MIT araştırmacıları, uzun vadeli görevleri yerine getiren robotlar için yeni bir yapay zeka yaklaşımı geliştirdi. Geleneksel difüzyon modelleri, robotların hareket yörüngelerini modellemede başarılı olsa da karmaşık karar verme süreçlerinde zorlanıyor. Yeni hibrit sistem, sürekli hareket planlamasını sembolik düşünce ile birleştirerek bu sorunu çözüyor. Sistem, hem matematiksel hesaplamaları hem de mantıksal karar verme süreçlerini eş zamanlı olarak kullanarak robotların daha karmaşık görevleri başarıyla tamamlamasını sağlıyor. Bu yaklaşım, mevcut yöntemleri önemli ölçüde geride bırakarak robotik alanında yeni bir dönüm noktası oluşturuyor.

Bir öğrenci sınavda başarısız olduğunda, bunu çaba eksikliğine mi yoksa sınavın zorluğuna mı bağlarız? Stanford araştırmacıları, büyük dil modellerinin olayları nasıl yorumladığını ve bu yorumların demografik önyargılara nasıl yol açtığını inceledi. Çalışma, yapay zeka sistemlerinin başarı ve başarısızlığı açıklarken kullandığı mantık süreçlerinde sistematik önyargılar bulunduğunu ortaya koyuyor. Sosyal psikolojiden ödünç alınan 'atıfsal yanlılık' kavramı üzerinden yapılan bu değerlendirme, AI'ın adalet sorunlarına yeni bir perspektif getiriyor. Araştırma, mevcut önyargı tespit yöntemlerinin ötesine geçerek, modellerin düşünce süreçlerindeki derin yapısal sorunları gözler önüne seriyor.

Araştırmacılar, mevcut yapay zeka ajanlarının bilgi toplama konusunda başarılı olmasına rağmen karmaşık mantıksal çıkarım yapma konusunda yetersiz kaldığını tespit etti. Stanford ve diğer kurumlardan bilim insanları, bu sorunu çözmek için WebAggregator adlı yeni bir sistem geliştirdi. Bu teknoloji, dağınık bilgi parçalarını bir araya getireip tutarlı mantıksal sonuçlar çıkarabilen yapay zeka ajanları oluşturmayı hedefliyor. Sistem, 50 bin web sitesinden toplanan 10 bin doğrulanabilir soru-cevap çifti kullanarak eğitildi ve 12 farklı kompozisyon kuralı ile çalışıyor. Bu gelişme, yapay zekanın sadece bilgi arama robotu olmaktan çıkıp gerçek anlamda araştırma yapabilen sistemlere dönüşmesi açısından kritik bir adım olarak değerlendiriliyor.

Araştırmacılar, yapay zekanın görsel problemleri çözerken yaşadığı temel sorunu ele aldı. Mevcut sistemler görselleri algılayabiliyor ama mantıksal yapıları kavrayamıyor. Yeni geliştirilen 'Thinking with Drafting' (TwD) yöntemi, yapay zekanın görsel bilgiyi mantıksal kod yapısına dönüştürmesini sağlıyor. Bu yaklaşım, sistemin doğrudan cevap üretmek yerine düşünce sürecini kodlayarak kendini doğrulamasına olanak tanıyor. Görsel algının mantıksal yapıya dönüştürülmesi süreci 'optik dekompresyon' olarak adlandırılıyor.

Araştırmacılar, büyük dil modellerinin gerçek dünya problemlerini çözme yeteneklerini değerlendirmek için LIT-RAGBench adlı yeni bir test sistemi geliştirdi. Bu sistem, yapay zekanın bilgi entegrasyonu, mantıksal çıkarım, tablo yorumlama, çok adımlı akıl yürütme ve yetersiz veri durumunda karar verme becerilerini aynı anda ölçebiliyor. Mevcut test sistemleri bu yetenekleri parça parça değerlendirirken, LIT-RAGBench bunları birlikte ele alarak daha gerçekçi bir performans ölçümü sunuyor. Bu gelişme, RAG (Retrieval-Augmented Generation) teknolojisinin pratik uygulamalarda ne kadar etkili olduğunu anlamak için kritik bir adım teşkil ediyor.

Araştırmacılar, yapay zeka tabanlı dil modellerinin gerçek dünya problemlerini ne kadar iyi çözebildğini ölçmek için yeni bir test sistemi geliştirdiler. ChinaTravel adlı bu sistem, yapay zekanın çok günlük seyahat planları yapabilme yeteneğini değerlendiriyor. Geleneksel testlerden farklı olarak, kullanıcıların doğal dille ifade ettikleri karmaşık ve çok katmanlı isteklerini anlayıp uygulanabilir planlar oluşturabiliyor mu diye bakıyor. 1154 kişiden toplanan gerçek verilerle beslenen sistem, yapay zekanın pratik kısıtlamaları anlama, tercihleri değerlendirme ve mantıklı öneriler sunma becerilerini test ediyor. Bu çalışma, dil modellerinin laboratuvar ortamından çıkıp gerçek hayattaki karmaşık görevlerde ne kadar başarılı olduğunu anlamaya yönelik önemli bir adım.

