Yapay Zekâ: Emek, Savaş, Sömürgecilik serimizin üçüncü bölümünde yapay zekânın 1957 ile 2012 arasındaki tarihini, sermayenin ve ABD ordusunun ihtiyaçlarıyla birlikte okumuştuk. Perseptronu ABD Deniz Kuvvetleri, keşif fotoğraflarındaki hedefleri ayırt etmek için finanse etmişti ve aynı sınıflandırma işlemi, Vietnam’da ormana atılan sensörlerin verisini bombardıman emrine çeviren düzenle birlikte savaş alanına taşınmıştı. 1970’lerin kâr krizine sermayenin verdiği cevap, fabrikadaki denetimi makineye devretmek ve veri giriş işini Barbados gibi eski sömürgelerdeki düşük ücretli kadın emeğine taşımaktı. İnternetin 1990’larda özelleştirilmesiyle milyonlarca insanın birlikte ürettiği bilgi birkaç şirketin mülküne dönüşmüş, bu çitlemenin sonucu 2012’de görülmüştü. ImageNet yarışmasını kazanan ağ, milyonlarca fotoğrafı on binlerce parça başı işçinin iki buçuk yılda etiketlediği bir veri setinden öğrenmişti. Fotoğrafı çeken kullanıcıya da onu etiketleyen işçiye de ürettikleri şeyin ne için kullanılacağı sorulmamıştı.

Serimizin son bölümü, o sorunun 2012’den sonra nasıl cevaplandığını izliyor. Cevabı, veriyi zaten reklam satmak için toplayan dört şirket verdi. Sunucularına baştan itibaren ABD devletinin eriştiği bu şirketler, modelin gücünü çip ve veri miktarına bağlayan ölçek yasasıyla birikimi bir sermaye yarışına çevirdi ve yarışın ürünü Palantir aracılığıyla ordunun hedefleme zincirine bağlandı. Aynı ürünü Kaliforniya’daki mühendisten Nairobi’deki etiketçiye uzanan milyonlarca insan birlikte üretti ve ürettikleri şeyin Filistin’de ya da İran’ın Minab kentinde neye dönüştüğünü çoğu zaman sonradan öğrendi. Yazı, bu insanların birlikte ürettiği gücün denetime, savaşa ve sömürgeciliğe nasıl hizmet ettiğini ve onu üretenlerin buna nerede itiraz ettiğini soruyor.

Yapay Zekânın Politik İnşası

ImageNet yarışmasını 2012’de kazanan ağ, yapay sinir ağı yönteminin ölçeklenebildiğini göstermişti. Geoffrey Hinton’ın öğrencileri Alex Krizhevsky ile Ilya Sutskever yeni bir algoritma bulmamıştı. 1986’dan beri bilinen geri yayılım algoritmasını daha çok katmanla, daha çok veriyle ve oyun kartlarının sağladığı hesaplama gücüyle çalıştırmışlardı. Veri ve hesaplama gücü arttıkça hata düşüyordu ve bu ilişkinin bir sınırı görünmüyordu. Dünyada bu iki şeye en çok sahip olan kurumlar ise üniversiteler ya da devlet laboratuvarları olmaktan çıkmıştı. Google, Facebook, Microsoft ve Amazon 2008 krizinden sonra dünyanın en değerli şirketleri arasına girmişti ve gelirlerini, kullanıcının davranışını tahmin edip o tahmini reklamverene satarak elde ediyordu. Kullanıcının ne tıklayacağını tahmin etmeye yarayan yöntem, fotoğraftaki nesneyi tanımaya da uygulanabiliyordu ve bu şirketler yöntemi, sunucularında zaten biriken malzemeye uygulamak için satın aldı. Google 2013’te Hinton’ın öğrencileriyle kurduğu üç kişilik şirketi kırk dört milyon dolara, 2014’te Londra’da oyunlar üzerinde öğrenen ağlar geliştiren DeepMind’ı beş yüz milyon doların üzerinde bir bedelle aldı ve Facebook, posta kodlarını okuyan ağı eğitmiş olan Yann LeCun’ü kendi yapay zekâ laboratuvarının başına getirdi.[1] Üniversitede kalanlar zamanla bu şirketlerin sağladığı hesaplama kredilerine bağımlı hale geldi. Amazon’un 2006’da başlattığı ve “bulut” adı verilen düzen, hesaplama gücünü satın alınan bir makine olmaktan çıkarıp saatlik kiralanan bir hizmete çevirmişti ve modeller büyüdükçe onları eğitecek binlerce grafik işlemcisi bir üniversitenin bütçesini aşıp Amazon, Microsoft ve Google’ın veri merkezlerinde toplandı.[2] Yöntemi bulan araştırmacılar, yöntemi çalıştıran makineler ve yöntemi besleyen veri, 2015’e gelindiğinde aynı dört şirketin mülkiyetindeydi.[3]

