“veri tabanı” için sonuçlar
16 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka destekli ilaç geliştirme araçları gerçek verilerle test edildi
Araştırmacılar, ilaç keşfinde kullanılan yapay zeka tabanlı araçların gerçek performansını büyük ölçekli bir veri setiyle test etti. DiffDock ve NMDN gibi yeni nesil AI araçlarının laboratuvar koşullarındaki başarısının gerçek dünyada ne kadar geçerli olduğu merak konusuydu. LIT-PCBA veri tabanından 15 hedef protein ve yaklaşık 578 bin ligand-protein çifti kullanılarak yapılan kapsamlı değerlendirmede, geleneksel AutoDock-GPU ile GNINA skorlamasının birleşimi en iyi sonuçları verdi. Çalışma, ilaç geliştirme sürecinde hangi hesaplama yöntemlerinin daha güvenilir olduğunu ortaya koyarak sektöre önemli rehberlik sağlıyor.
Madde Kullanımı Eğitiminde Yapay Zeka Devrimi: Gerçek Zamanlı Bilgi Sistemi
Araştırmacılar, madde kullanımı eğitimindeki geleneksel yöntemlerin ölçeklenebilirlik ve kişiselleştirme sorunlarına çözüm olarak yeni bir yapay zeka sistemi geliştirdi. Sistem, Uyuşturucu Denetleme İdaresi kayıtlarını bilimsel literatürle birleştirerek gerçek zamanlı, bağlama duyarlı eğitim sunuyor. 102 belgeden oluşan özenle filtrelenmiş bir veri tabanı ve dinamik PubMed sorguları kullanan sistem, vektör temsilleri aracılığıyla anlamsal olarak bölümlenmiş belgeleri hızla erişilebilir hale getiriyor. Beş konu uzmanından oluşan panel tarafından değerlendirilen bu yaklaşım, madde kullanımına dair sürekli değişen bilgilerin güncel ve güvenilir şekilde aktarılması konusunda umut verici sonuçlar gösteriyor.
8 Milyar Parametreli Yapay Zeka Hindistan'da Hukuk Danışmanlığı Yapıyor
Hindistan'da vatandaşların hukuki haklarına erişimde yaşadığı zorluklar nedeniyle, araştırmacılar Legal Assist AI adlı yenilikçi bir sistem geliştirdi. Bu çalışma, görece küçük bir dil modelinin (8 milyar parametre) nasıl etkili hukuki danışmanlık verebileceğini gösteriyor. Sistem, Retrieval-Augmented Generation (RAG) teknolojisi ve stratejik prompt mühendisliği kullanarak, 600'den fazla güncel hukuki belgeden oluşan kapsamlı bir veri tabanıyla destekleniyor. Özellikle yeni yasalaşan Bharatiya Nyaya Sanhita ve Bharatiya Nagarik Suraksha Sanhita gibi kanunları da içeren bu sistem, büyük dil modellerinin belirli alanlarda nasıl optimize edilebileceğine dair önemli ipuçları sunuyor.
Robot Elleri Artık Dokunma Hissini Yaşayabilecek: DAIMON'dan Devrim
Hong Kong merkezli DAIMON Robotics, robotlara gelişmiş dokunma duyusu kazandırmak için çığır açan bir teknoloji geliştirdi. Şirket, parmak ucu büyüklüğündeki modülde 110.000'den fazla algılama birimi barındıran yüksek çözünürlüklü dokunsal sensör teknolojisiyle dikkat çekiyor. Bu Nisan ayında yayınlanan Daimon-Infinity veri seti, fiziksel yapay zeka için geliştirilmiş en kapsamlı çok modlu robotik veri tabanı olarak tanıtılıyor. Ev işlerinden fabrika montaj hatlarına kadar geniş bir yelpazede görevleri kapsayan bu proje, Google DeepMind, Northwestern Üniversitesi ve Singapur Ulusal Üniversitesi gibi önde gelen kurumların desteğini alıyor. İki buçuk yaşındaki DAIMON'un bu hamlesi, robotların çevreleriyle etkileşim kurma biçimini kökten değiştirme potansiyeli taşıyor.
