“iyonlar” için sonuçlar
98 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Kümeleme Algoritmalarında Belirsizlik Hesaplamasında Çığır Açan Yöntem
Araştırmacılar, veri kümeleme işlemlerinde belirsizlik hesaplaması için yeni bir matematiksel çerçeve geliştirdi. Bu yöntem, geleneksel model tabanlı yaklaşımların aksine, kümeleri veri yoğunluğunun doğrudan fonksiyonları olarak ele alıyor ve belirli parametrik formlar varsaymıyor. Martingale posterior dağılımları ve yoğunluk tabanlı kümeleme tekniklerini birleştiren sistem, normalizing flows gibi gelişmiş yoğunluk tahminleyicilerini kullanabiliyor. Bu da büyük ölçekli veri setlerinde verimli çalışmasını ve modern GPU donanımında paralel işlem yapabilmesini sağlıyor. Yöntem, kümeleme yapısının belirsizlik düzeyini daha doğru hesaplayarak, yapay zeka uygulamalarında daha güvenilir sonuçlar elde etmeyi mümkün kılıyor.
Yapay Zeka Uzman Sistemlerinde Yeni Yaklaşım: Ayrıştırılmış Öğrenme Modeli
Araştırmacılar, birden fazla uzmanın bir arada çalıştığı yapay zeka sistemlerinde ortaya çıkan önemli sorunlara çözüm getiren yeni bir matematiksel model geliştirdi. Mevcut sistemlerde uzman sayısı arttıkça performansın düşmesi, bazı uzmanların baskılanması ve yetersiz öğrenme gibi problemler yaşanıyor. Yeni geliştirilen 'ayrıştırılmış vekil' model, sınıf tahmini ve uzman değerlendirmesini birbirinden ayırarak bu sorunları çözmeyi hedefliyor. Model, softmax fonksiyonu ile sınıf olasılıklarını, sigmoid fonksiyonları ile her uzmanın faydasını bağımsız olarak hesaplıyor. Bu yaklaşım, mevcut sistemlerin gradient dağılımındaki sorunlarını ortadan kaldırırken, uzman sayısından bağımsız tutarlılık garantisi sunuyor.
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.
Robotlar Artık Daha Güvenli ve Enerji Tasarruflu Hareket Edebilecek
Araştırmacılar, çok robotlu sistemler için yeni bir yoğunluk kontrol çerçevesi geliştirdi. Bu sistem, robotların güvenli bölgelerde kalmasını ve enerji tüketimlerini optimize etmesini sağlıyor. Fokker-Planck kısmi diferansiyel denklemleri kullanarak stokastik robot hareketini modelleyen yaklaşım, engellerin kaçınılması ve şarj döngüleri boyunca enerji yeterliliğini garanti ediyor. Kontrol Lyapunov ve kontrol bariyer fonksiyonlarının entegrasyonu sayesinde robotlar hedef yoğunluk takibini gerçekleştirebiliyor. Geliştirilen kuadratik program algoritması, gerçek zamanlı komut ayarlamaları yaparak hızlı döngü içi uygulama imkanı sunuyor. Çok robotlu deneyler ve kapsamlı simülasyonlarla test edilen sistem, konum belirleme ve hareket belirsizlikleri altında bile etkili performans gösteriyor.
Yapay Zeka Modelleri Neden Giderek Daha Az Çeşitli Cevaplar Veriyor?
Eğitim sonrası işlemlerden geçen dil modelleri, temel versiyonlarına kıyasla çok daha tekdüze çıktılar üretmeye başlıyor. Araştırmacılar bu 'çeşitlilik çöküşünün' nedenlerini araştırdı ve sorunun kaynağının eğitim verilerinin kompozisyonunda yattığını keşfetti. Olmo 3 modeli üzerinde yapılan kapsamlı çalışma, farklı eğitim yöntemlerinin çıktı çeşitliliğini nasıl etkilediğini ortaya koydu. Bu durum, yaratıcı görevlerde model performansını olumsuz etkiliyor ve çıkarım zamanında ölçeklendirme yöntemlerini baltalıyor. Bulgular, AI sistemlerinin daha çeşitli ve yaratıcı yanıtlar verebilmesi için eğitim süreçlerinin yeniden tasarlanması gerektiğini gösteriyor.
