Eric Schmidt'in Google Arama'dan Yapay Zeka Stratejisine Geçişi

Eric Schmidt yapay zeka politikası tartışmasında neden önemli?

Eric Schmidt, küresel bir teknoloji platformunu işletme deneyimiyle ulusal teknoloji kapasitesi oluşturma çabasını birleştirdiği için yapay zeka politikasında önem taşıyor. Etkisi seçilmiş bir görevde bulunmasından veya düzenleme yazmasından gelmiyor. Mühendislik, yatırım ve organizasyon sorunlarını, hükümet yetkililerinin finanse edebileceği, sorumluluk verebileceği ve ölçebileceği önerilere dönüştürmesinden geliyor.

Bu ayrım konuyu odakta tutar. Schmidt'in Google'daki yılları, yetkililerin onu neden dinlediğini açıklar, ancak bu bir biyografi ya da arama geçmişi değildir. Asıl soru, veri, altyapı, teknik yetenek ve hızlı ürün geliştirme deneyiminin ulusal güvenlik ve yapay zeka alanındaki sonraki çalışmalarını nasıl şekillendirdiğidir.

Ulusal yapay zeka stratejisi, bir hükümetin araştırma, ticari kullanım, kamu sektörü kullanımı, güvenlik ve gözetim için eşgüdümlü planıdır. Üniversite finansmanını, nitelikli göçü, yarı iletken tedarikini, veri merkezlerini, enerjiyi, kamu alımlarını, teknik standartları, iş gücü hazırlığını ve uluslararası iş birliğini kapsar. Ayrıca kısıtlamaların nerede haklı olduğunu, başarısızlıkların sorumluluğunu kimin taşıyacağını ve vatandaşların zararlı otomatik kararlara nasıl itiraz edebileceğini belirlemelidir.

Schmidt'in kamusal çalışmalarında dört tartışma öne çıkar:

• Yenilik, araştırmayı, şirket kurulmasını, yaygınlaştırma hızını, sermayeye ve bilgi işleme erişimi kapsar.
• Güvenlik, savunmada kullanım, siber operasyonlar, istihbarat, model koruması ve tehlikeli çift kullanımlı yetenekleri kapsar.
• Yönetişim, test, belgeleme, izleme, sorumluluk ve telafi yoluyla görev dağıtır.
• Rekabet, ABD-Çin ilişkisini, müttefikler arası koordinasyonu, gelişmiş çipleri, teknik standartları ve yetenekleri kapsar.

Bu tartışmalar kesişir, ancak birbirinin yerine geçmez. Yerli bilgi işlem kapasitesini artıran bir politika, elektrik sistemleri üzerindeki baskıyı artırırken araştırmayı ve savunmayı destekleyebilir. İhracat kısıtlaması, yerli tedarikçilere maliyet yüklerken bir rakibin gelişmiş donanıma erişimini geciktirebilir. Güvenlik gereksinimi yüksek riskli bir ortamda insanları koruyabilir, ancak düşük riskli bir idari araca aynen uygulandığında gereksiz yük yaratabilir.

Schmidt'in önemi bu operasyonel çerçevede yatar. Ulusal strateji, yapay zekanın önemli olduğunu ilan etmek değildir. Kamu hedeflerinin uygulamayla karşılaştığında ayakta kalıp kalmayacağını belirleyen kurumlar, bütçeler, teknik sistemler, teşvikler ve son tarihler bütünüdür.

Mühendislik liderliğinden Google'ın ölçeğine

Schmidt'in teknoloji kariyeri, daha sonra politika önerilerinde görülen organizasyon sorunlarıyla doğrudan deneyim kazanmasını sağladı. Bilgisayar bilimci olarak eğitim alan Schmidt, 2001'de Google'a genel müdür olarak katılmadan önce Bell Labs, Sun Microsystems ve Novell'de çalıştı. Google'ın kurucuları, arama teknolojisi ve hızla büyüyen bir kitlesi zaten vardı. Schmidt'in görevi, bu ivmeyi pazarlarda ve ürünlerde güvenilir biçimde çalışabilecek bir şirkete dönüştürmeye yardımcı olmaktı.

2011'e kadar Google'ın genel müdürü olarak kaldı. Bu dönemde şirket, bilgi işlem altyapısını, reklam işini, iş gücünü ve ürün yelpazesini genişletti. Çıkarım yalnızca büyümeyle ilgili değildi: Bir kuruluş insanları işe alamıyor, bilgi işlem kaynaklarını ayıramıyor, değişiklikleri test edemiyor, arızalardan kurtulamıyor veya gerekli hızda karar veremiyorsa teknik buluşun değeri sınırlı kalır.

Arama, bu işletme disiplinleri arasındaki bağlantıyı gösterir. Kavramsal olarak bir arama sistemi üç farklı işi yapmalıdır:

• Tarama, belgeleri keşfeder ve web değiştikçe onları yeniden ziyaret eder.
• Dizinleme, keşfedilen materyali verimli biçimde bulunabilmesi için düzenler.
• Sıralama, hangi sonuçların belirli bir sorguyu ve amacı en iyi karşıladığını tahmin eder.

Her iş altyapıya, veri kalitesine, ölçüme ve sürekli bakıma bağlıdır. Yararlı bir sıralama değişikliği diller, nadir sorgular, spam girişimleri, ani haber olayları, yavaş ağlar ve milyarlarca etkileşim genelinde çalışmalıdır. Hizmet küresel ölçekte çalıştığında küçük bir hata oranı, her gün yüksek sayıda kötü sonuç üretebilir.

