Nilgün Ercan
Yapay zekanın kullanım potansiyeli, çok sayıda faaliyet alanına YZ’ nin nasıl entegre edileceği üzerine sürdürülen arayış ve girişimler ile giderek artıyor. Internet üzerinden yayın yapan Politico Dergisi bünyesindeki enerji, iklim, çevre, bilim ve piyasa konularını ele alan E&E News ‘ta yer alan 20 Ağustos 2025 tarihli habere göre, ABD’ de Çevre Koruma Ajansı (EPA) kimyasal güvenlik alanındaki işlemlerde kullanmak amacıyla yapay zeka modelleri geliştirmeyi planlıyor. Uzmanlar ise, bu konuda temel teknoloji mevcut olmakla birlikte Ajans’ın veri kalitesi ve güvenliği konusunda önemli engellerle karşılaşabileceği konusunda uyarıda bulunuyor.
E&E News muhabirinin aktardıklarına göre, EPA, inceleme ve risk değerlendirmesi amacıyla Toksik Maddeler Kontrol Yasası (TSCA)’ nda yer alan bilgiler için değişik kaynakları aramak durumunda olan inceleme uzmanlarına yardımcı olmak üzere YZ Kimya Asistanı geliştirme konusu ile ilgileniyor. Bu şekilde değerlendirme için harcanan eleman-saat sürelerinden tasarruf etmeyi planlıyor. Ayrıca, EPA’ nın YZ kullanım envanterinde, “EcoVault” adlı, bilimsel çalışmalar ile açıklama özetleri veya Ofis Kimyasal Güvenlik ve Kirlilik Önleme Ofisi elemanlarının etkileşimine yardımcı olmak üzere kullanılan, yapılandırılmamış belgelerden elde edilen bilgileri yakalamaya ve özetlemeye yönelik bir araç da bulunuyor.
Kimya sanayi uzun süredir incelemelerin gecikmesinin inovasyonu yavaşlattığından şikayet ederken, Ajans da yeni kimyasalların değerlendirilmesi için TSCA ‘da 180 gün üst sınırı ile belirlenmiş olan incelemeleri yetiştirmek için uğraşıyordu. EPA Direktörü bu incelemeleri hızlandırmanın öncelik taşıdığı düşüncesinden yola çıkarak bu yılın Mayıs ayındaki bir görüşmede eski teknolojinin yerini YZ dahil yeni teknoloji ile değiştireceklerini belirtti.
EPA basın sekreteri de bu durumu teyit ederek, Kimyasal Güvenlik Programının bu görüşü destekleyeceğini, YZ araçları ve makina öğrenmesi algoritmalarının kullanılması yoluyla bilimsel bilgilerin inceleme sürecinin dönüşeceğini, daha verimli ve sağlıklı hale geleceğini bildirdi; YZ’ yi yeni kimyasalların inceleme sürecinde kullanma olanaklarını ve bu süreçte doğru teknolojiyi kullandıklarından emin olma konusunu değerlendirdiklerini belirtti. EPA’ nın yaptığı incelemelerde YZ kullanımındaki artış rakamlarla da ortaya çıkıyor; envanterlerine göre YZ kullanılan inceleme sayısı Aralık 2024’te 17 iken Ağustos itibariyle 103 vakaya çıkmış durumda.
Ancak, dikkat edilmesi gereken hususlar var. Bunların başında yine birçok alanda olduğu gibi verilerin güvenilirliği geliyor. John Hopkins Bloomberg Halk Sağlığı Okulundan, yıllardır YZ’ nin toksikoloji alanındaki dönüştürücü yönleri konusunu araştıran Prof. Thomas Hartung, toksikoloji alanında son yıllarda verilerin zenginleştiğini, YZ kullanmaya hazır olmak için ilk olarak veri setlerinin sağlam, açık ve en üst kalitede olması gerektiğini belirtiyor.