Ağaç Yapılarında Hızlı Arama: Yeni Veri Analiz Algoritması Geliştirildi
Bilgisayar bilimi araştırmacıları, ağaç benzeri veri yapılarında frekans sorguları için daha hızlı çalışan yeni algoritmalar geliştirdi. Bu yenilik, büyük veri kümelerinde belirli öğelerin ne sıklıkla geçtiğini bulma işlemini önemli ölçüde hızlandırıyor. Özellikle 'yol modu' ve 'en az sık görülen öğe' sorgularında, önceki yöntemlere göre daha iyi performans sergiliyor. Araştırma, veri tabanı yönetimi, makine öğrenmesi ve büyük veri analitiği alanlarında önemli uygulamalara sahip olabilir. Yeni algoritma, lineer hafıza kullanımı sağlarken sorgu sürelerini kısaltmayı başarıyor.
Yapay Zeka'ya 'Akıl Yürütme Hafızası' ile Büyük Sıçrama
Araştırmacılar, yapay zeka modellerinin karmaşık problemleri çözerken geçmiş deneyimlerinden öğrenmesini sağlayan yeni bir sistem geliştirdi. 'Reasoning Memory' adı verilen bu yaklaşım, AI'ın her problemi sıfırdan çözmek yerine, daha önce kullandığı başarılı yöntemleri hatırlayıp yeniden kullanmasına olanak tanıyor. Sistem, 32 milyon farklı problem çözme adımından oluşan devasa bir veri tabanı oluşturuyor ve AI'ın ihtiyaç duyduğu anında en uygun çözüm yöntemini bulmasını sağlıyor. Bu gelişme, yapay zekanın mantıksal düşünme becerisinde önemli bir ilerleme anlamına geliyor.
Güvenilir AI: AVA, Yanlış Bilgiyi Engelleyen Yeni Nesil Yapay Zeka Sistemi
Dünya Bankası araştırmacıları, genel amaçlı yapay zeka modellerinin yanlış bilgi risklerine karşı AVA (AI + Verified Analysis) adında yenilikçi bir sistem geliştirdi. AVA, 4.000'den fazla Dünya Bankası raporundan oluşan güvenilir bir veri tabanı kullanarak, kullanıcıların sorularını kanıta dayalı olarak yanıtlıyor. Sistemin en önemli özelliği 'epistemik alçakgönüllülük' yaklaşımı: Her iddiasını kaynaklarıyla destekliyor ve yetersiz veri olduğunda yanıt vermeyi reddediyor. 116 ülkeden 2.200 kişinin katıldığı gerçek kullanım testleri, AVA'nın kullanıcılara haftada 2.4-3.9 saat zaman kazandırdığını gösterdi. Katılımcılar sistemi uzmanlaşmış bir 'kanıt motoru' olarak kullanırken, yapay zekanın güvenilirlik sorununa önemli bir çözüm önerisi sunuluyor.
Yapay Zeka ile Yakıt Hücrelerinin Geleceği: MOF Malzemelerinde Proton İletkenliği
Hidrojen yakıt hücrelerinin kritik bileşeni olan proton değişim membranları için umut vadeden metal-organik kafes (MOF) malzemelerinin proton iletkenlik özellikleri, makine öğrenmesi teknikleriyle tahmin edilebilir hale geldi. Araştırmacılar, proton iletken MOF'ların kapsamlı bir veri tabanını oluşturarak hem tanımlayıcı tabanlı hem de transformer tabanlı modeller geliştirdi. Transformer tabanlı transfer öğrenme modeli, proton iletkenliğini bir büyüklük sırası içinde tahmin etmeyi başararak 0.91 ortalama mutlak hata değeri elde etti. Bu çalışma, temiz enerji teknolojilerinde kullanılan malzemelerin tasarımında yapay zekanın rolünü artırmakta ve gelecekte daha verimli yakıt hücresi malzemelerinin geliştirilmesine katkı sağlamaktadır.
