MIT araştırmacıları, mevcut yapay zeka ajanslarının hafıza sistemlerinin aslında gerçek hafıza olmadığını, yalnızca bilgi arama mekanizması olduğunu ortaya koydu. Vektör depoları, bağlamsal pencere yönetimi ve benzer teknolojilerin 'arama' işlevi gördüğünü, ancak gerçek öğrenme sağlamadığını gösterdiler. Bu durum, ajanların sürekli not biriktirmesine rağmen uzmanlık geliştiremediği, kompozisyonel görevlerde genelleme tavanına çarptığı ve kalıcı hafıza zehirlenmesine karşı savunmasız kaldığı anlamına geliyor. Araştırma, sinir bilimindeki Tamamlayıcı Öğrenme Sistemleri teorisinden yola çıkarak, biyolojik zekanın bu sorunu nasıl çözdüğünü inceliyor.

Bilim insanları, dünya mutfaklarından binlerce geleneksel tarifi analiz ederek şaşırtıcı bir keşif yaptı: yemek tarifleri, dil ve diğer sembolik sistemlerde görülen evrensel matematiksel yasalara uyuyor. Araştırma, malzeme kullanımının Zipf yasasını takip ettiğini, mutfak çeşitliliğinin Heaps yasasına göre geliştiğini ve tarif karmaşıklığının Menzerath-Altmann ilişkilerine uyduğunu ortaya koydu. Bu bulgular, görünürde birbirinden çok farklı olan dünya mutfaklarının altında yatan ortak matematiksel yapıları işaret ediyor. Çalışma, yapay zeka destekli varlık tanıma algoritmaları kullanılarak malzemeler, pişirme teknikleri ve mutfak araçları kategorilere ayrıldı. Sonuçlar, insan yaratıcılığının farklı alanlarında benzer istatistiksel kalıpların var olduğuna dair güçlü kanıtlar sunuyor.

Penn State Üniversitesi araştırmacılarının yürüttüğü çalışma, sosyal medya paylaşımlarındaki konum bilgilerinin okuyucuların tepkilerini önemli ölçüde etkilediğini ortaya koyuyor. Araştırma, bir kullanıcının kişisel deneyimlerini, duygularını veya inançlarını paylaştığı gönderilerde yer alan coğrafi bilgilerin, diğer kullanıcıların o kişiye karşı empati kurmasını ve paylaşımını beğenmesini doğrudan etkileyebildiğini gösteriyor. Bu bulgu, sosyal medya algoritmalarından dijital pazarlamaya kadar birçok alanda önemli çıkarımlara sahip. Emlak sektöründeki 'konum, konum, konum' ilkesinin dijital dünyada da geçerli olduğunu gösteren bu araştırma, sosyal medya platformlarında coğrafi etiketlerin sadece bilgi paylaşma aracı olmadığını, aynı zamanda sosyal etkileşimi şekillendiren güçlü bir faktör olduğunu kanıtlıyor.

Araştırmacılar, görüntülerde kenar tespiti yapabilen tamamen kuantum tabanlı yeni bir algoritma geliştirdi. Bu algoritma, gri tonlamalı görüntüleri Novel Enhanced Quantum Representation (NEQR) tekniğiyle kodlayarak, komşu piksellerin yoğunluk değerleri arasındaki farkları kuantum devrelerinde hesaplayabiliyor. Geleneksel edge detection algoritmalarından farklı olarak, bu yaklaşım tamamen kuantum hesaplama prensipleriyle çalışıyor ve polynomial zamanda iyileşmeler sunuyor. Algoritma, piksel yoğunluklarını süperpozisyon durumunda işleyerek gradyan tabanlı kenar tespiti gerçekleştiriyor ve yön farkında kaydırma mekanizması kullanarak doğruluğu artırıyor. Bu gelişme, kuantum görüntü işleme alanında önemli bir adım teşkil ediyor.

Stanford araştırmacıları, ilaç keşfinde yapay zekanın rolünü araştıran kapsamlı bir çalışma yürüttü. 22 farklı moleküler özellik ve aktivite testinde, büyük dil modelleri ve temel moleküler modellerin her zaman klasik makine öğrenmesi yöntemlerinden üstün olmadığını keşfetti. 167 bin test örneğinde, Random Forest ve ExtraTrees gibi geleneksel yöntemler 10 görevde birinci olurken, graf sinir ağları 9 görevde, büyük ön-eğitimli modeller ise sadece 3 görevde en iyi performansı gösterdi. Bu bulgular, ilaç geliştirmede AI yaklaşımı seçerken görev özelliklerinin dikkate alınmasının önemini vurguluyor.

