Yalnızca seçtiğin başlıklardan bildirim gelir (varsayılan: günde ~10 bildirim).
Genel son dakika
Kapalıyken yalnızca seçtiğin başlıklar gelir. Tüm ayarlar için Profil sayfasına git.
Gündemden ilk senin haberin olsun!
Son dakika haberleri için bildirimlere izin ver. İstediğin an kapatabilirsin.
Yapay Zeka
Hugging Face Carbon-X DNA Sohbet Modelini Duyurdu
•2 dk okuma
Paylaş
HYapay Zeka
Fotoğraf: ShiftDelete
Özet
Hugging Face, genetik kodu doğal dilde işleyebilen Carbon‑X modelini tanıttı. Araştırmacılar DNA dizilerini metin dosyası olarak girerek model üzerinden sorular sorabiliyor, mutasyon etkileri ve dizi tamamlama gibi analizler alabiliyor. Model, açık kaynak yapısı sayesinde verilerin dış sunuculara gönderilmeden yerel bilgisayarlarda işlenmesine olanak tanıyor.
Öne çıkanlar
Carbon‑X, DNA dizileriyle doğal dil sorularını yanıtlayabilen yeni yapay zeka modeli
Model, mutasyon zararlılığı tahmini ve DNA dizisi tamamlama görevlerinde yüksek performans gösteriyor
Açık kaynak ve yerel çalıştırma özelliği, hassas genetik verilerin gizliliğini koruyor
Haberin Detayı
Hugging Face, genetik veri analizi alanında yeni bir adım atarak Carbon‑X adlı yapay zeka modelini duyurdu. Model, DNA dizilerini metin formatında alıp, bu dizilerle ilgili doğal dilde sorular sorulmasına ve yanıtlanmasına imkan tanıyor. Şirket, Carbon serisinin en güçlü ve güncel üyesi olarak Carbon‑X’i konumlandırıyor.
Carbon‑X, araştırmacıların bir DNA dizisini sisteme girip, dizinin fonksiyonu, olası mutasyon etkileri ve eksik bölümlerinin nasıl tamamlanacağı gibi konularda sohbet etmelerini sağlayan bir arayüz sunuyor. Lewis Tunstall, modelin mutasyon zararlılığı tahmini ve dizi tamamlama süreçlerinde etkileyici sonuçlar verdiğini belirtti. Model, metin dosyası halindeki DNA verilerini işleyebildiği için fiziksel laboratuvar cihazına ihtiyaç duymuyor.
Modelin en dikkat çeken özelliği, açık kaynak kodlu olması ve yerel donanım üzerinde çalışabilmesidir. Bu sayede araştırmacılar, henüz yayımlanmamış ya da hassas genetik verilerini dış sunuculara göndermeden kendi bilgisayarlarında analiz edebiliyor. Hugging Face, bu gizlilik avantajının akademik çalışmalar için kritik bir değer olduğunu vurguladı.
Carbon‑X’in bazı sınırlamaları da mevcut. Uzun DNA dizilerinde çıktı kalitesi düşebiliyor ve model bazen hatalı sayımlar ya da yanlış bilgiler üretebiliyor. Şirket, kullanıcıların yeterli bağlam sağlamadığı durumlarda modelin dizinin kimliğini uydurabileceği konusunda uyarıda bulunuyor. Ancak açık model yapısı, bilim insanlarının modelin çalışma prensiplerini incelemesine ve geliştirmesine de olanak tanıyor.
AI YORUMUHaberinAi editör analizi
Carbon‑X’in yerel ve açık kaynak yapısı, hassas genetik verilerin gizliliğini korurken araştırma hızını artırıyor. Model, mutasyon zararlılığı tahmini gibi kritik analizlerde yüksek doğruluk sağlıyor ve bu, laboratuvar ekipmanına bağımlılığı azaltıyor. Genetik araştırmacılar ve bio‑bilim şirketleri, veri güvenliği riskini azaltarak daha fazla deney yapma fırsatı bulacak. Önceki sürümlere kıyasla, Carbon‑X bulut tabanlı modellere göre veri sızıntısı riskini sıfıra yakın bir seviyeye indiriyor, bu da akademik işbirliklerinde yeni bir standart oluşturabilir.
Kaynak:
ShiftDelete
Bu haber, kaynaktaki bilgilerden yararlanılarak HaberinAi tarafından özgün biçimde
yazılmıştır; kaynak metin birebir kopyalanmaz, fotoğraf kaynağa bağlantıyla gösterilir.
