Jian Gao/Dashun Wang
YZ’nin etkisi şimdiden neredeyse her disipline yayılmış durumda. Ancak bu etkiden tam anlamıyla faydalanmak için araştırmacıların daha iyi eğitilmesi gerekecektir.
Özet :
Kellogg araştırmacıları Dashun Wang ve Jian Gao, on milyonlarca araştırma makalesini analiz ettikten sonra, yapay zekanın neredeyse her bilimsel disipline fayda sağlama potansiyeline sahip olduğunu tespit etti. Bununla birlikte araştırmacılar, çoğu disiplindeki bilim insanlarının YZ’yi doğru şekilde kullanacak beceri ve eğitimden yoksun olduğunu da tespit etti. YZ’nin tüm faydalarından yararlanmak için ek eğitimin yanı sıra disiplinler arası çapraz işbirliği de gerekli olabilir.
Bilimin en büyük başarılarından biri olan yapay zeka, bilimin kendisinde de devrim yaratmaya hazırlanıyor.
Gerçekten de bazı yapay zeka sistemleri, proteinlerin yapısını tahmin etmek (yakın zamanda Nobel Ödülü’ne layık görülen bir ilerleme) ve yeni matematiksel algoritmalar keşfetmek gibi can sıkıcı bilimsel sorunların üstesinden geldi bile. Teknoloji hızla ilerlerken, etkisinin zaman içinde daha da artacağına inanmak için her türlü neden var.
Kellogg’da yönetim ve organizasyon profesörü olan ve aynı zamanda Bilim ve İnovasyon Bilimi Merkezi’ni (CSSI) yöneten ve Ryan Enstitüsü’nün eş direktörlüğünü yapan Dashun Wang, “Bugün YZ’deki temel sorunun, YZ’nin yeni bilimsel keşifler yapıp yapamayacağıyla ilgili olduğunu iddia ediyorum, ki bu genellikle yapay genel zekaya doğru önemli bir kilometre taşı olarak görülüyor” diyor.
Önceki gelişmelerin ışığında -ve daha fazlasının geleceği vaadiyle- Dashun Wang ve CSSI’de araştırma görevlisi profesör olan Jian Gao, yapay zekanın bugün bilime nasıl fayda sağladığını, gelecekte bilime nasıl fayda sağlayacağını ve eğitim sisteminin yeni nesil bilim insanlarını bu yeni fırsattan yararlanmaları için yeterince eğitip eğitmediğini daha iyi anlamak istedi.
Gao ve Wang, on milyonlarca araştırma makalesini analiz ettikten sonra, bu sorulara ilk nicel yanıtları veriyor.
Araştırmacılar, 2015’ten bu yana YZ’nin etkisinin biyoloji ve kimyadan jeoloji ve fiziğe kadar bilimin neredeyse her alanına yayıldığını ortaya koyuyor. YZ tekniklerini kullanan birçok araştırmacı aynı zamanda bir “atıf priminden” de yararlanıyor, yani makaleleri meslektaşları arasında daha etkili hale geliyor.
Ancak Gao ve Wang, YZ’nin faydalarının eşit olarak dağılmadığını da ortaya koyuyor: kadın ve azınlık araştırmacıların daha fazla olduğu disiplinlerde bu oran daha düşük.
Ve belki de en önemlisi, birkaç disiplin dışında, bir disiplinin bilim insanlarının çalışmalarında YZ’yi kullanmak için ne kadar iyi eğitildikleri ile YZ’nin o disiplindeki potansiyel faydası arasında büyük bir uçurum var.
Wang, “Makalenin en önemli içgörüsü bu; disiplinler arasında YZ yeteneklerine yönelik arz ve talep açısından uyumsuzluk” diyor.
YZ’nin etkisi hızla artıyor:
Gao ve Wang, YZ’nin bilimlerdeki kullanımını ve faydalarını ölçmek için, 1960-2019 yılları arasında yayınlanan 19 disiplin ve 292 alandan yaklaşık 75 milyon akademik makalenin başlıklarını ve özetlerini içeren devasa bir veri setini analiz etti.
Araştırmacılar ilk olarak verileri, çalışan bilim insanları için “yapay zekanın” ne anlama geldiğine dair geniş bir tanım oluşturmak için kullandı. Gao ve Wang, bilgisayar bilimleri disiplini içinde makine öğrenimi, yapay zeka, bilgisayarla görme, doğal dil işleme ve örüntü tanıma olmak üzere beş YZ alt alanı belirledi. Araştırmacılar, YZ makalelerinin bu alt kümesinden, belirli YZ tekniklerine karşılık gelen en sık kullanılan anahtar ifadeleri (“denetimli öğrenme”, “kelime gömme” ve “üretken çekişmeli ağ” gibi) çıkardılar. Daha sonra araştırmacılar, YZ ile ilgili ifadelerin nerede ve ne sıklıkla ortaya çıktığını görmek için tüm yayın veri setini, yani her bir disiplin ve alanda yayınlanan tüm makaleleri aradılar.
