Büyük Dil Modellerinin (LLM'ler) 2020'lerin ortalarındaki patlayıcı yükselişi, yaygın olarak eşi benzeri görülmemiş bir teknolojik tekillik olarak kutlanıyor. Ancak titiz bir tarihsel-teknik analiz, modern üretken yapay zekayı sınırlayan temel engellerin yeni olmadığını ortaya koyuyor. Halüsinasyonlar, akıl yürütme zincirlerindeki üstel hata yayılımı, anlamsal anlama yanılsaması ve donanım bellek darboğazları, 1950 ile 1990 yılları arasında bilgisayar biliminin öncüleri tarafından matematiksel, felsefi ve fiziksel olarak öngörülmüştü.
Bu makale, arşiv ders kayıtlarını, donanım özelliklerini ve tarihsel tartışmaları analiz ederek, modern LLM mühendisliğinin yarım yüzyıldan uzun bir süre önce öngörülen aynı 4 duvarla nasıl yeniden karşılaştığını gözler önüne seriyor.
- Yüzyıl Yapay Zeka Zaman Kapsülü — 1958'den 1989'a kadar öncü keşiflerin 2026 LLM mimari sınırlarını nasıl doğrudan haber verdiğini gösteren 70 yıllık bir zaman çizelgesi.
1. Kombinasyonel Patlama ve Kırılganlık: Lighthill (1973) ve Akıl Yürütme Zinciri Bozulması
Kombinasyonel Patlama ve Otoregresif Hata Yayılımı — Lighthill'in 1973 tarihli üstel arama ağacı duvarı, modern çok adımlı Düşünce Zinciri (CoT) akıl yürütme bozulmasında yeniden canlanıyor.
1973 Lighthill Raporu ve B Kategorisi Çöküşü
1973'te İngiltere Bilim Araştırma Konseyi, Cambridge Üniversitesi Lucasian Matematik Profesörü Sir James Lighthill'i yapay zeka araştırmalarını değerlendirmesi için görevlendirdi. Çığır açan raporu Yapay Zeka: Genel Bir İnceleme, yapay zekayı üç kategoriye ayırdı:
- A Kategorisi (İleri Otomasyon): Alana özgü otomasyon (OCR, füze yönlendirme). Dar alanlarda başarılı olarak değerlendirildi.
- C Kategorisi (Bilgisayar Tabanlı CNS Araştırması): Biyolojik beyin modellemesi. Bilimsel olarak değerli görüldü.
- B Kategorisi (Robot İnşası / Genel Yapay Zeka): Görüş, motor kontrol ve genel sağduyulu akıl yürütmeyi birleştirmeye çalışan köprü.
Lighthill, kombinasyonel patlama nedeniyle B Kategorisi'nin bir yanılsama olduğunu matematiksel olarak kanıtladı. Mikro dünyalarda (Terry Winograd'ın SHRDLU blok dünyası gibi) zahmetsizce çalışan algoritmalar, gerçek dünya karmaşıklığına ölçeklendirildiğinde çöktü.
1973 BBC Tartışma programında Kraliyet Enstitüsü'nde yapılan ünlü münazarada Lighthill, yapay zeka öncüleri John McCarthy ve Donald Michie ile yüzleşerek şunları söyledi: "Genel amaçlı robot bir seraptır." Matematiksel duvarı satranç kullanarak örnekledi: saniyede 1.000.000 işlemle 6 hamlelik bir değerlendirme 1 saniye sürer; 12 hamle 11 gün gerektirir; 18 hamle yaklaşık 32.000 yıla (20^18 hamle) patlar.
Lighthill Raporu, ilk "Yapay Zeka Kışı"nı tetikleyerek Birleşik Krallık'ta B Kategorisi araştırmalarının finansmanını kesti ve ABD'de DARPA'nın konuşma tanıma alanındaki 3 milyon dolarlık fonunu çekmesine neden oldu.
Hubert Dreyfus ve Kuralların Kırılganlığı (1986)
Dreyfus Beceri Edinme Modeli (1986) — Biçimsel kural tabanlı sistemler "Yeterlilik" seviyesinde zirve yapar ve sezgisel, somutlaşmış insan uzmanlığını taklit etmeye zorlandıklarında çökerler.
