تمرکز چین بر توسعه تراشه‌های هوش مصنوعی تا سال ۲۰۳۰

 
 
کشور چین می‌خواهد تا سال ۲۰۳۰ در زمینه فناوری‌های هوش مصنوعی از همه کشورهای جهان سبقت بگیرد. به همین دلیل بر توسعه تراشه‌های هوش مصنوعی با اتکا به توان داخلی تمرکز کرده است.
 
به گزارش پژوهشگاه فضای مجازی، شرکت «Enflame Technology» (یک استارت‌آپ مطرح چینی که برای آموزش به هوش مصنوعی تراشه‌های یادگیری عمیق توسعه می‌دهد)، برای تأمین سرمایه خود ۲۷۸.۵ میلیون دلار دیگر از دولت و سرمایه‌گذاران صنعت دریافت کرده است.
 
سرمایه‌گذار قبلی این استارت‌آپ، شرکت اینترنتی غول‌پیکر تنسنت بود که حتی در دوره‌های اولیه تامین سرمایه Enflame هم شرکت کرده بود.
 
از جمله افراد دیگری که در دوره تأمین سرمایه این استارت‌آپ شرکت کردند می‌توان به CITIC Group (شرکت سرمایه‌گذاری سابق دولت چین)، Capital Corp (بانک سرمایه‌گذاری بین‌المللی چین) و Primavera Capital Group (شرکت سرمایه‌گذاری چینی) اشاره کرد.
 
این استارت‌آپ که در شانگهای واقع شده، جزو پررشدترین و آینده‌دارترین توسعه‌دهندگان تراشه هوش مصنوعی به شمار می رود و به‌شدت تحت حمایت دولت چین قرار گرفته است؛ چراکه پکن می‌خواهد توانایی‌های خود را در صنایع نیمه‌هادی افزایش دهد.
 
Enflame و استارت‌آپ‌های دیگر چین از جمله Intellifusion، شرکت فناوریCambricon و Illuvater CoreX نیز در حال توسعه سیستم‌ها روی تراشه (SoCهای) هوش مصنوعی هستند تا بتوانند به کمک آن‌ها سیستم‌های پردازشی فوق سریع (HPC) و نرم‌افزارهای سازمانی دیگر را آموزش دهند.
 
استارت‌آپ Enflame برای توسعه هوش مصنوعی از رویکردهای یادگیری عمیق مربوط به مراکز داده ابری استفاده می‌کند تا بتواند اپلیکیشن‌های هوش مصنوعی را آموزش و ارتقا بدهد.
 
پکن می‌خواهد تا سال ۲۰۳۰ در زمینه فناوری‌های هوش مصنوعی از همه کشورهای جهان جلوتر بیفتد. صندوق‌های سرمایه‌گذاری چین تخمین زده‌اند که برای رسیدن به این هدف باید حدود ۳۰ میلیارد دلار در صنعت هوش مصنوعی و تحقیقات مربوط به آن سرمایه‌گذاری کرد.
 
طبق گزارش‌های رسانه‌ای و ارزیابی‌های فناورانه، چین به‌طور کلی ۱.۴ تریلیون دلار دیگر در زمینه هوش مصنوعی و فناوری‌های نسل بعدی آن سرمایه‌گذاری خواهد کرد که این سرمایه هم به‌کمک دولت و هم به‌کمک صندوق‌های سرمایه‌گذاری خصوصی تامین خواهد شد.
 
تنسنت (با نماد TCEHY در فرابورس) یکی از بزرگ‌ترین شرکت‌های فناوری چین است که سرمایه‌گذاری‌های هنگفتی بر توسعه تراشه هوش مصنوعی این شرکت کرده است.
 
سال گذشته، شرکت بایدو (با نماد BIDU در بازار نزدک) اعلام کرد که می‌خواهد تا سال ۲۰۲۵ پنج میلیون توسعه‌دهنده هوش مصنوعی آموزش دهد و تا سال ۲۰۳۰، در ۱۰ مرکز داده خود به همین تعداد سرور ابری هوش مصنوعی پیاده‌سازی کند.
 
سرمایه‌گذاران چینی روی استارت‌آپ‌های تراشه هوش مصنوعی دیگر هم میلیون‌ها دلار سرمایه‌گذاری می‌کنند.
 
به گزارش وبسایت Crunchbase.com، شرکت Cambricon Technologies حدود ۲۰۰ میلیون دلار از صندوق‌های سرمایه‌گذاری مخاطره‌پذیر چین سرمایه دریافت کرده است. این شرکت توسعه‌دهنده تراشه که در پکن واقع شده، در عرضه اولیه سهام جولای سال ۲۰۲۰، حدود ۳۶۹ میلیون دلار تامین سرمایه کرد. اولین نسل تراشه‌های هوش مصنوعی Cambricon پردازنده یادگیری عمیق است که برای دستگاه‌های مصرف‌کننده یا دستگاه‌های لبه (سازمانی) توسعه یافته است.
 
با آنکه آمریکا می‌خواهد فعالیت‌های توسعه و تحقیق مربوط به هوش مصنوعی خود را آغاز کند و از برتری‌های خود در این زمینه (توانایی‌های فنی بهتر و نیروی با استعداد بیشتر) استفاده کند، تحلیلگران صنعت می‌گویند این تلاش‌ها (چه به صورت خصوصی و چه به صورت دولتی) در مقایسه با پیشروی‌های چین ناچیز به حساب می‌آیند.
 
جرولد ونگ، تحلیلگر Lux Research می‌گوید: «به نظر ما چین در زمینه هوش مصنوعی و فناوری‌های چینی دیگر پشتکار زیادی دارد و اهداف والا، سلطه‌جویانه و آرمانگرایانه‌ای را دنبال می‌کند. فناوری‌های چین به‌سرعت در حال پیشرفت هستند و چین دارد به یکی از بهترین نقش‌آفرینان این صنایع تبدیل می‌شود. هدف چین این نیست که در جایگاه رقابت با شرکت‌های برتر جهان قرار بگیرد، بلکه می‌خواهد خودش برترینِ این صنعت در جهان باشد.»

جاروبرقی رباتیک سامسونگ با قدرت هوش مصنوعی معرفی شد

شرکت سامسونگ الکترونیکس لوازم خانگی نوآورانه‌ای را معرفی کرده است که می‌تواند به خودکار کردن کارهای روزانه خانه کمک کند. جاروبرقی JetBot 90 AI+ مجهز به فناوری‌های هوشمندی است که مسیر تمیز کردن و واکنش آن به شرایط محیطی را ارتقا داده است. در عین حال لباسشویی‌های دوقلوی هوشمند Dial Front Load از هوش مصنوعی برای تشخیص ترجیح مصرف کننده و پیشنهاد بهترین برنامه شستشو و خشک کردن استفاده می‌کنند. هردوی JetBot 90 AI+ و لباسشویی‌های هوشمند اخیرا توانستند جوایز نوآوری‌های CES را دریافت کنند و در نیمه اول 2021 وارد آمریکا خواهند شد. 
جان هرینگتون، معاون ارشد بخش لوازم خانگی سامسونگ می‌گوید «ما در سامسونگ به ارائه نوآوری‌هایی در لوازم خانگی پایبندیم که به خانواده‌ها انگیزه داده و در عین حال زندگی‌شان را به روش‌هایی ساده‌تر کند که تا بحال فکرش را هم نمی‌کردند. این لوازم خانگی جدید با درک سلایق شما در تمیز کردن کف خانه و شستشوی لباس‌ها می‌توانند کارهایی را از دوش شما برداشته و زمان بیشتری را برای گذراندن با عزیزان‌تان در اختیار شما قرار دهند».
 