Aynı sunucular ABD devletinin erişimine de açıktı. Edward Snowden’ın Haziran 2013’te sızdırdığı belgelere göre Amerikan Ulusal Güvenlik Ajansı, PRISM adlı program aracılığıyla Google, Microsoft, Facebook, Apple ve Yahoo sunucularına doğrudan erişiyordu. Şirketler önce erişimi inkâr etti, belgeler yayımlandıkça ifadelerini değiştirdi ve sonunda hükümetin yasal taleplerine uyduklarını açıkladı.[4] Üçüncü bölümde anlattığımız gibi Amerikan devleti 2003’te, nüfusun tamamında tehdit örüntüsü aramayı hedefleyen Bütünsel Enformasyon Farkındalığı programını kamuoyu baskısıyla kapatmak zorunda kalmıştı. On yıl sonra aynı örüntü, reklam satmak için toplanan verinin içinde ve devletin kendi veri tabanını kurmasına gerek kalmadan aranıyordu. Amerikan ordusu ile tekeller arasındaki işbölümü artık ayrı bütçe ve ayrı kurum gerektirmiyordu, çünkü tekelin ticari faaliyeti ordunun ihtiyaç duyduğu kaydı zaten üretiyordu.

Şirketlerin aynı veriyle kendi hesaplarına ne yaptığı, derin öğrenmenin ilk ticari uygulamalarında görüldü ve bu uygulamalar kullanıcıyı ve işçiyi yönetmek için kuruldu. Facebook 2014’te fotoğraflardaki yüzleri insan düzeyine yaklaşan doğrulukla doğrulayan DeepFace sistemini tanıttı, Google 2015’te arama sıralamasına RankBrain adlı bir yapay sinir ağı ekledi ve 2016’da çeviri hizmetini tümüyle sinir ağına geçirdi.[5] Üçünün ortak yanı, kullanıcının ürettiği veriyi kullanıcının kendisini yönetmek için işlemeleriydi. Çeviri hizmeti sinir ağına geçtiğinde kullanıcının her düzeltmesi eğitim malzemesine katılmaya başladı ve çeviriyi düzelten kullanıcı, bunun için ücret almadan, modelin sonraki çevirilerini eğiten emeği üretir hale geldi. Aynı işlemin ne kadar ileri gidebileceğini Facebook 2014’te denedi. Şirket yaklaşık yedi yüz bin kullanıcının haber akışını bir hafta boyunca gizlice değiştirip olumlu ya da olumsuz içeriğin kullanıcının kendi paylaşımlarını nasıl etkilediğini ölçtü, sonuçları bilimsel bir dergide yayımladı. Kullanıcılar ise deneye katıldıklarını yayından öğrendi.[6]

