Michigan Üniversitesi'nden Paul Mohai'nin Environmental Justice dergisinde yayımlanan yeni araştırması, çevresel adaletsizlikle mücadelede kullanılan yenilikçi araçları ve politikaları inceliyor. Çalışma, özellikle düşük gelirli ve azınlık toplulukların orantısız çevresel yüklere maruz kalma sorununa odaklanıyor. Araştırma, yetkililerin ve toplulukların bu adaletsizlikleri tespit etmek ve önlemek için kullandıkları yeni teknolojik ve analitik yöntemleri değerlendiriyor. Bu araçlar sayesinde çevresel risklerin daha adil dağılımı ve savunmasız grupların korunması hedefleniyor. Çevresel adalet, son yıllarda iklim değişikliği ve endüstriyel kirlilik konularında artan bir önem kazanmış durumda.

Video üretimi yapay zeka alanında hızla gelişen bir teknoloji olmakla birlikte, yüksek hesaplama maliyetleri pratikte kullanımını sınırlıyor. Araştırmacılar, video diffusion modellerinin verimliliğini artırmak için dört ana yaklaşım geliştirmiş durumda. Bu yöntemler arasında adım damıtması, verimli dikkat mekanizmaları, model sıkıştırma ve önbellek optimizasyonu yer alıyor. Görüntü üretimine kıyasla video sentezi, hem uzamsal-zamansal boyutlarda büyüyen veri miktarı hem de iteratif gürültü giderme süreçleri nedeniyle çok daha karmaşık hesaplamalar gerektiriyor. Bu durum, dikkat mekanizmalarını ve bellek trafiğini ana darboğaz noktaları haline getiriyor. Yeni araştırmalar, bu zorlukları aşmak için işlev değerlendirmesi sayısını azaltma ve her adımdaki hesaplama yükünü minimize etme hedefleriyle çeşitli algoritmik çözümler sunuyor.

Uber, Yemeksepeti gibi dijital platformların işçi ücretlerini nasıl düşük tuttuğunu matematiksel olarak analiz eden yeni bir çalışma, platformların işçilerin belirsizliklerini kullanarak ücretleri sistematik şekilde baskıladığını ortaya koyuyor. ArXiv'de yayınlanan araştırma, platformların toplam işgücü maliyetinin sadece küçük bir kısmını ödeyerek tüm işleri tamamlatabileceğini gösteriyor. Çalışma aynı zamanda işçilerin bu duruma karşı nasıl örgütlenebileceğine dair stratejiler de öneriyor. Bu bulgular, gig ekonomisinin adil olmayan ücret yapısına bilimsel bir açıklama getiriyor.

Araştırmacılar, demografik adalet ilkelerini gözeten kümeleme problemleri için yeni algoritma geliştirdi. Çalışma, hem grup adaleti hem de çeşitli merkez seçimi kriterlerini aynı anda sağlayan k-merkez, k-medyan ve k-ortalama problemlerine odaklanıyor. Geliştirilen yaklaşım, korumalı öznitelikler içeren veri noktalarını adil bir şekilde kümelere ayırırken, her kümenin hem dengeli demografik dağılıma hem de temsili merkezlere sahip olmasını garantiliyor. Bu tür algoritmaların önemi, yapay zeka uygulamalarında demografik önyargıları azaltma ve sosyal adaleti teknolojik çözümlere entegre etme konularında giderek artıyor.

Araştırmacılar, federe öğrenme sistemlerinde cihaz arızalarının yarattığı adaletsizlik sorununu çözmek için yeni bir yaklaşım geliştirdi. Mevcut Olasılıksal Senkron Paralel (PSP) yönteminin, sürekli erişilebilir cihazları kayırdığını ve mobil cihazlar gibi sık arıza yapan cihazların verilerini ihmal ettiğini ortaya koyan çalışma, bu durumun öğrenme performansını ciddi şekilde etkilediğini gösteriyor. Özellikle veri dağılımı ile cihaz erişilebilirliğinin aynı anda ilişkili olduğu durumlarda, belirli veri sınıflarının sistematik olarak eksik temsil edilmesi sorunu yaşanıyor. Bu durum, yapay zeka modellerinin bazı özellikleri öğrenmekte zorlanmasına ve genel performansın düşmesine neden oluyor. Yeni araştırma, bu adaletsizlik problemine çözüm getirmeyi hedefliyor.

