Google Araştırma, 30 Temmuz 2026'da Science One çerçevesini duyurdu; temelini "Kanıt Zinciri" (Chain-of-Evidence, CoE) adlı bir mekanizma oluşturuyor ve AI'nın bilimsel araştırmadaki her bir sonucunun kaynakları, kodları ve deney kayıtlarıyla bağlantılı olmasını zorunlu kılıyor.

Yazan: 0x9999in1, ME News

Midnight (NIGHT) Artık KuCoin'de!

Kısa Özet

• Google Araştırma, 30 Temmuz 2026'da Science One çerçevesini duyurdu; temelini "Kanıt Zinciri" (Chain-of-Evidence, CoE) adlı bir mekanizma oluşturuyor ve AI'nın bilimsel araştırmadaki her bir sonucunun kaynakları, kodları ve deney kayıtlarıyla bağlantılı olmasını zorunlu kılıyor.
• Mevcut AI araştırmacı sistemlerinin eski sorunları çok ciddi: alıntılar uydurmak, tekrarlanamayan puanlar, yöntem açıklamaları ile kodun uyumsuzluğu. Temel sistemin hayalî alıntı oranı %21'e kadar çıkıyor, puanların tekrarlanabilirlik oranı %42'ye kadar düşüyor.
• Science One'in başarısı: sıfır hayal kırıklığı ile alıntı, tüm puan doğrulamaları doğru, yöntem ve kod uyum oranı en yüksek. Açıklamaya göre, ürettiği 337 alıntı tamamen gerçek, 12 tekrarlanabilir deney tamamen uyumlu ve 15 makaleden 14'ü kodla uyumlu.
• Ana tasarım, "tamamladıktan sonra alıntı ekleme" değil, "üretirken alıntı alma"dır. Alıntılar modelin belleğinden değil, Semantic Scholar API'den gerçek aramalarla gelir.
• Daha önemli olan: Science One, "dürüstlük" için "beceriklilik"ini feda etmedi. MLE-Bench'te 2 altın ve 2 gümüş madalya kazandı ve Parameter-Golf'te o dönemdeki en iyi performansı gerçekleştirdi.
• Bu olayın gerçek anlamı, bir AI'nın tekrar bir makale yazması değil, "doğrulanabilirliği" ilk kez mimarinin temeli olarak değil, sonradan eklenen bir tamir olarak ele almasıdır.

Daha önce şunu sormak istiyorum: AI tarafından yazılan bir makaleye inanır mısınız?

Bu iki yıl içinde AI araştırması sistemleri korkutucu şekilde ilerledi.

Belgeleri okuyabilir. Hipotezler önerebilir. Deneyler çalıştırabilir. Yapısal olarak tam ve profesyonel bir tonla bir makaleyi baştan sona yazabilir. Bir bakışla hata bulamazsınız.

Ancak sorun, bu "bir göz atmak" içinde gizli.

Bir göz atmak sorun değil, daha derinlemesine incelemek nasıl?

Google Araştırma, tam olarak bu konuyu derinlemesine incelemektedir. Beş adet ana akım otomatik bilimsel araştırma sistemini çıkartıp, beş sistem optimizasyon görevi üzerinde toplamda 75 makale üretmişler ve her birini sorgulamıştır: Atıf verdiğiniz bu makale gerçekten var mı? Bildirdiğiniz puan, kodu yeniden çalıştırdığınızda hala geçerli mi? Belirli bir algoritma kullandığınızı söylüyorsunuz, kodda gerçekten böyle yazılı mı?

Sonuçlar iyi görünmüyor.

Her temel sistem, en az bir sistemsel hata yapmıştır. Hollüksü atıf oranı %21'e kadar çıkmaktadır—yani her beş atıftan biri tamamen var olmayan bir makaleye işaret edebilir. Puan doğrulama geçme oranı %42'nin altına düşmüştür. Yöntem ve kod tutarlılığı %20 ile %80 arasında dalgalanmaktadır.

Bu %42'yi düşünün. Makalelerin yarısından fazlasının bildirdiği sonuçlar, kodu yeniden çalıştırarak tekrarlanamıyor.

Bu küçük bir hata değil. Bu, güvenin çöküşüdür.

Bilimsel araştırma, temel mantığı olarak "tekrarlanabilirlik" ve "izlenebilirlik" prensiplerine dayanır. Bir makalenin değeri, okunması ne kadar kolay olduğunda değil, başkalarının referanslarına, koduna ve verilerine dayanarak adım adım geri dönüp, bunun yalan söylemediğini doğrulayabilmesindedir. Yapay zeka, makalelerin "yüzey kalitesini" artırmış ancak en temel sütunu kaldırmıştır.