جاروبرقی JetBot 90 AI+ مجهز با حسگرهای هوش مصنوعی برای مسیریابی
 
WhatsApp Image 2021-01-13 at 15.27.07.jpeg
 
مدل جدید JetBot 90 AI+ اولین جاروبرقی رباتیک هوشمند جهان و مجهز به Intel AI است که با کمترین زحمت کف خانه را به شکل جذاب تمیز می‌کند. 
با استفاده از ترکیب حسگرها و فناوری تشخیص اشیا با استفاده از هوش مصنوعی، جاروبرقی JetBot 90 AI+ براحتی و با همان دقت موردنظر شما مسیر خود را در خانه پیدا می‌کند. یک حسگر LiDAR همانند آن چیزی که در خودروهای خودران دیده‌اید، فاصله‌ها را اندازه گرفته و برای حرکت دقیق دستگاه، مسیر را بررسی می‌کند. یک حسگر سه‌بعدی نیز تفاوت میان اشیایی مانند اسباب بازی و پایه میز را تشخیص می‌دهد و حتی توانایی شناسایی اشیای بسیار کوچک روی کف خانه و شکل اتاق را برای تعیین نوع حرکت خود دارد. الگوریتم تشخیص اشیا به این جاروبرقی امکان می‌دهد تا تمامی انواع اشیا را شناسایی کرده و امن‌ترین و کارآمدترین مسیر را تعیین کند. پس از این مراحل، JetBot 90 AI+ از اطلاعات بدست آمده برای حرکت در نزدیکی اشیای روی کف اتاق و در عین حال برای حفظ امن‌ترین مسیر در کنار اشیای شکستنی و همچنین برای کاهش ارتفاع خود در مجاورت برخی از اشیا، استفاده می‌کند. اگر چیزی به عنوان شی خطرناک یا دارای آلودگی ثانویه دسته‌بندی شود، به آن نزدیک نمی‌شود. 
این جاروبرقی در زمان تمیز کردن کف، از یک موتور اینورتر دیجیتالی با 30 وات قدرت مکش و مجهز به سیستم Jet Cyclone برای گرفتن گردوخاک از هوا و جمع کردن اشغال از روی کف استفاده می‌کند. جاروب روی این دستگاه که بصورت خودکار هم تمیز می‌شود دارای رشته‌هایی بسیار باریک از پارچه‌های بافته بسیار نرم است که گردوخاک را از روی کف برداشته و براحتی نوار بین سرامیک کف را هم تمیز می‌کند. 
جاور برقی JetBot 90 AI+ بعد از تمیز کردن خانه بصورت خودکار به Clean Station برمی‌گردد که سیستم اختصاصی سامسونگ برای دفع زباله است. جاروبرقی در آنجا گردوخاک و موی جمع شده از خانه را داخل یک کیسه زباله تخلیه می‌کند که شما باید هر دو تا سه ماه آن را تعویض کنید. 
این جاروبرقی از طریق اپلیکیشن SamrtThings سامسونگ به گوشی شما وصل شده و در واقع قدرت تمیز کردن خانه را در دستان شما می‌گذارد. می‌توانید از هر جایی جاروبرقی خود را کنترل کرده و برای آن زمانبندی یا بخش‌های ورود ممنوع را روی نقشه خانه مشخص کرده و یا برای زمانی که در خانه نیستید و به منظور مراقبت از حیوانات خانگی‌تان، روی آن دوربین وصل کنید. 
 
مراقبت بهینه از لباس‌ها با لباسشویی دوقلوی مجهز به هوش مصنوعی
 
WhatsApp Image 2021-01-13 at 15.27.08.jpeg
 
نوآوری‌های سامسونگ در حوزه هوش مصنوعی بصورت مداوم روش انجام کارهای روزمره توسط مشتریان را تغییر می‌دهد. لباسشویی‌های دوقلوی سری 8800 هوشمند Dial Front Load به گونه‌ای طراحی شده‌اند که کار شستشوی لباس را ساده‌تر، خلاقانه‌تر و کم استرس‌تر کنند. 
سامسونگ در این محصولات جدید از فناوری Smart Dial استفاده کرده است که بصورت هوشمند ترجیحات شما و برنامه‌های شستشوی مورد علاقه‌تان را یاد گرفته و برای دسترسی ساده‌تر آنها را در بخش دسترسی سریع صفحه کنترل قرار می‌دهد. همچنین با استفاده از یادگیری بر اساس دفعات گذشته و ساعات و روزهای مخصوصی که کار شستشو را انجام می‌دهید، برنامه‌هایی را برای شستشوی مناسب لباس پیشنهاد می‌دهد.
قابلیت قدرتمند OptiWash آن وزن لباس‌های قابل شستشو را تشخیص داده و از حسگر اختصاصی Turbidity برای تعیین میزان آب و ماده شوینده لازم استفاده می‌کند. این مدل همچنین زمان شستشوی لباس‌ها برای رسیدن به تمیزترین حالت را هم تعیین می‌کند.
استفاده از ماشین‌های دوقلو هیچ وقت تا این حد ساده نبوده است. با استفاده از قابلیت MultiControl شما می‌توانید هردوی دستگاه را از روی صفحه کنترل مرکزی دستگاه شوینده کنترل کنید.
همچنین برای دریافت هشدار درباره پایان برنامه شستشو، شروع یا توقف شستشو از راه دور، زمان‌بندی شستشو و غیره، با استفاده از SmartThings و از روی گوشی هوشمندتان اقدام کنید. 
هردوی جاروبرقی JetBot 90 AI+ و لباسشویی دوقلوی جدید در غرفه مجازی سامسونگ در CES به نمایش گذاشته خواهند شد. برای اطلاعات بیشتر می‌توانید به آدرس https://www.samsung.com/us/explore/experiences/ces2021 مراجعه کنید.

ابررایانه سیمرغ دهه فجر به بهره برداری می رسد/ تحلیل وقوع زلزله

 
 
ابررایانه ایرانی سیمرغ با ظرفیت ۱۶۰ تریلیون عملیات پردازش در یک ثانیه، بهمن ماه به بهره برداری می رسد.
 
 وزارت ارتباطات اعلام کرد: ابرکامپیوترها از نشانه‌های اصلی تولید دانش و پیشرفت در علوم و صنایع مختلف محسوب می‌شوند که فناوری ساخت آنها در انحصار چند کشور پیشرفته قرار دارد.
 
هم اکنون با همکاری پژوهشگاه ارتباطات و فناوری اطلاعات و دانشگاه صنعتی امیرکبیر، پروژه ساخت «ابررایانه سیمرغ» در کشور در حال انجامم است.
 
این پروژه با تعریف نیازهای پردازشی فوق سریع در کشور کلید خورده تا به صورت کاربردی در حوزه‌هایی چون هوش مصنوعی، کلان داده‌ها، اینترنت اشیا و بلاکچین مورد استفاده قرار گیرد.
 
ابر رایانه سیمرغ علاوه بر جنبه تحقیقاتی، پیش بینی سریع آب و هوا، تحلیل‌های زمین شناسی و زلزله شناسی و تحلیل‌های داده‌های ژنتیکی را بر بستر شبکه ملی اطاعات امکان پذیر می‌کند.
 
در این طرح در ابتدا مدل مهندسی و پیش نمونه ابررایانه با ظرفیت پردازشی حدود ۱۶۰ ترافلاپس (۱۶۰ تریلیون عملیات پردازش در یک ثانیه) به بهره برداری می‌رسد و عملیات توسعه آن تا مقیاس پتافلاپس یا ۱۰ به توان ۱۵ (یک میلیون میلیارد محاسبه در یک ثانیه) هم خواهد رسید.
 
مطالعه برای توسعه سرعت پردازش در مقیاس اگزافلاپس یا ۱۰ به توان ۱۸ (یک میلیارد میلیارد محاسبه در یک ثانیه) نیز ادامه پیدا می‌کند.
 
قرار است ابررایانه سیمرغ که در رده ۵۰۰ ابررایانه برتر دنیا است در بهمن ماه به بهره برداری برسد.
 
با به کارگیری این ابررایانه و هوش مصنوعی و تکمیل الگوریتم پیچیده حرکت گسل‌ها، می‌توان به پیش بینی نسبتاً خوبی از تحلیل وقوع زلزله در کشور رسید.

۹ پیش‌بینی در مورد هوش مصنوعی در سال ۲۰۲۱

 
 
پیش بینی ها نشان می دهد که سال ۲۰۲۱ سالی است که در آن محتوای دیپ‌فیک در سراسر جهان رواج پیدا می‌کند و تعداد قابل‌توجهی از جمعیت جهان واقعی بودن آن‌ها را باور می‌کنند.
 
گروه علوم و فناوری‌های نوین پژوهشگاه فضای مجازی ۹ پیش‌بینی در مورد رخدادهای ناشی از توسعه هوش مصنوعی در سال ۲۰۲۱ را مطرح کرد که از پژوهش‌های آکادمیک و استارت‌آپ‌ها تا بازار سرمایه و قانونگذاری را پوشش می‌دهد.
 
۱. دیپ‌فیک‌های سیاسی در جهان رواج پیدا می‌کند که به سردرگمی و شایعات دامن می‌زند
 
فناوری دیپ‌فیک با سرعت زیادی در حال بهبود و توسعه است. اتفاقات اخیر در هند و گابن قدرت مخرب این فناوری در حوزه سیاست را نشان داده است. ۲۰۲۱ سالی است که در آن محتوای دیپ‌فیک در سراسر جهان رواج پیدا می‌کند و تعداد قابل‌توجهی از جمعیت جهان واقعی بودن آن‌ها را باور می‌کنند. احتمالاً این ویدئوها چهره‌های سرشناسی را نشان می‌دهند که نظرات بحث‌برانگیزی ارائه می‌کنند.
 
بعضی سیاست‌گذاران برای لغو کردن ماده ۲۳۰ قانون شایستگی در ارتباطات مصوب سال ۱۹۹۶ تلاش کرده و استدلال می‌کنند که شرکت‌های فناوری بزرگ باید مسئولیت نظارت بر دیپ‌فیک در پلتفرم خود را به عهده بگیرند.
 
۲. تعداد کل پژوهش‌هایی که در زمینه یادگیری مشارکتی منتشر می‌شود، افزایش می‌یابد
 
محرمانگی داده برای مصرف‌کنندگان و قانون‌گذاران به مسأله مهمی تبدیل شده است. با توجه به این موضوع، استفاده از هوش مصنوعی برای حفظ حریم خصوصی و به عنوان بهترین روش مدل‌سازی برای یادگیری ماشین، رواج پیدا می‌کند. برجسته‌ترینِ این روش‌ها، یادگیری مشارکتی است.
 
بر اساس پایگاه «Google Scholar» تعداد کل مقالاتی که در زمینه یادگیری مشارکتی منتشر شده در سال ۲۰۱۸ برابر با ۲۵۴ مورد، در سال ۲۰۱۹ برابر با ۱۳۴۰ مورد و در سال ۲۰۲۰ برابر با ۳۹۴۰ مورد بوده است. این رشد تصاعدی همچنان ادامه پیدا می‌کند و در سال ۲۰۲۱ بیش از ۱۰ هزار مقاله پژوهشی در زمینه یادگیری مشارکتی منتشر می‌شود.
 
