Araştırmacılar, sadece 3-4 milyar parametreye sahip küçük yapay zeka modellerinin, özel eğitim teknikleriyle radyoloji alanında büyük modeller kadar başarılı olabileceğini gösterdi. RadLite projesi kapsamında geliştirilen bu modeller, hastane bilgisayarlarında bile çalışabilecek kadar hafif olmasına rağmen, tıbbi görüntü analizi, hastalık tespiti ve rapor yazma gibi 9 farklı radyoloji görevinde yüksek performans sergiledi. Özellikle RADS sınıflandırmasında %53, doğal dil anlamada %60, N-evrelendirmede %89 oranında performans artışı elde edildi. Bu gelişme, kaynak kısıtlı sağlık kurumlarının da yapay zeka destekli radyoloji hizmetlerinden faydalanmasının önünü açıyor.

Araştırmacılar, sosyal medyada ideolojik ayrılıklar üzerinden yapılan tartışmaları analiz etmek için ControBench adlı yeni bir benchmark geliştirdi. Reddit'ten toplanan verilerle oluşturulan bu sistem, politik kutuplaşma ve dezenformasyon araştırmalarında önemli bir boşluğu dolduruyor. Trump, kürtaj ve din gibi tartışmalı konularda 7.370 kullanıcı, 1.783 gönderi ve 26.525 etkileşim verisi içeren benchmark, hem metin analizini hem de sosyal etkileşim yapısını bir araya getiriyor. Mevcut veri setleri ya sadece metni ya da sadece etkileşim yapısını dikkate alırken, ControBench her iki unsuru da birleştirerek tartışmaların bağlamsal analizine olanak sağlıyor. Bu gelişme, çevrimiçi platformlarda içerik moderasyonu ve polarizasyon dinamiklerini anlamak için kritik önem taşıyor.

Bilimsel literatürün hızla büyümesi, araştırma alanlarının sistematik olarak organize edilmesini zorlaştırıyor. Araştırmacılar, büyük dil modelleri kullanarak bilimsel taksonomi üretimi için yeni bir çerçeve geliştirdi. SC-Taxo adlı bu sistem, hiyerarşik seviyelerde semantik tutarlılığı sağlayarak daha kaliteli sınıflandırma yapıları oluşturuyor. Geleneksel yöntemlerin aksine, bu yaklaşım yapısal tutarsızlıkları ve anlam uyumsuzluklarını minimize ediyor. Sistem, bilim literatürünün keşfedilmesi, konu navigasyonu, trend analizi ve bilgi erişiminde önemli iyileştirmeler sunuyor. Bu gelişme, bilimsel bilginin daha etkili organize edilmesi açısından kritik önem taşıyor.

Stanford araştırmacıları, sosyal medya mesajlarındaki karmaşık duygusal yapıları analiz edebilen yeni bir yapay zeka sistemi geliştirdi. Geleneksel duygu analizi araçları bir metnin genel tonunu 'olumlu', 'olumsuz' veya 'nötr' olarak sınıflandırırken, yeni sistem aynı mesajda hem olumlu hem olumsuz duyguların bir arada bulunabileceğini tespit edebiliyor. Directed Social Regard (DSR) adı verilen bu yaklaşım, özellikle siyasi söylemler ve sosyal medya manipülasyonlarında sıkça görülen karmaşık mesajları analiz etmek için tasarlandı. Sistem, bir mesajdaki farklı hedeflere yönelik savunuculuk, yardımseverlik, karşıtlık ve zararlı içerikleri aynı anda tespit edebiliyor. Bu gelişme, çevrimiçi platformlardaki nefret söylemi, dezenformasyon ve manipülasyon kampanyalarının daha etkili şekilde tespit edilmesine olanak sağlayabilir.

Araştırmacılar, mevcut transformer modellerinin sınırlarını aşan yeni bir yapay zeka mimarisi geliştirdi. State Stream Transformer (SST) V2, geleneksel modellerin aksine pozisyonlar arası gizli bilgiyi koruyor ve sürekli bir mantık yürütme süreci sağlıyor. Bu yenilik, AI modellerinin daha verimli öğrenmesini ve daha derin düşünme kapasitesini mümkün kılıyor. Model, her katmanda doğrusal olmayan bir tekrarlama mekanizması kullanarak, gizli durumları tüm dizi boyunca akıtıyor. En önemli özelliği ise çıkarım sırasında her pozisyonda sürekli düşünebilme yetisi - tıpkı insanların karar vermeden önce düşünmesi gibi. İki aşamalı paralel eğitim prosedürü sayesinde verimli öğrenme sağlanırken, gizli durum analizi modelin farklı anlamsal alanlarda gezinerek mantık yürüttüğünü gösteriyor.

