Araştırmacılar, çok modlu büyük dil modellerinin (MLLM) gelişimindeki temel engelin görev çeşitliliği değil, eğitim verilerinin bilgi yoğunluğu olduğunu ortaya koydu. Çalışma, görsel soru yanıtlama (VQA) gibi özel görevlerin, görüntü açıklamalarının ötesinde çok az ek bilgi sağladığını gösteriyor. VQA sinyalleri, açıklamalardan minimal performans kaybıyla yeniden oluşturulabiliyor. Bunun yerine, yapılandırılmış açıklama zenginleştirme ve çapraz-modal bilgi enjeksiyonu yoluyla bilgi yoğunluğunun artırılması, hem çok modlu hem de alt akım ölçütlerde tutarlı performans iyileştirmeleri sağlıyor. Bu bulgular, AI modellerinin ölçeklendirme stratejilerinde paradigma değişikliği önerebilir.

Araştırmacılar, büyük dil modellerinin koroner anjiyografi raporlarından fizyolojik ölçümleri otomatik olarak çıkarma yeteneğini inceledi. Çalışma, 1342 Portekizce tıbbi rapor üzerinde gerçekleştirildi ve yapay zekanın tıbbi verileri ne kadar güvenilir şekilde işleyebileceğini araştırdı. Koroner anjiyografi raporları, kalp damarlarının durumu hakkında kritik bilgiler içerir ancak bu veriler genellikle yapılandırılmamış metin halindedir. Bu durum, araştırmacıların verileri analiz etmesini zorlaştırır. Araştırmada farklı prompting stratejileri kullanılarak, yapay zekanın bu tıbbi raporlardan değerli bilgileri ne kadar başarılı şekilde çıkarabileceği test edildi. Sonuçlar, tıbbi alanda yapay zeka kullanımının potansiyelini gösterirken, güvenilirlik konusundaki sınırları da ortaya koydu.

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, T hücresi reseptörlerinin peptid-MHC molekül bağlanmalarını tahmin etmek için yeni bir yapay zeka modeli geliştirdi. Bu sistem, aşı tasarımı ve T hücresi tedavilerinde kritik öneme sahip. Yeni yaklaşım, modelin eğitim sırasında görmediği epitoplarla karşılaştığında sessizce yanlış güven skoru vermesi sorununu çözmeyi hedefliyor. Araştırmacılar, güvenilir tahminler yapabilmek için 'seçici tahmin' yaklaşımını benimsiyor - model ya güvenilir bir skor verir ya da açıkça karar vermekten kaçınır. Dual-encoder mimarisi kullanan sistem, protein dil modeliyle eğitilmiş ve sıcaklık ölçeklendirmesi ile kalibre edilmiş. Conformal abstention kuralı sayesinde kullanıcının belirlediği hata oranında finite-sample kapsama garantisi sağlıyor. Üç farklı test stratejisinde değerlendirilen method, AUROC 0.813 ve ECE 0.043 değerlerine ulaştı.

Araştırmacılar, tıbbi görüntü segmentasyonunda yapay zekanın belirsizlik tahminlerini nasıl pratik kararlara dönüştürebileceğini araştırdı. Retina damar görüntüleri üzerinde yapılan çalışmada, belirsizlik haritalarının doğru stratejilerle kullanılması durumunda segmentasyon hatalarının yüzde 80'ine kadar azaltılabildiği gösterildi. İki aşamalı bir yaklaşım benimseyen bilim insanları, tahmin ve karar verme süreçlerini ayrı ayrı optimize ederek, yapay zekanın hangi tahminleri kabul edeceği, hangileri işaretleyeceği veya erteleyeceği konusunda daha etkili politikalar geliştirdi. Bu çalışma, tıbbi yapay zeka uygulamalarında güvenlik ve doğruluğun artırılması açısından önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, milyarlarca parametreli yapay zeka modellerini yeniden eğitmeden küçültebilen yeni bir framework geliştirdi. MOONSHOT adlı bu sistem, mevcut model sıkıştırma yöntemlerinin tek hedefli yaklaşımlarının yetersizliklerini gidererek, hem katman bazında yeniden yapılandırma hatalarını hem de eğitim kaybının matematiksel yaklaşımlarını aynı anda optimize ediyor. Bu çoklu hedefli strateji, farklı mimarilerde ve sıkıştırma seviyelerinde daha tutarlı sonuçlar veriyor. Framework, mevcut budama algoritmalarının etrafına sarılabilen esnek bir yapıya sahip ve büyük dil modellerinden görüntü işleme modellerine kadar geniş bir yelpazede kullanılabiliyor.

