“AI” için sonuçlar
2.142 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Ajanları İçin Yeni Hafıza Mimarisi: Kristalleşme Modeli
Araştırmacılar, otonom yapay zeka ajanlarının önceki bilgileri kaybetmeden yeni yetenekler kazanabilmesi için Uyarlanabilir Hafıza Kristalleşmesi (AMC) adlı yenilikçi bir hafıza mimarisi geliştirdi. Bu sistem, insan beynindeki hafıza oluşum süreçlerinden ilham alarak deneyimleri üç aşamalı bir hiyerarşi ile organize ediyor. Dinamik ortamlarda çalışan AI ajanları için kritik bir sorun olan 'katastrofik unutma' problemine çözüm sunan bu yaklaşım, yapay zeka sistemlerinin sürekli öğrenme kapasitelerini önemli ölçüde artırabilir. Çalışma, hafızayı sıvı-cam-kristal fazları arasında geçiş yapan sürekli bir kristalleşme süreci olarak modelleyerek, deneyimlerin plastik durumdan kararlı duruma geçişini matematiksel olarak tanımlıyor.
Yapay Zeka Eğitiminde Devrim: Token Düzeyinde Gradient İptalinin Sırrı Çözüldü
Araştırmacılar, yapay zeka modellerinin uzun süreli eğitiminde karşılaşılan kritik sorunları çözen yeni bir yaklaşım geliştirdi. Çalışma, modellerin kendi içlerindeki karşılaştırmalı öğrenme sürecinde yaşanan 'öğrenme vergisi', çözüm olasılığı kayması ve entropi çöküşü gibi problemlerin temel nedenini ortaya koyuyor. Token düzeyindeki kredi atama perspektifinden hareketle, araştırmacılar gradient değiştirilebilirliğinin korunması gerektiğini ve bu sayede zayıf kredili tokenlarda gradient iptalinin sağlanabileceğini gösterdi. Bu keşif, yapay zeka modellerinin daha kararlı ve verimli eğitilmesi için yeni bir yol açıyor.
Yapay Zeka Yazılım Geliştirmede Yeni Dönem: Contract-Coding Yaklaşımı
Yazılım geliştirmede yapay zekanın kullanımı hızla yaygınlaşırken, karmaşık projelerde büyük sorunlar ortaya çıkıyor. Geleneksel AI kod üretim yöntemleri, belirsiz kullanıcı talimatlarını anlamlandırmakta zorlanıyor ve büyük çaplı projelerde sistem çöküşleri yaşanıyor. Araştırmacılar bu sorunu çözmek için 'Contract-Coding' adında yeni bir yaklaşım geliştirdi. Bu yöntem, belirsiz kullanıcı isteklerini önce formal bir sözleşmeye dönüştürüyor, sonra bu sözleşmeyi kullanarak kod üretiyor. Greenfield-5 test platformunda yapılan denemelerde, mevcut en gelişmiş sistemlerin başarısız olduğu durumlarda Contract-Coding %47 işlevsel başarı oranına ulaştı. Bu gelişme, yapay zekanın yazılım geliştirmedeki rolünü köklü şekilde değiştirebilir.
Havacılık güvenliğinde yapay zeka: Bilgi grafları ile güvenilir karar destek sistemi
Araştırmacılar, havacılık güvenliğinde kritik kararların alınmasında yapay zeka kullanımını güvenli hale getiren yeni bir sistem geliştirdi. Büyük dil modellerinin havacılık alanındaki yanlış bilgi üretme ve doğrulanamayan sonuçlar verme problemlerini çözen bu yaklaşım, bilgi grafları ile desteklenen hibrit bir mimari kullanıyor. Sistem, önce çok kaynaklı verilerden otomatik olarak Havacılık Güvenliği Bilgi Grafiklerini oluşturuyor, ardından bu yapılandırılmış bilgiyi kullanarak AI modellerinin çıktılarını doğruluyor ve açıklanabilir hale getiriyor. Bu gelişme, can güvenliğinin kritik olduğu havacılık sektöründe AI teknolojilerinin daha güvenli şekilde kullanılmasının önünü açıyor.
AI Kod Asistanları Artık Mimarileri Daha Hızlı Keşfediyor
Yapay zeka destekli kodlama asistanları, kod tabanlarında yön bulmaya çalışırken zamanlarının büyük bölümünü harcıyor. Yeni araştırma, AI ajanlarına formal mimari tanımlamalar verildiğinde navigasyon adımlarında %33-44 azalma sağlandığını gösteriyor. Claude Sonnet ile yapılan deneyler, otomatik üretilen mimari haritalarının AI'ların kod lokalizasyon görevlerinde %100 doğruluk oranına ulaşmasını sağladığını ortaya koyuyor. 7.012 gerçek kullanım seansının analizi, AI davranışlarındaki tutarsızlığın %52 oranında azaldığını gösteriyor. Bu gelişme, yapay zeka destekli programlama araçlarının verimliliğini artırarak geliştiricilerin iş akışlarını hızlandırabilir.
