Deepmind Ortak Kurucusu Demis Hassabis insan biyolojisiyle ilgili çalışmalarıyla Nobel ödülü aldı ve kendisine şövalyelik unvanı verildi. Yapay zeka startup’ı Isomorphic Labs dönüm noktası sayılabilecek daha büyük yenilikler sunabilir. – Allie Garfinkle
Demis Hassabis henüz sekiz yaşındayken yıldızları neredeyse hiç göremiyordu. Bohem anne babanın bu harika çocuğu Hassabis, 1980’lerde Londra’nın kuzeyinde büyüdü. Şehir hep sis altında olduğundan Hassabis yalnızca bir takımyıldızını görebiliyordu: Yunan mitolojisinin muhteşem avcısı ve çağlar boyunca denizcilerin ve çiftçilerin rehberi olan Orion. Hassabis’in çocukluğunun üzerinden 40 yıl geçmesine rağmen onun favori takımyıldızı değişmedi ve bunun nedeni de ölümsüzlükle olan bağıydı: Hatta eski Mısırlılar bile Orion’a saygı gösterdiler.
Hassabis, “Her şeyden önce, bu biraz rastlantısal bir durum. Bu yıldızlar dünyadan baktığımızda sıralanmış gözüküyor. İkincisi Orion Kemeri’ni düşünün: Rasgele düzenlenmiş üç yıldız söz konusu. Ancak bilincimizle bunları yorumladığımız için bir şey ifade ediyorlar.” Hassabis’le büyüdüğümüz yerden çok uzak olmayan bir noktada, UCL Gözlemevi’nde, yüz yılı aşkın yaşı olan ve hala gökyüzüne yükselen teleskopların yanında buluşuyoruz.
Burası sonsuzluk hakkında konuşmak için uygun bir yer ancak bu enginlik yalnızca yıldızları değil kendimizi de kapsıyor. Ayrıca burası bütün benliğini devasa veri kaynaklarında anlam bulmaya adayan birisiyle konuşmaya tam da uygun bir seçim. Hassabis, günümüzün en önemli yapay zeka araştırmacılarından ve girişimcilerinden biri. Google’ın 2014 yılında satın aldığı DeepMind’ın ortak kurucularından. 2016 yılında, DeepMind’ın AlphaGo’su, dünyanın en zorlu iki oyunculu strateji oyunlarından olan Go’nun en iyi oyuncusunu yenerek yapay zekada önemli ve yeni bir ufuk açtı.
Yaklaşık on yıl sonra, Hannabis Google’ın ana yapay zeka operasyonlarını yöneterek, Gemini 3 modelinin gücüyle rekabette önde olmaya çalışan teknoloji devine rehberlik ediyor. Ancak şimdiye kadarki en önemli ve sonuç alabildiği çalışmasının AlphaFold 2 olduğu söylenebilir. 2020 yılında DeepMind tarafından gündeme getirilen bu yapay zeka sistemi DNA sekanslarından proteinlerin üç boyutlu yapılarını başarılı bir şekilde öngörebiliyor. AlphaFold 2, işlemeyen ya da şekli bozulan proteinlerden kaynaklanan Parkinson, müsküler distrofi gibi hastalıkların ve bazı kanser türlerinin daha iyi anlaşılmasını ve hatta tedavi edilmesini sağlayan sonuçlar ortaya koyan bilimsel bir başarıydı. Hassabis ve DeepMind bilim insanı John Jumper 2024 yılında kimya dalında Nobel Ödülü’nü kazandı; aynı yıl Hassabis şövalye unvanı da aldı.
Sir Demis’e göre, aslında her şey birbiriyle bağlantılı. İlk başlarda yıldızlara olan hayranlığı yapay zekanın sınırlarına uzandı; rastgele gibi gözüken bir durumda düzen ve anlam arayışındaydı. “Geceleyin gökyüzü her zaman yüzümüze bakan bir gizemdir” diyor. “Bize her zaman daha büyük soruları hatırlatır. Sanırım o devasalığa da böyle dahil oldum. Çok miktardaki veride modeller bulmalısınız ya da çok fazla sayıda olanak içinde doğru hareketi keşfetmelisiniz.”
Hassabis, son birkaç yılda, haftalık 100 saatlik çalışma süresinin önemli bir kısmını dünyanın en önemli model tanıma sorunlarından birine adıyor: İlaç keşfi. Hassabis 2021 yılında, Google’ın ana şirketi Alphabet’in fonlamasıyla, Hassabis yapay zekalı ilaç tasarım şirketi olan ve ilacının bulunmadığı en zor hastalıklardan bazıları için yeni ve çığır açıcı ilaçlar geliştirmeyi hedefleyen Isomorphic Labs’i kurdu.
