AI और दुनिया की कठिन समस्याएँ ─ सैद्धांतिक कंप्यूटर विज्ञान
AI द्वारा आगे बढ़ाया गया विज्ञान और विद्वत्ता, विषय के अनुसार
RSS फ़ीड · 6 आइटम
इतिहास के लंबे समय से गुप्त कोड अब शौकिया लोग AI की मदद से तोड़ रहे हैं
मूल शीर्षक: History’s long-secret codes are being cracked by amateurs using AI
गैर-विशेषज्ञ ऐतिहासिक सिफ़र तोड़ने के लिए बड़े भाषा मॉडलों का तेज़ी से उपयोग कर रहे हैं, क्योंकि ये मॉडल डिक्रिप्शन एल्गोरिदम चला सकते हैं और दस्तावेज़ों के लिए इंटरनेट खंगाल सकते हैं। Carter Leffen, जिन्हें क्रिप्टोग्राफ़ी का कोई अनुभव नहीं है, ने GPT-6 Astra से 85 साल पहले एन्क्रिप्ट किए गए एक जर्मन सेना संदेश को डिकोड करने को कहा, और सुबह तक उसने समाधान दे दिया। क्रिप्टोग्राफ़ी विशेषज्ञ इस रुचि का स्वागत करते हैं, लेकिन AI समाधानों को सत्यापित करने के अनुरोधों से अभिभूत हैं, जिनमें से कई गलत होते हैं।
ध्यान-संवर्धित डीप लर्निंग का उपयोग करके RGB निष्पादन योग्य छवियों से बहु-स्तरीय मैलवेयर उपपरिवार एट्रिब्यूशन
मूल शीर्षक: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
मैलवेयर विश्लेषण में कई स्तरों पर निर्णय लेने पड़ते हैं, पहचान से लेकर फैमिली और सूक्ष्म उप-फैमिली एट्रिब्यूशन तक। लेखक एक पदानुक्रमित डीप लर्निंग फ्रेमवर्क प्रस्तावित करते हैं, जो Windows PE फ़ाइलों की RGB छवियाँ लेता है और एक ही मल्टी-आउटपुट आर्किटेक्चर में पहचान, फैमिली वर्गीकरण और 33 उप-फैमिली एट्रिब्यूशन करता है। चार अटेंशन-संवर्धित ट्रांसफर लर्निंग मॉडलों ने 99% बाइनरी, 96–97% फैमिली-स्तर और 91–95% उप-फैमिली-स्तर की सटीकता हासिल की, जबकि सूक्ष्म एट्रिब्यूशन के लिए मैक्रो F1-स्कोर 0.89 तक पहुँचे।
बड़े भाषा मॉडल संयोजनात्मक अनुकूलन के लिए पूरक ह्यूरिस्टिक्स खोजते हैं
मूल शीर्षक: Large language models discover complementary heuristics for combinatorial optimization
कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन विनिर्माण, लॉजिस्टिक्स और ऊर्जा के क्षेत्र में निर्णयों का आधार है, लेकिन हर नए प्रकार के लिए ह्यूरिस्टिक्स डिज़ाइन करने में विशेषज्ञों को महीनों का प्रयास लगता है, और LLM द्वारा एक ही बार में कोड जनरेट करना अक्सर विफल रहता है। LACE एल्गोरिदम डिज़ाइन को स्कीमा, टूल लाइब्रेरी और ह्यूरिस्टिक पोर्टफोलियो में बाँटता है, और फिर रनटाइम सीमाओं के भीतर एक-दूसरे के पूरक विशेषज्ञ ह्यूरिस्टिक्स विकसित करता है। 36 क्लासिकल CO-Bench समस्याओं में इसका औसत 0.945 रहा, जबकि सबसे मज़बूत पिछली LLM-आधारित विधि का 0.870 और सीधे प्रॉम्प्टिंग का 0.571 था।
गेम खेलने वाला यह AI Stratego में नया चैंपियन है
मूल शीर्षक: This game-playing AI is the new champ at Stratego
शोधकर्ताओं ने Stratego के लिए एक AI सिस्टम बनाया है। यह दो खिलाड़ियों का बोर्ड गेम है, जिसमें प्रतिद्वंद्वी के मोहरे छिपे रहते हैं और जिसका उपयोग अक्सर रणनीतिक सोच को परखने के लिए किया जाता है। कुशल प्रशिक्षण एल्गोरिदम को छिपी हुई जानकारी में निर्णय लेने की नई तकनीकों के साथ जोड़कर, इस सिस्टम ने शीर्ष-रैंक वाले मानव खिलाड़ियों को बड़े अंतर से हराया और अगले सर्वश्रेष्ठ मॉडलों से बेहतर प्रदर्शन किया, जबकि इसे प्रशिक्षित करना सस्ता था। इसने अलग नियमों वाले अन्य रणनीति खेलों में भी शीर्ष मानव खिलाड़ियों को हराया।
D4RT: एकीकृत, तेज़ 4D दृश्य पुनर्निर्माण और ट्रैकिंग
मूल शीर्षक: D4RT: Unified, Fast 4D Scene Reconstruction & Tracking
MIT का छोटा उड़ने वाला रोबोट AI से 450% तेज़ हुआ
मूल शीर्षक: MIT’s tiny flying robot gets 450% faster with AI
कीट-आकार के उड़ने वाले रोबोट आमतौर पर धीमे रहे हैं और सरल उड़ान पथों तक सीमित रहे हैं। MIT के शोधकर्ताओं ने दो-भाग वाली नियंत्रण प्रणाली के साथ एक AI-आधारित कंट्रोलर विकसित किया, जो बार-बार बॉडी फ्लिप करने में सक्षम बनाता है। टीम के पिछले सर्वश्रेष्ठ परिणामों की तुलना में रोबोट की गति लगभग 450% और त्वरण लगभग 250% बढ़ गया, और उसने हवा के व्यवधानों के बावजूद 11 सेकंड में 10 कलाबाज़ियाँ पूरी कीं।