Otizm araştırmalarının öncü isimlerinden Uta Frith, onlarca yıllık kariyerinin ardından çarpıcı bir öneride bulunuyor. Frith, mevcut otizm spektrum bozukluğu sınıflandırmasının tamamen terk edilmesi gerektiğini savunuyor. Otizmin sinirsel temellerini anlamaya adanmış bir yaşamın ardından, bu radikal görüş bilim dünyasında tartışma yaratıyor. Frith'e göre, spektrum yaklaşımı otizmi anlamamızı ilerletmek yerine engelliyor. Bu yaklaşım değişikliği, otizm tanısı, tedavi yöntemleri ve toplumsal algı açısından köklü dönüşümler anlamına geliyor.

Bilim insanları, beynin elektriksel aktivitesini anlamamızı sağlayacak yeni bir yapay zeka modeli geliştirdi. EEG mikro-durumu analizi, sürekli beyin aktivitesini kısa süreli kararlı yapılar halinde bölerek farklı beyin fonksiyonlarını ortaya çıkarır. Geleneksel yöntemler katı sınıflandırma kullanırken, yeni Conv-VaDE modeli hem görüntü yeniden oluşturma hem de olasılıksal kümeleme öğrenir. Bu yaklaşım, beyin durumlarının kafa derisi haritalarına dönüştürülmesine olanak tanıyarak şeffaflığı artırır. Model, 3-20 arası küme sayısı ve farklı parametrelerle test edilerek en optimal yapı aranıyor.

Araştırmacılar, dinamik sistemlerin güvenliğini doğrulamak için yenilikçi bir yaklaşım geliştirdi. Geleneksel yöntemler, zaman adımlarında biriken hatalar nedeniyle uzun vadeli güvenlik tahminlerinde başarısız oluyordu. Yeni kernel embedding çerçevesi, güvenlik sertifikasyonunu bir sınıflandırma problemi olarak ele alarak bu sorunu çözüyor. Özellikle otonom sistemler ve robotik uygulamalarda kritik olan bu yöntem, Markov olmayan dinamiklere sahip sistemler için de güvenlik garantisi verebiliyor. Araştırma, mevcut barrier sertifikaları ve robust Markov modelleri gibi yaklaşımları özel durumlar olarak içeriyor ve onların sınırlarını aşmayı başarıyor.

Araştırmacılar, kan biyobelirteçlerini kullanarak hastalıklar arasındaki ilişkileri anlamak için yeni bir yaklaşım geliştirdi. 103 farklı hastalık imzasından oluşan 'dijital kan ikizi' adı verilen hesaplamalı model, kan ve biyokimyasal analiz verilerini birleştirerek hastalık sınıflandırması yapıyor. Çalışma, kan kreatörü bozukluklarının tutarlı gruplar oluşturduğunu, metabolik ve endokrin hastalıkların ise daha karmaşık yapılar sergilediğini ortaya koydu. En büyük hastalık grubunda sitokin sinyal yolaklarının zenginleştiği görüldü, bu da farklı hastalıkların ortak enflamatuar mekanizmalar paylaştığını gösteriyor. Bu teknoloji, hastalıkların veri odaklı sınıflandırılması ve kişiselleştirilmiş tıp uygulamaları için önemli fırsatlar sunuyor.

Araştırmacılar, uzay ve havacılık gibi yüksek radyasyon ortamlarında kullanılması planlanan nöromorfik işlemcileri test etmek için yeni bir metodoloji geliştirdi. ODIN adlı spike tabanlı sinir ağı işlemcisi, yüksek enerjili nötron ışınlarına maruz bırakılarak dayanıklılığı ölçüldü. Test sırasında sistem, MNIST veri setinde sınıflandırma görevlerini yerine getirmeye devam etti. En dikkat çekici bulgu, çevrimiçi öğrenme özelliğinin etkinleştirilmesinin, sistemin radyasyon hasarına karşı direncini önemli ölçüde artırmasıydı. Bu çalışma, gelecekte uzay misyonlarında kullanılacak yapay zeka sistemlerinin tasarımı için kritik veriler sunuyor.

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.

