مجله هوش مصنوعی شهاب
در دوران بحران و مدیریت آن در سال ۲۰۲۰ ، فناوری های نوآورانه مانند هوش مصنوعی چه عملکردی داشتند؟
بسیاری از مثال های واقعی در ارتباط با استفاده از یادگیری ماشین وجود دارد که به تشخیص ویروس COVID-19 ، پیش بینی شروع و گسترش ویروس یا سرعت بخشیدن به تحقیقات یافتن دارو کمک می کند. اما در میان موفقیت های بدست آمده توسط فناوری یادگیری ماشین، در مورد استفاده از هوش مصنوعی و آزمایش های مرتبط با آن در این مدت که تصمیمات حساسی باید اتخاذ می شد، تردید و موانع ذهنی وجود داشت.
ثانیا، آیا استفاده از هوش مصنوعی در طی این بیماری همه گیر کار درستی بوده است؟ آیا ما استفاده از داده های ناشناس را محدود کرده ایم، جمع آوری اطلاعات شخصی را محدود کرده ایم ، حق افراد را برای حفظ حریم خصوصی شان حفظ کرده و تعصبات را از مسئله حذف کرده ایم؟
در این مقاله به شما مختصراً در مورد موارد استفاده از هوش مصنوعی برای مقابله با چالش های ناشی از این بیماری همه گیر، و همچنین فاکتورهای اصلی در ارتباط با مسئولیت پذیری استفاده از این فناوری برای منافع عمومی ضمن کاهش نگرانی های مربوط به حریم خصوصی افراد و شهروندان در جغرافیای مختلف خواهیم پرداخت.
بهره مندی از هوش مصنوعی و داده ها در طول فراگیری COVID-19
هوش مصنوعی در درجه اول ۳ نوع کاربرد می تواند داشته باشد که شامل استفاده در حوزه اتوماسیون، تشخیص بیماری، پیش بینی / پیش گویی در مورد بیماری می باشد. هوش مصنوعی می تواند به چند روش برای مقابله با چالش ها در طول این بحران جهانی استفاده شود:
- ارائه بینش های مختصر، عمیق و مبتنی بر متن (از تجزیه و تحلیل متن در مجموعه داده های داینامیک مختلف). تشخیص هرزنامه ها / تشخیص اخبار جعلی
- پیش بینی و شناسایی الگوی شیوع ویروس جدید
- اندازه گیری خودکار دمای بدن افراد در اماکن عمومی
- تشخیص عفونت COVID-19 از اسکن اشعه ایکس قفسه سینه
- استفاده از ربات ها در خط مقدم مبارزه با این بیماری
- سرعت بخشیدن به تحقیقات پزشکی
- مشخص کردن بیماران نیازمند به بستری
اجازه بدهید با جزئیات هر یک از موارد استفاده یادگیری ماشین در دوران این بیماری بیشتر آشنا شویم!
شناسایی، تجزیه و تحلیل و ارائه بینش
اول از همه و مهم تر از همه، هوش مصنوعی می تواند برای انجام تجزیه و تحلیل متن در اخبار، وبلاگ ها و انجمن ها و اساساً تمام مطالبی که در اینترنت وجود دارد مربوط به این بیماری همه گیر و فراتر از آن (رفتار مشتری، صنایع تحت تأثیر و غیره)، برای ارائه بینش متنی برای موارد مختلف، یا در بسیاری موارد تشخیص اخبار جعلی، اسپم ها یا محتوا های غیرقانونی مورد استفاده قرار بگیرد. هوش مصنوعی همچنین می تواند ارتباطات مهمی را بین بسیاری از نقاط داده های مختلف، مانند موارد شناسایی شده و الگوهای حرکت افرادی که در مناطقی که بیشتر تحت تأثیر ویروس زندگی می کند را پیدا کند. این تجزیه و تحلیل متن و کشف الگو توسط بسیاری از شرکت ها و محققان در سراسر جهان مورد استفاده قرار می گیرد تا دقیق ترین تصویر از اطلاعات منحصر به فرد (غیر زائد) در یک مکان را بدست آورند.