Zaman Serisi Verilerle Gerçekleri Doğrulayan Yeni Yapay Zeka Sistemi
Araştırmacılar, sayısal ve zamansal verileri kullanarak haberlerin doğruluğunu kontrol edebilen yeni bir yapay zeka sistemi geliştirdi. TSVer adlı bu sistem, 41 farklı doğruluk kontrol kuruluşundan toplanan 304 gerçek dünya iddiasını ve 400 zaman serisi verisini içeren kapsamlı bir veri tabanına sahip. Sistem, özellikle istatistiksel grafiklerdeki trendleri analiz ederek iddiaların doğruluğunu değerlendirebiliyor. Bu teknoloji, yanlış bilgilerin hızla yayıldığı günümüzde büyük önem taşıyor çünkü sayısal kanıtlara dayalı iddiaları otomatik olarak kontrol edebiliyor. Geleneksel doğruluk kontrol sistemlerinin aksine, TSVer temporal mantık yürütme yaparak zaman içindeki değişimleri de hesaba katıyor.
Kuantum bilgisayarların gizli hatalarını tespit eden yeni sistem geliştirildi
Araştırmacılar, kuantum bilgisayarların gerçek performansında öngörülemeyen hataları tespit eden QRisk adlı yeni bir sistem geliştirdi. Mevcut kuantum derleyicileri, gürültü modellerine dayanarak devre optimizasyonu yaparken, gerçek donanımda ortaya çıkan çapraz konuşma ve zamanlama hatalarını gözden kaçırıyor. Bu durum, teorik olarak eşit performans göstermesi beklenen devrelerin pratikte farklı sonuçlar vermesine neden oluyor. QRisk sistemi, gerçek kuantum donanımlarından toplanan verileri analiz ederek, gürültü modelleri tarafından tahmin edilemeyen hata kalıplarını belirliyor ve bunları bir veri tabanında saklıyor.
Bilim İnsanları Fikirleri Nasıl Birleştiriyor? Dev Veri Tabanı Açığa Çıkardı
Stanford araştırmacıları, bilimsel yenilikçiliğin temelindeki fikir birleştirme süreçlerini anlamak için CHIMERA adlı kapsamlı bir veri tabanı oluşturdu. Bu sistem, bilim literatüründen otomatik olarak çıkardığı örneklerle, bilim insanlarının farklı alanlardan kavramları nasıl birleştirerek yeni fikirler ürettiklerini gösteriyor. İnsan yenilirliğinin en önemli özelliklerinden biri olan bu rekombinasyon süreci, yapay zeka makalelerinin analiziyle ortaya çıkarıldı. CHIMERA, hem mevcut bilimsel eğilimleri analiz etmeyi hem de gelecekteki disiplinler arası araştırma yönlerini öneren modellerin eğitilmesini mümkün kılıyor.
Tıbbi kavramları AI ile arama: Yeni model SNOMED CT'de başarı sağladı
Araştırmacılar, tıp alanında kullanılan dev veri tabanı SNOMED CT'den bilgi arama işlemini kolaylaştıran yeni bir yapay zeka modeli geliştirdi. Bu sistem, tıbbi terimler arasındaki hiyerarşik ilişkileri anlayabiliyor ve daha önce veri tabanında bulunmayan sorguları bile başarıyla işleyebiliyor. SNOMED CT, dünya genelinde hastane ve sağlık sistemlerinde kullanılan dev bir tıbbi terminoloji veri tabanı olmasına rağmen, içindeki bilgilere erişim dilbilimsel zorluklar nedeniyle kompleks. Yeni yaklaşım, dil modellerini hiperbolik uzayda kullanarak bu sorunu çözüyor ve tıbbi kavramlar arasındaki alt-üst ilişkilerini daha doğru şekilde tespit ediyor.
