Demis Hassabis: AlphaFold ve Nobel Kimya Ödülü

Bu ders genel bilgi verir; uzman görüşünün yerine geçmez.

Yapay zekâ yalnız sohbet için değildir; bilimde de kullanılır. Demis Hassabis, bunun en bilinen örneklerinden biri olan AlphaFold2 sistemini sunan iki isimden biridir.

Aklınıza bir soru mu takıldı?

Sorunuzu ya da aradığınız konuyu yazın Ders bul

Bu derste neler öğreneceksiniz?

• Hassabis’in kim olduğunu
• AlphaFold2 sistemi ile Nobel Kimya Ödülü’nün ilişkisini
• Yapay zekânın bilimde nasıl kullanılabildiğini
• Bir ödül sayfasını nasıl okuyacağınızı

Kim, ne zaman, nerede?

Nobel Ödülü sayfasına göre Demis Hassabis, 27 Temmuz 1976’da Londra’da doğdu. Ödül sırasında Londra’daki Google DeepMind’de çalışıyordu. 2024 Nobel Kimya Ödülü’nün dörtte birini “protein yapısı tahmini için” aldı. Aynı ödülde John Jumper da yer aldı; Hassabis ve Jumper, AlphaFold2’yi 2020’de sundu.

Google’ın 5 Ağustos 2026 tarihli yazısına göre Hassabis, Google DeepMind’ın günlük yönetimini devretti. Google DeepMind’ın Yönetim Kurulu Başkanı (Chair) ve Alphabet’in Baş Bilimcisi (Chief Scientist) oldu; Isomorphic Labs’ı yönetmeyi sürdürüyor. Google DeepMind’ı artık Koray Kavukcuoglu yönetiyor. Aralık 2023 tarihli Gemini duyurusunda ise Hassabis “CEO ve kurucu ortak” olarak anılıyordu.

Temel katkısı ne?

Nobel Ödülü’nün gerekçesi protein yapısı tahminidir. Proteinler, canlıların yapısında ve işleyişinde yer alan moleküllerdir. AlphaFold2, bir proteinin hangi şekle sahip olabileceğini tahmin etmek için geliştirilen bir yapay zekâ sistemidir. Nobel sayfası, Hassabis ve Jumper’ın bu sistemi 2020’de sunduğunu belirtir.

Bu portrenin dersi şudur: yapay zekâ yalnız metin ve görüntüyle sınırlı değildir. Belirli bir bilimsel soruya özel bir sistem, o alanda ilerleme sağlayabilir. Bunu bilmek, “yapay zekâ = sohbet botu” kalıbından çıkmanıza yardım eder.

Hassabis, hem AlphaFold2 hem de Gemini duyurusuyla anılır. Bu portre, iki sistem arasında teknik bir bağ iddia etmiyor.

Hassabis’in portresi, yapay zekâya ilişkin haberleri okurken iki soruyu hatırlatır. Sistem tam olarak neyi tahmin ediyor? Ve bu tahminin başarısı hangi ölçütle değerlendirildi? Ödül sayfaları bu iki soruya genellikle dar ve açık yanıt verir.

Bugün nerede görürsünüz?

Bir sağlık, tarım ya da ilaç haberinde “yapay zekâ buldu” cümlesini görürseniz, hangi sistemin neyi tahmin ettiğine bakın. Protein yapısı tahmini ile bir ilacın hastada işe yarayacağı tahmini aynı şey değildir.

Nobel Komitesi’nin gerekçesi dar ve açıktır: protein yapısı tahmini. Bir haber bu gerekçeyi “yapay zekâ ilaç buldu” diye genişletirse, haber metni ile ödül sayfasını yan yana koyup farkı görebilirsiniz.

Kısa sözlük

• Protein: Canlıların yapısında ve işleyişinde yer alan molekül türü.
• Yapı tahmini: Bir proteinin üç boyutlu şeklinin hesapla öngörülmesi.
• AlphaFold2: Hassabis ve Jumper’ın 2020’de sunduğu protein yapısı tahmin sistemi.
• Google DeepMind: Hassabis’in kurucu ortağı olduğu ve Ağustos 2026’dan beri yönetim kurulu başkanlığını yaptığı yapay zekâ kuruluşu.

