تشخیص “کروناویروس” با هوش مصنوعی در چند ثانیه

پردیس فناوری کیش _ طرح مشاوره متخصصین صنعت ومدیریت_ دپارتمان فناوری اطلاعات وارتباطات

نقش هوش مصنوعی برای مقابله با کروناویروس چیست؟

از زمان اولین گزارشات شیوع بیماری کروناویروس (COVID-19) در ووهان چین، این ویروس حداقل در ۱۰۰ کشور دیگر گسترش یافته است.

بسیاری از کشورها با کمک تحلیل داده‌های آماری و الگوریتم‌های هوشمند روند این بیماری همه‌گیر را پیگیری و آمادگی لازم را برای مقابله با شیوع این بیماری را به‌دست آوردند.

هوش مصنوعی برای تشخیص، پیگیری و پیش‌بینی عوامل مؤثر بر نرخ انتقال این بیماری، مؤثر و کارآمد محسوب می‌شود.

شناسایی هرچه دقیق‌تر رفتار ویروس به معنای مبارزه بهتر با آن است.

هوش مصنوعی با تجزیه و تحلیل گزارشات خبری، رسانه‌های اجتماعی و اسناد دولتی می‌تواند روند شیوع این بیماری را شناسایی و به پرسنل بخش درمان در تسریع تشخیص و نظارت کارآمد بیماری کمک کند.

تشخیص کرونا در امریکا

یکی از محققان آمریکایی موفق به تولید یک نرم‌افزار مبتنی بر “هوش مصنوعی” شده که می‌تواند وجود کروناویروس در عکس اشعه ایکس قفسه سینه افراد را تنها در عرض چند ثانیه تشخیص دهد.

در این راستا، یکی از محققان دانشگاه “دیتون”(Dayton) در ایالت “اوهایو” آمریکا یک فناوری جدید توسعه داده که می‌تواند در عرض چند ثانیه و با دقت ۹۸ درصد ابتلای افراد به “کروناویروس” را تشخیص دهد.

“باراث نارایانان”(Barath Narayanan) این نرم‌افزار هوش مصنوعی را طراحی کرده که می‌تواند تنها با اسکن تصاویر اشعه ایکس قفسه سینه، بیماری “کووید-۱۹” را شناسایی کند.

در این نرم‌افزار از یک الگوریتم “یادگیری ماشین” استفاده می‌شود که به نحوی آموزش داده شده که از اسکن قفسه سینه افراد مبتلا به بیماری و افراد سالم استفاده می‌کند تا به جست‌وجوی نشانه‌های مرتبط با “کروناویروس” بپردازد.

باراث نارایانان” در خصوص دستاورد ارزشمند خود اظهار کرد، این الگوریتم با استفاده از یادیگری عمیق که شاخه‌ای از “هوش مصنوعی” است، خود را به شناسایی علائم و نشانه‌های بیماری آموزش داد.

وی ادامه داد، با گذشت زمان این الگوریتم، شناسایی تصاویر بیشتری از اشعه ایکس را به خودش آموخت و حتی دقت آن از ۹۸ درصد به ۹۹ درصد هم رسید.

“باراث نارایانان” که مدرک کارشناسی ارشد و دکتری خود در رشته مهندسی برق را از دانشگاه “دیتون” دریافت کرده است، گفت: من خواستم کاری برای منافع مشترک انجام دهم و به نظر رسید که تصویربرداری‌های پزشکی روش خوبی برای انجام این کار است.

این محقق قصد دارد طی چند روز آتی دستاورد خود را به تایید “سازمان غذا و دارو” آمریکا برساند.

آیا هوش مصنوعی به تولید واکسن کرونا کمک می‌کند؟

این فناوری همچنین سرعت پردازش مطالبات درمانی را افزایش و میزان تعامل نزدیک بین بیماران و کارکنان بیمارستان را کاهش می‌دهد.

تحویل تجهیزات پزشکی توسط پهباد یکی از امن‌ترین و سریع‌ترین راه‌ها برای تهیه این تجهیزات در شرایط قرنطینه است.

از جدیدترین دستاوردهای هوش مصنوعی و قدرت محاسباتی آن، شناخت ساختار پروتئین‌های میزبان ویروس است که می‌تواند به درمان و ساخت واکسن برای این بیماری کمک کند. همچنین استفاده بهینه از داروهای موجود و ارائه داروهای جدید برای مبارزه با این بیماری از دیگر دستاوردهای حیاتی هوش مصنوعی است.

هوش مصنوعی دربورس

پردیس فناوری کیش _طرح مشاوره متخصصین صنعت ومدیریت _دپارتمان فناوری اطلاعات وارتباطات

اگر بخواهیم کاربرد استفاده از هوش مصنوعی در بازار بورس را بیان نماییم، می توانیم آن را در موارد زیر خلاصه کنیم.

  • آموزش هوش مصنوعی برای نظارت بر بازار و تجزیه و تحلیل سریع
  • بدست آوردن استراتژی های معاملاتی از طریق معاملات الگوریتم
  • برخورداری از تغییرات زمان واقعی خرید و فروش سهام
  • پیش بینی و کمک به تجزیه و تحلیل داده در گذشته و آینده پیش رو
  • دقت بیشتر در معاملات و کمک به داشتن فرایندی اتوماتیک
  • و …

چگونه هوش مصنوعی بورس را پیش‌بینی می‌کند؟

به چندین روش هوش مصنوعی به پیش‌بینی بازارهای مالی کمک می‌کند که در ادامه با چند تا از آن‌ها آشنا می‌شویم.

۱)کشف الگوها

رایانه‌های بسیار قدرتمند می‌توانند داده‌های بی‌شماری را در چند دقیقه تحلیل کنند؛ بنابراین می‌توانند الگوهای تاریخی و تکرارپذیر را شناسایی کنند. شناسایی این الگوها به معامله‌گری هوشمند منجر می‌شود، الگوهایی که اغلب از نگاه افراد سرمایه گذار مخفی می‌مانند.

انسان‌ها نمی‌توانند همه‌ی این داده‌ها را تحلیل کنند و با همان سرعت همه‌ی این الگوها را شناسایی کنند. تصور کنید هوش مصنوعی می‌تواند هزاران شرکت را در چند لحظه بررسی کند.

خبرگزاری CNN می‌گوید: وقتی صحبت از معامله گری با داده‌‌های انبوه می‌شود، بعضی از صندوق‌های تامین سرمایه‌ی مالی از هوش مصنوعی برای رمزگشایی ۳۰۰ میلیون داده‌ی قیمتی در بورس نیویورک در ساعات ابتدائی روز استفاده می‌کنند.

هم‌چنین تشخیص روند بازار و بهبود تجربه‌ی کاربری برای معامله گران از دیگر خدمات هوش مصنوعی در بازارهای بورس است.

۲)معامله بر اساس اخبار اقتصادی

با تحلیل عنوان اخبار، نظرات شبکه‌های اجتماعی و بلاگ‌ها و … هوش مصنوعی می‌تواند مسیر حرکتی سهام را پیش‌بینی کند. این پیش‌بینی با استفاده از تحلیل متن و الگوریتم‌های پردازش زبان طبیعی صورت می‌پذیرد.

این الگوریتم‌ها با تعلیم دادن هزاران داده‌ی متنی به دنبال موارد مشابه و منظم می‌گردد که بیش‌ترین صحت را دارند.

۳)سرعت بخشیدن به معامله گری

با اینکه این یک ویژگی انقلابی نیست اما سرعت معامله گری را افزایش می‌دهد زیرا امروزه هر میلی ثانیه ارزش دارد. هوش مصنوعی یعنی خودکارسازی معاملات، بدون این‌که حتی بخواهید برای دریافت نرم‌افزار با کارگزاری خود تماس بگیرید.

شرکت‌هایی که با هوش مصنوعی بورس را تحلیل می‌کنند

در ادامه برخی از مهم‌ترین شرکت‌های فعال در حوزه‌ی هوش مصنوعی و بازارهای مالی را بررسی می‌کنیم و می‌بینیم که چگونه از هوش مصنوعی برای سود‌آوری خود و مشتریانشان بهره می‌برند.

  • شرکت TRADING TECHNOLOGIES در شیکاگو

Trading Technologies صاحب یک پلتفرم هوش مصنوعی است که الگوهای معاملاتی پیچیده را در مقیاس عظیمی از بازارهای چندگانه‌ی مالی و بی‌درنگ (real-time) شناسایی می‌کند.

با ترکیب فناوری یادگیری ماشین و قدرت پردازشی سریع داده‌های بزرگ (big data)، این شرکت به مشتریان خود ارزیابی مداومی از ریسک همکاری با ‌‌آن‌ها را ارائه می‌دهد.

  • شرکت GREENKEY TECHNOLOGIES در شیکاگو

این شرکت با استفاده از فناوری‌های تشخیص صدا (speech recognition) و پردازش زبان طبیعی (NLP) به کمک معامله‌گران می‌آید. این فناوری‌ها زمان زیادی برای معامله‌گران ذخیره می‌کنند و به جای آن‌ها در مکالمات، داده‌ها و صورت‌های مالی شرکت‌ها کاوش می‌کنند.

با پلتفرم شرکت GreenKey Technologies، متخصصان مالی به کمک هوش مصنوعی می‌توانند بی‌درنگ (real-time) صورت‌های مالی شرکت‌ها را تحلیل کنند و شرکت‌های رو‌به‌رشد را شناسایی کنند.

  • شرکت KAVOUT در سیاتل واشنگتن

این شرکت محصولی به نام «K Score» دارد که خود زیرمجموعه‌ی پلتفرم هوش مصنوعی کای (kai) از همین شرکت است. K Score با پردازش مجموعه‌های عظیم و متنوع داده و اجرای مدل‌های پیش‌بینی کننده‌ی مختلف می‌تواند سهام شرکت‌ها را امتیازدهی کند. با استفاده از هوش مصنوعی ،فناوری تشخیص الگو و موتور پیش‌بینی قیمت، Kavout هر روز بهترین شرکت‌های پیشنهادی را مشخص می‌کند.

  • شرکت AITRADING در لندن انگلستان

این استارت‌آپ با ترکیب هوش مصنوعی و جامعه‌ی معامله‌گری کمک می‌کند سود بیشتری کسب شود. AITrading بازارهای مالی را رصد می‌کند تا بتواند فرصت‌های بهینه‌ی معامله‌گری را شکار کند. این معاملات با استفاده از قراردهای هوشمند مبتنی بر بلاک‌چین انجام می‌شوند. همه‌ی معاملات وارد بلاک‌چین شده و غیر قابل تغییر و دست‌کاری هستند.

  • شرکت SENTIENT INVESTMENT MANAGEMENT در سان‌فرانسیسکو کالیفرنیا

شرکت Sentient با استفاده از هوش مصنوعی هم در معامله‌گری و هم در سرمایه گذاری به طراحی استراتژی کمک می‌کند. با ترکیب فناوری‌های انقلابی و الگوریتم‌های یادگیری عمیق، این سیستم هوش مصنوعی به صورت مداوم پردازش می‌کند و استراتژی‌های جدیدی را توسعه می‌دهد.

  • شرکت INFINITE ALPHA در لندن انگلستان

Infinite Alpha از هوش مصنوعی برای تسهیل معاملات دارایی‌های رمزنگاری شده (crypto-asset trading) استفاده می‌کند. هم‌چنین این شرکت با ارائه‌ی خدماتی مانند احراز هویت پیشرفته، رمزنگاری، ایمن‌سازی واحدهای سخت‌افزاری و …  به متخصصان معامله‌گری خدمات امنیتی ارائه می‌کند. با استفاده از رابط کاربری داشبورد این پلتفرم، کاربران می‌توانند به راحتی به جزئیات حساب، موجودی و تاریخ تراکنش‌هایشان دسترسی داشته باشند.

  • شرکت TECHTRADER در سان‌فرانسیسکو کالیفرنیا

Techtrader یک سیستم معاملاتی سهام کاملا خودمختار است و به هیچ مداخله‌ای از طرف انسان‌ها نیاز ندارد؛ در ضمن این سیستم هفت سال است که فعالیت می‌کند. بدون نیاز به تنظیم و به‌روزرسانی، این سیستم تفکرات انسانی حاکم بر بازار را با نظم و گستره‌ی نفوذ ماشین‌ها ادغام می‌کند. طبق ادعای این شرکت، کار آن‌ها معادل گماشتن هزاران معامله‌گر و تمرکز هر یک از آن معامله‌گران فقط روی یک سهام است.

  • شرکت TRADE IDEAS در سان‌دیگو کالیفرنیا

Trade Ideas صاحب یک پلتفرم ربات معامله‌گر به نام «Holly» است که از هوش مصنوعی بهره می‌برد. این پلتفرم چندین الگوریتم سرمایه‌گذاری و بیش از یک میلیون استراتژی مختلف معاملاتی را بررسی می‌کند تا در مراحل آینده‌ی شرکت احتمال سودآوری را افزایش دهد. فقط استراتژی‌هایی که درصد موفقیت ۶۰ به بالا و نسبت سود به ریسک ۲ به بالا داشته باشند به مشتریان پیشنهاد می‌شوند.

بعضی نا‌کارامدی‌های هوش مصنوعی بورس را ریسک‌پذیر می‌کند

مسئولیت اشتباهات احتمالی هوش مصنوعی را چه کسی بر عهده می‌گیرد؟

سیستم‌های هوش مصنوعی نیز مانند انسان‌ها در شروع کار مبتدی هستند و با گذر زمان تعلیم‌ می‌بینند،‌ سعی‌و‌خطا می‌کنند و پیشرفت می‌کنند. اما اگر در این فرایند نتیجه‌ی نهایی با ضرر همراه باشد چه کسی جواب‌گو است؟

با همه‌ی پیشرفت‌های شکل گرفته و خدمات هوش مصنوعی به بازارهای مالی، باید قبول کنیم هنوز تا حذف کامل نقش‌ انسان‌ها و واگذاری آن به هوش مصنوعی فاصله داریم. یک مثلث طلایی در معامله ‌گری وجود دارد که شامل استراتژی، مدیریت سرمایه و روانشناسی بازار است.

هوش مصنوعی در دو ضلع اول شیوع پیدا کرده اما ضلع روان‌شناسی بازار حداقل تا آینده‌ی نزدیک فقط توسط انسان‌ها قابل درک است. 

بحران‌هایی در دنیا شکل می‌گیرند و این بحران‌ها مانند کرونا و جنگ و تصمیمات سیاست‌مداران روی بازار تاثیر می‌گذارند.

هوش مصنوعی در بازارهای سرمایه

پردیس فناوری کیش_طرح مشاوره متخصصین صنعت ومدیریت_دپارتمان فناوری اطلاعات وارتباطات

ورود به بازار سرمایه

بازار سرمایه از مهم‌ترین اجزای اقتصاد دنیای امروز است. هر کدام از بازیگران این حوزه با هدف خاصی وارد بازارهای سرمایه می‌شوند. ممکن است شما صاحب یک شرکت باشید و فکر می‌کنید شرکت شما به اندازه کافی بالغ شده است و شاید بهتر است سهام آن را در بازارهای سرمایه عرضه عمومی کنید و سرمایه بیشتری جذب کنید.

فعالیت در بازار سرمایه‌

در بازار روش‌های مختلفی برای انتخاب سهم سرمایه وجود دارد. از تحلیل بنیادی (Fundamental Analysis) و تحلیل تکنیکال (Technical Analysis) گرفته تا انتخاب سهم بر اساس طالع‌بینی و وضعیت ستاره‌ها (در عمل یعنی انتخاب تصادفی).

هوش مصنوعی وارد می‌شود

استفاده از کامپیوتر برای تحلیل داده‌ها در دنیای امروز بسیار معمول است. کامپیوترها با استفاده از الگوریتم‌های از پیش نوشته شده، اطلاعات مورد نیاز ما را خلاصه می‌کنند.

مثلا به جای چند جدول عریض و طویل، یک نمودار نمایش می‌دهند. کامپیوترها این کارها را به شکل ناخودآگاه انجام می‌دهند. آن‌ها نه از ماهیت داده‌ها خبر دارند، نه می‌دانند که این داده‌ها به چه دردی می‌خورند. کامپیوتر شما نه از سود میلیاردی خوشحال می‌شود نه بعد از یک ضرر سنگین افسردگی می‌گیرد.

هوش مصنوعی همراه با کمک یادگیری ماشینی، شبکه‌های عصبی (Neural Networks) و الگوریتم ژنتیک، می‌تواند از عهده این کار برآید.

هوش مصنوعی بارها سریع‌تر از ما می‌تواند اطلاعات را بخواند و تحلیل کند. از سویی هوش مصنوعی هیچ‌وقت تصمیم احساسی نمی‌گیرد. ما هنوز ماهیت احساس را به خوبی نمی‌شناسیم. در نتیجه هنوز بلد نیستیم به کامپیوترها یاد بدهیم که احساساتی باشند.

ما برای مطالعه مدارک و اطلاعات یک شرکت احتمالا به یک روز کاری زمان نیاز داریم. این کار برای کامپیوتر فقط چند ثانیه طول می‌کشد. ما در حین مطالعه و تحلیل آن‌ها باید چای، آب و غذا بخوریم. دستشویی برویم. با دیگران حرف بزنیم. همه این‌ها حواسمان را پرت می‌کند و تمرکزمان را کمتر می‌کند. هوش مصنوعی هیچ‌کدام از این مشکلات را ندارد.

هوش مصنوعی چه کار می‌تواند بکند؟

در تحلیل بنیادی شما می‌توانید با مطالعه صورت مالی، استراتژی‌ تجاری و برنامه‌های آینده شرکت، تخمینی از ارزش ذاتی سهام آن به دست آورید. با مقایسه این ارزش با قیمت سهام در بازار می‌توانید در مورد خرید سهم تصمیم‌ بگیرید.

هوش مصنوعی چگونه وارد بازار سرمایه می‌شود؟

برای اینکه بتوان یک سیستم هوش مصنوعی برای بازار سرمایه ساخت، باید به آن آموزش داد. باید تاریخچه تغییرات هزاران سهم را همراه با داده‌هایی در مورد تاریخچه وضعیت اقتصادی کشور و جهان به او داد. باید نقاط عطف و دلایل وقوع نقاط عطف در قیمت سهام هر شرکت را هم به او یاد بدهیم.دقیقا باید تصور کنید که یک کارآموز بسیار باهوش دارید و می‌خواهید به او بازار سرمایه را یاد بدهید.

هوش مصنوعی یک رقیب مهم در بازار سرمایه

شاید فکر کنید این حرف‌ها بیشتر شبیه فیلم‌های علمی تخیلی است. اما همین امروز شرکت‌هایی هستند که با استفاده از هوش مصنوعی به خریدوفروش سهام می‌پردازند. در این شرکت‌ها معاملات را هوش مصنوعی انجام می‌دهد و فقط چند نفر معامله‌گر انسانی بر عملکرد او نظارت می‌کنند.

مردم می‌توانند بخشی از صندوق این شرکت‌ها را بخرند و در سود با آن‌ها شریک شوند. نکته جالب اینجا است که مردمی که در این بازارها سرمایه‌گذاری می‌کنند، به هوش مصنوعی اعتماد بیشتری دارند تا معامله‌گرهای انسانی. از مهم‌ترین دلایل این موضوع این است که کسب سود شخصی برای معامله‌گر کامپیوتری معنایی ندارد. به همین دلیل مثل معامله‌گرهای انسانی، خود را در اولویت خرید یک سهم خوب قرار نمی‌دهد. در نهایت سود بیشتری نصیب شرکت و سرمایه‌گذار می‌کنند.

هوش مصنوعی در حوزه سلامت

پردیس فناوری کیش-طرح مشاوره،متخصصین صنعت ومدیریت-دپارتمان فناوری اطلاعات وارتباطات

مهم ترین نکته در این حوزه بهبود نتایج بیماران و در عین حال کاهش هزینه است.

شرکت های فعال در حوزه سلامت می خواهند با استفاده از یادگیری ماشین، روند تشخیص و درمان را بهتر و سریعتر انجام دهند.

یکی از شناخته شده ترین فناوری ها در این زمینه سیستم IBM Watson است.

این سیستم زبان طبیعی را درک می کند و قادر به پاسخگویی به سوالاتی که از آن پرسیده می شود است. این سیستم تمام اطلاعات مربوط به بیمار از منابع موجود را استخراج می کند تا یک فرضیه ایجاد کند و پس از اطمینان آن را ارائه می دهد.

سایر برنامه هایی که هوش مصنوعی دارند مانند چت بات ها، می توانند به بیماران برای برنامه ریزی قرار ملاقات، پاسخ به پرسش ها، صدور صورت حساب کمک کنند و یا به صورت یک دستیار سلامت مجازی به فرد بازخوردهای پزشکی ارائه دهد.

پررنگ تر شدن نقش هوش مصنوعی در تشخیص سرطان سینه

تحقیقات جدید نشان می‌دهد هوش مصنوعی همانند هوش طبیعی انسانی دقیق است و برخی وقت‌ها برای تشخیص سرطان سینه از طریق ماموگرافی عملکردی بهتر (از هوش طبیعی انسان) دارد.
در این تحقیق به «یک سیستمِ رایانه ایِ یادگیرندهِ ماشینی» طوری آموزش داده شد تا بتواند تصاویر اشعه ایکس و ماموگرافی را بخواند.

این سیستم رایانه‌ای مبتنی بر هوش مصنوعی، ثابت کرد که می‌تواند در خواندن عکس‌های ماموگرافی عملکردی بهتر از یک پزشک – به صورت انفرادی – داشته باشد و عملکردش با عملکرد تلفیقی دو پزشک در خواندن عکس‌های ماموگرافی برابری کند.
محققان می‌گویند این سیستم پتانسیل بهبود عملکرد دارد هرچند ممکن است تعدادی تشخیص نادرست هم داشته باشد.


فرگوش والش خبرنگار بی بی سی در این باره گزارش داد: بررسی عکس ماموگرافی کاری بسیار تخصصی است که نیازمند مهارت بالایی است، اما پزشکان متخصص این کار را انجام می‌دهند.

همیشه دو رادیولوژیست تک تک عکس‌های اشعه ایکس زنان را مورد بررسی و مطالعه قرار می‌دهند، اما اکنون هوش مصنوعی- که یک رایانه یادگیرنده ماشینی است شرکت گوگل هلث آن را طراحی کرده است – می‌تواند این کار را به اندازه انسان‌ها به خوبی انجام دهد.
تحقیقات ژورنال پزشکی نیچر نشان می‌دهد دقت هوش مصنوعی بیشتر از عملکرد انفرادی یک پزشک در بررسی عکس‌های ماموگرافی بوده است.
سارا هیوم (Sara Hiom) مدیر مرکز اطلاعات سرطان و تشخیص زودهنگام گفت:این تحقیق به ما نشان می‌دهد که در آینده این امکان وجود دارد که برنامه غربالگری سرطان سینه با دقت بیشتر و موثرتری انجام شود یعنی زمان انتظار بیماران برای دریافت نتیجه کمتر و در نتیجه نگرانی آن‌ها کمتر شود و رویهمرفته نتایج بهتری هم بدست خواهد آمد».
خانم هلن ادواردز که نتایج ماموگرافی وی به مدت پانزده سال منفی بود از بیماران حاضر در هیئتی بود که دسترسی گوگل هلث به اطلاعات پزشکی افراد ناشناس را تصویب کرده بود.
هلن ادواردز: اولش من نگران بودم که گوگل می‌خواهد با این اطلاعات چه کار کند، اما وقتی به آن فکر کردم متوجه شدم این کار در بلند مدت به نفع زنان خواهد بود، چون وقتی که پزشکان متوجه می‌شوند آن‌ها (زنان) به سرطان مبتلا نیستند دفعات کمتری آن‌ها را برای غربالگری سرطان سینه فراخوان می‌کنند.
این گزارش می‌افزاید: همیشه پزشکان حرف آخر را درباره تشخیص سرطان می‌زنند، اما به نظر می‌رسد که هوش مصنوعی دارد نقش فزاینده‌ای در تشخیص سرطان ایفا می‌کند.

هوش مصنوعی

پردیس فناوری کیش-طرح مشاوره،متخصصین صنعت ومدیریت-دپارتمان فناوری اطلاعات وارتباطات

تصور شما از هوش مصنوعی چیست؟

خیلی از افراد هنوز هم با شنیدن واژه هوش مصنوعی به ربات ها فکر می کنند و تصور می کنند که منظور از هوش مصنوعی همان ربات های بی احساسی هستند که برای انجام راحت تر کارها طراحی شده اند و قرار است در آینده جای انسان ها را بگیرند. مسئول این نوع تفکر به احتمال زیاد فیلم های علمی و تخیلی است اما واقعیت با آنچه که تصور می شود تفاوت دارد. هوش مصنوعی که امروزه از آن یاد می‌شود در واقع تکنولوژی است که به نحوی قابلیت تفکر دارد. البته این قابلیت تفکر با چیزی که ما به عنوان تفکر انسانی می‌شناسیم تا حد زیادی تفاوت دارد، اما در حقیقت سعی دارد تا از آن تقلید کند.

کاربرد هوش مصنوعی در کسب و کارهای مختلف

هوش مصنوعی در حوزه سلامت

هوش مصنوعی در حوزه کسب و کار

هوش مصنوعی در حوزه آموزش وپرورش

هوش مصنوعی در حوزه اقتصاد

هوش مصنوعی در حوزه قانون و قضا

هوش مصنوعی در حوزه تولید

هوش مصنوعی در برقراری امنیت

هوش مصنوعی و تفسیر داده‌ها

هوش مصنوعی به کشف واکسن کووید ۱۹ کمک می کند

هوش مصنوعی به کشف واکسن کووید 19 کمک می کند

کیش تک_طرح مشاوره متخصصین صنعت و مدیریت_گروه فناوری اطلاعات و ارتباطات :

هوش مصنوعی از ابتدای شیوع کووید ۱۹، نقش به‌سزایی را ایفا کرده است. این مسئله نشان می‌دهد هوش مصنوعی تا چه اندازه می‌تواند به سود انسان عمل کند.

هوش مصنوعی می‌تواند به کشف واکسن کووید ۱۹ کمک کند

هوش مصنوعی در سال‌های اخیر وجهه‌ی بدی پیدا کرده بود؛ اما دنیاگیری کووید ۱۹ ثابت کرد این فناوری می‌تواند در جست‌وجو برای واکسن این بیماری مفید واقع شود. هوش مصنوعی در این جست‌وجو، دو نقش عمده ایفا می‌کند: نمایش مؤلفه‌های واکسن از طریق درک ساختارهای پروتئینی ویروس و کمک به پژوهشگران برای جست‌وجوی ده‌ها هزار مقاله‌ی مرتبط با سرعتی بی‌سابقه. در طول هفته‌های گذشته، تیم‌های مؤسسه‌ی هوش مصنوعی آلن، دیپ مایند گوگل و دیگر شرکت‌ها، دست به تولید ابزارهای AI، مجموعه‌ داده‌های اشتراکی و نتایج پژوهشی زدند و این نتایج را به‌صورت رایگان در اختیار جامعه‌ی جهانی علم قرار دادند.

واکسن‌ها با شبیه‌سازی عفونت، به تولید گلبول‌های سفید دفاعی و آنتی‌ژن‌ها منجر می‌شوند. به‌طور کلی سه نوع واکسن وجود دارد: واکسن‌های تمام پاتوژن، مانند واکسن آنفولانزا یا MMR. این واکسن‌ها از پاتوژن‌های ضعیف یا مرده برای تحریک واکنش ایمنی استفاده می‌کنند؛ واکسن‌های زیرواحد یا ساب یونیت (مانند سیاه‌سرفه، زونا) تنها از بخشی از میکروب مثل پروتئین استفاده می‌کنند؛ و در آخر واکسن‌های نوکلیک اسید که مواد ژنتیکی پاتوژن را برای تحریک سیستم ایمنی به سلول‌های انسان وارد می‌کنند. آزمایش‌های واکسن نوکلئیک اسید برای کووید ۱۹ در ایالات متحده‌ آغاز شده‌ است. از هوش مصنوعی می‌توان برای تسریع توسعه‌ی واکسن‌های نوکلئیک اسید و ساب یونیت استفاده کرد.

مدل سه بعدی

پروتئین‌ها، بخش مهمی از ویروس‌ها هستند که از توالی‌های آمینواسیدی شکل‌ گرفته‌اند. این توالی‌ها شکل سه‌بعدی منحصر‌به فردی دارند. درک ساختار پروتئین‌ها برای درک عملکرد آن‌ها ضروری است. دانشمندان با درک شکل پروتئین‌ها می‌توانند به تولید داروی سازگار با شکل منحصر‌به‌فرد پروتئین‌ها بپردازند؛ اما برای آزمایش تمام شکل‌های احتمالی پروتئین و رسیدن به ساختار سه‌بعدی منحصربه‌فرد، زمان زیادی لازم است. اینجا است که هوش مصنوعی به کمک می‌آید.

در ماه ژانویه، دیپ مایند گوگل، سیستم نوآورانه‌ی AlphaFold را معرفی کرد. این سیستم قادر به پیش‌بینی ساختار سه‌بعدی پروتئین براساس توالی ژنتیکی آن است. آلفافولد در اوایل ماه مارس روی کووید ۱۹ تست شد. دیپ مایند، پیش‌بینی‌هایی از ساختار پروتئینی پروتئین‌های ویروس سارس را برای درک بهتر عملکرد کووید ۱۹ منتشر کرد.

در عین حال پژوهشگران دانشگاه تگزاس و مؤسسه‌ بهداشت ملی از روشی محبوب برای ساخت اولین نقشه‌ی سه‌بعدی مقیاس اتمی از بخشی از ویروس استفاده می‌کنند که به سلول‌های انسان می‌چسبد و آن‌ها را آلوده می‌کند. پژوهشگران این بررسی، سال‌ها روی دیگر کروناویروس‌هایی مثل سارس و مرس کار کرده‌اند. از طرفی آلفافولد هم موفق به ارائه‌ی پیش‌بینی دقیقی برای این ساختار پروتئینی میخی شد.

همچنین پژوهشگران مؤسسه‌ی طراحی پروتئین دانشگاه واشنگتن از مدل‌های کامپیوتری برای توسعه‌ی مدل‌های سه‌بعدی مقیاس اتمی پروتئین میخی سارس استفاده کردند. این مدل‌ها منطبق با کشفیات آزمایشگاه UT Austin بودند. این تیم حالا با ساخت پروتئین‌های جدیدتری برای تغذیه‌ی ویروس کرونا، در حال توسعه‌ی این پروژه هستند. از نظر تئوری، این پروتئین‌ها به پروتئین‌های میخی می‌چسبند و نمی‌گذارند ذرات ویروسی، سلول‌های سالم را آلوده کنند.

علاوه بر تمام موارد فوق، پژوهش‌های متمرکز بر کووید ۱۹ باید در سراسر جهان با یکدیگر یکپارچه شوند. یادگیری درباره‌ی پروژه‌ی آزمایشگاهی دیگر می‌تواند ماه‌ها یا حتی سال‌ها دانشمندان را جلو بیندازد و به این ترتیب با ارائه‌ی میانبر، از اختراع دوباره‌ی چرخ جلوگیری شود. آزمایشگاه‌ها معمولا پروژه‌ی خود را از طریق مقاله‌ها یا سرویس‌های پیش انتشاری مثل bioRxiv و medRxiv منتشر می‌کنند.

چندهزار مقاله‌ی مرتبط با کووید ۱۹ در سه‌ماهه‌ی اول ۲۰۲۰ منتشر شد و پژوهش‌های علمی با سرعت بالایی رو به رشد است. درنتیجه، دانشمندان برای یافتن مقاله‌های مرتبط با پژوهش‌هایی خاص و بررسی یافته‌های جدید و استفاده از دیدگاه‌ها دچار مشکل شده‌اند. اولین چالش، جمع‌آوری پژوهش‌های مرتبط و قرار دادن آن‌ها در موقعیتی دسترس‌پذیر است. برای مثال، مؤسسه‌ی هوش مصنوعی آلن با هدف تولید مجموعه داده‌ای پژوهشی باز کووید ۱۹ (CORD-19) با بسیاری از سازمان‌های پژوهشی به همکاری می‌پردازد. این مجموعه، منبع منحصر‌به فردی از ۴۴ هزار مقاله‌ی پژوهشی درباره‌ی کووید ۱۹، سارس و انواع ویروس کرونا‌ها است. این مجموعه روزانه به‌روزرسانی می‌شود و ماشین می‌تواند آن را بخواند؛ بنابراین پژوهشگرها می‌توانند از الگوریتم‌های زبان طبیعی برای افزایش سرعت کشف واکسن استفاده کنند.

