Araştırmacılar, finansal piyasa verilerini analiz etmek için kuantum destekli yapay zeka sistemleri geliştirdi. Kuantum Uzun Kısa Süreli Hafıza (QLSTM) ağları ve Kuantum Rezervuar Hesaplama (QRC) teknolojilerini kullanan bu yeni yaklaşım, geleneksel yöntemlerle karşılaştırıldı. Çalışmada, finansal zaman serilerindeki karmaşık örüntüleri öğrenmek için kuantum durumlarına kodlanan veriler kullanıldı. Sonuçlar, uygun parametreler seçildiğinde kuantum destekli sistemlerin klasik LSTM ve rezervuar hesaplama yöntemleriyle benzer performans sergilediğini gösterdi. Bu araştırma, kuantum bilgisayarların finansal tahmin alanındaki potansiyelini ortaya koyarken, mevcut kubit kısıtlamaları altında gerçekçi çözümler sunuyor.

Araştırmacılar, beyin tümörü ameliyatı öncesinde çekilen beyin görüntülerinin, hastanın ameliyat sonrası çalışma hafızası performansını tahmin edebileceğini keşfetti. Çalışmada, tümörün neden olduğu beyin aktivitesi değişiklikleri analiz edilerek, ameliyat öncesi nöral enerji haritaları çıkarıldı. Bu haritalar sayesinde hangi hastaların ameliyat sonrası hafıza problemleri yaşayabileceği önceden belirlenebildi. Düşük hafıza performansı gösteren hastalarda, beyin bölgeleri arasındaki geçişler daha az ama daha şiddetli olurken, yüksek performans gösteren hastalarda geçişler daha sık ama daha yumuşak gerçekleşti. Bu bulgular, beyin cerrahisi öncesi risk değerlendirmesi için yeni bir yöntem sunuyor.

Yeni bir psikoloji araştırması, Nazi döneminden kalma propaganda materyallerinin günümüzde bile insanlar üzerinde güçlü psikolojik etkilere sahip olduğunu ortaya çıkardı. Çalışmaya göre, Hitler'i yücelten görsellere maruz kalan katılımcılarda, geçmişteki soykırım ve zulümlerle ilgili suçluluk ve utanç duyguları belirgin şekilde azalıyor. Bu bulgular, propaganda tekniklerinin insan zihnindeki kalıcı etkilerini ve tarihsel farkındalığın önemini gözler önüne seriyor. Araştırma, toplumsal hafıza ve kolektif sorumluluk konularında önemli sorular da gündeme getiriyor.

Spor salonlarında kas gelişimi için kullanılan kreatin, aslında vücudumuzda doğal olarak üretilen ve hücrelerin enerji sisteminde kritik rol oynayan bir bileşik. Yeni araştırmalar, kreatinin sadece fiziksel performansı artırmakla kalmadığını, hafıza, ruh hali ve bilişsel hızı da olumlu etkileyebileceğini gösteriyor. ATP denilen hücresel yakıtın hızla yenilenmesini sağlayan kreatin, kasların yanı sıra beyin ve kalp gibi yoğun enerji tüketen organların işlevlerini de destekliyor. Özellikle doğal kreatin seviyeleri düşük olan kişilerde, takviye kullanımının zihinsel performans üzerinde belirgin faydalar sağladığı gözlemleniyor.

Yapay zeka dünyasında dikkat çeken Mamba modeli, teorik olarak her kelimeyi sıkıştırılmış bir hafızada saklayabiliyor. Araştırmacılar, bu özelliğin otomatik cümle özetleme için kullanılabileceğini düşünmüştü. Ancak yeni çalışma, bu beklentiyi karşılamadığını ortaya koydu. Mamba-130M modeli üzerinde yapılan testlerde, beş farklı benchmark görevinde (duygu analizi, dilbilgisel doğruluk, cümle benzerliği gibi) modelin donmuş temsilleri incelendi. Sonuçlar hayal kırıklığı yarattı: özel sınır noktalarından çıkarılan temsiller, basit ortalama alma yönteminden tutarlı bir şekilde daha iyi performans gösteremedi. Daha da önemlisi, araştırmacılar modelin iç yapısında iki ciddi sorun tespit etti: temsillerin birbirine aşırı benzemesi ve son durum vektörlerinde anlam kaybı. Bu bulgular, Mamba gibi yeni nesil dil modellerinin teorik potansiyellerini pratiğe dönüştürmenin düşünülenden daha karmaşık olduğunu gösteriyor.

Araştırmacılar, uzun süreli konuşma yapabilen yapay zeka sistemleri için yeni bir hafıza yönetim teknolojisi geliştirdi. MemRouter adlı bu sistem, hangi konuşma bölümlerinin hafızada saklanacağına karar verirken mevcut yöntemlerden çok daha verimli çalışıyor. Geleneksel sistemler her konuşma adımında büyük dil modellerini kullanarak karar verirken, MemRouter embedding tabanlı bir yönlendirme politikası kullanıyor. Bu sayede sadece 12 milyon parametre eğiterek hafıza yönetimini gerçekleştiriyor. LoCoMo test setinde yapılan karşılaştırmalarda, MemRouter geleneksel LLM tabanlı hafıza yöneticilerinden her soru kategorisinde daha başarılı sonuçlar verdi. Sistem, F1 skorunda %52,0'a karşılık %45,6 başarı elde ederken, hafıza yönetimi gecikme sürelerini de önemli ölçüde azalttı. Bu gelişme, chatbot'ların uzun konuşmalarda daha tutarlı ve verimli performans sergilemesi için önemli bir adım.