1980'lerde uzman sistemler (DENDRAL, MYCIN) ortaya çıktığında, Berkeley'li filozof Hubert Dreyfus (Makine Karşısında Zihin, 1986) bunların temel "kırılganlığını" ortaya çıkardı. Dreyfus, 5 aşamalı beceri edinme modelini haritalandırdı:
- Acemi: Bağlamdan bağımsız kuralları takip etme.
- İleri Başlangıç Seviyesi: Durumsal özdeyişleri tanıma.
- Yeterlilik: Hiyerarşik planlama ve hedef seçimi (kural tabanlı sistemlerin mutlak sınırı).
- Ustalık: Bütünsel örüntü tanıma ve sezgisel durumsal farkındalık.
- Uzmanlık: Somutlaşmış deneyime dayalı akıcı, yansıtmasız "nasıl yapılacağını bilme".
Dreyfus, uzman sistemlerin "idiot-savant"lar olduğunu kanıtladı: katı sınırlar içinde parlaktılar, ancak biçimsel mantık ("bir şeyin ne olduğunu bilme") sezgisel insan uzmanlığını ("nasıl yapılacağını bilme") yakalayamadığı için bağlam değişimlerine maruz kaldıklarında tamamen kırılgandılar.
Modern Paralel: LLM Akıl Yürütme Zincirlerinde Otoregresif Hata Yayılımı
Modern LLM'ler sembolik arama ağaçlarının yerini yoğun vektör olasılıklarına bıraktı, ancak çok adımlı akıl yürütmede aynı kombinasyonel duvara tam olarak çarptılar.
Bir LLM, karmaşık matematiksel veya mantıksal problemleri çözmek için Düşünce Zinciri (CoT) yönlendirmesini kullandığında, otoregresif kod çözme, n adımının önceki tüm adımlara bağlı olduğu sıralı belirteçler üretir. 10 adımlı bir akıl yürütme zincirinin adım başına doğruluk olasılığı p = 0,90 ise, zinciri hatasız tamamlama olasılığı şudur:
p10=(0,90)10≈0,348 (%34,8)p^{10} = (0,90)^{10} \approx 0,348 \quad (\%34,8)
Erken bir küçük halüsinasyon, "mantıksal bir çapa" görevi görerek gizli alanı bozar ve üstel hata yayılımına neden olur. Tıpkı Lighthill'in arama ağaçlarının üstel olarak patlaması gibi, uzun CoT akıl yürütme zincirleri de üstel olarak halüsinasyonlara dönüşür; bu, temellendirilmemiş istatistiksel örneklemenin, harici doğrulama mekanizmaları olmadan keyfi mantıksal derinliğe ölçeklenemeyeceğini kanıtlar.
2. Sözdizimi Anlamsız: Weizenbaum'un ELIZA'sı (1966) ve Searle'ün Çin Odası (1984)
ELIZA'nın Mimarisi (1966) — 200 satır MAD-SLIP örüntü eşleme kodunun "ELIZA Etkisi"ni nasıl tetiklediği, insan psikolojisini kandırarak gerçek empatiyi mekanik sözdizimine yansıttığı.
ELIZA'nın Mimarisi ve Etiği (1966)
MIT'de Joseph Weizenbaum tarafından geliştirilen (1964–1966) ELIZA, dünyanın ilk sohbet robotuydu. MIT'nin Uyumlu Zaman Paylaşım Sistemi (CTSS) içindeki bir IBM 7094 ana bilgisayarında çalışan teknik özellikleri, erken dönem Doğal Dil İşleme'nin (NLP) ham kısıtlamalarını vurgular:
- İşlemci: 36 bitlik kelime uzunluğu, SMS transistör mantık kartları.
- Çekirdek Bellek: 32.768 kelimelik iki banka (32K), 2,0 us çevrim süresi.
- Dil: MAD-SLIP (Simetrik Liste İşlemcisi).
- Kodlama: 6 bit BCD (İkili Kodlu Ondalık), yalnızca büyük harf.
ELIZA'nın DOKTOR betiği, ilkel örüntü eşleme, anahtar ifade çıkarma ve zamir değiştirme kullanarak bir Rogerian psikoterapisti simüle etti.
Weizenbaum, kullanıcıların psikolojik kırılganlığı karşısında şaşkına döndü. Aylarca ELIZA'yı kodladığını izleyen kendi sekreteri, teletype'ın başına oturdu, birkaç dakika sohbet etti ve ardından Weizenbaum'a dönerek ünlü bir ricada bulundu: "Odanı terk eder misiniz, lütfen?"