Hata olabilir, ayrıntılar için kaynağa bakın. İçerik ve telif politikası
AI'YA SORBu haber hakkında merak ettiklerini sorabilirsin
💬 Yorumlar
Hesap gerekmez · reklamsız
Yorumlar yükleniyor…
İlk yorumu sen yaz.
💬 Yorumlar kısa süre içinde açılacak. Bu arada görüşünü e-posta ile iletebilirsin.
Yapay zeka sahnesinde çığır açan bir adım, Hugging Face’in DNA verileriyle sohbet edebilen modelini duyurmasıyla gerçekleşti. Model, genetik bilgiyi doğal dil işlemeyle harmanlayarak kişiye özel yanıtlar üretiyor. Küçük bir başlangıç olup, gelecekte tıbbi tanı ve kişisel sağlık takibi alanlarında devrim yaratabilir.
Model, DNA dizilerini metin olarak işleyebilen yeni bir algoritma kullanıyor.
Kişisel genetik yapıdan yola çıkarak gerçek zamanlı sohbet ve öneri üretiyor.
Hugging Face, prototipini açık kaynaklı olarak yayınlayarak topluluk katılımını davet ediyor.
Hugging Face, son zamanlarda yapay zeka topluluğünde yankı yaratan bir hazırlığı duyurdu: DNA ile doğrudan sohbet edebilen bir model. Bu, doğal dil işleme (NLP) ve genomik veri analitiğinin birleşiminden doğan bir konsepttir. Model, DNA dizilerini bir metin akışı olarak yorumlayıp, kullanıcının genetik geçmişine dayalı cevaplar üretmeye odaklanıyor.
Teknoloji şirketi, bu yeniliği “evrimsel iletişim” olarak tanımlıyor. DNA dizisini bir dil olarak kabul eden model, genetik markaların ve biyolojik özelliklerin metinsel bir temsili üzerinden veri çeker. Böylece, bir kullanıcının DNA’sı üzerinden sağlık riskleri, metabolik eğilimler ve kişisel öneriler gibi bilgiler gerçek zamanlı olarak sohbet penceresine yansıyor.
Hugging Face, prototipini açık kaynak kodlu olarak yayınlayarak araştırmacılar ve geliştiriciler için erişilebilir kıldı. Açık kaynak yaklaşımı, modelin doğruluğunu artırmak ve farklı uygulama alanları geliştirmek için topluluğun katkılarını bekliyor. Şirket, etik ve gizlilik konularında da titiz adımlar atarak, kişisel genetik verilerin güvenliğini ön planda tutmayı planlıyor.
Bu gelişme, tıbbi teşhis, kişisel sağlık yönetimi ve hatta kişilik analizi gibi alanlarda yeni kapılar açabilir. Genetik bilgiyle sohbet eden bir yapay zeka, doktorlarla birebir tıbbi görüşmeler yerine otomatik ve kişiselleştirilmiş bir danışmanlık hizmeti sunabilir. Özetle, Hugging Face’in DNA‑temelli modelinin, geleceğin sağlık hizmetine yön verecek bir adım olduğu söylenebilir.
AI YORUMU
Bu haber, genetik bilginin yapay zekayla birleşmesiyle ortaya çıkan yeni bir dijital sağlık modeli sunuyor. Açık kaynak stratejisi, hem akademik hem de ticari ekosistemde geniş çaplı gelişimi teşvik edebilir. Gizlilik ve etik konularında hızlı bir topluluk etkileşimi, modelin ilerideki sürümlerinde kritik rol oynayacak.
Recursive şirketi, yerel cihazlarda çalışabilen ve dört aydan kısa sürede geliştirilen Flint kodlama modelini erişime açtı. Uzmanlar karışımı mimarisiyle öne çıkan model, hesaplama yükünü azaltarak saniyede 125'ten fazla token üretebiliyor.
Toplam 40 milyar parametreli Flint, her token için yalnızca 2,5 milyar parametreyi etkinleştiriyor.
Model, insan ve yapay zeka ajanlarından oluşan küçük bir ekiple Eureka Machine sistemiyle geliştirildi.
Ağırlıkları Apache 2.0 lisansıyla paylaşılan model, Hugging Face üzerinden yerel kullanıma sunuldu.
