Podcastlerden WhatsApp sesli mesajlarına kadar ses platformları, günümüzde milyonlarca kullanıcının bilgi aldığı temel kaynaklardan biri haline geldi. Ancak araştırmacılar, bu platformlardaki yanlış bilgilerin geleneksel doğrulama yöntemleriyle tespit edilemediğini ortaya koyuyor. Konuşma dilinin prosodi, tonlama ve duygu gibi özelliklerinin yanı sıra, ses içeriklerinin diyalog halinde gelişen yapısı, mevcut fact-checking sistemlerini yetersiz kılıyor. Bu durum, ses tabanlı dezenformasyonla mücadele için yeni yaklaşımlar geliştirilmesi gerekliliğini gözler önüne seriyor.

Araştırmacılar, otoregressif video üretimi için spekülatif çözümleme adı verilen yeni bir hızlandırma tekniği geliştirdi. SDVG adlı bu sistem, büyük dil modellerinde kullanılan hızlandırma stratejilerini video üretimine uyarlayarak, sürekli görsel verilerle çalışmanın zorluklarını aştı. Geleneksel token doğrulama yerine görüntü kalitesi yönlendiricisi kullanan teknik, video blokları için özel bir değerlendirme sistemi geliştirdi. Bu yenilik, yapay zeka destekli video üretiminin daha hızlı ve verimli hale gelmesini sağlayarak, akış video sentezi alanında önemli bir adım teşkil ediyor.

Araştırmacılar, mevcut bilgi grafiklerini genişletmek ve yeni bilimsel hipotezler keşfetmek için yenilikçi bir yapay zeka çerçevesi geliştirdi. Bu sistem, sadece bilinen ilişkileri doğrulamak yerine, nüfus verilerinden hareketle daha önce keşfedilmemiş bağlantıları ortaya çıkarıyor. Graf sinir ağları, nedensellik analizi ve büyük dil modelleri bir araya getirilerek, hem yapısal olarak desteklenen hem de literatürde az araştırılmış ilişkileri önceliklendiren bir yaklaşım sunuluyor. Sistem, çok amaçlı optimizasyon kullanarak hipotez adaylarını değerlendiriyor ve Pareto-optimal seçim yöntemiyle en dengeli bulguları belirliyor.

Araştırmacılar, büyük dil modellerinin ürettiği kodların doğruluğunu matematiksel olarak kanıtlayabilen yeni bir değerlendirme sistemi geliştirdi. VeriEquivBench adlı bu platform, geleneksel yöntemlerin aksine manuel uzman değerlendirmesi gerektirmeden kod kalitesini ölçebiliyor. 2,389 karmaşık algoritma problemiyle test edilen sistem, mevcut AI modellerinin hem kod yazma hem de mantıksal akıl yürütme konularındaki sınırlarını ortaya çıkarıyor. Bu gelişme, yapay zekanın kritik alanlarda güvenle kullanılması için önemli bir adım sayılıyor.

Uzun metinler üreten yapay zeka sistemlerinin en büyük sorunu, internetten topladığı bilgilerin birbiriyle çelişmesi ve yanlış sonuçlar vermesiydi. Araştırmacılar, bu problemi çözmek için ArbGraph adlı yeni bir sistem geliştirdi. Bu teknoloji, yapay zekanın yanıt üretmeden önce elde ettiği bilgileri analiz ederek çelişkileri tespit ediyor ve güvenilmez kaynakları eleyiyor. Sistem, bilgileri atomik iddialar halinde parçalayıp aralarındaki destek ve çelişki ilişkilerini haritalandırıyor. Böylece yapay zeka, daha tutarlı ve güvenilir uzun metinler üretebiliyor.

Araştırmacılar, kuantum bilgisayarların tehdidine karşı geliştirilen ML-KEM ve ML-DSA şifreleme standartları için kapsamlı bir güvenlik doğrulama sistemi oluşturdu. Bu sistem, dijital sertifikaların ve şifreleme anahtarlarının operasyonel güvenliğini sağlamak üzere 17 farklı standart gerekliliğini kontrol ediyor. Kuantum sonrası kriptografi alanında kritik önem taşıyan bu çalışma, gelecekteki siber güvenlik altyapısının sağlam temeller üzerine inşa edilmesini hedefliyor.

NSF'de düzenlenen çığır açan çalıştayda, bilim insanları 'Mekanik Zeka' kavramını ele aldı. Bu yenilikçi yaklaşım, malzemelerin ve robotik sistemlerin elektriksel sinyal ya da bilgisayar kodu olmadan, sadece mekanik yapıları aracılığıyla zeka sergileyebileceğini öngörüyor. Geleneksel hesaplamalı zekanın aksine, bu sistemler responsivite, adaptasyon, hafıza ve öğrenme özelliklerini doğrudan fiziksel yapılarında barındıracak. 38 akademik araştırmacı ve 8 NSF program müdürünün katıldığı iki günlük etkinlik, bu alandaki mevcut zorlukları ve gelecek fırsatlarını değerlendirdi. Mekanik zeka, özellikle robotik, biyomedikal implantlar ve akıllı malzemeler alanında devrim yaratma potansiyeli taşıyor. Bu teknoloji, enerji tüketimi düşük, daha dayanıklı ve çevre koşullarına kendiliğinden uyum sağlayabilen sistemlerin geliştirilmesine olanak sağlayabilir.

Araştırmacılar, büyük dil modellerinin kod yazma ve anlama yeteneklerini geliştirmek için yenilikçi bir yaklaşım geliştirdi. Haskell programlama dili üzerinde çalışan sistem, matematiksel doğrulama araçları kullanarak kodların anlam bakımından eşdeğer olup olmadığını belirliyor. İki yapay zeka modelinin birbirine karşı yarıştığı bu yaklaşımda, bir model kod üretirken diğeri bu kodları değerlendiriyor. Sistem, 28 bin doğrulanmış Haskell programından oluşan yeni bir veri seti kullanıyor. Deneyler, bu yöntemle eğitilen modellerin kod anlama testlerinde yüzde 13'e varan başarı artışı gösterdiğini ortaya koyuyor. Çalışma, yapay zekanın mantıksal düşünme yeteneklerinin geliştirilmesinde formal doğrulama yöntemlerinin önemini vurguluyor.

Büyük dil modellerinin doğru sonuçlara ulaşması için genellikle çok sayıda deneme yapması gerekiyor. Araştırmacılar, Chain-of-Thought ve Program-of-Thought adlı iki farklı düşünme yöntemini birleştiren yeni bir yaklaşım geliştirdi. Bu hibrit sistem, yapay zekanın problem çözme başarısını artırırken, gereken örnek sayısını 9,3 kat azaltıyor. En şaşırtıcı bulgu ise görevlerin %78,6'sının sadece iki örnekle çözülebiliyor olması. Bu gelişme, yapay zeka sistemlerinin hem daha verimli hem de daha doğru çalışmasını sağlayarak, hesaplama maliyetlerini önemli ölçüde düşürüyor.

Araştırmacılar, kuantum ve klasik değişkenlerin bir arada kullanıldığı programlar için Hoare tarzı bir mantık sistemi geliştirdiler. Bu yeni yaklaşım, kuantum programlamada daha geniş ifade yeteneği sağlayarak kuantum diziler ve parametreli kuantum kapılarını destekliyor. Sistem, programcıların kuantum ve klasik etkileşimleri daha sezgisel bir şekilde anlayabilmesini mümkün kılıyor. Geliştirilen mantık, ön koşullar ve son koşulları klasik birinci dereceden mantıksal formül ile kuantum yüklem formülünün çifti olarak belirliyor. Bu yaklaşım, kuantum programların doğruluğunu kanıtlamak için daha net ve anlaşılır özellikler sunuyor. Çalışma, kuantum yazılım geliştirmenin temel taşlarından biri olan program doğrulama alanında önemli bir adım teşkil ediyor.

Araştırmacılar, stokastik (rastgele) sistemlerde güvenlik sınırları içinde kalarak belirli bölgeleri en az k kez ziyaret etme olasılığını hesaplayan yeni bir matematiksel çerçeve geliştirdi. Bu çalışma, gözetleme sistemleri ve periyodik şarj işlemleri gibi tekrarlayan görevlerin güvenilirliğini matematiksel olarak doğrulamak için önemli. Araştırmacılar, 'çarpımsal stokastik bariyer fonksiyonları' adlı yeni bir yaklaşım kullanarak, sistemlerin hem güvenlik gereksinimlerini karşılayıp hem de görevlerini yerine getirme olasılıklarını hesaplayabiliyor. Bu model, özellikle otonom araçlar, robotik sistemler ve güvenlik kritik uygulamalar için büyük önem taşıyor.