Matematikten Sonra Yapay Zeka Bilimi de Altüst Edecek mi?
Matematikçiler 2026’yı, yapay zekanın alanlarını tamamen değiştirdiği yıl olarak hatırlayacak. Bilim insanları ise bir sonraki hedef olabilir.
Mart ayında —yapay zeka gelişmelerinin şimdiki çılgın temposunda sanki çağlar önce— teorik fizikçi Matthew Schwartz meslektaşlarına uğursuz bir mesaj verdi: Yapay zeka çok fazla bilim yapacak, bu yüzden dikkatli olun. Schwartz’ın Amerikan Fizik Derneği’nin yıllık toplantısında yaptığı konuşmadaki bu uyarısı pek de iyi karşılanmadı. Dinleyiciler arasındaki birçok fizikçi, Harvard Üniversitesi profesörünün o dönemde hem fazla alarmist hem de yapay zekanın yetenekleri konusunda fazla iyimser görünen tahminiyle şüphe ve alay karışımı bir tepki gösterdi.

Şimdi ise bu tür uyarılar naif kalıyor. Schwartz’ın konuşmasından sonraki aylarda bilim insanları, yapay zeka destekli şaşırtıcı bir dizi ilerlemenin matematikçiler arasında varoluşsal bir krizi tetiklemesini artan bir hayranlık ve endişeyle izledi. Mayıs ayında OpenAI’in modelleri, insanların rehberliğinde, efsanevi matematikçi Paul Erdős tarafından ortaya atılan uzun süredir devam eden bir varsayımı çürüttü. Ağustos ayında ise tartışmaların ortasında yapay zeka modelleri, matematiğin en büyük gizemlerinden biri olan Navier-Stokes problemini etkili bir şekilde çözdü. Ekim ayında ise OpenAI, Riemann hipotezinin kısmi bir çözümü de dahil olmak üzere yaklaşık 370 açık problem üzerine yapay zeka tarafından üretilmiş 722 ön makale yayınladı.
Matematikçiler, yapay zekanın kanıtları çözmenin birçok unsurunu otomatikleştirdiği bir gelecekle yüzleşiyor gibi görünse de bilim insanları için tablo hâlâ oldukça belirsiz.
Bilim insanları artık rutin olarak kodlama için yapay zekayı kullanıyor ve giderek daha fazla analiz için de ondan faydalanıyor. Peki ya gerçekten yeni sonuçlar? Schwartz, “Fizik hakkında derin bir içgörü sağlayan bir sonuç henüz akla gelmiyor,” diyor. Kendisi aynı zamanda Claude yapay zeka modellerinin arkasındaki şirket Anthropic’in danışmanı. “Bu temel bir sınırlama mı, yoksa araçların henüz hazır olmamasından mı kaynaklanıyor? Araçların henüz hazır olmamasından kaynaklandığına oldukça eminim.”
Ancak araçlar hızla gelişiyor ve matematiğe en yakın alan olarak kabul edilen teorik fizik bir sonraki hedef olabilir. Ekim ayının sonlarında OpenAI ve Anthropic, parçacık fiziğinin Standart Modelinin matematiksel temelini oluşturan zorlu bir problemde bağımsız ilerlemelerini duyurdu. Aynı ay yapılan ayrı bir değerlendirme, en son yapay zeka modellerinin araştırma düzeyindeki teorik fizik problemlerini neredeyse kusursuz bir şekilde çözebildiğini ortaya koydu —bu, bir uzmanın bir günde çözebileceği küçük ama önemli bulmacalardı.
Bu tür bir karmaşa ortasında, Scientific American ile konuşan çeşitli bilim alanlarından araştırmacılar, yapay zekanın tam olarak ne yapabileceği ve alanlarında nasıl kullanılması gerektiği konusunda pek bir fikir birliği göstermedi. Ancak hepsi, bilimin büyük bir değişimin eşiğinde olduğu konusunda hemfikirdi.
“Şu anda herkes yapay zekanın nereye gideceğini anlamaya çalışıyor ve bilim insanları bu konuda yalnız değil,” diyor Ulusal Ruh Sağlığı Enstitüsü’nde nörobilimci olan Mark Histed. “Büyük bir belirsizlik var.”
Dört yıl önce büyük dil modelleri (LLM’ler) iki basamaklı sayıları toplarken bile zorlanıyordu; bu yüzden sekizinci sınıf matematik testlerini geçebilecek kadar yetkin hale gelmeleri büyük bir ilerleme sayılıyordu. Hesap makinelerinin aksine, onların aritmetik yapmak için önceden kodlanmış bir yöntemleri yoktu. Adlarından da anlaşılacağı gibi, LLM’ler metin üzerinde eğitilir —onları matematik yapmaya zorlamak çoğu zaman mantıksız görülüyordu. Şimdi ise durum tersine döndü: En popüler ve baskın yapay zeka modelleri (hepsi LLM’dir) genellikle sadece “iyi” metinler üretirken, insanüstü nicel akıl yürütme başarıları sergileyebiliyor. Bu ani yükseliş matematiği temelden sarstı ve insan uygulayıcıları ilerlemek için bir yol bulmakta zorlanıyor.