Aynı yöntem işyerinde daha erken uygulanmıştı ve orada ölçümün sonucu doğrudan işin koşuluna dönüşmüştü. Uber 2010’ların başından itibaren sürücüyü bir uygulamanın puanlamasıyla yönetiyordu. Sürücüyü işe alan, yönlendiren, cezalandıran ve işten çıkaran bir insan yoktu, puanı kimin ve hangi ölçüte göre verdiği görünmüyordu ve sürücü itiraz edeceği bir muhatap bulamıyordu.[7] Amazon’un depolarında aynı düzen işçilere uygulandı. Şirketin sistemi her işçinin saatlik işlem sayısını kaydediyor, tempoyu tutturamayanlara otomatik uyarı üretiyor ve belirli sayıda uyarıdan sonra işten çıkarma belgesini yöneticinin imzasına gerek kalmadan düzenliyordu. 2019’da sızan belgelere göre tek bir depoda bir yıl içinde üç yüz kadar işçi bu yolla işten çıkarılmıştı.[8] İstatistik ile makine öğrenmesinin işgücünü ölçmek, sıralamak ve yönetmek için kullanılması, Matteo Pasquinelli’nin insan analitiği adını verdiği alanı kurdu.[9] İnsan analitiği, işçinin hangi hızda, hangi hata oranıyla ve hangi ruh haliyle çalıştığını sürekli ölçüp bu ölçümü işe alma, terfi ve işten çıkarma kararına çeviriyor ve o kararı verecek yöneticiyi gereksizleştiriyordu. Ölçüm işe alınmadan önce başlıyordu. Amazon 2014’ten itibaren iş başvurularını değerlendiren bir model geliştirmiş, model on yıllık işe alım kaydından öğrendiği için kadın adayların özgeçmişlerini düşük puanlamaya başlamış ve şirket 2017’de aracı rafa kaldırmak zorunda kalmıştı.[10] Araç işe alım kararını verecek kişiyi ortadan kaldırmıyordu, o kişinin geçmişte verdiği kararları önce kurala çevirip sonra kuralı ona geri satıyordu. Kamuoyuna sunulan tablo ise başkaydı. Oxford’daki iki araştırmacı 2013’te Amerika’daki işlerin yüzde kırk yedisinin yirmi yıl içinde otomasyon riski altında olduğunu hesapladı ve rakam sonraki on yıl boyunca her tartışmada anıldı.[11] Rakam, yetmiş mesleğin bir uzman grubuna puanlatılıp bu puanların yedi yüz mesleğe istatistiksel olarak yayılmasıyla üretilmişti ve on yıl boyunca işçinin karşısına bir tehdit olarak kondu. Tehdit bugün de sıklıkla dillendirildiği üzere işin kaybıydı, işyerinde gerçekleşen ise denetimin daha sert ve sıkı hale gelmesiydi.

Kullanıcı verisiyle yürütülen deneyin siyasi kullanımı ise ABD’deki 2016 başkanlık seçimlerinde iyice ayyuka çıktı. Facebook’un kullanıcı verisini akademik araştırma adı altında toplayan bir uygulama, seksen yedi milyon kişinin profilini Cambridge Analytica adlı şirkete aktarmıştı. Şirket bu profillere beş kişilik özelliği üzerinden puan veren bir psikometri modeli uygulamıştı ve Donald Trump’ın kampanyası için her seçmene bu puana göre mesaj üretmişti.[12] Olay Mart 2018’de basına yansıdığında Facebook’un piyasa değeri bir haftada yüz milyar dolar düştü, şirketin yöneticisi Mark Zuckerberg Amerikan Kongresi’nde beş saat ifade verdi ve şirket beş milyar dolar ceza ödedi. Ceza, şirketin tek bir çeyrekte elde ettiği kâra denk düşüyordu ancak veri toplama düzeninde hiçbir şey değişmedi. Değişen, tekellerin kendi çalışanlarının şirkete bakışıydı. Snowden’dan beri biriken güvensizlik 2018 baharında şirketlerin içine sirayet etti ve aynı aylarda öğrenilen bir ordu sözleşmesine yöneldi.

AlphaGo, Maven ve işçi itirazı

Devletlerin bu birikimi bir güç sorunu olarak görmesi için, bir Amerikan şirketinin programının Çin’de doğmuş bir oyunda dünya şampiyonunu yenmesi yetti. DeepMind’ın AlphaGo adlı programı Mart 2016’da Seul’de, dünyanın en güçlü Go oyuncularından Lee Sedol’u beş maçın dördünü kazanarak yendi. Go, satrançtan çok daha fazla olası hamle içerdiği için kural yazarak çözülemeyen bir oyundu ve program, insan oyunlarından öğrendikten sonra kendi kendine milyonlarca oyun oynayarak insanın hiç görmediği hamleler bulmuştu.[13] Maçı dünya genelinde iki yüz milyonu aşkın kişi izledi ve Çinli yöneticiler bu maçı sonradan kendi ülkelerinin uyanış anı olarak anlattı. Çin Devlet Konseyi Temmuz 2017’de 2030’a kadar yapay zekâda dünya liderliğini hedefleyen bir plan yayımladı ve Baidu, Alibaba ile Tencent birer alanda ulusal görevli ilan edildi.[14] Amerikan Savunma Bakanlığı ise aynı yılın Nisan ayında, insansız hava araçlarından gelen görüntüleri otomatik sınıflandırmak üzere Maven Projesi’ni başlatmış ve işi Google’a vermişti.[15]

