“demografi” için sonuçlar
28 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
45 Yaş Üstü İş Arayanlara Karşı Yapay Zeka Önyargısı
Dünya nüfusu yaşlanırken, yapay zeka destekli işe alım sistemleri yaş ayrımcılığını körükleyebilir. Dünya Sağlık Örgütü verilerine göre, 60 yaş üstü nüfus 2015-2050 arasında dünya genelinde %12'den %22'ye çıkacak. İnsanlar daha uzun ve sağlıklı yaşıyor, ancak iş dünyası bu demografik değişime ayak uyduramıyor. 45 yaş üstü bireylerin iş arama sürecinde karşılaştığı zorluklar, modern teknolojinin insan kaynakları alanındaki kullanımıyla birlikte yeni boyutlar kazanıyor. Bu durum, deneyimli çalışanların potansiyelinden yararlanma konusunda ciddi fırsatların kaçırılmasına neden oluyor.
40 yıllık veri: ABD siyasetini işçi sınıfı değil, elit seçmenler yeniden şekillendiriyor
Son 40 yılın başkanlık seçimlerini analiz eden araştırmacılar, Amerikan siyasetindeki büyük değişimin arkasında yaygın kanaatin aksine işçi sınıfının değil, varlıklı ve yüksek eğitimli beyaz seçmenlerin olduğunu ortaya koydu. Çalışma, bu grubun istikrarlı bir şekilde Demokrat Parti'ye yöneldiğini gösteriyor. Bulgular, siyasi yeniden yapılanmanın nedenlerine dair genel kabul görmüş görüşleri sorguluyor ve elit seçmenlerin siyasi tercihlerindeki değişimin rolünü ön plana çıkarıyor. Araştırma, demografik değişimlerin siyasi davranış üzerindeki etkilerini anlamak için önemli veriler sunuyor.
Sosyal medya seçim karşıtı reklamları oy verme davranışını etkiliyor
Seçmenleri sandık başından uzak tutmak amacıyla hazırlanan hedefli sosyal medya reklamlarının gerçekten de oy verme davranışını etkilediği bilimsel olarak kanıtlandı. 2016 ABD seçimlerini inceleyen yeni bir gözlemsel araştırma, belirli demografik gruplara yönelik hazırlanan olumsuz dijital mesajların seçim katılımını düşürdüğünü ortaya koydu. Çalışma, kişiselleştirilmiş negatif reklamcılığın çevrimdışı siyasi davranışlar üzerindeki somut etkilerini ölçerek, dijital manipülasyon ile gerçek seçmen tercihleri arasındaki bağlantıyı gösterdi. Bulgular, sosyal medya platformlarının demokratik süreçler üzerindeki potansiel olumsuz etkilerini vurguluyor ve dijital seçim güvenliği konusundaki endişeleri artırıyor.
Muhafazakar tutumlar daha yüksek doğurganlıkla bağlantılı
72 ülkeden toplanan verilerle yapılan kapsamlı bir araştırma, muhafazakar sosyal tutumları benimseyen bireylerin daha fazla çocuk sahibi olma eğiliminde olduğunu ortaya koydu. Evolutionary Psychological Science dergisinde yayınlanan çalışma, bu ilişkinin özellikle kadınlarda daha belirgin şekilde görüldüğünü gösteriyor. Araştırma, sosyal değerlerin günümüz üreme davranışları üzerindeki etkisini anlamaya yönelik önemli bulgular sunuyor. Bu tür geniş çaplı çalışmalar, demografik değişimler ve toplumsal tutumlar arasındaki karmaşık ilişkileri anlamamıza katkı sağlıyor.
Yapay Zeka Modelleri İnsan Kişiliklerini Taklit Ederek Toplumsal Konularda Nasıl Tartışıyor?
Araştırmacılar, büyük dil modellerinin (LLM) farklı insan kişiliklerini ve demografik özelliklerini taklit ederek tartışmalı konularda nasıl görüş bildirdiğini inceledi. 190.000 kayıtlık 'Bilişsel Dijital Gölgeler' veri seti oluşturularak, 19 farklı yapay zeka modelinin aşı, dezenformasyon, cinsiyet eşitsizliği ve STEM alanındaki önyargılar gibi konulardaki yaklaşımları analiz edildi. Çalışma, yapay zekanın toplumsal söylemi nasıl şekillendirebildiğini ve farklı kişilik özelliklerine göre nasıl farklı tepkiler verebildiğini ortaya koyuyor. Bu bulgular, yapay zeka sistemlerinin toplum üzerindeki etkisini anlamak açısından kritik önem taşıyor.