Palantir ، شرکت اطلاعاتی مورد علاقه دره سیلیکون ، نرم افزار ردیابی COVID-19 را به CDC و NHS ارائه می دهد تا بتواند داده های متفاوت را به صورت یکپارچه، صحیح و یکدست به منظور توسعه یگانه منبع حقیقت که از تصمیم گیری پشتیبانی می کند، استفاده کند.
پیش بینی و تشخیص الگو
BlueDot یک شرکت کانادایی است که با استفاده از بستر هوش مصنوعی بیماری های عفونی را در سراسر جهان ردیابی می کند. آن ها اولین شرکتی بودند که در دسامبر سال ۲۰۱۹ موضوع یک دسته از موارد “غیرعادی ذات الریه” در حوالی بازاری در ووهان چین را برجسته کردند. هوش مصنوعی اظهارات سازمان های بهداشتی، پروازهای تجاری، گزارش های بهداشت دام، داده های اقلیمی از ماهواره ها و گزارش های خبری برای کشف الگوهای و پیش بینی شیوع احتمالی بیماری های عفونی در سراسر جهان و اطلاع مقامات بهداشتی مربوطه را بررسی می کند.
اتوماسیون
یک سیستم هوش مصنوعی که توسط غول فناوری Baidu چین ساخته شده است از دوربین هایی مجهز به دید رایانه ای و سنسورهای مادون قرمز برای پیش بینی دمای افراد در مناطق عمومی استفاده می کند. استفاده از این نوع تکنولوژی از این جهت مهم است که برای اندازه گیری عملکردهای شما به صورت خودکار عمل می کند به جا این که فقط به مداخلات و تحلیل دستی تکیه کند.
تجزیه و تحلیل و تشخیص
علی بابا ، غول فناوری چینی ، یک سیستم هوش مصنوعی را توسعه داده است که می تواند باعث شناسایی ویروس در عکس های سی تی اسکن شود. هوش مصنوعی روی داده های مربوط به ۵،۰۰۰ مورد ویروس کرونا آموزش داده شده بود و می تواند آزمایش تشخیص مثبت یا منفی بودن ابتلای فرد به کرونا را در ۲۰ ثانیه انجام دهد، بر خلاف ۱۵ دقیقه ای که یک متخصص انسانی برای تشخیص بیماری نیاز دارد. همچنین می تواند تفاوت بین ویروس کرونا و ذات الریه معمولی را بیان کند. طبق گزارش ها ، این سیستم در ۱۰۰ بیمارستان در چین پذیرفته شده است.
دید کامپیوتری و اتوماسیون
شرکت های چینی از هواپیما های بدون سرنشین و ربات ها برای تحویل سفارشات و ضد عفونی کردن مناطق عمومی استفاده می کنند تا خطر شیوع عفونت از فردی به فرد دیگر را به حداقل برسانند. سایر ربات ها افراد را از نظر تب و سایر علائم COVID-19 بررسی می کنند و کف و ژل ضد عفونی کننده دست را در محیط آزاد می کنند. در داخل بیمارستان ها ربات ها در حال تحویل غذا و دارو به بیماران هستند و برای جلوگیری از نیاز به حضور پرستاران اتاق های آن ها را ضد عفونی می کنند. سایر ربات ها مشغول پخت و پز برنج بدون نظارت انسانی هستند و تعداد پرسنل مورد نیاز برای اجرای تسهیلات را کاهش می دهند.
در سیاتل پزشکان از یک ربات برای برقراری ارتباط با بیماران و معالجه از راه دور استفاده می کردند تا از قرار گرفتن کارمندان پزشکی در معرض آلودگی جلوگیری کنند.
