نوشته‌ها

دنیاگیری کووید ۱۹؛ بحرانی که ربات‌ها می‌توانند به حل آن کمک کنند

ربات‌ها می‌توانند به پزشکان کمک کنند تا از بیماران فاصله بگیرند و به افراد در انزوا نیز کمک کنند تا شرایط را تحمل کنند؛ اما وارد کردن این ماشین‌ها به بیمارستان‌ با مشکلات زیادی همراه است.

ربات‌های پیچیده و هوش مصنوعی، به‌جای جایگزینی کامل انسان‌ها، درحال تقویت نیروهای انسانی هستند. اگرچه خوب است که بتوانیم از پزشکان و پرستاران با واگذار کردن وظایف بیشتر به ربات‌ها، محافظت کنیم، خودکار کردن بخش‌هایی از پزشکی دشوار است. این کار اساسا یک وظیفه‌ی انسانی است و به مهارت‌های حرکتی خوب، دلسوزی و تصمیم‌گیری سریع نیاز دارد که تعیین‌کننده‌ی مرگ یا زندگی افراد است. ما نمی‌خواهیم چنین تصمیماتی را به ماشین‌ها واگذار کنیم.

اما دنیاگیری کووید ۱۹ فرصتی بی‌نظیر برای حرکت سریع درجهت توسعه‌ی فناوری‌های ربات‌های پزشکی است. ده‌ها متخصص رباتیک در سرمقاله‌ای که به‌تازگی در مجله‌ی Science Robotics منتشر شده است، به این موضوع پرداخته‌اند. گوانگ ژونگ‌یانگ یکی از نویسندگان سرمقاله و نیز سردبیر مجله‌ی مذکور در یک کنفرانس مطبوعاتی گفت:

مردم شروع به تامل درمورد این موضوع کرده‌اند که در موقعیت‌هایی مانند این، ربات‌ها نه‌تنها می‌توانند در امر فاصله‌گیری اجتماعی مورد استفاده قرار گیرند بلکه همچنین ازنظر افزایش تعاملات اجتماعی نیز کاربرد دارند.

سرمقاله‌ی جدید درواقع فراخوانی است که خواستار انجام پژوهش‌های بیشتر در زمینه‌ی ربات‌های پزشکی است. یانگ و همکارانش در این سرمقاله نوشتند:

رباتیک و اتوماسیون می‌تواند نقش مهمی در مبارزه‌با بیماری‌های عفونی مانند کووید ۱۹ داشته باشد. ربات‌ها دارای پتانسیل استفاده برای ضدعفونی، تحویل دارو و غذاها، اندازه‌گیری علائم حیاتی و کمک به کنترل مرزها هستند. با تسریع دنیاگیری، نقش‌های بالقوه‌ی رباتیک بیشتر آشکار می‌شود.

علاوه‌براین، ربات‌ها نوعی پزشکی از راه دور را مقدور می‌سازند که انسان‌ها را از مناطق آلوده دور نگه می‌دارد. به‌گفته‌ی پژوهشگران:

کووید ۱۹ می‌تواند همچون عامل تسریع‌کننده‌ی توسعه‌ی سیستم‌های رباتیکی عمل کند که بتوانند به‌سرعت و از راه دور و بدون نیاز به رفتن به خطوط مقدم، توسط کارشناسان و ارائه‌دهندگان خدمات اساسی به کار گرفته شوند.

نکته‌ی طعنه‌آمیز دنیاگیری ویروس کرونا این است که متخصصان پزشکی بهتر از هر کسی می‌دانند که فاصله‌گیری اجتماعی برای کاهش نرخ عفونت‌های جدید ضروری است اما بااین‌حال مجبورند بیش از همه به بیماری نزدیک باشند. همچنین کسانی که شاید بیش از هر کسی نیاز به تعامل اجتماعی دارند، یعنی سالخوردگان، کسانی هستند که بیش از همه لازم است جدا شوند؛ زیرا بیش از دیگران دربرابر بیماری حساس هستند. اما اگر ماشین‌ها بتوانند در امر مراقبت از بیماران کمک کنند، احتمال ابتلای مراقبان انسانی به عفونت کاهش پیدا می‌کند.

