“dikkat” için sonuçlar
537 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Nehir seslerini dinleyen bilgisayar: Sel önceden nasıl tahmin edilebilir?
Araştırmacılar, nehirlerdeki su ve sediment akışının yarattığı titreşimleri analiz ederek sel ve doğal afetleri önceden tahmin edebilen yeni bir model geliştirdi. Bu fizik tabanlı sayısal model, çakıllı nehir yataklarındaki her bir taş parçacığının hareketini takip ediyor ve bunların çarpışmalarından çıkan sismik sinyalleri hesaplıyor. Model aynı zamanda su kolonundaki türbülans ve girdapları da dikkate alarak gerçekçi veriler üretiyor. İtalya'daki Toskana Apenin dağlarında yaşanan bir sel olayından toplanan gerçek sismik verilerle karşılaştırıldığında, modelin ürettiği sentetik sinyallerin gözlemlenen frekans bantlarıyla uyumlu olduğu görüldü. Bu yaklaşım, nehirlerdaki sediment taşınmasının yarattığı farklı spektral imzaları ayırt ederek erken uyarı sistemlerinin geliştirilmesine katkı sağlayabilir.
SinkRouter: Büyük dil modellerinde uzun metinleri 3 kat hızla işleyen yeni teknik
Araştırmacılar, büyük dil modellerinin uzun metinleri işlerken karşılaştığı bellek darboğazını çözen yenilikçi bir yöntem geliştirdi. SinkRouter adlı bu teknik, modellerin dikkat mekanizmasındaki 'attention sink' fenomenini analiz ederek, gereksiz hesaplamaları atlayabiliyor. Geleneksel yöntemlerin aksine doğruluktan ödün vermeden 3 kata kadar hızlanma sağlayan sistem, ChatGPT benzeri modellerin kitap boyutundaki metinleri daha verimli işlemesini mümkün kılıyor. Bu gelişme, yapay zeka sistemlerinin günlük kullanımda daha hızlı ve ekonomik çalışmasının yolunu açıyor.
Yapay Zeka Robotları Artık Trafik Kurallarını da Öğreniyor
Araştırmacılar, görsel-dil navigasyonu yapan yapay zeka sistemlerinin sadece fiziksel engelleri değil, sosyal kuralları da dikkate alması için yeni bir sistem geliştirdi. Rule-VLN adlı bu sistem, robotların şehir ortamında navigasyon yaparken trafik işaretleri, park yasağı gibi düzenleyici kısıtlamaları anlayıp uymasını sağlıyor. 29 bin noktalı dev bir test ortamında 177 farklı kural kategorisi ile eğitilen sistem, mevcut yapay zeka ajanlarının 'sadece gidebilir miyim?' sorusundan 'gitmeli miyim?' sorusuna geçmesini hedefliyor.
Çoban Köpeği Mantığıyla Drone Sürüleri Yönetimi: Yeni Yapay Zeka Yaklaşımı
Araştırmacılar, çoban köpeklerinin sürü yönetme davranışından ilham alarak, küçük sayıda 'rehber' drone ile büyük drone sürülerini kontrol edebilen yeni bir sistem geliştirdi. Bu yaklaşım, gerçek robotların hareket kısıtlarını dikkate alarak sürü davranışını önceden tahmin ediyor. Geleneksel yöntemlerden farklı olarak, sistemdeki her bir aracın hız ve ivme sınırları gibi fiziksel kısıtlamaları hesaba katıyor. Bu gelişme, arama kurtarma operasyonlarından tarımsal uygulamalara kadar geniş bir yelpazede drone sürülerinin daha etkili kullanımına olanak tanıyabilir.
HeadRank: Yapay Zeka Dikkat Mekanizmasıyla Hızlı Belge Sıralama
Araştırmacılar, büyük dil modellerinin dikkat ağırlıklarını kullanarak belgeleri yeniden sıralamanın yeni bir yolunu geliştirdi. HeadRank adlı bu sistem, geleneksel yaklaşımların aksine metin üretme gerektirmeden çalışıyor ve böylece çok daha hızlı sonuçlar veriyor. Sistem, dikkat puanlarının orta seviye belgelerde benzerleşme sorunu yaşamasını çözmek için özel algoritmalar kullanıyor. Sadece 211 eğitim sorgusuyla test edilen HeadRank, 14 farklı değerlendirme kriterinde mevcut yöntemleri geride bıraktı. Bu gelişme, arama motorları ve bilgi erişim sistemlerinde önemli hız artışları sağlayabilir.
