“ISS” için sonuçlar
124 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Modelleri Artık Daha Az Veriyle Kendilerini Geliştirebiliyor
Araştırmacılar, büyük dil modellerinin öğrenme sürecini insan bilişsel gelişimine benzer şekilde tasarlayan yeni bir yaklaşım geliştirdi. EasyRL adlı bu yöntem, modellerin önce kolay örneklerle başlayıp giderek zorlaşan verilerle kendilerini geliştirmesini sağlıyor. Geleneksel yöntemlerin aksine, bu yaklaşım çok daha az etiketli veriye ihtiyaç duyarken model çöküşü gibi sorunları da önlüyor. İnsan öğrenme psikolojisinden ilham alan sistem, yapay zeka eğitiminde maliyet ve verimlilik açısından önemli bir ilerleme sunuyor.
Yapay zeka modelleri insan okuma süreçlerini nasıl taklit ediyor?
Araştırmacılar, dil modellerinin insan beyninin okuma süreçlerini ne kadar iyi yansıttığını araştırdı. Beş farklı dilde yapılan göz takip çalışmasında, yapay zeka modellerinin erken katmanlarının, insanların metni okurken gösterdikleri davranışları tahmin etmekte daha başarılı olduğu keşfedildi. Bu bulgu, modellerin derinliği ile insan okuma sürecinin zamansal aşamaları arasında işlevsel bir uyum olduğunu gösteriyor. Araştırma, yapay zekanın sadece dil bilgisel yapıları değil, aynı zamanda bilişsel süreçleri de ne derece modelleyebildiğini anlamamıza yardımcı oluyor.
Öğrenciler Yapay Zekanın Düşünceyi Değiştirmemesi Gerektiğini Biliyor Ama Nasıl Kontrol Ediyor?
Hong Kong'da lise öğrencileriyle yapılan yeni araştırma, öğrencilerin yapay zeka kullanımında önemli bir çelişki yaşadığını ortaya koyuyor. Araştırmaya katılan öğrenciler, YZ'nin düşünce süreçlerinin yerini almaması gerektiğini kavramsal olarak anlıyor ve bu konuda etik farkındalığa sahip. Ancak pratikte YZ'yi kullanırken bu bilinçlerini tutarlı bir şekilde davranışa dönüştüremiyorlar. Bulgular, asıl sorunun öğrencilere 'YZ düşünceyi değiştirmemeli' öğretmek olmadığını - çünkü bunu zaten biliyorlar - aksine bu farkındalığı gerçek kullanım sırasında nasıl yapılandırılmış bir düzenleme haline getireceklerini öğretmek olduğunu gösteriyor. Bu durum, eğitimde YZ entegrasyonu için yeni stratejiler geliştirilmesi gerektiğine işaret ediyor.
Çocukları internette korumada ebeveynler anahtar rol oynuyor
Griffith Üniversitesi'nden araştırmacılar, çevrimiçi çocuk istismarının arttığı bir dönemde, ebeveynlerin bu konudaki tutumlarını inceledi. 11-17 yaş arası çocuğa sahip ailelerle yapılan çalışma, internet risklerini bilmenin tek başına yeterli olmadığını ortaya koydu. Araştırma sonuçları, ebeveynlerin kendilerini sorumlu hissetmesi, konuyla ilgili endişe duyması ve harekete geçme motivasyonuna sahip olmasının, çocukları çevrimiçi tehlikelerden korumada belirleyici faktörler olduğunu gösterdi. Bu bulgular, sadece farkındalık yaratmanın değil, ebeveynlerin aktif katılımını sağlamanın önemini vurguluyor.
Yapay Zeka Matematik Öğrenmeye Zarar Veriyor: 'Bilişsel Borç' Uyarısı
Yeni araştırma, yapay zekanın matematik problemlerini çözmek için kullanılmasının öğrencilerde 'bilişsel borç' yarattığını ortaya koyuyor. Sınırsız AI kullanımının bağımsız test sonuçlarına zarar verdiği, ancak dikkatli tasarlanmış AI öğretmenlerin problem çözme becerilerini koruyabildiği belirlendi. Çalışma, AI'nın eğitimde nasıl kullanılması gerektiği konusunda önemli ipuçları sunuyor. Uzmanlar, öğrencilerin AI'ya aşırı bağımlı hale gelmemesi için dikkatli yaklaşım gerektiğini vurguluyor.
