“aşı” için sonuçlar
3.895 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Sonsuz Güvenlik Kısıtlamasıyla Robot Kontrolü: Yeni Matematiksel Çerçeve
Araştırmacılar, robotik sistemlerin güvenli çalışması için kritik olan Kontrol Bariyer Fonksiyonları (CBF) teorisini sonsuz sayıda güvenlik kısıtlaması içerecek şekilde genişletti. Geleneksel CBF yaklaşımları sınırlı sayıda güvenlik kuralıyla çalışırken, yedek güvenlik sistemleri gibi karmaşık uygulamalar sonsuz kısıtlama gerektirir. Bu breakthrough çalışma, güvenli hareket kümelerinin sonsuz kısıtlamalarla tanımlandığı durumlar için temel matematiksel soruları yanıtlıyor. Nagumo Teoremi'ni bariyer benzeri eşitsizliklere indirgeyen düzenlilik koşullarını belirleyerek, otonom araçlardan endüstriyel robotlara kadar geniş uygulama alanına sahip güvenli kontrol sistemlerinin tasarımında yeni olanaklar sunuyor.
Yapay Zeka Çiplerinde Devrim: Hafızada Hesaplama Teknolojisi
Araştırmacılar, büyük dil modellerinin mobil cihazlarda daha verimli çalışması için yenilikçi bir çip mimarisi geliştirdi. CIMple adı verilen bu teknoloji, hesaplama işlemlerini doğrudan hafıza birimlerinin içinde gerçekleştirerek enerji tüketimini dramatik şekilde azaltıyor. Geleneksel çiplerde veri sürekli işlemci ve hafıza arasında taşınırken, bu yeni yaklaşım hesaplamaları hafızanın içinde yaparak bu gereksiz veri trafiğini ortadan kaldırıyor. Özellikle transformer tabanlı yapay zeka modellerinin attention mekanizmalarını hızlandırmak için özel olarak tasarlanan sistem, mobil cihazlarda büyük dil modellerinin kullanımını mümkün kılabilir. Bu gelişme, yapay zekanın günlük yaşamdaki cihazlarda daha yaygın kullanımına kapı açabilir.
Kuantum Bilgisayarlar İçin İlk Açıklanabilir Regresyon Algoritması Geliştirildi
Araştırmacılar, kuantum bilgisayarlar için ilk açıklanabilir regresyon algoritmasını geliştirdi. Geleneksel hibrit kuantum algoritmaları 'kara kutu' gibi çalışarak sonuçlarının nasıl elde edildiğini açıklayamıyor ve bu durum kritik kararlarda güvenilirlik sorunları yaratıyordu. Yeni algoritma, kuantum durumları içinde klasik veri tablolarını doğrudan kodlayarak ve regresyon katsayılarını gerçek sayılarla ifade ederek tam şeffaflık sağlıyor. Bu yaklaşım, hem model yorumlanabilirliği hem de optimizasyon maliyetlerinde önemli avantajlar sunuyor. Kodlanmış veri yapısı sayesinde hesaplama kapısı karmaşıklığı da azaltılabiliyor.
Elektrik Dağıtım Şebekelerinde Arıza Sonrası Hizmet Restorasyonu İçin Yeni Model
Elektrik kesintileri yaşandığında şebekeyi nasıl en hızlı şekilde tekrar çalıştırabiliriz? Araştırmacılar, elektrik dağıtım sistemlerinde arıza sonrası hizmet restorasyonu için yeni bir matematiksel model geliştirdi. Bu çalışma, elektrik kesintilerinin ardından hangi bölgelerin öncelikli olarak enerjilendirileceğini ve şebeke yapılandırmasının nasıl değiştirileceğini belirlemek için gelişmiş algoritmalar sunuyor. Dağıtım sistemlerinin radyal yapıda çalışması gibi teknik kısıtlamalar, bu problemi hesaplama açısından oldukça karmaşık hale getiriyor. Yeni model, yük atma, enerji verme ve restorasyon süreçlerini daha gerçekçi bir şekilde modelleyerek, elektrik şirketlerinin kesintiler sonrası daha etkili müdahale stratejileri geliştirmesine olanak tanıyor. Bu tür gelişmeler, özellikle doğal afetler veya teknik arızalar nedeniyle yaşanan elektrik kesintilerinde toplumsal etkiyi minimize etmek açısından kritik öneme sahip.
