ترند هوش مصنوعی2

۴ ترند برتر هوش مصنوعی برای سال ۲۰۲۱

پیش از اینکه بیماری همه گیر کرونا در سال ۲۰۲۰ شیوع پیدا کند و جهان به کل تغییر کند، هوش مصنوعی (AI) و به طور خاص شاخه ای از هوش مصنوعی موسوم به یادگیری ماشین (ML) ، تقریباً در همه صنایع تحولات گسترده ای ایجاد کرده بودند.

ترند هوش مصنوعی

بیماری همه گیر Covid-19 بسیاری از جنبه های نحوه تجارت ما را تحت تأثیر قرار داده است ، اما از تأثیر هوش مصنوعی بر زندگی ما کم نکرده است. در حقیقت، آشکار شده است که الگوریتم های خودآموز و ماشین های هوشمند سهم بزرگی در مبارزه مداوم با این شیوع و همچنین سایر موارد بیماری که ممکن است در آینده با آنها روبرو شویم  دارند.

هوش مصنوعی در انتخاب فناوری هایی که نحوه زندگی، کار و بازی ما را در آینده نزدیک تغییر می دهند، بدون شک یک روند کلیدی باقی خواهد ماند. بنابراین، در اینجا مروری بر آنچه می توانیم در طول یک سال بازسازی زندگی خود پس از شیوع کرونا و همچنین بازنگری در استراتژی ها و اولویت های تجاری مان ، خواهیم داشت.

تجزیه و تحلیل هوشمند تر کلان داده ها و نتایج آن ها

در طی دوران این بیماری، ما نیاز فوری به تجزیه و تحلیل سریع و تفسیر داده ها در مورد گسترش ویروس در سراسر جهان را از نزدیک مشاهده کردیم. دولت ها، نهادهای بهداشتی جهانی، مراکز تحقیقاتی دانشگاهی و صنعت گرد هم آمده اند تا روش های جدیدی را برای جمع آوری ، تجمیع و کار با اطلاعات ایجاد کنند. ما عادت کرده ایم که نتایج این اخبار را هر شب، وقتی آخرین نرخ آلودگی یا مرگ و میر برای مناطق خودمان داده می شود ، در اخبار ببینیم.

پیشرفت فن آوری دلیل اصلی این است که این بیماری هنوز به اندازه شیوع آنفلوآنزای اسپانیایی اسپانیا در سال ۱۹۱۸ که تا ۵۰ میلیون نفر جان خود را از دست داد ، کشته نداده است. از پیشرفت در فناوری پزشکی و استانداردهای مراقبت، تا پیشرفت در فن آوری ارتباطات که باعث می شود شیوع بیماری با سرعت بیشتری دیده شود و قرنطینه های سراسری اعمال شود. در طی سال آینده، هوش مصنوعی به لیست پیشرفت های فن آوری اضافه می شود که به ما امکان می دهد تا به طور موثرتری با همه گیرها مقابله کنیم.

رشد تعداد مقالات علمی و پزشکی بسیار زیاد است، به طوری که بیش از ۲۸۰۰۰ مقاله تا آوریل سال جاری مربوط به Covid-19 منتشر شده است. موتور جستجوی اختصاصی مجهز به الگوریتم های پردازش زبان طبیعی (NLP) قبلاً در دسترس قرار گرفته است، بنابراین هر کسی می تواند هنگام تحقیق در مورد این مجموعه داده عظیم ، از هوش مصنوعی بهره مند شود.

همچنین کار برای توسعه راه حل های هوش مصنوعی برای کمک به مقابله با مشکلات عظیم پزشکی دیگر مانند سرطان ، که درمان آن نیز تحت تاثیر قرار گرفته زیرا اکثر منابع برای مبارزه با Covid-19 اختصاص داده شده اند، ادامه دارد. طی سال آینده ، به احتمال زیاد شاهد به کار گیری سریع تر هوش مصنوعی در بسیاری از زمینه های دیگر مراقبت های بهداشتی خواهیم بود ، نه تنها مربوط به مقابله با ویروس ها.

با توسعه توانایی ما در استفاده از یادگیری ماشین برای حل مسئله در این مجموعه داده های عظیم جهانی و در زمان مورد نیاز، میتوانیم شیوع بیماری را به راحتی مشاهده کنیم، ارتباط بین افراد آلوده را ردیابی کنیم، تشخیص دقیق تر امکان پذیر میشود و با پیش بینی روش های تکامل ویروس در آینده، واکسیناسیون موثرتر و ماندگارتری ایجاد کنیم.

شناسایی و پیشگیری خودکار

ما قبلاً شاهد استفاده از هواپیماهای بدون سرنشین در چندین حوزه قضایی از جمله ایالات متحده بوده ایم تا حداقل این احتمال را که می توان از آنها برای نظارت بر رعایت دستورالعمل های فاصله گذاری های اجتماعی استفاده شود، مورد آزمایش قرار دهیم.

