MIT-ის EnCompass: ჩარჩო, რომელიც AI აგენტებს LLM-ის შეცდომების გამოსწორებაში ეხმარება
ხელოვნური ინტელექტის (AI) ინსტრუმენტები, განსაკუთრებით AI აგენტები, სულ უფრო მოთხოვნადი ასისტენტები ხდებიან. ისინი ხშირად იყენებენ დიდ ენობრივ მოდელებს (LLM), რომლებიც, მიუხედავად მათი სიმძლავრისა, შეცდომებსაც უშვებენ. ასეთი შეცდომების გამოსწორების ლოგიკის (უკან დაბრუნება, ხელახალი მცდელობა) დაპროგრამება შრომატევადია. MIT-ის კომპიუტერული მეცნიერებისა და ხელოვნური ინტელექტის ლაბორატორიის (CSAIL) და Asari AI-ის მკვლევარებმა შექმნეს ჩარჩო „EnCompass“, რომელიც ავტომატურად უმკლავდება LLM-ის შეცდომებს
MIT-ის პრეზიდენტი სალი კორნბლუტი და ასისტენტ-პროფესორი ჯონ ურშელი GBH-ის ეთერში
MIT-ის პრეზიდენტმა სალი კორნბლუტმა და ასისტენტ-პროფესორმა ჯონ ურშელმა მონაწილეობა მიიღეს GBH-ის გადაცემებში „Boston Public Radio“ და „The Curiosity Desk“. კორნბლუტმა ისაუბრა MIT-ზე, კვლევების გამოწვევებზე, მეცნიერების მნიშვნელობასა და უნივერსიტეტის ფინანსებზე, ურშელმა კი ფეხბურთზე მათემატიკის სიყვარული განიხილა. „The Curiosity Desk“ ასევე უმასპინძლებს MIT-ის სხვა სტუმრებს, რომლებიც საკვერცხის კიბოს დიაგნოსტიკასა და ფიგურულ სრიალში ხელოვნური ინტელექტის გამოყენებას განიხილავენ.
MIT-ის კვლევა: დიდი ენის მოდელების (LLM) რეიტინგები საოცრად მგრძნობიარეა მომხმარებლის უკუკავშირის მიმართ
MIT-ის მკვლევრებმა აღმოაჩინეს, რომ დიდი ენის მოდელების (LLM) რეიტინგული პლატფორმები საოცრად მგრძნობიარეა მომხმარებლის უკუკავშირის მიმართ. მათმა კვლევამ აჩვენა, რომ კრაუდსორსინგული მონაცემების მცირე ნაწილის ამოღებასაც კი შეუძლია რეიტინგების შეცვლა, რამაც შესაძლოა კომპანიები შეცდომაში შეიყვანოს საუკეთესო მოდელის არჩევისას. მკვლევრებმა შეიმუშავეს ეფექტური მეთოდი, რომელიც ავლენს შედეგების დამახინჯებაზე პასუხისმგებელ ინდივიდუალურ შეფასებებს, რაც ხაზს უსვამს რეიტინგების შეფასების უფრო მკაცრი სტრატეგიე
MIT-ის კვლევა: LLM-ის რეიტინგები მოულოდნელად მგრძნობიარეა მცირე მონაცემების მიმართ
MIT-ის მკვლევარებმა აღმოაჩინეს, რომ დიდი ენობრივი მოდელების (LLM) რეიტინგის პლატფორმები ძალზე მგრძნობიარეა მომხმარებლის მცირე რაოდენობის შეფასებების მიმართ. ამან შესაძლოა კომპანიები შეცდომაში შეიყვანოს LLM-ის არჩევისას. მათ შეიმუშავეს სწრაფი მეთოდი, რომელიც ავლენს შედეგების დამახინჯებაზე პასუხისმგებელ „გავლენიან“ ხმებს და ხაზს უსვამს მოდელის შეფასების უფრო მკაცრი სტრატეგიების საჭიროებას.
