Yapay zeka sistemlerinin bilimsel araştırma süreçlerine entegrasyonu, veri analizi ve hesaplamalı modellemeden hipotez üretimi ve deneysel tasarıma kadar uzanan aşamalarda keşif süreçlerini hızlandırma potansiyeli taşımaktadır. Geleneksel araştırma döngülerinde yeni malzemelerin sentezlenmesi, genetik devrelerin hücresel davranışlar üzerindeki etkilerinin taranması ve güvenilir klinik yanıt modellerinin geliştirilmesi; geniş parametre uzaylarının taranmasını ve özellikle kimyasal buhar biriktirme süreçlerinde aylar süren yoğun laboratuvar denemelerini gerektirmektedir. Yapay zekanın yalnızca in silico (bilgisayar simülasyonlarına ve hesaplamalı modellemelere dayalı) tahminlerle sınırlı kalmayıp fiziksel laboratuvar donanımlarıyla ve deneysel verilerle doğrudan etkileşime girmesi, araştırma ve geliştirme süreçlerindeki deneysel darboğazların aşılması açısından önemli bir potansiyel taşımaktadır.
Mevcut otonom yapay zeka modelleri fikir üretme ve hesaplamalı iş akışları kurgulama konusunda ilerleme sergilese de bu tasarımların fiziksel laboratuvar ortamlarında doğrulanması aşamasında önemli sınırlamalarla karşılaşılmaktadır. Salt in silico çalışan yapay zeka ajanları; sonuç uydurma, yöntemsel tutarsızlık ve literatürdeki yöntemlerin atıfsız biçimde yeniden üretilmesi gibi güvenilirlik sorunlarına yol açmaktadır. Bu doğrultuda araştırmacılar, Gemini tabanlı ve çok ajanlı bir yapıya sahip olan Co-Scientist sistemini, salt hesaplamalı hipotez üretiminden çıkararak fiziksel deney süreçleriyle etkileşebilen, deneysel çalıştırma kayıtlarını kullanarak çıktıları doğrulayabilen kapalı döngülü bir araştırma ortağına dönüştürülmeyi amaçlamaktadır.
Çalışmada sunulan Co-Scientist mimarisi; hipotez üretimi, deneysel kodlama ve bilimsel makale yazımı olmak üzere üç aşamalı bir evrimsel optimizasyon omurgası üzerine kurulmaktadır. Hipotez üretimi aşamasında aday fikirler, Bayesyen beceri derecelendirmesi ve UCB (keşif ile mevcut bilgiyi kullanma dengesini kuran Üst Güven Sınırı algoritması) seçimiyle elenirken, kodlama aşamasında algoritmalar önce küçük veri alt kümelerinde test edilip ardından tam ölçekli çalıştırmaya aktarılmaktadır. Sistem; malzeme biliminde kimyasal buhar biriktirme reaktörüne bağlanarak tehlikesiz bir öncül rotası geliştirmekte, biyolojide indükleyici IPTG (gen ifadesini başlatan kimyasal molekül) gradiyentleri altındaki bakteri fenotiplerini tahmin etmekte ve bilgisayar biliminde sağlık kıyaslamaları için sekiz aşamalı bir çıkarım mimarisi (AGENT_H) yapılandırmaktadır. Makale yazımı aşamasında ise uydurma verileri engellemek amacıyla doğrudan deneysel çalıştırma kayıtlarına dayalı deterministik doğrulama ve intihal cezası mekanizmaları işletilmektedir.
Deneysel değerlendirmeler, sistemin farklı disiplinlerde ve değişen özerklik seviyelerinde doğrulanmış çıktılar üretme potansiyelini ortaya koymaktadır. Malzeme bilimi uygulamalarında sistem, toksik TiCl4 yerine hekzakloroetan öncülünü kullanarak Ti3C2Tx MXene ile benzer yapısal özellikler gösteren 1,13 nm tabakalar arası mesafeye ve 2,51 Å d-aralığına sahip katmanlı iki boyutlu yapılar üretmiş; ayrıca MoS2, MoSe2 ve WS2 tek katmanlı yarı iletkenlerini ilk denemede sentezlemiştir. Biyolojik testlerde, genetiği değiştirilmiş Escherichia coli kolonilerinin yayılma davranışları yayımlanmamış laboratuvar verileriyle yüksek uyum göstermiş; ortalama yarıçap (p=0,593) ve polar eksantriklik (p=0,451) analizlerinde deneysel verilerden istatistiksel bir sapma sergilememiştir. Bilgisayar biliminde tasarlanan AGENT_H sistemi, HealthBench kıyaslamasınınuzunluk-düzeltilmiş değerlendirmelerinde altı öncü modeli geride bırakmış ve körlenmiş hekim değerlendirmelerinde potansiyel klinik zarar riskini anlamlı düzeyde azaltmıştır (p=0,0486). Otuz alan uzmanının 450 bağımsız hakem incelemesiyle değerlendirdiği otonom makale üretiminde ise güvenilirlik modülleri, makalenin temel sonuçlarını geçersiz kılabilecek ciddi sonuç halüsinasyonlarının oranını Agent Laboratory karşılaştırma sistemindeki %90’dan %4’e düşürmüş ve zararlı araştırma direktiflerinin %98,7’sini reddetmiştir.
Elde edilen bulgular, yapay zekanın laboratuvar donanımlarıyla doğrudan entegre edilerek malzeme geliştirme, sentetik biyoloji ve algoritmik keşif süreçlerini hızlandırabileceğini göstermektedir. Bununla birlikte, sentezlenen iki boyutlu malzemelerin kesin atomik faz tayini için kesit elektron mikroskopisi doğrulamalarının gerekmesi, fenotipik tahminlerin henüz bilinen kimyasal konsantrasyon aralıklarıyla sınırlı olması ve çok aşamalı arama süreçlerinin yüksek hesaplama maliyeti doğurması gibi teknik kısıtlar bulunmaktadır. Araştırma, yapay zeka tabanlı otonom keşif süreçlerinde deneysel çalıştırma kayıtlarıyla denetlenen doğrulama katmanlarının ve insan gözetiminin sürdürülmesinin, bilimsel güvenilirlik ve tekrarlanabilirlik açısından temel bir unsur olduğunu vurgulamaktadır. Özellikle fiziksel deneylerde ölçüm belirsizliği, cihaz değişkenliği ve sonuçların yorumlanması gibi unsurlar, mevcut log-temelli doğrulamanın kapsamının ötesinde kalmaktadır.
Yazar: Melih Soner Başbey
Editör: Asmin Petekbaşı
Referans: Schmidgall, S., Zhu, X., Shaw, M., Yang, L., Liévin, V., Yang, J., Zhuang, Y., Strother, T., Bijamov, A., Sun, M. W., Palepu, A., Chen, J., Steiner, D., Shreibati, J., Weng, W.-H., Zhao, Y., Hu, X., Zahn, N., Garg, S., … Tu, T. (2026). Accelerating scientific research with Gemini in the real-world [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2608.26701
-Bioinforange Bilimsel Haber Servisi-
Haber Yazıları, 20> Etki Faktörlü Q1 dergilerinde yayınlanan (listesi için tıklayınız)
bilimsel araştırmaların ekip arkadaşlarımız tarafından incelenip derlenmesi ile hazırlanmaktadır.
