İnsan bilimcilerin; kimyadaki en büyük bilimsel başarılardan biri olan periyodik tabloları mevcut haliyle organize etmeleri, neredeyse yüz yıllık bir zamanda deneme-yanılmayla tamamlandı.
Stanford fizikçilerinin geliştirdiği yeni bir yapay zeka (AI) programı ise; sadece birkaç saat içinde aynı başarıyı sağladı.
Atom2Vec olarak adlandırılan program; çevrimiçi bir veritabanından, kimyasal bileşik isimlerin bir listesini analiz ettikten sonra, farklı atomları ayırt etmeyi başarıyla öğrendi. Öğreticisi olmadan öğrenen AI; daha sonra doğal dil işleme programından alınan kavramları kullandı. Özellikle, sözcüklerin özelliklerinin, çevrelerindeki diğer kelimelere bakarak, kimyasal özelliklerine göre elementlerin kümelenmesiyle anlaşılabileceği yolu izledi.
Stanford’un Beşeri Bilimler ve Fen Bilimleri Okulu’nda Fizik Profesörü Shou-Cheng Zhang: “Bir yapay zekanın periyodik tabloyu kendi başına keşfetmeye yetecek kadar akıllı olup olmadığını öğrenmek istedik ve ekibimiz bunu yapabildiğini gösterdi.”
Zhang, Ulusal Bilimler Akademisi Bildiriler Kitabı 25 Haziran sayısında yayınlanan araştırmada, Turing Testi*‘nin yerini alacak olan daha iddialı önemli bir ilk adım olduğunu söyledi.
*Turing Testi: Bir makinenin, bir insanınkiyle eşdeğer veya ayırt edilemeyen akıllı davranışı sergileme yeteneğinin bir testi.
Bir Yapay Zekanın, Turing Testi’ni geçebilmesi için; yazılı sorulara insandan ayırt edilemeyen şekillerde cevap verebilmelidir. Ancak Zhang öznel olduğunu düşündüğü için testin, hatalı olduğunu düşünüyor. Zhang: “İnsanlar evrimin ürünüdür ve aklımız her türlü irrasyonelliğe karışır. Bir AI’nın Turing Testi’ni geçmesi için, tüm insan akıl yürütümlerimizi yeniden üretmesi gerekecek. Bunu yapmak da çok zordur.”
Zhang bunun yerine yeni bir makine zekası önerisi sunmak istiyor ve ekliyor: “İnsanları yeni bir doğa yasasını keşfetmede yenebilen bir yapay zeka tasarlayıp tasarlayamayacağımızı görmek istiyoruz. Fakat bunu yapabilmek için, öncelikle bizim yapay zekamızın zaten insanlar tarafından yapılan en büyük keşiflerden bazılarını yapıp yapamayacağını test etmeliyiz.”
Zhang, elementlerin periyodik tablosunu yeniden oluşturarak, Atom2Vec’in ikincil hedefe ulaştığını söylüyor.
Kral-Potasyum
Zhang ve ekibi; Google mühendislerinin doğal dili ayrıştırmak için oluşturdukları bir AI programında, Atom2Vec’i modelledi. Word2Vec olarak adlandırılan dil; kelimeleri sayısal kodlara veya vektörlere dönüştürerek, çalışır. Vektörler analiz edilerek, AI; (başka kelimelerin birlikte-oluşumu göz önüne alındığında) bir metinde ortaya çıkan sözcüğün olasılığını tahmin edebilir.
Örneğin, “kral” kelimesi genellikle “kraliçe” ve “kadın” kelimeleri ile anılır. Böylece, “kral” ın matematiksel vektörü kabaca “kral = bir kraliçe eksi bir kadın artı bir erkek” olarak çevrilebilir.
Zhang: “Aynı fikri atomlara da uygulayabiliriz. Metinlerin bir koleksiyonundan tüm kelime ve cümleleri beslemek yerine; Atom2Vec’i NaCl, KCl, H20 ve benzeri bilinen tüm kimyasal bileşiklerle besledik.”
Bu seyrek verilerden, AI programı; örneğin potasyum (K) ve sodyumun (Na) benzer özelliklere sahip olması gerektiğini; çünkü her iki elemanın da klor (Cl) ile bağlanabildiğini bulmuştur.
Zhang: “Tıpkı ‘kral’ ve ‘kraliçe’nin benzerliği gibi; ‘potasyum‘ ve ‘sodyum‘ benzerliği…”
Zhang, gelecekte, bilim insanlarının Atom2Vec’in bilgilerini yeni materyalleri keşfetmek ve tasarlamak için kullanabileceğini umuyor.
Ekip; zaten AI programlarının 2.0 versiyonunda çalışmaktadır; ki bu da tıbbi araştırmalardaki zorlu bir problemin çözülmesine odaklanacaktır: Kanser hücrelerine özgü olan, bağışıklık tepkisi uyandırabilen antijenler… (Antikorlara saldırmak için doğru antikor tasarlanması…) Günümüzde, kanseri tedavi etmede en ümit verici yaklaşımlardan biri; kanser hücreleri üzerinde antijenlere saldırabilen antikorların kullanılmasını içeren kanser immünoterapisidir.
Fakat insan vücudu her biri yaklaşık 50 genin farklı bir kombinasyonundan oluşan, 10 milyondan fazla eşsiz antikor üretebilir. Zhang: “Bu yapı bloğu genlerini matematiksel bir vektörle eşleştirebilirsek; tüm antikorları periyodik bir tabloda benzer bir şekilde düzenleyebiliriz. Sonra, bir antikorun bir antijene karşı etkili olduğunu ancak toksik olduğunu keşfedebiliriz, aynı aile içinde, aynı derecede etkili ama daha az toksik olan başka bir antikor için de bakabiliriz.”
