“metin arama” için sonuçlar
3 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Ses-metin arama sistemlerinde yeni dönem: Omni-Embed-Audio teknolojisi
Araştırmacılar, ses dosyaları ve metin arasında arama yapabilen yeni nesil bir yapay zeka sistemi geliştirdi. Omni-Embed-Audio (OEA) adlı bu sistem, geleneksel yöntemlerin aksine gerçek kullanıcı davranışlarına uygun arama biçimlerini destekliyor. Sistem, soru sorma, komut verme, anahtar kelime etiketleme gibi doğal arama davranışlarını anlayabiliyor. Çok modlu büyük dil modellerini kullanan teknoloji, ses dosyalarını metin açıklamalarıyla eşleştirmede daha güvenilir sonuçlar veriyor. Araştırma, ses tabanlı arama sistemlerinin pratik kullanımda karşılaştığı zorlukları ele alarak, gerçek dünya uygulamaları için daha sağlam bir temel sunuyor.
Çinli araştırmacılar tıbbi metin arama sistemlerini hızlandıran yeni yapay zeka modeli geliştirdi
Çin'den araştırmacılar, tıbbi metinlerde arama yapan yapay zeka sistemlerinin hem daha hızlı hem de daha doğru çalışmasını sağlayan yeni bir model geliştirdi. CARE adı verilen bu sistem, asimetrik kodlayıcı mimarisi kullanarak büyük dil modellerinin yüksek hesaplama maliyeti sorununu çözmeyi hedefliyor. Araştırma ekibi aynı zamanda Çince tıbbi metinler için kapsamlı bir değerlendirme standardı olan CMedTEB'i de tanıttı. Bu benchmark, klinik uzmanların doğrulamasından geçen çoklu yapay zeka oylama sistemiyle hazırlandı ve metin arama, yeniden sıralama ve anlamsal benzerlik gibi üç farklı görevde sistem performansını test ediyor. Yeni yaklaşım, gerçek zamanlı tıbbi bilgi sistemlerinde kullanım potansiyeli taşıyor.
AI'ın Metin Anlama Sorunu: Benzer Kelimeler, Farklı Anlamlar
Yapay zeka sistemlerinde kullanılan yoğun metin arama teknolojisi ciddi bir sorunla karşı karşıya. Araştırmacılar, bu sistemlerin metinleri tek bir matematiksel vektöre sıkıştırırken anlamsal ayrıntıları kaybettiğini ortaya koydu. Özellikle olumsuzluk ekleme veya roller arası değişim gibi küçük değişiklikler anlamı tamamen değiştirse de, sistem bunları benzer metinler olarak algılıyor. Dört farklı AI modeli üzerinde yapılan testler, yapısal hassasiyet eğitimi alan sistemlerin genel performansında %8-40 oranında düşüş yaşadığını gösterdi. Bu bulgu, AI'ın dil anlama yeteneklerinde temel bir ikilem olduğuna işaret ediyor.