Advertise on podcast: Otostopçunun Yapay Zeka Rehberi

Otostopçunun Yapay Zeka Rehberi'nde bu hafta, son dönemde yapay zeka mühendisliğinde giderek daha fazla konuşulan AI Harness Engineering konusunu ele alıyoruz. Artık mesele yalnızca daha güçlü yapay zeka modelleri geliştirmek değil, bu modellerin etrafında nasıl bir sistem kurduğumuz. Bir ajanın hangi araçları kullanacağı, neyi hatırlayacağı, nasıl hata yapacağı, hatasını nasıl fark edeceği ve ürettiği sonucun doğruluğunu nasıl sınayacağı da en az modelin kendisi kadar önemli. Norbert Wiener'in sibernetik ve geri bildirim teorilerinden başlayarak ReAct, Reflexion ve SWE-agent gibi akademik çalışmalara, OpenAI, Anthropic'in güncel mühendislik yaklaşımlarına uzanıyoruz. Bir modeli daha zeki hale getirmeden, onunla kurduğumuz sistemi daha yetenekli ve güvenilir hale getirebilir miyiz? Bu bölümde Harness Engineering'in ortaya çıkışını, teorik temellerini, uygulamalarını ve yapay zeka mühendisliğinin geleceği açısından neden önemli olduğunu konuşuyoruz. Kitap Kulübümüz: https://otostopcununyzrehberi.substack.com/p/otostopcunun-yapay-zeka-rehberi-kitap Zhong & Zhu (2026) – AI Harness Engineering: A Runtime Substrate for Foundation-Model Software Agents  Birgitta Böckeler (2026) – Harness Engineering for Coding Agent Users

Otostopçunun Yapay Zeka Rehberi’nde bu hafta: Yapay Zeka Kıyamet Senaryolarını konuşmaya başlıyoruz, bizim dilimizle yapay zeka kaynaklı büyük bir felaket gerçekten nasıl başlayabilir? İlk senaryo belki de en basiti: Makine kötüleşmez, bize düşman olmaz, sadece yanlış şeyi fazlasıyla iyi yapar. Yapay zeka güvenliği literatüründeki reward hacking, specification gaming ve goal misgeneralization problemleri tam olarak bu noktaya işaret ediyor. Biz bir niyet tarif ettiğimizi düşünürken aslında yalnızca ölçülebilir bir hedef veriyoruz; sistem de niyetimizi değil o hedefi optimize ediyor. Peki , Bir makine söylediğimizi yapar ama aslında istediğimizi yapmazsa ne olur? Kommunity - Fatih Bildirici ML Systems Design Eğitimi: https://www.youtube.com/watch?v=fEUuBND5XO4&t=183s Kitap Kulübümüz: https://otostopcununyzrehberi.substack.com/p/otostopcunun-yapay-zeka-rehberi-kitap Kaynaklar Nick Bostrom, Superintelligence: Paths, Dangers, Strategies, Oxford University Press, 2014.  Dario Amodei vd., “Concrete Problems in AI Safety”, 2016.  Lauro Langosco vd., “Goal Misgeneralization in Deep Reinforcement Learning”, ICML. Stuart Russell, Human Compatible: Artificial Intelligence and the Problem of Control, 2019.

