پیش‌بینی هوش مصنوعی گوگل از مهار شیوع “کووید-۱۹”

 
 
واحد توسعه هوش مصنوعی گوگل موسوم به "دیپ‌مایند" با استفاده از فناوری یادگیری ماشین داده‌های جدیدی را برای استفاده آزاد به منظور کند کردن شیوع کروناویروس جدید منتشر کرده است.
 
به نقل از آی‌ای، واحد هوش مصنوعی گوگل موسوم به "دیپ‌مایند"(Deepmind) برای تهیه اطلاعات مورد نیاز و کاربردی در مورد بیماری "کووید-۱۹"، پیش‌بینی‌هایی را با یک سیستم یادگیری عمیق منتشر کرده است که چگونگی پیشرفت ساختار پروتئین کشنده کروناویروس را روشن می‌کند.
 
تهدید رو به رشد کروناویروس جدید، لحن گزارش‌های مربوط به بیماری "کووید-۱۹" را داغ و نگران‌کننده کرده است و توصیه‌های نادرست و اطلاعات گمراه کننده پیرامون هویت این ویروس و نحوه مقابله با آن هر روز بیشتر می‌شود. این سردرگمی ناشی از عدم اطلاع‌رسانی مناسب در مورد این ویروس، باعث شده است تا مردم با ترس واکنش نشان دهند که همین منجر به کمبود جهانی امکانات پزشکی و بحران شده است.
 
البته گزارش‌های اخیر مبنی بر جهش ویروس به دو سویه مجزا، نشان داده است که کروناویروس به اندازه کافی گمراه‌کننده است و این می‌تواند مهار شیوع آن را پیچیده کند.
 
اما در زمان‌های دشوار، انسان‌ها غالباً راه حل‌های فناورانه پیدا کرده‌اند. به همین دلیل دانشمندان به یکی از پیشرفته‌ترین فناوری‌های روز یعنی هوش مصنوعی روی آورده‌اند.
 
سیستم هوش مصنوعی "دیپ‌مایند" برای چندین برنامه پزشکی مانند شناسایی سرطان گردن یا ایجاد مدل‌هایی برای شناسایی سریع بیماری‌های چشم از قبل آموزش دیده است. این سیستم یادگیری عمیق متعلق به این شرکت تحقیقاتی مستقر در انگلیس که در اختیار گوگل است، ساختار سه‌بعدی پروتئین‌ها را نیز پیش‌بینی می‌کند.
 
اوایل ماه جاری میلادی در حالی که بیش از ۳ هزار نفر قربانی کروناویروس جدید شده بودند، دانشمندان یک ترفند جدید به این سیستم آموزش دادند تا از ساختار این ویروس جدید نقشه‌برداری کند.
 
یافته‌های "دیپ‌مایند" می‌تواند زمانی را که برای درک ساختار پروتئین کروناویروس طول می‌کشد، چند ماه کوتاه کند.
 
"دیپ‌مایند" گفت: دانستن ساختار یک پروتئین منبع مهمی برای درک نحوه عملکرد آن است، اما آزمایشات برای تعیین ساختار می‌تواند چند ماه یا بیشتر طول بکشد.
 
معمولاً "دیپ‌مایند" قبل از انتشار تحقیقات خود برای مشاهده با منبع باز، یافته‌های خود را با مطالعات دیگر مطابقت می‌دهد. اما این شرکت در این مورد به دلیل برهه حساس کنونی متاثر از شیوع کروناویروس جدید، تصمیم گرفت قوانین خود را زیر پا بگذارد و گفت: با توجه به حساسیت اوضاع، ما ساختارهای پیش‌بینی شده را در اختیار عموم قرار می‌دهیم تا همگان بتوانند از آنها استفاده کنند.
 
"دیپ‌مایند" در ادامه گفت: ما تأکید می‌کنیم که این پیش‌بینی‌ها به طور تجربی مورد تأیید قرار نگرفته‌اند، اما امیدواریم که در درک جامعه علمی از نحوه عملکرد ویروس نقش داشته باشد و به عنوان یک بستر تولید فرضیه برای کارهای آزمایشی آینده در توسعه درمان‌ها خدمت کند.
 
"دیپ‌مایند" یک شرکت بریتانیایی هوش مصنوعی است که در سپتامبر سال ۲۰۱۰ تحت عنوان فناوری‌های ذهن عمیق تأسیس شد. سپس هنگامی که در سال ۲۰۱۴ توسط شرکت گوگل خریداری شد، نامش به "گوگل دیپ‌مایند" تغییر یافت. این شرکت یک شبکه عصبی مصنوعی به وجود آورده‌ است که توانایی یادگیری بازی ویدئویی را به همان شکل که انسان آن را می‌آموزد، دارد. هم‌چنین ماشین تورینگ عصبی یا شبکه عصبی مصنوعی را تولید کرده که می‌تواند مانند یک ماشین تورینگ معمول به حافظه خارجی دسترسی یابد که باعث به وجود آمدن رایانه‌ای شده که حافظه کوتاه‌مدت انسان را شبیه‌سازی می‌کند. نام این کمپانی در سال ۲۰۱۶ پس از آنکه برنامه آلفاگو آن یک بازیکن حرفه‌ای "گو" (یک بازی) را برای اولین بار شکست داد، بر سر زبان‌ها افتاد.
 
اگرچه "دیپ‌مایند" تنها شرکت در جامعه علمی نیست که یافته‌های جدید خود در مورد "کووید-۱۹" را بدون بررسی و مطابقت تجربی با مطالعات دیگر منتشر می‌کند، اما مطمئناً مشهورترین آن است.
 
بر اساس گزارش پایگاه بیزنس اینسایدر، برای دانشمندان می‌تواند چندین ماه طول بکشد تا اطلاعات عملی در مورد کروناویروس را پیدا کنند، در حالی که هر روزه به آمار مرگ و میر ناشی از ابتلا به این ویروس افزوده می‌شود و این اهمیت تسریع مطالعات را نشان می‌دهد. بنابراین با توجه به این نکته، هیچ کس مخالف کمک گرفتن و استفاده از هوش مصنوعی به عنوان دستیار نیست.
 

آیا هوش مصنوعی توان مقابله با کرونا را دارد؟


 
 این روزها، برخی شرکت‌های فعال در عرصه‌ی هوش مصنوعی با ادعای تشخیص سریع و حتی درمان ویروس کرونا جدید قصد دارند با همه‌گیری کووید ۱۹ مقابله کنند.
 
براساس قانون بتریج در تیترها که اصلی معروف در روزنامه‌نگاری است، به تیتر هر مقاله‌ای که با علامت سؤال تمام شود، می‌توان پاسخ منفی داد و صدالبته این قانون درباره‌ی تیتر مقاله‌ی ما نیز صدق می‌کند. بااین‌حال، با وجود رشد فزاینده‌ی مقالات دربردارنده‌ی کلیدواژه‌های هوش مصنوعی و ویروس کرونا که رقابت شدید شرکت‌های فناوری را به‌منظور یافتن راهکاری برای حل معضل کرونا انعکاس داده‌اند، احتمال دارد به این فکر بیفتید شاید پاسخ پرسش تیتر این مقاله مثبت است.
 
