Chicago’nun Teknolojisiz Sınıf Deneyi
Bu sonbaharda Chicago Üniversitesi’nin sosyal bilimler temel müfredatındaki derslerden birine giren öğrencinin masasındaki en önemli teknolojik araç büyük ihtimalle kalem olacak.
Üniversitenin öğrenci gazetesi Chicago Maroon’un ele geçirdiği yönergeye göre sosyal bilimler bölümleri, 2026-27 akademik yılında temel sosyal bilimler derslerini genel olarak “teknolojisiz” biçimde yürütmeye hazırlanıyor. Öğrenciler metinleri ağırlıkla kağıttan okuyacak, sınıf içi tartışmalarda elektronik cihaz kullanmayacak ve yazılı çalışmalarında yapay zekadan yardım alamayacak. Benzer bir sınır öğretim üyelerine de getiriliyor. Hocaların yapay zeka destekli notlandırması ve ders izlencelerinin yapay zeka tarafından hazırlanması da yasaklanıyor.
Bu habere bakarak Chicago’nun tutumunu muhafazakar ve refleksif bulmak mümkün. Fakat, köklü üniversite, yapay zekayı külliyen üniversiteden silmiyor. Aynı üniversite bu yıl Anthropic ile anlaşarak Claude Enterprise’ı öğretim üyeleri, çalışanlar ve öğrenciler için kampüs çapında erişilebilir hale getiriyor. Rektör Paul Alivisatos, kurumun öğrencilerine yapay zekayla düşünmeyi, yapay zeka olmadan düşünmeyi ve yapay zeka hakkında düşünmeyi öğretmesi gerektiğini söylüyor. Hukuk Fakültesi de benzer bir anlayışla birinci sınıfın temel derslerinde elektronik cihazları kaldırıyor, sınavları yüz yüze ve çevrimdışı hale getiriyor, buna karşılık ileri seviyede yapay zeka kullanımını öğretmeye devam ediyor.
Dolayısıyla üniversitenin tutumu, Toplum ve Teknoloji Bülteni’nde sıkça sorduğumuz ‘İnsanın hangi zihinsel becerilerinin makineye devrine izin verilmemeli?’ sorusuyla yakından ilgili.
Bu sorunun özellikle sosyal bilimler temel müfredatında sorulması tesadüf değil. Chicago’nun temel müfredatı 1931’e uzanan bir genel eğitim geleneğinin ürünü. Bugün bütün lisans öğrencileri üç dönemlik bir sosyal bilimler dizisini tamamlıyor. Üniversitenin kendi tanımına göre bu derslerin merkezinde küçük seminerler, dikkatli metin okuma, çözümleyici yazı ve tartışma var. Yani burada ölçülmek istenen öğrencinin bir metinle baş başa kalabilmesi, bir iddia kurabilmesi, itiraz edebilmesi ve fikrini yeniden şekillendirebilmesi.
ABD’de üniversite öğrencilerinin neredeyse tamamının elinin altında olan üretken yapay zeka araçları da bu hususta tehlikeli bir kolaylık sağlayabiliyor. Standart bir yapay zeka aracı birkaç saniye içinde metni özetleyebilir, temel savları çıkarabilir, karşı görüş üretebilir ve düzgün bir paragraf yazabilir durumda. Ortaya çıkan ürün iyi görünse de eğitim açısından kritik ayrım, ürün ile gerçek öğrenme arasındaki fark.
Araştırmalar bu ayrımın gerçek olduğunu gösteriyor. 2025’te yayımlanan ve yaklaşık bin lise öğrencisini kapsayan bir saha deneyinde, standart ChatGPT benzeri yardım öğrencilerin alıştırmalardaki başarısını yükseltti. Fakat araç kaldırıldığında bu grup, hiç yapay zeka kullanmayan öğrencilerden yüzde 17 daha kötü performans gösterdi. Aynı çalışmada, cevabı doğrudan vermek yerine öğrenciyi adım adım yönlendiren özel bir yapay zeka destekli öğretici bu olumsuz etkiyi büyük ölçüde ortadan kaldırdı. Başka bir ifadeyle sorun yapay zekanın varlığından ziyade, öğrencinin düşünme sürecinin hangi kısmını ona devrettiği.
