Araştırmacılar, nöro-sembolik yapay zeka sistemleri için özel olarak tasarlanmış yenilikçi bir işlemci mimarisi geliştirdi. Overmind adlı bu sistem, büyük dil modelleri ve otonom sistemlerde karşılaşılan temel hesaplama sorunlarını çözmek üzere tasarlandı. Mevcut donanım platformlarının yüksek bellek kullanımı, sık pipeline durmaları ve sınırlı I/O bant genişliği gibi sorunlarıyla başa çıkmak için üç ana yenilik sunuyor: Padé yaklaşımları ile evrensel doğrusal olmayan fonksiyonların optimize edilmesi, maliyetli önbellek sistemlerini ortadan kaldıran öngörülü bellek bypass teknolojisi ve model dağıtımını optimize eden kapsamlı yazılım yığını. Bu çapraz katman optimizasyonları, nöro-sembolik AI sistemlerinin daha verimli ve pratik şekilde dağıtılmasını mümkün kılıyor.

Yapay zeka destekli kodlama süreçlerinde geliştiriciler genellikle kurallar dosyası kullanarak AI ajanlarıyla uyum sağlamaya çalışır. Ancak bu kurallar pasif metinler halinde kalır ve ne zaman kullanıldığı belirsizdir. Araştırmacılar bu sorunu çözmek için ZORO adlı interaktif bir arayüz geliştirdi. ZORO, kuralları kodlama sürecinin her adımına entegre ederek aktif kontrol mekanizması haline getiriyor. Sistem, AI ajanının oluşturduğu planları kurallarla zenginleştiriyor ve her kuralın takip edildiğini kanıtlamasını zorunlu kılıyor. Kullanıcılar da kuralların uygulanışından memnun değillerse anında geri bildirim verebiliyorlar. Teknik değerlendirmeler, ZORO kullanılan sistemlerde AI ajanlarının kuralları daha iyi takip ettiğini gösteriyor. Kullanıcı çalışmaları da insanların davranış ve bilişsel stratejilerinde olumlu değişiklikler yaşandığını ortaya koyuyor.

Araştırmacılar, sayısal hesaplamaların güvenilirliğini artıran yeni bir yaklaşım geliştirdi. 'Geriye dönük kararlılık' olarak adlandırılan bu özellik, bir programın ürettiği sonucun, girdi verisinde küçük bir değişiklik yapıldığında da doğru kalmasını sağlıyor. Mevcut araçlar genellikle hesaplama hatalarını ileriye dönük analiz ederken, yeni geliştirilen framework geriye dönük hata analizini otomatik olarak gerçekleştiriyor. Bu breakthrough, özellikle hassas hesaplamaların kritik olduğu mühendislik, finans ve bilimsel modelleme alanlarında büyük önem taşıyor. Araştırma ekibi 'eggshel' adını verdikleri otomatik arama aracını da geliştirerek, sayısal programların kararlılığını kanıtlama sürecini kolaylaştırdı.

Yazılım tedarik zinciri güvenliğinde kritik öneme sahip SBOM (Yazılım Malzeme Listesi) araçlarının etkinliği, ciddi doğruluk sorunları nedeniyle sorgulanıyor. 2.414 açık kaynak kod deposu üzerinde yapılan kapsamlı araştırma, güvenlik tarayıcılarının şaşırtıcı derecede yüksek yanlış pozitif oranlarla çalıştığını ortaya koyuyor. Çalışma, güçlü paket yöneticileri kullanılarak doğru SBOM'lar oluşturulabileceğini gösteriyor ancak asıl sorunun güvenlik tarayıcılarında olduğunu belirtiyor. Araştırmacılar, erişilemeyen kod parçalarındaki güvenlik açıklarının işaretlenmesinin ana neden olduğunu tespit ederek, fonksiyon çağrı analizi ile bu sorunun büyük ölçüde çözülebileceğini kanıtlıyor.

Araştırmacılar, iki ünlü sosyal bilimci ve beşeri bilimler profesörünün yayınlarından düşünce sistemlerini çıkararak yapay zeka botları oluşturdukları çarpıcı bir çalışma gerçekleştirdi. Bu 'akademisyen botlar' doktora öğrencisi denetleme, hakemlik, ders verme gibi temel akademik görevlerde uzman değerlendirmelerine göre gerçek profesörler seviyesinde performans sergiledi. Sekiz katmanlı analiz yöntemiyle elde edilen bu dijital akademisyenler, Avustralya üniversite sisteminde Kıdemli Öğretim Görevlisi seviyesinde değerlendirildi. Çalışma, akademik bilgi üretiminin gelecekte nasıl dönüşebileceğine dair önemli sorular ortaya koyuyor.

