Araştırmacılar, ilaç keşfinde kullanılan yapay zeka tabanlı araçların gerçek performansını büyük ölçekli bir veri setiyle test etti. DiffDock ve NMDN gibi yeni nesil AI araçlarının laboratuvar koşullarındaki başarısının gerçek dünyada ne kadar geçerli olduğu merak konusuydu. LIT-PCBA veri tabanından 15 hedef protein ve yaklaşık 578 bin ligand-protein çifti kullanılarak yapılan kapsamlı değerlendirmede, geleneksel AutoDock-GPU ile GNINA skorlamasının birleşimi en iyi sonuçları verdi. Çalışma, ilaç geliştirme sürecinde hangi hesaplama yöntemlerinin daha güvenilir olduğunu ortaya koyarak sektöre önemli rehberlik sağlıyor.

Araştırmacılar, büyük dil modellerinin bilimsel çalışmalarda ne kadar etkili olduğunu test etmek için AutoMat adlı bir değerlendirme sistemi geliştirdi. Bu sistem, yapay zeka tabanlı kodlama ajanlarının hesaplamalı malzeme bilimi alanındaki bulgulari yeniden üretip üretemediğini ölçüyor. Çalışma, AI ajanlarının sadece kodlama becerisine değil, aynı zamanda karmaşık bilimsel prosedürleri takip etme ve sonuçları bilimsel iddialar bağlamında yorumlama yetisine de ihtiyaç duyduğunu ortaya koyuyor. Gerçek bilim makalelerinden seçilen iddialar üzerinden yapılan testler, AI'nın bilimsel araştırmalardaki potansiyelini ve sınırlarını belirlemeyi amaçlıyor.

Amerika'da rekreasyonel esrar yasalarının toplumsal etkilerini inceleyen yeni bir araştırma, bu düzenlemelerin tutuklamalarda önemli azalma sağladığını ancak ırksal adaletsizliklerin devam ettiğini ortaya koyuyor. Weill Cornell Medicine, Instituto Tecnológico Autónomo de México ve Texas Üniversitesi'nden araştırmacıların yürüttüğü çalışma, yasal düzenlemelerin tek başına köklü sistemik eşitsizlikleri çözemediğini gösteriyor. Bulgular, toplumsal adaletsizliklerle mücadelede sadece yasal değişikliklerin yeterli olmadığını, daha kapsamlı reformlara ihtiyaç duyulduğunu işaret ediyor.

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.

Yapay zeka araştırmacıları, kod üretimi gibi katı kurallara bağlı görevlerde diffüzyon dil modellerinin karşılaştığı temel sorunu çözen yeni bir yöntem geliştirdi. Saber adı verilen bu yaklaşım, modelin hatalı tahminlerini tespit edip geri alabilmesini sağlıyor. Geleneksel autoregresif modellerin aksine, diffüzyon modelleri paralel üretim ve çift yönlü bağlam anlama avantajları sunuyor. Ancak kod yazma gibi yapısal kısıtlamaların olduğu alanlarda hız ve kalite arasında kritik bir ödünleşim yaşanıyordu. Araştırmacılar, bu sorunun iki temel nedeni olduğunu keşfetti: üretim zorluğunun tüm adımlarda eşit olmaması ve erken yapılan yüksek güvenli tahminlerin geri alınamaz hatalara dönüşmesi. Yeni yöntem, adaptif hızlandırma ve akıllı geri adım mekanizmaları kullanarak bu sorunları çözüyor.

Araştırmacılar, şehir trafiğini modellemede çığır açacak yeni bir yaklaşım geliştirdi. Geleneksel trafik optimizasyon yöntemleri, karmaşık matematiksel hesaplamalar nedeniyle büyük ölçekli sistemlerde yetersiz kalıyordu. Yeni sistem, otomatik türev alma (automatic differentiation) teknolojisini kullanarak trafik akışını simüle ediyor. Link Transmission Model ve Dinamik Kullanıcı Optimizasyonu modellerini birleştiren bu yaklaşım, trafik ağlarında gerçek zamanlı optimizasyon imkanı sunuyor. Sistem, sürekli değişkenler üzerinde çalışarak manuel türev hesaplama ihtiyacını ortadan kaldırıyor. Bu gelişme, akıllı şehir planlaması ve trafik yönetim sistemlerinde önemli ilerlemeler sağlayabilir.

