Yapay zekâ deney tasarlarken, fizik sorusunu kim kuruyor?

Bir fizik deneyi, cihazların yan yana geldiği bir masa değildir. Hangi büyüklüğün ölçüleceğine, hangi gürültünün kabul edileceğine ve hangi belirsizliğin pahalı olduğuna dair somut bir karardır. Nature'da 2 Eylül'de yayımlanan hakemli derleme, yapay zekânın bu kararların bir bölümünde parametre ayarlamanın ötesine geçtiğini anlatıyor: Algoritmalar, lazerler, optik elemanlar, dedektörler ve başka bileşenlerden alışılmadık deney düzenleri önerebiliyor.

Bu sonucu “makine bilim insanının yerini alıyor” diye okumak kolay, ama yanlış olur. Derlemenin asıl güçlü tarafı daha dar ve daha ilginç bir çerçeve çizmesi. Deney tasarımı, pratik kısıtlar altındaki çok büyük bir donanım olasılık uzayında arama problemidir. Bazen insana çok doğal gelen düzenekler, bu uzayın yalnız küçük bir köşesidir.

Bir optik masayı düşünelim. Aynalar, mercekler, ışık kaynakları ve algılayıcılar için çok sayıda konum, sıra ve ayar vardır. Her seçeneği laboratuvarda denemek hem yavaş hem pahalıdır. Bu yüzden hesaplama, önce düzenek adaylarını bir simülatörde sınar. Başarı ölçütü de önceden tanımlanır: örneğin belirli bir fiziksel parametreyi daha küçük hata payıyla ölçmek ya da istenmeyen sinyali bastırmak. Algoritma bu hedefi iyileştiren yapıları arar.

Burada belirleyici kelime “hedef”tir. Bir sistem, kendisine verilen amaç fonksiyonunu — hesaplanabilir başarı tanımını — eniyiler. Fakat hangi belirsizliğin azaltılmasının bilimsel olarak değerli olduğu, hangi bileşenin gerçekten üretilebilir olduğu ve simülatörün hangi fizik ayrıntısını ihmal edebileceği otomatik verilmiş değildir. Viyana Üniversitesi'nin çalışma hakkındaki açıklaması da, eldeki bileşenlerden en uygun düzeneği bulma sorununu öne çıkarıyor; yani sistem, boş bir laboratuvarı kendi başına anlamlandırmıyor.

Bu sınır kusur değil. Tersine, yapay zekâ tasarımını bilime yararlı kılacak yer tam burası. İnsan sezgisi çoğu kez işe yarar, fakat alışılmış düzenekleri alışılmış sorularla birlikte taşır. Arama algoritması, iyi kurulmuş bir hedef altında bu alışkanlıkları zorlayabilir. Önerdiği düzenek ilk bakışta tuhafsa, fizikçinin yapacağı iş onu yalnız kurmak değil; neden daha iyi göründüğünü, simülasyondaki varsayımların sonucu taşıyıp taşımadığını ve gerçek cihazda hangi hata kanallarının açılacağını sınamaktır.

Derlemenin dört sorusu — arama uzayı, güvenilir hızlı simülatör, amaç fonksiyonu ve ayrık/sürekli seçimleri dolaşan yöntem — bu nedenle bir otomasyon listesi değildir. Her biri ölçümün güvenilirliğiyle ilgilidir. Arama uzayı yetersizse iyi düzenek hiç önerilmez. Simülatör hatalıysa algoritma doğada değil, modelin kör noktasında üstün görünen bir çözüm bulur. Amaç fonksiyonu dar kurulursa, cihaz tam da istenen sayıyı verirken yanlış fizik sorusunu yanıtlayabilir.

Bu alandaki önceki parçacık fiziği incelemeleri de aynı gerilime işaret ediyor: diferansiyellenebilir programlama, üretici modeller ve sağlam eniyileme, dedektör ya da analiz seçeneğini genişletebilir; ama sonuçların deneysel belirsizliklere karşı dayanıklılığı ayrıca gösterilmelidir. “Daha iyi” sözcüğü, ölçüt belirtilmeden bilimsel bir hüküm değildir.

Bana kalırsa burada kamusal olarak desteklenmesi gereken şey, kapalı bir tasarım sihirbazı değil; aday düzeneğin hedefini, varsayımlarını ve hata hesabını denetlenebilir kılan araçlardır. Yapay zekâ, fizikçinin kurduğu soruyu ve ölçüm ölçütünü devralmaz; bu ölçütler altında alışılmadık düzenek adayları üretebilir. Adayın gerçekten yararlı olup olmadığı, gerçek cihazdaki hata kanalları hesaplanıp sonuç bağımsız biçimde sınandığında anlaşılır.