Yüzey ne kadar parlaksa, sorunlar o kadar gizli olur. Bu en tehlikeli noktadır.

Google'un cevabı: Güvene değil, zincire dayanır

Science One'in fikri, açıkçası çok basit.

AI'nin kendi kendine dürüst olacağını beklemeyin, çünkü güvenemeyiz. Ona zincir takın.

Bu zincir, "kanıt zinciri"dir.

Google, bunun için çok özel bir benzerlik buldu: Veritabanı alanında ACID adı verilen bir kavram vardır; veritabanınız nasıl inşa edilirse edilsin, bir işlemin "güvenilir" olabilmesi için hangi özelliklere sahip olması gerektiğini sadece belirler. Kanıt zinciri de aynıdır. Bilimsel bir ajanı nasıl oluşturursanız oluşturun, ürettiğiniz her şeyin güvenilir olabilmesi için hangi şartları karşılaması gerektiğini sadece belirler.

Bir ilke, iki yarı.

İlk yarısı bütünlüktür: Makaledeki her ifade—bir alıntı, bir sayı, bir yöntem tanımı ya da bir sonuç—kaydedilmiş bir kanıt zinciriyle bağlantılı olmalıdır.

İkinci yarım: Bu zincir, üzerinde taşıdığı ifadeyi gerçekten destekleyebilmelidir.

Söylediğiniz her cümle için bir kaynak göstermelisiniz; ve bu kaynak, sözünüzün gerçekten doğrulanmasını sağlamalıdır.

Peki nasıl uygulanır? Anahtar, zamanlamadır.

Mevcut sistem nasıl çalışıyor? Önce uzun bir makale yazılır, sonra geri dönülüp referanslar ve kanıtlar eklenir. Bu, bir hikâye yazıp sonra onu desteklemek için kanıt aramaya benzer. Kanıtlanamayan yerler ise sadece icat edilir. İşte bu şekilde hayal kırıklığına uğrayan referanslar ortaya çıkar.

Science One tam tersine. Bu cümleyi ürettiği anda, kanıt zincirini aynı anda oluşturur. İddia ve kanıt birlikte büyür, sonradan dikilmez.

Bu sıranın değiştirilmesi, olayın ruhudur.

Parçalı olarak inceleyin: Üç modül, her biri bir yalanı yönetir

Science One yapısı üç parçadan oluşur ve her biri, sahtekârlığın olası bir yolunu tam olarak engeller.

Birinci blok, soruşturma görevlisi, alıntı sahtekarlığını yönetir.

Bu, modelin "hafızasına" dayanarak referans vermez. Model hafızası, hayal kurma yatağıdır—gerçekten var olmayan bir makaleyi "hatırlar". Science One, doğrudan Semantic Scholar API'sine bağlanarak gerçek bir alıntı ağı oluşturur ve her konuda en fazla 100 tam metin PDF okur, yapılandırılmış bir araştırma özeti üretir. Son makaledeki her atıf, bu gerçek API aramasından kaynaklanır ve model hafızasına olan bağımlılık tamamen kesilir.

Alıntılar "düşünülerek" değil, "aranarak" yapılır. Bu kesimle, hayali alıntıların kökü kesilir.

İkinci blok, deney kayıtlarının sahteciliğini yönetir.

Paralel bir "keşfet—kullan" stratejisiyle birden fazla dalda aynı anda çözümler denemektedir. Her turda, bir Solver çözümü uygular, özel bir değerlendirici puan verir. İyi performans gösteren dallar tekrar geliştirilir ve tüm orijinal değerlendirme çıktıları, sadece okunabilir bir kayıt haline getirilir.

Salt okunabilir. Bu iki kelime çok önemlidir. İlk notlar kaydedildikten sonra değiştirilemez. Sonra tez yazarken daha iyi bir not istiyorsunuz? Üzgünüz, defter burada, değiştirilemez.

Üçüncü blok, makale yazarı ve ilan doğrulayıcı, yöntem ile kod arasında uyumsuzlukları denetler.

Gerçek bir makale oluşturulmadan önce, her bir gerçek iddia yapılandırılır, her cümlenin üzerine çalışma alanındaki belirli bir ürüne bağlanan bir iç metin kanıt etiketi yerleştirilir. Daha sonra özel bir denetçi, her iddiayı iddia edilen kaynağa karşı karşılaştırır.

Eşleşmiyorsa ne yapmalıyım? Burada özellikle akıllıca bir detay var. Basitçe silmiyor,而是 "geri çekiyor" — konuşmayı daha konservatif hale getiriyor, böylece ifade kanıtların destekleyebileceği sınırlara geri dönüyor. Kanıt nereye kadar dayanıyorsa, o kadar kadar konuşuyor.

