Stanford HAI’de ‘Üretken Yapay Zeka ve Bilim’ Konferansı

Yapay zekanın sürekli gelişen ortamında, Stanford HAI’nin sonbahar konferansı “Üretken Yapay Zekada Yeni Ufuklar: Bilim, Yaratıcılık ve Toplum”, yapay zekanın bilimsel keşif üzerindeki derin etkisini aydınlattı. Vizyon ve dil için üretken yapay zeka kamuoyunun dikkatini çekerken, konferans daha derinlere inerek üretken yapay zeka araştırmalarının bilimlerdeki ve yaratıcı disiplinlerdeki uygulamalarından toplumsal etkilerine kadar çeşitli yelpazesine ışık tuttu.

Stanford HAI’nin düzenlemiş olduğu sonbahar konferansında “Üretken Yapay Zekada Yeni Ufuklar: Bilim, Yaratıcılık ve Toplum” başlığı seçildi. Konferansta yapay zekanın sürekli geliştiği günümüzde , yapay zekanın bilimsel keşifler üzerindeki etkileri konuşuldu. Üretken yapay zekanın günümüzde kullanım alanları somut örneklerle gösterilirken, yapay zeka araştırmalarının bilimlerdeki ve yaratıcı disiplinlerdeki uygulamalarından toplumsal etkilerine kadar geniş yelpazede sunumlar gerçekleştirildi.

Bu linkten tüm sunumların video kayıtlarına ulaşabilirsiniz.

Günün ilk oturumunda yapay zekanın insanın anlayışını geliştirmek için doğal dünyaya nasıl yeni pencereler sağladığına odaklanıldı. Bu entelektüel yolculuğun ön saflarında yapay zekanın kendi alanlarında neler başarabileceğinin sınırlarını zorlayan dinamik konuşmacılar vardı: Stanford’un Yer Sistemi Bilimi bölümünde yardımcı doçent olan Aditi Sheshadri, yapay zekayı kullanarak iklim modellemenin karmaşık alanında izleyiciye rehberlik etti. MIT doktora öğrencisi Pratyusha Sharma, ispermeçet balinalarının dilini çözmek için makine öğrenimini kullanan bir araştırma olan CETI Projesi’ne dikkat çekti. Ve bilgisayar bilimcisi Alex Rives, en ileri dil modellerini kullanarak proteinlerin dilini ortaya çıkardı. Rives, protein dizilerini dilsel kodlar olarak ele alarak yapay zekanın bu diziler içinde kodlanan karmaşık yapıları ve işlevleri nasıl çözebileceğini gösterdi.

Dünya İkliminin Modellenmesi 

Stanford Üniversitesi’nin Dünya Sistem Bilimi bölümünde hem makine öğrenimi hem de atmosfer bilimleri alanında geçmişi olan yardımcı doçent Sheshadri, iklim projeksiyonlarındaki belirsizliğin ve mevcut iklim modellerinin sınırlamalarının altını çizdi.

Son araştırmalarında, Dünya’nın ikliminde önemli bir rol oynayan atmosferik yerçekimi dalgalarının spesifik sorununa odaklandı. Fırtınalar ve dağlar üzerindeki hava hareketi gibi süreçler tarafından üretilen bu dalgaların, çok ölçekli doğaları nedeniyle modellenmesi zordur; büyüklükleri bir metreden 100 kilometreye kadar değişebilir. Mevcut iklim modelleri bu dalgaları doğru bir şekilde temsil etmekte zorlanıyor ve bu da iklim projeksiyonlarında belirsizliklere yol açıyor.

Sheshadri, araştırma ekibinin atmosferik yerçekimi dalgası modellemesini geliştirmek için benimsediği iki yaklaşımı sundu. Birincisi, geleneksel parametrelendirmenin WaveNet adı verilen bir sinir ağıyla değiştirilmesini içeriyor. Bu yapay zeka tabanlı model, atmosferik yerçekimi dalgalarını simüle etmede umut verici sonuçlar gösterdi.

İkinci yaklaşım, atmosferik yerçekimi dalgalarının fizik tabanlı temsilini koruyor ancak yapay zeka tabanlı araçları kullanarak belirsizlik ölçümünü içeriyor. Sheshadri, topluluk tabanlı ters çevirme ve Gauss süreci emülatörlerinin, atmosferik yerçekimi dalgası süreçlerini yöneten parametrelerdeki belirsizliklerin kalibre edilmesine ve ölçülmesine nasıl yardımcı olduğunu açıkladı.

Sheshadri, iklim araştırmasına kapsamlı bir yaklaşım için yapay zekayı, iklim modellerini, gözlemleri ve verileri entegre etmeye yönelik işbirlikçi çabaları içeren, işbirlikçi bir yerçekimi dalgası araştırma projesi olan DataWave’i tanıtarak konuşmasını bitirdi.

