چگونه هوش مصنوعی در حال مبارزه با شیوع coronavirus است؟


پاسخ 1:

هوش مصنوعی می تواند با Coronavirus آینده مبارزه کند

.

شیوع بیماری هایی مانند کوروی ویروس اغلب خیلی سریع برای دانشمندان پیدا می شود که بتوانند درمانی پیدا کنند. اما در آینده ، هوش مصنوعی می تواند به محققان کمک کند تا کار بهتری انجام دهند.

اگرچه احتمالاً خیلی دیر شده است که فناوری نوپا نقش مهمی در بیماری همه گیر فعلی داشته باشد ، اما امید به شیوع بعدی وجود دارد. هوش مصنوعی برای یافتن ارتباطاتی که می تواند تشخیص دهد که چه نوع درمانی می تواند کار کند یا آزمایش های بعدی را دنبال می کند ، بهتر است از طریق توده های داده کمک کند.

سؤال اینجاست که Big Data هنگامی که اطلاعات ناچیزی را در مورد بیماری تازه به وجود آمده مانند Covid-19 که اولین بار در اواخر سال گذشته در چین پدیدار شد و بیش از 75000 نفر را در حدود دو ماه بیمار کرده است ، بدست می آورد ، چه اطلاعاتی را به دست خواهد آورد.

این واقعیت که محققان موفق به تولید توالی ژنی ویروس جدید در طی چند هفته از اولین موارد گزارش شده شده اند امیدوار کننده است ، زیرا این امر نشان می دهد که اکنون در هنگام وقوع شیوع ، داده های بسیار فوری بیشتری در دسترس است.

اندرو هاپکینز ، مدیر ارشد اجرایی آکسفورد ، استارتاپ مستقر در انگلستان ، Exsledgeia Ltd. از جمله کسانی است که برای کمک به آموزش هوش مصنوعی برای کشف مواد مخدر فعالیت می کند. وی اظهار داشت كه درمانهای جدید به لطف هوش مصنوعی ، می توانند از مدت زمان كامل 18 تا 24 ماه در طی یك ماه آینده از آزمایش به آزمایشات بالینی بروند.

Exsledgeia ترکیب جدیدی را برای درمان اختلال وسواس-اجباری طراحی کرده است که پس از گذشت کمتر از یک سال در مرحله اولیه تحقیق ، در آزمایشگاه آزمایش می شود. طبق گفته این شرکت تقریباً پنج برابر سریعتر از میانگین است.

Healx مستقر در کمبریج یک رویکرد مشابه دارد ، اما از آن برای یادگیری ماشین برای یافتن کاربردهای جدید برای داروهای موجود ، از یادگیری ماشینی استفاده می کند. هر دو شرکت الگوریتم های خود را با اطلاعات تغذیه می کنند - از منبع هایی مانند ژورنال ها ، پایگاه داده های زیست پزشکی و آزمایشات بالینی جمع آوری شده اند - برای کمک به پیشنهاد درمان های جدید برای بیماری ها.

نظارت انسانی

این دو شرکت هر یک از تیمی از محققان انسانی برای همکاری در کنار هوش مصنوعی استفاده می کنند تا به راهنمایی این روند کمک کنند. در رویکرد Exsledgeia ، لقب Centaur Chemist ، طراحان دارو به آموزش استراتژی های الگوریتم های جستجوی ترکیبات کمک می کنند. هالکس پیش بینی های هوش مصنوعی را برای محققانی که نتایج را تجزیه و تحلیل می کنند قرار می دهد و تصمیم می گیرد چه چیزی را دنبال کند.

نیل تامپسون ، رئیس ارشد علوم Healx گفت: این روش می تواند در برابر شیوع مانند تاج ویروس مستقر شود تا زمانی که اطلاعات کافی در مورد بیماری جدید داشته باشد. Healx در تلاش برای مقابله با coronavirus یا تینک کردن فناوری خود برای شیوع نیست ، اما این یک کشش نخواهد بود.

تامپسون در مصاحبه ای گفت: "ما بسیار نزدیک هستیم." ما نیازی به تغییر زیادی در مورد الگوریتم های هوش مصنوعی که از آنها استفاده می کنیم ، نداریم. ما به خواص دارویی با ویژگی های بیماری نگاه می کنیم. "

الگوریتم های هوش مصنوعی در حال حاضر شروع به خاموش کردن داروهای بیماری هایی که از آنها می دانیم ، می کنند. محققان انستیتوی فناوری ماساچوست روز پنجشنبه گفتند که آنها از این روش برای شناسایی یک ترکیب آنتی بیوتیکی جدید قدرتمند استفاده می کنند که می تواند مجموعه ای از باکتری های مشکل ساز را از بین ببرد ، حتی برخی از آنها که در حال حاضر نسبت به سایر درمانها مقاوم هستند.