برای مثال، ربات‌های خودمختار می‌توانند در اتاق‌ها پرسه بزنند و سطوح را با استفاه از نور فرابنفش ضدعفونی کنند. ربات‌ها همچنین می‌توانند مانند ربات تاگ (Tug)، لوازم مورد نیاز را تحویل دهند. هوش مصنوعی می‌تواند به تشخیص مبتلایان کووید ۱۹ کمک کند. نویسندگان سرمقاله نیز پیشنهاد می‌کنند که مهندسان می‌توانند ربات‌های سیاری را برای انجام کارهای ساده‌ای مانند اندازه‌گیری دمای بدن بیمار توسعه دهند. این فناوری‌ها می‌تواند از فشار وارده بر انسان‌های ارائه‌دهنده‌ی مراقبت‌های بهداشتی کم کند و به آن‌ها کمک کند تا از افراد آلوده فاصله بگیرند. این امر می‌تواند به برطرف کردن تگناهای آینده که در آن کارکنان زیادی پس از مواجهه‌با افراد عفونی، بیمار یا قرنطینه می‌شوند و نیروی کار کافی برای مراقبت از بیماران وجود ندارد، کمک کند.

کیت دارلینگ، متخصص رباتیک که در سرمقاله مشارکتی نداشته است، می‌گوید نمونه‌های زیادی وجود دارد که در آن ماشین‌ها به انسان در انجام وظایفشان کمک می‌کنند. او می‌گوید دستگاه‌های خودپرداز به بانک‌ها این امکان را داده است که خدمات پرداخت خود را گسترس دهند. ربات‌های دفع بمب به سربازان کمک می‌کنند که از خطر بیشتر فاصله بگیرند. مواردی وجود دارد که اتوماسیون جایگزین انسان می‌شود اما پتانسیل حقیقی رباتیک در تکمیل مهارت‌های ما است. ما باید تلاش برای جایگزینی را متوقف کنیم و درمورد نحوه‌ی استفاده از فناوری برای دستیابی به اهدافمان خلاقانه‌تر فکر کنیم.

تصور آینده‌ای که در آن ربات‌های تحویل‌دهنده غذا و لوازم را به خانه‌ی افراد قرنطینه می‌رسانند و مانع از این می‌شوند که کارکنانِ تحویل با تماس با آن‌ها آلوده شوند، دشوار نیست. افراد قرنطینه‌شده درحال‌حاضر با استفاده از برنامه‌های تماس ویدئویی با دوستان و خویشاوندان خود در ارتباط هستند، اما ربات‌های اجتماعی در غیاب همتایان انسانی، می‌توانند مردم را از تنهایی درآورند.

ربات‌های دورحضوری (حضور از راه دور) که اغلب به‌سادگی یک صفحه‌ی نمایش روی چرخ طراحی شده‌اند، برای کمک به اعضای خانواده برای تماس با سالخوردگان در آسایشگاه‌ها شروع به کار کرده‌اند. در بیمارستان‌ها، چنین ربات‌هایی می‌توانند موجب ارتباط پزشکی که مثلا در لندن قرار دارد با بیماری که در آمریکا به سر می‌برد، شوند.

البته یکی از مشکلات اساسی رباتیک بیمارستان، نیاز به تعامل حساس بین پزشک و بیمار است. پزشک باید بیمار را زنده نگه داشته و درعین‌حال در دوران سخت با او همدلی کند. ربات‌ها این گونه نیستند. اینکه یک ربات تا چه اندازه می‌تواند از عهده‌ی وظیفه‌ی کارکنان بخش پزشکی برآید تا حدودی بستگی به این موضوع دارد که آیا او می‌تواند تعامل انسانی را جایگزین کند یا اینکه فقط انتقال‌دهنده‌ی این تعامل است. به‌عبارت دیگر، آیا ربات فقط به‌عنوان واسطه‌ای برای پزشک یا دیگر کارکنان مراقبت‌های بهداشتی یا متخصصان عمل می‌کند یا اینکه قرار است خود ربات وظیفه‌ای را انجام دهد؟

جولی کارپنتر متخصص رباتیک و پژوهشگر گروه اخلاق و علوم نوظهور در دانشگاه ایالتی کالیفرنیا که در سرمقاله‌ی جدید مشارکتی نداشته است، می‌گوید:

یقینا اینکه کاری کنیم آن‌ها برای انسان ترسناک نباشند، مهم است.