Arama dönemi kontrollü deneyleri de olağanlaştırdı. Ekipler önerilen bir değişikliği mevcut sistemle karşılaştırabilir, kullanıcı davranışını gözlemleyebilir, hata vakalarını inceleyebilir ve kanıtlar tersini gösterdiğinde sürümü geri alabilirdi. İzleme ve geri alma, piyasaya çıktıktan sonra eklenen idari işler değil, ürünün parçasıydı.

Güveni ölçmek daha zordu, ancak etkisi aynı derecede büyüktü. Arama sıralaması insanların neyle karşılaşacağını etkiler, veri toplama ise gizlilik ve güvenlik yükümlülükleri doğurur. Sonuçlar yönlendirilmiş, güvensiz veya sürekli hatalı görünürse kullanıcılar hizmeti terk edebilir. Hükümetler yapay zekada benzer bir sorunla karşılaşır: Bir sistem iç performans hedefini tutturabilir, ancak insanlar kararlarını anlayamıyor, itiraz edemiyor veya ondan kaçamıyorsa meşruiyetini yine de kaybedebilir.

Benzetmenin sınırları vardır. Bir ülke teknoloji şirketi değildir, vatandaşlar müşteri değildir ve kamu otoritesi ürün yönetimine indirgenemez. Hükümet hukuka uymalı, anayasal hakları korumalı, adil yargılanma güvencelerini desteklemeli ve farklı yetkilere sahip kurumlara hesap vermelidir. Schmidt'in özel sektör deneyimi, operasyonel darboğazları belirlediğinde yararlıdır. Şirket hızının demokratik hesap verebilirliğin yerine konduğu noktada ise ikna gücünü kaybeder.

Schmidt'in politika etkisini oluşturan kamusal roller

Schmidt'in ulusal teknoloji politikasına geçişi, bir dizi resmi danışmanlık rolü ve özel fonlu girişim yoluyla gerçekleşti. Bu roller ona savunma liderlerine, milletvekillerine, teknik uzmanlara ve politika çalışanlarına erişim sağlarken etkisinin değerlendirilmesini mümkün kılan kamuya açık belgeler de sundu.

2016'da Savunma Bakanı Ash Carter, Schmidt'i yeni kurulan Defense Innovation Board'un başkanlığına seçti. Kurulun görevi, Savunma Bakanlığı liderlerine organizasyon uygulamaları, yazılım, veri, yetenek ve teknolojinin daha hızlı benimsenmesi konusunda danışmanlık yapmaktı. Kurul askeri operasyonları yönetmedi veya sözleşme vermedi. Büyük bir bürokrasinin modern teknoloji ve ticari tedarikçilerle daha etkili çalışmasına yardımcı olmayı amaçlayan öneriler hazırladı.

Kongre daha sonra yaygın adıyla NSCAI olan National Security Commission on Artificial Intelligence'ı kurdu. Schmidt, eski Savunma Bakan Yardımcısı Robert Work'ün başkan yardımcısı olduğu 15 üyeli, iki partili komisyona başkanlık etti. Komisyona kanunla verilen görev, ABD'nin ulusal ve ekonomik güvenlik ihtiyaçlarını karşılamak için yapay zeka ve ilgili teknolojileri nasıl geliştirmesi gerektiğini önermekti.

NSCAI nihai raporunu 2021'de başkana ve Kongreye sundu. Raporda savunmada kullanım, teknik yetenek, araştırma altyapısı, mikroelektronik, ittifaklar, sorumlu kullanım ve Çin'le rekabeti kapsayan 16 bölüm ile ayrıntılı eylem planları vardı. Önemi, stratejik iddiaları uygulanabilir önerilerle birleştirmesinden kaynaklandı. Yetkililer, yapay zekaya yatırım çağrısını genel olarak kabul etmek yerine rapordan bir ofis yapısı, işe alım programı, bütçe yaklaşımı veya test gereksinimi çıkarabiliyordu.

NSCAI çalışmasını tamamladıktan sonra Schmidt, 2021'de Special Competitive Studies Project'i kurdu. Bu özel işletme vakfı, yapay zeka ve diğer yeni teknolojileri ulusal güvenlik, ekonomi ve toplumla ilişkileri açısından inceliyor. Schmidt başkanlığını yürütürken çalışanları ve danışmanları politika önerileri yayımlamayı ve kamu ile özel sektörden karar vericileri bir araya getirmeyi sürdürüyor.

Bu görevler, bir danışmanın politikayı etkileyebileceği dört yolu gösterir:

• Çerçeveleme, sorunu ve yetkililerin onu tartışırken kullandığı dili tanımlar.
• Planlar, geniş hedefleri ofislere, yetkilere, programlara ve son tarihlere dönüştürür.
• Ağlar, kurumları araştırmacılarla, yatırımcılarla, şirketlerle ve eski yetkililerle buluşturur.
• Devamlılık, bir komisyon dağıldıktan sonra önerilerin gündemde kalmasını sağlar.

Bu yolların hiçbiri danışmana resmi kontrol vermez. Kongre, programlara yetki ve bütçe verilip verilmeyeceğine karar verir. Yürütme kurumları yetkileri yorumlar, satın alma kurallarını yazar ve yaygınlaştırmayı yönetir. Mahkemeler, genel müfettişler, denetçiler, gazeteciler ve sivil toplum kusurları ortaya çıkarabilir. Schmidt seçenekler menüsünü şekillendirebilir, ancak kamu kurumları neyin seçileceğine ve neyin devam edeceğine karar verir.

NSCAI stratejisi ne savundu?

