“SETI” için sonuçlar
306 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
EVIL: Büyük Dil Modelleri ile Kendi Kendine Gelişen Algoritmaların Keşfi
Araştırmacılar, büyük dil modellerinin rehberliğinde evrimsel arama kullanarak basit ve anlaşılır algoritmalar keşfeden EVIL adlı yeni bir yaklaşım geliştirdi. Bu sistem, büyük veri setleri üzerinde sinir ağları eğitmek yerine, farklı veri setlerinde sıfır-atışlı çıkarım yapabilen saf Python/NumPy programları evrimleştiriyor. Sistem üç farklı alanda test edildi: zamansal nokta süreçlerinde bir sonraki olayı tahmin etme, Markov atlama süreçleri için oran matrisi tahmini ve zaman serisi tamamlama. Her durumda, evrimleşen tek bir algoritma tüm değerlendirme veri setlerinde veri seti başına özel eğitime ihtiyaç duymadan genelleme başarısı gösterdi. Bu çalışma, LLM destekli program evriminin dinamik sistemler problemleri için tek bir kompakt çıkarım fonksiyonu keşfedebileceğini gösteren ilk araştırma olma özelliği taşıyor.
Yapay Zeka Artık MRI Görüntülerini Tıpkı Radyolog Gibi Analiz Edebiliyor
Araştırmacılar, yapay zeka modellerinin MRI görüntülerini daha etkili analiz etmesi için yeni bir yaklaşım geliştirdi. Geleneksel sistemler tek tek görüntü karelerini inceleyerek sınırlı sonuçlar verirken, yeni sistem birden fazla MRI kesitini aynı anda değerlendirerek uzamsal akıl yürütme yapabiliyor. 41 binden fazla soru-cevap çiftinden oluşan veri seti, uzman radyologların yorumlarıyla destekleniyor. Bu gelişme, tıbbi görüntü analizi alanında yapay zekanın daha güvenilir ve açıklanabilir sonuçlar üretmesini sağlayarak, gelecekte radyoloji pratiğinde önemli değişimlere yol açabilir.
Robotlar Filmleri İnsanlar Gibi İzleyip Duygularını Anlayabilecek
Araştırmacılar, robotların filmleri ekran üzerinden izleyerek insan duygularını anlayabilmesi için yeni bir yapay zeka sistemi geliştirdi. EgoScreen-Emotion adlı veri seti, robotların gerçek dünya koşullarında film izlerken karşılaştıkları görüş açısı değişiklikleri, ışık farklılıkları ve çevresel etkileri göz önünde bulunduruyor. Sistem, 224 film fragmanı ve 28.667 anahtar kare üzerinde eğitildi. Bu teknoloji, gelecekte insanlarla etkileşim kuran robot asistanların duygusal durumumuzu daha iyi anlayabilmesi için önemli bir adım teşkil ediyor.
Yapay zeka arama sistemlerinde 'faydalılık' kavramı: İlgili ile yararlı aynı şey değil
Araştırmacılar, geleneksel arama sistemlerinin kullanıcılar için gerçekten faydalı bilgileri ayırt etmede yetersiz kaldığını ortaya koydu. Yeni bir çalışma, 'ilgili' ve 'faydalı' arasındaki kritik farkı vurguluyor. Örneğin, 'Paris Berlin'den büyük mü?' sorusuna 'Paris Fransa'dadır' yanıtı ilgili ama faydasız. Uzmanlar tarafından oluşturulan UsefulBench veri seti, mevcut arama algoritmalarının benzerlik odaklı yaklaşımının sınırlarını gözler önüne seriyor. Büyük dil modelleri bu sorunu kısmen çözebilse de, uzmanlık gerektiren alanlarda hâlâ yetersiz kalıyor.
Yapay zeka modelleri şekilleri gerçekten anlıyor mu? Yeni test kritik sonuçlar verdi
Görme-dil modelleri (VLM) birçok görevi başarıyla yerine getirse de, bu sistemlerin geometrik şekilleri gerçekten anlayıp anlamadığı belirsizdi. Araştırmacılar, bu modellerin renk ve doku ipuçlarından yararlanarak başarılı görünüp görünmediğini test etmek için BareBones adlı yeni bir değerlendirme sistemi geliştirdi. Bu benchmark, yapay zeka modellerinin saf geometrik anlama yetisini ölçmek için piksel düzeyinde silüetler kullanıyor. Altı farklı veri setinden yararlanılarak oluşturulan bu test, görsel yapay zeka sistemlerinin gerçek geometrik kavrayış kapasitelerini ortaya çıkarmayı hedefliyor. Çalışma, mevcut değerlendirme yöntemlerinin çevresel ipuçlarını sızdırdığını ve bu durumun modellerin gerçek yeteneklerini maskelediğini gösteriyor.