چند نمونه از این مقالات عبارت‌اند از: «سیستم هوش مصنوعی جدید علی‌بابا می‌تواند ویروس کرونا را در چند ثانیه با دقت ۹۶ درصد تشخیص دهد»، «از ربات‌ها تا داروهای هوش مصنوعی؛ آشنایی با ۶ استارتاپ فناوری که با ویروس کرونا مقابله می‌کنند»، «هوش مصنوعی می‌تواند بهترین امید ما برای مقابله با ویروس کرونا بعدی باشد»، «چگونه مناطق متأثر از ویروس کرونا با استفاده از هوش مصنوعی به جنگ همه‌گیری می‌روند؟» و «هوش مصنوعی می‌تواند از شیوع ویروس کرونا پیشگیری کند؟»
 
باوجود‌این، همه‌گیری ویروس کرونا جدید درحقیقت نه کارآمدی، بلکه محدودیت ابزارهای مراقبت بهداشتی را نشان داده است. هرچند اکنون پاسخ پرسش تیتر اصلی را می‌دانید، با زومیت همراه باشید تا بدانید چرا هوش مصنوعی با وجود پیشرفت‌های شگرف هنوز درزمینه‌ی مراقبت‌های بهداشتی ناتوان است.
 
شرکت‌های فناوری و مراقبت بهداشتی با هدف عرضه‌ی ابزارهای جدید برای آزمایش و درنهایت درمان ویروس همه‌گیر کرونا که در حال انتشار به سرتاسر جهان است، با یکدیگر رقابت می‌کنند. در‌این‌میان، امید بسیاری به هوش مصنوعی به‌عنوان فناوری بزرگ عصر حاضر است و شرکت‌ها و سیستم‌های مراقبت بهداشتی و دولت‌ها از سازندگان ابزارهای تشخیص مبتنی‌بر هوش مصنوعی به‌عنوان جایگزینی برای ملاقات حضوری با پزشکان و مراجعه به مطب‌ها به‌طور فزاینده‌ای حمایت کرده‌اند.
 
روی کاغذ، چنین ابزارهایی که گاهی‌ اوقات «سنجشگر علائم» یا بات‌های مراقبت بهداشتی نامیده می‌شوند، راهکاری بدیهی در کوتاه‌مدت به‌نظر می‌آیند. از آن‌ها می‌توان برای کمک به تشخیص موارد ابتلا به کووید ۱۹، بیماری ناشی از ویروس کرونا جدید، استفاده کرد و درعین‌حال، افراد آلوده را از مطب‌های شلوغ پزشکان یا بخش اورژانس دور نگه داشت که امکان انتشار ویروس در آن‌ها بسیار زیاد است.
 
ابزارهای مراقبت بهداشتی مبتنی‌بر هوش مصنوعی از نظر پیچیدگی گوناگون هستند. برخی از آن‌ها از فرایند نسبتا ساده‌ای نظیر درخت تصمیم‌گیری استفاده می‌کنند تا توصیه‌های آنلاین را برای مشکلات سلامتی پایه ارائه دهند. برخی سرویس‌های دیگر ادعا می‌کنند فناوری‌های پیشرفته‌تر نظیر الگوریتم‌های مبتنی‌بر یادگیری ماشین را به‌کار می‌گیرند و می‌توانند بیماری‌ها را دقیق‌تر تشخیص دهند.
 
دراین‌بین، به‌گفته‌ی برخی شرکت‌های بهداشت دیجیتال که چنین ابزارهایی می‌سازند، آن‌ها دربرابر به‌روزرسانی الگوریتم‌هایشان برای گنجاندن پرسش‌ها درباره‌ی سویه‌ی جدید ویروس کرونا محتاط هستند. تردید این شرکت‌ها هم بیانگر دانش اندک درباره‌ی شیوع کووید ۱۹ و هم محدودیت‌های گسترده‌تر آن دسته از فناوری‌های مراقبت بهداشتی است که در مواجهه با انتشار سریع بیماری‌های جدید عنوان هوش مصنوعی را یدک می‌کشند.
 
برخی شرکت‌ها می‌گویند برای ارتقای محصولات کنونی خود، داده‌ی کافی درباره‌ی ویروس کرونا جدید دراختیار ندارند. اپلیکیشن بریتانیایی سنجشگر سلامتی Your.MD به‌تازگی گزینه‌ای برای بررسی کروناویروس اضافه کرده است که کاربر را به مجموعه‌ای پرسش‌ها درباره‌ی علائم بیماری هدایت می‌کند؛ اما این ویژگی صرفا مبتنی‌بر درخت تصمیم‌گیری ساده است. شرکت سازنده می‌گوید فناوری پیچیده‌تر نهفته در سامانه‌ی اصلی‌اش را به‌روزرسانی نخواهد کرد که مبتنی‌بر یادگیری ماشین است.
 
به‌گفته‌ی مورین بیکر، مسئول ارشد پزشکی Your.MD، شرکت تصمیم گرفت به‌دلیل دراختیارنداشتن داده‌های علمی لازم، ویروس کرونا را ازطریق هوش مصنوعی تشخیص ندهد. او گفت تشخیص کووید ۱۹ با استفاده از هوش مصنوعی ممکن است ۶ تا ۱۲ ماه طول بکشد تا مقالات علمی داوری‌شده‌ی همتا به‌اندازه‌ی کافی دردسترس قرار گیرند و به بازطراحی الگوریتم‌های به‌کاررفته در سنجشگرهای پیشرفته‌ی امروزی علائم کمک کنند.
 
هیو هاروی، هم‌بنیان‌گذار شرکت مشاوره‌ی مراقبت بهداشتی Hardian و رادیولوژیست سابق، می‌گوید سامانه‌های معرفی‌شده با عنوان هوش مصنوعی را که برپایه‌ی یادگیری ماشین ساخته شده‌اند و با دریافت داده‌های جدید اصلاح می‌شوند، به‌سختی می‌توان برای ویروس جدید بهبود داد؛ زیرا این سامانه‌ها به «یادگیری دقیق داده‌ها» نیاز دارند. هرگونه بیماری به‌شدت مسری جدید که پیش‌تر دیده نشده است و داده‌های اندکی درباره‌اش وجود دارد، می‌تواند مشکلات مشابهی حتی برای فناوری‌های پیشرفته‌تر مبتنی‌بر هوش مصنوعی به‌وجود آورد.
 
هرچند ابزارهای دیجیتال هنوز در تشخیص ویروس کرونا جدید ناتوان هستند، ربات‌ها می‌توانند ابزاری کاربردی در بیمارستان‌ها باشند.
 
