Kendisini çevre dostu bir blockchain olarak tanıtan Chia Network'ün gerçek çevresel etkisi, araştırmacılar tarafından kapsamlı bir şekilde incelendi. Proof of Space and Time (PoST) konsensüs mekanizması kullanan Chia, geleneksel Proof-of-Work sistemlerine sürdürülebilir bir alternatif olduğunu iddia ediyor. Ancak Grid'5000 test ortamında yapılan deneysel ölçümler ve teorik modellemeler, Chia'nın yıllık karbon emisyonunun 0.88 milyon ton CO2'ye ulaştığını ortaya koydu. Bu miktar, şirketin iddia ettiği değerin tam 18 katı. Araştırma, Chia'nın kaynak-yoğun başlatma aşaması ve devam eden operasyonlarının, diğer 'yeşil' blockchain'leri büyüklük sırası olarak geride bıraktığını gösteriyor.

Araştırmacılar, şehirlerdeki arazi kullanım desenlerini analiz ederek benzer kentleri tespit eden yeni bir yapay zeka metodolojisi geliştirdiler. Copernicus programının Kentsel Atlas verilerini kullanan bu çalışma, veri madenciliği ve denetimsiz öğrenme tekniklerini birleştireyor. Sistem, şehirlerdeki farklı arazi türlerinin nasıl bir arada bulunduğunu inceleyerek kentler arasında benzerlik kuruyor. Bu yaklaşım, şehir plancılarına ve politika yapıcılarına değerli içgörüler sunarak, başarılı kentsel çözümlerin diğer şehirlere uyarlanmasını kolaylaştırabilir. Geliştirilen framework ölçeklenebilir olup, kaynak kodları halka açık olarak paylaşılmış durumda.

Güney Koreli araştırmacılar, yapay zeka modellerinin Korece dilinde ve kültürel bağlamda ne kadar başarılı olduğunu ölçmek için KMMMU adlı yeni bir test sistemi geliştirdi. 3.466 sorudan oluşan bu kapsamlı değerlendirme, matematik, fen bilimleri ve sosyal bilimler gibi dokuz farklı alandaki görselli soruları içeriyor. Test sonuçları oldukça düşündürücü: en güçlü açık kaynak yapay zeka modeli bile sadece %42 başarı gösterirken, ticari modellerin en iyisi zor sorularda %52'ye ulaşabildi. Özellikle Kore kültürüne özgü sorularda performans %13'e varan düşüşler gösterdi. Bu çalışma, yapay zeka modellerinin küresel ölçekte geliştirilmesine rağmen yerel kültür ve dil özelliklerinde hala ciddi eksiklikleri olduğunu ortaya koyuyor.

Büyük dil modelleri kod yazma ve metin üretmede başarılı olsalar da, bilimsel alanlarda matematiksel akıl yürütme yetenekleri henüz yeterince keşfedilmemişti. Yeni bir araştırma, yapay zekanın optik iletişim alanında formül türetme konusunda ne kadar ileri gittiğini gösteriyor. Araştırmacılar, fiber optik kablolardaki doğrusal olmayan girişim modellemesi için özel yapılandırılmış komutlar kullanarak bir dil modelini yönlendirdiler. Model, bilinen ISRS GN ifadelerini başarıyla yeniden oluşturmakla kalmadı, aynı zamanda çok aralıklı C ve C+L band iletimler için yeni bir yaklaşım formülü türetti. Sayısal doğrulamalar, yapay zeka tarafından türetilen modelin temel modellerle neredeyse özdeş sonuçlar ürettiğini ve tüm kanallar ve aralıklarda ortalama mutlak hatanın 0.109 dB'nin altında kaldığını ortaya koydu.

Araştırmacılar, Dünya bilimleri ve uydu gözlemleri konularında uzmanlaşmış EVE (Earth Virtual Expert) adlı ilk açık kaynak yapay zeka sistemini geliştirdi. 24 milyar parametreli bu model, geleneksel yapay zeka sistemlerinin aksine özellikle iklim değişikliği, çevre izleme ve yer bilimleri alanlarında sorulara daha doğru yanıtlar verebiliyor. EVE, Mistral Small 3.2 temelli bir model üzerine inşa edilmiş ve Dünya gözlem verileri ile eğitilmiş. Sistem, hem çoktan seçmeli hem de açık uçlu sorularda benzer boyuttaki genel amaçlı modellerden daha başarılı performans gösteriyor. 350 pilot kullanıcının test ettiği sistem, API ve web arayüzü üzerinden erişilebilir durumda. Proje, model, veri setleri ve kodları açık lisanslar altında bilim insanlarının kullanımına sunuyor.

Araştırmacılar, çok modlu büyük dil modellerinin (MLLM) ürettiği yanıtların hangi kaynaklardan geldiğini izleyebilen yeni bir sistem geliştirdi. OmniTrace adlı bu hafif çerçeve, metin, görüntü, ses ve video girişlerini aynı anda işleyebilen yapay zeka modellerinde kaynak atıfı sorununu çözmeyi hedefliyor. Mevcut atıf yöntemleri genellikle tek modalite veya sınıflandırma görevleri için tasarlanmış durumda. OmniTrace ise üretim sırasında her bir token'ın hangi girişten geldiğini takip ederek, anlam bütünlüğü olan açıklamalar sunuyor. Bu gelişme, yapay zeka sistemlerinin güvenilirliği ve şeffaflığı açısından önemli bir adım olarak görülüyor.