Araştırmacılar, görsel-dil modellerinin güvenlik sınıflandırma sistemlerinde ciddi bir güvenilirlik sorunu ortaya çıkardı. Aynı anlama gelen farklı komut formülasyonları, yapay zekanın güvenli veya güvensiz içerik değerlendirmelerinde tutarsız sonuçlar ürettiğini gösterdi. Bu keşif, mevcut AI güvenlik sistemlerinin düşünülenden daha kırılgan olduğunu ve geliştirilmesi gerektiğini ortaya koyuyor. Çalışma, zero-shot vision-language modellerin tek komut tabanlı değerlendirmelerinin yanıltıcı olabileceğini ve çoklu komut ortalaması yaklaşımının daha güvenilir sonuçlar verdiğini kanıtladı.

Araştırmacılar, sadece 3-4 milyar parametreye sahip küçük yapay zeka modellerinin, özel eğitim teknikleriyle radyoloji alanında büyük modeller kadar başarılı olabileceğini gösterdi. RadLite projesi kapsamında geliştirilen bu modeller, hastane bilgisayarlarında bile çalışabilecek kadar hafif olmasına rağmen, tıbbi görüntü analizi, hastalık tespiti ve rapor yazma gibi 9 farklı radyoloji görevinde yüksek performans sergiledi. Özellikle RADS sınıflandırmasında %53, doğal dil anlamada %60, N-evrelendirmede %89 oranında performans artışı elde edildi. Bu gelişme, kaynak kısıtlı sağlık kurumlarının da yapay zeka destekli radyoloji hizmetlerinden faydalanmasının önünü açıyor.

Bilimsel literatürün hızla büyümesi, araştırma alanlarının sistematik olarak organize edilmesini zorlaştırıyor. Araştırmacılar, büyük dil modelleri kullanarak bilimsel taksonomi üretimi için yeni bir çerçeve geliştirdi. SC-Taxo adlı bu sistem, hiyerarşik seviyelerde semantik tutarlılığı sağlayarak daha kaliteli sınıflandırma yapıları oluşturuyor. Geleneksel yöntemlerin aksine, bu yaklaşım yapısal tutarsızlıkları ve anlam uyumsuzluklarını minimize ediyor. Sistem, bilim literatürünün keşfedilmesi, konu navigasyonu, trend analizi ve bilgi erişiminde önemli iyileştirmeler sunuyor. Bu gelişme, bilimsel bilginin daha etkili organize edilmesi açısından kritik önem taşıyor.

Araştırmacılar, önceden eğitilmiş ses tanıma modellerinin fil çağrılarını sınıflandırmada şaşırtıcı derecede başarılı olduğunu keşfetti. Bu çalışmada, hiç fil sesi duymamış yapay zeka modelleri, sadece genel ses verileriyle eğitildikten sonra fil vokallerini tanımayı başardı. Sonuçlar, biyoakustik verilerin kıtlığı sorununa pratik bir çözüm sunuyor. Çünkü doğal yaşamdaki hayvan seslerini etiketlemek hem pahalı hem zaman alıcı. Perch 2.0 adlı model, Afrika fillerinde 0.849 AUC skoru elde ederek en iyi performansı gösterdi. Bu yaklaşım, türler arası ses özelliklerinin evrensel olabileceğini gösteriyor ve koruma biyolojisinde devrim yaratma potansiyeli taşıyor.

Araştırmacılar, yapay zeka modellerinin eğitiminde kullanılan ödül sistemlerini iyileştirmek için yeni bir yaklaşım geliştirdi. Mevcut sistemlerde modeller doğru cevapları tahmin edebiliyor ancak gerekçelerini sağlam temellere dayandıramıyor. Bu durum eğitim sürecinde gürültü yaratarak öğrenme kalitesini düşürüyor. Yeni geliştirilen RM-NLHF yöntemi, ikili sınıflandırma yerine doğal dil geri bildirimini kullanarak daha detaylı süreç ödülleri sağlıyor. Bu yaklaşım, yapay zeka modellerinin sadece doğru sonuçlara ulaşmakla kalmayıp, bu sonuçlara nasıl vardığını da daha iyi öğrenmesini sağlayabileceğini gösteriyor.