Kompüter elmləri
Proqramlaşdırma haqqında düşüncə tərzinizə təsir etməyən dili öyrənməyə dəyməz.
— (1982)
Təcrübəli proqramçılar AI ilə özlərini daha sürətli hiss etdilər, amma ölçülə bilən şəkildə daha yavaş işlədilər — əsl nəticə budur, AI ilə kodlaşdırma barədə hökm isə deyil
METR-in randomizə olunmuş nəzarətli sınağında on altı təcrübəli açıq mənbə proqramçısı yaxşı tanıdıqları kod bazalarında 246 real tapşırıq yerinə yetirdi; tapşırıqların təsadüfi yarısında 2025-ci ilin əvvəlindəki AI alətlərinə (Cursor Pro və Claude 3.5/3.7 Sonnet) icazə verilmişdi. Onlar AI-nin tapşırıq vaxtını təxminən 24% azaldacağını gözləyirdilər; əvəzində tamamlanma vaxtı 19% artdı — və sonradan da AI-nin onları təxminən 20% sürətləndirdiyinə inanırdılar. Bu qavrayış fərqi tədqiqatın ən kəskin və dayanıqlı nüvəsidir. Amma bu, on altı proqramçı, dar bir şərait və 2025-ci ilin əvvəlinin sabit görüntüsüdür: müəlliflər bunun AI-nin proqramçıların çoxuna kömək etmədiyini göstərmədiyini açıq deyirlər və onların öz 2026 davam tədqiqatı artıq müəyyən şərtlərlə sürətlənməyə işarə edir.
Kriptoqrafik sübut çatışmayan simulator-un yoxluğunu sübut etməyi çətinləşdirərək sirrini gizlədə bilər
Zero-knowledge proofs witness-i açıqlamadan ifadəni sübut etməyə imkan verir. Klassik nəzəriyyə deyir ki, bunu tam mənada bir mesaj, etibarlı setup olmadan və mükəmməl soundness ilə eyni anda əldə etmək mümkün deyil. Rahul Ilango-nun paper-i bu mümkünsüzlüyü yox etmir. Hədəfi dəyişir: simulator-un həqiqətən mövcud olmasını tələb etmək əvəzinə, seçilmiş heç bir proof system-in simulator-un mövcud olmadığını səmərəli şəkildə sübut edə bilməməsini tələb edir. Proof complexity və kriptoqrafiyadan böyük fərziyyələr altında bu, zero-knowledge-un falsifiable, game-based nəticələrini xüsusiyyət-hissə ilə geri almaq üçün kifayətdir. Məqsəd internetə qoşub istifadə ediləcək hazır primitiv deyil. Bu, riyazi unprovability-ni kriptoqrafik örtüyə çevirən proof-theoretic yanaşmadır.
Tibbi AI orta hesabla məxfi olub yenə də konkret pasiyentləri — xüsusən az təmsil olunanları — ifşa edə bilər
“Məxfiliyi qoruyan” adlandırılan tibbi AI modeli adətən bir orta göstəriciyə söykənir. Bu tədqiqat həmin rəqəmin yanlış test olduğunu göstərir. Müəlliflər konkret şəxsin qeydinin modelin təlim məlumatlarında olub-olmadığını üzə çıxaran membership inference hücumlarını araşdıraraq riski ümumi deyil, pasiyent səviyyəsində ölçdülər: yeddi tibbi məlumat dəsti (görüntüləmə, ECG, elektron qeydlər) və hər birində çoxlu model üzrə. Nümunə belədir: orta hesabla təhlükəsiz görünən modellər bəzi konkret insanları demək olar qüsursuz müəyyən etməyə imkan verə bilər (hücum AUC-si ≥ 0.95); ifşa olunanlar sistematik olaraq az təmsil olunan qruplardandır (etnik azlıq, nadir xəstəlik, qeyri-adi görüntüləmə); model böyüdükcə risk artır. Müəlliflər tibbi AI-dan imtina etməyi yox, məxfiliyi hər pasiyent üçün ölçməyi, modelə çıxışı nəzarətdə saxlamağı və differential privacy tətbiq etməyi təklif edirlər. Narahatedici əsas fikir: “orta hesabla məxfi” məxfilik zəmanəti deyil və bu zəmanət ən az qorunan pasiyentlər üçün daha çox pozulur.
