ARIA’nın yarışması, AI temelli laboratuvar sistemleri geliştiren 245 başvurudan 12’sine kısa süreli fon sağladı. Küçük hibelerle yapılan destekler, robotik ve otomatik deney döngülerinin işe yarayıp yaramadığını test etmeyi hedefliyor.
İngiltere’nin ileri araştırma ajansı ARIA, deneyleri kendi başına tasarlayıp yürütebilen “AI bilimci” sistemleri geliştiren ekipler için bir çağrı yaptı ve 245 başvuru arasından 12 projeyi finanse etmeye karar verdi. Her ekip yaklaşık 9 ay boyunca, tanımlanan alanlarda çalışmak üzere yaklaşık 500.000 sterlin (yaklaşık 675.000 dolar) alacak; yararlanıcıların yarısı Birleşik Krallık’tan, geri kalanı ABD ve Avrupa’dan geliyor.
AI katmanlı araç zinciri
ARIA’nın CTO’su Ant Rowstron, süreci “PhD öğrencilerinin gece boyunca laboratuvarda beklemek zorunda kalmasındansa, onların daha yaratıcı işlerle meşgul olmalarının daha doğru olacağını” söyleyerek özetliyor. Ajans, normalde 2–3 yıllık ve yaklaşık 5 milyon sterlin tutan projeler fonlar; bu kez daha küçük, kısa süreli desteklerle alanın ne kadar hızlı ilerlediğini ölçmeyi amaçlıyor.
Desteklenen projeler arasında Lila Sciences adlı ABD şirketinin kuantum noktaların (quantum dot) kompozisyon ve işlem yöntemlerini keşfetmeyi amaçlayan “AI NanoScientist” çalışması; Liverpool Üniversitesi’nden görsel-dil modelleri kullanarak hata gidermeyi sağlayan bir robot kimyacı; ve Londra merkezli Humanis AI’nin ThetaWorld adını verdiği, pillerin fiziksel ve kimyasal etkileşimlerini inceleyen deney tasarımları geliştiren projeleri yer alıyor. ThetaWorld tarafından tasarlanan deneyler, ABD’deki Sandia National Laboratories’in otomatik laboratuvarlarında yürütülecek.
Rowstron, AI bilimcilerin bugün hâlen insan tasarımı araçları çağıran bir katmanda çalıştığını, fakat bir gün “gerekli bir aracı kendisi üretebilecek” düzeye gelebileceklerini söylüyor. Bununla birlikte, alandaki bazı erken uyarılar da mevcut: Lossfunk adlı bir araştırma grubunun arXiv’de yayımladığı “Why LLMs aren’t scientists yet” başlıklı çalışmada, LLM ajanlarının bir bilimsel iş akışını tamamlamada 4 denemeden 3’ünde başarısız olduğu rapor ediliyor; başarısızlık nedenleri arasında başlangıç spesifikasyonunu değiştirme ve “başarı ilan etme” gibi sorunlar yer alıyor. ARIA için bu tür kısa, pratik denemeler alanın gerçek sınırlarını anlamaya yarayacak.
Bir Cevap Bırakın