محققان شرکت URBNSURF برای طراحی این ساحل مصنوعی از فناوریهای پیشرفته ای استفاده کرده اند که مهمترین آن «ویو گاردن» است. این فناوری امکان تولید امواج متنوع در یک ساحل مصنوعی را فراهم می کند.
تلاش برای راه اندازی سواحل مصنوعی ویژه موج سواری با استفاده از فناوریهای خاص از ۱۲ سال پیش آغاز شده و در حالی که نخستین نمونه آن سال گذشته از ولز بریتانیا راه اندازی شد حالا خبر می رسد که نمونه دیگری از آن به زودی در آستن آمریکا افتتاح خواهد شد. اما آنچه که قرار است در پرت استرالیا ساخته شود از همه نظر مجهز و نوآورانه است.
آنچه که در این شهر بندری ساخته می شود در واقع بخشی از تأسیسات بزرگ ورزشی و تفریحی ۲۲ هکتاری است که در ۹ کیلومتری جنوب این شهر ساخته خواهد شد.
ساحل مصنوعی این مجموعه ۲.۴ هکتار وسعت خواهد داشت و برای راه اندازی آن سالانه به ۲۰ میلیون لیتر آب نیاز است زیرا بخش زیادی از آب این ساحل همواره تبخیر می شود.
یکی از ویژگیهای این مجموعه استفاده از صفحات خورشیدی است تا بخشی از برق مورد نیاز آن از این راه تأمین شود. از این رو می توان این پارک و ساحل مصنوعی آن را در زمره سبز ترین (دوست دار محیط زیست) پروژه های تفریحی و ورزشی جهان به شمار آورد.
طراحان این پروژه تلاش کرده اند تا با استفاده از فناوریهای مختلف این ساحل را شبیه سواحل طبیعی ارایه کنند. در این ساحل مصنوعی انواع تفریحات آبی از جمله موج سواری انجام می شود.
در این ساحل مصنوعی که تا اواخر سال ۲۰۱۸ راه اندازی می شود امواج کوچک و بزرگی تولید می شود که تا ۱.۷ متر ارتفاع دارند.
5454
ایسنا: محققان دانشگاه استنفورد برای اولین بار پروژه گستردهای را به منظور ساخت یک مغز که قدرت برابری با مغز انسان داشته باشد، آغاز کردهاند.
فاز اول: شناسایی ساختار و طراحی
در مغز انسان 100 میلیارد نورون و رشته عصبی وجود دارد که قسمتهای مختلف را به هم متصل میکنند. در گذشته شناسایی محل اتصالات نورونها کار بسیار دشواری بود و صرفا برای بخش محدودی از نورونهای سطحی کاربرد داشت. در حال حاضر با استفاده از تکنیکی موسوم به شفافیت میتوان عملکرد تمام نورونها را بررسی کرد و برای هر کدام رنگی مجزا در نظر گرفت تا محل اتصالات به خوبی قابل تشخیص باشد.
فاز دوم: ارزیابی سیگنالهای مغز
برای شناخت کامل عملکرد مغز شناخت اتصالات نورونها و سلولهای عصبی فقط نیمی از عملیات لازم است و برای شناخت کامل باید ساختار سیگنالهای الکتریکی که به قسمتهای مختلف ارسال میشوند نیز مورد ارزیابی قرار بگیرند.
در زمان ارسال سیگنالها، ولتاژ نورونها به صورت لحظهای تغییر میکند و اطلاعات مورد نظر در مغز منتقل میشود که این ابزارها این تغییرات را ثبت میکنند.
فاز سوم: دستکاری سیگنالهای مغز
در دهه گذشته اگرچه تکنیکهای مختلفی برای تحریک بخشی از نورونها معرفی شد اما جدیدترین روش انجام این کار حاصل کار پروفسور کارل دیزروس است که میتواند تکتک نورونها را به دلخواه تحریک کند.
این روش برای نورونهای سطحی کاربرد دارد و محققان دانشگاه استنفورد اعلام کردهاند در حال طراحی روشهایی هستند که با استفاده از امواج فراصوت به سطحهای پایینتر مغز دسترسی پیدا کنند.
فاز چهارم: طراحی یک تئوری منطقی برای عملکرد مغز
شناخت ساختار مغز برای مهندسی معکوس و رسیدن به یک کپی منحصربفرد کافی نیست و نحوه عملکرد هر بخش و اطلاعات داخل آن نیز اهمیت دارد و بررسی و کار با سیگنالها نمیتواند تمام اطلاعات مورد نیاز را در اختیار ما بگذارد.
فاز پنجم: پیادهسازی دیجیتالی
مغز انسان یک کامپیوتر طبیعی قدرتمند است که با دریافت انرژی از یک وعده غذا، میلیونها سیگنال مختلف را در لحظه ارزیابی کرده و به آنها پاسخ میدهد و برای شبیهسازی مناسب باید این قابلیتها به خوبی پیادهسازی شوند.
جدیدترین برد دیجیتالی که توسط محققان دانشگاه استنفورد طراحی شده "نوروگرید" نام دارد. نورو گرید کممصرفترین و سریعترین بردی است که تا به حال ساخته شده و ظرفیت محاسباتی آن با یک میلیون نورون برابری میکند و توان مصرفی آن فقط سه وات است. در حال حاضر ابعاد این برد دیجیتال هماندازه یک تبلت است و محققان امیدوارند تا پنج سال آینده بتوانند ابعاد آن را هماندازه با یک تراشه کوچک کنند.
فاز ششم: بررسی کنش و واکنش
در این مرحله باید کنش و واکنش را به مغز مصنوعی آموزش داد و کیفیت آن را سنجید. در قدم اول مغز مصنوعی باید محیط پیرامونی خود را درک کرده و بشناسد و مشخص است که سختترین بخش پروژه فاز ششم آن خواهد بود.
در این فاز با استفاده از الگوریتمهای یادگیرنده و اطلاعات پایه ای نظیر تصاویر و صداهای مختلف سعی میشود اطلاعات پایهای در اختیار مغز مصنوعی قرار گیرد تا شناخت نسبت به محیط پیرامون فراهم شود.
در این پروژه که جزئیات آن توسط دانشگاه استنفورد منتشر شده چندین استاد و محقق در رشتههای مختلف علوم رایانه، عصب شناسی، پزشکی، روانشناسی و مهندسی برق شرکت دارند و تمام فازها به صورت موازی در حال پیشرفت هستند تا کیفیت خروجی و قدرت مغز تولیدی روز به روز بهتر و بیشتر شود.
تلاش برای تولید مغز و ماشینها و دستگاههای فوق هوشمند همواره مورد توجه بشر بوده است و بسیاری از محققان در این زمینه به موفقیتهایی نیز رسیدهاند اما تاکنون بیشتر این تلاشها بر خلاف پروژه دانشگاه استنفورد تک بعدی و محدود بوده است.
همچنین شرکتهای بزرگ در زمینه علوم کامپیوتر نیز در این زمینه اقداماتی انجام دادهاند برای مثال شرکت آیبیام در یک گام رو به جلو برای ساخت ذهن مصنوعی به رونمایی یک ساختار برنامهریزی برای تراشهها با الهام از مغز انسان پرداخته است و در نهایت قصد دارد یک سیستم تراشه با 10 میلیارد نورون و 100 تریلیون سیناپس تولید کند.
بسیاری از متفکران و دانشمندان معتقدند هوش مصنوعی میتوانند همانند یک شمشیر دولبه برای موجودیت بشر باشد. از طرفی میتواند انسان را قدرتمندترین موجود هستی کند و از طرفی میتواند حیات او را به مخاطره بیندازد.
پروفسور استیون هاوکینگ فیزیکدان برجسته انگلیسی چندی پیش هشدار داده بود که تلاش برای ساخت ماشینهای هوشمند و متفکر، تهدید جدی برای بشریت محسوب میشود و انسان که با تکامل زیستی کند محدود شده است، قادر به رقابت با ماشینهای هوشمند نبوده و در نهایت حذف خواهد شد.
وی تنها دانشمندی نیست که درخصوص خطرات هوش مصنوعی هشدار داده است؛ الون ماسک بنیانگذار شرکت هوافضای اسپیسایکس، هوش مصنوعی را خطرناکتر از سلاح اتمی توصیف کرده و معتقد است که رباتها میتوانند نسل بشر را در آینده نابود کنند.
شمارش معکوس برای دستیابی بشر به مغز مصنوعی
تاریخ انتشار : چهارشنبه ۱ دی ۱۳۹۵ ساعت ۲۰:۳۷
مغز مصنوعی
محققان دانشگاه استنفورد پروژه گسترده ای را برای ساخت یک مغز که قدرت برابری با مغز انسان داشته باشد، آغاز کردهاند.
فاز اول: شناسایی ساختار و طراحی
در مغز انسان 100 میلیارد نورون و رشته عصبی وجود دارد که قسمتهای مختلف را به هم متصل میکنند. در گذشته شناسایی محل اتصالات نورونها کار بسیار دشواری بود و صرفا برای بخش محدودی از نورونهای سطحی کاربرد داشت. در حال حاضر با استفاده از تکنیکی موسوم به شفافیت میتوان عملکرد تمام نورونها را بررسی کرد و برای هر کدام رنگی مجزا در نظر گرفت تا محل اتصالات به خوبی قابل تشخیص باشد.
در بخش دیگری از این پروژه برای بررسی عملکرد نورونها و سرعت انتقال آنها در انسان سالم و هوشیار، از نوعی MRI تخصصی بهره گرفته میشود. با تلفیق این دو روش ساختار ارتباطات و سرعت انتقال اطلاعات در مغز به خوبی شناسایی میشود و فاز اول به پایان میرسد.
فاز دوم: ارزیابی سیگنالهای مغز
برای شناخت کامل عملکرد مغز شناخت اتصالات نورونها و سلولهای عصبی فقط نیمی از عملیات لازم است و برای شناخت کامل باید ساختار سیگنالهای الکتریکی که به قسمتهای مختلف ارسال میشوند نیز مورد ارزیابی قرار بگیرند.
