Günlük konuşmalarımızdaki küçük duraklamalar, 'eee' sesleri ve kelime arama anları, beynimiz hakkında düşündüğümüzden çok daha fazla şey söylüyor olabilir. Bilim insanları, doğal konuşma kalıplarının yürütücü işlevlerle - hafıza, planlama, odaklanma ve esnek düşünceyi yöneten zihinsel sistemle - yakından bağlantılı olduğunu keşfetti. Yapay zeka kullanarak günlük sohbetleri analiz eden araştırmacılar, bilişsel performansı şaşırtıcı bir doğrulukla tahmin edebildiler. Bu bulgular, geleneksel testlerden çok daha erken dönemde demans belirtilerini tespit edebilecek basit konuşma tabanlı araçların kapısını açabilir.

Mavi renk her zaman var olmasına rağmen, insanların bu rengi algılayış biçimi dilin gelişimiyle birlikte değişti. Eski Yunanlı şair Homeros'un eserlerinde denizi 'şarap renginde' tanımlaması, o dönemde mavi için belirgin bir kelime bulunmamasından kaynaklanıyor. Berlin ve Kay'in renk terminolojisi araştırmaları, dillerin renk kelimelerini belirli bir sırayla geliştirdiğini gösteriyor. Himba kabilesi üzerinde yapılan çalışmalar, dilin renk algısını nasıl etkilediğini ortaya koyuyor. Lapis lazuli gibi değerli taşlardan elde edilen mavi pigmentler tarihi boyunca nadir ve pahalıydı. Rusçada iki farklı mavi kelimesinin (goluboy ve siniy) bulunması, dil ve algı arasındaki ilişkiyi destekliyor.

Araştırmacılar, açısal ölçümlerin işlenmesinde yaşanan zorluklara çözüm olarak yeni bir döngüsel temsil yöntemi geliştirdi. Geleneksel açı ölçümlerinde, birbirine yakın açılar arasındaki fark pi değerini aştığında işleme sorunları yaşanıyor. Yeni yöntem, yüksek boyutlu uzayda gerçek değerli döngüsel gömme tekniklerini kullanarak bu sorunu çözüyor. Fourier gömme teknikleri kullanılan çalışmada, nöral ağların daha etkili açı işlemesi sağlanıyor. Yöntem aynı zamanda nokta çarpım benzerliklerinin kontrolüne olanak tanıyarak farklı çekirdek şekilleri oluşturabiliyor. Özellikle fiziksel ve algısal fenomenlerin temsil edilmesinde kritik öneme sahip periyodik sinyaller için önemli bir gelişme.

Araştırmacılar, periyodik sistemlerde kuantum mekaniği ve moleküler mekaniği birleştiren yeni bir hibrit hesaplama yöntemi geliştirdi. Bu polarize edilebilir gömme (PE) QM/MM şeması, özellikle su moleküllerini içeren sistemlerde iki alt sistemin karşılıklı polarizasyonunu dikkate alıyor. Yöntem, yoğunluk fonksiyoneli teorisi (DFT) ile tanımlanan kuantum mekaniksel sistemi, su moleküllerini karakterize eden tek merkezli çok kutuplu genişleme modeli ile birleştiriyor. Bu yaklaşım, malzeme bilimi, kataliz ve biyomoleküler sistemlerin analizinde önemli avantajlar sunuyor. Geliştirilen model, uzun menzilli etkileşimleri verimli şekilde hesaplayarak, tam kuantum mekaniksel hesaplamaların doğruluğunu korurken hesaplama maliyetini önemli ölçüde düşürüyor.

Bilim insanları, fizik denklemlerinin yapısında şaşırtıcı bir düzenlilik keşfetti. Dört farklı fizik denklemi veri tabanını analiz eden araştırmacılar, matematiksel operatörlerin kullanım sıklığının üstel azalma yasasını takip ettiğini buldu. Bu durum, doğal dillerdeki kelime sıklıklarını yöneten Zipf yasasından farklı bir pattern sergiliyor. Keşif, fizik yasalarının arkasında yatan iletişim verimliliği ve doğanın kendi kısıtlamaları arasındaki dengeyi yansıtan bir 'meta-yasa'nın varlığını işaret ediyor. Bu bulgular, sembolik regresyon ve makine öğrenmesi uygulamaları için de pratik faydalar sunuyor.

Araştırmacılar, kuantum ve klasik hesaplama yöntemlerini birleştirerek moleküler simülasyonlarda çığır açan bir başarıya imza attı. İki adet 156 kübitlik IBM kuantum işlemcisi ve süper bilgisayarlar kullanılarak gerçekleştirilen çalışmada, 12.000 atomu aşan protein-ligand kompleksleri simüle edildi. 100 saati aşan hesaplama sürecinde 9.200 kuantum devresi çalıştırılarak 1.3 milyar ölçüm sonucu toplandı. Bu, kuantum kimyası alanındaki en kapsamlı hibrit hesaplama çalışması olma özelliğini taşıyor. Geliştirilen yöntem, molekülleri parçalara ayırarak kuantum gömme tekniği kullanıyor ve her parçayı hibrit kuantum-klasik yöntemlerle analiz ediyor. Çalışma, büyük biyolojik sistemlerin kuantum düzeyinde analizini mümkün kılarak ilaç geliştirme ve moleküler tasarım alanlarında yeni olanaklar sunuyor.

