“seyahat planlama” için sonuçlar
4 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka seyahat planlamada yeni bir sınava tabi tutuluyor
Araştırmacılar, yapay zeka tabanlı dil modellerinin gerçek dünya problemlerini ne kadar iyi çözebildğini ölçmek için yeni bir test sistemi geliştirdiler. ChinaTravel adlı bu sistem, yapay zekanın çok günlük seyahat planları yapabilme yeteneğini değerlendiriyor. Geleneksel testlerden farklı olarak, kullanıcıların doğal dille ifade ettikleri karmaşık ve çok katmanlı isteklerini anlayıp uygulanabilir planlar oluşturabiliyor mu diye bakıyor. 1154 kişiden toplanan gerçek verilerle beslenen sistem, yapay zekanın pratik kısıtlamaları anlama, tercihleri değerlendirme ve mantıklı öneriler sunma becerilerini test ediyor. Bu çalışma, dil modellerinin laboratuvar ortamından çıkıp gerçek hayattaki karmaşık görevlerde ne kadar başarılı olduğunu anlamaya yönelik önemli bir adım.
Yapay Zeka Chatbotlarının Kişilik Seviyesi Kullanıcı Deneyimini Nasıl Etkiliyor?
Cornell Üniversitesi araştırmacıları, büyük dil modeli tabanlı sohbet robotlarının kişilik ifade düzeylerinin kullanıcı algısı üzerindeki etkilerini inceledi. 150 katılımcıyla yapılan deneysel çalışmada, seyahat planlama görevlerinde farklı kişilik seviyelerine sahip yapay zeka asistanları test edildi. Bulgular, orta düzeyde kişilik ifadesi gösteren chatbotların en olumlu değerlendirmeleri aldığını ortaya koydu. Çok az veya çok fazla kişilik sergileyen sistemler, kullanıcılar tarafından daha düşük puanlandı. Araştırma ayrıca, kullanıcı ile yapay zeka arasındaki kişilik uyumunun deneyimi iyileştirdiğini gösterdi. Özellikle dışadönüklük ve duygusal istikrar özelliklerinin en etkili faktörler olduğu tespit edildi. Bu bulgular, gelecekteki yapay zeka asistanlarının tasarımında kişilik dengesinin önemini vurguluyor.
Yapay Zeka Modelleri Artık Daha Az Hesaplama Gücüyle Akıllıca Düşünebiliyor
Araştırmacılar, büyük dil modellerinin sınırlı hesaplama kaynaklarıyla daha verimli düşünme yetisi geliştirmesini sağlayan yeni bir sistem geliştirdi. 'Anytime reasoning' adı verilen bu yaklaşım, modellerin verilen süre içinde en iyi çözümü üretmesini hedefliyor. Sistem, modellerin kendi çıktılarından öğrenerek kendilerini geliştirmesine olanak tanıyan bir yöntem kullanıyor. Seyahat planlaması gibi gerçek dünya uygulamalarında test edilen yaklaşım, GPT ve LLaMA gibi popüler modellerde hem kalite hem de verimlilik açısından iyileştirmeler sağladı. Bu gelişme, yapay zekanın pratik kullanımında maliyet ve hız dengesini optimize etmek için önemli bir adım.
Yapay zeka asistanları sınırlı optimizasyon problemlerinde zorlanıyor
Araştırmacılar, büyük dil modellerinin (LLM) gerçek dünya görevlerindeki performansını değerlendiren COMPASS adlı yeni bir test sistemi geliştirdi. Seyahat planlama senaryoları üzerinden yapılan testlerde, yapay zeka asistanlarının kısıtlı optimizasyon problemlerinde ciddi eksiklikleri ortaya çıktı. Modeller %70-90 oranında temel gereksinimleri karşılayabilirken, kullanıcı memnuniyetini optimize etmede sadece %20-60 başarı gösterdi. Bu sonuçlar, AI asistanlarının pratik kullanımda henüz insan benzeri karar verme yeteneğine tam olarak sahip olmadığını gösteriyor.