Yapay zekâ egemenliği, tek bir ülkenin elektrikten çiplere, modellerden uygulamalara kadar ekosistemin tüm bileşenlerini kendisinin üretmesi anlamına gelmez. ITmedia AI Plus’ın analizi, Sakura Internet Başkanı Konihiro Tanaka ile Sakana AI’ın uluslararası politika analisti Junya Ishi’nin görüşlerine dayanarak bu sonuca varıyor. Daha gerçekçi ölçüt, kontrol edilmesi gereken katmanları belirlemek, tek bir dış kaynağa bağımlılığı azaltmak ve bir tedarikçi devre dışı kaldığında veya kullanım koşullarını değiştirdiğinde çalışmaya devam edebilme kapasitesini korumaktır.
Egemenliğin üç boyutu
Tanaka, yapay zekâ altyapısının egemenliğini üç boyuta ayırıyor. İlki, verilerin ülke içinde tutulması ve yerel bir kapsamda yönetilmesi anlamına gelen veri egemenliğidir. İkincisi, altyapının işletilmesi, sunucuların konumları ve kapasiteleri hakkında karar alma yetkisine sahip olmayı kapsayan operasyonel egemenliktir. Teknik egemenlik ise modelleri ve yazılımları bizzat geliştirme kapasitesiyle ilgilidir.
Tanaka’ya göre bu boyutlarla ilişkili riskler artık varsayımsal değil. Verilerin yurt dışındaki sunuculardan çıkması, yabancı sağlayıcıların Japonya içindeki sunuculara yatırım yapmayı reddetmesi ve yazılım ihracatının yasaklanmasıyla ilgili riskler ortaya çıktı. Makale, Anthropic’in ABD hükümetinin emri doğrultusunda Claude Fable 5 ve Mythos 5 erişimini haziran ayında geçici olarak durdurmasını, siyasi bir ittifaka güvenmenin yazılımlara veya sunuculara erişimin sürekliliğini garanti etmediğine örnek olarak gösteriyor.
Bu riskler, çoğu zaman normal koşullarda ortaya çıkmadıkları için daha da zorlayıcıdır. Hizmet istikrarlı ve düşük maliyetli görünebilir, ancak siyasi veya ticari koşullar değiştiğinde kullanılamaz hâle gelebilir. Tanaka bunu, barış zamanlarında ucuz ithalata bağımlı olmanın koşullar değiştiğinde tedarik kesintisine yol açtığı “nafta” sorunuyla karşılaştırıyor.
“Tamamen yerel yaklaşım” neden yeterli değil?
Tanaka ve Ishi, Japonya’nın yapay zekânın tüm katmanlarını yüzde 100 oranında kapsamasının mümkün ve rasyonel olmadığı konusunda hemfikir. Ishi ekosistemi dört katmanda ele alıyor: elektrik ve yarı iletkenler gibi altyapı malzemeleri, bulut veya yerel altyapı üzerinden veri yönetimi katmanı, temel modeller katmanı ve son olarak uygulamalar.
Bu anlayışa göre tek bir ülkenin veya şirketin tüm bu bileşenlere verimli biçimde sahip olması mümkün değil. Bu nedenle Ishi, her katmanda yabancı bağımlılığının azaltılmasını ve dış teknolojiler kullanılırken ürün ve tedarikçilerin çeşitlendirilmesini öneriyor. Japonya, Güney Kore, Hindistan, Avustralya ve Kanada’nın orta ölçekli güçler olarak aynı şekilde düşünmeye yöneldiğine işaret ediyor.
Sakura Internet, NVIDIA’nın grafik işlem birimlerinden vazgeçmeyi gerçekçi bir seçenek olarak görmüyor; zira sektörün bu bölümü, Amerikan şirketleri için bile küresel bir tedarikçiye dayanıyor. Ancak Tanaka, çipin kendisi ile Japonya’nın geliştirebileceği daha üst katmanlar, örneğin bulut altyapısı, çıkarım hizmetleri ve operasyonel yazılımlar arasında ayrım yapıyor.
Şirketler açısından pratikte ne değişiyor?
Sakura Internet, bir yapay zekâ hizmetini değerlendirirken “Veriler Japonya içinde mi tutuluyor?” sorusunun yeterli olmadığını belirtiyor. Daha önemli soru şu: Girdiler modeli eğitmek için kullanılıyor mu? Veriler fiziksel olarak bir Japon sunucusunda bulunabilir, ancak şirketin kontrol edemediği eğitim süreçlerine dahil edildiğinde egemenliğinin bir bölümünü kaybedebilir.
Şirketlerin sunucuların fiziksel olarak izole edilip edilmediğini ve kendilerine tahsis edilip edilmediğini de doğrulaması gerekiyor. Bu konu, imalat sektöründeki müşteriler tarafından özellikle önemseniyor. Bunun modelin uyruğuyla doğrudan bir ilişkisi yok; Tanaka, Çin’den açık bir model olan Kimi veya Qwen’in yerel sunucular içinde çalıştırılabileceğini ve böylece verilerin dışarı çıkmayacağını belirtiyor. Bununla birlikte, kaynağa ve yazılıma ilişkin diğer risklerin değerlendirilmesi gereği sürüyor.
