Yapay Zeka Şirketleri, Araştırmaları Üniversitelerden Çekerek En İyi Akademik Yetenekleri Çekiyor

İki yıl sonra Nobel Ödülü kazanan Google AlphaFold ekibinin dörtte biri Google'dan ayrıldı; Nobel Ödülü sahipleri John Jumper ve diğerleri Anthropic'e geçti. AI endüstrisi, akademik dünyadan yetenekleri yutuyor; 2022 yılında %70,7 AI doktora mezunu şirketlere gitti, sadece %20'si akademide kaldı. Şirketlerdeki en üst düzey araştırmacıların yıllık geliri 1,94 milyon ABD dolarına ulaştı, bu da akademik dünyadakilerin beş katı. AI şirketleri bilimsel ilerlemeyi hızlandırabilir ve bilim tarihi boyunca dönüm noktası oluşturacak sonuçlar üretebilir, ancak uzun vadede şirketlere geçişten sonra makale üretimi ortalama %65 azalıyor; sonuçlar makalelerden patentlere ve ticari sırlara doğru kayıyor. Daha ciddi olan ise, şirketlerin yeni nesil bilim insanlarını yetiştirmeye yönelik motivasyonunun olmaması ve temel araştırmaların kenara itilmesi. Bilim, üniversitelerden hızla kaçıyor.

Yazan: APPSO

İki yıl sonra Nobel Ödülü kazanan Google AlphaFold ekibi ayrıldı.

AlphaFold makalesinin büyük çoğunluğunun orijinal yazarları, geçen yıl boyunca yeniden atanmıştır; bunların tam zamanlı çekirdek yazarlarının neredeyse dörtte biri Google'dan tamamen ayrılmıştır.

Kalanlar, Gemini Araştırma Ajanı, enzim tasarımı, genomik ve nükleer füzyon gibi alanlara yöneldi, bazıları ise Alphabet’in ilac geliştirme şirketi Isomorphic Labs’e gitti.

Nobel Ödülü sahibi John Jumper ve Jonas Adler bile bir süre Code Strike ekibine dahil edilerek AI kodlama yeteneğine odaklanmaları sağlandı. Ancak sonraki gelişmeleri hepimiz biliyoruz; bu iki büyük isim nihayetinde Anthropic'e geçti.

Solda Google DeepMind CEO Demis Hassabis, sağda John Jumper, orijinal haber bağlantısı https://www.ft.com/content/61b2953d-ee0d-45de-af6e-a9c1cf524b33?utm_source=chatgpt.com&syn-25a6b1a6=1

Bu haberle ilgili olarak, Google'ın AI for Science sorumlu araştırma başkanı Pushmeet Kohli, DeepMind'in bilimsel ekibinin yönünü değiştirmediğini, yalnızca çalışma alanını genişlettğini ve hâlâ protein, genom ve enzim tasarımı üzerinde çalıştığını, ayrıca bilimsel araştırmaları hızlandırmak için Gemini'yi kullandığını belirtti.

AlphaFold, göreceli olarak geleneksel bir bilimsel araştırma organizasyon şeklini temsil ediyordu. Net bir soru etrafında ekip kurmak, uzun vadeli yatırım yapmak, kaynakları odaklamak ve nihayetinde sonuçlar sunmak.

Şu anda, benzer takımlar daha evrensel model platformlarına doğru yer değiştiriyor. Proteinler, matematik, genomik, nükleer füzyon ve kod, farklı disiplinler gibi görünse de, AI şirketlerine girdikten sonra hepsi Gemini'nin bir dizi yetenek modülü haline gelebilir.

Aynı zamanda, bilimsel uzmanlar, hesaplama kaynakları ve konu liderliği, az sayıdaki AI şirketlerinde yoğunlaşmaktadır.

Geçtiğimiz yıllarda matematikçiler, fizikçiler, biyologlar ve bilgisayar bilimi profesörlerinin sayısı AI sektörüne arttı.

Örneğin Anthropic, fizikçiler, ekonomistler ve filozofları sürekli olarak işe alıyor; OpenAI, siyah delikler, sicim teorisi ve saf matematik üzerine çalışan kişileri bir araya getiriyor; DeepMind ise biyologlar ve nükleer füzyon uzmanlarını bünyesinde topluyor.

