Yapay Zekanın Tüm Tarihi (1943-2026)

Artık elimiz ayağımız haline gelen yapay zekanın ortaya çıkışı ve günümüze dek nasıl geliştiğini kaynaklarıyla anlatacağım. Bugünün yalnızlığında sohbet ettiğimiz, hemen her bilgiyi sorduğumuz, program yazdırdığımız, tomografi sonuçlarını gösterdiğimiz yapay zekanın hikayesi 1943’te başlıyor. Temelinde matematiksel mantık, bilgisayar mühendisliği ve nörobilim olan yapay zeka (ai / Artificial Intelligence) 2026’nın sonlarına dek pek çok kez hayal kırıklığına uğradı. Ancak aşağıdaki aşamalarla günümüzdeki halini alabildi.

İlk Yapay Nöron Modeli ve Turing’in Sorusu 1943-1955

• 1943: İlk yapay nöron modeli. Warren McCulloch ve Walter Pitts, sinir hücrelerinin basit mantıksal birimler olarak modellenebileceğini gösteren makaleyi yayımladı. Bu çalışma, yapay sinir ağlarının matematiksel başlangıcı sayılır.
• 1950: Turing’in sorusu. Alan Turing, Mind dergisinde yayımlanan “Computing Machinery and Intelligence” makalesinde “Makineler düşünebilir mi?” sorusunu ele aldı ve sonradan “Turing Testi” olarak anılacak taklit oyununu makine düşünmesi konusunda ele aldı.
• 1955 (31 Ağustos): Terimin doğuşu. John McCarthy, Marvin Minsky, Nathaniel Rochester ve Claude Shannon, Rockefeller Vakfı’na sundukları öneride “yapay zekâ” ifadesini ilk defa kullandılar.

İlk Sohbet Robotu: Eliza 1956-1973

• 1956: Dartmouth Çalıştayı. Dartmouth Yaz Araştırma Projesi, McCarthy, Minsky, Rochester ve Shannon tarafından düzenlendi ve yapay zeka alanının kuruluşu olarak kabul edilmektedir. Allen Newell, Herbert Simon ve Cliff Shaw’ın geliştirdiği Logic Theorist programı da bu dönemin simgesel yapay zekâ çalışmalarındandır.
• 1958: Perseptron ve LISP. Frank Rosenblatt, öğrenebilen bir yapay nöron modeli olan Perseptron’u tanıttı. Aynı yıl McCarthy, yapay zekâ araştırmalarında uzun yıllar kullanılacak LISP dilini geliştirdi.
• 1966: ELIZA. Joseph Weizenbaum’un MIT’de geliştirdiği ELIZA, basit kalıp eşleştirmeyle insanla sohbet ediyormuş izlenimi veren sohbet programlarının ilk ünlüsüydü.
• 1969: Perceptrons kitabı. Minsky ve Seymour Papert, tek katmanlı perseptronların sınırlarını matematiksel olarak ortaya koydu.

İlk Yapay Zeka Balonu / Kışı 1973-1993

• 1973: Lighthill Raporu. Birleşik Krallık’ta hazırlanan rapor, yapay zekanın büyük vaatlerini karşılayamadığını öne sürdü. Bu rapor, yapay zekaya ayrılan fonların kısılmasında etkili oldu. Bu dönem ilk yapay zekâ kışı olarak anılır.
• 1980’ler: Uzman sistemler. Kural tabanlı uzman sistemler ticari başarı yakaladıktan sonra şirketler yapay zekâya yeniden yatırım yaptı.
• 1986: Geri yayılım. David Rumelhart, Geoffrey Hinton ve Ronald Williams, Nature‘da yayımladıkları makaleyle çok katmanlı sinir ağlarının geri yayılım algoritmasıyla etkili biçimde eğitilebileceğini gösterdi.
• 1980’lerin sonu – 1990’ların başı: İkinci kış. Uzman sistemlerin bakım maliyeti ve sınırlı esnekliği ile özel donanım pazarının çöküşü, yatırımların yeniden azalmasına yol açtı.

Günümüzde sıkça duyduğumuz yapay zeka balonu terimi de bu yıllarla örtüşüyor. Maliyetlerin yüksek olması ve beklenen katma değeri yaratmaması yapay zeka yatırımları ve hypeı konusunda soru işaretleri oluşturuyor.