Büyük Dil Modellerinin Pekiştirmeli Öğrenmedeki Ölçekleme Davranışları Çözüldü
Yapay zeka araştırmacıları, büyük dil modellerinin pekiştirmeli öğrenme ile eğitildiklerinde nasıl davrandığını kapsamlı olarak inceledi. Qwen2.5 model serisinin 0.5 milyardan 72 milyar parametreye kadar olan versiyonlarında yapılan deneyler, özellikle matematiksel akıl yürütme konusunda önemli bulgular ortaya koydu. Araştırma, daha büyük modellerin hem hesaplama hem de veri açısından tutarlı olarak daha yüksek öğrenme verimliliği sergilediğini gösteriyor. Bulgular, test kaybı, hesaplama gücü ve veri arasındaki ilişkinin öngörülebilir bir güç yasası ile modellenebileceğini ortaya koyuyor. Bu çalışma, yapay zeka modellerinin geliştirilmesinde kaynak tahsisi ve optimizasyon stratejileri için kritik içgörüler sunuyor.
Yapay Zeka Modelleri Artık Yeniden Eğitilmeden Farklı Hedeflere Odaklanabiliyor
Araştırmacılar, yapay zeka modellerinin yeniden eğitim gerektirmeden farklı hedef fonksiyonlara adapte olabileceği yeni bir yöntem geliştirdi. Ödül Ağırlıklı Sınıflandırıcısız Rehberlik (RCFG) adı verilen bu teknik, modellerin test aşamasında bile farklı özellikleri optimize etmesine olanak tanıyor. Özellikle molekül üretimi alanında test edilen yöntem, hem yardımcılık-zararsızlık dengesinden bio-erişilebilirlik-lipofiliklik dengesine kadar farklı özellik kombinasyonlarını optimize edebiliyor. Bu yaklaşım, AI modellerinin daha esnek ve adaptif hale gelmesinde önemli bir adım teşkil ediyor.
Yapay Zeka ile Salgının Sıfır Hastasını Bulma: Geometrik Yaklaşım
Bilim insanları, salgın hastalıklarda ilk enfekte olan kişiyi (sıfır hasta) tespit etmek için yenilikçi bir geometrik yöntem geliştirdi. Johnson-Lindenstrauss projeksiyonlarını kullanan bu yaklaşım, karmaşık sosyal ağları düşük boyutlu uzaylara sıkıştırarak enfeksiyon kaynağını belirliyor. Bağımsız kaskad modelinde çalışan sistem, enfekte kişilerin ağırlık merkezine en yakın düğümü kaynak olarak tahmin ediyor. Erdős-Rényi grafları üzerinde yapılan simülasyonlar, bu yöntemin sıkıştırılmış verilerle bile anlamlı doğruluk oranları yakaladığını gösteriyor. Bu gelişme, gelecekteki salgınlarda hızlı müdahale ve kontrol stratejileri için önemli bir araç sunuyor.
Overmind: Yapay Zeka için Yeni Nesil Hibrit İşlemci Mimarisi Geliştirildi
Araştırmacılar, nöro-sembolik yapay zeka sistemleri için özel olarak tasarlanmış yenilikçi bir işlemci mimarisi geliştirdi. Overmind adlı bu sistem, büyük dil modelleri ve otonom sistemlerde karşılaşılan temel hesaplama sorunlarını çözmek üzere tasarlandı. Mevcut donanım platformlarının yüksek bellek kullanımı, sık pipeline durmaları ve sınırlı I/O bant genişliği gibi sorunlarıyla başa çıkmak için üç ana yenilik sunuyor: Padé yaklaşımları ile evrensel doğrusal olmayan fonksiyonların optimize edilmesi, maliyetli önbellek sistemlerini ortadan kaldıran öngörülü bellek bypass teknolojisi ve model dağıtımını optimize eden kapsamlı yazılım yığını. Bu çapraz katman optimizasyonları, nöro-sembolik AI sistemlerinin daha verimli ve pratik şekilde dağıtılmasını mümkün kılıyor.
Bonsai: Veri Sorgularını Ağaç Yapısında Hızlandıran Yeni Derleyici
Araştırmacılar, büyük veri koleksiyonları üzerinde yapılan sorguları dramatik şekilde hızlandıran yeni bir derleyici sistemi geliştirdi. Bonsai adlı bu sistem, ağaç veri yapılarındaki gereksiz dalları otomatik olarak budayarak sorgu performansını artırıyor. Geleneksel sistemlerde her sorgu türü için ayrı ayrı yazılması gereken budama algoritmalarını, Bonsai tek bir genel yaklaşımla çözüyor. Sistem, sembolik interval analizi kullanarak hangi ağaç dallarının güvenle atlanabileceğini belirliyor ve geometrik işlemler için özel kurallar içeriyor. Bu teknoloji, özellikle büyük veri analitiği ve veritabanı yönetimi alanlarında önemli performans iyileştirmeleri sağlayabilir.