Yapay Zeka Modelleri Başarısızlığı Nasıl Yorumluyor: Yetenek mi, Şans mı?
Bir öğrenci sınavda başarısız olduğunda, bunu çaba eksikliğine mi yoksa sınavın zorluğuna mı bağlarız? Stanford araştırmacıları, büyük dil modellerinin olayları nasıl yorumladığını ve bu yorumların demografik önyargılara nasıl yol açtığını inceledi. Çalışma, yapay zeka sistemlerinin başarı ve başarısızlığı açıklarken kullandığı mantık süreçlerinde sistematik önyargılar bulunduğunu ortaya koyuyor. Sosyal psikolojiden ödünç alınan 'atıfsal yanlılık' kavramı üzerinden yapılan bu değerlendirme, AI'ın adalet sorunlarına yeni bir perspektif getiriyor. Araştırma, mevcut önyargı tespit yöntemlerinin ötesine geçerek, modellerin düşünce süreçlerindeki derin yapısal sorunları gözler önüne seriyor.
Yapay Zeka Güvenliği Eşit Değil: Azınlık Grupları Daha Savunmasız
Yeni bir araştırma, büyük dil modellerinin güvenlik sistemlerinde ciddi bir açık olduğunu ortaya koyuyor. Araştırmacılar, bu sistemlerin tüm toplum kesimlerini eşit şekilde koruduğu varsayımının yanıltıcı olduğunu keşfetti. 'Seçici Güvenlik Tuzağı' olarak adlandırılan bu sorun, modellerin belirli grupları güçlü şekilde korurken, azınlık topluluklarını aynı saldırılara karşı savunmasız bırakmasını ifade ediyor. 14 gelişmiş dil modelini test eden bilim insanları, güvenlik korumasının demografik bir hiyerarşi oluşturduğunu ve aynı model içinde savunma oranlarının %42'ye kadar değişebildiğini saptadı. Bu bulgular, yapay zeka güvenliği değerlendirmelerinin mevcut yaklaşımlarının gözden geçirilmesi gerektiğini gösteriyor.
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.
Yapay Zeka Modellerinde Irksal ve Cinsiyet Önyargısını Ölçen Yeni Test Sistemi
Görsel-dil modelleri (VLM) hastanelerden işe alım süreçlerine kadar kritik alanlarda kullanılırken, demografik önyargı sorunları gündeme geliyor. Araştırmacılar, gerçek fotoğraflardan yalnızca yüz özelliklerini değiştirerek AI modellerindeki ırksal ve cinsiyet önyargılarını ölçen yenilikçi bir test sistemi geliştirdi. FOCUS adlı veri seti, 6 meslek ve 10 demografik grup üzerinde 480 karşılaştırmalı görsel içeriyor. Bu yaklaşım, AI sistemlerinin karar verme süreçlerindeki önyargıları daha net bir şekilde tespit etmeyi mümkün kılıyor. Çalışma, yapay zeka teknolojilerinin adil ve güvenilir olması için kritik bir adım teşkil ediyor.
Yapay Zeka Ses Modelleri Hangi Noktada Önyargılı Hale Geliyor?
Araştırmacılar, kendi kendini denetleyen yapay zeka ses modellerinin belirli konuşmacı gruplarına karşı önyargı geliştirdiği katmanları ilk kez detaylı olarak inceledi. Çalışma, bu modellerin en ilk işlem katmanlarından itibaren bazı demografik grupları kayırdığını ortaya koydu. İlginç bir şekilde, konuşmacı tanımlama ve otomatik konuşma tanıma görevlerinde tam ters önyargı kalıpları gözlemlendi. Konuşmacı tanımlamada en iyi performans gösteren katmanlarda önyargı minimumdayken, otomatik konuşma tanımada en iyi performans gösteren katmanlarda önyargı maksimum seviyeye çıkıyor. Bu bulgular, ses AI teknolojilerindeki adaletsizliğin temellerini anlamamızda önemli bir adım.
