Araştırmacılar, yapay zeka eğitiminde kullanılan Forward-Forward algoritmasını önemli ölçüde geliştiren yeni bir yaklaşım keşfetti. Geleneksel yöntemlerin aksine, tüm nöronları değerlendirmek yerine sadece en aktif olanları seçen 'top-k iyilik' fonksiyonu, Fashion-MNIST veri setinde %22,6 oranında daha yüksek doğruluk sağladı. Bu yenilikçi yaklaşım, beynin çalışma mantığına daha yakın olan Forward-Forward algoritmasının performansını dramatik şekilde artırarak, yapay zeka eğitiminde yeni ufuklar açıyor. Çalışma, hangi nöron aktivasyonlarının ölçülmesi ve nasıl bir araya getirilmesi gerektiği konusunda sistematik bir analiz sunuyor.

Araştırmacılar, yapay zeka modellerinin uzun süreli eğitiminde karşılaşılan kritik sorunları çözen yeni bir yaklaşım geliştirdi. Çalışma, modellerin kendi içlerindeki karşılaştırmalı öğrenme sürecinde yaşanan 'öğrenme vergisi', çözüm olasılığı kayması ve entropi çöküşü gibi problemlerin temel nedenini ortaya koyuyor. Token düzeyindeki kredi atama perspektifinden hareketle, araştırmacılar gradient değiştirilebilirliğinin korunması gerektiğini ve bu sayede zayıf kredili tokenlarda gradient iptalinin sağlanabileceğini gösterdi. Bu keşif, yapay zeka modellerinin daha kararlı ve verimli eğitilmesi için yeni bir yol açıyor.

Araştırmacılar, fiziksel robotların yeteneklerini modüler bir şekilde yönetmek için ECM Contracts adlı yeni bir arayüz modeli geliştirdi. Bu sistem, robotların farklı yetenekleri kurması, güncellemesi ve birleştirmesi sürecini standartlaştırıyor. Geleneksel yazılım arayüzlerinin aksine, ECM Contracts altı farklı boyutu dikkate alarak robotların güvenli ve uyumlu çalışmasını sağlıyor. Bu yaklaşım, robot yeteneklerinin karmaşık kombinasyonlarının güvenilir bir şekilde çalışmasını mümkün kılarak, robotik sistemlerde modülerlik ve uyumluluk sorunlarına çözüm getiriyor.

Araştırmacılar, hareket halindeki koku kaynaklarını takip etme problemini matematiksel olarak modellediler. Çalışma, gecikmiş ve kesintili koku sinyalleriyle hedef tespiti yapmanın zorluklarını ele alıyor. Geliştirilen model, hedefin pozisyon ve hızını aynı anda tahmin eden bir karar verme sistemi kullanıyor. Bulgular, hedef sık yön değiştirdiğinde keşifsel stratejilerin etkili olduğunu, ancak hedef kararlı hareket ettiğinde bu yaklaşımların başarısız olduğunu gösteriyor. Bu araştırma, av arayan hayvanlardan otonom robot sistemlerine kadar geniş bir uygulama alanına sahip.

Araştırmacılar, yapay zekanın mantıksal çıkarım süreçlerini değerlendiren ödül modellerindeki temel bir sorunu çözdü. Geleneksel yöntemler, AI'nin her adımını ayrı ayrı puanlarken tutarsızlıklar yaşıyordu - eğitim sırasında sadece genel sonucu gözetirken, kullanım sırasında her adımı tek tek değerlendirmek zorundaydı. Bu durum, modelin hangi mantık adımlarının doğru olduğunu güvenilir şekilde belirleyememesine neden oluyordu. Yeni geliştirilen 'Örtük Önek-Değer Ödül Modeli' bu sorunu çözerek, AI sistemlerinin daha tutarlı ve güvenilir şekilde öğrenmesini sağlıyor. Bu gelişme, özellikle karmaşık problem çözme gerektiren AI uygulamaları için önemli bir adım.

MIT ve Stanford araştırmacıları, farklı yeteneklerdeki robotların bir arada güvenli çalışması için yeni bir sistem geliştirdi. Capability-Aware Heterogeneous Control Barrier Function (CA-HCBF) adlı bu yaklaşım, her robotun kendi fiziksel sınırlarını bilerek güvenlik kararları almasını sağlıyor. Sistem, tekerlekli robotlar ve insansı robotlar gibi farklı hareket kabiliyetlerine sahip makinelerin aynı ortamda çarpışmadan çalışmasına olanak tanıyor. Geleneksel yöntemler tüm robotları aynı kabul ederken, yeni sistem her robotun kendine özgü hareket sınırlarını dikkate alarak daha güvenli ve verimli koordinasyon sağlıyor.

