رباتی که مبل و کمد سرهم می کند

 
یک شرکت تولید کننده مبل و کمد از طراحی ربات های هوشمندی خبر داده که می توانند قطعات مجزای تولیدات این شرکت را مونتاژ کرده و به یکدیگر متصل کنند.
 
 به نقل از تک اکسپلور، شرکت سوئدی IKEA که قطعات مجزای انواع مبلمان و کمد و غیره را برای سرهم کردن توسط خود خریدار عرضه می کند، با همکاری محققان دانشگاه کارولینای شمالی ربات هوش مصنوعی جدیدی را به طور آزمایشی تولید کرده که می تواند با استفاده از ابزار آلاتی مانند پیچ گوشتی و غیره قطعات چوبی مجزای تولیدات IKEA را به یکدیگر مونتاژ کرده و کمد، تختخواب، مبل و غیره را بسازد.
 
این ربات می تواند هم اتصالات محدود و ساده و هم اتصالات گسترده و پیچیده را انجام دهد و از هوش کافی برای برنامه ریزی درازمدت و برنامه ریزی های متنوع برخوردار است. استفاده از این ربات می تواند جایگزین کارگرهایی شود که برای انجام این امور ساده به کار گرفته می شوند. همچنین با استفاده از ربات مذکور وقت انسان ها برای سرهم بندی لوازم مختلف تلف نمی شود.
 
ربات مذکور از سیستم بصری پیشرفته ای برخوردار است که با بررسی اشیا و دستورالعمل اتصال می تواند بدون نیاز به انسان عملیات مونتاژ و سرهم بندی وسایل مختلف را انجام دهد. فعلا این ربات مراحل آزمایشی را طی می کند تا برای عرضه در بازار آماده شود.

مک آفی مهم ترین تهدید امنیتی سال ۲۰۲۰ را اعلام کرد

شرکت امنیتی مک آفی ویدئوهای جعل عمیق را یک تهدید سایبری عمده در سال 2020 دانست و از ضرورت برخورد با آن خبر داد.
 
 
 
به نقل از آسین ایج، ویدئوهای جعل عمیق که با استفاده از هوش مصنوعی به تقلید از سخنرانی‌های افراد مشهور و سیاستمداران می پردازند، چنان دقیق جعل می شوند که تشخیص قلابی بودن آنها تقریبا غیرممکن است و از همین رو مک آفی این پدیده را یک تهدید امنیتی جدی دانسته است.
 
 
 
 
مک آفی در گزارش امنیتی تازه خود برای سال 2020 تاکید کرده که ماهیت جرائم سایبری در حال تغییر است و باید قوانین جدیدی به منظور مقابله با این شرایط وضع شوند.
 
بر اساس بررسی‌های این شرکت، تهدیدات ناشی از هوش مصنوعی و طراحی ماشین‌های دارای توان خودآموزی روز به روز در حال گسترش هستند و استفاده از ویدئوهای جعل عمیق موجب انتشار اخبار و اطلاعات دروغین و نیز شکل‌گیری آشوب‌های اجتماعی خواهند شد.
 
از فناوری جعل عمیق می توان برای دور زدن فناوری‌های شناسایی چهره و طراحی باج افزارهای پیشرفته برای انجام حملات سایبری مخرب استفاده کرد.

هوش مصنوعی مرتب کردن لگوها را یاد گرفت

 
 افرادی که به استفاده از اسباب بازی لگو علاقه دارند، معمولا برای مرتب کردن انبوه آنها دچار سردرگمی می شوند. حالا یک ربات ساخته شده با قطعات همین اسباب بازی قرار است این وظیفه را انجام دهد.
 
به گزارش انگجت، برای ساختن وسایل و ابزار مختلف با استفاده از اسباب بازی لگو باید از قطعات مختلف آن که اشکال و طراحی های مختلفی دارند، استفاده کرد و این کار بدون مرتب کردن قطعات یادشده ممکن نیست. هوش مصنوعی تازه ای که توسط یک مهندس امریکایی به نام دانیل وست ابداع شده می تواند به طور خودکار انواع آجرهای اسباب بازی لگو را شناسایی، طبقه بندی و سازمان دهی کند.
 
این ابزار هوش مصنوعی می تواند تا 10 هزار قطعه آجر اسباب بازی لگو را که معمولا در جعبه های بزرگ آن وجود دارند مرتب کند. طراحی این سیستم هوش مصنوعی دو سال به طول انجامیده است.
 
دستگاهی که از هوش مصنوعی مذکور استفاده می کند مرکب از 6 موتور و تعدادی نوار نقاله و یک دوربین فیلم برداری به منظور شناسایی و انتقال قطعات است.
 
