Derleyen: M. Nilgün Ercan
Yapay zeka ile ilgili raporlarda ve yayınlarda YZ kullanımının sağladığı faydaların yanı sıra dikkat edilmesi gereken sorunlar üzerinde de durulduğu biliniyor. Bunlar genel olarak ayrımcılık, mahremiyetin ihlal edilmesi, aldatıcı bilgiler gibi etik meseleler, veri eksikliği, YZ modellerinin hatalı sonuçları, bunların güvenlik açısından riskli alanlarda yaratabileceği sorunlar, YZ’ ye duyulan aşırı güven gibi hususları kapsıyordu. Şimdi bunlara bilim dünyası ile ilişkili yeni bir mesele eklenmiş gibi görünüyor.
Şikago Üniversitesi’ nden sosyolog James Evans ve Pekin Enformasyon Bilim ve Teknolojisi Ulusal Araştırma Merkezi’ nden araştırmacılarla yürüttüğü ve 14 Ocak 2026’ data Nature Dergisi’ nde yayımlanan bir araştırmadaki bulgular Science Dergisi ve IEEE (Elektrik ve Elektronik Mühendisleri Enstitüsü) Spectrum sitesinde ele alındı. Araştırma YZ kullanmanın araştırmacıların kariyerleri açısından bireysel yararlar sağlamasına karşılık kollektif bilimsel ilerleme açısından sorun yaratabileceğine dikkat çekiyor.
Science Dergisi’ nde yer alan yazıda çarpıcı bir ifade yer alıyor: “ChatGPT gibi yapay zeka araçları şirketler ve üniversitelerde daha fazla yer edindikçe bilindik bir söylemden uzak durmak zorlaşacak: YZ sizin yerinizi almayacak ama YZ kullanan birisi yerinizi alabilir.”
Araştırma sonuçları YZ kullanan araştırmacılarla kullanmayanlar arasındaki ayrımın doğa bilimlerinde şimdiden kazananlar ve geride kalanlar yarattığına işaret ediyor. Yukarıda söz edilen kapsamlı analiz çalışmasının sonuçları, herhangi bir tür YZ formunu kullanan bilim insanlarının sürekli olarak profesyonel açıdan daha önde yol aldıklarını gösteriyor. YZ kullananlar YZ kullanmayan meslektaşlarına göre üç kat fazla makale yayımlamış, kendilerine beş kat fazla atıf yapılmış ve liderlik rollerine daha önceden erişmiş durumdalar.
Yazılanlara göre, bu eğilimi açığa çıkarmak için araştırmacılar 1985’ten 2025’ e kadar biyoloji, tıp, kimya, fizik, malzeme bilimi ve jeoloji konularındaki 41 milyondan fazla makaleyle çalışmaya başladı. Önce önemli bir engelle yüzyüze geldiler: hangi makalelerin YZ kullandıklarını belirlemek; bu durum ilk makine öğrenmesinden bugünkü LLM’ lere kadar tüm YZ formlarını kapsayan bir kategori anlamına geliyordu. Bu tarama insanların yıllarını alacak bir uğraş olarak görünüyordu.
Ekibin bulduğu çözüm YZ’ yi uygun bir şekilde kendilerinin kullanmasıydı. Araştırmacılar, YZ araçlarını kullanmış olan makalelerin başlık ve özetlerini taramak için bir dil modelini eğittiler ve veri setindeki bu tür yaklaşık 310 bin makaleyi belirlediler. Uzmanlar sonuçlardan alınan örnekleri kontrol ederek modelin bir insanın yapacağı inceleme kadar doğru sonuç verdiğini teyit ettiler.
Araştırmacılar bu alt seti kullanarak YZ’ nin bilimsel ekosistem üzerindeki etkisini ölçebilecek duruma geldiler. YZ’ nin üç temel dönemi boyunca (1980-2014 arası makine öğrenmesi, 2016-2022 arası derin öğrenme ve 2023 sonrası üretken YZ olacak şekilde) YZ kullanan makalelerin kullanmayanlara göre her yıl için yaklaşık iki kat fazla atıf aldığı ortaya çıktı. Bilim insanlarına gelince, YZ kullananlar 3,02 kat fazla makale yayımlarken, kariyerleri boyunca 4,84 kat atıf almışlardı. Diğer bir deyişle, YZ kullanan bilim insanlarının üretkenliği ve görünürlüğü artıyordu. Aynı durum kariyerlerinin gidişatında da izleniyordu. Ekip veri setinde yer alan 2 milyon araştırmacının kariyerlerini incelediğinde, YZ kullanan genç araştırmacıların akademiden daha az koptuklarını ve YZ kullanmayan akranlarına kıyasla yaklaşık 1- 1,5 yıl önceden yerleşik araştırma lideri pozisyonuna ulaştıklarını buldu.
Ancak analiz sonucunda kişiler için iyi olanın bilim için iyi olmadığı da ortaya çıktı; analiz sonuçlarına göre kişisel kariyerlerin ilerlemesi ile kolektif bilimsel gelişme arasında bir çelişki oluşmuştu. Ekip YZ bazlı araştırmaların konularının dağılımına baktığında YZ makalelerinin konvansiyonel bilimsel çalışmalara kıyasla %4,6 daha az alanı kapsadığını gördü. Ayrıca sorun sadece bilimsel araştırmaların yavaşlaması da değildi; araştırmalar daha homojen hale geliyordu.
