Araştırmacılar, büyük dil modellerinin koroner anjiyografi raporlarından fizyolojik ölçümleri otomatik olarak çıkarma yeteneğini inceledi. Çalışma, 1342 Portekizce tıbbi rapor üzerinde gerçekleştirildi ve yapay zekanın tıbbi verileri ne kadar güvenilir şekilde işleyebileceğini araştırdı. Koroner anjiyografi raporları, kalp damarlarının durumu hakkında kritik bilgiler içerir ancak bu veriler genellikle yapılandırılmamış metin halindedir. Bu durum, araştırmacıların verileri analiz etmesini zorlaştırır. Araştırmada farklı prompting stratejileri kullanılarak, yapay zekanın bu tıbbi raporlardan değerli bilgileri ne kadar başarılı şekilde çıkarabileceği test edildi. Sonuçlar, tıbbi alanda yapay zeka kullanımının potansiyelini gösterirken, güvenilirlik konusundaki sınırları da ortaya koydu.

Stanford araştırmacıları yapay zeka güvenliği için yeni bir yaklaşım önerdi. Mevcut yöntemler yapay zekanın davranışlarını sürekli denetleyerek düzeltmeye odaklanırken, bu çalışma ekonomik kuramlardan ilham alarak farklı bir yol öneriyor. Araştırmacılar, mülkiyet hakkının olmadığı bir ekonomiye benzettiği mevcut sistemlerin sürekli polis denetimi gerektirdiğini ve bu durumun ölçeklenmediğini belirtiyor. Bunun yerine, yapay zeka sistemlerinin iç yapısını öyle tasarlama öneriyorlar ki, istenen davranış en düşük maliyetli seçenek haline gelsin. Bu yaklaşım, yapay zeka hizalamasını bir davranış kontrolü sorunundan ziyade politik-ekonomi sorunu olarak görüyor. Çalışma, insan müdahalesinin üç temel seviyesini tanımlıyor: yapısal, parametrik ve denetimsel. Bu yeni framework, yapay zeka güvenliğinde paradigma değişikliği yaratabilir.

Araştırmacılar, dil ve görsel yetenekleri birleştiren yapay zeka modellerinin, görsel arama sistemlerinde beklenmedik başarı gösterdiğini keşfetti. Bu modeller, herhangi bir özel eğitim almadan benzer görselleri bulma konusunda uzman sistemleri geride bırakıyor. Çalışma, çok modlu dil modellerinin sadece metin-görsel işlemlerde değil, salt görsel görevlerde de güçlü olduğunu ortaya koyuyor. Özellikle karmaşık, gürültülü ortamlarda ve küçük nesnelerin bulunduğu görüntülerde daha dayanıklı sonuçlar veriyor.

Araştırmacılar, yapay zeka tabanlı arama sistemlerinde kritik bir sorunla karşı karşıya: kullanıcı davranışları zaman içinde değişince sistemin performansı düşüyor. Geleneksel arama sistemleri en yakın eşleşmeyi bulurken, yeni nesil sistemler her öğeye benzersiz tanımlayıcılar vererek aramayı metin üretimi problemi haline getiriyor. Bu yaklaşım başlangıçta etkili olsa da, kullanıcı etkileşim kalıpları değiştikçe tanımlayıcılar güncelliğini kaybediyor. Mevcut çözümler ya sabit tanımlayıcı setleri kullanıyor ya da sistemi sıfırdan yeniden eğitiyor. Bu durumda hem maliyet artıyor hem de sürekli güncelleme zorlaşıyor. Yeni araştırma, bu sorunun ne kadar ciddi olduğunu kronolojik testlerle analiz ediyor ve hafif, model-bağımsız bir güncelleme yöntemi öneriyor.

Araştırmacılar, tıbbi metin analizi için yeni bir yapay zeka sistemi geliştirdi. L2D-Clinical adlı bu sistem, ne zaman uzmanlaşmış BERT modellerini, ne zaman ise büyük dil modellerini kullanması gerektiğini kendi kendine öğrenebiliyor. Sistem, belirsizlik sinyallerini ve metin özelliklerini analiz ederek hangi durumda hangi modelin daha başarılı olacağını tahmin ediyor. İlaç yan etkisi tespiti ve tedavi sonucu sınıflandırması gibi görevlerde test edilen sistem, tek bir model kullanmaya kıyasla daha yüksek doğruluk oranları elde etti. Bu yaklaşım, tıbbi yapay zeka uygulamalarında farklı modellerin güçlü yanlarını birleştirerek daha güvenilir sonuçlar elde etmeyi mümkün kılıyor.

Peru'daki araştırmacılar, yerli Quechua dili ve İspanyolca için özel geliştirilmiş yapay zeka tabanlı metin-konuşma sistemleri oluşturdu. Bu çalışma, Peru Anayasası'nın her iki dilde de doğal seslendirilmesini mümkün kılıyor. Özellikle veri kıtlığı yaşanan Quechua dili için geliştirilen sistem, İspanyolcadan çapraz dil aktarımı kullanarak bu sorunu çözüyor. Araştırma, düşük kaynaklı dillerde konuşma teknolojilerinin geliştirilmesi açısından önemli bir adım teşkil ediyor. Proje kapsamında geliştirilen modeller, eğitim verileri ve sentezlenmiş ses kayıtları araştırma topluluğuyla paylaşılarak, benzer çalışmalara kaynak sağlanıyor. Bu çalışma, teknolojik gelişmelerin dil çeşitliliğini desteklemesi ve yerli toplulukların hukuki haklarına erişimini kolaylaştırması açısından önemli bir örnek oluşturuyor.

Araştırmacılar, modern şifreleme sistemlerindeki gizli zayıflıkları tespit etmek için yapay zeka destekli yeni bir yöntem geliştirdi. Neural Stringology Cryptanalysis adı verilen bu yaklaşım, geleneksel güvenlik testlerinin gözden kaçırabileceği yapısal anormallikleri makine öğrenmesi ile ortaya çıkarıyor. Özellikle ChaCha20 gibi yaygın kullanılan akım şifrelerini hedef alan sistem, metin analizi tekniklerini sinir ağlarıyla birleştiriyor. Bu yöntem, şifreleme algoritmalarının ürettiği anahtar dizilerindeki gizli kalıpları analiz ederek, daha önce fark edilmeyen güvenlik açıklarını tespit edebiliyor. Çalışma, siber güvenlik alanında yeni bir paradigma sunarak, şifreleme sistemlerinin dayanıklılığını değerlendirmek için daha sofistike araçların gerekliliğini vurguluyor.

Araştırmacılar, metin-görsel üretim sistemlerinde kullanılan ödül modellerinin beklenmedik demografik önyargılar içerdiğini keşfetti. Bu modeller kalite değerlendirmesi için tasarlanmış olmasına rağmen, belirli demografik grupları kayıran kararlar aldığı ortaya çıktı. Stanford ve diğer üniversitelerden araştırmacıların yürüttüğü kapsamlı çalışma, yapay zeka sistemlerinin insan tercihlerini öğrenme sürecinde istenmeyen önyargıları da içselleştirdiğini gösteriyor. Bu durum, AI-generated içeriklerin adilliğini ve çeşitliliğini olumsuz etkileyebilir.

Büyük dil modelleriyle çalışan otonom web ajanları, karmaşık tarayıcı görevlerini tamamlama konusunda umut vadediyor ancak uzun süreli iş akışlarında zorlanıyor. Araştırmacılar, bu sorunu çözmek için WebXSkill adlı yeni bir framework geliştirdi. Bu sistem, hem doğrudan çalıştırılabilen hem de ajan tarafından anlaşılabilen 'yürütülebilir beceriler' kullanıyor. Mevcut sistemlerdeki temel sorun, metin tabanlı becerilerin anlaşılır olmasına rağmen doğrudan çalıştırılamaması, kod tabanlı becerilerin ise çalıştırılabilir olmasına karşın ajan için anlaşılır olmaması. WebXSkill, parametreli eylem programlarını adım adım doğal dil rehberliğiyle birleştirerek bu açığı kapatıyor ve ajanlara hem hata kurtarma hem de adaptasyon imkanı sunuyor.

Çok modlu büyük dil modelleri (MLLM'ler), görüntülerdeki nesnelerin 2D yönelimini belirleme konusunda ciddi zorluklar yaşıyor. Yeni bir araştırma, bu sorunun kaynağını araştırarak görsel kodlayıcıların rolünü inceliyor. CLIP ve SigLIP gibi yaygın kullanılan kodlayıcıların, geometrik akıl yürütme yerine görüntü-metin anlamsal hizalama için eğitilmiş olmasının bu başarısızlığın temel nedeni olabileceği hipotezi test ediliyor. Araştırmacılar, LLaVA OneVision ve Qwen2.5-VL gibi modellerden elde edilen kodlayıcı temsillerinin rotasyon bilgisini koruyup korumadığını ölçmek için kontrollü deneysel protokoller tasarlıyor.

Araştırmacılar, yapay zeka sistemlerinin metin sınıflandırmasında belirsizliklerini tahmin edebilmesi için yeni bir yöntem geliştirdi. HolUE adlı bu yaklaşım, sistemin ne zaman hata yapabileceğini önceden tahmin ederek, bilinmeyen durumlarla karşılaştığında 'bilmiyorum' diyebilmesini sağlıyor. Yöntem, iki temel belirsizlik kaynağını ele alıyor: kullanıcının belirsiz sorularından kaynaklanan 'metin belirsizliği' ve veri dağılımındaki belirsizliklerden kaynaklanan 'galeri belirsizliği'. Test sonuçları oldukça etkileyici - farklı veri setlerinde mevcut yöntemlere göre %40 ile %365 arasında iyileşme sağlandı. Bu gelişme, özellikle güvenilir yapay zeka sistemleri için kritik önem taşıyor.