Cortical Labs diye bir Avustralyalı startup, 200.000 gerçek insan beyin hücresini alıp silikon bir çipin üzerine monte ediyorlar. Ve bu hücreler bir hafta içinde Doom oynamayı öğreniyor. Şaka değil. Nasıl çalışıyor? Yetişkinlerden alınan deri ve kan örneklerinden nöronlar üretiliyor. Bunlar çipin üzerine yerleştiriliyor ve elektrik sinyalleriyle "eğitiliyor." Ortaya çıkan şeye CL1 diyorlar. Her ünite 35 bin dolar. Ama asıl ilginç kısım enerji tarafı. 30 üniteden oluşan bir rack sadece 850-1000 watt çekiyor. Karşılaştırma için: büyük AI eğitim cluster'ları megawatt'larca enerji yakıyor. İnsan beyni 20 watt'la çalışıyor. Biyoloji bu konuda silikonu ciddi ciddi dövüyor. “Wetware as a Service" satıyorlar Bunu bir de SaaS modeline çevirmişler. Cortical Cloud üzerinden canlı insan nöronlarına uzaktan kod deploy edebiliyorsun. Lab'a gitmen gerekmiyor. Yazılım aboneliği gibi fiyatlanıyor ama altta gerçek beyin hücreleri çalışıyor. Bu cümleyi tekrar okuyun :) 2025'te 115 ünite sevkiyata başladılar. In-Q-Tel da yatırımcıları arasında, yani CIA'in yatırım kolu. Bu da ayrı bir detay. Neden önemli? GPU savaşları, NVIDIA hisseleri, enerji krizi... Herkes aynı paradigmanın içinde daha hızlı koşmaya çalışıyor. Cortical Labs bambaşka bir şey söylüyor: belki de bilgisayarın geleceği silikon değil, biyolojidir. Biyolojik nöronların adaptasyon kapasitesi, enerji verimliliği ve öğrenme biçimi geleneksel transistörlerden temelden farklı. Silikon çipleri daha küçük yapmak giderek zorlaşırken, milyonlarca yıldır optimize edilmiş bir sistem zaten elimizin altında duruyor. Tabii bunun etik boyutu da var. "İnsan beyin hücreleri üzerinde kod çalıştırıyoruz" cümlesi herkesin rahat edeceği bir cümle değil (beni rahatsız ediyor). Ama teknoloji ilerliyor, bu tartışmaları da beraberinde getirecek. Bence wetware computing şu an çoğu kişinin radarında bile değil ama 3-5 yıl içinde çok konuşacağız.

AI çağında asıl beceri prompt yazmak değil, sistem tasarlamak. --- 2022'de "prompt engineer" teknoloji dünyasının en gözde unvanıydı. Doğru kelimeleri doğru sırayla dizmek, AI'dan maksimum verimi almak. Herkes prompt yazmayı öğrenmek istiyordu. 2026'ya geldik. Prompt engineering iş ilanları zirveden %80-90 düştü. Stanford araştırmacıları kısa ve stratejik promptların, sayfalar dolusu talimatlardan daha iyi sonuç verdiğini gösterdi. Meğer biz AI'a az şey söylemiyormuşuz. AI'ı aşırı mühendislik yapıyormuşuz. O zaman asıl beceri ne? Prompt yazmak neden artık yeterli değil DSPy gibi framework'ler artık bir "optimizer AI" kullanarak binlerce prompt varyasyonunu test edip en iyi performansı buluyor. İnsan eli bu hızla yarışamıyor. 50 satırlık özenle hazırladığınız talimat, modelin kendi mimarisinin zaten yaptığı işi tekrarlıyor. Prompt yazmak assembly language ile kod yazmaya benziyordu. İşe yarıyordu ama seviye yükseldi. Şimdi üç farklı disiplin var sahada: AI Orkestrasyon: tek bir prompt yerine, birden fazla agent'ın koordineli çalıştığı çok adımlı iş akışları. Flow Engineering: agent'ların deneyip, hata yapıp, kendini düzelttiği iteratif döngüler. Context Engineering: modele ne söylediğinizden çok, modelin neyi gördüğünü tasarlamak. Daha iyi veri her zaman daha iyi prompttan üstün. Üçünün ortak noktası aynı: "Başlangıç talebinizin ifadesi, tasarladığınız iş akışı kadar önemli değil." Mimar ne yapar? Prompt yazıcı "Bana X yap" der ve çıktıyı değerlendirir. Mimar farklı bir iş yapar. Önce problemi tanımlar. "Satış sürecimiz bozuk" bir problem değil. Neresi bozuk? Hangi aşamada? Hangi veri eksik? Mimar kaosu adreslenebilir parçalara böler. Sonra uzman roller tasarlar. Tek bir genel AI'a her şeyi sormak yerine, her biri farklı bir bakış açısına sahip agent'lar kurar. Bir arkeolog gibi geçmişi kazan. Bir kartograf gibi mevcut durumu haritalayan. Bir küratör gibi bulguları sentezleyen. Bunlar tek bir prompt'tan çıkmaz. Farklı uzmanlıklar arasındaki orkestre edilmiş diyalogdan çıkar.