Yapay zeka programlarından Amazon yağmur ormanlarına kadar, insanlar çeşitli insan-dışı varlıklara karşı şükran ve koruma içgüdüsü hissediyor. Emotion dergisinde yayınlanan yeni araştırma, bu durumun arkasındaki psikolojik mekanizmayı ortaya çıkardı. Çalışmaya göre, insanlar bu varlıkları iyi niyetli olarak algıladıklarında onlara karşı minnet duygusu geliştiriyor. Bu keşif, teknoloji çağında insan-makine etkileşiminin nasıl şekillendiğini ve çevreye yönelik tutumlarımızın psikolojik temellerini anlamamızda önemli bir adım. Araştırma, modern yaşamda artan yapay zeka kullanımı ve çevre bilincinin psikolojik boyutlarını açıklıyor.

Yeni bir araştırma, Amerikalıların sosyal medyadaki zararlı davranışların yaygınlığını büyük ölçüde abartarak algıladığını ortaya koydu. Katılımcılar, sosyal medya kullanıcılarının neredeyse yarısının nefret içerikli paylaşımlar yaptığını düşünürken, gerçek oran yüzde 10'un altında kalıyor. Bu algı yanılgısı, sosyal medya platformlarının gerçek durumundan çok daha toksik görünmesine neden oluyor. Araştırma, insan psikolojisinin olumsuz olaylara daha fazla dikkat verme eğiliminin dijital ortamdaki yansımalarını gözler önüne seriyor.

Araştırmacılar, Mamba adlı yapay zeka modelini kullanarak fare beynindeki binlerce nöronun aktivitesini analiz ederek, hayvanın nasıl davranacağını tahmin etmeyi başardılar. Model, sadece nöron ateşleme verilerini öğrenerek, farelerin görsel uyaranlara nasıl tepki vereceğini %75.7 doğrulukla öngörebildi. Bu çalışma, beyin-bilgisayar arayüzleri için önemli bir adım teşkil ediyor. Geleneksel yöntemlere kıyasla 4-6 puan daha yüksek başarı gösteren sistem, 39 farklı oturumda 27.000 nöron ve yaklaşık 2.000 deneme üzerinde test edildi. Teknoloji, gelecekte felçli hastalara yardım edebilecek beyin-bilgisayar arayüzlerinin geliştirilmesinde kritik rol oynayabilir.

Araştırmacılar, zamana bağlı görevlerde çalışan yapay sinir ağlarının öğrenme sürecinde kritik dönüm noktalarını incelediler. Bifurkasyon adı verilen bu matematiksel geçiş noktalarında, sistemin davranışında köklü değişimler yaşanıyor. Çalışma, bu kritik anlarda gradient descent algoritmasının nasıl çalıştığını analiz ederek, karmaşık tekrarlayan sinir ağlarının bile basit matematiksel formlarla açıklanabileceğini gösteriyor. Bulgular, yapay zeka modellerinin öğrenme mekanizmalarını daha iyi anlamamız için önemli bir adım.

Mevcut video yapay zeka modelleri, insanların sosyal etkileşimleri nasıl algıladığını anlama konusunda yetersiz kalıyordu. Araştırmacılar, V-JEPA2 gibi gelişmiş modellerin bile sosyal video kliplerdeki insan benzerlikleri tahminlerinde basit metin modellerinden daha kötü performans gösterdiğini keşfetti. Bu sorunu çözmek için 'davranışsal geometrik denetim' adı verilen yeni bir yöntem geliştirildi. 250 doğal sosyal video klibinden toplanan 49.484 insan yargısı kullanılarak, yapay zeka modellerinin sosyal algısı önemli ölçüde geliştirildi.

İnsanlar onlarca yıldır bilinen bir şekilde olasılıkları sistematik olarak yanlış algılıyor. Bu durum, düşük olasılıkları olduğundan yüksek, yüksek olasılıkları ise olduğundan düşük görmemize neden oluyor. Yeni araştırma, bu garip davranışın ardındaki nedeni Bayesci istatistik çerçevesinde açıklıyor. Beynimizin olasılık bilgilerini gürültülü sinyaller halinde kodladığını ve bu bilgiyi çözerken risk minimizasyonu stratejisi uyguladığını öne süren çalışma, bu sürecin neden ters-S şeklinde bir algı bozukluğu yarattığını gösteriyor. Araştırma, beynin 0 ve 1'e yakın değerlerde daha hassas kodlama yaptığını ve bu durumun karar verme süreçlerimizi nasıl etkilediğini ortaya koyuyor.