یکی از مهمترین این فناوریها ، آزمایش بالینی است. حتی داروهایی که قبلاً برای استفاده از آنها برای درمان بیماری بی خطر هستند باید قبل از تجویز دیگر آزمایش مجددا آزمایش شوند. روند نشان دادن آنها در تعداد زیادی از افراد ایمن و مؤثر است می تواند سالها طول بکشد تا برای بررسی به رگولاتورها مراجعه کنند.

برای مؤثر بودن ، توسعه دهندگان دارویی مبتنی بر هوش مصنوعی باید قبل از زمان برنامه ریزی کنند ، و ژنوم ویروس را انتخاب کرده و احتمالاً در آینده مشکلاتی ایجاد می کند و در مواردی که انگیزه چندانی برای این کار وجود نداشته باشد ، هدف قرار می دهد.

متشکرم.


پاسخ 2:

بازی در حال حاضر است!

اگر نه برای coronavirus ، حداقل برای superbugs. محققان MIT و هاروارد از هوش مصنوعی برای شناسایی یک آنتی بیوتیک جدید که قادر به کشتن بسیاری از باکتری های مقاوم به دارو است استفاده کردند. آنها الگوریتم یادگیری ماشینی را برای تجزیه و تحلیل ترکیبات شیمیایی قادر به مبارزه با عفونتها با استفاده از مکانیسم های متفاوت از داروهای موجود آموزش دادند.

آنها مدل خود را بر روی 250000 مولکول برای شناسایی آزمایش باکتریهای گرفته شده از بیماران و باکتریهای موجود در آزمایشگاهها بر روی 2500 مولکول آموزش دادند. "هالیسین" می تواند بسیاری از باکتریهای مقاوم در برابر دارو را از بین ببرد

مایکوباکتریوم سل ، کلستریدیوم دیفیسیل

و

acinetobacter baumannii.

هالیسین دو موش آلوده به آن را درمان کرد

A.baumannii

اتفاقاً بسیاری از سربازان آمریکایی در عراق و افغانستان به همین اشکال آلوده شدند. بنا بر این گزارش ، پماد هالیسین که بر روی پوست این دو موش اعمال شده است ، فقط طی 24 ساعت آنها را به طور کامل درمان می کند.

استفاده از مدلهای رایانه ای پیش بینی شده برای کشف مواد مخدر چیز جدیدی نیست اما بهترین موفقیت تاکنون در مورد هالیسین دیده می شود.

از نظر محققان ، مدل پیش بینی کننده آنها می تواند آنچه را که برای روشهای سنتی تجربی گران خواهد بود ، انجام دهد.

این موفقیت هالیسین در مرحله مهمی در تاریخ بشریت به دست می آید. پیش بینی می شود ، تا سال 2050 ، مرگ و میر در سراسر جهان به دلیل باکتری های مقاوم در برابر دارو می تواند به 10 میلیون نفر برسد.

کار بیشتر لازم است تا هالیسین قابل استفاده در انسان باشد. اگرچه الگوریتم آنها برای باکتری ها طراحی شده است ، ممکن است برای مبارزه با ویروس نیز "قابل ارتقا" باشد.


پاسخ 3:

تصور کنید یک بیمارستان در چین 1000 مورد با علائم مشابه دارد ، بیمارستان چه کاری انجام می دهد؟ در حالی که کلیه اطلاعات در مورد علائم و تشخیص بصورت الکترونیکی مستند و در دسترس است ، وزارت بهداشت می تواند اقدامات لازم و لازم را انجام دهد.

هوش مصنوعی بسیار عالی و سریع در کشف الگوهای ، شباهت ها برای تشخیص سریع است. یک نمونه از چگونگی

جستجوی Google امکان پذیر است

برای تشخیص بیماریهای احتمالی در سراسر جهان. فقط با وجود الگوهای ساده جستجو ، AI می تواند تهدیدات و همه گیری های احتمالی را که ممکن است به نسبت های زیادی در سراسر جهان منفجر شود ، تشخیص دهد.

با بازگشت به كرونا ویروس ، هنگامی كه چین علائم بیماری را تشخیص داد ، آن را تشخیص داد ، این اطلاعات را با سایر سازمانهای دولتی دیگر كه به سرعت می توانند ردیاب های حرارتی را ایجاد كنند كه می تواند افراد را با این علائم اسكن كند ، طبقه بندی و به عنوان احتمالاً آلوده یا حامل طبقه بندی كرد. یا مصونیت از آنجا که ویروس ها به سرعت جهش می یابند ، تمایل به تغییر نحوه نگاه دارند ، علائم ممکن است تغییر کنند و تشخیص آن دشوار است. اما با داشتن هوش مصنوعی ، چین قادر است به افرادی که از چین به ویژه ووهان نقل مکان کرده اند کمک کند و سپس به صورت بین المللی در شهرهای مختلف حرکت کند. این اطلاعات را می توان با هوش مصنوعی تجزیه و تحلیل کرد ، برای کشف اخبار از آن شهرها ، بیمارستان ها برای قرار دادن تکه های پازل.

