Anthropic’in Konuk Makalesi, Yapay Zekânın Bilimsel Model Aralıklarını Sunmasını Öneriyor

Anthropic, 6 Kasım 2026’da konuk araştırma makalesi yayımladı. Makalede, AI for Science programı hibelerinden yararlanan Jakob Macke, Daniel Gedon ve Stefan Wahl, LLM ajanlarının en iyi uyumu sağlayan tek bir model yerine, makul bilimsel modellerin ağırlıklandırılmış dağılımlarını sunması gerektiğini savunuyor. Yazarlar, ELLIS Institute Tübingen ve University of Tübingen’de araştırmacı olarak görev yapıyor.

Yazarların temel ayrımı, gözlemleri yeniden üretmek ile bir sistemi anlamak arasındadır. Pek çok parametre ayarı eşdeğer çıktılar üretebilir; farklı denklem yapıları da aynı ölçümleri açıklayabilir. Bu nedenle, yeterli tek bir yanıt sunan bir ajan; farklı mekanizmaları veya tahminleri destekleyebilecek alternatifleri gizlemiş olur.

Modelleri Oluşturma, Kısıtlama ve Yorumlama

Makale, bilimsel modellemeyi tekrarlanan üç adıma ayırıyor: modelin bileşenlerini ve denklemlerini oluşturmak, ayarlanabilir parametreleri ölçümlerle kısıtlamak ve sonucun gerçek sistem hakkında ne söylediğini yorumlamak. Tarihsel örnek olarak Hodgkin ve Huxley’in sinir hücresi modelini ele alıyor. İkili, daha basit sürümler verilerine daha kötü uyum sağladığı için dördüncü kuvvet terimini seçti. Cambridge University’nin bilgisayarı 1951’de devre dışı kaldıktan sonra Huxley, denklemleri elle çevrilen bir hesap makinesiyle çözmek için üç haftadan fazla zaman harcadı.

Reddedilen alternatiflerin geçmişi, meselenin özünü oluşturuyor. Dördüncü kuvvet, zar kapısındaki hareketli birkaç parçaya ilişkin bir hipotezi destekliyordu; daha düşük kuvvetlerin başarısız olduğunu bilmeden, yalnızca sayısal uyum bu yorumu haklı çıkarmaya yetmezdi. Yazarlar bu örnekten hareketle yapay zekâ için bir ölçüt belirliyor: başarısız adaylar ve süregelen belirsizlik de dâhil olmak üzere, modelleme sürecinin ortaya çıkardığı her şeyi korumak.

Parametre Dağılımlarından Model Dağılımlarına

Bayesçi çıkarım, makul ayarları veri uyumundan ve önsel bilgiden beslenen bir olasılık dağılımı olarak temsil ederek sorunun parametrelerle ilgili boyutunu ele alıyor. Mekanistik simülatörlerde geleneksel olabilirlik hesaplamaları çoğu zaman uygulanabilir değildir: PNAS’ta 2020’de yayımlanan bir derleme, olabilirliğin simülatör üzerinden gerçekleşebilecek tüm yürütme yollarını örtük olarak bütünleştirdiğini açıklıyor.

Simülasyon tabanlı çıkarım ise parametreleri örnekler, simülatörü çalıştırır ve sentetik çıktılar üzerinde bir sinir ağı tahmincisi eğitir. SNPE yöntemi; çalıştırılabilir bir model, parametreler için önsel kısıtlar ve gözlemlenmiş veriler ya da özet özellikler gerektirir; olabilirlik değerlendirmelerine veya türevlenebilir model koduna ihtiyaç duymaz. Simüle edilmiş Hodgkin-Huxley deneyinde, sekiz biyofiziksel parametreyi yedi gerilim özelliğinden tahmin etmek için tek bir turda 100.000 simülasyon kullanıldı. Özellikler eklendikçe sonsal dağılım daraldı ve gözlemlerin hangi parametreleri güçlü, hangilerini zayıf biçimde kısıtladığı ortaya çıktı. Başlangıçtaki simülasyon ve eğitim aşamasının ardından, öğrenilen vekil model yeni verileri verimli biçimde değerlendirebilir.

Makale, bu yaklaşımı parametrelerden model yapılarına da genişletiyor. Bir LLM ajanı aday simülatör kodları yazabilir, bunları çalıştırabilir, parametrelerini kısıtlayabilir, çıktıları gözlemlerle karşılaştırabilir ve denklemleri gözden geçirebilir. Ayrı çalıştırmalar, birbirinden farklı ama eşit ölçüde yeterli yapılar üretebilir; bu nedenle önerilen çıktı ağırlıklandırılmış bir model topluluğudur: adaylar, verilerin desteğine göre ağırlık kazanır; aşırı esnek uyumlara daha az değer verilir ve daha güçlü adaylar yeni varyasyonların başlangıç noktası olur. Geçerliliğini koruyan modellerin ortak özellikleri, kanıtların neyi desteklediğini gösterirken aralarındaki uyuşmazlıklar kanıtların zayıf kaldığı noktaları ve olası sonraki deneyleri ortaya çıkarır.

