اکنون، هوشمصنوعی در زمینههای مختلف از تلفن همراهمان گرفته تا تشخیص بیماریها به ما کمک میکند. در حقیقت فناوری هوشمصنوعی با الگو گرفتن از نحوه عملکرد هوش انسانی دائما در حال توسعه است و کاربردهای آن به تعداد محدودی از زمینهها ختم نمیشود. هدف از هوشمصنوعی این است که به ماشینها اجازه دهیم کارهای پیچیدهای مانند انسان هوشمند انجام دهد. محققان امیدوارند ماشینها نه فقط فعالیتهای مکانیکی تکراری، بلکه برخی از کارهایی که به تفکر، تصمیمگیری و خرد انسانی نیاز دارند را نیز عملی کند. در این گزارش با کار محققانی آشنا خواهید شد که از هوش مصنوعی و فناوری رباتیک پیشرفته چهار حوزه مهم پژوهشی روز دنیا بهره بردهاند.
زیستشناسی دریایی
جانداران اعماق دریا برای مقاومت در برابر فشار به بدنی سخت نیاز دارند، اما برخی گونهها بهطور قابلتوجهی ظریف هستند از موجودات نرمتنی مانند چتر دریایی گرفته تا ماهیها و مرجانها و گاهی بهقدری حساس هستند که شکنندگی آنها مطالعه این موجودات را به کاری پیچیده تبدیل میکند. قطعات فلزی ناهمواری که در بسیاری از رباتهای زیردریایی یافت میشود، غالبا به این نمونهها آسیب میرسانند، اما «رباتهای نرم» مبتنی بر پلیمرهای انعطافپذیر، جایگزین بهتری به زیستشناسان دریایی ارائه میدهد.
بازوهای نرم و انعطافپذیر مجهز به هوش مصنوعی این ربات ها، به طور دقیق از سوژههای خود تقلید میکند و به حالت بدن آنها درمیآید. نسلهای اولیه این رباتهای نرم، عمدتا روی گرفتن و جابهجایی ایمن موجودات زنده متمرکز بوده است، اما نسلهای بعدی، باید بدون بازگشت به خشکی، قادر به انجام تحلیلهای گستردهتر باشد. هزینه این رباتها یک مانع محسوب میشود، به طوری که حتی سامانههای شناور کوچکتر میتواند صدها هزار دلار هزینه داشته باشد. اگرچه این فناوری هنوز به طور گسترده مورد استقبال قرار نگرفته، اما بیشتر جاندارانی که با کمک آن یافت شدهاند، آنقدر جدید بودهاند که گاها هیچ اطلاعی از آنها وجود نداشته است.
پیشبینی تغییرات اقلیمی
آبهای اقیانوس آرام هر سه تا هفت سال یکبار، بین دمای نسبتا گرم و سرد در نوسان است. اگرچه این تغییرات تنها به چند درجه محدود میشود، تأثیرات عمیقی بر آب و هوای جهانی، بارندگی، فعالیتهای توفانی در آسیا، اقیانوسیه و قاره آمریکا دارد. آگاهی از زمان این تغییرات که به عنوان «نوسان جنوبی النینو» شناخته میشود به جوامع کمک میکند تا برای خشکسالی، توفانهای شدید یا سایر رویدادهای آب و هوایی، آماده شوند. چنین پیشبینیهایی بهخصوص با اطمینان بالا بسیار دشوار است، اما در سال ۱۳۹۸ تیم دکتر «یو-جان-هِم» از دانشگاه ملی گوانگجوی کره جنوبی، الگوریتمی را براساس هوشمصنوعی توسعه داد که قادر است گرم شدن اقیانوسها را پیشبینی کند. درواقع، پیشبینیهای الگوریتم آنها در طول سه سال گذشته به طور مداوم الگوهای النینو را پیشبینی کردهاند. هِم میگوید: «تا اینجا خیلی خوب است. هوش مصنوعی، افزوده جدیدی به ابزار علوم آب و هوایی ارائه داده و در بررسی دادههای رصدی به منظور شناسایی الگوی فعالیتهای جوی و اقیانوسی، مهارت زیادی از خود نشان داده است.»
محققان آب و هوا، از هوش مصنوعی همچنین برای غلبه بر برخی از کاستیهای روشهای متداول آماری یا مبتنی بر فیزیک در اقلیمشناسی استفاده میکنند. برای مثال، الگوریتمهای یادگیری عمیق را میتوان برای شناسایی پارامترهای ضروری در مدلسازی آب و هوا استفاده کرد که براساس دانش فعلی، اندازهگیری دقیق آنها غیرممکن است. مانند اختلاط آبهای اقیانوسی یا حرکت منطقهای ابرها. حتی میتوان از هوش مصنوعی برای پر کردن شکافهای دادههای آب و هوایی تاریخی نیز استفاده کرد. بخشی از مشکل این است که سامانههای هوش مصنوعی فعلی بهجای درک واقعی پدیدههای فیزیکی، عموما روی الگوی دادهها کار میکنند. اما هِم میگوید که گروهش تلاش کردهاند تا بر شک و تردیدهای مربوط به این موضوع غلبه کنند.
