Araştırmacılar, mevcut transformer modellerinin sınırlarını aşan yeni bir yapay zeka mimarisi geliştirdi. State Stream Transformer (SST) V2, geleneksel modellerin aksine pozisyonlar arası gizli bilgiyi koruyor ve sürekli bir mantık yürütme süreci sağlıyor. Bu yenilik, AI modellerinin daha verimli öğrenmesini ve daha derin düşünme kapasitesini mümkün kılıyor. Model, her katmanda doğrusal olmayan bir tekrarlama mekanizması kullanarak, gizli durumları tüm dizi boyunca akıtıyor. En önemli özelliği ise çıkarım sırasında her pozisyonda sürekli düşünebilme yetisi - tıpkı insanların karar vermeden önce düşünmesi gibi. İki aşamalı paralel eğitim prosedürü sayesinde verimli öğrenme sağlanırken, gizli durum analizi modelin farklı anlamsal alanlarda gezinerek mantık yürüttüğünü gösteriyor.

Büyük dil modelleri tek seferde verilen talimatlarda başarılı olsalar da, çok turlu konuşmalarda bilgiyi takip etmede zorluk yaşıyor ve performansları düşüyor. Bu soruna 'Konuşmada Kaybolma' adı veriliyor. Araştırmacılar, yapay zeka modellerinin hem doğru cevap vermesini hem de bir soruyu çözüp çözemeyeceğini değerlendirmesini sağlayan yeni bir eğitim yöntemi geliştirdi. RLAAR adlı bu yaklaşım, modellerin zorluğu kademeli olarak artan diyaloglarla eğitilmesini ve erken cevap verme davranışlarını azaltmasını hedefliyor. Yöntem, çatışma öğrenme prensibiyle çalışarak modellerin güvenilirliğini artırıyor.

ETH Zürich araştırmacıları, bir top üzerinde dengede durabilen insansı robot sistemini başarıyla geliştirdi. asRoBallet adı verilen bu proje, reinforcement learning (pekiştirmeli öğrenme) teknolojisini ilk kez bu tür bir donanımda uygulamayı başardı. Ballbot adı verilen bu robot türü, tek bir küre üzerinde dengelenerek hareket eden ve robotik alanında önemli bir kontrol zorluğu oluşturan sistemlerdir. Araştırmacılar, sanal ortamla gerçek dünya arasındaki farkları minimize eden yüksek doğrulukta simülasyon geliştirerek, robotun sürtünme kuvvetlerini daha iyi anlamasını sağladı. Bu çalışma, dengesiz robotik sistemlerin kontrolünde önemli bir ilerleme kaydederken, gelecekte daha çevik ve uyarlanabilir robotların geliştirilmesine kapı açıyor.

Araştırmacılar, 3 boyutlu türbülanslı akışkanları simüle etmek için FlowRefiner adı verilen yeni bir yapay zeka modeli geliştirdi. Geleneksel neural PDE çözücülerinin aksine, bu model iteratif iyileştirme yöntemi kullanarak türbülanslı akışlardaki karmaşık yapıları daha doğru bir şekilde modelleyebiliyor. FlowRefiner, stokastik gürültü giderme yerine deterministik ODE tabanlı düzeltme kullanıyor ve tüm iyileştirme aşamalarında birleşik hız alanı regresyon hedefi benimsiyor. Bu yaklaşım, hava dinamiği, okyanus akıntıları ve endüstriyel akışkan simülasyonları gibi alanlarda çığır açabilir.

Araştırmacılar, yapay zekanın hiç görmediği nesneleri tanıyabilme yeteneğini geliştiren yeni bir sistem tasarladı. Sıfırdan öğrenme (zero-shot learning) olarak bilinen bu teknoloji, genellikle temiz ve düzenli verilerle çalışırken, gerçek dünyada karşılaşılan gürültülü ve belirsiz etiketlerle zorlanıyor. Yeni geliştirilen DVSA sistemi, görsel ve anlamsal bilgileri dinamik olarak hizalayarak bu sorunu çözüyor. Sistem, dikkat mekanizması kullanan çift yönlü hizalama modülü ve karşıtsal öğrenme teknikleriyle çalışıyor. Ayrıca, yanlış etiketleri iteratif olarak düzelten dinamik bir mekanizma sayesinde anlamsal tutarlılığı korurken performansını artırıyor.

Araştırmacılar, variasyonel otokodlayıcı (VAE) modellerinin verimliliğini artıran yeni bir yöntem geliştirdi. Instance-Adaptive VAE (IA-VAE) adı verilen bu yaklaşım, her veri örneği için özel parametreler üreten bir hiperağ kullanıyor. Geleneksel VAE modellerinde tüm veriler için aynı parametrelerin kullanılması nedeniyle ortaya çıkan 'amortizasyon açığı' sorununu çözmeyi hedefliyor. Yeni yöntem, her girdi için özel uyarlamalar yapabilirken tek geçişte çalışma verimliliğini koruyor. Teorik analizler, IA-VAE'nin standart yöntemlerden daha kötü performans gösteremeyeceğini matematiksel olarak kanıtlıyor. Deneysel sonuçlar, yöntemin çok daha az parametre kullanarak geleneksel kodlayıcılarla karşılaştırılabilir başarı elde ettiğini gösteriyor.

