7 Nisan 2025
Giriş
Bilim, özünde, doğal ve sosyal dünyayı daha iyi anlamak için yeni bilgiler aramak ve uygulamakla ilgilidir. Geçtiğimiz yüzyıl boyunca bilimsel ilerleme, küresel sorunların ele alınmasında ve ekonomik büyümenin desteklenmesinde bir mihenk taşı olmuştur. Ancak, ampirik kanıtlar endişe verici bir duruma işaret etmektedir
Eğilimler: Bilimsel araştırmaların üretkenliği son yıllarda önemli ölçüde azalmıştır (bkz, Pammolli vd., 2011; Scannell vd., 2012; Boeing ve Hünermund; 2020; Aghion vd., 2021), fikir bulmak giderek zorlaşmakta (Bloom vd., 2020) ve bilimsel makaleler ve patentler zaman içinde daha az yıkıcı hale gelmektedir (Park vd., 2023).
Bu çerçevede, Yapay Zekanın (YZ) hızla yaygınlaşması ve YZ/ML destekli araçların geniş çaplı erişilebilirliği, bilimdeki rolü konusunda hem heyecan hem de endişe yarattı. YZ, insan araştırmacıları atlatabilecek ilişkileri, eğilimleri veya anormallikleri tespit etmek için büyük miktarda veriyi daha verimli bir şekilde işleyerek (zamandan ve kaynaklardan tasarruf ederek) veya literatürü sentezlemek, fikirleri beyin fırtınası yapmak, kod yazmak ve daha fazlası gibi araştırma görevlerini destekleyerek keşfi hızlandırmak için benzeri görülmemiş yetenekler getiriyor (bkz., örneğin, Krenn ve diğerleri, 2022; Peng ve diğerleri, 2023; Van Noorden ve Perkel, 2023; Musslick ve diğerleri, 2025). Hatta bazıları, yakın tarihli bir DeepMind raporunda vurgulandığı gibi (Griffin vd., 2024), “yeni bir altın keşif çağına” giriyor olabileceğimizi öne sürmüştür. Ancak epistemik faydalarının yanı sıra YZ, bilim insanları bilgi üretim ortakları olarak ona güvendiğinde epistemik riskler de taşımaktadır.
Gerçekten de, YZ’ye aşırı güven, bilimsel yaratıcılık, güvenilirlik, araştırma bütünlüğü ve daha temelde bilimsel anlayış üzerindeki etkileri hakkında çeşitli endişeleri gündeme getirmektedir (Birhane ve diğerleri, 2023; Messeri ve Crockett, 2024).
Giderek büyüyen bir literatür, YZ’nin bilimlere nüfuzunu ve yayılmasını sağlayan faktörleri araştırmıştır (Arranz vd., 2024; Bianchini vd., 2024; Gao ve Wang, 2024; Schmallenbach vd., 2024). Bununla birlikte, YZ’nin bilimsel üretkenliği ve yaratıcılığı gerçekte nasıl etkilediğine dair ampirik kanıtlar sınırlı kalmaktadır (Bianchini vd., 2022; Noy ve Zhang, 2023; Yu, 2024; Toner-Rodger, 2024). Bilimde üretkenliği ve yaratıcılığı tanımlamak ve ölçmek ek zorluk getirmektedir. Belirli bir zaman diliminde tamamlanan bilimsel yayınların, patentlerin veya deneylerin sayısı gibi ölçütler, araştırma üretkenliğini analiz etmek için en yaygın kullanılan ölçütler arasındadır. Ancak hacme dayalı göstergeler bilimsel performansın çok yönlü doğasını tam olarak kavramak için tek başına yeterli olmayabilir; bilimsel çıktının yeniliği ve etkisi gibi diğer boyutlar da dikkate alınmalıdır. Yenilik, bir araştırmanın kendi alanına getirdiği özgünlüğü ve yeni çözümleri yansıtırken, etki ise gelecekteki çalışmalar ve gelişmeler üzerindeki etkisini değerlendirir. YZ’nin bilimsel keşiflerdeki rolünü değerlendirirken her iki boyutun da özellikle ilgili olduğuna inanıyoruz.
Bu makale, 2000-2022 dönemini kapsayan ve 80 bilimsel alanı kapsayan OpenAlex yayınlarının büyük bir örneğini kullanarak, yapay zekanın yayılmasının bilimsel sonuçların yeniliği ve etkisi olarak tanımlanan bilimsel yaratıcılığı nasıl etkilediğini araştırmaktadır. Bunu yaparken, bu araştırma aşağıdakilere katkıda bulunmaktadır
“Bilimde YZ” (veya AI4Science) üzerine gelişmekte olan literatürü çeşitli şekillerde ele almaktadır.
İlk olarak, genellikle belirli YZ teknolojilerine (ör. AlphaFold, Chat-GPT) veya uygulama alanlarına (ör. sağlık bilimleri) dar bir şekilde odaklanan mevcut çalışmaların aksine, çalışmamız YZ’yi daha kapsayıcı bir şekilde tanımlayarak ve çok çeşitli araştırma alanlarındaki etkisini değerlendirerek daha geniş bir bakış açısına sahiptir.
İkinci olarak, “geleneksel” atıf temelli ölçütlerin ötesine geçiyoruz ve güncel yenilik göstergelerini de dikkate alıyoruz.
