Penn State Üniversitesi’ndeki araştırmacılar, yapay zeka (YZ) ile insan uzmanlığını birleştirerek gıda biliminde yeni fiziksel ilişkilerin keşfine yardımcı olabilecek bir sistem geliştirdi.
AgentXtract ile Yeni Veriler Elde Ediliyor
Penn State Üniversitesi Gıda Bilimi Bölümü’nden yardımcı doçent Xu Zhou’nun liderliğindeki ekip, AgentXtract adını verdikleri bir sistem geliştirdi. Bu sistem, YZ ajanlarının bilimsel literatürdeki deneysel verileri çıkarıp düzenleyerek, daha önce rapor edilmemiş fiziksel ilişkileri ortaya çıkarmasına olanak tanıyor. Ayrıca, bu veritabanı genel amaçlı YZ için bir bilgi temeli işlevi görerek, bilimsel sorulara daha doğru ve kanıtlanmış yanıtlar sağlıyor.
Gıda Mühendisliği için Verinin Önemi
Gıda ürünlerinin kalitesini, güvenliğini ve duyusal özelliklerini belirleyen bilgilere ulaşmak, gıda mühendisleri için kritik öneme sahiptir. Ancak bu bilgiler, on yıllar boyunca yazılmış binlerce bilimsel makaleye dağılmış durumda. Zhou, YZ’nin bilimsel araştırmaları tarayabilmesine rağmen, gıda bilimi sorularına yeterli yanıtları veremediğini belirtti.
İş Birliği ile Veri Toplama Süreci
Zhou, insan uzmanlarının bilimsel veri kaynaklarını belirleme ve veri kalitesini sağlama konusundaki deneyimlerinin YZ ile birleştirilmesinin önemine dikkat çekti. Bu çalışmada, YZ ajanları ve insan uzmanlarının iş birliği ile gıda mühendisliğindeki deneysel veriler hızlı bir şekilde toplandı ve düzenlendi.
Performans Testleri ve Bulunan İlişkiler
AgentXtract’ın performansını test etmek için OpenAI, Google ve Anthropic’den toplam 10 farklı büyük dil modeli değerlendirildi. Bu modellerin bilimsel çalışmaları anlama ve ilgili verileri çıkarma konusundaki doğruluk, hız ve maliyetleri karşılaştırıldı. Sonuçlar, YZ ajanlarının şimdiye kadar daha önce altı ay süren bir çalışmayı sadece 30 dakikada tamamladığını gösterdi.
Daha Önce Rapor Edilmemiş Matematiksel İlişki
Araştırma, daha önce bilinmeyen bir matematiksel ilişki keşfiyle sonuçlandı. Elde edilen veriler analiz edildiğinde, gıdaların elektromanyetik enerji ile etkileşimini tanımlayan iki dielektrik özelliği arasında yeni bir ilişki bulundu. Bu ilişki, daha önce verilerin manuel olarak toplanmasının zorluğu nedeniyle rapor edilmemişti.
Gelecek İçin Potansiyel
Uzmanlar, YZ’yi bilgi edinme süreçlerine entegre etmenin, yalnızca gıda bilimi için değil, diğer araştırma alanları için de büyük faydalar sağlayabileceğini düşünüyor. Zhou, YZ sistemlerinin yüksek kaliteli bilimsel verilerle desteklenmesinin, daha kullanışlı hale gelmelerini sağlayacağını ifade etti.
