2025'te yapay zekanın geleceğini şekillendiren on figüre bir bakış - çekirdek tasarımlarını geliştiren laboratuvarlardan, koruyucu önlemleri belirleyen politika yapıcılara kadar. Onların fikirleri, araştırmaları ve liderlikleri, AI'nın dünya genelinde nasıl inşa edildiği, paylaşıldığı ve kullanıldığı konusunda gerçek değişiklikler yaratıyor.
Bu bir ünlü listesi değil. Buradaki her kişi gerçek bir etkiye, net bir uzmanlığa ve AI topluluğundaki tartışmaları yönlendirme geçmişine sahiptir. Görüşleri önemlidir çünkü bunlar, geleceğimizi şekillendiren sistemleri inşa etmek, yönlendirmek ve sorgulamakla gelir.
Yann LeCun, özellikle temel araştırmalarda, AI'deki en güçlü seslerden biri olmaya devam ediyor. Kamuya açık yorumları genellikle mevcut ivmeye karşı çıkar, özellikle büyük dil modelleri üzerindeki tartışmalarda. Daha az veri ile öğrenen ve önemli ölçüde daha az enerji tüketen sistemlerden yana olduğunu savunarak, "büyüklük her zaman iyidir" zihniyetinden sapıyor.
LeCun'un tarih içindeki yeri, bilgisayarlı görü için artık vazgeçilmez olan (CNN'lerin) icadıyla pekiştirilmiştir. Bugün, kendine gözetimli öğrenme ve gözlem yoluyla anlayış geliştiren otonom AI için önde gelen bir savunucudur — sürekli veri alımının yerine.
Artık nadiren orijinal içerik paylaşıyor ama çoğunlukla AI araştırmaları ve sistem tasarımı üzerine derinlemesine makalelere bağlantı veriyor veya bunları tekrar paylaşıyor.
Temel temalar: enerji verimli mimariler, nesne merkezli öğrenme, dünya modelleri;
Hedef kitle: 900,000+ takipçi;
Önemli dinamik: OpenAI ve DeepMind'deki araştırmacılarla sık teknik etkileşimler;
Otuz yıldan fazla bir süredir, çalışmaları Meta'nın AI stratejisini şekillendirmiştir; sistemlerin insan aklına daha yakın bir şekilde gözlem yapmasını ve düşünmesini, yalnızca bir dizideki bir sonraki kelimeyi tahmin etmenin ötesinde hedeflemektedir.
Andrej Karpathy, derin teknik beceriyi, büyük ürünleri hayata geçiren birinin bakış açısıyla birleştiriyor. Karmaşık fikirleri - model tasarımından eğitim seçimlerine ve dağıtım engellerine kadar - hem araştırmacılar hem de pratik yapıcılar için anlamlı bir şekilde açıklıyor.
Onun akışı teknik içgörü ile vizyonu birleştiriyor—örneğin, yakın zamanda büyük dil modellerinin modern yazılımın yapı taşları haline geldiğini öne sürdü.
Miras: derin öğrenme ve bilgisayarla görmede erken atılımlar, Tesla'da AI liderliği;
Erişim: 1 milyondan fazla takipçi;
Katılım: sık sık konferans konuşmaları ve topluluk eğitimi;
2024 yılında OpenAI'ye döndükten sonra, Karpathy, modellerin yönetimini kolaylaştırmaya ve kontrolü kaybetmeden ölçeklendirmeye odaklandı. Ayrıca, geliştirici topluluğuna daha fazla kaynak açmak için çalıştı. Paylaşımlarında, derin teknik düşünmeyi yazılım geliştirme işinin günlük çalışmalarıyla ilişkilendirerek, mühendislere gerçek dünya kullanımında dayanıklı sistemler yaratmaları için pratik yollar sunuyor.