Öte yandan buradan basit bir teknoloji karşıtlığı sonucu da çıkarılamaz. Harvard’da lisans düzeyindeki fizik öğrencileriyle yapılan rastgele kontrollü bir çalışmada, eğitim amacıyla özel olarak tasarlanmış bir yapay zeka öğreticisi kullanan öğrenciler, sınıftaki etkin öğrenme oturumlarına kıyasla daha kısa sürede daha yüksek öğrenme kazanımı elde etti. Yani cevabı sizin yerinize üreten genel amaçlı bir sohbet sistemi ile sizi sorularla ilerleten iyi tasarlanmış bir öğretici aynı şey değil.
Bu nedenle Chicago’nun teknolojisiz sınıf kararı savunulabilir. Bir öğrenci önce kendi başına okuyabilmeli, yazabilmeli ve tartışabilmeli. Sonra bu becerilerin üzerine yapay zeka eklenebilir. Nasıl temel matematik öğrenirken hesap makinesi bazen kapatılıyorsa, burada da amaç teknolojinin kötü olduğuna hükmetmekten ziyade öğrencinin neyi otomatikleştirdiğini anlayabilecek kadar yetkin hale gelmesini sağlamak. Aksi durumda kişi, karşısına çıkan cevabın kalitesini değerlendirecek ölçütleri henüz oluşturmadan cevaba bağımlı hale gelebilir.
Bu yaklaşımın zayıf noktaları da var. Yapay zeka yasağının yanında elektronik cihazlara sınırlama getirilmesi, bu düzenlemeyi başka bir boyuta taşıyor. Dijital not alma, erişilebilirlik teknolojileri ve elektronik metinler bazı öğrenciler için gerçek öğrenme araçları olarak kabul edilebilir. Üstelik bir dizüstü bilgisayar ile üretken yapay zeka aynı şey değil. Birisi dikkat yönetimi diğeri ise zihinsel işi otomatikleştirme ile ilgili problemler. Bu nedenle teknolojisiz sınıf fikri romantik bir ideale dönüşmemeli.
Ayrıca öğrencileri dört yıl boyunca yapay zekadan uzak tutmak da ciddi bir hata olur. İş dünyasında, araştırmada, hukukta ve kamuda bu sistemleri kullanma, denetleme ve sorgulama becerisi giderek temel bir yetkinlik haline geliyor. Bu yüzden Chicago’nun Claude’u öğrencilere açması ile bazı sınıflarda yapay zeka kullanımını yasaklaması bir çelişki değil. Bilakis, doğru uygulanırsa kurumun en güçlü fikirlerinden biri olabilir.
Bugünün eğitim tartışmasında iki kolay pozisyon var. Birincisi, yapay zeka kaçınılmaz olduğu için öğrencilerin mümkün olan en erken aşamada her işte onu kullanması gerektiği. İkincisi, yapay zeka düşünmeyi bozduğu için sınıftan tamamen çıkarılması gerektiği. İkisi de teknolojinin kullanım biçimi ile öğrenmenin amacı arasındaki ilişkiyi yeterince ciddiye almıyor.
Öğrenirken bazı zorluklar değerlidir. Bir paragrafı üç kez okumak, kötü bir ilk taslak yazmak, sınıfta yanlış bir yorum yapmak ve bir arkadaşının itirazı karşısında fikrini düzeltmek zaman kaybı gibi görünebilir. Fakat bu “verimsizlikler” çoğu zaman düşünmenin kendisidir. Chicago’nun deneyi bu nedenle takip edilmeye değer. Başarısı, öğrencilerin yapay zekadan ne kadar uzak tutulduğuyla ölçülmemeli. Asıl ölçüt, yapay zeka tekrar masaya geldiğinde öğrencilerin ona daha bağımlı mı, yoksa ondan daha talepkar mı olduğudur. İyi bir üniversitenin hedefi, makinesiz bir dünya için öğrenci yetiştirmek olamaz. Ama makine olmadan düşünemeyen öğrenciler yetiştirmek de eğitim sayılmaz.