۳. یکی از شرکت‌های بزرگ تولید نیمه‌هادی‌ها، استارت‌آپی را که در زمینه چیپ‌های هوش مصنوعی فعالیت دارد به قیمت بالای ۲ میلیارد دلار خریداری می‌کند
 
چیپ‌های سیلیکونی که به طور خاص برای عملکرد هوش مصنوعی ساخته شده‌اند، آینده صنعت نیمه‌هادی‌ها را رقم می‌زنند. خرید «Habana Labs» توسط اینتل به قیمت ۲ میلیارد دلار، این واقعیت را نشان می‌دهد. در سال ۲۰۲۱، احتمالاً یکی از استارت‌آپ‌هایی که در زمینه چیپ‌های هوش مصنوعی فعالیت دارد به قیمت بالایی توسط شرکت چیپ‌سازی دیگری خریداری خواهد شد.
 
اهداف احتمالی برای خریده شدن: «Graphcore»، «Cerebras»، «SambaNova»
 
خریداران احتمالی: «NVIDIA»، «AMD»، «Qualcomm»، «Intel»
 
۴. یکی از شرکت‌های دارویی بزرگ، استارت‌آپی را که در حوزه کشف دارو با استفاده از هوش مصنوعی فعالیت دارد، به قیمت بالای ۲ میلیارد دلار خریداری می‌کند
 
۱۰ شرکت برتر حوزه دارویی متوجه این حقیقت شده‌اند که یادگیری ماشین پتانسیل ایجاد انقلاب در کشف و توسعه دارو را دارد. در سال ۲۰۲۱ یکی از شرکت‌های دارویی بزرگ، استارت‌آپی را که در حوزه کشف دارو با استفاده از هوش مصنوعی فعالیت دارد خریداری کرده و فناوری و استعدادهای آن را وارد شرکت خودش می‌کند.
 
اهداف احتمالی برای خریده شدن: «Recursion»، «Exscientia»، «Insitro»، «Atomwise»
 
خریداران احتمالی: «Bayer»، «GlaxoSmithKline»، «Novartis»، «Bristol Myers Squibb»، «Eli Lilly»، «Gilead»
 
۵. دولت فدرال ایالات متحده برای اولین بار هوش مصنوعی را در اولویت سیاست‌گذاری‌های خود قرار می‌دهد
 
ایالات متحده به شکل قابل‌توجهی در زمینه سیاست‌گذاری عمومی در حوزه هوش مصنوعی از کشورهای دیگر، به ویژه چین، عقب مانده است. احتمالاً در سال ۲۰۲۱ تغییرات ایجاد شده در کابینه دولت این موضوع را تغییر می‌دهد.
 
دولت بایدن طرح را ارائه کرده و مجلس آن را تصویب می‌کند و بودجه‌ای دولتی برای هوش مصنوعی در نظر گرفته می‌شود. علاوه بر این، مجلس یک استراتژی ملی را نیز تصویب می‌کند که به موضوعاتی مثل اخلاق در هوش مصنوعی، اولویت‌های پژوهشی، اقدامات امنیت ملی و اتوماسیون کاری می‌پردازد.
 
۶. مدل پردازش زبان طبیعی با بیش از یک تریلیون پارامتر ساخته می‌شود
 
«OpenAI» در سال ۲۰۱۹ اولین مدل پردازش زبان طبیعی (GPT-۲) را با یک و نیم میلیارد پارامتر عرضه کرد. این حجم در آن زمان خیلی زیاد به نظر می‌رسید. «OpenAI» در سال ۲۰۲۰، «GPT-۳» را به جهانیان عرضه کرد که دارای ۱۷۵ میلیارد پارامتر بود.
 
این مسابقه در سال ۲۰۲۱ هم ادامه پیدا می‌کند و برای اولین بار مدلی با بیش از یک تریلیون پارامتر ساخته می‌شود. به احتمال زیاد این مدل توسط «OpenAI» عرضه می‌شود و نام آن «GPT-۴» خواهد بود. سازمان‌های دیگری که ممکن است یک تریلیون پارامتری را بشکنند عبارتند از مایکروسافت، فیس‌بوک، گوگل و «NVIDIA».
 
۷. «MLOps» شروع به تحکیم بازار می‌کند
 
استارت‌آپ‌های زیادی در سال‌های اخیر پدیدار شده‌اند که در زمینه ابزارها و زیرساخت‌های لازم برای یادگیری ماشین فعالیت دارند. تعداد نسبتاً کمی از این استارت‌آپ‌های ابزاری پابرجا می‌مانند و به شرکت‌های مستقل تبدیل می‌شوند. در سال ۲۰۲۱ ادغام قابل‌توجهی در این حوزه اتفاق می‌افتد.
 
شرکت‌های بزرگ که به دنبال ایجاد پلتفرم‌های جامع و بدون واسطه هستند، استارت‌آپ‌هایی را که راهکارهای موردی ارائه می‌دهند، خریداری می‌کنند. خرید «SigOpt» و «Cnvrg.io» توسط اینتل در سال ۲۰۲۰ نمونه‌ای از این موضوع است.
 
اهداف احتمالی برای خریده شدن: «Alectio»، «Algorithmia»، «Arize AI»، «Arthur AI»، «Comet»، «DarwinAI»، «Fiddler Labs»، «Gradio»، «OctoML»، «Paperspace»، «Snorkel AI»، «Truera»، «Verta»، «Weights & Biases» و غیره.
 
خریداران احتمالی: «IBM»، مایکروسافت، آمازون، «Databricks»، «DataRobot»، «Oracle»
 
۸. هوش مصنوعی به قسمت مهمی از داستان بی‌اعتمادی رگولاتورها نسبت به شرکت‌های فناوری بزرگ تبدیل می‌شود
 
مقامات رگولاتوری ایالات متحده و اروپا، در سال ۲۰۲۰ اقداماتی را علیه آمازون، اپل، فیس‌بوک و گوگل انجام دادند. تا اینجای کار، رگولاتوری در پرونده‌هایی که علیه غول‌های فناوری ایجاد کرده تمرکز خاصی روی هوش مصنوعی نداشته است.
 
در سال جدید، در عین حال که رگولاتوری‌ها تلاش می‌کنند به دلیل دشواری رقابت با این شرکت‌ها با آن‌ها مقابله کنند، انتظار این را داشته باشید که از هوش مصنوعی نیز به عنوان بهانه جدیدی استفاده کنند. استدلال اصلی آن‌ها این خواهد بود که انحصار داده‌ها در این شرکت‌ها باعث برتری آن‌ها در ایجاد الگوریتم‌های یادگیری ماشین می‌شود.
 
۹. بیولوژی برجسته‌ترین حوزه‌ای خواهد بود که از یادگیری ماشین در آن استفاده می‌شود
 
از نظر تحقیقات آکادمیک، بودجه استارت‌آپی و میزان توجه رسانه‌ها می‌توان گفت بیولوژی تاثیرگذارترین و پربازده‌ترین حوزه‌ای است که می‌توان از هوش مصنوعی در آن استفاده کرد. دستاورد «AlphaFold» از شرکت «DeepMind» (که بهره‌برداری از آن سال‌ها طول می‌کشد) نمونه‌ای کوچک از دستاوردهایی است که انسان می‌تواند با استفاده از روش‌های محاسباتی و یادگیری ماشین در حوزه بیولوژی به آن دست پیدا کند.

سرنوشت کاغذ خبر در عصر تکنولوژی

تکنولوژی هر روز در حال تغییر است. طبیعتا ابزارهای جدید شیوه اطلاع‌رسانی رسانه‌ها را هم تغییر می‌دهند و نیاز آنها به همراهی با این روند تغییر مدوام را بیشتر و بیشتر می‌کنند. با این اوصاف است که حالا اصطلاحاتی مانند روزنامه‌نگاری روبات‌ها و اتوماسیون اخبار به‌دنبال همین تغییرات ایجادشده توسط تکنولوژی‌های مدرن در فضای رسانه‌ها شکل گرفته‌اند. به این ترتیب بررسی تاثیر تکنولوژی‌های جدید بر روزنامه‌نگاری، به‌خصوص تکنولوژی روباتیک و هوش مصنوعی، می‌تواند تصویر بهتری از مسیر آینده روزنامه‌نگاری نشان دهد. در واقع باید دید که آیا هوش مصنوعی یا روبات‌ها می‌توانند جایگزین انسان‌ها در صنعت رسانه شوند، یا خیر؟ آیا این تکنولوژی‌ها می‌توانند بر کیفیت اطلاع‌رسانی و عملکرد رسانه‌ها تاثیر بگذارند؟ آیا استفاده از آنها سرعت و دقت بیشتری به روند مخابره اخبار و گزارش‌ها خواهد داد؟
 
 
بعد از اختراع دستگاه چاپ، شاید یکی از مهم‌ترین مراحل در روند توسعه روزنامه‌نگاری استفاده فنی از کامپیوترها بوده است که با از بین بردن بعضی موانع، کمک بزرگی به ارتقای سطح کیفی روزنامه‌ها کرده است. اصطلاح روزنامه‌نگاری روباتیک به تازگی رواج پیدا کرده و به معنای استفاده از روبات‌ها در تولید محتوا است. براساس تحقیقات اخیر رویترز، ۷۵درصد از پلت‌فرم‌های رسانه‌ای استفاده از هوش مصنوعی برای تولید محتوا را آغاز کرده‌اند. «کریستین هاموند» توسعه‌دهنده یکی از اولین روبات‌های روزنامه‌نگار پیش‌بینی کرده است که بین ۵ تا ۱۰ سال آینده، ۹۰درصد از مطالب ژورنالیستی توسط روبات‌ها تولید خواهند شد. این درحالی است که کارشناسان هم انتظار دارند تا سال ۲۰۴۰ هوش کامپیوترها بیشتر از هوش انسان‌ها شود و به این نقطه شگفتی تکنولوژیک گفته می‌شود. در نهایت روزنامه‌نگاری از پیشرفت‌های سریع تکنولوژی بهره برده است و استفاده از آنها در صنعت روزنامه‌نگاری به دو مرحله تقسیم می‌شود:
 
استفاده از کامپیوترهای الکترومکانیکی برای نوشتن: با شروع جنگ جهانی دوم دولت‌ها از روند توسعه کامپیوترها حمایت کردند تا ماشین‌های الکترومکانیکی ظهور کنند. به این ترتیب در دهه ۱۹۵۰ استفاده از کامپیوترها برای جمع‌آوری، نوشتن، دسته‌بندی، ارتباط با منابع خبری و تعامل با آنها به خصوص برای ارسال و دریافت اطلاعات، در صنعت روزنامه‌نگاری آمریکا رواج پیدا کرد. در آغاز قرن بیست‌ویکم دیگر حذف کامپیوترها از کار روزنامه‌نگاری غیرممکن بود. هر مرحله از این کار با استفاده از کامپیوترها انجام می‌شد؛ پردازش سریع داده‌ها و واژه‌ها، دریافت اطلاعات و ذخیره آنها، ارتباط سریع و راحت‌تر با منابع خبر که به‌خصوص با ظهور اینترنت و راهکارهایش، تحولات بزرگی را در روزنامه‌نگاری ایجاد کردند.
 
ظهور اینترنت و استفاده از آن در روزنامه‌نگاری: در اوایل دهه ۱۹۹۰ به تدریج اینترنت به اتاق‌های خبر و روزنامه‌ها رسید و به‌طور گسترده توسط رسانه‌های آمریکایی و کانادایی مورد استفاده قرار گرفت. از آن زمان کشورهای دیگر هم کم‌کم برای نوشتن و ویرایش اخبار و گزارش‌ها از آن استفاده کردند، تا آنکه اینترنت به ابزاری مهم و اصلی برای جمع‌آوری اطلاعات، اخبار و ارتباطات تبدیل شد و این روند به تحولی بزرگ در عملکرد حرفه روزنامه‌نگاری منجر شد.  یکی از نتایج تحول اینترنت در روزنامه‌ها، ظهور روزنامه‌نگاری الکترونیک بود. در سال ۱۹۹۱ تنها ۱۰روزنامه روی اینترنت منتشر می‌شدند و این تعداد تا سال ۱۹۹۶ به ۱۶۰۰ روزنامه و در سال ۲۰۰۰ به ۴ هزار روزنامه در سراسر دنیا رسید. درحال‌حاضر ۹۹ درصد از روزنامه‌های جریان اصلی در آمریکا صفحات خود را روی اینترنت منتشر می‌کنند و تقریبا تمام روزنامه‌ها یک وب‌سایت دارند.
 
 روبات‌ها و هوش مصنوعی
دنیای روزنامه‌نگاری در سال‌های اخیر شاهد تحولات مختلفی بوده است و این تحولات هسته اصلی کار روزنامه‌نگاری را هم هدف قرار داده‌اند. این تغییرات روی رابطه میان روزنامه‌نگار به‌عنوان تولیدکننده اخبار و عامه مردم به‌عنوان مخاطب تاثیر گذاشته است. حالا دیگر روزنامه‌نگار تنها تولیدکننده اطلاعات و اخبار نیست، مخاطبان هم دیگر نقش منفعل و مجهولی ندارند و یک عضو فعال در فرآیند روزنامه‌نگاری محسوب می‌شوند. این اتفاق مقدمه ایجاد تغییرات چشمگیر مرتبط با رسالت روزنامه‌نگاری، نقش و تاثیرگذاری آن بر جامعه شده است. روزنامه‌نگاری معاصر حالا خود را با چالش‌های جدیدی مواجه می‌بیند که سرعت مخابره اخبار و دقت اطلاعات منتشرشده تنها بخشی از آنها هستند. این تغییرات از روند تولید محتوا گرفته تا ویرایش اخبار و گزارش‌ها، صفحه‌بندی و نحوه ارائه آنها را هم دربرگرفته است. حالا مفهوم تولید خبر هم تغییر کرده است و روزنامه‌نگار باید بتواند از شیوه‌های جدید ارتباط با عناصر خبر، از ترکیب اشکال جدید برای همراهی با فرمت جدید رسانه‌های دیجیتال گرفته تا مفاهیم جدید در نوشتن و انتقال اخبار و گزارش‌ها، استفاده کند.
 
ایده آموزش کامپیوترها برای درک زبان انسانی به‌عنوان زیرمجموعه‌ای از ترجمه ماشینی در دهه ۱۹۵۰ ظهور کرد. در اوایل دهه ۱۹۸۰ مفهوم هوش مصنوعی به این شکل ارائه شد: بخشی از علم کامپیوتر که مربوط به هوش سیستم‌های کامپیوتری است و شباهت زیادی با ویژگی‌های رفتارهای انسانی مانند درک زبان، یادگیری منطق و حل مشکلات و ... دارد. حالا دیگر کامپیوترها قادر به تقلید و الگوبرداری از منطق و رفتارهای انسانی بودند. شاید همین کشف بود که به ظهور روبات‌ها منجر شد. حالا روبات‌های رسانه‌ای توانسته‌اند نقش رسانه‌ها در زندگی روزمره را تغییر دهند و انتظار می‌رود روند تولید اخبار و گزارش‌ها در آینده را هم متحول کنند. شاید همین روبات‌های روزنامه‌نگار باشند که بتوانند امکان رقابت با رسانه‌های صوتی و تصویری در زمینه سرعت مخابره اخبار را به روزنامه‌ها بدهند.
 
روبات‌های روزنامه‌نگار با استفاده از هوش مصنوعی می‌توانند مقالات، گزارش‌ها و اخبار را براساس الگوهای از پیش تعیین‌شده‌ای تولید کنند. انبوه اطلاعات به‌دست‌آمده در این سال‌ها درباره روند کار تولید اخبار هم به شکل‌گیری نرم‌افزارها و پلت‌فرم‌هایی منجر شده‌اند که با امکان تحلیل داده‌ها به تولید اخبار و گزارش‌ها کمک می‌کنند. حالا دیگر تکنولوژی‌هایی مانند تصویربرداری سه‌بعدی با کیفیت بالا، اینترنت پرسرعت، اینترنت اشیا و روبات‌ها به تدریج به ابزارهای اصلی و مهم روزنامه‌نگاری مدرن تبدیل می‌شوند. این همان پدیده‌ای است که به آن روزنامه‌نگاری اتوماتیک یا روباتیک گفته می‌شود.
 
جالب است بدانید اولین و مهم‌ترین تلاش برای خلق یک روبات روزنامه‌نگار که بتواند داده‌ها مختلف را پردازش، تحلیل و به یک خبر تبدیل کند، توسط یک تیم ژاپنی در سال ۲۰۰۷ انجام شده است. درحال‌حاضر اما صرف‌نظر از بنگاه‌های خبری بزرگی مانند آسوشیتدپرس، تنها چند سازمان رسانه‌ای توانسته‌اند روزنامه‌نگاری روباتیک را در روند کار روزمره‌شان به‌کار بگیرند. روزنامه‌نگاری روباتیک درحال‌حاضر با استفاده از آمار و اطلاعات می‌تواند به تحلیل آنها بپردازد و در نهایت با پیش‌بینی و نتیجه‌گیری از آنها گزارش‌ها و اخبار نسبتا دقیقی را ارائه کند. این روند اما ناگزیر است و به همین دلیل است که رسانه‌های جریان اصلی به سرعت به سمت استفاده از هوش مصنوعی و روزنامه‌نگاری روباتیک در آینده پیش می‌روند. حالا بنگاه‌های رسانه‌ای بزرگی مانند نیویورک‌تایمز، بی‌بی‌سی، رویترز، واشنگتن‌پست، آسوشیتدپرس، گاردین و بلومبرگ از برنامه خود برای به‌کارگیری این شیوه‌ها و ابزارهای جدید خبر داده‌اند و انتظار می‌رود این فهرست هر روز بلندتر و بلندتر شود.
 
کارشناسان علم رسانه و ارتباطات معتقدند که استفاده از این ابزارها به جلوگیری از انتشار اخبار نادرست و جعلی، بالاتر رفتن سرعت مخابره اخبار و ارائه اخبار در لحظه و همچنین متمرکز کردن انرژی و توان نیروی انسانی روی بخش‌های مهم دیگر، کمک زیادی می‌کند.

محاسبه مقدار خسارت پرداختی تصادفات با هوش مصنوعی

 
 
یک شرکت بیمه در استرالیا از هوش مصنوعی برای محاسبه سریع‌تر مقدار خسارت پرداختی ناشی از وقوع تصادفات رانندگی استفاده کرده است.
 
