گرد و خاک هوش‌مصنوعی در جهان
این روزها عبارت «هوش‌مصنوعی» در فضای‌مجازی زیاد به چشم و گوشمان می‌خورد. یک فناوری بسیار پرظرفیت که در هر صنعتی می‌تواند گرد و خاک به پا کند و نام آن یادآور فیلم و سریال‌های علمی و تخیلی است. اما وقتی از هوش مصنوعی صحبت می‌کنیم دقیقا با چه موجودی مواجه هستیم؟ هوش‌مصنوعی به رایانه یاد می‌دهد که مثل انسان‌ها آموزش ببیند و نحوه تفکرمان را شبیه‌سازی کند. این کار ابتدا با مشاهده و تحلیل حجم زیادی داده و مثال شروع شده و در ادامه از همین اطلاعات برای تصمیم‌گیری یا حتی پیش‌بینی استفاده می‌شود. هوش‌مصنوعی (AI) شاخه‌ای از علوم کامپیوتر با هدف ساخت ماشین‌هایی است که از هوش انسان تقلید می‌کنند. این امر شامل ساخت الگوریتم‌هایی است که به جای استفاده از دستورالعمل‌های از قبل برنامه‌ریزی شده به کامپیوتر‌ها اجازه یادگیری، تصمیم‌گیری یا پیش‌بینی براساس اطلاعات را می‌دهد. به‌تازگی، چند دستاورد هوش‌مصنوعی باعث حیرت بسیاری از افراد شده است. به همین بهانه و در پرونده امروز زندگی‌سلام با آن‌ها بیشتر آشنا خواهیم شد.
مجید حسین زاده | روزنامه‌نگار
تشخیص سریع‌تر و دقیق‌تر سرطان‌های پنهان
محققان یک ابزار هوش‌مصنوعی برای تجزیه‌وتحلیل سریع تصاویر پزشکی ایجاد کرده‌اند. این هوش مصنوعی بافت‌ها و فعالیت‌های ژن‌های بیمار را می‌تواند با دقت و سرعت زیادی شناسایی و تفسیر کند. این ابزار به پزشکان کمک می‌کند تا در مواقعی که زمان اندکی برای شناسایی بیماری دارند، تمرکز خود را بر جنبه‌های دیگر وضعیت بیمار بگذارند. این ابزار در تشخیص سرطان‌های پنهان هم کمک بسیاری می‌کند.
نماهایی با جزئیات دقیق از سلول‌های سرطانی
براساس مقاله منتشرشده در نیچر، محققان دانشکده پزشکی پرلمن در دانشگاه پنسیلوانیا ابزار هوش مصنوعی به نام iStar توسعه داده‌اند که می‌تواند به پزشکان در تشخیص و درمان بهتر سرطان‌هایی که بسیار تشخیص آن‌ها سخت است، کمک کند. در تکنیک تصویربرداری جدید، هوش‌مصنوعی نماهایی با جزئیات دقیق از سلول‌های منفرد به پزشکان ارائه می‌دهد؛ همچنین این ابزار نمای وسیع‌تری از نحوه عملکرد ژن‌های افراد را در اختیار پزشکان می‌گذارد تا بتوانند سلول‌های سرطانی را ببینند که درغیر این صورت ممکن بود تقریباً هیچ‌وقت دیده نشوند. همچنین این ابزار برای بعد از جراحی‌های سرطان هم به کار می‌آید تا پزشکان ببیند آیا بیمار به سطح سلامتی مقبول رسیده است یا خیر.
آزمایش اثربخشی این ابزار
محققان می‌گویند که iStar توانایی تشخیص خودکار ساختارهای مهم ایمنی ضدتومور به نام «ساختارهای لنفاوی سوم» را دارد. حضور این ساختارها با احتمال بقای بیمار و پاسخ مطلوب به ایمونوتراپی مرتبط است؛ بدین معنا که iStar برای تعیین اینکه بدن کدام بیمار به ایمونوتراپی پاسخ مطلوب داده هم مناسب است. برای آزمایش اثربخشی این ابزار، محققان iStar را در انواع مختلف بافت‌های سرطانی، از جمله سرطان سینه، پروستات و کلیه ارزیابی کردند. در طی این آزمایش‌ها، iStar توانست به‌طور خودکار سلول‌های تومور و سرطانی را که تشخیص عادی آن‌ها دشوار بود، شناسایی کند. پزشکان در آینده ممکن است با iStar سرطان‌هایی را که به سختی قابل مشاهده یا شناسایی هستند، تشخیص دهند. علاوه‌براین، این ابزار در مقایسه با سایر ابزارهای هوش مصنوعی مشابه بسیار سریع‌تر عمل می‌کند. به عنوان مثال، iStar تجزیه‌وتحلیل داده‌های سرطان سینه را تنها در 9 دقیقه به پایان رساند. درمقابل، بهترین ابزار هوش‌مصنوعی رقیب بیش از 32 ساعت طول کشید تا تحلیلی مشابه ارائه دهد.