Yapay Zeka Halüsinasyonlarını Tespit Eden Yeni Sistem: RAGognizer
Büyük dil modelleri bazen gerçek dışı bilgiler üretebiliyor - bu duruma 'halüsinasyon' deniyor. Araştırmacılar, bu sorunu çözmek için RAGognizer adlı yeni bir sistem geliştirdi. Bu sistem, yapay zekanın yanlış bilgi ürettiği anları gerçek zamanlı olarak tespit edebiliyor. Geleneksel yöntemler halüsinasyonları sonradan kontrol ederken, RAGognizer bunu eğitim sürecine dahil ediyor. Sistem, doğal olarak ortaya çıkan halüsinasyonları token düzeyinde işaretleyen özel bir veri seti kullanıyor. Bu yaklaşım, hem dil modellemesi hem de halüsinasyon tespitini aynı anda optimize ederek daha güvenilir AI sistemleri geliştirilmesine katkı sağlıyor.
AI Modellerinin 'Unutma' Becerisini Geliştiren Yeni Yöntem Geliştirildi
Araştırmacılar, büyük dil modellerinin (LLM) zararlı veya gizlilik açısından hassas bilgileri güvenli şekilde unutabilmesi için yeni bir çerçeve geliştirdi. Mevcut yöntemler genellikle tek hedefe odaklanırken, yeni yaklaşım hem istenmeyen bilgileri silme, hem genel yetenekleri koruma, hem de siber saldırılara karşı dayanıklılık sağlama gibi birden fazla kritik hedefi aynı anda başarıyor. Bu gelişme, AI güvenliği ve gizlilik koruma alanında önemli bir adım olarak değerlendiriliyor.
Yapay Zeka Artık Çifte Gözle Görüyor: SENSE ile Gelişmiş Görüntü Anlama
Araştırmacılar, yapay zekanın görüntülerdeki nesneleri daha doğru tanıması için stereo görüş kullanan yenilikçi bir sistem geliştirdi. SENSE adlı bu yöntem, tıpkı insan gözleri gibi iki farklı açıdan çekilen görüntüleri birlikte analiz ederek, nesnelerin konumlarını ve sınırlarını çok daha hassas şekilde belirleyebiliyor. Geleneksel yöntemler tek görüntü kullanırken, SENSE'in çift görüş yaklaşımı özellikle engellenmiş nesneler ve kenar bölgelerinde büyük avantaj sağlıyor. Sistem, önceden programlanmış kategorilerle sınırlı kalmayıp, doğal dille tanımlanan herhangi bir nesneyi tanıyabiliyor. Test sonuçları, mevcut en iyi yönteme kıyasla %0.76 daha yüksek doğruluk oranı gösteriyor. Bu gelişme, otonom araçlardan robotik uygulamalara kadar birçok alanda yapay zeka sistemlerinin çevre algısını önemli ölçüde iyileştirme potansiyeli taşıyor.
TRIDENT: AI güvenliği için üç boyutlu 'kırmızı takım' saldırı simülasyonu
Büyük dil modelleri günlük hayatımızda giderek daha fazla yer alırken, güvenlik açıkları da kritik bir sorun haline geliyor. Araştırmacılar, AI sistemlerinin zararlı içerik üretme risklerini azaltmak için TRIDENT adlı yeni bir yaklaşım geliştirdi. Bu sistem, üç temel boyutta - kelime çeşitliliği, kötü niyetli amaçlar ve güvenlik duvarı aşma taktikleri - AI modellerine karşı simülasyon saldırılar düzenleyerek zayıflıkları tespit ediyor. Mevcut güvenlik veri setlerinin çoğunlukla yalnızca sözcük çeşitliliğine odaklandığını belirten araştırma, daha kapsamlı risk analizi ihtiyacını vurguluyor. TRIDENT, persona tabanlı otomatik üretim teknikleriyle çeşitli zararlı talimatlar oluşturup bunlara etik açıdan uygun yanıtlar eşleştiriyor. Bu yaklaşım, AI güvenlik sistemlerinin daha dayanıklı hale gelmesine katkı sağlayabilir.
