AI Feta, the news about scientific AI research (Page 18)

tekoäly

Tekoäly voi vahvistaa paikallista musiikkia – ei vain tasoittaa sitä

Moni on huomannut, miten suoratoistopalvelut alkavat kuulostaa samalta. Suositukset kierrättävät yhdenmukaisia rytmejä ja englanninkielisiä kertosäkeitä, kuin maailma olisi yhtä ja samaa soittolistaa. Pelko on ollut selvä: generatiivinen tekoäly kiihdyttää tätä suuntaa, sileyttää paikalliset sävyt ja pienet kielet valtavirran tieltä. Tuore tapaustarkastelu Malista ehdottaa toisenlaista mahdollisuutta. Kun tekoälyä käytetään tietoisesti paikallisista

tekoäly

Tekstistä kuvaan -tekoälyt ymmärtävät ajan heikosti

Ajassa kaikki muuttuu. Keväällä sama puisto on vihreä ja pehmeä, talvella se on harmaa ja hiljainen. Siksi tuntuu itsestään selvältä, että kun pyydämme tekoälyä piirtämään maiseman keväällä ja toisen talvella, kuvien pitäisi erota selvästi. Mutta ymmärtävätkö kuvageneraattorit ajan merkityksen, vai maalaavatko ne vain kauniita, ajattomasti oikean näköisiä pintoja? Viime vuosina

tekoäly

Generatiivinen tekoäly ei ole joka paikkaan: moniin tietokonehommiin on yhä parempi, varmempi työkalu

Moni on huomannut laiskistuneensa tietokoneen ääressä. Kun ennen etsimme valikosta oikean ohjelman, nykyisin avaamme yhden ja saman tekoälyikkunan ja pyydämme: lue tämä kuva, tarkista tämä väite, tee tästä yhteenveto. Se on kätevää – mutta onko se järkevää? Uusi arXivissa julkaistu artikkeli väittää, että helppous on alkanut syrjäyttää tehokkuuden. Tutkijat kutsuvat ilmiötä

tekoäly

Tekoälykoodarit hoitavat pikkujutut, mutta kompuroivat korjaamaan bugeja

Aamulla GitHub-projektin ylläpitäjä avaa sähköpostinsa. Yön aikana on ilmaantunut tusina muutospyyntöä – osa korjaa kirjoitusvirheitä tai päivittää testiasetuksia, muutama yrittää parantaa suorituskykyä tai paikata hankalan bugin. Ensimmäiset menevät läpi nopeasti. Jälkimmäiset jäävät roikkumaan, törmäävät automaattisiin testeihin tai herättävät epäilyjä: mitä kaikkea nämä muutokset rikkoisivat? Viime kuukausina on puhuttu paljon itsenäisistä tekoälyistä,

tekoäly

Parempia tekoälykuvia syntyy, kun kone pysähtyy korjaamaan itseään

Jos on koskaan pyytänyt tekoälyltä kuvaa ”sinisestä kupista punaisen kirjan päällä, oikealla vihreä kasvi”, tietää tunteen: kirja puuttuu, värit menevät ristiin tai kasvi vaeltaa väärään kohtaan. Kun toiveissa on monta esinettä ja niiden välisiä suhteita, nykyiset kuvageneraattorit jäljittävät usein vain osan pyyntöä. Yleinen ratkaisu on ollut pakottaa kone laskemaan enemmän:

AI

Safe Answers Can Still Teach Risky Skills, Study Finds

Even when advanced AI systems refuse to give dangerous instructions, their seemingly harmless answers can be reused to teach smaller models risky skills. A new study shows that safety filters at the output level are not enough on their own. This matters because it affects how quickly powerful know‑how

AI

Graph neural networks can act as fast problem‑solving shortcuts

Cornell University researchers report that a type of AI called a graph neural network can learn to solve classic routing puzzles on its own and produce answers in one shot. This matters because many real tasks — from delivery planning to chip design — boil down to such puzzles, where speed and

AI

Making AI steadier at reading emotions in mental‑health texts

Researchers have built a method to make artificial intelligence more reliable when it reads emotions in text, such as clinical notes, counselling chats and posts in online support groups. This matters because early triage and risk assessment often depend on what people write and how that writing is interpreted. Why

An AI that designs its own safety tests for other AI systems

A research team has built an AI system that designs and improves safety tests for other AI models on its own. In trials, it found ways to make models break their own rules more often than methods designed by people. This matters because safety testing needs to keep pace with

AI

How language models can learn without new labels

Researchers have a new explanation for why some AI systems get better without human feedback. The work matters because it may cut the need for expensive labeled data, but also because self-improving systems can lock in their own mistakes if left unchecked. Why this is being discussed now A team

AI

A modular way to adapt AI models: transplanting trained “organs” between systems

A new study proposes a practical way to adapt large language models by moving trained slices of them between compatible models—much like transplanting an organ. The method promises better accuracy with less training and lets organisations share expertise without handing over their original data. If it works broadly, updating

AI

TruthTensor tests AI in motion: real‑world choices, not quiz questions

A new study proposes a clearer way to test artificial intelligence when the world does not stand still. Instead of quiz-like benchmarks, the approach follows live events and asks models to assign probabilities, then tracks how accurate, stable and careful they are over time. This matters because many organisations now

Latest

Tekoäly voi vahvistaa paikallista musiikkia – ei vain tasoittaa sitä

Tekstistä kuvaan -tekoälyt ymmärtävät ajan heikosti

Generatiivinen tekoäly ei ole joka paikkaan: moniin tietokonehommiin on yhä parempi, varmempi työkalu

Tekoälykoodarit hoitavat pikkujutut, mutta kompuroivat korjaamaan bugeja

Parempia tekoälykuvia syntyy, kun kone pysähtyy korjaamaan itseään

Safe Answers Can Still Teach Risky Skills, Study Finds

Graph neural networks can act as fast problem‑solving shortcuts

Making AI steadier at reading emotions in mental‑health texts

An AI that designs its own safety tests for other AI systems

How language models can learn without new labels

A modular way to adapt AI models: transplanting trained “organs” between systems

TruthTensor tests AI in motion: real‑world choices, not quiz questions