Araştırmacılar, yapay zeka modellerinin daha az kelime kullanarak daha doğru sonuçlar üretebileceğini gösteren 'Semantik Yoğunluk Etkisi'ni keşfetti. Bu etki, komutlardaki anlam yüklü kelimelerin oranının artırılmasıyla elde ediliyor. Beş farklı AI modelinde yapılan testler, gereksiz kelimelerin çıkarılıp anlamlı olanların korunmasıyla performansın ortalama %8,4 oranında arttığını gösterdi. Bu yaklaşım, model hızını etkilemeden halüsinasyon sorununu azaltıyor ve daha odaklı yanıtlar üretiyor. Bulgular, AI ile etkileşimde 'az ama öz' prensibiinin ne kadar önemli olduğunu ortaya koyuyor.

Araştırmacılar, yapay zeka destekli sesli asistanların insanlarla daha doğal konuşabilmesi için FastTurn adlı yeni bir sistem geliştirdi. Mevcut sistemler ya kullanıcının konuşmasının bitmesini bekliyor ya da gecikmeli yanıtlar veriyor. FastTurn ise akustik sinyallerle anlam bilgisini birleştirerek, asistanın ne zaman konuşacağına, sessiz kalacağına veya araya gireceğine gerçek zamanlı karar vermesini sağlıyor. Sistem, özellikle gürültülü ortamlarda ve konuşmaların üst üste geldiği durumlarda bile düşük gecikmeyle çalışabiliyor. Bu gelişme, sesli asistanların insan benzeri etkileşim kurabilmesi için önemli bir adım sayılıyor.

Yapay zeka sistemlerinin bilgi arama süreçlerinde karşılaştığı kritik bir sorun olan 'anlam karmaşası' için yenilikçi bir çözüm geliştirildi. Retrieval-Augmented Generation (RAG) sistemleri, farklı konuları içeren metinleri işlerken semantik olarak ayrı içerikleri aynı komşuluk bölgelerinde gruplandırıyor ve bu durum arama hassasiyetini düşürüyordu. Araştırmacılar, bu sorunu ölçmek için Entanglement Index adlı bir metrik geliştirdi ve Semantic Disentanglement Pipeline isimli dört aşamalı bir ön işleme sistemi önerdi. Bu yenilik, yapay zeka asistanlarının daha doğru ve bağlama uygun bilgilere erişmesini sağlayacak.

Mobil cihazlarda yapay zeka uygulamaları için büyük modellerin indirilmesi önemli gecikmelere neden oluyor. Araştırmacılar bu soruna SLIDE adını verdikleri yenilikçi bir çözüm geliştirdi. Bu sistem, kullanıcıların modelin tamamını beklemek yerine, indirilen katmanlarla hemen çıkarım yapmaya başlamasını sağlıyor. Geleneksel yaklaşımda model önce tamamen indirilir, sonra işlem başlar. SLIDE ise bu süreci paralel hale getirerek önemli zaman kazancı sağlıyor. Sistem, çok kullanıcılı ortamlarda model sağlama, spektrum genişliği ve hesaplama kaynaklarını optimize ederek toplam işlem hızını artırıyor. Özellikle 5G ve sonrası nesil mobil ağların gerçek zamanlı AI hizmetleri sunması hedeflenen bu yaklaşım, büyük dil modelleri ve görüntü işleme uygulamaları için kritik öneme sahip.

Araştırmacılar, beynin dış uyaranlara verdiği elektriksel tepkileri analiz eden ERP yönteminde, yapay zeka modellerinin geleneksel analiz tekniklerine karşı performansını karşılaştırdı. Event-related potential (ERP), beynin belirli uyaranlara nasıl tepki verdiğini ölçen özel bir EEG tekniği olup, bilişsel süreçleri anlamak ve nörolojik hastalıkları tespit etmek için kritik öneme sahip. Çalışmada, manuel özellik çıkarımı yapan geleneksel yöntemler, derin öğrenme modelleri ve önceden eğitilmiş yapay zeka temelli sistemler aynı koşullarda test edildi. Bu kapsamlı karşılaştırma, ERP verilerinin analizinde hangi yaklaşımın daha etkili olduğunu belirlemeyi amaçlıyor.