ხელოვნური ინტელექტი ფიგურულ სრიალში: MIT-ის მკვლევრები სპორტის გაუმჯობესებასა და ესთეტიკურ შეფასებას იკვლევენ
MIT-ის კურსდამთავრებული ჯერი ლუ (Jerry Lu) ხელოვნურ ინტელექტზე დაფუძნებულ ოპტიკური თვალთვალის სისტემას, OOFSkate-ს, ქმნის, რათა ფიგურული სრიალის მოციგურავეებს ნახტომების გაუმჯობესებაში დაეხმაროს. ის ასევე იმუშავებს NBC Sports-თან 2026 წლის ზამთრის ოლიმპიადაზე, რათა კომენტატორებსა და მაყურებლებს რთული შეფასების სისტემის უკეთ გაგებაში დაეხმაროს. პარალელურად, პროფესორი ანეტ ჰოსოი (Anette Hosoi) იკვლევს, თუ როგორ აფასებენ ხელოვნური ინტელექტის სისტემები ესთეტიკურ შესრულებას ფიგურულ სრიალში, სპორტში ხ
MIT-ის გუნდმა ტვინის ღეროს სასიცოცხლოდ მნიშვნელოვანი შეკვრების ვიზუალიზაციისთვის ხელოვნური ინტელექტის ინსტრუმენტი წარადგინა
MIT-ის, ჰარვარდის უნივერსიტეტისა და მასაჩუსეტსის გენერალური ჰოსპიტალის მკვლევართა ჯგუფმა შექმნა ხელოვნურ ინტელექტზე დაფუძნებული პროგრამული უზრუნველყოფა, სახელწოდებით „ტვინის ღეროს შეკრების ხელსაწყო“ (BSBT), რომელსაც შეუძლია დიფუზიური MRI-ს გამოყენებით ავტომატურად განასხვავოს ტვინის ღეროში არსებული რვა სხვადასხვა „თეთრი ნივთიერების“ შეკვრა. ეს გარღვევა საშუალებას იძლევა უკეთ შეფასდეს ტრავმით ან ნეიროდეგენერაციული დაავადებებით გამოწვეული ცვლილებები, გამოავლინოს პარკინსონის, გაფანტული სკლეროზის, ტრ
MIT-ის მკვლევარი AMR-ის წინააღმდეგ სინთეზურ ბიოლოგიასა და ხელოვნურ ინტელექტს იყენებს
MIT-ის პროფესორი ჯეიმს ჯ. კოლინზი მრავალდისციპლინურ კვლევით პროექტს უძღვება, რომელიც ანტიმიკრობული რეზისტენტობის (AMR) მზარდი გლობალური საფრთხის წინააღმდეგ სინთეზურ ბიოლოგიასა და გენერაციულ ხელოვნურ ინტელექტს იყენებს. Jameel Research-ის მიერ დაფინანსებული 3-წლიანი, 3 მილიონი დოლარის ღირებულების პროექტი მიზნად ისახავს პროგრამირებადი ანტიბაქტერიულების შემუშავებას ძირითადი პათოგენების წინააღმდეგ. კვლევა ფოკუსირებულია ხელოვნური ინტელექტის გამოყენებით მცირე ცილების შექმნაზე, რომლებიც მიზანმიმართულად
MIT-ის პროფესორი რაფაელ გომეს-ბომბარელი: ხელოვნური ინტელექტი მეცნიერების ტრანსფორმაციის ზღვარზეა
MIT-ის ასოცირებული პროფესორი რაფაელ გომეს-ბომბარელი, რომელმაც ახლახან მიიღო მუდმივი პროფესორის სტატუსი, ათწლეულზე მეტია, რაც ხელოვნურ ინტელექტს ახალი მასალების აღმოსაჩენად იყენებს – ბატარეებიდან დაწყებული OLED-ებით დამთავრებული. ის მიიჩნევს, რომ ხელოვნური ინტელექტი „მეორე გარდამტეხ ეტაპზეა“, ენისა და მრავალი მოდულობის გაერთიანებით ზოგადი სამეცნიერო ინტელექტის შესაქმნელად, რაც სამეცნიერო კვლევებისთვის უფრო გამარტივებულ და პროდუქტიულ მომავალს გვპირდება.
MIT-ის ახალი AI სისტემა რობოტებს საშუალებას აძლევს, წამებში შექმნან 3D რუკები რთულ გარემოში
MIT-ის მკვლევრებმა შეიმუშავეს ინოვაციური AI-სისტემა, რომელიც რობოტებს საშუალებას აძლევს, სწრაფად შექმნან დეტალური 3D რუკები რთულ გარემოში. სისტემა აერთიანებს ხელოვნური ინტელექტის ვიზუალურ მოდელებსა და კლასიკურ კომპიუტერულ ხედვას, რათა დაამუშაოს გამოსახულებების შეუზღუდავი რაოდენობა და შეკეროს მცირე ქვერუკები ერთიან 3D რეკონსტრუქციაში. ეს მიდგომა აუმჯობესებს სამძებრო-სამაშველო რობოტების ეფექტურობას და პოტენციურად გამოიყენება გაფართოებული რეალობის აპლიკაციებისა და სამრეწველო რობოტებისთვის.