برنامه های پیشرفته تری در حال پیدایش هستند – مانند هواپیماهای بدون سرنشین با قابلیت تشخیص علائم COVID مانند درجه حرارت بالا در افراد در جمعیت. این سیستم ها از فناوری بینایی رایانه برای تجزیه و تحلیل داده های گرفته شده توسط دوربین ها در هواپیماهای بدون سرنشین استفاده می کنند و مقامات یا مدیران محلی را از آمار و احتمالات پیرامون شیوع ویروس آگاه می کنند.

یکی دیگر از زمینه های در حال رشد، استفاده از فناوری تشخیص چهره است که توسط الگوریتم های دید رایانه به کار گرفته میشود. این فناوری تا حدودی بحث برانگیزتر است از آنجا که بیشتر بر روی شناسایی افراد و نه الگوهای موجود در بین افراد متمرکز است. شناسایی چهره توسط پلیس برای شناسایی افرادی که از قرنطینه بیرون آمده اند و همچنین ردیابی حرکات افراد با علائم کویید در اجتماع ها، مورد استفاده قرار گرفته است.

به نظر می رسد شواهد حاکی از آن است که مردم به دلیل خطرات بهداشتی ناشی از ویروس، نسبت به تاکتیک های نظارتی که قبلاً بیش از حد مبهم تلقی می شدند (و حتی به نوعی تجاوز به حریم خصوصی محسوب میشدند) مدارا می کنند. این تساهل به احتمال زیاد در ۱۸ ماه آینده بیشتر آزمایش می شود زیرا تکنسین ها در نظارت و حتی اجرای هوش مصنوعی مهارت بیشتری می یابند.

تجارت در حالت بازگشت – پیش بینی تحول رفتاری

شیوه زندگی، کار و معاشرت ما تحت تأثیر شیوع Covid-19 قرار گرفته است. گرچه در بسیاری از قسمت های جامعه یک روند ثابت و قوی به سمت دیجیتالی شدن وجود دارد، اما امسال شاهد یک رکورد بزرگ در این زمینه هستیم. فروش آمازون در سه ماهه دوم سال ۲۰۲۰ نسبت به مدت مشابه سال گذشته ۴۰ درصد افزایش داشت ، زیرا حتی کسانی که تاکنون از خرده فروشی آنلاین دوری می کردند مجبور شدند که گزینه های خود را دوباره ارزیابی کنند.

ابزارها و سیستم عامل های هوش مصنوعی در حال حاضر برای کمک به مشاغل در درک نحوه انطباق مشتریانشان با یک واقعیت جدید در دسترس هستند. سازمان هایی که قبلاً در به کار گیری کانال های دیجیتال تجارت و پرورش روابط خود با مشتریان عقب مانده بودند، فوریت شرایط را درک کرده اند و به سرعت در حال درک مفاهیمی مانند تجزیه و تحلیل رفتاری و شخصی سازی هستند. ابزارهایی که به سازمانها امکان دسترسی  به این فناوری را می دهند در طول سال ۲۰۲۱ به طور فزاینده ای شیوع خواهند یافت زیرا شرکتهای کوچک و متوسط به دنبال ایجاد برتری رقابتی خود هستند.

جلوگیری از بیماری های همه گیر بعدی قبل از شروع آن

بیشتر الگوریتم های هوش مصنوعی در جهت پیش بینی ساخته شده اند و حوزه اپیدمیولوژی مبتنی بر هوش مصنوعی در حال ساخت سیستم هایی است که بتواند به طور دقیق پیش بینی کند که چه زمانی و در کجا شیوع بیماری در آینده رخ خواهد داد. این تحقیقات مدتی است که ادامه دارد و در واقع ، اولین هشدارها در مورد شیوع فعلی توسط هوش مصنوعی شرکت BlueDot مستقر در تورنتو داده شده بود که در آن زمان در حال بررسی روزانه ۱۰۰۰۰۰ منبع داده دولتی و رسانه ای بود و در تاریخ ۳۱ دسامبر ۲۰۱۹ هشداری در مورد شیوع احتمالی در ووهان، چین صادر کرد.

می توانیم انتظار داشته باشیم که تحقیقات هوش مصنوعی در طی ۱۸ ماه آینده پیشرفت های بیشتری داشته باشد که توانایی ما را در ردیابی و واکنش به خطر شیوع ویروس افزایش دهد. اگرچه برای این اتفاق ، به همکاری مداوم جهانی بین دولت ها و صنعت خصوصی نیز نیاز هست. چگونگی اجرای این امر به احتمال زیاد تحت تأثیر سیاست ها و قانون گذاران جهانی و همچنین روند توسعه فناوری قرار خواهد گرفت. به همین دلیل ، مواردی مانند دسترسی به مجموعه داده های پزشکی و موانع تبادل اطلاعات بین المللی نیز موضوعات داغ طی سال آینده خواهند بود.

بیشتر بخوانید:

منبع forbes.com
0/5 (0 نظر)

درباره‌ی علی قلی زاده

همچنین ببینید

20 کاربرد یادگیری عمیق

۲۰ کاربرد برتر یادگیری عمیق ۲۰۲۰ در صنایع مختلف

چند سال پیش هرگز تصور نمی کردیم که برنامه های یادگیری عمیق برای ما خودرو …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *