Araştırmacılar, hasta verilerini paylaşmadan hastaneler arası işbirliği sağlayan federe öğrenme yöntemiyle meme kanseri tespitinde çığır açan bir başarı elde etti. Çalışmada, gerçek ultrason görüntülerinin yanına yapay zeka tarafından üretilen sentetik görüntüler eklenerek modelin performansı önemli ölçüde artırıldı. Üç farklı veri setinde yapılan denemelerde, sentetik görüntülerin dengeli kullanımıyla tespit başarısı yüzde 94'lere kadar yükseldi. Bu yaklaşım, özellikle küçük veri setleri bulunan tıp kurumları için umut verici sonuçlar sunuyor ve hasta mahremiyetini korurken tanı kalitesini artırıyor.

Amerika'da 650 bin irritabl bağırsak sendromu (IBS) hastasını 20 yıl boyunca izleyen kapsamlı bir araştırma, yaygın kullanılan bazı tedavilerin güvenliği konusunda endişe verici bulgular ortaya koydu. Çalışma, antidepresan ve belirli ishal önleyici ilaçlar gibi sık reçete edilen ilaçların uzun vadede ölüm riskinde küçük ama dikkat çekici bir artışla bağlantılı olduğunu gösterdi. Bu bulgular, IBS tedavisinde kullanılan ilaçların fayda-zarar dengesinin yeniden değerlendirilmesi gerektiğine işaret ediyor. Araştırmacılar, riskin küçük olmasına rağmen, milyonlarca hastayı etkileyen bu durumun ciddi bir halk sağlığı meselesi olduğunu vurguluyor.

Bilgisayar biliminde temel bir işlem olan aralık minimum sorguları (RMQ) için yeni bir yaklaşım geliştirildi. Araştırmacılar, alfabesi sınırlı dizilerde minimum değer arama işlemlerini daha verimli hale getiren kodlama yöntemleri tasarladı. Bu teknoloji, veri tabanı yönetimi, metin indeksleme ve hesaplamalı biyolojide kritik rol oynuyor. Özellikle pratik uygulamalarda karşılaşılan küçük alfabe boyutlu diziler için optimize edilmiş çözümler sunuyor. Hem tek boyutlu hem de iki boyutlu diziler için farklı sorgulama senaryoları analiz edilerek, alan karmaşıklığı açısından optimal sonuçlar elde edildi. Geliştirilen yöntemler, sabit boyutlu alfabeler için sabit zamanda sorgu yanıtlama imkanı sunuyor.

Araştırmacılar, büyük dil modellerinin belirli görevler için eğitimini daha verimli hale getiren TLoRA+ adlı yeni bir yöntem geliştirdi. Bu teknik, modellerin performansını artırırken hesaplama maliyetini minimum düzeyde tutuyor. ChatGPT ve benzeri büyük dil modellerinin özelleştirilmesi için kullanılan mevcut LoRA yöntemini geliştiren bu yaklaşım, daha az kaynak kullanarak daha iyi sonuçlar elde etmeyi mümkün kılıyor. GLUE benchmark testlerinde yapılan denemeler, yöntemin farklı model mimarilerinde tutarlı bir şekilde başarılı olduğunu gösterdi. Bu gelişme, yapay zeka modellerinin daha geniş kitlelere ve küçük şirketlere açılması açısından önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, büyük veri kümelerini daha küçük ve bağımsız parçalara ayırmak için yeni bir matematiksel yaklaşım geliştirdi. Formal kavram analizi alanında yapılan bu çalışma, özellikle belirsizlik içeren verilerle çalışırken büyük veri setlerinin işlenmesini kolaylaştırabilir. Geliştirilen yöntem, bulanık mantık çerçevesinde bağımsız alt bağlamların tanımlanmasına ve kavram kafeslerinin bloklar halinde ayrıştırılmasına dayanıyor. Bu yaklaşım, veri madenciliği ve yapay zeka uygulamalarında eksik ya da belirsiz bilgilerin bulunduğu büyük veri setlerinin daha verimli işlenmesine olanak sağlayabilir.

Araştırmacılar, büyük veri tabanlarını daha küçük ve bağımsız parçalara ayırarak analiz etmeyi kolaylaştıran yeni bir matematiksel yöntem geliştirdi. Bu yaklaşım, özellikle eksik ve kusurlu verilerle çalışırken bilgi çıkarma sürecini optimize ediyor. Bulanık biçimsel kavram analizi çerçevesinde geliştirilen yöntem, modal operatörler kullanarak bağımsız alt-bağlamları tespit edebiliyor. Bu gelişme, makine öğrenmesi ve yapay zeka uygulamalarında veri işleme verimliliğini artırarak, gerçek dünya problemlerinin çözümünde önemli katkılar sağlayabilir. Özellikle büyük ölçekli veri analizinde karşılaşılan hesaplama karmaşıklığını azaltması açısından dikkat çekici.

