ائتلاف جهانی بر ضد کرونا با هوش مصنوعی

 
 
 
گروهی از نهادهای مورد پشتیبانی سازمان ملل از تشکیل ائتلافی جهانی به منظور استفاده از ظرفیت‌های هوش مصنوعی برای کمک به سیاست گذاری به منظور مقابله با ویروس کرونا خبر داده‌اند.
 
 به نقل از زد دی نت، ائتلاف یادشده CAIAC نام دارد و قصد دارد در اولین گام یک پلتفرم مبتنی بر هوش مصنوعی طراحی کند که با استفاده از هوش مصنوعی و تجارب انسانی تصمیم گیران را در سطح جهان برای مقابله با ویروس کرونا یاری خواهد کرد.
 
برای ارتقای هوش مصنوعی این پلتفرم از داده‌های بهداشتی، اقتصادی و اجتماعی مرتبط با ویروس کرونا در کشورهای مختلف استفاده می‌شود تا از دقت و صحت توصیه‌های ارائه شده از این طریق اطمینان حاصل شود. به گفته سایروس هادز رئیس این ائتلاف مقابله با ویروس کرونا بدون استفاده از داده‌های مختلف و ابزار پیشرفته‌ای همچون هوش مصنوعی ممکن نیست و امروزه همه دنیا به این نتیجه رسیده است که نابودی کرونا مستلزم عزم و همکاری جمعی است.
 
از جمله نهادها و مجموعه‌های همکار مشهور این طرح می‌توان به دانشگاه استنفورد، یونسکو، بنیاد مک گاورن و برخی شرکت‌های بزرگ خصوصی فعال در حوزه هوش مصنوعی مانند C۳.ai، stability.ai، Element AI, Axis, GLG و Planet اشاره کرد.
 
انتظار می‌رود با اجرای این طرح مشکلاتی مانند انتشار اخبار دروغین در مورد ویروس کرونا، ردگیری و شناسایی افراد و نقاط آلوده به ویروس کرونا، شناسایی روش‌های درمانی مطمئن برای مقابله با کرونا بهتر حل شوند.

دستاوردهای هوش مصنوعی در راستای افزایش دموکراسی

تکنولوژی زندگی مردم جهان را متحول کرده است و راهکارهای جدید آن راحتی و رفاه بیشتری با خودشان به همراه آورده‌اند. با این اوصاف است که بسیاری از کارشناسان و تحلیلگران معتقدند که هوش مصنوعی به‌عنوان یکی از جدیدترین و مفیدترین راهکارهای تکنولوژی در سال‌های اخیر، به مثابه چراغی برای روشن کردن راه جوامع، قدرتمندتر کردن دموکراسی‌ها، محافظت از حریم خصوصی افراد و آزادی آنهاست؛ تا جایی که به گفته دکتر «سافیا نابل»، هوش مصنوعی یکی از مسائل مهم و حساس حقوق‌بشری در عصر ماست. همچنین طبق ادعای «کوین اسکات» مدیر ارشد تکنولوژی شرکت مایکروسافت، دانش هوش مصنوعی بخش مهمی از ماهیت وجودی یک شهروند آگاه در قرن بیست‌ویکم است. در همین راستا مجله VentureBeat به بررسی راه‌هایی پرداخته است که به توانمند کردن جوامع کمک می‌کنند.
 
  یادگیری ماشینی برای آگاهی بیشتر و بهتر
 
آگاهی از منابع گسترده یا OSINT، گردآوری و تحلیل آزادانه منابع عمومی در دسترس است که به راهکارهای رمزنگاری و امنیتی قدرت می‌بخشد و همچنین باعث می‌شود که دولت‌ها پاسخگو باشند. گروه‌هایی مانند کنسرسیوم بین‌المللی روزنامه‌نگاران تحقیقی (ICIJ) از یادگیری ماشینی برای جمع‌آوری اطلاعات مورد نیازشان استفاده می‌کنند. در سال گذشته میلادی این کنسرسیوم با استفاده از راهکارهای هوش مصنوعی برای جمع‌آوری اطلاعات تحقیقاتی خود با لابراتوار هوش مصنوعی دانشگاه استنفورد همکاری کرد. در ماه مه گذشته هم محققان دانشگاه Universidade Nove de Julho در شهر سائوپائولو در برزیل هم نتایج بررسی‌های سیستماتیک خود بر مبنای استفاده از هوش مصنوعی برای گردآوری اطلاعات را منتشر کردند. براساس این بررسی‌ها، نزدیک به ۲۵۰ نمونه گردآوری اطلاعات با استفاده از هوش مصنوعی در فاصله سال‌های ۱۹۹۰ تا ۲۰۱۹ انجام شده است. در همین راستا محققان دانشگاه Swansea هم از یادگیری ماشینی برای جمع‌آوری اطلاعات در زمینه جنایات جنگی که در یمن رخ می‌دهند، استفاده می‌کنند.
 
  شناسایی تبعیض جنسیتی از سوی پلیس
 
محققان دانشگاه استنفورد با بهره‌گیری از مزایای زبان‌شناسی محاسباتی یا NLP برای پردازش اطلاعات، به ثبت مکالماتی پرداختند که میان افسران پلیس و مردمی که برای تخلفات ترافیکی متوقف شده بودند، برقرار شده است. این محققان به کمک زبان‌های کامپیوتری توانستند نشان بدهند که افسران پلیس در زمان چنین اتفاقاتی، احترام کمتری برای شهروندان سیاه‌پوست قائل هستند. نتایج این بررسی‌ها که در بولتن آکادمی ملی علوم در سال ۲۰۱۷ منتشر شد، نشان داد که استفاده پلیس از دوربین‌های قابل نصب روی بدن‌شان می‌تواند به ایجاد اعتماد میان مردم جامعه و نهادهای قانون‌گذار کمک کند. این بررسی‌های تحلیلی بر اساس ثبت مکالمات میان افسران پلیس و مردم در طول سال‌ها انجام شد و در آن از گردآوری اطلاعات به جای تحقیقات میدانی فردبه‌فرد، استفاده شد.
 
  اطلاع مردم از بررسی‌های الگوریتمی
 
ایده این موضوع از جلسات تحلیلی میان متخصصان علم روباتیک برای ایجاد راهکارهای هوش مصنوعی بهتر، بیرون آمد. این مفهوم که اولین بار در سال ۲۰۱۹ در کتابی به نام «راهنمای انسانی هوش ماشینی» به کار برده شد، در واقع به ایده شفافیت در روابط اجتماعی برمی‌گردد و به این معناست که هر فرد حق این را داشته باشد که بداند چه وقت یک الگوریتم در حال گرفتن تصمیمی است که زندگی او را تحت تاثیر قرار می‌دهد و همچنین در این الگوریتم تصمیم‌گیری چه عواملی در نظر گرفته می‌شوند. سند حقوق الگوریتمی شامل دسترسی هر فرد به اطلاعات شخصی در دسترس نهادها و سازمان‌ها و امکان رد یا پذیرش اجازه آنها برای استفاده از این اطلاعات می‌شود. بررسی‌ها نشان می‌دهند که بعضی از این مفاهیم در لوایح قانونی ارائه شده در کنگره آمریکا هم وجود دارند؛ مانند قانون شفافیت الگوریتمی سال ۲۰۱۹.
 