ابزارهای مناسب برای اندازهگیری سیگنالهای مغز در سال گذشته در دو آزمایشگاه دانشگاه استنفورد طراحی و ساخته شدند و با استفاده از این وسایل محققان توانستند میزان فعالیت الکتریکی مغز را در شرایط واقعی اندازه بگیرند.
در زمان ارسال سیگنالها، ولتاژ نورونها به صورت لحظهای تغییر میکند و اطلاعات مورد نظر در مغز منتقل میشود که این ابزارها این تغییرات را ثبت میکنند.
فاز سوم: دستکاری سیگنالهای مغز
در دهه گذشته اگرچه تکنیکهای مختلفی برای تحریک بخشی از نورونها معرفی شد اما جدیدترین روش انجام این کار حاصل کار پروفسور کارل دیزروس است که میتواند تکتک نورونها را به دلخواه تحریک کند.
در این روش با اعمال پالسهای مختلف به مغز، نورونها در واکنش به پالس ورودی، پروتئینی تولید میکنند که میزان آن به میزان شدت پالس ورودی وابسته است و بر اساس این روش عملکرد هر نورون و قابلیتها و میزان تاثیرپذیری آن مورد بررسی قرار میگیرد.
این روش برای نورونهای سطحی کاربرد دارد و محققان دانشگاه استنفورد اعلام کردهاند در حال طراحی روشهایی هستند که با استفاده از امواج فراصوت به سطحهای پایینتر مغز دسترسی پیدا کنند.
فاز چهارم: طراحی یک تئوری منطقی برای عملکرد مغز
شناخت ساختار مغز برای مهندسی معکوس و رسیدن به یک کپی منحصربفرد کافی نیست و نحوه عملکرد هر بخش و اطلاعات داخل آن نیز اهمیت دارد و بررسی و کار با سیگنالها نمیتواند تمام اطلاعات مورد نیاز را در اختیار ما بگذارد.
در این فاز عملکرد مغز در زمان انجام فعالیتهای مختلف مورد بررسی قرار میگیرد و حساسیت بخشهای مختلف نسبت به هر فعالیت مشخص میشود. با پیچیدهتر کردن و ترکیب فعالیتهای مختلف نظیر تکلم، حرکت کردن، فکر کردن و حل مسئله، شناخت از نحوه عملکرد مغز بیشتر میشود و میتوان یک توصیف تئوری مناسب از کارکرد مغز بدست آورد.
فاز پنجم: پیادهسازی دیجیتالی
مغز انسان یک کامپیوتر طبیعی قدرتمند است که با دریافت انرژی از یک وعده غذا، میلیونها سیگنال مختلف را در لحظه ارزیابی کرده و به آنها پاسخ میدهد و برای شبیهسازی مناسب باید این قابلیتها به خوبی پیادهسازی شوند.
برای مثال یک عملیات ساده وقتی به یک موش و یک کامپیوتر داده میشود مغز موش 9000 برابر سریعتر از کامپیوتر واکنش میدهد و 40 هزار برابر کمتر انرژی مصرف میکند. حالا وقتی صحبت از عملیاتهای پیچیدهتر و ترکیبی میشود که مغز انسان انجام میهد، کار بسیار سختتر خواهد شد.
جدیدترین برد دیجیتالی که توسط محققان دانشگاه استنفورد طراحی شده "نوروگرید" نام دارد. نورو گرید کممصرفترین و سریعترین بردی است که تا به حال ساخته شده و ظرفیت محاسباتی آن با یک میلیون نورون برابری میکند و توان مصرفی آن فقط سه وات است. در حال حاضر ابعاد این برد دیجیتال هماندازه یک تبلت است و محققان امیدوارند تا پنج سال آینده بتوانند ابعاد آن را هماندازه با یک تراشه کوچک کنند.
فاز ششم: بررسی کنش و واکنش
در این مرحله باید کنش و واکنش را به مغز مصنوعی آموزش داد و کیفیت آن را سنجید. در قدم اول مغز مصنوعی باید محیط پیرامونی خود را درک کرده و بشناسد و مشخص است که سختترین بخش پروژه فاز ششم آن خواهد بود.
مهمترین ابزار شناخت انسان از محیط پیرامونش چشم اوست اما در واقع تمام اطلاعات در مغز پردازش میشود و چشم، گوش و دیگر اعضای حسی فقط ناقل اطلاعات هستند. انسان با مغزش میبیند، میشناسد، میشنود، میچشد و حرف میزند.
این پروژه در شش فاز مجزا اجرا میشود و با استفاده از مهندسی معکوس محققان تلاش میکنند به اطلاعات پایهای برای ساخت یک مغز مصنوعی دست پیدا کنند.
فاز اول: شناسایی ساختار و طراحی
در مغز انسان 100 میلیارد نورون و رشته عصبی وجود دارد که قسمتهای مختلف را به هم متصل میکنند. در گذشته شناسایی محل اتصالات نورونها کار بسیار دشواری بود و صرفا برای بخش محدودی از نورونهای سطحی کاربرد داشت. در حال حاضر با استفاده از تکنیکی موسوم به شفافیت میتوان عملکرد تمام نورونها را بررسی کرد و برای هر کدام رنگی مجزا در نظر گرفت تا محل اتصالات به خوبی قابل تشخیص باشد.
در بخش دیگری از این پروژه برای بررسی عملکرد نورونها و سرعت انتقال آنها در انسان سالم و هوشیار، از نوعی MRI تخصصی بهره گرفته میشود. با تلفیق این دو روش ساختار ارتباطات و سرعت انتقال اطلاعات در مغز به خوبی شناسایی میشود و فاز اول به پایان میرسد.
فاز دوم: ارزیابی سیگنالهای مغز
برای شناخت کامل عملکرد مغز شناخت اتصالات نورونها و سلولهای عصبی فقط نیمی از عملیات لازم است و برای شناخت کامل باید ساختار سیگنالهای الکتریکی که به قسمتهای مختلف ارسال میشوند نیز مورد ارزیابی قرار بگیرند.
ابزارهای مناسب برای اندازهگیری سیگنالهای مغز در سال گذشته در دو آزمایشگاه دانشگاه استنفورد طراحی و ساخته شدند و با استفاده از این وسایل محققان توانستند میزان فعالیت الکتریکی مغز را در شرایط واقعی اندازه بگیرند.
در زمان ارسال سیگنالها، ولتاژ نورونها به صورت لحظهای تغییر میکند و اطلاعات مورد نظر در مغز منتقل میشود که این ابزارها این تغییرات را ثبت میکنند.
فاز سوم: دستکاری سیگنالهای مغز
در دهه گذشته اگرچه تکنیکهای مختلفی برای تحریک بخشی از نورونها معرفی شد اما جدیدترین روش انجام این کار حاصل کار پروفسور کارل دیزروس است که میتواند تکتک نورونها را به دلخواه تحریک کند.
در این روش با اعمال پالسهای مختلف به مغز، نورونها در واکنش به پالس ورودی، پروتئینی تولید میکنند که میزان آن به میزان شدت پالس ورودی وابسته است و بر اساس این روش عملکرد هر نورون و قابلیتها و میزان تاثیرپذیری آن مورد بررسی قرار میگیرد.
این روش برای نورونهای سطحی کاربرد دارد و محققان دانشگاه استنفورد اعلام کردهاند در حال طراحی روشهایی هستند که با استفاده از امواج فراصوت به سطحهای پایینتر مغز دسترسی پیدا کنند.
فاز چهارم: طراحی یک تئوری منطقی برای عملکرد مغز
شناخت ساختار مغز برای مهندسی معکوس و رسیدن به یک کپی منحصربفرد کافی نیست و نحوه عملکرد هر بخش و اطلاعات داخل آن نیز اهمیت دارد و بررسی و کار با سیگنالها نمیتواند تمام اطلاعات مورد نیاز را در اختیار ما بگذارد.
در این فاز عملکرد مغز در زمان انجام فعالیتهای مختلف مورد بررسی قرار میگیرد و حساسیت بخشهای مختلف نسبت به هر فعالیت مشخص میشود. با پیچیدهتر کردن و ترکیب فعالیتهای مختلف نظیر تکلم، حرکت کردن، فکر کردن و حل مسئله، شناخت از نحوه عملکرد مغز بیشتر میشود و میتوان یک توصیف تئوری مناسب از کارکرد مغز بدست آورد.
فاز پنجم: پیادهسازی دیجیتالی
مغز انسان یک کامپیوتر طبیعی قدرتمند است که با دریافت انرژی از یک وعده غذا، میلیونها سیگنال مختلف را در لحظه ارزیابی کرده و به آنها پاسخ میدهد و برای شبیهسازی مناسب باید این قابلیتها به خوبی پیادهسازی شوند.
برای مثال یک عملیات ساده وقتی به یک موش و یک کامپیوتر داده میشود مغز موش 9000 برابر سریعتر از کامپیوتر واکنش میدهد و 40 هزار برابر کمتر انرژی مصرف میکند. حالا وقتی صحبت از عملیاتهای پیچیدهتر و ترکیبی میشود که مغز انسان انجام میهد، کار بسیار سختتر خواهد شد.
جدیدترین برد دیجیتالی که توسط محققان دانشگاه استنفورد طراحی شده "نوروگرید" نام دارد. نورو گرید کممصرفترین و سریعترین بردی است که تا به حال ساخته شده و ظرفیت محاسباتی آن با یک میلیون نورون برابری میکند و توان مصرفی آن فقط سه وات است. در حال حاضر ابعاد این برد دیجیتال هماندازه یک تبلت است و محققان امیدوارند تا پنج سال آینده بتوانند ابعاد آن را هماندازه با یک تراشه کوچک کنند.
فاز ششم: بررسی کنش و واکنش
در این مرحله باید کنش و واکنش را به مغز مصنوعی آموزش داد و کیفیت آن را سنجید. در قدم اول مغز مصنوعی باید محیط پیرامونی خود را درک کرده و بشناسد و مشخص است که سختترین بخش پروژه فاز ششم آن خواهد بود.
مهمترین ابزار شناخت انسان از محیط پیرامونش چشم اوست اما در واقع تمام اطلاعات در مغز پردازش میشود و چشم، گوش و دیگر اعضای حسی فقط ناقل اطلاعات هستند. انسان با مغزش میبیند، میشناسد، میشنود، میچشد و حرف میزند.
در این فاز با استفاده از الگوریتمهای یادگیرنده و اطلاعات پایه ای نظیر تصاویر و صداهای مختلف سعی میشود اطلاعات پایهای در اختیار مغز مصنوعی قرار گیرد تا شناخت نسبت به محیط پیرامون فراهم شود.
در این پروژه که جزئیات آن توسط دانشگاه استنفورد منتشر شده چندین استاد و محقق در رشتههای مختلف علوم رایانه، عصب شناسی، پزشکی، روانشناسی و مهندسی برق شرکت دارند و تمام فازها به صورت موازی در حال پیشرفت هستند تا کیفیت خروجی و قدرت مغز تولیدی روز به روز بهتر و بیشتر شود.
۵۴۵۴
وب سایت سایبربان: دانشمندان وزارت دفاع آمریکا نگران هستند که این کشور در رقابت توسعهی هوش مصنوعی شکست بخورد.
در گزارش مذکور اشتباهات ارتش در توسعه جنگافزارهای الکترونیکی و سایبری ذکر شده است. بر همین اساس تمرکز پنتاگون روی توسعهی سلاحها، روشها، نقشهها و بهکارگیری ترفندهایی برای فریب دشمنان در زمان حمله بوده و این موضوع باعث نادیده گرفتن آسیبپذیری تجهیزات شده است.
دانشمندان در گزارش خود نوشتهاند: «به روشنی مشخص است بهاحتمال زیاد بعضی از کشورها در حال ایجاد فناوری تخصصی برای استفاده در جنگافزارهای سایبری و الکترونیکی علیه آمریکا هستند. با وجود این بیشتر تمرکز آمریکا روی توسعهی قابلیتهای حملهی سایبری قرار دارد و به بهبود تواناییهای دفاعی برای مقابله با حملات توجهی نشان نمیدهد. متأسفانه غفلت وزارت دفاع در این زمینه هزینههای بسیار زیادی را تنها برای ساخت وصلههای آسیبپذیری سیستمها به آنها تحمیل میکند.»
مطالعات یادشده در زمینهی هوش مصنوعی نیز صدق میکند. در ادامهی گزارش بهعنوان روشی برای مقابله با تهدید آمده است: «معاون اطلاعات وزیر دفاع1 باید اولویتهای جدیدی را برای جمعآوری و تجزیهوتحلیل سامانههای خودمختار خارجی ایجاد کند.»
موضوع ذکر شده بیان میکند باید تواناییهای چین، روسیه و دیگر کشورها بررسی شود تا قابلیتهایی که بهزودی در زمینهی کار با هوش مصنوعی به دست میآورند مشخص شود.
بهطور همزمان، دفتر فراگیری فناوری و لجستیک وزارت دفاع2 باید جامعهای از محققان را برای انجام آزمایش و کشف سناریوهایی برای مقابله با فناوریهای خودمختار و جایگزینی آنها ایجاد کنند؛ به عبارت دیگر، باید اقدام به تمرین مبارزه با هوش مصنوعی دشمن بشود. این جامعه باید اختیارات گستردهای را برای تحقیق در زمینهی پهپاد، نرمافزار و الگوریتمهای یادگیری ماشینی تجاری داشته باشند.
دانشمندان وزارت دفاع گفتند: «این جامعه نهتنها روشهای جدیدی را برای استفاده از سامانههای خودمختار، غیر خودمختار و مقابله با توان تجهیزات خودمختار دشمن ایجاد میکند؛ بلکه مزایا و آسیبپذیریهای فناوریهای تجاری آمریکا و دشمنان را شناسایی میکنند.»
تمرکز زیاد روی فناوری اطلاعات، آسیبپذیریهای جدیدی را ایجاد کرده است. نام مطالعهی انجام شده «فرصتی برای محدود کردن یا شکست استفاده از سامانههای خودمختار دشمنان علیه نیروی آمریکا» است.
در ادامهی گزارش آمده است: «بهعنوان مثال اختلال در دادههای ورودی به حسگرها، به عنوان قوانینی منطقی برای فریب دشمنان استفاده میشوند.»
در بیشتر مواقع، مغز انسانها بسیار بهتر از برنامههای تولید شده توسط آنها، اختلالات ایجاد شده در سیگنالها را تشخیص میدهد. مطالعهی مکرر روی اهمیت تصمیمگیریهای انسانی صورت گرفته است؛ اما پتانسیل بسیاری برای یادگیری نرمافزارها و سامانههای خودمختار بدون کمک انسانها وجود دارد. آیا کنترل یک هدایت یک توپخانه توسط سامانههای یادگیری مستقل بیخطر است؟ گزارش بیان میکند که وزارت دفاع هنوز نمیتواند به این سؤال پاسخ مشخصی بدهد.
