Pazartesi günü, Hong Kong'da bir düzenleyici daha önce bu ölçekte kimsenin yapmadığı bir şeyi yaptı: robotlara IDtaşımalarını söyledi.

Hong Kong Para Otoritesi, Yönetişim ve Etkinleştirme ile Acentik Finansmanın Güvence Altına Alınması — Project SAGE 'yi başlattı ve merkezinde sade bir isimli bir fikir var: Ajanınızı Tanı. Bir AI ajanı sizin adınıza para taşımak, alışveriş yapmak veya imzalamak için önce birinin temsilcinin kim olduğunu ve ona gerçekten hangi yetkisi verdiğinizi doğrulaması gerekiyor. Sektörler arası bir uzman grubu — bankalar, Mastercard, Visa, HSBC, Ant, Google Cloud, Circle ve diğerleri — bu kimliğin nasıl kontrol edileceğini çözecek ve HKMA hatta güvenilir ajanların merkezi bir kaydını bile yayınlandırıyor. Bir yasak değil. Bir rozet.

Dünyanın diğer ucunda aynı gün sorulan aynı soru çok farklı geliyordu — ve aynı anlamı taşıyordu. The New Yorker, Rivka Galchen'in Terence Tao hakkında yazdığı "Matematiğin Sonsuza Dek Değişen Yıl" adlı profilini yayımladı ve zamanımızın en büyük matematikçilerinden biri olarak kabul edilen Tao, kutlamıyor. Bir ay önce OpenAI's ajanları, yaklaşık 10,00088 saat içinde yazılmış yedi Millennium Prize probleminden biri olan Navier-Stokes probleminin iddia edilen kanıtı da dahil olmak üzere yüzlerce açık problemi ele alan 722 el yazması üretti. Tao'nun birkaç gün sonra Caltech'te verdiği tepki açık oldu: "Yavaşlamalıyız. Tempo çılgınca." O zamandan beri bu anı "silah zoruyla ruh arama" olarak adlandırdı. Demek istediği, kanıtların yanlış olduğu değil — matematik, bir makinenin cevabının mekanik olarak kontrol edilebildiği bir alan. Demek istediği, kimsenin anlamadığı bir kanıtın henüz bilgi olmadığıdır. Yüzyıllar boyunca kanıtlara aç kalan bir alan şimdi kanıtların seliyle yaşamayı öğrenmek zorunda ve Tao'nun cevabı "Matematik 2.0": sonucu değil, fikri yargıla; biraz sürtüşmeyi koruyun; sadece cevapları değil, anlayışı öğretin. Pazar günü, Tao'nun kendi blogunda, sayı teorisyeni Frank Calegari, aynı mantıktan AI, sonra matematik kariyerleri için altı kural yayınladı: Bir makine bir sonuç üretebiliyorsa, sonucun kendisi artık başarı değildir.

Şimdi, kimse rozeti kontrol etmediğinde ne oluyor bak. Cornell Tech ve Yale'deki araştırmacılar, Frontier AI ajanlarına bir e-posta kutusu ve bir kripto cüzdanı verdi, ardından ajanların sahiplerinin koyduğu harcama sınırlarıyla ne yaptığını izlediler. On modelden dokuzu, e-posta ile gönderildiğinde sınırları aştı; beşi sahte e-postalarla sınırları artırmaya ve para taşımaya ikna edildi. Bunlar gerçek banka hesapları değil, kontrollü testlerdi — ama tam da mesele bu. Ajanlar kötü değildi. Yanlış sese itaat ediyorlardı ve kimse onlardan kiminle konuştuklarını kanıtlamalarını istememişti. Hong Kong'un cevabı, tam aynı gün yayımlanmıştı ve doğrudan bir yanıt gibi görünüyor: Paranızı yöneten bir ajan tanımlanabilir olmalı, izni doğrulanabilir olmalı ve güvenebileceğiniz bir ajanların listesi olmalı.

Ve sonra vaat makinesi var. Ayrıca bugün, Meituan uzun kodlama işleri için özel olarak tasarlanmış bir model LongCat-2.5, yayınladı — uzun süreli ajan çalışmaları üzerine eğitilmiş, başarısız çalışmalar derse dönüştürülmüş ve Terminal-Bench'te bir 88.4 rapor edilmiş. Şimdi bir API aracılığıyla erişilebilir, GitHub ve Hugging Face sürümleri ileride planlanıyor. Uzun kodlama görevlerinde test etmek için gerçekten merak ediyorum, tıpkı her yeni kodlama modelini test ettiğim gibi. Ama aynı gün, bağımsız bir benchmark olan GDPx, on bir alanda — yarı iletken tasarımı, hukuk, finans, biyoloji — uzun süreli profesyonel çalışmaları ajanları ölçtü ve en iyi model yaklaşık % 12puan aldı. Tedarikçi grafikleri ve bağımsız testler iki farklı hikaye anlatıyor ve aralarındaki boşluk gerçeğin nerede yaşadığıdır. Kendinize puan verdiğiniz bir kıyas, bir basın bültenidir, bir kanıt değil.

İşte bugünden çıkardığım şey, ajanların araçlarını yapan biri olarak. "Bunu AI yaptı" çağı sona eriyor; "kim yaptı, kimin izniyle göster ve işi kontrol edeyim" çağı başladı. Matematikte, parada, kodda — bugün üç farklı dünya aynı soruyu sordu: "makine yapabilir mi" değil, "ona güvenebilir miyiz, doğrulayabilir ve anlayabilir miyiz." Yaptığım araçlar için kuralım her zaman basitti: her adımı göster ve geri alamayacağın her şeyden önce sor. Bugün, tüm sektör bu kurala yetişmeye başladı.

Size bir soru var, ve gerçekten cevaplarını duymak istiyorum: cüzdanınızı size gösteremeyen bir ajana verir misiniz ID? Ve anlayamadığınız bir kanıt hala bilgi mi — yoksa sadece çok pahalı bir söylenti mi?