“karar destek” için sonuçlar
20 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Küçük Yapay Zeka Modelleri Acil Tıp Triajında Doktor Asistanı Oluyor
Acil servislerde hastaların öncelik sıralaması yapılırken yaşanan tutarsızlıklar ve hatalar ciddi bir sorun oluşturuyor. Araştırmacılar, bu soruna çözüm olarak küçük boyutlu yapay zeka modellerini test etti. Çalışmada, açık kaynak kodlu Qwen2.5-7B modeli, acil servis triyaj notlarını analiz ederek hastaların aciliyet seviyelerini belirleme konusunda başarılı sonuçlar verdi. Model, özellikle pediatrik triyaj verilerle eğitildikten sonra, hem doğruluk hem de istikrar açısından büyük gelişim gösterdi. Bu yaklaşım, hasta mahremiyetini korurken doktorlara güvenilir karar destek sistemi sunma potansiyeli taşıyor. Araştırma, pahalı büyük dil modellerine alternatif olarak, daha küçük ve verimli modellerin tıbbi uygulamalarda etkili olabileceğini gösteriyor.
Kripto AI Asistanları İçin Yeni Değerlendirme Sistemi: LATTICE
Araştırmacılar, kripto para dünyasında kullanıcılara yardım eden yapay zeka asistanlarının ne kadar faydalı olduğunu ölçmek için LATTICE adlı yeni bir değerlendirme sistemi geliştirdi. Mevcut test yöntemleri sadece AI'ların doğru cevap verip vermediğine odaklanırken, LATTICE kullanıcıların karar verme sürecine ne kadar yardımcı olduklarını da ölçüyor. Bu sistem, altı farklı değerlendirme boyutu ve 16 görev türü kullanarak kripto AI asistanlarını gerçek senaryolarda test ediyor. En önemli yenilik, değerlendirmenin tamamen otomatik yapılabilmesi ve uzman görüşlerine bağımlı olmaması.
Yapay Zeka Karar Verme Süreçleri Artık Daha Anlaşılabilir
Araştırmacılar, belirsizlik altında karar veren yapay zeka sistemlerinin nasıl çalıştığını açıklamayı kolaylaştıran yeni bir yöntem geliştirdi. POMDP adı verilen matematiksel çerçevede çalışan bu sistemler, eksik bilgilerle karar vermek zorunda kaldıklarında genellikle karmaşık politikalar üretir. Yeni yaklaşım, bu karmaşık politikaları karar ağaçları ve Mealy makineleri kombinasyonu kullanarak daha basit ve anlaşılır hale getiriyor. Bu gelişme, özellikle robotik, otonom araçlar ve tıbbi karar destek sistemleri gibi kritik alanlarda yapay zekanın kararlarının şeffaf olması gerektiği durumlarda büyük önem taşıyor. Araştırma, hem politikaların boyutunu küçültmeyi hem de açıklanabilirliğini artırmayı başarıyor.
Körfez Ülkeleri İçin Yapay Zeka Destekli İklim Karar Sistemi Geliştirildi
Araştırmacılar, Körfez İşbirliği Konseyi ülkelerinin iklim politikalarını desteklemek için özel olarak tasarlanmış yapay zeka sistemi geliştirdi. GCA adlı bu sistem, bölgeye özgü iklim verilerini analiz ederek karar vericilere rehberlik ediyor. Sistem, hükümet politikalarından akademik çalışmalara kadar geniş bir veri yelpazesini işleyebiliyor ve sıcak hava dalgaları, toz fırtınaları ve sel gibi bölgesel iklim olayları hakkında gerçek zamanlı analiz yapabiliyor. 200 bin soru-cevap çifti içeren veri seti, uydu görüntüleri ve metin verilerini birleştirerek bölgenin benzersiz iklim zorluklarına odaklanıyor.
Tıbbi yapay zekada önyargıları önleyen yeni sistem geliştirildi
Araştırmacılar, tıbbi görüntüleme ve klinik metinleri birleştiren yapay zeka sistemlerindeki önyargıları kontrol eden BiasCareVL adlı yeni bir çerçeve geliştirdi. Sistem, hastalık yaygınlığındaki dengesizlik, demografik farklılıklar ve görüntüleme protokollerindeki heterojenlik gibi sorunları model tasarımının başından itibaren ele alıyor. 15'ten fazla görüntüleme modalitesinden 3,44 milyon örnek üzerinde eğitilen framework, belirsizlik modellemesi ve isteğe bağlı insan müdahalesi ile adil ve güvenilir klinik karar vermeyi destekliyor. Bu yaklaşım, önyargıları sonradan düzeltmeye çalışmak yerine baştan önlemeyi hedefliyor.
