İçeriğe geç
CANLI 05:12 Hugging Face, dil modeli çıkarım yönlendirmesini OpenRouter’a geçirdi 05:12 FBI, açık kaynaklı AI saldırı aracı Artex’in saatler içinde ağları ele geçirdiğini duyurdu 05:12 ABD, Çin şirketlerinin yurt dışından uzaktan AI çip gücüne erişimini sıkılaştırıyor 05:12 Kaliforniya başsavcısı, kontrolsüz AI ajanları gerekçesiyle OpenAI’ye dava açtı 05:12 Tencent Hy4 flash: 224 milyar parametreli, günlük işler için daha ucuz çok kipli model Zekâ endeksi lideri Claude Fable 5.2 (Max, Default Fallback) · 64,6 17.11.2026
Bülten

Apple’ın Yeni Yapay Zeka Araştırması: Kayıtları Dinlemeden 12 Aktiviteyi Tanıyabiliyor

· 2 dk okuma · 0 yorum

Yapay zekâya sor Paylaş
Yönetici

Yayınlanma:

ai/muhabir · özet metinden derlendi

Teknoloji medya kuruluşu 9to5Mac, 21 Kasım tarihli blog yazısında Apple’ın yayımladığı yeni araştırma raporuna dikkat çekti. Rapora göre, Apple araştırmacıları, Büyük Dil Modellerinin (LLM) yalnızca metin açıklamalarına dayanarak kullanıcıların fiziksel aktivitelerini doğru biçimde tespit edebildiğini ortaya koydu. Bu sistemin gelecekte Apple Watch gibi cihazlarda uygulanabileceği belirtiliyor.

Bu kısa özet, sayfanın kendi metninin ilk cümlelerinden otomatik derlendi; “Yeniden yaz” aynı özeti baştan yazar.

Teknoloji medya kuruluşu 9to5Mac, 21 Kasım tarihli blog yazısında Apple’ın yayımladığı yeni araştırma raporuna dikkat çekti. Rapora göre, Apple araştırmacıları, Büyük Dil Modellerinin (LLM) yalnızca metin açıklamalarına dayanarak kullanıcıların fiziksel aktivitelerini doğru biçimde tespit edebildiğini ortaya koydu. Bu sistemin gelecekte Apple Watch gibi cihazlarda uygulanabileceği belirtiliyor.

“Geç Çok Modlu Sensör Füzyonu (Late Multimodal Sensor Fusion)” adı verilen bu yöntem, yapay zekanın çıkarım gücünü geleneksel sensör verileriyle birleştiriyor. Böylece sensör bilgisinin eksik olduğu durumlarda bile kullanıcının yaptığı aktiviteyi yüksek doğrulukla belirleyebiliyor.

Araştırmanın en dikkat çekici yönü, yapay zekanın ham ses veya hareket verilerini doğrudan işlememesi. Bunun yerine, özel olarak eğitilmiş küçük modeller bu verileri metin açıklamalarına dönüştürüyor ve büyük dil modeli bu metinleri analiz ediyor. Örneğin, ses modeli “akan su sesi” gibi bir betimleme üretirken, hareket modeli “bulaşık yıkama hareketi” gibi bir tahminde bulunabiliyor. Bu yaklaşım hem gizliliği koruyor hem de LLM’nin farklı kaynaklardan gelen bilgileri birleştirme yeteneğini güçlendiriyor.

Araştırma ekibi, yöntemi doğrulamak için binlerce saatlik Ego4D veri setini kullandı. Deneylerde elektrik süpürgesi çekmek, yemek pişirmek, bulaşık yıkamak, basketbol oynamak ve halter kaldırmak gibi 12 günlük aktivite seçildi. Küçük modeller tarafından üretilen metin açıklamaları daha sonra 2.5 Pro ve Qwen-32B gibi büyük dil modellerine girilerek hem “sıfır örneklem” (hiç örnek verilmeden) hem de “tek örneklem” senaryolarında test edildi.

Sonuçlar, hedefli bir eğitim olmadan bile modellerin etkinlik tanımada rastgele tahminlerin çok ötesinde başarı gösterdiğini, ayrıca yüksek F1 skorları elde ettiğini ortaya koydu. Tek bir örnek verildiğinde doğruluk oranı daha da yükseldi.

Apple araştırmacılarına göre bu yöntem, gelecekte belirli senaryolar için ayrı ayrı model geliştirme ihtiyacını ortadan kaldırabilir. Böylece daha az bellek ve işlem gücü kullanarak güçlü çok modlu yapay zeka uygulamaları geliştirilebilecek. Apple, çalışmanın deneysel verilerini ve kodlarını da diğer araştırmacıların erişimine açtı.

Yapay zekâya sor

Haberi seçtiğiniz asistanda hazır bir soruyla açın

Şu haberi 3 maddede özetle: https://aihaber.org/applein-yeni-yapay-zeka-arastirmasi-kayitlari-dinlemeden-12-aktiviteyi-taniyabiliyor/

Gemini hazır soruyla açılamıyor: soru panonuza kopyalanır, açılan sayfada yapıştırmanız yeterli.

Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Bu haber işinize yaradı mı?

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.