به گزارش خبرگزاری مهر به نقل از فدراسیون فناوری اطلاعات و ارتباطات، فرزاد ابراهیمی با اشاره به نقش فناوری هوش مصنوعی در مهار کرونا ویروس گفت: بحث اندازه گیری دمای بدن افراد به خصوص با دوربین های حرارتی برای تشخیص اولیه بیماری کرونا از اهمیت بسیار بالایی برخوردار است و هوش مصنوعی می تواند با تجزیه و تحلیل داده های دمای بدن افراد پیش بینی کند که بین افرادی که در یک سالن قرار دارند، کدام یک از آنها احتمالاً مبتلا به کرونا هستند.
وی ادامه داد: اکنون این اقدام در حال انجام است. به طور مثال برای حفاظت از سران کشورهای جهان تیم های امنیتی آنها از این ابزارها استفاده می کنند تا بتوانند افراد سالم را از افراد مشکوک به کرونا در زمانی که به مقامات عالی رتبه کشورها نزدیک می شوند، تشخیص دهند.
ابراهیمی گفت: این ابزارها هم اکنون با عنوان دوربین های حرارتی تشخیص کرونا به منظور استفاده در اماکن عمومی نیز در دسترس هستند و از گیت‌های ورودی پروازها در فرودگاه ها تا ورودی سازمان ها و محل اجتماعات عمومی این ابزارها مورد بهره برداری قرار می گیرند.
تشخیص مراحل اولیه کرونا با تکنیک یادگیری عمیق
رئیس مرکز تعالی اینترنت اشیاء آسیا و اقیانوسیه در آژانس تخصصی فناوری اطلاعات سازمان ملل متحد با اشاره به اقداماتی که در کشور در زمینه به کارگیری هوش مصنوعی در بحران کرونا شده است، ادامه داد: در داخل کشور نیز اتفاق‌ات خوبی رخ داده است. دانشگاه ها و پارک های علم و فناوری با بهره گیری از توان متخصصین ایرانی و با تحلیل داده ها و بهره گیری از الگوریتم های هوش مصنوعی دستاوردهای خوبی داشته اند که از جمله آنها می توان به سامانه هوشمند تشخیص کووید ۱۹ توسط محققان دانشگاه صنعتی شریف اشاره کرد.
وی توضیح داد: این دستاورد به عنوان دستیار متخصص رادیولوژی، سرعت و دقت تشخیص کووید ۱۹ را از طریق پردازش تصاویر سی تی اسکن قفسه سینه افزایش می دهد. این سامانه در کوتاه ترین زمان ممکن، ویروس کرونا را در بدن افراد تشخیص می دهد. از همین رو مهم ترین اقدامی که هوش مصنوعی می تواند انجام دهد، شناسایی اولیه بیماران کرونایی است.
ابراهیمی در خصوص نحوه کارکرد هوش مصنوعی گفت: به عنوان مثال یادگیری ماشین، شاخه ای از هوش مصنوعی است که به پژوهش و ساخت سیستم هایی با قابلیت یادگیری از داده ها می پردازد. یادگیری عمیق یک تکنیک یادگیری ماشینی از هوش مصنوعی است که به کامپیوترها آموزش می دهد تا کارهایی که انسان به طور طبیعی انجام می دهد را فرا بگیرد.
وی اضافه کرد: در یادگیری عمیق، یک مدل کامپیوتری می آموزد که اقدامات طبقه بندی را مستقیماً از تصاویر، متن یا صدا انجام دهد. با استفاده از تکنیک های مختلف هوش مصنوعی و با در اختیار داشتن داده های مختلف از یک جامعه آماری می توان با بهره گیری از تکنیک یادگیری عمیق به تشخیص بیماری کرونا در مراحل اولیه پرداخت.
رصد تجهیزات بیمارستانی با حسگرهای اینترنت اشیا
ابراهیمی با اشاره به استفاده از فناوری اینترنت اشیا برای رصد اموال بیمارستانی گفت: تجهیزاتی مانند ونتیلاتور (دستگاه تنفس مصنوعی) در دوران مراقبت و درمان بیماران کرونایی که در شرایط حاد تنفسی قرار دارند بسیار حائز اهمیت است. از همین رو رصد این نوع تجهیزات که در کجا هستند و اطلاع از سلامت آنها و اینکه در حال استفاده یا آزاد هستند از طریق فناوری اینترنت اشیا ممکن است.
