21 Ekim 2026 / Sami Mahroum
Otonom sistemler artık kendi hipotezlerini üretebilme, deneyler tasarlayabilme ve sonuçları yazabilme yeteneğine sahip olduklarına göre, bilim camiasının da buna uyum sağlaması gerekiyor. Bilimsel bilginin geçerliliğini koruyabilmesi için, kaynaklarının güvenilir ve kamuoyuna karşı hesap verebilir olması şarttır.
PARİS—Günümüz yapay zeka yetenekleri göz önüne alındığında, bilimsel araştırmayı kimin yürüttüğünün bir önemi var mı? Sezgisel yanıt, bir gerçeğin, onu kimin bulduğuna bakılmaksızın gerçek olduğudur. Ancak bilgi asla bu şekilde yayılmaz. Bilimsel iddiaların çoğunu kendimiz kontrol etme imkanımız olmadan alırız, bu nedenle iddiayı değil, arkasında duran kişinin güvenilirliğini değerlendirme eğilimindeyiz. Harvard bilim tarihi uzmanı Steven Shapin’in gösterdiği gibi , bilimsel gerçeğin üretimi uzun zamandır akranlarını ikna etme sosyal çalışmasından ayrılamaz.
Çeyrek asır önce yaptığım bilimsel hareketlilik üzerine kendi araştırmam da farklı bir açıdan aynı yöne işaret ediyordu. Bilimde itibar sadece fikirlerde değil; az sayıda kurumsal merkezde yoğunlaşır: bu merkezlerin ve laboratuvarların itibarı, onlardan çıkan her şeye ağırlık kazandırır. Önde gelen bir merkezden ayrılan bir bilim insanı, o merkezin güvenilirliğinin bir kısmını da beraberinde taşır ve doğru koşullar altında, gittiği kurumu kendi başına bir çekim merkezi haline getirebilir.
Güvenilirliğin her zaman bir taşıyıcıya ihtiyacı olmuştur ve bu taşıyıcının kimliği zaman içinde, çoğu zaman şiddetli direnişle karşı karşıya kalarak değişmiştir. Doğal düzenin yazarlığı Tanrı’dan insan araştırmasına açık bir alana geçtiğinde, direniş şiddetliydi. Bireysel bilim insanının yerini yetkili kurumlara, akran değerlendirmesine ve araştırma değerlendirmelerine bıraktığında, bazı eleştirmenler bilimin aşırı bürokratik ve kişisel olmayan bir hale geldiğini öne sürdüler. Ve şimdi, yazarlığın insanlardan makinelere geçmeye hazırlandığı bir dönemde, itiraz, atıf, özgünlük ve liyakat açısından çerçeveleniyor.
Tüm bu durumlarda, güvenmemiz istenen şey değişti. Ve şimdi, misyon odaklı fonlamadan etki değerlendirmelerine kadar araştırmayı yöneten sistem, yavaş yavaş dikkatini bir sonucun anlaşılıp anlaşılmadığından, işe yarayıp yaramadığına kaydırdı ve makine tarafından üretilen bulgular, zaten anlama yerine çıktıya değer veren bir kuruluşa daha uygun hale geldi.
İşin ironik yanı, verileri açık, aranabilir ve makine tarafından okunabilir hale getirmek için yirmi yıldır süren çabaların insan araştırmacılar arasındaki işbirliğini kolaylaştırması beklenirken, aynı zamanda otonom araştırmaların bugün üzerinde çalıştığı temel yapıyı da oluşturmuş olmasıdır. Demis Hassabis ve John Jumper’a 2024 Nobel Kimya Ödülü’nün bir kısmını kazandıran AlphaFold, yapısal biyologlardan oluşan bir topluluğun birikmiş çalışması olan Protein Veri Bankası üzerinde eğitilmiştir.
Kendi hipotezlerini üreten, test eden ve ardından sonuçları yazan sistemler artık bir düşünce deneyi olmaktan çıktı. Geçtiğimiz yıl, ABD merkezli Intology adlı girişim şirketinin geliştirdiği bir yapay zeka sistemi olan Zochi tarafından tamamen yazılan bir makale, üst düzey bir yapay zeka konferansı olan Hesaplamalı Dilbilim Derneği Yıllık Toplantısı’nın ana oturumunda hakem değerlendirmesinden geçti . San Francisco merkezli kar amacı gütmeyen FutureHouse kuruluşunun geliştirdiği bir yapay zeka sistemi olan Robin ise, körlüğün önde gelen nedenlerinden birini tedavi etmek için halihazırda onaylanmış bir ilacı aday olarak belirleyen hipotezleri ortaya attı, deneyleri tasarladı ve sonuçları analiz etti; çalışmaları o zamandan beri Nature dergisinde yayınlandı .
Yapay zekâ tarafından üretilen içerik, çevrimiçi yayınlanan makalelerin yarısını zaten oluşturuyor ve artık dijital adli tıp uzmanları bile neyin gerçek olduğunu ayırt edemiyor. Çevrimiçi hayata insancıl bir bakış açısı sunanlar, bu gürültünün arasında seslerini duyurabilecekler mi?
Diyelim ki böyle bir sistem, tanımlanabilir bir insan yazarı olmayan yeni bir aşı, katalizör veya pil kimyası üretiyor. Halkın bunu kimin yaptığını umursaması pek olası değil; tıpkı hastaların kan testlerini hangi teknisyenin yaptığını sormaması gibi. Onların umursayacağı şey, bir şeyler ters giderse kimin sorumlu tutulacağıdır.