کشف مواد کاتالیزور
عناصر فلزی انتقالی، مانند آهن، مس و پلاتین، به طور گسترده برای پردازش و سنتز شیمیایی در صنایع مختلف مورد استفاده قرار میگیرد تا حدی به دلیل اینکه خواص الکتریکی متمایز آنها برای کاتالیز مناسب است. با این حال دانشمندان مواد، فقط بخش اندکی از جهان وسیع فرمولبندیهای ممکن را کشف کردهاند که میتواند عملکرد کاتالیزوری برتر، هزینه کمتر یا روشهای تولید سادهتر را ارائه دهد. هدر کولیک، شیمیدان محاسباتی در موسسه فناوری ماساچوست، بخشی از جامعه رو به رشد محققانی است که از الگوریتمهای هوش مصنوعی برای تسریع چشمگیر فرآیند کشف و طراحی مواد، استفاده میکنند. کولیک میگوید: «ما حدود ۱۶ میلیون کاتالیزور کاندیدا را جستوجو کردیم و توانستیم به اصول طراحی در چند روز یا چند هفته دست پیدا کنیم که پیش از این دههها طول میکشید.» چنین کاتالیزورهایی مهم است، زیرا میتواند تبدیل کارآمد متان (از اجزای اصلی سوختهای فسیلی و یک گاز گلخانهای) را به واحد سازنده شیمیایی پرکاربرد و مفید، تسهیل کند.
کاوش هنری
بزرگترین نقاشان هم با یک نمونه اولیه در بوم، شروع میکنند. مثلا برای استادانی مانند لئوناردو داوینچی، بسیاری از این نمونههای اولیه در طول تاریخ از بین رفته است، اما ترکیبی از روشهای تصویربرداری پیچیده و الگوریتمهای هوش مصنوعی، امکان کاوش طرحهای اولیه پنهان شده در زیر نقاشیها را فراهم کرده است. کاترین هیگیت، دانشمندی از گالری ملی لندن با همکاری پییر لوئیجی، مهندس برق امپریال کالج لندن توانستند ردپایی از یک فرشته و دیگر چهرههای پنهان در اثر داوینچی مربوط به قرن پانزدهم میلادی را شناسایی کند. آنها ابتدا از پرتو ایکس برای شناسایی عناصر مرتبط با رنگدانههای خاص نقاشی استفاده کردند و سپس از هوشمصنوعی برای بازسازی الگوهای پنهان تشکیل شده با آن رنگدانهها کمک گرفتند. این نوع تصویربرداری، در حال تبدیل شدن به یک ابزار استاندارد برای دنیای هنر است. هیگیت میگوید: «ما بهندرت به یک روش تکیه میکنیم و تمایل داریم که اطلاعات را با هم ترکیب کنیم، بنابراین ممکن است یک سری از انواع دادههای تصویربرداری در طول موجهای مختلف داشته باشیم. اینجاست که هوش مصنوعی میتواند در یکپارچهسازی و تفسیر مجموعه دادههای پیچیده مفید باشد.»
تعدادی از گروههای دیگر نیز در روسیه و بلژیک از شبکههای عصبی برای این نوع بازیابی استفاده کردهاند که تکههای رنگ محوشده و رنگپریده روی نقاشیهای تخریبشده را پر میکنند. تیم دیگری از دانشگاه «کیس وسترن رزرو» اوهایو، الگوریتمی ابداع کرده که میتواند به شناسایی هنرمند یک اثر، بر اساس ضربههای قلممو کمک کند و موارد جعلی را تشخیص دهد.
روزنامه جام جم
در یادداشتی اختصاصی برای جام جم آنلاین مطرح شد
در یادداشتی اختصاصی برای جام جم آنلاین مطرح شد
سید رضا صدرالحسینی در یادداشتی اختصاصی برای جام جم آنلاین مطرح کرد
در یادداشتی اختصاصی برای جام جم آنلاین مطرح شد
سیر تا پیاز حواشی کشتی در گفتوگوی اختصاصی «جامجم» با عباس جدیدی مطرح شد
حسن فضلا...، نماینده پارلمان لبنان در گفتوگو با جامجم:
دختر خانواده: اگر مادر نبود، پدرم فرهنگ جولایی نمیشد
درگفتوگو با رئیس دانشکده الهیات دانشگاه الزهرا ابعاد بیانات رهبر انقلاب درخصوص تقلید زنان از مجتهد زن را بررسی کردهایم