DeepMind mezunlarının yapay zeka ajanı, araştırma replikasyonunda devleri geride bıraktı
DeepMind mezunları tarafından kurulan Londra merkezli yapay zeka laboratuvarı Inherent, yeni yapay zeka ajanı Faraday'ın, bilimsel makaleleri bağımsız olarak yeniden üretme görevinde Anthropic ve OpenAI'nin çok daha büyük modellerini geride bıraktığını açıkladı. Bu başarı, bilimsel keşif yolunda önemli bir adım olarak değerlendiriliyor.
Giriş: Inherent ve Faraday
Google DeepMind mezunları tarafından kurulan Londra merkezli yapay zeka laboratuvarı Inherent, kısa süre önce yayınladığı yapay zeka ajanı Faraday ile dikkatleri üzerine çekti. Şirket, Faraday'ın bilimsel makalelerdeki bulguları, sonuçları önceden bilmeden bağımsız olarak yeniden üretme görevinde, Anthropic ve OpenAI'nin çok daha büyük modellerini geride bıraktığını duyurdu. Bu başarı, yapay zekanın bilimsel araştırma süreçlerindeki potansiyelini gözler önüne seriyor.
Inherent, geçtiğimiz haftalarda 50 milyon dolarlık tohum yatırımıyla gizlilik perdesini kaldırdı. Şirketin kurucu ortakları arasında DeepMind'ın eski araştırmacıları Edward Hughes, Louis Kirsch, Kaloyan Aleksiev ve Tantum Collins yer alıyor. Ekip, yapay zekanın yalnızca mevcut bilgileri doğrulamakla kalmayıp yeni bilimsel bilgiler keşfetmesini hedefleyen iddialı bir vizyonla çalışıyor.
Faraday'ın Başarısı ve Teknik Detaylar
Faraday, bilimsel makaleleri yeniden üretme görevinde, Anthropic'in Claude Opus 4.8 ve OpenAI'nin GPT-5.5 gibi dev modelleriyle kıyaslandığında oldukça küçük bir model olan Qwen 3.6 üzerinde çalışıyor. Bu model yalnızca 27 milyar parametreye sahip. Parametre sayısı, bir modelin boyutunun ve genellikle eğitim maliyetlerinin bir göstergesi olarak kabul ediliyor. Bu durum, Faraday'ın çok daha az kaynakla büyük modellere kıyasla daha iyi performans göstermesini sağlıyor.
Inherent'in başarı kriteri yalnızca doğrulukla sınırlı değil. Şirket, Faraday'ın "araştırma zevki" (research taste) olarak adlandırılan bir yeteneği de sergilemesini istiyor. Bu, hangi deneylerin yapılması gerektiğine dair bir sezgi ve deneyleri iyi tasarlama becerisi anlamına geliyor. Bu soyut yeteneği öğretmek için Inherent, pekiştirmeli öğrenme (reinforcement learning) yöntemini kullanıyor. Bu yöntem, yapay zekaya kurallar vermek yerine iyi sonuçlar elde ettiğinde onu ödüllendirerek öğrenmesini sağlıyor.
Eğitim Stratejisi ve İşbirlikçi Yaklaşım
Inherent, ajanlarını öncelikli olarak bilimsel araştırma süreçlerinin incelenmesiyle eğitmek yerine, ödül tabanlı bu yaklaşıma güveniyor. Şirket, bu yöntemin, ajanların birçok bilimsel alanda katkı sağlayabilmesi hedefine daha iyi uyum sağlayacağını düşünüyor. Kurucu ortak ve baş bilim insanı Edward Hughes, "Her zaman bir yapay zeka bilim insanı ajanı inşa etme ve ajanlarımıza zevk aşılama hedefiyle yönlendiriliyoruz" diyor.
Bu odak, Inherent'in neyi inşa etmeyeceğini de belirliyor. Şirket, kendi kodlama aracını geliştirmek yerine Faraday'ın OpenAI'nin GPT-5.5 Codex'ini kullanmasını sağladı. Bu, insan bilim insanlarının her şeyi sıfırdan inşa etmek yerine mevcut yazılımlara güvenmesine benziyor. Ayrıca Inherent, kullanıcılara sadece duymak istedikleri cevapları veren ajanlar geliştirmekten kaçınıyor. Hughes, hedefin en sevdiği takım arkadaşı türüne benzediğini söylüyor: "Bu konuda meraklandım ve gidip bu deneyleri yaptım. Bu sonuçlar hakkında ne düşünüyorsun?" diyebilen bir takım arkadaşı.
Londra'nın Yükselişi ve Inherent'in Geleceği
Inherent, şirket olarak işbirlikçi bir yaklaşımı benimsiyor. On iki çalışanı, Londra'nın King's Cross semtindeki bir ofiste yüz yüze çalışıyor. Google DeepMind'ın varlığı, bu bölgeyi dünyanın önde gelen yapay zeka merkezlerinden biri haline getirdi. Hughes, "Londra'nın doğru yer olduğuna inanıyoruz" diyor.
Hughes, Londra'nın yapay zeka yetenek yoğunluğu konusunda iyimser olsa da, Birleşik Krallık'ta yaygın olan "bahçe izni" (garden leave) uygulamasının sona ermesi çağrısında bulunuyor. Bu uygulama, ayrılan çalışanların istifa ettikten sonra aylarca rakip bir şirkete katılmasını veya yeni bir şirket kurmasını engelliyor. Amerikalı araştırmacılar genellikle bu kısıtlamayla karşılaşmıyor ve bu da ABD'deki girişimlere yetenek transferinde avantaj sağlıyor. Hughes, "Bu kişisel bir görüş, şirket görüşü değil, ancak bahçe izni sorunundan etkilendim" diyor.
Inherent, yıl sonuna kadar çalışan sayısını 20-25'e çıkarmayı planlıyor. Dünya modelleri (world models) alanındaki hedefleri ve Demis Hassabis'in yeni rolünün DeepMind çalışanları arasında yarattığı belirsizlik göz önüne alındığında, Inherent'in işe alım hamlesi, DeepMind'dan ayrılmayı düşünen yetenekler için cazip bir seçenek olabilir.
Neden Önemli?
Inherent'in bu başarısı, yapay zekanın bilimsel araştırma alanındaki potansiyelini gösteriyor. Faraday gibi küçük modellerin, dev modelleri geride bırakması, kaynak verimliliğinin ve doğru eğitim yöntemlerinin önemini vurguluyor. Türkiye'deki yapay zeka ekosistemi için bu, büyük kaynaklara sahip olmayan ekiplerin de yenilikçi çözümler üretebileceğine dair umut verici bir örnek. Ayrıca, pekiştirmeli öğrenme gibi yöntemlerin, yapay zekanın yaratıcı ve sezgisel yeteneklerini geliştirmede ne kadar etkili olabileceğini gösteriyor. Bu yaklaşım, gelecekte bilimsel keşiflerin hızlanmasına ve yeni bilgi üretiminin otomatikleşmesine katkı sağlayabilir. Inherent'in Londra'daki konumu ve bahçe izni eleştirisi, küresel yetenek rekabetinde ülkelerin politikalarının önemini de gözler önüne seriyor.