Yapay Zeka ile Tıbbi Görüntü Tanıda Devrim: T-DuMpRa Sistemi
Araştırmacılar, tıbbi görüntü analizinde benzer hastalıkları birbirinden ayırt etme sorununu çözmek için yenilikçi bir yapay zeka sistemi geliştirdi. T-DuMpRa adı verilen bu sistem, öğretmen-rehberli çift yollu yaklaşımla çalışıyor ve prototype tabanlı hafıza bankası kullanıyor. Geleneksel sınıflandırıcıların aksine, bu sistem belirsizlik durumlarında daha güvenilir sonuçlar üretiyor. Sistem, hem ayırt edici sınıflandırma hem de çoklu prototype geri getirme yöntemlerini bir arada kullanarak eğitim ve tahmin süreçlerini iyileştiriyor. Özellikle görsel olarak belirsiz vakalarda, sistem aşırı güvenli olmak yerine belirsizlik tahminleri sunarak daha kalibre edilmiş sonuçlar elde ediyor. Bu gelişme, tıbbi teşhis alanında yapay zekanın doğruluğunu artırarak sağlık profesyonellerine daha güvenilir karar destek sistemi sunma potansiyeli taşıyor.
Ruh Sağlığı için Gizlilik Odaklı Yapay Zeka: Cihazdan Çıkmayan Tanı Sistemi
Araştırmacılar, ruh sağlığı alanında yapay zeka kullanımının önündeki en büyük engellerden biri olan gizlilik sorununa çözüm geliştirdi. Özellikle askeri, cezaevi ve uzak sağlık tesisleri gibi hassas ortamlarda, hasta verilerinin güvenlik riski nedeniyle kişiler yardım arama davranışından tamamen uzaklaşabiliyor. Mevcut AI destekli psikiyatrik karar destek sistemleri genellikle bulut tabanlı çalışır ve hassas hasta verilerinin cihazdan çıkıp harici sunuculara gönderilmesini gerektirir. Yeni geliştirilen sistem ise tamamen cihaz üzerinde çalışan bir AI platformu sunuyor. Mobil uygulama olarak tasarlanan bu sistem, büyük dil modellerini tamamen yerel olarak çalıştırarak hasta verilerinin hiçbir şekilde cihazdan çıkmamasını garanti ediyor. Bu yaklaşım, ruh sağlığı hizmetlerine erişimi artırırken aynı zamanda hasta mahremiyetini koruyor.
Tıbbi Tahmin Modellerinin Farklı Hasta Gruplarında Güvenilirliği Artırıldı
Araştırmacılar, tıbbi prognostik modellerin farklı hasta grupları ve hastaneler arasında daha güvenilir çalışması için yeni stratejiler geliştirdi. Altı farklı cerrahi merkezden toplanan verilerle yapılan çalışmada, mevcut model doğrulama yöntemlerinin eksiklikleri ortaya kondu. Geleneksel yaklaşımda başarılı dış doğrulamanın model genelleştirilebilirliğini garanti etmediği gösterildi. Bunun yerine iki tamamlayıcı yaklaşım önerildi: model geliştiriciler için meta-analiz verilerine dayalı 'ortalamada en iyi' model eğitimi ve son kullanıcılar için kohort uygunluğu değerlendirme sistemi. Bu yenilik, yapay zeka destekli tıbbi karar destek sistemlerinin farklı hasta gruplarında daha güvenilir sonuçlar vermesini sağlayabilir.
Yapay Zeka Modellerinin Tıbbi Görüntü Analiz Yeteneği Sınırlı Kaldı
Araştırmacılar, yapay zeka modellerinin gerçek klinik ortamlarda karşılaştıkları çoklu görüntü analizinde ne kadar başarılı olduklarını test etti. MedThinkVQA adlı yeni benchmark, her vakada ortalama 6,62 görüntü içeren 8.067 tıbbi durumu kapsıyor. Çalışmanın sonuçları, en gelişmiş AI modellerinin bile bu konuda zorlandığını ortaya koydu. En iyi performans gösteren Claude ve GPT modelleri %55-57 doğruluk oranına ulaşırken, açık kaynak modeller daha da geride kaldı. Bu bulgular, AI'nın tıp alanındaki uygulamalarında hâlâ önemli sınırları olduğunu gösteriyor.
Yapay Zeka Doktorları İçin Güvenilir Muhakeme Sistemi Geliştirildi
Büyük dil modellerinin tıbbi tanı süreçlerinde kullanımındaki en büyük sorun, doğru cevapları yanlış mantıkla üretmeleri. Araştırmacılar, bu kritik problemi çözmek için Toulmin argumentation modelini temel alan yeni bir eğitim sistemi geliştirdi. Curriculum Goal-Conditioned Learning adı verilen bu yöntem, AI sistemlerinin sadece doğru tanı koymasını değil, aynı zamanda bu tanıya nasıl ulaştığını şeffaf şekilde açıklayabilmesini sağlıyor. Sağlık alanında hasta güvenliği için şeffaflık hayati önem taşıdığından, bu çalışma yapay zekanın klinik karar destek sistemlerinde güvenilir kullanımına önemli bir katkı sunuyor.
