Stanford araştırmacıları, yapay zekanın tek bir görsel örnekten öğrenmesini sağlayan devrim niteliğinde bir yöntem geliştirdi. 1S-DAug adlı bu teknik, sadece bir görüntüden yola çıkarak çeşitli varyasyonlar üretip bunları birleştirerek daha güvenilir tahminler yapabiliyor. Geleneksel makine öğrenmesi yöntemlerinin binlerce örnek gerektirdiği durumlarda, bu yeni yaklaşım minimal veriyle maksimum performans elde etmeyi hedefliyor. miniImageNet veri setinde %20'ye varan doğruluk artışı sağlayan sistem, mevcut modellere eklenti olarak entegre edilebiliyor. Bu gelişme, tıbbi görüntü analizi ve nadir türlerin tanınması gibi sınırlı veri bulunan alanlarda yapay zeka kullanımına yeni kapılar açıyor.

Araştırmacılar, cerrahi videoları analiz etmede devrim yaratabilecek SurgMotion adlı yeni bir yapay zeka modeli geliştirdi. Geleneksel AI modellerinin aksine, SurgMotion piksel düzeyinde görsel detayları yeniden oluşturmak yerine, ameliyat sahnesindeki anlamlı hareketleri öngörmeye odaklanıyor. Bu yaklaşım, duman, yansımalar ve sıvı hareketleri gibi cerrahi anlayış için önemsiz detayları görmezden gelerek, modelin kapasitesini asıl önemli yapısal bilgilere yönlendiriyor. Model, hareket tabanlı tahmin, uzamsal-zamansal tutarlılık ve temsil çeşitliliği gibi üç temel yeniliği bir araya getiriyor. Bu gelişme, ameliyat sırasında gerçek zamanlı yardım, cerrahi eğitim ve tıbbi analiz alanlarında önemli ilerlemeler sağlayabilir.

Büyük dil modellerinin (LLM) nasıl mantık yürüttüğü konusunda çığır açan bir araştırma, yapay zekanın düşünce sürecinin görünen 'mantık zincirleri'nden ziyade gizli durumlar aracılığıyla gerçekleştiğini öne sürüyor. Stanford ve diğer kurumlardan araştırmacılar, AI'nın problem çözme yeteneğinin açıklanabilirliği, değerlendirilmesi ve geliştirilmesi açısından bu ayrımın kritik önem taşıdığını belirtiyor. Çalışma, yapay zeka sistemlerinin gerçek muhakeme mekanizmalarını anlamamızı köklü şekilde değiştirebilir.

Araştırmacılar, görsel-dil modellerinin (VLM) fotoğraflardan coğrafi konum tespiti yapma yeteneklerini kapsamlı bir şekilde test etti. Geleneksel yöntemlerden farklı olarak GPS verisi veya özel eğitim kullanmadan, sadece anlık sorgu yöntemleriyle ülke düzeyinde konum tahmini yapan bu modellerin performansı incelendi. Üç farklı coğrafi veri seti üzerinde yapılan testler, mevcut yapay zeka modellerinin bu alanda ciddi sınırları olduğunu ortaya koydu. Çalışma, görsel anlayış ve dil işleme konularında güçlü kabul edilen modern AI sistemlerinin, coğrafi çıkarım yapmada beklenenden daha zayıf kaldığını gösteriyor. Bu bulgular, yapay zekanın gerçek dünya uygulamalarında henüz aşılması gereken önemli engeller bulunduğuna işaret ediyor.

Görsel-dil yapay zeka modelleri (VLM'ler) son dönemde görsel verileri anlayıp mantık yürütebildikleri iddiasıyla büyük ilgi çekiyor. Ancak yeni bir araştırma, bu modellerin başarısının gerçek görsel anlama mı yoksa sadece metin tabanlı yetenekler mi olduğunu sorguluyor. Araştırmacılar CrossMath adlı özel bir test sistemi geliştirerek, aynı matematik problemlerini sadece metin, sadece görsel ve karma formatlarda sundu. Sonuçlar şaşırtıcı: modeller metin formatında çok daha başarılı olurken, görsel formatta ciddi performans düşüşü yaşıyor. Bu bulgular, günümüz AI teknolojisinin görsel zeka konusundaki gerçek kapasitesini anlamamız açısından kritik önem taşıyor.

Matematik alanında önemli bir gelişme yaşandı. Araştırmacılar, monodromik Hecke cebirlerini kategorilere dönüştüren üç farklı yaklaşımı birleştiren kapsamlı bir teori geliştirdi. Bu çalışma, soyut cebirsel yapıları görsel diagramlarla temsil etmeyi mümkün kılan yeni yöntemler sunuyor. Soergel bimodüllerinin genelleştirilmiş versiyonları ve diagramatik hesaplama yöntemleri kullanılarak, matematiksel nesneler arasındaki derin bağlantılar ortaya çıkarıldı. Bu teorik ilerleme, özellikle simetri grupları ve temsil teorisi alanlarında yeni araştırma kapıları açıyor ve matematikçilerin karmaşık cebirsel yapıları daha etkili şekilde analiz etmelerine olanak tanıyor.

Vision Language modelleri (VLM'ler), görsel ve metin verilerini birlikte işleyebilen güçlü yapay zeka sistemleri olmasına rağmen, genellikle sadece bir modaliteye odaklanma sorunu yaşıyor. Araştırmacılar, bu dengesizliği çözmek için MoIR adlı yeni bir bilgi yönlendirme sistemi geliştirdi. Sistem, eksik veya belirsiz bilgileri tespit edip diğer modalitelerden tamamlayarak, hem görsel hem de metinsel verilerin eşit şekilde değerlendirilmesini sağlıyor. Bu yenilik, yapay zekanın çok modaliteli görevlerde daha dengeli ve doğru sonuçlar üretmesini mümkün kılıyor.

Araştırmacılar, yapay zeka modellerinin nasıl karar verdiğini anlamamızı kolaylaştıran yeni bir yöntem geliştirdi. CoAt-CBM adlı bu sistem, AI modellerinin görsel verileri işlerken hangi kavramlara odaklandığını daha net bir şekilde gösteriyor. Geleneksel yöntemler, önceden eğitilmiş modellerin önyargılarından etkileniyor ve kavramlar arasındaki ilişkileri göz ardı ediyordu. Yeni yaklaşım, her kavram için özel görsel sorgular kullanarak bu sorunları çözüyor ve modelin kararlarını daha şeffaf hale getiriyor. Bu gelişme, yapay zeka sistemlerinin güvenilirliği ve anlaşılabilirliği açısından önemli bir adım.

Yapay zeka destekli video üretimi giderek yaygınlaşırken, profesyonel kalitede video düzenleme sistemlerinin objektif değerlendirilmesi kritik bir ihtiyaç haline geldi. Araştırmacılar bu sorunu çözmek için VEFX-Bench adlı kapsamlı bir test platformu geliştirdi. Platform, 5.049 video düzenleme örneği içeren ve insan uzmanlar tarafından etiketlenmiş büyük ölçekli bir veri seti sunuyor. Sistem, video düzenleme kalitesini talimat takibi, görsel kalite ve düzenleme özgünlüğü olmak üzere üç farklı boyutta değerlendiriyor. Bu gelişme, yapay zeka video düzenleme teknolojilerinin standardize edilmiş şekilde karşılaştırılmasına olanak tanıyarak, sektörün daha hızlı gelişimine katkı sağlayacak.

Farklı bakış açılarından aynı ortamı gözlemleyen yapay zeka ajanları, birbirleriyle hiç koordinasyon kurmadan şaşırtıcı derecede benzer içsel temsiller geliştiriyor. Meta AI araştırmacıları, Social-JEPA adını verdikleri çalışmada iki ayrı ajanın dünya modellerinin geometrik olarak birbirine dönüştürülebilir olduğunu keşfetti. Bu durum, gelecekteki gözlemleri tahmin etmeye odaklanan öğrenme süreçlerinin temsil geometrisi üzerinde güçlü düzenleyici etkiler yarattığını gösteriyor. Bulgular, merkezi olmayan görsel sistemler arasında hafif bir birlikte çalışabilirlik yolu öneriyor ve bir ajanda eğitilmiş sınıflandırıcının diğerine ek gradyan adımları olmadan taşınabilmesini mümkün kılıyor.

Görsel-dil modellerinin bilinmeyen durumları tespit etme yetenekleri, yeni bir öğrenme yaklaşımıyla önemli ölçüde geliştirildi. Araştırmacılar, CLIP gibi modellerin test aşamasında karşılaştıkları yeni durumlardan dinamik olarak öğrenebilmesini sağlayan TTL (Test Zamanı Metinsel Öğrenme) adlı bir çerçeve geliştirdi. Bu yöntem, önceden tanımlanmış etiketlere bağımlı kalmak yerine, sürekli değişen test verilerinden anlık olarak yeni anlamsal bilgiler çıkarabiliyor. Sistem, güvenilir örnekleri seçerek gürültüyü minimize ederken, gerçek zamanlı adaptasyon sağlıyor. Bu gelişme, yapay zekanın dinamik ortamlarda daha etkili çalışabilmesi açısından kritik önem taşıyor.