Yapay Zeka Az Veriyle Daha İyi Öğrenecek: Yeni Yöntem Geliştirild
Araştırmacılar, yapay zekanın az sayıda örnekle öğrenmesini sağlayan 'few-shot learning' alanında çığır açan bir yöntem geliştirdi. ACSESS adı verilen bu teknik, farklı örnek seçim stratejilerini otomatik olarak birleştirerek daha etkili sonuçlar elde ediyor. Çalışmada 23 farklı seçim stratejisi, 5 farklı yapay zeka modeli ve 14 veri seti üzerinde test edildi. Sonuçlar, birleştirilmiş stratejilerin tekil yöntemlerden sürekli olarak daha iyi performans gösterdiğini ortaya koydu. Bu gelişme, özellikle büyük dil modelleri ve görüntü işleme alanlarında önemli ilerlemeler sağlayabilir. Few-shot learning, yapay zekanın insan gibi az örnekle hızla öğrenmesini hedefleyen kritik bir araştırma alanı olarak dikkat çekiyor.
Yapay zeka artık portre kompozisyonunu anlayıp sanatsal fotoğraflar üretebiliyor
Araştırmacılar, yapay zekanın portre fotoğrafçılığındaki kompozisyon kurallarını öğrenmesi için PortraitCraft adlı kapsamlı bir veri seti geliştirdi. 50 bin gerçek portre fotoğrafından oluşan bu veri seti, kompozisyon puanlama, 13 farklı kompozisyon özelliği analizi ve açıklayıcı metinler içeriyor. Sistem, bir portrenin estetik değerini değerlendirmenin yanı sıra belirli kompozisyon gereksinimlerine göre yeni portreler oluşturabiliyor. Bu gelişme, fotoğrafçılık eğitiminden otomatik görsel içerik üretimine kadar pek çok alanda kullanım potansiyeli taşıyor. Proje, yapay zekanın sanatsal anlayış ve yaratıcılık konularında aldığı mesafeyi gözler önüne seriyor.
Yapay Zeka İçin Dev Veri Seti: 90 Bin Fotoğrafla 3D Görsel Üretimi
Araştırmacılar, yapay zekanın gerçekçi 3D görseller üretebilmesi için DF3DV-1K adlı kapsamlı bir veri seti geliştirdi. 1.048 farklı mekan ve toplam 89.924 fotoğraf içeren bu koleksiyon, her sahne için hem temiz hem de karışık görüntüler sunuyor. Tüketici kameralarıyla çekilen fotoğraflar, günlük kullanım koşullarını taklit ediyor ve 128 farklı dikkat dağıtıcı öğe ile 161 mekan teması kapsıyor. Veri seti, yapay zekanın farklı açılardan yeni görüntüler sentezleyebilmesini sağlayan radiance field teknolojilerinin gelişimi için kritik öneme sahip. İç ve dış mekan ortamlarını kapsayan bu kaynak, özellikle karışık ortamlarda bile temiz görüntüler üretebilen sistemlerin test edilmesi amacıyla tasarlandı.
Yapay zeka ile tablo anlayan yeni sistem: TableNet veri seti tanıtıldı
Araştırmacılar, büyük dil modellerinin (LLM) tablo yapısını daha iyi anlaması için TableNet adlı yeni bir veri seti geliştirdi. Mevcut veri setlerinin yetersizliği nedeniyle LLM'lerin karmaşık tablo düzenlerini analiz etmede zorlandığı problemi çözmek amacıyla tasarlanan sistem, otonom tablo üretimi ve tanıma teknolojilerini birleştiriyor. Geliştirilen çok-ajan sistem, görsel, yapısal ve semantik parametreleri kontrol edebilen bir yaklaşımla çeşitli tablo görüntüleri oluşturabiliyor. Bu yenilik, yapay zekanın belgelerdeki tabloları daha doğru şekilde yorumlamasını sağlayarak, veri analizi ve belge işleme alanlarında önemli ilerlemeler vaat ediyor. Sistem kullanıcı tanımlı konfigürasyonlarla uyumlu çalışarak, büyük ölçekli veri seti oluşturulmasına imkan tanıyor.
