Açık kaynaklı RISC-V işlemci mimarisi, otonom araçlarda güvenlik kritik sistemler için umut vadediyor. Araştırmacılar, RISC-V'nin şeffaf yapısının otomotiv güvenlik standartlarına uygunluğunu analiz etti. ISO 26262 ASIL-D sertifikasyonlarıyla kanıtlanan bu mimari, otonom sürüş sistemlerinde güvenilir deployment için hazır durumda. Ancak otomotiv sektöründe fonksiyonel güvenlik, işlemci sorunundan çok sertifikasyon sorunu olarak karşımıza çıkıyor. Maliyet faktörleri tanı kapsamı analizi, araç zinciri yeterliliği ve güvenlik vakası oluşturma süreçlerinden kaynaklanıyor. RISC-V'nin açık ISA yapısı, formal doğrulanabilirliği ve özel uzantı kontrolü gibi özellikleri, güvenlik gereksinimlerini karşılamada avantaj sağlayabilir.

Bilim insanları, hücrelerin protein üretim sürecini optimize etmek için MOSAIC adlı yeni bir algoritma geliştirdi. Bu yöntem, Monte Carlo simülasyonu kullanan bir yaklaşımla kodon harmonizasyonunu gerçekleştiriyor. Kodonlar, DNA'daki üçlü nükleotid dizileri olup hangi amino asidin protein zincirine ekleneceğini belirler. Farklı organizmalarda aynı amino asit için tercih edilen kodonlar değişiklik gösterir ve bu durum heterolog protein ekspresyonunda sorunlara yol açabilir. MOSAIC algoritması, geleneksel yöntemlerden farklı olarak tek tek kodonlar yerine kodon grupları üzerinde çalışarak daha etkili sonuçlar elde ediyor. Araştırmacılar, ribozomal proteinler üzerinde yaptıkları testlerde algoritmanın başarılı performans gösterdiğini kanıtladı.

Araştırmacılar, büyük dil modellerinin (LLM) akıl yürütme yeteneklerini geliştirmek için yeni bir yaklaşım geliştirdi. 'Meta-bilişsel Konsolidasyon' adı verilen bu yöntem, yapay zekanın geçmiş problem çözme deneyimlerini analiz ederek gelecekteki benzer durumlarda daha etkili çözümler üretmesini sağlıyor. Geleneksel yaklaşımların aksine, bu sistem her problemi sıfırdan ele almak yerine, önceki deneyimlerden çıkardığı dersleri yeniden kullanabiliyor. Yöntem, akıl yürütme, izleme ve kontrol rollerini ayırarak sistemin kendi düşünce süreçlerini daha iyi anlamasını ve geliştirmesini mümkün kılıyor.

Görsel dil modelleri (VLM'ler) bir fotoğrafın çekildiği konumu tahmin etmekte uzman insanlar kadar başarılı. Ancak yeni araştırma, bu AI sistemlerinin tahminlerini nasıl yaptıklarını açıklamakta ciddi eksikleri olduğunu ortaya koyuyor. Araştırmacılar, dünya şampiyonu dahil GeoGuessr uzmanlarından aldıkları verilerle GeoRC adlı ilk kapsamlı değerlendirme kriterini oluşturdular. Bu kriter, 500 farklı sahne için toprak özellikleri, mimari ve plaka şekillerinden çıkarım yapan 800 uzman analiz zinciri içeriyor. Çalışma, AI'ların doğru sonuca ulaşsalar bile mantıklı açıklama yapamadıklarını gösteriyor.

Araştırmacılar, büyük dil modellerinin pekiştirmeli öğrenme sürecinde karşılaştığı temel bir sorunu çözen yeni bir yöntem geliştirdi. SPS (Steering Probability Squeezing) adı verilen bu yaklaşım, yapay zekanın farklı çözüm yollarını keşfetme yeteneğini önemli ölçüde geliştiriyor. Geleneksel pekiştirmeli öğrenmede modeller, yüksek ödüllü tek bir çözüm yoluna odaklanarak diğer alternatif stratejileri göz ardı etme eğiliminde. Bu durum, modelin genel performansını sınırlıyor ve çeşitli senaryolarda başarı şansını düşürüyor. Yeni yöntem, konvansiyonel pekiştirmeli öğrenmeyi ters pekiştirmeli öğrenme ile birleştirerek bu problemi aşıyor. SPS, modelin olasılık dağılımını yeniden şekillendirerek daha geniş bir keşif alanı yaratıyor. Bu sayede yapay zeka, tek bir doğru cevaba takılıp kalmak yerine, farklı düşünce rotalarını deneyimleyebiliyor. Gelişme, özellikle karmaşık muhakeme gerektiren görevlerde yapay zeka performansının artırılması açısından önemli.

