Bilim insanları, biyolojik beyin hücrelerinin çalışma prensiplerini taklit eden yeni bir yapay sinir ağı geliştirdi. PCL+ adlı bu sistem, geçmiş bilgileri kısa süreli hafızasında saklayarak gelecekte ne olacağını tahmin edebiliyor. İnsan beyninin görsel korteksinde gerçekleşen öğrenme süreçlerini taklit eden bu teknoloji, eksik görüntü parçalarını tamamlayabilme ve hareket tanıma gibi karmaşık görevlerde başarılı sonuçlar verdi. Araştırmacılar, sinir hücrelerinin birbirleriyle olan bağlantılarında gecikme sürelerini öğrenerek, yakın geçmişteki bilgileri muhafaza etme becerisini geliştirmeyi başardı. Bu çalışma, yapay zekanın daha biyolojik prensiplerle çalışan sistemler geliştirilmesi yönünde önemli bir adım olarak değerlendiriliyor.

Chester Üniversitesi araştırmacılarının yürüttüğü yeni çalışma, erkek bombus arılarının dişi arılardan daha aktif ve davranışsal olarak esnek olduğunu ortaya koydu. Araştırma ekibi, arıların keşfetme yeteneklerini, renk tanıma kapasitelerini ve ödül kazanmak için öğrenme becerilerini analiz etmek amacıyla özel görevler tasarladı. Toyota Motor Manufacturing UK, Newcastle ve Sheffield üniversitelerinin de katkıda bulunduğu bu çalışma, kolonideki farklı rollerin arı davranışlarını nasıl şekillendirdiğini gözler önüne seriyor. Bulgular, dişi işçi arılar ile erkek arılar arasındaki davranışsal farklılıkların, yeni çevrelere uyum sağlama yeteneklerini de etkilediğini gösteriyor.

Bilgisayar bilimciler, son yıllarda görüntü analizi ve nesne tanıma konusunda etkileyici başarılar elde eden yapay zeka sistemleri geliştirdiler. Bu sistemler fotoğrafları hızla kategorilere ayırabiliyor, nesneleri ve yüzleri tanıyabiliyor, doğru tahminler yapabiliyor. Ancak araştırmacılar şimdi daha da ileri gidiyorlar: İnsan öğrenme süreçlerinden ilham alan yeni bir yaklaşım, bilgisayarla görü modellerinin eğitim sürecini devrim niteliğinde değiştirebilir. Bu yenilikçi pipeline, geleneksel makine öğrenmesi yöntemlerinin ötesine geçerek, yapay zeka sistemlerinin daha verimli ve etkili şekilde öğrenmesini sağlıyor. İnsan beyninin görsel bilgiyi işleme biçiminden esinlenen bu yaklaşım, yapay zeka teknolojisinin gelecekteki gelişimi için önemli bir adım teşkil ediyor.

Appetite dergisinde yayınlanan yeni bir araştırma, emzirmenin bebeklere erken dönemde öz düzenleme pratiği sağladığını gösteriyor. Uzun süreli takip çalışması, anne sütüyle beslenen bebeklerin tokluk hissini tanımayı öğrendiklerini ve bu durumun okul öncesi yaşlarda daha iyi dürtü kontrolü ile ilişkili olduğunu ortaya koyuyor. Araştırmacılar, emzirme sürecinde bebeğin kendi isteğiyle beslenmeyi bırakabilmesinin, yaşamın ilk aylarından itibaren öz kontrol mekanizmalarının gelişimine katkı sağladığını belirtiyor. Bu bulgular, anne sütünün sadece besinsel faydalarının ötesinde, bebeklerin davranışsal ve bilişsel gelişimi üzerindeki etkilerini de gözler önüne seriyor.

Nörobilim alanında otizm spektrum bozukluğu (OSB) ile ilgili son araştırmalar, yüz ifadelerinin işlenmesi ve duygu tanıma süreçleri üzerine önemli bulgular ortaya koyuyor. Bu hafta The Transmitter dergisinde derlenen çalışmalar, otizmli bireylerin sosyal ipuçlarını nasıl algıladığı ve işlediğiyle ilgili yeni perspektifler sunuyor. Araştırmalar, beyin görüntüleme teknikleri ve davranışsal testler kullanılarak gerçekleştiriliyor. Bulgular, otizm spektrumundaki bireylerin yüz ifadelerini farklı şekilde işlediğini ve bu durumun sosyal etkileşimleri nasıl etkilediğini gösteriyor. Bu gelişmeler, hem temel nörobilim anlayışımızı derinleştiriyor hem de gelecekte daha etkili müdahale stratejileri geliştirmek için önemli ipuçları sağlıyor.

