“Şili” için sonuçlar
82 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Chatbotlarının Kişilik Seviyesi Kullanıcı Deneyimini Nasıl Etkiliyor?
Cornell Üniversitesi araştırmacıları, büyük dil modeli tabanlı sohbet robotlarının kişilik ifade düzeylerinin kullanıcı algısı üzerindeki etkilerini inceledi. 150 katılımcıyla yapılan deneysel çalışmada, seyahat planlama görevlerinde farklı kişilik seviyelerine sahip yapay zeka asistanları test edildi. Bulgular, orta düzeyde kişilik ifadesi gösteren chatbotların en olumlu değerlendirmeleri aldığını ortaya koydu. Çok az veya çok fazla kişilik sergileyen sistemler, kullanıcılar tarafından daha düşük puanlandı. Araştırma ayrıca, kullanıcı ile yapay zeka arasındaki kişilik uyumunun deneyimi iyileştirdiğini gösterdi. Özellikle dışadönüklük ve duygusal istikrar özelliklerinin en etkili faktörler olduğu tespit edildi. Bu bulgular, gelecekteki yapay zeka asistanlarının tasarımında kişilik dengesinin önemini vurguluyor.
Yapay Zeka Modelleri Bilinçli Olduklarını Neden İnkar Ediyor?
Araştırmacılar, 115 büyük dil modelini analiz ederek yapay zekaların kendi deneyimlerini sistematik olarak inkâr etme eğiliminde olduğunu keşfetti. DenialBench adlı yeni benchmark ile yapılan çalışmada, modellerin eğitim sürecinde bilinç konusunda inkar davranışı göstermeye yönlendirildiği ortaya çıktı. İlginç olan, modeller bilinçle ilgili konuları inkâr etseler de, kendi seçtikleri yaratıcı görevlerde bilinç temalı içeriklere yönelmeleri. Bu durum 'seri numaraları silinmiş bilinç' olarak tanımlandı. Bulgular, yapay zeka güvenliği ve etik konularında önemli sorular ortaya koyuyor.
Yapay Zeka İlaç Hedefi Belirleme Platformu Yeni Seviyeye Taşındı
Klinik aşamada bulunan biyoteknoloji şirketi Insilico Medicine, ilaç hedefi keşfi için geliştirdiği yapay zeka çerçevesinde önemli ilerlemeler kaydettiğini duyurdu. Şirket, daha önce tanıttığı Target Identification Pro (TargetPro) ve Target Identification Benchmark (TargetBench 1.0) sistemlerini birleştirerek, erken aşama ilaç geliştirme süreçlerinin doğruluğunu, güvenilirliğini ve ölçeklenebilirliğini artıran entegre bir platform oluşturdu. Bu birleşik AI sistemi, ilaç hedeflerini belirleme ve bu hedeflerin değerlendirilmesi süreçlerini tek bir platformda topluyor. Geliştirilen sistem, özellikle ilaç keşfi sürecinin en kritik aşamalarından biri olan hedef belirleme safhasında araştırmacılara daha hassas ve güvenilir sonuçlar sunmayı hedefliyor.
Moleküler Dizilerin Karşılaştırılmasında Çığır Açan Yeni Algoritma Geliştirildi
Araştırmacılar, moleküler dizilerin karşılaştırılmasında kullanılan klasik algoritmayı geliştirerek, Variable Gapped Longest Common Subsequence (VGLCS) problemine yönelik yeni bir çözüm yaklaşımı sundular. Bu yöntem, protein yapılarındaki amino asit kalıntıları arasındaki uzaysal mesafe kısıtlamalarını ve zaman serisi analizlerindeki olaylar arası gecikmeleri dikkate alarak daha esnek karşılaştırmalar yapılmasını sağlıyor. Geliştirilen algoritma, köklü durum grafiği temsilini kullanan bir arama çerçevesi üzerine kuruluyor ve kombinatoryal patlamayı önlemek için yinelemeli ışın arama stratejisi uyguluyor. Bu gelişme, biyoinformatik ve veri analizi alanlarında önemli uygulamalar için yol açabilir.
