در شماره‌های گذشته ماهنامه شبکه مقالات زیادی درباره هوش مصنوعی منتشر کردیم. از نقش هوش مصنوعی در پیشرفت تکنولوژی و آینده مشاغل گرفته تا ترس از جلو زدن هوش مصنوعی از بشر. در پرونده ویژه این شماره اما هوش مصنوعی نه قصد تخریب دارد نه نقشی در بیکاری انسان‌ها بلکه تمام قد در خدمت نسل بشر است برای ادامه بقا. در پرونده ویژه "هوش مصنوعی، شفاخانه عصر نو" می‌خوانیم که چگونه هوش مصنوعی و یادگیری ماشین دست به دست هم دادند تا دریای اطلاعات پزشکی تولید شده در جهان را کاوش کنند و درمانی برای بیماری همه‌گیر کووید 19 پیدا کنند، همچنین با پیشرفت روزافزون مانع از همه‌گیری اپیدمی بعدی شوند.

دیدگاه و یادداشت

  • سرمقاله؛ پایش کامل 
  • پیاده‌سازی مدل‌های هوشمند بومی 
  • مربع طلایی جادویی 

پرونده ویژه

  • هوش مصنوعی گوشی پزشکان در عصر جدید 
  • چرا وابستگی ما به هوش مصنوعی در آینده اجتناب‌ناپذیر خواهد بود؟ 
  • پیاده‌سازی مدل‌های هوشمند با هدف مقابله با بیماری‌های فراگیر در آینده 
  • تاثیر ابزارهای هوشمند بر کنترل شیوع بیماری‌های فراگیر 
  • فناوری‌های هوشمند بازوی کمکی پزشکان 
  • پزشکی از راه دور چیست و چه مزایایی دارد؟ 
  • چگونه با کمک یادگیری ماشین  به جنگ کووید 19 برویم 
  • قدرت‌نمایی هوش مصنوعی در دنیای داروسازی 
  • روبات‌های جراح چه نقشی در زندگی انسان‌ها بازی خواهند کرد؟ 

شاهراه اطلاعات

  • صنعت چهارم و ویروس جهان‌گشا سرآغازی بر یک تحول بزرگ
  • دنیای دوربین: دستگاه‌های هوشمندِ بی‌دفاع 
  • دنیای موبایل: ابزارهای جیبی دردسرساز 

فناوری شبکه

  • چرا با وجود همه چیز به عنوان سرویس به مراکز داده نیاز داریم
  • 11 باور اشتباه در مورد PoE و اثبات نادرست بودن آن‌ها 
  • چرا سازوکارهای برگزاری کنفرانس‌های ویدیویی به بازنگری نیاز دارند؟ 

امنیت

  • جعل عمیق چیست و چگونه امنیت کسب‌وکار را تهدید  می‌کند 
  •  ‌چرا ضدویروس‌ها نمی‌توانند بدافزارهای نسل دوم را شناسایی کنند؟ 

عصر شبکه

  • بانک‌داری در قالب سرویس چیست و چرا فراگیر خواهد شد؟
  • 10 عادت اتمی جادویی  زمینه‌ساز موفقیت‌های  بزرگ 

کارگاه

  • پایگاه داده به عنوان سرویس چیست و چه مزایایی دارد؟
  • 11 پروژه جذاب برنامه‌نویسی که مردم از آن استفاده می‌کنند

هوش مصنوعی گوشی پزشکان در عصر جدید

هوش به معنای گردآوری داده‌ها، استقرار و تحلیل داده‌ها و تجربیات با هدف رسیدن به دانشی است که قدرت تصمیم‌گیری در اختیار متخصصان قرار دهد. به عبارت دیگر، هوش به معنای به‌کارگیری تجارب و دانش برای حل مسائل است. هوش مصنوعی دانش مهندسی ساخت ماشین‌های هوشمندی است که الگوریتم‌های تقلیدکننده هوش انسانی یا حیوانی را به کار می‌گیرند تا رفتاری هوشمند و شبیه به انسان‌ها ارائه کنند. البته هدف نهایی هوش مصنوعی رسیدن به سطحی از درک و هوش همانند انسان‌ها است.

با این‌حال، تفاوتی میان هوش انسانی و هوش ماشینی وجود دارد. انسان‌ها می‌توانند با مشاهده و تحلیل مسایل در مورد موضوعات تصمیم‌گیری کرده و قضاوت کنند، در حالی که الگوریتم‌های هوشمند بر مبنای قواعد و روال‌های از قبل نوشته شده در مورد موضوعات تصمیم‌گیری می‌کنند. به همین دلیل است که امروزه با وجود ابرکامپیوترهای قدرتمند و کامپیوترهای کوانتومی هنوز هوش مصنوعی موفق نشده به نزدیکی هوش انسانی برسد. دانشمندان برای حل این مشکل مجبور به ساخت و ابداع مجموع تکنیک‌ها و روش‌های خلاقانه‌ای هستند که بتواند بر پیچیدگی مدیریت‌ تصمیم‌گیری‌ها و تحلیل‌ها غلبه کرده و اجازه دهد هوش مصنوعی در حوزه‌های مختلف عملکردی شبیه به انسان‌ها داشته باشد. امروزه هوش مصنوعی بیشتر برای حل آن گروه از مسائلی استفاده می‌شود که شیوه‌های رایج سنتی در کوتاه‌مدت پاسخی برای آن‌ها ندارند. به‌طور مثال، شناسایی الگوی بیماری‌هایی همچون کووید 19 و درمانی برای آن‌ها به شیوه سنتی دست‌کم به چند سال زمان نیاز دارد، در حالی که هوش مصنوعی به پزشکان اجازه می‌دهد نشانه‌های این بیماری را کمتر از یک دقیقه شناسایی کنند. در حالت کلی هوش مصنوعی به دو زیر مجموعه هوش نمادین (Symbolic Artificial Intelligence) و هوش پیوندگرا (Connection Artificial Intelligence) تقسیم می‌شود.