Yapay Zeka Ajanları Artık Daha Az Token ile Çalışacak
Büyük dil modellerini kullanan çoklu ajan sistemleri, token verimsizliği sorunu yaşıyor. Tüm ajanların aynı anda aktif olması ve gereksiz bilgi paylaşımı, maliyetleri artırıyor. Araştırmacılar, ajanların aktivasyonunu zamanlama ile kontrol eden yeni bir sistem geliştirdi. Phase-Scheduled Multi-Agent Systems (PSMAS) adlı bu çerçeve, her ajana dairesel bir manifold üzerinde sabit açısal pozisyon atayarak, sadece gerekli olan ajanları belirli zamanlarda aktif hale getiriyor. Bu yaklaşım, geleneksel koordinasyon yöntemlerinin aksine zamansal boyutu da dikkate alıyor ve token kullanımını önemli ölçüde optimize ediyor.
Yapay Zeka Ajanları Artık Emin Olmadığında 'Bilmiyorum' Diyebilecek
Stanford araştırmacıları, yapay zeka ajanlarının en büyük sorunlarından birini çözmek için yeni bir yöntem geliştirdi. Ajanlar genellikle tamamen yanlış değil, ancak gerçekte bildiklerinden daha kesin cevaplar veriyor. Yeni 'Kompozisyonel Seçici Spesifiklik' (CSS) sistemi, AI'ın verdiği yanıtları parçalara bölerek her iddiayı ayrı ayrı değerlendiriyor ve belirsiz olduğu durumlarda daha genel ifadeler kullanmasını sağlıyor. Bu yaklaşım, tüm soruyu yanıtsız bırakmak yerine sadece belirsiz kısımları daha dikkatli ifade etmeyi tercih ediyor.
İnsan Hareketlerini Daha Doğal Tanıyan Yapay Zeka Algoritması Geliştirildi
Araştırmacılar, insan hareketlerini tanıyan yapay zeka sistemlerinde önemli bir sorunu çözdü. Mevcut sistemler, hareketleri keskin sınırlarla ayırarak doğal akışı göz ardı ediyor. Yeni TranCLR algoritması, hareketler arasındaki geçişleri modelleyerek daha yumuşak ve gerçekçi bir tanıma sistemi oluşturuyor. Bu teknoloji, spor analizi, sağlık takibi ve güvenlik sistemleri gibi alanlarda kullanılabilir. Algoritma, geleneksel ikili karşılaştırma yerine, hareketlerin sürekli doğasını dikkate alan yenilikçi bir yaklaşım benimsiyor.
Yapay Zeka Hatalarını Anlık Düzelten Yeni Yöntem Geliştirildi
Büyük dil modelleri, metin üretirken yaptıkları hataları genellikle düzeltemez ve sonraki adımlarda bu hatalar daha da büyür. Araştırmacılar, bu soruna çözüm olarak 'Latent Phase-Shift Rollback' (LPSR) adlı yeni bir yöntem geliştirdi. Bu teknik, yapay zekanın düşünce sürecini gerçek zamanlı olarak izleyerek hatalı adımları tespit ediyor ve modeli doğru yola yönlendiriyor. LPSR, matematik problemlerinde %44 başarı oranına ulaşarak, standart yöntemlerin %28,8'lik performansını önemli ölçüde geçti. En dikkat çekici yanı, hiçbir ek eğitim gerektirmemesi ve mevcut modellere kolayca entegre edilebilmesi.
Yapay zeka tıbbi görüntülerin arkasına saklanarak doktorları kandırabiliyor
Araştırmacılar, tıbbi görüntü analizi yapan yapay zeka sistemlerine karşı yeni bir saldırı yöntemi geliştirdi. MedFocusLeak adı verilen bu teknik, görüntülerin arka plan bölgelerine gözle fark edilmeyen değişiklikler yaparak yapay zekanın yanlış tanı koymasına neden oluyor. Saldırı, hastalıklı bölgelere odaklanması gereken yapay zekanın dikkatini başka yönlere çekerek, klinik açıdan makul görünen ama yanlış teşhisler üretmesini sağlıyor. Altı farklı tıbbi görüntüleme modalitesinde test edilen yöntem, mevcut güvenlik önlemlerinin yetersizliğini ortaya koyuyor ve tıbbi yapay zeka sistemlerinin güvenilirliği konusunda önemli endişeler yaratıyor.