خلاصه‌کردن مسئله‌کوانتومی 100هزار معادلهای در 4 معادله
فیزیکدانان با استفاده از هوش‌مصنوعی توانسته‌اند یک مسئله کوانتومی پیچیده را که تاکنون حل آن به حل حدود 100 هزار معادله نیاز داشت، در 4 معادله خلاصه کنند. این فشرده‌سازی در شرایطی انجام گرفته که دقت حل مسئله قربانی نشده و دانشمندان امیدوارند که با همین روش بتوانند بسیاری از مسائل بزرگ دنیای علم مثل ابررسانایی یا تلاش برای استفاده از انرژی‌های پاک را به شکلی آسان‌تر برطرف کنند.
بررسی رفتار الکترون‌ها در زمان حرکت
محققان در پژوهشی که نتایج آن در مجله Physical Review Letters منتشر شده، از هوش مصنوعی برای خلاصه کردن مسئله‌ای دربارۀ «مدل هوبارد» استفاده کردند. این مسئله به چگونگی رفتار الکترون‌ها در زمان حرکت در یک فضای شبکه‌مانند می‌پردازد. زمانی که دو الکترون روی یک شبکه قرار می‌گیرند، با هم تعامل برقرار می‌کنند. این پیکربندی که با عنوان مدل هوبارد شناخته می‌شود، به دانشمندان اجازه می‌دهد درباره چگونگی تاثیر رفتار الکترون‌ها بر فازهای مختلف ماده از جمله ابررسانایی مطالعه کنند.
محققان چگونه با هوش مصنوعی مسئله خود را ساده کردند؟
یکی از روش‌های مطالعه سیستم‌های کوانتومی استفاده از چیزی موسوم به «گروه بازبهنجارش» است که یک ابزار ریاضی به منظور کشف رفتارهای یک سیستم نظیر مدل هوبارد است. گروه بازبهنجارش همه احتمالات میان الکترون‌های درهم‌تنیده را در نظر می‌گیرد و می‌تواند صدها هزار یا حتی میلیون‌ها معادله را به وجود بیاورد. پژوهشگران در این مطالعه از شبکه عصبی استفاده کردند تا ابتدا با استفاده از یادگیری ماشینی ارتباطات موجود در گروه بازبهنجارش را بسازند. سپس با استفاده از این شبکه، توان این ارتباطات را دستکاری کنند تا مجموعه کوچکی از معادلات را به دست بیاورند که نتیجه‌ای مشابه گروه بازبهنجارش اصلی حاصل کند. این سیستم در نهایت توانست مدل هوبارد را در چهار معادله خلاصه کند. محقق ارشد این پژوهش می‌گوید این دستگاه در واقع می‌تواند الگوهای پنهان را کشف کند. البته آموزش دادن به این سیستم یادگیری ماشینی به پردازش‌های سنگینی نیاز داشته و دستگاه به مدت چند هفته در حال محاسبه بوده است. اما حالا محققان می‌گویند خبر خوب این است که می‌توان این برنامه را برای مسائل دیگری به کار گرفت، بدون این که نیاز باشد کار را از صفر شروع کنیم.
دقت 84 درصدی در پیش‌بینی وقوع جرم
موسسه تحقیقاتی ETRI کره جنوبی با توسعه سیستم هوش مصنوعی «دیژاوو» گام بزرگی به سوی تحقق فناوری پیش‌بینی جرم برداشته است. این سیستم با تحلیل هوشمندانه حجم عظیمی از داده‌ها، از جمله تصاویر دوربین‌های مداربسته، آمار جرایم و اطلاعات مکانی، پردازش تصویر، الگوهای رفتاری و محیطی مرتبط با وقوع جرم را شناسایی می‌کند. با مقایسه این الگوها با سوابق جرایم گذشته، دیژاویو قادر است احتمال وقوع جرم در آینده را با دقت قابل توجهی پیش‌بینی کند.