Otostopçunun Yapay Zeka Rehberinde bu hafta, buhar makinesinden yapay zekâ ile karar veren fabrikalara uzanan yaklaşık 250 yıllık bir yolculuğa çıkıyoruz. Sanayi 1.0’ın mekanik tezgahlarından elektriğe ve seri üretime, PLC’lerle başlayan otomasyondan Endüstri 4.0’ın IoT sensörlerine, dijital ikizlerine ve akıllı fabrikalarına; oradan üretken yapay zeka, AI agent’ları, robotlar ve kısmen otonom fabrikalara kadar üretimin geçirdiği büyük dönüşümü konuşuyoruz. Ama asıl sorumuz teknoloji değil: Bir fabrika gerçekten nasıl “öğrenen” bir organizasyona dönüşür? Predictive maintenance’tan computer vision’a, IoT ve edge computing’den digital twin’e, insan–makine işbirliğinden AI-first şirketlere kadar teknolojinin üretim sahasında gerçekte nasıl değer yarattığını; neden yüzlerce AI pilotunun ölçeklenemediğini ve şirketlerin yapay zeka dönüşümüne nereden başlaması gerektiğini konuşuyoruz. Bunu yaparken de Hugo Boss İzmir tarafından yapılan OpEx Day 2026 ve kaynaklarımızdan notlarımıza bakıyoruz. Kitap Kulübümüze Katılmak İçin: https://otostopcununyzrehberi.substack.com/p/otostopcunun-yapay-zeka-rehberi-kitap Bölümde konuştuğumuz araştırma: 2026 roadmap on artificial intelligence and machine learning for smart manufacturing https://iopscience.iop.org/article/10.1088/3049-4761/ae5967 Kaynaklar: NIST — 2026 Roadmap on Artificial Intelligence and Machine Learning for Smart Manufacturing AI/ML, dijital ikizler, robotik, GenAI, foundation modeller ve akıllı üretimin geleceği için kapsamlı yol haritamız bölümde çokca referans verdik.World Economic Forum — Global Lighthouse Network ve ileri üretim AI ve ileri üretim teknolojilerinin gerçek fabrikalarda ölçeklenmesine ilişkin güncel örnekler; ağ 2026 itibarıyla 238 üretim ve tedarik zinciri tesisine ulaşmış durumda.European Commission — Industry 5.0  Endüstri 4.0’ın ötesinde insan merkezlilik, sürdürülebilirlik ve dayanıklılık yaklaşımı belgesi.

Otostopçunun Yapay Zeka Rehberi’nde bu hafta, yapay zekânın belki de en önemli ama gündelik tartışmaların arasında biraz gözden kaçan kullanım alanına, bilimsel keşfin kendisini nasıl değiştirdiğine bakıyoruz. Birkaç yıl önce AlphaFold’un protein yapılarını tahmin etmesini büyük bir kırılma olarak konuşuyorduk, bugün yapay zeka ajanları bilimsel literatürü tarıyor, yeni proteinler ve malzemeler tasarlıyor, ilaç adayları öneriyor, laboratuvar deneylerini planlıyor, başka ajanların hipotezlerini eleştiriyor biz de gelip bugün matematiğin onlarca yıldır açık kalan problemlerin yapay zeka şirketleri tarafından teker teker çözülmesine bakıyoruz. https://fatihbildirici.com Kaynaklar: Yapay Zeka Yarışı Sonunda Yavaşlıyor Mu? On the Navier–Stokes Millennium Prize Problem https://openai.com/index/navier-stokes-solution/ BTK Akademi Açıklanabilir Yapay Zeka Eğitimi: https://www.btkakademi.gov.tr/portal/course/aciklanabilir-yapay-zeka-xai-68807

