Araştırmacılar, video analizi alanında önemli bir yenilik geliştirdi. 3AM adlı yeni sistem, SAM2 video segmentasyon teknolojisini 3D geometrik özelliklerle güçlendirerek, kamera açısı değişimlerinde bile tutarlı nesne takibi sağlıyor. Geleneksel yöntemlerin aksine, sadece RGB görüntü girişiyle çalışan sistem, karmaşık ön işleme veya kamera pozisyonu bilgisine ihtiyaç duymuyor. MUSt3R teknolojisinden gelen 3D farkındalığı sayesinde, sistem hem görsel benzerlik hem de uzamsal konum bilgisini kullanarak nesneleri daha güvenilir şekilde tanımlayabiliyor. Bu gelişme, video analizi, artırılmış gerçeklik ve robotik uygulamalar için önemli bir adım.

Araştırmacılar, titreşimli uydu videolarında araçları tespit etme ve takip etme konusunda devrim yaratacak DeTracker adlı yeni bir yapay zeka sistemi geliştirdi. Bu sistem, uydu platformunun titreşimi ve küçük nesnelerin zayıf görüntü kalitesi gibi zorluklarla başa çıkabiliyor. DeTracker, hareket dengesizliğini çözmek için küresel-yerel hareket ayrıştırma modülü ve zamansal özellik piramidi kullanıyor. Bu teknoloji, trafik izleme, güvenlik uygulamaları ve şehir planlaması gibi alanlarda büyük potansiyel taşıyor.

Araştırmacılar, veritabanı sorgularında hem bireysel gizliliği koruyup hem de kurumsal güvenlik kurallarına uygunluk sağlayan yeni bir SQL kütüphanesi geliştirdi. DPSQL+ adlı sistem, diferansiyel gizlilik teknolojisini minimum frekans kuralıyla birleştirerek, veri analizlerinde çifte güvenlik sunuyor. Minimum frekans kuralı, yayınlanan her veri grubunun en az belirli sayıda farklı kişiden katkı içermesini zorunlu kılar. Bu yaklaşım, hassas verilerin analiz edilirken hem akademik gizlilik standartlarını hem de kurumsal yönetişim gereksinimlerini karşılaması sorununu çözüyor. Modüler yapısıyla farklı veritabanı sistemleriyle uyumlu çalışabilen kütüphane, veri bilimcilerin güvenli analiz yapmasını kolaylaştırıyor.

Stanford araştırmacıları, sağlık alanındaki yapay zeka modellerinin değerlendirildiği test sistemlerinde kritik bir boşluk keşfetti. 18.707 sağlık sorusunu analiz eden çalışma, mevcut test setlerinin gerçek hasta ihtiyaçlarını yansıtmadığını ortaya koyuyor. Araştırma, test verilerinin %42'sinin nesnel sağlık verilerine odaklanmasına rağmen, bunların büyük kısmının basit fitness takipçisi verilerinden oluştuğunu gösteriyor. Karmaşık tıbbi tanı süreçlerinde kullanılan laboratuvar sonuçları gibi kritik veriler ise test setlerinde nadiren yer alıyor. Bu durum, AI modellerinin gerçek klinik ortamda ne kadar başarılı olacağının öngörülememesine yol açıyor.

Araştırmacılar, endüstriyel 5G ağlarında karşılaşılan önemli bir sorunu çözmek için FLEX adlı yenilikçi bir sistem geliştirdi. Mevcut sistemler, veri trafiğinin yoğunluğuna göre upload ve download kaynaklarını dinamik olarak ayarlayamıyor ve sabit oranlarda çalışıyor. Bu durum özellikle Endüstri 4.0 uygulamalarında sorun yaratıyor çünkü farklı yönlerde değişken trafik yoğunlukları ve çeşitli hizmet kalitesi gereksinimleri bulunuyor. FLEX sistemi, bu ihtiyaçları gerçek zamanlı olarak analiz ederek kaynak dağılımını optimize ediyor. Sistem, yüksek öncelikli indirme trafiğinin aksamaması için tampon durumu tahmini yaparak endüstriyel trafik kalıplarının öngörülebilir doğasını kullanıyor. Yapılan simülasyonlar, FLEX'in mevcut sistemlerle benzer verim sağlarken esneklik açısından önemli avantajlar sunduğunu gösteriyor.