Yapay zeka modelleri hedefli mesajlarda demografik önyargı gösteriyor
Araştırmacılar, büyük dil modellerinin kişiselleştirilmiş mesajlar üretirken demografik önyargılar sergilediğini ortaya çıkardı. GPT-4o, Llama-3.3 ve Mistral-Large gibi önde gelen modellerin iklim konularında hedefli mesajlar oluşturma davranışları incelendiğinde, yaş ve cinsiyet temelli asimetriler tespit edildi. Erkeklere ve gençlere yönelik mesajların daha iddialı ve kararlı bir dil kullandığı, kadınlara ve yaşlılara yönelik mesajların ise farklı iknaci çerçeveler benimsediği gözlemlendi. Bu durum, yapay zekanın otomatik iletişimde adalet ve önyargı konularında yeni sorular ortaya çıkarıyor. Çalışma, demografik koşullu hedefli mesajlaşmada YZ davranışlarının ilk sistematik analizini sunarak, teknolojinin toplumsal önyargıları nasıl yansıtabileceğine dair önemli bulgular sağlıyor.
Yapay Zeka Güvenlik Eğitiminde Yeni Yaklaşım: DART ile Zararlı Sapmaları Önleme
Güvenlik odaklı eğitilen büyük dil modelleri, demografik farklılıkları kabul etmekten kaçınarak bazen yanlış yanıtlar veriyor. Araştırmacılar, modellerin hangi durumlarda grup farklılıklarını tanıması gerektiğini öğrenmesi için yeni bir sınıflandırma görevi geliştirdi. Ancak bu eğitim süreci beklenmedik bir sorun ortaya çıkardı: modellerin doğruluğu artarken, açıklamalarında zararlı içerikler de artıyor. Bu 'zararlı sapma' problemini çözmek için DART adlı yeni bir eğitim yöntemi geliştirildi. Bu yaklaşım, yapay zekanın hem doğru kararlar vermesini hem de güvenli açıklamalar üretmesini sağlamayı hedefliyor.
İşe Alımlarda Yapay Zeka Ayrımcılığını Gizli Verilerle Denetleme Yöntemi
AB Yapay Zeka Yasası gibi yeni düzenlemeler, işe alım süreçlerinde kullanılan yüksek riskli yapay zeka sistemlerinin adalet ve şeffaflık açısından piyasa sonrası denetimine zorunlu hale getiriyor. Ancak etkili adalet denetimi genellikle hassas kişisel verilere erişim gerektiriyor ve bu da veri koruma yasalarıyla çelişki yaratıyor. Araştırmacılar, çok taraflı hesaplama protokolleri kullanarak bu soruna yenilikçi bir çözüm geliştirdi. Bu teknoloji, hassas demografik bilgileri açığa çıkarmadan adalet metriklerinin güvenli hesaplanmasına olanak tanıyor. Çalışma, teknik, hukuki ve endüstriyel uzmanlığı birleştiren ortak tasarım yaklaşımı kullanarak gerçek dünya uygulamaları için pratik tasarım gereksinimlerini belirledi.
Cep telefonları için hızlı yaş tahmin sistemi geliştirildi: MobileAgeNet
Araştırmacılar, akıllı telefonlarda çalışabilen yeni bir yapay zeka sistemi geliştirdiler. MobileAgeNet adı verilen bu sistem, bir kişinin fotoğrafına bakarak yaşını ortalama 4,65 yıl hata payıyla tahmin edebiliyor. En önemli özelliği ise bu işlemi sadece 14,4 milisaniyede tamamlayabilmesi. Sistem, mobil cihazlar için özel olarak optimize edilmiş MobileNetV3-Large mimarisini temel alıyor ve iki aşamalı eğitim stratejisi kullanıyor. UTKFace veri seti üzerinde test edilen sistem, hem hız hem de doğruluk açısından rekabetçi sonuçlar elde etti. Bu gelişme, mobil uygulamalarda gerçek zamanlı yaş tahmini, güvenlik sistemleri ve demografik analiz gibi alanlarda kullanım potansiyeli taşıyor. Araştırma, yapay zekanın mobil cihazlarda verimli çalışması konusunda önemli bir adım teşkil ediyor.
Yapay Zeka Güvenliği: Sanal Kişiliklerle Zararlı İçerik Simülasyonu
Araştırmacılar, yapay zeka sistemlerinin güvenlik açıklarını test etmek için yeni bir yöntem geliştirdi. Statik test veri setlerinin yetersiz kalması nedeniyle, büyük dil modellerini kullanarak sanal kişilikler oluşturan bir framework tasarlandı. Bu sistem, demografik özellikler ve ilgi alanlarını zararlı stratejilerle birleştirerek, çeşitli zararlı içerik senaryoları üretiyor. Hem insan değerlendirmeciler hem de AI tabanlı analizler, bu yöntemin mevcut test sistemlerinden daha zorlu ve gerçekçi senaryolar oluşturabildiğini doğruladı. Çalışma, AI güvenlik sistemlerinin dayanıklılığını artırmak için kritik bir adım teşkil ediyor.
