როგორ ამძაფრებს გლობალური დათბობა ძილის აპნოეს რისკს?
ავსტრალიაში ჩატარებულმა კვლევამ აჩვენა, რომ მზარდი ღამის ტემპერატურა მნიშვნელოვნად მოქმედებს ადამიანის ძილის რეჟიმზე და ზრდის ძილის აპნოეს რისკს. ექსპერტები გაფრთხილებას აცხადებენ, რომ გლობალური დათბობის პროგრესირებასთან ერთად, ეს პრობლემა შეიძლება გამწვავდეს, განსაკუთრებით დაბალი შემოსავლის მქონე მოსახლეობისთვის. ძილის აპნოე დაკავშირებულია ჯანმრთელობის მრავალ სერიოზულ პრობლემასთან, მათ შორის გულის დაავადებებთან და დიაბეტთან, ხოლო მისი გავრცელება საუკუნის ბოლოსთვის შეიძლება 1.2-დან სამჯერ გაიზარ
მეცნიერები მედიტაციაზე: ეს ტვინის დასვენება კი არა, გაძლიერებული აქტივობის მდგომარეობაა
ახალმა საერთაშორისო კვლევამ რადიკალურად შეცვალა მედიტაციის შესახებ გავრცელებული წარმოდგენები. მონრეალის უნივერსიტეტისა და იტალიის ეროვნული კვლევითი საბჭოს მეცნიერებმა დაადგინეს, რომ ეს უძველესი პრაქტიკა ტვინის დასვენება კი არა, მისი გაძლიერებული აქტივობის მდგომარეობაა, რომელიც ღრმად ცვლის ტვინის დინამიკას. კვლევამ, რომელიც მედიტაციის ორ კლასიკურ ფორმას – სამათასა და ვიპასანას – იკვლევდა, აჩვენა, რომ მედიტაცია ზრდის ტვინის სიგნალების სირთულეს და აუმჯობესებს მის ფუნქციურ მოქნილობასა და სტაბილურობა
მედიტაცია ტვინის აქტივობას ზრდის და მის დინამიკას ცვლის – ახალი კვლევა
ახალი საერთაშორისო კვლევის თანახმად, მედიტაცია, გავრცელებული შეხედულების საპირისპიროდ, ტვინის მოსვენებული მდგომარეობა კი არა, გაზრდილი ცერებრალური აქტივობის მდგომარეობაა, რომელიც ღრმად ცვლის ტვინის დინამიკას. კვლევა, რომელშიც ბუდისტი ბერები მონაწილეობდნენ, მაგნეტოენცეფალოგრაფიის (MEG) გამოყენებით ჩატარდა და აჩვენა, რომ მედიტაციის ორივე ფორმა – სამათა და ვიპასანა – მნიშვნელოვნად ზრდის ტვინის სიგნალების სირთულეს და ოპტიმალურ „კრიტიკულ“ მდგომარეობას უახლოვდება, რაც აუმჯობესებს ტვინის დამუშავების, ს
ახალი კვლევა AI-ს მტკიცებებს ძირს უთხრის: მოდელები საავტორო უფლებებით დაცულ კონტენტს ინახავენ და იმეორებენ
სტენფორდისა და იელის უნივერსიტეტების ახალმა კვლევამ აჩვენა, რომ წამყვანი AI კომპანიების ენობრივი მოდელები, როგორიცაა OpenAI, Anthropic და Google, საავტორო უფლებებით დაცული სავარჯიშო მონაცემების ასლებს ინახავენ და არა მხოლოდ „შაბლონებს სწავლობენ“. ეს აღმოჩენა ფუნდამენტურად ეჭვქვეშ აყენებს კომპანიების იურიდიულ არგუმენტებს „კეთილსინდისიერი გამოყენების“ (fair use) შესახებ, ვინაიდან მოდელებს მარტივი მოთხოვნებით შეუძლიათ ცნობილი ნაწარმოებებიდან ათასობით სიტყვის სიტყვასიტყვით რეპროდუცირება.
ბირთვული ნარჩენები – ენერგიის ახალი წყარო: MIT-ის სტუდენტის ინოვაციური კვლევა
MIT-ის დოქტორანტი დაურენ სარსენბაევი ბირთვული ენერგიის ერთ-ერთ მთავარ გამოწვევას — მაღალი დონის ბირთვული ნარჩენების (HLW) განკარგვას — უპირისპირდება. მისი კვლევა მიზნად ისახავს რადიოაქტიური ნარჩენების მიერ გამოყოფილი სითბოს ამოღებას და მის ენერგიად გადაქცევას. ეს მიდგომა ორ მიზანს ემსახურება: ნახშირბადისგან თავისუფალი ენერგიის მოპოვებას და HLW-ის შენახვასთან დაკავშირებული სირთულეების შემცირებას. სარსენბაევი, რომელსაც ალმათიში დაბინძურებული ჰაერის გამოცდილება აქვს, ბირთვულ ნარჩენებს ტვირთიდან ენე
MIT-ის სტუდენტი ჯეიკობ პეინი: მომავლის დიზაინი და წარსულის მემკვიდრეობის გაცოცხლება
C. ჯეიკობ პეინი, MIT-ის არქიტექტურის სამაგისტრო პროგრამის სტუდენტი, აერთიანებს ფუტურისტულ დიზაინს, როგორიცაა ნულოვანი გრავიტაციის ფეხსაცმელი და ხელოვნური ინტელექტი, აფრო-ამერიკული არქიტექტურული მემკვიდრეობის შენარჩუნებისა და რეკონსტრუქციის კვლევასთან. ის იკვლევს ისტორიულ სივრცეებსა და „ჯუკ ჯოინტებს“, აერთიანებს ციფრულ და ფიზიკურ დიზაინს ინოვაციური მიდგომებით.
