ETH Zurich'ten araştırmacılar, yapay zeka destekli programlamada başarılı olmak için gereken becerileri inceledi. 'Vibe coding' olarak adlandırılan bu yeni yaklaşım, kullanıcıların tek satır kod yazmadan yazılım geliştirmesine olanak tanıyor. Ancak çalışma, sadece net iletişim kurabilmenin yeterli olmadığını ortaya koyuyor. Başarılı AI programlama için kullanıcıların hem yazılı ifade becerilerine hem de temel bilgisayar bilimi bilgisine sahip olması gerekiyor. Bu bulgular, yapay zekanın programlamayı demokratikleştirdiği düşünülen dönemde, teknik temellerin hala kritik önemini koruduğunu gösteriyor. Araştırma, 2026 CHI Konferansı'nda sunulacak.

Araştırmacılar, yapay zeka asistanlarının gerçek dünya koşullarında ne kadar başarılı olduğunu ölçmek için StarDrinks adlı yeni bir test veri seti geliştirdi. İçecek sipariş senaryolarını kapsayan bu veri seti, İngilizce ve Korece dillerinde hazırlanarak, konuşma tanıma ve dil anlama sistemlerinin performansını değerlendirmek için tasarlandı. Mevcut test sistemleri genellikle kontrollü ortamlarda çalışırken, yeni veri seti tereddütler, kendini düzeltmeler ve marka özel terimler gibi doğal konuşma özelliklerini içeriyor. Bu gelişme, ses asistanlarının günlük yaşamda karşılaştığı karmaşık durumları daha iyi anlamasına yardımcı olabilir.

Araştırmacılar, yapay zekanın metinlerdeki duygusal tonları analiz etme becerisini 7 farklı dilde test etti. Aspect-Based Sentiment Analysis (ABSA) adı verilen bu teknik, metinlerdeki belirli konulara yönelik ince duygusal nüansları yakalayabiliyor. Çalışma, İngilizce, Almanca, Fransızca, Hollandaca, Rusça, İspanyolca ve Çekçe dillerinde gerçekleştirildi. Sonuçlar, büyük dil modellerinin karmaşık görevlerde en başarılı olduğunu, ancak daha küçük modellerin de basit senaryolarda rekabetçi performans sergilediğini gösterdi. Bu gelişme, çok dilli sosyal medya analizi ve müşteri geri bildirimi değerlendirmesi gibi alanlarda önemli uygulamalara sahip olabilir.

Dünya üzerindeki binlerce dil, ortak özellikler paylaşarak tipik dilbilimsel yapılardan nadir görülen düzenlemelere kadar geniş bir yelpaze oluşturur. Araştırmacılar, yapay zeka dil modellerinin öğrenme önyargılarının bu doğal dil kalıplarını yeniden üretip üretemeyeceğini inceliyor. Yeni bir çalışma, müfredat öğrenimi adı verilen bir yaklaşımla bu soruya farklı bir boyut kazandırıyor. Bu yöntemde, modeller rastgele sıralı cümleler yerine basit cümlelerden başlayarak karmaşık yapılara doğru ilerleyen bir öğrenme süreci izliyor. Bu yaklaşımın, dil modellerinin doğal dillerdeki yaygın dilbilimsel eğilimleri ne ölçüde yakalayabildiğini ortaya çıkarması bekleniyor.

Araştırmacılar, robotların karmaşık görevleri planlamasını kolaylaştıran LLM-Flax adlı yeni bir sistem geliştirdi. Bu sistem, büyük dil modellerinin gücünü kullanarak robotların yeni ortamlarda çalışması için gereken uzmanlaştırılmış programlama ihtiyacını büyük ölçüde ortadan kaldırıyor. Geleneksel yöntemler, her yeni alan için uzmanların el ile kurallar yazmasını ve yüzlerce eğitim problemi çözmesini gerektiriyordu. LLM-Flax ise bu süreci otomatikleştirerek robotik sistemlerin daha hızlı ve verimli şekilde yeni görevlere uyum sağlamasını mümkün kılıyor. Üç aşamalı çalışma prensibi ile hareket eden sistem, robotik endüstrisinde önemli bir kolaylık sağlayabilir.

Araştırmacılar, bir kişinin ses özelliklerini koruyarak farklı dillerde konuşma üretebilen gelişmiş yapay zeka sistemleri geliştirdi. Bu teknoloji, özellikle bilimsel iletişimde büyük potansiyel taşıyor. Çalışmada, Arapça, Çince ve Fransızca dillerinde ses klonlama modelleri test edildi ve OmniVoice temel modelini kullanan sistemler oluşturuldu. Araştırma ekibi, çoklu model topluluk damıtma yöntemiyle veri artırma tekniklerini kullanarak sistemin performansını iyileştirdi. Sonuçlar, konuşmacının ses benzerliğini korurken tüm dillerde anlaşılabilirliğin önemli ölçüde arttığını gösteriyor. Bu gelişme, bilimsel sunumların farklı dillere çevrilmesi, eğitim içeriklerinin yerelleştirilmesi ve çok dilli iletişim alanlarında devrim yaratabilir.

