NUS AI Sense Maker: 150 bin dijital kaynağı araştırma asistanına dönüştüren sistem

NUS AI Sense Maker, Singapur Ulusal Üniversitesi’nin (NUS) kütüphaneleri ve bilgi teknolojileri birimi tarafından geliştirilen web tabanlı, sohbetli bir araştırma platformu. Amaç, üniversitenin dijitalleştirilmiş akademik ve kültürel miras koleksiyonlarını daha kolay keşfedilebilir hâle getirmek ve kullanıcıları birincil kaynaklara yönlendirmek. Sistem araştırmacının yerine argüman kurmayı ya da metinleri yakından okumayı üstlenmiyor; araştırmanın başlangıç aşamasını hızlandırmayı hedefliyor.

Ne zaman açılacak, kimler kullanabilecek?

AI Sense Maker’ın yeni akademik dönemin başlangıcında, 20 Ağustos 2026’da kullanıma açılması planlanıyor. İlk aşamada erişimin NUS öğrencileri, akademisyenleri ve mezunlarına sunulması öngörülüyor.

Platform, NUS’un eğitim ve araştırmada yapay zekâ kullanımını genişletme planının bir parçası olsa da genel amaçlı bir internet sohbet botu değil. Temel olarak NUS’un kendi akademik ve özel koleksiyonları içinde arama yapmaya odaklanıyor.

150 bin dijital materyalin içinde neler var?

İlk veri kümesi iki NUS deposundaki içerikleri bir araya getiriyor:

• ScholarBank: NUS araştırmalarını, akademik makalelerini ve diğer araştırma çıktılarını barındırıyor.
• Digital Gems: Dijitalleştirilmiş nadir ve özel koleksiyonları içeriyor.

Bu iki kaynakta toplam yaklaşık 150 bin dijitalleştirilmiş materyal bulunuyor. Koleksiyon; mühendislik, yaşam bilimleri, tıp, beşerî bilimler ve bilişimin yanı sıra Güneydoğu Asya’ya odaklanan bölgesel içerikleri de kapsıyor.

Arşivde yalnızca güncel akademik makaleler yer almıyor. Kullanıcılar 1881’de yayımlanmaya başlayan Çince günlük Lat Pau’nun sayılarına, Sir Stamford Raffles’ın The History of Java adlı eserinin 1817 tarihli ilk basılı edisyonuna ve Tang Hanedanı dönemine ait edebî çalışmalara ulaşabilecek. Wang Sha’nın özgün müzik besteleri ve senaryoları da dijitalleştirilip sisteme eklendiğinde koleksiyona dâhil olacak.

Arama süreci nasıl işliyor?

Kullanıcı, veri tabanlarında kullanılan kesin anahtar kelimeler yerine sorusunu gündelik dille yazıyor. Platform hızlı, yinelemeli ve daha kapsamlı arama seçenekleri sunarak kullanıcının ilk yönlendirmeyi ne kadar derinleştirmek istediğini seçmesine imkân tanıyor.

Bir sorgunun ardından sistem şu katmanları sunmak üzere tasarlanmış:

1. Yapılandırılmış konu özeti: Araştırma konusuna dair ilk çerçeveyi oluşturuyor.
2. İlişkili kavramlar: Soruyu genişletiyor veya daha belirli alt başlıklara yönlendiriyor.
3. Kaynak ve ileri okuma önerileri: NUS depolarındaki ilgili materyalleri listeliyor.
4. Atıflar: Yanıtın dayandığı temel kaynaklara geri dönüş sağlıyor.
5. Bilgi grafiği: Kavramlar, disiplinler ve kaynaklar arasındaki bağlantıları görselleştiriyor.

Örneğin Singapur’daki bazı mahallelerin neden diğerlerinden daha sıcak hissedildiğine ilişkin bir soru; bina yoğunluğu, bitki örtüsü, yapı malzemeleri ve su ögeleriyle bağlantılar kurabilir. Bilgi grafiği bu kavramları kentsel ekoloji, çevre bilimi, atmosfer fiziği ve mikroklimatoloji gibi alanlarla ilişkilendirebilir.

Bu nedenle AI Sense Maker’ın en güçlü kullanım alanı, araştırmaya yön veren bir başlangıç katmanı olması. Öğrenci, hangi kavramların, disiplinlerin ve kaynakların önemli olabileceğini daha erken görüp ardından ilgili metinleri kendisi inceleyebilir.

Bilgi grafiği neden önemli?

Geleneksel arama motorları çoğu zaman belgeleri önem sırasına göre listeler. Bilgi grafiği ise bu belgelerdeki fikirlerin birbirleriyle nasıl ilişkilendiğine dair farklı bir görünüm sunar.