Adı geçen bir yazar sorgulanabilir, düzeltilebilir, iddiasını geri çekmeye zorlanabilir veya itibarsızlaştırılabilir; bir model ise sorgulanamaz. Başarısız tekrarlamalar ve geri çekmeler de gösterdiği gibi, insan yazarlığı hiçbir zaman güvenilirliğin garantisi olmamıştır. Ancak her zaman bir sonuçtan sorumlu tutabileceğimiz birini sağlamıştır. Birkaç istisna dışında, önde gelen dergiler, yazarlığın atıf ve hesap verebilirliği gerektirdiği gerekçesiyle yapay zeka sistemlerini yazar olarak listelemeyi reddetmiştir. Ancak bu, yeni sorunu çözmekten ziyade eski düzeni korumaktan başka bir işe yaramaz.
Yakın zamanda yapılan bir anket, bilim insanlarının neredeyse yarısının (%47) yapay zekayı günlük olarak, %31’inin ise haftalık olarak kullandığını ortaya koydu. Bu sistemler ne kadar yetenekli hale gelirse, o kadar yaygın olarak kullanılacaklardır. Çoğu insan iyi bilimi kötü bilimden ayırt edemeyeceği için, insan bilim insanı giderek daha çok doğrulayıcı, paylaşılan bilginin gerektirdiği güven kaynağı haline gelecektir.
Ancak doğrulama süreci şimdiden yetişmekte zorlanıyor. Yapay zekâ ile zaman kazandığını bildiren bilim insanlarının neredeyse yarısı, bu sürenin dörtte birinden fazlasını yapay zekânın çıktısını kontrol etmekle geçirirken, test edilmemiş hipotezlerin birikimi de artıyor. Dahası, hakem değerlendirmesi de otomatikleştiriliyor; bu yılki Uluslararası Öğrenme Temsilleri Konferansı’na yapılan başvuruların analizi , değerlendirmelerin yaklaşık beşte birinin tamamen yapay zekâ tarafından oluşturulduğunu gösteriyor.
Bu bulgular, insanların yalnızca yapay zekâ tarafından üretilen bilimsel çalışmalar adına konuşup konuşamayacağı konusunda şüphe uyandırıyor. Peki o zaman güvenilir taraf kim olacak? Bir olasılık, güvenin teknolojinin geliştirildiği yere bağlı olması ve öncü yapay zekâ şirketlerinin, bağımsız düzenleyiciler ortaya çıkmadan önce ilaç firmalarının iddialarını denetlediği gibi, sağlam bilim olarak kabul edilen şeylerin fiili hakemleri haline gelmesidir.
Ancak bir diğer olasılık da, nesiller boyunca güvenilirlik biriktiren kurumların—üniversiteler, akademiler, ulusal laboratuvarlar, bilimsel dergiler—kendi bilimsel yapay zeka ajanlarını geliştirmesi veya onaylamasıdır; böylece güven, kamuoyunun zaten hesap verebilir olarak gördüğü kanallar aracılığıyla akmaya devam eder. Robin’in bulguları, FutureHouse’un kendi duyurusundan değil, Nature’daki hakem değerlendirmesinden dolayı itibar kazanmıştır .
Bununla birlikte, bu rolün kazanılması ve hızla elde edilmesi gerekecek. Akademik dergiler zaten yapay zeka tarafından üretilen makaleler, makine tarafından oluşturulan başvurular ve aşırı yüklenmiş bir hakem değerlendirme sistemiyle mücadele ediyor. ABD Ulusal Sağlık Enstitüleri artık herhangi bir baş araştırmacıdan yılda en fazla altı başvuru kabul ediyor ve yapay zeka tarafından önemli ölçüde geliştirilen başvuruları başvuranların orijinal fikirleri olarak değerlendirmiyor.
Sonuç, hesap verebilirlik altyapısını kurmak için ilk adımı kimin atacağına bağlı olacaktır: her veri kümesinin, model sürümünün ve her sonucun ardındaki çıkarım adımının değiştirilemez kayıtları; sonucu üreten sisteme atıfta bulunmadan sonuçları yeniden üretmekle görevli bağımsız sistemler; ve zincirin sonunda, sonuç başarısız olursa sorumlu tutulacak, ister kişi ister kurum olsun, belirlenmiş bir garantör.
Mahkemeler bu çizgiyi başka yerlerde zaten çizmiş durumda. İngiltere Yüksek Mahkemesi, bir patentte yalnızca gerçek bir kişinin mucit olarak adlandırılabileceğine karar verirken, ABD temyiz mahkemesi de telif hakkının insan bir yazar gerektirdiğini hükmetmiştir . Böyle bir düzenleme, üniversitelerin kadro verme şeklinden çok, uçakların sertifikalandırılması veya ilaçların onaylanması şekline benzeyecektir.
Her nesil bilimsel güvenilirliğin kimde olduğuna karar vermek zorunda kalmıştır ve bizim neslimiz de bu soruyu tekrar değerlendirmek zorundadır.
Spark X’in kurucusu Sami Mahroum, daha önce INSEAD, OECD ve Nesta’da görev yapmıştır.