امیدوارم این کمک کند!


پاسخ 4:

به عبارتی اخیر ، اگر داده هایی از چندین بیمار داشته باشیم تا بتوانیم الگوی شناسایی و یافتن آن را داشته باشیم ، از بیماران تاج مثبت است. پس از آن ، می توانیم یک بیمار جدید را بررسی کنیم تا ببیند این بیمار ممکن است آلوده باشد یا خیر ، با دیدن الگوی آنها. تکنیک های یادگیری ماشین کلاسیک یا تکنیک های یادگیری عمیق می تواند برای جدا کردن این مورد استفاده شود.

به طور کلی تر ، ما باید بسیار محتاط باشیم و باید با فرد از حوزه پزشکی در تعامل باشیم تا بتواند الگوی موجود را تجزیه و تحلیل کند تا آنچه را که واقعاً در جریان است ، تعمیم دهیم ، تغییرات و مکانیسم های ایجاد شده توسط ویروس در بدن چیست تا بتواند مدل را بهتر بشناسد.


پاسخ 5:

شیوع بیماری هایی مانند کوروی ویروس اغلب خیلی سریع برای دانشمندان پیدا می شود که بتوانند درمانی پیدا کنند. اما در آینده ، هوش مصنوعی می تواند به محققان کمک کند تا کار بهتری انجام دهند.

اگرچه احتمالاً خیلی دیر شده است که فناوری نوپا نقش مهمی در بیماری همه گیر فعلی داشته باشد ، اما امید به شیوع بعدی وجود دارد. هوش مصنوعی برای یافتن ارتباطاتی که می تواند تشخیص دهد که چه نوع درمانی می تواند کار کند یا آزمایش های بعدی را دنبال می کند ، بهتر است از طریق توده های داده کمک کند.

سؤال اینجاست که Big Data هنگامی که اطلاعات ناچیزی را در مورد بیماری تازه به وجود آمده مانند Covid-19 که اولین بار در اواخر سال گذشته در چین پدیدار شد و بیش از 75000 نفر را در حدود دو ماه بیمار کرده است ، بدست می آورد ، چه اطلاعاتی را به دست خواهد آورد.

این واقعیت که محققان موفق به تولید توالی ژنی ویروس جدید در طی چند هفته از اولین موارد گزارش شده شده اند امیدوار کننده است ، زیرا این امر نشان می دهد که اکنون در هنگام وقوع شیوع ، داده های بسیار فوری بیشتری در دسترس است.

اندرو هاپکینز ، مدیر ارشد اجرایی آکسفورد ، استارتاپ مستقر در انگلستان ، Exsledgeia Ltd. از جمله کسانی است که برای کمک به آموزش هوش مصنوعی برای کشف مواد مخدر فعالیت می کند. وی اظهار داشت كه درمانهای جدید به لطف هوش مصنوعی ، می توانند از مدت زمان كامل 18 تا 24 ماه در طی یك ماه آینده از آزمایش به آزمایشات بالینی بروند.

Exsledgeia ترکیب جدیدی را برای درمان اختلال وسواس-اجباری طراحی کرده است که پس از گذشت کمتر از یک سال در مرحله اولیه تحقیق ، در آزمایشگاه آزمایش می شود. طبق گفته این شرکت تقریباً پنج برابر سریعتر از میانگین است.

Healx مستقر در کمبریج یک رویکرد مشابه دارد ، اما از آن برای یادگیری ماشین برای یافتن کاربردهای جدید برای داروهای موجود ، از یادگیری ماشینی استفاده می کند. هر دو شرکت الگوریتم های خود را با اطلاعات تغذیه می کنند - از منبع هایی مانند ژورنال ها ، پایگاه داده های زیست پزشکی و آزمایشات بالینی جمع آوری شده اند - برای کمک به پیشنهاد درمان های جدید برای بیماری ها.

نظارت انسانی

این دو شرکت هر یک از تیمی از محققان انسانی برای همکاری در کنار هوش مصنوعی استفاده می کنند تا به راهنمایی این روند کمک کنند. در رویکرد Exsledgeia ، لقب Centaur Chemist ، طراحان دارو به آموزش استراتژی های الگوریتم های جستجوی ترکیبات کمک می کنند. هالکس پیش بینی های هوش مصنوعی را برای محققانی که نتایج را تجزیه و تحلیل می کنند قرار می دهد و تصمیم می گیرد چه چیزی را دنبال کند.