Veri Tabanlarında Gizlilik: Yeni Güvenlik Politikaları Performansı Nasıl Etkiliyor?
Artan veri gizliliği düzenlemeleri ve kurumsal yönetişim gereklilikleri, veri yönetim sistemlerinde daha hassas erişim kontrollerine olan talebi artırıyor. Özellikle içerik tabanlı erişim kontrolü yaklaşımı, erişim kararlarının sorgulanmak istenen veri değerlerine göre alındığı bir yöntem olarak öne çıkıyor. Ancak bu gelişmiş güvenlik politikaları, veri tabanı optimizasyonu ile beklenmedik şekillerde etkileşime girerek performans sorunlarına yol açabiliyor. Yeni araştırma, bu durumu analiz etmek için yapısal bir çerçeve ve politika dil bilgisi geliştirerek, güvenlik önlemlerinin sorgu planlama ve yürütme süreçlerine etkisini inceliyor.
Yapay Zeka Kararlarını Anlayabilir Kılan Yeni Yöntem Geliştirildi
Araştırmacılar, makine öğrenmesi modellerinin verdiği kararları kullanıcıların daha kolay anlayabilmesi için yenilikçi bir yöntem geliştirdi. Bilgi grafları ve büyük dil modellerini birleştiren bu yaklaşım, özellikle imalat sektöründe karmaşık AI kararlarını sade Türkçe açıklamalara dönüştürebiliyor. Yöntem, alan uzmanlarının teknik bilgi birikimini yapılandırılmış bir veri tabanında saklayarak, AI'nin verdiği sonuçları bu bilgilerle ilişkilendiriyor. Böylece kullanıcılar 'Bu karar neden verildi?' sorusuna anlaşılır yanıtlar alabiliyor. Açıklanabilir yapay zeka alanındaki bu gelişme, AI sistemlerinin şeffaflığını artırarak endüstriyel uygulamalarda güven ve kabul edilirliği önemli ölçüde iyileştirebilir.
CHOP Sistemi: AI'da Çoklu Belge Analizinde Yeni Dönem
Araştırmacılar, yapay zeka sistemlerinin birden fazla belgeyi işlerken karşılaştığı önemli bir sorunu çözmek için CHOP adlı yeni bir framework geliştirdi. Bu sistem, benzer belgeler arasında ayrım yapmakta zorlanan AI modellerinin performansını önemli ölçüde artırıyor. Geleneksel RAG sistemleri, veri tabanında benzer belgeler bulunduğunda doğru bilgiyi bulamıyor ve yanlış sonuçlar üretiyordu. CHOP, her belge parçasını akıllı imzalarla etiketleyerek ve bağlamsal tutarlılığı koruyarak bu problemi çözüyor. Sistem, belgeler arasındaki semantik çakışmaları azaltıyor ve AI'nın daha doğru bilgi erişimi sağlamasına olanak tanıyor.
Sınırlı alfabelerde veri sorgulama: Yeni kodlama teknikleri geliştirildi
Bilgisayar biliminde temel bir işlem olan aralık minimum sorguları (RMQ) için yeni bir yaklaşım geliştirildi. Araştırmacılar, alfabesi sınırlı dizilerde minimum değer arama işlemlerini daha verimli hale getiren kodlama yöntemleri tasarladı. Bu teknoloji, veri tabanı yönetimi, metin indeksleme ve hesaplamalı biyolojide kritik rol oynuyor. Özellikle pratik uygulamalarda karşılaşılan küçük alfabe boyutlu diziler için optimize edilmiş çözümler sunuyor. Hem tek boyutlu hem de iki boyutlu diziler için farklı sorgulama senaryoları analiz edilerek, alan karmaşıklığı açısından optimal sonuçlar elde edildi. Geliştirilen yöntemler, sabit boyutlu alfabeler için sabit zamanda sorgu yanıtlama imkanı sunuyor.