مثلا ربات تاگ را درنظر بگیرید. این ربات کم‌و‌بیش مانند جعبه‌ای است که به‌طور خودمختار در راهروهای بیمارستان پرسه می‌زند و اگر منتظر آسانسور باشد با صدایی دوستانه به شما می‌گوید. ممکن است لازم باشد که یک ربات بسیار بزرگ باشد تا بتواند بیمار را بلند کند؛ اما در این حالت اندازه‌ی آن ممکن است ترسناک باشد. کاهش استرس روانی فرد به‌خصوص در سناریوهای مراقبت، باید بخش مهمی از طراحی ربات‌ها باشد.

مهندسان همچنین هنگام طراحی ربات‌های پزشکی باید کارکنان بیمارستان را که تاکنون با آن‌ها کار نکرده‌اند، مورد توجه قرار دهند. هنریک کریستنسن یکی از نویسندگان سرمقاله می‌گوید:

آن‌ها به‌وسیله‌ی مهندسان و برای مهندسان طراحی شده‌اند. پرستاران و پزشکان درحال‌حاضر تحت استرس قرار داشته و زمان زیادی ندارند. اگر به آن‌ها بگویید که آموزش استفاده از ربات دو ساعت طول می‌کشد، احتمالا آن‌ها را از دست می‌دهید. ما امروزه هنوز به اندازه‌ی کافی در طراحی ربات‌هایی که واقعا روان باشند، خوب نیستیم.

یکی از ایده‌های جسورانه حاصل‌از کنفرانس مطبوعاتی Science Robotics راه‌اندازی رقابتی برای ساخت ربات‌های پزشکی بود. برای مثال، دارپا در سال ۲۰۱۵ رقابت رباتیکی را برگزار کرد که در آن ماشین‌های انسان‌نما را مقابل یکدیگر قرار داد و به میزان زیادی پژوهش درمورد استقلال ربات‌ها را پیش برد. اکنون دارپا درحال اجرای چالش دیگری است برای ربات‌هایی که در محیط‌های زیرزمینی به کاوش مشغول می‌شوند. کریستنسن می‌گوید:

پس چرا یک چالش رباتیک در بیمارستان راه‌اندازی نکنیم؟ بدون تردید، این راهی از نوآوری جمع‌سپاری است.

منبع: zoomit.ir

دستاورد جدید هوش مصنوعی: تبدیل سیگنال‌های مغز به متن با دقت ۹۷ درصد

دانشمندان به تازگی موفق به توسعه سیستم هوش‌مصنوعی جدیدی شده‌اند که می‌تواند سیگنال‌های مغز انسان را با دقت ۹۷ درصد به متن تبدیل کند.

برای اولین بار شاهد توسعه سیستمی با این میزان دقت هستیم. محققان دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF) به چنین موفقیتی دست پیدا کرده‌اند. برای افزایش دقت این سیستم، این تیم توسط جراح مغز و اعصاب، «ادوارد چانگ» سرپرستی شده. در این تحقیق روش جدیدی برای رمزگشایی الکتروکورتیکوگرام مورد استفاده قرار گرفت: پالس‌های الکتریکی که در طی فعالیت قشر مغز ایجاد می‌شوند، توسط الکترودهای کاشته شده در مغز جمع‌آوری شدند.

در این تحقیق جدید چهار بیمار مبتلا به صرع با استفاده از ایمپلنت‌هایی برای نظارت بر تشنج، مورد بررسی قرار گرفتند. تیم دانشگاه UCSF به بیماران گفته بود تعدادی جمله را با صدای بلند بخوانند و تکرار کنند. طی این آزمایش، الکترودها فعالیت مغز را جمع‌آوری کردند.

