Yapay Zeka ile Araştırma Hipotezleri Oluşturmak
Özgün ve umut verici bir araştırma hipotezi geliştirmek, her bilim insanının karnesinde bulunması gereken temel bir beceridir. Ancak bu süreç, zaman alıcı olabilir; yeni doktora adayları, programlarının ilk yılında neyi araştıracaklarına karar vermekte zorlanabilirler. Peki, yapay zeka bu süreçte nasıl bir yardımcı olabilir?
MIT Araştırmacılarından Yenilikçi Bir Çözüm
MIT araştırmacıları, alanlar arasında insan-yapay zeka iş birliğiyle öne çıkan, kendiliğinden araştırma hipotezleri üreten ve değerlendiren bir sistem geliştirdi. Yeni yayınladıkları çalışmada, bu çerçeveyi biyolojik olarak ilham alınan materyaller alanındaki unmet (karşılanmamış) araştırma ihtiyaçlarıyla uyumlu, kanıta dayalı hipotezler oluşturmak için kullandıklarını açıkladılar. Advanced Materials‘da yayınlanan bu çalışma, LAMM (Atomistik ve Moleküler Mekanik Laboratuvarı) postdoktora araştırmacısı Alireza Ghafarollahi ve MIT’nin İnşaat ve Çevre Mühendisliği ile Mekanik Mühendislik bölümlerinin profesörü Markus Buehler tarafından ortaklaşa hazırlandı.
Bu araştırmanın temelini oluşturan SciAgents adlı çerçeve, belirli yeteneklere sahip ve verilere erişebilen birden fazla yapay zeka ajanı içeriyor. Bu ajanlar, bilimsel kavramlar arasındaki ilişkileri tanımlayan ve düzenleyen bir bilgi grafiği kullanarak “graf akıl yürütmesi” yöntemlerinden faydalanıyor. Çoklu ajanın yaklaşımı, biyolojik sistemlerin kendilerini temel yapı taşları grubuna nasıl organize ettiğini taklit ediyor. Buehler, “Biyolojinin birçok düzeyinde bu ‘böl ve yönet’ ilkesi, toplam zeka bireylerin yeteneklerinin toplamından çok daha fazlasını sağlar,” diyor.
Yenilikçi Fikirler Üretme Süreci
Son zamanlarda, büyük dil modellerinin (LLM) bir dizi soruya yanıt verme, bilgi özetleme ve basit görevleri yerine getirmede gösterdiği başarı dikkat çekti. Ancak bu modeller, sıfırdan yeni fikirler üretme konusunda oldukça sınırlıdır. MIT araştırmacıları, yapay zeka modellerinin, eğitim sürecinde kazandıkları bilgilerden daha fazlasını ortaya çıkarmasını sağlamak için daha karmaşık bir çok adımlı süreç tasarladılar.
Yöntemlerinin temeli, çeşitli bilimsel kavramlar arasındaki bağlantıları düzenleyen bir ontolojik bilgi grafiğidir. Araştırmacılar, bilimsel makalelerden bir seti bir üretken yapay zeka modeline besleyerek bu grafikleri oluşturuyorlar. Buehler’in daha önceki çalışmalarında kullandığı bir matematik dalı olan kategori teorisi, yapay zeka modelinin bilimsel kavramların soyutlamalarını grafikler şeklinde geliştirmesine yardımcı olur. Bu da, diğer modellerin analiz edebilmesi için bileşenler arasındaki ilişkileri tanımlamak anlamına gelir.
Buehler, “Bu, bilim odaklı yapay zeka modelleri oluşturmak adına çok önemlidir, çünkü bilimsel teoriler genellikle sadece bilgi hatırlamanın ötesinde, genellenebilir ilkeler üzerine inşa edilir,” diyor. “Yapay zeka modellerini bu şekilde ‘düşünmeye’ odaklanarak, geleneksel yöntemlerin ötesine geçebilir ve yapay zekanın daha yaratıcı kullanım yollarını keşfedebiliriz.”
Son çalışmada, araştırmacılar biyolojik materyaller alanındaki yaklaşık 1.000 bilimsel çalışmayı kullandı. Ancak Buehler, bilgi grafiğinin herhangi bir alandaki çok daha fazla veya daha az araştırma makalesi kullanılarak oluşturulabileceğini vurguluyor.
