“dikkat” için sonuçlar
691 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Robotlara İnsan Hareketlerini Öğretmenin Yeni Yolu: Yapay Zeka Destekli Sistem
Araştırmacılar, humanoid robotların insan hareketlerini daha doğal bir şekilde taklit etmesi için yenilikçi bir yapay zeka sistemi geliştirdi. Neural Motion Retargeting (NMR) adlı bu framework, geleneksel optimizasyon yöntemlerinin yarattığı fiziksel tutarsızlıkları çözerek robotların insan verilerinden öğrenme sürecini revolutionize ediyor. Sistem, hareketleri kümeleyerek gruplandıran ve dinamik özelliklerini dikkate alan bir yaklaşım benimsiyor. Bu gelişme, robotların karmaşık çevrelerde daha etkili çalışabilmesi için gereken motor becerileri kazanmalarında önemli bir adım.
Yapay Zeka Modelleri Nasıl Öğreniyor? Transformer'ların Sırrı Çözüldü
Araştırmacılar, Transformer yapay zeka modellerinin sadece birkaç örnekten nasıl öğrendiğini gösteren ilk açık algoritmayı keşfetti. Bu çalışma, büyük dil modellerinin 'bağlamsal öğrenme' sürecini katman katman analiz ederek, modellerin iç işleyişini anlaşılır hale getiriyor. Bulgular, dikkat mekanizmalarının geometrik bir yaklaşım kullanarak sınıf ayrımını güçlendirdiğini ortaya koyuyor. Bu keşif, yapay zeka sistemlerinin şeffaflığı ve güvenilirliği açısından kritik önem taşıyor.
VR Gözlüklerin Gizli Sorunu: Çocuklar İçin Uygun Değil
Sanal gerçeklik teknolojisi psikoloji ve psikoterapide giderek yaygınlaşırken, çocuklarda ciddi bir sorunla karşılaştığımızı gösteriyor yeni araştırma. VR başlıkları yetişkinler için tasarlandığından, çocukların göz mesafesi (IPD) değerleri dikkate alınmıyor. Bu durum çocukların bazılarının teknolojiden tamamen dışlanmasına, bazılarının ise kalitesiz deneyim yaşamasına neden oluyor. Araştırmacılar, bu durumun çocuk psikolojisi ve tedavi süreçlerinde ciddi metodolojik ve klinik problemlere yol açabileceği konusunda uyarıyor. Göz rahatsızlığı, derinlik algısında bozulma ve siber hastalık gibi yan etkiler, çocukların tedavi süreçlerini olumsuz etkileyebilir.
Mobil cihazlarda yapay zeka modellerinin gecikme süresini doğru tahmin eden yeni sistem
Akıllı telefonlarda çalışan yapay zeka uygulamaları için kritik önem taşıyan gecikme süresi tahmini konusunda önemli bir gelişme yaşandı. Araştırmacılar, mobil cihazların işlemci frekanslarının sürekli değişmesi nedeniyle oluşan tahmin zorluklarını çözen FLAME adlı sistemi geliştirdi. Geleneksel yöntemler, işlemcilerin enerji tasarrufu için frekanslarını dinamik olarak ayarlaması sebebiyle gerçek kullanımda yetersiz kalıyordu. Özellikle küçük dil modelleri gibi yeni nesil yapay zeka uygulamalarında bu sorun daha da kritik hale geliyor. Yeni sistem, CPU ve GPU arasındaki karmaşık asenkron etkileşimi dikkate alarak çok daha doğru tahminler yapabiliyor. Bu gelişme, mobil cihazlarda çalışan yapay zeka uygulamalarının performansını optimize etmek ve enerji verimliliğini artırmak açısından büyük önem taşıyor.