Bu bilgiyi nasıl kontrol edersiniz?

Bir kişi hakkındaki bilgiyi şu sırayla kontrol edin. Önce kişinin kendi kurumunun ya da ödülü veren kurumun sayfasına bakın. Sonra ansiklopedik bir kaynağa geçin. En sonda o bilgiyi aktaran haber ve blog yazılarına göz atın. Asistanın verdiği her tarihi bu sırayla sınayın. İki kaynak birbirini tutmuyorsa birincil kaynağa yakın olanı seçin ve yazarken belirsizliği tek cümleyle belirtin.

Hassabis için ilk kaynak Nobel Ödülü’nün kendi sayfasıdır. Güncel görevi Google’ın Ağustos 2026 yazısından, Gemini ile bağı Aralık 2023 duyurusundan okunur. Haberlerdeki “ilaç buldu”, “hastalığı çözdü” gibi sözleri ödül gerekçesiyle karşılaştırın; ödül gerekçesi bu sözlerden daha dardır.

Bir portreyi gerçekten öğrenmenin yolu, onu kendi sözcüklerinizle yeniden anlatmaktır. Aşağıdaki adımlar bunun için hazırlandı. Önce komutu kullanın, sonra yanıtı bu dersle karşılaştırın. Tutmayan her cümleyi silin ya da kaynağıyla birlikte düzeltin. Asistan size yanlış bir bilgi verirse bunu bir ders sayın. Amaç ezber değil, bilgiyi kontrol etmeyi öğrenmektir. Bu dizide her portrede aynı sırayı izliyoruz: önce kimin ne zaman ne yaptığına, sonra bugünkü araçlarla bağına, en sonda da nerede yanılabileceğinize bakıyoruz. Yeni bir isimle karşılaştığınızda bu sıra size yol gösterir.

1. Aşağıdaki güçlü komutu kopyalayın ve bir yapay zekâ asistanına yapıştırın.
2. Asistanın “buldu” ya da “çözdü” dediği cümleleri bulun.
3. Her birini ödül gerekçesiyle karşılaştırın.
4. Gerekçeden geniş olan cümleleri daraltın.

Kontrol listesi

• Yanıttaki her tarihi ve her adı bu dersle karşılaştırdım
• Ödül gerekçesinden geniş cümle yazmadım
• Asistanın kaynak göstermediği cümleleri ayrıca işaretledim
• Bilmediğim bir iddiayı kesin bilgi gibi başkasına aktarmadım

Sık yapılan hatalar

Portre derslerinde en sık görülen sorun, tarih, ad ve unvanların karışmasıdır. Aşağıdaki maddeler, bu kişiyle ilgili kaynaklarda açıkça görülen olgulara dayanır. Bir asistan bunlardan birini ters söylerse, yanıtın geri kalanına da şüpheyle bakın.

• Nobel Ödülü’nü Fizik ödülü sanmak: bu ödül Kimya dalındaydı
• Ödülün tamamını Hassabis’e mal etmek: pay dörtte birdir ve John Jumper da vardır
• AlphaFold2’nin “ilaç bulduğunu” söylemek: gerekçe protein yapısı tahminidir
• AlphaFold2 ile Gemini’yi aynı sistem sanmak

Kendinizi deneyin

Aşağıdaki üç soru dersin ana fikirlerini sınar. Yanlış yanıt verirseniz açıklamayı okuyun ve ilgili bölüme dönün.

Kaynaklar

• Demis Hassabis: Nobel Kimya Ödülü 2024 bilgi sayfası (NobelPrize.org) (İngilizce)
• The next chapter of our AI momentum, 5 Ağustos 2026 (Google) (İngilizce)
• Introducing Gemini, 6 Aralık 2023 (Google) (İngilizce)

Son kontrol: 8 Kasım 2026

Kaynak: yzdersleri.com/ders/demis-hassabis-alphafold-ve-nobel-kimya-odulu/ · Yapay Zeka Dersleri