Balinaların Dilini Çözmek 

İspermeçet balinaları karmaşık sosyal yapıları ve şaklama yoluyla iletişim kurmalarıyla bilinir. Project CETI adlı yeni araştırmada Sharma, makine öğrenimi tekniklerinin ve Karayipler’de toplanan verilerin bu deniz memelisinin iletişimini anlamamıza ve şifreyi çözmemize nasıl yardımcı olabileceğini gösterdi.

İspermeçet balinaları hakkında veri toplamak oldukça zor bir iş. Okyanusun derinliklerinde ve çoğu zaman tam karanlığın derinliklerinde yaşarlar. Ekip, balina seslerini ve davranışlarını kaydetmek için yüzeye çıkan balinalara yapıştırılan etiketleme teknolojisini kullandı, ancak Sharma, bu verilerin sınırlı olduğunu söyledi.

Ekibinin araştırması ispermeçet balinası iletişiminin önceden düşünülenden daha karmaşık olduğunu ortaya çıkardı. Sabit bir koda dizisi yerine, bağımsız olarak değiştirilebilen dört özelliğe (tempo, ritim, süsleme ve rubato) sahip kombinatoryal bir kodlama sistemi belirlediler ve bu da daha anlamlı bir iletişim sistemiyle sonuçlandı. Sharma, balina konuşmalarındaki değişkenliği ve yapıyı göstermek için görselleştirmeleri sergiledi.

Sharma ayrıca balina çağrılarının yapısını anlamak için tahmine dayalı modellerin kullanımına da değindi. Balina seslendirme modellerinin, girdilerin bağlam boyutlarının artmasıyla geliştiğini ve çağrı yapısındaki uzun vadeli bağımlılıkların kanıtını gösterdiğini buldu. Ayrıca modelin ifade edilebilirliğini artırarak tahminlerde iyileşme gördü.

Sharma: “Bu belki de bizi balina seslerinin anlamlarını anlamaya daha da yaklaştıracak ve hatta belki bir noktada onlarla tekrar iletişim kurmamıza olanak tanıyacak. Bu proje sırasında geliştirdiğimiz algoritmaların ve yaklaşımların, gezegeni paylaştığımız diğer türleri daha iyi anlamamıza yardımcı olacağını umuyoruz.”

Protein Yapılarının Çözülmesi 

Oturumun bu son konuşmasında bilgisayar bilimcisi ve girişimci Rives, özellikle proteinlere ve onların dizilerine odaklanarak dil modellerinin biyoloji alanındaki uygulamalarını araştırdı. Yale’den felsefe ve biyoloji alanında iki lisans derecesine ve NYU’dan bilgisayar bilimleri alanında doktora derecesine sahip olan Rives, Meta’daki görev süresi boyunca protein dizisi modellemesine katkıda bulundu.

Amino asit dizileri tarafından kodlanan proteinler, kanser tedavisinden plastik parçalanmasına ve karbon fiksasyonuna kadar çeşitli biyolojik işlevlerde önemli bir rol oynar. Buradaki zorluk bu dizilerin dilini anlamakta yatmaktadır. Protein dizilerine ilişkin geniş veritabanlarına sahip olmamıza rağmen onların işlevleri ve yapıları hakkındaki anlayışımız sınırlıdır.

Rivas, protein dizilerini bir dil olarak ele alma ve bilginin kodunu çözmek ve çıkarmak için doğal dil işlemede kullanılanlara benzer dil modellerini uygulama fikrini sundu.

Rivas ve ekibi, modellerin biyolojik bilgiyi ne kadar iyi yakalayabildiğini görmek için dil modellerini, evrimsel açıdan çeşitli proteinlerden oluşan geniş ve çeşitli bir veri tabanı üzerinde eğitti. Modeldeki bazı dikkat başlıklarının proteinlerin 3 boyutlu yapısıyla ilişkili olduğunu ve protein katlanmasının yorumlanabilir bir temsilini sağladığını keşfettiler.

Modellerin ölçeği büyütüldüğünde, protein yapısı tahmininin doğruluğunun arttığı ortaya çıktı. Ekip, AlphaFold gibi mevcut yöntemlerin doğruluğuna rakip olacak şekilde protein yapısı tahmininde son teknoloji sonuçları gösteren “ESMFold” adlı bir modeli tanıttı. Protein yapısını diziden doğrudan tahmin eden bu yaklaşım, evrimsel veri tabanlarında arama yapmayı içeren geleneksel yöntemlerden daha hızlı ve etkili.

ESMFold’un dikkate değer bir uygulaması, metagenomik proteinlerden oluşan bir veri tabanının tamamının hızlı bir şekilde katlanması ve yapılarının kapsamlı bir şekilde araştırılmasıdır.

Rivas ayrıca bu dil modellerinin üretken olarak kullanılma potansiyeline de değinerek yapılarını verilen dizilerden tahmin ederek yeni proteinler tasarladı. Deneysel sonuçlar, modellerin iyi bir şekilde genelleştirilebileceğini, hatta doğal evrimde gözlemlenmeyen yeni proteinler üretebileceğini gösterdi.

 

Kaynak: Stanford

CEVAP VER

Please enter your comment!
Please enter your name here