Ekip bu kümelenmenin geri besleme döngüsünden kaynaklandığı yönünde bir hipotez geliştirdi: Popüler olan problemler devasa veri setleri geliştirilmesini kamçılıyor; bu veri setleri YZ araçlarını kullanmayı cazip hale getiriyor ve YZ kullanarak sağlanan ilerlemeler daha fazla bilim insanının ilgisini aynı problemler üzerine çekiyordu. Çalışmanın yürütücüsü olan James Evans “Sürü hayvanları gibiyiz” derken YZ’ nın bilim insanlarını basım işi yapan makinalara dönüştürdüğü yönünde görüşler de var.
Bu yığılma makaleler arasındaki bağlantılarda da görülüyor. Çoğu alanda yeni fikirler, biri diğerine atıf yapan makale ağları üzerinden yöntemleri geliştirerek ve araştırmada yeni doğrultuların başlamasını sağlayarak büyüyor. Buna karşılık YZ bazlı makaleler tüm doğal bilim disiplinleri alanında %22 daha az bağlantı ortaya çıkarmış. Onun yerine, aynı yörüngede dönüp duran az sayıda parlak makale yayımlama eğilimi ortaya çıkmış; bu makalelerin dörtte birinden azı atıfların %80’ ini almış.
Çalışmanın yazarlarından biri olan, Tsinghua Üniversitesi’ nden Fengli Xu “Dikkatinizi AlphaFold ( protein oluşturma modeli) gibi parlak makaleler çektiğinde, hepiniz AlphaFold’ a ne ekleyebileceğinizi ve o konuda diğer insanların önüne nasıl geçeceğinizi düşünmeye başlıyorsunuz. Ama hepimiz aynı dağları tırmanırsak keşfetmediğimiz birçok alan kalacaktır” diyor.
Yale Üniversitesi’nde bir sosyokültürel antropolog olan Lisa Messeri bu sonuçların bilim dünyası için alarm zilleri olması gerektiğini ekliyor:” Bilim kolektif bir eylemdir” diyor. “Bir araç kullanarak derin hesaplama yapma ihtiyacı bireylerin yararına olabilir ama bilime de zarar verir.”
Carnegie Mellon Üniversitesi’nden sosyal psikolog Catherine Shea, bazı tür soruların YZ araçları için daha uygun olduğunu, başarının ana faktörünün makale yazımından geçtiği bir akademik ortamda araştırmacıların bu araçlar için en kolay olan problemlere ve bunların basılabilir sonuçlarına yöneleceğini; zaman içinde bu sürecin kendi kendini besleyen bir döngü yaratacağını belirtiyor.
Northwestern Üniversitesi’nde bilimin bilimi alanında araştırma yapan Dashun Wang ise “Üretken YZ’ nin hızlı yükselişi, araştırmaların iş akışını çoğu bilim kurumunun yetişebildiğinden daha hızlı şekillendiriyor; riskleri ve bilimin gelecekteki durumuna ilişkin belirsizliği arttırıyor.” görüşünde.
Doğal olarak, bilimdeki bu daralma eğilimi geçici mi, hala geri döndürülebilir mi sorusuna da yanıt aranıyor. Şangay Yapay Zeka Laboratuvarında çalışan bir grubun makalesinde YZ’ nin bilimsel uygulamalarının parçalı olduğu, veri, hesaplama ve hipotez geliştirme araçlarının genellikle yalıtılmış ve göreve özgü alanlarda kullanıldığı, bunun bilgi aktarımı ve dönüştürücü buluşları körelttiği belirtiliyor. Bu unsurlar bütünleştirilirse YZ ‘ nin bilimsel buluşların gelişmesine yardımcı olacağına işaret ediliyor.
Yonsei Üniversitesi’ nden bilişsel bilimler alanında çalışan psikolog Zhicheng Lin, geriye dönüşün bir yolunun henüz YZ’ yi fazla kullanmayan alanlarda daha iyi ve daha büyük veri setleri oluşturmaktan geçtiği görüşünde. “Bilimi veri -yoğun yaklaşımlardan uzaklaşarak geliştiremeyiz. Daha aydınlık bir gelecek için daha fazla alanda daha çok veri gerekiyor.” diyor.
Çalışmanın yazarlarından biri olan Tsinghua Üniversitesi’ nden Yon Li ise şunu söylüyor: “Geleceğin YZ sistemleri bilimsel yaratıcılığa sahip YZ formlarına yoğun veri yüklemenin ötesine geçecek bir evrim geçirmeli; bu da bilimin ufuklarını yeniden genişletecektir.”
Söz konusu araştırmanın yürütücüsü James Evans ise YZ konusunda iyimser olduğunu belirtiyor; sorunun YZ’ nın algoritmik tasarımına bağlı olmadığını; sorunun aslında yapısal değil ağırlıklı olarak özendirme meselesinde olduğunu; çözümü daha çok, bilim insanlarının hangi alanlarda çalışacakları konusunda belirleyici olan ödüllendirme yapısının yenilenmesinde gördüğünü ekliyor.
Kaynaklar:
-Celina Zhao, Science, 14 Ocak 2026, AI has supercharged scientists—but may have shrunk science | Science | AAAS
-Elie Dolgin, IEEE Spectrum, 19 Ocak 2026, AI in Science Research Boosts Speed, Limits Scope – IEEE Spectrum
Görsel: Moor Studio/istock.com