ኮምፒውተር ሳይንስ
ስለ ፕሮግራሚንግ በሚያስቡበት መንገድ ላይ ተጽዕኖ የማያሳድር ቋንቋ ማወቅ ዋጋ የለውም።
— (1982)
ልምድ ያላቸው developers AI ሲጠቀሙ ፈጣን እንደሆኑ ተሰማቸው፣ በመለኪያ ግን ዝግ ነበሩ — ዋናው ውጤት ይህ ነው
METR ባደረገው randomized controlled trial 16 ልምድ ያላቸው open-source developers በሚያውቋቸው codebases ላይ 246 እውነተኛ tasks ሠሩ። የ2025 መጀመሪያ AI tools በrandom ግማሽ ላይ ተፈቀዱ። Developers 24% speedup ጠበቁ፣ ግን ሥራዎቹ 19% የበለጠ ጊዜ ወሰዱ — ከዚያም AI 20% እንዳፋጠናቸው አሁንም ገመቱ። ያ የperception gap ዋናው ውጤት ነው፤ ጥናቱ በAI coding ላይ አጠቃላይ ፍርድ አይደለም።
Cryptographic proof የጎደለው simulator እንደሌለ ማረጋገጥን ከባድ በማድረግ ምስጢሩን ሊደብቅ ይችላል
Zero-knowledge proofs አንድ ሰው witness-ውን ሳይገልጥ statement ማረጋገጥ እንዲችል ያደርጋሉ። Classical theory በሙሉ ትርጉሙ አንድ message፣ no trusted setup እና perfect soundness አብረው ሊኖሩ እንደማይችሉ ይላል። የRahul Ilango paper ያ impossibility እንዲጠፋ አያደርግም። Target-ውን ይቀይራል፦ simulator በእውነት እንዲኖር ከመጠየቅ ይልቅ፣ የተመረጠ proof system simulator እንደሌለ በብቃት ማረጋገጥ እንዳይችል ይጠይቃል። በትልቅ proof-complexity እና cryptographic assumptions ስር ይህ falsifiable፣ game-based consequences of zero-knowledgeን property በproperty ለማግኘት በቂ ነው። ነጥቡ plug-in internet primitive አይደለም፤ mathematical unprovabilityን ወደ cryptographic cover የሚቀይር proof-theoretic መንገድ ነው።
Medical AI በአማካይ private ሊሆን እና አሁንም የተወሰኑ patientsን ሊያጋልጥ ይችላል — በተለይ underrepresented groupsን
“Privacy-preserving” ተብሎ የሚጠራ medical-AI model ብዙውን ጊዜ በአንድ average number ላይ ይመሰረታል። ይህ ጥናት ያ ቁጥር የተሳሳተው ፈተና ነው ይላል። Membership inference attacks በመመርመር — የአንድ ሰው record model training data ውስጥ ነበር ወይስ አልነበረም የሚያሳዩ እና ስለ disease መረጃ ሊጠቁሙ የሚችሉ — ደራሲዎቹ riskን በaggregate ሳይሆን per patient በሰባት medical datasets እና ብዙ models ላይ ለኩ። Average ላይ safe የሚመስሉ models አንዳንድ individualsን almost perfectly ሊለዩ ይችላሉ (AUC ≥ 0.95)፣ በተለይ underrepresented groups፣ ችግኙም model size ሲጨምር ይባባሳል።
ስዕል የሚስል AI ገጹን እንዲመለከት ማስተማር
Vector graphics የሚፈጥሩ language models በተለምዶ ውጤታቸውን ሳያዩ የመሳል ትዕዛዞችን ይጽፋሉ። አዲስ ዘዴ ሞዴሉ እያንዳንዱን stroke ከጨመረ በኋላ canvas-ውን እንዲያይ ያደርጋል። ግን በግልጽ የቀረበው ያልተጠበቀ ውጤት ይህ ነው፦ ዓይን መስጠት ብቻ ጥራትን ያበላሻል፤ visual feedback-ን ለመጠቀም እንደገና ማሰልጠን ያስፈልጋል። ከዚያ በኋላ ሞዴሉ እስከ 20 እጥፍ በሚበልጥ ውሂብ ከሰለጠኑ ተፎካካሪዎች ጋር ይመሳሰላል ወይም ትንሽ ይበልጣል — በአንድ benchmark ላይ ያለ እውነተኛ ግን መጠነኛ ውጤት፣ አብዮት አይደለም።
AI agent ሙሉ የታካሚ ጉዳዮችን በራሱ አስኬደ — በsimulator ውስጥ፣ በpast records ላይ
MIRA አዲስ ዓይነት medical AI ነው፦ አንድ ጥያቄ ብቻ ከመመለስ ይልቅ በsimulated hospital record ውስጥ ሙሉ ጉዳይን ያስኬዳል — history ይወስዳል፣ tests ያዛል እና ያነባል፣ diagnosis ይደርሳል፣ orders ይጽፋል። በpublic database ከተወሰዱ 574 retrospective cases እና ስምንት pre-selected diagnoses ላይ ደራሲዎቹ diagnostic accuracy በphysicians እንደተሻለ እና decisions በአብዛኛው guideline-concordant እና medication-safe እንደነበሩ ይዘግባሉ። ግን ሁሉም qualifier አስፈላጊ ነው፦ sandbox፣ past records፣ text-only፣ ግልጽ test results ባላቸው conditions ላይ የበለጠ ጥቅም፣ ከdoctors ይልቅ ብዙ blood tests፣ እና አንዳንድ outcomes ከoriginal chart ጋር የተመዘኑ። እውነተኛው እድገት ሙሉ workflow ውስጥ action የሚወስድ agent መሆኑ ነው — ማሽን ከዶክተር ይሻላል የሚል ማረጋገጫ አይደለም።
ትልቅ የሮቦት behavior models በጥንቃቄ ሲፈተኑ፦ እውነተኛ ጥቅም አለ፣ ግን አጠቃላይ ሮቦት ገና የለም
Toyota Research Institute በ~1,700 ሰዓት የሮቦት ዳታ ላይ ቀድሞ የተሰለጠኑ large behavior modelsን በblind፣ randomised እና ትልቅ-sample evaluation ፈተነ። Finetune ከተደረጉ በኋላ ~3–5× ያነሰ task-specific data ፈለጉ እና ሁኔታ ሲለወጥ ይበልጥ ጽኑ ነበሩ። Zero-shot ጥቅም ግን በተደጋጋሚ አልታየም። ይህ መጠነኛ ድጋፍ ለrobot foundation models እና በመስኩ ደካማ ስታቲስቲክ ላይ ጠንካራ ማስጠንቀቂያ ነው።
የቋንቋ ሞዴሎች ለምን ቅዠት ያደርጋሉ — የምንመዝናቸው መንገድስ ለምን እንዲቀጥል ያደርጋል?
ቅዠት የምንለው በእርግጠኝነት የሚነገር ሐሰት ምስጢራዊ ብልሽት አይደለም፤ አንዳንዱ የስልጠና ስታቲስቲካዊ ውጤት ነው፣ እና ዋና መመዘኛ ፈተናዎች ከታማኝ “አላውቅም” ይልቅ እርግጠኛ ግምትን ስለሚሸልሙ ይቀጥላል። በአራት ግንባር ቀደም ሞዴሎች የተደረገ የጉዳይ ጥናት፣ የውጤት ሕጎቹን በየጥያቄ መመሪያ ውስጥ መግለጽ (“ግልጽ የነጥብ አሰጣጥ ሕጎች”) ይህን ማበረታቻ እንደሚገለብጥ ያሳያል።