Araştırmacılar, İHA sürülerinin daha akıllı ve uyumlu hareket etmesini sağlayan yeni bir yapay zeka sistemi geliştirdi. Bu sistem, önce uzman pilotların hareketlerini öğreniyor, sonra bu bilgiyi kullanarak İHA'ların kendi kararlarını vermesini sağlıyor. Geleneksel yöntemlerin aksine, her durum için yeniden hesaplama yapmak yerine, öğrenilen deneyimlerden yola çıkarak hızlı karar verme imkanı sunuyor. Bu yaklaşım, özellikle askeri operasyonlar, arama-kurtarma görevleri ve sivil havacılık uygulamaları için büyük önem taşıyor. Sistem, çoklu İHA koordinasyonundaki karmaşık optimizasyon sorunlarını olasılık tabanlı bir öğrenme problemine dönüştürerek çözüyor.

Araştırmacılar, robotların karmaşık ortamlarda daha etkili hareket etmesini sağlayan IKSPARK adlı yeni bir algoritma geliştirdi. Ters kinematik problemi olarak bilinen bu zorluk, robotların hedef pozisyona ulaşmak için eklemlerini nasıl hareket ettireceğini hesaplamayı içeriyor. Yeni sistem, yarı kesin programlama ve konveks optimizasyon tekniklerini kullanarak bu hesaplamaları daha verimli hale getiriyor. IKSPARK'ın en önemli özelliği, robotların çevresindeki engelleri algılayarak güvenli yol planlaması yapabilmesi. Sistem, açık ve kapalı kinematik zincirlere sahip farklı robot türleriyle uyumlu çalışabiliyor. Bu gelişme, endüstriyel robotlardan medikal robotlara kadar geniş bir uygulama alanında kullanılabilir.

Araştırmacılar, Avrupa Birliği'nin yakında yürürlüğe girecek dijital batarya pasaportu (DBP) düzenlemelerine uygunluğu değerlendirmek için BatteryPass-12K adlı ilk kamu veri setini oluşturdu. Gerçek pilot örneklerden sentetik olarak üretilen bu veri seti, yapay zeka modellerinin batarya pasaportlarının düzenlemelere uygunluğunu sınıflandırmasını sağlıyor. Çalışmada 22 farklı dil modeli test edildi ve düşünce modelleri olarak adlandırılan gelişmiş yapay zeka sistemlerinin en başarılı performansı gösterdiği belirlendi. Bu araştırma, sürdürülebilir enerji teknolojilerinin düzenlenmesinde yapay zekanın rolünü artıracak önemli bir adım.

Büyük dil modellerine dayalı kodlama ajanları, geçmiş hata ayıklama deneyimlerini yeniden kullanmak için hafızalarına güveniyorlar. Ancak bu hafıza bilgisi sadece mevcut hatayla gerçekten uyumlu olduğunda yararlı oluyor. Araştırmacılar, bu sorunu çözmek için risk-duyarlı bağlamsal bandit yaklaşımını geliştirdiler. RSCB-MC adlı yeni sistem, yapay zeka ajanının hangi durumda hafıza kullanacağına, ne zaman geri çekileceğine veya kullanıcıdan geri bildirim isteyeceğine karar veriyor. Bu yaklaşım, yanlış hafıza enjeksyonunu önleyerek daha güvenli ve etkili kod geliştirme süreçleri sunuyor.

Büyük dil modellerinin insan tercihlerine uyumlu hale getirilmesinde kritik rol oynayan ödül modelleri, yanıt uzunluğu gibi yanıltıcı özelliklere karşı hassasiyet gösteriyor. Araştırmacılar, bu sorunu çözmek için nedensellik temelli yeni bir yaklaşım geliştirdi. Yöntem, önyargılı özelliklerle güçlü korelasyon gösteren nöronları tespit ediyor ve bu sinyalleri baskılayarak müdahale yapıyor. Çalışma, çeşitli önyargı türlerinde yanıltıcı özelliklere karşı duyarlılığın azaldığını ve performans kaybı yaşanmadığını ortaya koyuyor. Özellikle küçük ödül modellerinde sadece %2'den az nöron düzenlemesiyle büyük iyileştirmeler sağlanıyor.

