“bilgi çıkarma” için sonuçlar
11 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
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 Modelleri Elektrik Faturalarından Veri Çıkarımında Başarılı
Araştırmacılar, genel amaçlı büyük dil modellerinin İspanyol elektrik faturalarından yapılandırılmış bilgi çıkarma becerisini değerlendirdiler. Gemini 1.5 Pro ve Mistral-small modellerini kullanan çalışmada, özel eğitim gerektirmeden faturalardan otomatik veri çıkarımı test edildi. Sonuçlar, doğru komut mühendisliğinin model parametrelerinden çok daha önemli olduğunu ortaya koydu. En gelişmiş few-shot stratejileri, temel zero-shot yaklaşımlarına kıyasla yüzde 19'luk performans artışı sağladı. Bu bulgular, işletmelerin fatura işleme süreçlerini otomatikleştirmede yapay zekanın potansiyelini gösteriyor.
Yapay Zeka Algoritmalarının Sınırlarını Önceden Tahmin Etmenin Yeni Yolu
Araştırmacılar, yüksek boyutlu veri analizi problemlerinde algoritmaların ne zaman başarısız olacağını önceden tahmin edebilen yeni bir matematiksel çerçeve geliştirdi. Bu çalışma, özellikle makine öğrenmesi ve istatistiksel çıkarım alanında kritik olan 'algılama-kurtarma açığı' denilen fenomeni anlamak için güçlü bir araç sunuyor. Düşük dereceli polinom çerçevesi kullanılarak geliştirilen bu yöntem, karmaşık veri setlerinden bilgi çıkarmanın ne zaman hesaplama açısından mümkün olmayacağını belirleyebiliyor. Araştırma, mevcut yaklaşımların modele özgü karmaşık argümanlara dayandığı sınırlamasını aşarak daha genel bir çözüm getiriyor. Bu gelişme, büyük veri analizi ve yapay zeka uygulamalarında algoritma seçimi ve performans beklentilerinin belirlenmesinde önemli katkı sağlayacak.
Yapay Zeka Belge Analizi İçin Yeni Hiyerarşik Model Geliştirildi
Araştırmacılar, farklı belgeler arasındaki bağlantıları tespit etmek için büyük dil modelleri tabanlı yeni bir sistem geliştirdi. HCRE adlı bu sistem, belgelerdeki varlıklar arasındaki ilişkileri hiyerarşik bir yaklaşımla sınıflandırıyor. Geleneksel küçük dil modellerinin sınırlı anlama kapasitesi nedeniyle büyük dil modellerine yönelimin arttığı bu alanda, araştırma ekibi beklenmedik bir keşif yaptı: büyük dil modelleri her zaman daha iyi performans göstermiyordu. Sorunun çok sayıda önceden tanımlanmış ilişki türünden kaynaklandığını tespit eden bilim insanları, bu zorluğu aşmak için tahmin-ardından-doğrulama stratejisi kullanan iki bileşenli bir model tasarladı. Bu gelişme, belge analizi ve bilgi çıkarma alanında önemli bir adım teşkil ediyor.
AI'da Uzun Metinlerden Doğru Bilgi Çıkarma Sorunu Çözüldü
Yapay zeka araştırmacıları, büyük dil modellerinin uzun metinlerden doğru bilgi çıkarmasını sağlayan yeni bir yöntem geliştirdi. EAPO adlı bu teknik, modellerin 'samanlıkta iğne arama' problemini çözmek için kanıt temelli öğrenme kullanıyor. Geleneksel pekiştirmeli öğrenme yöntemleri, uzun metinlerde yalnızca son sonuca odaklandığı için şanslı tahminleri cezalandıramıyor. Yeni yaklaşım ise her adımda kanıt kalitesini değerlendirerek modelin gerçekten doğru bilgiyi bulup bulmadığını kontrol ediyor. Bu gelişme, AI'ın karmaşık metin analizi ve uzun belgelerde araştırma yapma kabiliyetini önemli ölçüde artırabilir.
Yapay zeka metin analizi için çift seviyeli yeni model geliştirildi
Araştırmacılar, metin içeren grafiksel verileri analiz etmek için DuConTE adlı yeni bir yapay zeka modeli geliştirdi. Bu model, hem kelimeleri hem de düğümler arasındaki bağlantıları iki farklı seviyede işleyerek daha etkili sonuçlar elde ediyor. Geleneksel yaklaşımlar sadece kelime düzeyinde analiz yaparken, DuConTE aynı zamanda farklı düğümler arasındaki yapısal ilişkileri de göz önünde bulunduruyor. Model, belge sınıflandırma ve bilgi çıkarma gibi uygulamalarda önemli avantajlar sunuyor. İki önceden eğitilmiş dil modelinin art arda kullanıldığı bu yaklaşım, dikkat mekanizmasını dinamik olarak ayarlayarak daha doğru sonuçlar elde ediyor.