NSCAI'nin temel savı, yapay zekadaki üstünlüğün tek bir üstün modelden değil, bütün bir teknik ve kurumsal yığından doğduğuydu. Rapor bu yığını yetenek, veri, donanım, algoritmalar, uygulamalar ve entegrasyon üzerinden açıkladı. Katmanların herhangi birindeki zayıflık, etkileyici bir laboratuvar sonucunun güvenilir bir ulusal kapasiteye dönüşmesini engelleyebilir.

Rapor, Savunma Bakanlığı ve İstihbarat Topluluğunun yaygın yapay zeka entegrasyonu için gerekli temelleri 2025'e kadar kurmasını istedi. Bu hedef, ilgili her kurumun veya görevin o tarihte yapay zekaya hazır olacağını belgeleyen bir onay değil, hazırlık çalışmaları için belirlenmiş bir son tarihti. Ciddi bir geriye dönük değerlendirme, hangi temellerin kurulduğunu, nasıl çalıştığını ve hangi sorunların sürdüğünü sormalıdır.

Öneriler beş pratik başlık altında toplanabilir:

• Hükümetin yapay zeka kullanımı üst düzey liderlik, kullanılabilir veri, modern yazılım, güvenli bilgi işlem ve yinelemeli satın alma gerektiriyordu.
• Yetenek politikası yeni teknik kariyer yolları, daha iyi eğitim, esnek işe alım ve uluslararası uzmanlığa sürekli erişim gerektiriyordu.
• Donanım politikası yarı iletken üretimine, gelişmiş çip erişimine, tedarik yoğunlaşmasına ve araştırmaya dikkat edilmesini gerektiriyordu.
• Ulusal araştırma kapasitesi kamu yatırımı ile bilgi işleme, veri kümelerine, modellere ve teknik desteğe daha geniş erişim gerektiriyordu.
• Sorumlu kullanım test, insan muhakemesi, hesap verebilirlik, izleme ve müttefiklerle iş birliği gerektiriyordu.

NSCAI, bir yarış belgesi olarak özetlendiğinde sorumlu kullanım bölümü bazen gözden kaçar. Nihai rapor, ulusal güvenlik sistemlerinin haklı güvene ihtiyaç duyduğunu savundu. Operatörler bir sistemin nerede çalıştığını, nerede başarısız olduğunu, rakiplerin ona nasıl saldırabileceğini ve bir görevin ne kadar risk kabul edebileceğini anlamalıdır. Kurumların içinde sorumlu yapay zeka liderliği ve değerlendirme ile yönetişim için çok disiplinli destek önerdi.

2021 analizinin bazı bölümleri, üretken yapay zeka pratik sorunu değiştirdiği için eskidi. Genel amaçlı temel modeller artık tek bir arayüzden metin, yazılım, görüntü, ses ve plan üretebiliyor. Sıfırdan model eğitmeden istemlerle, bilgi getirme yöntemleriyle, ince ayarla ve araç kullanımıyla uyarlanabiliyorlar. Bu durum erişimi genişletirken yetenek sınırlarını tarif etmeyi zorlaştırdı.

Çıkarım da eğitimin yanında stratejik bir kaynak haline geldi. Bir ülke modellere sahip olabilir, ancak bunları hastaneler, kurumlar, laboratuvarlar ve askeri birimler genelinde kullanmak için yeterli bilgi işlem, ağ kapasitesi, elektrik veya güvenli yaygınlaştırma ortamına sahip olmayabilir. Model hırsızlığı, kötü niyetli ince ayar, sentetik medya, araç kullanan ajanlar ve yapay zeka destekli biyolojik ya da siber çalışmalar, ilk strateji belgelerinde gördüklerinden daha fazla ilgi gerektiriyor.

Bu nedenle NSCAI'nin kalıcı yanı sistem yaklaşımıdır. Eskimiş yanı ise yapay zeka kullanımının kararlı gereksinimleri ve öngörülebilir güncellemeleri olan geleneksel bir yazılım yolunu izlediği varsayımıdır. Güncel strateji, değişen bir hizmeti, çevresindeki araçları, veri akışlarını ve ona güvenen insanları yönetmelidir.

Hangi öneriler görünür kurumlara dönüştü?

Daha sonraki bazı ABD girişimleri NSCAI önerilerine benzer, ancak benzerlik tek başına Schmidt'in veya komisyonun bunlara yol açtığını kanıtlamaz. Yasalar, kurum çalışmaları, önceki araştırmalar, ticari baskı, güvenlik olayları ve başkanlık politikalarındaki değişimler sonucun hepsini şekillendirdi.

Savunma Bakanlığı, Chief Digital and Artificial Intelligence Officer görevini Şubat 2022'de kurdu. Bu ofis, veri, analitik ve yapay zekaya ilişkin büyük sorumlulukları üst düzey bir yetkili altında topladı. Bu organizasyon tercihi, NSCAI'nin tarif ettiği koordinasyon sorununa yanıt verdi: Veri, altyapı, politika ve satın alma ayrı kaldığında dağınık pilotlar bakanlık genelinde yaygınlaşma sağlamaz.

CHIPS and Science Act, yarı iletken üretim teşvikleri, araştırma ve ilgili iş gücü programları için yaklaşık 53 milyar dolar sağlayarak 2022'de yürürlüğe girdi. Kapsamı yapay zekanın ötesine uzanıyordu, ancak gelişmiş bilgi işlem yarı iletken kapasitesini doğrudan ulusal strateji konusu haline getirdi. Fabrikalar, paketleme, üretim ekipmanı, araştırma, nitelikli iş gücü ve tedarik güvenliği, tamamen şirketlerin satın alma kararlarına bırakılan konular olmaktan çıktı.