Sessa: Yapay Zeka Modellerinde Uzun Hafıza Problemine Yenilikçi Çözüm
Araştırmacılar, mevcut yapay zeka modellerinin uzun metin dizilerinde karşılaştığı hafıza problemini çözmek için Sessa adlı yeni bir mimari geliştirdi. Transformer modellerde dikkat mekanizması uzun metinlerde dağılırken, Mamba gibi durum-uzay modellerinde ise uzun vadeli duyarlılık zamanla azalıyor. Sessa, dikkat mekanizmasını geri bildirim döngüsüne yerleştirerek bu iki yaklaşımın avantajlarını birleştiriyor. Bu yenilik, yapay zekanın uzun metinleri işlerken geçmişten gelen bilgileri daha etkili şekilde kullanabilmesini sağlıyor.
Yapay Zeka Modellerini Eğitmek İçin Yeni Yöntem: PrefixMemory-Tuning
Büyük dil modellerini belirli görevlere uyarlamak için kullanılan Prefix-Tuning yönteminin modern modellerde başarısız olduğu keşfedildi. Araştırmacılar, bunun dikkat mekanizmasındaki girdi ve önek arasındaki dengesizlikten kaynaklandığını tespit etti. Bu sorunu çözmek için PrefixMemory-Tuning adlı yeni bir mimari geliştirildi. Bu yöntem, önek modülünü dikkat başlığından ayırarak ve ifade gücünü artırarak daha etkili sonuçlar veriyor. Yeni yaklaşım, büyük dil modellerini minimum hesaplama maliyetiyle özelleştirme konusunda önemli bir ilerleme sunuyor.
Yapay Zeka Modellerinde Yeni Sıkıştırma Yöntemi: 8:16 Seyreklik Deseni
Büyük dil modellerinin hafıza kullanımını azaltmak için geliştirilen yeni bir sıkıştırma tekniği dikkat çekiyor. Araştırmacılar, geleneksel 2:4 seyreklik desenine alternatif olarak 8:16 desenini öneriyor. Bu yöntem, modellerin performansını korurken daha esnek bir yapı sunuyor. Çalışma, yapay zeka modellerindeki aykırı değerlerin ele alınmasında da önemli ilerlemeler kaydediyor. Yeni teknik, mevcut yöntemlere kıyasla minimal depolama maliyetiyle daha iyi sonuçlar elde ediyor. Bu gelişme, büyük dil modellerinin daha verimli çalıştırılması açısından önemli bir adım olarak değerlendiriliyor.
Yapay zeka göz hastalığını daha doğru teşhis ediyor
Diyabetik retinopati, dünya çapında görme bozukluğunun önde gelen nedenlerinden biri. Araştırmacılar, bu göz hastalığını otomatik olarak teşhis edebilen gelişmiş bir yapay zeka sistemi geliştirdi. Sistem, farklı çözünürlüklerde retina görüntülerini analiz ederek hastalığın şiddetini belirliyor. Çift çözünürlükle çalışan EfficientNet ağları ve dikkat mekanizması kullanılan sistemde, ordinal regresyon yöntemi ile hastalığın aşamalı doğası da göz önünde bulunduruluyor. Bu yaklaşım, farklı hastanelerde çekilen görüntülerde bile tutarlı sonuçlar veriyor. Geliştirilen sistem, büyük ölçekli tarama programlarında önemli rol oynayabilir ve erken teşhis imkanı sunarak milyonlarca insanın görme kaybını önlemeye yardımcı olabilir.
Hindistan'da Sağlık Çalışanları Quiz Uygulamasıyla Eğitiliyor
Hindistan'da çocuk yetersiz beslenmesi sorununun çözümü için 1,4 milyon toplum sağlığı çalışanının kapasitesini artırmak kritik önem taşıyor. Geleneksel eğitim yöntemlerinin yetersiz kaldığı bu alanda, araştırmacılar Android tabanlı quiz uygulaması geliştirdi. 600 bin sağlık çalışanının akıllı telefon sahibi olduğu ülkede, bu dijital yaklaşım conventional sınıf eğitimiyle karşılaştırılıyor. Uygulama, Anganwadi çalışanlarının eğitim modüllerine uygun olarak tasarlandı ve ihtiyaç analizi sonuçları dikkate alındı. Bu yenilikçi yaklaşım, sürekli gelişen toplum sağlığı bilgilerinin etkin şekilde aktarılması için teknolojinin gücünden yararlanıyor. Çalışma, mobil öğrenme platformlarının sağlık çalışanlarının yetkinliklerini artırmadaki rolünü inceliyor.
