Altman'ın belirttiğine göre; Hollywood stüdyoları gibi hak sahiplerine, karakterlerin oluşturulması üzerinde daha ayrıntılı kontrol verilecek.





OpenAI’ın yapay zeka video uygulaması Sora'dan sizlere daha önce bahsetmiştik. Uygulamada kullanıcılar, Cameo'lar özelliği ile kendilerini ve arkadaşlarını yapay zeka videolarına ekleyebiliyor. OpenAI, lansman esnasında kendi kimliğiniz ve benzerliğiniz üzerinde tüm haklara sahip olacağınızı ifade etmişti. Altman'ın belirttiğine göre; Hollywood stüdyoları gibi hak sahiplerine, karakterlerin oluşturulması üzerinde daha ayrıntılı kontrol verilecek. Bu yeni yapı insanların uygulamada kendi benzerliklerini paylaşmayı seçebilmelerine benzer şekilde, ancak ek kontroller ile hayata geçecek.

Bu sayede, kullanıcıların kişisel verilerinin korunması ve izinsiz kullanımın önüne geçilmesi hedefleniyor. Ayrıca, yapay zeka tarafından oluşturulan içeriklerin etik sınırlar içinde kalması için yeni düzenlemeler ve protokoller geliştiriliyor. OpenAI, bu yaklaşımın hem yaratıcı endüstrilerde hem de bireysel kullanıcı deneyimlerinde güven ve şeffaflığı artıracağını vurguluyor.

Aslında lansman öncesinde The Wall Street Journal'ın aktardıklarına göre; OpenAI, Hollywood stüdyolarına ve ajanslarına, fikri mülkiyetlerinin Sora tarafından oluşturulan videolara dahil edilmesini istemiyorlarsa bunu açıkça belirtmeleri gerektiğini ifade etti. Şimdi şirket, telif hakkı ve fikri mülkiyet konusundaki yaklaşımını tersine çeviriyor olabilir.

Sam Altman, cuma günü paylaştığı bir blog yazısında şirketin Sora'da iki değişiklik planladığını açıkladı. İlk olarak, telif hakkı sahiplerine karakterlerin oluşturulması üzerinde, benzerlik için opt-in modeline benzer, ancak ek kontroller içeren daha ayrıntılı kontrol verecek. Burada dikkat edilmesi gereken nokta gönüllü katılım olarak tercüme edebileceğimiz “opt-in” kavramı. OpenAI'ın, stüdyolar ve diğer hak sahipleri Sora'ya izin vermedikçe, kullanıcıların telif hakkıyla korunan karakterlerle video oluşturmasını engelleyeceğini gösteriyor.

Altman bu kapsamda şu ifadeleri kullandı:

Bu yeni tür ‘etkileşimli hayran kurgusu’ için çok heyecanlı olan ve bu yeni tür etkileşimin kendileri için çok değerli olacağını düşünen birçok hak sahibinden haber alıyoruz, ancak karakterlerinin nasıl kullanılabileceğini (hiç kullanılmamasını da dahil) belirleme yeteneği istiyorlar.

Altman, bu yeni yaklaşıma rağmen, bunun olmaması gereken bazı durumların olabileceğini dile getiriyor.

Altman'ın bahsettiği ikinci değişiklik ise belirtilmemiş bir tür video gelirleştirme yöntemi. Daha önce, gelir elde etmek için tek planının, yüksek talep dönemlerinde kullanıcılardan ekstra video oluşturmak için ücret talep etmek olduğunu belirten Altman, şimdi videoları gelire dönüştürme konusunda daha net bi çerçeve çizmeye hazırlanıyor.

Altman, gelirlerin hak sahipleriyle paylaşılabileceğinin sinyalini de veriyor. Platformda kullanıcı başına beklenenden çok daha fazla üretim yapıldığını belirten Altman, bunun, karakterlerinin üretilmesine izin veren hak sahiplerine ödeme yapılabileceği anlamına gelebileceğini ifade etti:

Kesin modelin belirlenmesi için bazı deneme ve yanılmalar gerekecek, ancak çok yakında başlamayı planlıyoruz. Umudumuz, yeni tür etkileşimin gelir paylaşımından daha değerli olması, ama tabii ki biz ... her ikisinin de değerli olmasını istiyoruz.