Motor korteksin hareket kontrolündeki matematiksel davranışı, diferansiyel geometrideki derin bir problemi çözebilir. İnsan motor kontrolünde gözlenen üçte iki kuvvet yasası, eşit-afin hızın geometrik karşılığıdır. Ancak klasik diferansiyel geometride eşit-afin metrik gerçek bir tensör değildir ve koordinat değişimlerinde kovaryant davranmaz. Araştırmacılar bu sorunu 'tel difeolojisi' adlı yeni bir geometrik yaklaşımla çözmeyi öneriyor. Bu yaklaşım, Öklid düzlemini pürüzsüz eğrilerle donatarak eşit-afin metriği tam kovaryant bir tensöre dönüştürüyor. Çalışma, motor korteksin iki boyutlu alanlar yerine eğriler çizdiği gerçeğinden yola çıkıyor ve bu biyolojik gözlemin matematikteki temel bir geometrik probleme çözüm sunabileceğini gösteriyor.

Araştırmacılar, kısa mesafede çekici ve uzun mesafede itici kuvvetlerle etkileşen kolloidal parçacıkların aktif süspansiyonlarında dikkat çekici bir fenomen keşfetti. Parçacıkların kendi kendine hareket etme kuvveti artırıldığında, sistemin yapısal geçişleri pasif durumda sıcaklık artışıyla görülenlere benzese de, taşıma özellikleri tamamen farklı davranış sergiliyor. Bu durum, aktivitenin parçacık mobilitesini artırırken yapıyı koruduğunu ve yapı ile dinamik arasında bir ayrışmaya yol açtığını gösteriyor. Brownian Dinamik simülasyonlarıyla elde edilen bu bulgular, kolloidal sistemlerin aktif ve pasif hallerinin beklenenden çok daha karmaşık bir ilişkiye sahip olduğunu ortaya koyuyor.

Araştırmacılar, katı maddelerin elektronik yapısını hesaplamak için yenilikçi bir matematik yaklaşım geliştirdi. Açık korelasyonlu Gauss fonksiyonları temel alınan bu yöntem, periyodik sistemlerdeki elektronların davranışını daha doğru bir şekilde modelleyebiliyor. Geleneksel yöntemlerde büyük zorluklarla karşılaşılan çift kafes toplamları problemi, genelleştirilmiş bir açılım teoremi ile tek toplama indirgenmiş durumda. Bu matematiksel ilerleme, materyal biliminde ve kuantum kimyasında önemli uygulamalar vaat ediyor. Yöntemin doğruluğu, sonsuz uzunluktaki hidrojen zinciri üzerinde test edilmiş ve diğer çok-cisim yöntemleriyle uyumlu sonuçlar elde edilmiş. Bu gelişme, gelecekte daha karmaşık malzemelerin elektronik özelliklerinin anlaşılmasına katkı sağlayabilir.

Bilim insanları, protein gibi biyomoleküllerin davranışını simüle etmek için kullanılan yapay zeka tabanlı moleküler dinamik modellerinde devrim niteliğinde bir gelişme gerçekleştirdi. Geleneksel yöntemler sadece kuvvet eşleştirmesi kullanırken, yeni geliştirilen Hessian eşleştirme tekniği, moleküllerin enerji yüzeyinin eğriliği hakkında ikinci dereceden bilgileri de modele dahil ediyor. Bu yaklaşım, protein katlanması gibi karmaşık biyolojik süreçlerin çok daha doğru bir şekilde simüle edilmesini sağlıyor. Araştırmacılar, tam Hessian matrisini hesaplamadan stokastik Hessian-vektör çarpım eşleştirmesi kullanarak hesaplama maliyetini düşük tutmayı başarmış. Dokuz farklı hızlı katlanan protein üzerinde yapılan testlerde, yöntemin geleneksel force matching tekniklerine göre üstün performans gösterdiği kanıtlandı.

Araştırmacılar, dinamik sistemleri modellemede kullanılan yapay sinir ağlarının performansını artıran yeni bir yöntem geliştirdi. MPINeuralODE adlı bu yaklaşım, fizik yasalarını öğrenme sürecine dahil ederek ve çoklu başlangıç koşullarını kullanarak, sistemlerin uzun vadeli davranışlarını daha doğru tahmin edebiliyor. Geleneksel Neural ODE'ler genellikle eğitim verilerinde iyi performans gösterse de, yeni koşullarda ve uzun zaman dilimlerinde başarısız oluyordu. Yeni yöntem, Lotka-Volterra gibi karmaşık dinamik sistemlerde %26 oranında daha iyi sonuçlar elde ederek, yapay zekanın fiziksel sistemleri anlama kabiliyetini önemli ölçüde artırıyor.