در زیر مجموعه هوش نمادین باید به سامانه‌های خبره و شبکه‌های بیزی اشاره کرد. در نقطه مقابل هوش پیوندگرا بر مبنای منطق استقرایی کار کرده و قواعد از ابتدا در دسترس سیستم قرار نمی‌گیرد، بلکه سامانه بر مبنای تجربه، خودش قوانین را استخراج می‌کند. شبکه‌های عصبی و منطق فازی در این گروه قرار می‌گیرند. در دنیای هوش مصنوعی، شبکه‌های عصبی و یادگیری ماشین بیش از نمونه‌های دیگر مورد توجه پژوهشگران قرار گرفته‌اند و در دنیای پزشکی نیز عمدتا از این دو راهکار استفاده می‌شود. شبکه‌های عصبی با تقلید از ساختار عصبی مغز انسان سعی می‌کنند برای حل مشکلات از رویکردی مشابه هوش زیستی استفاده کنند. در شبکه‌های عصبی، نرون‌ها یا به عبارت دقیق‌تر سلول‌های عصبی با اتصال به یکدیگر شبکه‌ای عظیم را به وجود می‌آورند که این شبکه عظیم که متشکل از لایه‌های مختلف است در تعامل با یکدیگر سعی می‌کنند مسائلی که امکان حل آن‌ها به شیوه عادی امکان‌پذیر نیست را حل کنند. شناسایی عوامل تشکیل‌دهنده ویروس‌ها، تشخیص مولکول‌هایی که برای ساخت آنتی‌بیوتیک‌های قدرتمند قابل استفاده است، شناسایی نشانه‌های اولیه بیماری‌ها با تحلیل تصاویر سی‌تی‌اسکن و سنجش درجه حرارت بدن افراد، تشخیص زودهنگام بیماری گلوکوم (آب سیاه) با اسکن چشم، تشخیص سرطان سینه با عملکردی بهتر از متخصصان، بررسی نوار قلب و پیش‌بینی خطر مرگ افراد تنها چند نمونه از قابلیت‌های به اثبات رسیده هوش مصنوعی در علم پزشکی هستند. تمامی این اخبار، مقالات و دستاوردها نشان می‌دهند که حضور هوش مصنوعی در پزشکی جدید اجتناب‌ناپذیر است، اما به معنای جایگزینی برای پزشکان نیست، بلکه این فناوری هوشمند با هدف گسترش افق دید پزشکان سعی دارد اشتباهات پزشکی و روش‌های نوین تشخیصی و درمانی را ارائه کند.

برتری بلامنازع هوش مصنوعی در تجزیه و تحلیل حجم بسیار عظیمی از داده‌ها انکار‌ناپذیر است. گواه این ادعا سامانه هوش مصنوعی John Radcliffe Hospital کشور انگلستان است که می‌تواند با دقت 80 درصد بیماری‌های قلبی و سرطان ریه را به درستی تشخیص دهد، میکروسکوپ هوشمند دانشگاه هاروارد است که برای تجزیه و تحلیل نمونه‌های خونی از یادگیری ماشین استفاده می‌کند و قادر به تشخیص عفونت‌های کشنده است، واستون آی‌بی‌ام است که با تحلیل اطلاعات ژنتیکی قادر به ارائه توصیه‌های مفید پزشکی است و هوش مصنوعی دانشگاه ناتینگهام است که 7.6 درصد بهتر از پزشکان قادر به پیش‌بینی حملات قلبی است. پیشرفت‌های روزافزون هوش مصنوعی باعث شده تا الگوریتم‌های هوشمند به عنوان یک ابزار موثر و کارآمد در رادیولوژی و تحلیل خودکار تصاویر تبدیل شوند. امروزه تاثیر مثبت استفاده از CAD (تشخیص کمک کامپیوتر) در ماموگرافی غربالگری به اثبات رسیده است.

 این‌که به چه میزان می‌توان به قدرت هوش مصنوعی تکیه کرد و این فناوری هوشمند به چه میزان قادر است به انتظارات ما پاسخ دهد پرسش‌هایی هستند که گذشت زمان به آن‌ها پاسخ خواهد داد. با این‌حال، یک موضوع کاملا بدیهی و روشن است، هوش مصنوعی گوشی پزشکان در قرن بیست‌ویکم خواهد بود.

ماهنامه شبکه را از کجا تهیه کنیم؟
ماهنامه شبکه را می‌توانید از کتابخانه‌های عمومی سراسر کشور و نیز از دکه‌های روزنامه‌فروشی تهیه نمائید.

ثبت اشتراک نسخه کاغذی ماهنامه شبکه     
ثبت اشتراک نسخه آنلاین

 

کتاب الکترونیک +Network راهنمای شبکه‌ها

  • برای دانلود تنها کتاب کامل ترجمه فارسی +Network  اینجا  کلیک کنید.

کتاب الکترونیک دوره مقدماتی آموزش پایتون

  • اگر قصد یادگیری برنامه‌نویسی را دارید ولی هیچ پیش‌زمینه‌ای ندارید اینجا کلیک کنید.