Projenin ilk hedefi Irak ve Suriye’de uçan insansız araçların kaydettiği ve analistlerin izlemeye yetişemediği görüntü yığınıydı. Keşif görüntüsünü yorumlayacak insan sayısı görüntü miktarının altında kalıyordu ve bakanlık çözümü kendi laboratuvarlarında aramak yerine, görüntü tanımada dünyanın en büyük birikimini elinde tutan şirkete gitti. Google’ın rolü, görüntülerdeki araçları, binaları ve insanları ayırt edecek modeli eğitmekti, veri Amerikan gizlilik yasalarının geçerli olmadığı savaş alanlarından toplanıyordu ve ilk algoritmalar duyurudan altı ay sonra, 2017 bitmeden bölgedeki insansız araç filosunda çalışmaya başladı.[16]

Projenin duyurulmasından bir yıl sonra Google çalışanları yönetime açık bir mektup yazdı. Şirketin ordu için hedefleme yazılımı geliştirmemesi gerektiğini söyleyen mektup üç binden fazla imza topladı, on iki mühendis istifa etti ve Google Haziran 2018’de sözleşmeyi yenilemeyeceğini açıkladı.[17] İtiraz Google’la sınırlı kalmadı. Amazon çalışanları o yaz yüz tanıma yazılımının polise ve Göçmenlik Dairesi’ne satılmasına karşı imza topladı, Microsoft çalışanları şirketin göçmenlik dairesiyle imzaladığı on dokuz milyon dolarlık bulut sözleşmesinin feshini istedi, Salesforce çalışanları sınır polisiyle yapılan işi durdurmaya çalıştı.[18] Amazon’un yüz tanıma yazılımı o yaz sivil toplum kuruluşlarının denemesinde Kongre üyelerinin yüzlerini suçlu fotoğraflarıyla eşleştirmişti ve hatalı eşleşmeler orantısız biçimde beyaz olmayan üyeleri kapsıyordu. Şirket ürünü polise satmayı sürdürdü ve ancak 2020’de, sokak protestolarının ardından bir yıllık askıya alma ilan etti.[19] Microsoft Kasım 2018’de Amerikan Kara Kuvvetleri’ne askerin görüş alanına hedef bilgisi yansıtacak yüz bin sanal gerçeklik başlığı için dört yüz seksen milyon dolarlık sözleşme imzaladı ve şirket çalışanları Şubat 2019’da yönetime yazdıkları mektupta silah geliştirmek için işe girmediklerini söyledi. Şirket sözleşmeyi sürdürdü.[20]

Yüksek ücretli ve siyasete kapalı sanılan bir emek gücü, ordunun hedefleme altyapısını üreten işin tam merkezinde harekete geçmişti. İtiraz edenler ürünü fiilen üreten binlerce kişiydi ve şirket onlarsız modeli eğitemiyordu. Şirketlerin cevabı “itirazı kurumsallaştırmak” oldu. Google, Maven’dan çekildikten sonra yapay zekâ ilkeleri adıyla bir bildiri yayımladı, silah geliştirmeyeceğini ilan etti ve aynı bildiride başka askeri projelere kapıyı açık bıraktı. Sonraki iki yılda her büyük şirket bir etik kurulu ve bir ilkeler belgesi edindi. Belgeler şirketin kendi ürettiği ölçütlerle kendisini denetlemesini öngörüyordu ve hiçbirinin yaptırımı yoktu. İşçilerin durdurduğu iş ise durmadı. Savunma Bakanlığı Haziran 2018’de, Çin’in planını gerekçe göstererek Ortak Yapay Zekâ Merkezi’ni kurdu, beş yıllık bütçesini bir buçuk milyar dolar olarak açıkladı ve Maven türü projeleri tek bir çatı altında topladı, Maven ise 2019’da Palantir’e devredildi.[21] Google emekçilerinin durdurduğu iş bir devlet önceliği olarak yeniden kurulmuştu ve devralan şirketin bünyesinde örgütlü bir itiraz yoktu, çünkü şirket baştan itibaren bu iş için kurulmuştu.