Stanford ve MIT'den araştırmacılar, yapay zeka sistemlerinde karar verme süreçlerinin temelini oluşturan dinamik programlama algoritmalarını yeni bir perspektifle inceledi. Markov karar problemlerinin çözümünde kritik rol oynayan Q-değer iterasyonu algoritmasının geometrik yapısını analiz eden çalışma, geleneksel yaklaşımların gözden kaçırdığı önemli detayları ortaya çıkarıyor. Araştırma, algoritmanın sadece nihai sonuca değil, optimal politikanın ne zaman etkili hale geldiğine odaklanarak daha hassas bir karakterizasyon sunuyor. Switching sistem teorisi lens kullanılarak geliştirilen bu yeni yaklaşım, yapay zeka sistemlerinin öğrenme süreçlerini daha iyi anlamamızı sağlayabilir.

Araştırmacılar, sahte yüz görüntülerini tespit etmek için CLIP yapay zeka modelinin metin özelliklerinden yararlanan yenilikçi bir yöntem geliştirdi. Separable Prompt Learning (SePL) adı verilen bu teknik, geleneksel görsel odaklı yaklaşımların aksine metin modalitesine odaklanarak deepfake tespitinde daha etkili sonuçlar elde ediyor. Yöntem, görüntülerdeki sahtelik belirtileri ile gerçek bilgileri ayrıştırarak, yapay zeka modelinin bu ayrımı daha doğru yapmasını sağlıyor. Bu gelişme, artan deepfake tehditlerine karşı daha güvenilir tespit sistemleri oluşturulması açısından önemli bir adım teşkil ediyor.

Diyabetik retinopati, dünya çapında görme bozukluğunun önde gelen nedenlerinden biri. Araştırmacılar, bu göz hastalığını otomatik olarak teşhis edebilen gelişmiş bir yapay zeka sistemi geliştirdi. Sistem, farklı çözünürlüklerde retina görüntülerini analiz ederek hastalığın şiddetini belirliyor. Çift çözünürlükle çalışan EfficientNet ağları ve dikkat mekanizması kullanılan sistemde, ordinal regresyon yöntemi ile hastalığın aşamalı doğası da göz önünde bulunduruluyor. Bu yaklaşım, farklı hastanelerde çekilen görüntülerde bile tutarlı sonuçlar veriyor. Geliştirilen sistem, büyük ölçekli tarama programlarında önemli rol oynayabilir ve erken teşhis imkanı sunarak milyonlarca insanın görme kaybını önlemeye yardımcı olabilir.

Büyük dil modellerinin tıbbi tanı süreçlerinde kullanımındaki en büyük sorun, doğru cevapları yanlış mantıkla üretmeleri. Araştırmacılar, bu kritik problemi çözmek için Toulmin argumentation modelini temel alan yeni bir eğitim sistemi geliştirdi. Curriculum Goal-Conditioned Learning adı verilen bu yöntem, AI sistemlerinin sadece doğru tanı koymasını değil, aynı zamanda bu tanıya nasıl ulaştığını şeffaf şekilde açıklayabilmesini sağlıyor. Sağlık alanında hasta güvenliği için şeffaflık hayati önem taşıdığından, bu çalışma yapay zekanın klinik karar destek sistemlerinde güvenilir kullanımına önemli bir katkı sunuyor.

Uzay trafiğinin artması ve rekabetin yoğunlaşmasıyla birlikte, uyduların saldırgan uzay araçlarından kaçma yetenekleri kritik hale geliyor. Araştırmacılar, birden fazla düşman uzay aracının takip ettiği ortamlarda uydular için otonom kaçış stratejileri geliştiren yeni bir yapay zeka yaklaşımı olan Divergent Adversarial Reinforcement Learning (DARL) sistemini tanıttı. Bu çok aşamalı pekiştirmeli öğrenme yöntemi, eğitim sırasında çeşitli düşman stratejilerini teşvik ederek daha sağlam ve uyarlanabilir kaçış modelleri oluşturuyor. Sistem, iki 'kedi' uzay aracının tek bir 'fare' uyduyu takip ettiği kısmi gözlemlenebilir çok ajanlı bir senaryoyla test edildi. Bu gelişme, uzayda artan güvenlik tehditlerine karşı otonom savunma sistemlerinin geliştirilmesi açısından önemli bir adım olarak değerlendiriliyor.