Tech company Nothing designed a dream phone for MrWhoseTheBoss, real name Arun Maini, a popular YouTuber who reviews mobile devices. The result? Pretty much the most tricked-out, maxed-out phone possible.

Mashable recently profiled Maini as a part of our Mashable 101 series, a guide to the most influential creators of the last year. Maini's racked up more than 20 million YouTube subscribers with fun, relatable tech content, and Nothing has developed a reputation for its unique gadget designs.

"There's actually something very personable about the imperfection of it," he told Mashable. "You know, the same reason why we don't hire a massive garage and turn it into a studio. We just film videos in our house. And it's actually a big part of why people were drawn to our channel. Until we hit about 20 million subscribers, everything was shot in an attic, and that attic was my bedroom."



Apple, iPhone ve Mac güvenlik açıklarını bulan araştırmacılara ödül programını genişletiyor. Zero-click saldırılar için ödül 2 milyon dolara çıktı.

Teknoloji şirketleri, kullanıcı güvenliğini sağlamak ve itibarlarını korumak için güvenliği artırmak, açıklardan kötüye kullanımı önlemek ve araştırmacıları sürece dahil etmek istiyor. Apple da bu nedenle, iPhone ve Mac’lerdeki güvenlik açıklarını bulan araştırmacılara verdiği ödülleri artırdı. Özellikle kullanıcı etkileşimi gerektirmeyen zero‑click saldırılar ile cihaz yakınlığında yapılan saldırılar için maksimum ödemeleri yükselterek bug bounty programını genişletti.

Program, ilk olarak 2016’da seçilmiş araştırmacılar için başlatılmış ve 2019’da herkese açılmıştı. Ödüller önce 100 bin dolardan 1 milyon dolara kadar değişirken, şimdi yüksek riskli açıklar için tutarlar daha da artırılıyor. Kullanıcı etkileşimi olmadan cihazı ele geçirmeye olanak tanıyan zero‑click açıklar için azami ödül 2 milyon dolar.

Bilindiği gibi paralı casus yazılım satan firmalar, başkalarının telefonlarını uzaktan ele geçirebilecek zayıflıkları arıyor. Bu saldırılar genellikle devletlerin kullandığı, birden fazla açığı birleştiren çok pahalı ve karmaşık yöntemlerden oluşuyor.

Şirket ayrıca Lockdown Mode ile hedefli casus yazılım saldırılarını engellemeyi ve Memory Integrity Enforcement özelliği ile iPhone 17 ve iPhone Air’da cihaz belleğini yaygın yazılım açıklarına karşı güçlendirmeyi amaçlıyor. Bu önlemler, sistem seviyesindeki iOS saldırılarını daha zor ve maliyetli hale getiriyor.

Bug bounty programı yürüten diğer büyük teknoloji şirketleri arasında Google, Microsoft, Meta, X, Apple, Uber, Shopify, Dropbox, Intel ve Tesla gibi firmalar bulunuyor. 

OpenAI’ın kısa video üretim uygulaması Sora, 1 milyon indirmeyi aşarak ChatGPT’nin çıkış hızını geride bıraktı.

OpenAI’ın kısa video üretim uygulaması Sora’nın yükselişini sizlerle paylaşmaya devam ediyoruz. Son gelen açıklamaya göre Sora, 1 milyon indirmeye ulaştı. Şirketin Sora başkanı Bill Peebles, X üzerinden yaptığı açıklamada uygulamanın bu eşiğe ChatGPT’den bile daha hızlı ulaştığını duyurdu.

Yalnızca iOS cihazlarda ve davet koduyla erişilebilen Sora'nın tüm bu sınırlamalara rağmen Apple App Store’un ABD genelinde en çok indirilen uygulaması konumuna yükseldiğini hatırlatalım.

Sora, kullanıcıların yalnızca bir metin girdisiyle kısa videolar oluşturmasını sağlıyor. Bu özellik, sosyal medyada büyük yankı uyandırırken, aynı zamanda etik tartışmaları da beraberinde getirdi. CNBC’nin haberine göre kullanıcılar, “SpongeBob SquarePants”, “Rick and Morty” ve “South Park” gibi telifli karakterleri içeren videolar oluşturabiliyor. Bu durum üzerine Motion Picture Association (MPA), OpenAI’ı uyararak “telif hakkı ihlallerine karşı derhal önlem alınması gerektiğini” belirtti.

OpenAI CEO’su Sam Altman, şirketin hak sahiplerine karakter üretimi üzerinde daha fazla kontrol imkanı vereceğini açıkladı. Altman, geçtiğimiz hafta düzenlenen DevDay etkinliğinde ise bazı kullanıcıların kısıtlamalardan şikayet ettiğini, ancak bu sürecin dikkatli yönetilmesi gerektiğini belirterek “Bize biraz zaman tanıyın; değişim hızı yüksek olacak,” dedi.

Tüm bu tartışmalara rağmen Sora’nın başarısı, tüketici odaklı yapay zeka video uygulamaları için büyük bir potansiyel gösteriyor.

16 GB VRAM'a sahip bir GPU'da çalışabilen Kumru, 8 bin 192 Türkçe token'lık bağlam uzunluğu ile 20 A4 sayfaya kadar belge işleyebiliyor.

VNGRS tarafından sıfırdan geliştirilen ve önceden eğitilmiş 7,4 milyar parametreli Türkçe LLM olan Kumru, geçtiğimiz günlerde geliştiricilerin ilgisine sundu. Tamamen Türkçe için sıfırdan önceden eğitilen Kumru, İngilizce ve kodlamayı da biliyor. Paylaşılan bilgilere göre; 8 bin 192 Türkçe token'lık bağlam uzunluğuna sahip olan Kumru, 20 A4 sayfaya kadar belge işleyebiliyor. Kumru.ai arayüzü üzerinden Kumru'yu deneyimleyebilmek de mümkün. 

VNGRS makine öğrenimi (ML) lideri Melikşah Türker paylaştığı blog gönderisinde; Türkiye'nin güvenlik, uyumluluk ve Türkçe dilindeki mükemmellik gibi hususlar göz önüne alındığında, kurum içinde kullanılabilecek temel bir LLM modeline ihtiyacı olduğunu düşündüklerini belirtti. Türker'in belirttiğine göre bu nedenle şirket, tüketici sınıfı GPU'larda bile kullanılabilen hafif, sıfır atışlı (zero-shot) 7 milyar parametreli bir LLM oluşturmaya karar verdi.

Kumru'nun eğitim süreci 

Paylaşılan bilgilere göre; 45 günlük ön eğitim aşamasında Kumru, H100 ve H200 GPU'lar kullanılarak 500 GB'lık temizlenmiş ve tekilleştirilmiş metinler üzerinde eğitildi. Ön eğitimin sonunda, 300 milyar token'a maruz kalan Kumru'ya ön eğitimin ardından, çeşitli kullanım durumlarını desteklemek için yaklaşık 1 milyon örnekten oluşan bir karışım üzerinde ince ayar yapıldı. 

Kumru'nun öne çıkan özellikleri

Blog gönderisinde Kumru'nun mimarisinin Mistral-v0.3'e dayandığı belirtiliyor. Model mimarisine ek olarak, toplu iş boyutu, optimize edici ve öğrenme hızı ile ilgili birkaç tasarım kararı LLaMA-3 teknik belgesine dayanmakta. Kumru, RTX A4000 veya RTX 3090 gibi sadece 16 GB VRAM'a sahip bir GPU'da çalışabilir. 