Kitap Kulübüne Katılmak İçin: https://chat.whatsapp.com/DGY0NPT3EaRBKVLS3hPKxU Fularsız Entelliğin podcast önerilerine aşağıda ilişkili bölümler alanından ulaşabilirsiniz. https://open.spotify.com/episode/0pVNWIIWuX1b6lu76DV2XR Hangi eğitime, kitaba niçin bakalım: Michael Wooldridge - Bilinçli Makinelere Giden YolYapay zekânın tarihini, temel fikirlerini ve bugüne nasıl geldiğimizi anlamak için. Fei-Fei Li -The Worlds I SeeImageNet, bilgisayarlı görü, veri ve modern AI araştırmasının insan ve bilim insanı tarafındaki hikayesini görmek için, üstelik A sınıfı bir bilim insanı. Stuart Russell & Peter Norvig - Artificial Intelligence: A Modern ApproachYapay zekayı yalnızca makine öğrenmesine indirgemeden bütün alanı görmek için en iyi giriş seviyesi ders kitabını görmek için. Ian Goodfellow, Yoshua Bengio & Aaron Courville - Deep LearningDerin öğrenmenin matematiksel ve teknik temelleri için, biraz teknik tarafa yoğunlaşmak için. Chip Huyen - Makine Öğrenmesi Sistemleri Tasarlamak / Designing Machine Learning SystemsBir modeli gerçek dünyada çalışan, izlenebilir ve güvenilir bir AI sistemine dönüştürmeyi anlamak ve teknik tarafa güvenli bir giriş için. Ethan Mollick - Co-Intelligenceİnsan ile üretken yapay zekanın birlikte nasıl çalışabileceğini görmek için, üstelik sürekli güncel. Kate Crawford - Atlas of AIAI’ın veri, emek, enerji, altyapı, çevre ve güç ilişkileri tarafını anlamak için. Brian Christian - The Alignment ProblemYapay zekâ sistemlerini insan hedefleri ve değerleriyle hizalama problemini anlamak için. Ajay Agrawal, Joshua Gans & Avi Goldfarb - Prediction MachinesYapay zekânın ekonomik etkisini ve “tahmin maliyetinin düşmesi” fikrini anlamak için. Mustafa Suleyman & Michael Bhaskar - The Coming Wave / Yaklaşan DalgaAI, biyoteknoloji, yayılma, otonomi, containment, devletler ve teknolojik güç tartışmasını görmek için. Dersler Elements of AI - University of Helsinki & ReaktorSıfırdan başlayan biri için en iyi kavramsal AI giriş derslerinden biri, üstelik takibi çok kolay. AI for Everyone - Andrew Ng / DeepLearning.AITeknik olmayanlar, yöneticiler ve iş dünyası için AI’ın ne yapabileceğini ve AI projelerinin nasıl düşünülmesi gerektiğini anlamak için en iyi ders bence hala. Google AI Essentials-GoogleGenerative AI, prompting ve günlük işlerde güvenli/pratik AI kullanımı için çok iyi bir giriş dersi. AI Foundations for Everyone - IBMTeknik geçmiş gerektirmeden AI, machine learning ve generative AI kavramlarına giriş. Work Smarter with AI - Microsoft Learnİş kullanıcıları ve beyaz yakalar, profesyoneller için generative AI, grounding, agent’lar ve AI çıktılarının değerlendirilmesi üzerine giriş dersi diyebiliriz. Machine Learning Specialization - Andrew Ng / Stanford & DeepLearning.AIRegression, classification, neural networks, decision trees, clustering ve temel ML mantığını öğrenmek için. CS50’s Introduction to Artificial Intelligence with Python — HarvardSearch, knowledge representation, uncertainty, optimization, machine learning ve NLP’yi kodlayarak öğrenmek için dünyanın en iyi, en kolay, en keyifli dersi. MIT 6.S191 - Introduction to Deep LearningNeural network’ler, deep learning, vision, sequence modelleri ve modern mimarilere daha teknik giriş için bakılabilir, biraz ileri seviye bir derin öğrenme eğitimi, içerik teknik. AI Agents - deeplearning.aiÖnce çalışan sistemler kurup sonra teorisini anlamak tarafında Agent konusuna giriş için bir eğitim. Hugging Face - LLM CourseTransformer, tokenizer, embedding, pretrained model, fine-tuning ve günümüz LLM ekosistemini uygulamalı öğrenmek için.

Otostopçunun Yapay Zeka Rehberinde bu hafta, Türkiye’nin yeni 2026–2030 Yapay Zekâ Eylem Planı üzerinden biraz daha büyük bir sorunun peşine düşüyoruz: Bir ülke gerçekten nasıl yapay zeka ülkesi olur? Çünkü mesele yalnızca yerli bir büyük dil modeli geliştirmek, birkaç chatbot yapmak ya da şirketlere üretken yapay zeka araçları dağıtmak değil. İşin altında elektrik ve veri merkezleri, GPU erişimi, nitelikli insan kaynağı, kullanılabilir veri, araştırma finansmanı, kamu alımları, robotik, güvenlik testleri, standartlar ve hatta yapay zekâ diplomasisi var. Türkiye’nin planındaki “Fark Et, İstifade Et, Üret, Yönet” yaklaşımını baştan sona incelerken Avrupa’nın AI Factories hamlesinden İngiltere’nin sovereign compute yaklaşımına bakıyoruz. Kaynaklar: https://fatihbildirici.com Yapay Zeka Eylem Planı: https://www.sanayi.gov.tr/yapayzekaeylemplani

