२० ऑक्टोबर, २०२६ ची आवृत्ती

AI ला "एक परिचारिका" किंवा "एक वकील" अशी प्रतिमा मागा. दिसण्याबद्दल तुम्ही काहीच बोलत नाही. कॉर्नेलच्या नेतृत्वाखालील एका संघाने 27 प्रतिमा-निर्मिती साधनांसोबत हेच केले आणि 51,300 चेहरे तयार केले.

550 लोकांनी दिलेल्या गुणांमध्ये, पुरेशा प्रतिमांना गुण मिळालेली सर्वच्या सर्व 23 साधने आकर्षकतेत खऱ्या फोटोंपेक्षा पुढे होती. स्त्री म्हणून मागवलेल्या चेहऱ्यांपैकी 37% चेहऱ्यांनी स्वयंचलित गुणांमध्ये मध्यम (median) फॅशन मॉडेलला मागे टाकले. नायजेरियन, कृष्णवर्णीय किंवा इथिओपियन म्हणून मागवलेल्या चेहऱ्यांना सर्वांत कमी गुण मिळाले.

मग 570 लोकांनी नोकरीसाठीच्या अर्जदारांची छाननी केली. काहींनी आधी अतिशय आकर्षक AI चेहरे पाहिले. त्यानंतर त्यांनी त्याच खऱ्या उमेदवारांना नोकरीसाठी कमी योग्य आणि कमी विश्वासार्ह ठरवले. कमी जणांना मुलाखतीला बोलावले गेले: 72.5% विरुद्ध 77.4%.

फोटोंचे पारंपरिक रिटचिंग काहीच बदलत नाही. AI चे चेहरे का बदलतात, हे लेखक अजून सांगू शकत नाहीत. पण कृत्रिम माणसे जाहिराती, वेबसाइट्स आणि स्टॉक प्रतिमांमध्ये भरत चालली आहेत.

स्रोत: Generative AI Produces and Transmits Beauty Bias, https://arxiv.org/abs/2610.22553

एका वर्तुळाकार ट्रॅकवरचे काही धावपटू डोळ्यांसमोर आणा. सुरुवात एकच, प्रत्येक जण आपल्या स्वतःच्या स्थिर वेगाने. प्रत्येक धावपटू, कधी ना कधी, इतर सगळ्यांपासून दूर असेल का? हेच एकट्या धावपटूचे अनुमान (lonely runner conjecture).

n + 1 धावपटू असतील तर, ते किमान एका फेरीच्या 1/(n + 1) इतक्या अंतराचे भाकीत करते. एका साध्या मोजणीच्या युक्तिवादाने फक्त त्याच्या निम्म्याची हमी मिळते. अनेक दशके, धावपटू वाढत गेले तशा या सोप्या मर्यादेवरच्या सुधारणा आकसत शून्यावर आल्या.

शियू हू (Xiyu Hu) आणि यिफान जिंग (Yifan Jing) आता अशी सुधारणा सिद्ध करतात जी कधीच ओसरत नाही: कितीही धावपटू असले तरी, सोप्या मर्यादेच्या वर एक निश्चित अंश. साधने: एक नवी आच्छादन-असमानता (overlap inequality) आणि सामाईक विभाजकांबद्दलचे युक्तिवाद.

लेखकांनी सिद्धता तपासण्यासाठी आणि त्यांना झळाळी देण्यासाठी ChatGPT 6 वापरले. मॉडेल स्वतःहून ही मर्यादा सुधारू शकली नाहीत, असे ते लिहितात.

स्रोत: Near optimal gap in the Lonely Runner Conjecture, https://arxiv.org/abs/2610.23790

हवामान मॉडेल जगातील काही सर्वांत मोठ्या सुपरकॉम्प्युटरवर चालतात. पण संगणनाचा प्रत्येक जादा भाग किती अचूकता विकत घेतो? 24 संशोधकांच्या एका संघाने 1995 पासून तयार झालेली 159 हवामान मॉडेल तपासली.

त्यांचे उत्तर आश्चर्यकारकरीत्या स्थिर आहे. संगणन प्रत्येक वेळी दुप्पट झाल्यावर मॉडेलची त्रुटी सुमारे 13.5% ने कमी झाली आहे. आजची त्रुटी निम्मी करायला अंदाजे 28 पट अधिक संगणन लागेल.