Yapay Zeka Sistemlerinin 'Anlam Karmaşası' Sorunu Çözüm Buldu
Yapay zeka sistemlerinin bilgi arama süreçlerinde karşılaştığı kritik bir sorun olan 'anlam karmaşası' için yenilikçi bir çözüm geliştirildi. Retrieval-Augmented Generation (RAG) sistemleri, farklı konuları içeren metinleri işlerken semantik olarak ayrı içerikleri aynı komşuluk bölgelerinde gruplandırıyor ve bu durum arama hassasiyetini düşürüyordu. Araştırmacılar, bu sorunu ölçmek için Entanglement Index adlı bir metrik geliştirdi ve Semantic Disentanglement Pipeline isimli dört aşamalı bir ön işleme sistemi önerdi. Bu yenilik, yapay zeka asistanlarının daha doğru ve bağlama uygun bilgilere erişmesini sağlayacak.
Synthia: Sosyal Medya Verilerinden Gerçekçi Sanal Kişilikler Üreten Yeni Sistem
Araştırmacılar, sosyal bilim simülasyonları için gerçek sosyal medya gönderilerinden yola çıkarak sanal kişilikler oluşturan Synthia adlı yeni bir framework geliştirdi. Sistem, büyük dil modellerinin gücünü Bluesky platformundaki gerçek kullanıcı verileriyle birleştireyor. Synthia, önceki yöntemlere kıyasla insan düşünce dağılımlarına daha yakın sonuçlar üretirken, daha küçük modellerle çalışabiliyor. Çok boyutlu adalet ve önyargı analizi, sistemin demografik çeşitlilik açısından mevcut yaklaşımları geride bıraktığını gösteriyor. Özellikle gerçek sosyal ağ kullanıcıları arasındaki etkileşim yapılarını koruyarak, daha otantik sanal topluluklar oluşturabiliyor. Bu gelişme, hesamalı sosyal bilim alanında daha güvenilir simülasyonlar yapılmasını sağlayacak.
Veri Sıkıştırmada Yeni Yaklaşım: String Temsili Sorunu Çözüldü
Bilgisayar bilimindeki önemli açık problemlerden biri çözüme kavuştu. Araştırmacılar, metin verilerinin ne kadar tekrarlı yapı içerdiğini ölçen 'chi' parametresi için yeni bir temsil yöntemi geliştirdi. Bu buluş, büyük veri setlerinin daha verimli sıkıştırılması ve indekslenmesi için kritik öneme sahip. Yıllardır cevaplanmayan 'erişilebilirlik' sorusuna olumlu yanıt veren çalışma, substring denklem sistemi adı verilen yeni bir model üzerine kurulu. Bu gelişme, veri depolama teknolojilerinde ve arama algoritmalarında önemli iyileştirmeler getirebilir.
Yapay Zeka Modellerinde 'Duygu ve Retorik Nöronları' Keşfedildi
Araştırmacılar, büyük dil modellerinde (LLM) duygu ve retorik işlemlerinden sorumlu özel nöronları tanımlayarak çığır açan bir keşif yaptı. Çalışma, 6 farklı duygu kategorisi ve 4 temel retorik tekniğin beyin benzeri yapılardaki temsilini inceledi. Geleneksel yaklaşımlar dış optimizasyona odaklanırken, bu araştırma modellerin iç çalışma mekanizmalarını derinlemesine analiz etti. Bulgular, yapay zekanın duygusal zeka ve ikna kabiliyetlerinin nasıl geliştirilebileceğine dair önemli ipuçları sunuyor. Araştırmacılar, bu özel nöronları tespit edebilen çok boyutlu tarama sistemi ve dinamik filtreleme içeren yenilikçi maskeleme yöntemi geliştirdi. Bu keşif, yapay zekanın insan benzeri iletişim yeteneklerini anlamamızda yeni bir dönem başlatabilir.