Büyük mantık yürütme modelleri (LRM'ler) matematik problemlerini çözerken adım adım açıklamalar yapmadan önce doğru cevabı bulabiliyor. Bu 'gizli mantık yürütme' yeteneği İngilizce için kanıtlanmışken, 11 farklı dilde yapılan yeni araştırma çok dilli durumun farklı olduğunu gösteriyor. Kaynak zenginliği yüksek dillerde bu yetenek güçlüyken, kaynak kısıtlı dillerde zayıf kalıyor. Bu bulgu, yapay zeka modellerinin farklı dillerdeki düşünme süreçlerinin eşit olmadığını ortaya koyuyor.

Araştırmacılar, simülasyon tabanlı optimizasyon problemlerinde model tabanlı ve arama tabanlı yöntemleri birleştiren yeni bir hibrit yaklaşım geliştirdi. Geleneksel olarak ayrı ayrı kullanılan bu iki yöntem - trust region yaklaşımları ile Bayesian optimizasyon gibi model tabanlı teknikler ve genetik algoritmalar ile Direct Search gibi arama tabanlı teknikler - artık bir arada çalışarak daha etkili sonuçlar üretiyor. Yeni yaklaşım, Direct Search yöntemlerini kullanarak herhangi bir model tabanlı optimizasyon algoritmasının performansını artırıyor. Özellikle makine öğrenmesi uygulamalarında sınıflandırma ve regresyon problemlerinde test edilen sistem, doğruluk, hesaplama süresi, algoritmik önyargı ve sadelik gibi farklı ölçütlerde başarılı sonuçlar veriyor.

Araştırmacılar, demokratik söylemi tehdit eden yeni bir fenomeni tanımladı: siborg propaganda. Bu sistem, doğrulanmış insan hesaplarıyla algoritmik otomasyonu birleştirerek kişiselleştirilmiş içerik üretimini büyük ölçekte gerçekleştiriyor. Geleneksel düzenleyici çerçeveler insan-bot ayrımına dayandığı için bu hibrit yapıyı düzenleyemiyor. Çalışma, tamamen özerk botlar yerine insan onaylı AI içeriklerinin nasıl daha etkili propaganda araçları haline geldiğini gösteriyor. Bu durum, AB Yapay Zeka Yasası gibi mevcut düzenlemelerin yapısal açıklarını ortaya çıkarıyor.

Vietnam'ın karmaşık yasal metinleri, vatandaşların adalete erişiminde büyük bir engel oluşturuyor. Araştırmacılar, büyük dil modellerinin bu metinleri sadeleştirme yeteneklerini kapsamlı bir şekilde test etti. GPT-4o, Claude 3 Opus, Gemini 1.5 Pro ve Grok-1 modellerinin performansı, doğruluk, okunabilirlik ve tutarlılık açısından değerlendirildi. 60 karmaşık Vietnamca hukuki makale üzerinde yapılan büyük ölçekli hata analizi, modeller arasında önemli bir ödünleşim ortaya çıkardı: bazı modeller okunabilirlik konusunda başarılı olurken hukuki doğruluktan taviz veriyor. Bu çalışma, yapay zekanın hukuki metinleri halka daha erişilebilir hale getirme potansiyelini ortaya koyarken, mevcut sınırları da gözler önüne seriyor.

Araştırmacılar, yapay zeka sistemlerinin farklı gruplar arasında ne kadar adil ve güvenilir tahminler ürettiğini ölçen yeni bir metrik geliştirdi. Çoklu kalibrasyon olarak adlandırılan bu kavram, bir AI modelinin örneğin farklı yaş grupları veya demografik kesimler için aynı doğruluk seviyesinde tahminler yapabilme yeteneğini ifade ediyor. Mevcut yöntemler genellikle veriyi gruplara ayırma veya karmaşık istatistiksel teknikler kullanırken, yeni yaklaşım klasik Kuiper istatistiğine dayalı daha sağlam bir temel sunuyor. Bu gelişme, özellikle tıp, finans ve adalet sistemi gibi kritik alanlarda kullanılan AI sistemlerinin farklı nüfus gruplarında eşit performans göstermesini sağlamak için önemli bir adım.

1913'te Alman matematikçi Ernst Steinitz'in ortaya koyduğu ve yaklaşık bir asırdır matematik dünyasını meşgul eden bir problem için çığır açan bir algoritma geliştirildi. Steinitz problemi, toplamları sıfır olan vektör dizilerinin nasıl sıralanacağı sorusunu ele alıyor. Bu çalışma, özellikle Öklid normunda (ℓ₂) optimal sınırlara ulaşan ilk yapıcı algoritma sunuyor. Araştırmacılar, 'afin spektral bağımsızlık' adı verilen yeni bir teknik kullanarak, hem teorik hem de pratik açıdan önemli sonuçlar elde ettiler. Bu gelişme, kombinatoryal optimizasyon, makine öğrenmesi ve sinyal işleme gibi birçok alanda uygulanabilir.