Araştırmacılar, T hücresi reseptörlerinin peptid-MHC molekül bağlanmalarını tahmin etmek için yeni bir yapay zeka modeli geliştirdi. Bu sistem, aşı tasarımı ve T hücresi tedavilerinde kritik öneme sahip. Yeni yaklaşım, modelin eğitim sırasında görmediği epitoplarla karşılaştığında sessizce yanlış güven skoru vermesi sorununu çözmeyi hedefliyor. Araştırmacılar, güvenilir tahminler yapabilmek için 'seçici tahmin' yaklaşımını benimsiyor - model ya güvenilir bir skor verir ya da açıkça karar vermekten kaçınır. Dual-encoder mimarisi kullanan sistem, protein dil modeliyle eğitilmiş ve sıcaklık ölçeklendirmesi ile kalibre edilmiş. Conformal abstention kuralı sayesinde kullanıcının belirlediği hata oranında finite-sample kapsama garantisi sağlıyor. Üç farklı test stratejisinde değerlendirilen method, AUROC 0.813 ve ECE 0.043 değerlerine ulaştı.

Araştırmacılar, tıbbi görüntü segmentasyonunda yapay zekanın belirsizlik tahminlerini nasıl pratik kararlara dönüştürebileceğini araştırdı. Retina damar görüntüleri üzerinde yapılan çalışmada, belirsizlik haritalarının doğru stratejilerle kullanılması durumunda segmentasyon hatalarının yüzde 80'ine kadar azaltılabildiği gösterildi. İki aşamalı bir yaklaşım benimseyen bilim insanları, tahmin ve karar verme süreçlerini ayrı ayrı optimize ederek, yapay zekanın hangi tahminleri kabul edeceği, hangileri işaretleyeceği veya erteleyeceği konusunda daha etkili politikalar geliştirdi. Bu çalışma, tıbbi yapay zeka uygulamalarında güvenlik ve doğruluğun artırılması açısından önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, dil ve görsel yetenekleri birleştiren yapay zeka modellerinin, görsel arama sistemlerinde beklenmedik başarı gösterdiğini keşfetti. Bu modeller, herhangi bir özel eğitim almadan benzer görselleri bulma konusunda uzman sistemleri geride bırakıyor. Çalışma, çok modlu dil modellerinin sadece metin-görsel işlemlerde değil, salt görsel görevlerde de güçlü olduğunu ortaya koyuyor. Özellikle karmaşık, gürültülü ortamlarda ve küçük nesnelerin bulunduğu görüntülerde daha dayanıklı sonuçlar veriyor.

ChatGPT gibi yapay zeka araçları yazılım geliştirmede hızla yaygınlaşıyor ancak beraberinde 'Anlama Borcu' (Comprehension Debt) sorununu getiriyor. Bu terim, geliştirici takımların kendi kodlarını anlama düzeyi ile gerçekte bilmeleri gereken seviye arasındaki artan uçurumu ifade ediyor. Araştırmacılar, 207 öğrencinin 8 hafta boyunca tuttuğu 621 günlüğü inceleyerek yapay zeka araçlarının bu borcu nasıl artırdığını ortaya çıkardı. Öğrenciler yapay zekadan gelen kodu sorgulamadan kabul etme, bağlam uyumsuzlukları ve bağımlılık kaynaklı yeteneklerinin körelmesi gibi sorunlar yaşıyor. Bu durum yazılım mühendisliği eğitiminde önemli bir uyarı niteliğinde.

Araştırmacılar, tıbbi metin analizi için yeni bir yapay zeka sistemi geliştirdi. L2D-Clinical adlı bu sistem, ne zaman uzmanlaşmış BERT modellerini, ne zaman ise büyük dil modellerini kullanması gerektiğini kendi kendine öğrenebiliyor. Sistem, belirsizlik sinyallerini ve metin özelliklerini analiz ederek hangi durumda hangi modelin daha başarılı olacağını tahmin ediyor. İlaç yan etkisi tespiti ve tedavi sonucu sınıflandırması gibi görevlerde test edilen sistem, tek bir model kullanmaya kıyasla daha yüksek doğruluk oranları elde etti. Bu yaklaşım, tıbbi yapay zeka uygulamalarında farklı modellerin güçlü yanlarını birleştirerek daha güvenilir sonuçlar elde etmeyi mümkün kılıyor.

