“görme” için sonuçlar
138 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Sahte Ses Tespiti İçin Yeni Yapay Zeka Modeli: Alethia
Araştırmacılar, deepfake ses kayıtlarını tespit etmek için özel olarak tasarlanmış yeni bir yapay zeka modeli olan Alethia'yı geliştirdi. Mevcut yöntemlerin sınırlarına ulaştığı bir dönemde, bu model farklı bir yaklaşım benimsiyor. Alethia, maskelenmiş gömülü tahmin ve spektogram yeniden yapılandırma tekniklerini birleştiren yenilikçi bir eğitim reçetesi kullanıyor. 56 farklı veri seti üzerinde yapılan testlerde, model mevcut teknolojileri geride bırakarak üstün performans sergiledi. Özellikle gerçek dünya koşullarındaki bozulmalara karşı dayanıklılığı ve daha önce görmediği alanlardaki başarısı dikkat çekici. Model, şarkı deepfake'leri gibi yeni türdeki sahte ses içeriklerini bile başarıyla tespit edebiliyor.
Yapay Zeka Öğrenmesinde Çeşitlilik Sorunu: Tek Çözüme Takılan Algoritmalar
Yapay zeka araştırmacıları, ödül tabanlı öğrenme yöntemlerinin beklenmedik bir sorununu keşfetti. RLVR adı verilen bu yöntemler, tek deneme başarısında iyi performans gösterirken, birden fazla çözüm üretme konusunda başarısız oluyor. Araştırmacılar bu durumun nedenini, algoritmaların doğru çözümler arasında eşit dağılım göstermemesine bağlıyor. Bu 'çeşitlilik çöküşü' olarak adlandırılan fenomen, AI sistemlerinin alternatif geçerli çözümleri görmezden gelerek tek bir doğru yanıta odaklanmasına yol açıyor. Yeni geliştirilen UCPO yaklaşımı, bu sorunu çözmek için uniform dağılım ilkesini kullanıyor.
Gürültülü Verilerle Sistem Modellemede Yeni Yaklaşım
Araştırmacılar, gürültülü impuls yanıt verilerinden yararlanarak daha güvenilir sistem modelleri oluşturan yeni bir yöntem geliştirdi. Bu yaklaşım, mühendislik sistemlerinin davranışını öngörmek için kullanılan matematiksel modellerin boyutlarını küçültürken, gürültülü ortamlarda bile yüksek doğruluk sağlayabilir. Geleneksel yöntemlerden farklı olarak, bu teknik veri odaklı bir yaklaşım benimsiyor ve düzenleyici (regularized) algoritma kullanarak gürültüye karşı dayanıklılığı artırıyor. SLICOT kıyaslama testlerinde gerçekleştirilen deneyler, yeni yöntemin mevcut alternatiflerden daha düşük hata oranları elde ettiğini gösteriyor. Bu gelişme özellikle sinyal işleme, kontrol sistemleri ve makine öğrenmesi alanlarında önemli uygulamalara sahip olabilir.
Yapay Zeka Modelleri Tablo Verilerindeki Geleceği Öngörmekte Zorlanıyor
Araştırmacılar, büyük dil modellerinin tablo verilerinden gelecekteki durumları öngörme yeteneklerini test eden TopBench adlı yeni bir değerlendirme sistemi geliştirdi. 779 farklı örnekten oluşan bu sistem, yapay zeka modellerinin tablolardaki geçmiş verilerden hareketle gelecek tahminleri yapabilme becerisini ölçüyor. Çalışma, mevcut yapay zeka modellerinin basit bilgi çıkarma işlemlerinde başarılı olduğunu, ancak gizli amaçları anlama ve güvenilir öngörü yapma konularında yetersiz kaldığını ortaya koydu. Bu bulgular, yapay zekanın gerçek dünya uygulamalarında karşılaştığı önemli sınırları gösteriyor.
Yapay Zeka Hafızasında Devrim: Şema Tabanlı Yeni Yaklaşım
Araştırmacılar, yapay zeka sistemlerinin hafıza yönetiminde karşılaştıkları temel sorunu çözmek için yenilikçi bir yaklaşım geliştirdi. Mevcut sistemler hafızayı basit bir arama problemi olarak görürken, yeni yöntem hafızayı yapılandırılmış bir veri sistemi gibi ele alıyor. Şema tabanlı bu yaklaşım, AI'ların hangi bilgileri hatırlaması, hangilerini görmezden gelmesi ve hangi değerlerin asla tahmin edilmemesi gerektiğini net şekilde tanımlıyor. Bu gelişme, üretim ortamında çalışan AI ajanlarının ihtiyaç duyduğu kesin bilgiler, güncel durum bilgileri, güncelleme ve silme işlemleri gibi kritik hafıza operasyonlarını mümkün kılıyor.
