هوش مصنوعی علیه تغییرات آب‌وهوایی

حدود ۱۰ روز پیش یعنی بیستم سپتامبر، جمعیت تقریبا ۴ میلیون نفری از چند کشور در راهپیمایی جهانی علیه تغییرات آب و هوایی شرکت کردند. آنها به خیابان‌ها‌ آمدند تا اعتراض خودشان را به نبود اقدامی عملی و درست از سوی رهبران جهان نشان بدهند. بعد از آن تا یک هفته راهپیمایی‌های دیگری در کشورها و مناطق مختلف دنیا به راه افتاد تا در نهایت هفته آخر ماه سپتامبر به عنوان «هفته جهانی برای آینده» نام بگیرد.
 
 
تکنولوژی و تغییرات آب و هوایی رابطه مستقیمی با یکدیگر ندارند. با افزایش نفوذ و گسترش تکنولوژی در تمام خانه‌ها، دفاتر کاری و جامعه ما، حجم اطلاعاتی که تولید می‌کنیم، افزایش قابل‌توجهی پیدا کرده است. این روند باعث شده است که دیتاسنترهای سراسر دنیا حالا حجم کربنی برابر حجم کربن تولید شده توسط صنعت حمل‌و‌نقل هوایی را تولید کنند. هر چند ممکن است بعضی‌ها مصر باشند که تنها راه کربن‌زدایی، حذف کامپیوترها باشد، اما این هم مثل هر موضوع و شرایط دیگری نمی‌تواند حالتی سیاه و سفید داشته باشد. با وجود اینکه تکنولوژی از بعضی جهات بی‌شک بحران آب و هوایی را شدیدتر کرده است، اما حالا تکنولوژی‌های هوش مصنوعی و یادگیری ماشینی در تمام دنیا برای این به‌کارگرفته می‌شوند تا به کاهش بعضی اثرات ناشی از افزایش دمای هوای جهان، کمک کنند.
 
در ماه ژوئن سال جاری میلادی نتایج تحقیقی با عنوان «مقابله با تغییرات آب و هوایی با تکنولوژی یادگیری ماشینی» منتشر شد. نتایج این تحقیق که توسط ۲۲ نفر از مقامات مسوول و کارشناس در زمینه تغییرات آب و هوایی و هوش مصنوعی، بررسی و منتشر شده است، نشان می‌دهد که تکنولوژی‌های هوش مصنوعی و یادگیری ماشینی، نقش مهمی در مبارزه با تغییرات آب و هوایی دارند. در این بررسی، راهکارها و پیشنهادهای متنوعی برای این کار ارائه شده است. در نهایت اما این تحقیق ثابت کرده است که هوش مصنوعی در سیزده زمینه مختلف، بهترین و بیشترین شانس را برای کاهش بدترین تاثیرات آب و هوایی بر جهان خواهد داشت که بعضی از مهم‌ترین آنها شامل حمل‌و‌نقل، سیستم‌های الکتریکی، مزارع، جنگل‌ها و سیستم‌های آموزشی هستند. در این بررسی همچنین مشخص شده است که تمرکز روی هر کدام از این بخش‌ها به چقدر زمان برای اثرپذیری نیاز دارد و چطور باید تکنولوژی‌های جدید را در هر کدام از این بخش‌ها به خوبی به‌کار گرفت. حتی راهکارهای فردی هم در این بررسی‌ها در نظر گرفته شده‌اند. هر چند بسیاری از راهکارهای ارائه شده در این تحقیق همین حالا هم به‌کار گرفته می‌شوند، اما همچنان هیچ کدام‌شان نتوانسته‌اند تاثیر عملی و مشهودی  در این زمینه داشته باشند.
 
نتایج این تحقیق تعدادی از پیشنهادهای عملی و بهتر را برای استفاده از تکنولوژی‌های هوش مصنوعی و یادگیری ماشینی به شیوه‌ای غیرسنتی و نامرسوم ارائه کرده است. یکی از این پیشنهادها، استفاده از تکنولوژی یادگیری ماشینی برای توسعه موادی است که ذخیره و بهره‌برداری از آنها به صرف انرژی کمتری نیاز دارد. این فرآیند به کمک تکنولوژی‌هایی انجام می‌شود که به دانشمندان امکان یافتن، طراحی و ارزیابی ساختارهای شیمیایی جدید را می‌دهد تا ببینند که آیا چنین راهکارهایی می‌توانند مفید باشند یا خیر. هوش مصنوعی و یادگیری ماشینی به کمک تصویرسازی‌های مجازی و اطلاعات بازیابی‌شده از شبکه‌های اجتماعی، نقشه‌هایی را می‌توانند ترسیم کنند. این نقشه‌ها در واقع مسیر دقیق از بین بردن اثرات مضر تغییرات آب و هوایی را تصویر می‌کنند و به کمک و با مقایسه آنها می‌توان سریع‌ترین اقدامات را پیش و پس از وقوع بحران‌های آب و هوایی انجام داد.
 