Isomorphic kurulduğundan beri sessiz ve klinik deney evresi için bir ilaç ortaya koyması gerekiyor. Ancak son zamanlarda kaydettiği ilerlemeler, dönüm noktasının uzak olmadığı şeklinde yorumlanırken, destekleyenler de Isomorphic’in yaklaşımının sahaya çıkması halinde etkili olacağını belirtiyorlar. Startup kısa süre önce kapılarını Fortune’a açtı; yapay zekanın en büyük olanakları ve zorluklarıyla ilgili olarak üç gün boyunca yöneticiler ve bilim insanlarıyla konuştum. Hassabis, “Bir biyoteknoloji şirketi kurumsal hayatı boyunca bir ya da iki ilaç yapabilir” diyor. “Ancak bizler her yıl belki de onlarca ilaç geliştirebilecek bir teknoloji, bir sistem ortaya koymaya çalışıyoruz. Bu çılgınca gözükebilir şimdi ama gelecek 10-20 yılda tüm hastalıklara çare bulabileceğimizi düşünüyorum.”
İlaç keşfi aslında samanlıkta iğne aramak gibi bir şey: Potansiyel olarak tedavi edici bileşenleri sonsuz sayıdaki biyoloji değişkenlerine karşı test edip, sürekli engeller ve astronomik sayıda başarısızlıkla karşı karşıya kalmayı göze almak gerekiyor. AlphaFold bu sürecin çok az bir kısmında rol alsa da, yapay zekanın tıp biliminde bir sorunu ele alıp, yıllarca sürebilecek bir işlemi dakikalara sığdırarak, çözüm sunabileceğine dair deprem etkisi yaratabilecek bir umut olduğunu ortaya koydu.
Bu kırılma noktasında sonra Hassabis Isomorphic’i basit bir fikirle kurdu: AlphaFold’u bütünüyle bir ilaç tasarım motoruna dönüştürürsek ne olur? Bu kırılma noktası, pek çok insanın salt yapıya odaklanarak başarısız olduğu bir alanda başarıyı hedefliyor: İlaçların hedefleriyle etkileşimleriyle ilgili moleküler düzeyde ayrıntılı tahminler için yapay zekayı kullanarak, ilaç keşfinde klinik deneyleri öncesindeki zaman kaybettiren denemeleri ortadan kaldırmak ve hastalığın “çözüm”ünü gerçeğe dönüştürmek.
Isomorphic ilk başlarda Alphabet’ten fon sağladı; teknoloji devinin “Diğer bahisler” segmentinde yer aldı. Şirket Mart 2025’te, Google Ventures’ın da dahil olduğu Joshua Kushner’in Thrive Capital’inin yatırım toplama seansında ilaveten 600 milyon dolar elde etti. Hedef şuydu: Zaman içinde, kanser ve Alzheimer gibi halen çaresiz olan hastalıkları odak noktalı, halihazırda sihirli gibi gözüken ama gelecekte standart hale gelecek yöntemlerle iyileştirebilecek ilaçlar geliştirmek. Thrive Capital ortağı Vince Hanks, “Kimse bugün elle uçak tasarımı yapılabileceğini düşünmek istemez aynı şekilde hiç kimse elle çizilen uçakla da uçmak istemez” diyor. “Ama bizim bütün ilaçlarımız böyle tasarlanıyor.
Gelecekte, tıpkı bugün uçakları tasarladığımız gibi, ilaçların da güçlü yazılım, zeka ve simülasyonla tasarlanması gerekiyor.” Isomorphic’in 300 kadar çalışanı da, Hassabis liderliğinde tam da bunu yapmaya çalışıyor.