PRISM: Yapay Zekada Çoklu Ortam Öğrenmesi İçin Yeni Eğitim Yöntemi
Araştırmacılar, büyük çoklu ortam modellerinin (görsel ve metinsel verileri birlikte işleyen AI sistemler) eğitiminde karşılaşılan temel bir sorunu çözmek için PRISM adlı yeni bir yaklaşım geliştirdi. Mevcut eğitim süreçlerinde modeller, başlangıçtaki yeteneklerini kaybetme ve istenmeyen davranış değişiklikleri gösterme eğiliminde. PRISM, bu sorunu üç aşamalı bir süreçle çözüyor: önce denetimli öğrenme, ardından dağılım hizalama ve son olarak pekiştirmeli öğrenme. Sistem, algısal hatalar ve mantıksal başarısızlıkları ayrı ayrı ele alan uzman modüller kullanarak, AI'ın hem görme hem de muhakeme becerilerini daha dengeli şekilde geliştiriyor. Bu yaklaşım, özellikle görsel-metinsel çoklu ortam görevlerinde modellerin performansını artırarak, gelecekteki AI sistemlerinin daha güvenilir olmasına katkıda bulunabilir.
Yapay Zeka Modelleri Uzamsal Görme Testinde Başarısız Oldu
Araştırmacılar, görüntü-dil modellerinin (VLM) iki farklı açıdan çekilen fotoğraflar arasındaki kamera pozisyonunu tahmin etme becerisini test ettiler. Sonuçlar, bu gelişmiş AI sistemlerinin uzamsal akıl yürütme konusunda beklenenden çok daha zayıf olduğunu ortaya koydu. İnsanların %91 başarı gösterdiği testlerde, en iyi yapay zeka modeli ancak %66 başarıya ulaşabildi. Özellikle kameranın döndürülmesi ve derinlik değişimleri gibi karmaşık hareketlerde AI modelleri neredeyse rastgele tahminler yaptı. Bu bulgular, günümüz yapay zeka teknolojilerinin görsel-uzamsal anlama yeteneklerindeki önemli sınırları gözler önüne seriyor.
Bebek Hareketleri Robot Bedenine Aktarıldı: İnsan Gelişimini Anlamak İçin Yeni Yöntem
Bilim insanları, bebeklerin videolarından hareket verilerini çıkararak bu hareketleri humanoid robotlara aktaran yenilikçi bir sistem geliştirdi. Tek bir videodan bebeğin vücut yapısını ve 3 boyutlu pozlarını çıkaran yöntem, bu hareketleri iCub robotu gibi fiziksel ve sanal platformlara uyarlıyor. Bu sayede bebeklerin yaşadığı çoklu duyusal deneyimler - eklem algısı, dokunma ve görme - simüle ediliyor. Araştırma, insan gelişiminin erken dönemlerini daha iyi anlamamıza yardımcı olurken, robotik alanında da önemli ilerlemeler sağlıyor.
Yapay zeka modelleri animasyonları ne kadar iyi anlıyor?
Kullanıcı arayüzlerinde çalışan yapay zeka ajanları, arayüzlerin nasıl bilgi ilettiğini anlamak zorunda. Modern arayüzlerde estetikten çok daha fazlası olan animasyonlar, kritik işlevsel amaçlara hizmet ediyor. Ancak görme-dil modellerinin (VLM) arayüz anlayışıyla ilgili çalışmalar çoğunlukla statik ekran görüntüleri üzerinde yoğunlaştı. Araştırmacılar bu boşluğu doldurmak için 300 anotasyonlu kullanıcı arayüzü animasyon videosu içeren AniMINT veri setini oluşturdu. En gelişmiş VLM'lerin animasyonları algılama, amaçlarını belirleme ve anlamlarını yorumlama yeteneklerini sistematik olarak değerlendirdiler. Sonuçlar, bu modellerin temel hareketleri güvenilir şekilde tespit edebildiğini ancak üst düzey anlayışta zorlandığını gösteriyor. Bu çalışma, yapay zeka ajanlarının kullanıcı arayüzleriyle etkileşimini geliştirmek için kritik bir adım oluşturuyor.