Fei-Fei Li, yapay zekayı insan ihtiyaçlarıyla uyumlu hale getirerek itibarını oluşturmuştur. Hem sağlık hizmetlerine, hem eğitime, hem de kamu çıkarlarına hizmet eden tasarımlar için çaba göstermektedir, tıpkı kurumsal veya hükümet gündemlerine hizmet ettiği kadar. Derin öğrenmeyi yeniden şekillendiren ve günümüz yapay zekasında en güçlü izlerden birini bırakan ImageNet projesinin oluşturulmasına öncülük etmiştir.
Onun paylaşımları AI'nın insani yönlerine odaklanıyor—etik sonuçlar, sağlık hizmetleri üzerindeki etkisi ve insan onurunu korumanın önemi.
Bilinen: ImageNet, Stanford'un İnsan Merkezli AI Enstitüsü;
Hedef kitle: 500.000+ takipçi, hem ABD hem de uluslararası politika yapıcılarına danışmanlık;
Mevcut odak: AI uygulamalarında etik, erişilebilirlik ve sosyal kapsayıcılık;
Teknolojide sıklıkla göz ardı edilen kişilerin, örneğin sağlık çalışanları, eğitimciler ve engelli bireylerin bakış açılarını ortaya koyuyor ve onların endişelerini ön planda tutuyor. Li, sorumlu yapay zekayı empati, öngörü ve Silikon Vadisi yönetim kurullarının çok ötesindeki seslerin katılımı meselesi olarak çerçeveliyor.
Emad Mostaque, açık kaynaklı üretken yapay zekada tanımlayıcı bir figürdür. Modellerin ve veri setlerinin büyük şirketlerin kontrolü dışında erişilebilir olması için çaba gösteriyor, bu da bir dizi girişimin açık ağırlıklarla sistemler yayınlamasına ilham veriyor.
Beslemelerinde, açık kaynaklı üretken yapay zeka hakkında canlı güncellemeler ve geliştirme ile ilgili kamu geri bildirimleri için davetler paylaşıyor.
Kilometre Taşı: Stable Diffusion'un lansmanı;
Odak alanları: maliyet şeffaflığı, altyapı açıklığı, AI güvenlik ilkeleri;
Hedef Kitle: 250,000+ takipçi;
Mostaque, gelişmiş modellerin inşa edilmesinin gerçek maliyetlerini ve kısıtlamalarını düzenli olarak analiz ediyor, jeneratif araçları yönlendiren bütçeler ve teknik çaba hakkında nadir bir bakış sunuyor. Şeffaflık konusundaki ısrarı, geliştiricilerin ve araştırmacıların denetleyip kontrol edebilmesi gerekenler için beklentileri değiştirmiştir.
Timnit Gebru'nun algoritmik önyargı ve veri şeffaflığı konusundaki araştırmaları, yapay zeka adaleti ile ilgili tartışmaların küresel ölçekte nasıl değiştiğini etkilemiştir. O, yapay zeka geliştirmede kimin güç sahibi olduğunu ve bu gücün sonuçları nasıl şekillendirdiğini inceliyor.
Varlığını, önyargı sorunlarını vurgulamak için kullanıyor, sık sık AI'daki adaletle ilgili araştırmalarına veya önemli politika gelişmelerine atıfta bulunuyor.
Hedef kitle: 160.000+ takipçi; dünya genelinde politika çerçevelerinde alıntılandı;
Argümanlarını net kanıtlara dayandırıyor. Araştırmaları, eğitim verilerindeki hataların ırk, cinsiyet ve sınıf ile bağlantılı gerçek dünya eşitsizliklerini nasıl sürdürebileceğini ortaya koyuyor. Yasama organları ve düzenleyiciler artık kuralları oluştururken onun araştırmalarına atıfta bulunuyor, bu da onu tartışmadaki önde gelen eleştirel seslerden biri haline getirdi.
Chris Olah, sinir ağlarının en karmaşık kısımlarını anlaşılır hale getirmiştir. Modellerin bilgiyi nasıl işlediğine dair görsel ve anlatı açıklamaları, üniversitelerde eğitim materyali haline gelmiş ve AI güvenliği araştırmacıları için referans noktaları olmuştur.