Yazılım Tanımlı Araçlarda Deterministik Görev Planlama Sistemi Geliştirildi
Araştırmacılar, modern araçların artan otomasyon ve bağlantı gereksinimlerine cevap vermek için yeni bir görev planlama yaklaşımı geliştirdi. Yazılım tanımlı araçlar (SDV) ve merkezi hesaplama düğümleri kullanan zonal E/E mimarilerde kritik araç içi fonksiyonların güvenilirlik ve deterministik gereksinimlerini karşılamak üzere tasarlanan bu sistem, geleneksel en kısa yol veya minimum yürütme süresine dayalı yaklaşımlara kıyasla deterministik hizmet seviyelerini daha iyi garanti edebiliyor. Çalışma, artan araç içi hesaplama yüklerinin verimli yönetimi için kritik öneme sahip bu teknolojinin, gelecek nesil akıllı araçların temelini oluşturabileceğini gösteriyor.
Yapay Zeka Bulanık Fotoğrafları Doymuş Pikseller İçin Özel Geliştirdi
Araştırmacılar, özellikle düşük ışık ve yüksek dinamik aralık koşullarında çekilen bulanık fotoğraflardaki doymuş piksellerin neden olduğu sorunları çözen yeni bir yapay zeka sistemi geliştirdi. Geleneksel görüntü netleştirme yöntemleri doymuş piksellerde genellikle istenmeyen halkalar ve yapay görüntü bozulmaları oluşturuyor. Yeni yaklaşım, görüntüyü bulanıklık yoğunluğu ve doyma durumuna göre akıllıca bölerek, ışık dağılım fonksiyonlarını kullanarak gerçek parlaklık değerlerini tahmin ediyor. Hem sentetik hem de gerçek dünya verilerinde test edilen sistem, mevcut en gelişmiş yöntemlere kıyasla üstün performans sergiliyor.
VeRVE: Video arama için çok modlu yapay zeka sistemi geliştirildi
Araştırmacılar, video arama teknolojisinde yeni bir dönem başlatabilecek VeRVE sistemini geliştirdi. Bu sistem, metin, görüntü ve ses gibi farklı veri türlerini aynı anda işleyerek video arama yapabiliyor. Geleneksel video arama sistemleri genellikle tek bir veri türüne odaklanırken, VeRVE hem büyük video koleksiyonlarında arama yapabiliyor hem de videolar içindeki belirli anları bulabiliyor. Sistem, büyük dil modellerinin (LLM) güçlü yanlarını korurken, performans açısından özelleşmiş sistemlerle yarışabilecek düzeye ulaşmayı hedefliyor. Bu gelişme, video içerik analizi ve arama teknolojilerinde önemli bir adım olarak değerlendiriliyor.
Yapay Zeka Ajanlarının Yetenekleri Monte Carlo Ağaç Arama ile Optimize Ediliyor
Büyük dil modeli tabanlı yapay zeka ajanlarının performansını artırmak için yeni bir optimizasyon yaklaşımı geliştirildi. Araştırmacılar, ajanların belirli görevleri yerine getirmek için kullandıkları 'yetenekleri' - talimatlar, araçlar ve destekleyici kaynakların yapılandırılmış koleksiyonları - sistematik olarak geliştirmenin yolunu buldu. Yetenek tasarımının ajan performansını önemli ölçüde etkilediği biliniyordu, ancak bu yetenekleri optimize etmek karmaşık bir sorunu. Çünkü bir yetenek hem yapısal bileşenleri hem de bu bileşenlerin içeriğini birlikte optimize etmeyi gerektiriyor. Araştırmacılar bu sorunu iki seviyeli optimizasyon problemi olarak tanımlayıp Monte Carlo Ağaç Arama algoritmasını kullanan bir çerçeve önerdiler. Bu yaklaşım, yapay zeka ajanlarının daha etkili ve verimli çalışmasını sağlayarak, gelecekte daha gelişmiş AI sistemlerinin temelini oluşturabilir.