  کنترل درستی اطلاعات و مبارزه با تقلب
 
صرف‌نظر از بات‌هایی که خدمات شهری ارائه می‌دهند یا شفافیت و آگاهی عمومی را بالا می‌برند، هوش مصنوعی می‌تواند با انتشار اطلاعات غلط و تقلب مبارزه کند. به‌عنوان مثال، انتشار اطلاعات غلط یکی از مهم‌ترین نگرانی‌های پیش ‌روی دولت آمریکا در انتخابات پیش‌رو در ماه نوامبر امسال است. در گزارشی که در پاییز سال ۲۰۱۹ و درباره انتخابات آینده منتشر شد، مرکز حقوق انسانی و تجاری دانشگاه نیویورک نسبت به اشکال بومی و داخلی انتشار اطلاعات نادرست و همچنین پتانسیل دخالت‌های خارجی از سوی دولت‌های چین یا روسیه هشدار داد. در همین راستا چالش شناسایی اطلاعات نادرست با هدف کمک به شمارش ویدئوهای گول‌زننده شکل گرفته و همچنین فیس‌بوک هم ویدئوهایی را برای آموزش سیستم‌های شناسایی اطلاعات نادرست و غلط ارائه کرده است.
 
  جلوگیری از تبعیض و اسکان بی‌خانمان‌ها
 
در لس‌آنجلس افراد بی‌خانمان و سفیدپوست تا ۴/ ۱ برابر سریع‌تر از افراد بی‌خانمان رنگین‌پوست، اسکان داده می‌شوند و این به ضعف سیاست‌های مربوط به اسکان افراد بی‌خانمان یا تبعیض میان آنها برمی‌گردد. نتایج بررسی‌های مربوط به نژادپرستی ساختاری در اسکان افراد بی‌خانمان لس‌آنجلس در ماه گذشته منتشر شد و نشان داد که تنها ۸ درصد از شهروندان این شهر سیاه‌پوست هستند؛ اما حدود ۳۴ درصد از این جمعیت بی‌خانمان‌ هستند. برای جلوگیری از این جریان، مرکز تحقیقات کاربردی هوش مصنوعی در اجتماع دانشگاه کالیفرنیای جنوبی به تحقیق درباره راهکارهای هوش مصنوعی پرداخته است که با استفاده از آنها می‌توان این تضمین را ایجاد کرد که اسکان افراد بی‌خانمان به‌صورت عادلانه انجام خواهد شد. در همین راستا، این مرکز در ماه گذشته از کمک ۵/ ۱ میلیون دلاری به اداره خدمات ویژه بی‌خانمان‌های لس‌آنجلس خبر داد. موضوع اسکان بی‌خانمان‌ها در کالیفرنیا معضلی جدی است و به همین خاطر مرکز تحقیقات کاربردی هوش مصنوعی در اجتماع دانشگاه کالیفرنیای جنوبی از سال ۲۰۱۷ به کمک نهادهای خیریه و ذی‌ربط در این حوزه به تحقیقات گسترده‌ای پرداخته است تا با کمک ابزارهای هوش مصنوعی تا حد امکان از افزایش بی‌خانمانی در این ایالت جلوگیری کند.
 
محافظت در برابر حملات باج‌افزاری
 
از پیش از شیوع ویروس کرونا و تظاهرات گسترده در اعتراض به نژادپرستی، موضوع حمله باج‌افزارها و تهدید آنها برای بخش‌های مختلف اداری و مالی، همیشه به شکلی پررنگ و مهم وجود داشته است. در سال ۲۰۱۹ حملات باج‌افزاری به سازمان‌ها و موسسات عمومی مانند بیمارستان‌ها، مدارس و نهادهای دولتی با نرخی بی‌سابقه افزایش یافتند و هزینه‌های هنگفتی را برای بازیابی اطلاعات و فایل‌ها به آنها تحمیل کردند. حالا اما شرکت‌های امنیتی بزرگ دنیا درحال بررسی راهکارهای یادگیری ماشینی برای مبارزه و جلوگیری از تکرار چنین حملاتی هستند.
 

آیا هوش مصنوعی می‌تواند حافظه ما را تقویت کند

 
مغز ما پیچیده‌ترین جعبه سیاه جهان است. محققان معتقدند که ماده خاکستری مغز ما به اندازه‌ای پیچیده است که قادر به درک خودش نیست.حالا که ما قادر به موشکافی مغزمان نیستیم، شاید ماشین‌ها بتوانند این کار را برایمان انجام دهند. در تحقیقاتی که به رهبری مایکل کاهانا روانشناسی از دانشگاه پنسیلوانیا به تازگی در مجله نیچر منتشر شده گفته شده که برای رمزگشایی و تقویت حافظه انسانی می‌توان از الگوریتم‌های یادگیری ماشینی استفاده کرد. اما چگونه؟ در این روش پالس‌های الکتریکی در زمان‌های مشخصی به مغز وارد می‌شوند. به عبارت دیگر محققان برای استفاده از پتانسیل یک جعبه سیاه از جعبه سیاه دیگری کمک می گیرند. از یک سو راه حلی مناسب برای یک مسئله بسیار سخت پیش رویمان قرار می‌گیرد و از سوی دیگر ترس از آخرزمانی که در فیلم‌های علمی تخیلی به تصویر کشیده می شود را نمایان می‌کند.
 
بهترین اسناد برای سنجش مغز در داخل جمجمه قرار دارند. مسلما هیچکس حاضر نیست جمجمه‌اش را به خاطر پیشرفت علم باز کند. به همین دلیل کاهانا و همکارانش در این تحقیق از ۲۵ بیمار مبتلا به صرع کمک گرفتند و داخل مغز هرکدام از این بیماران بین ۱۰۰ تا ۲۰۰ الکترود برای بررسی فعالیت الکتریکی مربوط به تشنج بیماران مبتلا به صرع کار گذاشته شد. کاهانا و تیمش از این الکترودها برای ثبت فعالیت مغز در زمانی که به کار های مربوط به حافظه مشغول است استفاده کردند.
 
محققان ابتدا بررسی کردند که مغز چطور وقایع را به خاطر می‌سپارد. کاهانا و تیمش از بیماران خواستند که لیستی از کلمات را خوانده و به خاطر بسپارند و در همین حین تغییرات ولتاژ در ثانیه را با استفاده از الکترودهای نصب شده به ثبت رساندند. آنها سپس قدرت یادآوری بیماران را مورد بررسی قرار دادند، داده‌های مربوط به فعالیت‌های مغزی دخیل در یادآوری یا فراموشی یک کلمه جمع آوری شدند.
 
این فرایند چندین بار تکرار شد و پس از انجام دو یا سه آزمایش روی هر بیمار، پس از جمع‌آوری داده‌های لازم، الگوریتمی برای هربیمار طراحی شد که براساس فعالیت الکترود های مغزی نشان می‌داد احتمال یادآوری هر کلمه برای هرشخص چقدر خواهد بود.
 