Büyük dil modelleri uzun mantık zinciri gerektiren problemleri çözerken sık sık mantıksal hatalar yapıyor ve konudan sapabiliyor. Araştırmacılar, bu sorunları gerçek zamanda tespit edip düzeltebilen SPREG adlı yeni bir sistem geliştirdi. Sistem, modelin belirsizlik seviyesini sürekli izleyerek ani artışları mantık hatası işareti olarak algılıyor ve hemen müdahale ediyor. Bu yaklaşım, AI'ların akıl yürütme yeteneklerini artırırken dil akıcılığını korumayı başarıyor.

Araştırmacılar, büyük dil modellerinin performansını artırmak için kullanılan paralel test zamanı ölçeklendirme (TTS) yaklaşımını, gizli muhakeme modellerine uyarladı. Geleneksel yöntemler, birden fazla düşünce zinciri oluşturup sonuçları oylamayla birleştirirken, yeni yaklaşım sürekli vektör uzayında çalışan modeller için tasarlandı. Ekip, Monte Carlo Dropout ve Gaussian Gürültü ekleme gibi belirsizlik temelli örnekleme stratejileri geliştirdi. Ayrıca, adım adım karşıtsal öğrenme ile eğitilen Gizli Ödül Modeli (LatentRM) sayesinde farklı çözüm yollarını daha etkili bir şekilde değerlendirip birleştirebildi. Bu yenilik, yapay zeka sistemlerinin muhakeme yeteneklerini geliştirirken hesaplama verimliliğini de artırıyor.

Araştırmacılar, yapay zeka ve insan bilişinin entegrasyonunu açıklayan yeni bir kavram öneriyor: 'üretken orta-yönelimli biliş'. Bu yaklaşım, ChatGPT gibi büyük dil modellerinin insanların düşünme süreçleriyle nasıl birleştiğini ve bu etkileşimin klasik genişletilmiş biliş teorilerinin ötesinde nasıl bir hibrit süreç oluşturduğunu inceliyor. Çalışma, bu tür insan-yapay zeka etkileşiminin sosyal bilişe benzediğini, ancak ondan farklı olduğunu öne sürüyor. Bu araştırma, yapay zekanın sadece bir araç değil, düşünce süreçlerimizin aktif bir ortağı haline geldiği yeni bilişsel paradigmaları anlamamız açısından önemli.

MIT araştırmacıları, temiz enerji teknolojilerinin gelecekteki maliyetlerini tahmin etmenin zorluklarını su elektrolizi örneği üzerinden inceledi. Çalışma, teknoloji geliştirme süreçlerinde farklı öğrenme yapılarının maliyet projeksiyonlarını nasıl etkilediğini ortaya koyuyor. Araştırma, elektrolizör varyantları arasındaki rekabet ve tedarik zinciri parçalanmasının maliyet gelişimi üzerindeki etkilerini analiz ediyor. Bulgular, temiz enerji yatırımları ve iklim politikaları için kritik öneme sahip.

Araştırmacılar, küçük yapay zeka modellerinin mantık yürütme yeteneklerini değerlendiren yeni bir test sistemi geliştirdi. ReTraceQA adlı bu sistem, modellerin sadece doğru cevap verip vermediğini değil, bu cevaba nasıl ulaştığını da inceliyor. Şaşırtıcı bulgular, küçük dil modellerinin örneklerin %14-24'ünde yanlış mantık yürütme süreçlerine rağmen doğru sonuçlara ulaşabildiğini ortaya koyuyor. Bu durum, mevcut değerlendirme yöntemlerinin bu modellerin gerçek yeteneklerini olduğundan fazla gösterdiğine işaret ediyor. Uzmanlar tarafından hazırlanan veri seti, sadece final cevaba odaklanan geleneksel testlerin eksikliklerini gözler önüne seriyor ve yapay zeka modellerinin düşünce süreçlerini analiz etmenin önemini vurguluyor.

Araştırmacılar, yapay zeka sistemlerinde insan benzeri bilişsel yeteneklerin nasıl geliştirilebileceğini araştıran kapsamlı bir çerçeve sundu. Bilişsel Mimari Teorisi'ne dayanan bu çalışma, hafıza, algı, dil, akıl yürütme, hayal kurma, motivasyon ve üst-biliş gibi temel bilişsel fonksiyonları makinelerde nasıl entegre edebileceğimizi inceliyor. Araştırma, mevcut AI sistemlerinin özellikle motivasyon ve üst-biliş alanlarında yetersiz kaldığını ortaya koyuyor. Bu boşlukları doldurmak için aktif çıkarım ve küresel çalışma alanı teorilerinden yararlanan somut yöntemler öneriliyor. Çalışma ayrıca bilimsel keşifler yapabilen AI ajanları için yeni bir kategori olan 'Epistemik Dünya Modelleri' kavramını tanıtıyor.