AI Ajanları Tedarik Zinciri Simülasyonunda İnsan Davranışlarını Taklit Ediyor
Araştırmacılar, büyük dil modellerini kullanarak çok aşamalı tedarik zinciri dinamiklerini simüle eden yenilikçi bir deneysel paradigma geliştirdi. DeepSeek ve GPT ajanlarının farklı akıl yürütme seviyelerinde kullanıldığı bu çalışma, bilişsel çeşitliliğin ajan etkileşimleri üzerindeki etkisini inceliyor. Geleneksel davranışsal deneylerin ölçeklenebilirlik sınırlarını aşan bu yaklaşım, yapay zeka ve operasyon yönetimi alanlarında önemli bir ilerleme sunuyor. Sonuçlar, ajanların miyopik ve kişisel çıkar odaklı davranışlar sergilediğini gösteriyor. Bu çalışma, karmaşık karar verme süreçlerinde AI ajanları arasındaki koordinasyonu modellemek için yeni bir yol açıyor ve tedarik zinciri verimsizliklerinin arkasındaki bilişsel önyargıları anlamak için ölçeklenebilir bir yöntem sunuyor.
Sparse Veriler İçin Yeni Boyut İndirgeme Yöntemi: p-SNE
Araştırmacılar, kelime sayıları, nöron aktiviteleri veya e-posta istatistikleri gibi sparse (seyrek) sayma verilerini analiz etmek için özel olarak tasarlanmış yeni bir boyut indirgeme yöntemi geliştirdi. Geleneksel PCA ve t-SNE gibi yöntemler sürekli veriler için optimize edilirken, yeni p-SNE yöntemi Poisson dağılımını takip eden discrete (ayrık) verilerin doğasına uygun şekilde tasarlandı. Bu yaklaşım, özellikle düşük oranlarla gerçekleşen olayların sayımında ortaya çıkan yoğun sıfır değerleri içeren veri setlerinde daha anlamlı sonuçlar üretiyor. Bilim insanları için metin analizi, nörobilim ve dijital iletişim araştırmalarında önemli bir araç olma potansiyeli taşıyor.
AI'da Sosyal Durumları Anlama: CoCoT ile Üç Aşamalı Akıl Yürütme
Yapay zeka modellerinin sosyal durumları anlaması karmaşık bir süreçtir. Görsel ve dilsel bilgileri bir arada işleyerek sosyal normları kavraması gerekir. Araştırmacılar, bu soruna çözüm olarak Cognitive Chain-of-Thought (CoCoT) adında yeni bir yaklaşım geliştirdi. Bu yöntem, AI'nın sosyal durumları üç aşamada analiz etmesini sağlıyor: önce görsel verileri algılama, sonra durumu anlama ve son olarak sosyal normları uygulama. Test sonuçları, bu yaklaşımın sosyal zeka gerektiren görevlerde AI performansını ortalama %5 artırdığını gösteriyor. Bu gelişme, AI'nın insan davranışlarını daha iyi anlamasına ve sosyal etkileşimlerde daha başarılı olmasına katkı sağlayabilir.
Yapay Zeka Zaman Serilerini Görsel Algıyla Daha İyi Anlamaya Başladı
Araştırmacılar, büyük dil modellerinin zaman serisi verilerini anlamadaki zorluklarını aşmak için yenilikçi bir yaklaşım geliştirdi. LLaTiSA adlı sistem, görsel desenlerle sayısal tabloları birleştirerek yapay zekanın zamansal verileri daha iyi kavramasını sağlıyor. Çalışma kapsamında 83 bin örnekli HiTSR veri seti oluşturuldu ve dört seviyeli bilişsel karmaşıklık taksonomisi geliştirildi. Bu yaklaşım, finans, sağlık ve iklim gibi alanlarda zaman serisi analizinin daha doğru ve güvenilir hale gelmesine katkı sağlayabilir. Sistem, görsel-dil modellerinin zamansal algılarını güçlendirerek, çok aşamalı müfredat ince ayar stratejisiyle üstün performans gösteriyor.
Yapay zeka modelleri görsel değerlendirmelerde neden 'kör' kararlar veriyor?
Görsel-dil modellerinin yargıç olarak kullanıldığı otomatik değerlendirme sistemlerinde kritik bir sorun keşfedildi. Araştırmacılar, bu modellerin görüntülere yeterince odaklanmadan kararlar verdiğini ve genellikle daha bilgi içeren cevapları kayırdığını buldu - görüntüyle çelişse bile. Bu 'bilgisellik önyargısı' olarak adlandırılan problem, yapay zeka değerlendirmelerinin güvenilirliğini ciddi şekilde tehlikeye atıyor. Stanford ve diğer kurumlardan araştırmacılar, BIRCH adlı yeni bir yaklaşım geliştirerek bu soruna çözüm öneriyorum. Sistem, önce adaylık cevapları görüntü içeriğiyle tutarlı hale getiriyor, sonra karşılaştırma yapıyor. Bu yöntem önyargıyı %17'ye kadar azaltırken performansı %9 artırıyor.