Yapay zeka sistemleri gerçek dünyada sürekli bilgi akışına erişemeyebilir - sensör sınırları, iletişim kesintileri ya da hesaplama kısıtları nedeniyle. MIT araştırmacıları, bu zorlu koşullarda çalışan AI ajanlarının performansını analiz eden yeni bir çerçeve geliştirdi. Zamana bağlı değişen ortamlarda, eski bilgilerle karar almak zorunda kalan yapay zeka sistemlerinin ne kadar etkili olabileceğini matematiksel olarak kanıtladılar. Bu çalışma, otonom araçlardan robot sistemlere, gerçek zamanlı veri akışının kesintiye uğradığı her durumda kritik öneme sahip. Araştırma, AI'nin güvenilirliği ve dayanıklılığı konusunda yeni perspektifler sunuyor.

ChatGPT gibi yapay zeka araçları yazılım geliştirmede hızla yaygınlaşıyor ancak beraberinde 'Anlama Borcu' (Comprehension Debt) sorununu getiriyor. Bu terim, geliştirici takımların kendi kodlarını anlama düzeyi ile gerçekte bilmeleri gereken seviye arasındaki artan uçurumu ifade ediyor. Araştırmacılar, 207 öğrencinin 8 hafta boyunca tuttuğu 621 günlüğü inceleyerek yapay zeka araçlarının bu borcu nasıl artırdığını ortaya çıkardı. Öğrenciler yapay zekadan gelen kodu sorgulamadan kabul etme, bağlam uyumsuzlukları ve bağımlılık kaynaklı yeteneklerinin körelmesi gibi sorunlar yaşıyor. Bu durum yazılım mühendisliği eğitiminde önemli bir uyarı niteliğinde.

Büyük dil modellerinin eğitiminde sadece İngilizce kullanmanın yetersiz olduğunu gösteren kapsamlı bir araştırma yayınlandı. 8 milyar parametreye kadar modeller üzerinde yapılan 220 farklı eğitim deneyi, çok dilli yaklaşımın tüm dillerde performansı artırdığını ortaya koyuyor. Araştırmacılar, matematiksel akıl yürütme ve API çağrıları gibi görevlerde çok dilli eğitimin sadece düşük kaynaklı dilleri değil, İngilizce performansını da iyileştirdiğini keşfetti. Hatta tek bir yabancı dil eklemenin bile modelin genel başarısını artırdığı gözlemlendi. Bu bulgular, yapay zeka endüstrisinin İngilizce ağırlıklı eğitim yaklaşımını yeniden değerlendirmesi gerektiğine işaret ediyor.

Araştırmacılar, robot kollarının kendi vücutlarını görsel olarak algılayarak hareket edebilmesi için yenilikçi bir yöntem geliştirdi. Bu sistem, robotların üzerine herhangi bir işaretçi yerleştirmeden, sadece doğal görsel özelliklerini kullanarak kendilerini konumlandırabilmesini sağlıyor. Geliştirilen teknik, önce robot üzerine ArUco işaretçiler yerleştirerek veri topluyor, ardından bu işaretçileri dijital olarak silerek doğal görünümlü robot görüntüleri elde ediyor. Bu yaklaşım, özellikle işaretçi yerleştirmenin mümkün olmadığı endüstriyel uygulamalar için büyük önem taşıyor ve robot kontrolünde yeni bir dönem başlatabilir.

Hindistan'ın Chhattisgarh eyaletindeki Dhamtari Geçim Kolej'inde yürütülen kapsamlı bir araştırma, meslek edindirme programlarının dijital araçlar kullanımındaki eksiklikleri ortaya çıkardı. Bir yıl boyunca süren çalışmada, GIS haritalama, CCTV video analizi ve paydaşlarla yapılan görüşmeler gibi farklı yöntemler kullanılarak beş aşamalı beceri geliştirme sürecinin ilk üç aşaması incelendi. Araştırma sonuçları, bu tür programların yaygınlaşması ve etkinliğinin artırılması açısından kritik bilgiler sunuyor.