Benzer görüşler EPA’nın YZ uzmanlarından da geliyor; YZ’ nin niteliğinin ancak kendisine yüklenen veriler düzeyinde iyi olabileceği, sisteme iyi verilerin yüklenmesiyle mümkün olduğunca doğru çıktılar elde edilebileceği belirtiliyor. Arizona Devlet Üniversitesi’nde kimya mühendisi Prof. Bhavik Bakshi de hala bazı temel verilerin yeterli olmadığı, boşluklar bulunduğu konusunda uyarıda bulunuyor: “Son beş-altı yılda izlediğimiz yolla henüz hiç kimse her şeyi bulamadı ve her şeyi derleyemedi, sorun burada” diyor. Verilen bilgiye göre, Bakshi ve ekibi ABD kimya sanayi için EPA tarafından fonlanan açık erişimli bir model geliştiriyordu; fakat ilk ödemeler yapıldıktan sonra fon kesildi. Şimdi proje için kamuya açık veriler üzerine odaklanmış durumdalar. Prof. Hartung bir diğer meselenin de ticari bilgilerin gizliliği olduğunu, EPA’ ya verilen toksikoloji verilerinin sınai-ticari gizlilik koruması altında bulunduğunu belirtiyor. EPA’ nın mevcut YZ politikası, modellerin üreteceği hatalı bilgilerden (halüsinasyon ) korunmak amacıyla elemanların doğrulama olmaksızın YZ’ nin ürettiği cevaplara güvenmesini yasaklıyor.
Amerika Kimya Konseyi Sanayi grubundan bir sözcü Ajansın YZ kullanımı ile ilgili kararını memnuniyetle karşılayarak, bu girişimin inceleme süresini azaltacağını, tutarlılığı geliştireceğini ve kaynak israfını hafifleteceğini belirtiyor. Bunun yanı sıra, insan değerlendirmesi ve gözetiminin, ticari sırların korunması için gereken önlemlerin önemli olduğunu vurguluyor. Ayrıca, YZ modellerinin girdi ve çıktılarının resmi faaliyetlerde kullanıldıklarında dış değerlendirmeleri ve yeniden üretilebilirliği kolaylaştırmak için yeterli ölçüde şeffaf olması gerektiğini ekliyor.
Bağımsız, kar amacı gözetmeyen bir araştırma örgütü olan Data & Society bünyesinde yer alan İklim, Teknoloji ve Adalet Programı yöneticisi Tamara Kneese ise pek iyimser değil. Trump yönetiminin hızlandırılmış YZ programını dikkatli bir şekilde yürütebileceği konusuna şüpheyle yaklaşıyor: “YZ’ nin aynı şekilde bilim yapabileceği konusunda tuhaf bir fantezi olduğunu düşünüyorum; ama bundan daha sinsi bir şekilde ABD’ deki tüm bilimsel kanalları ve araştırma yapısını bozmayı denedikleri düşüncesindeyim. Açıkçası, çevre ile ilgili koruma önlemlerini, etki değerlendirmeleri dahil azaltacaklarını düşünüyorum. “ diyor. Bu saptama, Trump yönetiminin bazı fonlarda yapacağını beyan ettiği kesintilerin ABD bilim dünyasında yarattığı tepkileri akla getiriyor. Sonuç olarak, Prof. Hartung toksikoloji değerlendirmelerinde hangi yöntem uygulanırsa uygulansın konunun yönetim ve güvene dayalı olduğunu, güvenin oluşturulabilmesinin de uzmanların yürüteceği doğrulama sürecine bağlı olduğunu belirtiyor.
Toksikolojide insan-YZ hibrit iş akışı
Halk Sağlığı ve Toksikoloji Dergisi’nin editörüne Şubat 2025’te gönderilen bir yazıda da Finlandiya’ dan iki akademisyen tarafından YZ, makine öğrenmesi gibi yöntemlerin toksikolojide kullanılmasının kaçınılmaz olduğu belirtiliyor (2). Yazıda, “Toksikolojik risk değerlendirmesi, risk ve maruziyet bilgisini dikkate alarak herhangi bir fiziksel, kimyasal veya biyolojik maddeye maruz kalmaktan kaynaklı zarar olasılığının bilimsel ve sistematik değerlendirmesidir.“ açıklaması yapılarak, COVID sonrası YZ ortamında inovasyonun hızlanmasıyla, yeni maddeler, ilaçlar ve ürünlerin piyasaya çıkması için yetkilendirilme süresinin kısalmasına yönelik çok fazla baskı olduğu belirtiliyor. Akademisyenler, makine öğrenmesi, kestirimci modelleme, büyük veri analitiği gibi YZ bazlı yaklaşımların risk değerlendirmesinde doğruluk ve verimliliği arttırmak için kullanılabileceği; YZ’ nin toksikolojiye entegre edilmesinin kaçınılmaz olduğu, buna direnmek yerine mevcut sürece en iyi şekilde nasıl katkı sağlayacağı konusuna odaklanılması gerektiği görüşündeler.