الگوسازی پیش‌بینی
پیش‌بینی شرایط و وقایع آب و هوایی شدید یکی دیگر از مباحثی است که نویسندگان گزارش نتایج این تحقیق به آن اشاره کرده و اعلام کرده‌اند که معتقدند تکنولوژی یادگیری ماشینی می‌تواند به خوبی نشان دهد که در زمینه کاهش اثرات مضر تغییرات آب و هوایی، چه اقداماتی در گذشته انجام شده است. سال گذشته میلادی دانشگاه کمبریج یک دوره آموزشی کاربرد هوش مصنوعی برای مطالعه خطرات زیست‌محیطی را برگزار کرد که در آن درباره راهکارهای تجهیز و توسعه راهکارهای تکنولوژیک برای مقابله با چالش‌های جهانی محیط‌زیستی، مباحثی مطرح شدند. «رابرت راوز» دانشجوی دکترای دانشگاه کمبریج، تحقیقاتی در زمینه روش‌های یادگیری ماشینی برای کمک به پیش‌بینی آینده خطرات ناشی از سیل در مناطق شهری انجام داده است و برای این کار با یکی از بهترین شرکت‌های مهندسی محیط‌زیست دنیا یعنی Mott McDonald در انجام پروژه‌های ساختاری و الگوریتم‌های جدید قابل‌اجرا برای تحلیل داده‌های مرتبط، همکاری کرده است. او در این زمینه می‌گوید: «پیش‌بینی‌هایی که برای تغییرات آب و هوایی انجام دادیم، به‌طور عمده بر GCM یا الگوی جریان‌های عمومی هوا متکی است؛ اما GCM برای اغلب مردم به معنای الگوی آب و هوای جهانی شناخته می‌شود.»
 
او در تشریح روند اقدامات‌شان در این مورد می‌گوید: «این پیش‌بینی‌ها، متغیرهای آب و هوایی را به شکلی نه چندان دقیق و نسبتا آشفته ارائه می‌کنند. وقتی تلاش می‌کنی تا بفهمی در ابعاد محلی قرار است واقعا چه اتفاقی بیفتد، همیشه سوال‌های مشخصی به ذهن می‌رسند و مردم در آن لحظه به‌شدت نگران تغییرات آب و هوایی می‌شوند. در حقیقت این نگرانی به خاطر آن است که آنها درست نمی‌دانند بهترین روش آمادگی در برابر اتفاقی که آنها نمی‌دانند چطور رخ می‌دهد و تاثیرات تغییرات آب هوایی چیست. ما اما سعی داریم نتیجه و خروجی این مدل‌های آب و هوایی را به‌دست آورده و روی آنها کار کنیم تا به کمک تکنولوژی‌هایی مانند هوش مصنوعی و یادگیری ماشینی، به مدل‌هایی برای جلوگیری از افزایش اثرات ناشی از تغییرات آب و هوایی دست پیدا کنیم. فکر می‌کنم این بهترین روش برای آن باشد.» او معتقد است که این اقدامات هنوز در نیمه راه خودشان قرار دارند و برای بهره‌برداری بهتر از آنها در سراسر دنیا باید تحقیقات بیشتری در این زمینه انجام شود تا در نهایت بتوان به کمک تکنولوژی‌های جدید با تاثیرات بلندمدت تغییرات آب و هوایی مبارزه کرد.
 
