MIT Technology Review, dünya iklim politikalarının gerilemesine ve büyük teknoloji şirketlerinin iklim hedeflerini geri çekmelerine rağmen, yılını bir kez daha iklim teknolojisi alanında atılım yapan veya yapma potansiyeli taşıyan on şirketin listesini yayınlayacak. Liste enerji depolaması, nükleer güç, ulaştırım ve diğer alanlarda ilerleme kaydeden şirketleri içerecek ve 6 Ekim'de kamuya sunulacak.

Antropik'in Yapay Zeka Keşfi Bilim Camiasını Böldü

Geçen hafta Antropic, yeni kurulan moleküler biyoloji laboratuvarının ilk başarısını duyurdu: yapay zeka ajanları, gen düzenleme teknolojisinin (CRISPR) geliştirilmesine yol açan şeye benzer şekilde bir enzim etrafındaki daha önce kataloglanmamış bir deseni tespit etmişti. Ancak bu açıklama biyologlar arasında öfke yarattı.

Bazı araştırmacılar, desen bulmanın tek başına bir keşif sayılıp sayılamayacağını sorguladı. Başka bir bilim insanı, ekibinin aynı deseni zaten keşfettiğini söyledi ve bu da Antropic'in sisteminin Claude ile yapılan konuşmalardan bilgi öğrenip öğrenmediği konusunda soru işaretleri oluşturdu.

Yapay Zeka Şirketlerinin Keşif Standartları Tartışması

Yaşanan olay, yapay zeka için yenilikçi görünen şeylerin biyologlar açısından rutin, sürpriz olmayan veya bilimsel açıdan önemli olmayabilecek olduğunu gösterdi. Teknoloji şirketlerinin agresif açıklamaları ise gerçek bilimsel ilerlemelerin tanınmasını zorlaştırabileceği endişesini artırdı.

Ne anlama geliyor?

İklim teknolojileri alanı, yükselen küresel sıcaklıklara karşı sorunu çözmek üzere tasarlanmış inovasyonlar üzerine odaklanır. Enerji depolaması, yenilenebilir enerji kaynaklarının verimli kullanılmasını sağlayan altyapıyı oluşturur; nükleer teknoloji ise karbon salınımı düşük elektrik üretiminin ölçeklendirilmesini mümkün kılar; ulaştırım çözümleri ise sera gazı emisyonlarını azaltmanın temel alanlarından biridir. Bu tür şirketlerin değerlendirilmesi, sadece teknolojik yetkinlikle değil, uygulanabilirlik ve gerçek dünyada çevresel etkiler bakımından da yapılır.

Yapay zekanın bilimsel keşif sürecindeki rolü ise daha karmaşıktır. Makine öğrenmesi sistemleri büyük veri setlerinde örüntüleri hızla tanıyabilir, ancak bu tür örüntü tespitinin yeni bilimsel bilgi oluşturması ile var olan fakat henüz kataloglanmamış bilginin yeniden sunulması arasındaki fark önemlidir. Bir keşfin değeri, bulunmanın yanı sıra sonraki araştırmaların hangi sorunları çözeceği ve bilim insanlarının bunu başka çalışmaların temelinde nasıl kullanacağı ile ölçülür. Yapay zeka sistemleri, eğitim veri kaynaklarının sınırlaması altında çalıştığından, halihazırda bilinen bilgiyi yeniden bağlamsallaştırma riski taşır.