Daha önce, Arizona Devlet Üniversitesi profesörü Subbarao Kambhampati, akademik dünyada yeni bir mizah unsuru olarak "Anthropic'a katılmak istiyorum" ifadesini sıklıkla kullanıldığını gözlemledi.

The Atlantic'ın kaba hesaplamalarına göre, yalnızca dört büyük AI şirketi, en az 80'den fazla mevcut veya eski profesörü bünyesinde toplamıştır.

İnsan kaynakları akış yönü de giderek daha tekil hale geliyor.

Stanford Üniversitesi'nin "AI Endeks Raporu"na göre, 2011 yılında AI doktora mezunlarının %40,9'u şirketlere, %41,6'sı akademik dünyaya girmişti. 2022 yılına gelindiğinde, şirketlere giden oran %70,7'ye yükseldi, akademik dünyaya giden oran ise %20'ye düştü.

2026 yılında NBER tarafından yayınlanan bir çalışma, yaklaşık 42.000 ABD'li AI araştırmacısını takip etti. 40 yaş altı araştırmacıların üniversiteden ayrılma olasılığı, 40 yaş üstü gruplara göre yaklaşık altı kat daha yüksek; geçiş yapanların yaklaşık %70'i beş yıl sonra şirketlerinde kalmaya devam etti.

Para elbette çok önemli. İşletmelerin en üst 1% AI araştırmacılarının yıllık geliri 595.000 dolarlardan 1.94 milyon dolara yükseldi; üniversitelerdeki aynı seviyedeki araştırmacıların geliri ise 301.000 dolarlardan 392.000 dolara çıktı. İkisi arasındaki fark yaklaşık 1,5 milyon dolara genişledi.

Kabul etmek daha zor olan araştırma koşullarıdır.

2010 yıllarının başlarında, büyük ölçekli makine öğrenimi modellerinin yaklaşık %65'i akademik laboratuvarlar tarafından bağımsız olarak geliştirildi. 2020 yıllarına girildikten sonra bu oran %10'un altına düştü. 2022 yılına gelindiğinde, ön plana çıkan modellerin yaklaşık %81'i şirketler tarafından bağımsız olarak tamamlandı.

UC Berkeley profesörü Anca Dragan, DeepMind'e katıldığında ihtiyaç duyduğu şeyleri açıkça belirtti: öncü güvenlik araştırmaları için gerekli olan "veri, hesaplama gücü ve bütçe".

Karşılaştırıldığında, bir üniversite içindeki bir araştırma öncelikle fon başvurusu yapmayı, ekipman satın almayı, mühendisler işe almayı ve hesaplama kaynakları için sıraya girmeyi gerektirir. AI şirketine geçildiğinde, aynı araştırmacı doğrudan büyük modelleri, özel verileri, dağıtılmış hesaplama gücünü ve yüzlerce kişilik mühendislik sistemini kullanabilir.

Ancak, bir üst düzey profesörün üniversiteden ayrılması, sadece birkaç makale kaybı anlamına gelmez. Üniversite aynı zamanda bir danışman, bir araştırma grubu, bir doktora öğrencisi yetiştirme zinciri ve önümüzdeki onlarca yıl boyunca oluşabilecek araştırma yönlerini kaybeder.

Geçmişte teknoloji şirketleri üniversite araştırmalarını satın alıyordu. Şimdi ise doğrudan bu araştırmaları üreten insanları satın almaya başlıyor. Şirketler bir bireyi elde ediyor, üniversiteler ise belki bir nesli kaybediyor.

Tüm insan kaynakları hareketliliğini akademik世界的 çöküşüne bağlamak, şirketlerin araştırma ve geliştirme faaliyetlerinin yarattığı değeri düşük değerlendirmektir.

AlphaFold, şirketlerin bilim tarihini değiştirebilecek sonuçlar elde edebileceğini kanıtladı. Yüz milyonlarca protein yapısı tahmini, binlerce biyologa aylar hatta yıllar süren çalışmaları tasarruf ettirdi.