Fazla vaat etmeyin, fazla harcamayın. Bu denge, tek bir çözüm uygulamaktan daha üstüne çıkıyor.

Notlar: Dürüstluğun maliyeti, aptallaşıyor musunuz?

Buraya kadar, keskin bir soru ortaya çıkmalı.

Yapay zekâya bu kadar çok zincir takmak, her cümlesinde kanıt aramak zorunda bırakmak, onun cesurca keşif yapmaktan alıkoymaz mı? "Dürüstlük" için "beceriklilik" mi fedakârlık ediliyor?

Bu endişe çok mantıklıdır. Bu, tüm "güvenlik" ve "kapasite" arasındaki klasik çelişkidir.

Science One'un yanıtı: Hayır.

Öncelikle dürüstlük sütununa bakın. Aynı denetim protokolü altında—Google bunu CoE Denetimi diye adlandırıyor—her atıf, bir adli analiz gibi çalışan otomatik bir denetleyici tarafından gerçek zamanlı akademik veritabanlarıyla tekrar kontrol ediliyor—Science One, dört tamamlık kontrolünde tümüyle önde. Atıflarında hiçbir hayal ürünü yoktur; her biri gerçek, erişilebilir bir makaleye işaret eder; puan doğrulaması mükemmel düzeydedir; yöntem ve kod tutarlılığı en yüksektir. Açıklanan verilere göre, 337 atıf tamamen gerçek, 12 yeniden üretilebilir deney sonucu tamamen doğru, 15 makale arasında 14'ü gerçek kodla uyumlu.

Temeldeki "karışık nöro-sembolik çözücü" gibi korkutucu isimleri karşılaştırın—büyük görünüyor, kodu açtığınızda sadece basit bir belirleyici sezgisel kural olduğunu görürsünüz. İsimler insanlar için, kod ise gerçekliktir.

Yine yetenekler bölümüne bakın.

ADRS referansı üzerindeki beş görevde Science One, insan uzmanlarının seviyesini eşitledi veya aştı; bunlardan ikisi (Cloudcast ve EPLB), tüm sistemlerde en iyi performansı elde etti.

Bu çevrenin dışına çıkarak, daha zor dış görevlere de meydan okudu. MLE-Bench'teki beş sert Kaggle yarışmasında, tıbbi görüntüleme, ince-granüler tanıma ve 3D algılama alanlarında iki altın ve iki gümüş madalya kazandı—özellikle 3D hedef tespiti yarışmasında, diğer sistemler tamamen başarısız olurken, o şampiyonluk seviyesinde bir puan aldı. Parameter-Golf adlı, donanım ve dosya boyutları sıkıca sınırlı gerçek zamanlı LLM eğitimi yarışmasında, diğer sistemler geçerli bir gönderim bile yapamazken, o tüm kısıtlamaları korurken 27 Nisan 2026 tarihi itibarıyla en iyi sonucu elde etti. Bu başarı, hiperparametre ayarlarıyla değil, gerçekten yenilikçi algoritmik teknikler keşfederek sağlandı.

Yani cevap açık: dürüst olun, onu aptalca yapmayın.

Bu tam da benim en çok değer verdiğim nokta. Eğer Science One, "korkakça" elde edilmiş bir temizlikse, o zaman hiçbir değeri yoktur—çünkü kimse hem aptal hem dürüst bir bilimsel araç kullanmak istemez. Ancak bu, doğrulanabilirlik ve yüksek performansın aynı anda elde edilebileceğini kanıtlar. Bu da "dürüstlüğü katı bir kısıt olarak kabul etmek" fikrini, ahlaki bir çağrıdan mühendislik açısından karlı bir seçime dönüştürür.

Kararım: Önemli, ama hemen onu efsane haline getirmeyin.

Bu kadar iyi sözlerden sonra iki kova soğuk su dökmek gerek.

Birinci havuz: Google, metnin sonunda Science One'un doğrudan üretimde kullanılabilir bir araç değil, deneysel bir araştırma prototipi olduğunu açıkça belirtmiştir.

Bu skorlama, скромluk değil, sınırlar. Beş görevi, sistem optimizasyonu gibi "net bir değerlendirme ölçütüne sahip ve otomatik olarak puanlanabilen" alanlarda çalışıyor. Başka bir deyişle, iyi mi kötü mü olduğu makine tarafından nesnel olarak belirlenebiliyor. Ancak gerçek öncü bilimsel araştırmalar nasıl? Birçok varsayımın değeri, birçok sonucun anlamı, kısa vadeli olarak hiçbir değerlendirme ölçütü size puan veremiyor. Kanıt zinciri, "yalanlı atıf yapma"ya karşı koruma sağlar, ancak "ortalama bir soru seçme"ye karşı koruma sağlamaz. Bu, dürüstlükle ilgilenir, lezzetle ilgilenmez.