Araştırmacılar, büyük dil modellerini Arapça şiir yazma konusunda eğiterek çığır açan bir çalışma gerçekleştirdi. Modern Standart Arapça ve çeşitli Arap lehçelerinde şiir yazabilen, düzenleyebilen ve tamamlayabilen yapay zeka modeli geliştirildi. Arapça şiirin kültürel önemi ve sanatsal değeri düşünüldüğünde, bu teknolojik gelişme hem edebiyat hem de yapay zeka alanları için önemli bir adım. Çalışma, şiir yazımından analiz görevlerine kadar geniş bir yelpazede başarılı sonuçlar elde etti. Geleneksel olarak Arap kültürünün merkezinde yer alan şiir sanatının dijital çağda da yaşatılması açısından değerli bir katkı sunuyor.

Surprisal teorisi, insanların dil işleme zorluklarını kelime tahmin edilebilirliğiyle açıklamaya çalışır. Ancak mevcut çalışmalarda temel bir sorun vardır: dil modelleri kendi token sistemlerini kullanırken, araştırmacılar kelime gibi dilbilimsel birimlerle çalışır. Bu uyumsuzluk, bilimsel sonuçları etkileyen tutarsızlıklara yol açar. Yeni araştırma, bu soruna çözüm getirerek farklı dil birimleri üzerinden surprisal hesaplama için birleşik bir çerçeve sunuyor. Bu yaklaşım, dil işleme araştırmalarında daha tutarlı ve güvenilir sonuçlar elde edilmesine katkı sağlayabilir.

Araştırmacılar, her öğrencinin bireysel öğrenme tarzına uyum sağlayan yeni bir yapay zeka tutoring sistemi olan DeepTutor'u geliştirdi. Geleneksel eğitim sistemlerinin aksine, bu yenilikçi platform öğrencinin geçmiş etkileşimlerini analiz ederek sürekli gelişen bir öğrenci profili oluşturuyor. Sistem, zorluk seviyesini otomatik olarak ayarlayan soru üretimi ve kaynak destekli problem çözme özelliklerini bir araya getiriyor. DeepTutor ayrıca işbirlikçi yazma ve çoklu ajan araştırma yetenekleri sunarak geleneksel öğretim yöntemlerini dönüştürme potansiyeli taşıyor. Bu gelişme, büyük dil modellerinin eğitim alanındaki en umut verici uygulamalarından biri olarak öne çıkıyor.

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.

Araştırmacılar, yapay zeka modellerinin dil yeteneklerini değerlendirmek için 101 farklı dili kapsayan kapsamlı bir test sistemi geliştirdi. MultiBLiMP 1.0 adlı bu sistem, 128 binden fazla minimal çift kullanarak özellikle özne-yüklem uyumu gibi temel dil bilgisi kurallarını test ediyor. Sistem, Universal Dependencies ve UniMorph gibi büyük ölçekli dil kaynaklarını kullanan tamamen otomatik bir süreçle oluşturuldu. Çalışma, mevcut en gelişmiş dil modellerinin özellikle kaynak açısından kısıtlı dillerde yetersiz kaldığını ortaya koyuyor. Bu araştırma, yapay zeka sistemlerinin çok dilli yeteneklerini daha kapsamlı değerlendirmek için önemli bir araç sunuyor ve gelecekteki model geliştirmelerine rehberlik edecek bulgular içeriyor.

Araştırmacılar, büyük dil modellerini farklı kültürlerden örneklerle eğitmek için yeni bir yöntem geliştirdi. M-DaQ adı verilen bu sistem, hem kaliteli hem de kültürel çeşitliliği yansıtan eğitim verilerini akıllıca seçiyor. Çok dilli yapay zeka modellerinin eğitiminde yaşanan en büyük sorunlardan biri, farklı dillerde sistematik olarak hazırlanmış kaliteli veri setlerinin bulunmamasıydı. Yeni geliştirilen çerçeve, kalite puanlama modeli ve akıllı seçim stratejisi kullanarak bu sorunu çözmeyi hedefliyor. 18 farklı dilde yapılan testlerde, bu yöntemle eğitilen modeller %60'ın üzerinde başarı oranına ulaştı. Araştırma aynı zamanda çok dilli ortamlarda 'Yüzeysel Uyum Hipotezi'ni inceleyen ilk sistematik çalışma olma özelliği taşıyor. Bu gelişme, yapay zekanın farklı kültürlerden insanlarla daha etkili iletişim kurmasının önünü açıyor.