Meta ABD'deki Beş Üniversiteye 2 Milyon Dolar Yapay Zeka Hifesi Aktarıyor

Meta, bilimsel ve tıbbi araştırmalarda yapay zeka kullanımını hızlandırmak amacıyla ABD'deki beş üniversiteyle iş birliği başlattı. California Institute of Technology (Caltech), The Ohio State University Tıp Fakültesi, Louisiana State University (LSU), Indiana University ve UTHealth Houston'a toplam 2 milyon dolar hibe aktaracak olan şirket; tıp, fizik, kimya, biyoloji, bilgisayar bilimleri ve matematik alanlarındaki projelere destek verecek. Akademisyenler, çalışmalarında Meta'nın açık kaynaklı modellerinin yanı sıra şirketin akıllı gözlüklerini ve karma gerçeklik başlıklarını kullanacak.

İş birliği kapsamındaki projelerden biri, Louisiana State University bünyesinde Dr. Michael Dunham yönetiminde sürdürülen "Eyes-On" çalışması oldu. Proje, nefes borusuna tüp yerleştirilen (trakeostomi) ve ağlayıp ses çıkaramayan bebeklerde tüpün yerinden çıkması gibi hayati risk oluşturan durumları anlık izlemeyi hedefliyor. Sistem, Meta'nın açık ağırlıklı görüntü bölütleme modeli SAM (Segment Anything Model) kullanılarak hasta başı kameraları ve uç bilgi-işlem (edge computing) altyapısıyla entegre şekilde çalışıyor.

Demans Bakımı ve Kalp Yetersizliği Erken Teşhisi

Indiana University'de Dr. David Crandall liderliğindeki araştırma ekibi, demans hastası bireylerin iletişim kalıplarını analiz eden çok modlu yapay zeka yöntemleri geliştiriyor. Çalışma, sosyal robotların ve yapay zeka asistanlarının bilişsel farklılıkları olan yaşlı bireylerin konuşma tarzına uyum sağlamasını amaçlıyor.

The Ohio State University Tıp Fakültesi'nde ise Dr. Yuan Xue, kardiyolog Dr. Yuchi Han ve Dr. Xia Ning, tüm kalp yetersizliği vakalarının yaklaşık yarısını oluşturan ancak belirtileri obezite ile karıştığı için tespiti zorlaşan korunan ejeksiyon fraksiyonlu kalp yetersizliğini (HFpEF) erken aşamada belirlemek için çalışıyor. Araştırmacılar, Meta'nın açık modelleriyle rutin karın tomografisi görüntülerini, EKG verilerini ve geçmiş tıbbi kayıtları analiz ederek klinik ortamdaki eksik verilerle de çalışabilen bir erken teşhis modeli tasarlıyor.