
AI ve Robotik
Makine öğrenimi ile meme kanseri tarama iş akışlarının iyileştirilmesi
research.google
Kategori


Yapay zeka hızla ilerliyor. Büyük dil modelleri e-postalar yazabiliyor, raporları özetleyebiliyor ve yazılım kodu birkaç saniyede oluşturabiliyor. Ancak yapay zeka dijital dünyadan çıkıp fiziksel dünyaya girdiğinde, ilerleme dramatik şekilde yavaşlıyor. Neden? Çünkü gerçek dünya ile etkileşim kurmak, metin veya görüntü işlemekten çok daha zor. Robotların sadece zekaya ihtiyacı yok; nesneleri dokunmak, kavramak, itmek ve manipüle etmek için güvenilir yöntemlere de ihtiyaçları var. İşte burada fiziksel yapay zeka devreye giriyor. Bu, önemli bir gerçeği ortaya koyuyor: robot teknolojisinin geleceği, yapay zeka modelleri kadar donanım tasarımına da bağlı olacak.

Joe Hogan, Align Technology'nin plastik meraklısı CEO'su, aligner'larınızla yemek yememeniz gerektiğini ve her gece retainer'larınızı takmanıza gerek olmadığını söylüyor.

Müşteri sohbetleri, dolandırıcıların kimlik avı saldırıları düzenlemesini ve dolandırıcılık yapmasını kolaylaştıran iletişim bilgileri ve kişisel detaylar içerebilir.


Dünya genelindeki sağlık sistemleri baskı altında ve hem hastalar hem de klinik uzmanlar bu durumun etkilerini hissediyor. OpenAI Sağlık Bölümü Başkanı Dr. Nate Gross ve Sağlık AI Araştırma Lideri Karan Singhal, yapay zekanın en büyük zorluklarla nasıl başa çıkabileceğini tartışıyor. OpenAI'nin doktorlarla iş birliği içinde hassas sağlık sorularını ele alacak modelleri nasıl eğittiğini ve bu temelin hastalar, klinik uzmanlar ve sağlık sistemleri için yeni bir araçlar neslini nasıl açtığını ele alıyorlar. Bölümler: 00:00:38 – Nate ve Karan’ın AI ve sağlık konusundaki ilgi kökenleri 00:05:01 – Klinik uzmanlar için AI araçları geliştirme stratejisi 00:06:57 – Sağlık kullanım durumları için AI modellerinin nasıl eğitildiği 00:10:15 – OpenAI'nin sağlık değerlendirmelerinde nasıl iyi puan aldığı 00:14:21 – Sağlıkta AI dağıtımındaki ana zorluklar 00:21:05 – Hastaneler ve sağlık sistemleri ile iş birliği 00:23:05 – AI sağlık asistanlarının pratik günlük kullanımları 00:26:43 – Geliştirme sürecindeki en büyük “wow” anı 00:28:46 – Klinik uzmanlar ve erken kullanıcıların geri bildirimleri

WIRED tarafından incelenen onlarca Telegram kanalı, "AI yüz modelleri" için iş ilanları içeriyor. Bu işlerde çalışan (çoğunlukla) kadınların, muhtemelen kurbanları kandırarak para almak için kullanıldığı düşünülüyor.

ChatGPT Business ve Enterprise için beta aşamasında Yetenekleri tanıtıyoruz. Yetenekler, ChatGPT'ye belirli bir görevi nasıl yapacağını tam olarak anlatan, yeniden kullanılabilir ve paylaşılabilir iş akışlarıdır. Bu sayede ChatGPT, o görevi daha iyi ve daha tutarlı bir şekilde yerine getirebilir. Bir yetenek, talimatlar, örnekler ve hatta kod içerebilir. Bir yetenek oluşturulduktan ve kurulduktan sonra, ChatGPT, ihtiyaç duyulduğunda otomatik olarak bir yeteneği (veya birden fazla yeteneği) kullanabilir. Bir yetenek, ChatGPT'nin belirli bir görevi yerine getirmesi için kullanmasını istediğiniz talimatlar ve destekleyici kaynaklar içerebilir. Daha yapılandırılmış işler için, yetenekler her seferinde aynı şekilde çalışan bir dizi adım içerebilir. Yetenekler, ChatGPT Business ve Enterprise'da beta aşamasında mevcuttur. Yetenekler ayrıca Codex ve API'de de desteklenmektedir. Henüz ürünler arasında senkronize olmasalar da, OpenAI yetenekleri Agent Skills açık standardını takip eder; bu nedenle bir üründen indirip başka birine kurabilirsiniz.

Şirketin üretken yapay zeka arama araçları, üçüncü taraf yayıncılar yerine giderek daha fazla kendi hizmetlerini, örneğin Google Arama ve YouTube'u, alıntı yapıyor.

Yapay zeka, robotik alanında devrim yaratıyor. Görüntü sistemleri nesneleri tanıyabiliyor, makine öğrenimi modelleri hareket planlayabiliyor ve dijital ikizler tüm üretim ortamlarını simüle edebiliyor. Ancak yapay zekadaki tüm ilerlemelere rağmen, zekanın dijital dünyadan çıkıp gerçeklikle etkileşime girmesi gereken bir an var. Bu an, kavrayıcıda gerçekleşiyor. Robotikte, kavrayıcı genellikle robot koluna takılan basit bir aksesuar olarak görülüyor. Oysa gerçekte, çok daha kritik bir rol oynuyor. Kavrayıcı, yapay zeka kararlarının gerçek dünya fiziğiyle buluştuğu fiziksel arayüzdür. Yetenekli bir kavrayıcı olmadan, en gelişmiş yapay zeka bile fiziksel dünya ile başarılı bir şekilde etkileşimde bulunamaz.


İklim ve Sürdürülebilirlik
AI ve Robotik Rakuten, dünyanın en büyük dijital ekosistemlerinden birini e-ticaret, fintech ve mobil hizmetler alanında işletmektedir. Hızlı sevkiyat yaparken güvenilirlikten ödün vermek kritik öneme sahiptir. Ekipler, olay yanıtı, kod incelemesi ve geliştirme iş akışlarını desteklemek için OpenAI Codex'i kullanmaktadır. Ajan, izleme sistemleri ve CI/CD boru hatları içinde çalışarak sorunları teşhis eder, değişiklikleri iç standartlara karşı inceler ve projeleri kısmi spesifikasyonlardan ilerletir. Sonuç olarak, daha hızlı kurtarma ve daha hızlı sevkiyat sağlanmaktadır. Rakuten, ortalama kurtarma süresinde %50'ye kadar bir azalma bildirmektedir ve bir çeyrek süren projeler artık haftalar içinde sevk edilebilmektedir. Codex daha fazla üretim gerçekleştirdikçe mühendisler daha net spesifikasyonlara ve titiz doğrulamaya odaklanmaktadır. Bu değişim, ekiplerin hızlı hareket etmesine yardımcı olurken her sürümde güvenliği sağlamaktadır. Daha fazla bilgi için: https://openai.com/index/rakuten/
AI ve Robotik Yusuke Kaji ile, Rakuten'de İş için AI Genel Müdürü, oturup Codex'in mühendislerini nasıl güçlendirdiğini, uygulama güvenlik açıklarını nasıl azalttığını ve gelir akışları üzerinde nasıl gerçek bir etki yarattığını dinledik. Tam videoyu çalma listemizde bulabilirsiniz: https://youtu.be/gZQQR_tDGuM
AI ve Robotik Codex ve OpenAI API'leri ile gerçek mühendislik çalışmaları için ajan destekli iş akışları oluşturun. Bu Build Hour'da, ekiplerin çift programlamanın ötesine geçerek, AI sistemlerinin planlamadan uygulamaya kadar tüm mühendislik görevlerini üstlenebildiği ajans delegasyonuna nasıl geçtiğini öğreneceksiniz. Charlie Guo (DevEx), Ryan Lopopolo (Geleceğin Çalışma Şekli) ve Mitch Troyanovsky (Kurucu Ortak, Basis) şunları ele alıyor: • Codex kullanarak yeni özellikleri daha hızlı gönderin, Basis'ten gerçek örneklerle: https://www.getbasis.ai/ • Barındırılan shell, beceriler ve websockets gibi yeni API yeteneklerini kullanarak ajan destekli sistemler oluşturun • Ajanları Agent Legibility Score çerçevesini kullanarak değerlendirin ve geliştirin • Ajan iş akışlarını üretimde güvenilir hale getirmek için Harness Engineering tekniklerini uygulayın • Büyük bağlamlı akıl yürütme, bilgisayar kullanımı görevleri ve araç tabanlı ajan iş akışları için GPT-5.4'ü kullanın • Karmaşık mantığı yeniden kullanılabilir ajan destekli akışlara dönüştürerek manuel yükü azaltın 👉 Codex belgeleri: https://developers.openai.com/codex 👉 API belgeleri: https://developers.openai.com/api/docs 👉 Harness Engineering Blogu: https://openai.com/index/harness-engineering/ 👉 GPT-5.4 Blogu: https://openai.com/index/introducing-gpt-5-4/ 👉 Kod deposuyla birlikte takip edin: http://github.com/openai/build-hours 👉 Yaklaşan canlı Build Hour'lar için kaydolun: https://webinar.openai.com/buildhours 00:00 Giriş 01:58 Yenilikler: Codex 05:01 Yenilikler: API 08:33 Demo: Ajan Okunabilirlik Skoru 21:53 Harness Engineering 32:32 Müşteri Vurgusu: Basis 47:57 Soru-Cevap
AI ve Robotik Birçok üretim tesisinde, bir rolün doldurulması şaşırtıcı derecede zor kalmaktadır: paletleme. Üretim hatları giderek daha fazla otomatik hale gelirken, son adım—kutuları paletlere istifleme—genellikle hala manuel iş gücüne dayanıyor. İşçiler, ürünleri sürekli olarak kaldırır, döndürür ve istifleyerek nakliye için hazırlık yaparlar. Yüzeyde, paletleme basit bir görev gibi görünebilir. Ancak gerçekte, bu, bir üretim ortamında personel bulması en zor ve fiziksel olarak en zorlayıcı pozisyonlardan biridir.
AI ve Robotik İklim ve Sürdürülebilirlik
AI ve Robotik Codex uygulaması artık Windows'ta. Windows'ta yerel bir ajan sandbox'ı ile tam Codex uygulama deneyimini yaşayın ve PowerShell'deki Windows geliştirici ortamlarını destekleyin. https://developers.openai.com/wendows

ChatGPT'te, GPT-5.4 Düşünme artık düşünme sürecinin önceden bir planını sunabiliyor, böylece yanıt verirken kursu ayarlayabilir ve ek dönüşler olmadan ihtiyaçlarınıza daha yakın bir nihai çıktıya ulaşabilirsiniz.

OpenAI araştırmacısı SQ Mah, GPT-5.4 Thinking'in Codex'e daha güçlü yetenekler kazandırdığını açıklıyor; bazı durumlarda token kullanımını üçte iki oranında azaltan daha kalıcı bilgisayar kullanımı (CUA) yetenekleri ve kesintisiz web sitesi kullanıcı arayüzü ile görüntü üretimi için daha güçlü görüntü anlama yetenekleri sunuyor.
.jpg)
Üretim hattının sonunda her şey bir araya gelir. Kutular kapatılır, etiketlenir ve sevkiyata hazır hale getirilir. Ancak tesisin dışına çıkmadan önce, hala paletlere istiflenmeleri gerekir. Birçok üretici için paletleme hala manuel olarak yapılmaktadır. İşçiler saatlerce kutuları kaldırır, döndürür ve istifler. Basit bir görev gibi görünse de, manuel paletleme genellikle üretim arttıkça bir darboğaz haline gelir. Eğer işletmeniz bu baskıyı hissetmeye başladıysa, otomasyonu düşünmenin zamanı gelmiş olabilir. İşte paletleme sürecinizin robotik bir yükseltmeye hazır olabileceğine dair beş işaret.


OpenAI araştırmacısı Josh McGrath, GPT-5.3 Instant'ın web araması kullanırken verdiği yanıtların daha bağlamsal, ilgili ve stil açısından daha doğal olduğunu açıklıyor.

OpenAI araştırmacısı Blair Chen, GPT-5.3 Instant'ın gereksiz uyarıları nasıl azalttığını ve ChatGPT'yi daha doğrudan yardımcı ve kullanımı daha akıcı hale getirdiğini açıklıyor.

Zemin alanı eklemeden üretimi %50 artırmak, çoğu üretici için gerçekçi görünmüyor. Ancak bu, profesyonel ses ekipmanları ve kulaklıklar üreten Alman firması Beyerdynamic'in üretim tesisindeki tam hedefiydi. Yönetim, dört yıllık bir plan belirledi: Fabrika verimliliğini %50 artırmak, aynı alanı korumak ve sıkı kalite standartlarını korumak. Yeni bir bina yok. Akustik hassasiyette taviz yok. İş gücünde azalma yok. İşte işbirlikçi robot otomasyonunun bunu mümkün kıldığı yol.

Tamam bölümünü izleyin: https://www.youtube.com/watch?v=9jgcT0Fqt7U

Tamam bölümünü izleyin: https://www.youtube.com/watch?v=9jgcT0Fqt7U

Endüstriyel üreticiler genellikle kapasite, iş gücü sıkıntısı ve tutarlılık sorunlarıyla karşılaşmaktadır. Korea Filter Engineering'de, 10-20 kg (22-44 lb) ağırlığındaki endüstriyel filtre kutularının manuel paletlenmesi, üretimi sınırlıyor, ergonomik riskleri artırıyor ve teslimatları yavaşlatıyordu. Robotiq PE20'nin UR20 ile birlikte kullanıma alınmasının ardından şirket şunları başardı: %30 üretim artışı, %50 işçi yorgunluğunda azalma, yaralanma ile ilgili devamsızlıklarda neredeyse %50 azalma, kurulumdan bu yana sıfır işyeri kazası, 2 yıl içinde geri dönüş bekleniyor. Bu vaka çalışması, işbirlikçi robot paletlemenin ağır yük üretim ortamlarında işçileri korurken verimliliği nasıl artırdığını göstermektedir.


Yapay zeka eylemler üretebilir. Fiziksel AI donanımı, bu eylemlerin gerçek dünyada başarılı olup olmadığını belirler. Temel modeller robotik manipülasyona genişledikçe, dar boğaz artık yalnızca algılama değildir. Fiziksel etkileşimdir—temas, kuvvet düzenleme, kayma tespiti ve değişkenliğe uyum sağlama. Fiziksel AI'yı ölçeklendirmek için robotların, gerçek dünya temasından duyum alabilen, yanıt verebilen ve öğrenebilen donanıma ihtiyacı vardır.

Sennheiser Manufacturing USA'nın Albuquerque'deki tesisinde hassasiyet tartışılmaz. Tesis, her hafta 1.500 profesyonel ses cihazını besleyen 30.000 baskılı devre kartı (PCB) montajı yapıyor. Üretimde 115 farklı PCB varyantı ile otomasyon, verimliliği ve kaliteyi korumak için hayati öneme sahip. Ancak bir kritik adım manuel kalmıştı: %100 PCB testi. Üretim arttıkça, test süreci bir darboğaz haline geldi. İşte Sennheiser'ın bu darboğazı nasıl ortadan kaldırdığı ve bir yıl içinde test edilen PCB sayısını %33 artırdığı.


İnsan-Bilgisayar Etkileşimi ve Görselleştirme

İklim ve Sürdürülebilirlik

Fiziksel AI, kavramsal kanıt aşamasını geçti. Büyük modeller, daha iyi simülasyonlar ve daha hızlı donanım, bedensel zekayı ileriye taşıdı - ancak gerçek dünya manipülasyonu hala sınırlayıcı bir faktör. Algılama değil. Planlama değil. Manipülasyon. Robotlar dünyayı giderek daha net görebiliyor, ancak yine de onunla güvenilir bir şekilde etkileşim kurmakta zorlanıyorlar. Bunun nedeni basit: yalnızca görme sistemleri temas deneyimlemez. Ve temas olmadan, öğrenme duraksar. Fiziksel AI önemlidir çünkü bu boşluğu kapatır. Gerçek dünyada algılama, karar verme ve eylemi birleştirir - nesnelerin kaydığı, şekil değiştirdiği, çarpıştığı ve simülasyonun henüz tam olarak yakalayamadığı şekillerde davrandığı yer. Dokunma artık isteğe bağlı değil. Eksik sinyal budur.

En akıllı modelimiz güncellendi. Claude Opus 4.6, daha dikkatli plan yapıyor, daha uzun süre görevde kalıyor ve daha özerk çalışıyor, böylece daha az gidip gelmeyle daha fazlasını yapabilirsiniz. Daha fazla bilgi için: https://anthropic.com/news/claude-opus-4-6



Reklamlar yapay zekaya geliyor. Ama Claude'a değil. Düşünmeye devam et. Nedenini daha fazla oku: https://www.anthropic.com/news/claude-is-a-space-to-think

Reklamlar yapay zekaya geliyor. Ama Claude'a değil. Düşünmeye devam et. Nedenini daha fazla oku: https://www.anthropic.com/news/claude-is-a-space-to-think

Reklamlar yapay zekaya geliyor. Ama Claude'a değil. Düşünmeye devam et. Nedenini daha fazla oku: https://www.anthropic.com/news/claude-is-a-space-to-think

Reklamlar yapay zekaya geliyor. Ama Claude'a değil. Düşünmeye devam et. Nedenini daha fazla oku: https://www.anthropic.com/news/claude-is-a-space-to-think


8 Aralık'ta, Perseverance keşif aracı Mars yüzeyinde güvenli bir şekilde ilerledi. Bu, başka bir gezegende yapay zeka tarafından planlanan ilk sürüş oldu. Ve bu planı Claude yaptı. NASA Jet Propulsion Laboratory mühendisleri, Perseverance'ın Mars yüzeyinde yaklaşık dört yüz metrelik bir yolu navigasyon etmesi için rotayı belirlemek üzere Claude'u kullandılar. Tam hikayeyi okuyun: https://www.anthropic.com/mars