نیل تامپسون ، رئیس ارشد علوم Healx گفت: این روش می تواند در برابر شیوع مانند تاج ویروس مستقر شود تا زمانی که اطلاعات کافی در مورد بیماری جدید داشته باشد. Healx در تلاش برای مقابله با coronavirus یا تینک کردن فناوری خود برای شیوع نیست ، اما این یک کشش نخواهد بود.

تامپسون در مصاحبه ای گفت: "ما بسیار نزدیک هستیم." ما نیازی به تغییر زیادی در مورد الگوریتم های هوش مصنوعی که از آنها استفاده می کنیم ، نداریم. ما به خواص دارویی با ویژگی های بیماری نگاه می کنیم. "

الگوریتم های هوش مصنوعی در حال حاضر شروع به خاموش کردن داروهای بیماری هایی که از آنها می دانیم ، می کنند. محققان انستیتوی فناوری ماساچوست روز پنجشنبه گفتند که آنها از این روش برای شناسایی یک ترکیب آنتی بیوتیکی جدید قدرتمند استفاده می کنند که می تواند مجموعه ای از باکتری های مشکل ساز را از بین ببرد ، حتی برخی از آنها که در حال حاضر نسبت به سایر درمانها مقاوم هستند.

یکی از مهمترین این فناوریها ، آزمایش بالینی است. حتی داروهایی که قبلاً برای استفاده از آنها برای درمان بیماری بی خطر هستند باید قبل از تجویز دیگر آزمایش مجددا آزمایش شوند. روند نشان دادن آنها در تعداد زیادی از افراد ایمن و مؤثر است می تواند سالها طول بکشد تا برای بررسی به رگولاتورها مراجعه کنند.

برای مؤثر بودن ، توسعه دهندگان دارویی مبتنی بر هوش مصنوعی باید قبل از زمان برنامه ریزی کنند ، و ژنوم ویروس را انتخاب کرده و احتمالاً در آینده مشکلاتی ایجاد می کند و در مواردی که انگیزه چندانی برای این کار وجود نداشته باشد ، هدف قرار می دهد.

مانع دیگر پیدا کردن کارمندان واجد شرایط است.

ایرینا هایواس ، شریک سرمایه گذاری در شرکت سرمایه گذاری Atomico و جراح سابق که در این زمینه فعالیت دارد گفت: "پیدا کردن افرادی که می توانند در تقاطع هوش مصنوعی و زیست شناسی فعالیت کنند دشوار است ، و تصمیم گیری سریع در مورد فناوری برای شرکتهای بزرگ دشوار است." هیئت مدیره هالکس. "مهندس هوش مصنوعی کافی نیست ، شما باید کاربردهای زیست شناسی را بفهمید و وارد شوید."


پاسخ 6:

در نقطه ای که یک بیماری عجیب و غریب در ابتدا سرچشمه می گیرد ، ممکن است خیلی خوب باشد که دولت ها و مقامات رفاه عمومی بتوانند به سرعت داده ها را جمع کنند و یک واکنش را تسهیل کنند. در هر صورت ، نوآوری استدلال جدید ساخته شده توسط انسان به طور طبیعی می تواند از طریق گزارش های خبری و مواد آنلاین از سراسر جهان به من کمک کند ، متخصصان را در درک ناسازگاری هایی که می تواند باعث بروز یک طاعون احتمالی یا ، تأسف آورتر از آن شود ، کمک کند. در پایان روز ، ممکن است بزرگان هوش مصنوعی ما در تحمل بیماری زیر به ما کمک کنند.

این توانایی های جدید هوش مصنوعی در معرض نمایش کامل با شعله های داخلی عروق کروناویو قرار دارد ، که به موقع توسط یک شرکت کانادایی به نام BlueDot مشخص شد ، که یکی از سازمان های مختلفی است که برای ارزیابی خطرات رفاهی عمومی از اطلاعات استفاده می کند. این سازمان که گفته است "ربات مشاهده شده از بیماری غیرقابل تحمل رباتیک شده" را انجام می دهد ، در مورد نوع جدید کروناویروس به پایان ماه دسامبر ، چند روز قبل از هر دو مرکز کنترل و پیشگیری از بیماری های آمریکا (CDC) و سازمان بهداشت جهانی (WHO) به مشتریان خود گفت. ) اعلان رسمی را ، همانطور که Wired اعلام کرده است ، ارسال کرده است. در حال حاضر با نزدیک شدن به پایان ماه ژانویه ، عفونت تنفسی که به شهر ووهان در چین وصل شده است ، اخیراً بیش از 100 نفر را کشته است. مواردی نیز در چند کشور مختلف از جمله ایالات متحده آمریکا گسترش یافته است ، و CDC به آمریکایی ها هشدار می دهد تا فاصله ای استراتژیک از سفر غیر ضروری به چین داشته باشند.