دیژاوو چگونه کار می‌کند؟
سیستم دیژاویو به کمک دو فناوری پیشرفته، احتمال وقوع جرم را تخمین می‌زند. فناوری اول با بررسی دقیق داده‌های تاریخی جرایم، الگوها و روندهای مجرمانه را شناسایی می‌کند. این فناوری با مقایسه این داده‌ها با عوامل دیگری نظیر مکان جغرافیایی و زمان وقوع، مناطق مستعد جرم را مشخص می‌کند. مثلا، اگر در یک منطقه خاص، آمار سرقت‌ها در ساعات پایانی شب به‌طور قابل توجهی بالا باشد، سیستم این منطقه را در نقشه حرارتی جرایم به عنوان یک کانون بالقوه جرم مشخص می‌کند. این امر به پلیس اجازه می‌دهد تا با افزایش حضور خود در منطقه، از وقوع جرایم احتمالی پیشگیری کند. شاید بگویید مجرمان می توانند الگوی رفتار خود را برای دور زدن این برنامه تغییر دهند اما نکته مهم این است که با یک الگوریتم زنده و فعال طرفیم که مدام به روز می‌شود، به علاوه اینکه وسط یک خیابان شلوغ و مقابل دوربین زمان و مکان مناسبی برای زورگیری نیست؛ پس گزینه‌های مجرمان برابر قدرت برنامه دیژاوو محدود است.
نقشه جامع جرایم
فناوری دومی که به کمک برنامه دیژاوو می‌آید برپایه نقشه پیش‌بینی جرایم (PCM) است. با بهره‌گیری از نقشه پیش‌بینی جرایم(PCM)، نیروی انتظامی قادر است با دقت بالایی، مناطق مستعد وقوع جرم را شناسایی کند. این نقشه‌ها که به صورت حرارتی نمایش داده می‌شوند، نقاط داغ جرم را به وضوح مشخص کرده و امکان برنامه‌ریزی دقیق‌تر عملیات‌های پلیسی را فراهم می‌آورند. به عبارت دیگر، با کمک PCM، پلیس می‌تواند منابع خود را به صورت هدفمندتری تخصیص داده و حضور موثرتر در مناطق پرخطر را تضمین کند. داده‌های مورد استفاده در این نقشه از تحلیل بیش از 32,656 کلیپ ویدئویی جمع‌آوری شده طی سه سال از دوربین‌های مداربسته استخراج شده است. این سیستم هوش مصنوعی با فراهم آوردن ابزارهای پیش‌بینی، رویکرد پلیس را از واکنش‌گرا به پیش‌گیرانه تغییر می‌دهد. این امر به پلیس اجازه می‌دهد تا با استقرار به موقع نیروها در مناطق پرخطر، از وقوع جرم جلوگیری کرده و گسترش جغرافیایی فعالیت‌های مجرمانه را مهار کند. در واقع، دیژاوو با پیش‌بینی هوشمندانه، یک گام جلوتر از مجرمان عمل کرده و به پلیس امکان می‌دهد تا کنترل اوضاع را در دست بگیرد.
دقت 83 درصدی دیژاوو
محققان با همکاری انجمن فناوری‌های مخابرات (TTA)، سیستم پیش‌بینی جرایم دژاوو را آزمایش کرده و به نتایج قابل توجهی دست یافته‌اند. بر اساس این آزمایش‌ها، نقشه پیش‌بینی جرایم (PCM) توانسته است با دقت ۸۲.۸ درصد وقوع جرایم را پیش‌بینی کند. با توجه به این موفقیت، تیم تحقیقاتی قصد دارد از دژاوو به عنوان یک سیستم امنیتی قدرتمند در مناطق پرخطر مانند فرودگاه‌ها، تأسیسات حیاتی و رویدادهای مهم ملی استفاده کند.
دقت 96درصدی برای کشف یک سیاره فراخورشیدی
ستاره‌شناسان دهه‌هاست که از هوش‌مصنوعی استفاده می‌کنند. در واقع از سال 1990، ستاره‌شناسان دانشگاه آریزونا از نوعی هوش‌مصنوعی به نام شبکه عصبی برای مطالعه شکل کهکشان‌ها استفاده کردند و از آن زمان، هوش‌مصنوعی در تمام زمینه‌های نجوم گسترش یافته است. با قدرتمندتر شدن این فناوری، الگوریتم‌های هوش مصنوعی به اخترشناسان کمک می‌کنند تا مجموعه‌های عظیم داده را رام کنند و دانش جدیدی در مورد جهان کشف کنند.
