“sel” için sonuçlar
5.533 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka güvenlik filtrelerinde yeni örnekleme yöntemi geliştirildi
Otonom sistemlerde güvenlik kısıtlamalarının korunması için kullanılan güvenlik filtrelerinin performansını artıran yeni bir yöntem geliştirildi. Araştırmacılar, Pontryagin Maksimum Prensibi kullanarak güvenlik ihlallerini zar zor önleyen sınır yörüngelerini karakterize etti. Bu yaklaşım, öğrenme tabanlı Hamilton-Jacobi Erişilebilirlik sistemlerinde veri toplama sürecini yönlendirerek, güvenlik açısından kritik durumlar yakınında öğrenme çabalarını yoğunlaştırıyor. Geliştirilen Kontrol Bariyeri Değer Fonksiyonu doğrudan güvenlik filtrelemesi için kullanılabiliyor. Yöntem, özellikle yüksek boyutlu karmaşık sistemlerde kısıt ihlallerine yol açabilecek durumları içeren bilgilendirici verilerin örneklenmesi sorununa çözüm getiriyor. Otonom araç yarışı uygulamasında yapılan deneysel doğrulamalar, PMP örnekleme yönteminin öğrenme verimliliğini artırdığını, daha hızlı yakınsama sağladığını ve başarısızlık oranlarını azalttığını gösterdi.
Yapay Zeka Gözünde Büyük Yanılsama: Doğru Yeri Buluyor, Yanlış İsim Veriyor
Araştırmacılar, görüntü segmentasyonunda çalışan yapay zeka modellerinin şaşırtıcı bir hata türü keşfetti. Bu modeller, nesnelerin sınırlarını doğru tespit edebiliyor ancak tamamen yanlış etiketler atayabiliyor. Örneğin bir köpeği bulup sınırlarını çiziyor ama 'kedi' diyor. Bu durum, modellerin eğitim verilerindeki sahte korelasyonlara dayanmasından kaynaklanıyor. Cornell Üniversitesi araştırmacıları, bu 'semantik etiket takası' sorununun geleneksel değerlendirme yöntemleriyle fark edilmediğini gösterdi. Çalışma, yapay zekanın gerçek dünya uygulamalarında karşılaşabileceği kritik güvenilirlik sorunlarına ışık tutuyor.
Yapay zeka modelleri için yeni derleyici teknolojisi: Event Tensor
Araştırmacılar, büyük dil modellerinin çalışmasını hızlandıran yeni bir derleyici teknolojisi geliştirdi. Event Tensor adı verilen bu sistem, GPU işlemcilerde karşılaşılan performans sorunlarını çözerek yapay zeka uygulamalarının daha verimli çalışmasını sağlıyor. Teknoloji, özellikle ChatGPT benzeri dil modellerinin yanıt verme hızını artırıyor. Geleneksel yaklaşımlar, GPU'da farklı işlemlerin başlatılması sırasında oluşan gecikmeler ve eşzamanlama sorunları yaşıyor. Event Tensor, bu işlemleri tek bir sürekli çekirdek halinde birleştirerek bu problemleri ortadan kaldırıyor. Sistem aynı zamanda değişken boyutlardaki verileri ve veriye bağlı hesaplamaları etkin şekilde yönetiyor. Test sonuçları, yeni teknolojinin büyük dil modellerinin hizmet verme süresini önemli ölçüde azalttığını ve sistem başlatma maliyetlerini düşürdüğünü gösteriyor.