Sıklıkla açıklanabilirlik güncellemeleri paylaşıyor—model devre analizi için açık kaynak çalışması, güvenlik araştırma çevrelerinde dikkat çekti.
Uzmanlık: yorumlanabilirlik araçları, karar yolu görselleştirmesi;
Hedef Kitle: 150.000+ takipçi;
Son çalışmalar: model hizalaması, güvenlik protokolleri, Anayasal AI;
Olah, AI'nin iç işleyişini görünür hale getirerek, yorumlanabilirliği akademik bir merak olmaktan çıkarıp güven ve emniyet için merkezi bir gereklilik haline getirmiştir. Onun etkisi, laboratuvarların ve politika yapıcıların model davranışını izleme ve yönlendirme konusunda nasıl düşündüğünü şekillendirmektedir.
Sara Hooker, makine öğrenimini daha verimli ve daha erişilebilir hale getirmek için çalışıyor. Daha az kaynağa sahip bölgelerdeki araştırmacıları ön plana çıkararak, bu alana katkıda bulunanların merkeziyetçiliğini azaltmayı hedefliyor.
Onun paylaşımları, AI araştırmalarında kapsayıcılığı ön plana çıkarıyor - son zamanlarda hesaplamaya dayalı düzenlemenin sınırlarına dikkat çekti.
Ana odak: seyrek modeller, tekrarlanabilirlik, kapsayıcı Yapay Zeka araştırması;
Hedef kitle: 45.000+ takipçi;
Onun çalışması, ciddi araştırmanın yalnızca büyük altyapılarla gerçekleşebileceği inancını sorguluyor. Verimli mimarileri ve küresel işbirliğini teşvik ederek, Hooker hem performans hem de AI'daki katılım beklentilerini yeniden şekillendiriyor.
Ethan Mollick, AI araçlarının insanların öğrenme ve çalışma biçimlerini nasıl değiştirdiğini gösteriyor. Sınıflarda ve iş ortamlarında büyük dil modelleri ile yaptığı deneyler somut, tekrarlanabilir sonuçlar sunuyor.
Onun beslemesi, AI'yi gerçek sınıf ve ofis senaryolarına getiriyor - istem tasarımının ve işyeri araçlarının nasıl geliştiğini ve öğrenmeyi nasıl etkilediğini keşfediyor.
Odak alanları: uygulamalı LLM'ler, istem mühendisliği, yapay zeka destekli iş akışları;
Hedef kitle: 280.000+ takipçi;
Mollick, araçları kendisi deneyerek, olan biteni izleyerek ve yol boyunca yaklaşımını ayarlayarak çalışıyor. Bu pratik döngü, eğitimcilere ve profesyonellere AI'yi en az tahminle entegre etme konusunda bir plan sunuyor.
Dario Amodei, en çok izlenen AI güvenliği çabalarından birine liderlik ediyor. Anthropic’in Claude geliştirmesi, ölçeklendirmeyi güvenli hale getirirken yeniliği durdurmamak için daha büyük bir stratejinin parçasıdır.
Nadiren paylaşım yapıyor, ama yaptığında, görüşleri tartışma yaratıyor—son zamanlarda Anthropic'in güvenlik öncelikli misyonunu çarpıtan bir anlatıyı eleştirdi.
Odak: Anayasal AI, sistem güvenilirliği, ölçekli uyum;
Hedef Kitle: 70,000+ takipçi; yasama oturumlarında ve küresel zirvelerde tanınmış;
Amodei'nin ölçülü tarzı ve kontrol mekanizmalarına verdiği önem, onun çalışmalarını hem endüstri hem de hükümet için model denetimi beklentilerini belirlemede bir referans noktası haline getirmiştir.
Grady Booch'un kariyeri, karmaşık yazılım sistemleri tasarlamak ve yönetmek etrafında şekillendi, bu da modern yapay zekanın nasıl inşa edildiği ve sürdürüldüğü konusundaki görüşlerini özellikle değerli kılıyor. Dayanıklılık için tasarlanmış sistemler üzerinde geçirilen on yıllar, kalıcı yapay zeka mühendisliğinin ne gerektireceğini vurgulamasını sağlıyor.
