کپی مغز انسان روی تراشه

سامسونگ به دنبال فناوری جدیدی است تا بتواند مغز انسان را به تراشه های سه بعدی انتقال دهد.

به گزارش پایگاه خبری صنایع مدرن، سامسونگ به دنبال نوعی فناوری است تا بتواند مغز انسان را کپی کند.

این شرکت روی توسعه تراشه های شبیه به مغز تمرکز دارد. به طوری که در آن از ساختارهای موجود در مغز استفاده خواهد شد.

در روش جدید باید تراشه‌های نورومورفیک سه بعدی شبیه به نورون‌های مغز سیم کشی شوند.

این جای‌گذاری با کمک نانو الکترودها انجام خواهد شد که می‌تواند وارد نورون ها شوند و با اتصال به آنها فعالیت ثبت و ضبط را انجام دهند.

پس از آن می‌توان داده ها را در یک شبکه سه بعدی به نام حافظه حالت جامد ثبت کرد.

سامسونگ این روش را مهندسی معکوس مغز خوانده است و می گوید: هر واحد حافظه از طریق رسانایی می‌تواند با اتصال نورونی آن را منعکس کند.

در واقع این روش در مقایسه با سیستم های هوش مصنوعی نوعی میانبر در نظر گرفته می‌شود که علاوه بر آن ویژگی های جدیدی نظیر انعطاف پذیری در یادگیری مفاهیم جدید و همچنین امکان سازگاری با شرایط را خواهد داشت.

این محققان امید دارند در آینده با کمک این فناوری به خودروهای کاملا خودران با قدرت تشخیص واقعی دست پیدا کنند.

البته در این راه با چالش های پیچیده و بزرگی نیز مواجه خواهند بود.

از مشکلات اصلی این روش می‌توان به پیچیدگی های مغز انسان و وجود حدود ۱۰۰ میلیارد سلول عصبی با هزار برابر پیوند سیناپسی اشاره کرد. به طوری که یک تراشه نورومورفیک باید به حدود ۱۰۰ تریلیون واحد حافظه مجهز باشد.

به نظر می رسد سامسونگ برای رسیدن به این فناوری زمان زیادی را نیاز خواهد داشت.

نقش هوش مصنوعی در آینده نظام درمان

کارشناسان معتقدند در آینده هوش مصنوعی در پزشکی می‌تواند درمان بیماری‌ها را تسهیل کند اما تا آن زمان چالش‌های زیادی سر راه است.

به گزارش پایگاه خبری صنایع مدرن به نقل از وبسایت ونچوربیت، از میان تمام رشته‌هایی که انتظار می‌رود در طی دهه آینده هوش مصنوعی در آن‌ها نفوذ کند، شاید هیچ کدام مهم‌تر از پزشکی و مراقبت‌های بهداشتی نباشد. از تشخیص زود هنگام تا انجام عمل جراحی به کمک روبات؛ انتظار می‌رود که هوش مصنوعی به طرق مختلف سلامتی ما را افزایش دهد.

اما هوش مصنوعی این پتانسیل را دارد که آسیب بزرگی به بار آورد. بدن انسان یک توده چرخشی از فرآیند‌های زیستی، شیمیایی و حتی الکتریکی است و دارای ساختار‌ها و فیزیولوژی‌های متنوعی است که هیچ یک از آن‌ها دقیقاً شبیه هم نیستند. بیش از هر صنعت دیگری، بهداشت و درمان باید با دقت در زمینه استفاده از هوش مصنوعی قدم بردارد تا این اطمینان حاصل شود که نتایج منفی به حداقل می‌رسند.

طبق بررسی دانشکده محاسبات و انفورماتیک دانشگاه  درکسل، هوش مصنوعی می‌تواند اطلاعات و تجزیه و تحلیل زمان واقعی در مورد مسائل پزشکی را در اختیار پزشکان قرار دهد و همچنین بسیاری از کار‌های وقت‌گیر را که مانع روند مراقبت‌های بهداشتی می‌شوند، مانند بیمه، ارائه دهد.

همچنین هوش مصنوعی می‌تواند نیاز به منابع فراوان را که در حال حاضر روند مراقبت‌های بهداشتی را مسدود کرده و افزایش هزینه‌ها را به دنبال دارد را تاحدی کاهش دهد.

به گفته وینود ساراچاندران Vinod Saratchandran، رهبر تیم  Fingen، هوش مصنوعی بیش‌ترین تاثیر را بر دو عملکرد کلیدی پزشکی دارد. برای مثال هوش مصنوعی نه تنها می‌تواند جزئیات دقیق را مشخص کند بلکه قابلیت تشخیص ناهنجاری‌ها را دارد.