شناسایی و تجزیه و تحلیل
تحقیقات دارویی
DeepMind آزمایشگاه تحقیقاتی هوش مصنوعی که در سال ۲۰۱۴ توسط Google طراحی شد اخیراً اعلام کرده که از یادگیری عمیق برای یافتن اطلاعات جدید در مورد ساختار پروتئین های مرتبط با COVID-19 استفاده کرده است. این مسئله به رسیدن به درک بیشتر در مورد این ویروس شناخته شده و تسریع در تحقیقات دارویی درباره ی آن کمک کرده است.
هوش مصنوعی همچنین می تواند در تشخیص اینکه کدام بیمار به بستری شدن نیاز دارد یا کدام بیمار می تواند به صورت سرپایی مداوا شود به کمک سیستم درمان بیاید.
تشخیص فرد نیازمند به بستری در بیمارستان
یکی از دشوار ترین چالش های بالینی در حال حاضر درک این موضوع است که کدام بیمار می تواند به خوبی در خانه مورد درمان قرار گیرد و کدام بیمار فارغ از این که چه نوع درمانی را دریافت کند زنده نخواهد ماند. هوش مصنوعی می تواند به شناسایی افراد آلوده نشده در جامعه که در معرض خطر یک دوره شدید بیماری هستند کمک کند. سازمان های بهداشت و درمان می توانند به این افراد توصیه کنند که اقدامات احتیاطی کامل در مورد قرنطینه خود را انجام دهند.
یکی از الگوریتم ها داده های مربوط به ۲ میلیون بیمار را بررسی کرد تا مشخص کند که در بین هزاران عامل خطر ابتلا به عفونت هایی که منجر به آسیب اندام های نهایی مانند نارسایی تنفسی می شوند کدام یک خطر ابتلا را بیشتر از بقیه افزایش میدهد.
مانند سایر تحقیقات در مورد ویروس کرونا، این یافته ها پیری و شرایط مزمن بیماری را به عنوان فاکتورهای مهم خطر جهت ابتلا به این بیماری نشان داده اند. اما الگوریتم یادگیری ماشین همچنین توانست عوامل خطر آفرین اجتماعی از جمله رفت و آمدهای طولانی، زندگی در مناطق مسکونی متراکم مانند خوابگاه های دانشجویی، حضور در مسابقات عمومی و انجام خرید به صورت حضوری را نیز برجسته کند. صد ها مورد دیگر از موارد استفاده از هوش مصنوعی وجود دارد – همه آن ها نیازمند تجزیه و تحلیل، پیش بینی و اتوماتیک کردن داده ها هستند که ما را به موضوع بعدی می رساند.
استفاده مسئولانه از هوش مصنوعی
ما می دانیم که در فناوری هوش مصنوعی قدرت بسیار زیاد و پتانسیل مثبتی وجود دارد. این مسئله می تواند به کسانی که مشغول نبرد با این ویروس هستند کمک کند تا شیوع این بیماری ناتوان کننده را کند تر کنند. در واقع می تواند به نجات جان انسان ها کمک کند. اما ما باید هوشیار باشیم و نسبت به استفاده ایمن ، اخلاقی و مسئولانه از هوش مصنوعی متعهد باشیم و بر رعایت قوانین و تغییر سیستماتیک در هنجار های موجود در کسب و کار ها متمرکز شویم. ضروری است که حتی در مواقع بروز این بحران نسبت به دوگانگی کاربردهای هوش مصنوعی هوشیار باشیم و در تلاش برای پیشبرد هوش مصنوعی برای اهداف مثبت باشیم. اکنون دولت ها در سرتاسر جهان خواستار اختیارات فوق العاده ای نظارتی برای مبارزه با ویروس هستند. و از این رو ما نیازمند بررسی دقیق این روابط جدید که در طول این همه گیری بین دولت ها و شرکت های خصوصی شکل می گیرد هستیم.