Palantir’in kuruluş sorunu, birbirinden habersiz veri tabanlarını tek bir sorguya bağlamaktı. 11 Eylül 2001’den sonra CIA, FBI ve Ulusal Güvenlik Ajansı’nın elinde büyük veri yığınları vardı. Her kurum kendi kaydını kendi sisteminde tutuyor, bir kurumun elindeki telefon kaydı başka bir kurumun aynı kişi hakkındaki sorgusunda görünmüyordu. Peter Thiel’in kurucuları arasında olduğu dijital ödeme şirketi PayPal 2000’lerin başında organize dolandırıcılık yüzünden yılda milyonlarca dolar kaybediyordu ve şirketin mühendisleri Igor adını verdikleri bir sistem geliştirmişti. Sistem milyonlarca işlemi tarayıp şüpheli olanları işaretliyor, son kararı ise insan analistlere bırakıyordu. Thiel, PayPal’ın 2002’de eBay’e satılmasından sonra bu yöntemi ulusal güvenlik kurumlarına uyarlamayı önerdi ve Palantir 2003’te bu öneriyle kuruldu. Silikon Vadisi’nin risk sermayesi fonları devlete yazılım satacak bir şirkete para vermeyi reddetti, ilk sermayeyi Thiel kendi servetinden koydu ve 2005’te CIA’in risk sermayesi kolu In-Q-Tel şirketin ilk dış yatırımcısı oldu.[22] Sonraki üç yıl boyunca CIA şirketin tek müşterisiydi ve Gotham adını alacak yazılım, ajansın analistlerinin geri bildirimiyle geliştirildi. Kuruluş anındaki bu bileşim şirketin sonraki yirmi yılını belirledi. Igor bir kişinin işlem kaydına bakıp onu şüpheli ya da temiz diye ayırıyordu. Yöntem istihbarat verisine uygulandığında bir kişinin telefon kaydına, seyahat kaydına ve banka hareketine bakıp onu tehdit listesine alıp almamaya karar verecekti.

Şirketin Gotham adını verdiği yazılım, dağınık istihbarat verisini tek bir ekranda birleştiriyordu. Uydu görüntüleri, telefon dinlemeleri, sınır geçiş kayıtları, banka transferleri, kredi kartı harcamaları ve sahadaki istihbarat görevlilerinin notları aynı arayüzde bir araya getirildi. Sisteme bir isim ya da telefon numarası girildiğinde yazılım o kişinin arama geçmişini, aynı baz istasyonundan sinyal veren diğer cihazları, yakın çevresindeki bağları ve günlük rutinlerini bir harita olarak sunuyordu. Yazılım 2000’lerin ortasından itibaren Irak ve Afganistan’daki Amerikan işgal güçleri tarafından doğrudan sahada kullanıldı. Askerler yollara döşenen el yapımı patlayıcıların yerini tahmin etmek, direniş ağlarını haritalandırmak ve hedef alınacak kişilerin günlük seyahat düzenini çıkarmak için bu yazılıma başvurdu. Şirket, mühendislerini çatışma alanına gönderip askerlerin geri bildirimiyle kod yazarak büyüdü.[23]