چشم‌انداز آینده
رابرت راوز می‌گوید که چیزی در حدود پنج پتابایت یا پنج هزار ترابایت اطلاعات آب و هوایی در دسترس است که می‌تواند در مدل‌های هوش مصنوعی و یادگیری ماشینی به‌کار گرفته شود. او ادامه می‌دهد: «این بخش قابل توسعه‌ای از تحقیقات ماست و افراد زیادی در حال حاضر روی اطلاعات آب و هوایی کار می‌کنند تا به کمک خروجی این مدل‌های آب و هوایی بتوانند خطرات ناشی از اثرات تغییرات آب و هوایی در آینده را پیش‌بینی کنند.» شاید به همین دلیل هم هست که افرادی مانند راوز کمتر از ما نگران تغییرات آب و هوایی و اثرات ناشی از آن بر بشریت هستند؛ چون آنها این روزها به شکلی جدی سعی دارند و امیدوارند با کمک تکنولوژی‌های جدید با این تهدید بزرگ مقابله کنند.

علی بابا از اولین تراشه هوش مصنوعی خود رونمایی کرد

 
مسابقه برای ارائه خدمات هوش مصنوعی توسط شرکت های فناوری تشدید شده و شرکت چینی علی بابا هم برای تقویت توان خود در این حوزه یک تراشه مبتنی بر هوش مصنوعی عرضه کرد.
 
به نقل از آسین ایج، تراشه هوش مصنوعی علی بابا Hanguang ۸۰ نام خواهد داشت و این شرکت مدعی است استفاده از آن مدت زمان مورد نیاز برای انجام برخی امور را کاهش می دهد.
 
از جمله این امور می توان به طبقه بندی تصاویر محصولات بر روی سایت تجارت الکترونیک علی بابا موسوم به Taobao اشاره کرد.
 
علی بابا می گوید تراشه هوش مصنوعی این شرکت می تواند به طور خودکار تصاویر مختلف کالاها را شناسایی و دسته بندی کند. این کار در حالت عادی در مورد تصاویر هر محصول یک ساعت به طول می انجامد، اما مدت زمان آن با استفاده از هوش مصنوعی به ۵ دقیقه کاهش می یابد.
 
این تراشه هوش مصنوعی وظایف دیگری را نیز بر عهده می گیرد که از جمله آنها می توان به ترجمه خودکار، تسهیل جستجوی کالاهای مختلف، شخصی سازی توصیه های ارائه شده برای انتخاب و خرید محصولات مختلف و ارتقای خدمات کلود اشاره کرد.

هوش مصنوعی بررسی نتایج ام‌آرآی قلب را ۱۸۶ بار سریع‌تر می‌کند

اگرچه دستگاه‌های ام‌آرآی نتایج قابل‌قبولی را در مورد وضعیت بدن ارائه می‌کنند، اما اشتباه پزشکان در تفسیر این نتایج مشکل‌ساز است و هوش مصنوعی بر این چالش هم غلبه کرده است. به گزارش اینترسیتینگ اینجینیرینگ، نتایج یک بررسی نشان می‌دهد استفاده از هوش مصنوعی برای خواندن و تحلیل داده‌های دستگاه‌های ام‌آرآی قلب می‌تواند تا ۱۸۶ بار سرعت این فرآیند را بیشتر کند و دقت آن را هم به میزان چشمگیری افزایش دهد. یکی از چالش‌های تصمیم‌گیری در مورد بیماران قلبی بعد از انجام ام‌آرآی قلب، تفسیر نتایج به‌دست آمده از اسکن است که ممکن است به اشتباه انجام شده و به اتخاذ روش‌های درمانی غلط منجر شود. اما هوش مصنوعی می‌تواند این مشکل را هم حل کند و نیز دستیابی به نتیجه قطعی را ساده‌تر کند. پژوهشی که در این زمینه در انگلیس انجام شده نشان می‌دهد، بررسی و نتیجه‌گیری قطعی در مورد ام‌آرآی قلب توسط یک پزشک به‌طور متوسط ۱۳ دقیقه طول می‌کشد، اما استفاده از هوش مصنوعی مدت زمان مورد نیاز برای این کار را تا ۴ ثانیه کاهش می‌دهد. تصاویر ام‌آرآی قلب از کیفیت بالایی برای نمایش ساختار و کارکردهای این عضو حیاتی بدن برخوردار هستند و به‌روز کردن روش تحلیل نتایج ام‌آرآی می‌تواند بهره‌وری نظام بهداشت و درمان را باز هم بیشتر کند.

تلویزیون را صدا کن!