ხელოვნური ინტელექტი და პაციენტის კონფიდენციალურობა: როგორ „ახსოვს“ AI მოდელებს მგრძნობიარე მონაცემები
ხელოვნური ინტელექტის (AI) მოდელები, რომლებიც ელექტრონულ სამედიცინო ჩანაწერებზე (EHRs) წვრთნას გადიან, შესაძლოა პაციენტების პირად მონაცემებს „იმახსოვრებდნენ“ და აჟონებდნენ, რაც კონფიდენციალურობის სერიოზულ რისკებს ქმნის. MIT-ის მკვლევართა ახალი ნაშრომი, რომელიც NeurIPS 2025-ზე იყო წარმოდგენილი, მკაცრი ტესტირების მეთოდებს გვთავაზობს მონაცემთა გაჟონვის თავიდან ასაცილებლად. სტატია ხაზს უსვამს ჰიპოკრატეს ფიცის მნიშვნელობას სამედიცინო ეთიკაში და აფრთხილებს, რომ უნიკალური მდგომარეობის მქონე პაციენტები გ
არქტიკის ინდიკატორები და ხელოვნური ინტელექტი ზამთრის ამინდის პროგნოზირებისთვის
სტატია ეხება ჯუდა კოენის კვლევას არქტიკული პირობების (ციმბირის თოვლის საფარი, პოლარული მორევა და სხვ.) გამოყენების შესახებ, როგორც ზამთრის ამინდის პროგნოზირების ძირითად ინდიკატორებს ევროპაში, აზიაში და ჩრდილოეთ ამერიკაში. აღწერილია, თუ როგორ ხდება ხელოვნური ინტელექტის ინტეგრირება, რამაც მნიშვნელოვანი წინსვლა აჩვენა სუბსეზონურ პროგნოზირებაში (2-6 კვირა) და შესაძლოა გაზარდოს ექსტრემალური ამინდის მოვლენების პროგნოზირების დრო. კოენის მოდელი მიანიშნებს ევრაზიისა და ცენტრალური ჩრდილოეთ ამერიკის ნაწილე
MIT-ის მკვლევრები მანქანური სწავლების მოდელების სანდოობას ახალ გარემოში ეჭვქვეშ აყენებენ
MIT-ის მეცნიერებმა გამოავლინეს მანქანური სწავლების მოდელების მნიშვნელოვანი ჩავარდნები, როდესაც ისინი გამოიყენება გაუწვრთნელ მონაცემებზე. კვლევამ აჩვენა, რომ „საუკეთესო“ მოდელიც კი შეიძლება უარესი აღმოჩნდეს ახალ გარემოში მონაცემთა 75 პროცენტისთვის, რაც ხშირად ცრუ კორელაციებითაა გამოწვეული და აუცილებელს ხდის მოდელების მუდმივ ტესტირებას ახალ კონტექსტში განთავსებისას.
MIT-ის მკვლევარებმა შექმნეს AI მოდელი, რომელიც მასალების სინთეზს ამარტივებს
მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) მკვლევარებმა შექმნეს ხელოვნური ინტელექტის (AI) მოდელი, სახელწოდებით DiffSyn, რომელიც მეცნიერებს მასალების სინთეზის პროცესში უძღვება, სთავაზობს რა პერსპექტიულ სინთეზის გზებს. მოდელი წარმატებით იქნა გამოყენებული ცეოლითების კლასის მასალებისთვის, სადაც მან უმაღლესი სიზუსტით იწინასწარმეტყველა ეფექტური სინთეზის გზები, რამაც გამოიწვია გაუმჯობესებული თერმული სტაბილურობის მქონე ახალი ცეოლითის შექმნა. ეს მიღწევა მნიშვნელოვნად აჩქარებს მასალების აღმოჩენის პროცესს
ხელოვნური ინტელექტით ახალი ანტიბიოტიკების აღმოჩენა: ჯეიმს კოლინსის კვლევა
პროფესორი ჯეიმს ჯ. კოლინსი, სინთეზური ბიოლოგიის ერთ-ერთი ფუძემდებელი და ხელოვნური ინტელექტის ჯანდაცვაში გამოყენების წამყვანი მკვლევარი, MIT-სა და სხვა ინსტიტუტებში მუშაობს ინჟინერირებული უჯრედების შექმნაზე და ახალი ანტიბიოტიკების აღმოჩენაზე. მისი კვლევა, რომელიც ღრმა სწავლასა და ხელოვნურ ინტელექტს ეფუძნება, მოიცავს ისეთი ინოვაციური პრეპარატების შექმნას, როგორიცაა ჰალიცინი, რომელიც ეფექტურია მრავალრეზისტენტული ბაქტერიული პათოგენების წინააღმდეგ. კოლინსი ხაზს უსვამს თანამშრომლობის მნიშვნელობას და ს
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 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.
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
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
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 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.
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
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.
SparkToro-ს შოკისმომგვრელი კვლევა: რამდენად სანდოა AI-ის რეკომენდაციები?
SparkToro-ს ახალი კვლევა ხელოვნური ინტელექტის [AI] რეკომენდაციების გაუგონარ არათანმიმდევრულობას ავლენს, რაც სერიოზულ კითხვებს აჩენს AI-ზე დაფუძნებული საძიებო სისტემებისა და მარკეტინგული სტრატეგიების სანდოობასთან დაკავშირებით. ეს ანგარიში იწვევს დისკუსიას AI რანჟირების პოზიციების ღირებულებასა და ტრეკინგის ხელსაწყოების მეთოდოლოგიის გამჭვირვალობის აუცილებლობაზე.