Japonya, Yapay Zekâyı Bilimsel Araştırmanın Tüm Aşamalarına Taşıyacak ARiSE Programı İçin 32 Milyar Yen Ayırdı

11 dakikalık okuma
Japan Commits ¥32 Billion to ARiSE, Bringing AI Into the Full Scientific Research Cycle

Bilimin nasıl yapıldığını yeniden düşünmek için 31 proje seçildi

Japonya'nın yeni ARiSE girişimi; hipotez geliştirmek, deneyleri planlayıp yürütmek, sonuçları analiz etmek ve sırada neyin araştırılacağına karar vermek için yapay zekâ kullanan bilimsel araştırmalara 32 milyar yen ayıracak. Japonya Bilim ve Teknoloji Ajansı (JST), 203 başvuru arasından 31 proje seçti. Finansman, Ekim 2026'dan Mart 2029'a kadar yaklaşık iki buçuk yıllık dönemi kapsıyor.

İçindekiler
  1. Bilimin nasıl yapıldığını yeniden düşünmek için 31 proje seçildi
  2. Ulusal bir strateji şekilleniyor
  3. Farklı rollere sahip iki finansman kategorisi
  4. Malzeme verileri ortak bir araştırma platformuna dönüşüyor
  5. Başarısız deneylerden öğrenen bir genom modeli
  6. Otomatik cihazlardan otonom bir tesise
  7. Bilimsel kuram yapay zekânın parçası oluyor
  8. Kanser araştırmaları örüntü tanımanın ötesine geçiyor
  9. Hesaplama kaynaklarına erişim ve paylaşım uygulamayı şekillendirecek
  10. Öne Çıkanlar

JST'nin 29 Eylül tarihli seçim duyurusu, Stratejik Hedef kategorisinde 12, Uluslararası ve Disiplinlerarası kategorisinde 19 projenin seçildiğini doğruluyor. Belge değerlendirmelerine ve mülakatlara toplam 82 danışman katıldı. Araştırmalar, duyuru tarihinde otomatik olarak değil, sözleşmeler ve diğer hazırlıklar tamamlandıktan sonra başlayacak.

ARiSE, “Bilimsel Keşfi Yeniden Tasarlamak için Yapay Zekâ” anlamına geliyor. Programın hedefi, yapay zekâyı bir veri kümesini işlemek veya bilimsel makaleleri özetlemek için kullanmanın ötesine geçiyor. Program, dijital akıl yürütmeyi fiziksel deneylerle buluşturmayı; deney sonuçlarının yapay zekânın daha iyi hipotezler ve tasarımlar geliştirmesine yardımcı olduğu yinelenen bir döngü oluşturmayı amaçlıyor.

203 başvurudan 31'inin başarılı olması, toplam seçim oranını yaklaşık yüzde 15,3'e getiriyor. Stratejik Hedef kategorisinde 70 başvurudan 12'si, yani yaklaşık yüzde 17,1'i; Uluslararası ve Disiplinlerarası kategorisinde ise 133 başvurudan 19'u, yani yaklaşık yüzde 14,3'ü kabul edildi. Bu oranlar programa kabul için rekabeti gösterse de projelerin kendi içindeki sıralamasını veya nihai finansman dağılımını ortaya koymuyor.

Program direktörlüğünü Tohoku Üniversitesi İcra Başkan Yardımcısı Takafumi Aoki yürütüyor. Ulusal Bilişim Enstitüsü (NII) Direktörü Sadao Kurohashi, Stratejik Hedef kategorisinden sorumlu. RIKEN İleri Zekâ Projesi Merkezi Müdür Yardımcısı Shunichi Ueda ise Uluslararası ve Disiplinlerarası kategoriyi yönetiyor.

Reklam

Ulusal bir strateji şekilleniyor

ARiSE, Eğitim, Kültür, Spor, Bilim ve Teknoloji Bakanlığının 31 Mart 2026'da kabul ettiği Bilim için Yapay Zekâyı Teşvik Stratejisi'ni izliyor. JST, girişimi Japonya'nın bilimsel güçlü yönlerinin uluslararası alanda rekabetçi sonuçlar verebileceği alanlarda yatırımı yoğunlaştırmayı ve önde gelen yabancı araştırmacılarla iş birliğini desteklemeyi amaçlayan öncü bir program olarak tanımlıyor.