 به نقل از زد دی نت، شرکت بیمه آی ای جی استرالیا اعلام کرده هوش مصنوعی را در روندهای مختلف محاسبه خسارت پرداختی بعد از وقوع تصادف‌های رانندگی به کار می‌گیرد.
 
هوش مصنوعی این شرکت با بررسی اسناد یک تصادف به این جمع بندی می‌رسد که آیا خسارت وارده به یک خودرو تا بدان حد جدی است که اعزام آن به تعمیرگاه برای تعمیر قبل از ارزیابی فنی مقدار خسارت وارده ضروری باشد یا خیر. بر این اساس احتمال فریب و کلاهبرداری کارشناسان ارزیابی خسارت این شرکت بیمه به حداقل می‌رسد.
 
همچنین از این طریق مدت زمان مورد نیاز برای تخمین خسارات وارده و برآورد مبلغ قابل پرداخت به مالکان خودروها نیز از بیش از سه هفته به تنها چند روز کاهش می‌یابد.
 
افزایش شفافیت و تسریع روند پرداخت‌ها و نیز کاهش نگرانی‌ها و دغدغه‌های مالکان خودروهای آسیب دیده مهم‌ترین مزیت اجرای این طرح است. دقت این سیستم هوش مصنوعی که بر مبنای اسناد تصادف و نیز بررسی فایل تماس تلفنی راننده با شرکت بیمه عمل می‌کند، ۹۰ درصد بوده و امید می‌رود در آینده افزایش یابد. استفاده از این سیستم هوش مصنوعی طراحی الگوهای تجاری تازه‌ای را برای شرکت‌های بیمه در آینده ممکن خواهد کرد.

جهان دیجیتالی ۱۰ سال دیگر چگونه است

 
 
مرکز ملی فضای مجازی در گزارشی با اشاره به سرعت تحولات تکنولوژیکی طی ۱۰ سال آینده، تاثیر این تحولات را در سیستم های فیزیکی سایبری آینده، مانند شهرهای هوشمند و ربات های مشارکتی بررسی کرد.
 
به گزارش روابط عمومی مرکز ملی فضای مجازی، انتظار می‌رود سیستم‌های فیزیکی سایبری آینده (CPS) مانند شهرهای هوشمند، ربات‌های مشارکتی یا وسایل نقلیه خودران، بسیار هوشمند ، الکتریکی و متصل به شبکه باشند و با این وجود این سوال محوری پیش می‌آید که تأثیر این ویژگی‌های جدید بر آموزش و تحقیقات در سال ۲۰۳۰ با تاکید بر شعار توسعه پایدار چگونه خواهد بود.
 
برای پاسخ به این سوال ۴ سناریو شامل موارد زیر مورد بررسی قرار گرفته است:
 
۱. سناریوی «ترمیناتور» که یک آینده پادآرمان شهر (ویرانشهر) را نشان می‌دهد که در آن تنها سود بیشتر نیروی محرک پیشرفت فناوری است و اهداف توسعه پایدار محقق نمی‌شوند.
 
۲. سناریوی «غول آهنین» که نمایانگر اجرای موفقیت آمیز اهداف توسعه پایدار است و در آن توسعه فناوری نیروی تحقق این اهداف
 
است .۳. سناریوی موسوم به «پیشرفت آهسته»، آینده‌ای را نشان می‌دهد که پیشرفتهای تدریجی فناوری در آن وجود دارد اما هنوز توسعه پایدار به مسئله‌ای جدی تبدیل نشده است.
 
۴. سناریوی «انسان‌گرایی» آینده‌ای را نشان می‌دهد که در آن توسعه فناوری کند اتفاق می‌افتد و در عین حال اهداف توسعه پایدار با موفقیت اجرا می‌شوند.
 
آنچه که مسلم است CPS فقط شامل سیستم‌های نرم افزاری ، فناوری ارتباطات، سنسورها، محرک‌ها و فناوری‌های جاسازی شده نیست، بلکه به عنوان نیروی محرکه تحول دیجیتال پذیرفته می‌شود. علاوه بر فرصت‌هایی که ویژگی‌های این سیستم‌ها فراهم می‌کنند ، چالش‌های جدیدی نیز وجود دارد که تحقیقات و آموزش مهندسی ما، آماده مقابله با آنها نیست.
 
این مطالعه نشان می‌دهد که چگونه عدم قطعیت‌ها و روند فعلی ممکن است آینده‌های متفاوتی را برای آموزش و تحقیقات CPS ایجاد کند. حتی اگر سناریوهای ارائه شده در این مطالعه تنها چند مورد از بسیاری از آینده‌های احتمالی باشد ، برای کمک به محققان ، مربیان و موسسات برای ایده پردازی ، تجسم و درک آینده بسیار ارزشمند هستند.
 
ترمیناتور
 
این سناریو، جهانی را در سال ۲۰۳۰ نشان می‌دهد که در آن هیچ یک از اهداف توسعه پایدار صرف نظر از توسعه سریع تکنولوژیکی محقق نمی‌شود. وقتی سرعت سریع تغییر با فناوری‌های غیرقانونی ترکیب شود، دنیای ۲۰۳۰ نسبت به یک دهه قبل کاملاً متفاوت به نظر می‌رسد.
 
ویژگی‌های کلیدی این سناریو عبارتند از:
 
- توسعه اطلاعاتی بی رویه
 
- اتصال بالا
 
- نفوذ اینترنت در همه چیز
 
- کند شدن تلاش‌ها برای الکتریکی شدن
 
- داده‌ها در کنترل چند شرکت انحصاری قدرتمند
 
- سیستم‌های کاملاً خودکار فیزیکی سایبری
 
- تغییر در بازار کار از کارگران غیرمتخصص به افراد با مهارت‌های بسیار بالا و افزایش نابرابری درآمدی
 
- از دست دادن مکانیسم‌های یادگیری مادام العمر
 
- شرایط آموزش عالی بسیار رقابتی بدون در نظر گرفتن اولویت اخلاق داده‌ها و عدم اعتماد به فناوری.
 
در این دنیا قدرت توسط چند شرکت فناوری کنترل می‌شود. داده‌ها پیشرفت‌های مرتبط با هوشمندی را به پیش برده اند و راه حل های نوآورانه جدید در هر زمینه توسعه یافته است. با این حال، توزیع مزایای این نوآوری‌ها و پیشرفت‌ها با همه به اشتراک گذاشته نمی‌شود زیرا هیچ مکانیسم اخلاقی وجود ندارد که این نتیجه را تضمین کند.
 
در این شرایط، آموزش عالی در مورد موضوعات مرتبط با CPS ، برنامه‌های درسی علوم داده را به برنامه‌های خود اضافه می‌کند، با این وجود تحقیقات بسیار مهم در کنترل شرکت‌های قدرتمند است. جنبه‌های اجتماعی داده‌ها با آموزش CPS یکپارچه نیستند و توسط سازمان‌های بودجه ریز پشتیبانی نمی‌شوند.
 
غول آهنین
 
این سناریو، جهانی را در سال ۲۰۳۰ نشان می‌دهد که در آن همه اهداف توسعه پایدار محقق می‌شود و پیشرفت‌های سریع تکنولوژیکی در آن وجود دارد. تحولات سریع فناوری با اهداف توسعه پایدار برای جهانی محافظت شده بدون فقر که در آن بیشتر مردم از صلح و رفاه برخوردار هستند، ادغام شده اند.
 
ویژگی‌های کلیدی این سناریو عبارتند از:
 
- توسعه هوشمندی تنظیم شده
 
- اتصال بالا و در نتیجه اینترنت اشیا همگانی
 
- الکتریکی شدن بالا
 
- داده‌های باز
 
- سیستم‌های خودکار فیزیکی سایبری که در آن انسان و ماشین با هم کار می‌کنند
 
- تغییر در بازار کار از غیر ماهر به کارگران ماهر بسیار زیادی که از طریق محیط‌های یادگیری مادام العمر، شرایط آموزش عالی مشارکتی و بین رشته‌ای آموزش دیده اند
 
- اخلاق داده‌ها نه تنها اولویت بندی می‌شوند بلکه سازوکارهای پشتیبانی نیز توسعه می‌یابند و در نتیجه اعتماد به فناوری‌های تازه توسعه یافته بسیار زیاد است
 
در این سناریو، اهداف توسعه پایدار برای بهبود برابری، تنوع و حمایت از کاهش تغییرات آب و هوایی در اولویت قرار دارند و منابع برای دستیابی به این اهداف تأمین می‌شوند. در حالی که پیشرفتهای فناوری هنوز از طریق مقررات لازم در حال تغییر جهان هستند، دنیای آموزش و تحقیقات توانسته از فناوری‌های نوظهور به نفع همه برای ساختن جهانی پایدار استفاده کند.
 
از طریق اینترنت اشیا همگانی، دسترسی به داده‌ها بسیار زیاد و همچنین باز است. آموزش در یک محیط مشارکتی برای مقابله با چگونگی تمایز بین اعتماد در مقابل داده‌های جعلی انجام می‌گیرد. به نظر می‌رسد نتایج تحقیقات به دلیل پیشرفت سریع، مدت زمان بسیار کوتاهی دارند و محققان باید با موضوعات و بودجه‌های جدید بسیار به روز باشند.
 