ModelSMC, Çalıştırılabilir Modeller Üzerinde Arama Yapıyor

Wahl ve aralarında Macke ile Gedon’un da bulunduğu çalışma arkadaşları, daha önce yayımlanan 2026 tarihli ModelSMC makalesinde bu yaklaşımı, çalıştırılabilir simülatör programları üzerinde olasılıksal çıkarım olarak biçimlendirdi. Her aday, bir LLM’nin atasal uygulamaları, değerlendirme geri bildirimlerini ve görev bağlamını kullanarak önerdiği veya geliştirdiği bir parçacıktır. Olabilirlik tabanlı ağırlıklar ve yeniden örnekleme, topluluğu umut vadeden yapılarda yoğunlaştırırken keşif sırasında parametreler marjinalleştirilir; her yapı için tek bir eniyilenmiş tahmine indirgenmez. Çalışma, 5 Mayıs 2025’te başlatılan Anthropic’in AI for Science programı aracılığıyla sağlanan API kredilerini de anıyor. Program, belirli kurumlarla bağlantılı araştırmacılara yönelik olup özellikle biyoloji ve yaşam bilimlerine odaklanıyor.

Deneyler; sentetik epidemiyolojik dinamikleri, böbrekte aldosteron düzenlemesini simüle eden bir modeli ve 10 gerçek gerilim kaydını kullanan bir Hodgkin-Huxley yapı keşfi görevini kapsıyordu. Yazarlar, yüksek ağırlıklı sinirbilim modellerinin tekrar tekrar M tipi yavaş potasyum akımı eklediğini, bazen buna başka bir kanalın da eklendiğini ve bu model ailesinin 10 çalıştırmanın dokuzunda ilk sırada yer aldığını bildiriyor. Genel nicel performans, benzer bütçelerle FunSearch+ ve tek parçacıklı bir varyantın performansıyla karşılaştırılabilir düzeydeydi; iddia edilen avantaj, her durumda daha yüksek performans değil, model ailelerinin sonsal dağılımlarını inceleyebilmek.

Yorumlama ve Doğrulama

ModelSMC’nin belgelenmiş maliyetleri ve bağımlılıkları, sonuçları kadar önem taşıyor. Tekrarlanan simülasyon ve olabilirlik tahmini hesaplama açısından pahalıdır; vekil olabilirlikler, model yanlış tanımlandığında yanlılığa yol açabilir ve keşif, LLM’nin yararlı yapılar önermesine bağlıdır. Konuk makale daha genel bir sınırlamaya da dikkat çekiyor: Bu sistemler çoğunlukla bilinen modelleri yeniden keşfetme görevlerinde sınandı ve bilinen bir yanıtı olmayan bilimsel problemlerde işe yaradıklarına ilişkin kanıtlar sınırlı.

Yazarlar, verilere uyumun ölçülebilir olmasına karşın anlayışın gelişmesi için benzer açıklıkta bir hedef bulunmadığından, yorumlamayı devredilmesi en zor aşama olarak nitelendiriyor. Bir sistemde değişiklik yapıldıktan sonra verilere uyan modellerin uzlaşması bir öngörüyü güçlendirirken, aralarındaki görüş ayrılığı çözüme kavuşmamış mekanizmaları ortaya çıkarır ve bir sonraki deneye yön verebilir. Yapay zekâ, kompakt ve insanlarca okunabilir modellere yönelik tarihsel baskıyı azaltırsa bu gereklilik daha da önem kazanır; çünkü daha büyük modeller, belirsizliğin açıkça belirtilmesine ve mekanizmaların kısa özetlerine duyulan ihtiyacı artırır.

Yazarların belirlediği ölçüt bu nedenle, verilere uyan bir modelin ötesine geçiyor: Bir yapay zekâ sistemi, yanıtının dayandığı kanıtları belgelemeli; bunlara her bileşeni belirleyen ölçümler, başarısız olan adaylar, çözüme kavuşmamış belirsizlikler ve arama sırasında ortaya çıkan sorular da dahil. Bu sınırlı doğrulama temeli karşısında belirleyici soru, model dağılımlarını reddedilen alternatiflerin geçmişiyle birlikte korumanın, gerçekten açık bilimsel problemlerde anlayış sağlayıp sağlamadığıdır.