Japonya'nın Borç Paradoksu: Yeni Ekonomik Model GSYİH'nin %240'ını Açıklıyor
Japonya'nın devlet borcu GSYİH'sinin %240'ını aşmasına rağmen ekonomik istikrarı nasıl koruduğu uzun zamandır iktisatçıları meşgul eden bir soruydu. Yeni geliştirilen JFR-rg modeli bu paradoksu açıklığa kavuşturuyor. Araştırmacılar, finansal baskı mekanizması ve döviz kuru kanallarını içeren yeni bir makroekonomik çerçeve geliştirerek, Japonya'nın borç oranlarını nasıl stabilize ettiğini matematiksel olarak modellediler. Model, geleneksel yaklaşımların aksine, düşük faiz oranları ve kontrollü enflasyon kombinasyonunun yüksek borç seviyelerine rağmen sürdürülebilirlik sağlayabileceğini gösteriyor. Bu çalışma, benzer demografik ve ekonomik zorluklarla karşılaşan diğer gelişmiş ülkeler için de önemli politika çıkarımları sunuyor.
Yapay Zeka Artık İnsanların Sosyal Önyargılarını Daha İyi Anlayabiliyor
Stanford araştırmacıları, yapay zekanın insan bakış açılarını modellemede çığır açan bir yöntem geliştirdi. 'Sosyo-Kontrastif Öğrenme' adı verilen bu teknik, insanların aynı konularda neden farklı görüşlere sahip olduğunu yaş, cinsiyet, eğitim durumu gibi demografik özelliklerle birlikte analiz ediyor. Geleneksel yapay zeka sistemleri genellikle tek bir 'doğru' cevap arar, ancak gerçek dünyada insanlar subjektif deneyimlerinden dolayı aynı metinleri farklı yorumlayabiliyor. Bu araştırma, doğal dil işleme alanında annotator anlaşmazlıklarının aslında geçerli farklı perspektifleri yansıttığını gösteriyor. Yeni yöntem, sosyal bağlamın karmaşıklığını dikkate alarak mevcut basit birleştirme yöntemlerinden daha başarılı sonuçlar veriyor.
Yapay zeka modellerinin tahmin yetenekleri yeni test yöntemiyle ölçülecek
Araştırmacılar, büyük dil modellerinin sayısal tahmin yapma becerilerini değerlendirmek için QuantSightBench adlı yeni bir test sistemi geliştirdi. Mevcut değerlendirmeler genellikle basit evet-hayır sorularıyla sınırlı kalırken, gerçek hayatta ekonomi, halk sağlığı ve demografik analizler gibi alanlarda sürekli sayısal değerler üzerinden tahminler yapılması gerekiyor. Yeni sistem, yapay zekanın belirsizlik içinde karar verme ve ölçek farkındalığı gibi kritik yeteneklerini test ediyor.
Kuantum Makine Öğrenmesi Sıcak Dalgalarının Sağlık Etkilerini Öngörüyor
İklim değişikliği ile artan sıcak hava dalgaları, halk sağlığı üzerinde ciddi etkiler yaratıyor. Araştırmacılar, bu tehlikeleri önceden tahmin etmek için hem klasik hem de kuantum makine öğrenmesi tekniklerini karşılaştırdıkları yenilikçi bir sistem geliştirdi. ABD ve Katalunya'dan elde edilen verilerle test edilen bu sistem, iklim koşulları, demografik özellikler ve sosyoekonomik faktörleri bir araya getirerek haftalık bazda il düzeyinde sağlık riskleri öngörüyor. Çalışma, parametrik kuantum devreler ve açısal veri kodlama kullanan kuantum modellerle geleneksel regresyon yöntemlerini karşılaştırarak, gelecekte hangi bölgelerde sıcağa bağlı sağlık sorunları yaşanabileceğini tahmin etmeye çalışıyor.