Otonom araçlara 'hafıza' kazandıran yeni sistem geliştirildi
Otonom araçların en büyük sorunlarından biri, her anı bağımsız değerlendirerek tutarsız kararlar vermesiydi. Araştırmacılar bu sorunu çözmek için CogDriver adlı yeni bir sistem geliştirdi. Bu sistem, otonom araçlara 'bilişsel atalet' özelliği kazandırarak geçmiş deneyimleri hatırlayabilmelerini sağlıyor. Yapay zeka modelleri genellikle sadece o anki görüntüyü analiz ederek karar veriyor, bu da kararsız sürüş davranışlarına yol açıyordu. CogDriver ise araçların çevreyi sürekli anlayabilmesi için özel bir hafıza sistemi kullanıyor. Sistem, büyük ölçekli bir veri seti ve yenilikçi mimari ile otonom araçların daha kararlı ve öngörülebilir davranmasını hedefliyor.
BizCompass: İş Dünyası İçin Yapay Zeka Performans Ölçüm Aracı Geliştirildi
Araştırmacılar, büyük dil modellerinin (LLM) iş dünyasındaki performansını değerlendirmek için BizCompass adlı yeni bir benchmark geliştirdi. Bu araç, yapay zekanın finans, ekonomi, istatistik ve operasyon yönetimi gibi temel iş alanlarındaki yetkinliklerini ölçüyor. BizCompass, teorik bilgiyi pratik uygulamalarla birleştirerek, analist, trader ve danışman rollerinde AI'ın ne kadar güvenilir olduğunu test ediyor. İş analizi karmaşık muhakeme gerektirdiğinden, mevcut testlerin yetersiz kaldığı bu alanda kapsamlı bir değerlendirme aracının eksikliği hissediliyordu. Bu benchmark, AI'ın iş dünyasında hangi görevlerde daha başarılı olduğunu ortaya çıkararak, şirketlerin yapay zeka yatırımlarında daha bilinçli kararlar almasına yardımcı olacak.
Yapay Zeka Görsel Muhakemede Yeni Çığır: Ormandan Önce Ağaçları Görme Yaklaşımı
Araştırmacılar, büyük görsel-dil modellerinin muhakeme yeteneklerini artıran yeni bir yöntem geliştirdi. Laser adlı bu yaklaşım, geleneksel Chain-of-Thought yönteminin bilgi darboğazı sorununu çözmeyi hedefliyor. Yöntem, modellerin önce genel görsel özellikleri kavramasını, sonra detaylara odaklanmasını sağlayan 'Ormandan Önce Ağaçlar' ilkesini benimsiyor. Dinamik Pencereli Hizalama Öğrenmesi kullanan sistem, görsel detayları kaybetmeden daha etkili muhakeme yapabilir. Bu gelişme, yapay zekanın görsel anlama ve mantıksal çıkarım yapma kapasitesinde önemli bir ilerleme anlamına geliyor.
Yapay Zeka Sistemlerinde Hızlı Düşünce Yavaş Düşünceden Daha Etkili Olabilir
Merkeziyetsiz Özerk Organizasyonlar (DAO'lar) için geliştirilen küçük dil modellerinde yapılan yeni bir araştırma, beklenmedik bir sonuç ortaya koydu. Araştırmacılar, yapay zeka sistemlerinde 'System 1' (hızlı, sezgisel) ve 'System 2' (yavaş, mantıklı) düşünce süreçlerinin etkisini inceledi. Sentinel-Bench adlı test platformunda 840 farklı çıkarım gerçekleştirerek, Qwen-3.5-9B modelinin performansını değerlendirdiler. Sonuçlar, karmaşık mantık yürütme süreçlerinin her zaman daha iyi sonuç vermediğini gösterdi. Hızlı düşünce modeli %100 doğrulukla 13 saniyeden kısa sürede sonuç verirken, daha karmaşık System 2 yaklaşımı beklenmedik şekilde kararsızlık yarattı. Bu bulgular, yapay zeka sistemlerinin optimizasyonunda hızın doğruluktan daha önemli olabileceğini düşündürüyor.