Robotlar Artık Gözleriyle Navigasyon Yapabilecek: LiDAR Sensörüne Veda
Araştırmacılar, endüstriyel robotların navigasyon için pahalı LiDAR sensörlerine olan bağımlılığını ortadan kaldıran yeni bir sistem geliştirdi. Öğretmen-öğrenci yaklaşımı kullanan bu sistem, robotlara sadece kameralardan gelen görüntülerle güvenli navigasyon yapmayı öğretiyor. Sistem, önce LiDAR verisiyle eğitilen bir 'öğretmen' robotun bilgilerini, sadece dört RGB kamera kullanan 'öğrenci' robota aktarıyor. NVIDIA Isaac Lab simülasyon ortamında eğitilen sistem, gerçek DJI RoboMaster platformunda başarıyla test edildi. Bu gelişme, robotik alanında maliyet düşürücü bir devrim yaratabilir çünkü görme tabanlı navigasyon, geleneksel LiDAR sistemlerinden çok daha uygun maliyetli.
FASTER: Robotların Çevre Değişikliklerine Tepki Süresini Hızlandıran Yeni Sistem
Araştırmacılar, görme-dil-eylem modellerinin fiziksel dünyada tepki verme hızını artıran FASTER adlı yeni bir sistem geliştirdi. Mevcut robotik sistemler hareket başlatmadan önce tüm örnekleme adımlarını tamamlamak zorunda kalıyor ve bu durum tepki gecikmesinde darboğaz oluşturuyor. FASTER, Horizon-Aware Schedule tekniği kullanarak bu sorunu çözüyor ve robotların çevresel değişikliklere daha hızlı tepki vermesini sağlıyor. Sistem, tepki süresinin İlk Eyleme Kadar Geçen Süre ve yürütme ufku tarafından belirlenen düzgün bir dağılım izlediğini ortaya koyuyor.
Robotlar İçin Dokunma ve Görme Duyularını Birleştiren Yeni Yapay Zeka Modeli
Araştırmacılar, robotların dokunma ve görme duyularını birleştirerek çevreyi daha iyi algılayabilmesi için ViTaPEs adlı yeni bir yapay zeka modeli geliştirdi. Bu model, transformer mimarisini kullanarak görsel ve dokunsal verileri aynı anda işleyebiliyor. Robotik alanında önemli bir gelişme olan bu sistem, malzeme dokusunu, sertliğini ve kuvvet bilgilerini görsel verilerle harmanlayarak daha kapsamlı çevresel algı sağlıyor. Model, iki aşamalı konumsal kodlama sistemi kullanarak her modaliteye özel yerel kodlamalar ve ortak global kodlamalar uyguluyor. Bu yaklaşım, robotların farklı görevlerde ve ortamlarda daha başarılı performans göstermesini sağlayabilir.
Yapay Zeka Artık Suç Bölgelerini Önceden Tahmin Edebiliyor
Amerikalı araştırmacılar, şehirlerdeki suç noktalarını önceden tahmin etmek için yeni bir yapay zeka sistemi geliştirdi. Geleneksel yöntemlerin aksine, bu sistem suç olaylarını birbirinden bağımsız görmek yerine, coğrafi bölgeler arasındaki karmaşık ilişkileri de hesaba katıyor. Graf Evrişimsel Ağlar (GCN) teknolojisini kullanan sistem, şehri bir ağ gibi modelliyor ve her bölgeyi diğerleriyle olan yakınlık ilişkilerine göre değerlendiriyor. Chicago suç verileri üzerinde test edilen sistem, hem suç türlerini sınıflandırmada hem de yüksek riskli bölgeleri belirlemede geleneksel yöntemlerden çok daha başarılı sonuçlar verdi. Bu gelişme, polis kuvvetlerinin kaynaklarını daha etkili dağıtması ve önleyici tedbirlerin zamanında alınması açısından büyük önem taşıyor.
Robotların Görsel Öğrenmesi İçin Yeni Nesil Simülatör Geliştirildi
Araştırmacılar, robotların görsel algıya dayalı görevleri öğrenmesini hızlandıran yeni bir simülasyon platformu geliştirdi. GS-Playground adlı sistem, geleneksel simülatörlerin en büyük sorunu olan fotorealistik görüntü işlemenin yavaşlığını çözüyor. Platform, 3D Gaussian Splatting teknolojisiyle entegre edilmiş paralel fizik motorunu kullanarak, robotların gerçek dünyaya benzer ortamlarda eğitilmesini sağlıyor. Bu teknoloji, özellikle görme tabanlı robotik uygulamalarda büyük bir atılım vaat ediyor ve simülasyondan gerçek dünyaya geçişteki sorunları minimize ediyor.