Araştırmacılar, insanların konuşma sırasında nasıl kelime seçtiklerini matematiksel olarak modelleyen yeni bir yöntem geliştirdi. Çalışma, konuşmacıların rastgele değil, belirli hedeflere yönelik alternatifler arasından en az şaşırtıcı olan ifadeleri seçme eğiliminde olduğunu ortaya koyuyor. Bu keşif, yapay zeka sistemlerinin insan benzeri diyalog kurabilmesi için önemli ipuçları sunuyor. Araştırma, bilgi teorisi ve dil modelleri kullanarak hem konuşmacı hem de dinleyici odaklı iletişim stratejilerini analiz ediyor. Bulgular, uniform bilgi yoğunluğu ve uzunluk temelli yaklaşımlardan daha güçlü öngörü gücü sergiliyor.

Büyük dil modellerinin ürettiği metinlerin kaynağını tespit etmek giderek zorlaşırken, araştırmacılar BREW adlı yeni bir dijital imza yöntemi geliştirdi. Bu sistem, yapay zeka tarafından üretilen metinlere görünmez çoklu bit imzalar yerleştirerek, sahte pozitif sonuçları dramatik şekilde azaltıyor. Geleneksel yöntemlerin aksine, BREW iki aşamalı bir doğrulama mekanizması kullanıyor: önce bağımsız blok oylamasıyla mesajı tahmin ediyor, ardından pencere kaydırma tekniğiyle yerel düzenlemelere karşı sağlam doğrulama yapıyor. Test sonuçları, %10 eş anlamlı kelime değişikliği altında bile %96.5 doğru tespit oranı ve sadece %2 yanlış pozitif oranı gösteriyor.

Yapay zeka araştırmacıları, dil modellerinin üretecekleri metinlerin uzunluğunu önceden tahmin etmesini sağlayan yeni bir yöntem geliştirdi. Length Value Model (LenVM) adı verilen bu yaklaşım, her bir kelime için kalan metin uzunluğunu tahmin ederek daha verimli ve kontrollü metin üretimi sağlıyor. Geleneksel yöntemler sadece tüm metin seviyesinde çalışırken, bu yeni model her kelime bazında detaylı tahminler yapabiliyor. Sistem, her üretilen kelimeye sabit bir maliyet atayarak, kalan metin uzunluğunu bir değer tahmini problemi olarak ele alıyor. Bu yaklaşım, ek veri etiketleme gerektirmeden çalışabiliyor ve büyük ölçekte uygulanabilir özellikler taşıyor. Deneyler, 7 milyar parametreli modellerde uzunluk kontrolünde önemli iyileştirmeler sağladığını gösterdi.

Araştırmacılar, yapay zeka modellerinin düşünme ve düşünmeme modları arasındaki karışıklığı gidermek için Path-Lock Expert (PLE) adlı yenilikçi bir mimari geliştirdi. Mevcut hibrit düşünen dil modellerinde, düşünmeme modunda bile uzun ve kendini sorgulayan yanıtlar üretilmesi sorunu yaşanıyor. Bu durum, her iki modun aynı parametrelerde kodlanmasından kaynaklanıyor. PLE sistemi, her çözücü katmanda tek MLP yerine, biri düşünme diğeri düşünmeme için olmak üzere iki ayrı uzman kullanıyor. Sistem, dikkat mekanizması, gömme katmanları ve normalizasyon bileşenlerini paylaşırken, bir kontrol token'ı aracılığıyla tüm dizi için sadece bir uzman yolunu seçiyor. Bu yaklaşım, matematik ve bilim alanlarında test edilerek, modların birbirine karışmasını engellemede başarılı sonuçlar gösterdi.

Büyük dil modellerinin (LLM) temelini oluşturan alt-kelime tokenizasyonu teknolojisinin nasıl çalıştığı uzun süre net olmamıştı. Yeni araştırma, bu tekniğin başarısının arkasındaki mekanizmaları ilk kez detaylı olarak inceledi. Bilim insanları, kontrollü deneyler yaparak alt-kelime tokenizasyonunun neden ham bayt düzeyindeki modellere göre daha iyi performans gösterdiğini keşfetti. Bulgular, eğitim hızının artması ve dil yapılarına dair öncül bilgilerin entegrasyonunun kritik rol oynadığını ortaya koydu. Bu keşif, gelecekteki yapay zeka modellerinin daha verimli geliştirilmesine yön gösterecek önemli ipuçları sunuyor.