Yapay Zeka ile Tıbbi Verilerin Anlaşılmasında Yeni Dönem: CoMed Sistemi
Araştırmacılar, elektronik sağlık kayıtlarındaki tıbbi kavramları daha iyi anlayabilmek için yapay zeka destekli yeni bir sistem geliştirdi. CoMed adlı bu sistem, hastalık tanıları, ilaçlar ve tıbbi prosedürler arasındaki karmaşık ilişkileri haritalayarak sağlık verilerinin daha doğru yorumlanmasını sağlıyor. Mevcut tıbbi bilgi sistemlerinin eksik bağlantılar ve yetersiz anlamsal bilgi gibi sorunları bulunuyor. CoMed, büyük dil modellerini kullanarak bu eksiklikleri gideriyor ve tıbbi kodlar arasında küresel bir bilgi ağı oluşturuyor. Bu gelişme, gelecekte hastalık teşhisi, tedavi planlaması ve klinik karar verme süreçlerinde önemli iyileştirmeler sağlayabilir. Sistem, hem yapısal verileri hem de metinsel bilgileri birleştirerek tıbbi kavramların daha zengin temsillerini oluşturuyor.
Yapay Zeka Temelli Yeni Yöntem Veri Analizinde Çığır Açıyor
Araştırmacılar, tablo verilerindeki karmaşık ilişkileri tespit etmek için TabDistill adlı yenilikçi bir yöntem geliştirdi. Bu yaklaşım, büyük yapay zeka modellerinin örtük olarak öğrendiği veri bağımlılıklarını çıkararak, geleneksel istatistiksel modellerin performansını artırıyor. Yöntem, önce büyük bir temel model eğitiyor, ardından bu modelden anlamlı özellik etkileşimlerini çıkarıyor ve bunları yorumlanabilir Genelleştirilmiş Toplamsal Modeller'de kullanıyor. Bu hibrit yaklaşım, hem yüksek doğruluk hem de yorumlanabilirlik sağlayarak, finans, sağlık ve pazarlama gibi kritik alanlarda daha güvenilir karar verme imkanı sunuyor. Geleneksel sezgisel yöntemlerin aksine, TabDistill daha karmaşık ve bağlama bağlı etkileri yakalayabiliyor.
3D Görüntülerde Işık Oyunu: Gerçekçi Aydınlatma Teknolojisi Geliştirildi
Araştırmacılar, 3D sahneleri farklı ışık koşullarında son derece gerçekçi biçimde yeniden aydınlatmayı sağlayan SSD-GS adlı yeni bir teknik geliştirdi. Bu yöntem, ışık-malzeme etkileşimlerini fizik kurallarına uygun şekilde modelleyerek, metal ve yarı saydam malzemelerin görünümlerini oldukça doğal bir şekilde yeniden oluşturabiliyor. Geleneksel yöntemlerin aksine, SSD-GS ışığın yansıması, gölgeler ve malzeme içindeki saçılımı ayrı ayrı hesaplayarak daha kaliteli sonuçlar üretiyor. Bu gelişme, oyun endüstrisi, sinema efektleri ve sanal gerçeklik uygulamalarında devrim yaratma potansiyeli taşıyor.
Raspberry Pi ve Yapay Zeka Ajanları İle Nesne Tanıma Sistemi Geliştirildi
Araştırmacılar, birden fazla yapay zeka ajanını koordine eden yenilikçi bir nesne tanıma sistemi geliştirdi. Raspberry Pi tabanlı bu sistem, YOLO algoritması ile Slack chatbot arayüzünü birleştirerek doğal dil komutlarıyla kontrol edilebiliyor. Geleneksel yaklaşımlardan farklı olarak, sistem büyük dil modeli (LLM) tabanlı bir arayüz kullanarak kullanıcıların sohbet eder gibi nesne tanıma işlemlerini yönetmesine olanak tanıyor. Sınırlı kaynakları olan tek bir donanım platformunda tüm bileşenlerin entegrasyonu başarıyla gösterildi. Bu çalışma, üretken yapay zeka sistemlerinin dönüştürücü potansiyelini hem geliştirme hem de uygulama aşamalarında pratik olarak sergilemekte ve hızlı prototipleme yaklaşımının önemini vurgulamaktadır.