Gerçekleşmesi çok zor işler
Özlemlenebilir evrende olası kimyasal bileşenlerin sayısı yıldızlardan daha fazladır; en son araştırmalara göre, yaklaşık 1060 ve bu tahmini rakam yalnızca küçük, ilaca benzer molekülleri içeriyor ve daha düşük olabilir. Hassabis ve ekibi, bu kombinasyonlardan hangisinin biir mütasyonu tetikleyebileceğini yapay zekayla çözmeyi umut ediyor. Tarihte çok uzun bir süre, çok az ilaç ortaya konulabildi ve bu var olan ilaçların büyük bir bölümü de tesadüfen bulunmuştu. (Tesadüfen küfün bulaşmasıyla keşfedilen penisilin bunun en güzel örneğidir.) 1960’larda, ilaç keşifleri doruk noktasına ulaşırken, erken kanser ve kardiyovasküler tedavilerin ortaya çıkmasına da tanık olundu. Ancak 20.yüzyılın büyük bir bölümünde, bilim insanları kimya dünyasını hem büyük bir güçle hem de yavaş yavaş gelişen teknolojiyle taradılar. Pek çok kimyacı kariyerlerini tortuları kaynatarak, laboratuvar testleri yaparak ve sıfırdan başlayıp çoğu zaman da başarısız olarak geçirdi. Hatta bugün bile, yaygın bilinen sektör isimlerine göre, ilaç keşfi için çalışan 20 kimyacıdan yalnızca biri kariyeri boyunca bir ilacı başarılı bir şekilde pazara taşıyabilecek.
Isomorphic’te baş bilim sorumlusu Miles Congreve, “Spesifik bir sorun için mükemmel bir çözüm olabilecek bir moleküle dahil etmeye çalıştığınız pek çok farklı parametre var” diyor. “Hedefi tam tutturacağınız, güçlü ve çok iyi çalışan bir bileşen bulduğunuzu düşünürsünüz. Ama yolunda gitmeyen başka şeyler vardır ve çıkmaza girersiniz.”
Congreve, tıp kimyagerleri arasında sıra dışı bir isim: Novartis ve Astex Pharmaceuticals’ın meme kanseri ilacı ribociclib dahil üç kanser ilacının pazara çıkmasını sağladı. İlaç sektöründe, bir ilacı klinik deneme aşamasına getirmek bile sıklıkla büyük bir kazanç olarak tanımlanır. Ancak kendisinin de belirttiği gibi bu tür deneylerde, “her zaman en az yüzde 90 bir başarısızlık oranı” söz konusudur. Novartis’te biyomedikal araştırma başkanı Fiona Marshall, “O mükemmel molekülü bulma olasılığınız çok çok düşüktür” diyor. Bu ihtimaller, AlphaFold 2 çok iyi sonuçlar ortaya koyduğunda bilim insanlarının ne kadar şaşırdığını da açıklayabiliyor. Bu dönüm noktası Isomorphic’in yetenekleri çekmesini de sağladı. Bilişimsel biyoloji direktörü Melissa Davis, AlphaFold’un geliştirilmesiyle yakından ilgilendiği için sürece dahil olduğunu anlatıyor.
Davis, “İnsanlar bütün kariyerlerini bir membran proteini kristalize etmeye adayabilirlerdi” diyor. “Birdenbire, protein için bir yapı elde etmek amacıyla beş, altı yıl harcamamanız gerektiğini görüyorsunuz. Herhangi bir bilim insanı bunun gibi bir şey ortaya çıkarabilir.” Diğer üst düzey çalışanların da Hassabis’le uzun süreli ilişkileri var. Kasım ayında, Hassabis’le uzun süre birlikte çalışan Colin Murdoch’un yerine başkan olarak atanmadan önce Isomorphic’te baş yapay zeka sorumlusu olarak çalışan Max Jaderberg, pek çok başka ürünle beraber AlphaStar’ı geliştirmek için DeepMind’da yedi yıl çalıştı; AlphaStar video oyunu StarCraft II’de insan profesyoneli yenen ilk yapay zekaydı. Jaderberg, Isomorphic’e geçen Hassabis’in peşinden giden DeepMind çalışanları arasında önemli biri isim; DeepMind’dan gelenler Isomorphic’in çalışanlarının yaklaşık yüzde 11’ini oluşturuyor.
Jaderberg, “Hayatı boyunca tek bir başarılı ilaç ortaya koymadan kariyerlerini tamamlayacak tıbbi kimyagerlerin olduğunu duymanız küçültücü bir durum” diyor. “Benim gibi, her altı ayda bir en iyiyi ortaya koymanız gereken aksi halde yok olacağınız yapay zeka dünyasından gelen birisi için büyük bir zıtlık” diyerek devam ediyor.