نکته جالب توجه این است که این الکترودها نه تنها فعالیت عصبی را بررسی می‌کنند، بلکه قادر به تحریک آن نیز هستند. درنتیجه محققان سعی داشتند که با تحریک مغز، روند شکل گیری خاطرات در لحظه را بهبود بخشند. هرچند ثانیه تصویری از یک کلمه به بیمار نشان داده می شد و این الگوریتم میزان آمادگی مغز برای یادآوری آن کلمه را مشخص می کرد. کاهانا می گوید «ما از طریق یک سیستم حلقه بسته می توانیم وضعیت مغز بیمار را ثبت، تحلیل و برای تحریک یا عدم تحریک آن تصمیم گیری کنیم، تمام این فرایند تنها در چند میلی ثانیه انجام می شود».
 
سیستمی که این محققان طراحی کردند توانست میانگین یادآوری کلمات در این بیماران را ۱۵ درصد افزایش دهد.
 
 
محققان از بیماران خواستند که لیستی از کلمات را خوانده و به خاطر بسپارند و در همین حین تغییرات ولتاژ در ثانیه را با استفاده از الکترودهای نصب شده به ثبت رساندند. آنها سپس قدرت یادآوری بیماران را مورد بررسی قرار دادند، داده‌های مربوط به فعالیت‌های مغزی دخیل در یادآوری یا فراموشی یک کلمه جمع آوری شدند.
 
این اولین باری نیست که کاهانا تاثیرات تحریک مغز بر حافظه را بررسی می‌کند و سال گذشته هم این گروه نشان داد که پالس الکترود می‌تواند قدرت یادآوری را تقویت یا تضعیف کند. در این مطالعه محققان با تحریک و افزایش فعالیت مناطق تنبل مختص حافظه در مغز، امتیاز بیماران در آزمون‌های حافظه را بهبود بخشیدند. این یافته علمی بزرگ، اما از لحاظ درمانی بی‌فایده بود؛ محققان در این آزمون‌ها، در واقع رابطه‌ای بین حافظه و حالت‌های مغزی شناسایی کرده بودند اما برای تقویت مغز، باید پالس‌های الکترودی در زمان ثبت حافظه القا و تاثیر خود را بگذارند.
 
به نظر می‌رسد که حالا کاهانا و همکارانش با استفاده از الگوریتم یادگیری ماشینی به این حلقه بسته دست پیدا کرده اند. کاهانا می‌گوید «با این تفاوت که به جای استفاده از این الگوریتم برای شناسایی تصویر گربه‌ها، برای رمزگشایی از آن استفاده می‌شود با بررسی فعالیت الکتریکی مشخص می‌شود که آیا مغز در وضعیت مناسب برای یادگیری قرار دارد یا خیر». اگر مغز به خوبی خاطرات را رمزگشایی کند نیاز به مداخله نخواهد بود، اما اگر اینگونه نباشد محققان با القای پالس های الکتریکی میزان کارایی مغز را افزایش می دهند- همچون راهنمایی برای مغز.
 
بردلی ویتک عصب شناس دانشگاه سندیگو می‌گوید «اثری خارق العاده نیست اما امیدوار کننده است». اما سوال اصل اینجاست که آیا این زمینه علمی در آینده به نتایج بزرگتری خواهد رسید. آیا ممکن است که با استفاده از این الگوریتم ها و کارگذاری الکترود های بیشتر، فعالیت‌های مغزی دیگری را هم در زمان کمتر و با دقت بیشتر رمزگشایی کرد. مسلما به داده‌های بیشتری هم نیاز است؛ اکثر بیماران این چنینی تنها چند هفته قادر به شرکت در این مطالعات هستند و درنتیجه زمان محققان برای مطالعه محدود است. اگر زمان بیشتری در دست باشد، الگوریتم یادگیری ماشینی هم عملکرد بهتری خواهد داشت.
 
اما حتی اگر داده‌ها بیشتر و شفاف‌تری هم در دست باشد، مسئله این است که محققان باید از الگوریتمی مبهم روی مغز انسان‌ها استفاده کنند. در واقع با اینکه سیستم کاهانا به بهبود قدرت یادآوری کمک می‌کند، اما نمی‌توان چگونگی آنرا متوجه شد. ماهیت یادگیری ماشینی این چنین است.
 
خوشبختانه این موضوع به طور کامل به تیم کاهانا آموزش داده شد. در این مطالعه محققان از یک الگوریتم دسته‌بندی خطی استفاده کردند که مشخص می‌کند هر الکترود برای ایجاد تمایز بین الگوهای فعالیت مغزی چه کاربردی دارد. یوسف الزیات روانشناس دانشگاه پنسیلوانیا که تحلیل‌های یادگیری ماشینی در این مطالعه را بررسی کرده است می‌گوید «در حال حاضر مشخص نیست که آیا بین ویژگی‌هایی که برای ثبت فعالیت مغزی استفاده می‌کنیم رابطه ای وجود دارد یا خیر».
 
تکنیک‌های یادیگری عمیق لزوما به تقویت بیشتر قدرت ذهن ما منتهی نخواهند شد. اما اگر این کار را انجام دهند، محققان می‌توانند تلاش کنند تا تصمیم دستگاه‌ها را برای تحریک پالس‌های برقی مغز تقویت کنند، یا اگر واقعاً این پالس‌ها شیطانی شوند مانع فعالیت آن شوند.

هوش مصنوعی سبز؛ راهی برای کاهش انتشار کربن

با وجود تمامی مزایا و دستاوردهایی که به کمک هوش مصنوعی در دسترس قرار گرفته، از خودروهای خودران گرفته تا بازشناسی صوت و چهره، سیستم‌های هوش مصنوعی میزان زیادی انرژی مصرف می‌کنند که به نوبه خود، موجب انتشار حجم بیشتری از کربن می‌شود.
 
 
 
 تحقیقی که در سال گذشته میلادی انجام شد، نشان داد که آموزش سیستم‌های غیر سفارشی پردازش زبان موجب انتشار 1400 پوند (نزدیک یه 635 کیلوگرم) کربن می‌شود که تقریبا معادل یک پرواز رفت و برگشت یک نفر با هواپیما بین نیویورک تا سان‌فرانسیسکو است. همچنین کل فرایند تولید و آموزش یک سیستم هوش مصنوعی پردازش زبان، بسته به منبع انرژی، موجب انتشار حداکثر 78هزار پوند (35 تن) کربن می‌شود که دو برابر میزان باز دم یک فرد آمریکایی در طول زندگی‌اش است.
 
گفتنی است که میانگین انتشار کربن یک خانوار آمریکایی در حدود ۵۰ تن دی‌اکسید کربن در هر سال است. بزرگترین منبع انتشار برای هر خانوار معمولی از رانندگی کردن و مصرف بنزین به وجود می‌آید و بعد از آن مسائل مربوط به خانه (برق، گاز طبیعی، آب و ساختمان سازی)، مواد غذایی، محصولات و در آخر هم خدمات قرار دارند. البته انتشار کربن یک خانوار آمریکایی حدوداً ۵ برابر میانگین جهانی است، که برای هر خانوار در هر سال حدود ۱۰ تن دی‌اکسید کربن است.
 
