Araştırmacılar, eksik MRI verisiyle karşılaştığında bile beyin tümörlerini doğru şekilde tespit edebilen yeni bir yapay zeka sistemi geliştirdi. CausalDisenSeg adlı bu sistem, mevcut AI modellerinin en büyük zayıflığını çözüyor: yanıltıcı ipuçlarına dayanma eğilimi. Klasik sistemler tüm MRI modaliteleri mevcut olmadığında başarısız olurken, yeni yaklaşım nedensellik teorisini kullanarak gerçek anatomik yapıları öğreniyor. Sistem, görüntülerdeki anatomik bilgileri stil özelliklerinden ayırarak, eksik veri durumlarında bile güvenilir sonuçlar üretebiliyor. Bu gelişme özellikle kaynak kısıtlı hastaneler için kritik önem taşıyor.

Araştırmacılar, yapay zekanın gerçekçi 3D görseller üretebilmesi için DF3DV-1K adlı kapsamlı bir veri seti geliştirdi. 1.048 farklı mekan ve toplam 89.924 fotoğraf içeren bu koleksiyon, her sahne için hem temiz hem de karışık görüntüler sunuyor. Tüketici kameralarıyla çekilen fotoğraflar, günlük kullanım koşullarını taklit ediyor ve 128 farklı dikkat dağıtıcı öğe ile 161 mekan teması kapsıyor. Veri seti, yapay zekanın farklı açılardan yeni görüntüler sentezleyebilmesini sağlayan radiance field teknolojilerinin gelişimi için kritik öneme sahip. İç ve dış mekan ortamlarını kapsayan bu kaynak, özellikle karışık ortamlarda bile temiz görüntüler üretebilen sistemlerin test edilmesi amacıyla tasarlandı.

Araştırmacılar, yapay zeka sistemlerinin gerçek web ortamındaki karmaşık arama görevlerini ne kadar iyi yerine getirdiğini ölçmek için MERRIN adlı yeni bir test platformu geliştirdi. Bu platform, AI ajanlarının metin, görsel, ses ve video gibi farklı veri türlerini bir araya getirerek çok adımlı mantıksal çıkarımlar yapabilme yeteneklerini değerlendiriyor. Geleneksel test sistemlerinden farklı olarak, belirsiz doğal dil sorguları kullanıyor ve çelişkili bilgilerin bulunduğu gürültülü web ortamlarını simüle ediyor. GPT ve Gemini gibi güçlü kapalı kaynak modellerden açık kaynak alternatiflere kadar on farklı AI modeli üzerinde yapılan testler, mevcut sistemlerin gerçek dünya koşullarındaki sınırlarını ortaya çıkarıyor.

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.

Bulut tabanlı sistemlerin performansını izlemek için kullanılan PromQL gibi karmaşık sorgu dillerini öğrenmek, mühendisler için büyük bir engel oluşturuyor. Yeni bir araştırma, doğal dil işleme teknolojisiyle bu sorunu çözmeyi hedefliyor. Geliştirilen sistem, 'CPU kullanımı son 1 saatte nasıl?' gibi günlük sorularını otomatik olarak teknik sorgu kodlarına dönüştürebiliyor. Yaklaşık 2000 metriği içeren hibrit katalog sistemi, farklı donanım türlerini desteklerken, çok aşamalı analiz süreci soruları kategorilere ayırıp en uygun metrikleri buluyor. Dinamik zaman çözünürlüğü özelliği ise 'geçen hafta' veya 'son 5 dakika' gibi ifadeleri doğru teknik formatlara çeviriyor.

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.

Araştırmacılar, metin belgelerini anlamlı sayısal verilere çeviren yenilikçi bir sistem geliştirdi. Bu yöntem, her belgeyi matematiksel bir temsille kodlayarak, içeriğinin semantik özelliklerini ölçülebilir hale getiriyor. Sistemin test edildiği çalışmada, yapay zeka konulu 11.922 Portekizce haber makalesi altı farklı anlam boyutunda analiz edildi. Geliştirilen pipeline, Qwen gömme modelleri ve UMAP boyut indirgeme teknikleriyle birleştirilerek, metin corpuslarının hem bireysel hem de toplu karakterizasyonunu mümkün kılıyor. Bu yaklaşım, büyük metin koleksiyonlarının izlenmesi, incelenmesi ve analitik süreçlerde kullanılması için pratik bir çözüm sunuyor.

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, büyük dil modellerinin (LLM) sıkıştırılmış metinler üzerinde doğrudan analiz yapabildiğini keşfetti. Bu yenilikçi yaklaşım, sözlük kodlaması kullanarak tekrarlayan metin parçalarını kısa meta-simgelerle değiştiriyor ve model ince ayarına gerek kalmadan %80'e varan sıkıştırma oranları elde ediyor. Sistem, modele verilen sözlük sayesinde sıkıştırılmış metinleri doğru şekilde yorumlayabiliyor ve normal metinlerle aynı kalitede sonuçlar üretiyor. Bu gelişme, özellikle tekrarlı veriler içeren büyük metinlerin işlenmesinde maliyet etkinliği sağlayarak yapay zeka uygulamalarının ekonomik sürdürülebilirliğine önemli katkı sunuyor.

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.