İbranice İçin Geliştirilen Yeni Veri Seti Dil İşleme Sorununu Çözüyor
Araştırmacılar, İbranice gibi morfolojik açıdan karmaşık dillerdeki doğal dil işleme sorunlarını çözmek için KibutzR adlı kapsamlı bir veri seti geliştirdi. Mevcut dil işleme sistemleri İngilizce için tasarlandığından, İbranice gibi tek bir kelimenin birden fazla anlamsal birim içerebildiği dillerde başarısız oluyor. Bu yeni veri seti, kelime içi, kelime altı ve çoklu kelime seviyelerinde anlamsal bağlantıları tanımlayarak, bu zorluğu aşmak için özel bir değerlendirme protokolü sunuyor. Çalışma, özellikle büyük dil modellerinin ham metin işleme süreçlerinde karşılaştığı zorlukları ele alıyor ve bilgi çıkarma, özetleme gibi uzun metinlerle çalışan uygulamaların geliştirilmesi açısından kritik öneme sahip.
Yapay zeka yüksek boyutlu filtreleme sorununu çözüyor
Araştırmacılar, yüksek boyutlu verilerdeki filtreleme problemlerini çözmek için derin yoğunluk yaklaşımlarına dayanan iki yeni yapay zeka yöntemi geliştirdi. Bu yöntemler, geleneksel parçacık filtrelerinin yetersiz kaldığı 100 boyutlu sistemlerde bile etkili sonuçlar veriyor. Stokastik diferansiyel denklemler ve Bayesci güncellemeler kullanarak, karmaşık dinamik sistemlerin durumlarını tahmin edebilen bu teknoloji, hava durumu tahmini, finans modelleme ve robotik gibi alanlarda devrim yaratabilir. Çalışma, sinir ağlarını matematik temelli Feynman-Kac formülleriyle birleştirerek, büyük veri setlerindeki gürültülü gözlemlerden anlamlı bilgi çıkarma yeteneğini önemli ölçüde artırıyor.
GIST: Karmaşık Mekanlarda Yapay Zeka Navigasyonu için Yeni Yaklaşım
Araştırmacılar, yapay zeka sistemlerinin market, hastane ve depo gibi karmaşık ortamlarda daha iyi navigasyon yapabilmesi için GIST adlı yenilikçi bir sistem geliştirdi. Bu teknoloji, mobil cihazlardan elde edilen 3D nokta bulutlarını semantik bilgilerle zenginleştirilmiş navigasyon haritalarına dönüştürüyor. Sistem, yoğun görsel özelliklerin hızla eskidiği ve geleneksel bilgisayarlı görünün zorlandığı ortamlarda, mekânsal konumlandırma sorununa çözüm getiriyor. GIST, sahneyi 2D doluluk haritasına indirgeyen, topolojik düzenini çıkaran ve akıllı anahtar kare seçimiyle hafif bir semantik katman ekleyen çok modlu bir bilgi çıkarma hattı sunuyor. Bu gelişme, yardımcı robotlar ve navigasyon sistemleri için önemli bir adım teşkil ediyor.
Büyük Veri Tabanlarını Parçalara Ayırma Yönteminde Yeni Yaklaşım
Araştırmacılar, büyük veri tabanlarını daha küçük ve bağımsız parçalara ayırarak analiz etmeyi kolaylaştıran yeni bir matematiksel yöntem geliştirdi. Bu yaklaşım, özellikle eksik ve kusurlu verilerle çalışırken bilgi çıkarma sürecini optimize ediyor. Bulanık biçimsel kavram analizi çerçevesinde geliştirilen yöntem, modal operatörler kullanarak bağımsız alt-bağlamları tespit edebiliyor. Bu gelişme, makine öğrenmesi ve yapay zeka uygulamalarında veri işleme verimliliğini artırarak, gerçek dünya problemlerinin çözümünde önemli katkılar sağlayabilir. Özellikle büyük ölçekli veri analizinde karşılaşılan hesaplama karmaşıklığını azaltması açısından dikkat çekici.
VISOR: Görsel Doküman Analizi için Yeni Yapay Zeka Sistemi
Araştırmacılar, görsel açıdan zengin belgelerden bilgi çıkarma ve karmaşık sorulara yanıt verme konusunda mevcut sistemlerden daha başarılı olan VISOR adlı yeni bir yapay zeka sistemi geliştirdi.