Onun sesi, derin sistem tasarımı perspektifini AI bağlamı ile birleştiriyor - güncellemeler daha az sıklıkta olsa da, AI tartışmasına mimari bir açıklık getiriyor.
UML ( Birleşik Modelleme Dili) yaratmasıyla en iyi bilinen Booch, AI dağıtımı ve güvenilirliği konularında titiz mimari düşünceyi uygular.
Temel temalar: sistem tasarımı, dayanıklılık, mühendislikte etik;
Hedef Kitle: AI ve geleneksel mühendislik topluluklarını kapsayan 160.000+ takipçi;
Hızlı hareket etmenin, zaten atılmış temelleri zayıflatma riski taşıdığına dikkat çekiyor. Ona göre, kalıcı ilerlemeler sabırlı tasarım, titiz testler ve güçlü mühendislik uygulamalarına bağlılıktan gelir.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
2025'in En İyi AI Etkileyicileri: Doğrulanmış, Saygı Duyulan, Takip Edilen
Kısaca
2025'te yapay zekanın geleceğini şekillendiren on figüre bir bakış - çekirdek tasarımlarını geliştiren laboratuvarlardan, koruyucu önlemleri belirleyen politika yapıcılara kadar. Onların fikirleri, araştırmaları ve liderlikleri, AI'nın dünya genelinde nasıl inşa edildiği, paylaşıldığı ve kullanıldığı konusunda gerçek değişiklikler yaratıyor.
Bu bir ünlü listesi değil. Buradaki her kişi gerçek bir etkiye, net bir uzmanlığa ve AI topluluğundaki tartışmaları yönlendirme geçmişine sahiptir. Görüşleri önemlidir çünkü bunlar, geleceğimizi şekillendiren sistemleri inşa etmek, yönlendirmek ve sorgulamakla gelir.
Yann LeCun, özellikle temel araştırmalarda, AI'deki en güçlü seslerden biri olmaya devam ediyor. Kamuya açık yorumları genellikle mevcut ivmeye karşı çıkar, özellikle büyük dil modelleri üzerindeki tartışmalarda. Daha az veri ile öğrenen ve önemli ölçüde daha az enerji tüketen sistemlerden yana olduğunu savunarak, "büyüklük her zaman iyidir" zihniyetinden sapıyor.
LeCun'un tarih içindeki yeri, bilgisayarlı görü için artık vazgeçilmez olan (CNN'lerin) icadıyla pekiştirilmiştir. Bugün, kendine gözetimli öğrenme ve gözlem yoluyla anlayış geliştiren otonom AI için önde gelen bir savunucudur — sürekli veri alımının yerine.
Artık nadiren orijinal içerik paylaşıyor ama çoğunlukla AI araştırmaları ve sistem tasarımı üzerine derinlemesine makalelere bağlantı veriyor veya bunları tekrar paylaşıyor.
Otuz yıldan fazla bir süredir, çalışmaları Meta'nın AI stratejisini şekillendirmiştir; sistemlerin insan aklına daha yakın bir şekilde gözlem yapmasını ve düşünmesini, yalnızca bir dizideki bir sonraki kelimeyi tahmin etmenin ötesinde hedeflemektedir.
Andrej Karpathy, derin teknik beceriyi, büyük ürünleri hayata geçiren birinin bakış açısıyla birleştiriyor. Karmaşık fikirleri - model tasarımından eğitim seçimlerine ve dağıtım engellerine kadar - hem araştırmacılar hem de pratik yapıcılar için anlamlı bir şekilde açıklıyor.
Onun akışı teknik içgörü ile vizyonu birleştiriyor—örneğin, yakın zamanda büyük dil modellerinin modern yazılımın yapı taşları haline geldiğini öne sürdü.
