“Çin” için sonuçlar
7.114 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
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.
Gizliliği Koruyan AI Asistanları İşbirliği ile Daha Akıllı Hale Geliyor
Araştırmacılar, sürekli dinleme yapan AI asistanlarının gizlilik sorununu çözen yeni bir sistem geliştirdi. CONCORD adlı bu sistem, yalnızca sahibinin sesini kaydederek diğer kişilerin mahremiyetini koruyor. Ancak bu yaklaşım, konuşmanın bir tarafını kaçırdığı için eksik bilgi sorununa yol açıyor. Sistem bu sorunu, farklı AI asistanları arasında güvenli bilgi paylaşımı yaparak çözüyor. Konuşmadaki boşlukları tespit eden ve gerekli bilgileri diğer asistanlardan talep eden bu yaklaşım, hem gizliliği koruyor hem de asistanların daha etkili çalışmasını sağlıyor. Çok alanlı diyalog verilerinde %91,4 başarı oranına ulaşan sistem, AI asistanlarının sosyal ortamlarda daha güvenle kullanılabilmesinin önünü açıyor.
AI Ajanları Artık Daha Az Veriye İhtiyaç Duyuyor
Araştırmacılar, büyük dil modellerine dayalı çoklu ajan sistemlerinde devrim niteliğinde bir sıkıştırma yöntemi geliştirdi. Yeni teknik, ajanların birbirleriyle iletişim kurmasında gereken veri miktarını %90'a yakın azaltırken performansta kayıp yaşanmasını önlüyor. Orthogonal Backfill (OBF) adı verilen bu yöntem, önemli bilgilerin kaybolmasını engellemek için akıllı bir geri doldurma stratejisi kullanıyor. Matematik, kodlama ve bilgi yoğun soru-cevap alanlarındaki testlerde, sistemin dokuz kıyaslama testinden yedisinde en iyi sonuçları verdiği gözlemlendi. Bu gelişme, AI sistemlerinin bellek ve iletişim maliyetlerini önemli ölçüde düşürerek daha verimli çalışmasını sağlıyor.
Sınırlı alfabelerde veri sorgulama: Yeni kodlama teknikleri geliştirildi
Bilgisayar biliminde temel bir işlem olan aralık minimum sorguları (RMQ) için yeni bir yaklaşım geliştirildi. Araştırmacılar, alfabesi sınırlı dizilerde minimum değer arama işlemlerini daha verimli hale getiren kodlama yöntemleri tasarladı. Bu teknoloji, veri tabanı yönetimi, metin indeksleme ve hesaplamalı biyolojide kritik rol oynuyor. Özellikle pratik uygulamalarda karşılaşılan küçük alfabe boyutlu diziler için optimize edilmiş çözümler sunuyor. Hem tek boyutlu hem de iki boyutlu diziler için farklı sorgulama senaryoları analiz edilerek, alan karmaşıklığı açısından optimal sonuçlar elde edildi. Geliştirilen yöntemler, sabit boyutlu alfabeler için sabit zamanda sorgu yanıtlama imkanı sunuyor.
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.
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.
Büyük dil modellerini eğitmenin yeni yolu: TLoRA+ ile daha verimli yapay zeka
Araştırmacılar, büyük dil modellerinin belirli görevler için eğitimini daha verimli hale getiren TLoRA+ adlı yeni bir yöntem geliştirdi. Bu teknik, modellerin performansını artırırken hesaplama maliyetini minimum düzeyde tutuyor. ChatGPT ve benzeri büyük dil modellerinin özelleştirilmesi için kullanılan mevcut LoRA yöntemini geliştiren bu yaklaşım, daha az kaynak kullanarak daha iyi sonuçlar elde etmeyi mümkün kılıyor. GLUE benchmark testlerinde yapılan denemeler, yöntemin farklı model mimarilerinde tutarlı bir şekilde başarılı olduğunu gösterdi. Bu gelişme, yapay zeka modellerinin daha geniş kitlelere ve küçük şirketlere açılması açısından önemli bir adım olarak değerlendiriliyor.
Büyük Dil Modelleri Karmaşık Mantık Sorunlarında Sınırlarına Çarpıyor
Araştırmacılar, büyük dil modellerinin (LLM) mantıksal akıl yürütme yeteneklerini sistematik olarak test eden kapsamlı bir çalışma yürüttü. Sudoku, Hanoi Kulesi ve Rubik Küpü gibi dokuz klasik mantık problemiyle yapılan testlerde, modellerin problem karmaşıklığı arttıkça performanslarının belirgin şekilde düştüğü gözlemlendi. Çalışma, mevcut değerlendirme yöntemlerinin yetersizliğini ortaya koyarak, modellerin gerçek akıl yürütme kapasitelerini ölçmek için kontrollü test ortamları geliştirdi. Bu bulgular, yapay zeka sistemlerinin karmaşık mantıksal problemlerde henüz önemli sınırlarının bulunduğunu gösteriyor.
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.
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.
Yapay zeka öneri sistemleri artık zamanı daha iyi anlıyor
Araştırmacılar, kullanıcı davranışlarını tahmin eden öneri sistemlerini geliştirmek için yeni bir zaman modelleme yöntemi geliştirdi. RoTE adı verilen bu sistem, kullanıcıların etkileşimleri arasındaki gerçek zaman aralıklarını dikkate alarak daha doğru öneriler sunabiliyor. Mevcut sistemler sadece işlemlerin sırasını göz önünde bulundururken, RoTE zamanı farklı detay seviyelerinde analiz ederek kullanıcıların kısa ve uzun vadeli ilgi değişimlerini daha iyi yakalayabiliyor. Bu yenilik, e-ticaret platformlarından sosyal medyaya kadar birçok alanda kullanılan öneri algoritmalarının performansını artırmaya yönelik önemli bir adım.
