Araştırmacılar, çok modlu yapay zeka sistemlerinin görsel bilgileri neden ihmal ettiğini keşfettiler. LLaVA ve Qwen2.5-VL gibi modellerde yapılan analizler, sorunun veri dengesizliğinden değil, modelin iç mimarisinden kaynaklandığını gösteriyor. Görsel anahtar vektörlerin, metin tabanlı eğitim sırasında öğrenilen anahtar uzayından farklı dağılım gösterdiği ortaya çıktı. Bu durum, görsel bilgilerin dikkat mekanizmasında düşük puanlar almasına ve yetersiz kullanılmasına neden oluyor. Araştırma ekibi, MaLoRA adlı yeni bir yöntem geliştirerek bu sorunu çözmeyi hedefliyor.

Araştırmacılar, uzun video içeriklerini analiz eden yapay zeka sistemleri için devrim niteliğinde bir bellek mimarisi geliştirdi. MM-Mem adlı bu sistem, insan beyninin bilgiyi işleme biçiminden esinlenerek tasarlandı. Mevcut yapay zeka modelleri kısa video segmentlerinde başarılı olsa da, uzun süreli video analizi konusunda yetersiz kalıyordu. Yeni sistem, görsel bilgileri piramit şeklinde hiyerarşik olarak organize ederek, detaylı algısal izleri üst düzey anlamsal şemalara dönüştürebiliyor. Bu sayede hem yüksek detay kaybı yaşayan metin tabanlı yaklaşımların hem de yavaş çalışan görsel yöntemlerin sorunları aşılıyor. Sistem, insan bilişsel verimliliğini taklit ederek video içeriğini daha etkili şekilde anlayabiliyor.

Araştırmacılar, otonom sistemlerin güvenilir çalışması için kritik bir sorunu çözmek amacıyla 'atomik karar sınırları' adında yeni bir yapısal yaklaşım geliştirdi. Bu yöntem, sistemin bir kararı verdiği an ile o kararı uyguladığı anı tek bir adımda birleştirerek, dış müdahalelerin güvenlik açıklarına yol açmasını önlüyor. Çalışma, mevcut kontrol sistemlerinin karar verme ve uygulama aşamalarının ayrı olması nedeniyle güvenlik zafiyetleri yaşadığını ortaya koyuyor. Yeni yaklaşım, özellikle kritik altyapı sistemleri ve güvenlik açısından hassas otonom uygulamalar için büyük önem taşıyor.

Araştırmacılar, robotların esnek ve yumuşak malzemelerle çalışmasını öğrenmesi için FLASH adlı yeni bir simülasyon sistemi geliştirdi. Bu GPU tabanlı sistem, geleneksel yaklaşımlardan 10-50 kat daha hızlı çalışarak robotların dakikalar içinde karmaşık manipülasyon görevlerini öğrenmesini sağlıyor. Isaac Sim gibi mevcut sistemler katı cisim manipülasyonunda başarılı olsa da, esnek malzemelerle çalışmada yetersiz kalıyordu. FLASH, sürekli değişen geometri ve çok sayıda temas kısıtlaması ile başa çıkabilecek şekilde GPU mimarisine özel olarak tasarlandı. Bu gelişme, robotların hamur yoğurma, kumaş katlama veya organik malzemelerle çalışma gibi görevleri daha etkili öğrenmesini sağlayabilir.

Araştırmacılar, insansız hava araçları (İHA) için güvenli ve çevik uçuş rotaları oluşturan yeni bir yapay zeka sistemi geliştirdi. AeroTrajGen adlı bu sistem, difüzyon modelleri ve kontrol bariyer fonksiyonlarını birleştirerek çarpışmasız uçuş yolları üretiyor. Sistem, özellikle karmaşık akrobatik manevralarda İHA'ların güvenliğini sağlamak için tasarlandı. Geleneksel yöntemlerin aksine, bu yaklaşım geniş güvenlik verilerine ihtiyaç duymadan etkili sonuçlar üretebiliyor. Çok modlu koşulları işleyebilen ve engelleri algılayan transformer mimarisi sayesinde, sistem gerçek zamanlı olarak güvenli rotalar planlayabiliyor. Bu gelişme, otonom sistemlerin güvenliği açısından önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, yapay zeka hesaplamalarında devrim yaratacak yeni bir fotonik işlemci geliştirdi. Işık dalgalarını kullanarak çalışan bu sistem, saniyede 1000 trilyon işlem gerçekleştirebiliyor. Geleneksel elektronik işlemcilere kıyasla çok daha az enerji tüketen bu teknoloji, matris çarpımı gibi temel yapay zeka işlemlerini optik yöntemlerle gerçekleştiriyor. Homodin dedektörlü entegre devre mimarisi sayesinde 256x256 boyutunda matris işlemlerini eş zamanlı olarak yapabilen sistem, büyük dil modelleri ve otonom sistemlerdeki gerçek zamanlı çıkarım süreçlerini hızlandırma potansiyeline sahip. Bu gelişme, yapay zekanın enerji verimliliği sorununa fotoniklerin sunduğu çözümün önemli bir göstergesi olarak değerlendiriliyor.

Araştırmacılar, yapay zeka sistemlerinin çoğunlukla metin tabanlı tasarlandığını ve sözlü gelenekleri olan yerli toplulukları ihmal ettiğini belirtiyor. Paraguay'da konuşulan Guarani dilini örnek alan çalışma, geleneksel 'metinden sese' yaklaşımının yetersiz kaldığını gösteriyor. Bilim insanları, sözlü kültürlere öncelik veren yeni bir yapay zeka mimarisi öneriyorlar. Bu sistem, konuşma sırası alma, onarım ve paylaşılan bağlam gibi doğal konuşma özelliklerini merkeze alıyor. Önerilen çok-ajan sistemi, yerli toplulukların veri egemenliğini korurken, dil anlama ve topluluk yönetişimini ayrı modüllerle ele alıyor. Çalışma, teknolojinin sadece tanıma değil, gerçek etkileşim odaklı olması gerektiğini vurguluyor.

Araştırmacılar, dijital haberleşmede farklı önem seviyesindeki verileri eşit olmayan koruma ile iletmek için polar ve konvolüsyonel kodları kullanan yeni bir yöntem geliştirdi. Bu yaklaşım, kısa blok uzunluklarında çalışırken geleneksel yöntemlerin neden olduğu veri hızı kaybını önlüyor. Geliştirilen iki aşamalı çözme mimarisi, önce mesaj sınıfını tanımlıyor, ardından seçilen sınıfa göre optimum çözme işlemi gerçekleştiriyor. Özellikle CRC destekli polar kodlar, özel kod tasarımı gerektirmeden mevcut yaklaşımlarla rekabet edebiliyor ve spektral açıdan verimli çözüm sunuyor.

Araştırmacılar, doğanın fraktal yapılarından esinlenerek yapay sinir ağları tasarlayan yenilikçi bir sistem geliştirdi. FractalNet adlı bu sistem, büyük dil modellerinin analizi ve geliştirilmesi için otomatik mimari keşif süreci sunuyor. Sistem, konvolüsyon, normalizasyon, aktivasyon ve dropout katmanlarının sistematik permütasyonları ile 1.200'den fazla farklı sinir ağı varyantı oluşturabiliyor. Fraktal şablonlar sayesinde modeller hem derinlik hem genişlik açısından dengeli bir şekilde büyüyebiliyor. CIFAR-10 veri setinde yapılan testlerde, fraktal tabanlı mimarilerin hem güçlü performans sergilediği hem de hesaplama açısından verimli olduğu görüldü.

Yapay zeka destekli video segmentasyon teknolojilerinde önemli bir gelişme kaydedildi. SAM2 gibi interaktif video segmentasyon modelleri güçlü performans sergilerken, zayıf kullanıcı müdahalesi durumlarında titreşimli sınırlar ve nesne kayıpları gibi sorunlar yaşıyordu. Araştırmacılar, bu sorunu çözmek için yeni bir zamansal olasılık yumuşatma yöntemi geliştirdi. Optik akış tabanlı hareket dönüşümü ve piksel bazında belirsizlik tahminlerini kullanan bu yaklaşım, mevcut modeli yeniden eğitmeden veya mimarisini değiştirmeden çalışabiliyor. Yöntem, segmentasyon entropisinden türetilen belirsizlik sinyallerini ve ileri-geri akış tutarlılığını kullanarak daha stabil video segmentasyonu sağlıyor.

Yapay zeka dünyasının gözdesi Transformer modellerin temel bir sorunu olduğu ortaya çıktı. Araştırmacılar, bu modellerin değişen durumları takip etmekte zorlandığını keşfetti. Problem, modellerin ileri beslemeli mimarisinden kaynaklanıyor - her yeni bilgi geldiğinde, önceki durum bilgileri modelin daha derin katmanlarına itiliyor ve sonunda erişilemez hale geliyor. Bu durum, özellikle zaman içinde gelişen olayları anlamak gereken görevlerde performans kaybına yol açıyor. Çözüm önerileri mevcut olsa da bunlar hesaplama açısından maliyetli. Araştırmacılar, uzun süreli düşünme gerektiren görevler için tekrarlamalı mimarilere geri dönülmesi gerektiğini savunuyor.