Maven’ı devralmak Palantir için bir işlev değişikliği anlamına geldi. O güne dek veriyi haritalandıran ve analistin önüne seren yazılım, artık hedef üreten bir aygıt olarak çalışacaktı. Şirket Maven’ı ordunun operasyon merkezine yerleştirdi ve askeri terminolojide hedef bulma, doğrulama ve vurma döngüsü denen üç adımı tek bir arayüzde topladı. Analistlerin günler süren incelemesinin yerini, sistemin saniyeler içinde belirli olasılık oranlarıyla sunduğu hedef listeleri aldı. Aracın içinde kimin bulunduğuna dair karar görüntü analizine bırakıldı, insanın işi ise listedeki hedefi onaylamak oldu. Alexander Karp Haziran 2022’de, Rusya’nın işgalinden sonra Kiev’e giden ilk büyük Batılı şirket yöneticisi oldu ve şirketin yazılımı o yazdan itibaren Ukrayna cephesinde uydu, insansız araç ve sensör verisini tek bir hedefleme görüntüsünde birleştirmek için kullanıldı.[24] Proje 2024’te dört yüz seksen milyon dolarlık bir sözleşmeyle büyüdü. Palantir’in 2023’te tanıttığı Yapay Zekâ Platformu bu döngüye büyük dil modellerini ekledi ve komutanın sistemle doğal dilde konuşup hedef önerisi almasını mümkün kıldı.[25] Hedefi vuran donanımı ise Thiel’in fonunun ilk yatırımcıları arasında bulunduğu Anduril sağlıyordu ve iki şirket, hangi model üretilirse üretilsin onu aynı öldürme zincirine bağlayan katmanı birlikte kuruyordu.[26] Teknoloji araştırmacısı Jathan Sadowski’nin ifadesiyle şirketin işi kuruluşundan beri faşizmin “ontolojik katmanını” sağlamak, yani onun ideolojik hedeflerine maddi bir gerçeklik kazandırmaktı. Palantir böylece devletlere bir yazılım satmanın ötesine geçip dünyaya bütünüyle militarist bir bakışla bakan kendi analitik mantığını dayatıyordu.[27] Palantir’in bu konumu, bir modelin sahibinin sözleşmeye yazdığı kısıtlamaların o katmanın içinde ne anlama geldiğini de belirleyecekti.

Palantir’in zincire bağlayacağı modellerin kendisi ise Maven’la aynı aylarda açılan başka bir hatta üretildi. Google Brain ekibinden Ashish Vaswani ve arkadaşları 2017 yazında “Transformer” adını verdikleri bir mimari yayımladı ve bu mimari, sinir ağlarının metni işleme biçimini değiştirdi. Önceki modeller metni sözcük sözcük sırayla işliyordu ve bu sıralı yapı hem eğitimi yavaşlatıyor hem de uzun metinlerde bağlamı kaybettiriyordu. Transformer’ın temelindeki dikkat mekanizması her sözcüğün bütün diğer sözcüklerle ilişkisini tek bir matris işleminde hesaplıyordu ve bu işlem tam da grafik işlemcisinin yapmak üzere tasarlandığı türden, paralel yürütülebilir bir işlemdi.[28] Asıl değişiklik emek tarafındaydı. Bu mimariyle eğitilen model artık insan eliyle etiketlenmiş veriye büyük ölçüde ihtiyaç duymuyordu, metnin bir bölümünü gizleyip modele tahmin ettirmek yetiyordu. ImageNet’in milyonlarca görüntüsünü etiketlemek, Mechanical Turk üzerinden çalışan yaklaşık elli bin işçinin iki buçuk yılını almıştı.[29] Yeni yöntemle insanlığın yazıya dökülmüş büyük birikimi, ayrıca elle etiketleme yapılmasına gerek kalmadan eğitim malzemesine dönüştürülebiliyordu, çünkü her cümle bir sonraki sözcüğü tahmin etmek için gereken sinyali zaten taşıyordu ve o cümleyi yazan kişi, yazdığı anda modelin eğitim malzemesini üretmiş oluyordu.

Veri ile çip arasındaki ilişki bu mimariyle birlikte bir formüle dökülebilir hale geldi. Daha fazla hesaplama gücü ve veriyle model performansının öngörülebilir biçimde iyileştiği görülmüş ve bu ilişki 2020’de “ölçek yasaları” adıyla formüle edilmişti. Modelin başarısı, parametre sayısının, veri miktarının ve harcanan işlem gücünün öngörülebilir bir fonksiyonuydu.[30] Formül iktisadi bir sonuç da taşıyordu. Kim daha çok çip ve daha çok veri satın alabiliyorsa daha iyi modeli o yapacaktı ve yarışa katılmanın bedeli, çip ile veri merkezine yatırılacak sermayeyle ölçülüyordu. OpenAI’ın dönüşümü bu formülün kurumsal karşılığı oldu. Şirket 2015’te insanlığın yararına çalışacak kâr amacı gütmeyen bir araştırma kuruluşu olarak kurulmuştu. Mart 2019’da yatırımcı getirisine yüz kat tavan koyan bir şirket yapısına geçti ve dört ay sonra Microsoft’tan bir milyar dolar aldı.[31] Karen Hao’nun şirketin içinden anlattığı gibi “misyon” korundu ve sermaye çekmenin aracına çevrildi. İnsanlığın varoluşsal riskini önlemek için en büyük modeli önce kendisinin yapması gerektiğini söyleyen şirket, bu gerekçeyle sınırsız sermaye toplama hakkını elde etti.[32] Şirket Şubat 2019’da GPT-2 adlı modelini kötüye kullanılabilecek kadar tehlikeli olduğu gerekçesiyle yayımlamadığını duyurdu. Model birkaç ay sonra yayımlandı ve hiçbir felaket olmadı, ama duyurunun kendisi şirkete yayının sağlayamayacağı kadar ilgi getirmişti.[33]

