Yann LeCun 1 Milyar Dolar Toplarken Bize Ne Söylüyor?
1 milyar dolarlık bahis chatbotlara değil, fiziksel dünyayı anlayan yapay zekaya. Ve bu Türkiye'yi ve sizi yakından ilgilendiriyor.
Kasım 2025’te Yann LeCun, Mark Zuckerberg’in ofisine girdi ve “Ben çıkıyorum” dedi.
Meta’nın baş bilim insanı. Turing Ödülü sahibi. Yapay zekanın yaşayan efsanelerinden biri. Ve yıllardır patronuyla aynı masada oturup farklı bir şey söyleyen adam: “Büyük dil modelleri (LLM’ler - bizim şu an kullandığımız chatbotlar) bizi gerçek zekaya taşımayacak.”
Dört ay sonra, Mart 2026’da, LeCun AMI Labs’ı kurdu ve tarihin en büyük tohum turunu kapattı: 1,03 milyar dolar. Değerleme: 3,5 milyar dolar. Jeff Bezos, Eric Schmidt, Mark Cuban, Tim Berners-Lee masada.
Peki bu adam neden bu kadar inatla “LLM yanlış yol” diyor? Ve bu, neden senin sektörünü, kariyerini, hatta günlük hayatını ilgilendiriyor?
Herkesin Atladığı Matematik
LeCun’un LLM eleştirisi felsefi değil, matematiksel.
Şöyle düşün: bir dil modeli her kelimeyi üretirken küçük bir hata payı taşır. Diyelim her adımda yüzde 1 hata. Tek bir kelime için önemsiz. Ama 100 kelimelik bir paragrafta doğru kalma olasılığın (0.99)^100 = yüzde 36’ya düşer. 500 kelimede neredeyse sıfır.
Bu, chatbotların neden uzun metinlerde “halüsinasyon” yaptığını açıklıyor. Modelin her adımdaki küçük sapması birikiyor. LeCun bunu “üstel hata birikimi” diyor ve iddiası net: bu mimariyi ne kadar büyütürsen büyüt, bu problem yapısal. Daha fazla veri veya daha büyük model çözmez.
Dünya modeli ise farklı çalışıyor. Kelime kelime tahmin yerine sahnenin genel yapısını kavrar. JEPA (Joint Embedding Predictive Architecture) piksel piksel ilerlemek yerine soyut temsiller öğreniyor. Bir çocuğun topu havaya atıp düşmesini izleyerek yerçekimini “anlaması” gibi. Hiç fizik kitabı okumadan.
Daha az veriyle, daha az hesaplama gücüyle, daha verimli öğrenme. Kağıt üzerinde güzel. Pratikte henüz kanıtlanmamış. Ama 1 milyar dolar “buna inanıyoruz” demenin en somut yolu.
Kimse Konuşmuyor Ama AMI Labs’ın Ekibi Çok Şey Anlatıyor
AMI Labs haberlerinde hep LeCun’un adı geçiyor. Ama asıl dikkat çekici olan ekibin profili.
CEO Alex LeBrun, Wit.ai’ın kurucusu. Facebook bu şirketi satın aldı, LeBrun yıllarca LeCun’un altında Meta AI’da çalıştı. Yani bu ikili birbirini tanıyor, güveniyor.
COO Laurent Solly, Meta’nın Avrupa Başkan Yardımcısıydı. Araştırma değil, iş geliştirme insanı. Bu detay önemli: AMI Labs sadece akademik bir proje değil, ticarileşme niyeti birinci günden var.
Bilim ekibi tamamen “vision” (görüntü) ağırlıklı. Saining Xie (Baş Bilim İnsanı), Michael Rabbat (VP of World Models), Pascale Fung (Araştırma ve Inovasyon Şefi). Hepsi görüntü işleme, video anlama, fiziksel temsil öğrenme alanlarından geliyor. LLM geçmişi olan neredeyse kimse yok.
Bu bir tesadüf değil, bir manifesto. “Biz metin işi yapmıyoruz” demenin ekip kurma yoluyla ifadesi.
Paris merkez. New York, Montreal, Singapur ofisleri var. Singapur detayı da ilginç: Asya pazarına yakınlık, özellikle üretim ve robotik alanında. Avrupa ve Asya’daki endüstriyel müşterilere erişim stratejisi belli.
1 Milyar Dolar Nereye Gidiyor?
İlk ortak dijital sağlık şirketi Nabla (LeBrun’un eski şirketi). Ama asıl hedef endüstriyel robotik.
Neden? Çünkü fiziksel dünyayı anlayan yapay zekanın ilk müşterileri fabrika hatları, depolar ve lojistik merkezleri olacak.
Bezos’un masada olması tesadüf değil. Amazon’un dünya genelinde 750’den fazla merkezi var. Bu merkezlerde robotlar zaten çalışıyor. Ama mevcut robotlar programlanmış yolları takip ediyor: A noktasından B noktasına, hep aynı rota. Dünya modelli robotlar ise ortamı anlayıp kendi kararlarını verecek. Önüne kutu düşerse durma, etrafından dolaş. Raf yeri değiştiyse yeniden hesapla. Bu fark, programlanmış otomasyon ile gerçek otonom davranış arasındaki fark.
Google DeepMind de benzer yolda (Genie 2 projesi). “Physical Intelligence”, 400 milyon dolar topladı. Dünya modelleri yarışı başladı, bu sadece LeCun’un hobisi değil.
Türkiye Bu Trendin Neresinde?