Araştırmacılar, işe alım süreçlerini devrimsel olarak değiştiren yeni bir yapay zeka sistemi geliştirdi. Mira-embeddings-v1 adlı bu sistem, büyük dil modellerinin ürettiği sentetik verilerle eğitilerek, iş ilanlarına en uygun adayları daha başarılı şekilde tespit edebiliyor. Geleneksel işe alım süreçlerinde HR uzmanları binlerce özgeçmiş arasından uygun adayları bulma zorluğu yaşıyordu. Yeni sistem, önce geniş bir aday havuzundan ön eleme yapıyor, ardından bu listeyi yeniden sıralayarak kalifiye adayları en üste çıkarıyor. Beş aşamalı bir veri üretim süreci kullanarak çeşitli pozitif ve negatif örnekler oluşturuyor, böylece semantik anlam uzayını çok boyutlu şekilde şekillendiriyor. Manuel veri etiketleme gerektirmeyen bu yöntem, işe alım sektöründe zaman ve maliyet tasarrufu sağlayabilir.

Araştırmacılar, büyük dil modellerinin güvenlik açıklarını test etmek için yenilikçi bir yaklaşım geliştirdi. 'Ters Anayasal AI' adı verilen bu sistem, zararlı içerik üretebilen otomatik veri üretimi sağlıyor. Geleneksel güvenlik testlerinin aksine, bu yöntem sistematik ve kontrollü bir şekilde çok boyutlu saldırı verisi sentezleyebiliyor. Sistem, zararlı bir anayasa oluşturarak ve eleştiri-revizyon döngüsü kullanarak çalışıyor. Ancak sadece toksisite odaklı optimizasyon, anlam bozulmasına yol açabiliyor. Bu sorunu çözmek için olasılık sıkıştırma tekniği kullanılarak hem saldırgan niyeti koruyor hem de anlamsal tutarlılığı sağlıyor. Çalışma, AI güvenliği alanında önemli bir adım teşkil ediyor.

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, sosyal medyada propaganda tespit sistemlerinin kullanıcı gizliliğini nasıl tehdit ettiğini analiz etti. 162 bilimsel çalışmayı inceleyen araştırma, veri toplama, özellik çıkarma ve model çıkarımı aşamalarında ciddi gizlilik risklerinin bulunduğunu ortaya koydu. Geliştirilen PROMPT çerçevesi, gizlilik, doğruluk ve maliyet arasında denge kurarak bu riskleri azaltmak için stratejiler sunuyor. Çalışma, mevcut sistemlerin çoğunun GDPR ve CCPA gibi veri koruma düzenlemelerine uyum sağlamadığını gösteriyor. Bu bulgular, yapay zeka destekli propaganda tespit sistemlerinin geliştirilmesinde gizlilik koruma önlemlerinin kritik önemini vurguluyor.

Araştırmacılar, görsel öğeler arasında anlam bağlantısı kurma konusunda devrim niteliğinde bir yapay zeka modeli geliştirdi. MARCO adlı bu sistem, farklı görsellerdeki benzer nesneleri ve bölgeleri eşleştirme konusunda şimdiye kadarki en başarılı sonuçları elde etti. Mevcut sistemler milyarlarca parametre kullanmasına rağmen yeni durumlarla karşılaştıklarında yetersiz kalıyordu. MARCO ise daha az kaynak kullanarak hem hassas konum belirleme hem de anlam genellemesinde üstün performans sergiliyor. Bu gelişme, robotik, artırılmış gerçeklik ve görüntü analizi alanlarında önemli ilerlemeler sağlayabilir.

Görsel-dil modelleri fotoğraf kalitesinde görüntüler üretebilse de, deyimsel ifadelerin soyut anlamlarını kavramakta zorlanıyor. Yeni bir araştırma, bu modellerin neden hep somut anlamları tercih ettiğini ortaya koyuyor. DIVA adlı test sistemi ile 8 farklı model incelendiğinde, tümünün 'Literal Üstünlük Önyargısı' sergilediği keşfedildi. Bu durum, modellerin büyümesi ya da görsel kalitelerinin artmasıyla çözülmüyor. Araştırmacılar, yüksek görsel ayrıntının aslında soyut düşünmeyi engelleyebileceğini öne sürüyor.