Araştırmacılar, sadece 3-4 milyar parametreye sahip küçük yapay zeka modellerinin, özel eğitim teknikleriyle radyoloji alanında büyük modeller kadar başarılı olabileceğini gösterdi. RadLite projesi kapsamında geliştirilen bu modeller, hastane bilgisayarlarında bile çalışabilecek kadar hafif olmasına rağmen, tıbbi görüntü analizi, hastalık tespiti ve rapor yazma gibi 9 farklı radyoloji görevinde yüksek performans sergiledi. Özellikle RADS sınıflandırmasında %53, doğal dil anlamada %60, N-evrelendirmede %89 oranında performans artışı elde edildi. Bu gelişme, kaynak kısıtlı sağlık kurumlarının da yapay zeka destekli radyoloji hizmetlerinden faydalanmasının önünü açıyor.

Araştırmacılar, deepfake ses kayıtlarını tespit etmek için özel olarak tasarlanmış yeni bir yapay zeka modeli olan Alethia'yı geliştirdi. Mevcut yöntemlerin sınırlarına ulaştığı bir dönemde, bu model farklı bir yaklaşım benimsiyor. Alethia, maskelenmiş gömülü tahmin ve spektogram yeniden yapılandırma tekniklerini birleştiren yenilikçi bir eğitim reçetesi kullanıyor. 56 farklı veri seti üzerinde yapılan testlerde, model mevcut teknolojileri geride bırakarak üstün performans sergiledi. Özellikle gerçek dünya koşullarındaki bozulmalara karşı dayanıklılığı ve daha önce görmediği alanlardaki başarısı dikkat çekici. Model, şarkı deepfake'leri gibi yeni türdeki sahte ses içeriklerini bile başarıyla tespit edebiliyor.

Büyük dil modellerinin ürettiği metinlerin kaynağını tespit etmek giderek zorlaşırken, araştırmacılar BREW adlı yeni bir dijital imza yöntemi geliştirdi. Bu sistem, yapay zeka tarafından üretilen metinlere görünmez çoklu bit imzalar yerleştirerek, sahte pozitif sonuçları dramatik şekilde azaltıyor. Geleneksel yöntemlerin aksine, BREW iki aşamalı bir doğrulama mekanizması kullanıyor: önce bağımsız blok oylamasıyla mesajı tahmin ediyor, ardından pencere kaydırma tekniğiyle yerel düzenlemelere karşı sağlam doğrulama yapıyor. Test sonuçları, %10 eş anlamlı kelime değişikliği altında bile %96.5 doğru tespit oranı ve sadece %2 yanlış pozitif oranı gösteriyor.

Araştırmacılar, okuma sırasında gözün hangi satıra baktığını gerçek zamanlı olarak belirleyen yeni bir yöntem geliştirdi. CONF-LA adlı bu sistem, web kamerası tabanlı göz takibinde karşılaşılan gürültü ve belirsizlik sorunlarını çözerek, okuma desteği uygulamaları için güvenilir bir çözüm sunuyor. Geleneksel yöntemlerle %1-2'lik performans farkını kapatan sistem, sadece 0.348 milisaniye gecikmeyle çalışıyor. Özellikle okuyucunun satırlar arasında gidip geldiği durumlarda bile yüksek doğruluk oranı sağlıyor.

Bilim insanları, DNA sentezi siparişlerindeki potansiyel biyolojik tehditleri tespit etmek için yeni bir güvenlik sistemi geliştirdi. CRC-Screen adlı bu sistem, mevcut güvenlik protokollerinin büyük bir açığını kapatıyor. Geleneksel yöntemler, bilinen tehlikeli DNA dizilerini referans listelerle karşılaştırarak çalışır, ancak bu yaklaşım yeni veya bilinmeyen toksik organizmaların DNA dizileri karşısında yetersiz kalıyor. Araştırmacılar, yapay zeka destekli üç farklı analiz yöntemini birleştiren hibrit bir sistem tasarladı. Bu sistem, DNA dizilerinin k-mer benzerliklerini, beş farklı büyük dil modelinin değerlendirmelerini ve kümelenmiş veri yapılarındaki kosinüs benzerliklerini analiz ediyor. Test sonuçları, sistemin farklı taksonomik ailelerden gelen tehlikeli DNA dizilerini %100 başarıyla tespit ettiğini gösteriyor. Bu gelişme, biyogüvenlik alanında önemli bir adım olarak değerlendiriliyor.

Büyük dil modelleri doğal dil işleme alanında devrim yaratırken, içerdikleri önyargılar ciddi sorunlar yaratıyor. Yeni bir araştırma, bu yapay zeka sistemlerindeki önyargıların kökenlerini, tespit yöntemlerini ve çözüm stratejilerini kapsamlı olarak inceliyor. Çalışma, önyargıları içsel ve dışsal olarak kategorize ederek, sağlık ve adalet gibi kritik alanlardaki potansiel zararlarını analiz ediyor. Araştırma, önyargı tespiti için veri, model ve çıktı düzeyinde değerlendirme yöntemleri sunuyor. Ayrıca model öncesi, model içi ve model sonrası müdahale tekniklerinin etkinlik ve sınırlarını değerlendiriyor. Bu çalışma, yapay zeka sistemlerinin daha adil ve güvenilir hale getirilmesi için gerekli araçları ve stratejileri bir araya getiren önemli bir kaynak niteliğinde.