وی افزود: امروزه با بهره گیری از اینترنت اشیاء و حسگرهایی نظیر بیکن ها که مبتنی بر بلوتوث کار می کنند، می توان به مکان یابی در فضای بسته پرداخت. یک چنین فناوری می تواند کاربردی قابل توجه در بحث مکان یابی تجهیزات با اهمیت بیمارستانی داشته باشد و همچنین کارمندان و کادر درمان بیمارستان را نیز می توان از طریق بلوتوث تلفن همراهشان و با بهره گیری از این فناوری رصد کرد؛ همچنین از این طریق امکان سرویس دهی با دقت بالاتر به ویژه در شرایط بحران هایی مثل کرونا، فراهم می شود.
هوش مصنوعی جهش کرونا در پاییز را پیش بینی می کند
ابراهیمی در مورد توان پیش بینی شرایط آینده کرونا توسط هوش مصنوعی، گفت: سامانه های مبتنی بر هوش مصنوعی می‌توانند رفتار هوشمند انسان را شبیه سازی کنند و در شرایط پیچیده و نامنظم، رفتارهای هوشمند از خودشان نشان دهند.
وی تاکید کرد: با بهره گیری از سامانه های هوش مصنوعی در حوزه سلامت و در تشخیص زودهنگام بیماری کرونا، این سامانه ها می توانند با بهره گیری از تکنیک های یادگیری عمیق به عنوان ابزار کمی در خدمت جامعه پزشکی کشور باشند و حتی پیشنهادهای درمانی را مبتنی بر تحلیل هایی که انجام می دهند ارائه دهند که برای پزشکان هم قابل تشخیص نباشد.
رئیس مرکز تعالی اینترنت اشیاء در آژانس تخصصی فناوری اطلاعات سازمان ملل متحد افزود: حتی هوش مصنوعی این قابلیت را دارد که بتواند با تحلیل اطلاعات و بهره گیری از انواع تکنیک های یادگیری، جهش مثبت یا منفی کرونا را در پاییز آینده پیش بینی کند.
به گفته وی، اگر فاکتورهای مختلف از یک محیط در خصوص افزایش یا محدود کنندگی کرونا به ماشین ارائه شود، می تواند شرایط آینده را دقیق تر پیش بینی کند.
ابراهیمی ادامه داد: سامانه های مبتنی بر هوش مصنوعی می توانند به صورت بلادرنگ در شرایط مختلف اقلیمی از نظر دما، رطوبت و … داده های مختلف را دریافت و تحلیل کرده و نرخ شیوع ویروس کرونا را رصد و پیش بینی کنند.
وی گفت: نکته جالب اینجاست که اگر در خصوص رفتار مردم جوامع مختلف، تبادل اطلاعات آماری صورت گیرد، می توان گفت که یک مرکز داده خوب خواهیم داشت و هرچه داده های سودمند بیشتر باشد، تنوع بیشتری از حالت های ممکن را نیز به همراه خواهد داشت که در دقت سامانه اثر مستقیم دارد. از همین رو هوش مصنوعی می تواند ادراک قوی تری نسبت به یک اتفاق داشته باشد و مبتنی بر انواع روش های تحلیلی در تصمیم سازی و تصمیم گیری در دوران کرونا کمک موثری کند.
این کارشناس با بیان اینکه با بهره گیری از ابزارهای هوش مصنوعی می توان به یک پیش بینی دقیق و واقع بینانه از چگونگی گسترش ویروس کرونا در آینده دست پیدا کرد، به جایگاه ایران در بحث هوش مصنوعی اشاره کرد و گفت: با توجه به فعالیت های خوبی که در چند سال اخیر در کشور در حوزه هوش مصنوعی به ویژه در دوران کرونا انجام شده است، ایران جایگاه رو به رشد و خوبی در عرصه بین المللی پیدا کرده و در برخی از سامانه ها نظیر سامانه هوشمند تشخیص کووید ۱۹ جزو چند کشور برتر در این حوزه قرار دارد.
نظر شما