National Artificial Intelligence Research Resource pilotu, araştırmacılara ve eğitimcilere bilgi işlem, veri kümeleri, modeller, yazılım, eğitim ve desteğe erişim vermek için 2024'te başladı. İki yıllık ilerleme güncellemesinde program, 600'den fazla araştırma projesini ve 6.000 öğrenciyi desteklediğini, her eyalette katılım sağladığını ve özel ortaklardan yaklaşık 100 milyon dolar ayni katkı aldığını bildirdi. Bu, iyi fonlanan laboratuvarlarla daha geniş araştırma topluluğu arasındaki farkı azaltmayı amaçlayan kamu-özel altyapısının somut bir örneğidir.

Beyaz Saray'ın 2025 AI Action Plan'ı, üç sütun altında 90'dan fazla federal eylem ortaya koydu: yenilik, altyapı ve uluslararası diplomasi ile güvenlik. Siyasi vurgusu önceki politikalardan farklıydı. Hızlı özel sektör gelişimine, veri merkezi inşasına, enerji arzına, yapay zeka ihracatına, federal kullanımına ve gelişmiş bilgi işleme kısıtlamalarının uygulanmasına daha fazla ağırlık verdi.

Haziran 2026 tarihli ulusal güvenlik muhtırası operasyonel gündemi daha da ileri taşıdı. Ulusal güvenlikte kullanım, teknik işe alım, yapay zeka yetenek rezervi, ortak veri ve model ortamları, olay müdahalesi, güvenlik uygulamaları ve standartlaştırılmış test, değerlendirme, doğrulama ve geçerleme yöntemleri için çalışmalar yönlendirdi. Ayrıca kontrol edilebilirliği, sistemi izleme ve düzeltici eylem alma becerisi olarak tanımladı.

Bu önlemler birlikte, Schmidt'in vurguladığı çeşitli sorunlarda politika yakınsamasını gösteriyor: devlet kapasitesi, teknik personel, bilgi işlem altyapısı, kurumsal koordinasyon ve ölçülebilir değerlendirme. Benimsenen çözümlerin yeterli veya iyi tasarlanmış olup olmadığını ise belirlemez. Bir ofis kurmak, ona yetki vermekten kolaydır. Bir program duyurmak, ödeneğini sürdürmekten kolaydır. Bir değerlendirme yöntemi yayımlamak, onu tercih edilen bir tedarikçiye veya acil bir göreve karşı uygulamaktan kolaydır.

Araştırma, yetenek ve altyapı stratejiyi uygulanabilir kılar

Ulusal yapay zeka stratejisi ancak araştırma, insanlar, bilgi işlem, veri ve yaygınlaştırma kuralları tek bir portföy olarak işlediğinde uygulanabilir olur. Bir bileşeni fonlayıp diğerini ihmal etmek, kullanılmayan kapasiteye veya az sayıda tedarikçiye bağımlılığa yol açar.

Kamu araştırma fonları temel bilimi, uygulamalı görevleri, değerlendirme yöntemlerini ve ticari getirisi belirsiz çalışmaları desteklemelidir. Geçiş mekanizmalarını da içermelidir. Bir üniversite ekibi değerli bir tekniği gösterebilir, ancak güvenli barındırma, ürün mühendisliği, yasal yetki, bakım bütçesi ve sonucu sahiplenmeye hazır bir kamu kurumu olmadan kullanım durabilir.

Yetenek politikası, daha fazla makine öğrenimi araştırmacısı mezun etmekten fazlasını gerektirir. Hükümetin yazılım mühendislerine, veri mühendislerine, siber güvenlik uzmanlarına, ürün yöneticilerine, satın alma personeline, hukukçulara, denetçilere, alan uzmanlarına ve teknik tercihler yapabilecek üst düzey yetkililere ihtiyacı vardır. Operatörler olmadan değerlendirilen bir savunma modeli saha koşullarında başarısız olabilir. İdare hukuku uzmanlığı olmadan incelenen bir sosyal yardım sistemi, tahmini istatistiksel olarak doğru olsa bile adil yargılanma hakkını ihlal edebilir.

Bilgi işlem politikası eğitim ile çıkarımı ayırmalıdır. Büyük bir modeli eğitmek, sınırlı bir dönem için yoğun bilgi işlem gerektirir. Bu modeli çok sayıda kullanıcı için çalıştırmak ise hızlandırıcılar, bellek, ağ, depolama, elektrik, soğutma ve bakım için sürekli talep yaratır. Geliştirme için bütçe ayırıp işletme maliyetini görmezden gelen satın alma planları, kurumları ölçekleyemeyecekleri kadar pahalı başarılı bir pilotla baş başa bırakabilir.

Fiziksel altyapı artık stratejinin parçasıdır. Veri merkezlerinin uygun sahalara, güvenilir elektriğe, iletim kapasitesine, suya veya alternatif soğutma sistemlerine, ağ bağlantılarına, yedek ekipmana ve acil durum planlarına ihtiyacı vardır. Yararlı ölçütler arasında yeni kapasitenin bağlanma süresi, kullanım oranları, tamamlanan iş yükü başına maliyet, kesintiden sonraki toparlanma süresi ve hassas iş yüklerinin onaylı ortamlarda çalıştırılabilen payı yer alır.

Veri politikası yasal yetki ve amaçla başlar. Kurumlar bir veri kümesinin neden var olduğunu, kimlerin kullanabileceğini, ne kadar süre saklanabileceğini, hangi toplulukları yetersiz tanımladığını ve düzeltmelerin nasıl yayıldığını bilmelidir. Kaynak bilgisi önemlidir, çünkü temel kayıtların kaynağı ve dönüşüm geçmişi bilinmiyorsa bir değerlendirme başarısızlığı açıklayamaz.