از میان تمام کشورهای جهان، بریتانیا در سال‌های اخیر به پیش‌گام حمایت از ابزارهای مراقبت بهداشتی خودکار تبدیل شده است. سرویس سلامت همگانی (NHS) این کشور که مراقبت بهداشتی رایگان را برای تمام شهروندان ارائه می‌دهد، شماری از بات‌های چت تجاری را تأیید کرده است و با تبلیغشان برای بیماران در مطب‌های پزشکان، آن‌ها را روشی مقرون‌به‌صرفه می‌داند که می‌توانند با هدف اولویت‌بندی موارد و ارائه‌ی مشاوره‌ی پزشکی ارزان برای بیماری‌های رایج به‌کار روند. بااین‌همه درمیانه‌ی بحران ویروس کرونا، NHS درعوض به همکاران مجازی‌اش دستور داد به افراد بگویند درصورت ابتلا به ویروس با خط مشاوره‌ی مراقبت بهداشتی ملی بریتانیا تماس بگیرند. مقام‌های بهداشت بریتانیا روز پنجشنبه ۱۵ اسفند تأیید کردند ۱۱۵ مورد ابتلا به کووید ۱۹ در این کشور وجود دارد.
 
شرکت بهداشت دیجیتال Babylon Healthcare Services چت‌باتی رسمی ساخته است که ادعا می‌کند فوریت بیماری‌ها را ارزیابی می‌کند. این شرکت می‌گوید از زمان آغاز پیگیری کووید ۱۹ در ابتدای امسال، از به‌روزرسانی سرویس یادشده و نمونه‌ای پیشرفته‌تر خودداری کرده که برای شناسایی بیماری‌های غیرجدی ساخته است. بابیلون درعوض به کاربران توصیه می‌کنند اگر سرفه یا تب دارند یا به‌تازگی به منطقه‌ای سفر کرده‌اند که آلودگی ویروس کرونا در آن گزارش شده است، با خط تلفن ۱۱۱ سرویس سلامت همگانی بریتانیا تماس بگیرند.
 
کیت گرایمز، پزشک و مدیر نوآوری بالینی بابیلون، معتقد است هوش مصنوعی باید در مراقبت‌های بهداشتی نقش ایفا کند؛ درحالی‌که در مواقعی نظیر همه‌گیری اخیر ویروس کرونا جدید، این ابزارها هنوز از آمادگی لازم برخوردار نیستند. Bright.md، سنجشگر سلامتی دیگر آمریکایی، برپایه‌ی پاسخ‌های کاربران به پرسش‌های آنلاین، افراد مشکوک به ابتلا به ویروس کرونا را علامت‌گذاری و سپس تماس تصویری با پزشک برقرار می‌کند.
 

راهکاری برای ارتقاء دقت تشخیص و درمان بیماری‌ها با هوش مصنوعی

 
 
محققان دانشگاه شیراز با همکاری آزمایشگاه ملی نقشه‌برداری مغز، با استفاده از هوش مصنوعی راهکاری را برای افزایش دقت تشخیص و درمان بیماری‌ها ارائه دادند.
 
دکتر اشکان سامی، دانشیار بخش کامپیوتر دانشگاه شیراز در گفت‌وگو با ایسنا، در این باره گفت: زمانی که یک پزشک گزارشی را تهیه می‌کند، این گزارش به صورت متنی است، ولی معمولا تفسیر این گزارش‌ها دشوار است؛ چراکه مشخص نیست که این گزارش وابسته به کدام بخش از تصویر پزشکی است.
 
وی ادامه داد: از سوی دیگر اگر بخواهیم با استفاده از الگوریتم‌های هوش مصنوعی اقدام به پردازش این گزارش‌ها کنیم، داده‌های ذخیره شده برچسب‌گذاری مناسب را ندارند؛ از این رو باید مجددا متن خوانده شود و با استفاده از الگوریتم‌های پردازش زبان طبیعی، متن گزارش تفسیر شود.
 
سامی، این امر را موجب کاهش کیفیت درمان و زمان‌بر دانست، خاطر نشان کرد: بنابراین با مطالعاتی که انجام دادیم، راهکاری برای پزشکان در این زمینه ارائه کردیم.
 
این محقق در این باره توضیح داد: بر اساس این راهکار پزشکان برای گزارش‌نویسی بر اساس قالب مشخصی اقدام می‌کنند که این قالب اجازه می‌دهد که دیتاها با کیفیت بهتر و برچسب‌گذاری مناسبی ثبت شوند. این روش علاوه بر آنکه سرعت و دقت تشخیص و درمان را بالا می‌برد، کیفیت خدمات ارائه شده را نیز ارتقا می‌بخشد.
 
سامی با ابراز تاسف از اینکه، علی‌رغم هزینه‌های بالای درمانی، داده‌ها به حد کافی پردازش نمی‌شود، خاطر نشان کرد: روش ارائه شده مبتنی بر استفاده از هوش مصنوعی و پردازش کامپیوتر است و می‌توان با استفاده از آن تشخیص و کیفیت درمانی را ارتقا داد، ولی باید توجه شود که بهره‌برداری از الگوریتم‌های هوش مصنوعی نیازمند داده‌های کافی است.
 
به گفته وی، این روش موجب می‌شود که پزشکان و کادر درمانی شناخت بهتری از بیماری‌های خاص مردم ایران داشته باشند؛ چرا که امور پزشکی، خاص یک جامعه است و درمان یک عارضه‌ای که در کشوری مثل ژاپن ایجاد می‌شود، در نژاد ما متفاوت است؛ از این رو باید تحقیقات بر اساس نژاد متمرکز باشد.

چگونه هوش مصنوعی به کمک بانک‌ها می‌آید

 
هر از چند گاهی، فناوری تحول‌سازی پدید می‌آید که پایه‌های کسب‌وکار را کاملاً تکان می‌دهد. اینترنت یکی از اولین بازیگران این تغییرات جهان‌مند بود و امروزه، هوش مصنوعی(AI) در تلاش است تا همین کار را انجام دهد. با افزایش انتظارات و نیازهای مشتری، هوش مصنوعی می‌تواند به صنعت بانکی کمک کند تا مشتریان را در یک دنیای فرارقابتی حفظ و جذب کند. ممکن است برایتان سؤالاتی در این زمینه پیش آمده باشد که هوش مصنوعی چگونه این کار را انجام می‌دهد؟ معنای این فناوری برای تجربه‌ مشتری و بانک‌ها چیست؟ و چه چیزی در دستیابی به موفقیت کامل در بهره‌گیری از این فناوری نوظهور مانع ایجاد کرده است؟
 
مشتریان بانک‌ها دوست دارند برای روزهای بحرانی پول خود را پس‌انداز کنند. آن‌ها امروزه بیش‌تر از هر زمانی به فکر مدیریت منابع مالی خود هستند. اینترنت به مشتریان امروزی این مزیت را داده تا با بررسی‌ کامل گزینه‌های موجود دریافت خدمات مالی بتوانند، بهترین گزینه را متناسب با نیازهای خود انتخاب کنند. (در عصر توسعه‌ فین‌تک‌ها، این انتخاب لزوماً به انتخاب خدمات بانکی منجر نمی‌شود.)
 