Araştırmacılar, yapay zeka sistemlerinin güvenliğini sağlamak için yenilikçi bir yaklaşım geliştirdi. Ayrışık Güvenlik Adaptörleri (DSA) adlı bu sistem, güvenlik kontrollerini ana modelden ayırarak hem verimlilik hem de esneklik sağlıyor. Geleneksel güvenlik yöntemleri ya performansı düşürüyor ya da geliştirme sürecini kısıtlıyordu. DSA ise nefret söylemi tespiti, zararlı içerik engelleme ve halüsinasyon önleme gibi alanlarda %53'e varan iyileşmeler göstererek bu sorunu çözüyor. Sistem, minimal hesaplama maliyetiyle çalışırken, kullanıcıların güvenlik seviyesini anlık olarak ayarlamasına da olanak tanıyor.

Yeni bir araştırma, mevcut yapay zeka güvenlik değerlendirmelerinin kritik bir eksikliği olduğunu ortaya koyuyor. Çin menşeli dil modellerinde siyasi sansür mekanizmalarını inceleyen bilim insanları, zararlı içerik tespitinin kolay olduğunu, ancak asıl sorunun bu bilgilerin davranışsal politikalara nasıl yönlendirildiğinde saklı olduğunu keşfetti. Beş farklı laboratuvardan dokuz açık kaynak model üzerinde yapılan deneyler, prob doğruluğunun tek başına yanıltıcı olabileceğini gösterdi. Araştırmacılar, siyasi hassasiyet yönünü kaldırdıklarında çoğu modelde sansürün ortadan kalktığını ve doğru bilgi üretiminin geri geldiğini gözlemledi. Ancak bir modelde bilgi mimarisi sansür mekanizmasıyla o kadar iç içe geçmişti ki, müdahale sonrası model gerçek dışı bilgiler üretmeye başladı. Bu bulgular, AI güvenlik testlerinin yeniden düşünülmesi gerektiğini işaret ediyor.

Araştırmacılar, kuantum makine öğrenmesi modellerindeki hataları tespit etmek için 'mutasyon testleri' adlı yeni bir yöntem geliştirdi. Bu teknik, kuantum sinir ağlarına kasıtlı hatalar enjekte ederek sistemin güvenilirliğini değerlendiriyor. Kuantum bilgisayarlar ve makine öğrenmesinin birleştiği bu alanda, karmaşık özellikleri klasik modellerden daha az parametre ile öğrenebilen sistemler geliştirilmekte. Ancak artan karmaşıklık beraberinde hata riski de getiriyor. Bu çalışma, kuantum devrelerine planlı şekilde arızalar yerleştirerek test sistemlerinin ne kadar dayanıklı olduğunu ölçmeyi amaçlıyor. Yöntem, özellikle kuantum sinir ağı modellerinde tasarım özelliklerine uygunluğu ve hatasız çalışmayı doğrulamaya odaklanıyor. Bu gelişme, kuantum makine öğrenmesi uygulamalarının güvenilirliğini artırmada önemli bir adım.

Araştırmacılar, kuantum bilgisayarlarda hata tespiti için geliştirilen Iceberg kodunu kullanarak önemli bir başarı elde etti. İyon tuzağı kuantum bilgisayarda yapılan deneylerde, hata tespit kodu ile kodlanmış devreler, kodlanmamış devrelere göre daha yüksek doğruluk oranı gösterdi. Bu çalışma, özellikle küçük ölçekli kuantum devrelerde hatalı çalıştırmaları filtreleyerek genel performansın artırılabileceğini kanıtladı. Toffoli devrelerinde tam hata toleranslı uygulama ve Bell durumu hazırlama devrelerinde sadeleştirilmiş yaklaşım test edildi. Sonuçlar, kuantum hata tespitinin pratik uygulanabilirliğini göstermesi açısından büyük önem taşıyor.

Yeni araştırmalar, bal arılarının besin kaynaklarındaki virüsleri ve zararlı patojenleri tespit edebilme yeteneğine sahip olduğunu ortaya koyuyor. Ancak şaşırtıcı bir şekilde, bu tespite rağmen arılar her zaman enfekteli kaynaklardan kaçınmıyor. Koloni halinde yaşayan böcekler için patojen tespiti hayati önem taşıyor çünkü hastalıkların tüm koloni genelinde yayılmasını önleyebiliyor. Bu keşif, arıların risk değerlendirme mekanizmalarını ve koloni sağlığını koruma stratejilerini anlamamızda önemli bir adım oluşturuyor.