Serge Belongie1
Son yıllarda yapay zekanın (YZ) bilimi dönüştürdüğüne dair çok şey duyduk. Bu değişiklikleri örneklendiren kendi çalışmalarınızdan bir örnek verebilir misiniz?
Serge Belongie: Görsel uzmanlığı yakalama ve paylaşma amacını taşıyan Visipedia adlı uzun süredir devam eden bir araştırma projesinde yardımcı baş araştırmacıyım . Sistemlerine yapay zeka işlevselliğini dahil etmek için popüler vatandaş bilimi uygulamaları Merlin Bird ID ve ile iş birliklerine başladık .
Bu uygulamalar tarafından üretilen oluşum verileri Küresel Biyoçeşitlilik Bilgi Tesisi’ne (GBIF) aktarılıyor ve iklim değişikliği, istilacı türlerin tespiti ve coğrafi modelleme gibi konularda çok sayıda araştırmanın yapılmasını sağlıyor.
Yapay zekanın bilimin yürütülme ve iletişim biçiminde yarattığı en dikkat çekici değişiklikler neler oldu?
Serge Belongie: Protein tahmini için yakın zamanda Kimya Nobel Ödülü’ne layık görülen bu ödül, elbette, yapay zeka destekli bilimsel keşfin çok dikkat çeken bir örneğidir. Bu çığır açan çalışmada kullanılan yaklaşım, milyonlarca gürültülü etiketli gözlem kullanarak modeller oluşturan ve test eden, veri odaklı makine öğrenimi yaklaşımlarından yoğun bir şekilde yararlanan birçok modern araştırma yaklaşımının sembolüdür.
Büyük resmi görme, kalıpların dışına çıkma ve noktaları içgörülerle birleştirme açısından insan bilim insanları kritik öneme sahip olmaya devam ediyor ancak yapay zeka aynı zamanda hipotez oluşturma ve deney önerilerinde de yardımcı olmaya başlıyor.
Bilim iletişimi açısından, ChatGPT ve Claude gibi popüler Büyük Dil Modelleri (LLM’ler), araştırmacılar ve gazeteciler tarafından bulguları çeşitli hedef kitleye uygun şekillerde yazmak, düzenlemek ve özetlemek için giderek daha fazla kullanılıyor. Google’ın bilimsel bir makaleden iki sunuculu bir podcast üreten bir aracı olan NotebookLM de fikirleri yaymanın popüler bir yolu haline geldi.
Bilimde yapay zekanın kullanılmasının avantajları nelerdir?
Serge Belongie: LLM’ler, istatistiksel analizden iPhone uygulamalarına kadar her şey için kod yazma konusunda insanların giriş engelini önemli ölçüde düşürüyor. Sonuç olarak, örneğin bilgisayar biliminde hiçbir geçmişi olmayan bir moleküler biyolog, artık ilaç keşfine yardımcı olmak için önemsiz olmayan kodlar yazabilir.
Yapay zeka, sınırlı bütçelere sahip küçük araştırmacı ekiplerinin daha fazla ilerleme kaydetmesine, anlaşılması zor programlama dili söz dizimleri yerine temel bilimsel sorunlara odaklanmasına ve her alanda giderek artan miktardaki verilerde umut verici kalıplar keşfetmesine olanak tanıyacak.
Öte yandan yapay zekanın bilimde kullanılmasının riskleri nelerdir?
Serge Belongie: Her geçen gün daha güçlü yapay zeka araçlarına erişimin artması, sahte konferans bildirileri, uydurulmuş veriler, intihal ve var olmayan referanslara atıflar gibi bir “yapay zeka saçmalığı” sorununun ortaya çıkmasına neden oldu.
Günümüzde en popüler AI yaklaşımları, uydurma ve daha genel olarak belirsizlik nicelemesi içeren iyi bilinen sorunlara sahiptir. Bu, bunların yüksek AI okuryazarlığına sahip bilim insanlarının elinde kullanılması gerektiği anlamına gelir. Yanlış ellerde, bu teknikler pişmanlık duyulacak karbon ayak izleriyle sonuçlanan boşuna çabalamalara yol açabilir.
Yapay zeka, her şeyden önce, nispeten basit görevlerde yardımcı oluyor. Temel görevlerden uzaklaşmanın, insan bilim insanlarının yeni fikirler üretme kapasitesini azaltabileceğinden endişeleniyor musunuz?
Serge Belongie: Tam tersine, bilim insanlarının temel bilimsel sorulara daha fazla odaklanabileceklerini öngörüyorum. Bununla birlikte, LLM’lerin uydurma bir soruna sahip olması hem bir nimet hem de bir lanet. Bu bir lanet çünkü bu modellerin böyle hatalar yapmamasını istiyoruz. Ancak bu bir nimet çünkü bilim insanlarının birim testleri, deneysel tasarım ve okuyucular ile değerlendiricilerde güven oluşturma konusunda dikkatli düşünmeleri gerektiği anlamına geliyor.