Bakanlığın Araştırma Teşvik Bürosu, ARiSE temel politika sayfasını 16 Nisan 2026'da yayımladı. Sayfada 262 KB'lık bir politika belgesine bağlantı veriliyor ancak belgenin ayrıntılı hükümleri metinde aktarılmıyor.

Politikanın geliştirilmesinden proje seçimine kadar geçen süreç nispeten kısaydı:

  • 31 Mart 2026: Bakanlık, Bilim için Yapay Zekâyı Teşvik Temel Strateji Politikası'nı kabul etti.
  • 16 Nisan 2026: Araştırma Teşvik Bürosu, ARiSE temel politika sayfasını yayımladı.
  • 12 Mayıs-30 Haziran 2026: JST araştırma başvurularını kabul etti.
  • 29 Eylül 2026: JST seçilen 31 projeyi duyurdu.
  • 2 Ekim 2026: Tohoku Üniversitesi, başarılı bulunan üç projesini açıkladı.
  • 13 Ekim 2026: JST, girişimin arka planını ve planlanan işleyişini anlatan bir bilgilendirme toplantısı düzenledi.
  • Mart 2029: Mevcut araştırma finansmanı döneminin sona ermesi planlanıyor.

JST Başkanı Kazuhito Hashimoto, Japonya'nın yalnızca yatırım hacmiyle ABD ve Çin'le yarışamayacağını savunuyor. Alternatif olarak Japonya'nın değerli bilimsel veriler, uzmanlık bilgisi, deney kapasitesi ve robotik alanında birikim sağladığı alanlara odaklanmak gerektiğini belirtiyor.

Hashimoto'nun kaygısı bağımlılıkla da ilgili. Japon araştırmacılar yalnızca yurt dışında geliştirilen yapay zekâyı kullanırsa temel teknoloji ve hesaplama kaynakları başka ülkelerin denetiminde kalabilir. Bu nedenle ARiSE, yurt içinde model geliştirmeyi ve uluslararası iş birliğini birbirine rakip seçenekler olarak değil, birlikte ele alıyor.

Farklı rollere sahip iki finansman kategorisi

Stratejik Hedef kategorisi; malzeme bilimi, yaşam bilimleri ve büyük araştırma tesisleri ile ekipman alanlarında daha büyük ekipleri destekliyor. Bu kategoride seçilen 12 projenin altısı malzeme bilimi, dördü yaşam bilimleri, ikisi ise büyük tesisler veya ekipmanlarla ilgili.

Malzeme bilimi projeleri üç hedef arasında dağılıyor. 1-1 ve 1-2 numaralı hedeflerin her birinde yaklaşık 3 milyar yenlik proje başı finansman tavanıyla birer proje seçildi. 1-3 numaralı hedefte ise proje başı tavanı yaklaşık 1 milyar yen olan dört proje bulunuyor. Yaşam bilimleri ve büyük tesis projelerinde proje başına finansman tavanı yaklaşık 2 milyar yen. Bunlar, her ekibe verileceği kesinleşmiş tutarlar değil, finansman üst sınırları.

Uluslararası ve Disiplinlerarası kategorisi tüm bilim dallarına açık. Bilimsel kuramları, yasaları ve yapısal bilgiyi yapay zekâya dahil eden araştırmaları destekliyor; normalde proje başına 200 milyon yen finansman sağlanıyor. Hedeflerine ulaşmak için gerekli olması hâlinde projeler 650 milyon yene kadar başvuruda bulunabiliyor.

Her başvuruda bir yapay zekâ araştırmacısı ile ilgili bilim dalından bir araştırmacının ortak liderler olarak bir araya gelmesi gerekiyor. Ekiplerin ayrıca hesaplama ihtiyaçlarını en baştan planlaması, uluslararası iş birliği yürütmesi, verilerin paylaşımı ve korunmasına ilişkin kurallar belirlemesi ve araştırma güvenliğini ele alması şart. Bu gereklilikler, bilimsel uzmanlığı ve altyapı planlamasını yapay zekâ modeli seçildikten sonra eklenecek unsurlar olmaktan çıkarıp araştırma tasarımının parçası hâline getiriyor.