Şimdi kritik soru: dünya modelleri LLM’lerden farklı olarak hangi sektörlere vuracak? Üretim, mühendislik, lojistik ve enerji. Türkiye’nin güçlü olduğu alanların hepsi.
Türkiye, Avrupa’nın altıncı büyük üretim ekonomisi. Otomotiv, beyaz eşya, tekstil, gıda. Bu sektörlerin her birinde fiziksel süreçler var: montaj, kalite kontrol, depolama, paketleme.
Hükümet imalat sektöründe robotik ve otomasyon için yaklaşık 600 milyon dolarlık teşvik paketi ayırdı. Dünya Bankası, otomasyonun Türkiye’nin GSYİH’sine 12 milyar dolar ekleyebileceğini öngörüyor.
Lojistikte de Türkiye’nin coğrafi konumu doğal bir avantaj. Mersin, Ambarlı, İstanbul Havalimanı Kargo. Bu tesislerde otonom sistemler zaten gündemde.
Ama bir sorun var: Türkiye’deki yapay zeka tartışması yüzde 90 oranında LLM etrafında dönüyor. ChatGPT kullanımı, prompt mühendisliği, metin üretimi. Bunlar önemli. Ama resmin yarısı. Dünya modellerini, endüstriyel yapay zekayı, robotik algılama sistemlerini konuşan, takip eden, araştıran insan sayısı çok az. LeCun’un topladığı 1 milyar dolar bir mesaj: yatırımcılar LLM’lerin ötesine geçti. Türkiye bu mesajı okumakta geç kalırsa, güçlü olduğu sektörlerde fırsatı başkalarına kaptırır.
Somut kesişim noktaları:
Otomotiv ve beyaz eşya. Montaj hatlarında kalite kontrol, parça manipülasyonu, otonom iç lojistik. TOGG, Vestel, Arçelik gibi şirketler bu teknolojiyi ilk benimseyenler arasında olabilir. Koşul: Ar-Ge ekiplerinin dünya modeli kavramını tanıması.
Lojistik ve depoculuk. Dünya modelli bir robot, standart otomasyon sisteminden farklı olarak değişen ortam koşullarına uyum sağlar. Kırılan palet, yer değiştiren raf, farklı boyut paketler. Hepsini anlık çözer. Türkiye’nin transit konum avantajıyla bu teknoloji büyük fark yaratır.
İnşaat ve mühendislik. Saha robotları, yapı denetim droneları, tehlikeli ortam operasyonları. Dünya modeli olmadan bu robotlar ancak basit görevler yapabilir. Dünya modeliyle karmaşık sahalarda bağımsız hareket edebilir.
Bireyler İçin Ne Anlama Geliyor?
“Benim fabrikam yok, robotla işim yok” diye düşünüyor olabilirsin. Yine de seni ilgilendiriyor.
Yetkinlik haritası genişliyor. LLM dünyasında değerli beceriler belliydi: prompt yazma, metin düzenleme, veri analizi. Dünya modelleri yaygınlaştıkça yeni bir katman ekleniyor. Simülasyon ortamlarını anlama, robotik süreç tasarımı, fiziksel yapay zeka sistemlerinin eğitim verisini hazırlama. İki yıl önce “prompt mühendisliği” de niş görünüyordu. Şimdi LinkedIn’de herkes prompt mühendisi.
Arz-talep dengesini düşün. LLM becerisi olan on binlerce kişi var. Dünya modeli anlayan, JEPA’yı takip eden, simülasyon tabanlı öğrenmeyi bilen kaç kişi var? Az. Ve bu alandaki talep 18-24 ay içinde ivme kazanacak. Erken öğrenen, az bulunan profesyonel olur.
Girişimcilik penceresi açılıyor. LLM popülerliğinden sonra yüzlerce yapay zeka danışmanlık şirketi kuruldu. Dünya modeli teknolojisi olgunlaştığında aynısı olacak: sektöre uyarlayan, entegre eden, eğiten küçük şirketlere ihtiyaç doğacak. Pencere şu an açık, 2-3 yıl sonra kalabalıklaşır.
Günlük hayat da değişecek. Bu biraz daha uzak ama görmezden gelinecek kadar değil. Dünya modelleriyle çalışan robotlar sadece fabrikada kalmayacak. Ev yardımcıları, kargo teslimat, kişisel sağlık asistanları. Fiziksel dünyayı anlayan yapay zeka, ekrandan çıkıp yaşam alanına girecek.
LeCun 1 milyar dolar toplarken sadece yatırımcılara değil, hepimize bir şey söylüyor: yapay zekanın metin tarafı hikayenin sadece ilk yarısıydı. İkinci yarı fiziksel dünyada yazılacak.
Ne Yapmalı?
“World model” ve “JEPA” terimlerini öğren. LLM ile farkını tek cümleyle açıklayabilecek seviyeye gel.
AMI Labs, Physical Intelligence, DeepMind Genie 2 haberlerini takip listene ekle.
Kendi sektöründeki veya kariyer alanındaki fiziksel süreçleri listele. Hangilerinde algılama, simülasyon veya otonom karar verme gerekiyor? Bu süreçler dünya modellerinin ilk etki alanı.
Ekibinle veya kendi başına bir öğrenme planı yap. “LLM dışında hangi yapay zeka mimarileri benim işime yarar?” JEPA, video tahmin modelleri, simülasyon tabanlı öğrenme.
Sadece metin yapay zekasına odaklanmak, mutfakta sadece bıçak kullanıp ocağı hiç açmamak gibi.