Yapay zeka insan davranışını taklit ederken güvenilirlik sorunu yaşıyor
Sosyal bilimciler, büyük dil modellerini kullanarak insan davranışlarını simüle eden 'silikon örneklem' veri setleri oluşturuyor. Ancak yeni bir araştırma, bu süreçte yapılan teknik seçimlerin sonuçları dramatik şekilde etkilediğini ortaya koyuyor. Model seçimi, örnekleme parametreleri ve demografik bilgi miktarı gibi faktörler, yapay verilerin gerçek insan verileriyle uyumunu ciddi şekilde değiştiriyor. İki farklı çalışmada 252 farklı konfigürasyon test edildi ve bir boyutta iyi performans gösteren ayarların başka boyutlarda başarısız olabildiği görüldü. Bu durum, yapay zeka ile üretilen sosyal bilim verilerinin güvenilirliği konusunda ciddi endişeler yaratıyor.
Adil Kümeleme Algoritmaları: Demografik Eşitlik İçin Yeni Matematiksel Yaklaşım
Araştırmacılar, demografik adalet ilkelerini gözeten kümeleme problemleri için yeni algoritma geliştirdi. Çalışma, hem grup adaleti hem de çeşitli merkez seçimi kriterlerini aynı anda sağlayan k-merkez, k-medyan ve k-ortalama problemlerine odaklanıyor. Geliştirilen yaklaşım, korumalı öznitelikler içeren veri noktalarını adil bir şekilde kümelere ayırırken, her kümenin hem dengeli demografik dağılıma hem de temsili merkezlere sahip olmasını garantiliyor. Bu tür algoritmaların önemi, yapay zeka uygulamalarında demografik önyargıları azaltma ve sosyal adaleti teknolojik çözümlere entegre etme konularında giderek artıyor.
Yapay Zeka Artık İnsan Anket Yanıtlarını Daha Gerçekçi Simüle Edebiliyor
Araştırmacılar, büyük dil modellerinin insan anket yanıtlarını simüle etme kapasitesini önemli ölçüde artıran yeni bir yöntem geliştirdi. Distribution Shift Alignment (DSA) adı verilen bu teknik, geleneksel yaklaşımların aksine sadece eğitim verilerini ezberlemek yerine, farklı demografik gruplar arasındaki yanıt dağılımlarındaki değişimleri öğreniyor. Bu sayede büyük ölçekli anket maliyetlerini düşürürken, gerçek insan yanıtlarına çok daha yakın sonuçlar üretebiliyor. Beş farklı anket veri setinde yapılan testlerde, DSA yönteminin mevcut tüm teknikleri geride bıraktığı görüldü. Bu gelişme, sosyal bilimler araştırmalarından pazar analizlerine kadar geniş bir yelpazede uygulanabilir.
Cep telefonu verilerindeki sosyoekonomik önyargı nasıl düzeltilir?
Cep telefonu şebekelerinden elde edilen veriler, insan hareketliliğini anlamak için sıkça kullanılıyor ancak bu verilerde ciddi bir sorun var: sosyoekonomik önyargı. Şili'nin başkenti Santiago'da yapılan yeni bir araştırma, tek bir operatörün verilerinin gerçek nüfusu temsil etmediğini ortaya koyuyor. Araştırmacılar, çok seviyeli regresyon ve tabakalaştırma yöntemiyle bu önyargıyı düzeltmeyi başardı. Bu yeni yaklaşım, hareket yarıçapı gibi önemli metriklerde yüzde 17'ye varan düzeltmeler sağladı. Çalışma, büyük veri analizlerinde demografik dengesizliklerin nasıl giderilebileceği konusunda önemli bir yöntem sunuyor.
Yapay Zeka ile Akıllı Bisiklet İstasyonu Yerleşimi: Yeni Bir Sistem Önerisi
Şehirlerdeki bisiklet paylaşım sistemlerinin yaygınlaşmasıyla birlikte, yeni istasyonların nereye kurulacağı kritik bir sorun haline geldi. Norveçli araştırmacılar, bu soruna yapay zeka tabanlı bir çözüm geliştirdi. Hibrit gürültü giderici otoenkoder (HDAE) teknolojisini kullanan sistem, mevcut başarılı istasyonlardan öğrendikleriyle yeni konumları belirliyor. Sosyo-demografik veriler, yapılı çevre özellikleri ve ulaşım ağı bilgilerini analiz eden model, Trondheim şehrinde test edildi. Bu yaklaşım, geleneksel talep modelleme yöntemlerinin aksine, şehirsel karakteristikleri daha iyi yakalayarak optimal genişleme noktalarını belirliyor. Çalışma, veri kısıtlı ortamlarda bile etkili sonuçlar vererek, sürdürülebilir ulaşım planlamasında yapay zekanın rolünü vurguluyor.