هوش مصنوعی دنیای متفاوتی برای ما ساخته است. پشت سر بیشتر شبکه‌های اجتماعی، سایت‌ها، گجت‌ها و البته شرکت‌های بزرگ فناوری هوش مصنوعی نقش بازی کرده و کارها را بسیار راحت‌تر از چیزی که تصور کنید انجام می‌دهد. شاید تا چند سال گذشته هوش مصنوعی متعلق به کسب کارهای بزرگ بود و اثری از آن در خانه ما پیدا نمی‌شد. ولی اکنون بسیار قابل‌دسترس‌تر از گذشته شده و می‌توانید با خرید محصولات سال 2019 و یا حتی 2018 از آن در منزل خود استفاده کنید.
 
 
ذهنتان جای دور نرود. فکر نکنید قرار است دستگاهی عجیب وارد منزل کنید. هوش مصنوعی کاملاً با همان وسایل همیشگی خانه‌های ما یکی شده و راحتی را به منزلمان آورده است. مثلاً همین تلویزیون را در نظر بگیرید. تلویزیون‌های جدید ال‌جی با بهره‌گیری از هوش مصنوعی می‌توانند شما را به آینده تماشای تلویزیون ببرند. ولی چگونه؟
 
در تلویزیون‌ها ال‌جی هوش مصنوعی به کمک دستیارهای صوتی سعی می‌کند نیاز شما را تشخیص داده و بسیاری از دستورهای شما را بدون حتی تکان دادن یک انگشت انجام دهد. بعد از معرفی دستیار گوگل در تلویزیون‌های ۲۰۱۸ ال‌جی مجهز به هوش مصنوعی، ال‌جی با پشتیبانی از الکسا در تلویزیون‌های 2019 خود انتخاب‌ها و گزینه‌های بیشتری به این تلویزیون‌ها افزوده است. کاربران با استفاده از برنامه کاربردی الکسا در تلویزیون‌های سازگار ال‌جی می‌توانند از تلویزیون سؤال بپرسند، لوازم‌خانگی هوشمند را کنترل کنند و بیش از ۹۰ هزار مهارت الکسا و خیلی امکانات دیگر را در اختیار داشته باشند؛ همه این کارها بدون نیاز به دستگاه جانبی و جداگانه میسر می‌شود. تلویزیون‌های ۲۰۱۹ ال‌جی می‌توانند صدها فرمان صوتی و درخواست‌های پیچیده‌تر از قبل را به لطف وجود فناوری پیشرفته‌تر تشخیص صدای مکالمه در هوش مصنوعی ThinQ AI ال‌جی بفهمند.
 
با استفاده از دستگاه‌های دارای آمازون الکسا، کاربران می‌توانند به قابلیت‌های مختلفی مثل کنترل صدا، اجرای برنامه، متوقف کردن، شروع کردن و جلو زدن برنامه، دسترسی داشته باشند و درعین‌حال کانال‌ مدنظرشان را انتخاب کرده و به جستجوی محتوای موردنظر خود بپردازند.
 
کاربران می‌توانند قابلیت‌های پیشرفته صوتی مبتنی بر هوش مصنوعی را به‌وسیله ویژگی‌های منحصربه‌فرد الکسای آمازون روی تلویزیون‌های دارای هوش مصنوعی ال‌جی تجربه کنند. به‌عنوان‌مثال شما می‌توانید به انگلیسی بگویید : «الکسا، صدای تلویزیون در هال را زیاد کن» و یا «الکسا کانال تلویزیون را به کانال شبکه National Geography تغییر بده». همچنین می‌توانید برنامه خاصی را روی تلویزیون اجرا کنید. مثلاً بگویید : الکسا از ال‌جی بخواه تا یوتیوب را روی تلویزیون داخل اتاق‌خواب اجرا کند» این کار بدون نیاز به صحبت کردن از طریق ریموت کنترل جادویی ال‌جی (Magic Control) قابل‌اجرا است.
 
به‌علاوه تلویزیون‌های امسال OLED و مدل‌های منتخب از NanoCell ال‌جی از AirPlay 2 و HomeKit اپل برای پخش آسان محتوای صوتی و تصویری آنلاین و اتصال به لوازم‌خانگی هوشمند اپل پشتیبانی کنند. پشتیبانی از فناوری AirPlay 2 اپل در تلویزیون‌های هوش مصنوعی ال‌جی به کاربران امکان می‌دهد تا بدون هیچ زحمتی فیلم، موسیقی و عکس را از طریق برنامه کاربردی تلویزیون اپل به‌صورت مستقیم در تلویزیون هوشمند ال‌جی پخش کنند. فناوری HomeKit اپل نیز پشتیبانی می‌شود و مشتریان می‌توانند تجربه مشاهده خود را با کمک Home app و Siri به‌راحتی کنترل کنند.
 