Yapay zeka ajanları için yeni programlama dili: AgentSPEX
Araştırmacılar, yapay zeka ajanlarının davranışlarını daha etkili kontrol etmek için özel bir programlama dili geliştirdi. AgentSPEX adlı bu dil, mevcut sistemlerin karmaşıklık ve kontrol zorluklarını çözmeyi hedefliyor. Geleneksel yaklaşımlarda AI ajanları tek bir talimatla yönlendirilirken, yeni sistem açık kontrol akışları ve modüler yapılar sunuyor. LangGraph, DSPy gibi mevcut çerçeveler Python'a bağımlılık gösterirken, AgentSPEX daha esnek ve sürdürülebilir bir alternatif sunuyor. Sistem, tiplenmiş adımlar, dallanma, döngüler, paralel işlem ve yeniden kullanılabilir modüller gibi gelişmiş özellikler içeriyor. Bu gelişme, AI ajanlarının daha karmaşık görevlerde güvenilir şekilde çalışmasını sağlayabilir ve yazılım geliştirme süreçlerini kolaylaştırabilir.
Veri İşlemede Yeni Algoritma: Filtre Optimizasyonu İçin Yapay Zeka Tabanlı Sistem
Araştırmacılar, büyük veri işleme süreçlerinde önemli performans artışları sağlayan yeni bir algoritma geliştirdi. 'Predicate pushdown' adı verilen bu optimizasyon tekniği, verileri işleme sürecinin en başında filtreleyerek, özellikle Python ve Scala gibi dillerde yazılmış karmaşık fonksiyonların yükünü azaltıyor. Modern veri analitiğinde bu fonksiyonlar en maliyetli işlemler arasında yer alırken, yeni sistem filtreleri bu pahalı işlemlerden önce uygulayarak önemli hız kazanımları elde ediyor. Çalışma, iki farklı veri alt kümesini işleyen programlar arasında matematiksel bir ilişki kurarak, optimizasyonun doğruluğunu garanti altına alıyor.
Yapay Zeka Ajanları Ağ Sorunları için Çevirmen Oluyor
Araştırmacılar, telekomünikasyon ağlarında yaşanan teknik sorunları sıradan kullanıcılarla uzmanlar arasında çeviren yenilikçi bir yapay zeka sistemi geliştirdi. Çok ajanlı büyük dil modeli mimarisi kullanan bu framework, kullanıcıların teknik bilgi gerektirmeyen sorularını otomatik olarak sınıflandırıyor, kişisel bilgileri koruyarak anonimleştiriyor ve uzman yanıtlarını anlaşılır dile çeviriyor. Sistem, öz-yansıtma mekanizmaları ile donatılmış ReAct tarzı ajanlar kullanarak iteratif çıktı iyileştirmesi yapabiliyor. Bu gelişme, özellikle özel ağ ortamlarında teknik destek süreçlerini demokratikleştirme potansiyeli taşıyor ve yapay zekanın karmaşık alan bilgilerini erişilebilir hale getirmedeki rolünü gösteriyor.
Yapay Zeka Modelleri Artık Birbirinden Öğrenerek Kendini Geliştirebiliyor
Araştırmacılar, dil modellerinin dış müdahale olmadan kendi performanslarını artırabilecekleri yeni bir yöntem geliştirdi. 'Akran Tahminli Öz-Eğitim' adı verilen bu teknikte, birden fazla yapay zeka modeli işbirliği yaparak birbirlerinden öğreniyor. Sistem, modellerin aynı soruya verdikleri farklı yanıtları birleştirerek daha güvenilir cevaplar üretiyor ve bu cevapları eğitim verisi olarak kullanıyor. Matematiksel akıl yürütme testlerinde yapılan denemelerde, bu yöntemle modellerin doğru cevap verme oranlarında önemli artışlar gözlendi. Bu gelişme, yapay zekanın sürekli kendini geliştirme yeteneği kazanması açısından önemli bir adım olarak değerlendiriliyor.
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.
