“varan” için sonuçlar
48 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka sistemlerinin 'sürekliliği' ölçülebilir hale geldi
Araştırmacılar, yapay zeka sistemlerinin zaman içinde anlamlı bağlamı koruma yeteneğini ölçen ilk kapsamlı değerlendirme çerçevesini geliştirdi. ATANT adlı bu sistem, AI'ların gerçekten 'hatırlayıp' öğrenip öğrenmediğini test ediyor. Günümüz AI teknolojilerinde hafıza bileşenleri mevcut olsa da, bunların gerçek süreklilik sağlayıp sağlamadığı belirsizdi. Yeni çerçeve, 7 temel özellik tanımlayarak ve 250 hikaye içeren test korpusu kullanarak bu boşluğu dolduruyor. Test sonuçları, gelişmiş mimarilerin %100'e varan başarı oranları gösterdiğini ortaya koyuyor.
Yapay Zeka Kodlama Yetenekleri Matematiksel Doğrulama ile Güçleniyor
Araştırmacılar, büyük dil modellerinin kod yazma ve anlama yeteneklerini geliştirmek için yenilikçi bir yaklaşım geliştirdi. Haskell programlama dili üzerinde çalışan sistem, matematiksel doğrulama araçları kullanarak kodların anlam bakımından eşdeğer olup olmadığını belirliyor. İki yapay zeka modelinin birbirine karşı yarıştığı bu yaklaşımda, bir model kod üretirken diğeri bu kodları değerlendiriyor. Sistem, 28 bin doğrulanmış Haskell programından oluşan yeni bir veri seti kullanıyor. Deneyler, bu yöntemle eğitilen modellerin kod anlama testlerinde yüzde 13'e varan başarı artışı gösterdiğini ortaya koyuyor. Çalışma, yapay zekanın mantıksal düşünme yeteneklerinin geliştirilmesinde formal doğrulama yöntemlerinin önemini vurguluyor.
Yapay Zeka Modellerinin İletişim Sorunu Çözüldü: GPU İçi Sıkıştırma Tekniği
Büyük yapay zeka modellerinin eğitiminde yaşanan iletişim darboğazı, araştırmacılar tarafından geliştirilen yeni bir teknikle aşılabilir hale geldi. CCCL adlı bu sistem, GPU'lar arası veri alışverişini sıkıştırma teknikleriyle hızlandırarak, büyük dil modellerinin performansını önemli ölçüde artırıyor. Geleneksel yöntemlerde GPU'lar arasındaki veri iletişimi büyük bir zaman kaybına neden olurken, yeni sistem bu sorunu GPU içerisinde gerçekleştirdiği sıkıştırma işlemleriyle çözüyor. Sistem, mevcut uygulamalarda herhangi bir kod değişikliği gerektirmeden entegre edilebiliyor ve vLLM gibi popüler platformlarda %10'a varan performans artışı sağlıyor. Bu gelişme, yapay zeka modellerinin eğitim süreçlerinin daha verimli hale gelmesine katkı sağlayarak, teknolojinin ilerlemesinde önemli bir adım teşkil ediyor.
Yapay Zeka Arama Sistemlerinde Çifte Eğitim Yöntemiyle Büyük Atılım
Araştırmacılar, karmaşık soruları yanıtlayabilen yapay zeka arama sistemlerinde devrim niteliğinde bir yöntem geliştirdi. CoSearch adı verilen bu yeni yaklaşım, hem mantık yürütme hem de belge sıralama süreçlerini eş zamanlı olarak eğiterek mevcut sistemlerdeki ana darboğazı aşmayı hedefliyor. Geleneksel yöntemler yalnızca mantık yürütme kısmını geliştirirken, belge arama sistemini sabit tutuyor. Ancak yapılan deneyler, optimal bir arama sistemiyle mevcut sabit sistemler arasında yedi farklı soru-cevap veri setinde %26,8'e varan performans farkı olduğunu gösterdi. Bu bulgu, arama sisteminin performans artışındaki kritik rolünü ortaya koyuyor ve yapay zeka destekli bilgi arama alanında yeni bir dönemin başlangıcına işaret ediyor.
