Otostopçunun Yapay Zeka Rehberi

Bir TED Talks izlerken aklımda çakan bir şimşekle Otostopçunun Yapay Zeka Rehberi’nde bu hafta Afrika’da yapay zekanın gelişimini konuşuyoruz. Yapay zeka gündemini takip ederken Amerika’daki şirketleri, Çin’den gelen modelleri, Avrupa’nın düzenlemelerini epey yakından izliyoruz. Aynı dönemde Afrika’da kimler araştırma yapıyor, hangi şirketler model geliştiriyor, hangi projeler gerçekten insanların işine yarıyor diye sorduğumuzda çoğumuzun aklına birkaç örnek bile gelmiyor. Benim de bu bölümü hazırlarken ilk merak ettiğim buydu. Kıtaya ilişkin epey büyük ekonomik tahminler özellikle global raporlarda var a.ma bugünden geriye bakıp, şu tarihte şu ekip şu problemi çözdü, yöntem şöyle ölçüldü ve şu kadarı hâlâ açık diyebildiğimiz çalışmalar hangileri? Ve Afrika neler için yapay zekayı kullanıyor?İlişkili podcast bölümlerine keyif aldığım TED Talk'ı da ekliyorum :)Substack Kanalımız:https://otostopcununyzrehberi.substack.com

Otostopçunun Yapay Zeka Rehberinde bu hafta, AI Harness Engineering konusunun ikinci bölümünde Mitchell Hashimoto'nun Engineer the Harness yaklaşımından yola çıkarak yapay zeka ajanlarıyla nasıl daha güvenilir ve verimli sistemler geliştirebileceğimizi konuşuyoruz. Artık mesele yalnızca daha güçlü modeller kullanmak ya da daha iyi sistem promptları yazmak kadar basit değil, yada agents markdownları yazmak kadar, ajanlara doğru araçları sağlamak, ihtiyaç duydukları bilgiyi düzenlemek, hatalarını fark edebilecekleri testler oluşturmak ve bütün bunları ölçülebilir bir mühendislik sürecine dönüştürmek gerekiyor. OpenAI ve Anthropic'in mühendislik deneyimlerinden, araştırmacıların çalışmalarından ve sistem mühendisliğinin temel prensiplerinden hareketle hem bireyler hem de şirketler için uygulanabilir stratejileri, tasarım ipuçlarını, sık yapılan hataları ve iyi bir harness'ın nasıl kurulabileceğini ele alıyoruz. Bir yapay zeka ajanı sürekli aynı hatayı yapıyorsa, gerçekten modeli mi değiştirmeliyiz, yoksa onun çalıştığı sistemi mi?https://otostopcununyzrehberi.substack.comKaynaklar:Mitchell Hashimoto (2026): My AI Adoption Journey | Engineer the Harness yaklaşımı ve bireysel kullanım stratejileri üzerine şahane bir blog OpenAI (2026): Harness Engineering: Leveraging Codex in an Agent-First World | Ajan odaklı yazılım geliştirme ve mühendislik deneyimleri üzerine Codex tecrübelerini içeren derslerBirgitta Böckeler (2026): Harness Engineering for Coding Agent Users | Guides, sensors ve geri bildirim mekanizmaları üzerine bence en iyi çerçeve

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-kitapZhong & 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=183sKitap Kulübümüz:https://otostopcununyzrehberi.substack.com/p/otostopcunun-yapay-zeka-rehberi-kitapKaynaklarNick 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-kitapBölümde konuştuğumuz araştırma: 2026 roadmap on artificial intelligence and machine learning for smart manufacturing https://iopscience.iop.org/article/10.1088/3049-4761/ae5967Kaynaklar: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.comKaynaklar:Yapay Zeka Yarışı Sonunda Yavaşlıyor Mu?On the Navier–Stokes Millennium Prize Problemhttps://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/DGY0NPT3EaRBKVLS3hPKxUFularsız Entelliğin podcast önerilerine aşağıda ilişkili bölümler alanından ulaşabilirsiniz.https://open.spotify.com/episode/0pVNWIIWuX1b6lu76DV2XRHangi 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.DerslerElements 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.comYapay 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-kitapOtostopçunun 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.comSubstack'de okumak için:YC Startup School 2026’dan Notlar: Zeka Ucuzlarken Gerçekten Değerli Olan Ne?https://substack.com/home/post/p-209825307