کامران خان ، پزشک بیماری غیر قابل مقاومت و نویسنده و مدیرعامل BlueDot ، در جلسه ای توضیح داد که چارچوب هشدار اولیه سازمان از آگاهی انسان ساخته ، از جمله دست زدن به زبان عادی و هوش مصنوعی ، برای پیروی از بیش از 100 عفونت غیر قابل مقاومت با شکستن حدود 100000 مقاله در 65 گویش به طور مداوم. این اطلاعات سازمان را قادر می سازد تا متوجه شود چه موقع می تواند به مشتریان خود از نزدیکی و شیوع بیماری غیر قابل مقاومت بگوید.

سایر اطلاعات ، مانند داده های برنامه زمان اکتشافی و روش های پرواز ، می توانند به سازمان شواهدی اضافی در مورد شیوع بیماری احتمالاً بیماری کمک کنند. به عنوان مثال ، اخیراً ، متخصصان BlueDot جوامع شهری مختلفی را در آسیا پیش بینی کرده اند که پس از آنکه در قلمرو چین ظاهر شد ، coronavirus ظاهر می شود.

فکر اصلی در مورد مدل BlueDot (که نتایج قطعی آن از این طریق توسط متخصصان انسانی مورد بررسی قرار گرفته است) این است که داده ها را در سریع ترین زمان ممکن برای کارگران بیمه تأمین اجتماعی بدست آورید ، با این انتظار که بتوانند تجزیه و تحلیل کنند - و در صورت لزوم قطع ارتباط - رنگ آمیزی و افراد قابل تصور در یک زمان مناسب.

خان به Recode گفت: "داده های رسمی در هر صورت مشکوک نیستند." "تمایز بین یک مورد در یک کاوشگر و شعله ور شدن به متخصصان خدمات انسانی پیشگام شما متکی است که تصور می کنند یک بیماری خاص وجود دارد. این می تواند تمایز در حفظ یک شعله ور از وقوع واقع باشد."

خان اظهار داشت كه چارچوب وی نیز می تواند از انواع دیگر اطلاعات - به عنوان مثال داده های مربوط به جو یک سرزمین ، درجه حرارت یا حتی حیوانات اهلی كننده در نزدیكی - برای پیش بینی اینکه احتمالاً كسی آلوده به بیماری است یا خیر ، استفاده كند. آنجا. او اظهار می کند که در سال 2016 ، BlueDot قبل از اینکه واقعاً در آنجا ظاهر شود ، پیش بینی حضور عفونت Zika در فلوریدا را داشت.

همچنین ، سازمان بررسی مشكلات Metabiota تأیید كرد كه تایلند ، كره جنوبی ، ژاپن و تایوان بیشترین خطر را برای دیدن این عفونت در طی هفت روز قبل از آشكار شدن موارد در آن كشورها داشتند ، تا حدودی با امید به پرواز اطلاعاتی. Metabiota ، به عنوان BlueDot ، از زبان عمومی برای ارزیابی گزارش های آنلاین درباره بیماری احتمالی استفاده می کند ، و علاوه بر این در ساختن یک نوآوری مشابه برای اطلاعات مربوط به زندگی مبتنی بر وب ، از بین می رود.

Imprint Gallivan ، مدیر علوم اطلاعاتی Metabiota ، توضیح می دهد كه مراحل و مباحث آنلاین نیز می توانند نشانه ای از خطر ابتلا به بیماری همه گیر را نشان دهند. متابیوتا نیز چنین ادعا می کند که با توجه به داده هایی مانند علائم بیماری ، میزان مرگ و میر و دسترسی به درمان ، می تواند خطر شیوع بیماری را که باعث ایجاد وقفه در اجتماع و سیاسی می شود ، ارزیابی کند. به عنوان مثال ، در ساعت توزیع مقاله حاضر ، Metabiota خطر ابتلا به تاجی جدید را که باعث ایجاد اضطراب باز در ایالات متحده و چین می شود ، ارزیابی کرد ، اما این خطر را برای عفونت میمون پپسی در جمهوری دموکراتیک کنگو ارزیابی کرد. جایی که مواردی از آن عفونت در نظر گرفته شده است) به عنوان "متوسط".

درک دقیق این چارچوب رتبه بندی یا مرحله آن دشوار است دشوار است ، اما گالیوان می گوید این سازمان با شبکه دانش ایالات متحده و وزارت دفاع در مورد موضوعات شناسایی شده با کوروی ویروس همکاری می کند. این اثری از Metabiota با In-Q-Tel ، یک شرکت ماجراجویی غیر انتفاعی است که با آژانس اطلاعات مرکزی مرتبط است. با این حال ، دفاتر دولتی مشتری اصلی بالقوه این چهارچوبها نیستند. Metabiota علاوه بر این ، بنیاد خود را به سازمانهای بیمه اتكایی نشان می دهد - بیمه اتكایی اساساً برای آژانسهای بیمه است - كه باید با خطرات پولی مرتبط با گسترش ظرفیت نهفته بیماری مقابله كند.