Nvidia Yapay Zeka Talebini Beklemiyor, Finanse Ediyor
Yapay zeka çağının simgesi haline gelen şirketlerden Nvidia, aldığı finansal kararlarla da dikkat çekiyor. Şirket bir süredir kendi çiplerini kullanacak olan ekosistemin kurulmasına doğrudan yatırım yapıyor. 17 Ağustos’ta açıklanan SB Energy anlaşması bunun son örneklerinden biri. Habere göre Nvidia, SoftBank’in enerji ve veri merkezi şirketi SB Energy’ye 1,5 milyar dolar yatırım yapacak. Bunun yanında OpenAI için Ohio’da kurulacak büyük veri merkezi projesinde 105 milyar dolara kadar garanti sağlayacak.
Yani SB Energy veri merkezini kuracak, OpenAI bu kapasiteyi uzun süreli olarak kiralayacak, yapay zeka altyapısını ise Nvidia sağlayacak. Böylece Nvidia bir taraftan projenin finansmanını desteklerken diğer taraftan projenin en büyük teknoloji tedarikçisi haline geliyor. Bu nedenle Nvidia açısından asıl fırsat, bu veri merkezine satılacak GPU’lar, ağ ürünleri ve diğer sistemler. Şirketin CEO’su Jensen Huang’ın hesabına göre OpenAI ile bağlantılı 16 gigavatlık Nvidia altyapısı, 2030’a kadar şirkete toplam 600 milyar dolarlık gelir fırsatı yaratabilir.
SB Energy anlaşmasından hemen sonra Nvidia, ABD’de yapay zeka veri merkezleri için saha geliştiren Cloverleaf Infrastructure’a yatırım yaptı. Haziran ayında ise global yatırım firması KKR liderliğinde kurulan ve 10 milyar dolardan fazla sermayeyle yola çıkan Helix Digital Infrastructure’ın ortaklarından biri olmuştu. Nvidia yine Ağustos ayında Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs ve KKR gibi büyük finans kuruluşlarıyla yapay zeka altyapısına zaman içinde 500 milyar dolardan fazla üçüncü taraf sermayesi çekmeyi hedefleyen yeni finansman yapıları açıkladı. Bu işlemler birlikte okunduğunda Nvidia’nın stratejisi net görünüyor. Şirket sadece çip üretip müşterinin satın almasını beklemiyor; müşterinin o çipi alabilmesi için gereken veri merkezinin, enerjinin ve finansmanın oluşmasına da yardım ediyor.
Aynı mantık yapay zeka sektörünün başka katmanlarında da görülüyor. CoreWeave bunun en bilinen örneklerinden biri. CoreWeave büyük miktarda Nvidia GPU’su satın alan bir bulut bilişim şirketi ve Nvidia aynı zamanda şirketin hissedarlarından biri. Nebius’ta da benzer bir ilişki var. Nvidia şirketin yaklaşık yüzde 9’una sahipken Nebius milyarlarca dolar borçlanarak Nvidia GPU’larıyla dolu yeni veri merkezleri kuruyor. İngiliz Nscale de Nvidia’dan yatırım aldı ve kendi veri merkezleri üzerinden Microsoft ile OpenAI gibi müşterilere işlem gücü sağlıyor. Bu şirketlerin ortak noktası, Nvidia’nın ürünlerini büyük ölçekte satın alabilecek bağımsız işlem gücü sağlayıcıları olmaları.
Nvidia’nın yatırımları burada da bitmiyor. Şirket model geliştiren şirketlere de büyük miktarda sermaye koydu. OpenAI’daki yatırımı 30 milyar dolara ulaştı, Anthropic’e yaptığı yatırım ise 10 milyar dolar seviyesinde. Daha önce Scale AI, Together AI ve Figure gibi şirketlere de yatırım yaptı. Scale AI eğitim verisi tarafında, Together AI model çalıştırma altyapısında, Figure ise robotik alanında faaliyet gösteriyor. Şimdi Perplexity’ye yeni bir yatırım da gündemde. Medyaya göre Nvidia, şirketin değerlemesini 30 milyar doların üzerine çıkarabilecek yeni yatırım turuna katılmayı görüşüyor.
Ortaya çıkan tablo klasik bir girişim sermayesi portföyüne benzemiyor. Nvidia enerji şirketlerine, veri merkezi geliştiricilerine, bulut bilişim şirketlerine, yapay zeka modeli geliştiren şirketlere, uygulama şirketlerine ve robotik girişimlerine sermaye koyuyor. Başka bir ifadeyle şirket, kendi çiplerinin kullanılacağı ekonomik zincirin neredeyse her bölümünde yer almaya çalışıyor.