Fizik Bilgili Yapay Sinir Ağları İçin Yeni Geometrik Optimizasyon Yöntemi
Araştırmacılar, fizik yasalarını öğrenen yapay sinir ağlarının (PINN) eğitimindeki yavaş yakınsama ve kararsızlık sorunlarını çözmek için yeni bir optimizasyon yaklaşımı geliştirdi. Geleneksel optimizasyon algoritmalarına entegre edilebilen bu hafif çerçeve, kayıp fonksiyonunun geometrik özelliklerini dikkate alarak eğitim sürecini hızlandırıyor. Yöntem, ardışık gradyan farklarını kullanarak yerel geometrik değişimleri tespit ediyor ve buna göre adaptif düzeltmeler yapıyor. Çeşitli kısmi diferansiyel denklem problemlerinde test edilen sistem, mevcut yöntemlere göre daha hızlı yakınsama, kararlı eğitim ve yüksek çözüm doğruluğu sağladığını kanıtladı. Bu gelişme, fizik simülasyonlarından mühendislik problemlerine kadar geniş bir yelpazede PINN kullanımını daha verimli hale getirebilir.
Vision Transformer'larda Token Budama İçin Yeni Dikkat Mekanizması Geliştirildi
Araştırmacılar, Vision Transformer (ViT) modellerinde token budama işlemlerinin performans sorunlarını çözen yeni bir dikkat mekanizması geliştirdi. Token budama, önemsiz görüntü parçalarını atarak hesaplama maliyetini teorik olarak büyük ölçüde azaltsa da, pratikte mevcut değişken uzunluklu dikkat API'leri bu avantajı tam olarak yansıtamıyordu. Yeni geliştirilen 'dispatch-aware ragged attention' yöntemi, kısa sekans uzunluklarında ortaya çıkan dispatch-overhead darboğazını çözerek, budanmış ViT'lerin gerçek dünya performansını teorik potansiyellerine yaklaştırıyor. Bu çalışma, yapay zeka modellerinin hem doğruluk hem de hız açısından optimizasyonunda önemli bir adım teşkil ediyor.
Büyük Dil Modellerini TPU'larda Hızlandıran Yeni Sistem: Ragged Paged Attention
Araştırmacılar, büyük dil modellerinin Google'ın Tensor İşlem Birimleri (TPU) üzerinde daha verimli çalışmasını sağlayan yenilikçi bir sistem geliştirdiler. Ragged Paged Attention (RPA) adı verilen bu sistem, ChatGPT benzeri yapay zeka uygulamalarının maliyetini düşürürken performansını artırıyor. Çoğu mevcut sistem GPU odaklı tasarlandığı için, TPU'ların benzersiz mimarisinden tam olarak yararlanamıyordu. RPA, özellikle dinamik bellek yönetimi ve dikkat hesaplamaları konusunda üç temel teknik kullanarak bu sorunu çözüyor. Sistem, değişken uzunluktaki metinleri işlerken daha esnek davranabiliyor ve hesaplama kaynaklarını daha verimli kullanıyor. Bu gelişme, büyük dil modellerinin daha uygun maliyetli donanımlarda çalıştırılmasının önünü açarak, yapay zeka teknolojilerinin yaygınlaşmasına katkı sağlayabilir.
π₀.₇: Her İşi Yapabilen Yeni Nesil Robot Beyni Geliştirildi
Araştırmacılar, robotların önceden eğitilmediği görevleri bile başarıyla yerine getirebilmesini sağlayan devrim niteliğinde bir yapay zeka modeli geliştirdi. π₀.₇ adlı bu 'robotik temel model', mutfak aletlerini kullanmaktan çamaşır katlamaya kadar geniş bir yelpazedeki görevleri sadece dil komutlarıyla anlayıp gerçekleştirebiliyor. Sistemin en dikkat çekici özelliği, farklı robot türlerinde çalışabilmesi ve hiç görmediği görevlerde bile uzmanlaşmış modeller kadar başarılı performans sergilemesi. Model, eğitim sırasında çeşitli bağlamsal bilgileri kullanarak bu esnekliği kazanıyor ve robotik alanında yapay genel zekanın ilk adımlarından biri olarak kabul ediliyor.
