دکتر دانشگاههاون» در مطالعه اخیرشان «بیشتر هوش مصنوعی میتواند به بشر در پیشبینی و بیماریهای همهگیر در آینده کمک کند.
به گزارش ایسنا و به نقل از اس اف، پیشبینی و زمان بزرگی بلایای طبیعی برای یک هدف اساسی است. با این حال، از آنجایی که رخداد آنها از نظر آماری بسیار نادر است، دادههای کافی برای پیشبینی دقیق آنها وجود ندارد. اکنون، دانشگاه براون و موسسه فناوری ماساچوست میگویند راههایی برای پیشبینی این رخدادها با کمک هوش مصنوعی وجود دارد.
در یک مطالعه جدید، الگوریتمهای آماری را که به دادههای کمتری میدهند، برای پیشبینی دقیق نیاز به استفاده از ابزارهای ماشینی دارند که بر هوش مصنوعی ساخته شدهاند تا با موفقیت از نیاز به تکیههای بیش از حد چشم پوشی کنند.
“جورج کارنیاداکیس”(George Karniadakis) نویسنده این مطالعه و استاد ریاضیات کاربردی و مهندسی در دانشگاه براون گفت: باید متوجه شوید که اینها رویدادهای تصادفی هستند. یک بیماری همهگیر مانند کووید-19، فاجعه زیست محیطی در خلیج مکزیک، یک زلزله و آتش سوزیهای عظیم در کالیفرنیا و یک موج 30 متری که یک کشتی را واژگون میکند اینها رویدادهای نادری هستند و چون نادر هستند، ما دادههای تاریخی زیادی در دست دارند. نداریم. نمونههای کافی از گذشته برای پیشبینی بیشتر آنها در آینده. سوالی که در این مقاله به آن میپردازیم این است: بهترین امکان را داریم که میتوانیم آن را برای حداقل تعداد مورد نیاز خود استفاده کنیم چه چیزهایی هستند؟
در این مطالعه دریافتند که از استفاده فعال (روش نمونه گیری متوالی) راه حل این موضوع است. این الگوریتمها میتوانند ورودیهای را تجزیه و تحلیل کنند و همچنین از آنچه ارائه میشود برای برچسبگذاری نکات جدید که مهمتر از دادههای گذشته هستند، بیاموزند. به عبارت دیگر، با کمترین اطلاعات میتوانم بیشتر انجام دهم. مدل های ماشینی که استفاده کردند DeepOnet نام دارد. DeepOnet نوعی شبکه عصبی مصنوعی است که از گرهها به هم پیوسته و لایههای آن استفاده میشود که میتواند به مغز انسان متصل شود.
شبکههای عصبی مصنوعی (Artificial Neural Networks – ANN) یا به زبان سادهتر شبکههای عصبی سیستمها و روشهای محاسباتی نوین برای ماشینها، نمایش دانشهای کاربردی دانش به دست آمده در بیشبینی پاسخهای خروج از سامانههای پیچیده هستند. ایده اصلی این گونه شبکهها تا حدودی الهام گرفته شده از شیوه کارکرد سیستم عصبی زیستی برای پردازش دادهها و اطلاعات به منظور و ایجاد دانش میباشد.
این سیستم چگونه های آینده را پیش بینی می کند؟
دو شبکه عصبی با این ابزار در یک شبکه کار میکنند و این امر آن را به یک منبع فوقالعاده قدرتمند تبدیل میکند که میتواند در هر دو شبکه پردازش کند. در نهایت، این امر امکان میدهد تا دادهها را به سرعت تجزیه و تحلیل کنند. در این کار، بررسیها نشان میدهند که DeOnet، همراه با تکنیکهای بدون فعال، میتوانند شاخصهای یک رویداد فاجعه بار را نشان دهند.
کارنیاداکیس افزود: هدف این نیست که همه چیز ممکن است را بگیرد و آنها را در سیستم قرار دهد، بلکه باید به دنبال رویدادهایی باشند که نشانههایی از رویدادهای نادر باشند. ما ممکن است نمونههای بسیاری از رویدادهای احتمالی باشد، اما ممکن است آنها را بهعنوان نمونههای اولیه قرار دهیم. ما از طریق ریاضیات، آنها را میکنیم.
برخی از روشهایی که میتوانند از مدلهای معمولی بهتر عمل کنند و بیان کنند که آنها را میتوان دریافت کرد، برای پیشآمده شدن رویدادهای طبیعی نادر وجود داشت.
تحقیقات این مطالعه در مجله “Nature Computational Science” منتشر شده است.
انتهای پیام