پردازش تصاویر ویدئویی با استفاده از یک رایانه ساده Raspberry Pi صورت می گیرد و بخش عمده دستگاه یادشده خود با استفاده از قطعات لگو ساخته شده است. کل فرایند پردازش و دسته بندی هر قطعه آجر اسباب بازی لگو از این طریق در دوثانیه انجام می شود.

ابزار آمازون محاوره پزشک و بیمار را ثبت و ویرایش می کند

شرکت آمازون ابزاری جدید ابداع کرده که محاورات پزشک و بیمار را به طور خودکار ثبت و ویرایش می کند. در مرحله بعد یک نرم افزار یادگیری عمیق آن را به پرونده بیمار اضافه می کند.
 
 به نقل از انگجت، شرکت آمازون معتقد است ابزار جدید Web Services به پزشکان کمک می کند مدت زمان بیشتری را صرف بیماران خود کنند.
 
این ابزار جدید که Amazone Transcribe Medical نام دارد به پزشکان اجازه می دهد گفتگوی خود با بیمارانشان را ثبت و با کمک نرم افزار یادگیری عمیق آن را به پرونده پزشکی او اضافه کنند.
 
به گفته «مت وود» نائب رئیس بخش هوش مصنوعی در قسمتWeb Services آمازون، ابزار مذکور می تواند زبان پزشکی را درک کند. همچنین با کمک آن دیگر نیازی نیست پزشکان نگران ویرایش متن باشند. نرم افزار به کارگرفته شده در ابزار به طور خودکار ویرگول و نقطه به متن اضافه می کند.
 
 همچنین وود ادعا می کند این ابزار بسیار دقیق است. البته آمازون باید تحقیقی را درباره عملکرد آن منتشر کند. 
 
علاوه بر این موارد، پزشکان می توانند این ابزار را در کنار Comprehend Medical استفاده کنند.  Comprehend Medical یکی دیگر از نرم افزارهای آمازون است که سال گذشته معرفی شد.
 
این ابزار می تواند متون پزشکی را بخواند و اطلاعاتی مانند دوزداروها و علائم بیماری را از هر متن استخراج کند.

سامانه هوشمند پیش‌بینی قیمت بلیت هواپیما

 یک سایت خرید اینترنتی بلیت هواپیما با کمک هوش مصنوعی و تکنولوژی‌های پیشرفته، روند تغییرات قیمت بلیت هواپیما برای مسیرهای مختلف را تحلیل کرده و به شما توصیه‌های هوشمندانه‌ای درباره زمان خرید بلیت هواپیما می‌کند.بعد از اجرای سیاست آزادسازی قیمت‌های بلیت هواپیما، در مسیرهای پرتردد هوایی کشور شاهد تغییرات گسترده‌ای در نوع قیمت‌گذاری و روند تغییرات آن بودیم. علاوه بر اینکه تاریخ پرواز در تعیین سطح قیمت‌ها فاکتور بسیار مهمی است، زمان خرید بلیت هواپیما هم بسیار در قیمت بلیت تاثیر می‌گذارد.مثلا خرید بلیت لحظه آخری خیلی وقت‌ها به شما کمک می‌کند بلیت ارزان هواپیما تهیه کنید.
اما همیشه پرواز لحظه آخری لزوما ارزان‌ترین بلیت هواپیما نیست و گاهی برای پیدا کردن بلیت‌های بهتر لازم است چند روز قبل از پرواز اقدام به رزرو اینترنتی بلیت هواپیمای خود کنید.  البته عموما بلیت پروازهای سیستمی دارای قیمت و شرایط نسبتا ثابتی است اما قیمت بلیت چارتری با توجه به شرایط و میزان تقاضا می‌تواند به میزان زیادی نوسان کند. همچنین قیمت بلیت هواپیما علاوه بر مبدا و مقصد و زمان پرواز، به مدت زمان باقی‌مانده تا پرواز هم بستگی دارد. چمدون، یک سایت خرید اینترنتی بلیت هواپیماست که از سال ۹۸ شروع به‌کار کرده و با کمک تکنولوژی‌های پیشرفته روند تغییرات قیمت بلیت هواپیما برای مسیرهای مختلف را تحلیل کرده و به شما توصیه‌های هوشمندانه‌ای می‌کند که چه موقع اقدام به خرید بلیت هواپیما بکنید. در سایت چمدون با انتخاب مبدا و مقصد و تعیین تاریخ، علاوه بر نمایش لیست پروازهای موجود و پیش‌بینی روند قیمت برای پرواز مورد‌نظر شما مشخص می‌کند که آیا زمان مناسبی برای خرید بلیت هواپیماست یا بهتر است صبر کنید تا روزهای آینده قیمت بهتری نصیبتان شود.