Araştırmacılar, online psikolojik danışmanlık için özel olarak tasarlanmış SAGE adlı yenilikçi bir yapay zeka sistemi geliştirdi. Geleneksel yapay zeka modellerinin aksine, SAGE psikolojik teorileri ve klinik bilgiyi yapılandırılmış bir graf sistemiyle birleştirerek, gerçek terapistler gibi stratejik müdahale planlama yeteneğine sahip. Sistem önce hastanın durumuna en uygun terapötik stratejini belirliyor, ardından graf tabanlı dikkat mekanizması kullanarak psikolojik teorilere dayalı yanıtlar üretiyor. Bu yaklaşım, mental sağlık danışmanlığının karmaşık doğasını dikkate alarak güvenli ve etkili terapi seansları sunmayı hedefliyor.

Araştırmacılar, robotların nesneleri daha etkili kavrayabilmesi için iki farklı algoritma geliştirdi. GET-2D-1.0 adlı sistem, tek kamerayla alınan görüntülerden yararlanarak 683 milisaniyede kavrama planı oluştururken, GET-3D-1.0 sistemi ise üç boyutlu modelleme kullanarak daha hassas sonuçlar üretiyor. Fiziksel deneyler, 2D sistemin mevcut yöntemlere kıyasla nesneleri kaldırma başarısında %40 oranında iyileşme sağladığını gösterdi. Bu gelişme, endüstriyel robotların manipülasyon kabiliyetlerini artırarak otomasyonun daha karmaşık görevlerde kullanılmasının önünü açıyor.

Araştırmacılar, uzun süreli robotik görevlerin analizi için ATLAS adlı yenilikçi bir araç geliştirdi. Bu araç, robotların karmaşık hareketlerini zaman içinde bölümlere ayırmak ve etiketlemek için tasarlandı. ATLAS, çoklu kamera görüntüleri ile robot sensör verilerini eşzamanlı olarak görselleştirerek, araştırmacıların robot davranışlarını daha detaylı incelemesine olanak tanıyor. Geleneksel araçların aksine, robot kavrayıcı durumu ve kuvvet sensörleri gibi robotik verileri doğal olarak destekliyor. Farklı veri formatlarına kolayca uyum sağlayabilen bu sistem, robot öğrenme algoritmaları için kritik olan hassas zaman sınırlarının belirlenmesini kolaylaştırıyor. ATLAS'ın geliştirilmesi, robotik alanında makine öğrenmesi uygulamalarının ilerlemesine önemli katkı sağlayacak.

Bilim insanları, karmaşık ağlarda difüzyon ve salınım süreçlerini daha iyi anlamak için yeni bir matematiksel yaklaşım geliştirdi. Sosyal ağlardan beyin bağlantılarına kadar pek çok sistemde bulunan karmaşık ağ yapılarında, bilginin, enerjinin veya hastalığın nasıl yayıldığını modellemek için graf Laplacian matrislerinin özvektörlerini kullanıyorlar. Araştırmacılar, yoğun madde fiziğinden uyarlanan bir yöntemi kullanarak etkili uzunluk ölçeklerini hesaplıyor ve bu sayede ağ üzerindeki dinamik süreçlerin dispersiyon ilişkilerini belirliyor. Bu yaklaşım, rastgele kısayollar içeren ağaç yapıları dahil olmak üzere dokuz farklı doğal ve yapay ağ türünde test edildi.

Araştırmacılar, GPS sinyallerinin ulaşamadığı tüneller ve madenler gibi zorlu ortamlarda drone navigasyonu için yenilikçi bir yöntem geliştirdi. Sistem, LiDAR sensörü ile toplanan verileri derin öğrenme algoritmaları ve geometrik hesaplamalarla işleyerek drone'un güvenli bir şekilde hareket etmesini sağlıyor. Geleneksel konum belirleme yöntemlerinin işe yaramadığı, aydınlatmanın yetersiz olduğu ve duvar özelliklerinin az olduğu ortamlarda bile etkili navigasyon gerçekleştiriyor. Bu teknoloji, arama kurtarma operasyonları, maden keşfi ve altyapı denetimi gibi alanlarda drone kullanımını büyük ölçüde genişletebilir.

Şehir trafiğinde yayalar ve bisikletçiler gibi savunmasız yol kullanıcılarının güvenliği, otonom sürüş teknolojilerinin gelişimi için kritik bir konu haline geldi. Araştırmacılar, bu alandaki veri eksikliğini gidermek için OnSiteVRU adında kapsamlı bir veri seti geliştirdi. Bu veri seti, kavşaklar, yol bölümleri ve şehir mahallelerini kapsayan çeşitli senaryolarda toplam 17.429 yörünge verisi içeriyor. Motorlu araçlar, elektrikli bisikletler ve pedallı bisikletlerin 0.04 saniyelik hassasiyetle kaydedilen hareket verilerini bir araya getiren çalışma, hem havadan çekim hem de araç üstü kamera verilerini entegre ediyor. Bu yüksek çözünürlüklü veri seti, otonom araçların karma trafik ortamlarında daha güvenli kararlar alabilmesi için gerekli olan makine öğrenmesi algoritmalarının eğitiminde kullanılacak.