Satranç Şampiyonu Deep Blue 1997-2011

• 1997: Deep Blue. IBM’in Deep Blue sistemi, Mayıs 1997’de satranç dünya şampiyonu Garry Kasparov’u 3,5–2,5’lik skorla yendi. Aynı yıl Sepp Hochreiter ve Jürgen Schmidhuber, uzun diziler üzerinde öğrenmeyi kolaylaştıran LSTM mimarisini yayımladı.
• 2006: Derin öğrenme yeniden gündemde. Hinton ve arkadaşları, çok katmanlı ağların katman katman önceden eğitilmesini tavsiye eden “derin inanç ağları” çalışmasını yayımladı.
• 2009: ImageNet. Fei-Fei Li ve ekibi, milyonlarca etiketli görüntüden oluşan ImageNet veri kümesini tanıttı. Bu veri kümesi, sonraki on yılın görüntü tanıma yarışmalarının temelini oluşturdu.
• 2011: Watson, Jeopardy!’de. IBM Watson, Şubat 2011’de televizyonda yayımlanan Jeopardy! bilgi yarışmasında iki eski şampiyonu yendi.

Bu yıllarda bilgisayar kullanan ve bilgisayar dergilerini takip eden biriyim. Özellikle Deep Blue’nun başarısı oldukça sansasyoneldi. O günlerde yarattığı etkiyi hatırlıyorum. Sınırlı televizyon kanallarında ana haber bültenlerinde Deep Blue anlatılıyordu.

Gerçek Transformer ve Google Etkisi 2012-2017

• 2012: AlexNet. Alex Krizhevsky, Ilya Sutskever ve Hinton’ın derin evrişimli ağı, ImageNet yarışmasında rakiplerini açık farkla yendi. Bu sonuç derin öğrenme çağını başlatan an olarak kabul edilir; GPU’larla eğitimin gücünü de gösterdi.
• 2014: GAN’lar. Ian Goodfellow ve ekibi, iki ağın birbiriyle yarıştığı üretken çekişmeli ağları (GAN) önerdi.
• 2015: ResNet. Kaiming He ve ekibi, yüzlerce katmanlı ağların eğitilmesini mümkün kılan artık (residual) bağlantıları tanıttı.
• 2016 (Mart): AlphaGo. Google DeepMind‘ın AlphaGo programı, Go oyuncusu Lee Sedol’u 4–1 yendi. Go’nun arama uzayı satranca kıyasla çok daha büyük olduğu için bu sonuç uzmanları şaşırttı.
• 2017: Transformer. Google araştırmacıları “Attention Is All You Need” makalesiyle Transformer mimarisini yayımladı. Bugünkü büyük dil modellerinin neredeyse tamamı bu mimariye dayanır. Makalenin PDF halini görüntüleyin.

ChatGPT Geliyor… 2018-2022

• 2018: GPT ve BERT. OpenAI ilk GPT modelini, Google ise çift yönlü BERT modelini yayımladı. Aynı yıl ACM Turing Ödülü, derin öğrenmeye katkılarından dolayı Yoshua Bengio, Geoffrey Hinton ve Yann LeCun’a verildi (ödül 2019’da duyuruldu).
• 2019: GPT-2. OpenAI, kötüye kullanım endişeleriyle modeli aşamalı olarak paylaştı.
• 2020: Ölçekleme yasaları ve GPT-3. Jared Kaplan ve ekibi, model performansının boyut, veri ve hesaplama ile öngörülebilir biçimde arttığını gösterdi. Aynı yıl 175 milyar parametreli GPT-3 tanıtıldı. DeepMind’ın AlphaFold 2 sistemi de CASP14 yarışmasında protein yapısı tahmininde çığır açan sonuçlar elde etti.
• 2021: AlphaFold’un yayımlanması. AlphaFold 2’nin yöntemi Temmuz 2021’de Nature‘da yayımlandı. Tahmin edilmekte olan protein yapıları araştırmacılara açıldı.
• 2022 (Mart): İnsan geri bildirimiyle hizalama. OpenAI’ın InstructGPT çalışması, insan geri bildiriminden pekiştirmeli öğrenme (RLHF) yönteminin dil modellerini kullanıcı talimatlarına uygun hale getirmedeki etkisini gösterdi.
• 2022 (Ağustos): Stable Diffusion. Stability AI, açık erişimli metinden görüntü üretim modelini yayımladı.
• 2022 (30 Kasım): ChatGPT. OpenAI, ChatGPT’yi halka açtı. Kısa sürede tarihin en hızlı büyüyen tüketici uygulamalarından biri olduğu tahmin edildi (UBS analizine göre iki ayda yaklaşık 100 milyon aylık kullanıcı).

