Türdiriltimi (İng:"De-extinction") kavramı, belki de bilim dünyasının görmüş olduğu en olağandışı ve ilginç kavramlardan biridir. Nesli tükenmiş canlıları, bir nevi yeniden hayata döndürme fikri, ilk duyulduğunda hem ilginç hem de neredeyse imkânsız gibi gelebilir. Ancak genel kanının aksine, bu fikrin gerçekleştirilebilirlik potansiyeli vardır ve hatta bazı başarılar elde edilmiştir. 2023 yılı itibariyle, türdiriltimi oldukça popüler bir araştırma alanı haline gelmiştir ve aldığı yatırımlar sayesinde de hızla gelişmektedir. Türdiriltimi, gelecekte ekosistem mühendisliğinden yapay rahim teknolojilerine kadar hayatımızın her alanını etkileyecek bir bilimsel araştırma sahası olma yolunda önemli adımlar atmaktadır.

Türdiriltimi, 21. Yüzyılda popüler hale gelen bir kavram olmasına rağmen, kökenleri çok daha eski zamanlara dayanmaktadır. Bu konseptin izleri, 1900'lerin başlarına ve hatta Nazi Almanya'sı dönemine kadar gitmektedir. Kulağa ütopik bir olgu gibi geldiği için birçok insan, türdiriltiminin gerçekleştirilebilir olup olmadığı sorusunu sormaktadır. Nitekim tarih boyunca çeşitli türdiriltim projeleri gerçekleştirilmiş; bazıları başarılı olmuş, bazıları ise başarısızlıkla sonuçlanmıştır.

Yapay nöral ağlar, finanstan insan kaynaklarına ve sağlık hizmetlerine kadar oldukça geniş bir uygulama skalasında kullanılan geniş dil modelleri de dahil olmak üzere, yapay zekâ alanındaki atılımlara güç veriyor. Ancak bu ağlar aynı zamanda, mühendislerin ve bilim insanlarının iç işleyişini anlamakta zorlandıkları birer kara kutu olmaya da devam ediyor. Fakat işler değişiyor, Kaliforniya San Diego Üniversitesi'nden veri ve bilgisayar bilimcileri önderliğinde bir ekip, yapay nöral ağların aslında nasıl öğrendiğini adeta gözler önüne serdi.

Araştırmacılar, istatiksel analizde kullanılan bir formülün, ChatGPT'nin öncüsü olan GPT-2 gibi yapay nöral ağların verilerdeki ilişkili kalıpları nasıl öğrendiği hakkında basitleştirilmiş bir matematiksel açıklama sağladığını keşfettiler. Bu formül aynı zamanda yapay nöral ağların tahminde bulunmak için söz konusu ilişkili kalıpları nasıl kullandığını da açıklıyor. UC San Diego Bilgisayar Bilimleri ve Mühendisliği bölümünde doktora öğrencisi olan ve çalışmanın eş-başyazarı olan Daniel Beaglehole, durumu şöyle açıklıyor:

Giderek artan bir endişe: Büyük İstanbul Depremi. Tarihin en yıkıcı depremlerinden birisinin İstanbul'da yaşanması bekleniyor. Büyük sayılabilecek bir ülkenin neredeyse bütün ekonomisinin kalbine bir hançer gibi saplanacak, belki de hiçbir şeyin eskisi gibi olamayacağını garantileyecek bir deprem bekleniyor.

Televizyon kanalları deprem konusunun reyting kaymağından yiyedursun, işin bilimsel yanı her zamanki gibi göz ardı ediliyor. Bir deprem, muhtemelen bir "mega deprem", bir magazin haberiymiş gibi sunuluyor. Biz bu yazımızda size işin bilimsel taraflarını göstermeye ve uzmanların neden İstanbul'da büyük bir deprem beklediğini anlatmaya çalışacağız.