خلاصه با تلویزیون‌های ال‌جی فقط کافی است لم بدهید و از تلویزیون چیزی بخواهید. بدون تکان دادن دست یا بلند شدن از جای خود، همه‌چیز آن‌گونه که می‌خواهید انجام می‌شود. به همین راحتی!

دوربین های هوش مصنوعی مچ رانندگان گوشی باز را می گیرد

 
اگر از جمله افرادی هستید که به طور مرتب در حین رانندگی از گوشی استفاده می کنید، دیگر با نصب دوربین های هوش مصنوعی قادر به چنین کاری نخواهید بود.
 
 به نقل از نیواطلس، اگر چه همه می دانند که استفاده از گوشی در حین رانندگی خطرناک است، اما برخی افراد به این موضوع توجه نمی کنند. جریمه های کلان نیز نتوانسته جلوی افراد متخلف را در این زمینه بگیرد و حالا فناوری قصد دارد با چنین افرادی مقابله کند.
 
یک شرکت استرالیایی به نام Acusensus دوربین های جدیدی را بر مبنای فناوری هوش مصنوعی ابداع کرده که در تمامی شرایط آب و هوایی، در روز یا در شب و به صورت ۲۴ ساعته قادر به بررسی شرایط رانندگان هستند و اگر آنها را در حال استفاده از گوشی بیابند، اطلاعات مربوط به این موضوع را به طور رمزگذاری شده ذخیره کرده و برای پلیس ارسال می کنند تا قبض جریمه برای افراد متخلف صادر شود.
 
دوربین های مذکور از شش ماه قبل در حال آزمایش هستند و تا به حال از طریق آنها عملکرد ۸.۵ میلیون راننده بررسی و کنترل شده و از این طریق بیش از صدهزار راننده متخلف شناسایی شده اند. انتظار می رود این سیستم از سال ۲۰۲۳ برای کنترل ۱۳۵ میلیون راننده در استرالیا به کار گرفته شود.
 
افرادی که از طریق این دوربین های هوش مصنوعی به عنوان متخلف شناسایی شوند باید ۲۳۰ دلار جریمه پرداخت کنند و پنج امتیاز منفی نیز برای آنها منظور خواهد شد. دوربین های یادشده در کشورهایی مانند هند و کانادا نیز در حال آزمایش هستند.

استفاده از هوش مصنوعی برای بهبود دقت تست بینایی

 
محققان استرالیایی از هوش مصنوعی برای ابداع روشی دقیق‌تر و جزئی‌تر برای تحلیل تصاویر گرفته شده از پشت چشم استفاده کردند تا به پزشکان در تشخیص بیماری‌های چشمی کمک کنند.
 
به گزارش پایگاه اینترنتی «زد دی نت»، پژوهشگران دانشگاه فناوری کوئینزلند (QUT) در جریان این تحقیق طیفی از روش‌های یادگیری عمیق را برای تجزیه و تحلیل عکس‌هایی که مقطع‌نگار همدوسی اپتیکی (OCT) می‌گیرد، مورد کاوش قرار دادند.
 
مقطع‌نگار همدوسی اپتیکی که برای نشان دادن لایه بافت‌های مختلف عکس‌های مقطعی از چشم می‌گیرد، از ابزارهای مشترک مورداستفاده عینک‌سازان و چشم پزشکان است. تصاویر گرفته شده با این روش به پزشکان در تشخیص بیماری‌های چشمی چون گلوکوم یا آب سیاه و دژنراسیون ماکولا کمک می‌کند. دژنراسیون ماکولا که به عنوان دجنراسیون وابسته به سن ماکولا (AMD or ARMD) شناخته می‌شود یک وضعیت پزشکی است که ممکن است نتیجه آن تاری یا از دست دادن بینایی در مرکز دید باشد.
 
این تیم تحقیقاتی اسکن‌های OCT شبکیه را از مطالعه‌ای ۱۸ ماهه بر روی ۱۰۱ کودک که از بینایی خوب و چشمانی سالم برخوردار بودند، جمع‌آوری کرده و با استفاده از این عکس‌ها یک برنامه مبتنی بر هوش مصنوعی را برای تشخیص الگوها و تعیین مرزهای کورویید (Choroid) تربیت کردند.
 