Üretken Yapay Zeka Dönemi 2023-2024

• 2023 (14 Mart): GPT-4. OpenAI, metin ve görüntü girdisini kabul eden GPT-4’ü tanıttı.
• 2023 (1-2 Kasım): Bletchley Bildirgesi. Birleşik Krallık’ta düzenlenen Yapay Zekâ Güvenliği Zirvesi’nde, aralarında Çin, ABD ve AB’nin de bulunduğu ülkeler ileri düzey yapay zekânın riskleri konusunda ortak bildirgeye imza attı.
• 2023 (6 Aralık): Google, Gemini’yi ilk kez 6 Aralık 2023’te duyurdu; Şubat 2024’te Bard, Gemini adını aldı.
• 2024 (4 Mart): Claude 3 ailesi. Anthropic, Haiku, Sonnet ve Opus modellerinden oluşan Claude 3 ailesini duyurdu.
• 2024 (1 Ağustos): AB Yapay Zekâ Yasası yürürlüğe girdi. AI Act 1 Ağustos 2024’te yürürlüğe girdi; yasaklı uygulamalar ve yapay zekâ okuryazarlığı yükümlülükleri 2 Şubat 2025’ten itibaren uygulanmaya başladı.
• 2024 (12 Eylül): o1. OpenAI, yanıt vermeden önce “düşünen” akıl yürütme modeli o1-preview’i duyurdu.
• 2024 (Ekim): Yapay zekâya Nobel. Fizik Nobel Ödülü, yapay sinir ağlarıyla makine öğrenmesini mümkün kılan temel keşifler nedeniyle John Hopfield ve Geoffrey Hinton’a verildi. Ertesi gün Kimya Nobel’i, hesaplamalı protein tasarımı için David Baker’a, AlphaFold ile protein yapısı tahmini için Demis Hassabis ve John Jumper’a verildi.

Ajanlar Dönemi ve Yeni Evrim 2025-2026

• 2025 (20 Ocak): DeepSeek-R1. Çinli DeepSeek şirketi, R1 akıl yürütme modelini açık ağırlıklı olarak yayımladı; model, OpenAI’ın o1 gibi kapalı modellerinin performansına yakındı ve çok daha düşük maliyetle geliştirildiği öne sürüldü. Model sonradan hakemli bir dergide (Nature) yayımlanan ilk büyük dil modellerinden biri oldu.
• 2025 (Mart): Pekiştirmeli öğrenmeye Turing. 2024 ACM Turing Ödülü, pekiştirmeli öğrenmenin kavramsal ve algoritmik temellerini attıkları için Andrew Barto ve Richard Sutton’a verildi.
• 2025 (2 Ağustos): AB’de genel amaçlı yapay zekâ kuralları. AI Act’in genel amaçlı yapay zekâ modellerine ilişkin yükümlülükleri uygulanmaya başladı.
• 2025 (7 Ağustos): GPT-5. OpenAI, o-serisi modellerin akıl yürütme yeteneğini GPT serisinin hızlı yanıtlarıyla birleştiren ilk “birleşik” modeli olarak GPT-5’i yayımladı.
• 2025 (18 Kasım): Gemini 3. Google, Gemini 3’ü Gemini uygulaması ve yapay zekâ arama arayüzünde hemen kullanıma sundu.
• 2026 (Şubat): Gemini 3.1 Pro ve Deep Think. Google, Gemini 3 ailesinin kararlı sürümlerini güncelledi (Gemini 3 Deep Think 12 Şubat, 3.1 Pro 19 Şubat).
• 2026 (9 Haziran): Claude Fable 5 ve Mythos 5. Anthropic, Opus’un üzerinde konumlanan “Mythos sınıfı” ilk modelleri duyurdu. Fable 5 genel kullanıma, Mythos 5 ise onaylı kuruluşlara yönelikti.
• 2026 (12 Haziran – 1 Temmuz): İhracat kontrolü. ABD hükümeti 12 Haziran’da Fable 5 ve Mythos 5’e ihracat kontrolleri uyguladı; bu, yabancı uyrukluların erişimini kısıtlamayı gerektirdi ve Anthropic uyrukluğu gerçek zamanlı doğrulayamadığı için her iki modele erişimi tüm kullanıcılar için askıya aldı. Kontroller 30 Haziran’da kaldırıldı ve erişim 1 Temmuz’da yeniden açıldı.
• 2026 (27 Temmuz): AB “Dijital Omnibüs” düzenlemesi. AI Act’i değiştiren düzenleme yürürlüğe girdi. Yüksek riskli bağımsız sistemlere ilişkin yükümlülükler 2 Aralık 2027’ye, ürünlere gömülü yüksek riskli sistemlere ilişkin yükümlülükler 2 Ağustos 2028’e ertelendi.
• 2026 (2 Ağustos): AI Act genel uygulama tarihi. AI Act, 2 Ağustos 2026’dan itibaren genel olarak uygulanmaktadır. Şeffaflık yükümlülükleri (madde 50) bu tarihte devreye girdi.
• 2026 (1 Eylül): Fable 5.1 ve Mythos 5.1. Anthropic, Mythos sınıfı modellerinin yeni sürümlerini yayımladı.
• 2026 (3 Eylül): GPT-6 Astra. OpenAI, GPT-6 Astra’yı aşamalı olarak sunmaya başladı; ilk erişim, siber güvenlik programı kapsamındaki şirketlere verildi.