Bell Laboratuvarı, şirketlerin araştırma enstitülerinin bilimi nasıl değiştirebileceğini uzun zamandır kanıtlamıştır. Zirve döneminde yaklaşık 1200 doktora sahipti ve en az 10 Nobel Ödülü kazandı. Demis Hassabis, DeepMind için bunu sık sık bir referans noktası olarak gösterdi.

Yapay zeka şirketleri, güçlü mühendislik yeteneklerine ve ticari çıkışlara sahip, çok disiplinli bir tür yeni araştırma enstitüsü gibi görünmeye devam ediyor.

DeepMind, Gemini'yi matematik, genomik ve nükleer füzyona entegre ediyor; Isomorphic Labs, ilaç şirketleriyle birlikte yeni ilaçlar geliştiriyor; Anthropic, Claude Science'i tanıttı; OpenAI ise ChatGPT ve Codex'i bilimsel süreçlere dahil etti.

İlgili sonuçlar ortaya çıktı. Fizikçi Rogerio Jorge, AI kullanarak açık kaynaklı nükleer füzyon yazılımı geliştirdi; teorik bilgisayar bilimcisi Barna Saha ve diğerleri ise GPT-5.5 Pro ile yüksek boyutlu geometri kanıtlarını destekledi.

OpenAI, haftada yaklaşık 1,3 milyon kişinin ChatGPT'yi ileri bilimsel ve matematik görevleri için kullandığını açıkladı ve 100.000 üniversite araştırmacısına öncü modelleri ve Codex'i ücretsiz olarak sunmayı planlıyor.

Bir bilim insanının bir şirkete katılması, kişisel etkisinin bile büyütülebileceğini gösterir. Yukarıda belirtildiği gibi, üniversitede onlarca öğrenciye liderlik edebilirken, bir AI şirketinde yüzlerce mühendisi, devasa hesaplama kaynaklarını ve küresel veri platformlarını harekete geçirebilir. Önceden sadece makalelerde kalan yöntemler, ilaçlara, yazılımlara, deneysel ekipmanlara ve endüstriyel sistemlere daha kolay girebilir.

Ancak maliyeti de açıktır.

NBER araştırmasına göre, yapay zeka araştırmacılarının uzun vadeli olarak şirketlere geçişinden sonra makale üretimi ortalama %65 azalmıştır. 2000 ile 2019 yılları arasında, şirketlerde çalışan yapay zeka araştırmacılarının oranı %48'den %68'e çıkmıştır; ancak makale payı sadece %27'den %32'ye, patent payı ise %86'dan %95'e yükselmiştir.

İnsanlar hâlâ araştırıyor, ancak sonuçlar makalelerden patentlere, dahili modellere ve ticari sırlara doğru akıyor. Google, yıllar önce Transformer’ı açık kaynak yaptı ve tüm sektörü büyüttü. Bugün, eğitim verileri, model ağırlıkları ve başarısızlık kayıtları, şirket sunucularından ayrılmakta giderek daha zorlanıyor.

Bilim hâlâ hızlanıyor, ancak açık bilim freni çekebilir.

Yapay zeka şirketleri enstitü olabilir, ancak üniversite olmak zordur.

Üniversite, sıklıkla gözden kaçırılan bir görevi üstlenir. Kendilerini henüz kanıtlamamış birçok öğrenciyi eğitmek ve geçici olarak uygulaması olmayan, fiyatlanamayan hatta onlarca yıl sonra değer kazanabilecek sorunları uzun süre saklamak gerekir.

Ancak AI şirketleri, kanıtlanmış profesör ve deneyimli araştırmacıları tercih eder, yeni yeteneklerin yetiştirilmesine o kadar sabırlı değildir. SignalFire verilerine göre, 2024 yılında büyük teknoloji şirketlerinin istihdam ettiği kişilerin sadece %7'si yeni mezunlardı, bu oran 2019'a kıyasla yarısından fazla düştü.

🔗 https://www.signalfire.com/blog/signalfire-state-of-talent-report-2025

Şirketler, üniversitelerden en iyi profesörleri ve deneyimli araştırmacıları çekip, giriş seviyesi pozisyonları ve eğitim yatırımlarını azaltıyor. En iyi bilim insanlarını bir araya getirebilirler, ancak bir sonraki nesil bilim insanlarını büyük ölçekli olarak yetiştirmekten sorumlu olmak zorunda kalmayabilirler.