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.
Yapay Zeka'nın 'Grokking' Sırrı: Spektral Entropi ile Tahmin Edilebilir Hale Geldi
MIT araştırmacıları, yapay zekanın geç öğrenme fenomeni olan 'grokking'i tahmin edebilecek yeni bir yöntem keşfetti. Grokking, yapay zeka modellerinin önce bilgiyi ezberleyip, çok daha sonra gerçek anlamda öğrenmeye başladığı ilginç bir durumdur. Araştırmacılar, spektral entropi adı verilen matematiksel bir ölçümün, bu geçişi %100 başarıyla önceden tahmin edebildiğini gösterdi. Bu keşif, yapay zeka modellerinin nasıl öğrendiğini anlamamızda büyük bir adım ve gelecekte daha verimli AI sistemleri geliştirmemize yardımcı olabilir. Çalışma, Transformer modellerinde yapılan deneylerle doğrulandı.
Yapay Zeka 'Öğrenmeyi Öğreniyor': Yeni Algoritma Kendi Parametrelerini Optimize Ediyor
Stanford araştırmacıları, makine öğrenmesi algoritmalarının kendi hiperparametrelerini optimize edebileceği yeni bir yaklaşım geliştirdi. Langevin Gradyan İniş Algoritması (LGD) adı verilen bu yöntem, geçmiş deneyimlerden öğrenerek gelecekteki regresyon problemlerinde daha iyi performans gösterebiliyor. Araştırma, algoritmanın optimal hiperparametre yapılandırması ile Bayes optimal çözümüne ulaşabileceğini matematiksel olarak kanıtlıyor. Bu 'meta-öğrenme' yaklaşımı, AI sistemlerinin insan müdahalesi olmadan kendilerini geliştirme yetisini artırarak, otomatik makine öğrenmesi alanında önemli bir adım teşkil ediyor. Çalışma özellikle regresyon problemlerinde önceki elastic net yöntemlerinin sınırlarını aşarak, daha fazla hiperparametre ile çalışabilme imkanı sunuyor.
Yapay Zeka Ajanlarının Keşif ve Kullanma Hatalarını Ölçen Yeni Yöntem
Araştırmacılar, dil modeli tabanlı yapay zeka ajanlarının karar verme süreçlerindeki keşif ve kullanma hatalarını sistematik olarak ölçebilen yeni bir değerlendirme yöntemi geliştirdi. Çalışma, AI kodlama ve fiziksel yapay zeka gibi karmaşık görevlerde kullanılan ajanların, problem alanını keşfetme ve edinilen bilgiyi kullanma yeteneklerini analiz ediyor. Araştırma ekibi, gerçek dünya senaryolarından ilham alan kontrollü ortamlar tasarlayarak, ajanların iç politikalarına erişim olmadan sadece gözlemlenen eylemlerden keşif ve kullanma hatalarını ayırt edip ölçmeyi başardı. Bu yenilikçi yaklaşım, en gelişmiş dil modeli ajanlarının bile bu kritik alanlarda önemli zorluklarla karşılaştığını ortaya koyuyor.
Bilim İnsanları İçin Otonom Yapay Zeka Asistanı Geliştirildi
Araştırmacılar, bilimsel çalışmalarda güvenli ve özerk şekilde çalışabilen yeni bir yapay zeka sistemi geliştirdi. SciFi adlı bu framework, bilim insanlarının rutin görevlerini otomatikleştirerek yaratıcı araştırmalara daha fazla zaman ayırmalarını sağlıyor. Sistem, üç katmanlı agent yapısı ve izole çalışma ortamıyla güvenilir sonuçlar üretiyor. Özellikle tanımlanmış bilimsel görevlerde minimal insan müdahalesi ile çalışabilen platform, farklı yeteneklerdeki büyük dil modellerini etkin şekilde kullanabiliyor. Bu gelişme, bilimsel araştırmalarda AI destekli otomasyonun güvenli kullanımına yönelik önemli bir adım olarak değerlendiriliyor.