Yapay zeka tarafından üretilen ve hakemli bilimsel makalelerin yükselişi önemli tartışmalara yol açtı. Bilimsel makalelerin LLM’ler kullanılarak yazılması ve/veya incelenmesi bir sorun mu? Eğer öyleyse, neden?
Serge Belongie: Bu önemli bir sorundur, çünkü bilim akran değerlendirmesi temeline dayanır ve bu değerlendiriciler çoğunlukla zamanlarını topluluklarının yararına gönüllü olarak ayırırlar. Yazarlar ve/veya değerlendiriciler yapay zeka araçlarıyla tembel veya özensiz davrandıklarında, bu durum güveni aşındırır ve zaten fazla çalışmış ve az ücret almış hissedebilecek bilim insanlarının motivasyonunu düşürür.
Gelecekte bilimsel araştırmaların belirli bölümlerinin veya belki de tamamının tamamen otomatikleştirilebileceğini ve böylece insan bilim insanlarına olan ihtiyacın azalabileceğini düşünüyor musunuz?
Serge Belongie: İnsanlar – bilim insanları veya diğerleri – tahmin makineleridir. Dünyada hareket ederiz, uyarıcıları alırız, ne olabileceğini tahmin ederiz, bu tahmin ile ortaya çıkan gerçeklik arasındaki veriler üzerinde hareket ederiz. Bunu araba kullanırken ve müzik dinlerken yaparız.
Makineler, tartışmasız bir şekilde, tahminde daha iyidir. Yeterli veri ve yeterli hesaplamaya sahip olduklarında onları yenmek zordur. Ancak insanlar, makinelerin henüz yakalayamadığı tahminin ötesinde yeteneklere sahiptir. İnsanlar, görünüşte alakasız sorunlar arasındaki noktaları birleştirerek sezgi sıçramaları yapmada üstündür.
Bunun güzel bir örneği, Leslie Lamport’un dağıtılmış bilişim üzerine öncü çalışmasında özel görelilikten ilham almasıdır. Yapay zeka, hipotezler önererek veya çözüm yönleri vaat ederek yaratıcı süreçte yardımcı olabileceği bir geliştirme aşamasındadır, ancak bu tür sistemleri düzenlemek için hala zeki insanlara ihtiyaç duyulmaktadır.
Yapay zekanın yaratıcılıkta insan bilim insanlarıyla rekabet edebileceğini veya rekabet edebileceğini düşünüyor musunuz? Değilse, yapay zeka destekli bilimin daha tekdüze ve daha az yenilikçi hale gelme riski var mı?
Serge Belongie: Bazı Ar-Ge ekipleri bu geleceğe doğru çalışıyor. Örneğin Sakana.ai , bir “Yapay Zeka Bilim İnsanı” aracılığıyla açık uçlu bilimsel keşifleri tamamen otomatikleştirmeyi hedefliyor. Ancak, bir ICLR çalıştayına bir makale gönderme konusundaki yüksek profilli deneyleri, tam otomasyona giden yolun hala bilim kurgu olduğunu düşündüren bazı engellerle karşılaştı. Bu yüzden yakın gelecekte bir Yapay Zeka Bilim İnsanına Nobel Ödülü verileceğini öngörmüyorum.
Yapay zekanın bilimdeki getirilerinden yararlanmak ve riskleri azaltmak için AB düzeyinde neler yapılabilir?
Serge Belongie: Büyük Modellerin Eğitimi – dil, görüş veya diğer modaliteler için – bilindiği üzere hesaplama açlığıdır. Bu, Avrupa araştırma laboratuvarlarının süper bilgisayar tesislerine düşük sürtünmeli erişime ihtiyaç duyduğu anlamına gelir.
Çözümlerden biri, örneğin Yapay Zeka Fabrikaları Girişimi aracılığıyla süper bilgisayarlara erişimdeki engelleri azaltmaktır .
Bir diğeri ise Bilim ve Yapay Zeka kesişiminde çalışan bilim insanlarının ücretlerini artırmaktır. Son olarak, Avrupa, son jeopolitik değişimler sonucu ortaya çıkan ABD’den gelen “Beyin Kazanımı” fırsatını değerlendirmelidir.
Serge Belongie1, Kopenhag Üniversitesi’nde makine öğrenimi profesörü ve Danimarka’daki Yapay Zeka için Öncü Merkezi’nin müdürüdür. 29 Nisan 2025’te STOA’nın ‘ Üretici Yapay Zeka ve Bilimsel Gelişim ‘ adlı çalıştayında ana konuşmacı olacak.