طبیعتاً خود مشتریان خدمات مالی، نگاه جامع‌‌تری به نیازهای خود دارند تا بانکی که در بهترین حالت می‌تواند تنها از داده‌های موجود در پایگاه داده برای پیشنهاد خدمات شخصی‌سازی شده‌ به مشتری استفاده کند. حال به این فکر کنید که اگر مشتری و بانک، دانش و داده‌های در دسترس خود را با هم ترکیب کنند چگونه می‌توانند پتانسیل موجود در محصولات سپرده‌ای را به‌صورت کامل محقق کنند! به عبارت دیگر، بانک‌ها با کمی درک بهتر از مشتری و شخصی‌سازی بیشتر برای او می‌توانند با دقت بیشتر به نیازهای بازار پاسخ دهند و تجربه‌ای متناسب با هر مشتری را خلق کنند و بدین ترتیب مزیت رقابتی ویژه‌ای را به‌دست بیاورند.
 
با این حال، شناخت مشتریان کاری زمان‌بر است. منبع ارزشمندی که اکثر بانک‌ها و کارمندان در مورد آن دچار کمبود هستند؛ چرا که در دریای فرایندهای اداری مانند مدیریت مدارک دریافتی از مشتریان یا پردازش و تحلیل تقاضاهای وام گرفتارند.
 
فراهم آوردن پاسخ به‌وسیله هوش مصنوعی
طبق تحقیقات دیلویت ۷۶ درصد مدیران ارشد تجربه‌ مشتری که در صنعت مالی فعال‌اند، معتقدند که هوش مصنوعی ابزار متمایزسازی بانک در برابر رقبای خود است. به نظر آنها، هوش مصنوعی به بانک اجازه می‌دهد تا ضمن شخصی‌سازی سفر مشتری، شخصی‌سازی اصطکاک‌های موجود در این مسیر را تا حد امکان کاهش دهند. شخصی‌سازی و افزایش بهره‌وری از طریق اتوماسیون با فناوری‌های هوشمند قابل دستیابی است و نتیجه‌ی آن، آزادسازی زمان‌ بیش‌تر برای تعاملات مستقیم و انسانی بانکداران با مشتریان می‌شود.
 
علاوه بر این، توانایی هوش مصنوعی در زمینه‌ی پردازش سریع و دقیق داده‌ها و پیدا کردن حقایق پنهان در آن‌ها، به شخصی‌سازی توصیه‌ها براساس شرایط خاص مشتری کمک می‌کند. قبل از هوش مصنوعی، بانک باید پس از بررسی و تحلیل دستی و مبتنی بر نیروی انسانی تمامی اطلاعات موجود مشتری، درک کاملی نسبت به ماهیت درخواست مشتری پیدا و پس از آن، درخواست را ارزیابی می‌کرد که این کار زمان زیادی را به‌هدر می‌داد. هوش مصنوعی می‌تواند حجم عظیمی از داده‌ها را در زمان بسیار کمی پردازش کند و یافته‌های خود را به بانکداران ارائه دهد. بانکداران سپس می‌توانند نتایج تحلیلی به‌دست آمده از به‌کارگیری الگوریتم‌ها برای تحلیل داده‌ها را در گفت‌وگوهای خود با مشتریان بهره‌برداری کنند.
 
هموارسازی مستمر مسیر سفر مشتری
شخصی‌سازی، پایه و اساس دلپذیرسازی سفر مشتری در طی تعاملات او با بانک است. اما اگر مسیر جاده پر پیچ و خم و پر از دست‌انداز باشد، هیچ سطحی از سفارشی‌سازی نمی‌تواند تجربه مشتری بانک را نجات دهد! خبر خوب این است که خودکارسازی هوشمند فرایندها می‌تواند بسیاری از موانع مسیر سفر مشتری را هموار سازد. به این نمونه از مراحل پردازش دیجیتال تقاضاهای مشتری توجه کنید: «جک می‌خواهد یک تلویزیون جدید با وام مصرف‌کننده و سپرده‌های ماهانه خریداری کند. قبل از به‌کارگیری هوش مصنوعی، جک مجبور بود چندین فرم را پر کند و یک فرایند طولانی و دشوار را پشت سر بگذارد. جکِ داستان ما احتمالاً با چند مرحله پیش رفتن در این فرایند، خیلی زود اشتهای خود را برای گرفتن وام یا تلویزیون از دست می‌دهد و در نتیجه بانک، یک مشتری ارزشمند را از دست می‌دهد. با کمک هوش مصنوعی، اطلاعات مربوط به احراز هویت (KYC) جک به‌راحتی از طریق گرفتن عکس از کارت ملی و سایر مدارک توسط دستگاه تلفن همراه خود او و سپس تحلیل این عکس توسط فناوری پردازش تصویر در اختیار بانک قرار می‌گیرد و بلافاصله به CRM، نرم‌افزار مدیریت پرونده یا نرم‌افزارهای دیگر بانک ارسال می‌شود.
زیرساخت یادگیری ماشینی بانک در مرحله‌ بعد، این اطلاعات را برچسب‌گذاری و طبقه‌بندی می‌کند تا هر بخش (فید) اطلاعاتی در جای درست خود در جداول پایگاه داده‌ی بانک ثبت شود. هوش مصنوعی در ادامه به‌صورت خودکار، اسناد و فرم‌های لازم را با استفاده از داده‌های استخراج شده از کارت ملی و مدارک جک را برای وی ایجاد می‌کند و آن‌ها را به‌صورت آنلاین در اختیارش می‌گذارد. جک فقط باید بررسی کند که آیا جزئیات داده‌های استخراج شده صحیح است یا نه و سپس در صورت لزوم، به‌صورت دیجیتالی سند تکمیل شده را امضا کند. بهترین قسمت این داستان چیست؟ این‌که با حداقل مداخله‌ی انسانی مورد نیاز، این موارد ظرف چند دقیقه حتی بدون حضور جک در شعبه‌ی بانک انجام می‌شود و در نتیجه جک می‌تواند همان روز با تلویزیون جدید خود فروشگاه را ترک کند!»
 
پردازش سریع نامه‌های دریافتی
تنها مدیریت تقاضاهای مشتری نیست که با کمک هوش مصنوعی آسان‌تر می‌شود. امروزه فناوری‌های هوشمند می‌توانند به‌شکل مؤثر تمام اطلاعات ورودی به بانک را استخراج، پردازش و سازماندهی کنند. آن‌ها تقریبا با هر نوع محتوا که وارد سامانه‌های بانک شود، کار می‌کنند؛ چه این محتواها به‌صورت کاغذی یا دیجیتالی باشند یا این‌که ساختاریافته یا بدون ساختار باشند. چنین قابلیتی به‌ویژه در هنگام رسیدگی به درخواست‌های پشتیبانی مشتریان مفید است.
 
برای مثال به ادامه‌ داستان جک توجه کنید: «جک که به تازگی یک تلویزیون با برند جدید خریداری کرده است، نتوانسته چند قسط‌ ماهانه‌ی خود را سر موقع پرداخت کند و در نتیجه هشداری درباره‌ی لزوم بازپرداخت اقساط وام خود دریافت کرده است. جک صادقانه می‌پذیرد که اشتباه کرده اما این اشتباهی است که جک می‌خواهد هرچه سریع‌تر اصلاح کند. بنابراین جک، اقساط عقب‌افتاده را سریعاً پرداخت می‌کند و از آن‌جا که واقعاً نمی‌داند باید در بانک به چه کسی مراجعه کند، رسید پرداخت خود را به آدرس عمومی ایمیل بانک ارسال می‌کند.
 