Olayları, yerleri ve kişileri tüm detayları ile hatırlayamamak yaygın bir insan tecrübesidir. Yakın zamanda katıldığımız bir dersin genel içeriğini hatırlayabiliriz ancak konunun detaylarını dereceli olarak zamanla unuturuz. İlk bakışta bu olayın bellek kapasitemizin sınırlı olmasından kaynaklanabileceğini ve duyusal girdileri büyük bir kesinlik ve bütünlük ile kodlayabilen bir sinir sisteminin çok daha avantajlı olacağını düşünebiliriz. Açıkça, belleğimizin kapasitesi, depoladıklarımızdan çok daha yüksektir. Detayları hatırlayamamak bir yetersizlikten öte, adaptif bir özelliktir; yani unutmak, evrimsel süreçte avantajlı olduğu için özellikle seçilmiştir ve bu durum, güçlü bilimsel kanıtlar ile desteklenmiştir.

Pek çok koşul altında olayların detayları yerine, genelini hatırlamak daha faydalı olabilir. Kırsal bir arazide bir kayanın altında saklanan bir yılanın saldırısına maruz kaldığınızı hayal edin. Sinir sistemi bu olayda korku belleğini oluştururken sadece gerekli kısımları kodlamalıdır: Size hangi yılanın saldırdığı veya yılanın hangi kayanın altında saklandığı önemli değildir. Sinir sisteminin gelecek adına doğru davranışsal adaptasyonları sağlayabilmesi için, detayları ortadan kaldırarak daha sonraki olaylar için genel bir şema çıkarması gereklidir. "Genelleştirme" adı verilen bu fonksiyon bellek sistemlerinin önemli özelliklerindendir ancak kontrol atında tutulmadığı takdirde belirsiz anıların oluşturulmasına yol açar ve artık faydalı bir fonksiyon olmaktan çıkar. Bu nedenle beyin, genellik ve spesifiklik arasında bir denge kurmalıdır.

Evrim sürecinin normalde milyonlarca yıl içinde meydana geldiği düşünülür. Ancak Irvine'daki Kaliforniya Üniversitesi'nden (UCI) araştırmacılar, Proceedings of the National Academy of Sciences'da yayınlanan bir çalışmalarında, UCI'den biyologlar, toprak mikroorganizmalarının küresel ısınmayla baş edebilmek için sadece 18 ay içinde evrimleştiklerini gösterdiler.^[1]

Toprak mikrobiyomları (yani topraktaki mikroorganizma çeşitliliği veya toprak içerisinde bakteri ve diğer mikroorganizmaların toplamı), küresel karbon döngüsünün kritik bir motorudur. Mikroorganizmalar, besin maddelerini ekosisteme geri dönüştürmek ve karbonu atmosfere geri salmak için, ölü bitki materyallerini ayrıştırırlar.

Işık kaynağından salındıktan sonra çarptığı atomdaki elektronlara enerji kazandırır.Enerji kazanan elektronlar daha yüksek enerji seviyesine yani daha dıştaki orbitallere sıçrarlar.Ancak bu enerji seviyesinde fazla kalamayan elektronlar ilk baştaki enerji seviyesine geri döner. Bu,enerjinin korunumu ilkesine göre enerji kazanan elektronun enerjisi düştüğünde kaybedilen enerji foton olarak geri atılır. Yani bu enerji farkı fotonu oluşturur. Yine elektronun kazandığı enerji ile kaybedilen enerji neredeyse aynı olduğu için neredeyse aynı dalga boyunda ışık oluşur. Bu yansıma olayıdır.

79 protonu ve 118 nötronu bulunan Altın, bu kütlesi sayesinde elektronları kendine daha da yakınlaştırıyor.Elektronların çekirdek etrafında döndüğünü biliyoruz.Bu yüzden açısal momentumun korunumu yasası gereği döndüğü yörüngenin yarıçapı azalan elektron daha da hızlı dönecektir. Mesela altında "1s orbitalinde" bulunan elektronlar ışık hızının %50 si hızına ulaşabilecektir.