Gizliliği koruyan yöntemler riski azaltabilir, ancak yönetişim ihtiyacını ortadan kaldırmaz. Erişim kontrolleri, güvenli ortamlar, kimliksizleştirme, diferansiyel gizlilik, federatif analiz ve denetim kayıtları farklı tehditleri ele alır. Bir kurum bunları veriye, kullanıcılara, saldırı modeline ve söz konusu kamu görevine göre seçmelidir.

Yaygınlaştırma, tek seferlik kabul testi yerine yaşam döngüsünü izlemelidir:

1. Kararı, etkilenen topluluğu, yasal yetkiyi ve insan sorumlusunu tanımlayın.
2. Yapay zekasız bir başlangıç ölçütü ve ölçülebilir fayda hedefi belirleyin.
3. Amaçlanan ortamda performansı, güvenliği, önyargıyı, erişilebilirliği ve kötüye kullanımı test edin.
4. Kayıtlar, eskalasyon yolları, olay bildirimi ve geri alma olanağıyla aşamalı olarak yayınlayın.
5. Model, veri, politika veya çalışma koşulları değiştikten sonra yeniden değerlendirin.

Bu süreç, küçük ve geri döndürülebilir denemeleri mümkün kıldığı için hızı destekler. Ayrıca bir prototipin etkileyici gösteriminin üretim kanıtı sanılmasını önler.

Yapay zeka çift kullanımlı yetenekle ulusal güvenliği değiştiriyor

Yapay zeka, analiz ve eylemin hızını, ölçeğini ve erişilebilirliğini artırarak ulusal güvenliği değiştirir. İstihbarat kurumları görüntüleri incelemek, materyalleri çevirmek, büyük belge koleksiyonlarında arama yapmak, siber anormallikleri belirlemek ve analistlerin sinyaller arasında bağlantı kurmasına yardımcı olmak için kullanabilir. Askeri kurumlar ise lojistik, bakım, planlama desteği, algılama ve otonom sistemlerde uygulayabilir.

Aynı yetenek saldırganları da destekleyebilir. Kod üretimi savunmacıların yazılımı incelemesine yardımcı olabileceği gibi rakiplerin kötü amaçlı programları çeşitlendirmesine de yardımcı olabilir. Dil üretimi kişiselleştirilmiş oltalama ve etki operasyonlarının maliyetini düşürebilir. Bilgisayarlı görü afet müdahalesini veya sürekli gözetimi destekleyebilir. Biyolojik modeller meşru araştırmaya yardım ederken zararlı deneyler için bazı engelleri azaltabilir.

Bu nedenle çift kullanımlı politika, yasaklanmış modeller listesine indirgenemez. Risk; modele, bağlı araçlara, kullanılabilir verilere, kullanıcı erişimine, yaygınlaştırma ortamına ve hatanın sonucuna bağlıdır. Harici izni olmayan genel bir model, sınıflandırılmış veri tabanlarına, laboratuvar ekipmanına, finansal hesaplara veya silahlara bağlı aynı modelden farklı risk doğurur.

Hükümetin satın alma süreci bağlantılı bir zorlukla karşılaşır. Geleneksel sözleşmeler kararlı gereksinimleri ve kabulden önce test edilebilen bir ürün sürümünü varsayar. Yapay zeka hizmetleri sözleşme sırasında modelini, güvenlik katmanını, bilgi getirme sistemini, eğitim karışımını veya kullanım politikasını değiştirebilir. Kurumlar önemli değişikliklerden haberdar olmalı ve güncelleme hassas çalışmaya ulaşmadan önce değerlendirmeleri tekrarlayabilmelidir.

Savunulabilir bir ulusal güvenlik yaygınlaştırması beş kontrol içermelidir:

• Yanlış pozitifleri, yanlış negatifleri, gecikmeyi, stres altındaki başarısızlığı ve rakip davranışını ölçen göreve özgü testler.
• Sistemin kullanabileceği veri, araç ve eylemleri sınırlayan en az yetkiyle erişim.
• Onay, müdahale, eskalasyon ve kapatma için adı belirtilmiş insan yetkisi.
• Tedarikçi pazarlaması için değil, soruşturma için tasarlanmış sürekli kayıtlar ve izleme.
• Güncellemeleri, olayları, veri kullanımını, model erişimini, taşınabilirliği ve feshi kapsayan sözleşme koşulları.

İnsan katılımı anlamlı olmalıdır. Arayüz belirsizliği gizliyorsa, iş yükü incelemeyi engelliyorsa veya kurum kültürü modelle anlaşmazlığı cezalandırıyorsa bir kişinin onay düğmesine basmasını istemek çok az şey sağlar. Operatörlerin eğitime, zamana, alternatif bilgiye ve çıktıyı reddetme yetkisine ihtiyacı vardır.

Yüksek sonuçlu kullanımlar daha sıkı kanıt gerektirir. Rutin yazışmaları özetleyen bir sistem, hedef belirleme, istihbarat uyarısı, tıbbi triyaj veya kamu yardımına erişimde kabul edilemez olacak hataları tolere edebilir. Hız, her kullanımın aynı sonucu doğurduğunu varsaymaktan değil, orantılı inceleme ve geri döndürülebilir yaygınlaştırmadan gelmelidir.

