Yazar, bu makalede 2024 yılında biyolojik makine öğrenimi (bio-ML) alanında yaptığı üç tahmini, iki yıl sonra, yani 2026 perspektifinden yeniden ele alıyor. Blog yazılarının uzun ömürlü olmasının getirdiği bir avantaj olarak, geçmişteki öngörülerini tozunu alıp güncel durumuyla karşılaştırarak okuyucularına sunuyor. Bu retrospektif değerlendirme, sadece yeni ve heyecan verici gelişmeleri takip etmek yerine, zaman içinde nelerin değiştiğini ve temel varsayımların ne kadar geçerli kaldığını anlamak için önemli bir zihinsel egzersiz olarak görülüyor. Yazar, bu yöntemin, bir alanın temellerine hakimiyeti korumak adına periyodik bir kontrol mekanizması sunduğunu belirtiyor.
Makalede ele alınan ilk tahmin, kimyada üretken yapay zeka (generative ML) modellerinin molekül sentezi tarafından darboğaza uğradığı yönünde. Yazarın 2024'teki tezi, bu modellerin yeni moleküller tasarlayabilse de, bu moleküllerin gerçek dünyada sentezlenebilirliğinin büyük bir engel teşkil ettiğiydi. 2026'ya gelindiğinde, yazar bu tahminin "kısmen doğru" olduğunu belirtiyor. Keyfi molekül sentezi hala zorlu bir süreç ve modeller, ürettikleri moleküller için en iyi sentez rotalarını önerme konusunda henüz mükemmel değil. Ancak, bu alanda kaydedilen ilerlemeler de göz ardı edilmiyor.
Yazar, her bir makale için orijinal tezi özetleyecek, o zamandan beri neler olduğunu inceleyecek ve neyin doğru neyin yanlış gittiğine dair bir karar verecek bir format izleyeceğini belirtiyor. Bu yaklaşım, bio-ML gibi hızla gelişen bir alanda sürekli öğrenme ve adaptasyonun önemini vurguluyor.
Hızla gelişen bio-ML alanında geçmiş tahminleri değerlendirmek, gelecekteki stratejileri şekillendirmek ve temel varsayımların geçerliliğini test etmek için kritik bir yöntem sunuyor.