Robotlar Geleceği Görmeden de Öğrenebilir: Yeni Yapay Zeka Yöntemi
Araştırmacılar, robot eğitiminde çığır açan bir yöntem geliştirdi. 'Privileged Foresight Distillation' adlı bu teknik, robotların gelecekteki durumları görmeden de etkili eylemler gerçekleştirebilmesini sağlıyor. Geleneksel yaklaşımda robotlar hem mevcut durumu hem de gelecekteki videoları analiz ederek öğreniyordu. Ancak yeni araştırma, geleceği görme yetisinin asıl rolünün farklı olduğunu ortaya koyuyor. Bilim insanları, gelecek bilgisinin bir düzeltme mekanizması işlevi gördüğünü ve bu bilgiyi eğitim sırasında öğretmen modelden öğrenci modele aktarmanın mümkün olduğunu keşfetti. Bu yaklaşım, robotik sistemlerin daha verimli çalışmasını ve hesaplama maliyetlerinin düşmesini sağlıyor.
Yapay Zeka Robotlarının Dil Veri Setlerinde Ciddi Çeşitlilik Sorunu
Görme-Dil-Hareket (VLA) modellerini eğitmek için kullanılan veri setlerinin dil özellikleri ilk kez sistematik olarak incelendi. Araştırma, robotlara verilen komutların büyük oranda tekrarlayıcı ve şablon benzeri olduğunu, dil çeşitliliğinin ise oldukça sınırlı kaldığını ortaya koydu. Kelime zenginliği, anlambilimsel benzerlik ve sözdizimi karmaşıklığı gibi farklı boyutlarda yapılan analizler, mevcut veri setlerinin dar bir komut yelpazesi sunduğunu gösteriyor. Bu durum, robotik yapay zekanın dil anlama kapasitesini sınırlayabilir ve gelecekteki model geliştirmelerinde dikkate alınması gereken kritik bir sorun olarak değerlendiriliyor.
Robotlar İnsanların Farkındalığını Görüntüyle Anlayabilecek
Endüstriyel depolarda çalışan otonom mobil robotlar (AMR) ile insan işçilerin güvenli bir şekilde aynı alanda çalışması önemli bir meydan okuma. Araştırmacılar, tek bir RGB kamera kullanarak insanların robotu fark edip etmediğini gerçek zamanlı olarak tespit eden bir sistem geliştirdi. Bu teknoloji, robotların insanları sadece engel olarak görmek yerine, onların durumsal farkındalığını değerlendirerek daha akıllı davranmasını sağlıyor. Sistem, 3D insan poz tespiti ve baş yönelimi analiziyle çalışarak, kişinin robotu görüp görmediğini belirleyebiliyor. Bu sayede robotlar, gereksiz yere yavaşlamak veya yön değiştirmek zorunda kalmıyor.
Olay Kameraları İçin Sıfırdan Öğrenen Hareket Algılama Modeli Geliştirildi
Araştırmacılar, olay kameralarında geniş açılarda görüntü eşleştirmesi yapabilen yenilikçi bir model geliştirdi. Bu model, hiç görmediği veri setlerinde bile başarılı sonuçlar verebiliyor. Olay kameraları, geleneksel kameralardan farklı olarak sürekli görüntü yerine hareket ve ışık değişimlerini algılayan sensörler kullanıyor. Yeni sistem, çok ölçekli özellik öğrenme ve dikkat mekanizması sayesinde farklı açılardan çekilen görüntüler arasında doğru eşleştirmeler yapabiliyor. Bu gelişme, robotik, otonom araçlar ve artırılmış gerçeklik uygulamalarında kullanılan görsel odometri ve hareket tahmin sistemlerini önemli ölçüde geliştirebilir.
Robotlar İnsan Davranışını Öngörmede Yeni Dönem: Zaman Aşırı Etkileşim
Araştırmacılar, insan-robot etkileşiminde güvenliği artırmak için yeni bir yörünge tahmin yöntemi geliştirdi. CiT (Cross time domain intention-interactive method for conditional Trajectory prediction) adlı sistem, insanların 'zihin teorisi'nden esinlenerek çevredeki kişilerin hareketlerini daha doğru öngörüyor. Geleneksel yöntemlerin aksine, bu sistem hem robotun kendi hareketini hem de farklı zaman dilimlerindeki sosyal etkileşimleri analiz ediyor. Yöntem, davranış niyetlerini zaman içinde birleşik olarak inceleyerek, farklı zaman alanlarından gelen bilgileri tamamlayıcı şekilde entegre ediyor. Bu sayede daha güvenli yol planlama ve çarpışma önleme sistemleri geliştirebiliyor.
