YAPAY ZEKA KOZMOLOJİDE ÖNYARGI GELİŞTİRDİ
Kozmologların hesaplama yükünü azaltmak amacıyla kullandığı yapay zekâ modellerinin, evrenin işleyişine dair yeni fizik kurallarını ararken önyargılar geliştirdiği tespit edildi. Araştırmacılar, makine öğrenmesi stratejilerinin mevcut verileri baz alarak yeni keşifleri gözden kaçırabildiğini ortaya koydu.
Güncellenme : 16 Haziran 2026 09:15 /
Yayınlanma: 16 Haziran 2026 09:15
Journal of Cosmology and Astroparticle Physics dergisinde yayımlanan yeni bir araştırmada, kozmolojik hesaplamaları hızlandırmak için kullanılan yapay zekâ ağlarının performansı incelendi. Araştırmada, bir yapay zekâ sinir ağının standart kozmoloji modeli olan $\Lambda\text{CDM}$ simülasyonları üzerinde eğitildiği ve bu eğitimin çözülmemiş astrofizik sorunlarına etkisinin test edildiği belirtildi. Yapılan incelemeler sonucunda, sistemin yeni fiziği bulma konusunda olumsuz etki yaratan önyargılar geliştirdiği gözlemlendi.
TRANSFER ÖĞRENMEDE NEGATİF ETKİ
Çalışmada, "transfer öğrenme" adı verilen bir makine öğrenmesi stratejisinin uygulandığı açıklandı. Yapay zekânın standart modeli anlama konusunda yüksek performans gösterdiği ancak yeni fizik parametrelerinin öğrenilmiş verilerle örtüşmesi durumunda zorlandığı ifade edildi. "Negatif transfer" olarak adlandırılan bu olgunun, sistemin verideki benzer örüntüleri ayırt edemeyerek standart modelin ötesindeki olası ipuçlarını gözden kaçırmasına neden olduğu aktarıldı.
Flatiron Institute ve Princeton Üniversitesi'nden Kozmolog Adrian E. Bayer, çalışmanın yapay zekânın bilimin ilerlemesine nasıl yardımcı olabileceğine dair önemli bir örnek teşkil ettiğini belirtti. Bayer, "Negatif transfer sonucu büyüleyici, çünkü modelin rastgele başarısız olmadığını gösteriyor" ifadelerini kullandı. Uzman isim, modelin daha önce öğrendiği bilgilere dayanarak yeni keşifleri atladığını ve bu süreçte yapay zekâ hesaplamalarının insan uzmanlar tarafından dikkatle takip edilmesi gerektiğini vurguladı.
GELECEK ARAŞTIRMALAR İÇİN YENİ PLANLAR
Kozmoloji alanındaki araştırmaların maliyetli ve zaman alıcı doğasına değinilen çalışmada, alternatif senaryoların test edilmesinin evren anlayışını ilerletmek için kritik olduğu hatırlatıldı. Dark Energy Spectroscopic Instrument eş sözcüsü Will Percival da bilimsel analiz için sahte evrenler oluşturmanın ve doğrulama amacıyla simülasyonlar çalıştırmanın önemine dikkat çekti. Bayer ve ekibinin bir sonraki aşamada; galaksi oluşum belirsizlikleri, tarama maskeleri ve gürültü gibi unsurları içeren gerçek gözlem verilerine daha çok benzeyen ortamlarda benzer deneyler yapmayı planladığı açıklandı.