Büyük dil modelleri genellikle İngilizce ve birkaç yaygın dilde eğitildiği için Avrupa'nın birçok dilinde yetersiz kalıyor. Araştırmacılar bu soruna çözüm bulmak için TildeOpen LLM adlı 30 milyar parametreli yeni bir model geliştirdi. Model, 34 farklı Avrupa dilini destekleyerek dil adaletsizliğini azaltmayı hedefliyor. Özellikle kaynak açısından fakir diller için geliştirilmiş bu sistem, veri dengesizliği sorununu çözmek için özel bir müfredat tabanlı eğitim yaklaşımı kullanıyor. Baltık, Fin-Ugor ve Slav dil ailelerinde önceki modellerden çok daha iyi sonuçlar veren TildeOpen, çok daha az bilgi işlem kaynağıyla eğitilmesine rağmen mevcut açık kaynak modellerini geride bırakıyor. İnsan değerlendirmelerinde dil hatalarında on kata varan azalma tespit edildi.

Araştırmacılar, Afrikanka dillerde yanlış bilgiyle mücadele etmek için özel bir yapay zeka sistemi geliştirdi. AfrIFact adlı bu sistem, on farklı Afrika dilinde ve İngilizcede haber doğrulama işlemi gerçekleştirebiliyor. Sistem, bilgi arama, kanıt toplama ve doğruluk kontrolü olmak üzere üç aşamada çalışıyor. Araştırma sonuçları, mevcut yapay zeka modellerinin farklı diller arasında bilgi arama konusunda yetersiz kaldığını ortaya koydu. Özellikle sağlık alanındaki belgelerin doğruluğunu kontrol etmek, kültürel ve haber içeriklerine göre daha zor olduğu belirlendi. Çalışma, az kaynaklı dillerde yanlış bilgi yayılımının önlenmesi açısından önemli bir adım olarak değerlendiriliyor.

Finansal piyasalarda kullanılan kara kutu portföy yönetim sistemleri, piyasa koşulları değiştiğinde performans sorunları yaşayabilir. Araştırmacılar, bu sistemlerin verimliliğini artırmak için Bayesian optimizasyonu temelinde yeni bir çerçeve geliştirdi. TPE-AS adı verilen bu sistem, sınırlı gözlem bütçesi altında çalışan portföy modellerinin arama kararlılığını ve verimliliğini önemli ölçüde iyileştiriyor. Geleneksel Bayesian optimizasyonu sadece beklenen getiriyi maksimize etmeye odaklanırken, bu yaklaşım düzensiz arama yörüngeleri oluşturabilir ve değerli değerlendirme bütçesini israf edebilir. Yeni geliştirilen sistem, bu sorunları çözmek için ağırlıklı Lagrangian tahmin edicisi kullanan adaptif bir programlama stratejisi öneriyor.

Araştırmacılar, kuantum bilgisayarların sürekli değişkenli sistemlerini kullanarak karmaşık optimizasyon problemlerini çözebilen yeni bir algoritma geliştirdi. CCV-QAOA adı verilen bu yöntem, sonsuz boyutlu Hilbert uzaylarından yararlanarak hem gerçek hem de karmaşık sayılı değişkenlerle çalışabiliyor. Algoritma, konveks kuadratik minimizasyon, kısıtlı kuadratik programlama ve konveks olmayan benchmark problemler gibi çeşitli optimizasyon senaryolarında test edildi. Bu gelişme, kuantum bilgisayarların pratik optimizasyon uygulamalarında daha geniş bir problem yelpazesini çözebilme potansiyelini ortaya koyuyor. Özellikle karmaşık sayılı değişkenlerle çalışabilme yeteneği, algoritmanın geleneksel yöntemlere göre önemli bir avantajı olarak öne çıkıyor.

Hataya dayanıklı kuantum bilgisayarlar (FTQC), büyük ölçekli kuantum hesaplamalarının geleceği olarak görülüyor. Ancak bu sistemlerde birden fazla programı aynı anda çalıştırmak, klasik bilgisayarlardaki gibi basit bir kübit paylaşımı değil. Kuantum hata düzeltme mekanizmaları, veri karoları, yardımcı karolar ve sihirli durum servisleri gibi karmaşık bir yapı ortaya çıkarıyor. Bu durum, programların yerleşimi, bağlantı ve kaynak paylaşımı açısından zorlu problemler yaratıyor. Yeni araştırma, bu yapısal kısıtlamaları dikkate alan formal bir çerçeve geliştirerek FTQC sistemlerinde daha verimli çoklu programlama çözümleri sunuyor.