Formülü ilk uygulayan model OpenAI’ın GPT-3’ü oldu. Mayıs 2020’de yayımlanan model, yüz yetmiş beş milyar parametreyle o güne dek eğitilmiş en büyük dil modeliydi ve eğitim malzemesinin büyük bölümü Common Crawl adlı arşivden geliyordu.[34] Arşiv, internetin tamamını düzenli aralıklarla tarayıp kaydeden ve herkesin erişimine açık tutan Common Crawl Vakfı tarafından yürütülüyordu. Haber arşivlerinden forum tartışmalarına, hiçbiri yapay zekâ için yazılmamış milyarlarca sayfa tek bir dosyada duruyordu. Mahkeme kayıtlarına göre büyük şirketlerin toplaması bununla da sınırlı kalmadı ve “korsan” kütüphanelerden indirilen milyonlarca kitabı kapsadı. Amerikan yargısı 2025’te yasal yoldan edinilmiş kitaplarla model eğitmeyi adil kullanım saydı, “korsan” kütüphaneden indirmeyi saymadı ve Anthropic yazarlara bir buçuk milyar dolar ödemeyi kabul etti. Karar korsanlığı cezalandırıyor, eğitimin kendisini serbest bırakıyordu. Bir yazarın kitabı satın alındıktan sonra onun emeği üzerinde eğitilen model, o yazarla rekabet etmekte serbestti.[35] Böylece insanlığın yazılı birikimi, doğanın sunduğu kaynaklar gibi bedelsiz temellük edildi ve birkaç şirketin sunucularında sabit sermaye biçimini aldı.[36]

Ölçek yasasını devlet doktrini haline getiren karar Ekim 2022’de geldi. Amerikan Ticaret Bakanlığı Çin’e gelişmiş yapay zekâ çiplerinin ve bu çipleri üreten makinelerin satışını yasakladı.[37] Sözümona serbest ticareti savunan Amerikan devleti, hesaplama gücünü stratejik kaynak ilan edip ihracat denetimine almıştı ve kararın mantığı formülün kendisinden geliyordu. Model başarımı çip miktarının fonksiyonuysa, çipe erişimi kesmek rakibin model yapmasını engelleyecekti. Yasak tek bir şirketle sınırlı kalmadı, çünkü en gelişmiş çipleri Nvidia tasarlıyor, Tayvan’daki TSMC üretiyor ve üretim için gereken litografi makinelerini Hollanda’daki ASML yapıyordu. Amerikan devleti Hollanda ile Japonya’yı da yasağa dahil etti, TSMC de Amerikan teknolojisi kullandığı için kurala uymak zorunda kaldı ve Hollanda hükümeti 2023’te ASML’nin Çin’e makine satışını kendi ihracat denetimine aldı.[38] Üç ülkeye yayılmış bir üretim zincirinin denetimi tek bir devletin elinde toplanmıştı. Grafik işlemcisinin veri merkezleri için üretilen sürümü bir silah bileşeni olarak sınıflandırıldı ve Nvidia’nın piyasa değeri Haziran 2024’te üç trilyon doları geçti.[39]

Modeli ayarlayan emek

Ölçek yasası modelin ne kadar iyi tahmin yapacağını gösteriyordu, ama tahminin neyi söyleyip neyi söylemeyeceğine dair bir şey içermiyordu. GPT-3 tutarsız, çoğu zaman da zararlı metin üretiyordu. Bunun düzeltilmesi için insanların........

© Bianet