“SETI” için sonuçlar
391 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Denizaltı Seslerini Tanımada Histogram Tabanlı Yeni AI Yöntemi Geliştirildi
Araştırmacılar, denizaltı akustiği ve sonar görüntüleme alanında çığır açan yeni bir yapay zeka yöntemi geliştirdi. Histogram Tabanlı Parametre Verimli Ayarlama (HPT) adı verilen bu teknik, büyük sinir ağlarını tüm modeli yeniden eğitmeden farklı görevlere uyarlayabiliyor. Geleneksel adaptör yöntemlerinin aksine, HPT hedef alanın istatistiksel özelliklerini yakalayarak daha etkili sonuçlar üretiyor. ShipsEar, DeepShip ve VTUAD gibi pasif sonar veri setlerinde yapılan testlerde, yöntem mevcut teknikleri geride bıraktı. VTUAD veri setinde %91,8 doğruluk oranıyla %89,8'lik geleneksel adaptör performansını aştı. Aktif sonar görüntülemede de rekabetçi sonuçlar elde eden HPT, tam olarak ayarlanmış modellere daha yakın özellik temsilleri sunuyor. Bu gelişme, denizcilik güvenliği ve denizaltı araştırmaları için önemli uygulamalara sahip.
Yapay Zeka Öneri Sistemlerinde Şaşırtıcı Keşif: Basit Model Karmaşık Olanları Geçti
Stanford araştırmacıları, öneri sistemlerinde kullanılan yapay zeka algoritmalarında çarpıcı bir bulguya ulaştı. Multi-Armed Bandit (MAB) algoritmalarını inceleyen çalışma, karmaşık keşif stratejileri kullanan modellerin aksine, hiçbir keşif mekanizması olmayan basit açgözlü modelin %90'dan fazla veri setinde en iyi performansı gösterdiğini ortaya koydu. Bu sonuç, öneri sistemlerinde uzun zamandır kabul edilen 'keşif-sömürü dengesi' teorisini sorgulatıyor. Araştırma, offline değerlendirme yöntemlerinin gerçek dünya performansını yansıtmadığını ve mevcut değerlendirme yaklaşımlarının yeniden gözden geçirilmesi gerektiğini gösteriyor.
Yapay zeka yanıltıcı grafikleri tespit etmeye başladı
Sosyal medyada yayılan yanıltıcı grafikler ve görselleştirmeler misinformasyonun önemli bir kaynağı haline geldi. Bu grafikler tasarım kurallarını ihlal ederek verileri çarpıtıyor ve okuyucuları yanlış sonuçlara götürüyor. Araştırmacılar bu sorunu çözmek için büyük dil modelleri kullanarak yanıltıcı grafikleri otomatik olarak tespit eden bir sistem geliştirdi. Çalışma kapsamında 2.604 gerçek dünya görselleştirmesinden oluşan Misviz veri seti ve 57.665 sentetik görselden oluşan Misviz-synth veri seti oluşturuldu. Bu sistemler 12 farklı türde yanıltıcı tasarım kuralı ihlalini tespit edebiliyor. Araştırma, hem insanların hem de yapay zeka modellerinin bu tür yanıltıcı görsellere sıkça kandığını gösteriyor.
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.
Yapay Zeka Öğretmenden Öğreniyor: Kalp Seslerini Anlayan Yeni AI Sistemi
Araştırmacılar, tıbbi ses kayıtlarını daha iyi anlayabilen yeni bir yapay zeka sistemi geliştirdi. AcuLa adlı bu sistem, kalp ve akciğer seslerini sadece duymuyor, aynı zamanda bu seslerin klinik anlamını da kavrayabiliyor. Sistem, büyük dil modellerini 'semantik öğretmen' olarak kullanarak, ses tanıma modellerinin tıbbi bilgiyle uyumlu hale getirilmesini sağlıyor. Bu yaklaşım, mevcut ses kayıtlarının yanındaki yapılandırılmış verileri tutarlı klinik raporlara dönüştürerek büyük ölçekli bir veri seti oluşturuyor. Sonuçta ortaya çıkan sistem, ses desenlerini tanımanın ötesinde bu seslerin hastalık teşhisindeki önemini de anlayabiliyor. Bu gelişme, AI destekli tıbbi teşhis araçlarının etkinliğini artırabilir ve doktorlara daha güvenilir karar destek sistemi sunabilir.