Yazılım geliştirme dünyasında kod arama işlemi genellikle sadece metin tabanlı olarak gerçekleştirilir. Ancak modern programlama projeleri web arayüzleri, veri görselleştirmeleri ve diyagramlar gibi görsel öğeler de içerir. Araştırmacılar, bu sorunu çözmek için CodeMMR adlı yeni bir sistem geliştirdi. Bu teknoloji, doğal dil, kod ve görselleri ortak bir anlam alanında birleştirerek çok modlu kod arama yapabiliyor. MMCoIR benchmark'ı ile test edilen sistem, beş farklı görsel alan, sekiz programlama dili ve on bir kütüphane üzerinde değerlendirildi. Bu gelişme, yazılım mühendisliğinde kod keşfi ve yeniden kullanımını kolaylaştırırken, yapay zeka destekli kodlama araçlarının güvenilirliğini de artırıyor.

Araştırmacılar, modern araçların artan otomasyon ve bağlantı gereksinimlerine cevap vermek için yeni bir görev planlama yaklaşımı geliştirdi. Yazılım tanımlı araçlar (SDV) ve merkezi hesaplama düğümleri kullanan zonal E/E mimarilerde kritik araç içi fonksiyonların güvenilirlik ve deterministik gereksinimlerini karşılamak üzere tasarlanan bu sistem, geleneksel en kısa yol veya minimum yürütme süresine dayalı yaklaşımlara kıyasla deterministik hizmet seviyelerini daha iyi garanti edebiliyor. Çalışma, artan araç içi hesaplama yüklerinin verimli yönetimi için kritik öneme sahip bu teknolojinin, gelecek nesil akıllı araçların temelini oluşturabileceğini gösteriyor.

Araştırmacılar, yazılım geliştirmede kod tamamlama işlemini daha akıllı hale getiren RepoShapley adlı yeni bir sistem geliştirdi. Bu sistem, oyun teorisinden gelen Shapley değerleri kavramını kullanarak, hangi kod parçacıklarının gerçekten faydalı olduğunu belirliyor. Geleneksel yöntemlerde, farklı dosyalardan alınan kod örnekleri bazen birbirleriyle çelişerek performansı düşürüyordu. RepoShapley ise her kod parçasının katkısını ayrı ayrı değerlendiriyor ve en uygun kombinasyonu seçiyor. Sistem, ChunkShapley adlı bir etiketleme modülü kullanarak kod parçalarının etkilerini ölçüyor ve sonuçları tek bir modelde birleştiriyor. Bu yaklaşım, yapay zeka destekli kod editörlerinin daha doğru öneriler sunmasını sağlayarak, yazılım geliştirme sürecini hızlandırabilir.

Autodesk araştırmacıları, yapay zekanın 3D CAD model düzenleme yeteneklerini test etmek için yeni bir benchmark geliştirdi. neuralCAD-Edit adlı bu değerlendirme sisteminde, profesyonel CAD tasarımcılarından toplanan gerçek düzenleme istekleri kullanılıyor. On uzman tasarımcının katıldığı çalışmada, CAD yazılımları kullanırken konuşma, işaret etme ve çizim yaparak düzenleme talepleri kaydedildi. GPT-4 dahil önde gelen yapay zeka modellerinin performansı uzmanlarla karşılaştırıldığında, büyük bir fark ortaya çıktı. En iyi performans gösteren model bile uzmanların %53 gerisinde kaldı. Bu sonuç, 3D tasarım düzenleme alanında yapay zekanın henüz uzman seviyesine ulaşamadığını gösteriyor.

Büyük dil modelleri (LLM'ler) kullanıcı taleplerinden otomatik kod üretebiliyor, ancak çoğu zaman bu talepleri yanlış anlıyor. Araştırmacılar, bu sorunu çözmek için REA-Coder adlı yeni bir yaklaşım geliştirdi. Sistem, önce kullanıcı gereksinimlerini yapay zekanın anlayabileceği şekilde hizalıyor, sonra kod üretiyor ve son olarak üretilen kodun gereksinimlere uygunluğunu doğruluyor. Bu üç aşamalı süreç, mevcut kod üretim sistemlerinin temel varsayımını sorguluyor: LLM'lerin verilen gereksinimleri doğru anlayabildiği varsayımı. REA-Coder bu boşluğu doldurarak kod üretim performansını önemli ölçüde artırıyor.

Nöral İşlem Birimleri (NPU), yapay zeka sistemlerinin hızlı çalışması için kritik bileşenler haline geldi. Ancak bu çiplerin tam performansını kullanabilmek, özel yazılım kernelleri geliştirmeyi gerektiriyor ve bu süreç oldukça karmaşık. Araştırmacılar, büyük dil modellerinin NPU kernel üretiminde yaşadığı zorlukları ele alarak AscendKernelGen adlı yenilikçi bir sistem geliştirdi. Bu sistem, Ascend-CoT veri setini kullanarak gerçek dünya senaryolarından öğrenen bir yaklaşım benimsiyor. Çalışma, mevcut genel amaçlı dil modellerinin karmaşık NPU kernelleri üretmede neredeyse hiç başarılı olamadığını ortaya koyuyor. Geliştirilen çözüm, üretim ve değerlendirmeyi entegre eden bir çerçeve sunarak NPU yazılım geliştirme sürecini otomatikleştirmeyi hedefliyor.