Güneş Enerjisi Tahmininde Yeni Dönem: Fizik Kurallarını Bilen Yapay Zeka
Şebeke bağlantısı olmayan güneş enerjisi sistemlerinin güvenilir çalışması için araştırmacılar, fizik kurallarını içeren yeni bir yapay zeka modeli geliştirdi. Physics-Informed State Space Model (PISSM) adlı bu sistem, güneş ışınımını tahmin ederken hem yüksek doğruluk hem de düşük hesaplama maliyeti sunuyor. Geleneksel derin öğrenme modellerinin aksine, güneşin günlük döngüsü ve atmosferik koşulları gibi fiziksel gerçekleri dikkate alarak imkansız tahminler üretmeyi engelliyor. Model, küçük işlemcilerde bile çalışabilecek kadar hafif tasarlanmış ve meteorolojik sensör verilerindeki gürültüyü filtreleyebiliyor. Bu gelişme, özellikle uzak bölgelerdeki güneş enerjisi sistemlerinin daha verimli yönetilmesi açısından önemli bir adım.
Yapay Zeka Modelleri İnsan Beyni Gibi Karmaşık Cümleleri Anlayabilir mi?
Araştırmacılar, yapay zeka dil modellerinin insan beyninin cümle işleme zorluklarını açıklayıp açıklayamayacağını inceledi. 'Surprisal teorisi' adı verilen yaklaşıma göre, bir kelimenin bağlamında ne kadar beklenmedik olduğu, o cümlenin işlenmesinin zorluğunu belirler. Basit cümleler için bu teori işe yarasa da, 'garden-path' denilen karmaşık cümlelerde - yani okurken yanlış anlamda başlayıp sonra düzeltmemiz gereken cümlelerde - yapay zeka modelleri insan zorluğunu tam olarak yansıtamıyor. Bu durum, sinirsel dil modellerinin insan benzeri cümle işleme yeteneklerinin sınırlarını ortaya koyuyor ve yapay zekanın dil anlama kapasitesinin geliştirilmesi açısından önemli ipuçları sunuyor.
Yapay Zeka Araç Kullanımında Hata Kurtarma Sorunu Çözüldü
Büyük dil modelleri araçları etkili kullanabilse de, çok aşamalı işlemlerde hatalarla karşılaştıklarında toparlanmakta zorlanıyor. Küçük modeller özellikle bir araç çağrısı başarısız olduğunda aynı geçersiz işlemi tekrar tekrar deneyerek döngüye giriyor. Stanford araştırmacıları, bu sorunu çözmek için Fission-GRPO adlı yenilikçi bir framework geliştirdi. Bu sistem, hatalı işlemleri öğrenme fırsatına dönüştürerek modellerin hatalardan nasıl kurtulacağını öğrenmesini sağlıyor. Geleneksel pekiştirmeli öğrenme yöntemlerinin aksine, zengin hata deneyimlerini değerlendirilebilir öğrenme materyaline çeviriyor.
Yapay Zeka ile Finansal Sistemlerin Matematiksel Analizi
Bilim insanları, finansal sistemlerin belirsizliklerle dolu dünyasını matematiksel olarak modellemek için yeni bir yaklaşım geliştirdiler. Ağırlıklı sonlu finans otomatları (WFFA) adı verilen bu framework, hisse senedi fiyatları, faiz oranları ve döviz kurları gibi değişken ekonomik faktörlerin etkilerini sistematik olarak analiz etmeyi mümkün kılıyor. Araştırmacılar ayrıca, bu karmaşık finansal senaryoları tanımlamak için özel bir programlama dili geliştirdi: ağırlıklı finans düzenli ifadeleri. Bu yenilikçi yaklaşım, finansal araçların performansını ve ticaret stratejilerinin etkinliğini değerlendirmede daha objektif ve sistematik bir yöntem sunuyor.
Yapay zekâ için yeni bellek sistemi: AnchorMem, Proust Fenomeni'nden ilham aldı
Büyük dil modelleri karmaşık görevlerde başarılı olsa da uzun vadeli etkileşimlerde geçmiş deneyimleri kullanabilmek için etkili bir bellek sistemine ihtiyaç duyuyorlar. Mevcut bellek yöntemleri etkileşimleri sürekli yeniden yazarak özetlemeye odaklanıyor, bu da önemli bağlamsal detayları kaybetme riskini taşıyor. Yeni geliştirilen AnchorMem sistemi, bilişsel bilimdeki Proust Fenomeni'nden ilham alarak bu sorunu çözmeyi hedefliyor. Bu fenomende belirli bir tetikleyici, bütünsel bir hatırlamayı başlatır. AnchorMem, etkileşim geçmişinden atomik gerçekleri çıkararak bunları geri çağırma çapası olarak kullanırken, orijinal bağlamı değişmez halde koruyor. Sistem ayrıca örtülü anlatı ipuçlarını ortaya çıkarmak için ilişkisel olay grafikleri oluşturuyor.
