FutureHouse'ın Biyoloji Milenyum Problemleri büyük hedefleri yapay zekâya uygun başarı ölçütleriyle eşleştiriyor

FutureHouse, "Biyoloji için Milenyum Problemleri" adlı bir set yayımladı: her biri alışılmadık ölçüde somut geçer/kalır ölçütleriyle eşleştirilmiş büyük hedefli araştırma amaçları. FutureHouse'ta Edison Scientific'e atfedilen millenniumproblems.bio sayfası, 20 Eylül 2026'da Hacker News ana sayfasına ulaşmasının ardından geniş ilgi gördü. Adının gönderme yaptığı Clay Mathematics Institute'un Milenyum Ödül Problemleri gibi, fikir zor ama doğrulanabilir hedefler belirlemek — ancak burada başarı ispatlar yerine sayılar, assay'ler ve önceden kaydedilmiş hedeflerle tanımlanıyor ve herhangi bir para ödülünden söz edilmiyor.

Liste ne istiyor

Yayımlanan problemler biyolojinin kökeninden mühendisliğine kadar uzanıyor. Biri, makul bir ilksel çorba ve enerji kaynağından kendi kendine çoğalan, RNA ve protein temelli hücrelerin hiçbir dış müdahale olmaksızın ortaya çıkmasını istiyor. Sayılması için, ortaya çıkan hücreler bir milyon kat çoğalmalı — kabaca 20 nesil — nesiller boyunca küçülerek yok olmadan süresiz bölünmeyi sürdürebilmeli ve moleküler yapılarını nedensel olarak şekillendiren kalıtsal genetik bilgi taşımalıdır. Kalıtımın varlığının tartışmalı olduğu öneriler baştan reddediliyor.

İki problem bütün organizmalarla ilgili. Biri, canlı, yabanı tip erişkin farelerde geri dönüşümlü bütün vücut kriyokorunumu istiyor: en az 24 saat dondurulmuş veya vitrifiye edilmiş, yüzde 99'un üzerinde canlılıkla ve kalıcı organ hasarı olmadan geri getirilmiş, etik onayı zorunlu. Diğeri, erişkin yabanı tip farelerde kesilen uzuvların tekrarlanabilir şekilde yenilenmesini istiyor; motor işlev ve duusal algı kontrol hayvanlarıyla eşit olmalı ve kör gözlemciler hangi uzvun yeniden büyüdüğünü ayırt edememeli.

Moleküler tarafta, liste "ters çeviri" yapabilen — etiketlenmemiş bir polipeptidi okuyup, kalıntı dizisini önceden kaydedilmiş bir kodon kuralına göre kodlayan bir nükleik asit zinciri yazan, hiçbir nükleik asit şablonu, barkod veya arama tablosu kullanmadan — bir enzim istiyor. Doğrulama, her biri en az 50 amino asit uzunluğunda 100 önceden kaydedilmiş rastgele peptidin dizilerinin yüzde 90 veya daha iyi doğrulukla çıkarılmasını gerektiriyor; ortalama okuma 25 kalıntı ve kalite skorları en az Q10 olmalı. Başka bir problem, doğanın karbon dioksit özgüllüğü ile katalitik dönüşüm hızı arasındaki ödünleşimini yenen bir Rubisco istiyor: eşleştirilmiş assay'lerde özgüllükte Galdieria partita Rubisco'suna, kcat'te mısır Rubisco'suna eşit veya onları aşan. Erika Alden DeBenedictis'un katkı verdiği beşinci problem ise, bütün protein kodlayan dizilerin — çeviri makinesinin kendisi dahil — gerçek dört bazlı kodonlarla yazıldığı, hiçbir üçlü kod çözümünün saptanamadığı, canlı ve çoğalan bir hücre istiyor.

Geri kalan problemler daha çok biyoteknolojiye dönük. Biri, bakterilerde üretilen, çoğalamayan ama bulaşıcı AAV ve lentivirus parçacıkları istiyor; önceden belirtilmiş genomları taşımalı ve kalite oranları memeli hücre kültürüne kıyaslanabilir olmalı; yalnızca AAV üretmek kısmi başarı sayılıyor. Aşağıda açıklanan son ikisi açıkça tasarım benchmark'ları olarak çerçevelenmiş. Sayfanın alınan metni kesik olduğu için, liste burada alıntılananlardan başka problemler de içerebilir.

Hesaplamalı tasarım için kurallar

İki problem biyoloji hedefinden çok yapay zekâ destekli tasarım için benchmark'lara benziyor. Proteaz zorluğu, endojen katlanmış proteinler üzerindeki 20 önceden kaydedilmiş hedef bölgeyi aldıktan sonraki 24 saat içinde, bu bölgeleri canlı hücreler içinde verimli şekilde kesen enzimler üretmeyi, yüzde 80'in üzerinde başarı oranıyla gerektiriyor — ve hedefler açıklandığında hiçbir ıslak laboratuvar taraması veya hedefe özgü evrim izinli değil. Protein bağlayıcı zorluğu benzer: 20 önceden kaydedilmiş hücre içi hedefe karşı zero-shot bağlayıcılar, farmakolojik olarak makul yoğunluklarda hücre dışından verilerek, yine yüzde 80 başarı eşiği ve taramayı dışlayan 24 saatlik bir tasarım penceresiyle. İkisi de etkili biçimde bir sistemin protein davranışını yalnızca dizi ve yapıdan öngörebilip predict edemediğini test ediyor — ki bu, mevcut yapay zekâ protein tasarım sistemlerinin tam da üzerine inşa edildiği yetenek.

Neden önemli

Biyoloji nadiren böyle bir skor tablosu elde eder. Başarıyı ölçülebilir eşikler — bir milyon kat çoğalma, yüzde 99 canlılık, yüzde 90 okuma doğruluğu, önceden kaydedilmiş hedeflerde yüzde 80 isabet oranı — olarak ifade ederek liste, dağınık araştırma hırslarını bir insan laboratuvarının veya bir yapay zekâ sisteminin not verilebileceği denetlenebilir kilometre taşlarına dönüştürüyor. Tarama yasağı maddeleri en çok onları ilgilendiriyor: gerçek öngörücü tasarımı kaba kuvvetle yönlendirilmiş evrimden ayırıyorlar — yapay zekâ ajanları bilimsel işleri üstlendikçe kritik hale gelen bir ayrım. Çözülürlerse birçok problem gerçek yetenekler de açacak: kanıtlanabilir yaşamın kökeni kimyasından organ bankacılığına, programlanabilir proteolizden daha iyi fotosenteze, genişletilmiş genetik koda ve daha ucuz gen tedavisi üretimine. Çözülüp çözülmediklerine bakılmaksızın, artık adlandırılmış, denetlenebilir hedefler olarak — ve diğer alanların ilerlemenin gerçekte neye benzediğini nasıl tanımlayabileceğine dair bir şablon olarak — varlar.