در گزارش مذکور نوشته شده است: «روشهای آزمایش پردازشها و تکنیکهای کنونی برای بررسی نرمافزارها در زمینههای یادگیری و سازگاری کافی نیستند. کلید روش بهتر آزمایش، بهخصوص در محیطهای مجازی، استفاده از نسل بعدی هوش مصنوعی خواهد بود.»
آمریکا با فشار اخلاقی خاصی برای توسعه و استفاده از سامانههای خودمختار روبهرو است. ارتش برای محدود کردن سلاحهای خودمختار با فشارهای داخلی و خارجی مواجه است در حالی که این موضوع در مورد چین و روسیه کمتر صدق میکند. به عنوان مثال روسیه در حال آزمایش رباتهای خودمختار زمینی (نمونهی خودمختار از تانک «Armata T-143») به عنوان نگهبانان جدید سایتهای موشکی خود است.
1- معاون اطلاعات وزیر دفاع (undersecretary of defense for intelligence)، یک موقعیت غیرنظامی ردهبالا در وزارت دفاع آمریکا است که بهعنوان یک مشاور ردهبالا در امور نظامی عمل میکند.
2- Pentagon’s office of acquisition technology and logistics
3- تی-۱۴ آرماتا جدیدترین تانک اصلی میدان نبرد ارتش روسیه است که در سال ۲۰۱۵ از آن رونمایی شد. این تانک بر مبنای بدنه زرهپوش آرماتا توسعه پیدا کرده است. قرار است تا سال ۲۰۲۰ حدود ۲۳۰۰ دستگاه از این تانک به ارتش روسیه تحویل داده شود.
به گزارش جامجم آنلاین به نقل از ایسنا، این مجموعه که ماشین خواندن و درک مفاهیم مایکروسافت یا MS MARCO نام داشته میتواند برای آموزش سیستمهای هوش مصنوعی در جهت تشخیص سوالهای مختلف و پاسخ به آنها و در نهایت برای ایجاد سیستمهایی استفاده شود که پاسخهای منحصر به فردی را به سوالاتی که قبلا چیزی در مورد آن نشنیدهاند میدهند.
محققان بر این باورند که با ارائه سوالات و پاسخهای واقع بینانه میتوانند سیستمها را برای درک بهتر تفاوتهای ظریف و پیچیده سوالاتی که مردم به طور معمول میپرسند آموزش دهند.
محققان این پژوهش از مرکز فناوری یادگیری عمیق مایکروسافت اظهار کردند: مجموعه دادههای ما نه تنها با استفاده از دادههای دنیای واقعی طراحی شده بلکه محدودیتها را از بین برده به طوری که مدلهای یادگیری عمیق نسل جدید میتواند دادهها را قبل از پاسخ به سوالات درک کنند.
مایکروسافت اعلام کرد که مجموعه دادههای MS MARCO در حال حاضر برای هر محققی که میخواهد آن را دانلود کرده و برای کاربردهای غیر تجاری از آن استفاده کند به صورت رایگان در دسترس است.
خبرگزاری آریا- دانشمندان آمریکایی موفق به ساخت اولین خون مصنوعی شدند
به گزارش سرویس علمی خبرگزاری آریا، محققان دانشگاه واشنگتن موفق به ساخت اولین گلبولهای قرمز مصنوعی شده اند که به راحتی ذخیره و منتقل می شوند. به گزارش پایگاه خبری ترا اسپانیا، این گلبولها به راحتی با آب مخلوط می شوند و می توانند در مناطق جنگی یا در مواقع بلایای طبیعی که انتقال خون غیر ممکن است، جان هزاران نفر را نجات دهد. این دستاورد به نام ErythroMer روز شنبه در جریان پنجاه و هشتمین جلسه انجمن خون شناسی آمریکا ارائه شد. طراحی گلبولهای قرمز جدید به شکلی است که از عملکرد گلبول های قرمز طبیعی تقلید می کند و در صورت تایید آن برای انسان، می تواند به جایگزینی برای انتقال خون، به خصوص در شرایطی که ذخیره و انتقال آن دشوار است، تبدیل شود. به گفته آلان داکتر ،سرپرست ارشد این مطالعه، ErythroMer می تواند جایگزین خون باشد و یک پزشک آن را در یک بسته همراه خود جابجا کند و آن را با آب مخلوط و تزریق کند. وی افزود: در حال حاضر ابزار «راحت و عملی» برای انتقال خون به خارج از بیمارستان وجود ندارد و یکی از اهداف اصلی این تحقیق احیاء قربانیان غیر نظامی در مناطق دور افتاده و سربازان مجروحی است که برای آنها امکان انتقال به موقع وجود ندارند. بر اساس آزمایشاتی که تا کنون انجام شده است، محققان این پروژه معتقدند که ErythroMer بر موانعی که پیشرفت جایگزین های قبلی خون را دچار مشکل می کرد، از جمله اثربخشی و باریک شدن رگهای خونی ،غلبه کرده است. این خون مصنوعی تا کنون تنها بر روی موش ها آزمایش شده و قرار است بر روی حیوانات بزرگتر نیز امتحان شود. به علاوه، دانشمندان به دنبال روش هایی برای افزایش تولید آن هستند و در صورتی که آزمایشات بعدی موفقیت آمیز باشند، ErythroMer تا 10 یا 12 سال آینده قابل استفاده خواهد بود.
