Araştırmacılar Yapay Zeka Trendlerini İzlemek İçin Hiyerarşik Taksonomi Çerçevesi Geliştirdi

EPJ Data Science dergisinde yayımlanan yeni bir çalışma, yapay zeka alanındaki teknik gelişmeleri izlemek amacıyla farklı veri kaynaklarını ortak bir hiyerarşik yapıda birleştiren analitik bir çerçeve sunuyor.

Sørbø ve çalışma arkadaşları tarafından geliştirilen yöntem, yapay zeka ile ilgili metinleri farklı kavramsal düzeylerde haritalandırarak çok çözünürlüklü karşılaştırmalı analizlere olanak tanıyor. Yönlendirilmiş döngüsüz çizgeler (DAG) kullanan sistem, geniş kategorileri üst düğümlerde, uzmanlaşmış alt alanları ise alt düğümlerde organize ediyor.

Çalışma kapsamında konu popülaritesi, detay derinliği, çeşitlilik, zamansal tekdüzelik ve zamansal benzersizlik olmak üzere beş temel metrik kullanılıyor. Araştırmacılar, LLMDap hattı ve GPT-4.1-nano modelini kullanarak arXiv ön baskıları, Hugging Face model kartları ve Deep Learning Weekly bültenindeki verileri analiz etti.

2026 yılında yayımlanan 'Multi-source, multi-level: a hierarchical taxonomy-based framework for AI trends analysis' başlıklı makale, yapay zeka dünyasındaki teknik değişimleri takip etmek için bilimsel bir araç sağlıyor.