Brezilya'daki araştırmacılar, Portekizce doğal dil işleme alanında çığır açan yeni bir yapay zeka modeli geliştirdi. NorBERTo adlı bu model, ModernBERT mimarisine dayalı olarak tasarlandı ve Aurora-PT adı verilen dev bir Portekizce veri kümesi ile eğitildi. Bu veri kümesi, çeşitli web kaynaklarından toplanan 331 milyar GPT-2 token içeriyor. Model, metin benzerliği, mantıksal çıkarım ve sınıflandırma görevlerinde test edildiğinde, özellikle PLUE ve ASSIN 2 benchmark testlerinde kayda değer başarılar elde etti. NorBERTo-large versiyonu, değerlendirilen kodlayıcı modeller arasında en iyi performansı göstererek Portekizce NLP uygulamaları için önemli bir adım teşkil ediyor.

Hukuk dünyasında devrim yaratabilecek yeni bir yapay zeka sistemi geliştirildi. Araştırmacılar, mahkeme kararları ve yasal belgeleri otomatik olarak sınıflandırabilen bir model tasarladı. Sistem, 25 bin hukuki belge üzerinde test edildi ve %97,26 doğruluk oranına ulaştı. Geleneksel yöntemlerin aksine, bu model çok daha hızlı çalışıyor ve hata oranını minimuma indiriyor. Özellikle karmaşık hukuki dil yapısı ve uzmanlaşmış terminolojiye rağmen yüksek başarı gösteriyor. BERT gibi güçlü modelleri bile geride bırakan sistem, hafif yapısıyla dikkat çekiyor. Bu gelişme, hukuk bürolarındaki belge inceleme süreçlerini hızlandırabilir ve hataları azaltabilir.

Araştırmacılar, modern arama motorlarının temelini oluşturan SPLADE modellerinde kelime dağarcığının rolünü inceledi. Çalışma, özellikle ESPLADE yöntemiyle geliştirilen genişletilmiş kelime dağarcıklarının arama verimliliği ve etkinliği üzerindeki etkilerini analiz etti. 100 bin kelimelik kelime dağarcığına sahip BERT modelleri üzerinde yapılan deneylerde, bir model ESPLADE ön-eğitim yöntemiyle, diğeri ise rastgele başlatma ile oluşturuldu. Gerçek dünya arama tıklama verileri kullanılarak ince ayar yapılan modeller, logit skor tabanlı sorgu ve belge budama teknikleriyle optimize edildi. Bu araştırma, semantic arama sistemlerinde kelime dağarcığı seçiminin kritik önemini vurguluyor ve gelecekteki arama teknolojilerinin geliştirilmesinde önemli içgörüler sunuyor.

Araştırmacılar, yapay zeka kullanarak metinlerin gerçek yazarlarını tespit edebilen yeni bir sistem geliştirdi. Japonca e-ticaret yorumları üzerinde yapılan çalışmada, farklı makine öğrenmesi yöntemleri karşılaştırıldı. BERT gibi gelişmiş dil modelleri küçük gruplar için başarılı olurken, yazar sayısı artınca geleneksel TF-IDF yöntemi daha kararlı sonuçlar verdi. Bu teknoloji gelecekte siber güvenlik alanında tehdit analizlerinde kullanılabilir. Sistem, metinlerdeki üslup özelliklerini analiz ederek yazarları ayırt ediyor ve adli tıp ile güvenlik araştırmalarında önemli uygulamalara sahip.

Araştırmacılar, yapay zeka modellerinin tıp ve biyomedisin alanındaki performansını artırmak için iki farklı yaklaşımı karşılaştırdı. İlk yöntemde modeller sürekli eğitimle tıbbi bilgileri içselleştirirken, ikinci yöntemde ihtiyaç duyduklarında bilgi grafiğinden veri çekiyorlar. UMLS Metathesaurus'tan 3,4 milyon kavram ve 34,2 milyon ilişki içeren devasa bir tıbbi bilgi grafiği oluşturan ekip, bu grafikten türetilen metinlerle BERT ve BioBERT modellerini geliştirdi. Altı farklı biyomedikal görevde test edilen modeller, tıbbi dil anlayışından akıl yürütmeye kadar geniş bir yelpazede değerlendirildi. Bu çalışma, gelecekte tıbbi yapay zeka uygulamalarının hangi yöntemle daha etkili olabileceği konusunda önemli ipuçları sunuyor.

Araştırmacılar, büyük dil modellerine dayalı arama sistemlerinin güvenilirliğini kapsamlı bir şekilde inceledi. Çalışma, BERT mimarisinin yerini alan bu yeni nesil arama motorlarının performans artışı sağlamasına rağmen ciddi zayıflıklar taşıdığını ortaya koyuyor. 30 farklı veri seti üzerinde yapılan analizler, özellikle karmaşık mantık yürütme için optimize edilmiş modellerin 'uzmanlaşma vergisi' ödediğini gösteriyor. Bu modeller, belirli alanlarda üstün performans sergilerken, genel kullanım senaryolarında beklenenden düşük başarı oranları yakalıyor. Bulgular, yapay zeka destekli bilgi erişim sistemlerinin yaygınlaşmasıyla birlikte güvenilirlik meselesinin kritik önem kazandığını vurguluyor.