“Deneyinizi gerçek bilimsel süreçlerle ve gerçek ıslak laboratuvar (wet lab) ortamında uygulamaya koyduğunuzda büyük bir heyecan yaşıyorsunuz.” Doğru yeteneği bulmak, dolu ajandası Isomorphic’te geçirmesi gereken zamanı kısıtladığından Hassabis açısından son derece önemli. Startup’ının ofisine haftada bir genellikle salı günleri geliyor; burada yönetici ekibiyle görüşüyor ve şirketin teknik yönetimi için öncelikleri belirliyor. Hassabis, “yönetilmesi zor üstün zekalıları” yönetmeyi sevdiğini söylerken dalga geçiyor; yaratıcı kapasitesi olanlarla ilgilendiğini belirtiyor. Hassabis, “Herhangi bir profesyonel bilim insanı teknik olarak da çok iyi olacak” diyor. “Ama acaba yaratıcı yeni bir fikirle gelebilir misiniz ya da doğru soruyu sorabilir misiniz? Bu daha zor. Cevabı bulmak aslında doğru soruyu bulmak demek.”
İlk önce yapı
Isomorpic’in önce yapı yaklaşımı, Jaderberg’in ifadesiyle, genellemeyi uzmanlaşmaya tercih etmek anlamına geliyor. Startup vücudun karmaşık biyolojik kümelerinin haritasını daha geniş çaplı bir şekilde ortaya koymaya çalışarak, herhangi bir bileşenin bir dizi hastalığı ve diğer biyolojik süreçleri nasıl etkileyebildiğini daha iyi anlamaya çalışıyor. CTO Sergei Yankeen, bütün çalışmalarının, tıpkı bir zamanlar aya uzay aracı göndermenin akıl almaz bir durum olarak algılanması gibi, kesinliğe ulaşmaya yönelik olduğunu belirtiyor. Teknolojinin özü, bir dizi tescilli model etrafında şekillenmiş ilaç tasarım motoru. Motor güncellenmiş protein tahmin modeli ayrıca peptitler, moleküler yapıştırıcılar ve antikorlar içeriyor.
Motorun inşa edildiği veriler global Protein Veri Bankası, Birleşik Krallık Biyobankası, ticari olarak lisanslı kaynaklar, içerde üretilmiş veri dizileri ve ortaklardan gelenleri içeriyor. İş kısmen mevcut verilerden daha fazla bilgi almaya dayanıyor; Yankeen, bunu geçmişte başkalarının da yapmaya çalıştığını ama genellikle başarılı olamadıklarını söylüyor. Ancak doğru becerilerle bu aklın sınırlarını zorlayan sistemlerin inşa edilebileceğini kaydediyor. Isomorphic kısa vadede hangi hastalıkları hedeflediğini söylemeyecek; bu gizlilik ilaç sektörü için normal ancak teknoloji için biraz tuhaf.
Şirket, eczacılık devleri Eli Lilly ve Novartis’le olan iş birliklerini araştırmasında ilerlediğinin kanıtı olarak gösteriyor. (Novartis’le ortaklığı 2025 yılında daha da büyüdü.) Öte yandan, konuşmalarda pek çok yönetici ilacı olmayan hastalıklara ilaç bulmaya odaklandıklarını belirtiyor. Bu cümle ilaç geliştirmede çok fazla kullanılır ve görece spesifik bir duruma işaret ediyor: Özellikle pankreas, akciğer ve kolorektal kanser türlerinde yaygın olan protein mütasyonlarının ele alınması. Tüm bu kanser türleri şimdiye kadar tedaviye yanıt vermedi ve Isomorphic de en çok bu alanlara odaklanıyor.
Beş yıl ya da daha uzun bir süre zamandan tasarruf
Hem ilaç keşfi hem de yapay zeka ekonomisi affetmez. Pazara yeni bir ilaç çıkarabilmek için keşiften klinik deneylere kadar on yıl ve 2 milyar dolardan fazla bir para harcamanız gerekebilecek; çoğu zaman da bu çabalar yüzde 90 oranında başarısızlıkla sonuçlanacak. Bu arada, yapay zekada sürekli bilişsel sorunlarla baş etmeye çalışacaksınız; bu noktada, Isomorphic’in Alphabet’in cömert desteğine sahip olması avantaj sağlıyor.
