Yapay Zekanın İlaç Tasarımındaki Sınavı: Aspen ve Jagged Frontier Paradoksu
AxonDeep · AI & Derin Öğrenme ·
Genentech araştırmacıları tarafından geliştirilen Aspen, küçük moleküllü ilaç tasarımında büyük dil modellerinin "pürüzlü sınırlarını" ve pekiştirmeli öğrenmenin gerçek potansiyelini test ediyor.
Modern tıp dünyası, bir molekülün laboratuvardan eczane rafına uzanan yolculuğunun ortalama 10 yıl sürdüğü ve yaklaşık 2,6 milyar dolara mal olduğu gerçeğiyle yüzleşiyor (Paul et al., 2010). Bu devasa maliyet ve zaman kaybının temelinde, klinik öncesi aşamadaki yüksek başarısızlık oranları yatıyor. Ancak 2026 yılı itibarıyla, Büyük Dil Modellerinin (LLM) biyoloji ve kimya evrenine girişi, bu tıkanıklığı aşmak için ye
ni bir umut ışığı sunuyor. Genentech ve Prescient Design araştırmacıları tarafından sunulan "Evaluating the Progression of Large Language Model Capabilities for Small-Molecule Drug Design" başlıklı çalışma, bu alandaki en kapsamlı analizi ortaya koyuyor. İlaç Keşfinde Pürüzlü Sınır Paradoksu Yapay zeka modellerinin genel yeteneklerindeki doğrusal artışa rağmen, bilimsel alanlardaki performansları "jagged frontier" (p
ürüzlü sınır) olarak tanımlanan kaotik bir manzara sergiliyor. Bir model, karmaşık bir hukuk sınavını geçebilirken basit bir moleküler ağırlık tahmininde veya SMILES formatındaki bir dizilimi IUPAC ismine dönüştürmekte dramatik hatalar yapabiliyor. Araştırma ekibi, bu uçurumu kapatmak için Aspen adını verdikleri, 30 milyar parametreli bir modeli özel bir post-training (eğitim sonrası) sürecine tabi tuttu. Aspen proje
si, Qwen3-30B-A3B-Thinking tabanlı bir modeli alarak, onu kimyasal temelli pekiştirmeli öğrenme (RL) ortamlarına yerleştirdi. Burada kritik olan soru şuydu: Sadece doğru/yanlış geri bildirimiyle bir model, temelindeki kimya bilgisini "keskinleştirebilir" mi? Sonuçlar, modelin moleküler ağırlık veya halka sayısı gibi deterministik görevlerde %90'ın üzerinde başarıya ulaştığını gösterirken, deneysel verilere dayalı çöz
ünürlük veya biyolojik aktivite (potens) tahminlerinde hala ciddi zorluklar yaşadığını kanıtlıyor. Moleküler Dönüşüm ve Dilin Sınırları Kimya, aslında kendine özgü bir grameri olan bir dildir. Moleküllerin SMILES veya InChI gibi formatlarda temsil edilmesi, yapay zekanın bu yapıları birer "token" dizisi olarak okumasına olanak tanır.