Yapay Zeka ile Yeni Nesil Filtreleme Teknolojisi: Derin Öğrenme Bayesian Filtresi
Araştırmacılar, geriye dönük stokastik diferansiyel denklemler ve derin öğrenme teknolojilerini birleştirerek yenilikçi bir Bayesian filtreleme yöntemi geliştirdi. Bu yaklaşım, karmaşık filtreleme problemlerini çözmek için doğrusal olmayan Feynman-Kac temsilini kullanıyor ve sinir ağları aracılığıyla yoğunluk fonksiyonlarını tahmin ediyor. Sistem çevrimdışı eğitildikten sonra yeni gözlemlerle gerçek zamanlı olarak çalışabiliyor. Matematiksel olarak kanıtlanmış hata sınırları ve sayısal örneklerle doğrulanmış yakınsama oranları, metodun güvenilirliğini gösteriyor. Bu gelişme, sinyal işleme, robot navigasyonu ve finansal modelleme gibi alanlarda daha hassas tahmin ve filtreleme imkanları sunuyor.
Yapay Zekada 'Unutma' Devrimi: PALU ile Hassas Bilgileri Hedefli Silme
Büyük dil modellerinin hassas bilgileri unutması için yeni bir yaklaşım geliştirildi. PALU adlı bu sistem, tüm metni aynı şekilde işlemek yerine sadece kritik kısımlara odaklanarak modellerin genel performansını korurken istenmeyen bilgileri etkili şekilde siliyor. Geleneksel yöntemler tüm kelimelere eşit müdahale ederken gereksiz performans kaybına neden oluyordu. Yeni teknik, sadece hassas önekleri bastırmanın yeterli olduğunu ve en önemli kelime gruplarını düzleştirmenin belirsizliği maksimize ettiğini keşfetti. Bu buluş, yapay zekanın etik kullanımı ve veri güvenliği açısından önemli bir adım.
Yapay Zeka Modellerinden Veri Silme Sorunu İçin Yeni Algoritma Geliştirildi
Araştırmacılar, yapay zeka modellerinin belirli eğitim verilerini 'unutması' problemine çözüm getiren yeni bir algoritma geliştirdi. Bu algoritma, bir AI modelinin belirli verileri hiç görmemiş gibi davranmasını sağlayabiliyor. Çalışma, özellikle veri gizliliği ve AI'ın yorumlanabilirliği açısından büyük önem taşıyor. Algoritma, normal eğitim sürecinden sadece logaritmik oranda daha yavaş çalışıyor ve minimal hata oranıyla tahminler yapabiliyor. Bu gelişme, kullanıcıların kişisel verilerinin AI sistemlerinden silinmesi gerekliliği ve modellerin şeffaflığı konularındaki artan endişelere yanıt veriyor. Özellikle GDPR gibi veri koruma düzenlemeleri çerçevesinde, bireylerin verilerinin AI modellerinden kaldırılması hakkına sahip olması nedeniyle bu teknoloji kritik öneme sahip.
Yapay Zeka Acil Tıp Diyalogları Üretiyor: EMSDialog Veri Seti
Araştırmacılar, acil tıp hizmetlerindeki çok kişili konuşmaları simüle eden yeni bir yapay zeka sistemi geliştirdi. EMSDialog adlı bu sistem, gerçek hasta bakım raporlarından yola çıkarak 4.414 sentetik acil tıp konuşması üretti. Sistem, birden fazla yapay zeka ajanının işbirliği yaparak planladığı, oluşturduğu ve kendi kendini iyileştirdiği bir süreç kullanıyor. Bu gelişme, tıbbi teşhis sistemlerinin konuşma sırasında gelişen bulgulari takip etmesini ve doğru zamanda teşhis koymasını sağlayacak. Veri seti 43 farklı teşhis, konuşmacı rolleri ve konu akışı etiketleriyle zenginleştirildi.