اما روش‌هایی برای سبزتر کردن یادگیری ماشین و کاهش اثر کربن (Carbon footprint) آن وجود دارد و در این زمینه، تلاشی جهانی با عنوان هوش مصنوعی سبز (Green AI) شکل گرفته است. برای مثال برخی الگوریتم‌ها انرژی کمتری مصرف می‌کنند و بسیاری از جلسات آموزش را می‌توان به مناطقی منتقل کرد که انرژی مصرفی را از منابع تجدیدپذیر تامین می‌کنند.
 
نکته اصلی و مهم البته این است که توسعه‌دهندگان و شرکت‌های فعال در زمینه هوش مصنوعی، بدانند که آزمایش‌های یادگیری ماشین آنها چه میزان کربن منتشر می‌کند و چگونه می‌توان حجم آن را کاهش داد.
 
حالا، تیمی متشکل از محققان دانشگاه استنفورد، واحد تحقیقات هوش مصنوعی فیس‌بوک و دانشگاه مک‌گیل، ابزاری برای اندازه‌گیری مصرف الکتریسیته پروژه‌های یادگیری ماشین و میزان انتشار کربن آن ایجاد کرده‌اند.
 
پیتر هندرسون، دانشجوی دکتری علوم رایانه در دانشگاه استنفورد و نویسنده اصلی این تحقیق می‌گوید: سیستم‌های یادگیری ماشین فراگیرتر می‌شوند و به همین دلیل نقش مهمی در انتشار کربن خواهند داشت. اما برای حل این مشکل، باید بتوانیم آن را اندازه‌گیری کنیم.
 
وی می‌افزاید: سیستم ما می‌تواند به محققان و مهندسان صنعت کمک کند که بدانند کارشان تا چه اندازه از نظر انتشار کربن بهینه است و شاید ایده‌هایی درباره چگونگی کاهش اثر کربن به آنها بدهد.
 
ردگیری انتشار کربن
هندرسون به همراه دن یورافسکی (Dan Jurafsky) رییس دپارتمان زبان‌شناسی و استاد علوم کامپیوتر دانشگاه استانفورد، اما برانسکیل (Emma Brunskill) استادیار علوم کامپیوتر در استانفورد، جیه‌رو هو (Jieru Hu) مهندس نرم‌افزار واحد تحقیقات هوش مصنوعی فیس‌بوک، جوئل پینیا (Joelle Pineau) استاد علوم کامپیوتر دانشگاه مک‌گیل و مدیر‌ واحد تحقیقات هوش مصنوعی فیس‌بوک وجاشوا روموف (Joshua Romoff) دانشجوی دکترای دانشگاه مک‌گیل سیستمی به نام experiment impact tracker ایجاد کرده‌اند که میزان اثر کربن آزمایش‌های هوش مصنوعی را مشخص می‌کند.
 
یورافسکی می‌گوید: نیاز به توسعه به‌کارگیری یادگیری ماشین برای حل مسایل بزرگ‌تر، روز به روز بیشتر می‌شود که این مساله، موجب مصرف بیش از پیش انرژی برای رایانش شده است. به همین دلیل ما باید به این موضوع بیندیشیم که آیا منافع این مدل‌های رایانشی سنگین در برابر آثاری که بر محیط زیست می‌گذارند، چقدر است.
 
سیستم‌های یادگیری ماشین از طریق اجرای میلیون‌ها تجربه آماری در ساعت، مهارت‌شان را برای انجام امور افزایش می‌دهند. این جلسات یادگیری که ممکن است هفته‌ها یا ماه‌ها به بینجامد، بسیار از نظر انرژی پرمصرف هستند و از آنجا که هزینه به‌کار گیری توان محاسباتی و مجموعه داده‌های عظیم کاهش یافته است، استفاده از یادگیری ماشین در کسب‌وکارها، دولت‌ها، مراکز دانشگاهی و تحقیقاتی و حتی زندگی روزمره، بیش از پیش توسعه یافته است.
 
محققان برای اینکه معیاری دقیق از میزان انتشار کربن به دست آورند، کارشان را با محاسبه میزان مصرف انرژی در یک مدل هوش مصنوعی مشخص آغاز کردند. البته این کار پیچیده‌ای بود؛ زیرا یک ماشین یکتا گاه در آن واحد، فرایند یادگیری چندین الگوریتم‌ را انجام می‌دهد و باید این جلسات یادگیری از هم مجزا می‌شد. از سوی دیگر، در هر جلسه یادگیری، برای عملکردهای مشترک بالاسری، مانند ذخیره داده و خنک‌سازی سیستم، انرژی مصرف می‌شود که این‌ها نیز باید به دقت محاسبه شود.
 
قدم بعدی، محاسبه میزان انتشار کربن بر اساس مصرف انرژی یا الکتریسیته است که خود با ترکیبی از سوخت‌های فسیلی و تجدیدپذیر به دست می‌آید. ترکیب سوخت مصرفی بسته به مکان جغرافیایی و ساعت شبانه روز، متفاوت است. مثلا در مناطقی که انرژی خورشیدی بیشتری در دسترس است، تراکم انتشار کربن ناشی از مصرف سوخت با نزدیک‌شدن به ظهر و قرار گرفتن خورشید در بالاترین نقطه، کاهش می‌یابد.
 
محققان برای دریافت چنین اطلاعاتی، منابع موجود درباره ترکیب انرژی در مناطق مختلف ایالات متحده و جهان را جمع‌آوری و بررسی کردند. بر اساس این بررسی‌ها، اجرای یک جلسه یادگیری مثلا در استونی، که متکی به نفت شیل است، نسبت به اجرای همان جلسه در کبک کانادا که بیشتر برق‌آبی است، 30 برابر انتشار کربن بیشتری دارد.
 
هوش مصنوعی سبزتر
توصیه نخست این محققان برای کاهش اثر کربن، انتقال جلسات یادگیری به مناطقی است که از انرژی‌های تجدیدپذیر استفاده می‌کنند. این کار هم با توجه به امکان ذخیره مجموعه داده‌ها روی سرورهای ابری، ساده است.
 
علاوه بر این، محققان دریافتند که بعضی از الگوریتم‌های یادگیری ماشین، از دیگر الگوریتم‌ها پرمصرف‌ترند. برای مثال در دانشگاه استانفورد از بیش از 200 دانشجویی که روی یادگیری تقویتی (reinforcement learning) کار می‌کردند، خواسته شد که الگوریتم‌هایی برای دادن تکالیف درسی طراحی کنند. از میان دو الگوریتمی که از نظر عملکرد شبیه هم بودند، یکی مصرف انرژی بسیار بالاتری داشت. محققان برآورد کردند که اگر همه الگوریتم‌های طراحی شده توسط این دانشجویان، بهره‌ور باشد، میزان مصرف انرژی در مجموع به میزان 880 کیلووات ساعت کاهش می‌یابد که معادل مصرف متوسط یک خانوار آمریکایی در ماه است.
 
این مساله نشان داد که حتی اگر جلسات یادگیری به مناطقی با مصرف انرژی‌های پاک منتقل نشود، بهینه سازی الگوریتم‌ها نیز نقش مهمی در کاهش انتشار کربن ایفا خواهد کرد. این مساله به ویژه در مورد سیستم‌هایی که خدمات بی‌درنگ ارایه می‌کنند، مانند مسیریابی خودروها، بسیار مهم است؛ زیرا در این سیستم‌ها فاصله می‌تواند در ارتباطات تاخیر ایجاد کند و از این رو، انتقال پردازش‌ها به نقاط دوردست، راه‌حل مناسبی نیست.
 
تیم مذکور نرم‌افزار experiment impact tracker خود را در گیت‌هاب در اختیار محققان قرار داده‌اند.
 

ساخت دیوارهای مرزی مجازی در آمریکا

یک شرکت تجاری در آمریکا از ساخت دیوارهای مرزی مجازی در این کشور از طریق عقد قرارداد با کاخ سفید خبر داده است.
 
 به نقل از انگجت، قرار است تا سال ۲۰۲۰ حدود دویست دیوار مرزی مجازی در نقاط مختلف آمریکا احداث شود. کاخ سفید هدف از این کار را حفظ امنیت این کشور ذکر کرده است.
 
دیوارهای یادشده توسط Anduril Industries ساخته می شوند و برنامه ریزی برای ساخت آنها از سه سال قبل آغاز شده است. دیوارهای یادشده که مبتنی بر استفاده از هوش مصنوعی هستند در مرز آمریکا و مکزیک ساخته می شوند. مقابله با قاچاقچیان و مهاجران غیرقانونی از جمله اهداف اجرای این طرح است.
 
 
 
این دیوارها متشکل از یک دکل دیده بانی همراه با دوربین ها و صفحات خورشیدی هستند. صفحات یادشده انرژی مورد نیاز برای فعالیت این دکل ها در ۲۴ ساعت شبانه روز را فراهم می کنند. برای افزایش دقت این دکل ها از حسگرها و آنتن هایی استفاده شده که می توانند انسان ها، حیوانات و وسایل نقلیه را شناسایی کنند. سیستم هوش مصنوعی این دکل ها با تحلیل داده های دریافتی نتیجه گیری خود را برای نهادهای دولتی، قضایی و اطلاعاتی ارسال می کنند.
 
البته این دکل ها با جمع آوری اطلاعات شخصی گسترده از افراد می توانند امنیت و حریم شخصی آنها را به خطر بیندازند. پالمر لاکی موسس شرکت سازنده این دکل ها از حامیان ترامپ است و در سال ۲۰۱۷ پس از افشای کمک ده هزار دلاری وی به یک گروه سیاسی حامی ترامپ و فشارهای ناشی از آن، محل کار خود در فیس بوک را ترک کرد.
 

پیاده ­سازی نرم‌­افزاری شبکه LTE مجهز به هوش مصنوعی با رویکرد ۵G

پروژه پیاده ­سازی نرم‌­افزاری شبکه LTE مجهز به هوش مصنوعی با رویکرد ۵G در پژوهشگاه ارتباطات و فناوری اطلاعات در حال انجام است.
 
 به نقل از پژوهشگاه ارتباطات و فناوری اطلاعات، لیلا محمدی با اشاره به برخی از فعالیت‌های انجام شده در ارتباط با نسل پنجم ارتباطات (۵G ) پژوهشکده فناوری ارتباطات، اظهار داشت: در سال ۱۳۹۳ موضوع شناسایی و تحلیل فناوری‌ها و جهت‌گیری‌های مرتبط با ۵G در قالب یک پروژه پژوهشی در پژوهشکده انجام شد. در این پروژه مطالعه وضعیت نسل پنجم ارتباطات در کشورهای مختلف و ضرورت حرکت به سمت نسل پنجم شبکه‌های ارتباطی، روندهای استانداردسازی توسط نهادهای بین‌المللی، ساختار، خصوصیات و قابلیت‌های فنی و سرویس‌های نسل پنجم شبکه‌های ارتباطی و جهت‌گیری‌های محتمل برای پیاده‌سازی نسل پنجم شبکه‌های ارتباطی مورد بررسی و ارزیابی قرار گرفت.
 
وی با بیان اینکه پیرو این پروژه در خرداد ماه سال ۱۳۹۴ همایشی با عنوان«فرصت‌ها، چالش ها و رویکردهای نسل پنجم ارتباطات» با هدف بررسی رویکرد صنعت مخابرات کشور در گذر به نسل آینده ارتباطات برنامه‌ریزی و اجرا شد، گفت: در راستای سیاست وزارت ارتباطات و فناوری اطلاعات در خصوص تدوین نقشه راه فناوری‌های نوین در پژوهشگاه، ۵G به عنوان یکی از محورهای کلان پژوهشگاه تعیین و پروژه «رصد فناوری و تدوین برنامه جامع  ۴G (تکامل) و ۵G» از خردادماه ۱۳۹۵ در پژوهشگاه آغاز شد و در اردیبهشت ۱۳۹۶ به اتمام رسید.
 
محمدی ادامه داد: در این پروژه، تیم‌های فنی، اقتصادی، کسب و کار، اجتماعی و حقوقی فعالیت داشتند که با مطالعه و بررسی وضعیت موجود فناوری ۵G در دنیا و ارزیابی وضع موجود کشور، راهبردها و اقدامات مناسب جهت حرکت به سمت ۵G و همچنین نقشه راه نسل پنجم شبکه ارتباطی کشور استخراج و ارائه شد.
 
وی درباره روند بررسی طرح نسل پنجم ارتباطی عنوان کرد: در سال ۱۳۹۶ موضوع مطالعه و بررسی نسل پنجم ارتباطات سیار و نحوه ارائه خدمات آن در کشور از سوی سازمان تنظیم مقررات و ارتباطات رادیویی به پژوهشگاه ICT واگذار شد. البته بررسی ۵G از دید رگولاتوری، یکی از مهم‌ترین پروژه‌های مستخرج در نقشه راه ۵G بود.
 
رئیس پژوهشکده فناوری ارتباطات افزود: در مدت اجرای این پروژه، حوزه‌های متنوعی اعم از فنی، حقوقی و  اقتصادی جهت ارائه خدمات مبتنی بر ۵G در کشور پوشش داده شدند و نتایج به‌دست‌آمده از این پروژه به سازمان تنظیم مقررات و ارتباطات رادیویی پیشنهاد ‌شد که ارتقاء رگولاتوری به نسل‌های بالاتر، طیف فرکانسی مورد نیاز، مقررات لازم جهت ارائه سرویس‌های ۵G ، گسترش سلول‌های کوچک در مناطق پرترافیک، استفاده از ۵G برای صنایع عمودی خاص مانند آموزش و سرگرمی و بهداشت و سلامت، اشتراک‌گذاری منابع زیرساختی با معرفی بازیگران جدید همانند شهرداری‌ها، میکرواپراتورها و میزبان‌های بی‌طرف، افزایش سرمایه‌گذاری و جذب سرمایه جهت گسترش ۵G، ایجاد کمیته عالی راهبری جهت تشویق سرمایه‌گذاری اپراتورها و سایر بازیگران و ایجاد آمادگی‌های لازم در صنایع عمودی برای ورود ۵G از جمله این موارد بود.
 