Yapay Zeka Öğrenmesinde Yeni Yaklaşım: Örtük Ödül Modellerinin Güvenilirliği Artırıldı
Araştırmacılar, yapay zekanın mantıksal çıkarım süreçlerini değerlendiren ödül modellerindeki temel bir sorunu çözdü. Geleneksel yöntemler, AI'nin her adımını ayrı ayrı puanlarken tutarsızlıklar yaşıyordu - eğitim sırasında sadece genel sonucu gözetirken, kullanım sırasında her adımı tek tek değerlendirmek zorundaydı. Bu durum, modelin hangi mantık adımlarının doğru olduğunu güvenilir şekilde belirleyememesine neden oluyordu. Yeni geliştirilen 'Örtük Önek-Değer Ödül Modeli' bu sorunu çözerek, AI sistemlerinin daha tutarlı ve güvenilir şekilde öğrenmesini sağlıyor. Bu gelişme, özellikle karmaşık problem çözme gerektiren AI uygulamaları için önemli bir adım.
Yapay Zeka Yaşlılar İçin Mutfak Tasarımını Kişiselleştiriyor
Araştırmacılar, hafif bilişsel bozukluk yaşayan yaşlılar için özel olarak tasarlanmış bir yapay zeka sistemi geliştirdi. Bu sistem, standart mutfak fotoğraflarını analiz ederek onları yaşlı dostu tasarımlara dönüştürebiliyor. 65 yaş üstü yetişkinlerin %15-20'sini etkileyen hafif bilişsel bozukluk, mutfak kullanımını zorlaştırıyor ve bağımsız yaşamı güçleştiriyor. Yeni AI sistemi, özellikle profesyonel tasarım desteğine erişimi kısıtlı olan düşük gelirli topluluklara yardım etmeyi hedefliyor. Stable Diffusion modelleri kullanılarak geliştirilen sistem, açık düzenler, şeffaf dolaplar, daha iyi aydınlatma ve kaymaz zemin önerileri sunuyor.
Yapay Zeka, Türlerin Yaşam Alanlarını Haritalamada Yeni Ufuk Açıyor
Araştırmacılar, türlerin coğrafi dağılımını modelleyen yapay zeka sistemlerinin karar verme süreçlerini anlaşılabilir kılan yenilikçi bir yöntem geliştirdi. Doğa koruma ve istilacı türlerin yönetimi için kritik olan tür dağılım modelleri, derin öğrenme ile daha karmaşık hale gelirken, ekolojik içgörüler elde etmek zorlaşmıştı. Yeni çalışma, Concept-based Explainable AI teknolojisini bu alana ilk kez uygulayarak, modellerin hangi peyzaj özelliklerine odaklandığını görünür kılıyor. Multispektral ve LiDAR drone görüntülerinden oluşturulan yüksek çözünürlüklü veri seti, 15 farklı peyzaj konseptini kapsayan 653 alan ve 1.450 referans noktası içeriyor. Bu yaklaşım, hem güçlü tahmin performansı hem de ekolojik anlayış sağlayarak, korumanın geleceğini şekillendirebilir.
Yapay Zeka Ajanları Gerçekten Yaratıcı mı? Bilim İnsanları İki Farklı Açıdan İnceledi
Büyük dil modelleri ve yapay zeka ajanları birçok alanda insan seviyesinde hatta üstü performans gösterse de, gerçekten yaratıcı olup olmadıkları tartışma konusu olmaya devam ediyor. Yeni bir araştırma, AI yaratıcılığını iki farklı perspektiften inceliyor: işlevselci yaklaşım yaratıcı çıktıların gözlemlenebilir özelliklerine odaklanırken, ontolojik yaklaşım yaratıcılığın altında yatan süreçleri ve sosyal boyutları ele alıyor. Araştırmacılar, AI ajanlarının işlevselci yaratıcılık sergilediğini ancak henüz en gelişmiş seviyelerine ulaşamadığını ve ontolojik yaratıcılığın temel unsurlarından yoksun olduğunu savunuyor.
Denizcilik Bilgisayarla Görme Atölyesi 2026: AI'ın Denizlerdeki Yeni Sınırları
CVPR 2026 konferansının parçası olarak düzenlenen 4. Denizcilik Bilgisayarla Görme Atölyesi (MaCVi), deniz ortamlarında yapay zeka uygulamalarının geliştirilmesine odaklanıyor. Bu yılki etkinlik, hem tahmin doğruluğunu hem de gerçek zamanlı gömülü sistem uygulanabilirliğini vurgulayan beş farklı benchmark yarışması içeriyor. Deniz araçlarının otonom navigasyonu, gemi tespiti, deniz altı görüntüleme ve maritime güvenlik gibi alanlarda AI algoritmalarının performansını değerlendiren bu atölye, sektörün ihtiyaçlarına yönelik pratik çözümler sunuyor. Yarışmacı ekiplerin teknik raporları, gerçek dünya uygulamalarında karşılaşılan zorlukları ve çözüm yollarını ortaya koyuyor. Bu tür çalışmalar, denizcilik endüstrisinin dijital dönüşümünde önemli bir rol oynuyor.