واضح‌شدن تصویر یک سیاه‌چاله
به عنوان مثال، اولین تصویر معروف از یک سیاه‌چاله با کمک هوش‌مصنوعی به‌تازگی، دو برابر واضح‌تر شد! یک تیم تحقیقاتی از هوش‌مصنوعی برای بهبود چشمگیر اولین تصویر سیاه‌چاله که در سال 2019 ثبت شده بود، استفاده کردند. این تصویر بهبود یافته، سیاه‌چاله مرکز کهکشان M87 را تاریک‌تر و بزرگ تر از تصویر اول نشان می‌دهد.
بیگ دیتا در نجوم
مثال دیگر جست‌وجو برای سیارات فراخورشیدی است. اخترشناسان بیشتر 5300 سیاره فراخورشیدی شناخته شده را با اندازه گیری کاهش میزان نوری که از یک ستاره در هنگام عبور یک سیاره از مقابل آن می گذرد، کشف کردند. ابزارهای هوش‌مصنوعی اکنون می توانند نشانه‌های یک سیاره فراخورشیدی را با دقت 96 درصد تشخیص دهند.
صحبت با نسخه 60 ساله خودتان!
برای اولین‌بار، مردم می‌توانند با استفاده از یک هوش‌مصنوعی همراه با آواتار شبیه‌سازی‌شده از چهره آینده‌شان، با نسخه‌ای مسن‌تر از خود در مورد زندگی و آرزوهایشان صحبت کنند. پروژه «Future You» که توسط محققان MIT Media Lab و دیگر شرکای بین‌المللی ایجاد شده است، از هوش مصنوعی برای شبیه‌سازی کاربر در سن 60 تا 70 سال استفاده می‌کند. آن‌ها جزئیات این پروژه را در مقاله‌ای در پایگاه داده arXiv شرح دادند. کاربران می‌توانند از طریق یک رابط متنی مجهز به هوش مصنوعی در مورد موضوعاتی مانند چگونگی دستیابی به آنچه در زندگی می‌خواهند، اعتقادات و دیدگاه‌های خود صحبت کنند. دانشمندان این پروژه می‌گویند که چنین سیستمی ابداع شده است تا به مردم این حس را بدهد که با آینده خود در ارتباط هستند. «هال هرشفیلد»، یکی از نویسندگان این مطالعه و استاد تصمیم‌گیری رفتاری و روان‌شناسی در UCLA، گفت که توانایی دریافت مشاوره از خودتان در سن بالاتر به‌جای یک چت‌بات هوش مصنوعی عمومی، باعث می‌شود احساس بهتری نسبت به آینده داشته باشید.
کسب اطلاعات از پرسشوپاسخ با کاربر
اولین جزء Future You یک مدل تولید تصویر به نام StyleClip است. پس از اینکه کاربر یک عکس سلفی از چهره خود آپلود کرد، این سیستم از مدل‌های افزایش سن برای پیش‌بینی ظاهر کاربر در 60 سالگی استفاده می‌کند و مؤلفه‌های پیری مانند چین‌وچروک‌های پوستی و موهای خاکستری را اضافه می‌کند. داده‌های آموزشی برای سرویس Future You از اطلاعاتی به‌دست می‌آید که کاربر در هنگام پرسشوپاسخ در مورد موضوعاتی مثل وضعیت فعلی زندگی، اهداف و نگرانی‌های او برای آینده ارائه می‌دهد. این پاسخ‌ها توسط سرویس ChatGPT دریافت می‌شوند و ساختاری را ایجاد می‌کنند که محققان آن را «حافظه آینده» نامیده‌اند. با توجه به این اطلاعات، سرویس Future You پیش‌بینی‌های مربوط به آینده کاربر را براساس داده‌های دریافت‌شده از تجربیات زندگی افراد دیگر، ترکیب می‌کند و آینده کاربر را حدس می‌زند.