جک شانس آورده؛ چرا که بانک او از هوش مصنوعی برای مدیریت صندوق نامه‌های ورودی خود استفاده می‌کند. پردازش زبان طبیعی، OCR و یادگیری ماشین به‌سرعت اطلاعات را از ایمیل جک استخراج، پردازش و سازماندهی می‌کنند. به لطف اتوماسیون دقیق ایجاد شده با کمک هوش مصنوعی، پرونده او به‌طور خودکار با اطلاعات صحیح پرداخت‌ انجام شده‌ به‌روز می‌شود و بلافاصله برای شخص مسئول پرونده‌ی جک در بانک ارسال می‌شود. هم‌زمان و بی‌درنگ، تأیید پرداخت جک توسط بانک و از طریق ایمیل اعلام می‌شود تا نگرانی‌های جک را برطرف کند. اتوماسیون حتی می‌تواند پرداخت او را بلافاصله و بدون نیاز به تأیید انسانی تأیید کند و هم‌چنین اخطار تأخیر اقساط را از پرونده جک هم حذف می‌کند.»
 
بانک‌ها منتظر چه هستند؟
تجربه‌ی مشتری سرراست و لذت‌بخش ایجاد شده توسط اتوماسیون مبتنی بر هوش مصنوعی، به‌میزان قابل توجهی نرخ جذب و نگهداشت مشتری را بهبود می‌بخشد. علاوه بر آن، اتوماسیون می‌تواند برای صنعت بانکی صرفه‌جویی بالغ بر 400 میلیارد یورو را به‌ارمغان آورد. پس چرا صنعت بانکی این فناوری را به‌صورت گسترده به‌کار نگرفته است؟
 
تحقیقات گارتنر نشان می‌دهد که مهم‌ترین دلیل این امر، عدم آشنایی تصمیم‌گیران ارشد بانک‌ها با قابلیت‌های هوش مصنوعی و میزان تطبیق آن با قوانین و مقررات از جمله در حوزه‌ی حریم خصوصی است. این تردیدها تصمیم‌گیری را در مورد چگونگی و نقطه‌ی شروع به‌کارگیری هوش مصنوعی دشوار می‌کند. حرکت به‌سوی به‌کارگیری هوش مصنوعی، روندی است که به‌صورت مداوم با تحولات اقتصادی، اجتماعی و سیاسی تقویت یا تضعیف می‌شود. دیلویت براساس نتایج پژوهش‌های خود، پیشنهاد داده که برای غلبه بر چالش‌های اجرای هوش مصنوعی باید این مسیر را به مسیری مشترک میان بازیگران مختلف بازار بانکی تبدیل کرد. این رویکرد، مورد تأیید تعداد دیگری از صاحب‌نظران بانکی مانند مانند کریس اسکینر ـ نویسنده‌ی کتاب انسان دیجیتال و مدافع جنبش بانکداری آزاد ـ نیز است که پیشنهاد می‌کند برای موفقیت در زمینه‌ی به‌کارگیری هوش مصنوعی، لازم است فین‌تک‌ها و بانک‌های سنتی با یکدیگر همکاری و مشارکت داشته باشند.

افشای اطلاعات صاحبان مشاغل به علت نقص امنیتی شرکت هوش مصنوعی

 
 
نقص امنیتی یک شرکت هوش مصنوعی به نام «کلیر ویو» باعث شده تا اسامی مشتریان آن و برخی اطلاعات حساس مربوط به افراد عادی در اینترنت منتشر شود.
 
به نقل از انگجت، شرکت «کلیر ویو» با جمع آوری عکس‌های تهیه شده توسط میلیون‌ها وب سایت و دوربین حفاظتی در تلاش برای طراحی یک سیستم شناسایی هویت مبتنی بر هوش مصنوعی است. اما ناامنی سخت افزارهای ذخیره سازی اطلاعات و پروتکل‌های امنیتی کلیر ویو موجب هک شدن پایگاه داده آن شده است.
 
به دنبال حمله موفق هکری به «کلیر ویو»، فهرست کامل مشتریان آن و نیز تصاویر و عکس‌های ذخیره شده توسط این شرکت به سرقت رفته است.
 
از جمله مشتریان مشهور این شرکت می‌توان به مؤسسات مشهور خصوصی و دولتی در آمریکا مانند بست بای، وزارت بازرگانی و آژانس امنیت ملی ایالات متحده، اینترپل، برخی موسسات قضایی و غیره اشاره کرد. البته «کلیر ویو» در خارج از آمریکا هم مشتریانی مانند امارات متحده عربی داشته است.
 
«کلیر ویو» با جمع آوری بیش از سه میلیارد عکس و تصویر از میلیون‌ها کاربر شبکه‌های اجتماعی و سایت‌های تجارت الکترونیک اعم از فیس بوک، یوتیوب، لینکداین و پی پال داده‌های عمومی زیادی را در اختیار دارد و هک شدن آن می‌تواند امنیت این افراد و همین طور ۲۹۰۰ مؤسسه طرف قرارداد با «کلیر ویو» را به خطر بیاندازد.

رباتی که می‌نوازد و کنسرت برگزار می‌کند

محققان رباتی توسعه داده‌اند که موزیکال است، آواز می‌خواند، شعر می‌گوید و ملودی تنظیم می‌کند؛ این ربات مبتنی بر هوش مصنوعی قرار است نخستین کنسرت خودرا نیز برگزار کند.
 
به گزارش نیواطلس، شیمون (Shimon) یک ربات موزیکال است که «ماریمبا» می‌نوازد، آواز می‌خواند، شعر می‌گوید و ملودی تنظیم می‌کند. این ربات در شرف عرضه اولین آلبوم خود است و می‌خواهد تور کنسرت بگذارد.
 
به طور کلی فرض بر این است که ربات‌ها برای کارهای دستی ما آماده شده‌اند، اما اخیراً به نظر می‌رسد که حتی تلاش‌های خلاقانه برای‌ آنها در نظر گرفته شده و هیچ چیزی از اتوماسیون در امان نیست.
 
شیمون یک ربات موزیکال است که نخستین بار در سال ۲۰۱۷ شاهد آن بودیم ، اکنون او یاد گرفته است که آواز بخواند، شعر بنویسد و ملودی‌های خودش را بسازد.
 
نخستین تک آهنگ Shimon با نام Into Your Mind طرفداران زیادی را به خود جذب کرد و حالا باید منتظر نخستین آلبوم و کنسرت آن بود.
 
شیمون کارآیی خود را به همان روشی که سایر ربات‌های خلاق انجام می‌دهد، با تغذیه مقادیر زیادی از داده‌های نمونه انسانی موجود می‌آموزد. در این مورد، بدان معناست که ۵۰ هزار متن آهنگ از موسیقی سبک جاز، پراگ راک و هیپ-هاپ را دیده است.
 
