Robotlar ve yapay zeka asistanları için geliştirilen Vision-Language-Action (VLA) modelleri, görsel algı ve dil anlayışını birleştirerek fiziksel dünyada eylem gerçekleştirme yeteneği kazanıyor. Bu modeller son dönemde hem 2D hem de 3D görsel verilerini işleyebilir hale geldi, bu da daha iyi uzamsal algı sağlıyor ancak işlem yükünü artırıyor. Araştırmacılar, bu sorunu çözmek için üç aşamalı bir optimizasyon çerçevesi geliştirdi. Bu yöntem, 2D ve 3D verilerin önem derecelerini ayrı ayrı analiz ederek gereksiz bilgileri ayıklıyor ve modellerin daha hızlı çalışmasını sağlıyor. Çalışma, yapay zeka robotlarının gerçek zamanlı karar verme yeteneklerinin geliştirilmesinde önemli bir adım.

Tıp alanında kullanılan büyük dil modelleri, hastaların cinsel yönelimi ve dini inançları gibi sosyal özelliklerine göre farklı performans gösteriyor. Araştırmacılar 9 farklı AI modelini 2.364 tıbbi soru üzerinde test ederek, 'eşcinsel' tanımlamasının tutarlı şekilde performans düşüşüne yol açtığını keşfetti. Bu durum, AI sistemlerinin güvenilirlik seviyesini ölçen 'kalibrasyon' mekanizmalarında ciddi sorunlara neden oluyor. Özellikle birden fazla sosyal kimlik özelliği bir arada bulunduğunda, AI'ın kendine güven seviyesi ile gerçek doğruluk oranı arasında tehlikeli farklılıklar ortaya çıkıyor. Bu bulgular, tıbbi AI asistanlarının klinik ortamda güvenle kullanılabilmesi için sosyal önyargıların giderilmesi gerektiğini gösteriyor.

MIT araştırmacıları, büyük dil modeli tabanlı yapay zeka ajanlarının finansal piyasalarda nasıl davrandığını inceledikleri deneysel çalışmada çarpıcı sonuçlar elde etti. AI ajanları, tıpkı insanlar gibi davranışsal önyargılar sergiledi ve bireysel seviyedeki bu önyargılar piyasa düzeyinde balonlara yol açtı. Çalışma, AI'ların finansal karar verme süreçlerindeki rolünün artmasıyla birlikte piyasa dinamiklerinin nasıl değişebileceğine dair önemli ipuçları sunuyor. Araştırmacılar, belirli müdahalelerle AI davranışlarını kontrol edebileceklerini de gösterdi.

Astronomlar, protoplanet disklerindeki 'ölü bölge' denilen özel bölgelerde gezegenlerin nasıl oluştuğunu araştırıyor. Yeni simülasyonlar, bu bölgenin iç kenarındaki periyodik patlamaların, toz taneciklerinin büyümesini ve gezegen oluşumunu nasıl etkilediğini ortaya koyuyor. Araştırmacılar, viscous ısınma ve radyasyon soğuması gibi karmaşık süreçleri modelleyerek, akresyon patlamalarının birden fazla toz halkasının oluşumuna yol açtığını keşfetti. Bu bulgular, güneş sistemimizin de dahil olduğu gezegen sistemlerinin erken evrelerindeki fiziksel süreçleri anlamamız açısından kritik önem taşıyor. Çalışma, toz opasitesinin bu süreçteki anahtar rolünü vurgularken, gezegen oluşumunun bu bölgedeki sınırlarını da ortaya koyuyor.

MIT araştırmacıları, yapay zeka sistemlerinin öğrenme verimliliğini artıran yeni bir matematiksel yaklaşım geliştirdi. Eluder boyutu adı verilen kavramın yerelleştirilmesi ile pekiştirmeli öğrenme algoritmalarında önemli iyileştirmeler sağlandı. Araştırma, geleneksel yöntemlerin sınırlarını ortaya koyarak, özellikle belirsizlik altında karar verme problemlerinde daha iyi performans gösteren algoritmalar geliştirilmesinin önünü açtı. Bu gelişme, otonom araçlardan finansal karar sistemlerine kadar geniş bir uygulama alanında yapay zeka sistemlerinin daha az hata yaparak öğrenmesini sağlayabilir.

