Araştırmacılar, AI’ın Kimya’daki Rolünü İyileştirmeyi Hedefliyor

Araştırmacılar, AI’nın kararları nasıl verdiğini anlamak ve özellikle ilaç geliştirme alanında kullanımını geliştirmek için çalışıyorlar. Bu konudaki yeni araştırmalar, 18-22 Ağustos tarihleri arasında Amerikan Kimya Derneği’nin Sonbahar toplantısında sunulacak. Toplantıda çeşitli bilimsel konular üzerine 10.000’den fazla sunum yer alacak.

Bugün, Amerikan Kimya Derneği, basın bülteninde araştırmacıların, AI’nın kimya alanında kararları nasıl verdiğini anlamak için Açıklanabilir AI (XAI) kullanımı hakkındaki bulgularını sunacağını duyurdu. Bu karmaşık sistemleri aydınlatarak, uzmanlar AI’nın etkinliğini artırmayı ve güveni artırmayı hedefliyorlar.

Kimya profesörü Rebecca Davis, mevcut Yapay Zeka (AI) modellerinin çoğunlukla “siyah kutu” olarak görüldüğünü ve karar verme süreçlerinin gizli olduğunu açıklıyor. “Eğer AI’nin kararlarını nasıl verdiğine dair biraz anlayış sağlayabilecek modeller geliştirebilirsek, bu bilim insanlarının bu metodolojilerle daha rahat hissetmelerini sağlayabilir,” diyor.

Ayrıca, XAI, AI programlamasını rafine etmek ve sahadaki performansını artırmak için değerli bilgiler sağlayabilir. Davis’in laboratuvarında yüksek lisans öğrencisi olan Hunter Sturm, toplantıda sunum yapan kişi, “Bilgisayarlara kimya hakkında hangi bilgileri öğretmemiz gerektiğini anlamak için XAI kullanmak istiyorum,” diye belirtiyor.

Araştırmacılar, bilinen ilaç moleküllerinin veritabanlarını biyolojik aktiviteyi tahmin etme yeteneğine sahip bir AI modeline besleyerek başladılar. Modelin karar verme sürecini anlamak için, Almanya’nın Karlsruhe Teknoloji Enstitüsü’nde çalışan işbirlikçi Pascal Friederich tarafından geliştirilen bir XAI modelini kullandılar.

Bu, AI’nın tahminlerini etkileyen belirli moleküler özellikleri belirlemelerine izin verdi. Bu faktörleri analiz ederek, Davis ve Sturm, AI’nın molekülleri kategorize etme ve potansiyel ilaç adayları olarak belirleme kriterlerine dair içgörüler kazandı.

Ön bulgular, XAI’nin bir anda çok daha fazla değişkeni analiz edebilme yeteneği sayesinde, insanların gözden kaçırabileceği şeyleri tespit edebileceğini öne sürüyor.

Örneğin, penisilin moleküllerini analiz ederken, AI beklenmedik bir şey keşfetti. Bilim insanları genellikle penisilin’in çekirdek yapısının antibiyotik özellikleri için kritik olduğuna inanır. Ancak, Davis bu çekirdeğe bağlı parçaların molekülün antibiyotik aktivitesini belirlemedeki anahtar faktör olduğunu XAI’nin belirlediğini açıkladı. Aynı çekirdek yapısına sahip bazı modifiye edilmiş penisilin versiyonlarının daha az etkili olmasının nedenini bu şekilde açıklanabileceğini belirtiyor.

Bir sonraki adımda, araştırmacılar, geliştirilmiş AI modelleri tarafından belirlenen potansiyel antibiyotik bileşiklerini oluşturmak ve test etmek için bir mikrobiyoloji laboratuvarıyla işbirliği yapmayı planlamaktadır. Nihai hedefleri, antibiyotik direncinin artan tehdidine karşı mücadele edebilecek yeni ve daha etkili antibiyotikler geliştirmek için AI kullanmaktır.

Bir sunumda, Davis, “Makine öğrenmesi artık bu işlemi çok daha büyük ölçekte yapma fırsatını bize sunuyor. Burada, kimyasal davranışta daha önce hiç görmediğimiz trendler görmeyi bekliyoruz ve bu, moleküller ve malzemeler oluşturma hızını tarih boyunca hiç olmadığı kadar hızlandıracak.’’

şeklinde belirtmiştir.AI gelişmeye devam ettikçe, şeffaflık ve anlama yetisi hem halkın hem de bilimsel güvenin artırılması için esastır. AI’nın karmaşıklığını çözerek, bilim insanları toplumun yararına olan tam potansiyelini kontrol altına alma yolunda ilerleme kaydediyorlar.