Süper bilgisayarlarda enerji tasarrufu sağlayan akıllı zamanlama sistemi geliştirildi
Araştırmacılar, çok GPU'lu süper bilgisayar sistemlerinde enerji verimliliğini artıran yeni bir zamanlama algoritması geliştirdi. EcoSched adlı bu sistem, GPU kaynaklarının daha akıllı dağıtımını sağlayarak hem enerji tasarrufu hem de performans artışı elde ediyor. Geleneksel yöntemlerin aksine, her uygulama için optimal GPU sayısını belirleyip işleri eş zamanlı olarak planlamaktadır. H100, A100 ve V100 sistemlerinde yapılan testlerde %14,8'e varan enerji tasarrufu, %30,1 performans artışı ve %40,4 enerji-gecikme ürünü iyileştirmesi elde edildi. Bu gelişme, süper bilgisayarların artan enerji maliyetleri karşısında önemli bir çözüm sunuyor.
Yapay Zeka Artık İnsan Gözü Gibi Kodu Okuyabiliyor
Araştırmacılar, kod yazan yapay zeka modellerini insan geliştiricilerin görsel dikkat kalıplarını taklit edecek şekilde eğiten yeni bir teknik geliştirdiler. EyeMulator adı verilen bu yöntem, göz takibi verilerini kullanarak yapay zekanın hangi kod parçalarına odaklanması gerektiğini öğretiyor. İnsan programcıların kod okurken hangi bölümlere baktıklarını analiz eden sistem, bu bilgiyi yapay zeka modellerinin eğitim sürecine dahil ediyor. Test sonuçları, bu yaklaşımın kod çevirisinde %30'dan fazla, kod özetlemede ise %22'ye varan performans artışları sağladığını gösteriyor. Çalışma, yapay zekanın sadece istatistiksel bağlantıları değil, insan benzeri dikkat mekanizmalarını da kullanabileceğini kanıtlıyor.
Yapay Zeka Araştırmalarını Tekrarlanabilir Kılan Çözüm: Yürütülebilir Bilgi Grafikleri
Yapay zeka araştırmalarının tekrarlanması bilim dünyasının en büyük sorunlarından biri. Büyük dil modelleri akademik makaleleri okuyup kod üretmeye çalışsa da çoğu zaman başarısız oluyor. Sorun, mevcut yöntemlerin makalelerde gizli kalan teknik detayları yakalayamaması ve yeterli arka plan bilgisine sahip olmaması. Araştırmacılar bu soruna çözüm olarak Yürütülebilir Bilgi Grafikleri (xKG) geliştirdi. Bu sistem, bilimsel literatürden otomatik olarak kod parçalarını ve teknik görüşleri çıkararak makale merkezli bir bilgi tabanı oluşturuyor. Üç farklı yapay zeka ajanı ve iki büyük dil modeli ile test edildiğinde, sistem PaperBench değerlendirmesinde %10.9'a varan performans artışı gösterdi. Bu gelişme, AI araştırmalarının daha kolay tekrarlanmasını ve bilimsel ilerlemenin hızlanmasını sağlayabilir.
Robotlarda Düşünce Zincirleri: Ne Zaman İşe Yarar Ne Zaman Zarar?
Yapay zeka araştırmacıları, robotların görsel algı ve eylem kabiliyetlerini birleştiren modellerde 'düşünce zinciri' yaklaşımının gerçekten faydalı olup olmadığını araştırdı. Chain-of-Thought (CoT) adı verilen bu yöntemde robotlar, eylem almadan önce adım adım mantıklı çıkarımlar yapıyor. Ancak yeni bulgular, bu yaklaşımın her zaman işe yaramadığını ortaya koyuyor. Araştırmacılar, CoT'nin etkili olabilmesi için iki kritik koşulun aynı anda sağlanması gerektiğini keşfetti: farklı veri türlerinin uygun mekanizmalarla işlenmesi ve mantıksal çıkarımların görev başarısıyla nedensel olarak bağlantılı olması. Bu koşullar sağlanmadığında, düşünce zincirleri performansı %4.2 oranında düşürebiliyor ve dağılım kayması durumlarında %32'ye varan başarı düşüşleri yaşanabiliyor.