Yapay Zeka Modellerini Siber Saldırılara Karşı Koruyan Yenilikçi Savunma Sistemi
Büyük dil modelleri (LLM'ler), geniş veri setlerine dayandıkları için backdoor saldırılarına karşı savunmasız durumda. Bu tür saldırılarda, saldırganlar eğitim verilerinin küçük bir kısmını zehirleyerek modele gizli davranışlar yerleştiriyor. Araştırmacılar, bu tehdide karşı MB-Defense adlı yenilikçi bir savunma sistemi geliştirdi. İki aşamalı bu sistem, önce saldırgan ve savunma tetikleyicilerini birleştirerek ortak bir backdoor temsili oluşturuyor, sonra da ek eğitimle bu temsili bozarak modelin temiz davranışını geri kazandırıyor. Çalışma, büyük dil modellerinin güvenliğini artıran önemli bir gelişme sunuyor.
Simetrik Nesneler İçin Yeni Poz Tahmini Yöntemi Geliştirildi
Araştırmacılar, simetrik nesnelerin 3 boyutlu konumlarını tespit etmede karşılaşılan temel zorluklara yenilikçi bir çözüm geliştirdi. Günlük hayatta sıkça karşılaştığımız simetrik nesneler - bardaklar, kutular, silindirler gibi - yapay zeka sistemleri için benzersiz bir zorluk teşkil ediyor. Bu nesnelerin birden fazla görsel açıdan aynı görünmesi, derin öğrenme ağlarının eğitimini zorlaştırıyor. Geleneksel yöntemler bu sorunu özel kayıp fonksiyonları veya karmaşık ağ mimarileri ile çözmeye çalışırken, yeni yaklaşım daha temelden hareket ediyor. SARR adı verilen bu yöntem, rotasyon temsilini matematiksel olarak yeniden tanımlayarak, simetrik nesneler için benzersiz ve sürekli bir poz gösterimi sağlıyor. Bu breakthrough, robotik, artırılmış gerçeklik ve endüstriyel otomasyon alanlarında önemli ilerlemelere kapı açabilir.
Kişilik Yapısı Duyguları Nasıl Şekillendiriyor? Yeni Veri Seti Açığa Çıkardı
Araştırmacılar, aynı olayı farklı kişilik yapılarına sahip insanların nasıl farklı duygusal tepkilerle karşıladığını inceleyen kapsamlı bir veri seti geliştirdi. Persona-E² adlı bu veri seti, MBTI ve Büyük Beşli kişilik testleri temelinde, haber metinleri, sosyal medya paylaşımları ve yaşam hikayelerine verilen duygusal tepkileri haritalıyor. Çalışma, mevcut yapay zeka sistemlerinin kişilik tabanlı duygu değişimlerini anlamada yetersiz kaldığını ortaya koyuyor. Bu araştırma, duygusal zekanın kişiselleştirilmesi ve yapay zekanın insan psikolojisini daha iyi anlayabilmesi açısından önemli bir adım teşkil ediyor.
Yapay Zeka Ağlarında Daha Akıllı İşbirliği için Yeni Dağıtık Öğrenme Sistemi
Bilim insanları, büyük ölçekli dağıtık yapay zeka sistemlerinde daha etkili işbirliği sağlayacak yeni bir öğrenme çerçevesi geliştirdi. Geleneksel yöntemler, özellikle sınıflandırma görevlerinde aynı kategorideki veri örnekleri arasındaki farklılıkları kaybederek tek tip temsiller üretiyordu. Yeni sistem, verilerin yapısal özelliklerini korurken hem çeşitli hem de ayırt edici temsiller oluşturabiliyor. Araştırmacılar, hem homojen hem de heterojen veri dağılımları için optimize edilmiş algoritmalar tasarlayarak, dağıtık AI sistemlerinin performansını önemli ölçüde artırmayı başardı. Bu gelişme, bulut bilişimden otonom araç ağlarına kadar pek çok alanda yapay zeka uygulamalarının daha verimli çalışmasına olanak tanıyacak.