“Makalenin en önemli içgörüsü de bu; disiplinler arasında yapay zeka yeteneklerine yönelik arz ve talep arasındaki uyumsuzluk.”/Dashun Wang
Analizleri, bilimde YZ kullanımının son yirmi yıldır istikrarlı bir şekilde artmasına rağmen, 2015 yılı civarında birçok disiplinde hokey sopası benzeri bir “kalkış” başladığını gösterdi.
2015’ten 2019’a kadar, fizik, mühendislik, jeoloji ve psikoloji makalelerindeki doğrudan YZ kullanım puanlarının her biri, yüzde 24 arttı. Biyoloji ve ekonomiden malzeme bilimi ve sosyolojiye kadar diğer disiplinlerde de yüzde on ila otuz arasında değişen artışlar görüldü. Araştırmacılar ayrıca, YZ n-gramlarından bahseden makalelerin kendi alanlarında “hit” olma olasılığının yaklaşık iki kat daha fazla olduğunu buldular (aynı alandaki ve yıldaki makaleler arasında toplam atıfların ilk yüzde 5’inde yer almak olarak tanımlanır).
Yapay zeka ve geleceğin bilimi:
Araştırmacılar daha sonra yapay zekanın bilimsel disiplinler için gelecekteki potansiyel faydalarını tahmin etmek istediler.
Bunu yapmak için, her disiplindeki bilim insanlarının ne yaptığını tanımlayan fiil ve isim çiftleri olan “saha görevleri”ni çıkarmak için bilimsel makaleler üzerinde farklı bir anahtar kelime öbeği analizi gerçekleştirdiler. Biyologlar için bu tür bir saha görevi “geni tanımlamak” olabilir; kimyagerler için “reaksiyonu katalize etmek” olabilir. Gao ve Wang ayrıca, bir dizi “AI yetenekleri” oluşturmak için AI ile ilgili makalelerden (ve ayrıca 1976 ile 2019 yılları arasında Amerika Birleşik Devletleri Patent ve Ticari Marka Ofisi tarafından verilen 7,1 milyon patent arasından belirlenen AI patentlerinden) benzer fiil-isim çiftleri topladılar. Son olarak, iki anahtar kelime öbeğini (yani fiil-isim çiftlerini) karşılaştırdılar ve örtüşmeleri aradılar. Bir “AI yeteneği” aynı zamanda belirli bir disiplinde bir “saha görevi” olarak ortaya çıkarsa, o disiplinin gelecekte AI’dan yararlanma olasılığının daha yüksek olduğu düşünülüyordu.
Gao ve Wang bu ölçütü kullanarak yapay zekanın hemen hemen her bilimsel disipline fayda sağlama potansiyeline sahip olduğunu buldular.
Belirli bir disiplinin alt alanları arasında önemli farklılıklar buldular. Örneğin, biyolojik sistemler alt alanındaki (organizmaların içindeki karmaşık etkileşimleri hesaplamalı olarak modellemeyi amaçlayan) görevler, bahçecilik veya gıda bilimi gibi biyolojinin diğer alt alanlarındaki görevlere kıyasla AI tarafından etkilenme olasılığı dört kat daha fazlaydı. Ancak Gao, genel olarak, “AI’nın disiplinler arası bilim için yaygın bir etkisi ve faydaları var” diyor.
Dengesiz yürüyüş:
Bununla birlikte, Gao ve Wang ayrıca kadınların ve yeterince temsil edilmeyen azınlıkların daha yüksek oranda olduğu disiplinlerin, hem bugün doğrudan yapay zeka kullanımı hem de gelecekte yapay zekanın potansiyel faydaları açısından yapay zekadan yararlanma olasılığının daha düşük olduğunu buldu. Örneğin, doktora derecesi olan araştırmacıların yaklaşık yarısının kadın olduğu ve yüzde 16’sının yeterince temsil edilmeyen bir ırksal kategoriyle özdeşleştiği sosyolojide, yapay zekanın disiplin için şu anki faydaları, erkek, Kafkasyalı ve Asyalı araştırmacı oranının çok daha yüksek olduğu fiziğin yaklaşık yarısı kadardır. Kariyer düzeyindeki analizler, yapay zeka ile ilgili araştırmalara katılan yeterince temsil edilmeyen bilim insanlarının, diğer bilim insanlarına kıyasla “isabet” oranlarında (alıntılarla ölçüldüğü üzere) daha küçük bir artış gördüklerini ortaya koydu.