Yapay Zeka Güvenlik Açıklarını Tespit Eden Kapsamlı Test Veri Seti Geliştirildi
Büyük dil modellerinin güvenlik kritik uygulamalarda kullanımının artmasıyla birlikte, bu sistemlerin kötü niyetli saldırılara karşı dayanıklılığının test edilmesi büyük önem kazandı. Araştırmacılar, mevcut test veri setlerindeki tutarsızlık ve sınırlı kapsam sorunlarını çözmek için RedBench adlı kapsamlı bir veri seti geliştirdi. Bu yeni sistem, 37 farklı benchmark veri setini birleştirerek toplam 29.362 test örneği sunuyor ve yapay zeka modellerinin güvenlik açıklarının sistematik şekilde değerlendirilmesini sağlıyor. RedBench, 22 risk kategorisi ve 19 farklı alan içeren standartlaştırılmış bir sınıflandırma sistemi kullanarak, araştırmacılara tutarlı ve kapsamlı değerlendirme imkânı sunuyor.
Yapay zeka NPU çipleri için kernel üreten yeni sistem geliştirildi
Nöral İşlem Birimleri (NPU), yapay zeka sistemlerinin hızlı çalışması için kritik bileşenler haline geldi. Ancak bu çiplerin tam performansını kullanabilmek, özel yazılım kernelleri geliştirmeyi gerektiriyor ve bu süreç oldukça karmaşık. Araştırmacılar, büyük dil modellerinin NPU kernel üretiminde yaşadığı zorlukları ele alarak AscendKernelGen adlı yenilikçi bir sistem geliştirdi. Bu sistem, Ascend-CoT veri setini kullanarak gerçek dünya senaryolarından öğrenen bir yaklaşım benimsiyor. Çalışma, mevcut genel amaçlı dil modellerinin karmaşık NPU kernelleri üretmede neredeyse hiç başarılı olamadığını ortaya koyuyor. Geliştirilen çözüm, üretim ve değerlendirmeyi entegre eden bir çerçeve sunarak NPU yazılım geliştirme sürecini otomatikleştirmeyi hedefliyor.
Tek Örnekle Öğrenen Yapay Zeka: 1S-DAug ile Yeni Bir Dönem
Stanford araştırmacıları, yapay zekanın tek bir görsel örnekten öğrenmesini sağlayan devrim niteliğinde bir yöntem geliştirdi. 1S-DAug adlı bu teknik, sadece bir görüntüden yola çıkarak çeşitli varyasyonlar üretip bunları birleştirerek daha güvenilir tahminler yapabiliyor. Geleneksel makine öğrenmesi yöntemlerinin binlerce örnek gerektirdiği durumlarda, bu yeni yaklaşım minimal veriyle maksimum performans elde etmeyi hedefliyor. miniImageNet veri setinde %20'ye varan doğruluk artışı sağlayan sistem, mevcut modellere eklenti olarak entegre edilebiliyor. Bu gelişme, tıbbi görüntü analizi ve nadir türlerin tanınması gibi sınırlı veri bulunan alanlarda yapay zeka kullanımına yeni kapılar açıyor.
Yapay zeka artık bilim insanlarının hakemlik sürecine yanıt yazmasına yardım ediyor
Bilimsel yayın sürecinin kritik aşamalarından biri olan hakem değerlendirmelerine yanıt yazma işlemi, yazarlar için büyük zaman ve çaba gerektiriyor. Araştırmacılar, bu süreci kolaylaştırmak için yazarın uzmanlığını ve niyetini dikkate alan yeni bir yapay zeka sistemi geliştirdi. Re3Align adlı kapsamlı veri seti ve REspGen çerçevesi sayesinde, bilim insanları artık hakem görüşlerine daha etkili yanıtlar hazırlayabilecek. Sistem, yazarın alan bilgisini ve stratejik yaklaşımını analiz ederek, kişiselleştirilmiş ve ikna edici yanıtlar üretebiliyor. Bu gelişme, akademik yayıncılık sürecini hızlandırırken kaliteyi de artırmayı hedefliyor.
Milyarlarca atıfı içeren dev bilimsel veri seti artık normal bilgisayarlarda kullanılabilir
Avrupa'nın en büyük açık bilim platformu OpenAIRE'ın sahip olduğu dev atıf veri seti, şimdiye kadar boyutu nedeniyle sadece süper bilgisayarlarda işlenebiliyordu. 200 milyondan fazla yayın ve 2 milyardan fazla atıf içeren bu veri kümesi, sıkıştırılmamış haliyle terabayt boyutlarında yer kaplıyordu. Araştırmacılar, bu devasa veri setini 32 GB'a kadar küçülterek normal bilgisayarlarda da kullanılabilir hale getirmeyi başardı. Bu gelişme, bilim insanlarının yayınlar arası ilişkileri analiz etmesini, araştırma trendlerini takip etmesini ve bilimsel ağları incelemesini çok daha kolay hale getiriyor. Özellikle akademik araştırmalar, bibliyometrik analizler ve bilim politikası çalışmaları için büyük önem taşıyan bu çalışma, bilimsel verilere erişimde demokratikleşme sağlıyor.