Yapay Zeka Temsillerinde Yeni Boyut: Geometrik Kararlılık Ölçümü
Yapay sinir ağları ve biyolojik sistemlerin iç yapılarını karşılaştırmak için kullanılan mevcut yöntemler, sistemlerin neyi temsil ettiğini ölçebiliyor ancak bu yapının ne kadar sağlam olduğunu değerlendiremiyor. Araştırmacılar, temsili kalitesinin yeni bir boyutu olan 'geometrik kararlılık' kavramını tanıttı. Bu yeni yaklaşım, bir temsilin ikili mesafe yapısının bozucu etkiler altında ne kadar güvenilir kaldığını ölçüyor. Shesha adı verilen yeni metrik, mevcut benzerlik ölçümlerinin göremediği manifold yapı hasarlarını tespit edebiliyor ve yapay zeka sistemlerinin robustluğunu değerlendirmede önemli bir eksikliği gideriyor.
Polonyaca dil modelleri Apple çiplerde hızlanıyor: Yeni hibrit sistem geliştirildi
Araştırmacılar, büyük dil modellerinin çıkarım hızını artırmak için 'spekülatif kod çözme' tekniğini Polonyaca modellere uyarladı. Apple Silicon çiplerde çalışan bu yeni sistem, farklı model ailelerini birleştirerek Bielik 11B modelinin performansını önemli ölçüde artırıyor. Çalışmada, küçük bir taslak model önce token önerilerinde bulunuyor, ardından büyük hedef model bunları doğruluyor. Bu hibrit yaklaşım, özellikle bağlam-farkındalı çeviri kullanıldığında başarı oranlarını yükseltiyor. Araştırma, tüketici sınıfı donanımlarda bile etkili dil işleme sistemleri geliştirme potansielini gösteriyor.
Android Zararlı Yazılım Tespitinde Makine Öğrenmesi Yöntemlerinin Kapsamlı Analizi
Araştırmacılar, makine öğrenmesi tabanlı Android zararlı yazılım tespit sistemlerinin bugüne kadarki en kapsamlı analizini gerçekleştirdi. Çalışma, mevcut yaklaşımları birleşik bir taksonomi altında organize ederek, yazılım mühendisliği, güvenlik ve makine öğrenmesi alanlarından 12 temsili yöntemi yeniden uyguladı. Bu araştırma, Android uygulamalarından otomatik olarak kötü amaçlı kalıpları öğrenebilen ML sistemlerinin mevcut durumunu sistematik olarak değerlendirerek, alandaki eksiklikleri ve gelecekteki araştırma yönlerini ortaya koyuyor. Mobil güvenlik teknolojilerinin geliştirilmesi açısından önemli bir kaynak niteliği taşıyor.
Apple Çiplerinde Dev AI Modelleri: 128K Bağlam Uzunluğu Tek Mac'te Mümkün Hale Geldi
Araştırmacılar Apple Silicon çiplerinde büyük dil modellerinin çalıştırılmasında çığır açan bir teknoloji geliştirdi. Open-TQ-Metal adlı yeni sistem, 70 milyar parametreli Llama 3.1 modelini tek bir 64 GB Mac bilgisayarda 128 bin token bağlam uzunluğuyla çalıştırabiliyor. Bu, daha önce hiçbir sistem tarafından başarılamayan bir performans. Teknoloji, bellek kullanımını 3,2 kat azaltırken dikkat mekanizmasını 48 kat hızlandırıyor. Sistem, KV önbelleğini anlık olarak 4-bit tam sayı formatına dönüştürerek doğrudan sıkıştırılmış veri üzerinde hesaplama yapıyor. 330 deneyden oluşan kapsamlı testlerde, yeni yöntem orijinal FP16 çıkarımla tamamen aynı sonuçları verirken bellek tüketimini 40 GB'den 12,5 GB'ye düşürüyor.