Araştırmacılar, kuantum bilgisayarlarda araç rotalama problemini çözmek için yenilikçi bir yaklaşım geliştirdi. Kapasiteli araç rotalama problemi (CVRP) için tasarlanan bu yöntem, renkli permütasyon kodlaması kullanarak kuantum bitlerinin (qubit) daha verimli kullanılmasını sağlıyor. Geleneksel kuantum yaklaşımlarından farklı olarak, bu sistem ek mantıksal qubit gerektirmeden araç kapasitelerini kontrol edebiliyor. Bu gelişme, lojistik ve taşımacılık sektöründe kuantum avantajının gerçekleşmesi için önemli bir adım olarak değerlendiriliyor.

Kuantum fiziğindeki en temel tartışmalardan biri yeniden masaya yatırılıyor. Onlarca yıldır Bell eşitsizliklerinin deneysel ihlalinin doğanın 'yerel olmayan' karakterini kanıtladığı kabul ediliyor. Ancak yeni bir analiz, bu sonucun Einstein-Podolsky-Rosen argümanı veya Bell teoremi tarafından mantıksal olarak zorunlu kılınmadığını öne sürüyor. Araştırmacılar, Bell eşitsizliklerinin türetilmesinde 'karşı-olgusal akıl yürütme'nin - yani yapılmayan ölçümlerin sonuçlarının belirli değerlere sahip olduğu varsayımının - merkezi rol oynadığını vurguluyor. Bu eşitsizliklerin sadece yerellikten değil, yerellikle birlikte uyumsuz ölçüm bağlamlarında global değer atamalarından kaynaklandığı gösteriliyor. Dolayısıyla deneysel ihlaller, yerel olmayan nedensellikten ziyade 'bağlamsallık' kavramına işaret ediyor olabilir.

Araştırmacılar, endüstriyel tesislerdeki görev planlaması sorunlarını çözmek için kuantum mekaniğinden esinlenen tensör ağ teknolojisini geliştirdiler. Bu yenilikçi yaklaşım, birbirine bağımlı görevlerin makineler üzerinde optimal dağılımını sağlarken toplam maliyeti en aza indiriyor. Geleneksel yöntemlerin aksine, bu teknik probleme tam ve açık bir çözüm sunuyor. Yöntem, mantıksal kısıtlamaları yoğunlaştırma, önceden hesaplanmış sonuçları yeniden kullanma ve ara hesaplamaları optimize etme gibi tekniklerle hesaplama karmaşıklığını önemli ölçüde azaltıyor. Üç farklı algoritma sunulan çalışma, endüstriyel üretimde verimliliği artırmak için kuantum teknolojilerinin pratik uygulamalarının önünü açıyor.

Araştırmacılar, büyük dil modellerinin mesleki sınavlardaki performansını artıran yeni bir sistem geliştirdi. CogRAG+ adlı bu sistem, insan beyninin bilgiyi işleme biçimini taklit ederek yapay zekanın mantık yürütme sürecini iyileştiriyor. Sistem, bilgi alma ve akıl yürütme işlemlerini birbirinden ayırarak daha tutarlı sonuçlar elde ediyor. Geleneksel yapay zeka modellerinde görülen belirsiz çıkarım süreçleri ve bilgi boşlukları sorunu, bu yeni yaklaşımla çözülmeye çalışılıyor. CogRAG+, özellikle tıp, hukuk ve mühendislik gibi uzmanlık gerektiren alanlarda yapay zekanın karar verme kalitesini artırma potansiyeline sahip. Bu gelişme, profesyonel eğitim ve değerlendirme sistemlerinde yapay zeka kullanımının yaygınlaşmasına katkı sağlayabilir.

Araştırmacılar, büyük dil modellerinde şaşırtıcı bir keşif yaptı: çok adımlı mantık yürütme süreçlerinde modellere kısmi bilgi verildiğinde, yanlış cevaplara olan güvenleri artıyor. 'Çıpalı konfabulasyon' adı verilen bu olgu, modelin verilen kısmi bilgiyi sabit nokta kabul ederek geriye kalan adımları parametrik hafızasından tamamlama eğiliminde olmasından kaynaklanıyor. Altı farklı model ailesi üzerinde yapılan deneylerde, bu durumun model kapasitesi arttıkça daha belirgin hale geldiği gözlemlendi. Bulgular, yapay zeka sistemlerinin güvenilirlik kalibrasyonu konusunda önemli çıkarımlara sahip.