Yapay Zeka Artık Frekans Bilinci ile Daha Gerçekçi Görüntüler Üretiyor
Stanford araştırmacıları, yapay zekanın görüntü üretim kalitesini artıran yeni bir yöntem geliştirdi. FreqFlow adı verilen bu teknik, görüntülerdeki farklı frekans bileşenlerinin nasıl işlendiğini dikkate alarak çalışıyor. Geleneksel flow matching modelleri önce genel yapıyı, sonra detayları oluşturur. Yeni yöntem ise düşük frekanslı (genel yapı) ve yüksek frekanslı (ince detaylar) bileşenleri ayrı ayrı işleyerek bu süreci optimize ediyor. İki dalı bulunan mimari sayesinde hem global yapıyı hem de dokular ve kenarlar gibi detayları daha başarılı bir şekilde yakalayabiliyor. Bu yaklaşım, yapay zeka tarafından üretilen görsellerin gerçekçiliğini önemli ölçüde artırıyor ve görüntü üretim teknolojisinde yeni bir standart oluşturabileceği değerlendiriliyor.
Yapay Zeka Duygu Analizi Tutarsızlığı İçin Yeni Çözüm: SSAS Çerçevesi
Büyük dil modelleri (LLM'ler) işletme analitiğinde kullanılırken karşılaşılan en büyük sorun, bu modellerin rastgele doğası ile analitik tutarlılık gereksinimleri arasındaki çelişkidir. Araştırmacılar, duygu analizi tahminlerindeki bu tutarsızlığı çözmek için SSAS (Syntactic & Semantic Context Assessment Summarization) adlı yeni bir çerçeve geliştirdi. Bu sistem, hiyerarşik sınıflandırma yapısı ve yinelemeli özetleme mimarisi kullanarak, LLM'lerin dikkat mekanizmasını sınırlandırıyor ve ham metinleri yüksek sinyalli, duygu yoğunluklu verilere dönüştürüyor. SSAS çerçevesi, gürültülü modern veri setleriyle çalışırken daha tutarlı sonuçlar elde etmeyi hedefliyor ve stratejik iş kararları için güvenilir duygu tahminleri sunmayı amaçlıyor.
SAGE: Yapay Zeka Modellerinde Bellek Verimliliğini Artıran Yeni Yöntem
Araştırmacılar, büyük dil modellerinin uzun belgeleri işlerken karşılaştığı maliyet ve performans sorunlarına çözüm getirecek SAGE adlı yeni bir framework geliştirdi. Bu sistem, modellerin dikkat mekanizmalarını kullanarak sadece sorularla ilgili bölümleri seçmeli olarak işleyebiliyor. Böylece hem işlem maliyeti düşüyor hem de yanıt kalitesi artıyor. Özellikle akademik makaleler, teknik belgeler ve politika dokümanları gibi uzun metinlerle çalışırken büyük avantaj sağlayan bu yöntem, ek eğitim gerektirmeden mevcut sistemlere entegre edilebiliyor. Geleneksel RAG sistemlerinin aksine, belge yapısındaki değişikliklere daha dayanıklı ve farklı alanlara özel ayarlama gerektirmiyor.
Yapay Zeka Satranç Taşlarının Gerçek Değerini Hesaplamayı Öğrendi
Araştırmacılar, satranç taşlarının bir oyundaki gerçek değerini tahmin edebilen yeni bir yapay zeka sistemi geliştirdi. Geleneksel yaklaşımların aksine, bu sistem her taşın değerini yalnızca kendi özelliklerinden değil, tahta üzerindeki tüm diğer taşlarla olan ilişkisinden hareketle hesaplıyor. 12 milyondan fazla büyükusta seviyesindeki oyun verisini kullanan sistem, convolutional neural network tabanlı bir autoencoder ile tahtanın tam durumunu analiz ediyor. Stockfish 17 satranç motorunun etiketlediği verilerle eğitilen model, geleneksel sistemlere kıyasla %16 daha düşük hata oranına ulaştı ve taş değerlerini yaklaşık 0.65 piyon hassasiyetle tahmin edebildi. Bu çalışma, karmaşık sistemlerde bileşenlerin değerini belirlemenin sadece o bileşene odaklanmakla değil, tüm sistem bağlamını dikkate almakla mümkün olduğunu gösteriyor.