π₀.₇: Her İşi Yapabilen Yeni Nesil Robot Beyni Geliştirildi
Araştırmacılar, robotların önceden eğitilmediği görevleri bile başarıyla yerine getirebilmesini sağlayan devrim niteliğinde bir yapay zeka modeli geliştirdi. π₀.₇ adlı bu 'robotik temel model', mutfak aletlerini kullanmaktan çamaşır katlamaya kadar geniş bir yelpazedeki görevleri sadece dil komutlarıyla anlayıp gerçekleştirebiliyor. Sistemin en dikkat çekici özelliği, farklı robot türlerinde çalışabilmesi ve hiç görmediği görevlerde bile uzmanlaşmış modeller kadar başarılı performans sergilemesi. Model, eğitim sırasında çeşitli bağlamsal bilgileri kullanarak bu esnekliği kazanıyor ve robotik alanında yapay genel zekanın ilk adımlarından biri olarak kabul ediliyor.
Yapay Zeka Görsel Düzenleme'de Yeni Dönem: Rekabetten İşbirliğine
Araştırmacılar, metin tabanlı görsel düzenleme teknologisinde devrim niteliğinde bir yaklaşım geliştirdiler. CoEdit adlı yeni sistem, geleneksel rekabet temelli yöntemlerin yarattığı çelişkileri ortadan kaldırarak, düzenleme ve yeniden yapılandırma süreçlerini işbirliği içinde yürütüyor. Bu yenilikçi yaklaşım, ek eğitim gerektirmeden çalışarak, görsel içerik üretiminde daha tutarlı ve öngörülebilir sonuçlar elde edilmesini sağlıyor. Sistem, 'ikili entropi dikkat manipülasyonu' adı verilen özel bir teknikle, uzamsal ve zamansal boyutlarda harmoni yaratıyor. Multimedia içerik üretiminin temel taşlarından biri olan metin-rehberli görsel düzenleme alanında önemli bir ilerleme kaydeden bu çalışma, gelecekte daha sofistike AI tabanlı yaratıcı araçların geliştirilmesi için zemin hazırlıyor.
Yapay Zeka Öneri Sistemlerinde Çığır Açan Keşif: Tercih Yoğunluğu ve Zaman Faktörü
Büyük dil modellerinin (LLM) kullanıcı tercihlerini nasıl etkili bir şekilde modellediği konusunda yeni bir araştırma, mevcut yaklaşımların kritik faktörleri gözden kaçırdığını ortaya koyuyor. Araştırmacılar, ikili karşılaştırmalara dayanan geleneksel yöntemlerin, tercih yoğunluğu ve zamansal bağlam gibi önemli unsurları ihmal ettiğini keşfetti. Tercih yoğunluğu, bir kullanıcının belirli bir içeriğe karşı ne kadar güçlü bir beğeni veya hoşnutsuzluk duyduğunu; zamansal bağlam ise son etkileşimlerin kullanıcının mevcut niyetini ne ölçüde yansıttığını ifade ediyor. Bu bulgular doğrultusunda geliştirilen RecPO adlı yeni çerçeve, hem açık hem de örtük geri bildirimleri ortak bir tercih sinyaline dönüştürerek öneri sistemlerinin performansını önemli ölçüde artırıyor. Bu keşif, yapay zeka tabanlı kişiselleştirme teknolojilerinin gelecekteki gelişimine ışık tutuyor.