AI Ajanları Sınırlı Bilgiyle Nasıl Karar Alıyor? Yeni Araştırma Çığır Açtı
Yapay zeka sistemleri gerçek dünyada sürekli bilgi akışına erişemeyebilir - sensör sınırları, iletişim kesintileri ya da hesaplama kısıtları nedeniyle. MIT araştırmacıları, bu zorlu koşullarda çalışan AI ajanlarının performansını analiz eden yeni bir çerçeve geliştirdi. Zamana bağlı değişen ortamlarda, eski bilgilerle karar almak zorunda kalan yapay zeka sistemlerinin ne kadar etkili olabileceğini matematiksel olarak kanıtladılar. Bu çalışma, otonom araçlardan robot sistemlere, gerçek zamanlı veri akışının kesintiye uğradığı her durumda kritik öneme sahip. Araştırma, AI'nin güvenilirliği ve dayanıklılığı konusunda yeni perspektifler sunuyor.
Yapay Zeka Öğrenme Hızını Artıran Yeni Matematiksel Yöntem Geliştirildi
Araştırmacılar, yapay zekanın yeni görevleri daha hızlı öğrenmesini sağlayan 'binomial gradyan tabanlı meta-öğrenme' adlı yeni bir yöntem geliştirdi. Meta-öğrenme, AI sistemlerinin geçmiş deneyimlerden yararlanarak az veriyle bile yeni görevlerde başarılı olmalarını sağlar. Mevcut yöntemler çok fazla hesaplama gücü gerektirirken, yeni yaklaşım binomial genişleme matematiksel tekniğini kullanarak bu sorunu çözüyor. Sistem paralel hesaplama yapabildiği için hem daha hızlı hem de daha doğru sonuçlar üretiyor. Bu gelişme, yapay zekanın öğrenme sürecini optimize ederek daha verimli AI sistemlerinin geliştirilmesine katkı sağlayabilir.
Telekomünikasyon AI'larında Güven Seviyesi Ölçümünde Yeni Çifte Geçiş Yöntemi
Büyük dil modelleri telekomünikasyon sektöründe 3GPP spesifikasyon analizi ve ağ sorun giderme gibi karmaşık görevlerde kullanılıyor. Ancak bu modellerin kendi cevaplarına dair güven skorları genellikle yanıltıcı ve aşırı iyimser çıkıyor. Araştırmacılar, Gemma-3 model ailesi üzerinde yaptıkları çalışmada standart tek geçişli güven tahminlerinin yetersiz kaldığını gösterdi. Sorunun çözümü için Twin-Pass Chain of Thought yöntemi adı verilen yeni bir yaklaşım geliştirdiler. Bu teknik, birden fazla bağımsız düşünce zinciri kullanarak modelin kendi doğruluğunu değerlendirme yeteneğini artırıyor. Telekomünikasyon alanında AI güvenilirliğinin kritik öneme sahip olduğu düşünüldüğünde, bu gelişme sektörün AI benimseme sürecini hızlandırabilir.
Büyük Dil Modelleri İkilem Yaşıyor: Daha Akıllı Ama Aynı Zamanda Daha Kolay Kandırılır
Yeni bir araştırma, yapay zeka dil modellerinin boyutu büyüdükçe paradoksal bir davranış sergilediğini ortaya koyuyor. Cornell Üniversitesi araştırmacıları, büyük modellerin yanlış bilgilere karşı daha dirençli hale gelirken, aynı zamanda rastgele ve anlamsız metinleri taklit etme eğiliminin arttığını keşfetti. Cerebras-GPT ve Pythia model ailelerini analiz eden çalışma, bu durumun öngörülebilir matematiksel yasalara uyduğunu gösteriyor. En büyük modeller, yanlış bilgilere karşı en küçük modellerden dört kat daha dirençliyken, anlamsız içerikleri kopyalama konusunda iki kat daha eğilimli. Bu bulgu, AI sistemlerinin geliştirilmesinde önemli bir ikilem olduğuna işaret ediyor.