اطلاعات جمع‌آوری شده وارد یک شبکه عصبی شد. این شبکه عصبی وظیفه تحلیل الگوهای درون فعالیت مغز متناسب با گفتارهای خاص مانند حروف صدادار، صامت‌ها یا حرکات دهن بر اساس صداهای ضبط شده طی آزمایش را برعهده داشت.

پس از این کار، شبکه عصبی دیگری این اطلاعات که از تکرار ۳۰ تا ۵۰ جمله جمع‌آوری شده بود، رمزگشایی کرد. در حقیقت هدف از این کار، پیش‌بینی جملات اصلی تحلیل شده توسط شبکه عصبی اول، در شبکه عصبی دوم بود.

این تحقیق نشان داد سیستم هوش‌مصنوعی توسعه پیدا کرده می‌تواند سیگنال‌های مغز را با ۳ درصد خطا به متن تبدیل کند. در شرایط آزمایشگاهی برای اولین بار چنین دقتی ثبت شده است. تیم دانشگاه UCSF نمونه‌ای از جملاتی که این سیستم به اشتباه تشخیص داده را منتشر کرده. برای مثال جمله «این موزه هر عصر موسیقی‌دان استخدام می‌کند»، توسط هوش‌مصنوعی «این موزه هر صبح گران‌قیمت موسیقی‌دان استخدام می‌کند» پیش‌بینی شده است.

منبع: digiato.com

فناوری جدید Sentons هر سطحی را به رابط کاربری لمسی تبدیل می‌کند

استارتاپی ساکن در سیلیکون‌ ولی، فناوری کاربردی برای تبدیل انواع سطوح به رابط‌ کاربری لمسی توسعه داده است که به‌نام SurfaceWave معرفی شد.

شرکت‌های تولیدکننده‌ی گوشی هوشمند در سال‌های اخیر تمام تلاش خود را به کار گرفته‌اند تا محصولات خود را باریک‌تر و ساده‌تر کنند. در بازاری مشابه، استارتاپی پیش‌گام فعالیت کرده که هدف خود را توسعه‌ی فناوری موسوم به سطوح «تعریف شده توسط نرم‌افزار» بیان می‌کند. آن‌ها از امواج مافوق صوت و هوش مصنوعی استفاده می‌کنند تا هر سطح و ماده‌ای را به سطحی با قابلیت پاسخ به لمس و حسگرهای حرکتی تبدیل کنند. این استارتاپ تلاش می‌کند تا پس از بالغ شدن فناوری، محصول نهایی را به تولیدکننده‌های گوشی و دیگر فعالان سخت‌افزاری ارائه کند؛ محصولی که احتمالا انقلابی در تعامل با دستگاه‌های هوشمند ایجاد خواهد کرد.
استارتاپ Sentons ساکن در سیلیکون‌ولی، فناوری سطوح تعریف‌شده توسط نرم‌افزار را توسعه می‌دهد و آن را SurfaceWave می‌نامد. محصول مورد نظر، یک پردازنده و موتور حسگر حرکتی دارد که در گوشی‌های هوشمند و دیگر سخت‌افزارها قابل استفاده است. سطح نهایی، دکمه‌ها و چرخ‌های مجازی می‌سازد که برای کنترل و ناوبری اپلیکیشن‌ها و قابلیت‌های دیگر دستگاه هدف، کاربرد دارد. پردازنده و موتور حرکتی SurfaceWave برای همه‌ی تولیدکننده‌های موبایل در دسترس خواهد بود.

پیش از عرضه‌ی نهایی محصول، نمونه‌های اولیه برای آزمایش و بررسی تمایل بازار عرضه شدند. سه گوشی هوشمند مبتنی بر فناوری Sentons تولید شد که دو عدد از آن‌ها تنها در آسیا به فروش رفتند. البته مدل و تعداد خریداران گوشی از سوی استارتاپ بیان نشد. یکی دیگر از گوشی‌ها توسط ایسوس و با همکاری تنسنت ساخته شد که در دسته‌بندی Republic of Gamers قرار گرفته و قابلیت Air Triggers آن توسط Sentons توسعه یافته است.

