Sakana AI'nin Ultra Deep Research: Bilimsel Araştırmayı 2026'da Otomatikleştiriyor Mu?

Sakana AI, 2026'da bilimsel araştırmayı kökten değiştirmeyi hedefleyen Ultra Deep Research sistemini piyasaya sürdü. Bu sistem, bir AI Scientist olarak literatür taraması, hipotez üretimi, kod yazımı ve analizi tek bir LLM-tabanlı ajan içinde otomatikleştirmeyi vaat ediyor. Ancak arXiv'te yayınlanan bağımsız akademik incelemeler, bu iddiaların altında yatan gerçekleri sorguluyor.

Sakana AI'nin Ultra Deep Research Nasıl Çalışır?

Sakana AI, Ultra Deep Research'i bir Artificial Research Intelligence (ARI) olarak tanımlıyor. Sistem, mevcut LLM modellerini entegre ederek, farklı bilimsel veri kümelerini birleştirip yeni amaç fonksiyonları üretmeye çalışıyor. Kendi sunumunda, bu sistemin 'tamamen otomatik, açık uçlu bilimsel keşif' sağladığını iddia ediyor.

İddialı Yetenekler: Gerçek mi, Pazarlama mı?

Üretici tarafından sunulan yetenekler şunları içeriyor:

• Yüksek boyutlu literatür taraması
• Yeni hipotez üretimi
• Python tabanlı deneysel kod otomatik yazımı
• Çıktıların istatistiksel analizi

Ancak bu süreçlerin çoğu, yalnızca anahtar kelime eşlemesi ve mevcut makalelerin parçalarını yeniden birleştirmeye dayanıyor. Derin sentez, teorik çelişkilerin tespiti veya bağlam analizi gibi temel bilimsel beceriler eksik.

Akademik Topluluğun Tepkisi ve Şüpheleri

Almanya ve Singapur'dan bir araştırma ekibi, Sakana'nın AI Scientist sistemini 30 farklı bilimsel senaryoda test etti. Sonuçlar şok edici: Beş deneyde sistem, 2015-2020 yılları arasında zaten yayınlanmış yöntemleri 'yeni' olarak tanımladı.

Şok Eden Örnek: SGD ve Mikro-Batching

Örneğin, stokastik gradyan iniş (SGD) için mikro-batching tekniği, 2017'de Nature'da detaylı şekilde açıklanmıştı. Ancak AI Scientist, bu yöntemi okumadan 'özgün bir optimizasyon yaklaşımı' olarak sınıflandırdı. Bu tür hatalar, akademik sahtekarlığa yol açabilecek atıf eksikliklerine neden oluyor.

Deneylerin %40'ı Çökecek Şekilde Kodlanmıştı

Sistem, Python kütüphanelerinin güncel sürümleriyle uyumsuzlukları tespit edemiyor ve bağımlılıkları otomatik kuramıyor. Deneylerin %40'ı çalıştırılamadı. Bu, Artificial Research Intelligence'nın yalnızca fikir üretme değil, tekrarlanabilir bilim üretme kapasitesine sahip olmadığını gösteriyor.

AI Scientist: Bilimsel Yardımcı mı, Yerine Geçen mi?

Ultra Deep Research, bir LLM tabanlı kombinasyonel rastgelelikten öteye geçemiyor. Gerçek bilimsel ilerleme, hataları düzeltme, hipotezleri reddetme ve teorileri revize etme yeteneğiyle olur. Bu yetenekler, şu anki AI Scientist sistemlerinde yok.

İki Yön: Riskler ve Potansiyeller

Risk: Genç araştırmacılar, bu sistemi 'bilim insanı' olarak algılayabilir. Kaynakları sınırlı üniversiteler, insan araştırmacıları yerine AI'ya güvenebilir — bu ciddi bir etik ve kalite riski.

Potansiyel: Ancak sistem, literatür taramasında başlangıç noktaları sunabilir, kod prototiplerini hızlandırabilir ve insan araştırmacıların iş yükünü hafifletebilir. Bu nedenle, Ultra Deep Research bir AI Scientist değil, bir Artificial Research Intelligence asistanı olarak değerli olabilir.

Sakana AI'nin Ultra Deep Research, bilimsel otomasyonun bir başlangıcıdır — ancak bir sonu değil. Bilim, hâlâ insanın kalbiyle, aklıyla ve hatasıyla ilerler — ve bu, hiçbir AI'nın asla taklit edemeyeceği en değerli unsurdur.