Küçük yapay zeka modeli, büyük rakiplerini geride bıraktı
Araştırmacılar, görsel ve metin verilerini birlikte işleyebilen küçük boyutlu bir yapay zeka modeli geliştirdi. SmoGVLM adlı bu sistem, graf sinir ağları kullanarak yapılandırılmış bilgiyi görsel ve metinsel verilerle birleştiriyor. 1,3 milyardan 13 milyara kadar farklı parametrelerde test edilen model, küçük versiyonlarının bile %16'ya varan performans artışı gösterdiğini kanıtladı. En dikkat çekici sonuç, küçük modellerin kendilerinden on kat büyük modelleri geride bırakabilmesi oldu. Bu başarı, yapay zeka modellerinin her zaman daha büyük olması gerektiği varsayımını sorgulatan önemli bir gelişme. Sistem özellikle bilgi yoğun görevlerde ve çok modalı akıl yürütme gerektiren durumlarda üstün performans sergiliyor.
Kuantum Bilgisayarlarda Hata Bütçesi Dağıtımı için Oyun Teorisi Çözümü
MIT araştırmacıları, kuantum bilgisayarlardaki hata toleransı sistemlerinde kaynak kullanımını optimize etmek için oyun teorisi yaklaşımını kullandılar. Geleneksel yöntemler hata bütçelerini eşit şekilde dağıtırken, yeni yaklaşım Nash dengesi kullanarak optimal dağılım sağlıyor. 433 farklı kuantum devresinde yapılan testlerde, fiziksel kaynak gereksinimlerinde ortalama %30 azalma, bazı örneklerde ise %98'e varan iyileştirmeler elde edildi. Bu yaklaşım, kuantum hesaplama hatalarının stratejik olarak yönetilmesinde yeni bir paradigma sunuyor ve gelecekteki kuantum bilgisayarların daha verimli çalışmasını sağlayabilir.
Yeni Manyetik Malzemeler Vadileri Kutuplaştırarak Elektronik Devrim Vadediyor
Bilim insanları, altermagnetler ve tam kompanse ferrimagnetler olarak adlandırılan yeni manyetik malzeme sınıflarının özelliklerini araştırdı. Bu malzemeler, antiferromagnetlerin ve ferromagnetlerin avantajlarını birleştirerek elektronik uygulamalar için umut vadediyor. Araştırmacılar, tek eksenli gerilimin altermagnetleri tam kompanse ferrimagnetlere dönüştürebileceğini ve bu süreçte vadi polarizasyonu oluşturabileceğini keşfetti. VCrSeTeO adlı yeni bir ferrimanyetik malzeme önerilerek, 400 meV'e varan büyük vadi polarizasyonu elde edilebileceği gösterildi. Bu keşif, gelecekteki spintronik ve vadili elektronik uygulamalar için yeni kapılar açıyor.
Antiferromanyetik Malzemede Düşük Manyetik Alanda Yeni Anahtarlama Yöntemi
Fizikçiler, manyetik alanla kontrol edilmesi zor olan tam kompanseli antiferromanyetik malzemelerde çığır açan bir keşif gerçekleştirdi. CeNiAsO kristalinde, geleneksel yöntemlerin gerektirdiği yüksek manyetik alanların çok altında, sadece düzlem içi düşük manyetik alan kullanarak malzemenin manyetik durumunu değiştirmeyi başardılar. Bu yöntem, iki farklı antiferromanyetik alanın seçici stabilizasyonunu sağlayarak, malzemede %35'e varan devasa direnç değişimi oluşturuyor. Bulgular, spin-yörünge etkileşmesinin sağladığı geleneksel anizotropi sinyallerini kat kat aşan değerlere ulaşıyor. Bu keşif, antiferromanyetik malzemelerin gelecekteki elektronik uygulamalarda kullanımına dair önemli perspektifler sunuyor ve spintronik teknolojilerinde yeni kapılar açabilir.
Yapay Zeka Eğitim Süresi Tahmini İçin Hassasiyet Tabanlı Yeni Yöntem
Dağıtık derin öğrenme sistemlerinde eğitim süresinin doğru tahmin edilmesi, kaynak planlaması ve maliyet hesaplaması açısından kritik önem taşıyor. Yeni araştırma, kayan nokta hassasiyet ayarlarının eğitim süresini 2,4 kata kadar etkileyebildiğini ortaya koyuyor. Mevcut tahmin yöntemleri karışık hassasiyet kullanımını göz ardı ettiği için %147'ye varan hata oranları yaşanabiliyor. Bilim insanları, hassasiyet değişkenlerini dikkate alan yeni bir tahmin modeli geliştirerek hata oranını %9,8'e düşürmeyi başardı.