جس لی، مدیرعامل استارتاپ مذکور می‌گوید که ۱۰ تا ۱۲ دستگاه دیگر مبتنی بر فناوری جدید در دست توسعه قرار دارند. او اشاره‌ای به مدل و سازنده‌ی محصولات جدید نداشت و مشخص نیست که آیا کارفرمای قبلی خودش، نمونه‌ای از آن‌ها را خواهد ساخت یا خیر.
Sentons از سال ۲۰۱۱ فعالیت خود را شروع کرد و تا سال جاری حضور خاصی در اخبار و رسانه‌ها نداشت. شرکت امسال اعلام کرد که لی به‌عنوان مدیرعامل، هدایت امور را به دست خواهد گرفت. او ابتدا شرکتی نوآور در حوزه‌ی تصویربرداری به‌نام InVisage داشت که توسط اپل خریداری شد. لی پس از فروش استارتاپ، مدتی را در اپل مشغول به کار بود.
استارتاپ توسعه‌دهنده‌ی SurfaceWave تاکنون ۳۷ میلیون دلار سرمایه جذب کرده است. سهم عمده‌ای از آن، توسط دو سرمایه‌گذار تأمین شد: شرکت NEA و شرکت چینی-آمریکایی Northen Light Venture Capital. به‌علاوه Khosla هم بخشی از سهام استارتاپ را در اختیار دارد. لی در مصاحبه‌ای می‌گوید که آن‌ها برنامه‌ای جدید برای جذب سرمایه‌ی جدی و بزرگ‌تر در سر دارند. با توجه به همکاری این استارتاپ با ایسوس و تنسنت، شاید بتوان آن‌ها را به‌عنوان سرمایه‌گذارهای احتمالی در دور جدید جذب سرمایه تصور کرد.

 

صدای سکوت

ایده‌ی اصلی Sentons بر مبنای امواج صوتی، خصوصا فراصوت شکل گرفت. سیستم اصلی مبتنی بر یک پردازنده است که پینگ‌‌های را به‌صورت فراصوت منتشر می‌کند. شرکت می‌گوید این پینگ‌ها شبیه به سیگنال‌های ردیاب آوایی هستند که مثلا در زیردریایی‌ها برای ارتباط و مسیریابی استفاده می‌شوند. امواج مذکور برای شناسایی حرکت و نیرو روی سطح یک جسم استفاده می‌شوند. Sentons می‌گوید روش مذکور، پیچیدگی‌هایی بسیار بیشتر از فناوری لمس خازنی دارد که اکنون در گوشی‌های هوشمند استفاده می‌شود. فناوری کنونی در ترکیب با الگوریتم‌های Sentons می‌توانند علاوه بر لمس، فشار و مقصد تعامل لمسی را هم تشخیص دهند.

پردازنده‌ی این استارتاپ، علاوه بر انتشار پینگ و میزبانی از موتور حرکتی، ار ماژول‌های حسگر نیز در اطراف دستگاه استفاده می‌کند تا تداخل در پینگ‌ها را متوجه شود. سیستم ترکیبی توانایی آموزش‌پذیری دارد و دکمه‌های موقتی یا تغییر مکان لمس کاربر را هم با عملکرد خود تطبیق می‌دهد.