Kitap ve Makale Okuma Kulübü Fikri İçin: https://otostopcununyzrehberi.substack.com/p/otostopcunun-yapay-zeka-rehberi-kitap Otostopçunun Yapay Zeka Rehberinin bu haftaki bölümünde biraz şirketlerin son dönemde çok sevdiği AI-Native, AI-First, Agentic Enterprise gibi kavramların arkasına bakıyoruz. Şirkete ChatGPT lisansı dağıtmakla gerçekten AI-Native olmak arasındaki fark ne, hangi işleri AI’a vermek gerekiyor, insanın rolü nasıl değişiyor, neden asıl mesele model değil workflow, context ve öğrenme hızı? Bunu da birkaç keyifli kitap ve raporla yapıyoruz. Marco Iansiti & Karim R. Lakhani — Competing in the Age of AIAI-native şirketlerde asıl meselenin tek tek AI use case’leri değil, şirketin operating architecture’ının değişmesi olduğunu anlatıyor. Özellikle scale, scope ve learning çerçevesi önemli. Ajay Agrawal, Joshua Gans & Avi Goldfarb — Prediction MachinesAI’ı ekonomik olarak “prediction maliyetinin düşmesi” üzerinden okuyor. Bir girdinin maliyeti düştüğünde yalnızca o işi ucuzlatmıyor, çevresindeki karar ve iş modellerini de değiştiriyor.

Otostopçunun Yapay Zekâ Rehberi’nde bu hafta biraz San Francisco’ya, Y Combinator’ın Startup School 2026 etkinliğine uzanalım. Jensen Huang, Sam Altman, Boris Cherny, gibi teknoloji dünyasının şu anda en fazla konuşulan isimlerinin iki gün boyunca anlattıklarına beraber bakalım.  İlk bölümden sonra daha fazla ismin fikirlerini de ele alacağız. Kişisel Web Sitem: https://fatihbildirici.com Substack'de okumak için: YC Startup School 2026’dan Notlar: Zeka Ucuzlarken Gerçekten Değerli Olan Ne? https://substack.com/home/post/p-209825307

Otostopçunun Yapay Zeka Rehberi’nde bu hafta, yapay zekaya daha etkileyici komutlar yazmayı değil, onu günlük hayatın içinde nasıl daha doğru kullanabileceğimizi konuşuyoruz. Yapay zekayı açmadan önce neden kendi başlangıç noktamızı oluşturmalıyız? Akıcı ve kendinden emin cümleleri neden doğru bilgiyle karıştırıyoruz? Modele ne kadar bağlam vermeli, hangi bilgileri mutlaka dışarıda bırakmalıyız? Yaratıcı işlerde yapay zekayı neden sürecin başında değil, ortasında kullanmak daha iyi sonuç verebilir? Daniel Kahneman’dan Ethan Mollick’e, Emily Bender’dan güncel Microsoft Research çalışmalarına uzanan bu bölümde, yapay zekayı yalnızca daha hızlı değil; daha eleştirel, güvenli ve gerçekten bize ait bir düşünme süreci içinde kullanmanın yollarına bakıyoruz. Çünkü yapay zekayı masaya davet etmek önemli, fakat hangi sandalyeye oturacağını hâlâ bizim belirlememiz gerekiyor. Latentshift AI konferansı: https://latentshift.ai/tr/ Fatih Bildirici: https://fatihbildirici.com Bölümde yararlanılan bazı kaynaklar: Ethan Mollick — Co-Intelligence: Living and Working with AI ayrıca hocanın Substack kanalı da https://www.oneusefulthing.org Daniel Kahneman — Thinking, Fast and Slow Emily M. Bender ve Alex Hanna — The AI Con Anil R. Doshi ve Oliver P. Hauser — “Generative Artificial Intelligence Enhances Creativity but Reduces the Diversity of Novel Content” Microsoft Research ve Carnegie Mellon Araştırması — “The Impact of Generative AI on Critical Thinking”

Yapay zekâ hayatımızı gerçekten dönüştürüyor mu, yoksa sadece iyi pazarlanmış bir gösteriyi mi izliyoruz? Tam Olarak Öyle Değil'in bu bölümünde konuğumuz Fatih Bildirici. Savunma sanayiinden üretime uzanan deneyimiyle, yapay zekânın bugün geldiği noktayı, şirketlerin AI yarışını, üretkenlik vaatlerini ve gerçek değer yaratmanın ne anlama geldiğini konuşuyoruz. Belki de yapay zekâ hakkında bildiklerimizin bir kısmı sandığımız kadar doğru değil. Belki de... tam olarak öyle. Bölümde Geçen Kaynaklar: Tom Chivers - Yapay Zeka Senden Nefret Etmiyor (Kitap) David Fajgenbahum - Every Cure Şirketi ve AI İle İlaç Geliştirmek: https://everycure.org Judea Pearl - The Book of Why (Kitap)

