هوش مصنوعی و خواندن افکار

هوش مصنوعی و خواندن افکار

هوش مصنوعی تفکر بسیاری ازمردم و دانشمندان را پیــرامون خواندن افکار تغییــــر داد.

فیلسوفی بـــه نــــام جان لاک که در عصــــر روشنـــگری زندگی می کرد می گفت : اقدامات

افراد همیشه طرز تفکر آنها را نشان می دهد. اما افـــرادی مثـــل او از در مورد تکنولوژی 

انسان-دستگاه فکر نمی کردند . اما اینکه اعمال دستگاه ها نتیجه تفکر انسان باشد چیست؟

خیلی ها بر این باورند که ارتباط مغز-ماشین و مغز-کامپیوتر راه بعـــدی اســـت کـــه مــا با

ماشین ها و حتی با یکدیگر ارتباط برقرار خواهیم کرد.رابط های دستگاه مغـــزی (BMI) و

رابط های مغزی و رایانه ای (BCI) دستگاه هایی هستند که ارتباط مستقیم بین مغز و یک 

دستگاه خارجی را امکان پذیر می کنند.

شرکت های هوش مصنوعی و موسساتی  که در زمینه خواندن افکار فعالیت می کنند

این نوع فناوری ، دنیای کاملی از برنامه های تجاری را نمایان می کند. از مشاغــل خطـــرناک

که در حــال حاضر از ربات ها استفاده می کنند گرفته تا ساخت و حتــی فضای مصرف کننده 

همه از این فناوری استفاده می کنند . شرکت Neurable در زمینه کنتـــرل اعضای بدن به

وسیله افکار کـــار مــــی کند ایده این پروژه زمانی به ذهن بیانگذار این شرکت Ramses

Alcaide رسید که شاهد از دست دادن پاهای عمـــوی خـــود در یک تصــادف اتومبیـل بود

شرکت MindX معتقد است که مرحلـــه بعدی در کامپیوتـــر ها یک پیوند مستقیـــم از مغــز

به دنیای دیجیتال است این شرکت از عینک های هوشمند برای ایجاد پیوندی بین مغز انسان

و فناوری استفاده می کند. شرکت MindX این ارتباط را با “ترکیـــب فنـــاوری عصبـــی ،

واقعیت افزوده وهوش مصنوعی برای ایجاد یـــک رابـــــط” نگاه- فکری بـــرای برنامه های

رایانه ای فضایـــی نســل بعـــدی ایجـاد می کنند.در حالی که برخی از شرکت های رابط مغز

و کامپیوتر بر درک مغـــز و معیارهای شنـــاختــی تمرکــز دارند ، بــــرخی دیـگر بر کنترل

دستگاه در زمـان واقــعی تمرکز مــی کـنـنـد. NextMind ، که مقر آن در پاریس ، است

، از BMI غیــر تهـــاجمی استفـــاده می کند که سیگنال های مغزی را فوراً از قشر بصری

کاربر به دستورات دیجیتـــالی بـــرای هر وسیلــه ای در زمان واقعی ترجمه می کند. البته 

موسسات دیگری هم در این زمینه فعالیت دارند و سعــی مـــی کـنـنـد که رایانه هایی بر پایه

مغز-دستگاه درست کنند.

هوش مصنوعی نقاط پر خطر در حریق را شناسایی می کند

هوش مصنوعی نقاط پر خطر در حریق را شناسایی می کند

محققان استنفورد راهی برای ردیابی و پیش بینی مناطق خشک و نقاط پر خطر ، با استفاده از هوش مصنوعی

و یادگیری ماشین و تصـــاویر مـــاهواره ای پیـدا کرده اند . در حال حاضر نحوه آزمایش جنگل ها و گلخانه ها

برای حساسیت به آتش سوزی با جمع آوری دستــی شاخه هــا و شاخ و برگ و آزمایش میزان آب آنها است .

که دقیق و قابل اعتماد است ، اما بدیهی است که بسیار کار دشـــواری است . اما خوشبختانه بــا استفاده از 

هوش مصنوعی و الگوریتم های یادگیری ماشینی می توان بر این مشکل قلبه کرد.

چگونه هوش مصنوعی نقاط پر خطر را شناسایی می کند؟

مـــاهواره های Sentinel و Landsat آژانس فضــایی اروپــا یک مجموعه تصویری از سطح زمین راگــــردآوری

کرده اند که می تواننـد مـنـبـع ثـانویه ای بـــرای ارزیابی خطر آتش سوزی باشند . این اولین تلاش بـــرای ایجاد این

نـوع مـشـاهـدات از تصـاویر مـداری نیست ، اما تلاش های قبلی به اندازه گیری های بصری “بسیــار خــاص سایت”

وابسته بودند ، به این معنی که روش تجزیه و تحلیل بسته به مکان متفاوت بود. ایـن راهـکـار بـدون شـکاف است

امـا هـنـوز هـم مـقـیـاس کـردن آن سخـت است. پیشـرفتی کـه تیم اسـتـنـفـورد از آن بـهـره گـرفتـه ، مـاهـواره های

Sentinel “رادار دیـــافراگم مصنوعی” هستنـــد کـــه مـــی توانند پوشش جنگل را حذف  کرده و از سطح زیرین 

تصویر برداری کنند. این تیم این تصاویر جدید را که بطور منظم از سال 2016 جمع آوری شده اند ، به یــک مدل

یادگیری ماشین به همراه اندازه گیری دستی که توسط سرویس جنگل ایالات متحده انجام شده است ، تغذیه کردند.

آنها سپس عامل هوش مصنوعی حاصل را با آزمایـــش پیش بینی بر اساس داده های قدیمی که قبلاً جواب آنها را

می دانستند ، آزمایش کردند. و جواب به دست آمده دقیق بـــود ، اما بیشتر از همه در اسکراب ها ، یکی از رایج

ترین بیوم های غرب آمریکا و همچنین یکی از مستعدترین آتش سوزی هایی که در آمریکا وجود دارد.

هوش مصنوعی روزنامه نگاری را تحت شعاع قرار می دهد

هوش مصنوعی روزنامه نگاری را تحت شعاع قرار می دهد

در چند ســـال اخیـــر همه صنعــت ها به فنـــاوری رو آورده انـــد و هوش مصنوعی روزنامه نگاری را نیـــز

تحــت شعــــاع خود قرار داده. پیامـــد اقتصـــادی نـاشی از بیمـاری همه گیر COVID-19 باعث بروز بحران

بــی سابقــه ای در روزنـــامه نگـــاری شده است که می تواند به سازمان های رسانه ای را در سراسر جهان

ضربه بزنـــد. آینـــده خبـــرگــــزاری و بقــــای آن مــــی تواند در هوش مصنــــوعی نهفته بـــاشد.در کـانادا ،

آژانس خبـــری کانـــادا پـــرس یکی از رسانه های نــادری است که از هوش مصنوعی در اتاق های خبر خود

استفاده می کند. آنها سیستمی برای سرعت بخشیدن به ترجمه ها بر اساس AI ایجاد کرده اند. آژانس خبری

Agence France-Presse (AFP) همچنین از AI برای شناسایی عکس های مستند استفاده می کند.

هوش مصنوعی جایگزین روزنامه نگاری نخواهد شد

هوش مصنـــوعی بــــرای از بیـــن بـــردن شغل ها و یا جایگزینـــی روزنامه نگاران وارد این عرصه نشده،

بلکه به عقیده مـــارکونی رئیـــس آزمایشگاه رسانه در وال استریت ژورنــال و آسوشیتدپرس، فقط 8 تا 12

 درصــد وظایــــف کنـــونـــی خبرنگـــاران را دستگاه ها بــــر عهــــده می گیرند و در واقع ویرایش گر ها و

خبر نگـــاران را به سمـت تــــولیــد مـحتــــوا هـــای با ارزش تــــر مـانـنـد :روزنـــامه نـــگاری با فرم بلند،

مصاحبـــه هـــای ویــــژه، تحلیــــل ، روزنــامه نگاری مبتنی بر داده ها ، و روزنامه نگاری تحقیقاتی سوق

می دهد.در حـــال حـــاضر ، روبات هـــای هوش مصنوعـــی وظایف اساسی مانند نوشتن دو تا شش بند در

امتیـــازات ورزشـــی و گــــزارش درآمد سه مـــاهه در آسوشیتدپرس ، نتــایج انتخابات در سوئیس و نتایج

المپیک در واشنگتــن پـسـت را انجــــام مـی دهنــد. نتـــایج قانع کننـــده هستند، امـا هـمتچنین محدودیتAI

را نشــان مـی دهنـــد. در خبــرگزاری بـلومبـــرگ روبـــات هــای هوش مصنوعی کـه پایگاه های داده های

بــزرگ را تجـــزیه و تحلیــــل می کننـــد ، مـی توانند به محــض ظهور یک روند یا ناهنجاری از داده های

بزرگ ، هشــدار دهنــد. و یـــا هوش مصنوعی همچنیـــن می تواند بـــا رونویسی از مصاحبه های صوتی

و تصویری ، وقت زیادی را برای خبرنگاران صرفه جویی کند.

هوش مصنوعی سرطان را شکست می دهد

هوش مصنوعی سرطان را شکست می دهد

دانـشـمـندان بـا اسـتـفاده از فـنـاوری یـادگـیـری مـاشـیـنـی و هوش مصنوعی سرطان را درمان می کنند 

مـحـقـقان استـرالیـا جـنـوبی در حال یـافتن روش های جدیدی برای بهتر نشـان دادن پولیپ های مشکوک

بـا اسـتـفـاده از هوش مصنوعی در مـبـارزه بـا سـرطــان کشـنـده روده هـسـتـنـد.دکـتـر گـابـریـل مـایـکـا

بخشی از تیم موسسه یادگیری ماشین در استرالیا در آدلاید ، استرالـیای جنـوبی اسـت که برای اولین بار

بیـش از 1000 داده  تصـویـری از پولیپ های بیـمـاران در بـیـمـارسـتان لیل مک اوین ایالت جمع کرد.

این داده ها چگونه باعث می شود هوش مصنوعی سرطان ها را شناسایی کند؟

هشتاد درصد از تصاویر برای آموزش یک برنامه هوش مصنـوعـی بـرای شنـاسایی پولیپ های مختلف

مشاهده شده در کلونوسکوپی برای غربالگری بیماران مبتلا به سرطان روده بزرگ و روده استفاده شد.

دکتـر مایکـاس گفت: “مـا از 20٪ دیـگر تصـاویر  پولیپ بـرای کنترل عملکرد برنامه استفاده کردیم..”

اثـبـات کـار مفـهـومی ، که در سـال 2017 با همکاری دانشگـاه علوم پزشکی و پزشکی دانشگاه آدلاید

آغـــاز شده است ، نتــایج مثبتــی را نشــان داده اسـت کـه ایـن برنـامـه قادر است از سیستم تشخیصــی

به کمـــک رایــانه استفــاده کنـــد تا از پیــتش بینــی دقیـــق بافــت شناسی پولیپ ها بتـوانند بهره ببرند.

پولیپ های روده بـــزرگ معمولاً در طــول کولونوسکوپی یــافت می شونــد و آن پولیپ ها معـمــولاً 

بیوپسی می شوند یا برای تفسیر بافت شناسی نمونه برداری می شود وبه آزمایشگاه فرستاده می شوند.

دکتر مایکاس گفت: استفـــاده از هوش مصنوعی بـــرای پیـــش بینـــی دقیـــق بــافت شنــاسی پولیپ ها

در طــول کولونوسکوپی نه تنــها بـه طور بــالقوه می تــواند هـزینــه را کــاهـش دهـد بلکــه عــوارض

  مرتبط با پولیپکتومـــی یا از بیــن بردن پولیپ را نیــز در پی دارد که کمــک بزرگـــی به بیمار است.

وی افزود: “هدف ما تهیه روشی برای کمک به پزشکان در تشخیص پولیپ در تشخیص پولیپ است.”

دکتر مایکاس گفت که این هدف فعلی جمع آوری داده های بیشتر بـــرای آزمـــایش بیشتر سیــستم است

که امیدوارم این پروژه را به مرحله کارآزمایی بالینی پیش ببرد و در نهایت به عملکرد درمـانی برسد.

هوش مصنوعی زلزله را پیش بینی می کند

هوش مصنوعی زلزله را پیش بینی می کند

پس از تست موفقیت آمیز برنامه هوش مصنوعی زلزله ، در آزمایشگاه، از الگوریتم یادگیری ماشین برای

زلزلــه هایــی در شمـــال غربــی اقیانوس آرام استفاده شد. در ماه مه سال گذشته پس از سیزده ماه سکوت

زمیــن های واشنگتـــن این شهــر به ارزه در آمـــد. این رمین لرزه در عمق بیست مایلی کوه های المپیک

به وقوع پیوســـت و تـــا جزایر ونکور ادامه پیـــدا کــرد. سپس دوباره به مرز های ایلات متحده بازگشت.

به گفته کارشناسـان این زمیـن لـرزه ها شـش ریشتر قـدرت داشتند. این زلزله باعـث شد  تا جزیره ونکور

یک سانتی متر به اقیانوس آرام نزدیک تر شود .

هوش مصنوعی زلزله را چگونه پیش بینی می کند

تیم جانسون در میان گروه های معدودی است که با استفاده از یادگیری ماشین سعی در تحلیــل فیزیک زلزله

و نشانه های هشدار دهنده زلزله های قریب الوقوع دارند. دو سال پیـش ، با استفاده از الگوریــتم هــای یافتن

الگو، شبیه به مواردی که در پیشرفت های اخیر در تشخیص تصویر و گفتار و سایر اشکال هوش مصنوعی

وجــود دارد ،وی و همـــکارانش بـا موفقیت لـرزه هـا را در یـک سـیـسـتـم آزمـایشـگاهـی پیـش بینــی کردند

شاهـکاری کـه از آن زمان توسـط مـحـقـقـان اروپــا کپی برداری شده است.جانسون و تیمش گزارش دادند که

الـگوریتـــم خـود را در زمین لرزه هـای کــوچـک در شـمـال غــربـی اقــیـانـــوس آرام آزمـایــــش کـرده انـد.

ایـن مـقـالـه هـنـوز مـورد بـررسـی همـگان قرار نگرفته است ، اما کـارشناسان خـارج از کشور می گویند که

نـتـایـج مـورد نـظر دور از دـستـرس اسـت. امـا بــه گـفـتـه جـانـســـون ، کـار آنـهـا نـشـان مـــی دهــد کــــــه

ایـن الگوریتم می تواند شروع زمیـن لرزه های خفیف را به “ظرف چند روز – و احتمالاً بهتر” پیش بینی کند.

مـصـطـفـی موسـوی ، ژئـوفیـزیکـدان دانـشـگـاه اسـتـنـفـورد ، نـتـایج جـدیـد را “جالب و انگیزه بخش” خواند.

او و سـایر افـراد در اـین زمـیـنه تـأکـیـد مـی کنـند کـه یـادگیـری ماشیـنی قبل از اینکه ، بتواند زمین لرزه های

فاجعه آمیز را با اطمینان پیش بینی کند، مسیری طولانی را  در پیش دارد  

​