Yapay Zeka Modellerinde Eğitim Stratejilerinin Etkisi Araştırıldı
Araştırmacılar, gürültü temizleme tabanlı üretken yapay zeka modellerinin eğitim süreçlerini derinlemesine incelediler. Çalışma, farklı ağırlıklandırma yöntemlerinin ve parametre seçimlerinin model performansına nasıl etki ettiğini sistematik olarak analiz etti. Gürültü, temiz görüntü ve hız tabanlı formülasyonlar karşılaştırılarak, bu seçimlerin veri manifoldunun boyutluluğu, model mimarisi ve veri seti büyüklüğü ile nasıl etkileşim kurduğu incelendi. Araştırma, kontrollü geometriye sahip sentetik veri setleri ile gerçek görüntü verilerini kapsadı. Sonuçlar, flow matching modellerinin eğitiminde kritik faktörlerin ayrıştırılmasına odaklanarak pratik tasarım önerileri sunuyor. Bu çalışma, yapay zeka modellerinin daha etkili eğitimi için önemli içgörüler sağlıyor.
Yapay Zeka Yeni Programcıların Kod Anlama Zorluğunu Çözüyor
Programlama öğrenmeye başlayan kişilerin en büyük zorluklarından biri karmaşık kodları anlamak. Araştırmacılar, bu soruna çözüm olarak bilişsel yük teorisine dayanan otomatik kod yeniden düzenleme sistemi geliştirdi. CDDRefactorER adlı bu sistem, kodun işlevselliğini korurken yapısını daha anlaşılır hale getiriyor. İki farklı veri seti ve yapay zeka modeli üzerinde yapılan testlerde sistem, yeniden düzenleme hatalarını %54-71 oranında azalttı. Yeni öğrenen programcılarla yapılan kontrollü çalışmalar da sistemin kod karmaşıklığını önemli ölçüde düşürdüğünü gösterdi. Bu yaklaşım, programlama eğitiminde devrim yaratma potansiyeli taşıyor.
Yapay zeka modelleri şekilleri gerçekten anlıyor mu? Yeni test kritik sonuçlar verdi
Görme-dil modelleri (VLM) birçok görevi başarıyla yerine getirse de, bu sistemlerin geometrik şekilleri gerçekten anlayıp anlamadığı belirsizdi. Araştırmacılar, bu modellerin renk ve doku ipuçlarından yararlanarak başarılı görünüp görünmediğini test etmek için BareBones adlı yeni bir değerlendirme sistemi geliştirdi. Bu benchmark, yapay zeka modellerinin saf geometrik anlama yetisini ölçmek için piksel düzeyinde silüetler kullanıyor. Altı farklı veri setinden yararlanılarak oluşturulan bu test, görsel yapay zeka sistemlerinin gerçek geometrik kavrayış kapasitelerini ortaya çıkarmayı hedefliyor. Çalışma, mevcut değerlendirme yöntemlerinin çevresel ipuçlarını sızdırdığını ve bu durumun modellerin gerçek yeteneklerini maskelediğini gösteriyor.
AI Modelleri Ultrason Prosedürlerini Öğrenmeye Başladı
Araştırmacılar, yapay zeka modellerinin ultrason prosedürlerini ne kadar iyi anlayabildiğini test etmek için özel bir veri seti geliştirdi. ReXSonoVQA adlı bu sistem, 514 video klip ve sorulardan oluşuyor. Ultrason çekimi, uzman bir operatörün probe manipülasyonu ve anlık ayarlamalar yapmasını gerektiren karmaşık bir süreç. Görsel-dil modelleri gelecekte otonom ultrason sistemlerini mümkün kılabilir, ancak mevcut değerlendirme sistemleri sadece statik görüntüleri inceliyor, dinamik prosedür anlayışını test etmiyor. Yeni benchmark, üç temel yetkinliği hedefliyor: eylem-hedef muhakemesi, yapay nesne çözünürlüğü ve optimizasyonu, prosedür bağlamı ve planlama. Gemini, Qwen ve LLaVA gibi gelişmiş AI modellerinin testlerinde, modellerin bazı prosedürel bilgileri çıkarabildiği görüldü.