Latentshift Konferansı Hakkında Bilgi Almak İçin: https://latentshift.ai/tr/ Kişisel Web Sitem: https://fatihbildirici.com Otostopçunun Yapay Zeka Rehberi'nde bu hafta yapay zeka ekosistemini, uzun bir süre devasa veri merkezlerine ve astronomik enerji tüketimine dayanan Büyük Dil Modelleri (LLM) etrafında şekillenmiş akımı, yapay zeka araştırmacısı Andrej Karpathy'nin fiziksel gerçeklikten kopuk, yalnızca internetin puslu bir yansımasını ezberleyen "bedensiz hayaletler" olarak nitelendirdiği bu trilyon parametreli modellerin yerini, günümüzde doğrudan kişisel cihazlarımızda çalışabilen Küçük Dil Modelleri (SLM) konusunu detaylı olarak ele alıyoruz .Dyevasa veri setleriyle kasıtlı olarak "aşırı eğitime" (overtraining) tabi tutulan ve büyük modellerin mantık zincirlerinden bilgi damıtma (knowledge distillation) yöntemiyle faydalanan bu minyatür zihinlerin; bulut altyapılarına ihtiyaç duymaksızın akıllı telefonlarımızda, bilgisayarlarımızda ve otonom sistemlerimizde yüksek mahremiyet ve sıfır gecikmeyle çalışabilmesini ve bireyler, şirketler için önemini anlamaya çalışıyoruz.

Otostopçunun Yapay Zeka Rehberi’nin bu bölümünde; yapay zekanın, blokzincirin ve tokenizasyonun kesiştiği o son derece eğlenceli, kafaları biraz yakan ama bir o kadar da hayati olan "yeni nesil makine ekonomisini" masaya yatırıyoruz. Bir yandan akıllı sözleşmelerle kendi parasını kazanan yapay zeka ajanlarının ve interneti dev şirketlerin elinden geri almaya çalışan Web3 dünyasını, diğer yandan milyarlarca tokenı havaya savuran "tokenmaxxing" çılgınlığının ve Sam Altman'ın hepimizi kendi ekosistemine bağlama planlarını inceliyor, şirketler ve bireyler neler yapabilir düşünüyoruz. Bölümde Bahsettiğim Kesinlikle Katılabileceğiniz, Latentshift Konferansı Hakkında Bilgi Almak İçin: https://latentshift.ai/tr/ Konuyla İlgili Akademik Makalemiz: Blockchain based tokenomics architecture for developer incentivization in software development processes Sam Altman'ın Ayda 100 Milyar Token Yakan Müşterisi: OpenAI modellerinin ne kadar devasa bir işlem gücü tükettiğini ve "tokenmaxxing" çılgınlığının arkasındaki maliyet krizlerini açıklayan o meşhur haber. Sam Altman’ın Girişimlere "Hisse Karşılığı Token" Yatırımı: Erken aşama girişimleri nakit para yerine OpenAI API kredileriyle fonlayan ve onları kendi ekosistemine kilitleyen yeni nesil yatırım modeli. Chris Dixon - Read Write Own Manifestosu: Blokzincir teknolojisinin internetteki sömürüyü bitirip mülkiyeti nasıl kullanıcılara geri vereceğini anlatan dijital çağ manifestosu. Yapay Zeka Ajanları İçin Blokzincir Ödeme Altyapısı: Otonom yapay zeka ajanlarının akıllı sözleşmeler ve dijital cüzdanlar kullanarak birbirleriyle nasıl ticaret yapabileceğini gösteren teknik rehber.