Fizik simülasyonlarında hızlı sonuç veren yapay sinir ağları, siber saldırılara karşı oldukça savunmasız durumda. Özellikle güvenlik kritik dijital ikiz uygulamalarında bu durum ciddi riskler yaratıyor. Araştırmacılar, bu sorunu çözmek için iki farklı yaklaşımı birleştiren yenilikçi bir savunma stratejisi geliştirdi. Sistem, hem aktif öğrenme tabanlı veri üretimi hem de giriş verilerini temizleyen özel mimari kullanıyor. Viscous Burgers denklemi üzerinde yapılan testlerde, yeni yaklaşım standart eğitim yöntemlerine kıyasla %87 daha iyi performans gösterdi ve güvenlik açıklarını önemli ölçüde azalttı.

Şimdiye kadar bulunan en iyi korunmuş Neanderthal bebek iskeleti üzerinde yapılan detaylı analizler, bu antik türün çocukluk döneminde modern insanlardan çok daha hızlı büyüdüklerini ortaya koyuyor. Araştırmacılar, 30.000 yıl önce yaşamış olan bu bebek kalıntılarını inceleyerek, Neanderthallerin erken yaşta sahip oldukları fiziksel özellikleri ve büyüme hızlarını belirledi. Bu bulgular, Neanderthallerin yaşam stratejilerinin modern insanlardan ne kadar farklı olduğunu gösteriyor. Hızlı büyüme, zorlu iklim koşullarına ve hayatta kalma mücadelesine karşı geliştirdikleri bir adaptasyon olarak değerlendiriliyor. Çalışma aynı zamanda Neanderthallerin çocuk bakımı ve beslenme alışkanlıklarına dair önemli ipuçları sunuyor.

İsveç'te gerçekleştirilen kapsamlı bir araştırma, yapay zekanın rutin sağlık verileri kullanarak melanom riski yüksek kişileri belirleyebildiğini ortaya koydu. Gelişmiş AI modelleri, geleneksel yöntemlerden çok daha başarılı sonuçlar elde etti. Sistem tarafından işaretlenen bazı bireylerin 5 yıl içinde melanom geliştirme olasılığı %33'e kadar çıktı. Bu yaklaşım, cilt kanseri taramalarında hedefli ve akıllı stratejiler geliştirilmesine yardımcı olabilir. Erken teşhisin hayati önem taşıdığı melanom vakalarında, AI destekli risk değerlendirmesi sağlık sistemlerini daha verimli hale getirebilir.

Son yapılan bir araştırma, popüler diyabet ve kilo verme ilaçları Ozempic ve Wegovy'nin neden bazı insanlarda beklendiği kadar etkili olmadığını açıkladı. Çalışma, nüfusun yaklaşık %10'unda 'GLP-1 direnci' adı verilen ilginç bir durumun bulunduğunu ortaya koydu. Bu kişilerde vücut, bu ilaçların hedeflediği GLP-1 hormonunu yüksek miktarda üretiyor, ancak bu hormona karşı uygun yanıt veremiyor. Genetik varyantların neden olduğu bu direnç mekanizması, kişiselleştirilmiş tedavi yaklaşımlarının önemini bir kez daha gözler önüne seriyor. Bulgular, gelecekte bu hastalara yönelik alternatif tedavi stratejilerinin geliştirilmesi için önemli ipuçları sunuyor.

Bilim insanları laboratuar ortamında Mars'ın zorlu koşullarını simüle ederek yaşamın Kızıl Gezegen'de mümkün olup olmadığını araştırdı. Maya hücreleri, Mars'ta bulunan şok dalgaları ve toksik perklorat tuzları gibi iki büyük çevresel tehdide karşı hayatta kalmayı başardı. Araştırma, bu mikroskobik canlıların özel koruyucu moleküler kümeler oluşturarak kritik hücresel fonksiyonlarını stres altında koruduğunu ortaya koydu. Bu savunma mekanizmaları olmadan hayatta kalma oranları dramatik şekilde düştü. Bulgular, yaşamın Dünya dışındaki zorlu ortamlarda kullanabileceği evrensel bir hayatta kalma stratejisine işaret ediyor ve Mars'ta mikrobiyal yaşamın mümkün olabileceği teorisini güçlendiriyor.