Büyük Dil Modelleri, veri düzenleme (data curation), belirsizliklerin tanımlanması (uncertainty characterization) ve düzenlemelerin tamamlanması için kanıt entegrasyonu (evidence integration) işlemlerini iyileştirerek toksikolojik risk değerlendirme sürecini dönüştürebilir; büyük ve kompleks veri setlerini işleyebilir. PubChem, ChEMBL, ACToR ve Tox21/ToxCast gibi kamusal olarak erişilebilir kaynaklarla modelleri eğiterek kimyasal verileri daha iyi çıkarıp analiz etmeleri için ince ayarlamalar yapılabilir.
Akademisyenler şunları da ekliyor: Örneğin REACH (AB’de kimyasallarla ilgili düzenlemelerin toplandığı tüzük) gibi düzenlemeler doğrultusunda şirketler dosyaların hazırlanmasında çok sayıda elemanı çalıştırmaktadır; YZ ile bu işleri daha kısa zamanda ve daha az elemanla yapmak mümkün olacaktır. Büyük Dil Modelleri ince ayarlamalar yapılarak, örneğin EFSA (AB Gıda Sağlığı Kurumu), REACH (AB) EPA (ABD) gibi farklı düzenleme kurumlarının yapılarına uygun hale getirilebilir. Pestisitler, farmasötikler, sanayi kimyasalları gibi farklı bileşik sınıfları için özel modeller geliştirilerek risk değerlendirmeleri amaca göre uyarlanabilir, en son gerekliliklere uygun hale getirilebilir. YZ bazlı otomasyon ile doğruluk derecesi geliştirilip sonuç alma süresi kısaltılabilir, şeffaflık arttırılabilir.
YZ’ nin toksikoloji değerlendirmelerinde kullanılması insanların karar verme sorumluluk ve yetkisinin yerini almak için olmamalıdır Uzmanlar birbirini tekrarlayan idari işler yerine yorumlama, kritik düşünce ve karar verme sürecine odaklanabilir.
Akademisyenlere göre, Büyük Dil Modelleri veri madenciliği, kapsamlı veri setlerinden dosya hazırlama gibi işleri otomatik hale getirebilir; elle yapılan işleri azaltabilir. YZ sistemleri kullanılarak gerçek zamanlı veri toplama izlenebilirliği sağlar ve insan müdahalesi olmadan ham deneysel veriler doğrudan değerlendirmeye entegre edildiği için manipülasyon riskini azalır. YZ, toksikoloji verilerinin kamu kaynaklarında paylaşılarak anonim hale getirilmesiyle verilere erişimi demokratikleştirebilir.
Sonuç olarak, Büyük Dil Modelleri rutin işlemlerin otomatikleştirilmesi için pratik çözümler getirirken uzman görüşüyle karara ulaşılmasının insan bilgisi ve kontrolüyle yapılmasına devam edilir. YZ’ nin bu alandaki rolü insan uzmanlığının yerini almak değil, onların işini kolaylaştırmak olarak özetlenebilir. Akademisyenlerin görüşüne göre, YZ veri birleştirmeleri ve örüntüleri (pattern) tanıma işlerini yaparken uzmanların sonuçları doğrulama ve hassas risk değerlendirmelerini yaptığı YZ-insan hibrit iş akışları yakın gelecekte altın standart haline gelecektir.
Kuşkusuz ki, YZ’ nin toksikolojik risk değerlendirme sürecinde gerçekten fayda sağlayıp sağlamayacağı ya da nasıl kolaylık sağlayacağı artı-eksileriyle konunun uzmanları tarafından değerlendirilecektir. Buna karşılık, dijital teknolojinin yaygınlaşmaya başladığı dönemlerde olduğu gibi, teknolojiye abartılı işlevler yükleyerek YZ kullanımının herhangi bir alanda doğrudan bir “demokratikleşme” sağlayacağı yönündeki bir düşünceye katılmak pek mümkün değil. Tekellerin, ticari çıkarların, ticari sırların olduğu ve korunduğu bir ortamda tam tersine durumlar ortaya çıkabileceği gibi, bu türden teknolojik gelişmelerin toplumsal yarar doğrultusunda uygulanmasının uluslararası ve ulusal düzeylerde siyasal ve toplumsal dengelerle bağlantılı pek çok boyutu olsa gerek.
Kaynaklar:
1-Ellie Borst, EPA leans on AI to spur faster chemical reviews – E&E News by POLITICO, 20 Ağustos 2025
2- Ananth R. Kattamreddy, Harisrujan Chinnam, The future of large language models in toxicological risk assessment: Opportunities and challenges, Şubat 2025
Görsel: Claudine Hellmut/Politico (kaynak görüntüler Francis Chung/Politico ve Stock)