Hiperkübik Ağlarda Bulaşma Yayılımının Matematiksel Sırları Çözüldü
Matematikçiler, hiperkup adı verilen çok boyutlu geometrik yapılarda bulaşma süreçlerinin nasıl yayıldığını modelleyen karmaşık bir problemi çözdü. Bootstrap perkolasyon olarak bilinen bu süreç, bir ağda enfekte olmuş düğümlerin sağlıklı komşularını nasıl etkilediğini inceler. Araştırmacılar, d-boyutlu hiperkuplarda 4-komşu kuralı için minimum bulaşma başlangıç setinin boyutunu kesin olarak hesapladılar. Bu matematiksel formül m(Q_d;4)=d(d²+3d+14)/24+1 şeklinde ifade ediliyor. Çalışma, daha önce Morrison ve Noel'in ortaya koyduğu teorik alt sınırın gerçekten de optimal olduğunu kanıtlıyor. Bu sonuç, ağ teorisi ve kombinatorik matematiğinde önemli bir ilerleme sağlarken, bilgisayar ağları, sosyal ağlar ve epidemiyoloji gibi alanlarda pratik uygulamalara sahip.
Yapay Zeka Meme Kanserini Daha Güvenli Tespit Ediyor: Sentetik Görüntü Devrimi
Araştırmacılar, hasta verilerini paylaşmadan hastaneler arası işbirliği sağlayan federe öğrenme yöntemiyle meme kanseri tespitinde çığır açan bir başarı elde etti. Çalışmada, gerçek ultrason görüntülerinin yanına yapay zeka tarafından üretilen sentetik görüntüler eklenerek modelin performansı önemli ölçüde artırıldı. Üç farklı veri setinde yapılan denemelerde, sentetik görüntülerin dengeli kullanımıyla tespit başarısı yüzde 94'lere kadar yükseldi. Bu yaklaşım, özellikle küçük veri setleri bulunan tıp kurumları için umut verici sonuçlar sunuyor ve hasta mahremiyetini korurken tanı kalitesini artırıyor.
Yapay zeka artık portre kompozisyonunu anlayıp sanatsal fotoğraflar üretebiliyor
Araştırmacılar, yapay zekanın portre fotoğrafçılığındaki kompozisyon kurallarını öğrenmesi için PortraitCraft adlı kapsamlı bir veri seti geliştirdi. 50 bin gerçek portre fotoğrafından oluşan bu veri seti, kompozisyon puanlama, 13 farklı kompozisyon özelliği analizi ve açıklayıcı metinler içeriyor. Sistem, bir portrenin estetik değerini değerlendirmenin yanı sıra belirli kompozisyon gereksinimlerine göre yeni portreler oluşturabiliyor. Bu gelişme, fotoğrafçılık eğitiminden otomatik görsel içerik üretimine kadar pek çok alanda kullanım potansiyeli taşıyor. Proje, yapay zekanın sanatsal anlayış ve yaratıcılık konularında aldığı mesafeyi gözler önüne seriyor.
Şehirleri çok spektrumlu gözle görmek: Bisikletlerle toplanan devrim niteliğinde veri seti
Hollandalı bilim insanları, iklim değişikliğine dayanıklı şehirler tasarlamak için yenilikçi bir yaklaşım geliştirdi. Bisikletlere monte edilen özel kameralarla sokak seviyesinden toplanan 17.718 çok spektrumlu görüntü, şehirlerin sadece görünür ışıkla değil, yakın kızılötesi ve termal spektrumlarla da nasıl göründüğünü ortaya koyuyor. Bu devrim niteliğindeki Spectrascapes veri seti, köyden büyük şehre kadar farklı yerleşim türlerinden toplanarak, şehir plancılarına ve iklim araştırmacılarına benzersiz bir perspektif sunuyor. Geleneksel uydu görüntüleri ve manuel incelemelerinin sınırlarını aşan bu yöntem, yüksek çözünürlüklü mekânsal ve zamansal veri sağlıyor.
Yapay Zeka Tüp Bebek Başarısını Artırabilir: Embriyo Kalitesi Otomatik Değerlendirmesi
Araştırmacılar, tüp bebek tedavilerinde embriyo kalitesini otomatik olarak değerlendiren yeni bir yapay zeka sistemi geliştirdi. Mevcut yöntemler embriyologların görsel değerlendirmelerine dayanıyor ve bu durum subjektiflik ile uzmanlar arası farklılıklara yol açıyor. Yeni sistem, 5. gün insan embriyolarının görüntülerini analiz ederek kritik embriyo bileşenlerini otomatik olarak tanımlıyor ve derecelendiriyor. Multitask embedding yaklaşımı kullanan bu teknoloji, sınırlı veri setinden bile etkili öğrenme gerçekleştirebiliyor. Sistem özellikle trofektoderm, iç hücre kütlesi ve blastosist genişlemesi gibi görsel olarak benzer ve ayırt edilmesi zor yapıları başarıyla tanımlayabiliyor. Bu gelişme, tüp bebek tedavilerinin başarı oranını artırabilir ve standardizasyon sorunlarını çözebilir.