به هر صورت ممکن است ، استدلال رایانه ای غیرقابل انکار باشد که فقط متخصصان و مسئولان انتقال بیماری به عنوان یک عفونت در آن آموزش ببینند. متخصصان مدلهای مبتنی بر هوش مصنوعی را ساخته اند كه می توانند قسمت هایی از عفونت زكا را به صورت تدریجی پیش بینی كنند ، كه می تواند نحوه واكنش متخصصان در موارد اضطراری بالقوه را آموزش دهد. به همین ترتیب می توان از آگاهی انسان ساز برای مدیریت چگونگی پراکندگی مقامات بهزیستی در دارایی ها در مواقع اضطراری استفاده کرد. در نتیجه ، AI به عنوان اولین خط محافظت در برابر بیماری شناخته می شود.

به طور جامع تر ، AI در حال حاضر به بررسی داروهای جدید ، مقابله با عفونت های غیر معمول ، و شناسایی رشد بدخیم در استخوان کمک می کند. از هوش بشر ساخته شده حتی برای تمایز خزنده های خزنده که Chagas را گسترش می دهد ، بیماری کشنده ای جدی و قابل تصور بود که 8 میلیون فرد مورد انتظار در مکزیک و آمریکای مرکزی و جنوبی را لکه دار کرده است. علاوه بر این ، شور و شوق در استفاده از اطلاعات غیر بهزیستی - مانند زندگی مبتنی بر وب - در کمک به سیاستگذاران بهزیستی و سازمان های دارویی ، درک وسعت یک وضعیت اضطراری بهزیستی را افزایش می دهد. به عنوان مثال ، هوش مصنوعی که می تواند زندگی آنلاین خود را در معاملات غیرقانونی مواد مخدر هدف قرار دهد ، و مقامات رفاهی عمومی را در مورد شیوع این مواد کنترل شده آموزش ببیند.

این چهارچوب ها ، از جمله Metabiota و BlueDot ، دقیقاً با اطلاعاتی که در حال ارزیابی هستند ، برابر هستند. علاوه بر این ، هوش مصنوعی - در بیشتر موارد - دارای گرایش است ، که می تواند هم معماران چارچوب و هم اطلاعاتی که در مورد آن آماده شده را منعکس کند. همچنین ، هوش مصنوعی که در داخل از خدمات دارویی استفاده می شود ، به هیچ وجه شکل و شکل خاصی برای آن ندارد.

همه مواردی که در نظر گرفته شده است ، این پیشرفت ها با دیدگاه ایده آل گرایانه به تدریج برای آنچه AI می تواند انجام دهد صحبت می کنند. به طور معمول ، به روزرسانی های مربوط به ربات های AI که از طیف وسیعی از اطلاعات فیلتر می شوند ، چندان مناسب نیست. الزامات قانونی را با استفاده از پایگاه داده های تصدیق چهره بر اساس عکس های کاشته شده از وب ، در نظر بگیرید. یا از طرف دیگر ، مدیرانی که در حال حاضر می توانند از هوش مصنوعی استفاده کنند ، پیش بینی می کنند که چگونه می توانید با توجه به پست های زندگی مبتنی بر اینترنت ، آسیاب خود را ادامه دهید. امکان انجام کارآزمایی هوش مصنوعی در مقابله با بیماری های وحشی ، شرایطی را فراهم می کند که ممکن است احساس ناراحتی داشته باشیم ، اگر نه از طریق و از طریق شاد. شاید این نوآوری - هر زمان که به درستی ایجاد و استفاده شده باشد - واقعاً بتواند به نجات جان چند نفری کمک کند.


پاسخ 7:

در نقطه ای که یک بیماری عجیب و غریب در ابتدا سرچشمه می گیرد ، ممکن است خیلی خوب باشد که دولت ها و مقامات رفاه عمومی بتوانند به سرعت داده ها را جمع کنند و یک واکنش را تسهیل کنند. در هر صورت ، نوآوری استدلال جدید ساخته شده توسط انسان به طور طبیعی می تواند از طریق گزارش های خبری و مواد آنلاین از سراسر جهان به من کمک کند ، متخصصان را در درک ناسازگاری هایی که می تواند باعث بروز یک طاعون احتمالی یا ، تأسف آورتر از آن شود ، کمک کند. در پایان روز ، ممکن است بزرگان هوش مصنوعی ما در تحمل بیماری زیر به ما کمک کنند.

این توانایی های جدید هوش مصنوعی در معرض نمایش کامل با شعله های داخلی عروق کروناویو قرار دارد ، که به موقع توسط یک شرکت کانادایی به نام BlueDot مشخص شد ، که یکی از سازمان های مختلفی است که برای ارزیابی خطرات رفاهی عمومی از اطلاعات استفاده می کند. این سازمان که گفته است "ربات مشاهده شده از بیماری غیرقابل تحمل رباتیک شده" را انجام می دهد ، در مورد نوع جدید کروناویروس به پایان ماه دسامبر ، چند روز قبل از هر دو مرکز کنترل و پیشگیری از بیماری های آمریکا (CDC) و سازمان بهداشت جهانی (WHO) به مشتریان خود گفت. ) اعلان رسمی را ، همانطور که Wired اعلام کرده است ، ارسال کرده است. در حال حاضر با نزدیک شدن به پایان ماه ژانویه ، عفونت تنفسی که به شهر ووهان در چین وصل شده است ، اخیراً بیش از 100 نفر را کشته است. مواردی نیز در چند کشور مختلف از جمله ایالات متحده آمریکا گسترش یافته است ، و CDC به آمریکایی ها هشدار می دهد تا فاصله ای استراتژیک از سفر غیر ضروری به چین داشته باشند.

کامران خان ، پزشک بیماری غیر قابل مقاومت و نویسنده و مدیرعامل BlueDot ، در جلسه ای توضیح داد که چارچوب هشدار اولیه سازمان از آگاهی انسان ساخته ، از جمله دست زدن به زبان عادی و هوش مصنوعی ، برای پیروی از بیش از 100 عفونت غیر قابل مقاومت با شکستن حدود 100000 مقاله در 65 گویش به طور مداوم. این اطلاعات سازمان را قادر می سازد تا متوجه شود چه موقع می تواند به مشتریان خود از نزدیکی و شیوع بیماری غیر قابل مقاومت بگوید.

سایر اطلاعات ، مانند داده های برنامه زمان اکتشافی و روش های پرواز ، می توانند به سازمان شواهدی اضافی در مورد شیوع بیماری احتمالاً بیماری کمک کنند. به عنوان مثال ، اخیراً ، متخصصان BlueDot جوامع شهری مختلفی را در آسیا پیش بینی کرده اند که پس از آنکه در قلمرو چین ظاهر شد ، coronavirus ظاهر می شود.

فکر اصلی در مورد مدل BlueDot (که نتایج قطعی آن از این طریق توسط متخصصان انسانی مورد بررسی قرار گرفته است) این است که داده ها را در سریع ترین زمان ممکن برای کارگران بیمه تأمین اجتماعی بدست آورید ، با این انتظار که بتوانند تجزیه و تحلیل کنند - و در صورت لزوم قطع ارتباط - رنگ آمیزی و افراد قابل تصور در یک زمان مناسب.

خان به Recode گفت: "داده های رسمی در هر صورت مشکوک نیستند." "تمایز بین یک مورد در یک کاوشگر و شعله ور شدن به متخصصان خدمات انسانی پیشگام شما متکی است که تصور می کنند یک بیماری خاص وجود دارد. این می تواند تمایز در حفظ یک شعله ور از وقوع واقع باشد."

خان اظهار داشت كه چارچوب وی نیز می تواند از انواع دیگر اطلاعات - به عنوان مثال داده های مربوط به جو یک سرزمین ، درجه حرارت یا حتی حیوانات اهلی كننده در نزدیكی - برای پیش بینی اینکه احتمالاً كسی آلوده به بیماری است یا خیر ، استفاده كند. آنجا. او اظهار می کند که در سال 2016 ، BlueDot قبل از اینکه واقعاً در آنجا ظاهر شود ، پیش بینی حضور عفونت Zika در فلوریدا را داشت.

همچنین ، سازمان بررسی مشكلات Metabiota تأیید كرد كه تایلند ، كره جنوبی ، ژاپن و تایوان بیشترین خطر را برای دیدن این عفونت در طی هفت روز قبل از آشكار شدن موارد در آن كشورها داشتند ، تا حدودی با امید به پرواز اطلاعاتی. Metabiota ، به عنوان BlueDot ، از زبان عمومی برای ارزیابی گزارش های آنلاین درباره بیماری احتمالی استفاده می کند ، و علاوه بر این در ساختن یک نوآوری مشابه برای اطلاعات مربوط به زندگی مبتنی بر وب ، از بین می رود.

Imprint Gallivan ، مدیر علوم اطلاعاتی Metabiota ، توضیح می دهد كه مراحل و مباحث آنلاین نیز می توانند نشانه ای از خطر ابتلا به بیماری همه گیر را نشان دهند. متابیوتا نیز چنین ادعا می کند که با توجه به داده هایی مانند علائم بیماری ، میزان مرگ و میر و دسترسی به درمان ، می تواند خطر شیوع بیماری را که باعث ایجاد وقفه در اجتماع و سیاسی می شود ، ارزیابی کند. به عنوان مثال ، در ساعت توزیع مقاله حاضر ، Metabiota خطر ابتلا به تاجی جدید را که باعث ایجاد اضطراب باز در ایالات متحده و چین می شود ، ارزیابی کرد ، اما این خطر را برای عفونت میمون پپسی در جمهوری دموکراتیک کنگو ارزیابی کرد. جایی که مواردی از آن عفونت در نظر گرفته شده است) به عنوان "متوسط".

درک دقیق این چارچوب رتبه بندی یا مرحله آن دشوار است دشوار است ، اما گالیوان می گوید این سازمان با شبکه دانش ایالات متحده و وزارت دفاع در مورد موضوعات شناسایی شده با کوروی ویروس همکاری می کند. این اثری از Metabiota با In-Q-Tel ، یک شرکت ماجراجویی غیر انتفاعی است که با آژانس اطلاعات مرکزی مرتبط است. با این حال ، دفاتر دولتی مشتری اصلی بالقوه این چهارچوبها نیستند. Metabiota علاوه بر این ، بنیاد خود را به سازمانهای بیمه اتكایی نشان می دهد - بیمه اتكایی اساساً برای آژانسهای بیمه است - كه باید با خطرات پولی مرتبط با گسترش ظرفیت نهفته بیماری مقابله كند.

به هر صورت ممکن است ، استدلال رایانه ای غیرقابل انکار باشد که فقط متخصصان و مسئولان انتقال بیماری به عنوان یک عفونت در آن آموزش ببینند. متخصصان مدلهای مبتنی بر هوش مصنوعی را ساخته اند كه می توانند قسمت هایی از عفونت زكا را به صورت تدریجی پیش بینی كنند ، كه می تواند نحوه واكنش متخصصان در موارد اضطراری بالقوه را آموزش دهد. به همین ترتیب می توان از آگاهی انسان ساز برای مدیریت چگونگی پراکندگی مقامات بهزیستی در دارایی ها در مواقع اضطراری استفاده کرد. در نتیجه ، AI به عنوان اولین خط محافظت در برابر بیماری شناخته می شود.

به طور جامع تر ، AI در حال حاضر به بررسی داروهای جدید ، مقابله با عفونت های غیر معمول ، و شناسایی رشد بدخیم در استخوان کمک می کند. از هوش بشر ساخته شده حتی برای تمایز خزنده های خزنده که Chagas را گسترش می دهد ، بیماری کشنده ای جدی و قابل تصور بود که 8 میلیون فرد مورد انتظار در مکزیک و آمریکای مرکزی و جنوبی را لکه دار کرده است. علاوه بر این ، شور و شوق در استفاده از اطلاعات غیر بهزیستی - مانند زندگی مبتنی بر وب - در کمک به سیاستگذاران بهزیستی و سازمان های دارویی ، درک وسعت یک وضعیت اضطراری بهزیستی را افزایش می دهد. به عنوان مثال ، هوش مصنوعی که می تواند زندگی آنلاین خود را در معاملات غیرقانونی مواد مخدر هدف قرار دهد ، و مقامات رفاهی عمومی را در مورد شیوع این مواد کنترل شده آموزش ببیند.

این چهارچوب ها ، از جمله Metabiota و BlueDot ، دقیقاً با اطلاعاتی که در حال ارزیابی هستند ، برابر هستند. علاوه بر این ، هوش مصنوعی - در بیشتر موارد - دارای گرایش است ، که می تواند هم معماران چارچوب و هم اطلاعاتی که در مورد آن آماده شده را منعکس کند. همچنین ، هوش مصنوعی که در داخل از خدمات دارویی استفاده می شود ، به هیچ وجه شکل و شکل خاصی برای آن ندارد.

همه مواردی که در نظر گرفته شده است ، این پیشرفت ها با دیدگاه ایده آل گرایانه به تدریج برای آنچه AI می تواند انجام دهد صحبت می کنند. به طور معمول ، به روزرسانی های مربوط به ربات های AI که از طیف وسیعی از اطلاعات فیلتر می شوند ، چندان مناسب نیست. الزامات قانونی را با استفاده از پایگاه داده های تصدیق چهره بر اساس عکس های کاشته شده از وب ، در نظر بگیرید. یا از طرف دیگر ، مدیرانی که در حال حاضر می توانند از هوش مصنوعی استفاده کنند ، پیش بینی می کنند که چگونه می توانید با توجه به پست های زندگی مبتنی بر اینترنت ، آسیاب خود را ادامه دهید. امکان انجام کارآزمایی هوش مصنوعی در مقابله با بیماری های وحشی ، شرایطی را فراهم می کند که ممکن است احساس ناراحتی داشته باشیم ، اگر نه از طریق و از طریق شاد. شاید این نوآوری - هر زمان که به درستی ایجاد و استفاده شده باشد - واقعاً بتواند به نجات جان چند نفری کمک کند.