ناشناس سازی داده و جمع آوری آن ها، به دولت ها امکان پیگیری حرکت گروه های بزرگ جمعیتی را می دهد اما خطر نقض حقوق حریم خصوصی داده ها را به حداقل می رساند. این ابتدایی ترین شکل احتیاط و مراقبت است که شرکت ها باید به آن توجه کنند و باید تعادل مناسب بین استفاده از هوش مصنوعی و داده ها را برای منافع عمومی حفظ کرده و از حریم شخصی افراد محافظت کنند.
جمع آوری محدود اطلاعات، با بهره گیری از گوشی های تلفن همراه افراد و سوابق پزشکی افراد محققان و مقامات بهداشت عمومی امیدوارند که سریع تر بتوانند بیماران آلوده بالقوه را شناسایی و قرنطینه کنند. اما در یکی از تحقیقات بسیاری که اخیراً انجام شده است نشان می دهد که مردم مایل هستند از که برای همکاری با مسئولان بهداشتی و درمانی بخشی از حریم خصوصی خود را در اختیار آن ها قرار دهند. مردم مایل به استفاده از دستگاه های چک کننده ی علائم بیماری هستند و بدون شک از به اشتراک گذاشتن ناشناس PII (اطلاعات شناسایی شخصی) خود با آژانسهای بهداشت عمومی برای مبارزه با Covid-19 حمایت می کنند. اما شرکت ها و سازمان ها باید در مورد نوع اطلاعاتی که جمع آوری می کنند و نحوه استفاده آن ها مراقب باشیم.
شرکت ها باید بتوانند از اطلاعاتی که جمع آوری می کنند محافظت کنند و توافق کنند که از استفاده از این داده ها برای اهداف تجاری خودداری کنند.
اشتراک دانش و شفافیت اطلاعات، سازمان ها و نهادها باید با یکدیگر و سایر ذینفعان اصلی جامعه از جمله سازمان های عمومی و جامعه مدنی همکاری کنند. موارد استفاده از هوش مصنوعی، داده ها و بینش های به وجود آمده از آن باید به اشتراک گذاشته شود و سطح شفافیت اطلاعات باید ارتقا یابد.
استفاده انحصاری برای یک هدف خاص، از داده های شخصی که برای ردیابی شیوع ویروس جمع آوری و پردازش می شوند نباید برای یک هدف دیگر ، خصوصاً برای مقاصد تجاری استفاده شود. مقامات ملی باید در صدد باشند تا از مقادیر زیادی از داده های شخصی و پزشکی منحصراً به دلایل بهداشت عمومی استفاده کنند.
حفظ حقوق فردی برای حفظ حریم خصوصی و عدم تبعیض، اگر یک شرکت یا سازمان قدرت این را داشته باشد که بطور دقیق (یا شاید نادرست) پیش بینی کند که احتمال بیشتری دارید که آلوده شوید یا به آن مبتلا شده اید و به همین دلیل نیاز به قرنطینه شدن دارید می تواند در سناریوهایی قرار بگیرد که در آن احتمالاً نقض حریم خصوصی و حتی تبعیض علیه افراد آلوده وجود داشته باشد. از این رو دولت ها باید در هنگام شناسایی شخص از طریق این برنامه ها و نرم افزارها اقدامات احتیاطی لازم را انجام دهند و مردم هنوز به آزادی ها و حقوق خود دسترسی داشته باشند.
دو نمونه از شرکت ها یا سازمان هایی که سعی در ایجاد چارچوب هایی با محوریت انسان برای محافظت از حریم شخصی کاربر دارند در حالی که در کنار آن سعی در استفاده از داده ها برای کالای مشترک دارند را در زیر نام میبریم.