انسان گرایی
 
درسناریوی انسانگرایی، دنیایی را در سال ۲۰۳۰ می‌بینیم که در آن اهداف توسعه پایدار محقق می‌شوند اما پیشرفت‌های تکنولوژیکی تدریجی است. پیشرفت‌های فنی یک نیروی محرک نیستند و پیوندی نسبتاً ضعیف با اهداف توسعه پایدار دارند.
 
از ویژگی‌های کلیدی این سناریو می‌توان به ترکیدن حباب هوش مصنوعی، استفاده مداوم از اینترنت اشیا، الکتریکی شدن موفقیت آمیز، استفاده نکردن از داده‌ها، اتوماسیون کند، افزایش مشاغل کارگران ماهر پایه، یادگیری مادام العمر متمرکز بر پایداری و استفاده اولویت دار از داده‌ها، درک اخلاق، آموزش عالی مشترک و اعتماد نسبی به فناوری‌های جدید اشاره کرد.
 
در این جهان، پیشرفت فناوری که زمانی به عنوان یک فرصت تلقی می‌شد، اتلاف وقت، انرژی و پول محسوب می‌شود.
 
نیازهای نسل آینده، دستیابی به اهداف توسعه پایدار و تأثیرات غیرمنتظره چندین فناوری، از جمله افزایش کاربردهای هوش مصنوعی، استراتژی‌های متفاوت برای شیوه‌های سنتی کار، یادگیری و زندگی است. از آنجا که اعتماد به فناوری کاهش یافته است، بودجه تحقیقات مربوط به CPS در حال کاهش است. آموزش CPS به آرامی از روش‌های داده محور دور می‌شود ، اما جنبه‌های اخلاقی داده‌ها و پیامدهای اجتماعی تغییرات سریع فناوری هنوز مورد توجه بسیاری از محققان است.
 
پیشرفت آهسته
 
این سناریو، نشان دهنده جهانی در سال ۲۰۳۰ است که در آن پیشرفت‌های فناوری و اهداف توسعه پایدار به آرامی در حال پیشرفت هستند. در این سناریو، جهان و اروپا هنوز به دنبال دستیابی به اهداف توسعه پایدار هستند که هنوز به آنها نرسیده اند، در حالی که پیشرفت فناوری از سال ۲۰۱۹ توسعه زیادی به خود ندیده است.
 
از ویژگی‌های کلیدی این سناریو می‌توان به تلاش اندک برای تنظیم مقررات توسعه اطلاعات، افزایش اتصال به شبکه، پیشرفت آهسته تلاش‌ها برای الکتریکی شدن، کنترل عمده داده‌ها در انحصار چند شرکت قدرتمند و در عین حال افزایش حرکت به سمت ابتکارات داده باز، افزایش استفاده از سیستم‌های سایبر فیزیکی خودکار و تغییر کند در بازار کار اشاره کرد.
 
در این جهان، گزینه‌های یادگیری مادام العمر از کارگران غیرمتخصص تا مهارت بالا وجود دارد اما به عنوان یک اولویت، آموزش عالی رقابتی، تحولات کند در اخلاق داده‌ها و در نتیجه اعتماد اندک به توسعه فناوری دیده می‌شود.
 
در جهان مورد توجه این سناریو، افزایش استفاده از فناوری و داده‌های تولید شده هنوز تحت کنترل چند انحصار است، با بحث‌های مداوم در مورد چگونگی مقابله با این انحصار، اما مقرراتی وجود ندارد و مناطق مختلف جهان استراتژی‌های مختلفی را برای کنار آمدن با آن تهیه کرده اند و پیامدهای اخلاقی و اجتماعی فناوری و استفاده از داده‌ها هنوز در اولویت قرار ندارند. با این وجود گروه‌های تحقیقاتی و برنامه‌های دانشگاهی این عوامل را بررسی می‌کنند.
 
مشابه دنیای امروز، الکتریکی شدن وسایل نقلیه توسط برخی کشورها پشتیبانی می‌شود، اما نیروی محرکه آن کشورها نیست. همه اینها سرعت اجرای اهداف توسعه پایدار را کاهش می‌دهد و جهان هنوز فرصتی برابر برای همه فراهم نمی‌کند.
 
تحقیق و آموزش CPS بر دستیابی به داده‌ها از راه‌های درست و در زمان‌های مناسب متمرکز است. جنبشی برای افزایش گشودگی و اجازه تسلط شرکت‌های بزرگ بر بازار وجود ندارد. به لطف پیشرفت نسبتاً کند فناوری ، امکاناتی در ایجاد مجموعه‌های جدیدی از مقررات ، توافق نامه‌ها ، روش‌ها ، بهترین شیوه‌ها و استانداردها و مقررات (برای اجتناب از مشکلات و عوارض جانبی با فناوری‌های جدید) وجود دارد.

هم‌بنیانگذار یوتیوب یک صندوق سرمایه‌گذاری متکی بر هوش مصنوعی راه‌اندازی می‌کند

 
 
هم‌بنیان‌گذار یوتیب با همکاری شرکت سرمایه‌گذاری Veteran money در حال ایجاد صندوق سرمایه‌گذاری هستند که در آن با استفاده از هوش مصنوعی سهام و دارایی‌های درآمد زا را انتخاب کنند.
 
استیون چن، هم‌بنیان‌گذار یوتیوب، اعلام کرده است که صندوق Draco Capital Macro Quant Fund تا کنون ۵۰ میلیون دلار سرمایه‌ جذب کرده و هدف آن جذب ۲۰۰ میلیون دلار تا پایان سال ۲۰۲۱ است. این صندوق که در ماه سپتامبر معرفی شد از الگوریتم هوش مصنوعی برای قضاوت دارایی‌های ایده‌آل در بازار‌های صعودی و نزولی استفاده می‌کند.
 
چن می گوید: «قدرت هوش مصنوعی و پردازش بزرگ‌ داده این الگوریتم به همان اندازه‌ای است که شرکت‌های بزرگ فعال در سیلیکون‌ولی که تا کنون من با آنها همکاری کرده‌ام از آن بهره می‌برند. این الگوریتم در یک بازار صعودی شرکت‌های بزرگ تکنولوژی همچون اپل و مایکروسافت را می‌سنجد و همچنین در یک بازار نزولی روی دارایی‌های تدافعی همچون طلا و داشته‌های بلند مدت تمرکز می‌کند».
 
 
جاود کریم، چد هارلی و استیون چن روز‌های ابتدایی یوتیوب؛ دومین یوتیوب در ۱۴ فوریه سال ۲۰۰۵ فعال شد.
فرایند «سرمایه‌گذاری سیستماتیک» این صندوق به گفته چن دقت را بالا خواهد برد. به گفته چن این کار به معنای ترکیب تحلیل اقتصادی و منطق سرمایه‌گذاری با الگوریتم‌های کامپیوتری است تا مدل‌های تصمیم گیری با هدایت هوش مصنوعی ایجاد شود.طبق گفته او این ویژگی قرار است خطر ضرر را کاهش دهد. چن می‌گوید: «این صندوق با تکیه بر نظام‌دهی، جایگزین معامله هدف‌دار براساس قضاوت انسانی خواهد شد.»
 
چن سال گذشته با شریک خود ملاقات کرد و دریافت که جک‌فو می‌تواند به خوبی از بزرگ‌داده‌ها برای مدیریت سرمایه‌گذاری استفاده کند. چن می‌گوید: «این موضوع موجب انگیزه ما در استفاده از پیشینه حرفه‌ای خود در حوزه اقتصاد شد».
 
این دو در حال حاضر به عنوان شرکای صندوق سرمایه دارکو کپیتال (Darco Capital) که فو در سال ۲۰۱۵ آغاز کرده است همکاری می‌کنند. آنها دو سرمایه‌گذار اصلی این صندوق هستند. فو که در حال حاضر متخصص مدیریت سرمایه در تایوان است پیش از این هم صندوق‌های سرمایه‌گذاری را مدیریت کرده است. او در حال حاضر گروهی از تحلیلگران، دانشمندان داده و مهندسان کامپیوتر را رهبری می‌کند.
 
فو می‌گوید: «ما توانستیم با شاخص‌های خودمان بازار را پیش‌بینی کنیم و داشته‌هایمان را براساس آن تنظیم کنیم».
 

تأثیر فناوری بر حوزه سلامت در سال ۲۰۲۱

 
 
با توجه به شیوع بیماری کووید ۱۹ و پیشرفت های یادگیری ماشینی و هوش مصنوعی و نیز پزشکی از راه دور، کارشناسان انتظار دارند سال آینده میلادی (۲۰۲۱) به سمت «بیمار محور» بودن پیش برود.
 
به گزارش روابط عمومی گروه علوم و فناوری‌های نوین پژوهشگاه فضای مجازی، از واکسن کووید ۱۹ گرفته تا پیشرفت‌های یادگیری ماشینی، هوش مصنوعی، بهبود وای فای و اینترنت نسل پنجم و پزشکی از راه دور، کارشناسان انتظار دارند سال آینده به سمت «بیمار محور» بودن پیش برود.
 
کووید ۱۹ سبب دستیابی به چیزی شد که کارآفرینان، پزشکان و فعالان نتوانسته بودند به آن دست پیدا کنند. این بیماری سبب ایجاد یک سیستم بهداشتی شد که بیش از آنکه روی کادر درمان و شرکت‌های بیمه تمرکز کند، روی بیماران متمرکز است.
 