Yapay Zeka Bebek Kafası Tespitinde Yüzde 99 Başarı Elde Etti
Araştırmacılar, hamilelik dönemindeki ultrason görüntülerinde bebek kafasını tespit etmek için yeni bir yapay zeka modeli geliştirdi. Attention-ResUNet adı verilen bu sistem, geleneksel derin öğrenme yaklaşımlarının ultrason görüntülerindeki düşük kontrast, gürültü ve karmaşık anatomik sınırlar gibi zorluklarla başa çıkma sorunlarını çözmeyi hedefliyor. Yeni mimari, kalıntı öğrenme tekniğini çok ölçekli dikkat mekanizmalarıyla birleştirerek, anatomik olarak önemli bölgelere odaklanırken arka plan gürültüsünü bastırıyor. 200 görüntü içeren HC18 Challenge veri seti üzerinde yapılan testlerde sistem yüzde 99.30 Dice skoru elde ederek üstün performans sergiledi. Bu gelişme, doğum öncesi bakımda daha doğru biyometrik ölçümler yapılmasına olanak sağlayabilir.
Giyilebilir Cihazlar Epilepsi Nöbetlerinin Zamanını Tahmin Edebilir mi?
Araştırmacılar, epilepsi nöbetlerinin vücut saatimizle olan ilişkisini giyilebilir teknoloji kullanarak inceledi. Epilepsi, öngörülemeyen nöbetler nedeniyle hastaların sürekli kaygı yaşadığı yaygın bir nörolojik hastalık. Bu belirsizliği azaltmak için nöbet tahmin teknolojileri geliştirilmeye çalışılıyor. Yeni araştırmada, kalp atım aralıklarından elde edilen sirkadiyen ritim verileri kullanılarak nöbetlerin belirli zaman dilimlerinde daha sık görülüp görülmediği araştırıldı. 176 günlük verilerle yapılan tek hasta çalışması, nöbetlerin rastgele değil, belirli fizyolojik fazlarda kümelendiğine dair ipuçları sunuyor. Bu yaklaşım, geleneksel zaman modellemesinin ötesine geçerek vücudun doğal ritimlerini dikkate alıyor.
Kuantum yapay zeka meme kanseri teşhisinde çığır açtı
Araştırmacılar, meme kanseri teşhisinde kullanılan termografik görüntü analizi için devrim niteliğinde bir yapay zeka sistemi geliştirdi. Bu yeni sistem, kuantum bilgisayarların hesaplama gücünü klasik yapay zeka ağlarıyla birleştiren hibrit bir mimari kullanıyor. Geleneksel derin öğrenme yöntemlerinin karmaşık termal paternleri sınıflandırmada yaşadığı sınırlamaları aşmak için tasarlanan sistem, kuantum devrelerini çok başlı dikkat mekanizmalarıyla harmanlıyor. 4 kübit kullanan değişkensel kuantum devreleri ve güçlü dolanıklık katmanları ile desteklenen bu yaklaşım, meme kanseri termografik verilerinde mevcut en gelişmiş yöntemlere kıyasla önemli performans artışları gösterdi. Bu çalışma, kuantum hesaplamanın tıbbi görüntüleme alanındaki potansiyelini ortaya koyarken, erken tanı imkanlarını geliştirebilecek yeni nesil hibrit teknolojilerin önünü açıyor.
Yapay Zeka Modelleri Neden Görsel Verileri Görmezden Geliyor?
Araştırmacılar, çok modlu yapay zeka sistemlerinin görsel bilgileri neden ihmal ettiğini keşfettiler. LLaVA ve Qwen2.5-VL gibi modellerde yapılan analizler, sorunun veri dengesizliğinden değil, modelin iç mimarisinden kaynaklandığını gösteriyor. Görsel anahtar vektörlerin, metin tabanlı eğitim sırasında öğrenilen anahtar uzayından farklı dağılım gösterdiği ortaya çıktı. Bu durum, görsel bilgilerin dikkat mekanizmasında düşük puanlar almasına ve yetersiz kullanılmasına neden oluyor. Araştırma ekibi, MaLoRA adlı yeni bir yöntem geliştirerek bu sorunu çözmeyi hedefliyor.
