Araştırmacılar, yazılımlardaki hataları otomatik olarak düzelten yeni bir yapay zeka sistemi geliştirdi. DynaFix adlı bu sistem, geleneksel yaklaşımlardan farklı olarak programların çalışma anındaki davranışlarını analiz ederek, tıpkı deneyimli bir programcının yaptığı gibi adım adım hata ayıklama yapabiliyor. Mevcut sistemler çoğunlukla kodun statik analizine odaklanırken, DynaFix programın gerçek zamanlı çalışma verilerini kullanarak daha etkili çözümler üretiyor. Bu yaklaşım, karmaşık yazılım hatalarının çözümünde önemli bir ilerleme vaat ediyor ve yazılım geliştirme süreçlerini hızlandırabilir.

Yazılım geliştirme dünyasında 'debloating' olarak bilinen süreç, programlardan kullanılmayan kodları temizleyerek performansı artırmayı hedefliyor. Ancak bu alandaki mevcut değerlendirme yöntemleri eksik kalıyor. Araştırmacılar, test senaryoları ve kod boyutu gibi dolaylı ölçütler yerine, gerçek performans verilerine dayanan yeni bir değerlendirme yaklaşımı geliştirdi. Bu çalışma, yazılım optimizasyonu alanında daha güvenilir standartlar oluşturma ihtiyacını vurguluyor ve sekiz farklı debloating tekniğini analiz ederek alandaki boşlukları ortaya koyuyor.

Araştırmacılar, büyük dil modellerinin kod üretimi ve matematiksel akıl yürütme performansını artırmak için 'olasılıklı düşünce programları' adını verdikleri yeni bir test-zamanı çerçevesi geliştirdi. Bu yöntem, modelin daha az GPU hesaplaması kullanarak daha fazla kod örneği üretmesini sağlıyor. Geleneksel yaklaşımda uygun bir program elde edilene kadar sürekli örnekleme yapılırken, yeni teknik modelin olasılık dağılımını doğrudan programlara entegre ederek maliyetli hesaplama sürecini optimize ediyor. Özellikle büyük ölçekli kod üretimi projelerinde kaynak kullanımını dramatik şekilde azaltma potansiyeline sahip bu gelişme, yapay zeka destekli programlama araçlarının verimliliğini artırabilir.

Araştırmacılar, küçük dil modellerinin olasılıklı program yazarken yaptıkları hataları düzelten yenilikçi bir çerçeve geliştirdi. RefineStat adlı sistem, yapay zekanın belirsizlik içeren matematiksel modeller oluştururken karşılaştığı sözdizimi ve anlam hatalarını otomatik olarak tespit edip düzeltiyor. Olasılıklı programlama, belirsizliklerle dolu gerçek dünya problemlerini modellemek için güçlü bir araç olmasına rağmen, AI modellerinin bu alanda doğru kod üretmesi oldukça zordu. Yeni yaklaşım, alan uzmanlarının hata ayıklama stratejilerinden ilham alarak, üretilen programların geçerli dağılımlar içermesini ve parametrelerin doğru biçimde oluşturulmasını sağlıyor. Güvenilirlik kontrolleri başarısız olduğunda sistem, problematik bileşenleri yeniden örnekliyor ve iyileştiriyor.

Araştırmacılar, insan-bilgisayar etkileşimi (HCI) alanında gizlilik konusunun öğretimi için yenilikçi bir eğitim programı geliştirdi. Geleneksel teori ağırlıklı derslerden farklı olarak, 15 haftalık bu lisansüstü program aktif öğrenme yöntemleriyle gerçek dünya uygulamalarına odaklanıyor. Program, rol yapma aktiviteleri, vaka analizleri ve çok aşamalı araştırma projeleriyle öğrencilerin gizliliği farklı paydaş perspektiflerinden değerlendirmesini sağlıyor. Modern Gizlilik çerçevesine dayanan müfredat, hem kavramsal anlayış hem de uygulamalı araştırma becerilerini geliştirmeyi hedefliyor. Dijital sistemlerin yaygın veri toplama ve çıkarım süreçlerine dayandığı günümüzde, gelecekteki tasarımcı ve araştırmacıların kullanılabilir gizlilik konusunda eğitilmesi kritik önem taşıyor. İki yıl üst üste uygulanan programın değerlendirme sonuçları, bu yaklaşımın etkinliğini gösteriyor.

Yazılım geliştiricileri kod değişikliklerini Git ile takip ederken, programların çalışma anındaki davranışlarını genellikle göz ardı ediyor. Araştırmacılar, bu eksikliğin yazılım geliştirme süreçlerinde önemli bir kör nokta yarattığını belirtiyor. Yeni önerilen 'Davranışsal Ortak Sürümleme' yaklaşımı, her kod değişikliğiyle birlikte programın çalışma zamanı verilerini de sistematik olarak kaydetmeyi hedefliyor. Bu yöntem, test sonuçlarını sadece 'geçti/kaldı' şeklinde değil, detaylı performans verileri ve program davranışlarıyla birlikte arşivliyor. Böylece geliştiriciler, yazılımın zaman içinde nasıl evrildiğini daha iyi anlayabilecek ve sorunları daha etkili şekilde tespit edebilecek.