Türkiye'deki veri gizliliği düzenlemelerine dikkat çeken Türker, bu açıdan Kumru'nun yerinde dağıtım için ideal bir model olduğunu dile getiriyor. Kumru'nun finans ve sağlık gibi sektörlere özel LLM tabanlı çözümler geliştirmek için öne çıktığı da belirtiliyor. 



VNGRS'nin paylaştığı bilgilere göre; Kumru, araştırmadan kurumsal uygulamalara kadar geniş bir kullanım alanı sunuyor. Şirket Kumru'nun RAG tabanlı chatbot sistemlerinden doküman özetlemeye, çağrı merkezi analitiğinden sosyal medya içerik üretimine kadar pek çok senaryoya kolayca entegre edilebildiğini ifade ediyor.

Modelin, Türkçe LLM'leri değerlendirmek için birleşik bir ölçüt olan Cetvel için sonuçları da paylaşılıyor. Paylaşılan tabloda Kumru'nun genel olarak LLaMA-3.3–70B, Gemma-3–27B, Qwen-2–72B ve Aya-32B gibi çok daha büyük modelleri önemli ölçüde geride bıraktığı belirtiliyor. Ancak geliştirilmekte olan her büyük dil modeli gibi Kumru da hatalar yapabiliyor. Hatta şirket Kumru.ai arayüzüne diğer yapay zeka chatbotlarda da gördüğümüz Kumru'nun aktif olarak geliştirilmekte olan bir teknoloji olduğunu belirten küçük bir uyarı da eklemiş durumda. 

Kumru-7B'ye ek olarak, daha küçük bir açık kaynaklı sürüm olan Kumru-2B'nin açık kaynak olarak Hugging Face'te geliştiricilerle buluştuğunu belirtelim. Kumru-2B, model boyutu dışında, 8.192 token bağlam uzunluğu ve 300B token ön eğitim ile aynı teknik özelliklere sahip. VNGRS'nin Yapay Zeka ve Veri Başkanı ve Genel Müdürü Aydın Han'ın belirttiğine göre; 7 milyarlık model ise demo ve kurum içi kullanıma hazır, on-prem’de 16 GB GPU üzerinde bile yüksek performansla çalışabiliyor.



Dinozor, ilk olarak Mezozoyik zamanda ortaya çıkan ve yaşayan tek üyeleri kuşlar olan arkozor sürüngen grubu. Dinozor adı, Richard Owen tarafından Grekçe "korkunç" anlamına gelen deinos ve "kertenkele" anlamına gelen sauros sözcüklerinin birleştirilmesinden oluşur.

Dinozorlar, kara, hava ve su ortamlarında çeşitlilik gösteren birçok türe sahipti. Boyutları küçük kuş benzeri türlerden devasa otçullara kadar değişmekteydi. Mezozoyik dönemin sonunda, yaklaşık 66 milyon yıl önce gerçekleşen kitlesel yok oluş olayı sonucunda büyük çoğunluğu yok olmuş, yalnızca kuşlar günümüze kadar varlığını sürdürebilmiştir.

Dinozorların fosil kayıtları, onların evrimi, çeşitliliği ve ekolojik rolleri hakkında önemli bilgiler sunmaktadır. Bu fosiller, farklı coğrafyalarda ve stratigrafik katmanlarda bulunarak, dinozorların dünya üzerindeki yayılımını ve adaptasyon süreçlerini ortaya koymaktadır. Ayrıca, dinozorların davranışları, beslenme alışkanlıkları ve sosyal yapıları üzerine yapılan araştırmalar, Mezozoyik ekosistemlerinin dinamiklerini anlamamıza yardımcı olmaktadır.



#Dinozor

Roma dönemine ait yazıtların tarihini, içeriğini ve kökenini analiz etmeyi kolaylaştıran bu model, tarihçilerin hasarlı metinlerle daha verimli çalışmasını sağlıyor.

Google, antik yazıtların bağlamını çözümlemek üzere geliştirilen ilk yapay zeka modeli Aeneas'ı tanıttı. Roma İmparatorluğu dönemine ait yazılı kaynakların tarihini, içeriğini ve coğrafi kökenini anlamlandırmaya yardımcı olan bu yeni model, tarihçilerin parçalanmış ve zamanla tahrip olmuş metinlerle daha verimli çalışabilmesini hedefliyor.

Antik Roma'da günlük yaşamdan resmi anıtlara kadar her yere kazınmış yazıtlar, günümüz tarihçileri için benzersiz birer bilgi kaynağı niteliği taşıyor. Ancak çoğu zaman bu yazıtlar eksik, silinmiş ya da bağlamından kopuk halde bulunduğu için anlamlandırılmaları büyük uzmanlık ve zaman gerektiriyor. Aeneas, bu süreci yapay zeka destekli bir şekilde hızlandırıyor ve yazıtlara benzer örnekler bularak tarihçilere yeni bağlantılar kurma imkanı sunuyor.

Aeneas, yalnızca metinle değil, yazıtların görselleriyle de çalışarak metnin coğrafi kökenini analiz edebilen ilk model olma özelliğine sahip. Ayrıca eksik karakter sayısı bilinmeyen metinlerde dahi boşlukları tamamlayabiliyor. Modelin doğruluk oranı, 10 karaktere kadar olan eksik bölümlerde yüzde 73'e ulaşıyor.

Google, Aeneas'ı University of Nottingham iş birliğinde, Warwick, Oxford ve Atina Ekonomi Üniversitesi'nden araştırmacıların katkılarıyla geliştirdi. Modelin temel aldığı 176 binden fazla Latince yazıt, dijital epigrafik veri tabanlarından toplanarak Latince Yazıtlar Veriseti (Latin Epigraphic Dataset) adıyla tek bir yapı altında birleştirildi.

Modelin yetenekleri, ünlü Res Gestae Divi Augusti yazıtı üzerinden de test edildi. İmparator Augustus'un başarılarını anlattığı bu metnin tarihine dair tarihçiler uzun süredir farklı görüşler öne sürüyor. Aeneas, sabit bir tarih vermek yerine, metnin farklı tarihlere dağılmış olasılık dağılımını üreterek iki ayrı tarihsel zirve gösterdi: biri MÖ 10–1 arasında, diğeri ise MS 10–20 arasında daha güçlü bir olasılık olarak. Böylece, tarih yazımındaki iki temel görüşü sayısal olarak bir arada değerlendirmiş oldu. Modelin bu sonucu, dilsel detaylar ve metinde geçen unvanlar gibi tarihsel ipuçları temelinde üretildi.

Aeneas'ın performansı, tarihçilerle birlikte yapılan bir değerlendirme çalışmasında da test edildi. 23 uzman tarihçiyle yürütülen araştırmada, modelin sunduğu bağlamsal bilgiler tarihçilerin analiz hızını artırmakla kalmadı; aynı zamanda yeni paralel yazıtların keşfedilmesini sağladı.

Model, adını antik mitolojideki gezgin kahraman Aeneas'tan alıyor ve daha önce Google tarafından geliştirilen antik Yunanca modeli Ithaca'nın üzerine inşa edildi. Aeneas ile birlikte Ithaca da güncellenerek benzer bağlamsal analiz yetenekleriyle donatıldı.

Google, Aeneas'ı araştırmacılara, öğrencilere, müze uzmanlarına ve eğitimcilere açık şekilde predictingthepast.com üzerinden erişime sundu. Kod ve veri seti de açık kaynak olarak paylaşılırken, ayrıca eğitimciler için AB ve UNESCO'nun dijital yeterlilik çerçeveleriyle uyumlu bir yapay zeka okuryazarlığı müfredatı da hazırlandı.

113/114 MS tarihli, Sardinya'dan bronz bir askeri diplomanın (CIL XVI, 60) restore edilmiş hâlinin animasyonuRes Gestae yazıtına yönelik kronolojik tarih tahminini gösteren histogram