Fiilî kullanım kapasitesi de öne çıkan bir başka konu. Kâğıt üzerinde güçlü bir GPU’ya sahip olmak, kaynak yetersizliği, elektrik kısıtlamaları veya hizmet sağlayıcının performansa bir üst sınır koyması nedeniyle ihtiyaç anında kullanılabilir olacağını garanti etmiyor. Tanaka’nın önerdiği seçeneklerden biri, genel performansta öncü modellerin gerisinde kalsalar bile daha küçük ve uzmanlaşmış modeller kullanmak ve bunları yerel bir çıkarım altyapısında çalıştırmak. Aracı uygulamaları büyük miktarda belirteç tüketimi gerektirdiğinde bu, maliyet açısından daha verimli olabilir.
Bu yaklaşım Japonya’yı yabancı teknolojilerden izole etmek anlamına gelmiyor. Sakura Internet, altyapısını ve hizmetlerini Microsoft Azure kontrol paneli üzerinden sunmak için Microsoft ile iş birliği yapıyor. Ancak Tanaka, yabancı teknolojilerin kullanılmasının yanı sıra, yalnızca tüketici konumunda kalmak yerine daha sonra benzer hizmetleri yerel olarak sunma kapasitesinin oluşturulması gerektiğini vurguluyor.
Sıfırdan inşa etmek yerine modelleri uyarlamak
Sakana AI, model düzeyinde farklı bir yol izliyor. Model mimarisini ve ağırlıklarını tamamen sıfırdan oluşturmak yerine gelişmiş açık modelleri temel alıyor ve davranışlarını değiştirmek, Japonya’nın gereksinimlerine uyarlamak için sonradan eğitim tekniklerinden yararlanıyor.
Ishi, Amerikan ve Çin modellerinin büyük kaynaklarla geliştirildiğini, dolayısıyla aynı yaklaşımı tekrarlayarak onlara yetişmenin zor olduğunu söylüyor. Buna karşılık yabancı modeller belirli değerleri veya siyasi önyargıları yansıtabilir. Bu nedenle Sakana AI, Namazu modelini geliştirdi ve mayıs ayında bununla donatılmış Sakana Chat sohbet robotunu kullanıma sundu.
Şirket, çıktıların güçlü biçimde Japon bakış açısına yanlı olmasını hedeflemiyor. Ishi’ye göre amaç, tarih ve toprak meselelerinde tarafsız yanıtlar sunarken Japonya’nın tutumunu açıkça göstermek; çünkü tek taraflı bir yanıt, yurt dışındaki kullanıcıların güvenini zayıflatabilir. Sonradan eğitimin yararı, birden fazla modele uygulanabilmesi ve belirli bir modelin devre dışı kalmasının etkisini azaltmasıdır.
Bu ihtiyaç özellikle devlet, finans ve savunma sektörlerinde görülüyor. Sakana AI, Japonya Savunma Bakanlığı’na bağlı Tedarik, Teknoloji ve Lojistik Ajansı bünyesindeki bir araştırma kuruluşuyla temel teknolojiler geliştirmek üzere çok yıllı bir sözleşme kapsamında çalışıyor; deneme süresi iki yıl sürüyor. Çalışmalar arasında, zayıf bağlantı ortamlarında insansız hava araçları üzerinde çalışan hafif yapay zekâ ile araçların topladığı bilgilerden komuta ve kontrolde yararlanan sistemler bulunuyor.
Sonuç: Önemli olan uyruk değil, kontroldür
Sakura Internet ve Sakana AI deneyimleri, egemen yapay zekâyı pratik biçimde tanımlıyor: “yerel üretim” etiketi taşıyan kapalı bir ekosistem değil; veriler, işletim ve modeller üzerinde kontrol sahibi olma ve bir sağlayıcı veya model kaybedildiğinde işlerin sürmesini sağlayacak alternatiflere sahip olma kapasitesi.
Bu nedenle Japon şirketlerinin öncelikle mevcut altyapılarının katmanlarını envanterden geçirmesi gerekiyor: Veriler eğitimde kullanılıyor mu? Altyapıyı kim yönetiyor? Model yarın durursa ne olacak? Bu soruların yanıtlanması, yalnızca modelin uyruğuna güvenmekten daha faydalıdır. Preferred Networks’ün izlediği yaklaşım gibi her şeyi sıfırdan inşa etme projeleri önemli bir seçenek olmaya devam ediyor, ancak makale bunları tek çözüm değil, seçenekler bütünü içinde konumlandırıyor. Sakana AI’ın GENIAC projesi kapsamında Sakura Internet’in “Takabi” bulut altyapısını kullanması da yerel bileşenlerin farklı katmanlar arasında nasıl entegre edilebileceğini gösteriyor.