ფილიპ იზოლა: ადამიანის მსგავსი ინტელექტის კვლევა ხელოვნურ ინტელექტში
MIT-ის ელექტროტექნიკისა და კომპიუტერულ მეცნიერებათა დეპარტამენტის პროფესორი ფილიპ იზოლა ადამიანის მსგავსი ინტელექტის ფუნდამენტურ მექანიზმებს გამოთვლითი პერსპექტივიდან იკვლევს. მისი კვლევა ძირითადად ფოკუსირებულია კომპიუტერულ ხედვასა და მანქანურ სწავლებაზე, იკვლევს თუ როგორ ყალიბდება ინტელექტი ხელოვნური ინტელექტის მოდელებში, როგორ სწავლობენ ისინი სამყაროს წარმოდგენას და რა საერთო აქვს მათ „ტვინს“ ადამიანის გონებასთან. იზოლას მიზანია, გაიგოს ინტელექტის სხვადასხვა ფორმის საერთო ნიშნები, რათა ხელი შე
MIT-ის პროფესორი ფილიპ იზოლა: ხელოვნური ინტელექტის შესწავლა ადამიანის გონების გასაგებად
MIT-ის ახლად დანიშნული ასოცირებული პროფესორი ფილიპ იზოლა იკვლევს ადამიანის მსგავს ინტელექტს გამოთვლითი პერსპექტივიდან, ფოკუსირებულია კომპიუტერულ ხედვასა და მანქანურ სწავლებაზე. მისი მიზანია გაიგოს ინტელექტის ფუნდამენტური მექანიზმები და საერთო მახასიათებლები ადამიანის, ცხოველთა და ხელოვნურ ინტელექტს შორის, რათა ხელი შეუწყოს AI-ის უსაფრთხო და ეფექტურ ინტეგრაციას საზოგადოებაში.
MIT-ის ხელოვნური ინტელექტი CAD-ის სწავლას ამარტივებს და დიზაინს უფრო ხელმისაწვდომს ხდის
კომპიუტერული დიზაინის (CAD) პროგრამული უზრუნველყოფა, რომელიც თანამედროვე პროდუქტების უმეტესობის შესაქმნელად გამოიყენება, სასწავლად რთულია. MIT-ის ინჟინრებმა შეიმუშავეს ხელოვნური ინტელექტის მოდელი, რომელიც ადამიანის მსგავსად იყენებს CAD პროგრამას, 2D ესკიზებიდან 3D მოდელების შესაქმნელად. VideoCAD მონაცემთა ბაზის გამოყენებით, ეს AI სისტემა მიზნად ისახავს CAD-ის სწავლის პროცესის გამარტივებას, დიზაინის ავტომატიზაციას და პროგრამის ფართო აუდიტორიისთვის ხელმისაწვდომობას.
ხელოვნური ინტელექტის მოდელების „აზროვნების ფასი“ ადამიანისას ჰგავს – MIT-ის კვლევა
MIT-ის მკვლევრებმა აღმოაჩინეს, რომ ხელოვნური ინტელექტის ახალი თაობის, ე.წ. „მსჯელობის მოდელებისთვის“ „აზროვნების ფასი“ ადამიანების მსგავსია. ეს მიუთითებს პრობლემების გადაჭრის ადამიანურ მიდგომაზე, თუმცა არა განზრახვით. ეს მოდელები, ისევე როგორც ადამიანები, კომპლექსური ამოცანების გადასაჭრელად დროს საჭიროებენ, რაც მოულოდნელი პარალელია ადამიანის აზროვნების პროცესთან.