Yapay Zeka Asistanları İçin Hibrit Belge Arama Sistemi Geliştirildi
Araştırmacılar, yapay zeka asistanlarının belge aramalarını iyileştiren 'vstash' adlı yeni bir sistem geliştirdi. Bu sistem, vektör benzerlik araması ve tam metin anahtar kelime eşleştirmesini birleştirerek daha etkili sonuçlar üretiyor. Sistemin en önemli özelliği, tüm verileri tek bir SQLite dosyasında saklayarak yerel çalışabilmesi ve internet bağlantısı gerektirmemesi. BEIR veri setlerinde yapılan testlerde, geleneksel yöntemlere göre %19,5'e varan performans artışları elde edildi. Sistem ayrıca, farklı arama yöntemlerinin anlaşmazlıklarını kullanarak kendini geliştirebiliyor ve bu sayede insan etiketlemesine ihtiyaç duymuyor.
DyTact: El hareketlerini anlık olarak yakalayan yeni teknoloji
Araştırmacılar, el ve nesne arasındaki dinamik teması gerçek zamanlı olarak yakalayabilen DyTact adlı yeni bir sistem geliştirdi. Bu markerless (işaretçisiz) teknoloji, yapay zeka karakter animasyonları, genişletilmiş gerçeklik uygulamaları ve robotik sistemler için kritik öneme sahip. Sistem, 2D Gaussian surfeller tabanlı dinamik bir temsil kullanarak karmaşık el manipülasyonlarını modelliyor. MANO ağ yapılarıyla bağlantılı bu surfeller, optimizasyon sürecini hızlandırıyor ve kararlılık sağlıyor. Özellikle temas bölgelerindeki ağır kapatma sorunlarını çözmek için adaptif örnekleme stratejisi uygulayan sistem, yüksek frekanslı deformasyonları da işleyebiliyor. Bu gelişme, insanın nesne manipülasyonunu anlama konusunda önemli bir adım teşkil ediyor.
Yapay Zeka C/C++ Kodunu Otomatik Olarak Güvenli Rust Diline Çeviriyor
Araştırmacılar, eski C ve C++ kodlarını modern ve güvenli Rust programlama diline otomatik olarak dönüştüren yeni bir yapay zeka sistemi geliştirdi. LLM4C2Rust adlı bu sistem, büyük dil modellerini (LLM) küçük dil modelleriyle birleştirerek kod çevirisini gerçekleştiriyor. Sistem, özellikle bellek güvenliği sorunlarını çözmek için tasarlandı. C ve C++ gibi eski programlama dillerinde yazılmış yazılımlar, bellek hatalarına karşı savunmasızken, Rust dili yerleşik güvenlik garantileri sunuyor. Manuel kod çevirisi zaman alıcı ve hata yapmaya açık olduğundan, bu otomatik yaklaşım yazılım geliştirme sürecini hızlandırabilir. RAG (Retrieval-Augmented Generation) teknolojisini kullanan framework, hem büyük hem de küçük dil modellerinin avantajlarını birleştirerek daha etkili sonuçlar elde ediyor. Bu gelişme, özellikle eski sistemlerin modernizasyonu için önemli bir adım sayılıyor.
Graf Yapıları ve Büyük Dil Modelleri: AI'da Yeni Entegrasyon Stratejileri
Yapay zeka alanında büyük dil modelleri ile graf tabanlı gösterimlerin birleştirilmesi, akıl yürütme ve bilgi erişimi açısından önemli fırsatlar sunuyor. Yeni bir araştırma, bu entegrasyonun ne zaman, neden ve nasıl yapılması gerektiğine dair kapsamlı bir rehber sunuyor. Bilgi grafları, sahne grafları ve nedensellik grafları gibi farklı graf türlerinin, siber güvenlik, sağlık, malzeme bilimi ve robotik gibi alanlarda nasıl kullanılabileceği sistematik olarak inceleniyor. Çalışma, her entegrasyon stratejisinin güçlü ve zayıf yönlerini ortaya koyarak, geliştiriciler için pratik bir yol haritası çiziyor.