2024 yılında OpenAI'ye döndükten sonra, Karpathy, modellerin yönetimini kolaylaştırmaya ve kontrolü kaybetmeden ölçeklendirmeye odaklandı. Ayrıca, geliştirici topluluğuna daha fazla kaynak açmak için çalıştı. Paylaşımlarında, derin teknik düşünmeyi yazılım geliştirme işinin günlük çalışmalarıyla ilişkilendirerek, mühendislere gerçek dünya kullanımında dayanıklı sistemler yaratmaları için pratik yollar sunuyor.
Fei-Fei Li, yapay zekayı insan ihtiyaçlarıyla uyumlu hale getirerek itibarını oluşturmuştur. Hem sağlık hizmetlerine, hem eğitime, hem de kamu çıkarlarına hizmet eden tasarımlar için çaba göstermektedir, tıpkı kurumsal veya hükümet gündemlerine hizmet ettiği kadar. Derin öğrenmeyi yeniden şekillendiren ve günümüz yapay zekasında en güçlü izlerden birini bırakan ImageNet projesinin oluşturulmasına öncülük etmiştir.
Onun paylaşımları AI'nın insani yönlerine odaklanıyor—etik sonuçlar, sağlık hizmetleri üzerindeki etkisi ve insan onurunu korumanın önemi.
Teknolojide sıklıkla göz ardı edilen kişilerin, örneğin sağlık çalışanları, eğitimciler ve engelli bireylerin bakış açılarını ortaya koyuyor ve onların endişelerini ön planda tutuyor. Li, sorumlu yapay zekayı empati, öngörü ve Silikon Vadisi yönetim kurullarının çok ötesindeki seslerin katılımı meselesi olarak çerçeveliyor.
Emad Mostaque, açık kaynaklı üretken yapay zekada tanımlayıcı bir figürdür. Modellerin ve veri setlerinin büyük şirketlerin kontrolü dışında erişilebilir olması için çaba gösteriyor, bu da bir dizi girişimin açık ağırlıklarla sistemler yayınlamasına ilham veriyor.
Beslemelerinde, açık kaynaklı üretken yapay zeka hakkında canlı güncellemeler ve geliştirme ile ilgili kamu geri bildirimleri için davetler paylaşıyor.
Mostaque, gelişmiş modellerin inşa edilmesinin gerçek maliyetlerini ve kısıtlamalarını düzenli olarak analiz ediyor, jeneratif araçları yönlendiren bütçeler ve teknik çaba hakkında nadir bir bakış sunuyor. Şeffaflık konusundaki ısrarı, geliştiricilerin ve araştırmacıların denetleyip kontrol edebilmesi gerekenler için beklentileri değiştirmiştir.
Timnit Gebru'nun algoritmik önyargı ve veri şeffaflığı konusundaki araştırmaları, yapay zeka adaleti ile ilgili tartışmaların küresel ölçekte nasıl değiştiğini etkilemiştir. O, yapay zeka geliştirmede kimin güç sahibi olduğunu ve bu gücün sonuçları nasıl şekillendirdiğini inceliyor.
Varlığını, önyargı sorunlarını vurgulamak için kullanıyor, sık sık AI'daki adaletle ilgili araştırmalarına veya önemli politika gelişmelerine atıfta bulunuyor.
Argümanlarını net kanıtlara dayandırıyor. Araştırmaları, eğitim verilerindeki hataların ırk, cinsiyet ve sınıf ile bağlantılı gerçek dünya eşitsizliklerini nasıl sürdürebileceğini ortaya koyuyor. Yasama organları ve düzenleyiciler artık kuralları oluştururken onun araştırmalarına atıfta bulunuyor, bu da onu tartışmadaki önde gelen eleştirel seslerden biri haline getirdi.
Chris Olah, sinir ağlarının en karmaşık kısımlarını anlaşılır hale getirmiştir. Modellerin bilgiyi nasıl işlediğine dair görsel ve anlatı açıklamaları, üniversitelerde eğitim materyali haline gelmiş ve AI güvenliği araştırmacıları için referans noktaları olmuştur.
