100 Milyon Olasılık Arasında Altın İğne Arayan Araştırmacılar

Hadi şöyle düşünelim.

Elinizde 100 milyondan fazla kitap var. Bunların arasında roket motorları için kullanılacak süper güçlü bir metalin sırrını barındıran sadece altı tanesini bulmanız gerekiyor. Ama her kitaba ulaşmak yüzlerce dolara mal oluyor, günler alıyor, hatta bazıları siz bitirmeden alev alıyor.

Eğlenceli değil, değil mi?

Washington Eyalet Üniversitesi'ndeki araştırmacılar tam da bununla boğuştu — tek farkla: yanlarında yapay zeka vardı. Ve açıkçası, hikayeleri benim uydurabileceğim her bulmacadan çok daha çarpıcı.

Roket Metali: Biraz Huysuz Biri

Karşınızda GRCop-42. Bir bilimkurgu filminden robot ismi gibi geliyor, değil mi? Aslında bakır, krom ve niyobyumdan oluşan bir alaşım. NASA bunu sıradan metalların kaldıramayacağı ısıya dayanacak bir şeyler üretmek için tasarladı.

Bu malzeme roket motorlarının, yakıtın yanarak inanılmaz sıcaklıklara ulaştığı yanma odalarında kullanılıyor. GRCop-42 hem aşırı ısıya dayanıyor hem de bu ısıyı verimli şekilde uzaklaştırıyor. Roketlerin eriyip dağılmaması için kritik öneme sahip bir görev.

İşte sorun şu: bu metali 3D yazıcılarla basmak gerçekten zor. Güçlü lazerler ve bolca enerji gerektiriyor. Sadece büyük havacılık şirketlerinin ve dev araştırma laboratuvarlarının sahip olabileceği ekipman.

Ticari 3D yazıcıların yüzde 90'ı? Buna gücü yetmiyor.

Ta ki şimdiye kadar.

Her Şeyi Deneyerek İlerlemek Mümkün Değildi

Yapay zekanın işin içine girdiği kısma geçmeden önce, neden bu kadar baş ağrıtıcı bir iş olduğunu anlamamız lazım.

Metali 3D olarak basmak için mükemmel ayarları bulmanız gerekiyor — lazer gücü, hızı, sıcaklık ve daha onlarca faktör. Birini yanlış ayarlarsanız ya hiçbir şey olmaz ya da (daha dramatik olanı) basılacak şey eriyip bir gölet haline gelir.

Geleneksel yaklaşım? Dene, dene, dene, ta ki bir şey işe yarayana kadar.

Mantıklı görünebilir ta ki şunu fark edene kadar: test edilmesi gereken 100 milyondan fazla kombinasyon var. Her deneme yüzlerce dolara mal oluyor, zaman alıyor ve sonuçları dikkatle analiz edecek birine ihtiyaç duyuyor. Her gün bir kombinasyon deneseniz, 274.000 yıla ihtiyacınız var. İdeal değil.

"Bazen belirli bir konfigürasyonu bastılar ve ürün eriyiverdi," diyor projede çalışan doktora öğrencisi Azza Fadhel. "Basılabilir değildi ve zamanla parayla bile olsa 100 milyon seçeneğin hepsini denemek mümkün değildi."

Can sıkıcı. Bir plajdaki belirli bir kum tanesini birer birer alarak bulmaya çalışmak gibi bir şey.

Yapay Zeka Devreye Giriyor

Araştırma ekibi tam burada akıllı davrandı. Karanlıkta körü körüne dolaşmak yerine, her deneyden — başarısız olanlardan bile — öğrenebilen bir yapay zeka sistemi kurdular.

Şöyle düşünün: mükemmel bir tarif bulmaya çalışıyorsunuz ama her malzemeyi değiştirdiğinizde ne olduğunu yapay zeka izliyor. Hangi kombinasyonların işe yaradığını, hangilerinin kötü sonuçlar verdiğini öğrenmeye başlıyor.

Ekip başarısız olan 37 konfigürasyonla başladı. Tam bir veri zenginliği değil ama yapay zekanın eğitimli tahminler yürütmesine yetiyordu.