وی گفت: پیاده‌سازی نمونه آزمایشگاهی شبکه نرم افزار LTE با رویکرد ۵G، از اولین فعالیت‌های عملیاتی شده بود و به دنبال آن، پروژه «طراحی و پیاده ­سازی نرم‌­افزاری شبکه LTE مجهز به هوش مصنوعی با رویکرد ۵G و قابلیت خودسازماندهی (SON) در بخش دسترسی رادیویی» از مهم‌ترین پروژه‌های نقشه راه ۵G بود که از اواخر سال ۹۸ اجرای آن در پژوهشکده آغاز شد و هم اکنون در حال انجام است.
 
محمدی با بیان اینکه حفظ پایداری شبکه ارتباطی و یا بهینه کردن مصرف منابع رادیویی به‌صورت خودکار از اهداف این پروژه است، در خصوص پیاده‌سازی بستر تست و پایلوت ۵G به عنوان یکی دیگر از مهمترین پروژه‌های دیده شده در کشور جهت حرکت به سمت ۵G گفت: هدف از این پایلوت و بستر تست در سطح حاکمیت این است که محیطی برای ارائه انعطاف‌پذیر سرویس‌های جدید با الزامات متنوع ایجاد شده و بازیگران و صنایع مختلف با قابلیت‌های این شبکه آشنا شوند.
 
وی ادامه داد: مشخصا در حوزه فنی فناوری‌های مختلف به عنوان توانمندساز نسل پنجم ارتباطی مطرح هستند که از میان آنها می‌توان به فناوری موج میلیمتری، شبکه‌های مبتنی بر نرم افزار یا SDN، مجازی‌سازی توابع شبکه یا NFV، رایانش لبه شبکه موبایل، برش شبکه یا Network Slicing، مایمو انبوه یا Massive MIMO و اینترنت اشیا اشاره کرد. در حوزه‌هایی نظیر موج میلیمتری، SDN، NFV، اینترنت اشیا و مایمو انبوه در پژوهشکده فعالیت‌های خوبی انجام شده است.

سرمایه‌گذاری در هوش مصنوعی ۵ برابر می‌شود

ستاد توسعه فناوری‌های اقتصاد دیجیتال و هوشمندسازی معاونت علمی و فناوری ریاست جمهوری از ۵ برابر کردن سرمایه‌گذاری در حوزه شکل‌گیری استارت‌آپ‌های هوش مصنوعی خبر داد.
 
 به نقل از معاونت علمی و فناوری ریاست جمهوری، حمایت از توسعه فناوری هوش مصنوعی یکی از اولویت‌هایی است که در معاونت علمی و فناوری ریاست جمهوری دنبال می‌شود. یک فناوری پیچیده و کاربردی که قرار است با تلاش زیست‌بوم فناوری و نوآوری در کشور گسترش یابد.
 
ستاد توسعه فناوری‌های اقتصاد دیجیتال و هوشمندسازی معاونت علمی و فناوری ریاست جمهوری هم با همین هدف به دنبال افزایش ۵ برابری سرمایه‌گذاری‌های دولتی و خصوصی در این صنعت جهانی است.
 
هوش مصنوعی یک فناوری پیچیده با کاربردهای ساده است که توسعه آن برای هر کشوری ضروری است؛ کشورهای مختلف به اهمیت بالای توسعه هوش مصنوعی پی برده‌ و در حال حاضر ۶۰ کشور، سندی ملی برای توسعه این فناوری کاربردی در کشور خود تنظیم کرده‌اند.
 
این ضرورت در ایران نیز درک شده و نخبگان و سرآمدان علمی کشور با ورود به این عرصه در تلاشند تا زیست‌بوم فناوری و نوآوری هوش مصنوعی در کشور را ارتقا دهند.
 
ستاد توسعه فناوری‌های اقتصاد دیجیتال و هوشمندسازی معاونت علمی و فناوری ریاست جمهوری برای همراهی با این زیست‌بوم سودمند و خلاق در تلاش است تا تعداد استارت‌آپ‌های این حوزه را در آینده‌ای نزدیک به ۲۰۰ مورد برساند و سرمایه‌گذاران را به حضور در حوزه هوش مصنوعی ترغیب کند.
 
یکی از برنامه‌های این ستاد، ۵ برابر کردن سرمایه‌گذاری در حوزه شکل‌گیری استارت‌آپ‌های هوش مصنوعی است. در واقع یکی از اولویت‌های این ستاد، افزایش سرمایه‌گذاری در این حوزه است.
 
مذاکره با ۳ دانشگاه فعال در این حوزه هم از دیگر اقدامات ستاد توسعه فناوری‌های اقتصاد دیجیتال و هوشمندسازی معاونت علمی طی این چند سال اخیر است تا آزمایشگاه‌های تخصصی هوش مصنوعی در این دانشگاه‌ها راه‌اندازی شود.
 
هوش مصنوعی یک فناوری کلیدی در هر کشوری است و ۱۰ کشور چین، ویتنام، اندونزی، آمریکا، تایلند، برزیل، فرانسه، انگلستان، لهستان و ایتالیا در این حوزه رشد قابل توجهی کرده‌اند و بیشترین میزان استفاده از این فناوری را دارند.
 
حجم اقتصادی این فناوری نوظهور در دنیا تا ۲۰۳۰، بیش از ۱۶ تریلیون دلار برآورد شده که یک سوم بازار فعلی جهانی را تشکیل می‌دهد.
 
این فناوری کاربردی می‌تواند در آینده‌ای نه چندان دور زندگی بیشتر انسان‌ها را تحت تاثیر قرار دهد. به طوری که بر اساس آماری جهانی پیش‌بینی شده که ۴۷ درصد از کل جایگاه‌های شغلی در سال ۲۰۳۰ به شکل اتوماسیون و بدون حضور انسان انجام شود.

ابراز نگرانی از تشدید نژادپرستی در آمریکا با هوش مصنوعی

 
 
مدیران گوگل از ضرورت طراحی یک برنامه اجرایی برای جلوگیری از تشدید نژادپرستی پس از افزایش استفاده از الگوریتم‌های هوش مصنوعی خبر داده‌اند.
 
به نقل از دیجیتال ترندز، انجلا ویلیامز مدیر سیاست گذاری گوگل در جریان نشستی مجازی در روز جمعه تصریح کرد که هوش مصنوعی ممکن است در آینده به جوامع حاشیه‌ای و کم برخوردار در آمریکا آسیب بزند و علت این مساله آن است که الگوریتم‌های هوش مصنوعی بر مبنای داده‌های به دست آمده از سفیدپوستان طراحی شده و بخش اعظم مبدعان آن نیز سفیدپوست بوده‌اند.
 
وی تصریح کرده باید تلاش گسترده‌ای به عمل آید تا جلوی این اتفاق گرفته شود، در غیر این صورت جامعه سیاه پوستان آمریکا و دیگر اقلیت‌های ساکن در این کشور از افزایش استفاده از هوش مصنوعی متضرر می‌شوند و می‌توان انتظار داشت که مشکل یادشده به دیگر کشورهای جهان نیز تسری یابد.
 