اپل اعلام کرده است که فقط اطلاعاتی را در مورد چگونگی استفاده افراد از ابزار غربالگری آن – نه پاسخ هایی که ارائه می دهد – جمع می کند و این اطلاعات آن ها را شناسایی نمی کند. ظاهرا اپل اطلاعاتی را که از ابزار غربالگری خود جمع آوری شده است به اندازه ای بررسی خواهد کرد که پروژه خود را به پایان برساند و از آن برای تبلیغات استفاده نمی کند. به همین ترتیب ،دانشگاه MIT با فیسبوک ، کلینیک مایو و سازمان های دیگر همکاری کرده است تا با استفاده از تکنیک معروف به دیفرانسیل حریم خصوصی نرم افزاری را طراحی کند که اطلاعات را جمع آوری کند که روشی است که در آن برای به اشتراک گذاری عمومی اطلاعاتی که از یک مجموعه داده جمع آوری می شود بدون مشخص کردن افرادی که فعالیت آنها وجود دارد می توان آن ها را نمایش داد.
در ادامه
دیدیم که چگونه هوش مصنوعی از طریق موارد استفاده هدفمند در محیط های مرابط با مراقبت های بهداشتی، تحقیقاتی، دولتی و بهداشت عمومی به مبارزه با ویروس کمک می کند. با این حال هنوز هم جا برای کار کردن در این زمینه وجود دارد…
۱- هوش مصنوعی + تکنیک های داده کاوی در کشف دارو
هوش مصنوعی به تنهایی نمی تواند ما را از بیماری همه گیر نجات دهد. محققان فعال در حوزه ی کشف داروی بیماری این عقیده را دارند
“تخصیص زمان با ارزش و بودجه برای استفاده از محصولات یک سیستم آزمایشی خطرناک است.”
درعوض، هوش مصنوعی می تواند روش های دیگر داده کاوی را برای کمک به مدیریت این حد از اطلاعات اضافه به وجود آمده و مشخص کردن روند های امیدوار کننده تکمیل کند.
از این رو، بله هوش مصنوعی را می توان تا حدی برای آنالیز و اتوماسیون استفاده کرد، اما هنوز هم باید در موارد استفاده چون کشف داروی بیماری به پتانسیلی که دارد را محقق کند.
۲- بررسی مجدد نحوه ذخیره و به اشتراک گذاری داده ها؛ انصاف و شفافیت
این بیماری همه گیر همچنین می تواند به ما کمک کند تا درباره نحوه ذخیره و به اشتراک گذاری داده ها تجدید نظر کنیم و اقداماتی را که باید انجام دهیم تا تعادل بین حفظ حریم خصوصی و بدست آوردن ارزش مورد نظر از داده ها بدست بیاید را مشخص کنیم.
اقدامات جدی برای کمک به حل چالش هایی چون رعایت عدالت، شفافیت در تبلیغ و تبلیغ ناشی از استفاده از هوش مصنوعی در جریان کار روزانه و برای حل چالش های پیش روی مشتری انجام خواهد شد.
۳- هوش مصنوعی هنجار جدید عصر حاضر است
و قطعاً هوش مصنوعی بخشی از هنجارهای جدید خواهد بود؛ خواه به ما کمک کند که در کارهای روزمره خود از جمله به طور خودکار سفارش کالاهای فروشی، انجام معاینات خودآزمایی از آن استفاده کنیم یا این که کارهایی چون تشخیص از طریق الگوریتم، دریافت توصیه هایی برای امور مالی یا برنامه ریزی سناریو کسب و کار را با استفاده از آن انجام دهیم.
“هوش مصنوعی همه جا خواهد بود. این تازه اول کار است.”
بیشتر بخوانید:
- پلاک خوان های شهر گرینزبوروی آمریکا فعلاً قرار نیست افزایش پیدا کنند
- فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
- لبنان استفاده از پلاک خوان های خودکار را تایید کرد
- چالش های مدیریت کلاس با ابزار جدید تشخیص چهره هوش مصنوعی
- آیا می توان از دوربین های ترافیکی برای گرفتن رانندگان الکلی استفاده کرد؟
