AI Scientist-v2'nin Hakemli Bir Workshop'ta Kabul Edilen İlk Tamamen Yapay Zekâ Üretimi Makaleyi Oluşturduğu Bildirildi

AI Scientist-v2'nin geliştiricileri, sistemin tamamen yapay zekâ tarafından yazılan ve hakemli bir akademik workshop'ta kabul edilen ilk araştırma makalesini ürettiğini bildiriyor. Arxiv.org'da barındırılan araştırmaya dayanan ve dev.to'da yayımlanan bir özete göre agent, bilimsel döngünün tamamını kendi başına yürüttü: hipotezler üretti, deneyleri planlayıp gerçekleştirdi, elde edilen verileri analiz etti ve hakemlerin ardından kabul ettiği makaleyi yazdı.

Deneyleri yürüten, yalnızca metin üretmeyen bir sistem

AI Scientist-v2 tek bir dil modeli değil, agentic bir sistem olarak tanımlanıyor. dev.to özeti, sistemi agentic tree search ile ampirik çalışmanın zor kısımlarıyla — hipotez önerme, deney yürütme ve bulguları yazıya dökme — birleştiriyor. Tree search bileşeni önemli; çünkü agent'ın ürettiği ilk fikre bağlı kalmak yerine aday fikirleri ve deney yönlerini keşfedip elenebilmesini sağlıyor. Raporuma göre workshop'un kabul ettiği şey, insan destekli bir taslak değil, bu pipeline'ın çıktısı.

Kabul, dışsal bir doğrulama olarak

dev.to analizi sonucu önemli kılıyor çünkü doğrulama projenin dışından geliyor. Araştırma agent'larına ilişkin değerlendirmelerin çoğu iç benchmark'lara dayanıyor; yani sistemi geliştirenlerin otomatik puanladığı önceden tanımlı görevlere. Hakem değerlendirmesi ise farklı bir sınav. Gerçek bir mecradaki hakemler gönderimi kendi ölçütlerine göre değerlendirdi ve sistemin tasarımcıları bu kapıyı kontrol etmiyordu. Özetin savunduğu gibi, dışarıdaki hakemlerin kabulü herhangi bir iç benchmark'tan daha güçlü bir sinyal; çünkü projede hiçbir çıkarı olmayan biri, çalışmanın yayımlanmayı hak ettiğine karar verdi.

Tek bir kabulün kanıtlamadığı şeyler

Aynı analiz sınırlar konusunda açık sözlü. Bir workshop kabulü, temelindeki çalışmanın özgün olduğunu, yöntemlerin titiz olduğunu ya da benzer sonuçların başka alanlarda da geçerli olacağını kanıtlamaz. Workshop'lar genellikle akademik hiyerarşide ana konferans oturumlarından veya dergilerden daha altta yer alır ve tek bir kabul edilmiş makale bir sicil değil, tek bir veri noktasıdır. Ayrıca yaklaşımın deneylerin daha yavaş, daha maliyetli veya otomasyonu daha zor olduğu disiplinlere aktarılıp aktarılamayacağı konusunda da pek şey söylemez.

Raporun kendisinin kaynağına da değinmekte fayda var: dev.to makalesi, yapay zekâ desteğiyle üretildiğini ve doğruluk açısından incelendiğini belirten bir açıklama taşıyor. Bu, yapay zekânın artık yalnızca araştırmayı icra etmekle kalmayıp yapay zekâ araştırmalarının raporlanmasını da aracılaştırdığının küçük bir örneği.

Neden önemli

Bu kilometre taşı metinle değil kapıyla ilgili. Büyük dil modelleri yıllardır makul görünen makaleler üretebiliyordu; açık soru, tamamen otomatik bir pipeline'ın bağımsız hakemlerin yayımlanmaya değer bulduğu bir çalışma üretip üretemeyeceğiydi. AI Scientist-v2 sonucu geçerliyse, otonom araştırma agent'ları içerik üretme aşamasından dış kalite kontrolünden geçme aşamasına taşınmış demektir.

Kısa vadeli sonuç prosedürel. Mecralar, gönderimlerin nasıl beyan edileceği, hakemlerin makine üretimi bilimi tespit edip edemeyeceği ve hakem süreçlerinin buna göre tasarlanıp tasarlanmadığı konusunda daha sert sorularla karşılaşacak. Uzun vadeli soru ise dev.to analizinin açık bıraktığı soru: kapsam. Tek bir workshop makalesi bu sistemlerin gerçekten yeni bulgular üretebileceğini veya daha katı bir değerlendirmeden sağ çıkabileceğini göstermez; ama artık her halefinin ölçüleceği bir çıta belirliyor.