Hint Destanı Ramayana Dijital Çağda: Çok Dilli Bilgisayar Korpusu Oluşturuldu
Araştırmacılar, 2000 yıldır Güney ve Güneydoğu Asya'da etkili olan Ramayana destanının farklı Hint dillerindeki versiyonlarını sistematik olarak karşılaştırabilmek için özel bir dijital veri seti geliştirdi. IWLV Ramayana Korpusu adı verilen bu çalışma, Valmiki'nin orijinal Ramayana'sını bölüm düzeyinde hizalayarak çok dilli analiz imkanı sunuyor. Şu anda İngilizce ve Malayalam katmanları tamamlanmış durumda olan korpus, Hindi, Tamil, Kannada ve Telugu dillerinde de aktif olarak genişletiliyor. Yapılandırılmış JSON formatında sunulan veri seti, karşılaştırmalı edebiyat, korpus dilbilimi, dijital beşeri bilimler ve çok dilli doğal dil işleme alanlarında kullanılabilecek. Bu çalışma, antik metinlerin dijital analizi konusunda önemli bir adım teşkil ediyor.
Yapay Sinir Ağlarında Seçici Ölçüm Devrim Yaratıyor
Araştırmacılar, yapay zeka eğitiminde kullanılan Forward-Forward algoritmasını önemli ölçüde geliştiren yeni bir yaklaşım keşfetti. Geleneksel yöntemlerin aksine, tüm nöronları değerlendirmek yerine sadece en aktif olanları seçen 'top-k iyilik' fonksiyonu, Fashion-MNIST veri setinde %22,6 oranında daha yüksek doğruluk sağladı. Bu yenilikçi yaklaşım, beynin çalışma mantığına daha yakın olan Forward-Forward algoritmasının performansını dramatik şekilde artırarak, yapay zeka eğitiminde yeni ufuklar açıyor. Çalışma, hangi nöron aktivasyonlarının ölçülmesi ve nasıl bir araya getirilmesi gerektiği konusunda sistematik bir analiz sunuyor.
Dronelar için Hafif Görüntü Kalitesi Değerlendirme Sistemi Geliştirildi
Araştırmacılar, insansız hava araçları (drone) ile çekilen görüntülerin kalitesini otomatik olarak değerlendiren yeni bir sistem geliştirdi. MM-IQA adı verilen bu framework, bulanıklık, kenar yapısı, düşük çözünürlük, pozlama dengesizliği, gürültü ve sis gibi çoklu metrikleri kullanarak 0-100 arasında kalite puanı veriyor. Özellikle referans görüntünün bulunmadığı durumlarda çalışabilen bu hafif sistem, büyük hacimli görüntü setlerinin otomatik filtrelenmesinde kritik öneme sahip. Beş farklı veri setinde yapılan testlerde 0.647 ile 0.830 arasında korelasyon değerleri elde eden sistem, tarımsal uygulamalar başta olmak üzere drone görüntülemesinin yaygın olduğu alanlarda verimlilik sağlayacak.
Yapay zeka ajanları artık kendi yazdıkları kodları test edebiliyor
Araştırmacılar, büyük dil modellerinin kod yazabildiği ama doğruluğunu kontrol edemediği sorununa çözüm getiren AgentForge adlı sistemi geliştirdi. Bu yenilikçi çerçeve, beş farklı AI ajanının koordineli çalışmasıyla yazılım geliştirme sürecini otomatikleştiriyor. Planlayıcı, kodlayıcı, test edici, hata ayıklayıcı ve eleştiri ajanlarından oluşan ekip, her kod değişikliğini güvenli bir test ortamında çalıştırarak doğruluğunu kontrol ediyor. Sistem, yazılım mühendisliğini iteratif bir karar süreci olarak modelleyerek, geleneksel token tabanlı yaklaşımlar yerine gerçek çalıştırma geri bildirimini kullanıyor. SWE-BENCH Lite test setinde %40 başarı oranına ulaşan AgentForge, tek ajan sistemlerinden 26-28 puan daha iyi performans gösteriyor. Bu gelişme, AI destekli yazılım geliştirmede önemli bir adım teşkil ediyor.
Yapay Zeka Modelleri Artık Öğrendiklerini Seçerek Unutabilecek
Araştırmacılar, derin öğrenme modellerinin belirli bilgileri seçici ve güvenli şekilde unutmasını sağlayan yeni bir algoritma geliştirdi. Graph-Propagated Projection Unlearning (GPPU) adlı bu yöntem, görüntü ve ses işleme modellerinde istenmeyen sınıf bilgilerini kalıcı olarak silmeyi mümkün kılıyor. Sistem, graf tabanlı yayılım kullanarak özellik uzayında sınıfa özgü yönleri tespit ediyor ve bu bilgileri dik alt uzaya yansıtarak etkisiz hale getiriyor. Altı görüntü veri seti ve iki büyük ses veri seti üzerinde yapılan testlerde, GPPU'nun mevcut yöntemlere göre 10-20 kat daha hızlı çalıştığı ve hem CNN hem de Transformer mimarilerinde başarılı sonuçlar verdiği görüldü. Bu gelişme, veri mahremiyeti düzenlemeleri ve uyarlanabilir sistem tasarımı açısından büyük önem taşıyor.
