Almanya’daki Jülich Araştırma Merkezi’nde geliştirilen yeni yapay zeka sistemi, bilimsel yayınlardaki sayısal verileri otomatik olarak çıkararak yapılandırılmış verilere dönüştürüyor. Bu yenilik, enerji, iklim, tıp ve malzeme bilimi gibi birçok alanda bilimsel literatürün hızlı ve etkili bir şekilde analiz edilmesini sağlıyor. Bilimsel yayınların sayısındaki hızlı artış, dar araştırma alanlarında bile manuel analiz yapmayı zorlaştırıyor.
Bilimde sayılar kritik bir öneme sahip; fakat bu veriler çoğu zaman metinlerin içerisinde “gizli” kalıyor ve otomatik analiz yapılması zorlaşıyor. Jülich Araştırma Merkezi’ndeki uzmanlar, nicel bilgileri tanımlayan, kategorize eden ve yapılandırılmış verilere dönüştüren Quinex isimli bir sistem geliştirdi. Bu çerçeve, zahmetli manuel işleme ihtiyacını ortadan kaldırarak verimliliği artırmayı hedefliyor.
Quinex, enerji, iklim araştırması veya yeni malzeme geliştirme gibi konularda sayısal verileri tanıyarak uygun ölçü birimleriyle ilişkilendiriyor. Örneğin, “2025 yılı için verimliliğin yüzde 63 ile 71 arasında olacağı varsayılıyor” ifadesi, sistem tarafından dönemin, ölçüm yönteminin ve kaynağın bağlamsal bilgileriyle birlikte yapılandırılmış bir veri kümesine dönüştürülüyor.
Bu yapay zeka çözümü, birçok ticari alternatifin aksine tamamen açık ve kompakt dil modellerine dayanıyor. Bu sayede, daha az hesaplama kaynağıyla daha verimli bir şekilde çalışabiliyor. Model, bilimsel metinlerdeki nicel bilgileri tanımak ve sınıflandırmak için özel olarak eğitildi. Geliştiricilere göre Quinex, benzer sistemlere göre daha yüksek doğruluk oranları sunuyor.
Sistem, bağlamsal bilgileri hassas bir şekilde işleyebiliyor ve dolaylı olarak belirtilen özellikleri tanıyabiliyor. Kompakt yapısına rağmen, sayıları ve ölçü birimlerini tanımada yüzde 98 doğruluk oranına ulaşıyor. Nicel özellikleri ve nesneleri sınıflandırma başarısı ise sırasıyla yüzde 87 ve yüzde 82 düzeyine çıkıyor. Bu yüksek başarı, özel olarak tasarlanan eğitim veri setleri ve metodolojik iyileştirmeler sayesinde sağlandı.
Jülich Sistem Analizi’nde Entegre Senaryolar Başkanı Dr. Jan Weiland, “Güçlü, şeffaf ve kaynak açısından verimli bir araç geliştirmek istedik” diyerek Quinex’in bilimsel veri analizi için yapay zekayı daha erişilebilir hale getirdiğini ifade ediyor. Araştırmacılar, Quinex’i çeşitli alanlardan binlerce bilimsel özete uygulayarak sistemin pratik etkinliğini test ettiler. Sonuçlar, sistemin elektrik üretim maliyetleri, maksimum oksijen alımı, depremlerin büyüklüğü ve konumu gibi konularda verileri başarıyla çıkardığını gösteriyor. Otomatik olarak elde edilen değerler, referans verilerle yüksek uyum gösteriyor. Bu durum, Quinex’in geniş bilimsel literatürü analiz etme kapasitesinin ne denli güçlü olduğunu ortaya koyuyor.