Üçüncü olarak, bir alanın bazı doğal özelliklerinin – özellikle bilgi alanının “pürüzlülüğü” veya kombinatoryal karmaşıklığının – YZ’nin keşif üzerindeki etkilerine aracılık edebileceğini öneriyoruz.
Son olarak, YZ’nin AB, ABD ve Çin’de bilim üzerindeki etkisini karşılaştırmaya odaklanarak, analizimizi hem küresel düzeyde hem de büyük ekonomik bölgeler arasında gerçekleştirerek literatüre katkıda bulunuyoruz.
Çalışmamızın ana çıkarımlarını özetlemek gerekirse, analizimiz YZ’nin bilimsel yaratıcılık üzerinde genel olarak olumlu bir etkisi olduğunu ortaya koymaktadır, ancak bu etkiler sadece teknolojinin kendisine değil, aynı zamanda nasıl ve nerede kullanıldığına da bağlıdır. YZ’nin, bilginin karmaşıklığı ve parçalanmasının insan bilişine önemli zorluklar getirdiği “kaba” bilgi alanlarında güçlü bir dönüştürücü potansiyele sahip olduğunu gösteriyoruz.
Örnek olarak, YZ Genetik Teşhis veya İlaç Hedefi gibi alanlarda güçlü bir etkiye sahipken, Endüstri Mühendisliği veya Tasarım Otomasyonu gibi alanlarda potansiyeli henüz kullanılmamıştır. Ayrıca, YZ’nin hem yenilik hem de etki üzerindeki genel etkisi Çin’de daha güçlüdür, bunu ABD ve ardından AB izlemektedir.
Bilim neden yavaşlıyor?
Yeni bilgi üretimi, ekonomik büyüme ve toplumsal refahın merkezinde yer almaktadır. Romer’in (1993) gözlemlediği gibi, “sürekli ekonomik büyüme potansiyeli, keşfedebileceğimiz geniş arama alanından gelmektedir” (s.68-9); yeni fikirlerin keşfi, sınırlı fiziksel kaynakları daha değerli mal ve hizmetlere dönüştürmektedir.
Ancak, 2000’li yılların başından bu yana, ekonomistler birçok ülke ve sektörde küresel bir üretkenlik yavaşlaması teşhis etmiştir (Goldin vd., 2024). Verimlilik artışındaki bu yavaşlama, özellikle dijital alanda ekonomik kalkınmayı tetiklemesi beklenen önemli teknolojik ilerlemelerin ortaya çıkmasına rağmen meydana gelmiştir (Aghion vd., 2017;
Brynjolfsson vd., 2018). Yeni bilimsel ve teknolojik bilgi hacmi katlanarak artarken bile, üretkenlik artış hızındaki düşüşe bilimsel keşifler ve teknolojik atılımların hızında önemli bir yavaşlama eşlik etmiştir. Bu da bilimsel araştırmaların üretkenliğinin zaman içinde azaldığı anlamına gelmektedir. (bkz. diğerleri arasında, Scannell vd., 2012; Miyagawa ve Ishikawa, 2019; Bloom vd., 2020; Boeing ve Hünermund, 2020).
Buna ek olarak, yakın zamanda yapılan araştırmalar, makalelerin ve patentlerin yıkıcılık oranlarının yavaşladığını doğrulamakta ve bunların geçmişten kopma ve bilim ve teknolojiyi yeni yönlere itme olasılığının daha düşük olduğunu göstermektedir (Park vd., 2023). Bloom ve diğerleri (2020) konuyu kısaca özetlemektedir: “Fikirleri – ve özellikle de ima ettikleri üstel büyümeyi – bulmak giderek zorlaşıyor” (s.1104).
Yavaşlama dönemlerinde yaygın olduğu üzere, yorumcular neyin yanlış gitmiş olabileceğine odaklanmışlardır (özet için Tablo 1’e bakınız).
En basit argümanlardan biri balık avlama hipotezidir: sınırlı bir fikir havuzu vardır ve biz önce en kolay olanları avlarız. Bu görüşe göre, “düşük asılı meyveler” çoktan toplandı ve gelecekteki araştırmalara azalan getiriler bıraktı (Cowen, 2011; Gordon, 2017). Bir başka açıklama da, bilgi sınırı genişledikçe fikirler alanının keşfedilmesinin zorlaştığını öne süren “bilgi yükü” hipotezine dayanmaktadır (Jones, 2009).1 Birçok kişinin savunduğu gibi, bilgi çekiyoruz ama bilgi açlığı çekiyoruz.
Bu teoriyi destekleyen ampirik kanıtlar, birden fazla işbirlikçiden oluşan ekipler tarafından yazılan bilimsel makale ve patentlerin payındaki artışı doğrulamakta ve bilimin çığır açan keşiflere ulaşmak için giderek daha fazla çaba ve uzmanlaşma gerektirdiğini göstermektedir (Wuchty ve ark. 2007). En önemlisi, modern bilim sisteminin verimsizlikleri sorunu daha da kötüleştirmektedir: ağır idari iş yükleri, yeniliğe karşı önyargılar, replikasyon krizi ve tabakalaşma, bilimsel ilerlemedeki yavaşlamayı artıran zorluklardan sadece birkaçıdır (Jones vd., 2008; Stephan, 2012; Azoulay ve Li, 2020; Franzoni vd., 2022).