Robotlara Öğrenmeyi Öğreten Yapay Zeka: Diffusion Modelleri ile Dinamik Adaptasyon
Araştırmacılar, robotların farklı ortamlarda hızla adapte olabilmesi için yeni bir yapay zeka yaklaşımı geliştirdi. Sistem tanımlama problemini 'bağlamsal meta-öğrenme' olarak ele alan çalışma, diffusion modellerini kullanarak robotların dinamik davranışlarını tahmin etmeyi amaçlıyor. Geleneksel Transformer tabanlı deterministik modellere karşı iki farklı diffusion yaklaşımı test edildi: girdi-gözlem dağılımını öğrenen 'inpainting diffusion' ve kontrol girdilerine dayalı gelecek gözlemleri üreten 'koşullu diffusion modelleri'. Geniş çaplı simülasyonlar, diffusion modellerinin özellikle dağılım dışı koşullarda daha güçlü performans sergilediğini gösterdi. Bu gelişme, robotların bilinmeyen ortamlarda daha esnek ve güvenilir davranabilmesi için önemli bir adım.
Eğitim yapay zekası için geliştirilen kodlama sistemi bireysel öğretimde işe yarar mı?
Sınıf ortamındaki etkili öğretim tekniklerini analiz etmek için geliştirilen TalkMoves kodlama sistemi, artık özel ders platformlarında da kullanılmaya başlandı. Ancak bu sistem aslen toplu sınıf ortamları için tasarlanmıştı. Araştırmacılar, sistemin bire bir özel ders seanslarında ve video, ses, metin gibi farklı veri türlerinde ne kadar güvenilir sonuçlar verdiğini inceledi. Çalışma, eğitim teknolojisi alanında yapay zeka sistemlerinin etkili öğretim desteği sağlaması için kritik öneme sahip. Bulgular, eğitim platformlarının ölçeklenmesi ve farklı iletişim kanallarının entegrasyonu açısından önemli çıkarımlar sunuyor.
UniBlendNet: Karmaşık Aydınlatma Sorunlarını Yapay Zeka ile Çözüyor
Araştırmacılar, fotoğraflardaki karmaşık aydınlatma problemlerini çözebilen yeni bir yapay zeka sistemi geliştirdi. UniBlendNet adlı bu sistem, görüntülerdeki düzensiz ışık dağılımını normalize ederek daha kaliteli sonuçlar üretiyor. Mevcut yöntemlerin aksine, hem global hem de yerel ışık özelliklerini aynı anda analiz edebilen bu teknoloji, özellikle zorlu aydınlatma koşullarında çekilmiş görüntüleri iyileştirmede başarılı oluyor. Sistem, çok ölçekli yapıları ve bölgesel uyarlanabilir iyileştirmeyi birleştiren birleşik bir yaklaşım benimsiyor. Bu gelişme, fotoğrafçılık, güvenlik kameraları ve medikal görüntüleme gibi alanlarda önemli uygulamalara sahip olabilir.
Yapay Zeka Modellerinin 'Yalan Söylediği' Daha Doğru Tespit Edilebiliyor
Araştırmacılar, dil modellerinin yanlış bildiği cevapları verdiği durumları tespit etmek için geliştirilen doğrusal prob tekniklerinde önemli ilerlemeler kaydetti. Tek katman prob yöntemlerinin kırılgan yapısına karşı, çok katmanlı ensemble yaklaşımının çok daha güvenilir sonuçlar verdiği ortaya çıktı. Özellikle aldatıcı davranışların tespitinde, bu yeni yöntem bazı test alanlarında başarı oranını %78'e kadar artırdı. Ayrıca, model büyüklüğü arttıkça tespit doğruluğunun da paralel şekilde yükseldiği gözlemlendi. Bu bulgular, yapay zeka güvenliği ve aldatma karşıtı sistemler için kritik öneme sahip.