Isomorphic aynı zamanda biraz duygusal anlamda da rekabetçi bir pazarda yol almaya çalışıyor: Pazara yapay zekayla üretilmiş ilk ilacı çıkarması için yoğun bir baskı altında. Insilico ve Recursion gibi rakipler oldukça önde; halihazırda Insilico Çin merkezli klinik deneylerde çok fazla sayıda ilaca sahip. Isomorphic de deney evresine geçmek üzere olduğunu belirtse de belli bir zaman çizelgesi vermiyor. Ancak bugünün yakın olduğuna dair bir işaret var: Haziran 2025’te onkoloji uzmanı Ben Wolf’u baş tıp sorumlusu olarak görevlendirdi. Wolf da Boston merkezli bir ekibi işe alıyor. “Tüm bunların işleyebilmesi için üst düzey eczacılık özelliklerine sahip, doğru test sonuçları ortaya koyacak süper bir ilaca ihtiyacım var” diyor. Startup şimdilik klinik deneylere ya da işin ticari kısmına odaklanmak yerine ilaç keşif süreciyle ilgileniyor. Bu noktada da, Jaderberg hem olanakların hem de sınırlamaların farkında.
“En azından orta vadede, biyolojinin insanlık için muamma olan kısımlarıyla karşı karşıya kalacağımızı biliyoruz” diyor ve şöyle devam ediyor: “Amaç daha az sihirli gözükmesi için gereken bilimsel süreçleri ortaya koymak; bunu da, elde etmek istediğiniz etkileri izole edebilmeniz için bir tür fare kapanları yerleştirmeye benzer.” Novartis’ten Marshall yapay zekanın keşif ve denemeleri yüzde 50 oranında hızlandırabileceğini düşünüyor. Marshall, “Ortalama beş yıllık bir zaman tasarrufu olabileceğini düşünüyorum” diyor ve özellikle gelişmiş keşif sürecinin önemli bir zaman tasarrufu sağlayacağını söylüyor.
Ancak sonuç itibariyle, insan biyolojisinin karmaşıklığının ve ortaya konulan ilacın güvenilirliğinden tam olarak emin olmanın yolu uzatabileceğini de sözlerine ekliyor. Şu bir gerçek ki, tıp dünyasındaki bilim insanları yapay zekayla ilaç keşfinin son on yılda gerçekten ortaya koyabileceklerinden çok daha fazlasını vadettiği konusunda hemfikirler. Nitekim Isomorphic de çok fazla şey vadediyor. Bu konuyu gündeme getirdiğimde, o felsefesini şöyle açıklıyor: “Hastalığı çözmek” fikri, hastalığı bir defadan tamamen ortadan kaldırmaktan daha geniş çaplı ve daha pratiktir.
“Tedavi etme”yi dile getirmemesinin bir nedeni var. Kimsenin hasta olmayacağının garantisinin verilemeyeceğini ifade eden Hassabis, ancak gereksinimler ortaya çıktıkça, ileri yapay zeka ve teknoloji platformları sayesinde sistematik, tekrarlanabilir ve ölçeklenebilir bir işlem geliştirilebileceğini söylüyor. Hassabis, “Biyolojiyle ilgili temel yaklaşımımız üzerine bir şeyler inşa ediyoruz” diyor. “Bazı müdahalelerde bulunmanız halinde neler olabileceğini öngörebilen sanal hücre gibi bir şeyle ortaya çıkabiliriz.”
On yıl içinde bunun gerçekleşeceğine inanıyor ve bu da bir sonraki soruya götürüyor: “Ne kadar kişiye özel olabilir? Eczaneye gidip, hastalığınızın fenotipinden söz ettiğinizi hayal edin. Böylece size hangi ilacın uygun olduğunu biliyorsunuz”; bu, hastalık tedavisinde büyük bir kırılma, dönüm noktası. Hassabis başka evrenler hakkında düşünmenin içimizdeki biyolojiyi de anlamaya başlamamıza yardımcı olabileceğine inanıyor. Sonuç itibariyle, “izomorfik” kelimesi farklı gözüken ama aslında yapısal olarak benzeyen iki nesneyi tanımlıyor. Hassabis’le konuştuktan sonra UCL Gözlemevi’nde 1862 yılında yapılan Fry Teleskopu’na gittim. Teleskopla bakınca Satürn’ü gördüm.
Bu gezegenle Dünya arasında ışığın seyahati yaklaşık 95 dakika sürüyor ve bu kadar uzakta olan bir şeyi bu kadar net görmek insana gerçek üstü gözüküyor. Hassabis, “Evren bir şekilde, bilimin üzerine çalışabileceği şekilde oluşmuştur” diyor. “Sanki anlaşılmak istiyor. Aksi takdirde, bilimsel yöntemler bu kadar iyi işleyebilir ve bu kadar tekrarlanabilir miydi? Yapay zekayı unutun… Bilgisayarlar bile neden çalışmalı? Bunlar kum, metal ve etrafta hareket eden elektron parçacıkları. Ve daha sonra da muhteşem bir şey gerçekleşiyor.”