Enver KOÇAK
xAI, 1 Eylül 2026’da biyoloji alanındaki güvenlik çalışmalarına dair bir yazı yayımladı. Yazının merkezinde bağımsız bir değerlendirme var. Biyoloji yazılımları geliştiren LatchBio, Grok 4.6 biyogüvenlik performansını kendi test setleriyle ölçtü. Sonuçlara göre model, tehlikeli talepleri tanıyıp reddetmede test edilen diğer öncü modellerden daha güvenilir çıktı.
Ne Değişti?
Biyoloji, yapay zekânın hem en büyük faydayı hem de en ciddi riski taşıdığı alanlardan biri. Bir model araştırmacının işini hızlandırabilir, ama kötü niyetli birinin elinde tehlikeli bilgiye de kapı açabilir. Zor olan, bu ikisini birbirinden ayırmak.
LatchBio’nun iki test seti bu ayrımı ölçüyor. Birincisi BioSecBench-Refusal. Yayımlanmış literatürden uyarlanan rutin biyoloji görevlerinin yanına, sıradan araştırma gibi görünen 46 kırmızı takım görevi konmuş. Bu görevlerde tehlike, ekli bilimsel verinin içine, yanlış etiketlenmiş dosyalara ya da kasıtlı olarak gizlenmiş adımlara saklanıyor. Test şunu ölçüyor: Yalnızca “patojen” ya da “toksin” gibi kelimelere tepki veren bir model rutin işleri de engeller, gizli tehlikeyi ise kaçırır. Veriyi gerçekten inceleyen bir model ikisini ayırabilir.
İkinci set BioSecBench-Surveillance. Bu test, halk sağlığı izlemesinde kullanılan patojen genomik gözetim iş akışlarını yürütüp yürütemediğine bakıyor. Dağınık dizileme verisi üzerinde dosya inceleme, araç kullanma ve bilimsel muhakemeyi birlikte gerektiriyor.
Sonuçlar Ne Söylüyor?
Refusal testinde Grok 4.6, kırmızı takım görevlerinin yüzde 59,2’sini reddetti ve rutin görevlerin yüzde 64,8’ini tamamladı. Her iki ölçütte de yüzde 50’nin üzerine çıkan tek model olduğu belirtiliyor. LatchBio’nun bu iki değeri birleştiren ağırlıklı ortalama puanında Grok 4.6, farklı ajan altyapılarında ilk üç sırayı alarak ortalama yüzde 62,1’e ulaştı.
Gözetim testinde ise tablo daha dengeli. Grok 4.6 ortalama yüzde 53,5 başarı gösterdi. Bu sonuçla Anthropic’in Opus 5 modelinin gerisinde, OpenAI’ın GPT-5.6 Sol modelinin önünde yer aldı.
Değerlendirme kayıtlarında modelin, görevi kabul ya da reddetmeden önce görev içeriğini ve test ortamını incelediği görülüyor. Model, talepte söylenen amaçla ortamdaki dosyalar arasında çelişki bulduğunda ya da dosya adları ve şifrelemeyle gizlenmiş riskli içeriği bir araya getirdiğinde reddediyor. Zararsız görevlerde de aynı incelemeyi yapıp işi güvenli bulduğunda devam ediyor.
Kimi İlgilendiriyor?
Bu sonuçlar en çok biyoloji ve yaşam bilimleri alanında yapay zekâ kullanan araştırmacıları ilgilendiriyor. Aşırı temkinli modeller meşru araştırmayı engellediği için şikâyet konusu oluyor. Gevşek modeller ise risk yaratıyor. Her iki ölçütte de dengeli bir sonuç, araştırmacının işini zorlaştırmadan güvenlik sağlamaya yaklaşıldığını gösteriyor.
Yine de sonuçları bağlamıyla okumak gerekiyor. Yazı xAI’nin kendi sitesinde yayımlandı ve kendi modelini öne çıkarıyor. Kırmızı takım görevlerinin yaklaşık yüzde 40’ının hâlâ reddedilmediği de göz ardı edilmemeli. xAI, güvenlik önlemlerini katmanlı kurduğunu, reddetme eğitiminin yanında modele ulaşmadan önce zararlı talepleri eleyen filtreler ve kullanım sonrası izleme uyguladığını belirtiyor.
Türkiye’den Kullanıcılar İçin
Türkiye’deki üniversite ve araştırma laboratuvarları için bu tür bağımsız testler, model seçerken başvurulabilecek somut kaynaklar. LatchBio’nun daha ayrıntılı sonuçları benchmarks.bio adresinde yayımlanıyor. Hangi model kullanılırsa kullanılsın, hassas biyolojik çalışmalarda yapay zekâ çıktılarının kurum içi biyogüvenlik kurallarına göre denetlenmesi gerekiyor.
Kaynaklar
Bu yazı, yukarıdaki kaynaklardan yapay zekâ yardımıyla Türkçe olarak derlenmiş bir özettir. Ayrıntılar ve resmi bilgi için kaynaklara başvurun.
