Araştırmacılar, yapay zeka tabanlı tavsiye sistemlerinde yeni bir güvenlik açığı keşfetti. 'Visual Inception' adı verilen bu saldırı yöntemi, kullanıcıların yüklediği fotoğraflara gizli tetikleyiciler yerleştirerek AI'nın uzun vadeli hafızasını zehirliyor. Bu tetikleyiciler, sistemin gelecekteki kararlarını sessizce manipüle ederek kullanıcılara belirli ürünleri önermesini sağlayabiliyor. Geleneksel saldırılardan farklı olarak, bu yöntem anında etki göstermek yerine 'uyuyan ajan' gibi davranarak sisteme sızdıktan sonra beklemede kalıyor. Araştırmacılar bu tehdidi engellemek için insan bilişsel süreçlerinden esinlenen CognitiveGuard adlı bir savunma sistemi geliştirdiler. Bu keşif, AI sistemlerinin güvenlik açıkları konusunda yeni bir perspektif sunuyor ve tavsiye sistemlerinin güvenliğinin yeniden değerlendirilmesi gerektiğini gösteriyor.

Uzun videoları anlama konusunda yapay zeka modellerinin karşılaştığı en büyük sorun, binlerce kareyi işlemenin getirdiği hesaplama maliyeti. Araştırmacılar bu sorunu çözmek için Q-Gate adında yeni bir sistem geliştirdi. Mevcut yöntemler genellikle tek bir görsel metrik kullanarak önemli kareleri seçerken, Q-Gate sorulan sorunun türüne göre farklı yaklaşımlar benimsiyor. Sistem, görsel detaylar için Visual Grounding, sahne anlamları için Global Matching ve altyazı odaklı anlatımlar için Contextual Alignment olmak üzere üç farklı uzman akış kullanıyor. Bu dinamik yaklaşım sayesinde, görsel sorular için sadece görsel verilere odaklanırken, hikaye odaklı sorular için metin bilgilerini de devreye alabiliyor. Ek eğitim gerektirmeyen bu sistem, mevcut video anlama modellerine kolayca entegre edilebiliyor.

Araştırmacılar, robotların sayısal koordinatlar yerine görüntüler ve videolar gibi görsel gözlemlerle hareket planlayabilmesini sağlayan yenilikçi bir sistem geliştirdi. Visual-RRT adı verilen bu teknoloji, klasik RRT algoritmasının güvenilirliğini diferansiyel rendering ile birleştirerek robotlara daha esnek hareket kabiliyeti kazandırıyor. Geleneksel yöntemlerde robotların hedeflerine ulaşması için eklem açıları gibi kesin sayısal değerlerin belirlenmesi gerekiyordu. Yeni sistem ise bir görseldeki konumu hedef olarak alabildiği için çok daha pratik uygulamalar mümkün hale geliyor. Bu gelişme, robotların günlük yaşamda insan talimatlarını daha doğal şekilde anlayıp uygulayabilmesinin önünü açıyor.

Araştırmacılar, tıbbi görüntü segmentasyonunda devrim yaratabilecek APEX adlı yeni bir yapay zeka sistemi geliştirdi. Bu sistem, her tıbbi görüntüye özel olarak uyarlanabilen akıllı promptlar kullanarak, farklı hastane ve cihazlardan gelen görüntüleri daha başarılı şekilde analiz edebiliyor. Geleneksel yöntemler tek bir prompt ile tüm görüntüleri işlerken, APEX her görüntünün özelliklerine göre en uygun promptu seçiyor. Bu yaklaşım, özellikle tıp alanında kritik öneme sahip olan görüntü çeşitliliği sorununu çözerek, yapay zekanın farklı koşullarda daha güvenilir sonuçlar vermesini sağlıyor.

Araştırmacılar, büyük dil modellerinin kapsamlı araştırma raporları yazabilmesi için CogGen adlı yeni bir sistem geliştirdi. Bu sistem, insan zihninin araştırma ve yazma süreçlerinden ilham alarak çalışıyor. Geleneksel yapay zeka sistemleri, önceden belirlenmiş doğrusal adımları takip ederek hata birikimine ve kalite düşüklüğüne yol açarken, CogGen esnek planlama ve küresel yeniden yapılandırma yeteneğine sahip. Sistem, metinle birlikte görsel içerikleri de entegre edebiliyor ve Abstract Visual Representation teknolojisiyle görsel-metin düzenlemelerini sürekli iyileştiriyor. Bu gelişme, bilimsel araştırma raporlarından iş analizlerine kadar geniş bir alanda kaliteli içerik üretimini otomatikleştirme potansiyeli taşıyor.

Yazılım geliştirmede en zor görevlerden biri kod dokümantasyonu hazırlamak. Manuel olarak yapıldığında hem zaman alıyor hem de eksik ya da tutarsız sonuçlar çıkabiliyor. Yeni araştırma, büyük dil modellerinin (LLM) kaynak koddan otomatik olarak doğal dil açıklamaları üretebileceğini gösteriyor. Bu teknoloji, geliştiricilerin kodu daha hızlı anlamasını sağlayarak, bakım süreçlerini kolaylaştırıyor ve hata tespiti gibi işlemleri destekliyor. Ancak başarının anahtarı, modellere verilen talimatların (prompt) doğru tasarlanması. Sistematik literatür taramasında, few-shot prompting ve chain-of-thought gibi yöntemlerin model performansını önemli ölçüde artırdığı bulundu. Bu gelişme, yazılım mühendisliğinde AI kullanımının temelini oluşturuyor.

Araştırmacılar, büyük dil modellerinin koroner anjiyografi raporlarından fizyolojik ölçümleri otomatik olarak çıkarma yeteneğini inceledi. Çalışma, 1342 Portekizce tıbbi rapor üzerinde gerçekleştirildi ve yapay zekanın tıbbi verileri ne kadar güvenilir şekilde işleyebileceğini araştırdı. Koroner anjiyografi raporları, kalp damarlarının durumu hakkında kritik bilgiler içerir ancak bu veriler genellikle yapılandırılmamış metin halindedir. Bu durum, araştırmacıların verileri analiz etmesini zorlaştırır. Araştırmada farklı prompting stratejileri kullanılarak, yapay zekanın bu tıbbi raporlardan değerli bilgileri ne kadar başarılı şekilde çıkarabileceği test edildi. Sonuçlar, tıbbi alanda yapay zeka kullanımının potansiyelini gösterirken, güvenilirlik konusundaki sınırları da ortaya koydu.