ربات‌ها باید مانند کودکان آموزش داده شوند

 
یک روانشناس آمریکایی باور دارد که ربات‌ها مانند کودکان، به آموزش و توجه نیاز دارند.
 
به نقل از وییرد، یک روانشناس رشد باور دارد که باید ربات‌های مبتنی بر هوش مصنوعی را مانند نوزادان و کودکان آموزش داد و امکان یادگیری را برای آنها فراهم کرد.
 
"آلیسون گوپنیک" (Alison Gopnik)، استاد روانشناسی "دانشگاه کالیفرنیا، برکلی" (UC Berkeley) گفت: لازم است که با ربات‌ها مانند کودک ناتوانی برخورد شود که نیازمند آموزش و یادگیری است نه یک ربات قدرتمند که تحمل بسیاری از شرایط دشوار را دارد. ربات‌های باید مانند کودکان، مورد توجه باشند و زمانی به آموزش آنها اختصاص داده شود. تنها در صورت وجود چنین شرایطی، ربات‌ها می‌توانند به یک سیستم توانمند تبدیل شوند که از عهده کارهای گوناگون برآیند.
 
پژوهشگران در حال حاضر، روش‌های بسیاری را برای آموزش ربات‌های مبتنی بر هوش مصنوعی به کار می‌برند تا نحوه عملکرد مناسب را به آنها یاد بدهند. آنها در برخی موارد، ربات‌ها را گام به گام آموزش می‌دهند اما در موارد دیگر باید فضایی به وجود آورند تا ربات بتواند تجربه‌های گوناگونی را در آن به دست بیاورد و با موفقیت به هدف مورد نظر برسد.
 
گوپنیک باور دارد که این روش‌ها، انجام دادن یک کار را با یک روش خاص به ربات آموزش می‌دهند اما نمی‌توانند نوعی از کنجکاوی را در آن پدید آورند تا با چالش‌های پیش رو سازگار شود.
 
ایجاد محیط مناسب
 
وی افزود: شاید به کار بردن یک روش بهتر بتواند محیطی را ایجاد کند که ربات در آن بتواند به صورت ایمن به تجربه کردن بپردازد و وظایف را نیز همراه با نوعی حس کنجکاوی انجام دهد. ایده من، داشتن مراکزی است که انسان‌ها در آنها بتوانند هدایت و آموزش ربات‌های مبتنی بر هوش مصنوعی را یاد بگیرند. شاید این روش، همان چیزی باشد که برای عملکرد بهتر ربات‌ها به آن نیاز داریم.

استفاده از هوش مصنوعی برای حل مشکلات عصبی در آینده

محققان می‌گویند در آینده می‌توان از هوش مصنوعی برای حل مشکلات سیستم عصبی بدن انسان استفاده کرد. امروزه از هوش مصنوعی برای کمک به هدایت خودروها، تفسیر فایل‌های چندرسانه‌ای و... استفاده می‌شود. اما کاربردهای این ابزار در دنیای پزشکی نیز رو به افزایش است. پژوهشگران کانادایی می‌گویند بیماران در آینده می‌توانند برای شناخت دقیق‌تر اختلال‌های عصبی خود از فناوری هوش مصنوعی استفاده کنند و همین مساله تشخیص دقیق تر و تجویز داروهای مناسب‌تر را توسط پزشکان ممکن می‌کند. برای این کار تنها کافی است فرد دچار اختلال عصبی ویدئویی از نحوه حرکت و راه رفتن خود تهیه و ارسال کند تا سیستم هوش مصنوعی با تجزیه و تحلیل آن اطلاعات ضروری را استخراج کرده و تجزیه و تحلیل خود را ارائه دهد.

ابداع الگوریتم‌هایی برای اصلاح رفتار هوش مصنوعی

پژوهشگران "دانشگاه استنفورد"، الگوریتم‌هایی را ابداع کرده‌اند تا به اصلاح رفتارهای منفی مانند تبعیض در سیستم‌های مبتنی بر هوش مصنوعی کمک کنند.
 
 به نقل از وب سایت رسمی دانشگاه استنفورد، شاید به زودی امکان داشتن رفتار بهتر برای ربات‌ها، خودروهای خودران و دیگر ماشین‌های هوشمند فراهم شود. پژوهشگران "دانشگاه استنفورد"(stanford university)، روش جدیدی ارائه داده‌اند تا به طراحان حوزه یادگیری ماشینی کمک کنند که کاربردهای هوش مصنوعی را با دوری از مواردی مانند تبعیض جنسیتی یا نژادی افزایش دهند.
 