Büyük dil modelleri, içsel gradient yapılarını istismar eden optimizasyon tabanlı saldırılara karşı savunmasız kalıyor. Araştırmacılar, Sparse Autoencoder (SAE) adı verilen tekniği kullanarak bu güvenlik açıklarını önemli ölçüde azaltmayı başardı. Gemma, LLaMA, Mistral ve Qwen model ailelerinde yapılan testlerde, SAE destekli modeller normal duruma kıyasla 5 kata kadar daha az saldırı başarı oranı gösterdi. Çalışma, yapay zeka güvenliğinde önemli bir adım olarak değerlendiriliyor.

Yapay zeka üretici modelleri her geçen gün hızla gelişirken, hangi modelin bir görseli ürettiğini belirleme sorunu giderek zorlaşıyor. Her ay yeni diffusion, adversarial ve autoregressive modeller ortaya çıkıyor ve mevcut tanımlama yöntemlerini işe yaramaz hale getiriyor. Araştırmacılar bu soruna IncreFA adlı yeni bir çerçeve ile çözüm getirdi. IncreFA, model tanımlama işlemini sürekli öğrenebilen bir sistem haline dönüştürüyor. Geleneksel yöntemlerden farklı olarak, üretici modeller arasındaki hiyerarşik ilişkileri kullanarak sürekli adaptasyon sağlıyor. Bu yaklaşım, hızla gelişen yapay zeka dünyasında model tanımlama problemine kalıcı bir çözüm sunma potansiyeli taşıyor.

Araştırmacılar, büyük dil modellerinin karmaşık soruları çözmek için dış kaynaklardan bilgi topladığı RAG sistemlerinde önemli bir sorun çözdü. Bu sistemler genellikle gereksiz arama adımları yaparak zaman ve kaynak israfına neden oluyor. MIT ve diğer kurumlardan bilim insanları, AutoSearch adlı pekiştirmeli öğrenme tabanlı bir çerçeve geliştirdi. Sistem, her arama adımını değerlendirerek optimal derinliği belirliyor ve gereksiz aramalardan kaçınıyor. Bu yaklaşım, hem doğruluğu koruyor hem de hesaplama maliyetini önemli ölçüde düşürüyor. Geliştirilen teknoloji, yapay zeka asistanlarının daha verimli çalışması için kritik öneme sahip.

Araştırmacılar, e-ticaret platformlarındaki ürün özelliklerini otomatik olarak analiz eden AutoPKG adlı yeni bir yapay zeka sistemi geliştirdi. Sistem, büyük dil modellerini kullanan çoklu ajan mimarisiyle çalışıyor ve ürün metinleri ile görsellerinden özellik bilgilerini çıkararak dinamik bilgi grafikleri oluşturabiliyor. Geleneksel yöntemlerin aksine, sistem ürün kategorilerini ve özellik anahtarlarını ihtiyaç durumuna göre kendisi belirliyor. Alibaba'nın Lazada platformundan alınan gerçek verilerle yapılan testlerde, sistem ürün türleri için 0.953, özellik anahtarları için 0.724 ağırlıklı bilgi verimliliği skorları elde etti. Bu gelişme, e-ticaret platformlarının ürün kataloglarını daha tutarlı ve güncel tutmasına yardımcı olabilir.

Yapay zeka ve makine öğrenmesi alanında kritik öneme sahip kara kutu optimizasyon (BBO) algoritmaları, farklı araştırma topluluklarında dağınık bir şekilde geliştiriliyordu. Japonya merkezli araştırmacılar, bu sorunu çözmek için OptunaHub adlı yenilikçi platformu geliştirdi. Platform, optimizasyon algoritmalarının ve benchmark problemlerinin merkezi bir şekilde paylaşılmasını, keşfedilmesini ve yeniden kullanılmasını sağlıyor. AutoML ve Malzeme Bilişimi gibi önemli alanlarda kullanılan bu teknoloji, topluluk odaklı yaklaşımıyla bilimsel işbirliğini artırmayı hedefliyor. Açık kaynak kodlu olan platform, araştırmacıların kendi algoritmalarını bağımsız olarak yayınlamasına ve diğerlerinin çalışmalarından faydalanmasına olanak tanıyor.