Bir öğrencinin eğitim hayatı boyunca ilerlemesi büyük ölçüde kendisinden daha fazla bilgi ve deneyime sahip insanların ona yol göstermesiyle mümkündür. Öğretmeni hatasını gösterir, danışmanı çalışmasının eksik taraflarını söyler, bir başka uzman ise daha önce fark etmediği yeni bir yöntemi öğretir.
Öğrenci zaman içerisinde geliştikçe dışarıdan aldığı bu yardıma duyduğu ihtiyaç azalabilir. Fakat günün sonunda insanın kendi hatalarını bütünüyle kendisinin fark ettiği, bunları düzelttiği, ardından kendisinin daha iyi bir sürümünü yarattığı bir öğrenme biçimi pek alışık olduğumuz bir durum değildir.
Yapay zekâ dünyasında ise son zamanlarda tartışılan meselelerden biri tam olarak buna benzemektedir. İngilizcede recursive self-improvement (RSI) olarak adlandırılan ve Türkçeye kabaca “özyinelemeli öz-gelişim” yahut daha anlaşılır biçimiyle “yapay zekânın kendi kendisini geliştirmesi” şeklinde aktarabileceğimiz bu kavram, yapay zekânın gelişimindeki belki de en ilginç eşiklerden birini teşkil etmektedir. Bugün bir yapay zekâ modeline “Bu cevabını eleştir ve daha iyisini yaz” dediğimizde model ilk çıktısından daha nitelikli bir metin üretebiliyor. Yazdığı bilgisayar kodundaki hataları bulabiliyor, farklı çözüm yollarını karşılaştırabiliyor veya kendisine verilen bir görevi birkaç aşamaya bölerek yeniden deneyebiliyor.
Ancak gerçek anlamda özyinelemeli gelişim bundan daha kapsamlı bir yetidir. Bir öğrencinin kompozisyonunu düzelterek daha iyi bir kompozisyon yazması başka; kendisinin daha hızlı öğrenmesini sağlayacak yeni bir öğrenme yöntemi keşfetmesi, bu yöntemi kendisine uygulaması ve daha sonra gelişmiş hâliyle daha da iyi bir yöntem üretmesi başka şeydir. İkinci durumda artık karşımızda basit bir öğrenme sürecinden ziyade yinelemeli bir döngü bulunmaktadır.
Anthropic’in yakın zamanda yayımladığı verilere göre şirket bünyesinde kullanılan Claude modelleri artık şirketin kendi yazılım geliştirme süreçlerinin önemli bir bölümüne doğrudan katkıda bulunabilmekte. Anthropic, Mayıs 2026 itibarıyla kendi kod tabanına eklenen kodların yüzde 80’inden fazlasının Claude tarafından yazıldığını belirtmektedir. Şirket mühendislerinin ürettiği kod miktarında ise birkaç yıl öncesine kıyasla belirgin bir artış yaşandığı raporlanan bilgiler arasında. Bununla beraber Anthropic de bu verilerin doğrudan aynı oranda bir “üretkenlik artışı” anlamına gelmediği konusunda ihtiyatlı davranmaktadır (bkz. https://www.anthropic.com/institute/recursive-self-improvement). Burada önemli olan husus ise şudur: Claude’nun yazdığı kodların bir bölümü, gelecekteki Claude modellerinin geliştirilmesinde kullanılan sistemlerin kodlarıdır.
Başka bir ifadeyle yapay zekâ, kendisinden sonra gelecek yapay zekânın geliştirilmesine yardım etmeye başlamış durumda. İyi haber şu ki şimdilik sürecin başındaki denetim mekanizması hâlâ insanlar tarafından oluşturuluyor. Araştırılacak problemi insan belirliyor, deneyin amacını insan tanımlıyor, sonuçları insan değerlendiriyor ve yeni modelin daha iyi olup olmadığına yine insanlar karar veriyor. Dolayısıyla bugün için gerçek anlamda bir “yapay zekâ kendi kendisini geliştiriyor” önerisini öne sürmek için henüz erken bir aşamada bulunmaktayız.