Sıklıkla açıklanabilirlik güncellemeleri paylaşıyor—model devre analizi için açık kaynak çalışması, güvenlik araştırma çevrelerinde dikkat çekti.
Olah, AI'nin iç işleyişini görünür hale getirerek, yorumlanabilirliği akademik bir merak olmaktan çıkarıp güven ve emniyet için merkezi bir gereklilik haline getirmiştir. Onun etkisi, laboratuvarların ve politika yapıcıların model davranışını izleme ve yönlendirme konusunda nasıl düşündüğünü şekillendirmektedir.
Sara Hooker, makine öğrenimini daha verimli ve daha erişilebilir hale getirmek için çalışıyor. Daha az kaynağa sahip bölgelerdeki araştırmacıları ön plana çıkararak, bu alana katkıda bulunanların merkeziyetçiliğini azaltmayı hedefliyor.
Onun paylaşımları, AI araştırmalarında kapsayıcılığı ön plana çıkarıyor - son zamanlarda hesaplamaya dayalı düzenlemenin sınırlarına dikkat çekti.
Onun çalışması, ciddi araştırmanın yalnızca büyük altyapılarla gerçekleşebileceği inancını sorguluyor. Verimli mimarileri ve küresel işbirliğini teşvik ederek, Hooker hem performans hem de AI'daki katılım beklentilerini yeniden şekillendiriyor.
Ethan Mollick, AI araçlarının insanların öğrenme ve çalışma biçimlerini nasıl değiştirdiğini gösteriyor. Sınıflarda ve iş ortamlarında büyük dil modelleri ile yaptığı deneyler somut, tekrarlanabilir sonuçlar sunuyor.
Onun beslemesi, AI'yi gerçek sınıf ve ofis senaryolarına getiriyor - istem tasarımının ve işyeri araçlarının nasıl geliştiğini ve öğrenmeyi nasıl etkilediğini keşfediyor.
Mollick, araçları kendisi deneyerek, olan biteni izleyerek ve yol boyunca yaklaşımını ayarlayarak çalışıyor. Bu pratik döngü, eğitimcilere ve profesyonellere AI'yi en az tahminle entegre etme konusunda bir plan sunuyor.
Dario Amodei, en çok izlenen AI güvenliği çabalarından birine liderlik ediyor. Anthropic’in Claude geliştirmesi, ölçeklendirmeyi güvenli hale getirirken yeniliği durdurmamak için daha büyük bir stratejinin parçasıdır.
Nadiren paylaşım yapıyor, ama yaptığında, görüşleri tartışma yaratıyor—son zamanlarda Anthropic'in güvenlik öncelikli misyonunu çarpıtan bir anlatıyı eleştirdi.
Amodei'nin ölçülü tarzı ve kontrol mekanizmalarına verdiği önem, onun çalışmalarını hem endüstri hem de hükümet için model denetimi beklentilerini belirlemede bir referans noktası haline getirmiştir.
Grady Booch'un kariyeri, karmaşık yazılım sistemleri tasarlamak ve yönetmek etrafında şekillendi, bu da modern yapay zekanın nasıl inşa edildiği ve sürdürüldüğü konusundaki görüşlerini özellikle değerli kılıyor. Dayanıklılık için tasarlanmış sistemler üzerinde geçirilen on yıllar, kalıcı yapay zeka mühendisliğinin ne gerektireceğini vurgulamasını sağlıyor.
Onun sesi, derin sistem tasarımı perspektifini AI bağlamı ile birleştiriyor - güncellemeler daha az sıklıkta olsa da, AI tartışmasına mimari bir açıklık getiriyor.
UML ( Birleşik Modelleme Dili) yaratmasıyla en iyi bilinen Booch, AI dağıtımı ve güvenilirliği konularında titiz mimari düşünceyi uygular.
Hızlı hareket etmenin, zaten atılmış temelleri zayıflatma riski taşıdığına dikkat çekiyor. Ona göre, kalıcı ilerlemeler sabırlı tasarım, titiz testler ve güçlü mühendislik uygulamalarına bağlılıktan gelir.