از همه بهتر اینکه شیمون اکنون شعری که خودش سروده را خوانده است. گروهی در دانشگاه پمپئو فابرا با استفاده از الگوریتم‌های یادگیری ماشین، صدای منحصر به فردی را برای او ایجاد کرده‌اند.

تولید دوربین‌های هوشمند برای رصد قاچاق در مرزها

 
محققان در یک شرکت دانش بنیان موفق شدند با کمترین هزینه دوربین‌های هوشمندی برای رصد انسان و اشیا در مرزها تولید کنند.
 
دکتر محمد مومنی دکتری هوش مصنوعی و مدیر عامل یک شرکت دانش بنیان اظهار کرد: ما توانستیم در این شرکت با استفاده از هوش مصنوعی و یادگیری عمیق، دوربین‌های معمولی را به دوربین‌های هوشمند تبدیل کنیم.
 
وی با بیان اینکه در حال حاضر این دوربین‌های هوشمند ساخته کشورهای خارجی در کشور وجود دارند، گفت: این دوربین‌ها با قیمتی برابر با ۱۵۰ میلیون عرضه شده و در مرزها از آنها استفاده می‌شود.
 
مومنی خاطر نشان کرد: اما دوربینی که ما عرضه کردیم با قیمتی برابر با ۵ میلیون به تولید می‌رسد که همان کاربرد دوربین‌های خارجی هوشمند را دارند.
 
به گفته مدیر عامل این شرکت دانش بنیان، برای مبارزه با قاچاق کالا و ارز، جلوگیری از شکار حیوانات و … از این دوربین‌ها استفاده می‌شود زیرا می‌تواند انسان و اشیا را رصد کند.
 
وی با بیان اینکه با استفاده از این دوربین‌ها می‌توان انسان، اشیا، اسلحه، اشخاص با لباس نظامی و غیر نظامی و هر موردی را به درخواست بهره بردار رصد کنیم؛ از این دوربین‌ها برای مبارزه با قاچاق ارز و کالا، جلوگیری از شکار حیوانات و… به کار می‌رود.
 
وی ادامه داد: با استفاده از این دوربین، تصویر روی سوژه قفل می‌شود و تا کیلومترها آن را را ردیابی می‌کند.
 
مومنی در حال حاضر از انسان در برخی اماکن برای رصد استفاده می‌شود، بیان کرد: استفاده از این دوربین‌ها می‌تواند دقت را بالا ببرد زیرا دوربین‌هایی که هوشمند هستند مبتنی بر یادگیری عمیق ماشین هوشمند شده‌اند.
 
وی افزود: این سیستم به صورت هوشمند شرایط را رصد می‌کند و هر تصویری که از دوربین دریافت می‌کند را می‌تواند در اختیار کاربر قرار دهد.
 
مومنی با تاکید بر اینکه از این سیستم می‌توان برای جایگزین دکل‌های سنتی که از سرباز استفاده می‌شود، بهره برد، عنوان کرد: این سیستم می‌تواند روی کوادکوپتر نصب شود و پایش یک منطقه را انجام دهد.
 
وی با تاکید بر اینکه پیش از این موفق شدیم که تفاهم نامه‌ای با ستاد مبارزه با قاچاق کالا و ارز و ناجا منعقد کنیم، بیان کرد: امیدوار هستیم که این تفاهم نامه‌ها به قرار داد منجر شود.

فناوری های مدرن، پنجره ای به سوی آینده: با آشپزخانه های قدیمی خداحافظی کنید

 
 
 
امروزه فناوری‌ های مبتنی بر یادگیری عمیق و هوش مصنوعی در بسیاری از حوزه‌های زندگی انسان ازجمله آشپزی واردشده و آشپزخانه‌های هوشمند آینده با آنچه ما تا به امروز با آن سروکار داشته‌ایم، کاملاً متفاوت خواهند بود.
شاید سوال رایج و مرسومی که همه مادران یا پدرانی که در گوشه و کنار دنیا قصد آشپزی دارند این است که چه چیزی بپزم؟ تقریباً همه ما حتی در هنگام مواجهه با یخچالی پر از مواد غذایی هنوز نمی‌دانیم چه چیزی باید برای ناهار یا شام درست کنیم؟
 
باید به اطلاع شما برسانیم که به لطف فناوری‌های مدرن و به‌ویژه هوش مصنوعی و حضور آن در آشپزخانه‌های آینده، این مشکل حل خواهد شد.
 
زیرا امکانات مبتنی بر فناوری‌های هوش مصنوعی مانند تشخیص تصویری و یادگیری ماشینی می‌توانند ضمن کشف دستورالعمل‌های خلاقانه و خوشمزه و حتی تولید طعم‌های جدید و شخصی خاص خود شما، کاهش در اتلاف وقت، غذا و پول را در پی داشته و در مصرف مواد غذایی آشپزخانه‌های آینده صرفه‌جویی کند. در ادامه این گزارش با برخی از امکانات آشپزخانه‌های هوشمند آینده؛ آشنا خواهیم شد.
 
امکان دستیابی به دستورالعمل پخت از روی تصویر یک غذا
شبکه اجتماعی فیس‌بوک اخیراً یک سیستم تولید دستورالعمل پخت غذا از روی تصویر ایجاد کرده است که به کاربران امکان می‌دهد تنها با واردکردن تصویری از غذای موردنظر خود، دستور تهیه آن را به دست آورند.
 
در مرحله اول، ترکیبات و اجزای تشکیل‌دهنده تصویر آن غذا با بهره‌برداری از ویژگی‌های دیداری موجود در این فناوری استخراج می‌شوند. این سیستم فهرست مواد تشکیل‌دهنده و دستورالعمل‌های آماده‌سازی را بر اساس مواد پیش‌بینی‌شده و ویژگی‌های تصویری و تحلیل آن‌ها ایجاد می‌کند.
 
ارزیابی‌های انجام‌شده در مقیاس وسیع روی مجموعه داده‌های سیستم فوق که با عنوان Recipe1M شناخته می‌شود، نشان می‌دهد که این سیستم عملکرد خوبی در مقایسه با نمونه‌های اولیه و پیشین برای تشخیص درست مواد تشکیل‌دهنده غذای به نمایش درآمده در یک تصویر را دارد.
 
پیشنهاد درست کردن غذاهای مختلف بر اساس مواد غذایی موجود در یخچال شما
با ترکیب فناوری‌های هوش مصنوعی و یادگیری پخت‌وپز (gastronomical learning)، کمپانی‌های Plant Jammer و Chefling به شما کمک می‌کنند تا با استفاده از مواد غذایی موجود در منزل و امکاناتی که در اختیاردارید، دستورالعمل غذاهای خوشمزه و شخصی‌سازی‌شده را بر مبنای سلیقه خودتان ایجاد کنید.
 
این فناوری بر اساس الگوریتم‌های ساخته‌شده روی پایگاه داده‌ها، روش‌های پردازش مواد تشکیل‌دهنده و مراحل دستورالعمل پخت غذا و دستورالعمل‌های مبتنی بر مواد موجود و ترجیحات و نیازهای شخصی کاربر را ارائه داده و با استفاده از طعم‌دهنده‌های موردعلاقه شما و امکانات موجود، مقادیر غذایی و روش‌های پخت‌وپز را توصیه می‌کند.
 