Yapay zeka ile tablo anlayan yeni sistem: TableNet veri seti tanıtıldı
Araştırmacılar, büyük dil modellerinin (LLM) tablo yapısını daha iyi anlaması için TableNet adlı yeni bir veri seti geliştirdi. Mevcut veri setlerinin yetersizliği nedeniyle LLM'lerin karmaşık tablo düzenlerini analiz etmede zorlandığı problemi çözmek amacıyla tasarlanan sistem, otonom tablo üretimi ve tanıma teknolojilerini birleştiriyor. Geliştirilen çok-ajan sistem, görsel, yapısal ve semantik parametreleri kontrol edebilen bir yaklaşımla çeşitli tablo görüntüleri oluşturabiliyor. Bu yenilik, yapay zekanın belgelerdeki tabloları daha doğru şekilde yorumlamasını sağlayarak, veri analizi ve belge işleme alanlarında önemli ilerlemeler vaat ediyor. Sistem kullanıcı tanımlı konfigürasyonlarla uyumlu çalışarak, büyük ölçekli veri seti oluşturulmasına imkan tanıyor.
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.
Yapay Sinir Ağlarında Seçici Ölçüm Devrim Yaratıyor
Araştırmacılar, yapay zeka eğitiminde kullanılan Forward-Forward algoritmasını önemli ölçüde geliştiren yeni bir yaklaşım keşfetti. Geleneksel yöntemlerin aksine, tüm nöronları değerlendirmek yerine sadece en aktif olanları seçen 'top-k iyilik' fonksiyonu, Fashion-MNIST veri setinde %22,6 oranında daha yüksek doğruluk sağladı. Bu yenilikçi yaklaşım, beynin çalışma mantığına daha yakın olan Forward-Forward algoritmasının performansını dramatik şekilde artırarak, yapay zeka eğitiminde yeni ufuklar açıyor. Çalışma, hangi nöron aktivasyonlarının ölçülmesi ve nasıl bir araya getirilmesi gerektiği konusunda sistematik bir analiz sunuyor.
Dronelar için Hafif Görüntü Kalitesi Değerlendirme Sistemi Geliştirildi
Araştırmacılar, insansız hava araçları (drone) ile çekilen görüntülerin kalitesini otomatik olarak değerlendiren yeni bir sistem geliştirdi. MM-IQA adı verilen bu framework, bulanıklık, kenar yapısı, düşük çözünürlük, pozlama dengesizliği, gürültü ve sis gibi çoklu metrikleri kullanarak 0-100 arasında kalite puanı veriyor. Özellikle referans görüntünün bulunmadığı durumlarda çalışabilen bu hafif sistem, büyük hacimli görüntü setlerinin otomatik filtrelenmesinde kritik öneme sahip. Beş farklı veri setinde yapılan testlerde 0.647 ile 0.830 arasında korelasyon değerleri elde eden sistem, tarımsal uygulamalar başta olmak üzere drone görüntülemesinin yaygın olduğu alanlarda verimlilik sağlayacak.
Yapay zeka ajanları artık kendi yazdıkları kodları test edebiliyor
Araştırmacılar, büyük dil modellerinin kod yazabildiği ama doğruluğunu kontrol edemediği sorununa çözüm getiren AgentForge adlı sistemi geliştirdi. Bu yenilikçi çerçeve, beş farklı AI ajanının koordineli çalışmasıyla yazılım geliştirme sürecini otomatikleştiriyor. Planlayıcı, kodlayıcı, test edici, hata ayıklayıcı ve eleştiri ajanlarından oluşan ekip, her kod değişikliğini güvenli bir test ortamında çalıştırarak doğruluğunu kontrol ediyor. Sistem, yazılım mühendisliğini iteratif bir karar süreci olarak modelleyerek, geleneksel token tabanlı yaklaşımlar yerine gerçek çalıştırma geri bildirimini kullanıyor. SWE-BENCH Lite test setinde %40 başarı oranına ulaşan AgentForge, tek ajan sistemlerinden 26-28 puan daha iyi performans gösteriyor. Bu gelişme, AI destekli yazılım geliştirmede önemli bir adım teşkil ediyor.