Araştırmacılar, küçük dil modellerinin tablo verilerini analiz ederken hangi hücrelerden bilgi aldığını şeffaf bir şekilde gösterebilen RSAT yöntemini geliştirdi. Bu yenilik, yapay zeka sistemlerinin güvenilirliği açısından önemli bir adım. 1-8 milyar parametreli modeller üzerinde test edilen sistem, her akıl yürütme adımını kaynak hücrelerle eşleştirerek doğrulanabilir sonuçlar üretiyor. Geleneksel yaklaşımlarda kullanıcılar, AI'nın hangi verileri kullanarak sonuca ulaştığını bilemiyordu. RSAT ise adım adım mantık yürütme sürecinde kullanılan her tablo hücresini işaret ederek bu sorunu çözüyor. Test sonuçları, sistemin güvenilirliğini 3,7 kat artırdığını ve kaynak gösterme doğruluğunun yüzde 99,2'ye ulaştığını gösteriyor.

Stanford araştırmacıları, Excel ve CSV gibi tablolu verileri işlemek için yeni bir yapay zeka yaklaşımı geliştirdi. Mevcut RAG (Retrieval-Augmented Generation) sistemleri tablolu verileri işlemekte yetersiz kalırken, yeni STC (Structure-Aware Tabular Chunking) framework'ü tablonun yapısal özelliklerini koruyan akıllı parçalama yöntemi kullanıyor. Bu yöntem, her satırı anahtar-değer çiftleri olarak kodlayarak hiyerarşik bir ağaç yapısı oluşturuyor ve semantik ilişkileri koruyarak daha verimli veri işleme sağlıyor. Testlerde, geleneksel yöntemlere göre %40-56 daha az parça oluştururken token kullanımını artırdı.

Yapay zeka sistemlerinin veri tablolarından daha etkili bilgi alabilmesi için yeni bir yaklaşım geliştirildi. Geleneksel tablo arama yöntemleri sadece konu benzerliğine odaklanırken, LLM tabanlı sistemler belirli talimatları takip ederek arama yapmak zorunda. Araştırmacılar bu ihtiyacı karşılamak için Instruction-Following Table Retrieval (IFTR) adlı yeni bir görev türü tanımladı. Bu sistem, hem konusal uygunluğu hem de detaylı talimat kısıtlarını aynı anda sağlayabiliyor. Çalışmada iki temel zorluk belirlendi: içerik kapsamına duyarlılık ve şema tabanlı gereksinimlerin farkında olma. Bu alandaki ilk büyük ölçekli değerlendirme sistemi olan FollowTable benchmark'ı, geliştiricilerin yeni algoritmaları test etmesi için kapsamlı bir platform sunuyor.

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.

Çok dilli ses klonlama sistemlerinde kritik bir sorun keşfedildi: mevcut yapay zeka modelleri, aynı kişinin sesini farklı alfabelerde konuşurken farklı kimlikler olarak algılıyor. Araştırmacılar, İngilizce, Hintçe, Telugu ve Tamil dillerinde yapılan testlerde, popüler ses tanıma modellerinin aynı konuşmacıyı farklı yazı sistemlerinde %8-10 oranında farklı değerlendirdiğini buldu. Bu problem özellikle Batılı aksanlı konuşmacılarda daha belirgin çıkıyor. Sorunun çözümü için LASE adlı yeni bir sistem geliştirildi. Bu sistem, ses tanıma teknolojisinin dil bağımsız çalışması için kritik bir adım teşkil ediyor.

Araştırmacılar, büyük dil modellerinin örneklerden nasıl öğrendiğini gösteren içerik içi öğrenme (ICL) mekanizmasının iç işleyişini aydınlattı. Çalışma, bu sürecin iki temel bileşenini belirledi: görev tanıma ve görev öğrenme. Yeni geliştirilen TSLA çerçevesi sayesinde, yapay zekanın dikkat başlıklarının bu iki farklı işlevi nasıl yerine getirdiği ortaya çıkarıldı. Bulgular, AI sistemlerinin nasıl çalıştığını anlamamızda önemli bir adım teşkil ediyor.