Çevrimiçi Oyunların Çöküş Mekanizması Matematiksel Modelle Açıklandı
Araştırmacılar, çok oyunculu online oyunların neden ve nasıl popülerliklerini kaybederek oynanmaz hale geldiğini açıklayan formal bir çerçeve geliştirdi. Çalışma, oyunların hayatta kalabilmesi için gerekli minimum oyuncu sayısını tanımlayan 'Kritik Kütle Eşiği' ve nostaljinin aktif katılımı geride bıraktığı 'Nostalji Dönüm Noktası' gibi matematiksel kavramlar sunuyor. Model, oyuncu tabanının azalması durumunda bekleme sürelerinin uzaması, eşleşme kalitesinin düşmesi ve oyun dengesinin bozulması gibi faktörlerin nasıl bir kısır döngü yarattığını gösteriyor. Bu araştırma, oyun endüstrisinin milyarlarca dolarlık yatırımlarını koruma stratejileri geliştirmesi açısından kritik öneme sahip.
Yapay Zeka Tablolar İçin İnsansı Mantık Yürütmeyi Öğreniyor
Araştırmacılar, tablo verilerini analiz etmek için yeni bir yapay zeka sistemi geliştirdi. ReSS adlı bu sistem, sembolik mantık ile büyük dil modellerini birleştirerek hem yüksek doğruluk hem de anlaşılır açıklamalar sunuyor. Sistem, karar ağaçlarından elde edilen mantıksal yolları kullanarak, yapay zekanın verdiği kararları insan dilinde açıklayabiliyor. Sağlık ve finans gibi kritik alanlarda kullanılmak üzere tasarlanan bu yaklaşım, yapay zekanın şeffaflık sorununa önemli bir çözüm getiriyor. Geleneksel sembolik modellerin katı mantığı ile modern dil modellerinin esnekliğini harmanlayan sistem, özellikle hassas kararlar gerektiren uygulamalar için büyük önem taşıyor.
AI Sistemler Artık Duygu Analizinde Neden Böyle Düşündüklerini Açıklayabilecek
Yapay zeka alanında önemli bir gelişme yaşanıyor. Duygu analizi yapan AI sistemler genellikle 'kara kutu' gibi çalışır ve verdikleri kararların gerekçesini açıklayamazlar. Oysa insanlar sadece duyguları kategorize etmekle kalmaz, yargılarının arkasındaki nedenleri de açıklayabilir. Araştırmacılar bu sorunu çözmek için ABSA-R1 adlı yeni bir çerçeve geliştirdi. Bu sistem, pekiştirmeli öğrenme kullanarak insan bilişsel süreçlerini taklit ediyor ve 'önce akıl yürüt, sonra tahmin et' yaklaşımını benimsiyor. Sistem, sadece duygu kutupluluğunu tespit etmekle kalmıyor, aynı zamanda bu kararın arkasındaki mantığı doğal dil kullanarak açıklayabiliyor. Bu gelişme, AI sistemlerinin şeffaflığı ve açıklanabilirliği açısından büyük önem taşıyor.
Çok Modlu Yapay Zeka Neden Geride Kalıyor? İç Mekanizmalar Araştırıldı
Yapay zeka modellerinin yeni görevleri örneklerden öğrenmesini sağlayan 'bağlam içi öğrenme' yöntemi, sadece metinle çalışırken başarılı olsa da görsel ve metinsel verileri birlikte işlerken zorlanıyor. Araştırmacılar, çok modlu büyük dil modellerinin neden tek modal karşılıklarından daha zayıf performans sergilediğini sistematik olarak inceledi. Bulgular, mevcut modellerin görsel ve metinsel temsiller arasında mantıksal düzeyde yeterli hizalamaya sahip olmadığını ve öğrenilen görev eşlemelerini güvenilir şekilde aktaramadığını gösteriyor. Bu keşif, yapay zeka sistemlerinin farklı veri türlerini daha etkili şekilde birleştirmesi için gereken iyileştirmelere ışık tutuyor.