دیوید آلونسو کانیرو از پژوهشگران دانشگاه کوئینزلند و مولف ارشد این پژوهش، می‌گوید: «ما در پژوهش خود به دنبال روشی جدید برای تجزیه و تحلیل عکس‌ها و استخراج دو لایه بافتی اصلی در پشت چشم یعنی قرنیه و کرویید می‌گشتیم. توجه ویژه ما بر کرویید معطوف بود که بین اسکلرا (صلبیه) و شبکیه قرار دارد و حاوی رگ‌های خونی اصلی است که مواد مغذی و اکسیژن را به چشم می‌رسانند.»
 
«روش‌های استانداد پردازش تصویر که با OCT مورد استفاده قرار می‌گیرند لایه‌های بافت قرنیه را به خوبی تعریف و آنالیز می‌کنند اما تعداد کمی از ابزارهای بالینی OCT از نرم‌افزار تجزیه و تحلیل بافت کروییدی برخوردارند.»
 
«بنابراین یک شبکه یادگیری عمیق را تربیت کردیم تا ویژگی‌های کلیدی عکس‌ها را فراگرفته و مرزهای کرویید و قرنیه را با دقت و به طور خودکار تعیین کند.»
 
محققان کویینزلند تجزیه و تحلیل‌های انجام شده توسط هوش مصنوعی را با روش‌های آنالیز استاندارد عکس مقایسه کردند و به این نتیجه دست یافتند که برنامه مبتنی بر هوش مصنوعی، در تحلیل داده‌های OCT دقیق‌تر و قابل اعتمادتر است. 

استفاده از هوش مصنوعی برای بهبود دقت تست بینایی

 
محققان استرالیایی از هوش مصنوعی برای ابداع روشی دقیق‌تر و جزئی‌تر برای تحلیل تصاویر گرفته شده از پشت چشم استفاده کردند تا به پزشکان در تشخیص بیماری‌های چشمی کمک کنند.
 
به گزارش پایگاه اینترنتی «زد دی نت»، پژوهشگران دانشگاه فناوری کوئینزلند (QUT) در جریان این تحقیق طیفی از روش‌های یادگیری عمیق را برای تجزیه و تحلیل عکس‌هایی که مقطع‌نگار همدوسی اپتیکی (OCT) می‌گیرد، مورد کاوش قرار دادند.
 
مقطع‌نگار همدوسی اپتیکی که برای نشان دادن لایه بافت‌های مختلف عکس‌های مقطعی از چشم می‌گیرد، از ابزارهای مشترک مورداستفاده عینک‌سازان و چشم پزشکان است. تصاویر گرفته شده با این روش به پزشکان در تشخیص بیماری‌های چشمی چون گلوکوم یا آب سیاه و دژنراسیون ماکولا کمک می‌کند. دژنراسیون ماکولا که به عنوان دجنراسیون وابسته به سن ماکولا (AMD or ARMD) شناخته می‌شود یک وضعیت پزشکی است که ممکن است نتیجه آن تاری یا از دست دادن بینایی در مرکز دید باشد.
 
این تیم تحقیقاتی اسکن‌های OCT شبکیه را از مطالعه‌ای ۱۸ ماهه بر روی ۱۰۱ کودک که از بینایی خوب و چشمانی سالم برخوردار بودند، جمع‌آوری کرده و با استفاده از این عکس‌ها یک برنامه مبتنی بر هوش مصنوعی را برای تشخیص الگوها و تعیین مرزهای کورویید (Choroid) تربیت کردند.
 
دیوید آلونسو کانیرو از پژوهشگران دانشگاه کوئینزلند و مولف ارشد این پژوهش، می‌گوید: «ما در پژوهش خود به دنبال روشی جدید برای تجزیه و تحلیل عکس‌ها و استخراج دو لایه بافتی اصلی در پشت چشم یعنی قرنیه و کرویید می‌گشتیم. توجه ویژه ما بر کرویید معطوف بود که بین اسکلرا (صلبیه) و شبکیه قرار دارد و حاوی رگ‌های خونی اصلی است که مواد مغذی و اکسیژن را به چشم می‌رسانند.»
 