सुधारणा असमान आहे. पहिल्या पिढीपासून, हवेच्या दाबातील त्रुटी 3.5 पटीने आणि पृष्ठभागाच्या तापमानातील त्रुटी 2.7 पटीने घटली. पावसातील त्रुटी फक्त 7% ने घटली.

AI हवामान मॉडेल आता सर्वोत्तम अंदाजांच्या तोडीचे आहेत. तरीही त्यांपैकी कोणतेही आपली मोजलेली ऊर्जा प्रसिद्ध करत नाही. प्रशिक्षणाचा हिशोब धरला तर, त्यांच्यापैकी एक कार्यक्षमतेत दुसऱ्या क्रमांकावरून शेवटच्या क्रमांकावर घसरते. अचूकतेसोबत ऊर्जाही नोंदवली जावी, अशी मागणी संघ करतो.

स्रोत: Energy-Aware Earth System Science: A Community Roadmap, https://arxiv.org/abs/2610.23216

रोजच्या पावसाची नोंद ठेवा आणि प्रत्येक विक्रम लिहून ठेवा: म्हणजे आधीच्या सगळ्या दिवसांपेक्षा जास्त पावसाचा दिवस. भरपूर विक्रम म्हणजे शेवटचे शिखरही उंच, असेच असायला हवे ना? तीन भौतिकशास्त्रज्ञांनी अचूक गणिताने हे तपासले.

कोणत्याही गुळगुळीत वितरणातून घेतलेल्या यादृच्छिक मूल्यांसाठी उत्तर आहे: नाही. विक्रमांची संख्या आणि सर्वोच्च मूल्य यांचा एकमेकांशी काहीही संबंध नाही. मालिका कितीही लांब असो, एक जाणल्याने दुसऱ्याबद्दल काहीच कळत नाही.

शून्य पावसाचे कोरडे दिवस जोडा, आणि एक दुवा दिसू लागतो. कोरड्या दिवसांचा वाटा एका क्रांतिक मूल्याच्या वर असेल तर, तो आधी वाढतो, मग ओसरतो. त्याखाली, तो फक्त ओसरतो. या उंबरठ्यासाठी एक अचूक सूत्र आहे.

संघाने हे जर्मनीतील हवामान केंद्रांच्या रोजच्या पावसाच्या नोंदींवर तपासले. एक गट उंबरठ्याच्या वर होता, दुसरा खाली. दोन्ही गटांनी, एकही प्राचल (parameter) न बदलता, भाकीत केलेला आकार पाळला.

स्रोत: Emergence of Correlations Between Records and Maximum in Random Time Series, https://arxiv.org/abs/2610.23217

स्टर्न-स्कलिंग (stern-sculling) ही एकाच वल्ह्याने नाव पुढे नेण्याची एक जुनी पद्धत आहे. वल्हे नावेच्या मागच्या टोकाला एका खाचेत टेकलेले असते, आणि त्याचे पाते नेहमी पाण्याखाली असते. वल्हवणाऱ्याचे हात अनंताचे चिन्ह काढतात.

एका फ्रेंच संघाने 4.7 मीटर लांबीच्या एका नावेला बलमापके, हालचाल-सेन्सर आणि वेगमापक बसवले. मग दोन अनुभवी वल्हवणाऱ्यांनी शांत पाण्यावर ती स्थिर अवस्थेपासून कमाल वेगापर्यंत नेली.

बाजूच्या फटकाऱ्यांदरम्यान, पाते पंखासारखे काम करते. उचल-बल (lift) नावेला पुढे ढकलते. प्रत्येक वळणावर, पात्याचे झटपट उलटणे पाणी मागे ढकलते. फटकाऱ्याचे चारही टप्पे पुढे ढकलतात.

सेकंदाला 1.2 मीटर या मध्यम वेगाला कार्यक्षमता 65% च्या जवळ शिखर गाठते. सेकंदाला 2 मीटरवर ती सुमारे 25% पर्यंत घसरते. तेव्हा नावेचा तळ (hull) त्याच्या क्रांतिक वेगाजवळ असतो, आणि लाटा श्रम खाऊन टाकतात.

स्रोत: Hydrodynamics and propulsive efficiency of stern-sculling propulsion, https://arxiv.org/abs/2610.23444

आपल्या सूर्यमालेतील चारही महाकाय ग्रहांना कडी आहेत. तरीही दुसऱ्या ताऱ्याभोवतीच्या प्रौढ ग्रहाभोवती आजवर एकाही कड्याची पुष्टी झालेली नाही. ती दुर्मीळ आहेत, की फक्त दिसायला कठीण?

Roman अवकाश दुर्बिणीवर एक कोरोनाग्राफ आहे, जो ताऱ्याचा प्रकाश अडवतो. ती महाकाय ग्रहांना त्यांनी परावर्तित केलेल्या ताऱ्याच्या प्रकाशाने पाहू शकेल. मिशिगन विद्यापीठातील एका संघाने कडी यात काय भर घालतील याचे मॉडेल तयार केले.

कडी त्यांच्या ग्रहापेक्षा दहा ते शंभर पट अधिक तेजस्वी असू शकतात. आणि ती एक ठसा मागे ठेवतात: कक्षेत फिरताना तेजस्वितेत दोनऐवजी चार चढ-उतार.

संघाने Roman चे एक प्रमुख लक्ष्य असलेल्या एप्सिलॉन एरिडॅनी b चे सिम्युलेशन केले. कड्याशिवाय, तो अनेकदा शोधण्याच्या मर्यादेखाली बुडतो. शनीसारख्या कड्यासह, तो दुप्पटीपर्यंत अधिक चमकतो आणि जवळजवळ संपूर्ण कक्षेत दिसत राहतो.

स्रोत: Detecting Exoplanetary Rings with Roman CGI Reflected Light Phase Curve Observations, https://arxiv.org/abs/2610.23835

मुख्य वीज 50 किंवा 60 हर्ट्झवर चालते, पण कधीच अगदी अचूक नाही. तिची वारंवारता डगमगते, आणि संपूर्ण जाळ्यात ती सारख्याच प्रकारे डगमगते. दिवे तिच्यासोबत लुकलुकतात, आणि कॅमेरे ती लुकलुक नोंदवतात.

साउथॅम्प्टन सोलेंट विद्यापीठातील दोन संशोधकांना वाटले होते की AI व्हिडिओंमध्ये ही लुकलुक नसेल. आश्चर्य: निर्मिती-साधने ती खऱ्या चित्रीकरणाइतक्याच ताकदीने निर्माण करतात. तिच्या असण्याने काहीच सिद्ध होत नाही.

म्हणून ते ही डगमग जाळ्याच्या एका स्वतंत्र नोंदीशी जुळवून पाहतात. त्यांच्या प्रणालीने 93% खऱ्या ऑडिओ क्लिप आणि 100% खरे व्हिडिओ स्वीकारले. ती एखाद्या ध्वनिमुद्रणाची वेळ एका दिवसाच्या आत सुमारे एका सेकंदापर्यंत ठरवू शकते.

एका खऱ्या दृश्याच्या दोन AI पुनर्निर्मितींची लुकलुक 60 हर्ट्झवर होती, जिथे दावा केलेले ठिकाण 50 वर चालते. कमकुवत जागा कायम आहे: खऱ्या चित्रीकरणात बदललेल्या चेहऱ्यासोबत खरी गुणगुण तशीच राहते.

स्रोत: An Agentic ENF Framework for Forensic Video Authentication Against Generative AI, https://arxiv.org/abs/2610.22440

ग्लुऑन बलशाली बल वाहून नेतात, तेच बल जे क्वार्कना एकत्र बांधते. त्यांना पुरेसे तापवले की ते प्लाझ्मा तयार करतात. तो किती दाब निर्माण करतो? भौतिकशास्त्रज्ञ हे उत्तर टप्प्याटप्प्याने काढतात, प्रत्येक टप्पा म्हणजे अधिक बारीक दुरुस्ती.

g⁶ पद नावाचा एक टप्पा वीस वर्षांहून अधिक काळ आवाक्याबाहेर राहिला. त्यासाठी प्रत्येकी चार लूप असलेल्या, एकमेकांत गुंतलेल्या 65 आकृत्या लागतात.