صنعت سلامت قرار بود که در دهه گذشته «بیمار محور» شود، اما تقاضای شدید کووید ۱۹ بود که سبب شد این وعده تحقق یابد. یان مک‌کرا، مدیر عامل شرکت Orion Health بیان کرده که کووید ۱۹ سیستم سلامت را به سمت «بیمار محور» بودن هدایت کرده است.
 
وی گفت: «بودجه فناوری اطلاعات در حوزه سلامت، صرف پیاده‌سازی پروژه‌های عظیم و یکپارچه بیمارستان‌ها نخواهد شد و در عوض به سمت پروژه‌هایی خواهد رفت که با بیماران ارتباط مستقیم دارند.»
 
این موضوع به معنای به اشتراک‌گذاری بهتر اطلاعات، عرضه جهانی واکسن کووید ۱۹، یادگیری ماشینی عملیاتی و مزایای دیگر در حوزه سلامت روان است.
 
در زیر به ۷ مورد از پیش‌بینی‌ها در مورد تأثیر فناوری بر حوزه سلامت در سال ۲۰۲۱ اشاره می‌کنیم.
 
واکسن کووید ۱۹
 
محققین از تعیین توالی ژنوم ویروس SARS-CoV-۲ (کووید ۱۹) برای ساخت واکسن کووید ۱۹ در کمتر از یک سال دیگر استفاده کرده‌اند. سه واکسن در مرحله نهایی آزمایشات بالینی برای بررسی ایمنی و اثربخشی مورد آزمون قرار می‌گیرد.
 
انگلستان تحت قوانین استفاده اضطراری، واکسن‌های شرکت Pfizer و BioNTech را تأیید کرده است. با اینکه ۴۳۰۰۰ نفر در بعضی از مراحل آزمایشات بالینی شرکت کردند، این تأییدیه بر اساس داده‌هایی از ۱۷۰ عفونت صادر شده است. انگلستان انتظار دارد که در ماه دسامبر، دوزهایی از درمان مبتنی بر RNA را به کادر بهداشتی در معرض خطر ارائه دهد.
 
شرکت Moderna هم درمانی امیدوارکننده ارائه داده است. این درمان واکسنی با پایه RNA است. طبق یک بررسی روی ۹۵ مورد در مرحله سوم آزمایشات بالینی، تخمین زده شده است که این واکسن بیش از ۹۴% در پیشگیری از ابتلا به کووید ۱۹ اثربخش باشد. شرکت Moderna این مرحله را در اواخر جولای روی ۳۰۰۰۰ نفر شروع کرد.
 
محققین شرکت Asta Zeneca و دانشگاه آکسفورد در اواخر ماه نوامبر درمانی ارائه دادند که بر اساس بررسی‌های مرحله سوم آزمایشات بالینی، ۷۰% اثربخش بوده است. این بررسی نشان داد که احتمالاً دوزهای پایین‌تر واکسن اثربخشی بیشتری داشته باشد.
 
پس از تأیید نهایی هر کدام از این واکسن‌ها از طرف FDA آمریکا، چالش بعدی توزیع آن‌ها خواهد بود.
 
سرویس‌های وب آمازون اعلام کرده‌اند که برای بهبود فرایند توزیع چرخه سرد و نیز پایش و پیگیری بهتر داده‌ها با شرکت Carrier همکاری خواهند کرد.
 
تقاضای مستمر برای پزشکی از راه دور
 
بلاخره پس از دهه‌ها تلاش کارآفرینان و پزشکان، موانعی که در مسیر پزشکی از راه دور بود در سال ۲۰۲۰ برداشته شد. تقاضاهای جدیدی که در نتیجه شیوع کووید ۱۹ ایجاد شد، انگیزه‌ای برای حل قوانین و زیربنای تقاضاهای حل‌نشده سابق ایجاد کرد.
 
دانش ناگدا، بنیان‌گذار و مدیر عامل شرکت Rezilient Health می‌گوید که تغییرات در سیاست‌های بازپرداخت بسیاری از موانع بر سر راه سلامت از راه دور را کاهش داده است. نیاز به ویزیت بیماران در طی همه‌گیری کووید ۱۹ هم سبب ایجاد انگیزه‌ای مالی شده است.
 
وی گفت: «در طی قرنطینه گسترده، مراقبت‌های بالینی حضوری که منبع عظیم درآمد برای کادر سلامت به شمار می‌رفت، دیگر الزامی نبود. بنابراین برای اینکه کادر سلامت بتواند کسب درآمد کند، باید بهداشت از راه دور را برمی‌گزید.»
 
وارشا راو، مدیر عامل شرکت Nurx که یک شرکت سلامت دیجیتال برای زنان است گفته است که انتظار دارد استفاده از پزشکی از راه دور افزایش یابد، زیرا در این مدت بیماران خدمات سلامت از راه دور با کیفیت و راحت دریافت کرده و به آن عادت کرده‌اند.
 
راو گفته است که این خدمات شامل خدمات پیشگیری از بارداری، بهداشت جنسی، آزمایشات بیماری‌های منتقله جنسی، پوست، بهداشت روان، دیابت، کلسترول بالا و فشار خون بالاست.
 
او همچنین انتظار دارد که بعد از همه‌گیری کووید ۱۹ و دریافت خدمات پزشکی از راه دور، مردم به دنبال روش‌های راحت‌تر برای دریافت خدمات سلامت باشند. با افزایش آمار استفاده از خدمات پزشکی از راه دور، مردم تمایل پیدا کرده‌اند که مراقبت‌های سلامت در دسترسشان باشد.
 
راو می‌گوید «سلامت از راه دور برای مردم جذابیت دارد، زیرا این خدمات همیشه در دسترس بوده و به صورت مستمر می‌توان از آن بهرمند شد.»
 
بهبود اتصال به اینترنت نسل پنجم و وای‌فای
 
راجر سندز، مدیر عامل و بنیان‌گذار شرکت Wyebot گفته است که در سال ۲۰۲۰ تنها راه ارتباطی مردم با آشنایان خود که به دلیل کووید ۱۹ بستری بوده‌اند از طریق دستگاه‌های شخصی بوده. بنابراین خدمات شبکه‌های بی‌سیم در سال ۲۰۲۰ بیش از پیش اهمیت یافته است.
 
سندز انتظار دارد که در سال ۲۰۲۱ مراقبت‌های سلامت از طریق وسائل بی‌سیم مواردی مختلفی از جمله پایش بیماری، برقراری ارتباط با بیماران و سیستم‌های امنیتی را پوشش دهد. خودکارسازی وای فای کلیدی برای حفظ عملکرد این شبکه‌ها خواهد بود.
 
سندز گفت: «شبکه بی‌سیم باید همیشه کار کند. به همین دلیل است که بیشتر روی خودکارسازی و پلتفرم‌های هوش مصنوعی به منظور پایش شبکه، ایجاد یک میدان وسیع و دائمی و استفاده گسترده از فناوری اطلاعات تمرکز داریم. شبکه با متصل کردن هزاران دستگاه به هم، در مقایسه با فناوری بی‌درنگ، داده‌های بیشتری در اختیار انسان‌ها قرار می‌دهد.»
 
پزشکی از راه دور می‌تواند از این اتصال بهره ببرد. ناگدا از همکاری یک پزشک و یک روبات برای انجام معاینه فیزیکی در طی یک ویزیت پزشکی از راه دور استفاده کرد. او گفت که در حال حاضر معاینات شرکت می‌تواند با استفاده از وای فای و اینترنت نسل چهارم LTE انجام شود.
 
همچنین گفت: «اگر ویزیت بیمار از راه دور امکان‌پذیر باشد، باید تأخیر اینترنتی را از ۲۰۰ میلی ثانیه به ۱ میلی ثانیه کاهش دهیم که اینکار فقط در صورت داشتن اینترنت نسل پنجم قابل اجراست.»
 
پایش بهتر بیمار از راه دور
 
با افزایش تعداد افرادی که ویزیت پزشکی از راه دور دریافت می‌کنند، پزشکان نیاز به یافتن راهی برای جمع‌آوری از راه دور علائم حیاتی و سایر داده‌ها دارند. در اینجاست که موضوع پایش از راه دور بیمار (RPM) مطرح می‌شود. کاف‌های فشارسنج متصل به اینترنت، مقیاس‌ها، گلوکومترهای اینترنتی، حسگر اکسیژن خون در سری ۶ اپل واچ و دستگاه‌های پایش خواب همگی قادر به جمع‌آوری داده برای پایش از راه دور بیمار هستند.
 
دنیل کیویتینوس، مدیرعامل و هم‌بنیان‌گذار شرکت DrChrono گفته است که ابزارهای پایش از راه دور بیمار به پزشکان و پرستاران داده‌های بی‌درنگی از بیماران ارائه می‌دهد.
 
وی گفت: «افزایش تعداد پزشکانی که مراقبت‌های مجازی ارائه می‌دهند، رواج سلامت از راه دور و سوابق سلامت الکترونیکی از داده‌های بیماران، اساس پیشرفت حوزه سلامت مدرن محسوب می‌شوند.»
 