کاربران می‌توانند برای انجام این کار از دستیاران شخصی مانند سیستم دستیار گوگل (Google Assistant) یا آلکسای آمازون (Amazon’s Alexa) استفاده کنند. این سیستم با کمک لوازم‌خانگی هوشمند مانند یخچال و فریزرها برای ردیابی مواد موجود، دما و زمان پخت‌وپز، تقریباً هرکسی را به یک سرآشپز خانگی متبحر و باقابلیت پخت انواع غذاهای خوشمزه تبدیل می‌کند.
 
 
ایجاد طعم و مزه‌های جدید و بهبودیافته از طریق علم
مرکز پژوهشی آی بی ام (IBM Research) و شرکت مک کورمیک (McCormick) با کمک یکدیگر یک سیستم هوش مصنوعی جدید ایجاد کرده‌اند تا به افراد کمک کند طعم‌های جدید بیشتری را به‌صورت کارآمدتر و مؤثرتر ایجاد کنند. طراحی تجربیات جدید طعم‌دهنده برای شرکت‌های درگیر در فناوری آشپزخانه‌های هوشمند و آشپزی مبتنی بر هوش مصنوعی همواره چالش‌برانگیز است زیرا چگونگی تجربه طعم دادن به غذای موردعلاقه انسان موضوعی است که نیاز به اکتشافات بیشتر دارد.
 
بااین‌وجود اکنون می‌توان از هوش مصنوعی به‌طور مؤثرتری استفاده کرد تا بر اساس داده‌های موجود ناشی از مطالعات انجام‌شده طی چندین دهه فعالیت‌های مرتبط با علوم غذایی ازجمله فرمول‌های طعم و مزه، اجزای مواد اولیه، آزمایش و نتایج واکنش مصرف‌کننده، موفقیت بازار و موارد دیگر، طعم‌دهنده‌های مختلف را با یکدیگر ترکیب کرد.
 
این سیستم به‌طور عمده از الگوریتم‌های یادگیری پیشرفته یادگیری ماشینی برای فراگرفتن موارد مختلف و پیش‌بینی مواد اولیه موردنیاز در پخت یک غذا و ترکیب فرمول آن استفاده می‌کند. این فناوری به افراد کمک می‌کند فرمول‌های فعلی طعم را بهینه کرده و فرمول‌های مبتنی بر طعم جدید را متناسب با ترجیحات خاص خود تهیه کنند. این فناوری در حال حاضر با عنوان (McCormick ONE) در اختیار علاقه‌مندان استفاده از فناوری‌های مدرن در آشپزخانه قرار دارد.
 
هوش مصنوعی نمی‌تواند جایگزین سرآشپزها شود
علی‌رغم تمامی موارد گفته‌شده در بالا، باید توجه داشت درحالی‌که یادگیری عمیق و استفاده از فناوری‌های هوشمند در خانه می‌توانند باعث صرفه‌جویی در وقت و کاهش ضایعات در آشپزخانه شوند. درروی دیگر سکه، این فناوری‌ها همچنین می‌توانند از لذت سنتی که آشپزی و تهیه غذا با خانواده و دوستان به انسان می‌دهد، بکاهند.
 
به باور بسیاری از کارشناسان، آشپزی و پخت غذا مانند نوازندگی پیانو یا سرودن شعر، نیازمند استعداد خاصی بوده و می‌توان گفت که آشپزی یک بیان شخصی است.
 
از سوی دیگر تهیه غذایی که موردعلاقه همه افراد باشد نیز غیرممکن است. در این میان کلید موفقیت هوش مصنوعی در آشپزی، استفاده از ترجیح غذایی کاربر ازنظر سلیقه شخصی وی است؛ بنابراین، درحالی‌که فناوری‌های هوش مصنوعی مطمئناً می‌توانند در آشپزخانه مشاوره دهنده و الهام‌بخش باشند، انتظار می‌رود که انسان هنوز هم برای آینده‌ای نسبتاً طولانی همچنان نقش سرآشپز را ایفا کرده و تصویر سنتی سرآشپزهایی با کلاه بزرگ سفیدرنگ، همچنان ادامه داشته باشد.
 

آذری جهرمی در دیدار با سفیر ایتالیا تأکید کرد: ضرورت همکاری ایران و ایتالیا باهدف توسعه دانش هوش مصنوعی

 
وزیر ارتباطات و فناوری اطلاعات در دیدار با سفیر ایتالیا در تهران بر ضرورت ایجاد ارتباط بیشتر و همکاری دانشمندان ایرانی و ایتالیایی باهدف توسعه دانش هوش مصنوعی در دو کشور تأکید کرد.
 محمدجواد آذری جهرمی، امروز در عمارت کلاه‌فرنگی میزبان جوزپه پرونه، سفیر ایتالیا در تهران بود که دو طرف در این دیدار ضمن مرور روابط دوجانبه موضوعات موردعلاقه برای همکاری‌های مشترک را بررسی کردند.
 
وزیر ارتباطات با تأکید بر اینکه جمهوری اسلامی ایران همواره روابط خوبی با ایتالیا داشته است گفت: ایتالیا تاکنون در مقایسه با سایر کشورهای اروپایی در مقابل فشارهای غیرقانونی آمریکا مواضع بهتر و مستقل‌تری را در قبال جمهوری اسلامی ایران اتخاذ کرده است.
 
وی افزود: هم‌اکنون در حوزه ارتباطات و فناوری اطلاعات تعدادی از شرکت‌های ایتالیایی در ایران فعال هستند و همچنان با همکاری‌های خود باوجود تحریم‌ها و تهدیدها ادامه می‌دهند که این مسئله برای ما بسیار ارزشمند است.
 
آذری جهرمی ادامه داد: ما علاقه‌مند هستیم که این رابطه بیش از این توسعه پیدا کند و باید زمینه نزدیکی بیشتر مردم و گسترش همکاری‌های اقتصادی بخش خصوصی در دو کشور را تسهیل کنیم.
 
وزیر ارتباطات با تأکید بر اینکه یکی از موضوعاتی که می‌تواند به نزدیکی بیشتر مردم و فعالان اقتصادی دو کشور منجر شود، ارتباطات و فناوری اطلاعات است گفت: جهان در حال تغییر است. اقتصاد جهان در حال حرکت به سمت اقتصاد دیجیتال است و آینده جهان در این حوزه رقم می‌خورد؛ بنابراین ضروری است که ما نیز برای آینده خودمان گفت‌وگوهای را به‌منظور ایجاد همکاری‌های مشترک درزمینهٔ اقتصاد دیجیتال آغاز کنیم.
 
وی افزود: بنابراین باید تمهیداتی اندیشیده شود تا علاوه بر برگزاری رویدادهای علمی مشترک در حوزه ارتباطات و فناوری اطلاعات، امکان برقراری ارتباط بین دانشمندان ایرانی و ایتالیایی در این حوزه و به‌طور مشخص هوش مصنوعی فراهم شود.
 