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.
Siber Saldırılara Dayanıklı Robot Sürüleri İçin Yeni Kontrol Sistemi
Araştırmacılar, birbirleriyle iletişim kuran robot sistemlerinin siber saldırılara karşı dayanıklılığını artıran yeni bir kontrol yöntemi geliştirdi. Çoklu ajan sistemleri olarak bilinen bu robot sürülerinde, hizmet reddi (DoS) saldırıları iletişimi kesintiye uğratarak sistemin başarısızlığına neden olabilir. Yeni yaklaşım, sabit zamanda işleyen ve mevcut sistemlerin aksine güçlü bağlantılılık gerektirmeyen dağıtık bir kontrol mekanizması sunuyor. Sistem, başlangıç durumlarından bağımsız olarak belirli bir süre içinde hedefine ulaşmayı garanti ediyor. Bu gelişme, otonom araç filosundan drone sürülerine kadar pek çok alanda güvenlik açısından kritik uygulamalar için önemli.
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.
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.
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.
Yapay Zeka İçin Dev Veri Seti: 90 Bin Fotoğrafla 3D Görsel Üretimi
Araştırmacılar, yapay zekanın gerçekçi 3D görseller üretebilmesi için DF3DV-1K adlı kapsamlı bir veri seti geliştirdi. 1.048 farklı mekan ve toplam 89.924 fotoğraf içeren bu koleksiyon, her sahne için hem temiz hem de karışık görüntüler sunuyor. Tüketici kameralarıyla çekilen fotoğraflar, günlük kullanım koşullarını taklit ediyor ve 128 farklı dikkat dağıtıcı öğe ile 161 mekan teması kapsıyor. Veri seti, yapay zekanın farklı açılardan yeni görüntüler sentezleyebilmesini sağlayan radiance field teknolojilerinin gelişimi için kritik öneme sahip. İç ve dış mekan ortamlarını kapsayan bu kaynak, özellikle karışık ortamlarda bile temiz görüntüler üretebilen sistemlerin test edilmesi amacıyla tasarlandı.
Yapay Zeka İçin Yeni Güvenilirlik Sistemi: Bilişsel Devre Kesici
Büyük dil modellerinin kritik yazılım sistemlerinde yaygın kullanımı, halüsinasyon ve sahte doğruluk tespitini önemli bir mühendislik sorunu haline getirdi. Araştırmacılar, mevcut güvenilirlik sistemlerinin yüksek gecikme ve hesaplama yükü getirdiği sorununa çözüm olarak 'Bilişsel Devre Kesici' adlı yeni bir framework geliştirdi. Bu sistem, modelin ileri geçiş sırasında gizli durumları analiz ederek, dışa yansıyan güvenle iç tutarlılık arasındaki 'Bilişsel Uyumsuzluk Delta'sını hesaplıyor. Böylece yapay zekanın güvenilirliği, dış kontrol mekanizmalarına ihtiyaç duymadan ve minimal gecikmeyle izlenebiliyor. Geleneksel yöntemler genellikle üretim sonrası kontrollere dayanırken, bu yaklaşım gerçek zamanlı ve içsel bir güvenilirlik monitoring sağlıyor.
Gürültülü Web Ortamında Çoklu Kanıt Toplayan Yapay Zeka Test Platformu
Araştırmacılar, yapay zeka sistemlerinin gerçek web ortamındaki karmaşık arama görevlerini ne kadar iyi yerine getirdiğini ölçmek için MERRIN adlı yeni bir test platformu geliştirdi. Bu platform, AI ajanlarının metin, görsel, ses ve video gibi farklı veri türlerini bir araya getirerek çok adımlı mantıksal çıkarımlar yapabilme yeteneklerini değerlendiriyor. Geleneksel test sistemlerinden farklı olarak, belirsiz doğal dil sorguları kullanıyor ve çelişkili bilgilerin bulunduğu gürültülü web ortamlarını simüle ediyor. GPT ve Gemini gibi güçlü kapalı kaynak modellerden açık kaynak alternatiflere kadar on farklı AI modeli üzerinde yapılan testler, mevcut sistemlerin gerçek dünya koşullarındaki sınırlarını ortaya çıkarıyor.
Akıllı araçlar ve trafik ışıkları birlikte çalışarak şehir trafiğini optimize ediyor
Araştırmacılar, insan sürücüler ve otonom araçların birlikte bulunduğu karma trafik ortamları için yenilikçi bir yönetim sistemi geliştirdi. Bu hiyerarşik framework, akıllı araçları en verimli rotalarla yönlendirirken, aynı zamanda trafik ışıklarının zamanlamasını da optimize ediyor. Sistem iki katmanda çalışıyor: üst katman şehir genelindeki trafik verilerini analiz ederek bağlantılı ve otonom araçlar için proaktif rota önerileri sunuyor, alt katman ise kavşaklarda yerel araç durumlarını kullanarak hem trafik ışığı fazlarını hem de bireysel araç yörüngelerini eş zamanlı optimize ediyor. Bu yaklaşım, toplam seyahat süresini azaltırken enerji tüketimini de minimize etmeyi hedefliyor. Sioux Falls test ağında yapılan simülasyonlar, sistemin etkinliğini doğruluyor.