Geleneksel arama motorları insanlar için tasarlanmıştı, ancak artık büyük dil modelleri de bu sistemleri yoğun şekilde kullanıyor. Araştırmacılar, yapay zekanın bilgi arama ihtiyaçlarının insanlardan çok farklı olduğunu keşfetti. YZ modelleri, sınırlı dikkat kapasiteleri nedeniyle gürültülü veya alakasız bilgilere karşı çok daha hassas. Bu durum halüsinasyonlara ve mantık hatalarına yol açabiliyor. Yeni araştırma, bilgi arama sistemlerinde 'gürültü temizleme' yaklaşımının kritik önemde olduğunu vurguluyor. Sistemler artık kullanılabilir kanıt yoğunluğunu artırıp doğrulanabilirliği maksimize etmeye odaklanmalı. Bu paradigma değişimi, arama teknolojilerinin temelinden yeniden düşünülmesini gerektiriyor.

Araştırmacılar, EEG beyin sinyallerinden görsel içerikleri tanıyabilen yeni bir yapay zeka sistemi geliştirdi. SIMON adlı bu sistem, insan beyninin görsel algı mekanizmalarını taklit ederek, beyin dalgalarından hangi görselin izlendiğini tahmin edebiliyor. Geleneksel yöntemlerin aksine, insan dikkatinin doğal odaklanma noktalarını dikkate alan sistem, öne çıkan nesneleri vurgulayarak arka plan karmaşasını filtreleyor. Test sonuçlarında %69,7'ye varan başarı oranı elde eden sistem, beyin-bilgisayar arayüzleri ve nörolojik hastalıkların teşhisinde devrim yaratabilir.

ChatGPT gibi büyük dil modellerinin nasıl çalıştığı konusunda bilim dünyasında büyük bir tartışma yaşanıyor. Bu sistemler gerçekten anlayarak mı cevap veriyor, yoksa sadece ezberledikleri bilgileri tekrar mı ediyor? Yeni bir araştırma, bu temel soruya yanıt aramak için LLM'lerin bilgi işleme süreçlerini inceliyor. Araştırmacılar, bu modellerin insan benzeri zihinsel süreçler kullanıp kullanmadığını anlamaya çalışıyor. Bu sorunun yanıtı, yapay zekanın gerçek potansiyeli ve gelecekteki gelişimi hakkında kritik ipuçları verebilir. Bilim insanları arasında iyimser ve kötümser kamplar oluşmuş durumda.

Araştırmacılar, yapay zeka modellerinin birden fazla grafik üzerinde akıl yürütme yeteneğini test eden InterChart adlı yeni bir değerlendirme sistemi geliştirdi. Bu test, bilimsel raporlama, finansal analiz ve kamu politikası panolarında kritik olan çoklu grafik analizi becerisini ölçüyor. Mevcut en gelişmiş görsel-dil modellerinin bu konuda ciddi eksiklikleri olduğu ortaya çıktı. Test üç zorluk seviyesinden oluşuyor: tekil grafik analizi, birbirleriyle ilişkili grafik setlerinde bütünleştirici analiz ve gerçek dünya grafik çiftlerinde semantik çıkarım. Sonuçlar, grafik karmaşıklığı arttıkça AI modellerinin başarısının dramatik şekilde düştüğünü gösteriyor. Bu bulgular, AI sistemlerinin gerçek dünya uygulamalarında daha etkili olabilmesi için görsel akıl yürütme yeteneklerinin geliştirilmesi gerektiğini ortaya koyuyor.

Araştırmacılar, büyük dil modellerinin metinleri derinlemesine analiz ederek karmaşık sayısal değerlendirmeler yapabildiği yeni bir alan tanımladı: akıl yürütme yoğunlu regresyon. Bu yaklaşım, rubrik tabanlı puanlama, karmaşık ortamlarda ödül modelleme ve alan-özel arama gibi uygulamalarda kullanılıyor. Mevcut yöntemlerin yetersiz kaldığı durumlarda, araştırmacılar MENTAT adlı yeni bir hibrit yaklaşım geliştirdi. Bu yöntem, toplu yansıtmalı prompt optimizasyonu ile sinir ağı topluluk öğrenimini birleştirerek, sınırlı veri ve hesaplama kaynaklarıyla bile etkili sonuçlar üretiyor. Geleneksel duygu analizi gibi basit görevlerin ötesinde, yapay zekanın metin anlama kapasitesini artıran bu gelişme, eğitim değerlendirmelerinden karmaşık karar verme süreçlerine kadar geniş bir uygulama alanı sunuyor.