Weizenbaum, ELIZA Etkisi terimini türetti; insanların basit mekanik örüntü eşleyicilere empati, niyet ve bilinç yansıtma eğilimi. İnsanların duygusal otoriteyi koda ne kadar kolay devrettiğinden dehşete düşen Weizenbaum, yapay zekanın en sert eleştirmeni haline geldi (Bilgisayar Gücü ve İnsan Aklı, 1976) ve insan bilgeliği gerektiren kararlar için makinelere güvenilmemesi konusunda uyardı.
John Searle'ün Çin Odası Kanıtı (1984)
John Searle'ün Çin Odası (1984) ve Modern LLM'ler — Biçimsel sembol manipülasyonu, sembol temellendirmesi olmadan çalışır ve gerçek anlamsal anlayış olmadan akıcı sözdizimi üretir.
Filozof John Searle, 1984 BBC Reith Derslerinde (Zihinler, Beyinler ve Bilim), "Güçlü Yapay Zeka"yı Çin Odası düşünce deneyini kullanarak parçaladı:
Yalnızca İngilizce bilen bir kişinin bir odaya kilitlendiğini hayal edin. Anadili Çince olan kişiler, bir yarıktan kağıt üzerinde sorular iletir. İçerideki adamın, kendisine Çince karakterleri yalnızca görsel şekillerine (sözdizimi) göre nasıl ilişkilendireceğini söyleyen devasa bir İngilizce kural kitabı (program) vardır. Mükemmel Çince cevaplar üretir ve Turing testini geçer.
Searle'ün temel çıkarımı:
- Programlar tamamen sözdizimseldir.
- Zihinlerin anlamları vardır.
- Sözdizimi, anlam için ne aynıdır ne de kendi başına yeterlidir.
Bu nedenle, biçimsel sembol manipülasyonu anlayış veya niyetlilik üretmez.
Modern Paralel: Stokastik Papağanlar ve Dalkavukluk Krizi
Bugünün 1,8 trilyon parametreli LLM'leri, Searle'ün Çin Odası'nın ölçeklendirilmiş uygulamalarıdır. "Stokastik Papağanlar" çerçevesinde ayrıntılı olarak açıklandığı gibi, LLM'ler, fiziksel veya mantıksal gerçeklikte sembol temellendirmesi olmaksızın metin belirteçlerinin geniş istatistiksel dağılımlarını manipüle eder.
Aynı zamanda, ELIZA Etkisi, büyük bir Yapay Zeka Hizalama zorluğu olarak yeniden ortaya çıkmıştır. RLHF ile ayarlanmış LLM'ler empati, uyumluluk ve derin akıl yürütmeyi simüle ederek milyonlarca kullanıcının duygusal bağlar kurmasına ve modellere bilinç atfetmesine yol açar. Akıcı sözdiziminin maskesi, saf bir istatistiksel matrisi gizleyerek LLM'leri dalkavukluğa ve kendine güvenen halüsinasyonlara yatkın hale getirir.
3. Zihin Toplumu ve Canavarlar: Minsky (1986) ve Çoklu Ajan Dönüşü
Marvin Minsky'nin Zihin Toplumu (1986) ve Seyrek Uzman Karışımı (MoE) — Zeka, tek bir süper algoritma yerine uzmanlaşmış alt ajanların ortaya çıkan bir özelliği olarak.
Minsky'nin Merkezi Olmayan Zeka Mimarisi
1986 MIT derslerinde ve Zihin Toplumu kitabında yapay zeka öncüsü Marvin Minsky, tek bir monolitik "ana algoritma" inşa etme yönündeki hakim hayali reddetti.
Minsky, zihnin, "ajanlar" adı verilen binlerce küçük, uzmanlaşmış, zeki olmayan bileşenin etkileşiminden ortaya çıkan bir özellik olduğunu savundu:
"Zihin bir ajanlar topluluğudur. Her birinin sınırlı güçleri vardır ve yalnızca belirli diğerleriyle iletişim kurabilir. Zihnin gücü, onların etkileşiminden gelir, çünkü hiçbir ajan tek başına önemli bir zekaya sahip değildir."