AI tavsiye sistemleri 'görsel virüslerle' manipüle edilebiliyor
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.
Yapay Zeka Görme Modelleri İçin Çok Dilli Eğitim Kaynakları Geliştirildi
Görsel-dil modelleri son yıllarda hızla gelişse de çoğunlukla İngilizce odaklı. Araştırmacılar bu sorunu çözmek için beş Avrupa dilinde (İngilizce, Fransızca, Almanca, İtalyanca ve İspanyolca) kapsamlı eğitim ve değerlendirme kaynakları geliştirdi. Multi-PixMo adlı eğitim veri setini yeniden üretim-çeviri paradigmasıyla oluşturdular. Bu çalışma, yapay zeka görme modellerinin dil çeşitliliğini artırarak küresel erişimi genişletmeyi hedefliyor. Geliştirilen kaynaklar, görsel içerikleri anlayan yapay zeka sistemlerinin sadece İngilizce değil, farklı dillerde de etkili çalışmasını sağlayacak. Çalışma özellikle görsel-dil modellerinin çok dilli yeteneklerini geliştirme konusunda önemli bir adım olarak değerlendiriliyor.
Yapay Zeka Artık Geçmiş Deneyimlerinden Öğreniyor: Yeni Meta-Bilişsel Yaklaşım
Araştırmacılar, büyük dil modellerinin (LLM) akıl yürütme yeteneklerini geliştirmek için yeni bir yaklaşım geliştirdi. 'Meta-bilişsel Konsolidasyon' adı verilen bu yöntem, yapay zekanın geçmiş problem çözme deneyimlerini analiz ederek gelecekteki benzer durumlarda daha etkili çözümler üretmesini sağlıyor. Geleneksel yaklaşımların aksine, bu sistem her problemi sıfırdan ele almak yerine, önceki deneyimlerden çıkardığı dersleri yeniden kullanabiliyor. Yöntem, akıl yürütme, izleme ve kontrol rollerini ayırarak sistemin kendi düşünce süreçlerini daha iyi anlamasını ve geliştirmesini mümkün kılıyor.
Yapay Zekâya İnsan Hafızası Gibi Öğrenme Yetisi: HeLa-Mem Sistemi
Araştırmacılar, büyük dil modellerinin uzun süreli hafıza sorununu çözmek için insan beyninden ilham alan yeni bir sistem geliştirdi. HeLa-Mem adlı bu mimari, geleneksel hafıza sistemlerinin aksine, insan hafızasının çalışma prensiplerini taklit ediyor. Sistem, bilgileri basit vektörler olarak saklamak yerine, deneyimler arasında dinamik bağlantılar kuran graf yapısı kullanıyor. Hebbian öğrenme prensibiyle çalışan sistem, tekrarlanan etkileşimlerle hafıza bağlantılarını güçlendiriyor. Bu yaklaşım, yapay zekâ ajanlarının daha tutarlı ve bağlamsal etkileşimler kurabilmesini sağlıyor. Bilişsel sinirbilimden esinlenen üç temel mekanizma - çağrışım, pekiştirme ve yayılan aktivasyon - sistemin temelini oluşturuyor. Geliştirme, yapay zekâ alanında hafıza ve öğrenme konularında önemli bir adım olarak değerlendiriliyor.
İnsan ve Yapay Zeka Arasında Yeni Bir Bilişsel Birleşim: 'Üretken Orta-Yönelimli Biliş'
Araştırmacılar, yapay zeka ve insan bilişinin entegrasyonunu açıklayan yeni bir kavram öneriyor: 'üretken orta-yönelimli biliş'. Bu yaklaşım, ChatGPT gibi büyük dil modellerinin insanların düşünme süreçleriyle nasıl birleştiğini ve bu etkileşimin klasik genişletilmiş biliş teorilerinin ötesinde nasıl bir hibrit süreç oluşturduğunu inceliyor. Çalışma, bu tür insan-yapay zeka etkileşiminin sosyal bilişe benzediğini, ancak ondan farklı olduğunu öne sürüyor. Bu araştırma, yapay zekanın sadece bir araç değil, düşünce süreçlerimizin aktif bir ortağı haline geldiği yeni bilişsel paradigmaları anlamamız açısından önemli.