PyLO: Yapay Zeka Optimizasyonunu PyTorch'a Taşıyan Açık Kaynak Kütüphane
Araştırmacılar, makine öğrenmesi modellerinin eğitim sürecini optimize eden 'öğrenilmiş optimizatörler' teknolojisini PyTorch platformunda erişilebilir kılan PyLO kütüphanesini geliştirdi. Bu yenilik, daha önce sadece JAX platformunda bulunan ve 4000 TPU-ay gibi devasa hesaplama kaynaklarıyla eğitilen VeLO gibi gelişmiş optimizatörleri, makine öğrenmesi topluluğunun yaklaşık %70'ine ulaştırmayı hedefliyor. PyLO, mevcut Adam gibi yaygın optimizatörlerin yerine geçebilecek, gerçek dünya uygulamalarına odaklanan bir çözüm sunuyor. Kütüphane, CUDA hızlandırması ile büyük ölçekli model eğitimlerinde kullanılabilir hale geldi.
FineSteer: Yapay Zeka Modellerinin Davranışını Hassas Şekilde Yönlendiren Yeni Sistem
Büyük dil modelleri bazen güvenlik ihlalleri ve yanlış bilgi üretme gibi istenmeyen davranışlar sergileyebiliyor. Araştırmacılar, bu sorunları çözmek için FineSteer adlı yenilikçi bir sistem geliştirdi. Bu framework, yapay zeka modellerinin davranışlarını eğitim sürecini tekrar başlatmadan, çalışma anında hassas bir şekilde kontrol etmeyi mümkün kılıyor. Sistem, iki aşamalı yaklaşımla çalışıyor: önce ne zaman müdahale edileceğine karar veriyor, sonra da nasıl yönlendirme yapılacağını belirliyor. Bu sayede modelin yararlılığını korurken, istenmeyen çıktıları minimize ediyor. Geleneksel yöntemlerin aksine, her duruma uyarlanabilen esnek bir yapı sunuyor.
Küçük Yazılımlar da Büyük Konfigürasyon Seçenekleri Sunabiliyor
Araştırmacılar, günlük yaşamda sıkça kullandığımız küçük ölçekli yazılımların konfigürasyon yeteneklerini ilk kez kapsamlı bir şekilde inceledi. GNU coreutils paketindeki 108 programın analiz edildiği çalışmada, küçük programların bile program başına 76'ya kadar seçenek sunabildiği ortaya çıktı. Bu bulgular, yazılım geliştirme dünyasında artan konfigürasyon eğiliminin küçük ölçekli sistemlerde de geçerli olduğunu gösteriyor. Çalışma, özellikle sabit, özelleştirilmiş ve tekrarlanabilir yazılım geliştirme yaklaşımlarının popüler hale geldiği günümüzde önem taşıyor.
3D Görüntü Yeniden Yapılandırmada Çığır Açan Yöntem: DVP-MVS++
Araştırmacılar, çoklu görüş stereo tekniğinde devrim niteliğinde bir yöntem geliştirdi. DVP-MVS++ adlı bu sistem, farklı açılardan çekilen fotoğraflardan üç boyutlu nesneleri yeniden yapılandırırken karşılaşılan temel sorunları çözüyor. Geleneksel yöntemler, özellikle doku detayı az olan yüzeylerde ve kenar geçişlerinde zorlanıyordu. Yeni sistem, derinlik, yüzey normali ve kenar bilgilerini akıllıca birleştirerek bu sorunları aşıyor. Bu gelişme, sanal gerçeklik, robotik, otomotiv endüstrisi ve medikal görüntüleme gibi alanlarda önemli ilerlemeler sağlayabilir. Teknoloji, görünürlük engelleri ve belirsizlikleri bertaraf ederek daha doğru 3D modeller üretmeyi mümkün kılıyor.
RAG Sistemlerinde Gizlilik: Anonimleştirmenin Doğru Yeri Araştırıldı
Yapay zeka sistemlerinin bilgi erişimini geliştiren RAG (Retrieval-Augmented Generation) teknolojisi, önemli gizlilik sorunları yaratabilir. Araştırmacılar, kişisel verilerin korunması için kullanılan anonimleştirme tekniklerinin RAG sisteminde hangi aşamada uygulanması gerektiğini inceledi. Çalışma, anonimleştirmenin veri setinde mi yoksa sistem çıktısında mı yapılmasının daha etkili olduğunu karşılaştırdı. Sonuçlar, farklı konumlardaki anonimleştirme işlemlerinin gizlilik-fayda dengesini farklı şekillerde etkilediğini gösterdi. Bu araştırma, RAG teknolojisinin güvenli kullanımı için kritik önem taşıyor.