Reklam

Malzeme verileri ortak bir araştırma platformuna dönüşüyor

Önemli bir malzeme bilimi projesi, Japonya'da birikmiş malzeme verilerini yurt içinde geliştirilen büyük dil modelleri ve özelleşmiş yapay zekâ sistemleriyle buluşturmayı hedefliyor. Ulusal Malzeme Bilimi Enstitüsü (NIMS) çevresinde geliştirilen veri ve araştırma kaynaklarının, ulusal bir malzeme yapay zekâ platformu oluşturulmasına katkı sağlaması amaçlanıyor.

Önerilen platform, birbiriyle bağlantılı birkaç katmandan oluşuyor: yapay zekâ kullanımına uygun hâle getirilmiş veriler ve analiz araçları, temel malzeme modelleri, keşif ve tasarıma yardımcı olan yapay zekâ ajanları ve gelişmiş deney ekipmanları. Temel model, çeşitli araştırma görevlerinde başlangıç noktası olarak kullanılabilen, geniş kapsamlı verilerle eğitilmiş bir modeldir. Yapay zekâ ajanı ise araçları kullanabilir ve belirli bir hedefe yönelik adımları koordine edebilir.

Hedeflenen araştırma döngüsü, yapay zekânın bir malzeme veya deney koşulu önermesiyle başlıyor. Bağlantılı ekipman deneyi gerçekleştiriyor ve sonuçlar bir sonraki tasarım için sisteme geri aktarılıyor. Amaç, bu kapasiteyi yapay zekâ konusunda kapsamlı uzmanlığa sahip birkaç ekiple sınırlı tutmak yerine geniş bir malzeme araştırmacısı topluluğunun kullanımına açmak.

Tohoku Üniversitesinin seçilen üç projesi, bu ulusal girişimin belirli araştırma programlarıyla nasıl buluştuğunu gösteriyor. Profesör Yu Kumagai, yapay zekâ kullanarak yüksek sertlikte ve hacimli malzemeler geliştirmeye yönelik bir platforma liderlik ediyor. Profesörler Goro Miyamoto ve Motoki Shiga da ortak araştırma liderleri olarak görev yapıyor.

Tohoku'nun ikinci projesi, insanlar ve yapay zekâ arasındaki iş birliğiyle manyetik malzemelerin özerk biçimde oluşturulmasını ve mekanizmalarının anlaşılmasını ele alıyor. Projeye Profesör Takafumi Hirohata liderlik ediyor; NIMS'ten Yuma Iwasaki ve Osaka Üniversitesinden Profesör Kanta Ono ortak liderler olarak görev yapıyor.

Tohoku'nun Uluslararası ve Disiplinlerarası kategorisinde seçilen üçüncü projesi, Tsunami Dünya Modeli. Projeyi Profesör Shunichi Koshimura; Profesör Kentaro Inui ve Afet Önleme ve Dayanıklılık Araştırma Enstitüsünden Yuichiro Usuda ile birlikte yürütüyor. Projenin seçilmesi, ARiSE'nin laboratuvar malzemeleri ve biyolojinin ötesine geçtiğini gösteriyor; ancak üniversitenin duyurusu modelin hedeflenen yeteneklerini ayrıntılandırmıyor.

Başarısız deneylerden öğrenen bir genom modeli

Yaşam bilimleri programı; bitkileri, hayvanları, insanları ve mikroorganizmaları kapsaması amaçlanan, yaklaşık dört milyar parametreli bir genom dil modelini içeriyor. Sözcüklerle eğitilen geleneksel dil modellerinden farklı olarak genom dil modeli, biyolojik işlev ve genom tasarımı araştırmalarını desteklemek amacıyla DNA dizilerindeki örüntüleri öğreniyor.

Parametreler, bir modelin eğitim sırasında ayarladığı sayısal değerlerdir. Planlanan model, yaklaşık yedi milyar parametreli mevcut bir model üzerine kurulacak. Bu rakamlar modelin boyutunu gösterir; yeni modelin öncekinden daha başarılı olacağının kanıtı değildir. Bilimsel açıdan sağlayacağı değer, çevresindeki biyolojik verilere, deneylere ve öğrenme sürecine bağlı.

Projede Tasarla, Oluştur, Test Et, Öğren döngüsü uygulanıyor. Araştırmacılar bir dizi veya hipotez tasarlıyor, bunu üretip deneysel olarak test ediyor ve ardından sonuçları modele geri aktarıyor. Başarılı sonuçların, başarısız deneylerin ve genetik kaynakların tümünün sonraki öğrenme sürecine katkı sağlaması amaçlanıyor. Başarısızlıkların dahil edilmesi önemli; çünkü başarısız bir deney hangi tasarım veya koşulların işe yaramadığını belirlemeye yardımcı olabilir.

Modelin, Biyo-AGILE konsorsiyumu aracılığıyla uygulamaya geçirilerek yaşam bilimleri araştırmacılarının ortak kullanımına sunulması hedefleniyor. Biyogüvenlik ve model güvenliği de çalışmanın açıkça belirtilen parçaları. Biyolojik tasarımı destekleyebilecek bir araç, tahmin yeteneğini geliştirmeye yönelik çalışmaların yanı sıra güvenlik önlemleri de gerektiriyor.

Reklam

Otomatik cihazlardan otonom bir tesise

İnsansız araştırma tesisi geliştirme projesi, Bilim Tokyo Enstitüsü, RIKEN ve Epistora'yı bir araya getiriyor. Epistora'nın proje duyurusuna göre araştırmaya Bilim Tokyo Enstitüsünden Profesör Genki Kanda liderlik ediyor. RIKEN'in bilimsel temel model geliştirme programında proje direktörü olan Koichi Takahashi ile Epistora CEO'su Yosuke Ozawa ortak liderler olarak görev yapıyor.

Proje, büyük araştırma tesislerinde işletim optimizasyonu, otomasyon, otonom çalışma ve deney planlama ile veri analizinin iyileştirilmesini kapsayan Stratejik Hedef 3 kapsamında yer alıyor. Araştırma planlarını, deney ekipmanlarını ve bunlardan elde edilen verileri birbirine bağlayan yapay zekâ ajanları ve temel modeller geliştirip göstermeyi amaçlıyor.

Otomatik bir cihazla otonom bir tesis arasındaki fark uygulamada ortaya çıkıyor. Bir robot tek bir deneyi gerçekleştirebilir; ancak ekipmanın hazırlanması, numunelerin taşınması, malzemelerin yenilenmesi, cihazların takvime göre kullanılması ve kesintilerin giderilmesi için yine insanlara ihtiyaç duyulabilir. ARiSE, deneyin yanı sıra bu çevresindeki işleri de ele almayı hedefliyor.

Önerilen tesis birbiriyle bağlantılı üç bileşenden oluşuyor. Bilgi sistemleri araştırma hedeflerini, hipotezleri, deney planlarını, analizleri ve sonraki deneylere ilişkin kararları yönetecek. İşletim sistemleri ekipman, zaman ve malzeme tahsisini yapacak. Fiziksel sistemler ise taşıma, malzeme yenileme ve kesintilerin giderilmesi işlerini otomatikleştirecek.

İnsanlar her adımı ayrı ayrı yönetmek yerine süreci denetleyecek. Tesisin kanser, bağışıklık, aşılar, yaşlanma ve rejeneratif tıp alanlarında süregelen araştırmaları desteklemesi amaçlanıyor. Epistora; yapay zekâ ve robotik alanında, indüklenmiş pluripotent kök hücrelerin retina pigment epitel hücrelerine dönüştürülme koşullarını optimize etme çalışmaları da dahil olmak üzere, yaklaşık on yıllık araştırma birikimine sahip olduğunu belirtiyor. Bu hücreler retinayı destekliyor.

Kurohashi, yapay zekâ ve robotikteki ilerlemelerle bu tür tesislere ilişkin beklentilerin 2050'lerden 2040'lara, ardından da 2030'lara çekildiğini belirtti. Bu, zaman içinde değişen bir tahmin; Mart 2029'da ARiSE finansman dönemi sona ermeden önce tam otonom bir tesisin faaliyete geçeceğine dair güvence değil.

Bilimsel kuram yapay zekânın parçası oluyor

Uluslararası ve Disiplinlerarası kategorisi, bilimsel yapay zekâyı güçlendirmek için farklı bir yaklaşım benimsiyor. Ueda'nın yaklaşımında bilimsel kuram, yalnızca başka açılardan geleneksel bir modeli kısıtlayan kural olarak kullanılmıyor; model yapısına, temsillere ve öğrenme ilkelerine de dahil ediliyor.

İlgili bilgi türleri arasında simetri, değişmezlik, nedensellik, sınır koşulları ve ölçekleme yasaları bulunuyor. Basitçe ifade etmek gerekirse bunlar; bir sistem değiştiğinde de geçerli olması gereken ilişkileri, nedenlerle sonuçların nasıl bağlantılandığını ve bilimsel bir modelin hangi koşullarda uygulanabileceğini tanımlıyor. Bu bilgiyi yapay zekâya dahil etmenin, verinin az olduğu veya koşulların eğitim sırasında karşılaşılanlardan farklı olduğu durumlarda akıl yürütmeyi geliştirmesi amaçlanıyor.

Seçilen projelerden biri, bilimsel hipotezler üretmek ve bunların geçerliliğini matematiksel ve fiziksel kuramlarla denetlemek için matematiksel fiziği yapay zekâyla birleştiriyor. Projenin hedefi, makul görünen bir ifade üretmekle o ifadenin doğru olduğunu ortaya koymak arasındaki farkı azaltmak. Otonom doğrulama, programın hâlihazırda kanıtlanmış bir yeteneği değil, araştırma hedefi.

Bir başka proje, gaz adsorpsiyonu ve ayrıştırma dahil çeşitli alanlardaki potansiyel kullanımları nedeniyle incelenen gözenekli malzemeler olan metal-organik kafeslere (MOF) odaklanıyor. Bu malzemelerin özellikleri sentez ve deney koşullarına göre değişebiliyor. Projede değişen bilimsel temsiller, karşıolgusal akıl yürütme ve araştırmacı geri bildirimi bir araya getirilerek bir koşulun değiştirilmesinin sonucu nasıl etkileyebileceği araştırılıyor.

Karşıolgusal akıl yürütme, mevcut gözlemlerdeki örüntüleri belirlemekle yetinmek yerine farklı bir koşulda ne olacağını soruyor. Araştırmacılar hipotezleri ve akıl yürütme süreçlerini değerlendirecek, ardından bu değerlendirmeleri yapay zekâya geri aktaracak. Böylece insansız tesis projesi işletimde çok daha yüksek özerklik hedeflerken bu projede insanların doğrudan katılımı sürüyor.

Reklam

Kanser araştırmaları örüntü tanımanın ötesine geçiyor

Ayrı bir kanser projesi doku yapısını, hücre biçimini, gen ifadesini ve kanser hücreleri, bağışıklık hücreleri ile çevredeki diğer hücreler arasındaki etkileşimleri bir araya getirecek. Proje, yalnızca kanserle ilişkili özellikleri tanımak yerine hastalık mekanizmaları hakkında akıl yürüten modeller geliştirmeyi amaçlıyor.

Çalışma iki gözlem düzeyini birbirine bağlıyor. Model, dokunun düzeninden tek tek hücrelerin nasıl davrandığını çıkaracak. Hücrelerin davranışlarından hareketle de dokunun durumunun nasıl değişeceğini tahmin edecek. Mekânı ve zamanı birlikte incelemek, araştırmacıların kanserin çevresindeki biyolojik ortam içinde nasıl geliştiğini araştırmasına yardımcı olabilir.

Hedeflenen uygulamalar arasında hastalık mekanizmalarının keşfi, prognoz tahmini ve tedavi seçeneklerinin incelenmesi yer alıyor. Bunlar planlanan araştırma sonuçları. ARiSE için seçilmek, klinik etkinliğin kanıtlandığı veya hastalara sunulmaya hazır bir tanı ya da tedavi aracının bulunduğu anlamına gelmiyor.