Bunun Nvidia açısından güçlü bir mantığı var. Yapay zeka sektöründeki temel sorun çip üretmekten ibaret değil. Yeni bir veri merkezi kurmak için elektrik, arazi, şebeke bağlantısı ve milyarlarca dolarlık sermaye gerekiyor. Nvidia dünyanın en iyi GPU’larını üretse dahi müşteriler bu altyapıyı kuramazsa şirket satış gerçekleştiremeyebilir. Bu nedenle Nvidia giderek kendi büyümesinin önündeki darboğazları finanse ediyor ve gelecekteki talebin oluşmasına da katkı sağlıyor. Bir veri merkezi şirketine 1 milyar dolar yatırım yaparak bunun sonucunda 10 veya 20 milyar dolarlık Nvidia sistemi satabiliyorsa, yatırımın kendi başına çok yüksek getiri sağlaması gerekmiyor. Asıl getiri daha fazla ürün satışı üzerinden geliyor.
Bu stratejinin bir başka nedeni de Nvidia’nın müşteri yapısıyla ilgili. Şirketin en büyük müşterileri aynı zamanda gelecekteki en ciddi rakiplerinden bazıları. Google kendi TPU çiplerini geliştiriyor, Amazon Trainium ailesini büyütüyor, Microsoft kendi yapay zeka çipleri üzerinde çalışıyor ve OpenAI da özel çip seçenekleri peşinde. Nvidia’nın yalnızca birkaç büyük teknoloji şirketine bağımlı kalması uzun vadede risk yaratıyor. CoreWeave, Nebius ve Nscale gibi bağımsız işlem gücü sağlayıcıları büyüdükçe Nvidia’nın müşteri tabanı genişliyor. OpenAI, Anthropic, Perplexity ve benzeri şirketler büyüdükçe de Nvidia ürünlerine doğrudan veya dolaylı talep artıyor. Bu açıdan bakıldığında yatırım programı bir müşteri çeşitlendirme stratejisi de.
Bu yapı eski tip tedarikçi finansmanına benziyor, fakat çok daha geniş bir ölçekte uygulanıyor. Geçmişte teknoloji ve telekom şirketleri müşterilerine kendi ekipmanlarını satın alabilmeleri için kredi verirdi. Nvidia ise kredi vermenin ötesine geçiyor. Şirketlere ortak oluyor, bazı projelerde garanti sağlıyor, büyük yatırım fonlarını sektöre çekiyor ve veri merkezlerinin kurulmasını kolaylaştırıyor. Sonuçta ortaya çıkan yeni kapasitenin önemli bölümü yine Nvidia sistemleriyle dolduruluyor.
Bu modelin taşıdığı risk ise yapay zeka yatırımlarının beklenenden sert biçimde yavaşlaması. Nvidia artık aynı sektöre birkaç farklı kanaldan bağlı. Çip tedarikçisi, yatırımcı ve bazı işlemlerde garanti veren taraf. Aynı zamanda büyük finans kuruluşlarını yapay zeka altyapısına çeken şirketlerden biri. Bu nedenle sektörde ciddi bir kapasite fazlası oluşursa Nvidia’nın yatırım yaptığı şirketlerin değerinin düşmesi veya desteklediği projelerde finansman sorunları yaşanması da gündeme gelebilir.
Neticede şirket, talebin kendiliğinden oluşmasını beklemek yerine enerji, veri merkezi, finansman ve müşteri tarafındaki kapasitenin kurulmasına doğrudan katkı sağlıyor. Bu model başarılı olursa Nvidia, büyüyen yapay zeka ekonomisinde daha merkezi bir oyuncu haline gelebilir. Ancak aynı strateji, yapay zeka harcamalarının yavaşladığı bir senaryoda şirketin sektörün farklı noktalarındaki risklere aynı anda maruz kalması anlamına geliyor. Bu nedenle önümüzdeki yıllarda Nvidia için asıl soru kendi ürünlerine yönelik talebi finanse ederek kurduğu bu geniş ekosistemin ne kadar sürdürülebilir olacağı.