Yapay zeka buradan küçük gruplar halinde yeni ayar önerileri sundu. İşin akıllı kısmı şu: iki şeyi dengeledi. Bazen en olası görünen ayarları seçti — öğrendiklerine dayanarak. Diğer zamanlarda ise tereddüt ettiği ayarları kasıtlı olarak tercih etti — çünkü bu "kör atış" deneyler ona yeni şeyler öğretebilir ve tüm modeli daha akıllı hale getirebilirdi.

"Bana sonuçları verdiklerinde hepsini sevdim — başarısız olsalar bile — çünkü her sonuç yapay zeka modelimizi geliştirdi," diyor Fadhel.

Başarısızlığı böyle görmek gerçekten güzel bir bakış açısı.

Final: Altı Kazanan

Sadece 40 deney ve üç ay içinde yapay zeka farklı lazer güç seviyelerinde altı başarılı konfigürasyon buldu. Bunlardan biri, GRCop-42'yi sadece 500 watt lazer gücüyle basmayı başardı — bu alaşım için bir ilkti.

40 denemede altı başarı gözünüze çarpıcı gelmeyebilir. Ama unutmayın: başarılı konfigürasyonların son derece nadir olduğu 100 milyon olasılık arasında arama yapıyorduk. Küçük bir ülke büyüklüğündeki bir samanlıkta altı iğne bulmak gibi bir şey — üstelik neredeyse hiç samanı kımıldatmadan.

Ve işte asıl heyecan verici kısım: bu başarılı konfigürasyonlar daha düşük güç seviyelerindeydi. Yani daha önce bu alaşımı basamayan ticari yazıcılarla uyumlular. Yüzde 90'lık kısım artık belki basabilir.

Neden Roketlerden Daha Fazlası?

Space meraklısıyım, roket parçaları basmak bile benim için heyecan verici. Ama araştırmacılar orada durmuyor.

Bu yapay zeka yaklaşımı, milyonlarca olasılığın test edilmesi gerektiği diğer karmaşık sorunlara da yardımcı olabilir — mesela ilaç keşfi, bilim insanlarının hastalıkları tedavi etmek için doğru moleküler kombinasyonları aradığı alan.

Mantık aynı: her seçeneği zorla denemek yerine, yapay zeka ile daha akıllı arama yapmak. İnsan yaratıcılığının yerini almak değil, devasa ve kafa karıştırıcı arazilerde araştırmacılara çok daha iyi bir pusula vermek söz konusu.

"Ticari yazıcıların yüzde 90'ı bu metal alaşımını basamıyor, bu yüzden uygulanabilir süreç parametrelerini bulabildiğimizde, aslında bu alaşımın basımını demokratikleştiriyoruz," diyor araştırmanın lideri Jana Doppa.

"Demokratikleştirme" kelimesi burada çok ağırlık taşıyor. Bir şeyi sadece milyon dolarlık ekipmanlarla büyük kuruluşlar üretebiliyorsa, inovasyon yavaşlar. Daha küçük laboratuvarlar, üniversiteler ve girişimler aynı malzemelere erişebildiğinde? Aniden probleme kafa yoran çok daha fazla beyin olmuş oluyor.

Düşüncelerim

Bu hikayeyi seviyorum çünkü yapay zekayı en iyi haliyle gösteriyor: insan çabasının yerine geçen sihirli bir araç değil, insan çabasını gerçekten değerli kılan güçlü bir araç.

Araştırmacılar sadece "yapay zekayı serbest bırakmadı." Alan uzmanlıklarını yapay zekanın geniş alanlarda verimli arama yapma yeteneğiyle birleştirdiler. Başarısız deneylerin bile değerli olduğunu anladılar. Hangi soruların sorulacağını biliyorlardı.

Bilimde yapay zekanın geleceği bu bence — laboratuvarları robotların devralması değil, makinelerin kombinasyonel kabusları halletmesi ve insanların gerçekten beyin gerektiren yaratıcı, yorumlayıcı işlere odaklanması.

Şimdi tek merak ettiğim: Çözülmeyi bekleyen bir sonraki 100 milyon seçenekli problem ne?

Kaynak: ScienceDaily