Yapay Zeka Modellerinde 'Azı Karar' Yaklaşımının Beklenmedik Sonuçları
Büyük dil modellerinin çalışma hızını artırmak için geliştirilen seyrek dikkat algoritmalarının paradoksal bir etkiye yol açtığı keşfedildi. Araştırmacılar, bu algoritmaların bilgi kaybına neden olarak aslında daha uzun metinler ürettiğini ve toplam işlem yükünü artırdığını gösterdi. 'Less is Less' (Lil) olarak adlandırılan bu fenomen, yapay zeka sistemlerinin verimlilik optimizasyonlarında karşılaşılan önemli bir sorunu ortaya koyuyor. Çalışma, bu problemi çözmek için erken durdurma algoritması öneriyor ve %90'a varan token tasarrufu sağlayabileceğini gösteriyor.
MASH: Yapay Zeka Metinlerini İnsan Yazısı Gibi Gösteren Yeni Yöntem Geliştirildi
Araştırmacılar, yapay zeka tarafından üretilen metinleri tespit eden sistemleri kandırabilen MASH adlı yeni bir teknik geliştirdi. Bu yöntem, AI metinlerinin stilini insan yazısına benzetecek şekilde değiştiriyor ve mevcut tespit sistemlerini %80 oranında atlatmayı başarıyor. Çalışma, AI-generated içeriklerin tespit edilmesinin ne kadar zor olduğunu ortaya koyarken, bu alandaki güvenlik açıklarına da dikkat çekiyor. Araştırma, 6 farklı veri seti ve 5 tespit sistemi üzerinde yapılan kapsamlı testlerle doğrulandı.
Yapay Zeka Tıpta Güvenlik ile Bağlılık Arasında Sıkışıyor
Araştırmacılar, büyük dil modellerinin tıbbi konularda karşıt ya da yanıltıcı bilgilerle karşılaştıklarında nasıl davrandığını inceledi. MedCounterFact adlı özel bir veri seti kullanılarak yapılan çalışmada, yapay zeka sistemlerinin gerçek tıbbi bilgileriyle çelişen delillere nasıl tepki verdiği test edildi. Bulgular, mevcut AI modellerinin güvenlik protokolleri ile verilen bağlama sadık kalma arasında denge kurma konusunda zorlandığını gösteriyor. Bu durum, özellikle tıp gibi yüksek riskli alanlarda yapay zeka kullanımının dikkatli değerlendirilmesi gerektiğini ortaya koyuyor.
Yapay Zeka Modellerinden Sağlık Müdahalelerine: Kontrafaktüel Açıklamalar
Araştırmacılar, büyük dil modellerini kullanarak sağlık alanında yenilikçi bir yaklaşım geliştirdi. Kontrafaktüel açıklamalar olarak adlandırılan bu yöntem, bir yapay zeka modelinin kararını değiştirmek için gerekli minimum değişiklikleri belirliyor. Bu teknoloji hem hastalıkların önlenmesi için müdahale stratejileri geliştirmekte, hem de daha güçlü AI modelleri eğitmek için veri artırımında kullanılabiliyor. GPT-4, BioMistral-7B ve LLaMA-3.1-8B gibi farklı dil modellerinin karşılaştırıldığı çalışmada, özellikle fine-tune edilmiş LLaMA-3.1-8B modeli dikkat çekiyor. Bu model %99'a varan güvenilirlik oranıyla gerçekçi ve uygulanabilir öneriler sunuyor. Klinik veri setleri üzerinde yapılan testlerde, sistemin hem müdahale kalitesi hem de özellik çeşitliliği açısından başarılı sonuçlar verdiği görülüyor.
Yapay zeka ile cilt kanseri teşhisinde yeni dönem: Görüntü ve metin birleşimi
Araştırmacılar, cilt kanseri teşhisinde devrim yaratacak yeni bir yapay zeka sistemi geliştirdi. Bu sistem, dermoskopi görüntülerini metin açıklamalarıyla birleştirerek, benzer kanser vakalarını veritabanından bulabiliyor. Transformer tabanlı framework, hem genel hem de yerel görüntü özelliklerini analiz ederek, klinisyenlerin teşhis koyma sürecini destekliyor. Sistem, biyopsi ile doğrulanmış çok sınıflı hastalık vakalarını içeren geniş bir veritabanında test edildi. Yerel hizalama mekanizması, ayırt edici bölgeleri çoklu uzamsal dikkat maskeleri ile toplarken, global hizalama bütünsel semantik denetim sağlıyor. Bu teknoloji, tıbbi görüntü geri getirme alanında önemli bir ilerleme kaydederek, eğitim ve kalite kontrol süreçlerini de destekleyecek.