Yapay zeka alanında önemli bir gelişme yaşandı. Araştırmacılar, önceden eğitilmiş AI modellerinin farklı görevleri nasıl başarıyla birleştirebildiğini açıklayan temel mekanizmayı keşfetti.
'Görev aritmetiği' olarak adlandırılan bu teknik, mevcut AI modellerini ek eğitim gerektirmeden düzenleme imkanı sunuyor. Ancak bu yöntemin neden bu kadar etkili olduğu bilim insanlarını uzun süredir meşgul ediyordu. Mevcut 'ağırlık ayrışması' kavramı sonucu tanımlayabiliyordu, fakat altta yatan nedeni açıklayamıyordu.
Yeni araştırma, bu başarının arkasındaki gizli prensibi ortaya çıkarıyor: Görev-Özellik Uzmanlaşması (TFS). Bu kavram, bir modelin farklı görevler için ayrı iç özellikler ayırabilme yeteneğini ifade ediyor.
Bilim insanları, TFS'nin ağırlık ayrışması için yeterli bir koşul olduğunu matematiksel olarak kanıtladı. Daha da önemlisi, TFS'nin gözlemlenebilir geometrik bir sonucu olduğunu keşfettiler: ağırlık vektörlerinin dik açılı konumlanması.
Bu keşif, hem işlevsel sonucu (ayrışma) hem de ölçülebilir geometrik özellikleri açıklayan ortak bir neden sunuyor. Bulgular, gelecekte daha verimli AI model tasarımlarına yol açabilir.