Siber güvenlik testlerinde yapay zeka ajanlarının sağlamlığı ölçüldü
Araştırmacılar, büyük dil modellerinin siber güvenlik görevlerindeki performansını daha etkili şekilde değerlendirmek için yeni bir yöntem geliştirdi. Geleneksel testlerin aksine, bu yaklaşım aynı güvenlik açığını farklı kod versiyonlarında test ederek yapay zeka ajanlarının ne kadar sağlam olduğunu ölçüyor. Evolve-CTF adlı araç, Python tabanlı siber güvenlik zorluklarından semantik olarak eşdeğer alternatifler üretiyor. 13 farklı yapay zeka modelinin test edildiği çalışmada, modellerin değişken adı değişikliklerine ve kod eklemelerine oldukça dayanıklı olduğu, ancak daha karmaşık dönüşümler ve kod gizleme teknikleri karşısında performanslarının düştüğü görüldü.
Yapay Zeka Optimizasyonunda Hızlı Öğrenme: Kometo Algoritması
Araştırmacılar, sınırlı bütçe ile karmaşık optimizasyon problemlerini çözmek için yeni bir algoritma geliştirdiler. 'Kometo' adı verilen bu yöntem, farklı maliyetli yaklaşımları akıllıca dengeleyerek önceki garantilerden daha iyi sonuçlar veriyor. Çok-sadakat optimizasyonu olarak bilinen bu yaklaşım, hedef fonksiyonun farklı maliyetli ve önyargılı yaklaşımlarını kullanır. Araştırma, yerel olarak düzgün fonksiyonları optimize etme problemini inceliyor ve maliyet-önyargı dengesini optimize eden çözümler sunuyor. Yeni algoritma, fonksiyon düzgünlüğü ve sadakat varsayımları hakkında önceden bilgi sahibi olmadan çalışabiliyor ve logaritmik faktörlerle birlikte optimal öğrenme oranlarına ulaşıyor. Deneysel sonuçlar, Kometo'nun probleme bağlı parametreler hakkında bilgi sahibi olmadan diğer çok-sadakat optimizasyon yöntemlerinden üstün performans sergilediğini gösteriyor.
Yoğun Sinir Ağları Evrensel Değilmiş: MIT'den Çarpıcı Keşif
MIT araştırmacıları, yapay zeka dünyasında köklü bir varsayımı sarsan bir keşif yaptı. Onlarca yıldır geçerli kabul edilen 'yoğun sinir ağlarının her türlü fonksiyonu öğrenebileceği' teorisinin aslında yanlış olduğunu matematiksel olarak ispat ettiler. Araştırma, ReLU aktivasyon fonksiyonu kullanan ve ağırlık değerleri sınırlı olan yoğun bağlantılı sinir ağlarının, bazı Lipschitz sürekli fonksiyonları asla öğrenemeyeceğini gösteriyor. Bu bulgu, yapay zeka modellerinin tasarımında seyreltilmiş bağlantıların neden kritik önemde olduğunu açıklıyor ve gelecekteki sinir ağı mimarilerinin nasıl geliştirilmesi gerektiği konusunda yeni perspektifler sunuyor. Çalışma, graf sinir ağları ve mesaj geçişi yaklaşımlarını kullanarak bu sınırlamaları ortaya koyuyor.
Nexus: Sunucusuz Bilişimde Verimliliği Artıran Yeni Hiper Yönetici
MIT ve Stanford araştırmacıları, sunucusuz bilişimin (serverless computing) en büyük sorunlarından birini çözen Nexus adlı yeni bir sistem geliştirdi. Mevcut sunucusuz mimarilerde her sanal makine, ağır iletişim altyapısını (SDK, RPC, TCP/IP) tekrarlamak zorunda kalıyor ve bu durum fonksiyonların bellek ayak izinin %25'inden fazlasını tüketiyor. Nexus, hesaplama işlemlerini giriş/çıkış (I/O) işlemlerinden şeffaf bir şekilde ayırarak bu sorunu çözüyor. KVM tabanlı bu yeni hiper yönetici, mevcut kod tabanlarıyla tam uyumluluk sağlarken performansı önemli ölçüde artırıyor. Bu gelişme, bulut bilişim sağlayıcılarının daha yoğun sunucusuz ortamlar kurmasına ve maliyetleri düşürmesine olanak tanıyacak.