ABD-Çin rekabeti model yarışından daha geniştir

ABD-Çin yapay zeka rekabeti, tek bir model sıralamasından çok endüstriyel kapasiteyi, araştırmayı, yeteneği, enerjiyi, tedarik zincirlerini, yaygınlaştırmayı ve ittifakları ilgilendirir. Bunu bitiş çizgisi gibi görmek, yıllar boyunca üstünlüğü koruyan kurumları gizlerken çarpıcı iddiaları teşvik eder.

Yetenek karşılaştırmaları neyin ölçüldüğünü açıkça belirtmelidir. Yüksek performanslı bir modeli eğitmek; gelişmiş çipler üretmekten, sistemleri endüstri genelinde yaygınlaştırmaktan, güvenilir bulut kapasitesi sağlamaktan, bilimsel keşifler üretmekten veya yapay zekayı askeri operasyonlara entegre etmekten farklıdır. Bir ülke bir kategoride önde olabilir, başka birinde yabancı tedarikçilere bağımlı kalabilir.

İhracat kontrolleri, belirli gelişmiş çiplere ve yarı iletken üretim ekipmanına erişimi yavaşlatmayı amaçlar. Etkileri teknik kapsama, uygulamaya, müttefik katılımına, stoklara, yönlendirme yollarına ve hedef ülkenin ikame geliştirme becerisine bağlıdır. Fazla dar kontrollerin etkisi az olabilir. Fazla geniş kurallar, müşterileri ABD tedarikçilerinden uzaklaştırabilir veya daha hızlı ikame geliştirmeye yol açabilir.

Yarı iletken ve bilgi işlem tedarik zincirleri ulusal sınırları aştığı için müttefikler önemlidir. Çip tasarımı, üretim, üretim ekipmanı, malzemeler, paketleme, bulut hizmetleri ve araştırma yeteneği ülkeler arasında dağılmıştır. Eşgüdümlü politika kaçınmayı azaltabilir, maliyetleri paylaşabilir, uyumlu güvenlik uygulamalarını destekleyebilir ve ortaklara güvenilir sistemlerle çalışmaları için neden sunabilir.

Rekabet yönetişimi de etkiler. Her değerlendirme gereksinimi tek taraflı silahsızlanma gibi gösterilirse kurumlar ve şirketler, bir başarısızlık tepkiyi zorunlu kılana kadar testlere yeterince yatırım yapmaz. Her yetenek varsayımsal gerekçelerle kısıtlanırsa araştırma ve yararlı kullanım başka yerlere kayabilir. Yetkin bir strateji, deneme alanını korurken inandırıcı ulusal güvenlik riski doğuran erişimlere, eylemlere ve ortamlara daha güçlü kontroller uygular.

Yoğunlaşma ABD'nin konumunu karmaşıklaştırır. Sınırdaki sistemleri eğitmek ve işletmek, sınırlı sayıda şirketin sahip olduğu kaynakları gerektirir. Yoğunlaşma yatırımı ve yaygınlaştırmayı hızlandırabilir, ancak hükümetin pazarlık gücünü zayıflatabilir, araştırma erişimini azaltabilir ve kurumlar arasında ortak bağımlılıklar yaratabilir. Rekabet politikası, birlikte çalışabilirlik, taşınabilirlik, kamu araştırma altyapısı ve kaynak koduna ya da model erişimine ilişkin gereksinimler bu sorunun farklı bölümlerini ele alabilir.

Yarış benzetmesi aciliyet yarattığı için siyasi açıdan etkili kalır. Ancak kalıcı liderlik dayanıklılığa, hata düzeltmeye, kamu meşruiyetine ve iş birliğine bağlı olduğundan analitik açıdan eksiktir. Hızla yaygınlaştıran ancak modellerini güvence altına alamayan, veri merkezlerine enerji sağlayamayan, operatörleri eğitemeyen veya olaylara yanıt veremeyen bir ülke kalıcı üstünlük kurmuş sayılmaz.

Yönetişim kullanımı ve sonuçlarını izlemelidir

Etkili yapay zeka yönetişimi, görevleri sistemin ne yaptığına, kimi etkilediğine ve başarısızlığın ne kadar ağır olacağına göre verir. Genel soruları yanıtlayan bir sohbet botu, tanı desteği, işe alım elemesi ve otonom hedef belirleme bileşeni aynı kanıt gereksinimleriyle karşılaşmamalıdır.

Yönetişimin ilk görevi sınıflandırmadır. Yetkililer sistemin bir kişiyi bilgilendirip bilgilendirmediğini, eylem önerip önermediğini, karar verip vermediğini veya eylemi yürütüp yürütmediğini belirlemelidir. Ardından etkilenen hakları, olası kayıpları, hassas grupları, itiraz mekanizmalarını ve zararın geri döndürülebilirliğini haritalamalıdır.

Beş soru zayıf yönetişimi hızla ortaya çıkarır:

• Sistem hangi kararı etkiliyor ve hukuken kim sorumlu kalıyor?
• Bu topluluk ve çalışma ortamı için kullanımını hangi kanıt destekliyor?
• Hangi bilgiler toplanıyor, saklanıyor, paylaşılıyor veya daha sonra eğitim için kullanılıyor?
• Etkilenen kişi açıklamayı, düzeltmeyi ve insan incelemesini nasıl alabilir?
• Hangi olay askıya alma, bildirim, çözüm veya tazmini tetikler?

Adalet, korunan özellikleri kaldırmanın ayrımcılığı ortadan kaldırdığını varsaymak yerine sonuçları incelemeyi gerektirir. Başka değişkenler vekil görevi görebilir, geçmiş kayıtlar eşitsiz muameleyi kodlayabilir ve hata maliyetleri eşit dağılmayabilir. Kurumlar ilgili grupları test etmeli, nedenleri araştırmalı ve azaltma önlemlerinden sonra kullanımın hukuka uygun ve haklı olup olmadığına karar vermelidir.