Araştırmacılar, motor hayal gücü tabanlı beyin-bilgisayar arayüzlerinde (MI-BCI) daha hassas kontrol sağlayan yeni bir yöntem geliştirdi. Bu teknoloji, felçli hastaların düşünceleriyle protez uzuv veya bilgisayar kontrolü sağlamasında kullanılıyor. Mevcut sistemlerin en büyük sorunu, her bireyin beyin sinyallerinin farklı olması ve bu nedenle sistemin kişiye özel ayarlanması gerektiği. Yeni yaklaşım, beyin dalgalarının farklı frekans bantlarını kişiye özel olarak seçmek için fonksiyonel bağlanırlık analizi kullanıyor. Bu sayede sistem, her kullanıcının benzersiz beyin ritimlerini daha iyi tanıyor ve motor hayal gücü sinyallerini daha doğru çözümleyebiliyor. Geliştirilen yöntem, geleneksel Filter Bank Common Spatial Pattern algoritmasını geliştirerek, önceden tanımlanmış frekans bantları yerine fizyolojik kriterlere dayalı seçim yapıyor.

Araştırmacılar, tek hücre görüntülerinden hücrelerin nasıl bölündüğünü ve öldüğünü anlamak için yeni bir matematiksel yöntem geliştirdiler. Unbalanced Schrödinger Bridge (USB) adı verilen bu teknik, hücrelerin zamandaki değişimini simülasyon yapmadan doğrudan öğrenebiliyor. Geleneksel yöntemler hücre topluluklarını sürekli bir sıvı gibi görürken, yeni yaklaşım her bir hücrenin doğum ve ölüm anlarını ayrı ayrı yakalayabiliyor. Bu yenilik, kök hücre araştırmalarından kanser tedavisine kadar birçok alanda devrim yaratabilir.

Yeni araştırma, biyomekanik sistemlerde gözlenebilen performansın sistem organizasyonunun tam bir göstergesi olmayabileceğini ortaya koyuyor. Çalışma, dikey oklüzyon boyutunun (çene kapanışı) nöromekanik sisteme kısıtlama olarak uygulandığında ortaya çıkan değişiklikleri inceliyor. Parkinson hastası bir bireyde yapılan analiz, üç farklı seviyede gerçekleştirildi: gözlenebilir performans metrikleri, dinamik sistem analizi ve gizli uzay temsili. Bulgular, benzer gözlenebilir performans gösteren koşulların aslında farklı sistem organizasyonlarına sahip olabileceğini gösteriyor. Bu keşif, özellikle Parkinson gibi nörodejeneratif hastalıklarda motor fonksiyonların değerlendirilmesinde yeni perspektifler sunuyor.

ChatGPT gibi büyük dil modellerinin nasıl çalıştığı konusunda bilim dünyasında büyük bir tartışma yaşanıyor. Bu sistemler gerçekten anlayarak mı cevap veriyor, yoksa sadece ezberledikleri bilgileri tekrar mı ediyor? Yeni bir araştırma, bu temel soruya yanıt aramak için LLM'lerin bilgi işleme süreçlerini inceliyor. Araştırmacılar, bu modellerin insan benzeri zihinsel süreçler kullanıp kullanmadığını anlamaya çalışıyor. Bu sorunun yanıtı, yapay zekanın gerçek potansiyeli ve gelecekteki gelişimi hakkında kritik ipuçları verebilir. Bilim insanları arasında iyimser ve kötümser kamplar oluşmuş durumda.

Araştırmacılar, büyük dil modellerinin (LLM) yeteneklerini detaylı şekilde değerlendirmek için SCAN adlı yeni bir çerçeve geliştirdi. Mevcut değerlendirme yöntemleri sadece modellerin genel performansını karşılaştırırken, SCAN kullanıcıların ve geliştiricilerin belirli bir modelin hangi konularda güçlü, hangilerinde zayıf olduğunu ayrıntılı şekilde görebilmesini sağlıyor. Sistem, otomatik olarak yetenek kategorileri oluşturan TaxBuilder ve yeterli test verisi sağlayan RealMix gibi bileşenler içeriyor. Bu yaklaşım, yapay zeka modellerinin pratik uygulamalarda hangi görevler için uygun olduğunu belirlemede önemli bir adım olarak görülüyor.

Araştırmacılar, yapay zeka modellerinin birden fazla grafik üzerinde akıl yürütme yeteneğini test eden InterChart adlı yeni bir değerlendirme sistemi geliştirdi. Bu test, bilimsel raporlama, finansal analiz ve kamu politikası panolarında kritik olan çoklu grafik analizi becerisini ölçüyor. Mevcut en gelişmiş görsel-dil modellerinin bu konuda ciddi eksiklikleri olduğu ortaya çıktı. Test üç zorluk seviyesinden oluşuyor: tekil grafik analizi, birbirleriyle ilişkili grafik setlerinde bütünleştirici analiz ve gerçek dünya grafik çiftlerinde semantik çıkarım. Sonuçlar, grafik karmaşıklığı arttıkça AI modellerinin başarısının dramatik şekilde düştüğünü gösteriyor. Bu bulgular, AI sistemlerinin gerçek dünya uygulamalarında daha etkili olabilmesi için görsel akıl yürütme yeteneklerinin geliştirilmesi gerektiğini ortaya koyuyor.