Veri Merkezleri İçin Fizik Tabanlı Akıllı Görev Planlama Simülatörü Geliştirildi
Araştırmacılar, modern veri merkezlerinin karmaşık işleyişini simüle eden yenilikçi bir sistem geliştirdi. DataCenterGym adlı bu simülatör, farklı coğrafi konumlardaki veri merkezlerinde görev planlamasını optimize etmek için tasarlandı. Sistem, hesaplama kapasitesi, elektrik fiyatları, ısı üretimi ve soğutma ihtiyacı gibi birbiriyle bağlantılı faktörleri aynı anda değerlendiriyor. Araştırmacılar ayrıca termal ve güç dinamiklerini dikkate alan Hiyerarşik Model Öngörülü Kontrol algoritması da geliştirdi. Bu yaklaşım, veri merkezlerinin enerji verimliliğini artırırken performansı korumayı hedefliyor. Proje, gelecekteki araştırmalar için yeniden kullanılabilir bir test ortamı sunarak, veri merkezi yönetiminde yeni algoritmaların geliştirilmesine katkı sağlayacak.
İnsan-Yapay Zeka İşbirliğinde Kişilik ve Tasarım Faktörlerinin Etkisi
Araştırmacılar, insan kişiliği ile yapay zeka tasarım özelliklerinin, karşılıklı etkileşimlerin kalitesi üzerindeki etkilerini inceledi. Stanford Üniversitesi'nden bilim insanları, hedeflerin tam olarak örtüşmediği durumları simüle ederek, 2000 simülasyon ve 290 katılımcıyla gerçek deneyler yürüttü. Çalışma, iş görüşmeleri ve bilgi gizleme senaryolarında, insanların dışadönüklük ve uyumluluk özelliklerinin yanı sıra yapay zekanın uyum yeteneği, uzmanlığı ve şeffaflığının sonuçları nasıl etkilediğini araştırdı. Bulgular, gelecekteki yapay zeka sistemlerinin tasarımında hem teknik özellikler hem de insan faktörlerinin dikkate alınması gerektiğini ortaya koyuyor.
Küçük yapay zeka modelleri büyüklerden dikkat odağı öğrenerek akıl yürütme becerisi kazanıyor
Araştırmacılar, büyük dil modellerinin sahip olduğu akıl yürütme yeteneklerini daha küçük modellere aktarmak için yenilikçi bir yöntem geliştirdi. Geleneksel yaklaşımların aksine, bu yeni teknik sadece düşünce zinciri süreçlerini değil, büyük modellerin akıl yürütme sırasında kritik bilgilere nasıl odaklandığını da öğretiyor. Çalışma, dil modellerinin akıl yürütme sürecinde anahtar bilgilere doğru kademeli olarak dikkatlerini kaydırdığını ortaya koyuyor. Bu keşif temelinde geliştirilen Mixture-of-Layers modülü, öğrenci modelin doğru bilgilere adım adım odaklanmasını sağlıyor. Yöntem, hesaplama maliyetlerini düşürürken akıl yürütme performansını koruması açısından yapay zeka alanında önemli bir ilerleme sunuyor.
Yapay Zeka Öneri Sistemlerinde Yeni Algoritma: Kullanıcı Niyetlerini Daha İyi Anlıyor
Araştırmacılar, öneri sistemlerinin kullanıcı davranışlarını daha iyi anlaması için IPCCF adlı yeni bir algoritma geliştirdi. Bu sistem, Netflix'ten Amazon'a kadar birçok platformda kullanılan öneri mekanizmalarının temelini oluşturan işbirlikçi filtreleme yöntemini geliştiriyor. Geleneksel yöntemler sadece doğrudan etkileşimleri dikkate alırken, yeni algoritma kullanıcılar ve ürünler arasındaki tüm ilişki ağını analiz ediyor. Çifte sarmal mesaj yayılımı adı verilen yenilikçi yaklaşımla, sistemin kullanıcı niyetlerini anlaması ve bu niyetleri farklı kategorilere ayırması mümkün hale geliyor. Bu gelişme, öneri sistemlerinin hem daha doğru hem de daha açıklanabilir sonuçlar üretmesini sağlıyor.
