Bilgisayar bilimcileri ve sanat tarihçileri arasında gerçekleştirilen disiplinler arası bir araştırma, görü-dil modellerinin sanatsal stilleri nasıl tanıdığını ve bu sürecin sanat tarihçilerinin yaklaşımıyla ne kadar örtüştüğünü inceledi. Araştırmacılar, yapay zekanın sanat stillerini tahmin ederken kullandığı kavramları ortaya çıkarmak için özel bir analiz yöntemi geliştirdi. Bulgulara göre, yapay zekanın belirlediği kavramların %73'ü sanat tarihçileri tarafından tutarlı ve anlamlı görsel özellikler olarak değerlendirildi. Ayrıca, belirli bir sanat eserinin stilini tahmin etmek için kullanılan kavramların %90'ı uzmanlar tarafından alakalı bulundu. Bu çalışma, yapay zekanın sanat alanındaki yeteneklerinin giderek geliştiği ve sanat tarihçilerinin bakış açısıyla önemli benzerlikler taşıdığını gösteriyor.

Araştırmacılar, monoküler video görüntülerinden 3D mekan anlayışı geliştirebilen yeni bir yapay zeka sistemi geliştirdi. VLM-3R adlı bu sistem, pahalı derinlik sensörlerine ihtiyaç duymadan tek kamera görüntülerinden üç boyutlu yapıları anlayabiliyor. Geleneksel yöntemler dış sensörlere veya önceden hazırlanmış 3D haritalara bağımlıyken, bu yeni yaklaşım doğrudan video karelerini işleyerek geometrik bilgileri çıkarıyor. Sistem, görme-dil modellerini 3D yeniden yapılandırma talimatlarıyla birleştirerek, insan benzeri görsel-uzamsal zeka geliştirebiliyor. Bu gelişme, otonom araçlardan artırılmış gerçekliğe kadar birçok alanda uygulanabilir.

Araştırmacılar, internet sitelerindeki çerez bannerlarının kullanıcıları nasıl manipüle ettiğini ortaya çıkardı. Çoğu kullanıcının çerezleri kabul etmeden önce anlamsız kaydırma hareketleri yaptığını keşfeden bilim insanları, bu durumu 'performatif kaydırma' olarak adlandırdı. Geliştirilen Performatif Kaydırma İndeksi (PSI) ile web sitelerinin, kullanıcıları gerçek seçenekleri görmeden önce ne kadar zorladığı ölçülüyor. Çalışma, gizlilik politikalarının aslında kullanıcılara gerçek bir seçim sunmadığını, bunun yerine rutin davranışlarla kabul ettirme stratejisi uyguladığını gösteriyor. Bu manipülatif tasarımlar, kullanıcıların bilinçli karar vermesini engelliyor.

Araştırmacılar, fotoğraflardaki gölgeleri kaldırmak için fizik kurallarını kullanan yeni bir yapay zeka sistemi geliştirdi. CFSR adlı bu sistem, geleneksel yöntemlerin aksine gölge temizleme işlemini fiziksel olarak anlamlı bir süreç haline getiriyor. Sistem, 3 boyutlu geometrik bilgileri ve semantik verileri birleştirerek, hem yerel doku detaylarını koruyor hem de global aydınlatma tutarlılığını sağlıyor. Özel HVI renk uzayı ve çift rehberli dikkat mekanizması kullanarak, ciddi şekilde bozulmuş bölgeleri bile başarıyla restore edebiliyor. Bu gelişme, fotoğraf düzenleme, bilgisayarlı görü ve görsel efekt uygulamalarında önemli ilerlemeler sağlayabilir.

Araştırmacılar, birden fazla yapay zeka ajanının birlikte çalıştığı sistemlerde kritik bir güvenlik açığı keşfetti. Mevcut sistemlerde kullanılan çoğunluk oylaması yöntemi, kötü niyetli müdahaleler karşısında savunmasız kalabiliyor. Bozuk ajanlar yerel bir çoğunluk oluşturduğunda, sistem tamamen çökebiliyor. Çünkü oylama sadece nihai sonuçlara bakıyor, ara mantık hatalarını görmezden geliyor. Bilim insanları bu sorunu çözmek için Token Düzeyinde Sırayla İşbirliği adında yeni bir yöntem geliştirdi. Bu yaklaşımda ajanlar, sonuçları ayrı ayrı oylamak yerine, ortak bir bağlamda sırayla kelime üretme sürecine katılıyor. Bu yöntem, sistemi kırılgan oy sayma mekanizmasından dinamik bir işbirliği zincirine dönüştürüyor.