Bilgisayar bilimciler, yazılım güvenliği ve işlevselliğini analiz etmek için yeni bir mantık sistemi geliştirdi. Hyper Separation Logic (HSL) adı verilen bu sistem, ilk kez hafıza kullanan programlarda karmaşık güvenlik özelliklerini modüler şekilde doğrulayabiliyor. Mevcut mantık sistemleri sadece belirli güvenlik özelliklerini analiz edebilirken, HSL daha geniş bir yelpazede güvenlik açıklarını tespit edebilme kapasitesine sahip. Bu gelişme, modern yazılımların güvenlik analizinde önemli bir adım forward teşkil ediyor ve özellikle kritik sistemlerde kullanılan programların doğrulanmasında yeni olanaklar sunuyor.

NSF'de düzenlenen çığır açan çalıştayda, bilim insanları 'Mekanik Zeka' kavramını ele aldı. Bu yenilikçi yaklaşım, malzemelerin ve robotik sistemlerin elektriksel sinyal ya da bilgisayar kodu olmadan, sadece mekanik yapıları aracılığıyla zeka sergileyebileceğini öngörüyor. Geleneksel hesaplamalı zekanın aksine, bu sistemler responsivite, adaptasyon, hafıza ve öğrenme özelliklerini doğrudan fiziksel yapılarında barındıracak. 38 akademik araştırmacı ve 8 NSF program müdürünün katıldığı iki günlük etkinlik, bu alandaki mevcut zorlukları ve gelecek fırsatlarını değerlendirdi. Mekanik zeka, özellikle robotik, biyomedikal implantlar ve akıllı malzemeler alanında devrim yaratma potansiyeli taşıyor. Bu teknoloji, enerji tüketimi düşük, daha dayanıklı ve çevre koşullarına kendiliğinden uyum sağlayabilen sistemlerin geliştirilmesine olanak sağlayabilir.

Büyük dil modellerinin doğru sonuçlara ulaşması için genellikle çok sayıda deneme yapması gerekiyor. Araştırmacılar, Chain-of-Thought ve Program-of-Thought adlı iki farklı düşünme yöntemini birleştiren yeni bir yaklaşım geliştirdi. Bu hibrit sistem, yapay zekanın problem çözme başarısını artırırken, gereken örnek sayısını 9,3 kat azaltıyor. En şaşırtıcı bulgu ise görevlerin %78,6'sının sadece iki örnekle çözülebiliyor olması. Bu gelişme, yapay zeka sistemlerinin hem daha verimli hem de daha doğru çalışmasını sağlayarak, hesaplama maliyetlerini önemli ölçüde düşürüyor.

Araştırmacılar, kuantum ve klasik değişkenlerin bir arada kullanıldığı programlar için Hoare tarzı bir mantık sistemi geliştirdiler. Bu yeni yaklaşım, kuantum programlamada daha geniş ifade yeteneği sağlayarak kuantum diziler ve parametreli kuantum kapılarını destekliyor. Sistem, programcıların kuantum ve klasik etkileşimleri daha sezgisel bir şekilde anlayabilmesini mümkün kılıyor. Geliştirilen mantık, ön koşullar ve son koşulları klasik birinci dereceden mantıksal formül ile kuantum yüklem formülünün çifti olarak belirliyor. Bu yaklaşım, kuantum programların doğruluğunu kanıtlamak için daha net ve anlaşılır özellikler sunuyor. Çalışma, kuantum yazılım geliştirmenin temel taşlarından biri olan program doğrulama alanında önemli bir adım teşkil ediyor.

Araştırmacılar, yazılım hatalarını otomatik olarak düzelten yeni nesil bir yapay zeka sistemi geliştirdi. Prometheus adlı bu sistem, geleneksel kod onarım araçlarının temel sorunu olan 'niyet boşluğu' problemini çözmeyi hedefliyor. Sistem, sadece kodu düzeltmek yerine, önce yazılımın ne yapması gerektiğini anlayarak spesifikasyon çıkarımı yapıyor. Çok-ajan mimarisi kullanan Prometheus, çalışma zamanı hata raporlarından Gherkin spesifikasyonlarını ters mühendislik yöntemiyle çıkarıyor. Geliştirilen Gereksinim Kalite Güvencesi döngüsü ile 'niyet halüsinasyonu' sorunu da çözülmeye çalışılıyor. Bu yaklaşım, yazılım geliştiricilerin asıl amacıyla uyumlu yamalar üreterek, otomatik program onarımında devrim yaratabilir.