Otostopçunun Yapay Zeka Rehberi’nin bu bölümünde; yapay zekanın iklim sürdürülebilirliği ile olan son derece karmaşık, çelişkili ve iki ucu keskin ilişkisini ele alıyoruz. Bir yandan akıllı şebekeler, hassas tarım ve moleküler düzeyde karbon yakalama teknolojileriyle gezegenimizi kurtarma potansiyeli taşıyan bu dijital imkanı, altyapıyı, fırsatı ele alıyor; diğer yandan devasa veri merkezlerinin doymak bilmez enerji, su, arazi ve atıklarının yarattığı görünmez çevresel maliyetleri masaya yatırıyoruz. Bilimler Köyü ve Yapay Zeka Etkinlikleri: https://bilimler.org/etkinlikler/ Kişisel web sitem: https://fatihbildirici.com Kaynaklar: Strubell ve diğerleri (2019) - NLP Modellerinin Enerji Analizi: Büyük yapay zeka modellerinin eğitim süreçlerindeki devasa enerji tüketimini ve bunun bir binek otomobilin ömür boyu saldığı emisyona eşdeğer karbon ayak izini ilk kez ortaya koyarak bu alandaki küresel tartışmaları başlatan öncü akademik çalışma. Rolnick ve diğerleri (2022) - Makine Öğrenimi ile İklim Kriziyle Mücadele: Akıllı şebekelerden hassas tarıma kadar makine öğreniminin iklim değişikliğinin azaltılması ve adaptasyon süreçlerinde nasıl yüksek kaldıraçlı bir çözüm ortağı olabileceğini gösteren kapsamlı yol haritasını sunan makale, Bengio da araştırmacılar arasında. UNU-INWEH (2026) - Yapay Zekanın Çevresel Maliyeti: Küresel veri merkezlerinin 2030 yılına yönelik elektrik, karbon, su, arazi kullanımı ve elektronik atık projeksiyonlarını detaylandırarak yapay zekanın fiziksel sınırlarını çizen bölümün odağına aldığımız rapor.

Otostopçunun Yapay Zeka Rehberi'nin bu bölümünde yapay zeka yatırımlarının deneysel aşamalardan çıkıp endüstriyel ölçekte bir altyapı inşasına dönüştüğü bu dönemde, sektörün 2026 yılındaki büyüme dinamiklerini ve harcama kırılımlarını analiz eden araştırmalara odaklanarak, altyapı harcamalarının pazarın omurgasını oluşturduğunu ve otonom ajanlar ile üretken yapay zeka modellerinde durumun ne olduğunu. Şirketlerin yatırımlarının ne durumda olduğunu, neler yapılması gerektiğini konuşalım. https://otostopcununyzrehberi.substack.com https://fatihbildirici.com Kaynak: Gartner Basın Bülteni: Gartner Forecasts Worldwide AI Spending to Grow 47 Percent in 2026  https://www.gartner.com/en/newsroom/press-releases/2026-05-19-gartner-forecasts-worldwide-ai-spending-to-grow-47-percent-in-2026

Otostopçunun Yapay Zeka Rehberi'nde, yapay zeka dünyasında Batı'nın hegemonyasını temelden sarsan destansı bir teknoloji savaşını inceliyoruz. Google DeepMind'ın yapay genel zeka (AGI) vizyonunu ve o meşhur AlphaGo zaferini anlatan The Thinking Game belgeselinde izlediğimiz o tarihi kırılma anı, Çin için uyuyan bir ejderhayı uyandıran sarsıcı bir "Sputnik Anı" olmuş Kai Fu Lee'ye göre AI Superpowers kitabında böyle diyor. Peki Çin, o yenilgiden sonra nasıl oldu da Silikon Vadisi'nin milyarlarca dolarlık yatırımlarıyla rekabet eden, kısıtlı imkanlarla OpenAI'a kafa tutan DeepSeek gibi bir devi yarattı? Çin'in acımasız "biz öyle düşünmesek de yorucu ve güçlü rekabet kültürünü" ve veri ve dijitalleşme kültürü ve iyi stratejiler ile beslenen yapay zeka yolculuğuna gelin detaylı bakalım. https://fatihbildirici.com Kaynaklar: The Thinking Game Belgeseli: Google DeepMind'ın AGI yolculuğu ve AlphaGo'nun tarihi zaferi. https://www.youtube.com/channel/UC0SOuDkpL6qpIF1o4wRhqRQ Guinness Global Equity Insights: DeepSeek şokunun piyasalara etkisi ve Amerikan modelleriyle rekabeti. Çinli Yenilikçinin Öğrettikleri , AI Superpowers ve Red AI kitapları