NeuroLip: Dudak hareketleriyle kişi tanıma teknolojisinde büyük adım
Araştırmacılar, dudak hareketlerini analiz ederek kişi tanıma yapabilen yenilikçi bir sistem geliştirdi. NeuroLip adlı bu teknoloji, ses yokken bile bireyleri tanıyabilecek sessiz ve pratik bir biyometrik çözüm sunuyor. Geleneksel yöntemlerden farklı olarak, kişilerin konuşma sırasındaki benzersiz dudak dinamiklerini ve kas koordinasyonlarını analiz ediyor. Sistem, olay tabanlı kameralar kullanarak hareket bulanıklığı ve düşük dinamik aralık gibi sorunları çözüyor. En dikkat çekici özelliği ise tek bir kontrollü ortamda eğitildikten sonra, farklı aydınlatma ve görüş koşullarında bile başarılı tanıma yapabilmesi. Bu teknoloji güvenlik sistemleri, erişim kontrolü ve sessiz kimlik doğrulama uygulamalarında devrim yaratabilir.
Qwen3.5-Omni: Ses, Görüntü ve Metni Bir Arada İşleyen Dev Yapay Zeka Modeli
Çinli teknoloji devi Alibaba'nın araştırma ekibi, çok modalı yapay zeka alanında yeni bir kilometre taşı olan Qwen3.5-Omni modelini tanıttı. Yüz milyarlarca parametreye sahip bu gelişmiş model, aynı anda metin, görüntü ve ses verilerini işleyebiliyor. 256 bin token'lık bağlam uzunluğu ile 10 saate kadar ses kaydını anlayabilen sistem, 100 milyondan fazla saatlik görsel-işitsel içerikle eğitildi. Model, 215 farklı ses ve görsel-işitsel anlama testinde Google'ın Gemini-3.1 Pro modelini geride bırakarak sektörde yeni bir standart belirledi. Hibrit Dikkat ve Uzmanlar Karışımı mimarisi sayesinde uzun sekansları verimli şekilde işleyebilen Qwen3.5-Omni, yapay zeka asistanları ve çok modalı uygulamalar için önemli bir gelişme olarak değerlendiriliyor.
Yeni Normalizasyon Tekniği Yapay Zeka Tahmin Modellerini Güçlendiriyor
Araştırmacılar, uzamsal-zamansal verilerdeki dağılım kaymasını çözmek için Tersine Çevrilebilir Artık Normalizasyon (RRN) adlı yenilikçi bir framework geliştirdi. Bu teknik, grafik yapılarında hem zamansal hem de mekansal boyutlarda ortaya çıkan veri dağılım değişikliklerini ele alarak, derin öğrenme modellerinin tahmin performansını önemli ölçüde artırıyor. Geleneksel yöntemler sadece zaman serisindeki değişimlere odaklanırken, RRN grafik konvolüsyon işlemlerini kullanarak ağ yapısının karmaşık özelliklerini de dikkate alıyor. Bu gelişme, trafik tahmini, hava durumu modelleme ve epidemiyoloji gibi birçok alanda uygulanabilir.
Yapay zeka artık insanlar gibi 'güzel'i ayırt edebiliyor
Araştırmacılar, estetik kalite değerlendirmesi yapan yapay zeka sistemlerinin insan görsel algısını taklit etmesini sağlayan yeni bir yöntem geliştirdi. AestheticNet adı verilen bu sistem, göz takip verilerini kullanarak insanların bir görsele bakarken nasıl odaklandığını öğreniyor. Geleneksel yöntemler görüntüleri sadece piksel vektörleri olarak işlerken, yeni yaklaşım insanların görsel keşif sürecini, bakış yollarını ve dikkat mekanizmalarını modelliyor. Bu gelişme, sanat değerlendirmesinden tasarım uygulamalarına kadar birçok alanda kullanılabilecek daha gelişmiş estetik analiz araçlarının kapısını aralıyor.