Ancak bu şaşırtıcı ilerleme sadece giderek gelişen modellerle açıklanamaz; denklemin diğer yarısı, kesin çözümlerin mevcut olduğu matematiğin doğasıdır. LLM’ler ayrıca Lean gibi kanıt doğrulama yazılımlarından da faydalanabilir; bu, bir sonucun doğru olduğunu mantıksal olarak kodlayıp doğrulayabilen bir programlama dilidir (temelindeki matematiği kimse tam olarak anlamasa bile). “Bilim alanlarında böyle bir doğrulayıcımız yok,” diyor Hindistan Teknoloji Enstitüsü Delhi’de yapay zeka üzerine çalışan ve LLM’lerin bilim alanında benzer çığır açan özerk keşifler yapabileceğinden şüphe duyan mühendis N. M. Anoop Krishnan.
Mevcut modeller, bol ve iyi doğrulanmış verilere erişebildiklerinde en iyi performansı gösteriyor. İnsan bilimsel bilgisinin dijitalleştirilmiş büyük bir kısmıyla eğitildikleri için, herhangi bir konuda otoriter görünen açıklamalar sunabiliyorlar. Ancak bu, onların insan uzmanların yerini alabileceği anlamına gelmez. İyi bilim insanları, hakemli literatürde nadiren yer alan inceliklere güvenirler; örneğin olumsuz sonuçlar ve zorlu süreçlerle edinilen zımni bilgiler —“bilimsel süreçte geliştirilen sezgiler,” diyor Krishnan. Dahası, LLM’ler genellikle yanıtlarını homojenleştirir, bu da onları keşif odaklı bilimsel çalışmalar için gerçekten yeni fikirler üretmede daha az kullanışlı kılar. Krishnan, bu sorunlar aşılsa bile, doğrulama için fiziksel bir dünyanın varlığı gibi can sıkıcı bir engel olduğunu belirtiyor. Bir malzemeyi sanal ortamda tasarlamak, onu gerçek dünyada sentezlemenin yerini tutamaz.
Gerçekten de yeni malzemeleri tahmin etme ve tasarlama yeteneği, tarihsel olarak yapay zekanın en büyük vaatlerinden biri olarak görülüyordu. Ancak şimdiye kadar pek bir sonuç elde edilemedi —yüksek profilli yapay zeka kaynaklı sonuçlar çoğunlukla fiziksel olmayan veya önemsiz şekillerde yeni olan malzemelerle sonuçlandı. Daha da kötüsü, yapay zekanın malzeme bilimini hızlandırdığına dair en umut verici kanıtın tamamen uydurma olduğu ortaya çıktı.
Princeton Üniversitesi’nde fiziksel kimyager olan ve Anthropic ile danışmanlık yapan Leslie Schoop, bu şüpheli geçmiş sonuçların gelecekteki performansı öngörmeyebileceğini söylüyor. Son birkaç ayda yapay zekanın yeteneklerindeki dramatik artışın yadsınamaz olduğunu belirtiyor. “Şimdi çoğunlukla benim yapabildiklerimi yapabiliyor, tek farkı bir laboratuvarının olmaması,” diye esprili bir dille söylüyor. Son zamanlarda, laboratuvarında tesadüf, sezgi ve tekrar kombinasyonu yoluyla keşfettiği yeni bir yapının varlığını yapay zeka modellerinden tahmin etmelerini sağlamaya çalıştı; ancak hiçbiri başaramadı. “Yapay zekanın bu yapıyı bulamamasının nedeni, bunu yapmanın analitik bir yolunun olmaması,” diyor.
Yapay zekanın zorlanabileceği tüm alanlar arasında belki de en ironik olanı, zekanın kendisinin ve beynin içinde nasıl ortaya çıktığının incelenmesi olacaktır. Ancak Histed, mevcut ve yakın gelecekteki modellerin tam da bu alanda başarısız olabileceğini düşünüyor. “Benim görüşüme göre, bu alandaki zor sorular zeka eklenerek çözülmeyecek,” diyor.
Histed, nörobiliminin aslında daha fazla ve daha iyi veriye ihtiyacı olduğunu söylüyor ve “en çok istediği” listeden birkaç örnek veriyor: nöral aktivitenin daha iyi kaydedilmesi, biyolojik ağların daha kapsamlı incelenmesi, optogenetik gibi sınır teknolojileriyle yeni ölçümler ve benzerleri.
Yapay zeka daha fazla ve daha kaliteli verilere erişse bile, nörobilim ve yeterince karmaşık diğer alanlar için büyük bir engel var. “Bir noktada, aşağı akıştaki doğrusal olmayan fonksiyonunuzu tahmin etmek için gereken veri miktarı, evrenin ısı ölümünden önce elde edilebilecek miktardan daha fazla olur,” diyor Histed. Başka bir deyişle, sorun kaos. Dünya’nın havası gibi kaotik bir sistemin —ve belki de beynin kendisinin— davranışı, sadece belirli bir süre öngörülebilir; ardından en küçük başlangıç değişiklikleri büyüyerek beklentilerden dramatik bir şekilde sapar.