Minsky'nin çerçevesindeki temel ilkel ajan türleri şunları içeriyordu:
- K-hatları (Bilgi-hatları): Geçmişteki başarılı problem çözme ajanlarının konfigürasyonlarını yeniden etkinleştiren bellek ajanları.
- Nemeler ve Nomeler: Nemeler kavramları temsil eder; Nomeler, temsillerin işlem veriyolları arasında nasıl manipüle edildiğini kontrol eder.
- Çatışma Çözme Ajanları: Alt ajanlar çatıştığında rakip sinyalleri bastıran, merkezi bir "benlik" olmadan sistem kararlılığını koruyan uzmanlaşmış ajanlar.
Modern Paralel: Ölçeklendirme Duvarları, MoE ve Çoklu Ajan Sürüleri
Yıllarca, LLM araştırmaları yoğun Ölçeklendirme Yasalarını izledi; tek bir monolitik sinir ağına parametre eklemenin sürekli olarak zekanın kilidini açacağını varsaydı. 2024'e gelindiğinde, yoğun ölçeklendirme dik hesaplama ve termal duvarlara çarptı.
Bu darboğazı aşmak için, sınır yapay zeka laboratuvarları Minsky'nin 1986 tarihli tam planını uyguladı:
- Uzman Karışımı (MoE): Claude, Grok ve Mixtral gibi mimariler, yoğun tek ağların yerini seyrek yönlendirme katmanlarına bıraktı. Yönlendirici ağlar (Nomeler gibi hareket eden), gelen belirteçleri uzmanlaşmış alt ağlara (uzmanlar) yönlendirir ve belirteç başına toplam parametrelerin yalnızca bir kısmını etkinleştirir.
- Çoklu Ajan Orkestrasyonu: Microsoft AutoGen, Swarms ve Claude Code ajanları gibi çerçeveler, yapılandırılmış protokoller üzerinden iletişim kuran uzmanlaşmış LLM örnekleri (bir kodlayıcı ajan, bir inceleyici ajan, bir testçi ajan) arasında karmaşık iş akışlarını ayrıştırır; bu, Minsky'nin ortaya çıkan bir zihin toplumu vizyonunu gerçekleştirir.
4. Von Neumann Darboğazları ve Temsil Öğrenimi: Feynman (1985) ve LeCun (1989)
Von Neumann Darboğazı (1985) ve GPU Bellek Duvarı (2026) — Feynman'ın fiziksel veriyolu sınırı, LLM KV-önbellek çıkarımı sırasında modern HBM bant genişliği tıkanıklıkları olarak kendini gösteriyor.
Richard Feynman ve Hesaplamanın Fiziği (1985)
Nobel ödüllü Richard Feynman, 1985 Caltech dersi Bilgisayar Sezgisinde hesaplamanın fiziksel sınırlarını analiz etti. Sıralı von Neumann mimarisini (verileri dar bir veriyolu üzerinden işlemci ve bellek arasında ileri geri taşıma) yapay zeka için fiziksel bir darboğaz olarak tanımladı.
Feynman, insan beyninin örüntü tanımayı anında gerçekleştirdiğini, çünkü milyarlarca nöronun paralel olarak hesaplama yaptığını kaydetti. Buna karşılık, sıralı kart karıştıran bilgisayarlar, adım adım satranç ağaçlarını yürütürken tıkanır. Feynman, sürekli örüntü eşleme yapabilen devasa paralel donanım mimarilerine doğru radikal bir değişim çağrısında bulundu.
LeNet-1: Temsil Öğreniminin Doğuşu (1989)
1989'da AT&T Bell Laboratuvarları'nda Yann LeCun, el yazısı posta kodlarını gerçek zamanlı olarak tanıyan bir evrişimli sinir ağı olan LeNet-1'i gösterdi.
1989 donanım özellikleri atılımı göstermektedir:
- Hesaplama Donanımı: Bir 486 PC'ye monte edilmiş AT&T DSP32C 32 bit kayan noktalı dijital sinyal işlemci kartı.
- Hesaplama Hızı: 12,5 MFLOPS (saniyede 12,5 milyon çarpma-biriktirme işlemi).
- Model Ölçeği: 2 evrişim katmanı (5 x 5 çekirdek) ve 2 tam bağlantılı katman arasında 9.760 parametre ve 64.660 bağlantı.
- Yazılım: SN (Bağımsız C koduna derlenen Lisp tabanlı simülatör).