Şeffaflık hedef kitleye göre uyarlanmalıdır. Mühendislerin model ve veri belgelerine ihtiyacı vardır. Operatörlerin sınırları, belirsizliği ve eskalasyon talimatlarını bilmesi gerekir. Satın alma yetkililerinin maliyet, güvenlik, güncelleme ve bağımlılık bilgilerine ihtiyacı vardır. Karardan etkilenen bir kişi ise anlaşılır bir gerekçe ve kullanılabilir itiraz yolu ister. Uzun bir teknik belge yayımlamak bu dört ihtiyacın hepsini karşılamaz.

Gizlilik analizi, eğitim verilerinin yanı sıra model etkileşimlerini de kapsamalıdır. İstemler, getirilen belgeler, araç çıktıları, kayıtlar, geri bildirimler ve üretilen kayıtlar hassas bilgi içerebilir. Sözleşme koşulları, sağlayıcının bu materyalleri saklayıp saklayamayacağını, eğitimde kullanıp kullanamayacağını, sınırlar ötesine aktarıp aktaramayacağını veya alt yüklenicilere açıp açamayacağını belirtmelidir.

Sınırdaki model değerlendirmeleri ile uygulama denetimleri farklı soruları yanıtlar. Model değerlendirmesi siber yeteneği, aldatmayı, biyolojik bilgiyi veya kötüye kullanıma direnci test edebilir. Uygulama denetimi ise istemler, bilgi getirme, araçlar, arayüzler, insan prosedürleri ve etkilenen topluluk dahil olmak üzere yaygınlaştırılmış sistemin tamamını inceler. Birini geçmek diğerinin yerine geçmez.

Bağımsız araştırmacılar, sivil toplum kuruluşları, genel müfettişler, standart kuruluşları ve test laboratuvarları, kurumların ve tedarikçilerin sahip olmayabileceği bilgi ve denetim sağlar. Erişim düzenlemeleri güvenliği ve kişisel verileri korumalıdır, ancak gizlilik dış incelemeye karşı genel bir savunmaya dönüşmemelidir.

Kamu-özel iş birliği sınır ve kanıt gerektirir

Kamu-özel iş birliği, taraflar teknolojiyi seçmeden önce kamu sorununu, yasal yetkiyi, beklenen sonucu, güvenlik sınırını ve çıkış koşullarını tanımladığında işe yarar. Belirsiz ortaklıklar görünürlük sağlar, ancak maliyeti, sorumluluğu ve performansı incelemeyi zorlaştırır.

Hükümet görev yetkisi, kamu finansmanı, görev ortamlarına erişim ve uzun vadeli çalışmayı destekleme becerisi sunar. Şirketler mühendislik personeli, ticari altyapı, güncel ürün bilgisi ve sistemleri ölçekte işletme deneyimi getirir. Üniversiteler ve kâr amacı gütmeyen kuruluşlar temel araştırma, değerlendirme yöntemleri, eğitim ve bağımsız eleştiri sağlayabilir.

Teşvikleri farklıdır. Bir tedarikçi pilot uzun süreli sözleşmeye dönüştüğünde yarar sağlar. Bir kurum lideri, kanıtlar olgunlaşmadan hızlı kullanımı duyurmaktan fayda görebilir. Bir araştırma grubu, sonucun güvenlik etkileri olsa bile açık yayımdan yana olabilir. İyi anlaşmalar bu teşvikleri kabul eder ve bunların çevresinde inceleme, açıklama, rekabet ve fesih hakları kurar.

Önde gelen danışmanların aynı politika alanında yatırımları, yönetim kurulu görevleri, iş ilişkileri veya hayırsever projeleri varsa çıkar çatışmaları doğrudan ele alınmalıdır. Açıklama, uygunsuz etkiyi kanıtlamaz ve uzmanlık çoğu zaman mesleki bağlantılarla gelir. Ancak yetkililerin ve kamunun bir önerinin kökenini değerlendirmesine, farklı görüşler aramasına ve gerektiğinde katılımcıları çekmesine olanak tanır.

Düşük riskli prototipleme, iş birliği için pratik bir alan sunar. Örneğin Koder.ai, kullanıcıların doğal dil üzerinden React web arayüzleri, PostgreSQL ile Go arka uç hizmetleri ve Flutter mobil uygulamaları oluşturmasına olanak verir. Planlama modunu, kaynak kodu dışa aktarmayı, dağıtım ve barındırmayı, özel alan adlarını, anlık görüntüleri ve geri almayı destekler. Bu işlevler, gösterim veya dahili araç için geri bildirim döngüsünü kısaltabilir.

Üretilmiş bir uygulama, kamu sektöründe üretim kullanımı öncesinde yine de inceleme gerektirir. Ekipler kodu, bağımlılıkları, kimlik doğrulamayı, erişim kontrollerini, veri akışlarını, erişilebilirliği, kayıtları, dayanıklılığı, lisanslamayı ve dağıtım yapılandırmasını incelemelidir. Hassas iş yükleri ayrıca onaylı barındırma ortamı ve kurumun güvenlik ile kayıt yükümlülüklerine uyum gerektirir. Vibe coding, prototipin nasıl üretildiğini değiştirir, kimin hesap vereceğini değil.