بهبود 53 برابری با اولین سمعک مجهز به هوش‌مصنوعی
درک گفتار در یک محیط پر سر و صدا، بزرگ‌ترین مشکل افرادی است که از کم‌شنوایی رنج می‌برند. طبق بیانیه رسمی سونووا، یک سمعک جدید و پیشرفته مجهز به هوش مصنوعی با کمک به 50 درصد از شرکت‌کنندگان در کارآزمایی بالینی خود، گفتار واضح را از اختلال‌های پس‌زمینه جدا می‌کند. «آرند کالدوسکی»، عضو تیم سونووا، بر اهمیت مشکل نویز در گفتار برای توسعه سمعک تأکید و خاطرنشان کرد که بهبود این جنبه برای ارتقای کیفیت زندگی میلیون‌ها نفر از افراد کم‌شنوا بسیار مهم است. پلتفرم این سمعک سال‌ها طول کشید تا با سرمایه‌گذاری قابل توجهی در فناوری توسعه یابد و به چنین نتایج چشمگیری دست یابد. دستگاه AI/DNN DEEPSONIC معماری محاسباتی بهینه‌سازی شده توسط DNN را ارائه می‌دهد که مشکل «گفتار در شلوغی» را حل می‌کند. این دستگاه با قدرت پردازش 53 برابری، اساساً از سایر تراشه‌های سمعک موجود در بازار که با هوش مصنوعی تقویت شده‌اند فاصله می‌گیرد. سونووا مدعی شده بالاخره از بزرگ ترین سد در برابر کم‌شنواها عبور کرد و اکنون آن ها می‌توانند راحت‌تر در یک محیط پویا درگیر شوند.
محققان یک ابزار هوش‌مصنوعی برای تجزیه‌وتحلیل سریع تصاویر پزشکی ایجاد کرده‌اند. این هوش مصنوعی بافت‌ها و فعالیت‌های ژن‌های بیمار را می‌تواند با دقت و سرعت زیادی شناسایی و تفسیر کند. این ابزار به پزشکان کمک می‌کند تا در مواقعی که زمان اندکی برای شناسایی بیماری دارند، تمرکز خود را بر جنبه‌های دیگر وضعیت بیمار بگذارند. این ابزار در تشخیص سرطان‌های پنهان هم کمک بسیاری می‌کند.
نماهایی با جزئیات دقیق از سلول‌های سرطانی
براساس مقاله منتشرشده در نیچر، محققان دانشکده پزشکی پرلمن در دانشگاه پنسیلوانیا ابزار هوش مصنوعی به نام iStar توسعه داده‌اند که می‌تواند به پزشکان در تشخیص و درمان بهتر سرطان‌هایی که بسیار تشخیص آن‌ها سخت است، کمک کند. در تکنیک تصویربرداری جدید، هوش‌مصنوعی نماهایی با جزئیات دقیق از سلول‌های منفرد به پزشکان ارائه می‌دهد؛ همچنین این ابزار نمای وسیع‌تری از نحوه عملکرد ژن‌های افراد را در اختیار پزشکان می‌گذارد تا بتوانند سلول‌های سرطانی را ببینند که درغیر این صورت ممکن بود تقریباً هیچ‌وقت دیده نشوند. همچنین این ابزار برای بعد از جراحی‌های سرطان هم به کار می‌آید تا پزشکان ببیند آیا بیمار به سطح سلامتی مقبول رسیده است یا خیر.
آزمایش اثربخشی این ابزار
محققان می‌گویند که iStar توانایی تشخیص خودکار ساختارهای مهم ایمنی ضدتومور به نام «ساختارهای لنفاوی سوم» را دارد. حضور این ساختارها با احتمال بقای بیمار و پاسخ مطلوب به ایمونوتراپی مرتبط است؛ بدین معنا که iStar برای تعیین اینکه بدن کدام بیمار به ایمونوتراپی پاسخ مطلوب داده هم مناسب است. برای آزمایش اثربخشی این ابزار، محققان iStar را در انواع مختلف بافت‌های سرطانی، از جمله سرطان سینه، پروستات و کلیه ارزیابی کردند. در طی این آزمایش‌ها، iStar توانست به‌طور خودکار سلول‌های تومور و سرطانی را که تشخیص عادی آن‌ها دشوار بود، شناسایی کند. پزشکان در آینده ممکن است با iStar سرطان‌هایی را که به سختی قابل مشاهده یا شناسایی هستند، تشخیص دهند. علاوه‌براین، این ابزار در مقایسه با سایر ابزارهای هوش مصنوعی مشابه بسیار سریع‌تر عمل می‌کند. به عنوان مثال، iStar تجزیه‌وتحلیل داده‌های سرطان سینه را تنها در 9 دقیقه به پایان رساند. درمقابل، بهترین ابزار هوش‌مصنوعی رقیب بیش از 32 ساعت طول کشید تا تحلیلی مشابه ارائه دهد.