Büyük dil modellerinin ne zaman gerçek dışı bilgi üreteceğini önceden tahmin etmek mümkün mü? MIT araştırmacıları, bu kritik soruya yanıt aramak için 7 farklı yapay zeka modelini inceledi. Bulgular, 1 milyar parametrenin altındaki küçük modellerin hiçbir güvenilir sinyal vermediğini, ancak bu eşiği aşan büyük modellerin ilk kelimeyi bile üretmeden önce 'hayal kuracaklarını' belli ettiklerini ortaya koydu. Bu keşif, sağlık, hukuk ve finans gibi kritik alanlarda kullanılan yapay zekanın güvenilirliğini artırmak için önemli bir adım.

Araştırmacılar, polis-sivil gerginliklerinin çözümü için yapay zeka destekli bir eğitim sistemi geliştirdi. DeEscalWild adlı bu sistem, internet videolarından toplanan 5 bin gerçek polis-sivil etkileşiminden hareketle, özenle seçilmiş 1500 yüksek kaliteli senaryo içeriyor. Geleneksel eğitim yöntemlerinin ölçeklenebilirlik ve gerçekçilik sorunlarına çözüm sunan sistem, büyük dil modellerinin aksine küçük ve hafif yapısıyla sahada kullanılabiliyor. Bu yaklaşım, hem polis güvenliği hem de toplumsal güven açısından kritik olan gerginlik azaltma becerilerinin daha etkili öğretilmesini hedefliyor.

Araştırmacılar, kişisel gizliliği korumak için 3D görüntü rekonstrüksiyonunu engelleyen yenilikçi bir yöntem geliştirdi. PatchPoison adı verilen bu teknik, fotoğraflara küçük kareli desenler ekleyerek, bu görüntülerden izinsiz 3D model oluşturulmasını önlüyor. Yöntem, çok açılı görüntülerden yüksek kaliteli 3D modeller üreten 3D Gaussian Splatting teknolojisine karşı etkili bir koruma sağlıyor. Özellikle halka açık paylaşılan fotoğraf ve videolardan kişilerin haberi olmadan detaylı 3D modeller oluşturulması konusundaki endişelere yanıt veriyor. Bu hafif ve pratik çözüm, dijital gizlilik alanında önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, fırçalanmış metal yüzeyler ve fiber yapılar gibi mikro geometrilere sahip malzemelerin 3D görselleştirilmesi için yeni bir yöntem geliştirdi. Bu malzemeler, altında yatan küçük yapılarının şekli ve düzenlenişi nedeniyle ışığı farklı yönlerde dağıtır ve yüksek çözünürlük gerektirir. Geleneksel voksel verisi elde etme süreci zaman alıcı ve bellek yoğun olup, çoğu görüntüleme yaklaşımı piksel başına hesaplama sayısını azaltmak için ek Detay Seviyesi (LoD) veri yapıları gerektirir. Yeni araştırma, birden fazla çözünürlük seviyesinde hızlı veri toplama için tasarlanmış verimli paralel vokselleştirme yöntemi ve daha iyi doğruluk sağlayan hiyerarşik SGGX kümeleme tabanlı yeni bir temsil sunuyor. CUDA tabanlı bu yaklaşım, mikro geometri görüntüleme alanında önemli bir ilerleme kaydediyor.

Büyük dil modellerinin (LLM) öngörülemeyen davranışlar sergilemesinin ardındaki temel sebep ortaya çıkarıldı. ArXiv'de yayınlanan yeni araştırma, bu modellerin kaotik davranışlarının sayısal hassasiyet sınırlarından kaynaklandığını gösteriyor. Bilim insanları, kayan nokta sayılarındaki küçük yuvarlama hatalarının transformer katmanları boyunca nasıl yayıldığını ve büyüdüğünü izledi. Araştırmacılar, erken katmanlarda 'çığ etkisi' adını verdikleri kaotik bir fenomen keşfetti - küçük değişiklikler ya hızla büyüyor ya da tamamen sönüyor. Bu bulgular, yapay zeka sistemlerinin güvenilirliği için kritik önem taşıyor. Özellikle LLM'lerin otonom süreçlerde kullanımı arttıkça, bu öngörülemezlik ciddi bir güvenilirlik sorunu haline geliyor. Çalışma, farklı ölçeklerdeki modellerin üç farklı davranış rejimi sergilediğini ortaya koyuyor.