«روش‌های استانداد پردازش تصویر که با OCT مورد استفاده قرار می‌گیرند لایه‌های بافت قرنیه را به خوبی تعریف و آنالیز می‌کنند اما تعداد کمی از ابزارهای بالینی OCT از نرم‌افزار تجزیه و تحلیل بافت کروییدی برخوردارند.»
 
«بنابراین یک شبکه یادگیری عمیق را تربیت کردیم تا ویژگی‌های کلیدی عکس‌ها را فراگرفته و مرزهای کرویید و قرنیه را با دقت و به طور خودکار تعیین کند.»
 
محققان کویینزلند تجزیه و تحلیل‌های انجام شده توسط هوش مصنوعی را با روش‌های آنالیز استاندارد عکس مقایسه کردند و به این نتیجه دست یافتند که برنامه مبتنی بر هوش مصنوعی، در تحلیل داده‌های OCT دقیق‌تر و قابل اعتمادتر است. 

نگاهی به نقش هوش مصنوعی در حوزه فروش

 
حدود ۴۰ درصد از فروشندگان جهان، در حال پیاده‌سازی فناوری هوش مصنوعی در روند کارهایشان هستند و در خودکارسازی و تسهیل فرایندهای فروش از هوش مصنوعی استفاده می‌کنند. 
 
بر اساس گزارش سایت اقتصادی ویژوال کاپیتالیست، فناوری‌های مبتنی بر هوش مصنوعی به هدف گرفتن مشتریان با استفاده از داده‌های گذشته کمک می‌کند. هوش مصنوعی همچنین مشارکت مشتری را افزایش می‌دهد و کارهای مربوط به فروش از جمله داده‌های اطلاعات مشتریان را خودکارسازی می‌کند. علاوه بر این، فناوری‌های مبتنی بر هوش مصنوعی، اطلاعات مشتریان را به ‌طور همزمان شخصی‌سازی می‌کند. پیش‌بینی می‌شود در چند سال آینده بخش‌های زیادی در حوزه فروش فناوری متحول شوند. 
 
رشد فناوری‌ها و ابزارهای فروش
پیش‌بینی می‌شود در چند سال آینده حداقل ۱۰ بخش در حوزه فناوری فروش رشد کنند؛ پنج فناوری در حال‌حاضر بیشترین توجه را به خود جلب کرده‌اند که در ادامه به آنها می‌پردازیم.
 
برنامه‌ریزی فرصت‌ها و حساب‌های کاربری: تحلیل داده‌های گذشته و فعلی مشتریان، بینش‌های ارزشمندی ارائه می‌دهد که می‌توان بر اساس آنها، چشم‌اندازهای آینده را هدف قرار داد. ابزارهای هوشمند فروش با استفاده از این بینش‌ها و دیگر داده‌های کلیدی مثل لیست شرکت‌ها می‌توانند معیار جست‌وجوی مشتری ایجاد کنند تا بتوان بهترین رویکرد را شناسایی کرد. این ابزارها برای جلوگیری از سیلوهای اطلاعاتی در شرکت، به طور یکپارچه با مدیریت داده، بازاریابی و تحلیل ادغام می‌شوند. 
 
روش فروش و جریان کار: در حال حاضر، مدیریت ارتباط با مشتری (CRM) بیشترین رشد را در حوزه نرم‌افزار در سطح جهان به خود اختصاص داده است. انتظار می‌رود بازار CRM از ارزش ۴۰ میلیارد دلار در سال ۲۰۱۹ به ارزش ۸۰ میلیارد دلار در سال ۲۰۲۵ برسد؛ یعنی رشد دوبرابر.
 
فروشندگان می‌توانند از ابزارهایی نرم‌افزاری مانند Salesforce برای مدیریت و هدایت مشتریان بهره ببرند و حتی به تیم‌های داخلی خود در زمینه تعامل شخصی‌تر با مشتریان و حوزه خدمات مشتری کمک کنند.
 
مدیریت محتوا: در عصر غنی از اطلاعات، از شرکت‌ها انتظار می‌رود امنیت اطلاعات مشتریان را حفظ کنند. نرم‌افزار مدیریت محتوا (CMS) از جمله نرم‌افزارهایی مانند Confluence یا Paperflite به تیم‌های فروش امکان می‌دهند فوراً اسناد و منابع درون‌سازمانی را نظم بدهند، توزیع کنند و به‌روزرسانی‌های مربوط را به انجام برسانند.
 
مدیریت مشارکت چشم‌انداز: مشتریان محصولات و خدماتی را می‌خواهند که در ارتباط با نیازها و خواسته‌هایشان باشد. بسیاری از شرکت‌ها از مجموعه‌ای از ایمیل‌های شخصی‌سازی‌شده استفاده می‌کنند تا به مشتریان خوشامد بگویند یا مشارکت مشتریان آنلاین را جلب کنند. 
 
آموزش آنلاین و یادگیری بیشتر: فروشندگان برتر با استفاده از فناوری‌های جدید، داده‌های جالب مشتریان و تغییر درک کلی در مورد برندها به دنبال‌ روش‌های کارآمدتر برای ارتقای مهارت‌های خود هستند. این امر به آنها کمک می‌کند تا با چشم‌اندازها بهتر ارتباط برقرار کنند و مدیریت فروش خود را ارتقا دهند.
 
اینفوگرافیک زیر نشان می‌دهد که چگونه کمک رفتن از فناوری‌های نوین شبکه فروش را می‌تواند متحول کند:
 
 

طراحی مد با برنامه‌ جدید فیس‌بوک

محققان استفاده‌ جدیدی برای هوش مصنوعی پیدا کردند و برنامه‌ای طراحی کرده‌اند که می‌تواند به انتخاب لباس توسط کاربر کمک کند. محققان فیس‌بوک با استفاده از هوش مصنوعی یک برنامه طراحی کرده‌اند که «Fashion++ AI» نام دارد و به کاربران کمک می‌کند که به یک طراح مد و لباس تبدیل شوند. فیس‌بوک ابزار هوش مصنوعی این برنامه را به هزاران تصویر از لباس‌های شیک مجهز کرده است. نکته خلاقانه این سیستم هوش مصنوعی این است که برنامه «Fashion++ AI» پیشنهادهایی را ارائه می‌دهد که بسیار دقیق هستند. به‌عنوان مثال این سیستم پیشنهاد نمی‌کند که یک دست کامل لباس جدید توسط کاربر خریداری شود. درعوض پیشنهاد می‌کند که یک یا دو مورد لباس جدید خریداری شود. حتی ممکن است برنامه مذکور به کاربر پیشنهاد دهد که تنها آستین پیراهن خود را به بالا تا بزند یا بدون صرف هزینه چنین تغییرات جزئی در ظاهر خود ایجاد کند.

یک فناوری هوش مصنوعی تصاویر مستهجن را فیلتر می کند

 
یک برنامه نویس وب از ابداع فناوری هوش مصنوعی به منظور افزایش دقت سیستم های فیلترینگ محتوای مستهجن در وب خبر داده است.
 
 به نقل از اینترستینگ اینجینیرینگ، اگر چه در دو دهه اخیر از فناوری های متنوعی برای بلوکه کردن محتوای مستهجن در اینترنت استفاده شده، اما هوش مصنوعی می تواند در این زمینه نیز به کمک کاربران بیاید.
 
کلسی برسلر یک زن برنامه نویس در آمریکاست که توانسته با استفاده از ابزار هوش مصنوعی یک سیستم فیلترینگ قوی برای بلوکه کردن محتوای مستهجن طراحی کند. وی می گوید زمانی به فکر این کار افتاد که به طور مرتب پیام هایی را در توئیتر دریافت می کرد که حاوی تصاویری زننده بودند.
 
وی که از دریافت این تصاویر خسته شده و شاهد ناتوانی توئیتر در بلوکه کردن پیام های مذکور بود، خود دست به کار شد و یک فیلتر هوش مصنوعی را طراحی کرد که می تواند با دقت ۹۵ درصد تصاویر مستهجن را شناسایی و بلوکه کند.
 
وی برای آزمایش میزان کارآیی این فیلتر هوش مصنوعی یک حساب توئیتری به آدرس showyodiq راه اندازی کرده و امیدوار است دقت آن را باز هم بیشتر کند.
 
بر اساس بررسی که توسط موسسه Pew در سال ۲۰۱۷ در آمریکا انجام شده حدود ۵۳ درصد زنان ۱۸ تا ۲۹ ساله در ایالات متحده به طور مرتب تصاویر مستهجنی را از طریق اینترنت و به خصوص شبکه های اجتماعی دریافت می کنند.