Enerji Şebekelerinde Senkronizasyon Sorununu Çözen Yeni Algoritma
Araştırmacılar, eşten-eşe enerji yönetim sistemlerindeki kritik bir sorunu çözen yenilikçi bir algoritma geliştirdi. Geleneksel enerji paylaşım sistemleri, tüm kullanıcıların aynı anda senkronize olmasını gerektiriyor ve bu durum sistemin verimliliğini önemli ölçüde sınırlıyor. Yeni geliştirilen asenkron algoritma, prosumer'ların (hem üretici hem tüketici) birbirinden bağımsız zamanlarda enerji alışverişi yapmasına olanak tanıyor. Bu yaklaşım, yenilenebilir enerji kaynaklarının yerel kapasitesini artırırken, enerji maliyetlerini azaltıyor ve veri gizliliğini koruyor. Operatör ayırma teorisine dayanan çözüm, merkezi bir saat sistemine ihtiyaç duymadan rastgele aktivasyon mekanizması kullanıyor.
Robot Kollarının Tekil Durum Sorunu: Klasik ve AI Yöntemlerinin Karşılaştırması
Robot kollarının hareket planlamasında karşılaşılan en büyük sorunlardan biri tekil durumlardır - robot eklemlerinin aniden çok hızlı hareket ettiği veya sistemin tamamen kilitlendiği durumlar. Yeni bir araştırma, bu sorunu çözmek için geliştirilen geleneksel matematik tabanlı yöntemlerle modern yapay zeka yaklaşımlarını kapsamlı olarak karşılaştırdı. Çalışmada 12 farklı çözüm yöntemi test edildi ve ilginç sonuçlar elde edildi: Sadece yapay zeka kullanan yöntemler beklenenden daha kötü performans gösterirken, matematik ve AI'ı birleştiren hibrit yaklaşımlar daha başarılı oldu. Bu bulgular, robotik sistemlerde güvenilirlik açısından kritik öneme sahip.
Difüzyon Dil Modellerinde Öngörü Kararsızlığının Gizli Yüzü Ortaya Çıktı
Yapay zeka alanında yeni nesil büyük dil modelleri olan difüzyon dil modellerinin (DLM) beklenmedik bir sorunu keşfedildi. Araştırmacılar, bu modellerin aynı soruya farklı zamanlarda verdikleri yanıtların tutarsız olabildiğini, ancak geleneksel değerlendirme yöntemlerinin bu kararsızlığı maskelediğini ortaya koydu. Mevcut test sistemleri, binlerce örneğin ortalamasına bakarak modelin genel performansını ölçüyor, böylece bireysel örneklerdeki büyük farklılıklar gözden kaçıyor. Bu durum, aynı genel performansa sahip iki model konfigürasyonunun, tekil sorularda tamamen farklı davranabilmesi anlamına geliyor. Araştırma ekibi, her bir örneği ayrı ayrı inceleyerek modellerin ne kadar tutarsız olduğunu daha detaylı ölçen yeni bir değerlendirme sistemi geliştirdi.
Yapay Zeka Ensemble Modellerinde Markov Bağımlılığının Performansa Etkisi
MIT ve Stanford araştırmacıları, makine öğrenmesinde yaygın kullanılan ensemble yöntemlerinin zaman serisi verileri gibi birbirine bağımlı veri kümelerinde neden beklenenden daha düşük performans gösterdiğini matematiksel olarak açıkladı. Çoğunluk oylama sistemleri normalde bağımsız modelleri birleştirerek daha iyi sonuçlar verir, ancak Markov bağımlılığı olan verilerde bu avantaj azalır. Çalışma, bu sorunu teorik olarak tanımlarken aynı zamanda grafik düzenli veri yapılarında optimal performans gösteren uyarlanabilir bir algoritma da geliştirdi. Bulgular, finansal tahminler, pekiştirmeli öğrenme ve uzaysal veri analizinde ensemble modellerinin daha etkili kullanımı için yol gösterici nitelikte.