada sorunların entelektüel değil, insan organizasyonu ve motivasyon sorunlarına dönüşeceğini savundu. Liderlerin çoğu zaman ekipler arası sürtünmeyi azaltmakla uğraştığını, gelecekte yapay zekânın insan davranışı ve organizasyon konusunda da içgörü sağlayabileceğini belirtti.
Söyleşinin sonunda Feldman, yapay zekânın risklerinin yanında sağlık, enerji, eğitim ve bolluk açısından büyük potansiyel taşıdığını savundu. "Bu teknolojiyle, çocuklarımızın ya da onların tanıdığı hiç kimsenin kanserden ölmemesi için bir şansımız var," diyen Andrew Feldman, ekonomik yer değiştirmeler olacağını kabul etti, ancak fayda-zarar dengesinin dikkatle kurulması gerektiğini söyledi.
Robin Rombach ve Black Forest Labs’ın Görsel Model Vizyonu
İkinci bölümde Calacanis, Black Forest Labs CEO’su Robin Rombach ile konuştu. Rombach, şirketin Almanya’daki Black Forest bölgesinde, Freiburg’da ve San Francisco’da faaliyet gösterdiğini söyledi. Stable Diffusion geçmişinden gelen ekip, Flux gibi açık kaynak görsel modellerle tanınıyor.
Rombach, doktora dönemlerinde geliştirdikleri latent diffusion algoritmasının görüntü, video ve hatta fiziksel yapay zekâ alanındaki üretken modellerin temel yaklaşımlarından biri olduğunu anlattı. Bu yöntemin doğal veriyi daha verimli bir temsil alanına sıkıştırdığını, ardından transformer modelinin bu temsil üzerinde eğitildiğini söyledi.
Black Forest Labs’ın artık yalnızca görüntü değil, görüntü, ses ve videoyu aynı anda kullanan multimodal görsel modeller üzerinde çalıştığını belirtti. Ayrıca action prediction yani eylem tahminiyle aynı modelin görüntü, video ve ses üretebilmesinin yanında robotik dünyada kullanılabilecek eylemler de önerebilmesi hedefleniyor.
Rombach’a göre görsel modeller dünyayı sezgisel olarak anlama yolunda ilerliyor. "Videolar üzerinde ön eğitim, gerçek dünyayla etkileşimlerin fiziğine dair örtük bir anlayış kazandırıyor," diyen Robin Rombach, bu anlayışın robotikte eylem tahminine bağlanabileceğini ifade etti.
Martin Scorsese, Sinema ve İnsan Döngüsü
Calacanis, Black Forest Labs’ın Martin Scorsese ile ilişkisini gündeme getirdi. Rombach, Scorsese ile aynı odada oturup modelleri göstermenin kendisi için çok güçlü bir deneyim olduğunu söyledi. Scorsese’nin zihnindeki sahne ya da mekân fikrini görselleştirerek iletişim kurma yönüyle bu teknolojiden etkilendiğini anlattı.
"Zihninizdeki bir görüntüyü dışarı çıkarıp görsel biçimde iletmek, fikri aktarmayı kolaylaştırıyor," diyen Robin Rombach, dilin kayıplı bir iletişim aracı olduğunu, görüntü ve videonun ise çok daha zengin sinyal taşıdığını belirtti.
Rombach, yapay zekâ modelleriyle tam uzunlukta film üretmenin nihai hedef olup olmadığından emin olmadığını söyledi. Ona göre en ilginç sonuçlar, insanın sürecin içinde kaldığı, modeli bir “medium” olarak kullandığı üretim biçimlerinde ortaya çıkıyor. Calacanis de storyboard geleneğini, Ridley Scott, Steven Spielberg ve George Lucas gibi yönetmenlerin görsel hazırlık süreçleriyle ilişkilendirdi.
Rombach, startup’ların ürün tanıtım videoları gibi alanlarda bu araçları kullanmasının doğal olduğunu söyledi. Ancak yüksek bütçeli sinema üretiminin hâlâ en zorlu kullanım alanlarından biri olduğunu, teknolojinin hızla gelişmesine rağmen bu alanda beklentilerin dikkatle ele alınması gerektiğini belirtti.
Robotik, IP ve Açık Kaynak Görsel Modeller
Rombach, üretken modellerin yalnızca film ve görsel içerik için değil, robotik için de önemli olduğunu savundu. Aynı modelin bir filmi üretmekte ve bir robotun “beyni” olarak çalışmakta kullanılabilmesinin kendisini heyecanlandırdığını söyledi. Bu bağlamda dünya modelleri, eylem modelleri ve multimodal üretken modellerin aynı temel teknolojik çizgiye yaklaştığını ifade etti.
Robotların eğitiminde gerçek dünya videosu, sentetik veri, algı ve eylem tahmininin birlikte kullanılacağını belirtti. Hedefin, bir dil modeline komut verir gibi robotu bağlam içinde yönlendirmek olduğunu, ancak mevcut sistemlerde farklı donanımlar ve eylem temsilleri nedeniyle hâlâ az miktarda görev özelinde ince ayar verisine ihtiyaç duyulduğunu söyledi.
Fikrî mülkiyet konusunda Rombach, kamuya açık araçlarda belirli IP’lerin üretilememesi için sınırlamalar uyguladıklarını söyledi. Büyük içerik sahipleriyle özel modeller geliştirdiklerini, bunların bazen açık kaynak tabanlı, bazen de daha güçlü tescilli modellere dayandığını anlattı. Disney gibi şirketlerin kendi karakter ve evrenlerini nasıl kullanacaklarına kendilerinin karar vereceğini, Black Forest Labs’ın ise bu teknolojiyi entegre etmelerine destek olabileceğini belirtti.
Calacanis, Star Wars fan fiction ve fan film geleneğinden yola çıkarak, gelecekte hayranların lisanslı biçimde kendi hikâyelerini üretebileceğini savundu. Rombach bu fikre sıcak yaklaştı ve IP sahipleriyle yaratıcı özelleştirme arasında çalışan bir model bulunursa bunun çok değerli olacağını söyledi.
Rombach, Black Forest Labs’ın 100 kişiyi geçtiğini, Almanya ve San Francisco’da işe alım yaptığını da ekledi. Şirket büyük ölçekli model eğitimi, diffusion ve flow matching deneyimi olan araştırmacılar; müşteriyle birlikte özelleştirilmiş fiziksel yapay zekâ çözümleri geliştirecek mühendisler; büyük ölçekli hesaplama altyapısını yönetecek teknik ekipler arıyor.