Yararlı bir pilot sözleşme şunları belirtmelidir:

• Dar bir kullanıcı grubu ve süreyle sınırlı çalışma dönemi.
• Başlangıç maliyeti, kalite ve tamamlama süresi ölçümleri.
• Veri saklama, eğitim, konum ve alt yüklenici kısıtlamaları.
• Güvenlik testi, değişiklik bildirimi, olay raporlama ve geri alma yükümlülükleri.
• Dışa aktarma, taşınabilirlik, belgeleme ve fesih hakları.

Bu yapı, kurumların sistemi anlamadan bir tedarikçiye bağlanmadan öğrenmesini sağlar. Başarılı pilotlara büyüme için inandırıcı kanıt da sunar.

Schmidt'in etkisi ve herhangi bir yapay zeka stratejisi nasıl değerlendirilir?

Schmidt'in etkisi, konuşmalarına veya yetkililere yakınlığına göre değil, benimseme, kaynaklar, kurumsal kalıcılık ve sonuçlar üzerinden değerlendirilmelidir. Bir öneri politikaya dönüşmeden tartışmayı şekillendirebilir, daha sonraki bir politika da ondan kaynaklanmadan ona benzeyebilir.

Önce ilişkilendirmeyle başlayın. Schmidt'le ilişkilendirilen belirli raporu, ifadeyi, kurul önerisini veya teklifi belirleyin. Onun kişisel açıklamalarını, komisyon ya da kurum tarafından üretilen uzlaşma belgelerinden ayırın. On beş üyeli bir komisyon raporu, başkanın özel görüşüyle aynı değildir.

Ardından uygulama zincirini izleyin:

1. Kongre veya bir kurum öneriyi tanınabilir biçimde benimsedi mi?
2. Yasal yetki, ödenek, personel ve hesap verebilir liderlik aldı mı?
3. Sorumlu kurum ara hedefler ve performans kanıtı yayımladı mı?
4. Kullanıcılar yalnızca pilot veya ofis duyurusu değil, güvenilir bir kapasite elde etti mi?
5. Denetimler, olaylar, maliyetler, haklar üzerindeki etkiler veya stratejik sonuçlar ilk iddiayı destekledi mi?

Takvimler başarısızlığı mümkün kılacak kadar belirli olmalıdır. Beş yıllık bir hedef, ilk bütçe döneminde ne olacağını, hangi bağımlılıkların önce gelmesi gerektiğini ve ara hedefler geciktiğinde kimin müdahale edebileceğini belirtmelidir. Aksi halde plan yalnızca faaliyete bakılarak başarılı ilan edilebilir.

Ölçütler hedefe uygun olmalıdır. Hükümetin yapay zeka kullanımı programı, satın alma süresini, kullanıcı görev tamamlama oranını, vaka başına maliyeti, geçersiz kılma oranını, güvenlik olaylarını ve toparlanma süresini ölçebilir. Araştırma programı, sağlanan erişimi, kaynak kullanımını, yayınları, yeniden üretilebilirliği, eğitim sonuçlarını ve sonuçların uygulamaya geçişini ölçebilir. Toplantıları veya üretilen belgeleri saymak, kapasite hakkında çok az şey söyler.

Ödünler görünür olmalıdır. Ciddi planlar enerji maliyetini kimin taşıdığını, ihracat kısıtlamalarının tedarikçileri nasıl etkilediğini, hangi verilerin kullanılamayacağını, insanın ne zaman karar vermesi gerektiğini ve hangi yaygınlaştırmaların yasaklanacağını veya askıya alınacağını açıklar. Aynı anda en yüksek hızı, güvenliği, açıklığı, gizliliği ve kontrolü vadeden bir strateji, stratejinin vermesi gereken kararlardan kaçınmıştır.

Schmidt'in kariyer çizgisi sonuçta ne gösteriyor?

Schmidt'in kariyer çizgisi, yapay zeka liderliğinin model geliştirme sorunu olduğu kadar organizasyon ve siyaset sorunu olduğunu gösteriyor. Google, altyapının, ölçümün, teknik yeteneğin, deneyin ve çok büyük ölçekte toparlanmanın değerini kanıtladı. Danışmanlık çalışmaları bu işletme fikirlerini hükümet kapasitesi, savunmada kullanım, yarı iletken politikası, araştırma erişimi ve uluslararası rekabete uyguladı.

Bu aktarım yararlıdır, ancak eksiktir. Kamu kurumları hakları korumalı, zorlayıcı kararları gerekçelendirmeli, çıkar çatışmalarını açıklamalı, demokratik gözetimi sürdürmeli ve telafi sağlamalıdır. Bu yükümlülüklerin yerini daha hızlı ürün döngüleri veya daha iyi teknik yönetim alamaz.

Schmidt'in politika katkısının en güçlü yanı, ulusal yapay zeka stratejisinin eşgüdümlü bir mekanizmaya ihtiyaç duyduğu ısrarıdır. Bilgi işleme erişimi olmayan araştırma durur. Nitelikli operatörleri olmayan modeller gösterim olarak kalır. Değerlendirmesiz satın alma belirsizlik satın alır. İttifakları olmayan güvenlik, tedarik zincirlerinin yapısını görmezden gelir. Hesap verebilirliği olmayan yenilik, kullanım için gereken güveni yok edebilir.

Doğru yaklaşım, Schmidt'in şirket geçmişi nedeniyle otomatik kabul veya ret değildir. Disiplinli doğrulamadır: öneriyi belirlemek, yetkiyi ve parayı izlemek, uygulamayı incelemek, sonuçları ölçmek ve kamu iddialarının dışarıda bıraktığı maliyetleri hesaba katmak. Etki bu şekilde görünür hale gelir ve ulusal yapay zeka stratejisi sonuçlarına göre değerlendirilebilir.