LLM Hata Ayıklama Sistemlerinde Kritik Güvenlik Açığı Keşfedildi
Araştırmacılar, bulut hizmetlerinin günlük dosyalarını analiz eden yapay zeka sistemlerinde ciddi bir güvenlik açığı tespit etti. LogJack adlı bu saldırı yöntemi, zararlı komutları günlük kayıtlarının içine gizleyerek AI sistemlerini kandırıyor. 8 farklı büyük dil modeli üzerinde yapılan testlerde, bazı modellerin %86'ya varan oranlarda zararlı komutları aynen çalıştırdığı görüldü. En güvenli model Claude Sonnet olurken, Llama 3.3 en savunmasız model olarak öne çıktı. AWS, Google Cloud ve Azure'un güvenlik sistemleri bu saldırıları tespit etmede büyük ölçüde başarısız oldu. Bu keşif, AI sistemlerinin bulut altyapılarında kullanımının yaygınlaştığı dönemde kritik önem taşıyor.
Yapay Zeka Asistanları İçin Hibrit Belge Arama Sistemi Geliştirildi
Araştırmacılar, yapay zeka asistanlarının belge aramalarını iyileştiren 'vstash' adlı yeni bir sistem geliştirdi. Bu sistem, vektör benzerlik araması ve tam metin anahtar kelime eşleştirmesini birleştirerek daha etkili sonuçlar üretiyor. Sistemin en önemli özelliği, tüm verileri tek bir SQLite dosyasında saklayarak yerel çalışabilmesi ve internet bağlantısı gerektirmemesi. BEIR veri setlerinde yapılan testlerde, geleneksel yöntemlere göre %19,5'e varan performans artışları elde edildi. Sistem ayrıca, farklı arama yöntemlerinin anlaşmazlıklarını kullanarak kendini geliştirebiliyor ve bu sayede insan etiketlemesine ihtiyaç duymuyor.
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.
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.
AI Çiplerinde 8-bit Hesaplamalarla Kuantum Kimyası Simülasyonları 364% Hızlandı
Araştırmacılar, yapay zeka çiplerinde kuantum kimyası hesaplamalarını büyük ölçüde hızlandıran yenilikçi bir yöntem geliştirdi. NVIDIA Tensor Core'lar gibi AI donanımlarında 8-bit tam sayı aritmetiği kullanan adaptif hassasiyet algoritması, yoğunluk uydurma methodunu önemli ölçüde hızlandırıyor. RTX 4090'da %204, RTX 6000 Ada'da ise %364'e varan hız artışları elde edilen çalışmada, hesaplama doğruluğundan taviz verilmiyor. Bu gelişme, AI donanımının bilimsel hesaplamalarda nasıl etkili kullanılabileceğini gösteriyor.
Kafein karıncaları daha zeki yapıyor: Zararlı böcek kontrolünde devrim
Bilim insanları, kafeinin sadece insanlarda değil karıncalarda da zihinsel performansı artırdığını keşfetti. Kafeinli şeker verilen istilacı Arjantin karıncaları, besin kaynaklarını bulmada %38'e varan oranda daha verimli hale geldi. Karıncalar daha hızlı hareket etmiyor, ancak daha odaklı ve düz rotalar izliyordu. Bu beklenmedik etki, öğrenme yeteneklerinin geliştiğini gösteriyor. Araştırma, zararlı böcek kontrolünde kullanılan zehirli yemlerin etkinliğini artırmak için yeni stratejiler geliştirilmesine kapı açıyor.
Yapay Zeka Prostat Tanısında Yeni Dönem: Transformer Modeller Daha Hassas Sonuçlar Veriyor
Araştırmacılar, prostat bezinin MR görüntülerinden otomatik tespiti için transformer tabanlı yapay zeka modellerini test etti. Çalışmada, farklı radyologların yorumları arasındaki tutarsızlıklar ve hastaneler arası teknik farklılıklar gibi zorlukların üstesinden gelmek için UNETR ve SwinUNETR modellerinin performansı incelendi. 546 MR görüntüsü üzerinde yapılan testlerde, SwinUNETR modeli %86'ya varan doğruluk oranıyla önceki geleneksel modelleri geride bıraktı. Bu gelişme, prostat kanserinin erken tanısı ve tedavi planlamasında daha tutarlı ve güvenilir sonuçlar elde edilmesine katkı sağlayabilir.