تولید دست مصنوعی 15 دلاری!
تاریخ انتشار : دوشنبه ۲۲ آذر ۱۳۹۵ ساعت ۱۹:۵۲
محققان کالج ایتالیکا در نیویورک در دستاوردی چشمگیر توانستهاند یک دست پروتز ارزان را با 15 دلار هزینه و یک چاپگر سه بعدی تولید کنند که میتواند کارهایی مانند گرفتن توپ، نوشتن و حتی چنگ زدن را انجام دهد.
محققان آزمایشگاه چاپ سه بعدی کالج ایتالیکا پس از مشاهده یک فیلم که در آن فردی به چاپ و مونتاژ یک دست مصنوعی با کمترین هزینه پرداخته بود، به این کار علاقمند شدند.
آنها با استفاده از طراحیهای قابل دسترس در اینترنت به چاپ قطعات دست و مونتاژ آن طی یک روز پرداختند. این محققان اکنون در حال بررسی برای شناسایی روشهایی به منظور ارتقاء دست مصنوعی خود هستند.
دانش > پزشکی - همشهری آنلاین:
«تز» داشت برای یافتن پژوهشهایی که ممکن است به پدرش کمک کند، اینترنت را جستجو میکرد. او پس از دچار شدن به سکته مغزی به اغما فرورفته بود و او به دنبال یافتن آخرین توصیهها برای درمانش بود
اینکه آیا نواختن موسیقی برایش به زبان مادریاش ممکن است او را مرتبط با دنیا نگه دارد یا دادن داروی پروزاک به او، آن چنانکه یک بررسی روی موشها در سال پیش نشان داد بود، میتواند احتمال بهبودیاش را افزایش دهد.
پزشکان هم علائق مشابهی دارند و نمیدانند از کدام یافتهها در ۲.۵ میلیون مقاله علمی که منتشرشده در هر سال خبردار نمیشوند.
سایتهای پرطرفداری مانند MedCalc و UpTodate ابزارهای سودمندی برای پزشکان برای در نظر گرفتن معیارهای تشخیصی و وارسی دوباره دستورالعملهای درمانی هستند. اما امکانات بسیاری برای بهبود این وضعیت وجود دارد و برخی معتقدند که هوش مصنوعی میتواند راهحلی برای سر درآوردن از این حجم گسترده اطلاعات علمی باشد: دستیاران ماشینی یادگیرنده برای خواندن مقالات منتشرشده، تلخیص اطلاعاتشان و برجسته کردن یافتههای مربوطشان.
ماه پیش، شرکتی به نام آیریس (Iris) نخستین گونه از چنین دستیارهای ماشینی را به کار انداخت. این ماشین در حال حاضر میتواند چکیده مقالهها را بخواند، مفاهیم کلیدیشان را مشخص کند و مقالاتی را بیابد که با آن مفاهیم مرتبط باشند. این ابزار شیوه سریعی را برای درک کردن چشمانداز علمی در یک سرفصل معین در اختیار میگذارد به خصوص هنگام ندانستن کلمات کلیدی دقیق برای آن نوع پژوهش مورد جستجویتان، به دردتان میخورد.
انستیتوی هوش مصنوعی آلن اخیراً یک موتور جستجو به نام Semantic Scholar به راه انداخته است که این جستجو را به فراسوی کلیدواژهها میبرد.
آنیتا شول برد، مدیرعامل اجرایی آیریس، میگوید: «یکی از مشکلات کاوش در کشوهای غبارگرفته دیجیتال و رساندن یافتهها به دستان کسانی است که میتوانند بر مبنای آنها عمل کنند.»
این ابزار باید به خصوص کاوش در میان مقالات علمی را برای افرادی که پژوهش بینرشتهای انجام میدهند، آسانتر کند. این شرکت قصد دارد در طول سه سال آینده یک گونه کنشگر این موتور جستجو را بسازد که به یاد دارد شما هفته پیش کدام مقالات را خواندهاید و بر اساس توصیف پروژه شما مقالات جدیدی را در اختیارتان میگذارد. او امیدوار است که هوش مصنوعی در طول ۱۰ سال آنقدر قدرتمند شود که مفاهیم جدید را - بر اساس خواندن مقالات و درکش از آنها- به تنهایی کشف کند.
ماشین آیریس نسبت به رشته بیتفاوت است. این ماشین اهمیت نمیدهد که شما از آن یافتن پژوهشها درباره سرطان را بخواهید یا مواد کامپوزیت. اما گروههای دیگر دارند بر حل این مشکل در پزشکی متمرکز میشوند. شرکت آیبیام دارد تکنولوژی هوش مصنوعیاش به نام «واتسون سرطانشناسی» (Watson Oncology) را که به وسیله سرطانشناسان ورزیده «مرکز سرطان مموریال اسلون کترینگ» تعلیم دیده است، برای حوزه پر از بیم و امید سرطان به کار میگیرد. این ابزار مقالات، دادههای بیماران و کارآزماییهای بالینی را جستجو میکند تا به پزشکان کمک کند تا از آخرین تحولات در این زمینه آگاه شوند.
