-
Új generatív MI segíti a bonyolult anyagok gyorsabb előállítását
A mesterséges intelligencia rohamos fejlődése új távlatokat nyit a tudományban, többek között az anyagkutatásban is. Az MIT kutatóinak legújabb fejlesztése egy olyan generatív MI-modell, amely nem csupán elméleti javaslatokat ad, hanem konkrét útmutatást nyújt az összetett anyagok előállításához. Ez a megoldás jelentősen lerövidítheti a laboratóriumi kísérletek hosszú és időigényes folyamatát, ami eddig komoly akadályt jelentett az új anyagok felfedezésében és alkalmazásában. Az anyagszintézis kihívásai Az anyagok előállítása nem olyan egyszerű, mint egy recept követése a konyhában. A hőmérséklet, a reakcióidő vagy az összetevők aránya drasztikusan befolyásolja az anyag végső tulajdonságait. Ezért a kutatók korábban csak korlátozott számú anyag szintézisét tudták kipróbálni, hiszen a próbálkozások lineáris, egyparaméteres változtatásokkal zajlottak, ami rendkívül…
-
Új módszerrel érthetőbbé és pontosabbá válik az MI döntéseinek magyarázata
A mesterséges intelligencia rendszerek egyre inkább beépülnek életünk különböző területeibe, legyen szó akár orvosi diagnosztikáról, akár más kritikus döntéstámogatásról. Fontos azonban, hogy ezek az algoritmusok ne csak jó eredményeket produkáljanak, hanem képesek legyenek világosan megindokolni, hogyan jutottak egy adott következtetésre. Ez különösen fontos olyan esetekben, ahol az emberi szakértőknek meg kell bíznia az MI által szolgáltatott információban. Egy friss MIT kutatás most egy innovatív megközelítéssel lépett elő, amely nemcsak pontosabbá teszi a képfeldolgozó mesterséges intelligenciákat, hanem érthetőbb magyarázatokat is ad a döntéseik mögött. Mi az a koncepciós „torlódás” modell? A koncepciós torlódás (concept bottleneck) modell egy olyan technika, amely közbenső lépésként bevezet egy emberi szemmel is átlátható fogalmi réteget az…
-
Mesterséges intelligencia és politika a tengeri kibervédelem élvonalában
Strahinja Janjusevic, a montenegrói származású fiatal kutató váratlan úton jutott el a globális kibervédelem egyik kulcsfontosságú területére: a tengeri infrastruktúra védelméhez. Az amerikai haditengerészeti akadémián szerzett tapasztalatai és a MIT mesterséges intelligencia és politika programjában végzett kutatásai révén olyan innovatív megoldásokkal foglalkozik, amelyek a hajók és tengeri rendszerek kibertámadások elleni védelmét szolgálják. A tengeri kibervédelem kihívásai A hajók és a hozzájuk kapcsolódó rendszerek egyre inkább ki vannak téve a kibertámadások veszélyének, amelyek nem csupán anyagi károkat okozhatnak, hanem komoly nemzetbiztonsági kockázatot is jelentenek. Különösen a GPS-jel hamisítások (spoofing) jelentenek súlyos fenyegetést, amelyek révén ellenséges felek eltéríthetik a hajókat a kijelölt útvonaltól, akár konfliktusos tengeri területeken is. Janjusevic kutatása éppen ezen…
-
Forradalmi AI-módszer a komplex vizuális tervezésben
Az MIT kutatói egy új, mesterséges intelligencián alapuló megközelítést fejlesztettek ki, amely jelentősen hatékonyabbá teszi a hosszú távú vizuális feladatok, például robotok navigációjának tervezését. Az általuk kidolgozott rendszer kétszer jobb eredményeket ért el a jelenleg használt módszerekhez képest, miközben képes új, korábban nem látott problémák kezelésére is. Új út a vizuális tervezésben A hagyományos tervező algoritmusok általában a formális nyelvekre épülnek, amelyek segítségével pontos, lépésenkénti terveket készíthetünk bonyolult feladatok megoldására. Ezek a rendszerek azonban nem tudnak közvetlenül képi információkat feldolgozni, így a vizuális alapú problémák megoldása gyakran nehézkes. Ezzel szemben a nagy látás-nyelv modellek (vision-language models, VLM-ek) képesek képeket és szövegeket is értelmezni, de a térbeli kapcsolatok és a hosszú…
-
Miért lehet félrevezető az LLM-ek rangsorolása? Új MIT-kutatás mutatja meg
A vállalatok egyre gyakrabban választanak nagyméretű nyelvi modelleket (LLM-eket) ügyfélszolgálati feladatok automatizálására vagy üzleti jelentések összefoglalására. A piac azonban hemzseg a különböző modellekből, így a döntéshozók gyakran megbíznak az LLM-ek teljesítményét rangsoroló platformokban, hogy segítsenek megtalálni az ideális modellt. Egy friss kutatás azonban rávilágít arra, hogy ezek a rangsorok meglepően sérülékenyek lehetnek, és apró adathibák vagy felhasználói tévedések jelentősen eltorzíthatják a végeredményt. A rangsorolás mögötti kihívások Az LLM-ek összehasonlítására szolgáló platformokon a felhasználók általában két modell válaszát látják egy adott kérdésre, majd eldöntik, melyik teljesített jobban. Ezeket a választásokat összesítve állítják össze a rangsorokat, amelyek alapján a cégek kiválaszthatják a számukra legmegfelelőbb modellt például kódírás vagy képi tartalmak értelmezése terén.…