Büyük dil modellerinin eğitiminde sadece İngilizce kullanmanın yetersiz olduğunu gösteren kapsamlı bir araştırma yayınlandı. 8 milyar parametreye kadar modeller üzerinde yapılan 220 farklı eğitim deneyi, çok dilli yaklaşımın tüm dillerde performansı artırdığını ortaya koyuyor. Araştırmacılar, matematiksel akıl yürütme ve API çağrıları gibi görevlerde çok dilli eğitimin sadece düşük kaynaklı dilleri değil, İngilizce performansını da iyileştirdiğini keşfetti. Hatta tek bir yabancı dil eklemenin bile modelin genel başarısını artırdığı gözlemlendi. Bu bulgular, yapay zeka endüstrisinin İngilizce ağırlıklı eğitim yaklaşımını yeniden değerlendirmesi gerektiğine işaret ediyor.

Araştırmacılar, milyarlarca parametreli yapay zeka modellerini yeniden eğitmeden küçültebilen yeni bir framework geliştirdi. MOONSHOT adlı bu sistem, mevcut model sıkıştırma yöntemlerinin tek hedefli yaklaşımlarının yetersizliklerini gidererek, hem katman bazında yeniden yapılandırma hatalarını hem de eğitim kaybının matematiksel yaklaşımlarını aynı anda optimize ediyor. Bu çoklu hedefli strateji, farklı mimarilerde ve sıkıştırma seviyelerinde daha tutarlı sonuçlar veriyor. Framework, mevcut budama algoritmalarının etrafına sarılabilen esnek bir yapıya sahip ve büyük dil modellerinden görüntü işleme modellerine kadar geniş bir yelpazede kullanılabiliyor.

Peru'daki araştırmacılar, yerli Quechua dili ve İspanyolca için özel geliştirilmiş yapay zeka tabanlı metin-konuşma sistemleri oluşturdu. Bu çalışma, Peru Anayasası'nın her iki dilde de doğal seslendirilmesini mümkün kılıyor. Özellikle veri kıtlığı yaşanan Quechua dili için geliştirilen sistem, İspanyolcadan çapraz dil aktarımı kullanarak bu sorunu çözüyor. Araştırma, düşük kaynaklı dillerde konuşma teknolojilerinin geliştirilmesi açısından önemli bir adım teşkil ediyor. Proje kapsamında geliştirilen modeller, eğitim verileri ve sentezlenmiş ses kayıtları araştırma topluluğuyla paylaşılarak, benzer çalışmalara kaynak sağlanıyor. Bu çalışma, teknolojik gelişmelerin dil çeşitliliğini desteklemesi ve yerli toplulukların hukuki haklarına erişimini kolaylaştırması açısından önemli bir örnek oluşturuyor.

Fizik simülasyonlarında hızlı sonuç veren yapay sinir ağları, siber saldırılara karşı oldukça savunmasız durumda. Özellikle güvenlik kritik dijital ikiz uygulamalarında bu durum ciddi riskler yaratıyor. Araştırmacılar, bu sorunu çözmek için iki farklı yaklaşımı birleştiren yenilikçi bir savunma stratejisi geliştirdi. Sistem, hem aktif öğrenme tabanlı veri üretimi hem de giriş verilerini temizleyen özel mimari kullanıyor. Viscous Burgers denklemi üzerinde yapılan testlerde, yeni yaklaşım standart eğitim yöntemlerine kıyasla %87 daha iyi performans gösterdi ve güvenlik açıklarını önemli ölçüde azalttı.

Hindistan'ın Chhattisgarh eyaletindeki Dhamtari Geçim Kolej'inde yürütülen kapsamlı bir araştırma, meslek edindirme programlarının dijital araçlar kullanımındaki eksiklikleri ortaya çıkardı. Bir yıl boyunca süren çalışmada, GIS haritalama, CCTV video analizi ve paydaşlarla yapılan görüşmeler gibi farklı yöntemler kullanılarak beş aşamalı beceri geliştirme sürecinin ilk üç aşaması incelendi. Araştırma sonuçları, bu tür programların yaygınlaşması ve etkinliğinin artırılması açısından kritik bilgiler sunuyor.

Araştırmacılar, asfalt yolların yüzeyinde oluşan çözülme hasarlarını otomatik olarak tespit edebilen yapay zeka sistemlerinin gerçek dünya koşullarında nasıl daha güvenilir hale getirilebileceğini incelediler. Özellikle otoyollarda sık görülen bu hasar türünün tespiti için geliştirilen makine öğrenmesi modellerinin, farklı çevre koşulları ve sensörlerle karşılaştıklarında performanslarının düştüğü gözlemlendi. Çalışmada, eğitim verisi miktarı, aydınlatma farkları ve mekansal kaymaların model performansı üzerindeki etkileri analiz edilerek, daha dayanıklı çözümler geliştirilmesi hedeflendi.