20 అక్టోబర్, 2026 సంచిక

AI ని "ఒక నర్సు" లేదా "ఒక న్యాయవాది" చిత్రం అడగండి. రూపం గురించి మీరు ఏమీ చెప్పరు. కార్నెల్ నేతృత్వంలోని ఒక బృందం 27 చిత్ర-సృష్టి సాధనాలతో ఇదే చేసి, 51,300 ముఖాలను సృష్టించింది.

550 మంది ఇచ్చిన రేటింగ్‌లలో, తగినన్ని రేటింగ్ పొందిన చిత్రాలున్న మొత్తం 23 సాధనాలూ ఆకర్షణలో నిజమైన ఫోటోలను మించిపోయాయి. స్త్రీలుగా అడిగిన ముఖాల్లో 37% ఆటోమేటెడ్ స్కోర్లలో మధ్యస్థ (median) ఫ్యాషన్ మోడల్‌ను మించాయి. నైజీరియన్, నల్లజాతి లేదా ఇథియోపియన్‌గా అడిగిన ముఖాలకు అత్యల్ప స్కోర్లు వచ్చాయి.

తర్వాత 570 మంది ఉద్యోగ దరఖాస్తుదారులను పరిశీలించారు. కొందరు ముందుగా అత్యంత ఆకర్షణీయమైన AI ముఖాలను చూశారు. ఆ తర్వాత వారు అవే నిజమైన అభ్యర్థులను ఉద్యోగానికి తక్కువ తగినవారిగా, తక్కువ నమ్మదగినవారిగా రేట్ చేశారు. తక్కువ మందికి ఇంటర్వ్యూ వచ్చింది: 72.5% వర్సెస్ 77.4%.

సంప్రదాయ ఫోటో రీటచింగ్ ఏమీ మార్చలేదు. AI ముఖాలు ఎందుకు మారుస్తాయో రచయితలు ఇంకా చెప్పలేరు. కానీ కృత్రిమ మనుషులు ప్రకటనలు, వెబ్‌సైట్లు, స్టాక్ చిత్రాల నిండా చేరుతున్నారు.

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

ఒక వృత్తాకార ట్రాక్‌పై కొందరు పరుగువీరులను ఊహించుకోండి. ఒకే ప్రారంభం, ప్రతి ఒక్కరూ తమ సొంత స్థిర వేగంతో. ప్రతి పరుగువీరుడూ, ఏదో ఒక క్షణంలో, మిగతా అందరి నుంచి దూరంగా ఉంటాడా? అదే ఒంటరి పరుగువీరుని ఊహ (lonely runner conjecture).

n + 1 పరుగువీరులు ఉంటే, అది కనీసం ఒక చుట్టులో 1/(n + 1) అంతరాన్ని ఊహిస్తుంది. ఒక సాదా లెక్కింపు వాదన దానిలో సగానికి మాత్రమే హామీ ఇస్తుంది. దశాబ్దాల తరబడి, పరుగువీరులు పెరిగేకొద్దీ ఆ సులభమైన హద్దుపై మెరుగుదలలు కుంచించుకుపోయి శూన్యమయ్యాయి.

షియు హు (Xiyu Hu), యిఫాన్ జింగ్ (Yifan Jing) ఇప్పుడు ఎప్పటికీ మసకబారని మెరుగుదలను నిరూపించారు: ఎంతమంది పరుగువీరులు ఉన్నా, సులభమైన హద్దు కంటే ఒక స్థిర భిన్నం ఎక్కువ. సాధనాలు: ఒక కొత్త అతివ్యాప్తి అసమానత (overlap inequality), ఉమ్మడి భాజకాల గురించిన వాదనలు.

రచయితలు నిరూపణలను తనిఖీ చేయడానికి, మెరుగుపెట్టడానికి ChatGPT 6 ను వాడారు. మోడళ్లు తమంతట తాము హద్దును మెరుగుపరచలేకపోయాయని వారు రాస్తారు.

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

వాతావరణ మోడళ్లు ప్రపంచంలోని అతిపెద్ద సూపర్‌కంప్యూటర్లలో కొన్నింటిపై నడుస్తాయి. కానీ అదనపు గణనలోని ప్రతి భాగం ఎంత ఖచ్చితత్వాన్ని కొంటుంది? 24 మంది పరిశోధకుల బృందం 1995 నుంచి నిర్మించిన 159 వాతావరణ మోడళ్లను తనిఖీ చేసింది.

వారి సమాధానం ఆశ్చర్యకరంగా స్థిరంగా ఉంది. గణన ప్రతిసారీ రెట్టింపైనప్పుడు మోడల్ దోషం దాదాపు 13.5% తగ్గింది. నేటి దోషాన్ని సగానికి తగ్గించాలంటే సుమారు 28 రెట్లు ఎక్కువ గణన కావాలి.