HiPreNets: Yapay Zeka Ağlarında Yüksek Hassasiyet için Yeni Eğitim Yöntemi
Araştırmacılar, derin sinir ağlarının doğruluğunu artırmak için HiPreNets adlı yeni bir eğitim çerçevesi geliştirdi. Geleneksel yöntemlerin aksine, bu sistem sadece ortalama hatayı değil, en kötü durum senaryolarındaki hataları da minimize ederek güvenlik açısından kritik uygulamalarda daha güvenilir sonuçlar elde etmeyi hedefliyor. Yöntem, aşamalı iyileştirme stratejisi kullanarak özellikle hata oranının yüksek olduğu bölgelere odaklanıyor. Bu yaklaşım, mühendislik ve bilimsel hesaplamalarda karmaşık doğrusal olmayan problemlerin çözümünde önemli iyileştirmeler sağlayabilir. Araştırma, yapay zekanın hassas hesaplama gerektiren alanlarda daha güvenilir hale getirilmesi açısından önemli bir adım.
Yapay zeka modelleri çok dilli düşünmeyi öğreniyor: Dil değiştirme yeteneği
Araştırmacılar, büyük dil modellerinin mantıksal çıkarım yaparken farklı diller arasında geçiş yapma yeteneğini geliştiren yeni bir çerçeve sundu. Çalışma, yapay zeka sistemlerinin tek dilde eğitilmesine rağmen doğal olarak dil karıştırdığını ve bunun mantıksal düşünmeyi desteklediğini ortaya koyuyor. Geliştirilen sistem, modellere daha etkili dil değiştirme stratejilerini öğretiyor ve bu sayede karmaşık matematiksel, sembolik ve mantıksal problemleri çözmede başarı oranını artırıyor. Bu yaklaşım, çok dilli topluluklar için daha kullanışlı AI sistemleri geliştirilmesine katkı sağlayabilir.
Yapay Zeka Optimizasyonunda Çok Hedefli Bayesian Yaklaşımında Yeni Yöntem
Araştırmacılar, pahalı hesaplama gerektiren karmaşık problemlerde birden fazla hedefi aynı anda optimize etmek için yeni bir yapay zeka yöntemi geliştirdi. STAGE-BO adı verilen bu yaklaşım, mevcut çok hedefli Bayesian optimizasyon yöntemlerinin kapsam, ölçeklenebilirlik ve kısıt entegrasyonu konularındaki sorunlarını çözmeyi hedefliyor. Yöntem, Pareto frontu üzerindeki keşfedilmemiş bölgeleri sistematik olarak hedefleyerek daha uniform bir kapsama sağlıyor. Bu gelişme, mühendislikten ilaç keşfine kadar birçok alanda karmaşık optimizasyon problemlerinin daha verimli çözülmesini mümkün kılabilir.
GenHSI: İnsan-Mekan Etkileşimli Videolar Üretecek Yapay Zeka Sistemi
Araştırmacılar, insanlarla mekanlar arasındaki karmaşık etkileşimleri gerçekçi bir şekilde gösteren uzun videolar üretebilen yeni bir yapay zeka sistemi geliştirdi. GenHSI adlı bu sistem, film animasyon tekniklerinden ilham alarak video üretimini üç aşamaya bölerek çalışıyor: senaryo yazımı, ön görselleştirme ve animasyon. Sistem, bir mekan görselini ve karakter tanımını alarak, kişinin kimliğini koruyan ve gerçekçi fiziksel etkileşimler içeren videolar oluşturabiliyor. Mevcut video üretim sistemlerinin aksine, GenHSI ek eğitim gerektirmiyor ve 3D farkındalık özelliği sayesinde daha tutarlı sonuçlar veriyor. Bu gelişme, oyun endüstrisi, film yapımı ve sanal gerçeklik uygulamaları için önemli fırsatlar sunuyor.