Büyük dil modellerinin en önemli sorunlarından biri olan 'mod çöküşü' için yeni bir çözüm geliştirildi. Bu sorun, yapay zeka modellerinin aynı cümleleri tekrar etmesi veya yaratıcılığını kaybetmesi olarak kendini gösteriyor. Araştırmacılar, sorunu dinamik sistemler açısından ele alarak, modelin iç temsillerinin düşük boyutlu bir alana sıkışması olarak tanımladılar. Geliştirdikleri 'Güçlendirilmiş Mod Düzenleme' adlı yöntem, modelin hafıza yapısına hafif müdahaleler yaparak bu tuzaktan kaçmasını sağlıyor. Yöntem, birden fazla büyük dil modelinde test edildi ve önemli başarılar elde edildi. Bu gelişme, yapay zeka asistanlarının daha tutarlı ve yaratıcı metinler üretmesine katkı sağlayabilir.

Araştırmacılar, büyük dil modellerinin eğitimi sırasında GPU hafıza kullanımını dramatik şekilde azaltan AGoQ adlı yeni bir teknik geliştirdi. Bu yöntem, farklı katmanlar için uygun bit genişlikleri ayıran akıllı bir aktivasyon sıkıştırma algoritması ve 8-bit gradient depolama sistemi kullanıyor. 64 GPU'ya kadar test edilen sistem, hafıza kullanımını %52 oranında azaltırken, eğitim hızını 1.34 kata kadar artırdı. Geleneksel yöntemlerden farklı olarak, model doğruluğunda kayıp yaşanmadan bu verimliliği sağlıyor. Bu gelişme, büyük yapay zeka modellerinin eğitimini daha erişilebilir hale getirebilir ve daha az donanım kaynak gereksinimi sayesinde maliyetleri önemli ölçüde düşürebilir.

Büyük dil modelleri uzun süreli kullanıcı etkileşimlerinde kişiselleştirme sağlamak için hafıza sistemlerine ihtiyaç duyar, ancak sınırlı bağlam pencereleri bu süreci zorlaştırır. Araştırmacılar, insan beynindeki prefrontal korteks ve hipokampüs bölgelerinin işlevsel ayrımından ilham alarak MemCoE adlı iki aşamalı optimizasyon sistemi geliştirdi. Bu sistem, hafızanın nasıl organize edilmesi ve hangi bilgilerin güncellenmesi gerektiğini öğrenir. İlk aşamada kontrastif geri bildirimle küresel kılavuzlar oluşturulur, ikinci aşamada ise bu kılavuzlarla uyumlu hafıza politikaları optimize edilir. Yenilik, insan bilişsel süreçlerini taklit ederek AI sistemlerinin uzun vadeli öğrenmesini iyileştirmeyi hedefler.

Araştırmacılar, büyük dil modellerinin (LLM) etiketli örneklerden öğrenmesi için yeni bir hafıza destekli sistem geliştirdi. Geleneksel fine-tuning yöntemlerinin maliyetli ve esnek olmayan yapısına alternatif olan bu sistem, episodik ve semantik hafıza türlerini kullanıyor. Episodik hafıza geçmiş deneyimleri saklarken, semantik hafıza bunları yeniden kullanılabilir rehberlere dönüştürüyor. Test sonuçlarında, bu yaklaşım sıfır-atış temel modellere göre ortalama %8.1, yalnızca etiket kullanan RAG sistemlerine göre %4.6 oranında iyileşme sağladı. Sistem, LLM'lerin parametrelerini güncellemeden öğrenmesine olanak tanıyarak, yapay zeka alanında önemli bir adım oluşturuyor.

Büyük dil modeli tabanlı yapay zeka ajanlarının karmaşık görevlerde başarılı olabilmesi için hafıza sistemlerinin kritik önemi ortaya çıkıyor. Araştırmacılar, çok turlu diyaloglar, oyun oynama ve bilimsel keşif gibi uzun soluklu görevlerde ajanların bilgi birikimi, yinelemeli akıl yürütme ve kendini geliştirme yeteneklerini mümkün kılan hafıza yöntemlerini inceledi. Bu kapsamlı çalışmada, mevcut tüm ajan hafıza yöntemlerini kapsayan birleşik bir çerçeve sunuldu ve farklı hafıza yaklaşımları aynı deneysel koşullarda sistematik olarak karşılaştırıldı. İki tanınmış kıyaslama veri setinde yapılan testler, hangi hafıza stratejilerinin daha etkili olduğunu gösterdi. Araştırmanın yan ürünü olarak, mevcut yöntemlerin modüllerini birleştiren yeni bir hafıza tekniği geliştirildi ve bu yöntem en gelişmiş mevcut teknikleri geride bıraktı.