این مدیر گوگل همچنین اظهار نگرانی کرد که از هوش مصنوعی برای افزایش دقت سیستم‌های جاسوسی و پلیسی کردن بیشتر جامعه آمریکا سوءاستفاده شود.
 
وی در این مورد گفت: فناوری نژادپرست نیست، اما ما می‌توانیم کدنویسی آن را به شیوه‌ای متعصبانه و مغرضانه انجام دهیم. در این مورد می‌توان به دستگیری اشتباه یک سیاه پوست اهل دیترویت اشاره کرد که چهره وی به اشتباه با چهره یک دزد اشتباه گرفته شد. علت این است که الگوریتم‌های هوش مصنوعی در زمینه تمایز قائل شدن بین سیاه پوستن با دقت عمل نمی‌کنند.
 
انجلا ویلیامز در ادامه صحبت‌های خود به ضعف برخی الگوریتم‌های هوش مصنوعی گوگل در زمینه شناسایی و طبقه بندی مطالب و پست‌های نژادپرستانه اشاره کرد و تصریح کرد که آنها گاهی مطالب عادی و مناسب را نژادپرستانه تشخیص می‌دهند و گاهی نیز مطالب نامناسب را شناسایی نمی‌کنند و هنوز برای این نوع مشکلات راه حل قطعی وجود ندارد. ولی باید تلاش شود تا دستورالعمل‌هایی مشخص برای کاهش این مشکلات ابداع شود.

حل مشکلات جهانی با هوش مصنوعی

دنیای‌اقتصاد : هوش مصنوعی یکی از پدیده‎های جدید دنیای دیجیتال است که امروزه مورد استقبال صنایع و علوم مختلف قرار گرفته به‌طوری‌که تمام این بخش‎ها از علم پزشکی گرفته تا صنعت کشاورزی یا از چالش‎های زیست‌محیطی تا حتی مسائل اجتماعی درصدد هستند بتوانند به لطف هوش مصنوعی راهکار بهتری برای مدیریت مشکلات خود پیدا کنند. هرچند در این میان نظراتی در مورد سوءاستفاده از هوش مصنوعی وجود دارد با این حال هوش مصنوعی، فناوری مهمی با کاربردهای فراوان است و می‌تواند ابزار ارزشمندی برای حل کردن مشکلات جهانی باشد. از طرفی، مشکلات جهانی، پیچیده هستند و هوش مصنوعی می‌تواند ابزار ارزشمندی باشد که تلاش انسان را در ارائه راه‌حل‌هایی برای مشکلات آزاردهنده تقویت کند. در ادامه در مطلبی به گزارش «ایسنا» به نقل از فوربس، به ۹ حوزه می‌پردازیم که هوش مصنوعی، کاربرد خوبی در آنها به نمایش می‌گذارد.
 بررسی سرطان
هوش مصنوعی که مبتنی بر الگوهای یادگیری عمیق است، درحال‌حاضر در حوزه سلامت به‌کار می‌رود. قابلیت‌های تصویربرداری هوش مصنوعی، به‌خصوص برای تشخیص و بررسی سرطان‌های گوناگون از جمله سرطان پستان، امیدوارکننده هستند. هوش مصنوعی، برای پیش‌بینی گسترش بیماری در یک شبکه مراقبت سلامت کاربرد دارد. گروهی از پزشکان بیمارستان مانت ساینا آمریکا، الگوریتم‌های هوش مصنوعی مبتنی بر یادگیری عمیق را برای پیش‌بینی گسترش بیماری‌های ریه، راست‌روده و پروستات با ۹۷ درصد دقت مورد استفاده قرار داده‌اند. پژوهش‌های منتشر شده در مورد سرطان، آزمایش‌های بالینی و تولید دارو، به ارائه داده‌های بسیاری می‌انجامند که نشان می‌دهند هوش مصنوعی می‌تواند به بررسی، راهنمایی و تصمیم‌گیری در مورد مراقبت‌های بهداشتی کمک کند.
 
 نجات زنبورها
پروژه‌ای موسوم به پروژه جهانی زنبور که با تلاش پژوهشگران انگلیسی آغاز شده، یک پروژه اجتماعی است که هوش مصنوعی را برای نجات زنبورها به‌کار می‌گیرد. جمعیت زنبورهای جهان، رو به کاهش است و این می‌تواند خبر بدی برای سیاره ما و همین‌طور ذخیره غذای ما باشد. پژوهشگران در این پروژه، با همکاری شرکت آمریکایی اوراکل تلاش می‌کنند با جمع‌آوری داده به وسیله حسگرها، میکروفن‌ها و دوربین‌هایی که نزدیک کندوی زنبورها کار گذاشته شده‌اند، نحوه نجات دادن این موجودات سودمند را یاد بگیرند. داده‌های به‌دست آمده، در فضای ابری بارگذاری می‌شوند و سپس با کمک هوش مصنوعی مورد تجزیه و تحلیل قرار می‌گیرند تا الگوها و روندهایی که به زنده ماندن زنبورها کمک می‌کنند، شناسایی شوند. نهایتا هوش مصنوعی کمک می‌کند انتشار داده‌ها در زمان واقعی و مقیاس جهانی، ساده‌تر باشد و نجات زنبورها نیز ساده‌تر انجام شود.
 
 ابزاری برای افراد ناتوان
دیگر کاربرد خوب هوش مصنوعی، کمک کردن به افراد ناتوان برای غلبه بر مشکلات است. در این راستا، شرکت هوآوی از هوش مصنوعی و واقعیت افزوده برای ابداع یک اپلیکیشن رایگان تلفن‌‌همراه موسوم به استوری‌ساین استفاده کرد که به کودکان ناشنوا کمک می‌کند با ترجمه متن به زبان اشاره، خواندن را بیاموزند. این شرکت، ابزاری ابداع کرده که می‌تواند اختلالات بصری را در کودکان شناسایی کند تا درمان پیش از اینکه اختلالات موجب نابینایی شوند، آغاز شود.
 
اپلیکیشن «فیسینگ ایموشنز» (Facing Emotions)، دیگر اپلیکیشن شرکت هوآوی است که احساسات را به شکل صداهای کوتاه و ساده ارائه می‌دهد. این اپلیکیشن، احساسی را که در چهره دیگران می‌بیند، مورد ارزیابی قرار می‌دهد تا به‌کاربر در دیدن احساس مخاطب او کمک کند. این اپلیکیشن برای ارزیابی بینی، دهان، ابروها و چشم‌ها، دوربین عقب تلفن همراه را به‌کار می‌گیرد و از هوش مصنوعی برای تحلیل احساسات چهره افراد مانند احساس خشم، ترس، انزجار، ناراحتی، شادی و شگفتی استفاده می‌کند.
 