Rəsm çəkən AI-a səhifəyə baxmağı öyrətmək
Vektor qrafikası yaradan dil modelləri bunu kor-koranə edir — rəsm əmrlərini nəticəni heç görmədən yazırlar. Yeni metod modelə öz kətanının xətt-xətt dolmasını izləməyə imkan verir və dürüst dönüş budur ki, sadəcə ona göz vermək nəticəni pisləşdirir: bu gözlərdən istifadə etməyi yenidən öyrətmək lazımdır. Nəticə iyirmi dəfəyə qədər çox məlumatla öyrədilmiş rəqiblərə çatan və ya az fərqlə onları keçən modeldir — bir benchmarkda real, diqqətli nəticədir, inqilab deyil.
AI agent bütün patient case-i özbaşına işlədi — simulatorda, keçmiş records üzərində
MIRA yeni tip medical AI-dır: bir suala cavab vermək əvəzinə simulated hospital record daxilində bütün case-i işləyir — history götürür, tests order edib oxuyur, diagnosis-a çatır, orders yazır. Public database-dən səkkiz pre-selected diagnosis üzrə 574 retrospective case-də authors diagnostic accuracy üzrə physicians-ı keçdiyini və əsasən guideline-concordant, medication-safe decisions verdiyini bildirirlər. Bu cümlədə hər qualifier vacibdir: past records üzərində sandbox-da, yalnız text ilə işləyib; edge-in çoxu clear-cut test results olan conditions-dan gəlib; doctors-dan təxminən iki dəfə çox blood tests order edib; bir neçə outcome original chart-da record edilənə görə score edilib. Həqiqi yenilik whole workflow boyunca action götürən agent-dir — machine-in artıq doctor-dan daha yaxşı diagnosis qoyduğunun sübutu deyil. Authors özləri deyir: generalization, safety və governance üçün prospective, real-world studies hələ lazımdır.
Böyük robot “foundation modelləri” həqiqətən daha yaxşı işləyirmi? Diqqətli cavab — mülayim şəkildə bəli, və tədqiqatların çoxu bunu ayırd edə bilmir
Toyota Research Institute “large behavior models” — ~1,700 saat müxtəlif manipulyasiya məlumatında əvvəlcədən öyrədilmiş robot policy-ləri — hazırladı və onları qeyri-adi sərtliklə sıfırdan single-task policy-lərlə yoxladı: kor, randomizə edilmiş, böyük nümunəli sınaqlar (~1,800 real-world, 47,000+ simulyasiya) və düzgün statistika ilə. Tapşırıq üzrə finetuning-dən sonra böyük modellər orta hesabla daha yaxşı idi, təxminən 3–5× az tapşırıq-spesifik məlumat tələb etdi və şərait dəyişəndə daha möhkəm oldu; pretraining məlumatı artdıqca performans hamar yüksəldi. Amma finetuning olmadan single-task modelləri ardıcıl keçmədilər, bəzi effektlər yalnız böyük nümunələrlə görünəcək qədər kiçik idi və sadə data-normalisation seçimi arxitekturadan daha çox təsir etdi. Bu, robot-foundation-model istiqamətinə ölçülü dəstəkdir — ümumi-məqsədli robot, zero-shot generalist və ya “emergent sıçrayış” deyil — üstəlik robototexnikanın çoxunun səs-küy ölçə biləcəyinə kəskin xəbərdarlıqdır.
Language models niyə hallucinate edir — və onları qiymətləndirmə üsulumuz niyə bunu davam etdirir
“Hallucinations” dediyimiz confident falsehoods sirli glitch deyil: bəziləri training-in statistik əlavə məhsuludur və mainstream benchmarks confident guess-i dürüst “I don't know”dan üstün tutduğu üçün davam edir. Dörd frontier model üzrə case study scoring rules-u prompt-un içində yazmağın (“open rubrics”) həmin incentive-i çevirdiyini göstərir.