Yazılım geliştirme süreçlerine yönelik çözümler sunan Recursive, yerel donanımlarda doğrudan çalışabilen yeni kodlama modeli Flint'i kullanıma sundu. Şirket bünyesindeki insan çalışanlar ile yapay zeka ajanlarından oluşan kompakt bir ekip, bu modeli dört aydan kısa süren bir zaman diliminde sıfırdan inşa etti. Geliştirme sürecinin arkasında ise fikir üretme, deney yürütme ve yeni denemeleri otomatik olarak planlayan Eureka Machine sistemi yer alıyor.
Toplamda 40 milyar parametreye sahip olan Flint, uzmanlar karışımı yani MoE mimari yapısını benimsiyor. Bu tasarım tercihi sayesinde model, her bir token işlenirken yalnızca 2,5 milyar parametreyi faaliyete geçiriyor ve böylece sistemin hesaplama yükü belirgin ölçüde düşüyor. Gerçekleştirilen testler, Flint'in M4 Pro işlemcili MacBook Pro cihazlarda kısa bağlamlarda saniyede 125 adedin üzerinde token üretebildiğini gösteriyor.
Şirketin kendi değerlendirmelerine göre bu yeni model, elli milyardan az parametre barındıran diğer MoE modellerini belirli kodlama testlerinde geride bırakıyor. Eureka Machine; modelin mimarisinden eğitim yöntemlerine ve çalışma hızının artırılmasına kadar pek çok farklı aşamada etkin rol oynadı. Modelin ağırlıkları Apache 2.0 lisansıyla Hugging Face platformu üzerinden paylaşıma açıldı.
Yerel donanım üzerinde çalışabilme özelliği, geliştiricilere çevrimdışı çalışma imkanı tanırken verilerin cihazda kalmasını sağlıyor ve ek API maliyetlerini ortadan kaldırıyor. Bununla birlikte Recursive, karmaşık görevlerin küçük alt adımlara bölünmesini tavsiye ediyor.
AI YORUMU
Yerel donanım odaklı yapay zeka modelleri, geliştiricilere bulut maliyetlerinden bağımsız çalışma alanı sunması bakımından pazar dengelerini değiştiriyor. 40 milyar parametreli Flint'in MoE mimarisiyle her token için sadece 2,5 milyar parametreyi aktif etmesi, tüketici sınıfı donanımlarda bile yüksek verimlilik elde edilebileceğini somut biçimde gösteriyor. API bağımlılığını ortadan kaldıran bu yaklaşım, özellikle veri gizliliğine önem veren küçük ekipler ve bireysel geliştiriciler için önemli bir alternatif oluşturuyor. Büyük kapalı modellere kıyasla ek yönlendirme ihtiyacı duyması, karmaşık projelerde iş yükünü artırabilir.
Teknoloji devi Nvidia, 72 milyar parametreye sahip ve çoklu modalite yetenekleri barındıran NVLM 1.0 model ailesini paylaştı. Yeni açık kaynaklı sistem, yapay zeka geliştiricilerine kapalı ekosistemlere karşı alternatif sunuyor.
Nvidia'nın yeni NVLM-D-72B modeli tam 72 milyar parametreyle çalışıyor.
Model metin analizinin yanı sıra el yazısı ve memeleri okuyabiliyor.
Açık kaynaklı kodlar Hugging Face üzerinden geliştiricilere sunuldu.
Donanım pazarındaki güçlü konumunu yazılım alanına taşımak isteyen Nvidia, yapay zeka sektöründe adından söz ettirecek yeni bir adım attı. Google ve OpenAI gibi kapalı kaynak kodlu dev modellere karşı geliştirilen NVLM 1.0 ailesi resmen tanıtıldı. Ailenin en iddialı üyesi olan NVLM-D-72B, 72 milyar parametrelik devasa yapısıyla açık kaynak dünyasına dahil oldu.
Yeni nesil model, yalnızca klasik metin işleme görevleriyle sınırlı kalmayıp gelişmiş çoklu modalite yetenekleri sergiliyor. İnternet üzerindeki mizahi görselleri yorumlayabilen sistem, el yazısıyla yazılmış notları algılayarak kodlara dönüştürebiliyor. Aynı zamanda karmaşık matematik problemlerini görsel veriler eşliğinde adım adım çözme becerisi gösteriyor.
Araştırma sürecinde elde edilen bulgular, modelin öğrenme kapasitesi konusunda beklentileri aştı. Çoklu görev eğitimi alan yapay zeka sistemlerinde genellikle metin odaklı yeteneklerde düşüş yaşanırken, bu model görsel süreçlerin ardından metin tabanlı görevlerde daha yüksek başarı yakaladı.