Yapay zeka hastane notlarındaki gereksiz metni yüzde 47 azaltıyor
Sağlık sistemlerinde yapay zeka kullanımı hızla artarken, hastane notlarındaki şablon metinler ve kopyala-yapıştır uygulamaları ciddi bir sorun haline gelmiş durumda. Bu uygulamalar notları gereksiz tekrarlarla şişiriyor ve yapay zeka sistemlerinin maliyetini artırıyor. Araştırmacılar TRACE adını verdikleri yeni bir sistem geliştirerek bu sorunu çözmeyi başardılar. Sistem, elektronik sağlık kayıtlarındaki meta verileri kullanarak şablon ve kopyalanmış içerikleri tespit ediyor. 5,3 milyon hastane notu üzerinde yapılan testlerde TRACE, notlardaki metni yüzde 47,3 oranında azaltırken, bilgi çıkarma ve klinik karar verme performansını korudu. Bu gelişme, sağlık alanında yapay zeka uygulamalarının hem daha verimli hem de daha ekonomik hale gelmesini sağlayabilir.
Yapay Zeka Tıbbi Kayıtlardan Ayrıntılı Bilgi Çıkarımında Yeni Seviyeye Ulaştı
Araştırmacılar, hastane kayıtlarından klinik bilgileri otomatik olarak çıkaran yapay zeka sistemlerini geliştirdi. Büyük dil modeli LLaMA3 kullanılarak yapılan çalışmada, tıbbi metinlerden 18 farklı kategoride detaylı bilgi ayıklama başarısı gösterildi. Sistem, taburcu özetleri ve acil servis raporları gibi yapılandırılmamış tıbbi metinlerden hastalık, ilaç, semptom gibi kritik bilgileri tanımlayabiliyor. Çalışma, sıfır örnekli öğrenme, az örnekli öğrenme ve ince ayar teknikleri kullanarak modelin performansını optimize etti. Bu gelişme, tıbbi kayıtların dijital analizi ve klinik karar destek sistemlerinin geliştirilmesinde önemli bir adım teşkil ediyor.
KOBİ'ler için AI finansal analizi: Boyuttan ziyade mimari tasarım önemli
Finansal sektörde yapay zeka kullanımı hızla yaygınlaşırken, büyük şirketlerin aksine küçük ve orta boy işletmeler (KOBİ) sınırlı kaynaklarla çalışmak zorunda. Yeni bir araştırma, KOBİ'lerin bulut GPU bütçeleri ve özel AI ekipleri olmadan da etkili finansal analiz yapabileceğini ortaya koyuyor. Çalışma, 8 milyar parametreli yerel bir dil modeliyle gerçekleştirilen testlerde, büyük ölçekli modellerin değil, doğru mimari tasarımın başarının anahtarı olduğunu gösteriyor. Bu bulgular, kaynak kısıtlı ortamlarda çalışan işletmeler için AI tabanlı finansal karar destek sistemlerinin nasıl optimize edilebileceği konusunda önemli ipuçları sunuyor.
Yapay Zeka Destekli Karar Verme: Kullanıcı Tercihlerini Öğrenen Sistem
Araştırmacılar, karmaşık kararları kolaylaştıran yenilikçi bir yapay zeka sistemi geliştirdi. 'Decisive' adlı bu framework, kullanıcıların belgelerden elde edilen objektif verilerle kişisel tercihlerini harmanlayarak optimal kararlar almasını sağlıyor. Sistem, kullanıcılara ikili karşılaştırma soruları sorarak tercihlerini öğreniyor ve Bayesian çıkarım yöntemiyle kişiye özel öneriler sunuyor. Bu yaklaşım, mevcut karar destek sistemlerinin bilgi bombardımanı yapması veya kullanıcı tercihlerini yeterince anlayamaması sorunlarına çözüm getiriyor. Geleneksel yöntemlerden farklı olarak, sistem minimum kullanıcı eforuyla maksimum bilgi kazanımı sağlayarak hem objektif verilere dayalı hem de kişiselleştirilmiş öneriler sunabiliyor.