हेलसिंकी, तुर्कू, चिली आणि बर्न येथील एका संघाने अखेर ते पूर्ण केले. त्यांनी एका नव्या पद्धतीने नऊ अज्ञात समाकल (integrals) सोडवले, आणि त्यासाठी सुपरकॉम्प्युटरवर सुमारे दहा लाख प्रोसेसर-तास वापरले.

फलित: आधीचे टप्पे प्लाझ्माच्या संगणकीय सिम्युलेशनच्या वर-खाली झोके घेत होते. नव्या पदासह, सिद्धांत आणि सिम्युलेशन जुळतात, अगदी ग्लुऑन मुक्त होतात त्या तापमानाच्या काही पटींपर्यंत खाली. पुढचे उद्दिष्ट: न्यूट्रॉन ताऱ्यांच्या विलीनीकरणासाठी क्वार्क जोडणे.

स्रोत: Complete g⁶ pressure of hot Yang-Mills theory, https://arxiv.org/abs/2610.23675

भारतात, रोजची बरीचशी खरेदी किराणा दुकाने नावाच्या छोट्या जनरल स्टोअरमध्ये होते. AI असे एखादे दुकान चालवू शकेल का? हे शोधण्यासाठी BITS पिलानी येथील एका संघाने एक सिम्युलेट केलेले दुकान तयार केले.

एकच AI मॉडेल चारही कर्मचाऱ्यांची भूमिका बजावते: व्यवस्थापक, कॅशियर, मदतनीस आणि मुनशी. व्यवस्थापक दुकान कधीच पाहत नाही, फक्त कर्मचाऱ्यांचे अहवाल. ग्राहक आणि पुरवठादार इंग्रजी, हिंदी किंवा हिंग्लिशमध्ये बोलतात.

चार मुक्त (open) AI मॉडेलनी प्रत्येकी 30 सिम्युलेट केलेल्या दिवसांसाठी ते चालवले. नियमांनुसार चालणाऱ्या एका साध्या दुकानदाराने सुमारे 103,000 रुपये कमावले. सर्वोत्तम मॉडेलची सरासरी सुमारे 13,700 होती. दोन मॉडेलनी कोणीही प्रभारी नसलेल्या दुकानापेक्षा जास्त तोटा केला.

अपयशांना नावे आहेत. अस्तित्वातच नसलेल्या पुरवठादारांना ई-मेल. कधीच न झालेले एक पेमेंट. दोनदा पैसे दिलेल्या ऑर्डर. एका मॉडेलचे 42% हिंदी ई-मेल वाचता येत नाहीत म्हणून परत पाठवले गेले.

स्रोत: KiranaBench: Can a Language Model Run a Neighbourhood Shop?, https://arxiv.org/abs/2610.22980

आरोग्य-ॲप्स तुमच्या हृदयाचे ठोके, तुमचे ग्लुकोज, कधी कधी तुमचे मानसिक आरोग्यही नोंदवतात. अमेरिका आणि कॅनडातील विद्यापीठांच्या एका संघाने Google Play वरील त्यांपैकी 10,000 हून अधिक ॲप्स तपासली.

69% ॲप्स किमान एक अशी परवानगी मागतात जिचे समर्थन त्यांचे वर्णन करत नाही. सुमारे निम्म्या ॲप्सना कोणतेही कारण न सांगता तुमचे स्थान किंवा तुमचा कॅमेरा हवा असतो. एक तृतीयांश ॲप्सना मायक्रोफोन हवा असतो.

संघाने ही ॲप्स चाचणी-फोनवर सुरू केली. चाललेल्या 3,599 ॲप्सपैकी 93% ॲप्सनी संमतीचा कोणताही पडदा दाखवला नाही. तरीही अनेकांनी फोनचा जाहिरात-ID बाहेर पाठवला.

संमती-अर्ज दिसतो तेव्हा, ॲप्स बहुतेक वेळा दिलेला शब्द पाळतात: 14 पैकी 1 ॲपने उल्लेख न केलेली एखादी गोष्ट गोळा केली. मोठे, भरपूर निधी असलेले विकासकही चुकले. ॲप स्टोअरमध्ये पोहोचण्यापूर्वीच गोपनीयतेची स्वयंचलित तपासणी व्हावी, अशी मागणी लेखक करतात.

स्रोत: Bad Diagnosis: Analyzing Consent and Data Collection Practices of Mobile Medical Apps, https://arxiv.org/abs/2610.23851