Matematik alanında önemli bir gelişme yaşandı. Araştırmacılar, pozitif karakteristiğe sahip düzgün çeşitlemeler üzerindeki sonlu düz yükseklik bir grup şemalarıyla ilişkili prizma F-ölçerlerini matematiksel olarak tanımladı. Bu çalışma, cebirsel geometri ve sayı teorisinin kesişim noktasında yer alan karmaşık yapıları anlamak için kritik önem taşıyor. Araştırma, Berthelot-Breen-Messing'in kristal Dieudonné modüllerinin tanımlanmasında önemli uygulamalara sahip. Ayrıca Bragg-Olsson'un düz kohomoloji konusundaki bulgularını Hoobler tipi diziler kullanarak yeniden türetmeyi başarıyor. Bu matematiksel ilerleme, özellikle p-adik geometri ve aritmetik geometri alanlarında çalışan matematikçiler için değerli araçlar sunuyor.

Araştırmacılar, çoklu görüş stereo tekniğinde devrim niteliğinde bir yöntem geliştirdi. DVP-MVS++ adlı bu sistem, farklı açılardan çekilen fotoğraflardan üç boyutlu nesneleri yeniden yapılandırırken karşılaşılan temel sorunları çözüyor. Geleneksel yöntemler, özellikle doku detayı az olan yüzeylerde ve kenar geçişlerinde zorlanıyordu. Yeni sistem, derinlik, yüzey normali ve kenar bilgilerini akıllıca birleştirerek bu sorunları aşıyor. Bu gelişme, sanal gerçeklik, robotik, otomotiv endüstrisi ve medikal görüntüleme gibi alanlarda önemli ilerlemeler sağlayabilir. Teknoloji, görünürlük engelleri ve belirsizlikleri bertaraf ederek daha doğru 3D modeller üretmeyi mümkün kılıyor.

Araştırmacılar, web uygulamalarının ihtiyaç duyduğu API'leri daha doğru önerebilmek için WARBERT adlı yeni bir yapay zeka modeli geliştirdi. BERT tabanlı bu hiyerarşik model, mevcut sistemlerin karşılaştığı semantik belirsizlikler ve hesaplama verimsizliği gibi sorunları çözmek üzere tasarlandı. Model, mashup gereksinimleri ile API açıklamaları arasında daha hassas eşleştirmeler yapabiliyor ve büyük ölçekli veri tabanlarında hızlı çalışıyor. Web 2.0 ve mikroservis mimarisinin yaygınlaşmasıyla artan API ihtiyacı, bu tür akıllı öneri sistemlerini daha da önemli hale getiriyor. WARBERT, çift bileşenli özellik birleştirme ve dikkat mekanizmaları kullanarak semantik temsillerin doğruluğunu artırıyor ve geliştiricilerin ihtiyaçlarına uygun API'leri bulmalarını kolaylaştırıyor.

Araştırmacılar, COVID-19 pandemisi sırasında Reddit platformundaki toplulukları analiz ederek bilgi yoğunluğu ile sahte haber yayılımı arasındaki ilişkiyi inceledi. BERT yapay zeka modelini kullanan çalışma, bilgi bombardımanının (information overload) sahte haberlerin artmasına neden olduğunu gösterdi. Gini endeksi ile ölçülen konu çeşitliliği, bilgi yoğunluğunun bir göstergesi olarak kullanılırken, FakeBERT sınıflandırıcısı sahte haberleri tespit etti. Bulgular, genel olarak bilgi karmaşasının arttığı ortamlarda sahte haberlerin de çoğaldığını ortaya koyuyor. Bu durum, pandemi gibi kriz dönemlerinde sosyal medya platformlarında dezenformasyonla mücadelenin önemini vurguluyor.

Araştırmacılar, tıbbi metin analizi için yeni bir yapay zeka sistemi geliştirdi. L2D-Clinical adlı bu sistem, ne zaman uzmanlaşmış BERT modellerini, ne zaman ise büyük dil modellerini kullanması gerektiğini kendi kendine öğrenebiliyor. Sistem, belirsizlik sinyallerini ve metin özelliklerini analiz ederek hangi durumda hangi modelin daha başarılı olacağını tahmin ediyor. İlaç yan etkisi tespiti ve tedavi sonucu sınıflandırması gibi görevlerde test edilen sistem, tek bir model kullanmaya kıyasla daha yüksek doğruluk oranları elde etti. Bu yaklaşım, tıbbi yapay zeka uygulamalarında farklı modellerin güçlü yanlarını birleştirerek daha güvenilir sonuçlar elde etmeyi mümkün kılıyor.