Yapay Zeka Tren İstasyonlarında Engelli Yolcu Hizmetlerini Optimize Ediyor
İngiltere'de tren istasyonlarında engelli yolcular için sunulan yardım hizmetleri, yapay zeka destekli bir sistem sayesinde çok daha verimli hale geliyor. Araştırmacılar, farklı istasyonlarda ve zamanlarda değişen yardım taleplerini tahmin edebilen bir karar destek sistemi geliştirdi. Prophet adlı makine öğrenmesi modelini kullanan sistem, personel planlamasında yüzde 76,9'a kadar hata oranını azaltmayı başardı. LNER tren şirketinin istasyonlarında aktif olarak kullanılan sistem, çok kaynaklı operasyonel verileri analiz ederek gelecekteki talepleri öngörüyor. Sistem ayrıca kırmızı-sarı-yeşil risk çerçevesi ile personel gereksinimlerini görsel olarak sunarak, istasyon yöneticilerinin daha iyi kararlar almasını sağlıyor. Bu yaklaşım, sadece maliyetleri düşürmekle kalmayıp engelli yolcuların daha kaliteli hizmet almasına da katkıda bulunuyor.
Yapay Zeka Modellerinin Güvenilirliği Artık Tasarım Aşamasında Test Edilebilecek
Araştırmacılar, yapay zeka modellerinin güvenilirliğini eğitim başlamadan önce tasarım aşamasında doğrulayabilen yeni bir yöntem geliştirdi. Geleneksel yaklaşımın aksine, bu teknik modelin sayısal kararlılığı, hesaplama doğruluğu ve fiziksel alanlarla tutarlılığı gibi kritik özellikleri önceden test edebiliyor. Özellikle yüksek riskli karar destek sistemleri ve bilimsel uygulamalarda kullanılacak AI modelleri için büyük önem taşıyan bu gelişme, minimal hesaplama maliyetiyle güvenilir yapay zeka sistemleri oluşturulmasını mümkün kılıyor. Yöntem, matematiksel olarak sonlu üretilmiş değişmeli gruplar üzerine kurulu özel bir cebirsel yapı kullanıyor.
Güvenilir yapay zeka sistemi tasarımı için yeni çerçeve geliştirildi
Araştırmacılar, kritik karar verme süreçlerinde kullanılan yapay zeka sistemlerinin güvenilirliğini artırmak için PADTHAI-MM adlı yeni bir tasarım çerçevesi geliştirdi. Bu çerçeve, MAST metodolojisini temel alarak insan-merkezli ve güvenilir AI sistemleri oluşturmayı hedefliyor. Özellikle savunma ve istihbarat alanında kullanılan karar destek sistemlerinin değerlendirilmesi için sistematik bir yaklaşım sunuyor. Geliştirilen READIT isimli araştırma platformunda test edilen bu yöntem, veri görselleştirme ve doğal dil işleme teknolojilerini birleştirerek istihbarat raporlama görevlerini destekliyor.
Yapay Zeka Öğretmenden Öğreniyor: Kalp Seslerini Anlayan Yeni AI Sistemi
Araştırmacılar, tıbbi ses kayıtlarını daha iyi anlayabilen yeni bir yapay zeka sistemi geliştirdi. AcuLa adlı bu sistem, kalp ve akciğer seslerini sadece duymuyor, aynı zamanda bu seslerin klinik anlamını da kavrayabiliyor. Sistem, büyük dil modellerini 'semantik öğretmen' olarak kullanarak, ses tanıma modellerinin tıbbi bilgiyle uyumlu hale getirilmesini sağlıyor. Bu yaklaşım, mevcut ses kayıtlarının yanındaki yapılandırılmış verileri tutarlı klinik raporlara dönüştürerek büyük ölçekli bir veri seti oluşturuyor. Sonuçta ortaya çıkan sistem, ses desenlerini tanımanın ötesinde bu seslerin hastalık teşhisindeki önemini de anlayabiliyor. Bu gelişme, AI destekli tıbbi teşhis araçlarının etkinliğini artırabilir ve doktorlara daha güvenilir karar destek sistemi sunabilir.
Yapay Zeka Destekli Tıbbi Karar Sistemlerinde Yeni Dönem: Nedensellik Odaklı Yaklaşım
Günümüz klinik karar destek sistemleri genellikle korelasyon tabanlı tahminler yapıyor, ancak nedensellik ilişkilerini göz ardı ediyor. Yeni bir araştırma, nedensel makine öğrenmesinin tıbbi karar verme süreçlerini nasıl geliştirebileceğini inceliyor. Araştırmacılar, deneyimli hekimlerle yapılan görüşmeler ve kapsamlı literatür taraması sonucunda, doktorlarla işbirliği halinde çalışabilen akıllı sistemler için sekiz temel gereksinim, yedi tasarım ilkesi ve dokuz pratik özellik belirledi. Bu yeni yaklaşım, sadece 'ne' olacağını değil, 'neden' olacağını da açıklayabilen sistemler geliştirmeyi hedefliyor. Böylece hekimler, sadece istatistiksel tahminlere değil, sebep-sonuç ilişkilerine dayalı önerilere erişebilecek. Bu gelişme, özellikle tedavi seçeneklerinin değerlendirilmesinde daha güvenilir ve anlaşılabilir yapay zeka desteği sunma potansiyeli taşıyor.
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.