Inherent’in Faraday ajanı, bilimsel araştırma tekrarında daha büyük modelleri geçti

Londra merkezli ve Google DeepMind mezunları tarafından kurulan yapay zekâ laboratuvarı Inherent, 27 milyar parametreli Faraday ajanının yayımlanmış bilimsel makalelerdeki bulguları, sonuçlar önceden verilmeden yeniden üretebildiğini açıkladı. Şirket ayrıca Faraday’ın bu özel araştırma tekrarı görevinde Anthropic’in Claude Opus 4.8 ve OpenAI’ın GPT-5.5 modellerinden daha iyi performans gösterdiğini belirtiyor. 259

Sonuç doğrulanır ve daha geniş, bağımsız testlerde de tekrarlanırsa dikkat çekici olabilir. Ancak manşetin kapsamını doğru okumak gerekiyor: Faraday şu aşamada yeni bilimsel bilgi keşfetmekle değil, bilinen ve yayımlanmış sonuçları yeniden oluşturmakla sınandı.

Faraday tam olarak neyi test etti?

Inherent, makine öğrenmesi ve bilimsel yapay zekâ alanlarındaki 100 makaleden oluşan Replica adlı bir değerlendirme seti hazırladı. Bu makaleler, toplam 310 araştırma tekrarı görevine dönüştürüldü. Her görevde ajandan, makaledeki belirli bir grafiği; orijinal grafik kendisine gösterilmeden, sınırlı zaman ve işlem gücüyle yeniden oluşturması isteniyor. 34

Bu yaklaşım, bir modele makaleyi özetletmekten veya yayımlanmış grafiği kopyalatmaktan daha zor. Ajanın araştırmayı anlaması, gerekli deneyleri kodlaması, kaynaklarını nasıl kullanacağına karar vermesi ve elde ettiği sonucun makaledeki bulguyla yeterince örtüşüp örtüşmediğini değerlendirmesi gerekiyor.

Inherent, Faraday’ın bu kıyaslamada Claude Opus 4.8 ve GPT-5.5’i geride bıraktığını söylüyor. Üstelik Faraday’ın temel modeli, rakip olarak karşılaştırılan büyük öncü sistemlere kıyasla çok daha küçük olan 27 milyar parametreli bir model. 158 Yine de bu iddia, tüm bilimsel veya yazılım görevlerinde geçerli genel bir üstünlük sıralaması olarak değil, belirli bir kıyaslama sonucuna dair açıklama olarak okunmalı.

“Araştırma sezgisi” neden önemli?

Inherent’in temel argümanı şu: Bilimsel çalışmada yalnızca doğru sonuca ulaşmak yeterli değil. İyi bir araştırmacının hangi deneylerin yapılmaya değer olduğuna karar vermesi, deneyleri mantıklı biçimde tasarlaması, belirsiz sonuçları yorumlaması ve başarısız bir yaklaşım karşısında yön değiştirmesi gerekiyor. Şirket bu kararlar bütününü “research taste”, yani “araştırma sezgisi” olarak tanımlıyor. 47

Bu ayrım önemli çünkü bir model, güvenilir bir bilimsel süreç izlemeksizin de dışarıdan makul görünen bir grafik veya sonuç üretebilir. Inherent’e göre Faraday, hipotez kurma, bunları test etme, başarısızlıklardan öğrenme ve bir sonraki verimli adımı seçme gibi daha uzun vadeli araştırma davranışlarını öğrenmek üzere eğitildi. 4

Şirket, pekiştirmeli öğrenmeyi de bu uzun vadeli karar verme becerisini geliştirmek için kullanıyor. Amaç, yalnızca yayımlanmış sonuca benzeyen bir çıktı üretmek değil; sonuca ulaşmak için hangi denemelerin yapılacağını ve başarısız sonuçlardan sonra nasıl ilerlenmesi gerektiğini öğrenmek.

Inherent, araştırma tekrarını bu beceriler için bir tür antrenman sahası olarak görüyor. Bir makaledeki sonucu yeniden üretmek, makalede ayrıntılı biçimde anlatılmamış pratik deneme-yanılma sürecinin büyük bölümünü yeniden kurmayı gerektirebilir. Şirketin daha geniş tezi, bu süreci yönetmeyi öğrenen ajanların ileride bilinen sonuçları doğrulamanın ötesine geçerek daha açık uçlu araştırmalara katkı sunabileceği yönünde. 49

Faraday, kodlama için GPT-5.5 Codex’i kullanıyor

Faraday, güçlü bir kodlama ajanının tamamen şirket içi alternatifi olarak konumlandırılmıyor. Bunun yerine bilimsel planlama ve denetim katmanı gibi davranarak araştırma tekrarı görevleri sırasında OpenAI’ın GPT-5.5 Codex’ini yönlendiriyor. Inherent bu düzeni, güçlü bir kodlama yardımcısı kullanan insan bilim insanının çalışma biçimine benzetiyor: Faraday planlama ve bilimsel muhakemeyi sağlarken Codex uygulama işinin önemli bölümünü üstleniyor. 39

Bu mimari, odağı yalnızca model boyutundan çıkarıyor. Daha küçük bir model; daha büyük bir aracın ne yapacağına, ne zaman yöntem değiştireceğine ve sonuçların nasıl değerlendirileceğine karar vererek değer katabilir. Dolayısıyla Faraday’ın bildirilen avantajı kısmen bir orkestrasyon avantajı: bilimsel planlama ile ileri düzey kodlama yeteneğinin birlikte kullanılmasından doğuyor. Bu sonuç, 27 milyar parametreli modelin her alanda daha büyük sistemlerden üstün olduğunu göstermiyor.

Hedef: Tamamen otonom bilim insanı değil, bilimsel ekip arkadaşı

Inherent, araştırmacılarla ekip arkadaşı gibi çalışabilecek yapay zekâ ajanları geliştirmek istediğini söylüyor. Hedeflenen sistem; deneyleri planlamaya, yürütmeye, eleştirmeye ve yeni denemeler tasarlamaya yardımcı olurken yönlendirme ve denetim sorumluluğunu insanlarda bırakacak. 45

Faraday bu fikrin erken bir örneği olarak görülebilir: Genel amaçlı kodlama araçlarının üzerine bilimsel sezgi ve araştırma yönetimi ekleyen bir model. Şirketin uzun vadeli hedefi yeni bilgi keşfine katkıda bulunabilecek ajanlar geliştirmek olsa da mevcut sonuç, keşiften çok araştırma tekrarını gösteriyor. 34

Bu sınırın altını çizmek gerekiyor. Bilinen bir sonucu yeniden üretmek, bilimsel güvenilirliği ölçmek için değerli bir test. Ancak bu başarı tek başına bir ajanın önemli ve özgün sorular ortaya atabildiğini, gerçekten yeni hipotezler üretebildiğini veya keşiflerini gerçek dünyada doğrulayabildiğini kanıtlamıyor.

Inherent’in stratejisi ne anlatıyor?

Google DeepMind mezunları tarafından kurulan Londra merkezli Inherent, gizlilikten çıkarak 50 milyon dolarlık bir tohum yatırım turuyla kamuoyuna açıldı. 25 Şirket stratejisini, genel amaçlı modellerin kendiliğinden öğrenmeyebileceği alanlara yoğunlaştırıyor: deneysel muhakeme, uzun vadeli karar verme, değerlendirme ve insanlarla yazılım araçları arasındaki koordinasyon.

Bu yaklaşım, Faraday’ın harici bir kodlama sistemini neden kullandığını da açıklıyor. Inherent tüm yetenekleri tek bir modelde toplamak yerine, mevcut öncü araçları bilimsel çalışmalarda daha etkili hâle getirecek uzmanlaşmış bir katman eğitmeye çalışıyor. 39

Şimdilik ölçülü ama önemli çıkarım şu: Inherent’in iddiasına göre, görece küçük ve pekiştirmeli öğrenmeyle eğitilmiş bir denetleyici model, dikkatle tanımlanmış bir araştırma tekrarı testinde daha büyük öncü sistemlerden iyi sonuç alabiliyor. Bu yaklaşımın güvenilir ve özgün bilimsel katkılar üretip üretemeyeceği ise henüz açık bir soru olarak duruyor.