Otonom tıbbi robotlar hasta sonuçlarını iyileştirme, sağlık çalışanlarının iş yükünü azaltma ve insanüstü hassasiyet sağlama potansiyeline sahip. Ancak bu alanda gelişim, veri eksikliği nedeniyle sınırlı kalıyordu. Araştırmacılar, 49 kurumdan toplanan ve da Vinci, dVRK gibi farklı robot platformlarını kapsayan 'Open-H-Embodiment' adlı dev veri setini paylaştı. Bu açık kaynak veri seti, cerrahi manipülasyon, robotik ultrason ve endoskopi prosedürlerinden elde edilen video görüntüleri ile robot hareketlerinin eşzamanlı verilerini içeriyor. Çalışma, tıbbi robotik alanında temel yapay zeka modellerinin geliştirilmesi için kritik olan veri açığını kapatmayı hedefliyor.

Araştırmacılar, büyük dil modellerinin çıkarım hızını artırmak için FLy adlı yeni bir yöntem geliştirdi. Geleneksel spekülatif kod çözme yöntemleri sadece tam eşleşen token'ları kabul ederken, FLy semantik olarak doğru ancak farklı ifadeleri de değerlendiriyor. Sistem, entropy tabanlı iki katmanlı bir mekanizma kullanarak hangi durumlarda alternatif token'ların kabul edilebileceğini belirliyor. Bu yaklaşım, modelin kendi kendini düzeltme yeteneğinden faydalanarak daha esnek bir doğrulama kriteri sunuyor. Özellikle dağıtım dışı görevlerde performans kaybı yaşayan mevcut yöntemlere alternatif olan FLy, ek eğitim gerektirmeden çalışabiliyor.

Türk ve uluslararası araştırmacılar, kuantum mekaniğindeki gizli değişkenleri kullanarak zaman yolculuğunun teorik olarak mümkün olduğunu öne süren yeni bir çalışma yayınladı. Mezoskopik sistemlerdeki yerel kısmi durum yoğunluğu (LPDOS) kavramını kullanan araştırma, bu parametrenin negatif değerler aldığında zaman yolculuğuna olanak sağlayabileceğini iddia ediyor. Çalışma, kuantum ölçüm problemine yeni bir bakış açısı getirirken, Landauer iletkenliğini yeniden yorumluyor. Araştırmacılar, dolaylı deneysel kanıtların varlığından bahsederek, doğrudan deneysel doğrulama beklediklerini belirtiyor. Bu teorik çerçeve, klasik ve kuantum dünyalar arasındaki ara rejimi deneysel olarak inceleme imkanı sunan mezoskopik sistemlere odaklanıyor.

Araştırmacılar, yapay zekanın görsel problemleri çözerken yaşadığı temel sorunu ele aldı. Mevcut sistemler görselleri algılayabiliyor ama mantıksal yapıları kavrayamıyor. Yeni geliştirilen 'Thinking with Drafting' (TwD) yöntemi, yapay zekanın görsel bilgiyi mantıksal kod yapısına dönüştürmesini sağlıyor. Bu yaklaşım, sistemin doğrudan cevap üretmek yerine düşünce sürecini kodlayarak kendini doğrulamasına olanak tanıyor. Görsel algının mantıksal yapıya dönüştürülmesi süreci 'optik dekompresyon' olarak adlandırılıyor.

Büyük dil modelleri genellikle İngilizce ve birkaç yaygın dilde eğitildiği için Avrupa'nın birçok dilinde yetersiz kalıyor. Araştırmacılar bu soruna çözüm bulmak için TildeOpen LLM adlı 30 milyar parametreli yeni bir model geliştirdi. Model, 34 farklı Avrupa dilini destekleyerek dil adaletsizliğini azaltmayı hedefliyor. Özellikle kaynak açısından fakir diller için geliştirilmiş bu sistem, veri dengesizliği sorununu çözmek için özel bir müfredat tabanlı eğitim yaklaşımı kullanıyor. Baltık, Fin-Ugor ve Slav dil ailelerinde önceki modellerden çok daha iyi sonuçlar veren TildeOpen, çok daha az bilgi işlem kaynağıyla eğitilmesine rağmen mevcut açık kaynak modellerini geride bırakıyor. İnsan değerlendirmelerinde dil hatalarında on kata varan azalma tespit edildi.

MIT ve Harvard araştırmacıları, geleneksel optik yaklaşımları alt üst eden yeni bir teknoloji geliştirdi. 'Yakın alan meta-optiği' adı verilen bu yöntem, ışığın yayılımını kontrol etmek yerine, doğrudan kaynakta şekillendiriyor. Araştırmacılar, terahertz frekanslarında çalışan fotoiletken antenlerin üzerine özel tasarlanmış meta-yüzeyler yerleştirerek, ışık emisyonunu kaynak seviyesinde kontrol etmeyi başardı. Bu yenilik, geleneksel yöntemlere göre üç kat daha ince yapılarla, ışığın saçılma açısını 60 dereceden 10 dereceye düşürürken, eksen üzerindeki yoğunluğu 50 kat artırıyor. Teknoloji, telekomünikasyon, tıbbi görüntüleme ve güvenlik tarama sistemlerinde devrim yaratabilir.

Araştırmacılar, Afrikanka dillerde yanlış bilgiyle mücadele etmek için özel bir yapay zeka sistemi geliştirdi. AfrIFact adlı bu sistem, on farklı Afrika dilinde ve İngilizcede haber doğrulama işlemi gerçekleştirebiliyor. Sistem, bilgi arama, kanıt toplama ve doğruluk kontrolü olmak üzere üç aşamada çalışıyor. Araştırma sonuçları, mevcut yapay zeka modellerinin farklı diller arasında bilgi arama konusunda yetersiz kaldığını ortaya koydu. Özellikle sağlık alanındaki belgelerin doğruluğunu kontrol etmek, kültürel ve haber içeriklerine göre daha zor olduğu belirlendi. Çalışma, az kaynaklı dillerde yanlış bilgi yayılımının önlenmesi açısından önemli bir adım olarak değerlendiriliyor.

ChatGPT gibi büyük dil modelleri, geniş bilgi birikimleriyle birçok alanda kullanılsa da yanlış bilgi üretme eğilimi gösteriyor. Bu durum sağlık, gazetecilik ve eğitim gibi kritik alanlarda ciddi endişelere yol açıyor. Araştırmacılar, yapay zeka sistemlerindeki faktüel hataları otomatik olarak tespit edebilen HalluHunter adlı yenilikçi bir sistem geliştirdi. Bu sistem, bilgi grafları kullanarak çeşitli soru türleri oluşturuyor ve yapay zekanın verdiği yanıtları sistematik olarak doğruluk açısından test ediyor. Mevcut doğrulama yöntemlerinin aksine, insan emeğine ihtiyaç duymadan çalışabilen bu sistem, yapay zeka güvenilirliğini artırmada önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, yapay zeka sistemlerinin ürettiği raporları otomatik olarak değerlendiren Auto-ARGUE adlı yeni bir araç geliştirdi. Bu sistem, büyük dil modellerini kullanarak kaynak destekli raporların kalitesini ölçebiliyor. TREC 2024 yarışmalarında yapılan testlerde, sistemin değerlendirmeleri insan uzmanların görüşleriyle yüksek düzeyde uyum gösterdi. Özellikle RAG (Retrieval-Augmented Generation) sistemlerinin ürettiği raporları analiz etmek için tasarlanan araç, bilimsel literatürde bu alanda önemli bir boşluğu dolduruyor. Araştırma ekibi ayrıca ARGUE-Viz adlı görsel analiz aracını da piyasaya sürerek, değerlendirme sonuçlarının detaylı incelenmesini mümkün kıldı.

Günümüz sanayi uygarlığının fosil yakıtlara olan kritik bağımlılığını inceleyen yeni bir matematiksel model geliştirildi. ArXiv'de yayınlanan araştırma, ekonomik aktivite, fiziksel güç tüketimi, kaynak tükenmesi ve enerji kalitesi arasındaki karmaşık ilişkileri açıklayan sezgisel bir yaklaşım sunuyor. Model, termodinamik ilkelerle endüstriyel faaliyetleri birleştirerek, mevcut enerji sistemimizin sürdürülebilirlik açısından kritik noktalarını ortaya koyuyor. Bu çalışma, enerji politikaları ve gelecekteki enerji dönüşümü stratejileri için önemli içgörüler sağlayabileceği düşünülüyor.

Yapay zeka araştırmacıları, büyük dil modellerinin eğitimi sırasında karşılaşılan yüksek bellek tüketimi sorununa yenilikçi bir çözüm geliştirdi. AdaFRUGAL adı verilen bu yöntem, eğitim sürecini otomatik olarak optimize ederek hem GPU belleği kullanımını azaltıyor hem de eğitim süresini kısaltıyor. Geleneksel FRUGAL yönteminin aksine, AdaFRUGAL sabit parametreler yerine dinamik kontrol mekanizmaları kullanarak manuel ayarlama ihtiyacını ortadan kaldırıyor. İngilizce ve Vietnamca veri setleri üzerinde yapılan testler, bu yaklaşımın kaynak kısıtlı ortamlarda çalışan araştırmacılar için pratik bir çözüm sunduğunu gösteriyor.