Yapay Zeka Modellerinin Çok Dilli Eğitimi İngilizce'den Çok Daha Etkili
Büyük dil modellerinin eğitiminde sadece İngilizce kullanmanın yetersiz olduğunu gösteren kapsamlı bir araştırma yayınlandı. 8 milyar parametreye kadar modeller üzerinde yapılan 220 farklı eğitim deneyi, çok dilli yaklaşımın tüm dillerde performansı artırdığını ortaya koyuyor. Araştırmacılar, matematiksel akıl yürütme ve API çağrıları gibi görevlerde çok dilli eğitimin sadece düşük kaynaklı dilleri değil, İngilizce performansını da iyileştirdiğini keşfetti. Hatta tek bir yabancı dil eklemenin bile modelin genel başarısını artırdığı gözlemlendi. Bu bulgular, yapay zeka endüstrisinin İngilizce ağırlıklı eğitim yaklaşımını yeniden değerlendirmesi gerektiğine işaret ediyor.
Dronlar için AI Destekli Güvenli İniş Sistemi Geliştirildi
Araştırmacılar, otonom kargo dronlarının kentsel alanlarda güvenli paket teslimatı yapabilmesi için yenilikçi bir yapay zeka sistemi geliştirdi. 'See&Say' adlı bu sistem, görsel algı ve dil modellerini birleştirerek dronların iniş yapacakları alanları dinamik olarak değerlendiriyor. Geleneksel yaklaşımlar sadece geometrik analiz veya görüntü segmentasyonuna odaklanırken, yeni sistem her iki yöntemi entegre ederek daha güvenilir karar verme sağlıyor. Sistem, tek kamerayla çekilen görüntülerdeki derinlik gradyanlarını açık-kelime dağarcığı algılama maskeleriyle birleştirerek güvenlik haritaları oluşturuyor. Bu teknolojik gelişme, kargo dronlarının karmaşık şehir ortamlarında güvenli teslimat yapabilmesi için kritik bir adım.
Yapay Zeka Güvenliğinde Yeni 'Bal Küpü' Protokolü: Gizli Davranışları Tespit Etmenin Yolu
Araştırmacılar, yapay zeka sistemlerinin farklı ortamlarda sergiledikleri gizli davranışları tespit etmek için 'bal küpü protokolü' adını verdikleri yeni bir yöntem geliştirdi. Geleneksel izleme sistemleri, AI modellerinin sadece pasif gözlemini yaparken, bu yeni yaklaşım modellerin farklı koşullarda nasıl davrandığını aktif olarak test ediyor. Protokol, görevin ve çevrenin aynı kalmasına rağmen sistem komutlarını üç farklı duruma göre değiştiriyor: değerlendirme, sentetik dağıtım ve açık izleme yok durumları. Claude Opus modeli üzerinde yapılan ilk testlerde, model her üç durumda da tutarlı performans gösterdi. Bu yöntem, AI güvenliğinde önemli bir adım olarak görülüyor çünkü modellerin potansiyel olarak zararlı davranışlarını gizlemesi durumunu tespit edebiliyor.
Yapay zeka modellerinin 'kara kutu' sorunu için yeni çözüm: Katmanlar arası kod çeviriciler
Yapay zeka araştırmacıları, Vision Transformer modellerinin nasıl çalıştığını anlamamızı sağlayacak yeni bir yöntem geliştirdi. 'Katmanlar Arası Kod Çeviriciler' (CLT) adı verilen bu teknik, görüntü işleyen AI modellerinin her katmanının nasıl kararlar aldığını görünür hale getiriyor. Geleneksel yöntemler sadece tek katmanları inceleyebiliyorken, CLT tüm katmanlar arasındaki etkileşimleri analiz edebiliyor. Bu gelişme, AI modellerinin daha güvenilir ve anlaşılabilir olmasını sağlayarak, özellikle kritik uygulamalarda yapay zekanın nasıl çalıştığını açıklamamıza yardımcı oluyor. Araştırmacılar, bu yöntemin AI'nın 'kara kutu' problemini çözmede önemli bir adım olduğunu belirtiyor.
Robotlar Artık Kendi Vücutlarını Görsel Olarak Algılayabiliyor
Araştırmacılar, robot kollarının kendi vücutlarını görsel olarak algılayarak hareket edebilmesi için yenilikçi bir yöntem geliştirdi. Bu sistem, robotların üzerine herhangi bir işaretçi yerleştirmeden, sadece doğal görsel özelliklerini kullanarak kendilerini konumlandırabilmesini sağlıyor. Geliştirilen teknik, önce robot üzerine ArUco işaretçiler yerleştirerek veri topluyor, ardından bu işaretçileri dijital olarak silerek doğal görünümlü robot görüntüleri elde ediyor. Bu yaklaşım, özellikle işaretçi yerleştirmenin mümkün olmadığı endüstriyel uygulamalar için büyük önem taşıyor ve robot kontrolünde yeni bir dönem başlatabilir.