 تغییرات اقلیمی
تغییرات اقلیمی، یک معضل بسیار بزرگ به‌شمار می‌روند اما برخی از افراد پیشرو در حوزه هوش مصنوعی و یادگیری ماشینی باور دارند که ممکن است فناوری بتواند بر این مشکلات غلبه کند. یادگیری ماشینی می‌تواند انفورماتیک اقلیمی را بهبود ببخشد. الگوریتم‌های یادگیری ماشینی، حدود ۳۰ مدل آب و هوا را شامل می‌شوند که هیات بین‌دولتی تغییر اقلیم از آنها استفاده می‌کند. هوش مصنوعی می‌تواند به آموزش و پیش‌بینی پیامدهای تغییرات اقلیمی در نواحی گوناگون بپردازد. پژوهشگران موسسه الگوریتم‌های یادگیری مونترآل، از شبکه‌های عصبی برای شبیه‌سازی آسیب‌های ناشی از توفان‌های شدید و بالا رفتن سطح دریا استفاده می‌کنند.
 
 محافظت از حیات وحش
یکی دیگر از کاربردهای خوب هوش مصنوعی برای سیاره زمین، حمایت از تلاش‌های مربوط به محافظت از حیات وحش است. هوش مصنوعی می‌تواند امکان محافظت و تجزیه و تحلیل داده‌ها را با کمترین هزینه فراهم کند. گروهی از پژوهشگران دانشگاه هاوایی در مانوا، پروژه‌ای را برای محافظت از حیات وحش آغاز کرده‌اند و در آن، هوش مصنوعی را برای تجزیه و تحلیل ۶۰۰ ساعت داده صوتی به‌کار گرفته‌اند تا شمار برخوردهای میان پرندگان و خط انتقال هوایی را تشخیص دهند. پژوهشگران مرکز هوش مصنوعی دانشگاه کالیفرنیای جنوبی، طی پروژه‌ای از نوعی پهپاد برای شناسایی شکارچیان غیرقانونی و تعیین موقعیت حیوانات استفاده کردند. داده‌های جمع‌آوری شده با پهپاد، با کمک ابزار مبتنی بر یادگیری ماشینی تجزیه و تحلیل می‌شوند تا به پیش‌بینی فعالیت شکارچیان غیرقانونی و حیوانات کمک کنند. سازمان وایلد می و شرکت مایکروسافت نیز برای تشخیص و ردیابی خودکار حیوانات در حال انقراض، از هوش مصنوعی استفاده می‌کنند. آنها با کمک هوش مصنوعی، به تحلیل تصاویری می‌پردازند که مردم در اینترنت آپلود کرده‌اند.
 
 مقابله با گرسنگی و فقر جهانی
هوش مصنوعی می‌تواند با ارزیابی میلیون‌ها داده، به داشتن محصول بدون نقص و تقویت دانه‌ها کمک کند، خروجی را به حداکثر برساند و مصرف علف‌کش‌ها را نیز به دقت تحت کنترل قرار دهد. پژوهشگران همچنین از هوش مصنوعی برای شناسایی مناطقی استفاده می‌کنند که به‌خاطر آسیب‌دیدن محصولات کشاورزی، افزایش هزینه موادغذایی و خشکسالی، بیشتر در معرض خطر کمبود غذا قرار دارند. پژوهشگران امپریال کالج لندن، درحال آموزش دادن به هوش مصنوعی هستند تا بتواند نابرابری را با بررسی تصاویر ثبت شده از شرایط زندگی در شهرها تشخیص دهد. هدف آنها این است که با استفاده از اطلاعات به‌دست آمده، به بهبود شرایط زندگی در شهرها بپردازند. پژوهشگران دانشگاه استنفورد نیز پروژه‌ای را برای شناسایی نواحی فقیرنشین آغاز کرده‌اند که با هدف بهبود شرایط اقتصادی صورت می‌گیرد.
 
 شناسایی اخبار دروغین
اگرچه هوش مصنوعی می‌تواند ابزاری برای گسترش اخبار دروغین باشد اما شرکت‌هایی مانند گوگل و مایکروسافت سعی دارند با استفاده از هوش مصنوعی، به ارزیابی واقعی بودن اخبار بپردازند. فیس‌بوک نیز هوش مصنوعی را به‌کار می‌گیرد تا واژه‌ها و الگوهایی که می‌توانند نشان‌دهنده اخبار دروغ باشند را پیدا کند.
 
 ارزیابی تصاویر پزشکی
هوش مصنوعی می‌تواند به بهبود سامانه مراقبت از سلامت کمک کند. یک شرکت آلمانی فعال که در حوزه فناوری پزشکی فعالیت دارد، هوش مصنوعی را برای ابداع فناوری‌های نوین حوزه سلامت به‌کار می‌گیرد. یکی از این فناوری‌ها موسوم بهAI-Rad Companion.۴، نوعی دستیار رادیولوژی است که کار بررسی تصویرهای پزشکی را انجام می‌دهد. دیگر فناوری موسوم به AI-Pathway Companion۵، بینش‌هایی را در مورد آسیب‌شناسی، تصاویر پزشکی، آزمایشگاه و پزشکی ارائه می‌دهد.
 
 به‌روزرسانی اولویت‌ها
پژوهشگران آمریکایی، هوش مصنوعی را برای دستیابی به ذخایر آب لس‌آنجلس در زمان وقوع زلزله به‌کار گرفته‌اند. هدف از این پروژه، شناسایی نواحی استراتژیک برای بهبود سامانه لوله‌های آب است تا براساس آن، زیرساخت‌های مهم را برای به‌روزرسانی اولویت‌بندی کند. هوش مصنوعی می‌تواند با شبیه‌سازی شرایط متفاوت، به یافتن بهترین راه‌حل کمک کند.

هواوی دانشگاه آنلاین هوش مصنوعی تاسیس کرد

شرکت چینی هواوی از تاسیس دانشگاه آنلاین هوش مصنوعی در سنگاپور خبر داده و قصد دارد از این طریق هزار مهندس را آموزش داده و جذب کند.
 
 به نقل از زد دی نت، در دانشگاه مجازی هوش مصنوعی هواوی در سنگاپور ۱۴۰ دوره آموزشی آنلاین برگزار می شود.
 
شرکت در دوره های مذکور کاملا رایگان بوده و هیچ هزینه ای از داوطلبان دریافت نمی شود. دوره های یادشده یا به طور کاملا مرتبط با موضوع هوش مصنوعی بوده یا موضوعاتی مانند خدمات نسل پنجم تلفن همراه، رایانش ابری، کلان داده و غیره را در بر می گیرند.
 
 
 
 
انتظار می رود برگزاری این دوره های آنلاین تا پایان سال ۲۰۲۱ به پایان برسد و هواوی از میان دانش آموختگان دوره های یادشده هزار مهندس را به خدمت بگیرد.
 
در  قالب این دوره ها آزمایشگاه هایی مجازی برای شبیه سازی فرایندهای هوش مصنوعی نیز در دسترس قرار می گیرند. صاحبان مشاغل کوچک و متوسط می توانند در صورت تمایل در دوره های یادشده شرکت کنند.
 
هواوی پیش از این از سرمایه گذاری ۳.۵۸ میلیون دلاری برای تولید و طراحی محصولات مختلف مخابراتی و نیز همکاری با شرکای محلی در کشور سنگاپور خبر داده بود.