Araştırmacılar, bilgisayarların konuşma seslerini yazıya dökme yeteneğini geliştiren yeni bir yöntem keşfetti. 'Seçici Artırma' adı verilen bu teknik, bir dilin fonetik özelliklerini başka bir dilden öğrenerek geliştiriyor. Örneğin Hintçe'den alınan bilgilerle, sistem Almanca'daki ünsüzlerin sesletim özelliklerini %17,6 daha doğru tanıyabildi. Bu gelişme, dil teknolojilerinin evrensel ses tanıma sistemlerinde önemli bir ilerleme anlamına geliyor ve farklı dillerin fonetik yapılarının birbirinden nasıl öğrenebileceğini gösteriyor.

Araştırmacılar, Almanca gibi kaynak bakımından zengin dillerde yapay zeka dil modellerini eğitirken önemli bir ikilemle karşılaştı: Geniş ve çeşitli veri setleriyle tek seferlik eğitim mi, yoksa küçük ama kaliteli veri setleriyle çok epochluk eğitim mi daha etkili? 500 milyon web dokümanı üzerinde yapılan kapsamlı deneyler, yüksek kaliteli verilerin tekrarlanmasının beklenenden çok daha başarılı olduğunu ortaya koydu. Sonuçlar, aynı veri seti 7 kez tekrarlandığında bile performans artışının devam ettiğini gösteriyor. Bu bulgular, dil modeli eğitiminde veri kalitesinin çeşitlilikten daha kritik olduğunu ve sınırlı kaynaklarla çalışan araştırmacılar için önemli bir strateji değişikliği önerisi sunuyor.

Demokratik söylem analizi için kullanılan çok-ajanlı yapay zeka sistemlerinde kritik bir sorun ortaya çıktı. Araştırmacılar, farklı rollere atanan AI modellerinin siyasi ifadeleri değerlendirirken kendilerine verilen rolleri koruyamadığını keşfetti. TRUST pipeline sistemi üzerinde yapılan çalışmada, 60 siyasi ifade (30 İngilizce, 30 Almanca) analiz edildi. Sonuçlar, AI modellerinin özellikle gerçek kontrol sonuçları karşısında kendilerine atanan savunucu rollerini sürdüremediğini gösterdi. Bu 'Epistemik Zemin Etkisi' olarak adlandırılan fenomen, demokratik tartışma analizi sistemlerinin güvenilirliğini sorgulatıyor.

Araştırmacılar, yapay zekanın metinlerdeki duygusal tonları analiz etme becerisini 7 farklı dilde test etti. Aspect-Based Sentiment Analysis (ABSA) adı verilen bu teknik, metinlerdeki belirli konulara yönelik ince duygusal nüansları yakalayabiliyor. Çalışma, İngilizce, Almanca, Fransızca, Hollandaca, Rusça, İspanyolca ve Çekçe dillerinde gerçekleştirildi. Sonuçlar, büyük dil modellerinin karmaşık görevlerde en başarılı olduğunu, ancak daha küçük modellerin de basit senaryolarda rekabetçi performans sergilediğini gösterdi. Bu gelişme, çok dilli sosyal medya analizi ve müşteri geri bildirimi değerlendirmesi gibi alanlarda önemli uygulamalara sahip olabilir.

Görsel-dil modelleri son yıllarda hızla gelişse de çoğunlukla İngilizce odaklı. Araştırmacılar bu sorunu çözmek için beş Avrupa dilinde (İngilizce, Fransızca, Almanca, İtalyanca ve İspanyolca) kapsamlı eğitim ve değerlendirme kaynakları geliştirdi. Multi-PixMo adlı eğitim veri setini yeniden üretim-çeviri paradigmasıyla oluşturdular. Bu çalışma, yapay zeka görme modellerinin dil çeşitliliğini artırarak küresel erişimi genişletmeyi hedefliyor. Geliştirilen kaynaklar, görsel içerikleri anlayan yapay zeka sistemlerinin sadece İngilizce değil, farklı dillerde de etkili çalışmasını sağlayacak. Çalışma özellikle görsel-dil modellerinin çok dilli yeteneklerini geliştirme konusunda önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, yapay zekanın danışmanlık konuşmalarında bir sonraki adımı tahmin etme becerisini büyük ölçüde geliştiren yeni bir yöntem geliştirdi. Geleneksel yaklaşımlardan farklı olarak, bu sistem konuşmaların doğal akışını öğrenerek tahminlerini yapıyor. Almanca danışmanlık görüşmeleri üzerinde test edilen yöntem, başarı oranını yüzde 42'ye kadar artırdı. Bu gelişme, psikolojik danışmanlık ve terapi alanında AI destekli sistemlerin daha etkili çalışmasının yolunu açıyor. Araştırma, farklı dillerde ve danışmanlık türlerinde de benzer başarı göstererek teknolojinin geniş uygulama potansiyeline sahip olduğunu ortaya koyuyor.