İkinci havuz: Kanıt zinciri kendisi de maliyetlidir. Her konuda 100 PDF okumak, her cümleyi kanıtla bağlamak ve tekrar kontrol etmek—bu süreç pahalıdır. Gerçekliği ararken aynı zamanda hesaplama gücü ve zaman tüketir. Ölçeklendirildiğinde bu maliyet nasıl hesaplanır, şu anda cevap yok.

Ancak bu iki kova suyu döküp bitirdikten sonra, bunun hâlâ az değer verilen bir şey olduğuna inanmaya devam ediyorum.

Neden?

Çünkü farklı bir soru yöntemi kullanıyor.

Geçen iki yıl boyunca herkes sormuştu: AI bilimsel araştırma yapabilir mi? Ne kadar güçlü olabilir? Herkes çözme yeteneği ve sıralama puanları açısından rekabet ediyordu. Science One, tamamen farklı bir boyutta bir soru ortaya atıyor: AI'nın ürettiği bilimsel araştırma, güvenilir mi?

Bu iki soru, aynı yarışma kategorisinde değil.

Sistemlerin giderek daha fazlası güzel çözümler üretebildikçe, soru çözme yeteneği ayırt edici bir faktör olmaktan çıkar. O zaman, onları gerçekten ayıran, üretiminin güvenilir olup olmamasıdır. Google, "doğrulanabilirliği" birinci sınıf bir durum olarak yükseltti ve bunun sonradan yapılan bir düzeltme değil, mimari düzeyde bir kısıtlama olması gerektiğini söyledi—bu kararın doğru olduğuna ve tam zamanında geldiğine inanıyorum.

İnanç şeyi biriktirmek çok yavaş, çökmek ise çok hızlıdır. Eğer AI araştırması, erken aşamada görünüşte parlak ama aslında büyük açıklar içeren makalelerle akademik topluluğun tamamının güvenini tükettiyse, sonra tekrar kazanmaya çalışmak için ödenecek bedel, taşınamaz düzeyde büyük olur. Science One, güven çökmeden önce temelin demirlerini tamir ediyor.

Son

İlk soruya dönersek: AI tarafından yazılan bir makale, inanabilir misiniz?

Science One'den önce, dürüst cevap—pek cesaret edememek. Ne kadar iyi yazılırsa, o kadar dikkatli olmalısınız.

Science One, AI'yi daha akıllı yapmamıştır. Yapılan şey, AI'nin söylediği her ifade için denetlenebilir kanıtlar bırakmasını sağlamaktır; bu, daha basit ama daha zor bir iştir.

Yeterince akıllı AI var.

Kendi sorumluluğunu alan AI, sadece başlıyor.

Bu adım küçük, bir prototip ve çözülmemiş birçok sorun var. Ancak yön doğru. Bazen bir şeyin gerçek ağırlığı, şimdilik ne kadar hızlı koşabildiğinde değil, nereye bir ölçüm çubuğu diktiğinde yatıyor.

Science One, ölçütü "benzer şekilde yazmak"tan "araştırılmaya dayanabilirlik"e taşıdı.

Bu hareket, değeri var.

Kaynaklar

1. Google Araştırma Blogu. «Science One Çerçevesi: Kanıt Zinciri ile Doğrulanabilir Otonom Araştırma Çerçevesi», 30 Temmuz 2026.
2. Google Cloud AI Araştırma. arXiv:2605.26340《Science One Çerçevesi / Kanıt Zinciri》makalesi.
3. AlphaSignal. Google'un Science One Çerçevesi, Yapay Zeka Araştırmasının Sahte Atıf Krizini Çözer, 2026 yılının Temmuzu.
4. Zhi Ding Web. "Science One Çerçevesi: Kanıt Zinciri Temelli Doğrulanabilir Özerk Bilimsel Araştırma Sistemi", 31 Temmuz 2026.
5. Sakana AI. arXiv:2504.08066《The AI Scientist v2》（Karşılaştırma Temeli）。
6. OpenAI. GitHub projesi Parameter-Golf benchmarki.
7. arXiv:2410.07095 MLE-Bench referans makalesi.
8. arXiv:2510.06189 Otomatik Araştırm Sistemleri Tasarımı (ADRS) Başlatma.