Siber-fiziksel sistemler (CPS), hesaplama ve fiziksel süreçleri birleştiren karmaşık yapılardır. Ancak mevcut mühendislik yaklaşımları, bu sistemlerin çalıştırılma semantiğini yeterince dikkate almıyor. Araştırmacılar, doğrulanmış model davranışları ile gerçek çalıştırma davranışları arasındaki boşluğu kapatmak için yeni bir yaklaşım öneriyor. Bu yaklaşımda, çalıştırma semantiği birinci sınıf mühendislik varlıkları olarak ele alınıyor. Geleneksel formal doğrulama yöntemleri sabit semantik varsayımlarla çalışırken, simülasyon tabanlı doğrulama ise fiziksel kısıtlamaları göz ardı ediyor. Yeni yaklaşım, fiziksel çalıştırma kısıtlamalarını implementasyon detayları yerine semantik sınır koşulları olarak değerlendiriyor. Bu çalışma, CPS mühendisliğinde modelleme ve simülasyon tabanlı yeni bir paradigma sunarak, daha güvenilir ve gerçekçi sistem geliştirme süreçlerinin temelini atıyor.

Araştırmacılar, büyük dil modellerinin kod yazabildiği ama doğruluğunu kontrol edemediği sorununa çözüm getiren AgentForge adlı sistemi geliştirdi. Bu yenilikçi çerçeve, beş farklı AI ajanının koordineli çalışmasıyla yazılım geliştirme sürecini otomatikleştiriyor. Planlayıcı, kodlayıcı, test edici, hata ayıklayıcı ve eleştiri ajanlarından oluşan ekip, her kod değişikliğini güvenli bir test ortamında çalıştırarak doğruluğunu kontrol ediyor. Sistem, yazılım mühendisliğini iteratif bir karar süreci olarak modelleyerek, geleneksel token tabanlı yaklaşımlar yerine gerçek çalıştırma geri bildirimini kullanıyor. SWE-BENCH Lite test setinde %40 başarı oranına ulaşan AgentForge, tek ajan sistemlerinden 26-28 puan daha iyi performans gösteriyor. Bu gelişme, AI destekli yazılım geliştirmede önemli bir adım teşkil ediyor.

Fukuoka Üniversitesi araştırmacıları, yapay zeka algoritmalarının dış mekan ortamlarını daha iyi tanımlayabilmesi için kapsamlı bir panoramik 3D veri seti geliştirdi. İki farklı veri seti içeren bu çalışma, orman, sahil, yerleşim yeri, şehir merkezi ve park alanları gibi altı farklı kategoriyi kapsıyor. İlk veri seti 9 milyon noktalık yoğun 3D taramalar içerirken, ikincisi araç üzerinde gerçek zamanlı olarak toplanan 70 bin noktalık seyrek verilerden oluşuyor. Araştırmacılar bu verileri kullanarak yapay zeka modellerini test ettiklerinde, yoğun verilerle %96,42, seyrek verilerle %89,67 doğruluk oranına ulaştılar. Bu veri setleri, otonom sürüş teknolojilerinden robotik uygulamalara kadar birçok alanda kullanılabilecek açık kaynak olarak sunuldu.

Peru'daki araştırmacılar, yerli Quechua dili ve İspanyolca için özel geliştirilmiş yapay zeka tabanlı metin-konuşma sistemleri oluşturdu. Bu çalışma, Peru Anayasası'nın her iki dilde de doğal seslendirilmesini mümkün kılıyor. Özellikle veri kıtlığı yaşanan Quechua dili için geliştirilen sistem, İspanyolcadan çapraz dil aktarımı kullanarak bu sorunu çözüyor. Araştırma, düşük kaynaklı dillerde konuşma teknolojilerinin geliştirilmesi açısından önemli bir adım teşkil ediyor. Proje kapsamında geliştirilen modeller, eğitim verileri ve sentezlenmiş ses kayıtları araştırma topluluğuyla paylaşılarak, benzer çalışmalara kaynak sağlanıyor. Bu çalışma, teknolojik gelişmelerin dil çeşitliliğini desteklemesi ve yerli toplulukların hukuki haklarına erişimini kolaylaştırması açısından önemli bir örnek oluşturuyor.

Stanford araştırmacıları, yeraltı rezervuarlarının özelliklerini belirlemek için fizik kurallarını yapay zeka ile birleştiren yenilikçi bir yöntem geliştirdi. Bu teknik, petrol rezervuarları, jeotermal enerji kaynakları ve CO₂ depolama alanları gibi yeraltı yapılarının daha doğru haritalanmasını sağlıyor. Geleneksel yöntemlerin aksine, sınırlı basınç ölçümleriyle bile güvenilir sonuçlar üretebilen sistem, özellikle nadir görülen aşırı basınç olaylarını da başarıyla modelleyebiliyor. Makine öğrenmesi algoritmaları içine fizik simülatörleri gömülerek geliştirilen bu yaklaşım, hem hesaplama maliyetlerini düşürüyor hem de fiziksel tutarlılığı koruyor. Yöntem, enerji sektöründen çevre koruma uygulamalarına kadar geniş bir kullanım alanı sunuyor ve yeraltı kaynak yönetiminde devrim yaratma potansiyeli taşıyor.