در آینده، ما می‌توانیم انتظار داشته باشیم که هوش مصنوعی در حوزه‌های کشف دارو، ردیابی بیماری همه‌گیر و پیش‌گیری و حتی مراقبت‌های اولیه مستقیم نقش مهمی ایفا کند.

اما نکته منفی این واقعیت است که حتی هوش مصنوعی نیز کامل نیست در نتیجه اشتباهات غم انگیزی رخ می‌دهد.

هوش مصنوعی نه تنها توسط داده‌هایی که در هنگام برنامه ریزی محدود می‌شود، بلکه در معرض نقض امنیت نیز قرار دارد.

یک مشکل بالقوه دیگر این واقعیت این است که فرآیند‌های تصمیم‌گیری که اغلب توسط الگوریتم‌های هوش مصنوعی به کار گرفته می‌شوند، در بهترین حالت غیرشفاف هستند.

سازمان جهانی بهداشت به تازگی این عدم شفافیت را به عنوان یکی از ضعف‌های کلیدی در هوش مصنوعی ذکر کرده‌ و پتانسیل تصمیمات نادرست پزشکی را به عنوان یک نگرانی مهم مطرح کرده‌ است.

در زمینه مراقبت‌های پزشکی بیماران تمایل کمی به انتخاب هوش مصنوعی نسبت به یک پزشک انسانی دارند، زیرا یک پزشک انسانی توانایی ارائه توضیحات روشنی در مورد آنچه را که می‌خواهد انجام دهند را دارد.

به عنوان نمونه موردی که به تازگی مورد توجه قرار گرفت، سیستم‌های اپیک، بزرگ‌ترین شرکت ثبت سلامت در آمریکا، ادعا کرده است که الگوریتم‌های هوشمند اختصاصی آزمایش‌هایش در بیماران با دقت ۸۳ درصد تشخیص داده شدند. اما هنگامی که مجله انجمن پزشکی آمریکا نتایج یک بیمارستان را در دانشگاه میشیگان بررسی کرد، سیستم نتوانست ۶۷ درصد موارد را شناسایی کند.

خبر خوب این است که این مسائل قابل‌ حل هسستند. زیرا با گذشت زمان کم کم الگوریتم‌ها بیشتر می‌شوند و به همان اندازه بیماران و پزشکان یاد می‌گیرند چه انتظاری از هوش مصنوعی داشته باشند.

بودجه 16 میلیون دلاری وزارت انرژی آمریکا برای هوش مصنوعی

وزارت انرژی آمریکا می‌خواهد با کمک مالی 16 میلیون دلاری به تحقیقات در زمینه یادگیری ماشین، روند اکتشافات علمی را خودکار کند.

به گزارش پایگاه خبری صنایع مدرن به نقل از اسلش‌گیر، وزارت انرژی آمریکا (DOE)  می‌گوید که این بودجه را بین جمعا پنج پروژه تحقیقاتی تقسیم خواهد کرد که الگوریتمهای AI و یادگیری ماشین تنظیم شده برای تلاش‌های علمی را توسعه می‌دهند.

هدف این است که این الگوریتم‌ها بتوانند از طریق حجم بالایی از داده‌ها از منابع مختلف تقسیم شوند و از آن برای ارائه بینشها یا حتی انجام اکتشافات علمی جدید استفاده شود.

داده‌های خام ممکن است از چند منبع نشات بگیرند: مطالعات مشاهده‌ای، آزمایش‌های علمی، و حتی شبیه‌سازی‌ها.

سیستم‌های AI و ML توسعه داده شده از طریق این پروژه‌ها می‌توانند از این داده‌ها، از جمله، برای این موارد استفاده کنند: پیشبینی اینکه چه زمانی یک شرایط آب و هوایی نامساعد رخ خواهد داد، ارائه بینش‌های پویا درباره شبکه‌های برق، دستیابی به جمع‌بندی‌هایی درباره فضا و فیزیک، و سایر موارد.

وزارت انرژی آمریکا علائق خاص خودش را به این الگوریتم‌ها دارد؛ این آژانس دارای تاسیسات کاربری علمی است که حجم عظیمی از داده‌ها را تولید می‌کنند که باید مورد تجزیه و تحلیل قرار گیرند. این انتظار معقولانه نیست که دانشمندان، با هدف پیشرفت‌های ناگهانی، بینش‌ها و اکتشافات، بتوانند چنان حجم بالایی از اطلاعات را سازماندهی و مدیریت کنند.

خروج از نسخه موبایل