عملیاتی کردن یادگیری ماشینی و هوش مصنوعی
 
آرت پاپیر، مدیر عامل و هم‌بنیان‌گذار شرکت VisualDx گفته است که سال ۲۰۲۰ سبب یک تحول واقعی در هوش مصنوعی در حوزه سلامت شده است. این تحول در قالب چت‌های مکالمه و پایشگرهای علائم از همان آغاز همه‌گیری شروع شد. این ابزارها سبب بهره‌گیری بیشتر از هوش مصنوعی پیشرفته در سال ۲۰۲۱ خواهد شد.
 
وی گفت: «پزشکان با استفاده از ابزارهای تشخیصی بر موانع تصمیم‌گیری سریع و دقیق، غلبه می‌کنند. این موانع شامل تعصب‌های نژادی موجود در سیستم سلامت، نیاز به افتراق علائم کووید از سایر بیماری‌های است.»
 
استفان بهرنز، مدیر عامل و هم‌بنیان‌گذار شرکت GYANT گفته که بهره‌گیری از ابزار هوش مصنوعی که سبب تسهیل ارائه مراقبت‌های مجازی و بهبود خدمات می‌شود، امری الزامی است.
 
وی گفت: «صنعت سلامت راه‌حل‌های زیادی ارائه می‌دهد و اخیراً روی ترکیب این راه‌حل‌ها تأکید شده است.»
 
برایان کولبرن، مدیر ارشد توسعه و راهبرد سازمانی شرکت Alegeus گفته است که هوش مصنوعی می‌تواند به کارمندان برای ثبت‌نام بیمه‌های سلامت کمک کند.
 
به گفته وی، «کارفرماها انتظار نداشته باشند که مشتریان همه چیز را خودشان بفهمند. بجای اینکه مشتریان را با سیستم سلامت منطبق کنیم، باید سیستم را برای حل مشکلات مشتریان شکل دهیم.»
 
گریس چنگ، بنیان‌گذار و مدیرعامل شرکت Kintsugi گفته است که یادگیری ماشینی اثر بزرگی روی سیستم سلامت در سال ۲۰۲۰ داشته است. انتظار می‌رود که با افزایش استفاده از پزشکی از راه دور، این روند در سال ۲۰۲۱ هم ادامه پیدا کند.
 
وی گفت: «هدف نهایی تیم ما استفاده از یادگیری عمیق برای شناسایی نشانگرهای زیستی صوتی به منظور تشخیص زودهنگام اضطراب و افسردگی و انجام مداخلات مورد نیاز برای افرادی است که از مشکلات رفتاری رنج می‌برند.»
 
این شرکت بخاطر ایجاد این فناوری نوآورانه چند کمک‌هزینه از بنیاد ملی علوم دریافت کرده است.
 
به اشتراک‌گذاری داده‌ها و تعامل‌پذیری بهتر
 
داده‌های حاصل از نتایج آزمایشات کووید ۱۹، داده‌های موجود در اپل واچ و ویزیت‌های پزشکی از راه دور نشان می‌دهد که تعامل‌پذیری بیشتر از قبل اهمیت یافته است. در طی دهه اخیر، صنعت سلامت علاوه بر پیشرفت‌هایی که در این زمینه داشته با موانعی هم برخورد کرده است.
 
اسکات گالباری، مدیر ارشد فناوری در شرکت Lyniate گفته است که انتظار دارد تعامل‌پذیری اولویت اصلی برای سازمان‌ها و شرکت‌های خصوصی و دولتی در حوزه سلامت در سال ۲۰۲۱ باشد. او پیش‌بینی می‌کند که با سرمایه‌گذاری و نوسازی زیربناهای فناوری اطلاعات در آژانس‌های بهداشتی ائتلافی و دولتی، این روند جدید در حوزه سلامت سبب بهبود تعامل‌پذیری شود. در نتیجه سیستم سلامت ایالات متحده برای بحران‌های بهداشتی آتی آمادگی بهتری خواهد داشت. به اشتراک‌گذاری یکپارچه اطلاعات در توزیع واکسن کووید ۱۹ بسیار اهمیت دارد.
 
وی گفت: «مشکلی که در سال ۲۰۲۱ با آن مواجه هستیم توزیع واکسن کووید ۱۹، ذخیره‌سازی و انتقال واکسن و نیاز به دریافت اطلاعات سلامت به منظور تعامل‌پذیری است. بدون تعامل‌پذیری، به اشتراک گذاشتن داده‌ها، تصمیمات مراقبتی، جریانات کاری و عواقب بیماران مختل می‌شود.»
 
استفاده از فناوری برای گسترش سلامت روانی
 
شینا پیربهای، مدیر عامل و بنیان‌گذار شرکت «SPHERE» گفته است که همه‌گیری کووید ۱۹ سبب افزایش آگاهی مردم در مورد اهمیت فناوری از راه دور برای کنار آمدن با استرس و اضطراب شده است.
 
«در سال ۲۰۲۱، مشاغل با استفاده از شواهد علمی، راهبردهای نتیجه‌گرا پیش می‌گیرند. سال ۲۰۲۱ سال راه‌حل‌های فناوری دیجیتالی خواهد بود.»
 
«SPHERE» یک برنامه درمانی دیجیتالی است که پاسخ‌های احساسی ذهن به استرس، اضطراب و اختلال اضطراب پس از حادثه را با استفاده از بازخورد عصبی نشان می‌دهد.
 
کاترین گریل، مدیر عامل و هم‌بنیان‌گذار شرکت Neolth پیش‌بینی می‌کند که در ۵ سال آینده، اکثر مدارس از سلامت دیجیتالی به عنوان بخشی از منابع سلامت روان استفاده خواهند کرد.
 
وی در این مورد افزود: «در دسترس بودن سلامت روانی دیجیتالی برای مدارس امری مطلوب است و دانش‌آموزان حفظ حریم خصوصی، راحتی و شخصی‌سازی این سیستم را دوست دارند.»
 
شرکت «Neolth» از علم عصب‌شناسی برای تعیین مؤثرترین مراقبت رفتاری برای دانش‌آموزان بهره می‌گیرد.
 
شان لاکوبون، مدیرعامل شرکت «Holisticly»که برنامه‌های شخصی‌سازی‌شده برای رفاه کارمندان ارائه می‌دهد گفته است که همه‌گیری کووید ۱۹، کارفرمایان را مجبور کرده است تا برای حمایت از سلامت روانی کارمندانشان اقدام کنند.
 
وی گفت: «در سال ۲۰۲۱ انتظار داریم که این روند تا ده برابر افزایش یابد. در این سال شاهد رشد تصاعدی شرکت‌هایی (به خصوص در بازارهای کوچک تا متوسط) خواهیم بود که به کارمندانشان خدمات رفاهی ارائه می‌دهند.»

با مایکروسافت ادیتور مبتنی بر هوش مصنوعی به نویسنده قهاری تبدیل شوید

 
«مایکروسافت ادیتور» ابزار مبتنی بر هوش مصنوعی است که در مایکروسافت ورد ویندوز 10 شما را به نویسنده بهتری تبدیل می‌کند.
 
ابزار جدید مبتنی بر هوش مصنوعی به نام «مایکروسافت ادیتور» (Microsoft Editor) به کاربران برنامه‌های ورد و Outlook در ویندوز 10  کمک می‌کند تا بتوانند بدون اشتباهات تایپی و با رعایت قواعد دستور زبان، متن‌های خود را بنویسند. در ضمن اگر متنی کپی‌برداری شده باشد ابزار هوشمند متوجه می‌شود.
 
در حال حاضر نسخه فعلی ورد در ویندوز 10 نیز خطاهای قواعد زبان و اشتباهات تایپی را بررسی و های‌لایت می‌کند؛ اما ابزار جدید با کمک هوش مصنوعی می‌تواند به صورت پیشرفته‌تر و با شفافیت بیشتری خطاها را مشخص کرده و پیشنهادهای اصلاحی بدهد. ابزار جدید به کاربران کمک می‌کند نگارش صحیح‌تر و بدون مشکلات ادبی داشته باشند.
 
ابزار قدرتمند مایکروسافت ادیتور پیشتر به صورت نسخه تحت وب ورد در دسترس کاربران قرار داشت؛ اما اینک کاربران می‌توانند از نسخه دسکتاپ آن با ویندوز 10 بهره ببرند. البته این ابزار ابتدا در اختیار کاربرانی قرار میگیرد که جز برنامه Insider ویندوز برای آزمایش نسخه‌های جدید ویندوز قبل از انتشار عمومی هستند.
 
ابزار مبتنی بر هوش مصنوعی علاوه بر تشخیص خودکار اشتباهات تایپی و دستور زبان، این امکان را به کاربران می‌دهد که کلمه‌ای خاص را در متن خود انتخاب کرده و با فشردن دکمه‌های Shift + F10 یا Alt + Down، مترادف یا هم ‌معنی آن کلمه را دریافت کنند.
 
یکی دیگر از قابلیت‌های خوب این ابزار آن است که در صورت کپی بودن متن، می‌تواند آن را تشخیص بدهد. اگر متن نوشته شده، شباهتی به آثار منتشر شده داشته باشد، مایکروسافت ادیتور آن را تشخیص خواهد داد.
 
کاربران یرای آزمایش قابلیت جدید ویرایشگر مایکروسافت می‌توانند در برنامه Insider ثبت نام کرده و نسخه ویندوز 2010 (بیلد 13328.20000) را اجرا کنند. این ویژگی احتمالا به زودی در دسترس همه کاربران قرار گیرد.