ابزار آیبیام به سایر حوزههای پزشکی کاری ندارد و ماشین آیریس در حال حاضر فقط سازماندهی و دستیابی به مقالات را بهبود میبخشد. برای یک پزشک معمول با برنامه کاری معمول، فقط یافتن پژوهش مربوط کافی نیست: شخصی باید این پژوهش را بخواند و آن را دریابد. ستاره علیپور، رزیدنت پزشکی در نیویورک میگوید: «این مشکل بزرگی است. دادههای علمی دارند آنقدر گسترده میشوند که حتی پزشکان متخصص نمیتوانند از همه کشفها در حوزه کاریشان، خبردار شوند و تازه صحبت من درباره بررسیهای بزرگتر است، نه دادههای بهدستآمده از بررسیهای کوچک و غیرقابلاعتماد.»
این ایده که مقالات علمی باید نقشی در کارورزی بالینی داشته باشند - یا به اصطلاح «پزشکی مبتنی بر شواهد» (evidence-based medicine)- روندی است که اخیراً از سنت پزشکی طبابت بر اساس آموختههای دانشکده پزشکی جدا شده است. دانش پزشکان همیشه به خوبی روزآمد نمیشود: فقط حدود نیمی از بیماران در آمریکا دوره درمانی توصیهشده بر اساس منابع علمی را دریافت میکنند. پزشکان به هر تلاشی برای پل زدن بر این شکاف یا آسانتر کردن ردیابی دانش جدید خوشآمد میگویند. علیپور میگوید: «اگر ماشینی بتواند به عنوان حافظه قابلاعتماد و زیرک من عمل کند، بسیار دوستش خواهم داشت.»
پدر تز از اغما بیرون آمد و دارد بهبود مییابد. اما برخی از مقالاتی که او در اینترنت یافت، آنقدر علاقه پزشکان معالج پدرش را برانگیخت که او آنها را برایشان پرینت کرد و در بورد آگهیهای بخش نورولوژی بیمارستان گذاشت. تز که یکی از دو بنیانگذار یک صندوق سرمایهگذاری کارآفرین به نام Premutation است، بسیار به آینده ماشینهای با ذهن پزشکی اندیشیده است.
او پزشکیار ماشینی هوشمندی را تصور میکند که با ارتباط با سوابق الکترونیکی بهداشتی در دسترس همگانی، حاوی همه اطلاعات مربوط به شما، علائم و سابقه پزشکی شما را به روزآمدترین توصیهها برای انتخاب درمان ارجاع متقابل میدهد. این پزشکیار هوشمند همچنین میتواند دکترتان را از پژوهشهای جدیدی آگاه کند که ممکن است موردعلاقه باشند.
تز میگوید: «مشکل پژوهشهای بیمارستانی و کاربرد هوش مصنوعی این است که افراد مشغول در حوزه هوش مصنوعی درکی از بیمارستانها ندارند.» همانطور که همکاری آیبیام با افراد حوزه پزشکی نشان میدهد، اگر راهحلی با استفاده از هوش مصنوعی برای بهبود مراقبتهای بهداشتی وجود داشته باشد، احتمالاً از همیاری میان بیمارستانها و تکنولوژیستها ناشی خواهد شد.
نویسنده: بهار قلیپور
منبع: Wired
وب سایت دیجیاتو - محسن وفانژاد: احتمالا با ابر کامپیوتر شرکت IBM با نام واتسون آشنایی دارید. این ابرکامپیوتر که به هوش مصنوعی فوق العاده قدرتمندی مجهز است، طی چند ماه گذشته بسیار خبرساز شده و قابلیت هایش ما را به تعجب وا داشته.
مورگان فیلمی است در ژانر درام علمی-تخیلی با محوریت یک هوش مصنوعی خطرناک و جالب است که حالا یک هوش مصنوعی قرار است تریلر چنین فیلمی را بسازد.
برای آماده سازی واتسون، پژوهشگران شرکت IBM به این کامپیوتر بیش از 100 تریلر فیلم ترسناک را نشان دادند که به بخش ها و لحظه های کوتاه تقسیم شده بود. سپس کامپیوتر با تحلیل صدا، تصویر و ترکیب آن ها ایده ای از ساخت تریلر به دست آورد.
در نهایت، واتسون پس از تماشای مورگان، 10 صحنه را برگزید و مجموعا 6 دقیقه ویدیو از آن بیرون کشید تا تریلر را بسازد. در حالی که ممکن است خروجی ادیتورهای ویدیو موثرتر و جذاب تر باشد اما هوش مصنوعی IBM موفق شد این تریلر را در کمتر از یک روز بسازد در حالی که ساخت تریلر به شکل عادی بین 10 تا 30 روز به طول می انجامد.
نتیجه بسیار عالی و البته فوق العاده وهمناک به نظر می رسد. در ادامه می توانید ویدیو را مشاهده کنید.
مدر صورت پخش نشدن ویدئو بر روی تصویر زیر کلیک کنید: