Ham FASTQ dosyasından hizalamaya, diferansiyel ekspresyondan ağ analizine uzanan tekrarlanabilir bir hattı sıfırdan kurmak birkaç yıl önce günlerimizi alırdı. Bugün aynı iskeleti dakikalar içinde taslak hâline getirebiliyorum. Bu, işimin azaldığı anlamına gelmiyor; tam tersine, işimin en yorucu kısmının ortadan kalkıp geriye asıl zor olanın kalması anlamına geliyor. Multiomik yaklaşımlar ile protein dizi–yapı analizinin kesiştiği noktada çalışan bir hesaplamalı biyolog olarak, kariyerimin odağı çoğunlukla aynı soru etrafında şekilleniyor: "Gördüğüm sinyal gerçek mi, yoksa verinin, protokolün ya da biyolojik bağlamın bana oynadığı bir oyun mu?" Yapay zekâ elbette bu soruyu sormama neden olan faktörleri henüz çözmedi; fakat bu soruyu sormaya ayırdığım zamanı önemli ölçüde artırdı. Onun sayesinde artık günlerimi kod yazmaya değil, doğru kodu yazmamı sağlayacak şekilde doğru soruyu kurmaya harcayabiliyorum.
Hızın gizli tuzağı: belirtilmeyen her parametre
Bu hızın en sinsi tarafının, beraberinde getirdiği bir tuzakta gizli olduğunu düşünüyorum. Belirtmeyi unuttuğun her parametre için model, literatürde en yaygın kullanılan varsayılan değere ve eşiğe yöneliyor; ve göz ardı edilemeyecek öneme sahip bu ayrıntı, farkında olmadan hareket edildiğinde analizlerin bambaşka bir yere çıkmasıyla sonuçlanabiliyor. Bu yüzden artık her parametreyi tek tek, elimdeki verinin ve test ettiğim hipotezin ihtiyaçlarına göre belirliyorum; bir eşik değerini, bir normalizasyon stratejisini, bir kümeleme mesafesi ölçütünü hiçbir zaman "literatürde böyle kullanılıyor" diye değil, "bu veri seti ve bu soru bunu gerektiriyor" diye seçiyorum.
İşin ilginç tarafı şu ki bu titizliğin kendisinde bile yapay zekâdan yardım alıyorum. Bir analizin temel kurgusunu tamamladıktan sonra, hangi parametreyi belirtmeyi unuttuğumu bana söylemesini istiyorum ve genellikle gerçekten de unuttuğum bir noktayı buluyor. Yani aynı araç hem tuzağın kaynağı hem de o tuzağı denetlemenin bir yolu olabiliyor. Fark, bana göre, bu araçların hangi rolde kullanıldığını iyi bilmekten geliyor. Yapay zekâ, sonuçta gerçekleştirmeyi planladığımız şeyin — niyetimizin — bir hızlandırıcısı olarak ortaya çıkıyor. Amacımızın net olduğu ve biyolojik olarak sağlam temellere dayandığı durumlarda bize günler kazandırıyor; belirsiz kaldığında ise hızla ve kusursuz bir görünümle üretilmiş yanlış bir analiz verme ihtimali bir hayli artıyor.
Katmanlı veriler: düzensiz bölgeler ve batch etkileri
Bu belirsizlik, özellikle protein yapısı gibi katmanlı verilerle çalışırken can yakıcı hâle gelebiliyor. Örneğin bazı protein bölgeleri kendi doğası gereği düzensizdir; sabit, tahmin edilebilir bir üç boyutlu yapıya sahip değildir. Bunu bilmeden yazılmış bir yapısal modelleme hattı, o bölgeyi evrimsel olarak korunmuş, düzenli katlanmış bir sekansmış gibi ele alır ve teknik olarak "çalışan" ama biyolojik olarak hiçbir şey söylemeyen bir model üretir. Yapay zekânın bu farkı kendiliğinden bilmesinin ne yazık ki şimdilik bir yolu yok; bunu açıkça belirtmek ve ilgili modellerden doğru yaklaşımları seçmesini istemek tamamen alan uzmanının ya da analizi yapan kişinin sorumluluğuna kalıyor.
Benzer bir dinamik, dizileme verilerindeki toplu etkiler (batch effect) için de geçerlidir. Bir düzeltme algoritmasını çalıştırmak kolay; düzeltmenin gerekip gerekmediğine ya da ne kadar agresif olması gerektiğine karar vermek ise zordur ve deneysel tasarımı derinlemesine bilmeyi gerektirir. Aşırı düzeltme yapıldığında, incelemeye konu olan biyolojik varyasyon silinebilir; buna karşılık yeterince düzeltilmezse "keşfin" aslında bir teknik değişkenin yansımasından ibaret olduğu görülebilir. Sonuç olarak analizi yapan kişi sadece veriyi temizlemez; o veriyi, elindeki hipotezin gerçekten neyi sorduğuna göre şekillendirir.
Sistem ölçeğinde: ağların altındaki gizli karıştırıcılar
Yapay zekânın gerçekleştirdiği analizlere yönelik doğrudan ve sürekli insan denetimi ihtiyacı tek gen ya da tek protein ölçeğiyle sınırlı kalmıyor; çok daha büyük, sistem düzeyindeki analizlerde de aynı keskinlikte karşımıza çıkıyor. Örneğin ko-ekspresyon ağları gibi popülasyon düzeyinde kurulan yapılarda, ilk bakışta bağımsız ve biyolojik olarak anlamlı görünen bir modül, aslında örneklerin altında yatan farklı bir biyolojik durumun — diyelim ki hücrelerin hangi olgunlaşma ya da farklılaşma evresinde olduğunun — dolaylı bir yansıması olabiliyor. Bu, hesaba katılmadığında kolayca gözden kaçabilecek ve sonucu, yorumlamayı tamamen değiştirebilecek bir karıştırıcı olarak karşımıza çıkıyor. Yapay zekâ böylesi bir istatistiksel yapıyı üretmekte hızlı ve yetenekli olabilir; ama üretilen yapının biyolojik olarak neyi temsil ettiğini sorgulamanın hâlâ tamamen insana ait bir iş olduğunu düşünüyorum.
Nitekim yapay zekâyı kendi çalışmalarımda kullanırken, yazdığım her kodu tek tek incelemem gerekiyor; çünkü uyarılar eklesem bile model bazen kendiliğinden varsayımlarda bulunuyor ya da elimdeki bilgiyi doğru noktada kullanmıyor. Bu her zaman olabilecek bir durum ve bunun farkında olmak zorundayım. Bu yüzden, bana göre, bu gözden geçirme adımı iş akışının isteğe bağlı bir parçası değil, ayrılmaz bir parçası olmalıdır.
Alan bilgisi yetmediğinde: ajanlarla öğrenmek
Alan bilgimin yetmediği noktalarda ise farklı bir strateji izliyorum. İlgili konuda ajanlar oluşturup onlardan bilgi topluyor, öğreniyor, literatürde doğruluyor, değerlendiriyor ve ancak bundan sonra çalışmama dahil ediyorum. Normalde haftalar sürebilecek bir araştırma ve öğrenme sürecini bu şekilde büyük ölçüde hızlandırıyorum. Ama şunu tekrar hatırlatmak isterim ki insan faktörü, mevcut modellerin geldiği nokta itibarıyla — en azından biyoinformatik özelinde — hep orada olmak zorunda. Sonuç olarak artık kendim çok fazla kod yazmıyorum; bunun yerine, kod olarak kodlanmış hipotezleri denetliyorum.
Daha büyük resim: geleceğin modellerini besleyen veriyi denetlemek
Yapay zekâdaki gelişmelerin en değerli katkılarından birinin, mevcut veri setlerindeki ve bu veri setleriyle eğitilmiş modellerdeki eksiklikleri, hataları fark etmemizi kolaylaştırması olabileceğini düşünüyorum. Şu anda yayına hazırladığımız ve bu aşamada tarafımızca öne sürülen bir gözlem olan bulgularımız, genomik alanında yaygın olarak kullanılan bazı önemli veri setlerinin ciddi düzeltmeler gerektirdiğine işaret ediyor. Bunu şimdilik bir spekülasyon olarak sunuyorum; ama böyle bir tespite ulaşmamızı kolaylaştıran şeyin, yapay zekâ destekli analiz hızı — aynı veriyi çok daha fazla açıdan, çok daha kısa sürede sorgulayabilmemiz — olduğunu düşünüyorum.
Burada gördüğüm daha büyük resim şu: Yapay zekâ yalnızca analiz hızımızı artırmıyor, aynı zamanda gelecekteki modellerin üzerine inşa edileceği verinin kalitesini denetlememize de doğrudan yardımcı oluyor. Bugün tespit edilen bir veri seti kusurunun düzeltilmesi, yarının modellerinin daha iyi eğitilmesini sağlayan, kendi kendini besleyen bir döngü olarak etkisini her geçen gün artırıyor.
Toparlarsak
Düşüncelerimi toparlamam gerekirse: biyoinformatik çalışmalarında yapay zekâ bana günler, hatta haftalar kazandırıyor; öğrenme süreçlerini hızlandırıyor, gözden kaçabilecek nüansları yakalamamı kolaylaştırıyor. Ama bir bölgenin neden farklı modellenmesi gerektiğini, bir örüntünün altında hangi biyolojik durumun gizlenebileceğini, hangi parametrenin bu veri seti için gerçekten anlamlı olduğunu bilmek hâlâ bana ait bir sorumluluk olarak kalıyor. Bizlere ise artık bir işlem hattını baştan sona yazmaya çalışmaktan çıkıp, tasarımın doğruluğundan ve yeniden üretilebilirliğinden emin olmak kalıyor.