Yazılım Boyutunu Küçültmek İçin Yeni Algoritma Geliştirme Çalışması
Araştırmacılar, yazılımların boyutunu küçültmek için fonksiyon birleştirme tekniğini geliştiren yeni bir algoritma üzerinde çalışıyor. Mevcut yöntemler fonksiyonları doğrusal diziler halinde işlerken, yeni yaklaşım dal yapılarını yeniden düzenleyerek daha esnek eşleştirme imkanı sunuyor. Bu sayede benzer fonksiyonlar daha verimli şekilde birleştirilebiliyor ve kod tekrarı azaltılabiliyor. Ancak bu gelişmiş yöntem hesaplama karmaşıklığını artırıyor ve NP-zor bir problem haline getiriyor. Bilim insanları bu zorluğun üstesinden gelmek için parametreli algoritma yaklaşımını benimsiyor ve dallanma faktörü ile iç içe geçme derinliği gibi parametreleri inceliyor.
Yapay zeka günlük dilden laboratuvar reçetelerine geçiş yapıyor
Rochester Üniversitesi araştırmacıları, ChatGPT benzeri büyük dil modellerini kullanarak sıradan dilden laboratuvar için hazır malzeme reçetelerine dönüştüren bir sistem geliştirdi. Bu teknoloji, kimya mühendislerinin karmaşık yeni malzemeleri keşfetmesini kolaylaştırıyor ve karbon dioksiti yakıta çevirme gibi önemli reaksiyonlar için kataliz alanında yeni olanaklar sunuyor. Sistem, araştırmacıların teknik engeller olmadan yapay zeka destekli malzeme keşfini gerçekleştirmesine ve deney süreçlerini hızlandırmasına olanak tanıyor. Bu gelişme, malzeme biliminde demokratikleşme sağlayarak daha geniş bir araştırmacı kitlesinin gelişmiş AI araçlarından faydalanmasını mümkün kılıyor.
Veri İşlemede Yeni Algoritma: Filtre Optimizasyonu İçin Yapay Zeka Tabanlı Sistem
Araştırmacılar, büyük veri işleme süreçlerinde önemli performans artışları sağlayan yeni bir algoritma geliştirdi. 'Predicate pushdown' adı verilen bu optimizasyon tekniği, verileri işleme sürecinin en başında filtreleyerek, özellikle Python ve Scala gibi dillerde yazılmış karmaşık fonksiyonların yükünü azaltıyor. Modern veri analitiğinde bu fonksiyonlar en maliyetli işlemler arasında yer alırken, yeni sistem filtreleri bu pahalı işlemlerden önce uygulayarak önemli hız kazanımları elde ediyor. Çalışma, iki farklı veri alt kümesini işleyen programlar arasında matematiksel bir ilişki kurarak, optimizasyonun doğruluğunu garanti altına alıyor.
Yapay Zeka ile Radyo Ağlarını Yönetmek: A1gent Sistemi Geliştirildi
Araştırmacılar, 5G ve 6G radyo ağlarını doğal dille kontrol edebilen yeni bir sistem geliştirdi. A1gent adlı bu framework, operatörlerin 'ağ hızını artır' gibi basit komutlarla karmaşık ağ ayarlarını yapmasına olanak tanıyor. Sistem, büyük dil modellerini kullanarak insan dilindeki talepleri teknik aksiyonlara dönüştürüyor. Önemli olan, sistemin tamamen şeffaf ve denetlenebilir olması - her kararın neden alındığı izlenebiliyor. Bu yaklaşım, telekomünikasyon sektöründe otomasyon seviyesini artırırken güvenlik ve kontrol unsurlarını koruyor. Open RAN teknolojisine dayanan sistem, farklı üreticilerin ekipmanları arasında uyumlu çalışabiliyor.
Metinleri Sayısal Sinyallere Dönüştüren Yeni Yapay Zeka Yöntemi Geliştirildi
Araştırmacılar, metin belgelerini anlamlı sayısal verilere çeviren yenilikçi bir sistem geliştirdi. Bu yöntem, her belgeyi matematiksel bir temsille kodlayarak, içeriğinin semantik özelliklerini ölçülebilir hale getiriyor. Sistemin test edildiği çalışmada, yapay zeka konulu 11.922 Portekizce haber makalesi altı farklı anlam boyutunda analiz edildi. Geliştirilen pipeline, Qwen gömme modelleri ve UMAP boyut indirgeme teknikleriyle birleştirilerek, metin corpuslarının hem bireysel hem de toplu karakterizasyonunu mümkün kılıyor. Bu yaklaşım, büyük metin koleksiyonlarının izlenmesi, incelenmesi ve analitik süreçlerde kullanılması için pratik bir çözüm sunuyor.
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.