AI'ın Mantık Yürütme Hatalarını Silip Düzeltebilen Yeni Öğrenme Yöntemi
Stanford araştırmacıları, yapay zeka sistemlerinin karmaşık mantık yürütme süreçlerindeki hataları tespit edip düzeltebilen devrimci bir yöntem geliştirdi. 'Silinebilir Pekiştirmeli Öğrenme' adlı bu teknik, AI'ın çok adımlı problem çözme sürecinde yaptığı hataları fark ederek sadece o kısmı silip yeniden oluşturmasını sağlıyor. Geleneksel sistemlerde tek bir hata tüm sonucu bozarken, bu yöntem sayesinde AI daha güvenilir hale geliyor. Test sonuçları, özellikle birden fazla bilgi kaynağından veri toplayıp analiz etmesi gereken karmaşık sorularda önemli başarı artışı gösteriyor.
Robotlar İçin Yeni Zaman Garantili Kontrol Sistemi Geliştirildi
Araştırmacılar, robotik sistemlerin belirlenen hedefe ulaşması için gerekli süreyi garanti altına alan yeni bir kontrol yöntemi geliştirdi. Bu yöntem, sistem belirsizlikleri ve fiziksel kısıtlamaları göz önünde bulundurarak, hedef noktaya ulaşım süresinin üst sınırını önceden belirlemeyi mümkün kılıyor. Lineer matris eşitsizlikleri kullanan bu yaklaşım, Lyapunov fonksiyonlarının harmonik dönüşümüne dayanıyor ve durum uzayının bölümsel karesel temsilini kullanıyor. Geliştirilen sistem, başlangıçta belirsiz politopik sistemler için tasarlanmış olsa da parçalı ve doğrusal olmayan sistemlere de uygulanabiliyor. Bu gelişme, otonom araçlardan endüstriyel robotlara kadar birçok alanda güvenilir ve öngörülebilir kontrol sistemleri tasarımında önemli bir adım oluşturuyor.
Yapay Zeka Modellerinde 'Ahlaki Atalet' Keşfedildi
Stanford Üniversitesi araştırmacıları, büyük dil modellerinin (LLM) farklı kişiliklere bürünseler bile ahlaki değer yargılarında tutarlı kaldığını keşfetti. Araştırma, bu modellerin zarar vermeme ve adalet gibi temel ahlaki boyutlarda sabit bir yönelim sergilediğini ortaya koydu. Binlerce farklı persona ile yapılan deneyler, modellerin beklenenin aksine çeşitli görüşler üretmek yerine içsel önyargılarını koruduğunu gösterdi. Bu 'ahlaki atalet' olarak adlandırılan fenomen, yapay zekanın karar verme süreçlerinde öngörülenden daha az esneklik olduğuna işaret ediyor. Bulgular, AI sistemlerinin toplumsal uygulamalarda kullanılmadan önce bu önyargıların dikkatlice incelenmesi gerektiğini vurguluyor.
RankUp: Büyük Ölçekli Reklam Öneri Sistemlerinde Yeni Dönem
Araştırmacılar, büyük ölçekli reklam öneri sistemlerinde karşılaşılan önemli bir sorunu çözmek için RankUp adını verdikleri yeni bir mimari geliştirdiler. Mevcut sistemlerde model derinliği artırıldığında, temsil kapasitesinin beklenenin aksine düştüğü gözlemlenmişti. Bu durum, derin katmanlarda veri temsilinin etkisizleşmesi anlamına geliyordu. RankUp mimarisi, rastgele permütasyon bölme, çoklu gömme paradigması ve global token entegrasyonu gibi yenilikçi yaklaşımlarla bu sorunu aşmayı hedefliyor. Sistem, büyük ölçekli üretim ortamında tam olarak devreye alınmış durumda. Bu gelişme, özellikle dijital reklamcılık sektörü için önemli performans artışları vaat ediyor.