Büyük dil modellerinin en ciddi sorunlarından biri olan halüsinasyon fenomeni için yeni bir çözüm geliştirildi. HalluSAE adlı bu yöntem, yapay zekanın yanlış bilgi üretme sürecini faz geçişi teorisiyle modelleyerek, modelin gizli dinamiklerindeki kritik değişimleri tespit ediyor. Araştırmacılar, metin üretim sürecini bir enerji manzarası içindeki yörünge olarak ele alarak, hangi özelliklerin faktüel hatalara yol açtığını belirlemeyi başardı. Bu gelişme, yapay zeka sistemlerinin güvenilirliğini artırmak için kritik bir adım olarak değerlendiriliyor.

Araştırmacılar, bulut ve kenar bilişim altyapısında çalışan yapay zeka hizmetlerini daha akıllı şekilde yönetebilen AIF-Router adlı yeni bir sistem geliştirdi. Bu sistem, insan beyninin karar verme süreçlerini taklit eden 'Aktif Çıkarım' (Active Inference) yöntemini kullanıyor. Geleneksel sistemlerin aksine önceden eğitim gerektirmiyor ve gerçek zamanlı olarak öğrenerek performansını artırıyor. Sistem, gecikme süresi, işlem kapasitesi ve kaynak kullanımı arasında optimal dengeyi kurmaya odaklanıyor. Özellikle kararsız kenar bilişim ortamlarında bile stabil öğrenme davranışı sergiliyor, bu da yapay zeka hizmetlerinin daha güvenilir şekilde sunulabilmesinin önünü açıyor.

Singapur Yönetim Üniversitesi ve GovTech Singapur'un ortak geliştirdiği TitanCA sistemi, büyük dil modellerini kullanarak yazılım güvenlik açıklarını tespit etmede çığır açtı. Sistem, birden fazla yapay zeka ajanını koordine ederek çalışıyor ve açık kaynak yazılımlarda 203 tane daha önce bilinmeyen güvenlik açığı keşfetti. Bu başarı, geleneksel güvenlik tarama araçlarının yüksek yanlış alarm oranları sorununa karşı umut verici bir çözüm sunuyor. Araştırmacılar, eşleştirme, filtreleme, inceleme ve uyarlama olmak üzere dört modülden oluşan mimariyi kullandılar ve 118 CVE (Common Vulnerabilities and Exposures) kaydı elde ettiler.

Yazılım geliştirmede artık yaygın olarak kullanılan yapay zeka botlarının, otomatik kod entegrasyonu süreçlerindeki güvenilirlik düzeyleri ilk kez kapsamlı bir şekilde incelendi. GitHub Actions platformunda 61 bin iş akışı analiz eden araştırmada, farklı AI botların başarı oranları arasında önemli farklar tespit edildi. Copilot ve Codex %93-94 başarı oranıyla öne çıkarken, botların daha sık katkı yaptığı projelerde iş akışlarının başarısızlık oranının arttığı gözlemlendi. Bu bulgular, AI destekli yazılım geliştirme süreçlerinin optimizasyonu için önemli ipuçları sunuyor.

Bilim insanları, altermanyetik malzemelerin elektriksel karşılığı olan 'alterelektrik' malzemeleri tanımladı. Bu yeni malzeme sınıfı, manyetik özellikler yerine elektriksel polarizasyona dayalı benzersiz özellikler sergiliyor. Alterelektrik malzemeler, dört kutuplu piezoelektrik etki ve hiperbolik dalga yayılımı gibi ilginç fiziksel özellikler gösteriyor. Araştırmacılar, bu malzemelerin özelliklerinin manyetizmadan ziyade kristal simetrisinden kaynaklandığını ortaya koyarak, malzeme biliminde yeni bir araştırma alanının kapılarını açtı. Bu keşif, gelecekteki elektronik cihazlar ve sensör teknolojilerinde devrim yaratabilir.

Yapay zeka sistemlerinin en büyük sorunlarından biri, yeni bilgiler öğrenirken eskilerini unutmasıdır. Stanford araştırmacıları, bu 'katastrofik unutma' sorununu yeni bir geometrik perspektifle inceledi. Çalışma, unutmanın aslında özellik kodlamalarındaki dönüşümlerden kaynaklandığını gösteriyor. Araştırmacılar, bu dönüşümlerin özelliklere ayrılan kapasiteyi azaltarak veya alt seviye hesaplamaların bunları okumasını bozarak unutmaya yol açtığını keşfetti. Vision Transformer modeliyle yapılan deneyler, derinliğin unutma üzerindeki olumsuz etkisini ortaya koydu. Bu yeni yaklaşım, AI sistemlerinin sürekli öğrenme kapasitesini artırmak için umut verici bir yol açıyor.