Araştırmacılar, büyük dil modellerini (LLM) insan psikolojisine uyumlu hale getiren yeni bir yaklaşım geliştirdi. Sosyal Bilişsel Teori'yi temel alan bu framework, AI ajanlarının farklı paydaş perspektiflerini daha tutarlı şekilde temsil etmesini sağlıyor. Sistem, bilişsel, motivasyonel, biyolojik ve duygusal faktörleri kullanarak AI'ların insan davranışlarını daha gerçekçi şekilde modellemesine olanak tanıyor. Yenilenebilir enerji geçişi gibi tartışmalı konularda test edilen sistem, farklı ideolojilere sahip beş farklı ajan tasarladı ve bunların çelişkili bilgiler karşısındaki tepkilerini analiz etti. Bu gelişme, AI'ların insan toplumundaki çeşitli görüşleri daha doğru temsil etmesi açısından önemli bir adım.

Yapay zeka modellerinin günlük iletişimde ne kadar başarılı olduğunu test eden yeni bir araştırma, çarpıcı sonuçlar ortaya koydu. Çok modlu dil modelleri, basit kelime dağarcığında insanlara yakın performans gösterirken, 'benim-senin' gibi sahiplik ifadelerinde ve özellikle 'bu-şu' gibi işaret kelimelerinde ciddi zorluklar yaşıyor. Araştırmacılar, yedi farklı yapay zeka modelini insan katılımcılarla karşılaştırdı ve perspektif gerektiren kelimelerin hem insanlar hem de AI'lar için zor olduğunu, ancak bu zorluğun AI'larda çok daha belirgin olduğunu keşfetti. Bu bulgular, yapay zekanın henüz insan benzeri bakış açısı anlayışında önemli eksikleri olduğunu ve geliştirilmesi gereken alanları işaret ediyor.

Araştırmacılar, insan beynindeki farklı bilişsel teorilerin ortak noktalarından yola çıkarak yeni bir yapay zeka sistemi geliştirdi. MIRROR adı verilen bu sistem, Global Çalışma Alanı Teorisi, yeniden yapılandırıcı episodik hafıza, iç konuşma ve tamamlayıcı öğrenme sistemleri gibi bilişsel yaklaşımları bir araya getiriyor. Bu teorilerin ortaklaştığı üç temel ilke var: paralel uzmanlaşmış işlemler, sınırlı birleşik temsile entegratif sentez ve birikimli değil yeniden yapılandırıcı sürdürme. MIRROR sistemi, bu ilkeleri somut mekanizmalar halinde hayata geçiriyor ve çok turlu diyaloglarda dikkat dağılması altında kısıtlamaları koruma gereken görevlerde test ediliyor. Bu yaklaşım, AI sistemlerinin insan benzeri düşünme süreçlerini taklit ederek daha etkili çalışmasını hedefliyor.

Araştırmacılar, büyük dil modellerinin (LLM) insan bilişsel durumlarını anlamada önemli bir sınırlamayla karşılaştığını keşfetti. Tek boyutlu görevlerde başarılı olan bu modeller, duygu, düşünce tarzı, tutum ve niyet gibi çok boyutlu bilişsel durumları birlikte analiz etmeye çalıştıklarında performansları dramatik şekilde düşüyor. Stanford araştırmacıları bu sorunu 'Bilişsel Kalabalık' olarak adlandırdı. CognitiveBench adlı yeni benchmark ile yapılan testler, bu durumun matematiksel temellerini ortaya koydu. Hiyerarşik bilişsel durumlar üstel bir temsil alanı gerektirirken, mevcut AI modellerinin Öklid uzayı yalnızca polinom büyüme gösteriyor. Bu keşif, gelecek nesil yapay zeka sistemlerinin insan benzeri çok boyutlu düşünce yapısını modellemesi için yeni yaklaşımlara ihtiyaç olduğunu gösteriyor.

Araştırmacılar, duygusal destek görüşmelerinde büyük dil modellerinin (LLM) bilişsel çarpıtmaları tanımlayıp müdahale edebilme yeteneğini geliştiren yeni bir sistem oluşturdu. CoPoLLM adlı bu framework, yardım arayan kişilerin ifadelerindeki olumsuz düşünce kalıplarını belirlemenin yanı sıra bu çarpıtmaların türünü, yoğunluğunu ve risk seviyesini değerlendirebiliyor. Mevcut yapay zeka sistemleri genellikle temel duygusal rahatlama sağlarken, bu yeni yaklaşım daha derinlemesine psikolojik müdahale imkanı sunuyor. CogBiasESC veri seti ile desteklenen sistem, ruh sağlığı alanında AI destekli terapötik uygulamaların gelişimi açısından önemli bir adım teşkil ediyor.