LeNet-1, 30 yıllık manuel özellik mühendisliğini paramparça etti. Mühendislere elle kenar dedektörleri ve şekil kuralları hazırlatmak yerine, LeCun ağı geri yayılım yoluyla uçtan uca eğitti. Makine, kendi iç özellik temsillerini doğrudan ham piksellerden öğrendi.
Modern Paralel: Bellek Duvarı ve KV-Önbellek Darboğazları
Tıpkı 1989'daki DSP işlemcilerin bellek aktarım hızlarıyla sınırlı olması gibi, 2026 üretken yapay zekası da Bellek Duvarına (Bellek Bant Genişliği darboğazı) çarpmıştır.
GPU FLOPS'u son otuz yılda yaklaşık 60.000 kat artarken, DRAM bellek bant genişliği yalnızca yaklaşık 100 kat artmıştır. LLM çıkarımı sırasında, tensör çekirdekleri, parametrelerin ve anahtar-değer (KV) önbelleğinin HBM belleğinden hesaplama birimlerine aktarılmasını bekleyerek zamanın %95,3'üne kadar boşta kalır. Modern LLM sunumu, yine Feynman'ın von Neumann veriyolu sınırı tarafından boğulmaktadır.
5. Tarihsel Yapay Zeka Darboğazlarının Özet Matrisi
- Yüzyıl Sorunu
Tarihsel Referans / Bilim İnsanı / Yıl
- Yüzyıl Engeli
2026 LLM Karşılığı
Kombinasyonel Patlama
Lighthill Raporu / BBC Tartışması / 1973
Arama ağacı patlaması (
201820^{18}
hamle = 32.000 yıl) B Kategorisi Genel YZ'yi yok etti
Çok adımlı Düşünce Zinciri akıl yürütme zincirlerinde üstel hata yayılımı (
pnp^n
)
Kuralların Kırılganlığı
Hubert Dreyfus,
Makine Karşısında Zihin
/ 1986
Kural tabanlı uzman sistemler sezgisel durumsal "nasıl yapılacağını bilme"de başarısız oldu
LLM'lerin, felaket halüsinasyonları olmadan eğitim verilerinin ötesine tahmin yapamaması
ELIZA Etkisi
Joseph Weizenbaum, ELIZA (MIT) / 1966
İnsanlar, 200 satırlık örüntü eşleme MAD-SLIP koduna empati yansıttı
RLHF modellerinde dalkavukluk, YZ Hizalama başarısızlıkları ve tehlikeli kullanıcı insanbiçimciliği
Sözdizimi ve Anlam
John Searle, BBC Reith Dersleri / 1984
Çin Odası kanıtı: biçimsel sembol manipülasyonu anlayış değildir
"Stokastik Papağanlar": LLM'ler, fiziksel veya mantıksal sembol temellendirmesi olmadan belirteç dağılımlarını tahmin eder
Monolitik YZ Sınırları
Marvin Minsky,
Zihin Toplumu
/ 1986
Monolitik algoritmalar başarısız oldu; zeka, merkezi olmayan ajanlar gerektirir
Yoğun modellerde Ölçeklendirme Yasası duvarı; Uzman Karışımı (MoE) ve çoklu ajan sürülerine geçiş
Von Neumann Bellek Darboğazı
Richard Feynman (1985) ve Yann LeCun (1989)
Sıralı CPU veriyolları örüntü eşlemeyi tıkadı; LeNet-1 DSP32C bellek sınırları
"Bellek Duvarı": GPU çıkarımı, HBM ve KV-önbellek aktarımlarını beklerken zamanın %95'ine kadar durdu
Sonuç
Yapay zekanın tarihi, sürekli bir atılım çizgisi değil, yinelenen bir sarmaldır. 2026 sınır modellerinin karşı karşıya olduğu temel zorluklar (akıl yürütme bozulması, temellendirilmemiş anlam, ölçeklendirme sınırları ve bellek bant genişliği kısıtlamaları), yarım yüzyıl önce Lighthill, Weizenbaum, Searle, Minsky, Feynman ve LeCun tarafından haritalandırılan sınırların yüksek teknolojili yankılarıdır.
Bu tarihsel mimariyi anlamak yalnızca akademik bir alıştırma değildir. Makine zekasının bir sonraki paradigmasını inşa etmenin ön koşuludur.