Bu tartışmada sıklıkla yapılan hata ise meseleyi salt bir “yapay zekâ insandan daha zeki olacak mı?” sorusuna indirgemektir. Ne var ki asıl mesele zekânın miktarından ziyade gelişimin hızıdır.
Bugün bir yapay zekâ modelini geliştiren araştırmacıların yeni bir yöntem keşfetmeleri, gerekli deneme-yanılma süreçlerini tamamlamları, sonuçlarını incelemeleri ve daha iyi bir model üretmeleri yıllar almaktadır. Bu süreçte insan zihninin, çalışma saatlerinin ve kurumların ise doğal sınırları bulunmaktadır. Ancak yapay zekâ araştırmasının giderek daha büyük bölümünün yapay zekânın kendisi tarafından yapılması farklı bir denklem ortaya çıkarabilir. Böylece gelişme doğrusal olmaktan çıkıp kendi kendisini besleyen bir döngüye dönüşebilir.
Yapay zekânın kendi gelişimine giderek daha fazla katkıda bulunmasının olumlu taraflarını görmek de zor değil.
Yeni ilaçların geliştirilmesi, malzeme bilimi, enerji teknolojileri veya iklim araştırmaları gibi yıllarca sürebilen bilimsel süreçlerin ciddi biçimde hızlanması bu sayede mümkün olabilir. Bir araştırmacının haftalar boyunca yapacağı literatür taramasını birkaç saatte gerçekleştiren, yüzlerce farklı hipotezi aynı anda sınayabilen sistemlerin bilimin hızını artıracağı şüphesiz.
Fakat yapay zekâ kendi gelişiminin de araştırmacısı hâline geldiğinde farklı bir sorunla karşılaşıyoruz. Bir sistemi geliştiren ile o sistemi denetleyen aynı aktör olduğunda, yapılan iyileştirmenin gerçekten bir “iyileştirme” olduğuna kim karar verecek?
Keza yapay zekânın bir testte daha yüksek puan alması, onun toplum açısından daha güvenli veya daha faydalı olduğu anlamına gelmeyebilir. Daha hızlı kod yazması mümkündür. Daha ikna edici cevaplar vermesi mümkündür. Daha uzun süre bağımsız çalışması da mümkündür. Fakat tüm bunların hangi amaç doğrultusunda kullanıldığı ayrı bir meseledir.
Belki de önümüzdeki yıllarda yapay zekâ alanındaki en önemli mesleklerden biri, yapay zekâyı geliştiren kişilerden ziyade yapay zekânın kendisini nasıl geliştirdiğini denetleyen kişiler olacaktır. Öyle ki, geçtiğimiz günlerde Anthropic’in yöneticisi Dario Amodei, kaleme almış olduğu makalesinde büyük dil modellerinin gelişimi sürecinde artık bağımsız denetçilere ihtiyaç duyduğunu belirtmiştir (bkz. https://darioamodei.com/post/we-must-pace-the-frontier).
Bugüne kadar teknolojinin gelişme hızını büyük ölçüde insanlar belirliyordu. İlk kez, gelişme hızının kendisinin de otomasyona konu olabileceği bir döneme yaklaşıyoruz. Bu nedenle recursive self-improvement meselesini bugün için ne makinelerin yarın sabah dünyayı ele geçireceğinin habercisi olarak görmek gerekir ne de teknoloji şirketlerinin kullandığı gösterişli bir kavram olarak geçiştirmek.Henüz kendi halefini bütünüyle tasarlayıp eğiten bağımsız bir yapay zekâ söz konusu değildir. Öte yandan kendi gelişim sürecine giderek daha fazla katkıda bulunan yapay zekâlar hızla gelişmektedir. Aradaki mesafe ise bundan birkaç yıl önce olduğundan daha kısa görünmektedir.