آذری جهرمی ادامه داد: هوش مصنوعی موضوع بسیار مهمی است که می‌تواند آینده جهان را دچار تحولات شگرفی کند و بر مباحث مختلف ازجمله پزشکی، آموزش، بانکداری، تجارت و... تأثیرگذار باشد. بر این اساس برای آنکه از این عرصه عقب نمانیم ضروری است امکان ارتباط بیشتر و همکاری دانشمندان ایرانی و ایتالیایی باهدف توسعه دانش هوش مصنوعی در دو کشور را فراهم کنیم.
 
سپس جوزپه پرونه ضمن تقدیر از وزیر ارتباطات به خاطر فعالیت‌هایش در حوزه دیپلماسی عمومی گفت: ما پیگیر فعالیت‌های روزانه شما در حوزه فناوری ارتباطات و فناوری اطلاعات هستیم چراکه معتقدیم کاری‌های که شما انجام می‌دهید موردنظر کسانی است که به آینده نگاه می‌کنند و این کارها می‌تواند آینده را رقم بزند.
 
وی افزود: ما در ایتالیا با دقت خاصی به روابط کشور خودمان با جمهوری اسلامی ایران نگاه می‌کنیم. در این برهه حساسی هم که کشور شما در آن قرارگرفته باوجود فشارها سعی کرده‌ایم که با حفظ استقلال به توسعه روابط را مدنظر قرار دهیم و همچنان کنار شما بایستیم و هیچ‌گاه عرصه را ترک نکرده‌ایم چراکه ما به آینده مناسبات دو کشور بسیار امیدواریم.
 
سفیر ایتالیا ادامه داد: از پیشنهاد شما برای گسترش روابط برای همکاری بیشتر بخش خصوصی دو کشور و ایجاد ارتباط بیشتر میان دانشمندان دو کشور برای توسعه دانش هوش مصنوعی هم استقبال می‌کنم و آمادگی خودمان را برای هر اقدامی در این زمینه اعلام می‌کنیم.
 
در ادامه این دیدار وزیر ارتباطات ضمن تشریح وضعیت اینترنت، دسترسی همگانی و برنامه‌های توسعه‌ای ارتباطات در ایران در پاسخ به سؤالات سفیر ایتالیا، توضیحات مبسوطی درباره مفهوم و اهداف شبکه ملی اطلاعات ارائه کرد.
 
آذری جهرمی با تأکید بر اینکه معنای شبکه ملی اطلاعات، ملی کردن اینترنت نیست گفت: ما مفهومی داریم تحت عنوان ژئوپلیتیک سایبری که بر اساس آن، فناوری در حال ایجاد تغییرات بزرگ در جهان است.
 
وزیر ارتباطات ادامه داد: در زمان و قرن هوش مصنوعی، کشوری که این علم را داشته باشد غنی‌تر و کشوری که این علم را نداشته باشد روز به روز فقیرتر می‌شود. بنابراین اگر این روند ادامه پیدا کند کشورهایی که برای توسعه دانش هوش مصنوعی بیشترین هزینه را کرده‌اند می‌توانند تبدیل به قدرت بلامنازع اقتصاد آینده جهان شوند.
 
آذری جهرمی با بیان اینکه کشورهای جهان برای آنکه در اقتصاد آینده سهمی داشته باشند باید اقداماتی را در دستور کار قرار دهند گفت: هوش مصنوعی یک ضعف عمده دارد و آن نیازش به داده است. بدون داده اساساً هوش مصنوعی کاربردی ندارد. وقتی آمریکایی‌ها  چینی‌ها سرویس‌های سراسری ارائه می‌دهند می‌گویند ما به دنبال گلوبالیزم هستیم. کل اطلاعات مردم دنیا را در گوگل، فیس‌بوک، آمازون، علی‌بابا و...  به اسم گلوبالیزم جمع آوری می‌کنند چرا که به این داده‌ها، برای قرن هوش مصنوعی نیاز دارد.
 
وی ادامه داد: در همین راستا اتحادیه اروپا GDPR (مقررات حفاظت از اطلاعات عمومی) را تصویب می‌کند تا دسترسی شرکت‌های آمریکایی و چینی به داده‌های اروپایی‌ها را محدود کند. در برابر این تهدید جهانی، روسیه و هند هم سیاست‌های خاص خود را پیش ‌گرفته‌اند.
 
آذری جهرمی تصریح کرد: ما هم در ایران برای آنکه در اقتصاد آینده جهان سهمی داشته باشیم سیاستی را پیش ‌گرفته‌ایم تا از داده‌های خودمان حفاظت کنیم تا هوش مصنوعی را مبتنی بر داده‌های داخلی توسعه دهیم. بر همین اساس شبکه ملی اطلاعات به‌نوعی پیش‌نیاز توسعه دانش هوش مصنوعی محسوب می‌شود و این واقعیت شبکه ملی اطلاعات است.
 
وزیر ارتباطات در خاتمه تأکید کرد: بنابراین شبکه ملی اطلاعات مکمل اینترنت است که برای حمایت از اقتصاد داخلی و همین‌طور داده‌های داخلی مورد توجه قرار گرفته است و اجرای کامل شبکه ملی اطلاعات منجر به قطع و یا محدود کردن اینترنت بین‌المللی نخواهد شد.

مذاکرات گوگل، فیس بوک و اپل با کمیسیون اروپا بر سر هوش مصنوعی

 
 
تعدادی از مدیران ارشد شرکت‌های گوگل، فیس بوک و اپل با اعضای کمیسیون اروپا دیدار کردند تا در مورد سیاست گذاری در حوزه هوش مصنوعی تصمیم بگیرند.
 
 به نقل از اینترستینگ اینجینیرینگ، اگر چه هوش مصنوعی می‌تواند رفاه و آسایش زندگی انسان را افزایش دهد، اما می‌تواند خطرات مهمی را هم برای افراد ایجاد کند و لذا قانونگذاری برای استفاده صحیح از آن ضروری است.
 
اتحادیه اروپا که نگران خطرات همه گیر شدن هوش مصنوعی است، به تازگی کمیسیون اروپا را مأمور مذاکره با شرکت‌های فناوری در این زمینه کرده است. فیس بوک، گوگل و اپل از جمله شرکت‌هایی هستند که سرمایه گذاری سنگینی برای ارائه خدمات هوش مصنوعی انجام داده اند و حالا مدیران ارشد خود را به شهر بروکسل در بلژیک فرستاده اند تا در مورد اهمیت و تبعات کاربرد هوش مصنوعی به بحث بنشینند.
 
ساندار پیچایی مدیرعامل گوگل، جان جیاناندرا معاون ارشد اپل در حوزه هوش مصنوعی و مارک زاکربرگ مدیرعامل فیس بوک در این مذاکرات حضور داشته اند. این افراد با مارگارت وستاگر معاون اجرایی کمیسیون اروپا در مورد شیوه قابل پذیرش استفاده شرکت‌های فناوری از هوش مصنوعی به بحث نشسته اند. قرار است کمیسیون اروپا تا پایان این هفته نسخه اولیه سیاست گذاری خود در زمینه استفاده از هوش مصنوعی را منتشر کند.