ساختار پروتئین ها

ائتلافی شامل کاخ سفید، مؤسسه‌ی چان زاکربرگ، مرکز فناوری نوظهور و امنیتی دانشگاه جورج تاون، پژوهشکده‌ی مایکروسافت و آزمایشگاه ملی پزشکی مؤسسه‌ی ملی سلامت برای ارائه‌ی خدمات فوق با یکدیگر همکاری می‌کنند. علاوه بر این، Kaggle، پلتفرم علوم داده‌ای و یادگیری ماشین گوگل هم میزبان چالش پژوهشی کووید ۱۹ است. هدف این چالش، ارائه‌ی طیف گسترده‌ای از دیدگاه‌ها درباره‌ی دنیاگیری کووید ۱۹ از جمله تاریخ طبیعی آن است. مواردی مثل انتقال و تشخیص ویروس، درس‌هایی از پژوهش‌های قبلی همه‌گیری و بسیاری از زمینه‌های دیگر در این پژوهش‌ها جای می‌گیرند. چالش پژوهشی در تاریخ ۱۶ مارس آغاز به کار کرد. در طول پنج روز به بیش از ۵۰۰ هزار و بیش از ۱۸ هزار دانلود رسید. یافته‌های جدید جامعه‌ی پژوهشی برای ارجاع فوری روی یک صفحه‌ی وب واحد قرار گرفته‌اند.

امیدوارکننده‌ترین جنبه‌ی تحلیل‌های خودکار برای پژوهش‌های علمی این است که هوش مصنوعی نقاط بین پژوهش‌ها را برای شناسایی فرضیه‌‌ها و نمایش آزمایش‌ها و حتی درمان‌های مرتبط به یکدیگر وصل می‌کند. برای اولین‌بار دان آ اسوانسون، اکتشاف مبتنی بر پژوهش را معرفی کرد. سیستم خودکار اسوانسون، موفق به کشف درمان جدید منیزیم برای بیماری میگرن شد. کار روی اکتشافات مبتنی بر پژوهش از آن زمان ادامه یافت و تأثیر بالقوه‌ی آن با معرفی ابزارهای NLP یادگیری عمیق مانند SciBert افزایش یافت.

هوش مصنوعی با افزایش سرعت دسترسی به پژوهش‌ها، سرعت کشف واکسن را بالا می‌برد

هوش مصنوعی علاوه بر پشتیبانی از تلاش‌های جامعه‌ی علمی برای درک ویروس و توسعه‌ی درمان، از روز اول شیوع کووید ۱۹ نقشی حیاتی را ایفا کرده است. استارتاپ هوش مصنوعی Bluedot در اواخر دسامبر موفق به کشف دسته‌ای از نمونه‌های عجیب التهاب ریه در ووهان شد و به‌صورت دقیق موقعیت‌های گسترش ویروس را پیش‌بینی کرد. ربات‌ها هم با ضدعفونی اتاق‌های بیمارستان، انتقال غذا و تجهیزات و همچنین ارائه‌ی مشاوره‌ی پزشکی از راه دور، تماس‌های انسانی را به حداقل رسانده‌اند. از هوش مصنوعی همچنین برای ردیابی آنی نقشه‌ی گسترش ویروس، تشخیص آلودگی، پیش‌بینی ریسک مرگ‌ومیر و بسیاری از موارد دیگر استفاده شد. درنتیجه نمی‌توان پتانسیل آینده‌ی این فناوری را نادیده گرفت.

هوش مصنوعی در سطح وسیعی گسترش پیدا کرده است؛ اما بااین‌حال هنوز از ایده‌آل مبارزه با کووید ۱۹ فاصله دارد. در مقابل، روش‌های مدرن هوش مصنوعی نیاز به حجم زیادی داده‌های برچسب‌خورده دارند و این حجم از داده‌ها در حال حاضر در دسترس نیستند. حتی در صورتی که دسترسی به داده‌ها امکان‌پذیر باشد، برای تحلیل تشخیص الگوی هوش مصنوعی، نیاز به قضاوت انسانی است.

با اینکه هنوز بر سر مشارکت‌های هوش مصنوعی، اختلاف‌هایی وجود دارد، جامعه‌ی هوش مصنوعی به مبارزه با کووید ۱۹ ادامه خواهد داد. جالب اینجا است، هوش مصنوعی که باعث افزایش نگرانی درباره‌ی تشخیص چهره و دیپ فیک‌ها شده بود حالا در خط مقدم مبارزه‌ی دانشمندان با کووید ۱۹ و دنیاگیری‌های آینده قرار گرفته است.

هوش مصنوعی برخلاف تصویری که فیلم‌های هالیوودی و داستان‌های علمی تخیلی ارائه می‌دهند، به‌عنوان فناوری قدرتمندی برای پردازش مقادیر زیادی از اطلاعات ظهور کرده است. از طرفی با وجود مزایای زیاد این فناوری می‌توان از آن برای جعل اسناد، تصاویر، ویدئوها یا حتی هویت افراد و جاسوسی استفاده کرد. استفاده از هوش مصنوعی برای مبارزه با کووید ۱۹، یادآور این نکته است که هوش مصنوعی صرفا یک ابزار است نه یک موجودیت و نحوه‌ی استفاده از این ابزار کاملا به انسان بستگی دارد.


منبع : wired