İlgili etkiler üniversitelerin sınıflarında ortaya çıkmıştır. The Atlantic tarafından röportaj yapılan öğrenciler, bazı derslerin aniden kapatıldığını ve nedenin öğretim üyesinin AI şirketlerine “izin” gitmesi olduğunu öğrendi.

Aynı zamanda, ünlü profesörün ayrılmasıyla doktora öğrencileri sadece bir dersi değil, aynı zamanda önerilen kaynakları, araştırma ağını, proje organizasyon becerilerini ve önde gelen sorunlara erişim fırsatlarını da kaybediyor.

Daha nüanslı değişiklikler araştırma konularında gerçekleşiyor.

İlaç tasarımı, programlama, matematiksel akıl yürütme ve malzeme keşfi, modeli güçlendirebilir ve ürün oluşturabilir, bu nedenle doğal olarak kaynak desteği alması daha kolaydır. Uzun vadeli alan araştırmaları, ekolojik koruma gibi konular ise sıklıkla tuhaf bir durumda kalır.

Ancak tarih tam da kısa vadeli getirilerle oynamayı sever.

Sayılar teorisi uzun süre en saf, en az uygulamalı matematik olarak kabul edildi, ancak daha sonra modern kriptografinin temeli haline geldi. Laser ilk ortaya çıktığında bile “bir sorunu arayan bir çözüm” olarak adlandırıldı. İnternetin erken dönemleri de ticari modellerle ölçülmesi zor oldu.

Kamu bilimsel sisteminin anlamı, insanın geçici olarak değeri açıklanamayan soruları araştırmaya izin vermesidir.

Ancak bugünün AI şirketleri, model performansı, ürün piyasaya sürülmesi ve sermaye yatırımı açısından yoğun bir rekabet ortamında bulunuyor. Temel bilime yatırım yapmak isteseler bile, kaynaklar daha çok modeli güçlendirecek, ürünü destekleyecek veya patent oluşturacak yönlere akıyor.

Gelecekte garip bir refah ortaya çıkabilir.

İnsanlar daha hızlı yeni ilaçlar buluyor, teoremler kanıtlıyor, malzemeler keşfediyor; en güçlü bilim insanları da tarihin en güçlü araçlarına sahip. Ancak, ne araştırılacağına kim karar verecek, bir sonraki nesil bilim insanları kim yetiştirecek ve kim, kimse ödeme yapmayan araştırmaları yapmaya devam edecek, sorunlar haline geldi.

Bilim insanları bilimden ayrılmadı. Sadece bilim, üniversitelerden hızla kaçıyor.

Bazen üniversiteleri ve AI şirketlerini bir nehrin iki ucu olarak düşünürüm. Üniversite daha çok üst akıma benzer. Akış çok yavaştır, çok çamur vardır ve birçok kolları hiçbir faydası olmadığı gibi görünür. Orada bazıları ölçüm yapar, kaydeder, tartışır; bazıları ise nihayetinde bir şehre akmayan bir dereyi incelemek için ömürlerini harcar.

Yapay zeka şirketleri, aşağı akıştaki hidroelektrik santralleri gibi. Akışı toplayarak makineleri çalıştıır ve bilimi ilaçlara, yazılımlara ve endüstriye hızla ulaştırır.

Hidroelektrik santrali elbette önemlidir. Yoksa nehir sadece akıp gider.

Ancak herkes aşağı akıma elektrik üretmeye giderse, yukarı akımın su kaynakları zamanla kurur ve birkaç yıl sonra herkes, artık akmayan bir nehrin beklenmesi için veri merkezlerinde oturur.

Matematikçiler modeli geliştirmekle, biyologlar Agent'ları eğitmekle, fizikçiler hesaplama kapasitesinin sınırlarını genişletmekle meşgulken, insanlık belki de daha güçlü bir AI elde edecektir. Arkada bırakılan bu soruların ürün yolu, yatırım getirisi ya da kullanım açıklaması yoktur.

Onlar çok sessiz. Sessizlikleri, onların önemli olmadığını düşünmenize kolaylık sağlıyor.