AI Sense Maker’ın grafiği, yönetilen bir sınıflandırma sistemine dayanıyor. Bu sınıflandırma başlangıçta Wikidata’dan yararlanılarak oluşturulmuş, daha sonra NUS koleksiyonlarına uyacak şekilde daraltılıp düzenlenmiş. Bu ayrıntı önemli; çünkü bir bilgi grafiğinin yararı yalnızca kullanılan dil modeline değil, kavramların ilgili koleksiyon içinde nasıl tanımlandığına ve birbirine nasıl bağlandığına da bağlı.

Disiplinler arası araştırmalarda bu yapı, kullanıcının ilk sorgusuna dâhil etmediği terimleri veya komşu araştırma alanlarını ortaya çıkarabilir. Ancak grafikte gösterilen bağlantılar akademik açıdan kanıt niteliğinde değil; araştırılması gereken ipuçları olarak değerlendirilmelidir.

GPT-4.1 ve kaynak destekli üretim sistemi

Platform, OpenAI’ın GPT-4.1 modelini kaynak destekli üretim (retrieval-augmented generation veya RAG) yaklaşımıyla birlikte kullanıyor. RAG sistemlerinde model, önce belirli bir kaynak koleksiyonundan ilgili içerikleri buluyor; ardından yanıtını bu materyallere dayanarak oluşturuyor. AI Sense Maker’ın yanıtları NUS kaynaklarına dayandırılacak ve kullanıcıların temel belgeleri inceleyebilmesi için atıflarla birlikte sunulacak.

Platformun koruma mekanizmaları, sistemi üniversitenin akademik içeriğiyle sınırlamayı amaçlıyor. AI Sense Maker yanıt oluşturmak için açık interneti taramak üzere tasarlanmadı. Bu kaynak sınırı, dayanağı olmayan çıktıların azaltılmasına yardımcı olabilir; ancak atıf yapılan belgeleri doğrulama, birincil kaynakları yorumlama ve yanıtın kanıtları adil biçimde yansıtıp yansıtmadığını kontrol etme sorumluluğunu ortadan kaldırmıyor.

AI Sense Maker hakkında yapılan haberlerde kullanılan model GPT-4.1 olarak belirtiliyor. OpenAI, GPT-4.1 ailesinde talimatları izleme ve uzun metinleri anlama becerilerinin geliştirildiğini söylüyor. Bununla birlikte, bu genel model özellikleri AI Sense Maker’ın hatasız araştırma sonuçları üreteceği anlamına gelmiyor.

İlk sürümün sınırları neler?

Platformun ilk sürümünde önemli kısıtlamalar bulunuyor:

• Tek seferlik sorgularla çalışıyor; art arda sorulan takip sorularında sohbet bağlamını henüz korumuyor.
• Yalnızca daha önce dijitalleştirilmiş ve ilgili NUS depolarına eklenmiş materyalleri tarayabiliyor.
• Kaynakları ve kavramsal bağlantıları bulmaya yardımcı olabiliyor; ancak her akademik iddianın doğruluğunu değerlendiremiyor veya kullanıcı adına nihai araştırma tezini kuramıyor.

NUS, sonraki geliştirmeler arasında daha uzun araştırma konuşmaları için sohbet geçmişi belleği ile sesin metne dönüştürülmesi özelliğini planlıyor.

Bu sınırlar, aracın nasıl kullanılması gerektiğini de gösteriyor: Kullanıcı, AI Sense Maker’ı araştırmaya başlamak, arama terimlerini geliştirmek ve kaynak adaylarını belirlemek için kullanmalı; nihai değerlendirmeyi ise kaynakları açıp karşılaştırarak kendisi yapmalı.

Araştırmanın başlangıcını iki haftadan 30 dakikaya indirebilir mi?

NUS, araştırmanın ilk keşif ve yönlendirme aşamasının yaklaşık iki hafta sürebildiğini, AI Sense Maker ile bunun yaklaşık 30 dakika veya daha kısa bir süreye inebileceğini tahmin ediyor.

Bu rakam bağımsız olarak doğrulanmış bir verimlilik sonucu değil, kurumun öngörüsü. Daha temkinli beklenti, platformun zayıf arama sonuçlarına harcanan zamanı azaltması ve atıflarla desteklenen ilk kaynak listesinin daha hızlı oluşturulmasına yardımcı olması.

Dolayısıyla olası kazanım araştırmanın başında yoğunlaşıyor: Konuyu daha hızlı sınırlandırmak, sonraki aramalar için daha isabetli terimler bulmak ve farklı disiplinler ile koleksiyonlar arasındaki bağlantıları erken görmek. Kaynakları eleştirel biçimde okumak, yorumları karşılaştırmak ve sağlam bir akademik argüman oluşturmak ise hâlâ insan araştırmacının işi.