Bir Camın Arkasından, Karanlıkta
Aralık 2025’te Schwartz, lisansüstü öğrenci düzeyindeki fizik problemlerini Anthropic’in Claude Opus 4.5 modeline vermeye başladı (şirket o zamandan beri daha iyi ve daha güçlü Opus sürümleri yayınladı). Schwartz’a göre modelin birçok sınırlaması vardı, ancak “iki hafta yerine iki dakika içinde bir yanıt veriyordu.” Daha sonra deneyimini bir “yapay zeka lisansüstü öğrencisi” ile belgeliyor ve bunu “hiç yazmadığım en önemli makale” olarak adlandırıyor.
O zamandan beri Schwartz en son modellerle çalışmaya devam ediyor. İşin sırrının, “yapay zekaya uygun” problemleri bulmak olduğunu söylüyor. Geçen ay, işbirlikçileriyle birlikte Dünya’nın atmosferik oksijeninin jeolojik tarihini özetlemek, filogenetik ağaçların dallarını genişletmek ve güneş lekelerinin demografisini belirlemek gibi 22 alanda 36 ön makale yayınladı. Bu çeşitli problemlerin ortak özellikleri arasında doğrulanabilirlik ve sağlam veri bulunuyordu —ve birçoğu disiplinler arası sınırları aşan matematiksel bir aracı içeriyordu.
Sonuçları üretmek için Schwartz çeşitli alanlardaki uzmanlardan yardım istedi. Onların sağladığı bağlam hayati önem taşıyordu. Bir vakada model, deprem tahminini mevcut yöntemlerden yüzde 15 daha iyi hale getirmenin bir yolunu bulduğunu gururla duyurdu —ancak Schwartz’ın bağımsız insan uzmanı bu iddiayı kolayca çürüttü. “Claude bana bunun ilginç olduğunu düşündürdü, ama uzman ‘Pek de değil’ dedi,” diyor Schwartz.
Zamanla yapay zekaya uygun problemler arasındaki farkların azalması muhtemel, diyor Schwartz. Yapay zeka bir yıl sonra nerede olacak? Bazı tahminlere göre, bir kıyametin eşiğine gelmiş olacağız. Schwartz biraz daha az kötümser, ancak değişimin hızlanmaya devam edeceğini söylüyor. Teorik fizik için ise, “Bugün yazabileceğimiz herhangi bir makalenin içeriğini Claude sadece düşünerek üretebilir,” diye tahmin ediyor.
Diğer yandan Schoop, yapay zeka yeteneklerinin mevcut hızda ilerlemeye devam edeceğine ikna olmuş değil. “Biliyorsunuz, her üstel artış eninde sonunda düzleşir,” diyor.
İki yıl önce, yapay zekanın insan bilim insanları için sadece başka bir araç haline geleceğini savunan bir “panik yapmayın” makalesi yazmıştım. Yakın ve devasa bir değişim ilanları saçma görünüyordu; o zamanlar modeller “strawberry” kelimesindeki r harflerinin sayısını bile doğru sayamıyordu. Son dokuz aydaki gelişmeler insanı alçaltıcı oldu. Matematikte yapay zeka sadece bir araç olarak çalışmıyor; bazı durumlarda insanlar o kadar dışarıda kalmış ki, modellerin boşluktan yarattığı cevapları anlamıyorlar bile. Ancak bilim alanında durum henüz böyle değil. Saf mantık sorunlarıyla karşılaştırıldığında, bilim insanlarının karmaşık evrenimiz hakkında yaptıkları ölçümler onları yapay zekanın olumsuz etkilerinden daha iyi koruyabilir. Peki ne ölçüde?
Sürekli bir şüpheci ve hâlâ üretken yapay zeka kullanmayan biri olarak, bunu bildirmekten hiç keyif almıyorum: Bilgi üretim biçiminde temel bir değişimle karşı karşıyayız —insanlık tarihinde muhtemelen matbaanın icadı kadar etkili olacak bir olay. Yapay zeka, tüm bilgi işçilerinin —bilim insanları ve bilim gazetecileri de dahil olmak üzere— işlerini altüst etmeye hazırlanıyor. Bunun bilim ve hatta toplum için tam olarak ne anlama geldiği belirsiz, ancak hepimiz bunu yakında öğreneceğiz.
“Eşim yapay zekadan nefret ediyor. Ve birçok insan da öyle. Korkutucu, kişisel değil ve insan dışı; kim olduğumuza müdahale ediyor,” diyor Schwartz. “Ama bir bilim insanı olarak, sorunları çözmek için mevcut en iyi araçları kullanmamak mümkün değil.”

Bu gelişme hakkında düşüncelerinizi, donanım deneyimlerinizi veya sorularınızı Topluluk Forumumuzda paylaşın.
Foruma Katıl & Yanıtla ➔




İlk yorumu siz yazın
Fikrinizi bir kaynak, soru veya yapıcı karşı görüşle geliştirin.