Yapay zeka araçları, otonom sürüş güvenliğini artırmak için 'aktif görme' öğreniyor
Stanford ve diğer üniversitelerden araştırmacılar, otonom araçlar için yeni bir yapay zeka sistemi geliştirdi: DriveAgent-R1. Bu sistem, belirsizlik yaşadığında pasif kalmak yerine aktif olarak çevresini analiz ediyor ve görsel kanıtlara dayanarak karar veriyor. İnsan sürücülerin düşünce kalıplarından ilham alan hibrit düşünme sistemi, hem hızlı metin tabanlı akıl yürütme hem de detaylı görsel analiz arasında geçiş yapabiliyor. Mevcut otonom sürüş sistemlerinin sadece önceden programlanmış kurallara göre hareket etmesinin aksine, DriveAgent-R1 karmaşık durumlarla karşılaştığında çevresel ipuçlarını aktif olarak araştırıyor ve daha güvenilir kararlar alıyor.
Robotlar Artık Video İzleyerek Karmaşık Görevleri Planlayabilecek
Araştırmacılar, robotların gerçek dünya görevlerini daha iyi planlayabilmesi için yenilikçi bir sistem geliştirdi. UniDomain adlı bu framework, 12.393 robot manipülasyon videosundan öğrenerek, robotların daha önce görmediği karmaşık görevleri bile çözebilmesini sağlıyor. Sistem, binlerce video analizinden elde ettiği bilgileri birleştirerek, robotlara görev planlama konusunda rehberlik eden kapsamlı bir 'bilgi bankası' oluşturuyor. Bu yaklaşım, mevcut yapay zeka modellerinin uzun vadeli planlama ve semboli ç düşünme konularındaki eksiklerini gidererek, robotik alanında önemli bir ilerleme sunuyor.
Görsel-dil modellerinde devrim: HiPrune ile %70 daha hızlı işlem
Araştırmacılar, görsel-dil modellerinin hesaplama maliyetini dramatik şekilde azaltan yenilikçi bir yöntem geliştirdi. HiPrune adlı bu teknik, yapay zekanın görsel içerikleri işlerken hangi bilgi parçalarının gerçekten önemli olduğunu akıllıca belirleyerek gereksiz hesaplamaları elimine ediyor. Yöntem, görme kodlayıcısının katmanlarının farklı türdeki görsel bilgilere farklı düzeylerde odaklandığı keşfine dayanıyor. Bu buluş, ChatGPT benzeri görsel-metin modellerinin daha verimli çalışmasını sağlayarak mobil cihazlarda bile güçlü AI uygulamalarının kullanımını kolaylaştırabilir.
Yapay Zeka Ajanları 'İnanç Ataleti' Sorunu ile Mücadele Ediyor
Büyük dil modelleri kullanan yapay zeka ajanları, karmaşık görevleri yerine getirirken kritik bir sorunla karşılaşıyor: inanç ataleti. Bu durum, ajanların çevreden gelen yeni bilgileri görmezden gelerek önceki inançlarına körü körüne bağlı kalmasına neden oluyor. Araştırmacılar bu sorunu çözmek için EVU (Tahmin Et-Doğrula-Güncelle) adlı yeni bir mekanizma geliştirdi. Bu sistem, ajanların beklentilerini önceden tahmin etmesine, gözlemlerle karşılaştırmasına ve kanıtlara dayanarak inançlarını aktif olarak güncellemesine olanak sağlıyor. Çalışma, yapay zeka ajanlarının çevresel geri bildirimleri daha etkili şekilde değerlendirip optimal kararlar alabilmesi için önemli bir adım teşkil ediyor.
Yeni Kriptografi Tekniği: Gizli Tensör Hesaplama ile Güvenlik Devrimi
Araştırmacılar, iki tarafın birbirlerinin verilerini görmeden karmaşık matematiksel işlemler yapabilmesini sağlayan yeni bir kriptografik yöntem geliştirdi. 'Başarılı gizli tensör değerlendirmesi' adı verilen bu teknik, vektörlerin tensör çarpımını güvenli bir şekilde hesaplarken, iletilen mesaj boyutlarını minimal düzeyde tutuyor. Standart 'hatalarla öğrenme' problemi üzerine kurulu bu sistem, adaptif güvenlikli fonksiyon değerlendirme, tüm devreler için kapı fonksiyonları ve homomorfik gizli paylaşım gibi birçok kriptografik ilkel için temel oluşturuyor. Özellikle derinlik-D fonksiyonları için iletişim karmaşıklığını optimize eden bu yaklaşım, güvenli çok taraflı hesaplama alanında önemli bir ilerleme sunuyor.