MIT-ის BoltzGen-ი ხელოვნური ინტელექტის მეშვეობით წამლის აღმოჩენის პროცესს აჩქარებს
MIT Jameel Clinic-ის მიერ შემუშავებულმა BoltzGen-მა, ახალმა ხელოვნური ინტელექტის მოდელმა, რევოლუცია მოახდინა წამლის აღმოჩენის პროცესში, რადგან ის გენერირებს ახალ, სამკურნალო მზა ცილის შემაკავშირებლებს. Boltz-2-ზე დაფუძნებული, BoltzGen-ი აერთიანებს ცილის დიზაინსა და სტრუქტურის პროგნოზირებას, იყენებს სველ ლაბორატორიებში მიღებულ უკუკავშირს და ამოწმებს „განუკურნებელ“ სამიზნეებზე. ეს ღია წყაროს ინოვაცია, მიუხედავად იმისა, რომ ინდუსტრიაში დებატებს იწვევს, სამეცნიერო შესაძლებლობების მნიშვნელოვან გაფართ
MIT-ის კვლევა: დიდი ენობრივი მოდელები (LLM) ზოგჯერ არასწორ გაკვეთილებს სწავლობენ
MIT-ის კვლევამ აჩვენა, რომ დიდ ენობრივ მოდელებს (LLM) შეუძლიათ შეცდომით ისწავლონ სინტაქსური შაბლონები დომენის ცოდნის ნაცვლად, რაც იწვევს მოულოდნელ შეცდომებსა და უსაფრთხოების რისკებს. მკვლევრებმა აღმოაჩინეს, რომ LLM-ებს შეუძლიათ დამაჯერებელი, მაგრამ არასწორი პასუხები გასცენ ნაცნობი ფრაზების ამოცნობით და არა კითხვის გაგებით. ამ პრობლემის შესამსუბუქებლად შეიქმნა ტესტირების პროცედურა.
MIT-ის დოქტორანტი ბენჯამინ მენინგი ხელოვნური ინტელექტის გავლენას სამუშაოს მომავალზე იკვლევს
MIT-ის სლოანის მენეჯმენტის სკოლის დოქტორანტი ბენჯამინ მენინგი იკვლევს, თუ როგორ აყალიბებს ხელოვნური ინტელექტი მომავალს, გავლენას ახდენს ადამიანის გადაწყვეტილებებზე, ბაზრებსა და ინსტიტუტებზე. მისი კვლევა მოიცავს ხელოვნური ინტელექტის აგენტების შექმნას, რომლებიც ადამიანების სახელით მოქმედებენ და მიზნად ისახავს სოციალურ მეცნიერებაში აღმოჩენების დაჩქარებას AI სიმულაციების მეშვეობით.
General Motors-ი ბატარეის ინოვაციების წამყვანი ძალა: ლაბორატორიიდან კომერციალიზაციამდე
General Motors-ის (GM) ბატარეების, ამძრავის სისტემებისა და მდგრადობის ვიცე-პრეზიდენტის, კურტ კელტის განცხადებით, ბატარეის ინოვაციები რევოლუციას ახდენს მობილობისა და ენერგეტიკულ სისტემებში. MIT ენერგეტიკული ინიციატივის (MITEI) კოლოკვიუმზე კელტიმ ისაუბრა GM-ის მიდგომაზე, რომელიც მიზნად ისახავს ახალი თაობის ბატარეის ტექნოლოგიების ლაბორატორიიდან კომერციალიზაციამდე მიტანას. ძირითადი აქცენტი კეთდება ხელმისაწვდომობის გაუმჯობესებაზე, ბატარეის მუშაობის მაჩვენებლების გაზრდაზე (დატენვის სიჩქარე, ენერგიის ს
MIT-ის სტუდენტები ნორვეგიულ ოფშორულ აკვაკულტურაში უახლეს ტექნოლოგიებს იკვლევენ
MIT-ის ორმა სტუდენტმა, ბეკეტ დევოიმ და ტონი ტანგმა, იმოგზაურეს ნორვეგიაში, მსოფლიოში ატლანტიკური ორაგულის უმსხვილეს მწარმოებელ ქვეყანაში, რათა შეესწავლათ ოფშორულ აკვაკულტურაში განვითარებული უახლესი ტექნოლოგიები. SINTEF Ocean-ში სტაჟირების ფარგლებში, ისინი მუშაობდნენ ხელოვნური ინტელექტის გამოყენებით თევზის კვების ოპტიმიზაციისა და წყალქვეშა რობოტების მეშვეობით ფერმების მოვლის პროექტებზე. ეს თანამშრომლობა MIT-სა და ნორვეგიულ ინსტიტუტებს შორის მიზნად ისახავს ინოვაციების განვითარებას ზღვაზე დაფუძნებუ
MIT-ის მკვლევრებმა რბილი რობოტებისთვის უსაფრთხო კონტროლის სისტემა შექმნეს
მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) მეცნიერებმა შექმნეს ინოვაციური სისტემა, რომელიც რბილ რობოტებს საშუალებას აძლევს, უსაფრთხოდ და ეფექტურად იმოქმედონ ადამიანებთან და მყიფე ობიექტებთან. ეს ახალი მიდგომა, რომელიც აერთიანებს მოწინავე კონტროლის თეორიასა და ფიზიკურ მოდელირებას, უზრუნველყოფს „კონტაქტზე ორიენტირებულ უსაფრთხოებას“, რაც მოქნილ რობოტებს რთული ამოცანების შესრულებისას დაზიანებისა თუ ტრავმის რისკის გარეშე მოქმედების საშუალებას აძლევს. ეს მნიშვნელოვანი წინგადადგმული ნაბიჯია ადამიანისა
MIT-ის მკვლევარებმა შექმნეს მოქნილი, მწერების მსგავსი მფრინავი მიკრობოტები
MIT-ის მკვლევარებმა შეიმუშავეს საჰაერო მიკრობოტები, რომლებსაც შეუძლიათ იფრინონ ნამდვილი მწერების მსგავსი სისწრაფითა და მოქნილობით, რაც მნიშვნელოვანი ნახტომია წინა ვერსიებთან შედარებით. ახალი ხელოვნურ ინტელექტზე დაფუძნებული კონტროლერის მეშვეობით, ამ პატარა რობოტებს შეუძლიათ შეასრულონ რთული მანევრები, როგორიცაა უწყვეტი სალტოები, რითაც მათი სიჩქარე 450%-ით, ხოლო აჩქარება 250%-ით გაიზარდა. ეს მიღწევა ხსნის შესაძლებლობებს მათ გამოსაყენებლად სტიქიური უბედურებების ზონებში, გადარჩენის ოპერაციებისთვის, ს
MIT-ის მკვლევრებმა LLM-ების გამოთვლითი ეფექტურობის გასაუმჯობესებლად უფრო ჭკვიანი მეთოდი შეიმუშავეს
დიდი ენობრივი მოდელებისთვის (LLM) არსებული მიდგომები ფიქსირებულ გამოთვლით ბიუჯეტს იყენებს, რაც რესურსების ფლანგვას ან რთული ამოცანების გადაჭრის შეუძლებლობას იწვევს. MIT-ის მკვლევრებმა შეიმუშავეს მეთოდი, რომელიც მოდელს საშუალებას აძლევს, დინამიურად დაარეგულიროს გამოთვლითი ბიუჯეტი კითხვის სირთულის მიხედვით. ამ სიახლემ LLM-ებს საშუალება მისცა, შეენარჩუნებინათ მსგავსი სიზუსტე, თუმცა გამოეყენებინათ გაცილებით ნაკლები გამოთვლითი რესურსი, ასევე ხელი შეუწყო მცირე ზომის მოდელებს, რთულ ამოცანებზე დიდ მოდელ
Pickle Robot Company-ის რობოტები: რევოლუცია საწყობების განტვირთვის პროცესში
MIT-ის კურსდამთავრებულების მიერ დაარსებული Pickle Robot Company ავტომატიზირებს მძიმე და განმეორებად სამუშაოს - სატვირთო მანქანების განტვირთვას საწყობებში, რაც ტრავმებისა და კადრების ხშირი ცვლის მთავარი მიზეზია. კომპანიის ხელოვნური ინტელექტის მქონე რობოტები მძიმე ტვირთს იღებენ საკუთარ თავზე, რაც ადამიანებს უფრო რთული პრობლემების გადასაჭრელად ათავისუფლებს. კომპანიას უკვე ჰყავს ისეთი მსხვილი კლიენტები, როგორიცაა UPS, Ryobi Tools და Yusen Logistics.
SparkToro-ს კვლევა AI რეკომენდაციების არასტაბილურობას ამხელს
SparkToro-ს უახლესმა კვლევამ აჩვენა, რომ ხელოვნური ინტელექტის [AI] ინსტრუმენტები თითქმის არასდროს აბრუნებენ ერთსა და იმავე ბრენდის რეკომენდაციებს, თუნდაც ერთი და იმავე მოთხოვნის [prompt] განმეორებისას. ეს მიგნებები ეჭვქვეშ აყენებს „AI რეიტინგის პოზიციის“ [AI ranking position] მეტრული ერთეულის სანდოობას და ხაზს უსვამს AI-ის პასუხების ფუნდამენტურ არათანმიმდევრულობას.