هوش مصنوعی به خاطر پیشرفت الگوریتم‌های یادگیری ماشینی که رایانه‌ها را برای کارهایی مانند راندن خودرو، کنترل ربات‌ها یا تصمیم‌گیری خودکار آموزش می‌دهند، در حال ورود به حوزه تجاری است. در هر حال همان گونه که هوش مصنوعی، اداره کارهای حساس را به دست می‌گیرد، می‌تواند پیامدهای منفی مانند تبعیض نژادی یا جنسیتی را نیز به همراه داشته باشد.
 
دانشگاه استنفورد با همکاری پژوهشگران "دانشگاه ماساچوست در امهرست"(UMass)، روشی ارائه داده‌اند تا اطمینان لازم را برای استفاده از هوش مصنوعی فراهم کنند. هدف آنها از ابداع این روش، جلوگیری از پیش آمدن تبعیض‌ با ارائه معیاری است که این امکان را برای الگوریتم یادگیری ماشینی فراهم می‌کند تا هوش مصنوعی را برای دوری از چنین رفتارهایی آموزش دهد.
 
"اما برونسکیل"(Emma Brunskill)، استادیار علوم رایانه دانشگاه استنفورد و از نویسندگان این پژوهش گفت: ما قصد داریم هوش مصنوعی را آنقدر ارتقا دهیم تا بتواند ارزش‌های انسانی را رعایت کند و قابلیت لازم را برای استفاده در سیستم‌های خودران به دست آورد.
 
 پیشگیری از رفتارهای منفی
 
فرضیه پژوهشگران این بود که اگر بتوان رفتارهای غیر ایمن یا ناعادلانه را به صورت ریاضی تعریف کرد، ابداع الگوریتم‌هایی که می‌توانند دوری از چنین رفتاری را از داده‌ها یاد بگیرند نیز باید امکان‌پذیر شود.
 
پژوهشگران تصمیم گرفتند روش‌هایی ابداع کنند که کاربران بتوانند با استفاده از آنها، رفتارهای نامطلوب را مشخص کنند و از عهده پیش‌بینی رفتار سیستم با استفاده از داده‌ها برآیند.
 
 
"فیلیپ توماس"(Philip Thomas)، استادیار علوم رایانه دانشگاه ماساچوست در امهرست و نویسنده ارشد این پژوهش گفت: ما در این پژوهش نشان داده‌ایم که چگونه طراحان الگوریتم‌های یادگیری ماشینی می‌توانند به افرادی که می‌خواهند هوش مصنوعی را برای ارائه محصولات و خدمات خود به کار ببرند، کمک کنند تا رفتارهای سیستم هوش مصنوعی را تحت کنترل درآورند.
 
عدالت و اطمینان
 
پژوهشگران، به آزمایش روش جدید خود پرداختند تا به بهبود الگوریتم‌هایی که نمرات دانشجویان را بر اساس نتیجه امتحانات آنها پیش‌بینی می‌کنند، کمک کنند. آنها در این آزمایش، دستورالعمل‌های ریاضی را با استفاده از یک مجموعه داده آزمایشی انجام دادند تا یک روش پیش‌بینی را برای پیش‌بینی نمره دانشجویان ارائه دهند.
 
الگوریتم هوش مصنوعی با کمک این دستورالعمل‌ها توانست روش بهتری را برای پیش‌بینی نمرات ارائه دهد که تبعیض‌های جنسیتی آن بسیار کمتر از دیگر روش‌های کنونی بود. روش‌های پیشین، هیچ محدودیتی در زمینه عدالت و اطمینان نداشتند و محدودیت آنها نیز بیش از حد بود.
 
این پژوهش، در مجله "Science" به چاپ رسید.

افتتاح بیمارستانی روباتیک در دانشگاه استنفورد

 
دانشگاه استنفورد بیمارستانی افتتاح کرده که به طور کامل اتوماتیک است. اپلیکیشنی مخصوص برای ارتباط میان بیمار و پزشکان وجود دارد و در داروخانه آن روبات ها قرص های بیماران را دسته بندی می کنند.
این دانشگاه مشغول انجام آزمایش هایی است تا بیمارستان هایی کاملا مبتنی بر فناوری بسازد. این دانشگاه یک بیمارستان جدید در پردیس مراقبت های بهداشتی استنفورد افتتاح کرده که به موبایل فرد متصل می شود. فرد می تواند نورپردازی و شرایط تهویه اتاق خود را از یک صفحه کنار تختخوابش تنظیم کند. از سوی دیگر یک اپلیکیشن تلفن همراه به نام MyHealth به او کمک می کند با پزشک ارتباط برقرار کند یا او را در راهروهای بیمارستان راهنمایی می کند.
 
با این وجود اتوماسیون کامل بیمارستان مهمترین و جالبترین ویژگی آن است.
 
داروخانه آن مجهز به روبات هایی است که قرص ها را انتخاب می کنند و در یک پاکت بسته بندی می کنند. همچنین ربات هایی دیگری داروهای بسته بندی شده را به ایستگاه های توزیع می برند. این روند اتوماتیک  سبب می شود نیروهای انسانی وقت بیشتری برای انجام فعالیت های دیگر داشته باشند.
 
 در کنار این موارد ۲۳ خودروی اتوماتیک به ارسال لباس ها و ملافه های کثیف و خارج کردن زباله ها می پردازند. حسگرهای موجود در تجهیزات و همچنین همراه کارمندان به طور واقعی ذخایر مورد نیاز بیمارستان را کنترل می کند.
 
 
پزشکان و بیماران می توانند از یک مکان چند بیمار را کنترل کنند و از سوی دیگر اسکنرهای MRI و تجهیزات مختلف با یکدیگر یکپارچه می شوند.
 
به گفته دانشگاه استنفورد این بیمارستان طوری ساخته شده تا ارتقا یابد. بنابراین احتمالا برای افزودن فناوری های جدید به آن نیازی به تغییرات کلی در ساختار آن نیست.  به عنوان مثال می توان زیربنای آن را در صورت لزوم به اینترنت۵G منتقل کرد. همچنین در آینده  آزمایشی برای بررسی حسگرهای عمق و گرمایشی با کمک سیستم هوش مصنوعی انجام می شود تا ایمنی بیماران ارتقا یابد. این بیمارستان ۳۸۶ اتاق خصوصی دارد.
 
ساخت این بیمارستان جدید با کلیه فناوری های گفته شده طی ۱۰ سال و با بودجه ۲.۱ میلیارد دلار انجام شده است. چنین مبلغی برای دانشگاه استنفورد بسیار بالا است و هیچ تضمینی وجود ندارد فناوری ها پس از نصب به شیوه ای کارآمد فعالیت کنند.

هوش مصنوعی با خودش مناظره کرد!

 
برای نخستین بار در دانشگاه کمبریج رایانه مجهز به هوش مصنوعی شرکت «آی بی ام» با خودش مناظره کرد.
 
به نقل از آسوشیتدپرس، ربات Project Debater (متعلق به شرکت آی بی ام)  که تاکنون با انسان ها مناظره کرده، برای نخستین بار در مقابل خود قرار گرفت در حقیقت شرکت آی بی ام این سیستم را به چالش کشید تا بحث هایی متضاد را در نمایشگر خود نشان دهد.
 
این سیستم رایانشی با صدایی مبهم و زنانه گفت: هوش مصنوعی نمی تواند تصمیمی بگیرد که از لحاظ اخلاقی صحیح باشد. زیرا اخلاق یک ویژگی مخصوص انسان ها است.  هوش مصنوعی نمی تواند به آسانی درباره موضوعات اخلاقی تصمیم بگیرد و این امر به بروز فجایع منجر می شود. هوش مصنوعی ممکن است به خسارت زیادی منجر شود.  چنین سیستمی فقط می تواند برای موضوعاتی که برنامه ریزی شده، تصمیم بگیرد و نمی توان آن را برای تمام سناریوها برنامه ریزی کرد. فقط انسان ها می توانند درباره هر موضوعی تصمیم بگیرند.
 
در مرحله بعد ماشین  مذکور نظریه مخالف آن را بیان کرد. در این هنگام صدایی که با امواج آبی روی نمایشگر مشخص می شد، گفت: هوش مصنوعی مزیت های زیادی دارد زیرا با انجام وظایف تکراری به انسان ها فرصت بیشتری می دهد.
 
برخلاف مناظرات دیگر که براساس مخزنی از مقالات روزنامه و مجلات انجام می شد، این بار محققان از نظرات ۱۱۰۰ دانشجوی کمبریج برای پاسخ استفاده کردند و آنها را به عنوان پاسخ به رایانه منتقل کردند.
 
محققان می خواستند بدانند آیا با استفاده از فناوری می توان پاسخی قابل قبول ایجاد کرد که به گرفتن تصمیمی بهتر منجر شود یا خیر؟
 
 با کمک چنین فناوری می توان به شرکت ها و دولت ها کمک کرد تا تحقیقاتی انجام دهند یا بازخوردی برای مشتریان خود فراهم کنند.