లాభాలు అసమానంగా ఉన్నాయి. మొదటి తరం నుంచి, వాయు పీడనంలో దోషాలు 3.5 రెట్లు, ఉపరితల ఉష్ణోగ్రతలో 2.7 రెట్లు తగ్గాయి. వర్షపాతంలో దోషాలు కేవలం 7% తగ్గాయి.

AI వాతావరణ మోడళ్లు ఇప్పుడు అత్యుత్తమ అంచనాలకు సాటిగా ఉన్నాయి. అయినా వాటిలో ఏదీ తాను కొలిచిన శక్తిని ప్రచురించదు. శిక్షణను లెక్కలోకి తీసుకుంటే, వాటిలో ఒకటి సామర్థ్యంలో రెండో స్థానం నుంచి చివరి స్థానానికి పడిపోతుంది. ఖచ్చితత్వంతో పాటు శక్తిని కూడా నివేదించాలని బృందం కోరుతోంది.

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

రోజువారీ వర్షపాతాన్ని గమనిస్తూ ప్రతి రికార్డును నమోదు చేయండి: అంటే అంతకుముందు ఉన్న అన్ని రోజుల కంటే ఎక్కువ వర్షం కురిసిన రోజు. చాలా రికార్డులు అంటే చివరి శిఖరం కూడా ఎత్తుగా ఉండాలి కదా? ముగ్గురు భౌతిక శాస్త్రవేత్తలు ఖచ్చితమైన గణితంతో తనిఖీ చేశారు.

ఏదైనా నునుపైన పంపిణీ నుంచి తీసిన యాదృచ్ఛిక విలువలకు, సమాధానం కాదు అనే. రికార్డుల సంఖ్యకూ, అత్యధిక విలువకూ పూర్తిగా సంబంధం లేదు. శ్రేణి పొడవు ఎంత ఉన్నా, ఒకటి తెలిస్తే మరొకదాని గురించి ఏమీ తెలియదు.

సున్నా వర్షంతో పొడి రోజులను జోడిస్తే, ఒక సంబంధం కనిపిస్తుంది. పొడి రోజుల వాటా ఒక క్లిష్ట విలువ కంటే ఎక్కువైతే, అది మొదట పెరిగి, తర్వాత మసకబారుతుంది. దాని కంటే తక్కువైతే, అది మసకబారుతుంది మాత్రమే. ఈ పరిమితికి ఒక ఖచ్చితమైన సూత్రం ఉంది.

బృందం దీన్ని జర్మనీ వాతావరణ కేంద్రాల రోజువారీ వర్షపాత రికార్డులపై పరీక్షించింది. ఒక సమూహం పరిమితికి పైన, మరొకటి కింద ఉన్నాయి. రెండూ, ఒక్క పారామీటర్‌ను కూడా సర్దుబాటు చేయకుండా, అంచనా వేసిన ఆకారాన్ని అనుసరించాయి.

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

స్టెర్న్-స్కల్లింగ్ (stern-sculling) అనేది ఒకే తెడ్డుతో పడవను నడిపే ఒక పాత పద్ధతి. తెడ్డు పడవ వెనుక భాగంలోని ఒక గాడిలో ఆని ఉంటుంది, దాని రెక్క ఎప్పుడూ నీటి కిందే ఉంటుంది. తెడ్డు వేసేవారి చేతులు అనంత చిహ్నాన్ని గీస్తాయి.

ఒక ఫ్రెంచ్ బృందం 4.7 మీటర్ల పడవకు బల మాపకాలు, చలన సెన్సర్లు, వేగ మాపకం అమర్చింది. తర్వాత ఇద్దరు అనుభవజ్ఞులైన తెడ్డు వేసేవారు ప్రశాంతమైన నీటిపై దాన్ని నిశ్చల స్థితి నుంచి గరిష్ఠ వేగానికి నడిపారు.

పక్కలకు ఊపే స్ట్రోక్‌ల సమయంలో, తెడ్డు రెక్క విమాన రెక్కలా పనిచేస్తుంది. ఉత్థాపన బలం (lift) పడవను ముందుకు నెడుతుంది. ప్రతి మలుపులో, రెక్క వేగంగా తిరగబడటం నీటిని వెనక్కి తోస్తుంది. స్ట్రోక్‌లోని నాలుగు దశలూ ముందుకు నెడతాయి.

సెకనుకు 1.2 మీటర్ల మధ్యస్థ వేగం వద్ద సామర్థ్యం 65% దగ్గర శిఖరాన్ని చేరుతుంది. సెకనుకు 2 మీటర్ల వద్ద అది దాదాపు 25% కి పడిపోతుంది. అప్పుడు పడవ అడుగు భాగం (hull) తన క్లిష్ట వేగానికి దగ్గరగా ఉంటుంది, అలలు శ్రమను మింగేస్తాయి.

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

మన సౌర కుటుంబంలోని నాలుగు మహా గ్రహాలకూ వలయాలు ఉన్నాయి. అయినా మరో నక్షత్రం చుట్టూ ఉన్న పరిణతి చెందిన గ్రహం చుట్టూ ఇప్పటివరకు ఒక్క వలయం కూడా నిర్ధారణ కాలేదు. అవి అరుదైనవా, లేక చూడటం కష్టమా?

Roman అంతరిక్ష టెలిస్కోప్‌లో నక్షత్ర కాంతిని అడ్డుకునే ఒక కరోనాగ్రాఫ్ ఉంది. అది మహా గ్రహాలను అవి పరావర్తనం చేసే నక్షత్ర కాంతి ద్వారా చూడగలగాలి. మిషిగన్ విశ్వవిద్యాలయానికి చెందిన ఒక బృందం వలయాలు దీనికి ఏం జోడిస్తాయో మోడల్ చేసింది.

వలయాలు తమ గ్రహం కంటే పది నుంచి వంద రెట్లు ప్రకాశవంతంగా ఉండగలవు. అవి ఒక వేలిముద్రను కూడా వదిలిపెడతాయి: కక్ష్య పొడవునా ప్రకాశంలో రెండుకు బదులు నాలుగు శిఖరాలు, లోయలు.

బృందం Roman ప్రధాన లక్ష్యాల్లో ఒకటైన ఎప్సిలాన్ ఎరిడానీ b ని అనుకరించింది. వలయం లేకుండా, అది తరచూ గుర్తింపు పరిమితి కిందకు దిగిపోతుంది. శని లాంటి వలయంతో, అది రెండింతల వరకు ప్రకాశవంతంగా మెరిసి, దాదాపు తన కక్ష్య మొత్తం కనిపిస్తూనే ఉంటుంది.

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

మెయిన్స్ విద్యుత్ 50 లేదా 60 హెర్ట్జ్ వద్ద నడుస్తుంది, కానీ ఎప్పుడూ ఖచ్చితంగా కాదు. దాని పౌనఃపున్యం ఊగిసలాడుతుంది, మొత్తం గ్రిడ్ అంతటా ఒకే విధంగా. దీపాలు దానితో పాటు మినుకుమంటాయి, కెమెరాలు ఆ మినుకును రికార్డు చేస్తాయి.

సౌతాంప్టన్ సోలెంట్ విశ్వవిద్యాలయానికి చెందిన ఇద్దరు పరిశోధకులు AI వీడియోల్లో ఈ మినుకు ఉండదని ఆశించారు. ఆశ్చర్యం: సృష్టి సాధనాలు దాన్ని నిజమైన ఫుటేజ్ అంత బలంగానూ పునఃసృష్టిస్తాయి. అది ఉండటం దేన్నీ రుజువు చేయదు.

కాబట్టి వారు ఆ ఊగిసలాటను గ్రిడ్ యొక్క స్వతంత్ర రికార్డుతో పోలుస్తారు. వారి వ్యవస్థ 93% నిజమైన ఆడియో క్లిప్‌లను, 100% నిజమైన వీడియోలను ఆమోదించింది. అది ఒక ధ్వని రికార్డింగ్ సమయాన్ని ఒక రోజు పరిధిలో దాదాపు ఒక సెకను వరకు నిర్ణయించగలదు.

ఒక నిజమైన దృశ్యానికి చేసిన రెండు AI పునఃసృష్టులు 60 హెర్ట్జ్ వద్ద మినుకుమన్నాయి, పేర్కొన్న ప్రదేశం 50 వద్ద నడుస్తుంది. బలహీనమైన చోటు అలాగే ఉంది: నిజమైన ఫుటేజ్‌లో మార్చిన ముఖం నిజమైన హమ్‌నే నిలుపుకుంటుంది.

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

గ్లూవాన్‌లు బలమైన బలాన్ని మోసుకెళ్తాయి, క్వార్క్‌లను కట్టిపడేసే బలం అదే. వాటిని తగినంత వేడి చేస్తే అవి ప్లాస్మాగా ఏర్పడతాయి. అది ఎంత పీడనాన్ని కలిగిస్తుంది? భౌతిక శాస్త్రవేత్తలు ఈ సమాధానాన్ని అంచెలంచెలుగా లెక్కిస్తారు, ప్రతి అంచె మరింత సూక్ష్మమైన సవరణ.

g⁶ పదం అనే ఒక అంచె ఇరవై ఏళ్లకు పైగా అందకుండా ఉండిపోయింది. దానికి ఒక్కోదానిలో నాలుగు లూప్‌లు ఉన్న, చిక్కుపడిన 65 డయాగ్రామ్‌లు అవసరం.

హెల్సింకి, తుర్కు, చిలీ, బెర్న్‌లకు చెందిన ఒక బృందం చివరకు దాన్ని పూర్తి చేసింది. వారు ఒక కొత్త పద్ధతితో తొమ్మిది తెలియని సమాకలనాలను (integrals) సాధించారు, సూపర్‌కంప్యూటర్లపై దాదాపు పది లక్షల ప్రాసెసర్-గంటలు ఉపయోగించారు.

ఫలితం: మునుపటి అంచెలు ప్లాస్మా కంప్యూటర్ అనుకరణల పైకీ కిందకీ ఊగిసలాడాయి. కొత్త పదంతో, సిద్ధాంతం, అనుకరణ ఏకీభవిస్తాయి, గ్లూవాన్‌లు విముక్తమయ్యే ఉష్ణోగ్రతకు కొన్ని రెట్ల వరకు కిందకు కూడా. తదుపరి లక్ష్యం: న్యూట్రాన్ నక్షత్రాల విలీనాల కోసం క్వార్క్‌లను జోడించడం.

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

భారతదేశంలో, రోజువారీ కొనుగోళ్లలో చాలా భాగం కిరాణా దుకాణాలు అనే చిన్న జనరల్ స్టోర్లలో జరుగుతుంది. AI అలాంటి దుకాణాన్ని నడపగలదా? తెలుసుకోవడానికి BITS పిలానీకి చెందిన ఒక బృందం అనుకరించిన దుకాణాన్ని నిర్మించింది.

ఒకే AI మోడల్ నలుగురు సిబ్బంది పాత్రలనూ పోషిస్తుంది: మేనేజర్, క్యాషియర్, సహాయకుడు, మునీం. మేనేజర్ దుకాణాన్ని ఎప్పుడూ చూడడు, సిబ్బంది నివేదికలను మాత్రమే. కస్టమర్లు, సరఫరాదారులు ఇంగ్లీష్, హిందీ లేదా హింగ్లిష్‌లో మాట్లాడతారు.

నాలుగు ఓపెన్ AI మోడళ్లు ఒక్కొక్కటి 30 అనుకరించిన రోజుల పాటు దాన్ని నడిపాయి. నియమాలను పాటించే ఒక సాదా దుకాణదారుడు దాదాపు 103,000 రూపాయలు సంపాదించాడు. అత్యుత్తమ మోడల్ సగటు దాదాపు 13,700. రెండు మోడళ్లు ఎవరూ బాధ్యత వహించని దుకాణం కంటే ఎక్కువ నష్టపోయాయి.

వైఫల్యాలకు పేర్లు ఉన్నాయి. ఉనికిలోనే లేని సరఫరాదారులకు ఈమెయిళ్లు. ఎప్పుడూ జరగని ఒక చెల్లింపు. రెండుసార్లు చెల్లించిన ఆర్డర్లు. ఒక మోడల్ పంపిన హిందీ ఈమెయిళ్లలో 42% చదవలేనివిగా తిరిగి వచ్చాయి.

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

ఆరోగ్య యాప్‌లు మీ గుండె వేగాన్ని, మీ గ్లూకోజ్‌ను, కొన్నిసార్లు మీ మానసిక ఆరోగ్యాన్ని కూడా ట్రాక్ చేస్తాయి. అమెరికా, కెనడాలోని విశ్వవిద్యాలయాలకు చెందిన ఒక బృందం Google Play లో వాటిలో 10,000 కి పైగా యాప్‌లను పరిశీలించింది.

69% యాప్‌లు తమ వివరణ సమర్థించని కనీసం ఒక అనుమతిని అడుగుతాయి. దాదాపు సగం యాప్‌లకు ఏ కారణమూ చెప్పకుండా మీ లొకేషన్ లేదా మీ కెమెరా కావాలి. మూడో వంతుకు మైక్రోఫోన్ కావాలి.

బృందం యాప్‌లను పరీక్షా ఫోన్‌లలో ప్రారంభించింది. నడిచిన 3,599 యాప్‌లలో 93% ఏ సమ్మతి తెరనూ చూపించలేదు. అయినా చాలా యాప్‌లు ఫోన్ ప్రకటనల ID ని బయటకు పంపాయి.

సమ్మతి ఫారం కనిపించినప్పుడు, యాప్‌లు చాలావరకు మాట నిలబెట్టుకుంటాయి: 14 లో 1 యాప్ తాను ప్రస్తావించనిదాన్ని సేకరించింది. పెద్ద, భారీ నిధులున్న డెవలపర్లు కూడా తప్పటడుగు వేశారు. యాప్ స్టోర్‌కు చేరకముందే ఆటోమేటిక్ గోప్యతా తనిఖీలు ఉండాలని రచయితలు కోరుతున్నారు.

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