Japon Finans Metinleri İçin İlk Kapsamlı Test Standartı Geliştirildi
Araştırmacılar, Japonca finansal metinlerin yapay zeka modelleri tarafından ne kadar iyi anlaşıldığını ölçmek için özel olarak tasarlanmış ilk kapsamlı test standardını geliştirdi. JFinTEB adı verilen bu yeni değerlendirme sistemi, finansal metin analizi alanında dil ve sektör özelliklerini dikkate alan eksikliği gideriyor. Sistem, gerçekçi finansal metin işleme senaryolarını yansıtan çeşitli görevleri içeriyor ve hem Japonca hem de çok dilli yapay zeka modellerinin performansını karşılaştırma imkanı sunuyor. Bu gelişme, özellikle Asya finansal piyasalarında faaliyet gösteren kurumlar için önemli bir araç niteliği taşıyor.
Video Yapay Zekası Daha Hızlı: Diffusion Modellerinde Verimlilik Devrimi
Video üretimi yapay zeka alanında hızla gelişen bir teknoloji olmakla birlikte, yüksek hesaplama maliyetleri pratikte kullanımını sınırlıyor. Araştırmacılar, video diffusion modellerinin verimliliğini artırmak için dört ana yaklaşım geliştirmiş durumda. Bu yöntemler arasında adım damıtması, verimli dikkat mekanizmaları, model sıkıştırma ve önbellek optimizasyonu yer alıyor. Görüntü üretimine kıyasla video sentezi, hem uzamsal-zamansal boyutlarda büyüyen veri miktarı hem de iteratif gürültü giderme süreçleri nedeniyle çok daha karmaşık hesaplamalar gerektiriyor. Bu durum, dikkat mekanizmalarını ve bellek trafiğini ana darboğaz noktaları haline getiriyor. Yeni araştırmalar, bu zorlukları aşmak için işlev değerlendirmesi sayısını azaltma ve her adımdaki hesaplama yükünü minimize etme hedefleriyle çeşitli algoritmik çözümler sunuyor.
Yapay Zeka Görsel Düzenleme'de Yeni Dönem: Rekabetten İşbirliğine
Araştırmacılar, metin tabanlı görsel düzenleme teknologisinde devrim niteliğinde bir yaklaşım geliştirdiler. CoEdit adlı yeni sistem, geleneksel rekabet temelli yöntemlerin yarattığı çelişkileri ortadan kaldırarak, düzenleme ve yeniden yapılandırma süreçlerini işbirliği içinde yürütüyor. Bu yenilikçi yaklaşım, ek eğitim gerektirmeden çalışarak, görsel içerik üretiminde daha tutarlı ve öngörülebilir sonuçlar elde edilmesini sağlıyor. Sistem, 'ikili entropi dikkat manipülasyonu' adı verilen özel bir teknikle, uzamsal ve zamansal boyutlarda harmoni yaratıyor. Multimedia içerik üretiminin temel taşlarından biri olan metin-rehberli görsel düzenleme alanında önemli bir ilerleme kaydeden bu çalışma, gelecekte daha sofistike AI tabanlı yaratıcı araçların geliştirilmesi için zemin hazırlıyor.
Veri analizi kodlarını anlaşılır hale getiren yeni araç: flowR
Bilimsel araştırmalarda kullanılan veri analizi kodları genellikle karmaşık ve anlaşılması zor oluyor. Bu durum araştırmaların tekrarlanabilirliğini zorlaştırıyor ve kodların yeniden kullanımını engelliyor. Araştırmacılar bu soruna çözüm olarak flowR adında yeni bir araç geliştirdi. R programlama dili için tasarlanan bu araç, Positron ve VS Code gibi popüler geliştirme ortamlarına entegre ediliyor. FlowR, veri analizi kodlarının yapısını görselleştiriyor, etkileşimli grafikler sunuyor ve kodların anlaşılmasını kolaylaştıran çeşitli özellikler sağlıyor. Sistem, R dilinin dinamik özelliklerini de dikkate alarak kapsamlı bir veri akış analizi gerçekleştiriyor.