Japon araştırmacılar yapay zeka için panoramik 3D veri seti geliştirdi
Fukuoka Üniversitesi araştırmacıları, yapay zeka algoritmalarının dış mekan ortamlarını daha iyi tanımlayabilmesi için kapsamlı bir panoramik 3D veri seti geliştirdi. İki farklı veri seti içeren bu çalışma, orman, sahil, yerleşim yeri, şehir merkezi ve park alanları gibi altı farklı kategoriyi kapsıyor. İlk veri seti 9 milyon noktalık yoğun 3D taramalar içerirken, ikincisi araç üzerinde gerçek zamanlı olarak toplanan 70 bin noktalık seyrek verilerden oluşuyor. Araştırmacılar bu verileri kullanarak yapay zeka modellerini test ettiklerinde, yoğun verilerle %96,42, seyrek verilerle %89,67 doğruluk oranına ulaştılar. Bu veri setleri, otonom sürüş teknolojilerinden robotik uygulamalara kadar birçok alanda kullanılabilecek açık kaynak olarak sunuldu.
Yapay zeka artık yarı iletken hata analizini dakikalar içinde yapabiliyor
Yarı iletken üretiminde kritik öneme sahip hata analizi süreci, geleneksel yöntemlerle uzmanların saatler süren çalışmasını gerektiriyor. Araştırmacılar, bu süreci tamamen dönüştüren SemiFA adlı yapay zeka sistemini geliştirdi. Sistem, yarı iletken muayene görüntülerini analiz ederek bir dakika içinde yapılandırılmış hata analizi raporları üretebiliyor. Dört farklı yapay zeka ajanının birlikte çalıştığı bu sistem, kusur tanımlama, kök neden analizi, ciddiyet değerlendirmesi ve çözüm önerileri sunma işlevlerini gerçekleştiriyor. SemiFA-930 veri setiyle test edilen sistem, yarı iletken endüstrisinde kalite kontrol süreçlerini hızlandırma potansiyeli taşıyor. Bu gelişme, elektronik sektörünün temel taşlarından biri olan yarı iletken üretiminde verimlilik artışı sağlayabilir.
Yapay Zeka, Türlerin Yaşam Alanlarını Haritalamada Yeni Ufuk Açıyor
Araştırmacılar, türlerin coğrafi dağılımını modelleyen yapay zeka sistemlerinin karar verme süreçlerini anlaşılabilir kılan yenilikçi bir yöntem geliştirdi. Doğa koruma ve istilacı türlerin yönetimi için kritik olan tür dağılım modelleri, derin öğrenme ile daha karmaşık hale gelirken, ekolojik içgörüler elde etmek zorlaşmıştı. Yeni çalışma, Concept-based Explainable AI teknolojisini bu alana ilk kez uygulayarak, modellerin hangi peyzaj özelliklerine odaklandığını görünür kılıyor. Multispektral ve LiDAR drone görüntülerinden oluşturulan yüksek çözünürlüklü veri seti, 15 farklı peyzaj konseptini kapsayan 653 alan ve 1.450 referans noktası içeriyor. Bu yaklaşım, hem güçlü tahmin performansı hem de ekolojik anlayış sağlayarak, korumanın geleceğini şekillendirebilir.
Yapay Zeka Öneri Sistemlerinde Sahte Siparişleri Tespit Eden Yeni Yöntem
Çin'deki araştırmacılar, e-ticaret ve dijital platformlarda büyük sorun olan sahte siparişlere karşı yeni bir çözüm geliştirdi. DITaR adlı bu yöntem, öneri sistemlerini bozmaya yönelik sahte etkileşimleri tespit edebiliyor. Sahte siparişler genellikle tıklama çiftlikleri ve yapay manipülasyonlarla ürün görünürlüğünü artırmak için kullanılıyor. Araştırma ekibi, tüm sahte siparişlerin zararlı olmadığını, bazılarının veri zenginleştirme etkisi yaratabileceğini keşfetti. Geliştirdilen sistem, hem işbirlikçi hem de anlamsal görünümlerden farklı temsiller elde ederek zararlı örnekleri kesin şekilde tespit ediyor. Üç farklı veri seti üzerinde yapılan testler, DITaR'ın öneri kalitesi, hesaplama verimliliği ve sistem dayanıklılığı açısından mevcut yöntemlerden üstün performans sergilediğini gösteriyor. Sistem, mevcut modelleri yeniden eğitme gerektirmeden çalışabiliyor.