Hesaplama kaynaklarına erişim ve paylaşım uygulamayı şekillendirecek

Modelleri eğitmek ve çalıştırmak araştırma finansmanının önemli bir bölümünü tüketebileceğinden ARiSE, başvuru aşamasında hesaplama planı sunulmasını şart koşuyor. JST; üniversiteler, kamu araştırma kurumları, şirketler ve RIKEN'deki kaynakları bir araya getirmeyi, uygun durumlarda yurt dışındaki ticari hesaplama kaynaklarının kullanımına da izin vermeyi planlıyor.

RIKEN'in değerlendirilmekte olan yapay zekâ süper bilgisayarının adı konusunda kaynaklar farklı bilgi veriyor: Bir kaynak RIKEN adını kullanırken ekim ayındaki bilgilendirme toplantısına ilişkin haberde 理究 adı geçiyor. Ortak nokta, diğer kaynakların yanı sıra yurt içi hesaplama kaynaklarının da kullanılmasının planlanması. Projelere ayrılacak hesaplama kapasitesinin nihai dağılımı henüz açıklanmadı.

Program ayrıca, geniş ölçüde yararlı modelleri, ajanları, araçları ve değerlendirme yöntemlerini seçilen ekiplerin ötesine taşımayı hedefliyor. JST, NII'nin SINET akademik ağı ve NII RDC araştırma veri altyapısıyla bağlantılar kurmayı planlıyor. Bu bağlantıların çıktıları Japonya genelindeki araştırmacılara erişilebilir kılması ve malzeme bilimi, yaşam bilimleri ve tesis projeleri arasındaki bilgi alışverişini desteklemesi amaçlanıyor.

Paylaşım, her şeyin yayımlanacağı anlamına gelmiyor. Rekabet veya güvenlik gerekçeleriyle korunması gereken veriler ya da sonuçlar gizli tutulabilir. Araştırma güvenliği gereklilikleri seçimden itibaren geçerli; genom projesinin ayrıca biyogüvenlik ve model güvenliği sorumlulukları bulunuyor.

Program sorumlularının ilerlemeyi gözden geçirmesi ve araştırma görevlerinin genişletilmesi, uluslararası ortakların eklenmesi ve ortak etkinlikler düzenlenmesi dahil gerekli ayarlamalara destek vermesi bekleniyor. Bu esneklik, 2026'da sabitlenen bir planın 2029'a gelindiğinde güncelliğini yitirebileceği riskine yanıt veriyor. Mevcut bilgiler; bireysel sözleşmelerin başlangıç tarihlerini, nihai hibe tutarlarını, hesaplama kaynağı tahsislerini veya modellerin kamuya açılması için ayrıntılı bir takvimi ortaya koymuyor.

Temel ölçüt, projelerin Japonya'nın bilimsel birikimini işleyen yapay zekâ sistemleri, tekrarlanabilir deneyler ve diğer araştırmacıların gerçekten kullanabileceği kaynaklarla buluşturup buluşturamayacağı. ARiSE bu doğrultuyu belirliyor; ancak vaat edilen keşiflerin, otonom yeteneklerin ve ortak platformların hâlâ geliştirilip gösterilmesi gerekiyor.

Öne Çıkanlar

  • ARiSE, Ekim 2026-Mart 2029 arasındaki yaklaşık dönem için 32 milyar yen finansman sağlayacak.
  • JST, 203 başvuru arasından 31 proje seçti; kabul oranı yaklaşık yüzde 15,3 oldu.
  • Stratejik Hedef kategorisinde 12, Uluslararası ve Disiplinlerarası kategorisinde 19 proje bulunuyor.
  • Öne çıkan çalışmalar arasında bir malzeme yapay zekâ platformu, yaklaşık dört milyar parametreli bir genom modeli ve insansız bir araştırma tesisi yer alıyor.
  • Seçilen araştırmalar matematiksel fizik, MOF'lar, kanser mekanizmaları ve Tsunami Dünya Modeli konularını da kapsıyor.
  • Yurt içi hesaplama kaynakları ve ortak araştırma altyapısı öncelikli; uygun durumlarda yurt dışındaki kaynakların kullanımına da izin veriliyor.
  • Projelerin başlangıç tarihleri sözleşmelere ve hazırlıklara bağlı. Otonom tesisler ve bilimsel uygulamalar geliştirilmesi hedeflenen çalışmalar arasında.
Bu haberi paylaş

Bunlar da ilginizi çekebilir