Gao, “Teknolojik değişimin sıklıkla işgücünde eşitsizliğin kaynağı olduğunu çok uzun zamandır biliyoruz” diyor. “Yapay zekanın gelecekte bilimsel araştırmalara fayda sağlamaya devam edeceğini öngörüyorsak, bu faydaların nasıl dağıtıldığı konusunda da endişe duymalıyız.”
Bir eğitim boşluğu:
Ancak en büyük bulgu, çoğu disiplinin AI’nın ilerlemesinden faydalanmak için ne kadar hazırlıksız olduğu olabilir. Sonuçta, AI yalnızca bilim insanlarının AI’yı doğru şekilde kullanmak için gereken becerilere ve eğitime sahip olması durumunda bir disipline fayda sağlayabilir.
Araştırmacılar, AI ile ilgili makalelere bilimsel referanslar için 4,2 milyon İngilizce üniversite müfredatından oluşan bir veri tabanını tarayarak eğitim sisteminin AI’ya hazırlığını inceledi. Gao, “Gelecek nesil bilim insanlarının AI ilerlemelerini kullanmaya ne kadar iyi hazır olduklarını bilmek istedik,” diye açıklıyor. Bir disiplinin ders çalışmalarındaki AI referanslarının sıklığını ölçerek, “[o disiplinin] AI eğitimine yaptığı yatırım seviyesini tahmin edebiliriz.”
Burada sonuçlar sadece hayal kırıklığı olarak tanımlanabilir. Üç hesaplama disiplini (bilgisayar bilimi, matematik ve mühendislik) hariç, disiplinler AI’dan tam fayda sağlamak için lisansüstü öğrencilere ve genç bilim insanlarına AI ile ilgili becerileri öğretmeye yeterince yatırım yapmıyordu.
Wang’a göre bu bulgu, dünya çapındaki politika yapıcılar için bir uyarı niteliğinde olmalı: “Bilim politikasında bu sorunu çözebilecek ne tür kaldıraçlar kullanılabilir?”
Aslında, araştırmaları tek bir cevaba işaret ediyor. Gao ve Wang, bilgisayar bilimi dışındaki disiplinlerdeki (örneğin, biyoloji) iş birliği modellerini analiz ettiklerinde, bilgisayar bilimcileri ve diyelim ki biyologlar arasındaki iş birlikleri yoluyla üretilen AI yayınlarının sayısının, yalnızca biyologlar tarafından üretilenlerden daha hızlı arttığını buldular.
Başka bir deyişle, çok çeşitli disiplinlerdeki bilim insanları, AI konusunda daha uzmanlaşmış bilgiye sahip akranlarına yaslanmayı giderek daha faydalı buluyor. Bu, bilimde AI’dan tam olarak yararlanmanın yalnızca bilim insanlarını eğitmek için daha fazla fon değil, aynı zamanda disiplinler arası iş birliği için daha fazla fırsat gerektirebileceğini gösteriyor.
Bir dereceye kadar, bu zaten gerçekleşiyor. Gao, “Bazı kurumlar, farklı disiplinlerden gelen öğretim üyelerinin farklı AI araçlarını ve ilerlemelerini nasıl kullanacakları konusunda konuşmalar yapmasını teşvik eden disiplinler arası araştırma merkezleri başlatıyor,” diyor. “Bu, araştırmacıların aslında birlikte araştırma yaptıklarında birbirlerinden potansiyel olarak öğrenmeleri için birbirlerine daha fazla maruz kalmalarını sağlayacaktır.”
Ancak Gao ve Wang, AI’nın potansiyelini en üst düzeye çıkarmak için çapraz iş birliğinin çok daha büyük bir ölçekte gerçekleşmesi gerektiğini söylüyor. Bu amaçla Gao ve Wang’ın sonuçları, ABD hükümetine bilimle ilgili politika konusunda tavsiyelerde bulunan Ulusal Bilimler Akademisi’nde sunulan daha büyük bir rapora dahil edildi. Rapor linki eklidir.
Yapay zekanın kendi araştırma alanına sağladığı faydalar konusunda Gao iyimser. “Yapay zekanın emek yoğun görevleri otomatikleştirmeye ve yaratıcılığımızı artırmaya nasıl yardımcı olabileceği konusunda heyecanlıyım” diyor. “Yeni sorular sormak, daha zorlu alanlara dalmak ve bilgi sınırlarını zorlamak için bize daha fazla zaman kazandırabilir.”
NOT: Bu makalenin tercümesinde DeepL tercüme algoritması kullanılmış ve daha sonra revize edilmiştir.
https://insight.kellogg.northwestern.edu/article/ai-is-revolutionizing-science-are-scientists-ready
https://nncta.org/opportunities/report.html
https://nncta.org/_files/documents/nncta-one-page-summary.pdf