Modelin ağırlık dosyaları ve tüm eğitim kodlarının Hugging Face platformu üzerinden açık kaynak olarak paylaşılması sektöre yeni bir soluk getirdi. Bu hamle sayesinde geliştiricilerin bağımsız projeler üretmesinin önü açılırken, mevcut kapalı ekosistem devlerine karşı ciddi bir alternatif yaratılması hedefleniyor.
AI YORUMU
Nvidia'nın bu hamlesi, kapalı kaynaklı devlerin pazar hakimiyetini sarsmak için atılmış en somut adımlardan biri olarak öne çıkıyor. 72 milyar parametrelik modelin kodlarını açması, özellikle bağımsız geliştiriciler için maliyetli altyapı bağımlılığını azaltacaktır. GPT-4 gibi kapalı ekosistemlerle kıyaslandığında, bu serbestlik oranının önümüzdeki dönemde çok daha yaratıcı uygulamaların türemesini tetiklemesi muhtemeldir.
Microsoft ve OpenAI ortaklığıyla geliştirilen yapay zekâ sistemi Diagnostic Orchestrator, karmaşık tıbbi vakalarda uzman doktorların teşhis oranlarını geride bıraktı. Bilimsel bir araştırmada test edilen sistem, acil servis ve vaka raporlarında yüksek doğruluk seviyeleri yakaladı.
NEJM vakalarında yapay zekâ sistemi yüzde 83 doğruluk oranına ulaştı.
Genel hekimlerin referanslı test başarısı yüzde 36 seviyesinde kaldı.
Sistem, OpenAI altyapısıyla çoklu ajan mimarisini temel alarak çalışıyor.
Teknoloji dünyasının dev isimlerinden Microsoft, yapay zekânın sağlık sektöründeki kullanım sınırlarını zorlayan yeni bir projeyi kamuoyuna tanıttı. OpenAI teknolojileriyle beslenen Diagnostic Orchestrator adı verilen bu yeni mimari, tek bir model yerine bir uzman hekim kurulu mantığıyla hareket ediyor.
Science dergisinde paylaşılan kapsamlı araştırma sonuçlarına göre sistem, hastaların geçmiş verilerini ve semptomlarını inceleyerek tıpkı bir klinik heyet gibi test aşamalarına karar veriyor. Test sürecinde New England Journal of Medicine bültenindeki yüzlerce vaka ile Boston'daki bir hastanenin acil servis verileri hazırlandı.
Gerçekleştirilen testlerde yapay zekâ, NEJM vakalarında yüzde 83 oranında doğru teşhis koyarken referans kullanan genel hekimlerin başarısı yüzde 36 oldu. Referans kullanmayan hekimlerin oranı ise yüzde 22 seviyesinde gerçekleşti.
Acil servis senaryolarında da benzer bir tablo ortaya çıktı ve sistem yüzde 80 doğruluk yakalarken insan hekimlerin ortalaması yüzde 47 olarak ölçüldü. Altyapının gelişim sürecinde GPT-5 modelinden faydalanıldığı ve çoklu ajan koordinasyonunun bu başarıda pay sahibi olduğu belirtildi.
Microsoft AI CEO'su Mustafa Suleyman, teknolojinin hastanelerde rutin kullanıma girmesi için henüz erken olduğunu ve uzun bir test sürecine ihtiyaç duyulduğunu ifade etti. Şirket, sistemin gerçek hastane ortamındaki performansını görmek amacıyla önümüzdeki aylarda klinik doğrulama testleri başlatmayı planlıyor.
AI YORUMU
Teknoloji devlerinin sağlık sektöründe iddialı adımlar atması, teşhis süreçlerinin geleceğini kökten değiştirebilecek potansiyel barındırıyor. Yüzde 83 gibi yüksek bir doğruluk oranının yüzde 36'lık hekim ortalamasıyla kıyaslanması, yapay zekânın veri işleme hızındaki ezici üstünlüğünü net biçimde ortaya koyuyor. Gerçek hayat koşullarında hastane verileriyle test edilmeden bu sistemlerin tek başına karar mekanizması olması ciddi riskler barındırabilir. Önümüzdeki aylarda yapılacak klinik doğrulamalar, bu tür asistan araçların hastanelerde ne kadar güvenle konumlandırılacağını belirleyecek.
Fotoğraf: ShiftDelete 