1950’lerin sembolik ve kuramsal yapay zeka fikirlerinden günümüzün baş döndüren gelişmelerine dek yapay zekanın tarihsel süreçteki mihenk taşlarını işledim. Yapay zeka alanı gerçekten çok hızlı evirilen, değişen, ilerleyen bir alan. İnsanlığın zihinsel evrimi ve devrimi her ne kadar yapay zeka kışları gelse de bunun üzerinden yürüyeceğe benzer. Işık hızını aşıp mekandan bağımsız olmanın yolu bedensel değil zihinsel yolculuk olabilir.

Makaleyi hazırlarken birçok kaynaktan ve duyurudan yararlandım.

Kaynakça ve Yararlanılabilecek Kaynaklar:

1. McCulloch, W. S. & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5, 115–133. doi:10.1007/BF02478259
2. Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460. doi:10.1093/mind/LIX.236.433
3. McCarthy, J., Minsky, M. L., Rochester, N. & Shannon, C. E. (1955/2006). A proposal for the Dartmouth Summer Research Project on Artificial Intelligence. AI Magazine, 27(4).
4. Computer History Museum. The 1956 Dartmouth Workshop and its Immediate Consequences. https://computerhistory.org/events/1956-dartmouth-workshop-its-immediate/
5. Rosenblatt, F. (1958). The perceptron. Psychological Review, 65(6), 386–408. doi:10.1037/h0042519
6. Weizenbaum, J. (1966). ELIZA. Communications of the ACM, 9(1), 36–45. doi:10.1145/365153.365168
7. Minsky, M. & Papert, S. (1969). Perceptrons. MIT Press.
8. Lighthill, J. (1973). Artificial Intelligence: A General Survey. Science Research Council (UK).
9. Rumelhart, D. E., Hinton, G. E. & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536. doi:10.1038/323533a0
10. Hochreiter, S. & Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8), 1735–1780.
11. Hinton, G. E., Osindero, S. & Teh, Y.-W. (2006). A fast learning algorithm for deep belief nets. Neural Computation, 18(7), 1527–1554.
12. Deng, J. et al. (2009). ImageNet: A large-scale hierarchical image database. CVPR 2009.
13. Ferrucci, D. et al. (2010). Building Watson: An overview of the DeepQA project. AI Magazine, 31(3).
14. Krizhevsky, A., Sutskever, I. & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. NeurIPS 25.
15. Goodfellow, I. et al. (2014). Generative adversarial nets. arXiv:1406.2661
16. He, K. et al. (2015). Deep residual learning for image recognition. arXiv:1512.03385
17. Silver, D. et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529, 484–489. doi:10.1038/nature16961
18. Vaswani, A. et al. (2017). Attention is all you need. arXiv:1706.03762
19. Devlin, J. et al. (2018). BERT. arXiv:1810.04805
20. ACM (2019). Bengio, Hinton, LeCun win the 2018 ACM A.M. Turing Award. https://awards.acm.org/about/2018-turing
21. Kaplan, J. et al. (2020). Scaling laws for neural language models. arXiv:2001.08361
22. Brown, T. et al. (2020). Language models are few-shot learners. arXiv:2005.14165
23. Jumper, J. et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596, 583–589. doi:10.1038/s41586-021-03819-2
24. Ouyang, L. et al. (2022). Training language models to follow instructions with human feedback. arXiv:2203.02155
25. Stability AI. Stable Diffusion Public Release. https://stability.ai/news/stable-diffusion-public-release
26. OpenAI (30 Kasım 2022). Introducing ChatGPT. https://openai.com/index/chatgpt/
27. Reuters (1 Şubat 2023). ChatGPT sets record for fastest-growing user base – analyst note.
28. OpenAI (2023). GPT-4 Technical Report. arXiv:2303.08774
29. UK Government (2023). The Bletchley Declaration. https://www.gov.uk/government/publications/ai-safety-summit-2023-the-bletchley-declaration
30. Anthropic (4 Mart 2024). Introducing the next generation of Claude. https://www.anthropic.com/news/claude-3-family
31. OpenAI (12 Eylül 2024). Introducing OpenAI o1-preview. https://openai.com/index/introducing-openai-o1-preview/
32. NobelPrize.org (8 Ekim 2024). Press release: The Nobel Prize in Physics 2024. https://www.nobelprize.org/prizes/physics/2024/press-release/
33. NobelPrize.org (9 Ekim 2024). Press release: The Nobel Prize in Chemistry 2024. https://www.nobelprize.org/prizes/chemistry/2024/press-release/
34. DeepSeek-AI (2025). DeepSeek-R1. Nature, 645, 633–638. https://www.nature.com/articles/s41586-025-09422-z
35. Gibney, E. (2025). Secrets of Chinese AI model DeepSeek revealed in landmark paper. Scientific American / Nature. https://www.scientificamerican.com/article/secrets-of-chinese-ai-model-deepseek-revealed-in-landmark-paper/
36. ACM (2025). Barto and Sutton receive the 2024 ACM A.M. Turing Award. https://awards.acm.org/about/2024-turing
37. OpenAI (7 Ağustos 2025). Introducing GPT-5. https://openai.com/index/introducing-gpt-5/
38. TechCrunch (7 Ağustos 2025). OpenAI’s GPT-5 is here. https://techcrunch.com/2025/08/07/openais-gpt-5-is-here/
39. Google (18 Kasım 2025). Introducing Gemini 3. https://blog.google/products-and-platforms/products/gemini/gemini-3-collection/
40. TechCrunch (18 Kasım 2025). Google launches Gemini 3 with new coding app and record benchmark scores. https://techcrunch.com/2025/11/18/google-launches-gemini-3-with-new-coding-app-and-record-benchmark-scores/
41. Wikipedia. Google Gemini (sürüm bilgileri). https://en.wikipedia.org/wiki/Google_Gemini
42. Anthropic (30 Haziran / 1 Temmuz 2026). Redeploying Claude Fable 5. https://www.anthropic.com/news/redeploying-fable-5
43. Al Jazeera (1 Temmuz 2026). US lifts restrictions on Anthropic’s powerful AI models Fable and Mythos. https://www.aljazeera.com/economy/2026/7/1/us-lifts-restrictions-on-powerful-ai-models-fable-mythos-anthropic-says
44. TechCrunch (30 Haziran 2026). Trump drops restrictions on Anthropic’s Mythos and Fable models. https://techcrunch.com/2026/06/30/trump-drops-restrictions-on-anthropics-mythos-and-fable-models/
45. Wikipedia. Claude Mythos (Fable 5.1 / Mythos 5.1 sürüm tarihi). https://en.wikipedia.org/wiki/Claude_Mythos
46. CNBC (3 Eylül 2026). OpenAI begins rolling out Astra model after warning of its advanced cyber capabilities. https://www.cnbc.com/2026/09/03/open-ai-astra-gpt-6-cyber.html