Büyük dil modelleri görsel içerikleri anlayabilse de 3 boyutlu uzamsal akıl yürütmede zorlanıyordu. Araştırmacılar, bu sorunu çözmek için TRACE adlı yeni bir yöntem geliştirdi. Bu sistem, video görüntülerindeki 3D ortamları metin tabanlı temsillere dönüştürerek yapay zekanın uzamsal sorulara daha doğru yanıtlar vermesini sağlıyor. Bilişsel uzamsal akıl yürütme teorilerinden ilham alan çalışma, yapay zekanın çevresel algısını önemli ölçüde geliştiriyor. Test sonuçları, TRACE yönteminin mevcut tekniklere göre belirgin iyileştirmeler sağladığını gösteriyor.

Araştırmacılar, birden fazla konuşmacının bulunduğu diyalogları özetlemede yeni bir yapay zeka yaklaşımı geliştirdi. Geleneksel yöntemler sadece yüzeysel benzerlik ölçütlerine odaklanırken, yeni sistem bilişsel tarzda akıl yürütme süreçlerini taklit ediyor. Bu yaklaşım, her konuşmacının rolüne özgü bilgileri korurken, gerçeklere uygun özetler üretmeyi hedefliyor. Sistem önce büyük bir öğretmen modelden adım adım çıkarım yapma becerilerini öğreniyor, sonra insan tercihlerine uygun ödül sistemleriyle kendini geliştiriyor. Bu gelişme, müşteri hizmetleri, toplantı kayıtları ve çevrimiçi forum tartışmalarının otomatik özetlenmesinde önemli iyileştirmeler sağlayabilir.

Araştırmacılar, beyin dalgalarını ölçen EEG sinyallerini daha etkili şekilde yorumlayabilen DSAINet adlı yeni bir yapay zeka modeli geliştirdi. Mevcut EEG çözümleme sistemlerinin en büyük sorunu, farklı görevlerde ve kişilerde tutarlı performans gösterememesiydi. Her görev için özel olarak tasarlanan modeller, başka durumlarda yetersiz kalıyordu. DSAINet bu sorunu, beyin sinyallerindeki zamansal değişimleri iki farklı ölçekte (ince ve kaba) paralel olarak analiz ederek çözüyor. Model, ham EEG verilerini ortak uzamsal-zamansal temsillere dönüştürüyor ve farklı görevlerdeki çeşitli zamansal dinamikleri aynı anda modelleyebiliyor. Bu yaklaşım, beyin-bilgisayar arayüzleri, nörolojik hastalık teşhisi ve bilişsel durumların izlenmesi gibi alanlarda daha güvenilir ve geniş kapsamlı uygulamalar geliştirme potansiyeli sunuyor.

USC Profesörü Maja Matarić, 2005 yılında sosyal yardımcı robotik alanını tanımlamaya yardımcı olarak bilim dünyasında çığır açtı. Bilgisayar bilimleri, sinirbilim ve pediatri profesörü olan Matarić, sosyal etkileşimler yoluyla kişiselleştirilmiş terapi ve bakım sağlayan robotlar geliştirdi. Bu robotlar konuşabilme, oyun oynama ve duygulara tepki verme yeteneklerine sahip. Günümüzde IEEE Fellow unvanına sahip olan Matarić, anksiyete ve depresyon yaşayan öğrencilerin bilişsel davranışçı terapi sürecinde robotların nasıl yardımcı olabileceğini araştırıyor. Bu terapi yöntemi, kişinin olumsuz düşünce kalıplarını, davranışlarını ve duygusal tepkilerini değiştirmeye odaklanıyor. Yaptığı çalışmalar nedeniyle MassRobotics tarafından 2025 Robotik Madalyası ile ödüllendirildi.

Kanser tedavisi gören hastaların yaşadığı 'kemoterapi beyin sisi' sorunu için umut verici bir çözüm ortaya çıktı. Yürme ve direnç egzersizlerinin düşük doz ibuprofen ile kombinasyonunun, kemoterapinin bilişsel fonksiyonlar üzerindeki olumsuz etkilerini azaltabileceği belirlendi. Faz II klinik çalışması, bu basit yöntemlerin kanser hastalarının yaşam kalitesini önemli ölçüde artırabileceğini gösteriyor. 'Kemo beyin' olarak bilinen durum, hastaların konsantrasyon, hafıza ve düşünme yeteneklerinde yaşadığı zorluklara verilen isim. Araştırma sonuçları, fiziksel aktivite ve antiinflamatuar tedavinin birlikte kullanımının nöroprotektif etki sağladığını ortaya koyuyor.

Yeni bir araştırma, günlük sosyal medya kullanım sıklığının ergenlerin dil becerilerini nasıl etkilediğini ortaya koyuyor. Çalışma sonuçlarına göre, sosyal medyada daha fazla zaman geçiren gençlerin kelime tanıma ve telaffuz konularında zorluk yaşadığı tespit edildi. Bu bulgular, dijital çağda büyüyen çocukların bilişsel gelişimi açısından önemli sorular gündeme getiriyor. Araştırma, ebeveynler ve eğitimciler için sosyal medya kullanımının sınırlandırılması konusunda yeni perspektifler sunuyor. Uzmanlar, çocukların ekran karşısında geçirdikleri zamanın, geleneksel okuma alışkanlıklarını nasıl etkilediğini daha yakından incelenmesi gerektiğini vurguluyor.