Araştırmacılar, çok modlu büyük dil modellerinin (MLLM) kısa videolardaki sağlık dezenformasyonunu ne kadar iyi tespit edebildiğini araştırdı. Çalışmada dört sağlık alanından 200 kısa video içeren özel bir veri seti kullanılarak sekiz farklı yapay zeka modeli test edildi. Videolardaki yanıltıcı deneysel sonuçlar, mantık hataları ve uydurma iddialar olmak üzere üç temel aldatma türü incelendi. Sonuçlara göre Gemini-2.5-Pro modeli çok modlu ortamda en yüksek performansı gösterdi. Bulgular, gelişmiş yapay zeka modellerinin bile görsel ve sosyal ipuçlarıyla desteklenen dezenformasyona karşı tam olarak dayanıklı olmadığını ortaya koyuyor.

Araştırmacılar, görsel-temelli mantıksal çıkarım yapabilen yeni bir yapay zeka modeli geliştirdi. VGR adlı bu model, geleneksel yaklaşımların aksine sadece metin tabanlı işlem yapmak yerine, görüntülerdeki önemli bölgeleri tespit ederek daha doğru çıkarımlar yapabiliyor. Mevcut çok modlu dil modelleri genellikle matematiksel ve bilimsel problemlerle sınırlıyken, VGR karmaşık görsel anlama gerektiren görevlerde de başarılı sonuçlar veriyor. Model, özel olarak hazırlanmış büyük ölçekli bir veri setiyle eğitilmiş ve görsel grondlama ile dil çıkarımını birleştiren hibrit bir yaklaşım kullanıyor. Bu gelişme, yapay zekanın insan benzeri görsel algı ve mantıksal düşünme süreçlerini daha iyi taklit edebilmesinin önünü açıyor.

Amerika'nın Ortabatı bölgesindeki düz tarım arazileri, artan yağış miktarları karşısında ciddi drenaj sorunları yaşıyor. Illinois eyaletinde çiftçilik yapan Larry Dallas'ın deneyimleri, iklim değişikliğinin tarım sektörü üzerindeki etkilerini gözler önüne seriyor. Düz arazilerin ekim ve hasat için ideal olmasına rağmen, su tahliyesi konusunda büyük dezavantajlar yaratması, çiftçileri yeni çözümler aramaya itiyor. Bölgede yaygınlaşan drenaj sistemi kurulumu, tarımsal adaptasyon stratejilerinin önemini vurguluyor.

Sussex Üniversitesi'nden Prof. Andrew Philippides, böceklerin navigasyon yeteneklerinden ilham alarak robot teknolojisini geliştiriyor. Karıncalar ve arılar, görsel ipuçlarını kullanarak karmaşık ortamlarda kusursuz navigasyon gerçekleştiriyor. Bu doğal yetenekler, biyomimetik yapay zeka alanında yeni ufuklar açıyor. Philippides'in araştırmaları, böceklerin basit sinir ağlarıyla nasıl etkili navigasyon stratejileri geliştirdiğini inceleyerek, bu mekanizmaları robot sistemlerine uyarlamayı hedefliyor. Çalışma, otonom araçlardan drone teknolojisine kadar geniş bir uygulama alanına sahip.

Araştırmacılar, birbirlerine kablo ile bağlı iki drone'dan oluşan 'catenary robot' sistemleri için yenilikçi bir kontrol algoritması geliştirdi. Bu sistem, dronlar arasındaki kablonun doğal asılma şeklini (catenary) matematiksel olarak modelleyerek, belirsizlikler karşısında bile kararlı uçuş sağlayabiliyor. Geliştirilen geometrik kontrol yaklaşımı, kablo kaynaklı güçlerdeki beklenmedik değişimlere karşı dirençli çalışıyor ve tracking hatalarında asimptotik yakınsama garantisi veriyor. Bu teknoloji, kargo taşımacılığından arama kurtarma operasyonlarına kadar geniş bir uygulama alanına sahip olabilir.

Araştırmacılar, İHA sürülerinin daha akıllı ve uyumlu hareket etmesini sağlayan yeni bir yapay zeka sistemi geliştirdi. Bu sistem, önce uzman pilotların hareketlerini öğreniyor, sonra bu bilgiyi kullanarak İHA'ların kendi kararlarını vermesini sağlıyor. Geleneksel yöntemlerin aksine, her durum için yeniden hesaplama yapmak yerine, öğrenilen deneyimlerden yola çıkarak hızlı karar verme imkanı sunuyor. Bu yaklaşım, özellikle askeri operasyonlar, arama-kurtarma görevleri ve sivil havacılık uygulamaları için büyük önem taşıyor. Sistem, çoklu İHA koordinasyonundaki karmaşık optimizasyon sorunlarını olasılık tabanlı bir öğrenme problemine dönüştürerek çözüyor.