Penn State Üniversitesi’nde yapılan bir araştırma, yapay zeka (YZ) ile insan uzmanlığının bir araya gelerek gıda bilimindeki fiziksel ilişkileri keşfetmesine olanak tanıdığını ortaya koydu.
Yeni Sistem: AgentXtract
Gıda bilimi alanında önemli bir gelişme kaydedildi. Penn State Üniversitesi’nden Xu Zhou liderliğindeki araştırma ekibi, AgentXtract adını verdikleri yeni bir sistem geliştirdi. Bu sistem, yapay zeka ajanlarının bilimsel verileri çıkarmasına ve düzenlemesine olanak tanıyor, böylece daha önce rapor edilmemiş fiziksel ilişkilerin keşfedilmesine yardımcı oluyor.
Bilimsel literatürde yaygın olarak bulunan gıda özellikleri ile ilgili bilgiler, onlarca yıl boyunca yazılmış binlerce bilimsel makaleye dağılmış durumda. Bu durum, gıda mühendislerinin gerekli verilere erişimini ve analizini zorlaştırıyor. Zhou, “Bu çalışmada, YZ ajanları ve insan uzmanlarının nasıl bir arada çalışabileceğini keşfettik,” dedi.
Veri Toplama Süreci
AgentXtract, geleneksel metin tabanlı veri madenciliğinden farklı olarak, gıda mühendisliğinde değerli deneysel verilerin çoğunun tablolar, şekiller ve matematiksel denklemlerle raporlandığını dikkate alıyor. Farklı yeteneklere sahip YZ ajanları, çeşitli formatlardan sayısal verileri çıkararak bunları doğrulayıp standartlaştırıyor ve bir veritabanına organize ediyor.
Zhou, sistemin performansını test etmek için OpenAI, Google ve Anthropic’ten 10 farklı büyük dil modelini değerlendirdiklerini belirtti. Bu modellerin bilimsel makaleleri yorumlama, deneysel verileri anlama ve ilgili sayısal bilgileri çıkarma konusundaki performanslarını insan uzmanlarının doğruladığı verilerle karşılaştırdılar.
Beklenmedik Keşifler
Yapılan araştırma, beklenmedik bir keşfi de beraberinde getirdi. Araştırmacılar, toplanan verileri analiz ederek, gıdaların elektromanyetik enerji ile etkileşimini tanımlayan iki dielektrik özelliği arasında daha önce rapor edilmemiş bir matematiksel ilişki buldular. Zhou, “Verileri bir araya getirdiğimizde, 100’den fazla farklı gıda için dielektrik sabiti ile kayıp faktörü arasında yeni ve tutarlı bir ilişki gözlemledik,” dedi.
Veri Tabanı ile Soru-Cevap Uygulaması
Araştırmacılar, veritabanını bir soru-cevap yapay zeka ile bağlayarak performansını değerlendirdiler. Zhou, “Birisi, örneğin, ‘Belirli bir frekansta patateslerin dielektrik özellikleri nelerdir?’ diye sorabilir. Sistem, ilgili veritabanı kayıtlarını hızlıca getirir ve referanslarla birlikte yanıt verir,” dedi.
Büyük dil modellerinin mevcutta çok güçlü olduğunu belirten Zhou, “Ancak onları daha faydalı hale getirmenin bir yolu, insan uzmanları tarafından doğrulanmış yüksek kaliteli bilimsel verilerle beslemektir. Çalışmamız, bunun sadece gıda bilimi için değil, birçok araştırma alanı için nasıl yapılabileceğini gösteriyor,” ifadelerini kullandı.
Destekleyici Araştırmacılar
Bu araştırmaya, Penn State Üniversitesi’nden Yi Zhang, Shyam Sablani ve Shaojin Wang ile Washington Üniversitesi’nden Juming Tang da katkıda bulundu. Araştırma, Xu Zhou’ya Penn State ve Anthropic’in Bilim için Yapay Zeka Programı tarafından sağlanan başlangıç finansmanı ile desteklendi.