Korece Yapay Zeka Modelleri Yerel Kültürde Zorlanıyor
Güney Koreli araştırmacılar, yapay zeka modellerinin Korece dilinde ve kültürel bağlamda ne kadar başarılı olduğunu ölçmek için KMMMU adlı yeni bir test sistemi geliştirdi. 3.466 sorudan oluşan bu kapsamlı değerlendirme, matematik, fen bilimleri ve sosyal bilimler gibi dokuz farklı alandaki görselli soruları içeriyor. Test sonuçları oldukça düşündürücü: en güçlü açık kaynak yapay zeka modeli bile sadece %42 başarı gösterirken, ticari modellerin en iyisi zor sorularda %52'ye ulaşabildi. Özellikle Kore kültürüne özgü sorularda performans %13'e varan düşüşler gösterdi. Bu çalışma, yapay zeka modellerinin küresel ölçekte geliştirilmesine rağmen yerel kültür ve dil özelliklerinde hala ciddi eksiklikleri olduğunu ortaya koyuyor.
Yapay Zeka Modelleri Artık Sıkıştırılmış Metinleri Anlayabilecek
Araştırmacılar, büyük dil modellerinin (LLM) sıkıştırılmış metinler üzerinde doğrudan analiz yapabildiğini keşfetti. Bu yenilikçi yaklaşım, sözlük kodlaması kullanarak tekrarlayan metin parçalarını kısa meta-simgelerle değiştiriyor ve model ince ayarına gerek kalmadan %80'e varan sıkıştırma oranları elde ediyor. Sistem, modele verilen sözlük sayesinde sıkıştırılmış metinleri doğru şekilde yorumlayabiliyor ve normal metinlerle aynı kalitede sonuçlar üretiyor. Bu gelişme, özellikle tekrarlı veriler içeren büyük metinlerin işlenmesinde maliyet etkinliği sağlayarak yapay zeka uygulamalarının ekonomik sürdürülebilirliğine önemli katkı sunuyor.
Giyilebilir cihazlarda biyosinyaller için yapay zeka eğitimi artık mümkün
Stanford araştırmacıları, giyilebilir sağlık cihazlarında yapay zeka modellerinin doğrudan cihaz üzerinde eğitilmesini sağlayan BioTrain sistemini geliştirdi. EEG ve göz hareketleri gibi biyosinyallerde kişiler arası büyük farklılıklar bulunması, yapay zeka modellerinin performansını ciddi şekilde düşürüyor. Geleneksel yöntemlerle bu sorunu çözmek için bulut tabanlı işlem gerekirken, bu yaklaşım gizlilik endişelerini beraberinde getiriyor. BioTrain, 50 miliwat altında güç tüketimiyle ve 1 megabayt altında bellek kullanımıyla tam ağ eğitimi yapabiliyor. Sistem, hem yeni kullanıcılar için ilk gün kalibrasyonunda hem de uzun vadeli sinyal değişimlerine uyumda test edildi. Sonuçlar, bu yaklaşımın doğruluk oranında yüzde 35'e varan iyileşmeler sağladığını gösteriyor. Bu teknoloji, giyilebilir sağlık cihazlarının kişiselleştirilmesi ve güvenilirliği açısından önemli bir adım teşkil ediyor.
Doğal Meyve Yıkama Solüsyonu Pestisitleri %96 Oranında Temizliyor
British Columbia Üniversitesi bilim insanları, meyvelerdeki pestisit kalıntılarını %96'ya varan oranda temizleyen ve aynı zamanda ürünlerin raf ömrünü uzatan doğal bir yıkama solüsyonu geliştirdi. Bu biyolojik olarak parçalanabilen çözelti, elma, üzüm ve diğer meyvelerin daha güvenli tüketilmesini sağlarken, kahverengileşmeyi ve nem kaybını da yavaşlatarak taze kalma süresini günlerce uzatıyor. Gıda fiyatlarının sürekli artış gösterdiği ve dünya genelinde taze ürünlerin yaklaşık yarısının israf edildiği günümüzde, hem pestisit maruziyetini azaltan hem de bozulmayı önleyen bu yöntem büyük önem taşıyor. Araştırma sonuçları prestijli bilim dergisi ACS Nano'da yayımlandı.