Araştırmacılar, kullanıcıların bir referans görsel ve metin açıklamasıyla istediği görseli bulabileceği yeni nesil arama sistemi geliştirdi. HABIT adlı bu framework, mevcut sistemlerin en büyük sorunu olan 'gürültülü veri' problemini çözmek için tasarlandı. Sistem, karşılıklı bilgi tahmin modülü ve aşamalı öğrenme yaklaşımıyla, kişiselleştirilmiş arama ve öneri sistemlerinde çığır açacak nitelikte. Özellikle e-ticaret, sosyal medya ve dijital arşiv uygulamalarında büyük potansiyele sahip olan teknoloji, yapay zekanın görsel anlama kapasitesini bir üst seviyeye taşıyor.

Büyük dil modelleri gibi görme-dil modelleri de internet verilerinden öğrendikleri bilgiler nedeniyle önyargılı davranıyor. Stanford araştırmacıları, en gelişmiş yapay zeka modellerinin bile basit sayma ve tanıma görevlerinde büyük hatalar yaptığını keşfetti. Örneğin modeller, 3 çizgili Adidas logosuna 4. çizgi eklendiğinde bunu fark edemiyor. Hayvanlar, logolar, satranç taşları gibi 7 farklı alanda yapılan testlerde modellerin ortalama başarısı sadece %17 seviyesinde kaldı. Araştırma, görsel bağlamın bu önyargılı yanıtları tetiklediğini gösteriyor.

Bilgisayarlı görme alanında çığır açan Vision Transformer (ViT) teknolojisi, yeni bir evrime tanık oluyor. Araştırmacılar, mevcut sistemlerin mekansal bilgileri yetersiz işlemesi ve yüksek hesaplama maliyeti sorunlarını çözmek için RMT ve EVT adlı yenilikçi yaklaşımlar geliştirdi. Bu sistemler, Manhattan ve Öklid mesafe hesaplamalarını kullanarak yapay zekanın görsel bilgileri daha doğal ve verimli şekilde işlemesini sağlıyor. Özellikle EVT modeli, mekansal ilişkileri daha hassas bir şekilde modelleyerek görüntü tanıma ve analiz yeteneklerinde önemli ilerlemeler sunuyor.

Araştırmacılar, karmaşık metin komutlarını piksel düzeyinde görsel maskelere dönüştürebilen AnchorSeg adlı yeni bir yapay zeka sistemi geliştirdi. Mevcut yöntemler tek bir segmentasyon belirteci kullanarak hem anlam çıkarımını hem de uzamsal konumlandırmayı aynı anda yapmaya çalışırken, AnchorSeg bu işlemleri birbirinden ayırarak daha etkili sonuçlar elde ediyor. Sistem, 'neyi segmente edeceği' ve 'nerede segmente edeceği' sorularını ayrı ayrı ele alarak, dil tabanlı görüntü işleme alanında önemli bir ilerleme sunuyor. Bu teknoloji, gelecekte otomatik görüntü analizi ve yapay zeka destekli görsel anlama sistemlerinde kullanılabilecek potansiyele sahip.

Araştırmacılar, görsel sahnelerdeki önemli nesneleri tespit eden yapay zeka sistemlerini geliştirmek için yenilikçi bir yaklaşım ortaya koydu. DGSSM adlı yeni framework, difüzyon modellerinin güçlü yapısal öğrenme kabiliyetini durum uzayı modellerinin hızlı işlem gücüyle birleştiriyor. Bu hibrit sistem, görüntülerdeki nesnelerin sınırlarını daha hassas şekilde belirleyebiliyor ve çoklu veri türlerini (multimodal) etkili bir şekilde işleyebiliyor. Geleneksel yapay zeka modelleri ya hızlı ama sınır tespitinde yetersiz kalıyor ya da çok hassas ama yavaş çalışıyordu. Bu yeni yaklaşım, her iki avantajı da bir araya getirerek bilgisayarlı görü alanında önemli bir ilerleme sağlıyor.

Araştırmacılar, dijital diş hekimliğinde çığır açacak yeni bir yapay zeka sistemi geliştirdi. TSegAgent adlı bu sistem, önceden eğitilmeden diş taramalarını analiz edebiliyor. Geleneksel yöntemler büyük veri setleri ve pahalı etiketleme gerektirirken, yeni sistem geometrik akıl yürütme ve görsel dil modellerini birleştireyor. Sistem, diş anatomisinin yapısal özelliklerini kodlayarak, hiç görmediği taramalar üzerinde bile başarılı sonuçlar elde edebiliyor. Bu gelişme, dijital diş hekimliğinde maliyetleri düşürecek ve farklı tarama cihazları arasında uyumluluğu artıracak.