خلاصه‌کردن مسئله‌کوانتومی 100هزار معادلهای در 4 معادله
فیزیکدانان با استفاده از هوش‌مصنوعی توانسته‌اند یک مسئله کوانتومی پیچیده را که تاکنون حل آن به حل حدود 100 هزار معادله نیاز داشت، در 4 معادله خلاصه کنند. این فشرده‌سازی در شرایطی انجام گرفته که دقت حل مسئله قربانی نشده و دانشمندان امیدوارند که با همین روش بتوانند بسیاری از مسائل بزرگ دنیای علم مثل ابررسانایی یا تلاش برای استفاده از انرژی‌های پاک را به شکلی آسان‌تر برطرف کنند.بررسی رفتار الکترون‌ها در زمان حرکت
محققان در پژوهشی که نتایج آن در مجله Physical Review Letters منتشر شده، از هوش مصنوعی برای خلاصه کردن مسئله‌ای دربارۀ «مدل هوبارد» استفاده کردند. این مسئله به چگونگی رفتار الکترون‌ها در زمان حرکت در یک فضای شبکه‌مانند می‌پردازد. زمانی که دو الکترون روی یک شبکه قرار می‌گیرند، با هم تعامل برقرار می‌کنند. این پیکربندی که با عنوان مدل هوبارد شناخته می‌شود، به دانشمندان اجازه می‌دهد درباره چگونگی تاثیر رفتار الکترون‌ها بر فازهای مختلف ماده از جمله ابررسانایی مطالعه کنند.
محققان چگونه با هوش مصنوعی مسئله خود را ساده کردند؟
یکی از روش‌های مطالعه سیستم‌های کوانتومی استفاده از چیزی موسوم به «گروه بازبهنجارش» است که یک ابزار ریاضی به منظور کشف رفتارهای یک سیستم نظیر مدل هوبارد است. گروه بازبهنجارش همه احتمالات میان الکترون‌های درهم‌تنیده را در نظر می‌گیرد و می‌تواند صدها هزار یا حتی میلیون‌ها معادله را به وجود بیاورد. پژوهشگران در این مطالعه از شبکه عصبی استفاده کردند تا ابتدا با استفاده از یادگیری ماشینی ارتباطات موجود در گروه بازبهنجارش را بسازند. سپس با استفاده از این شبکه، توان این ارتباطات را دستکاری کنند تا مجموعه کوچکی از معادلات را به دست بیاورند که نتیجه‌ای مشابه گروه بازبهنجارش اصلی حاصل کند. این سیستم در نهایت توانست مدل هوبارد را در چهار معادله خلاصه کند. محقق ارشد این پژوهش می‌گوید این دستگاه در واقع می‌تواند الگوهای پنهان را کشف کند. البته آموزش دادن به این سیستم یادگیری ماشینی به پردازش‌های سنگینی نیاز داشته و دستگاه به مدت چند هفته در حال محاسبه بوده است. اما حالا محققان می‌گویند خبر خوب این است که می‌توان این برنامه را برای مسائل دیگری به کار گرفت، بدون این که نیاز باشد کار را از صفر شروع کنیم.
دقت 84 درصدی در پیش‌بینی وقوع جرم
موسسه تحقیقاتی ETRI کره جنوبی با توسعه سیستم هوش مصنوعی «دیژاوو» گام بزرگی به سوی تحقق فناوری پیش‌بینی جرم برداشته است. این سیستم با تحلیل هوشمندانه حجم عظیمی از داده‌ها، از جمله تصاویر دوربین‌های مداربسته، آمار جرایم و اطلاعات مکانی، پردازش تصویر، الگوهای رفتاری و محیطی مرتبط با وقوع جرم را شناسایی می‌کند. با مقایسه این الگوها با سوابق جرایم گذشته، دیژاویو قادر است احتمال وقوع جرم در آینده را با دقت قابل توجهی پیش‌بینی کند.دیژاوو چگونه کار می‌کند؟
سیستم دیژاویو به کمک دو فناوری پیشرفته، احتمال وقوع جرم را تخمین می‌زند. فناوری اول با بررسی دقیق داده‌های تاریخی جرایم، الگوها و روندهای مجرمانه را شناسایی می‌کند. این فناوری با مقایسه این داده‌ها با عوامل دیگری نظیر مکان جغرافیایی و زمان وقوع، مناطق مستعد جرم را مشخص می‌کند. مثلا، اگر در یک منطقه خاص، آمار سرقت‌ها در ساعات پایانی شب به‌طور قابل توجهی بالا باشد، سیستم این منطقه را در نقشه حرارتی جرایم به عنوان یک کانون بالقوه جرم مشخص می‌کند. این امر به پلیس اجازه می‌دهد تا با افزایش حضور خود در منطقه، از وقوع جرایم احتمالی پیشگیری کند. شاید بگویید مجرمان می توانند الگوی رفتار خود را برای دور زدن این برنامه تغییر دهند اما نکته مهم این است که با یک الگوریتم زنده و فعال طرفیم که مدام به روز می‌شود، به علاوه اینکه وسط یک خیابان شلوغ و مقابل دوربین زمان و مکان مناسبی برای زورگیری نیست؛ پس گزینه‌های مجرمان برابر قدرت برنامه دیژاوو محدود است.