Günümüz klinik karar destek sistemleri genellikle korelasyon tabanlı tahminler yapıyor, ancak nedensellik ilişkilerini göz ardı ediyor. Yeni bir araştırma, nedensel makine öğrenmesinin tıbbi karar verme süreçlerini nasıl geliştirebileceğini inceliyor. Araştırmacılar, deneyimli hekimlerle yapılan görüşmeler ve kapsamlı literatür taraması sonucunda, doktorlarla işbirliği halinde çalışabilen akıllı sistemler için sekiz temel gereksinim, yedi tasarım ilkesi ve dokuz pratik özellik belirledi. Bu yeni yaklaşım, sadece 'ne' olacağını değil, 'neden' olacağını da açıklayabilen sistemler geliştirmeyi hedefliyor. Böylece hekimler, sadece istatistiksel tahminlere değil, sebep-sonuç ilişkilerine dayalı önerilere erişebilecek. Bu gelişme, özellikle tedavi seçeneklerinin değerlendirilmesinde daha güvenilir ve anlaşılabilir yapay zeka desteği sunma potansiyeli taşıyor.

Blockchain teknolojisinde kripto varlıklar artık bireylerden ziyade kurumsal organizasyonlar tarafından kontrol ediliyor. DAO hazineleri, konsorsiyum cüzdanları ve emanetçi borsalar çok taraflı yetkilendirme sistemleri kullanıyor ancak mevcut ödeme mekanizmaları hâlâ tek kullanıcılı cüzdanlara odaklanmış durumda. Araştırmacılar bu sorunu çözmek için DAO² adlı yeni bir çerçeve geliştirdi. Bu sistem, eşik kontrolüne sahip bir organizasyonun diğerine ödeme yapmasını sağlarken, alıcının kimliğini gizli tutma seçeneği de sunuyor. Sistem dağıtık anahtar türetme, gizli adres üretimi ve eşik imza teknolojilerini birleştirerek kurumsal blockchain transferleri için kapsamlı bir çözüm getiriyor.

Araştırmacılar, kalp ultrasonu (ekokardiyografi) görüntülerini tıpkı deneyimli bir kardiyolog gibi yorumlayabilen EchoAgent adlı yapay zeka sistemi geliştirdi. Sistem, görme, manuel ölçüm ve uzman bilgisi gibi üç temel beceriyi koordine ederek çalışıyor. Mevcut sistemler genellikle bu yeteneklerin sadece bir kısmına odaklanırken, EchoAgent kalp fonksiyonlarının değerlendirilmesinde kapsamlı bir yaklaşım sunuyor. Bu gelişme, kardiyoloji alanında tanı doğruluğunu artırırken, uzmanların iş yükünü azaltma potansiyeline sahip.

MIT ve Stanford araştırmacıları, sunucusuz bilişimin (serverless computing) en büyük sorunlarından birini çözen Nexus adlı yeni bir sistem geliştirdi. Mevcut sunucusuz mimarilerde her sanal makine, ağır iletişim altyapısını (SDK, RPC, TCP/IP) tekrarlamak zorunda kalıyor ve bu durum fonksiyonların bellek ayak izinin %25'inden fazlasını tüketiyor. Nexus, hesaplama işlemlerini giriş/çıkış (I/O) işlemlerinden şeffaf bir şekilde ayırarak bu sorunu çözüyor. KVM tabanlı bu yeni hiper yönetici, mevcut kod tabanlarıyla tam uyumluluk sağlarken performansı önemli ölçüde artırıyor. Bu gelişme, bulut bilişim sağlayıcılarının daha yoğun sunucusuz ortamlar kurmasına ve maliyetleri düşürmesine olanak tanıyacak.

Göğüs röntgenlerinin yorumlanması, anatomik yapıların üst üste binmesi ve hastalık belirtilerinin belirsizliği nedeniyle deneyimli radyologlar için bile zor bir süreç. Araştırmacılar, büyük dil modellerinin radyoloji raporu üretimindeki başarısını artırmak için yeni bir yaklaım geliştirdi. CWCD adlı bu sistem, geleneksel modellerin aksine kategorilere dayalı karşıtsal çözümleme kullanarak daha doğru ve yapılandırılmış raporlar üretiyor. Çalışma, yapay zekanın tıbbi görüntü analizi alanındaki ilerlemesini gösteriyor.

Araştırmacılar, yapay zeka modellerinin görsel ve metinsel bilgileri birlikte işleme kapasitesini artıran yeni bir yöntem geliştirdi. Çalışma, mevcut çok modlu AI sistemlerinin görsel verileri yetersiz işlediğini ve karmaşık görevlerde zorlandığını ortaya koyuyor. Geliştirilen 'görsel tekrar modülü' ve 'derinlik ölçeklendirme' teknikleri, modellerin hem görüntüleri daha iyi anlamasını hem de karmaşık mantıksal işlemleri daha hızlı gerçekleştirmesini sağlıyor. Bu yenilik, özellikle görsel soru cevaplama sistemleri ve akıllı asistanlar için önemli performans artışları vaat ediyor.