نقشه جامع جرایم
فناوری دومی که به کمک برنامه دیژاوو می‌آید برپایه نقشه پیش‌بینی جرایم (PCM) است. با بهره‌گیری از نقشه پیش‌بینی جرایم(PCM)، نیروی انتظامی قادر است با دقت بالایی، مناطق مستعد وقوع جرم را شناسایی کند. این نقشه‌ها که به صورت حرارتی نمایش داده می‌شوند، نقاط داغ جرم را به وضوح مشخص کرده و امکان برنامه‌ریزی دقیق‌تر عملیات‌های پلیسی را فراهم می‌آورند. به عبارت دیگر، با کمک PCM، پلیس می‌تواند منابع خود را به صورت هدفمندتری تخصیص داده و حضور موثرتر در مناطق پرخطر را تضمین کند. داده‌های مورد استفاده در این نقشه از تحلیل بیش از 32,656 کلیپ ویدئویی جمع‌آوری شده طی سه سال از دوربین‌های مداربسته استخراج شده است. این سیستم هوش مصنوعی با فراهم آوردن ابزارهای پیش‌بینی، رویکرد پلیس را از واکنش‌گرا به پیش‌گیرانه تغییر می‌دهد. این امر به پلیس اجازه می‌دهد تا با استقرار به موقع نیروها در مناطق پرخطر، از وقوع جرم جلوگیری کرده و گسترش جغرافیایی فعالیت‌های مجرمانه را مهار کند. در واقع، دیژاوو با پیش‌بینی هوشمندانه، یک گام جلوتر از مجرمان عمل کرده و به پلیس امکان می‌دهد تا کنترل اوضاع را در دست بگیرد.
دقت 83 درصدی دیژاوو
محققان با همکاری انجمن فناوری‌های مخابرات (TTA)، سیستم پیش‌بینی جرایم دژاوو را آزمایش کرده و به نتایج قابل توجهی دست یافته‌اند. بر اساس این آزمایش‌ها، نقشه پیش‌بینی جرایم (PCM) توانسته است با دقت ۸۲.۸ درصد وقوع جرایم را پیش‌بینی کند. با توجه به این موفقیت، تیم تحقیقاتی قصد دارد از دژاوو به عنوان یک سیستم امنیتی قدرتمند در مناطق پرخطر مانند فرودگاه‌ها، تأسیسات حیاتی و رویدادهای مهم ملی استفاده کند.
دقت 96درصدی برای کشف یک سیاره فراخورشیدی
ستاره‌شناسان دهه‌هاست که از هوش‌مصنوعی استفاده می‌کنند. در واقع از سال 1990، ستاره‌شناسان دانشگاه آریزونا از نوعی هوش‌مصنوعی به نام شبکه عصبی برای مطالعه شکل کهکشان‌ها استفاده کردند و از آن زمان، هوش‌مصنوعی در تمام زمینه‌های نجوم گسترش یافته است. با قدرتمندتر شدن این فناوری، الگوریتم‌های هوش مصنوعی به اخترشناسان کمک می‌کنند تا مجموعه‌های عظیم داده را رام کنند و دانش جدیدی در مورد جهان کشف کنند.واضح‌شدن تصویر یک سیاه‌چاله
به عنوان مثال، اولین تصویر معروف از یک سیاه‌چاله با کمک هوش‌مصنوعی به‌تازگی، دو برابر واضح‌تر شد! یک تیم تحقیقاتی از هوش‌مصنوعی برای بهبود چشمگیر اولین تصویر سیاه‌چاله که در سال 2019 ثبت شده بود، استفاده کردند. این تصویر بهبود یافته، سیاه‌چاله مرکز کهکشان M87 را تاریک‌تر و بزرگ تر از تصویر اول نشان می‌دهد.
بیگ دیتا در نجوم
مثال دیگر جست‌وجو برای سیارات فراخورشیدی است. اخترشناسان بیشتر 5300 سیاره فراخورشیدی شناخته شده را با اندازه گیری کاهش میزان نوری که از یک ستاره در هنگام عبور یک سیاره از مقابل آن می گذرد، کشف کردند. ابزارهای هوش‌مصنوعی اکنون می توانند نشانه‌های یک سیاره فراخورشیدی را با دقت 96 درصد تشخیص دهند.
صحبت با نسخه 60 ساله خودتان!
برای اولین‌بار، مردم می‌توانند با استفاده از یک هوش‌مصنوعی همراه با آواتار شبیه‌سازی‌شده از چهره آینده‌شان، با نسخه‌ای مسن‌تر از خود در مورد زندگی و آرزوهایشان صحبت کنند. پروژه «Future You» که توسط محققان MIT Media Lab و دیگر شرکای بین‌المللی ایجاد شده است، از هوش مصنوعی برای شبیه‌سازی کاربر در سن 60 تا 70 سال استفاده می‌کند. آن‌ها جزئیات این پروژه را در مقاله‌ای در پایگاه داده arXiv شرح دادند. کاربران می‌توانند از طریق یک رابط متنی مجهز به هوش مصنوعی در مورد موضوعاتی مانند چگونگی دستیابی به آنچه در زندگی می‌خواهند، اعتقادات و دیدگاه‌های خود صحبت کنند. دانشمندان این پروژه می‌گویند که چنین سیستمی ابداع شده است تا به مردم این حس را بدهد که با آینده خود در ارتباط هستند. «هال هرشفیلد»، یکی از نویسندگان این مطالعه و استاد تصمیم‌گیری رفتاری و روان‌شناسی در UCLA، گفت که توانایی دریافت مشاوره از خودتان در سن بالاتر به‌جای یک چت‌بات هوش مصنوعی عمومی، باعث می‌شود احساس بهتری نسبت به آینده داشته باشید.کسب اطلاعات از پرسشوپاسخ با کاربر
اولین جزء Future You یک مدل تولید تصویر به نام StyleClip است. پس از اینکه کاربر یک عکس سلفی از چهره خود آپلود کرد، این سیستم از مدل‌های افزایش سن برای پیش‌بینی ظاهر کاربر در 60 سالگی استفاده می‌کند و مؤلفه‌های پیری مانند چین‌وچروک‌های پوستی و موهای خاکستری را اضافه می‌کند. داده‌های آموزشی برای سرویس Future You از اطلاعاتی به‌دست می‌آید که کاربر در هنگام پرسشوپاسخ در مورد موضوعاتی مثل وضعیت فعلی زندگی، اهداف و نگرانی‌های او برای آینده ارائه می‌دهد. این پاسخ‌ها توسط سرویس ChatGPT دریافت می‌شوند و ساختاری را ایجاد می‌کنند که محققان آن را «حافظه آینده» نامیده‌اند. با توجه به این اطلاعات، سرویس Future You پیش‌بینی‌های مربوط به آینده کاربر را براساس داده‌های دریافت‌شده از تجربیات زندگی افراد دیگر، ترکیب می‌کند و آینده کاربر را حدس می‌زند.
بهبود 53 برابری با اولین سمعک مجهز به هوش‌مصنوعی
درک گفتار در یک محیط پر سر و صدا، بزرگ‌ترین مشکل افرادی است که از کم‌شنوایی رنج می‌برند. طبق بیانیه رسمی سونووا، یک سمعک جدید و پیشرفته مجهز به هوش مصنوعی با کمک به 50 درصد از شرکت‌کنندگان در کارآزمایی بالینی خود، گفتار واضح را از اختلال‌های پس‌زمینه جدا می‌کند. «آرند کالدوسکی»، عضو تیم سونووا، بر اهمیت مشکل نویز در گفتار برای توسعه سمعک تأکید و خاطرنشان کرد که بهبود این جنبه برای ارتقای کیفیت زندگی میلیون‌ها نفر از افراد کم‌شنوا بسیار مهم است. پلتفرم این سمعک سال‌ها طول کشید تا با سرمایه‌گذاری قابل توجهی در فناوری توسعه یابد و به چنین نتایج چشمگیری دست یابد. دستگاه AI/DNN DEEPSONIC معماری محاسباتی بهینه‌سازی شده توسط DNN را ارائه می‌دهد که مشکل «گفتار در شلوغی» را حل می‌کند. این دستگاه با قدرت پردازش 53 برابری، اساساً از سایر تراشه‌های سمعک موجود در بازار که با هوش مصنوعی تقویت شده‌اند فاصله می‌گیرد. سونووا مدعی شده بالاخره از بزرگ ترین سد در برابر کم‌شنواها عبور کرد و اکنون آن ها می‌توانند راحت‌تر در یک محیط پویا درگیر شوند.