بازی که به‌عنوان کاربرد اصلی گوشی‌های ایسوس سری ROG بیان می‌شود، یکی از حوزه‌های اصلی بهره‌مندی از سطوح تعریف‌شده با نرم‌افزار است. دنیای بازی همیشه به‌دنبال راه‌هایی برای تجربه‌ی عمیق‌تر می‌رود. با افزایش تولید بازی‌های اختصاصی و پورت کردن بازی‌های مشهور به اکوسیستم موبایل، تولیدکننده‌ها و ناشران بازی هم تلاش می‌کنند تا راه‌هایی برای توسعه‌ی اکوسیستم بازی موبایلی ارائه دهند. کارشناسان متعدد، درحال حاضر اکوسیستم بازی‌های موبایلی را محدود می‌دانند که باید با سرعتی بهتر توسعه یابد. فناوری و برنامه‌های توسعه‌ای Sentons را می‌توان متمرکز بر استفاده از تمامی بخش‌های دستگاه، برای انتقال تجربه‌ی حرکت و دیگر تجربه‌های فیزیکی به کاربر دانست.
علاوه بر بازی‌های موبایلی، حوزه‌های دیگر هم به‌عنوان تمرکز استارتاپ مذکور مطرح می‌شوند. به‌عنوان مثال می‌توان به عکاسی و توسعه‌ی ابزار‌های بهینه‌ی دوربین اشاره کرد. کاربردهای دیگری همچون استفاده از فناوری در خودروهای خودران، لباس و حتی سطح بدن انسان هم در این حوزه مطرح هستند. شایان ذکر است، فناوری Sentons توانایی عملکرد روی پوست انسان و حتی عبور از آن را دارد.

لی می‌گوید هر سطحی فرصت بهره‌برداری از فناوری جدید را دارد. او اعتقاد دارد هنوز زمان مناسبی برای بحث پیرامون کاربردهای سلامت و فناوری‌های پزشکی نیست، اما حوزه‌های دیگر همچون گجت‌های پوشیدنی و خودروهای خودران، درحال‌حاضر استقبال خوبی را از سوی کاربران تجربه می‌کنند. از نگاه او، در کابین یک خودرو، مواد و قطعات بسیار مناسبی برای پیاده‌سازی فناوری به چشم می‌خورد. از داشبورد چرمی تا دکمه‌های فلزی، همگی برای لی و تیمش جذاب هستند و ظرفیت تبدیل شدن به رابط‌ لمسی را دارند.
با وجود ظرفیت‌های بالا، نزدیک‌ترین فرصت پیاده‌سازی فناوری برای لی و Sentons، همان صنعت موبایل است. در سال‌های اخیر سرعت فروش گوشی‌های هوشمند کاهش یافته و برای برخی تولیدکننده‌ها سقوط را تجربه کرده است. بخشی از کاهش فروش، به‌خاطر افزایش قیمت گوشی‌های پرچم‌دار به نظر می‌رسد و دلیلی دیگر، افزایش نفوذ گوشی‌های هوشمند در مقیاس جهانی را بیان می‌کند. دراین‌میان، برخی کاربران و کارشناسان، کمبود نوآوری را به‌عنوان دلیل کاهش فروش بیان می‌کنند. بسیاری از گوشی‌های هوشمند جدید، فناوری‌هایی را عرضه نمی‌کنند که کاربر احساس الزام به خرید آن‌ها را داشته باشد. درنتیجه کاربر نیازی به تعویض دستگاه کنونی و خرید گوشی جدید حس نمی‌کند.

برخی بر این باور هستند که اگر فناوری جدید در اختیار همه‌ی تولیدکننده‌ها قرار بگیرد، دیگران تمایل زیادی به استفاده از آن برای حرفه‌ای‌تر کردن محصولات خود نخواهند داشت. درواقع فناوری دیگر به قابلیتی همگانی می‌شود که داشتن آن، مزیت خاصی برای یک برند نخواهد بود. لی در پاسخ به چنین اعتقادی می‌گوید: «بله، قطعا خاص بودن و کمیاب فناوری امتیازهای زیادی خواهد داشت. ما همین رویکرد را در شرکت قبلی داشتیم.» او به شرکت InVisage اشاره می‌کند که تا پیش از خرید توسط اپل، عملکردی تقریبا مخفیانه و به دور از هیاهوی خبری داشت.

لی با وجود امتیاز دادن به کمبود فناوری، نیاز به رویکردی جدید را در فناوری کنونی الزامی می‌داند. او اعتقاد دارد عرضه یا عدم عرضه‌ی عمومی فناوری دیگر مهم نیست. به‌هرحال اخبار و جزئیات منتشر شده‌اند و آن‌ها دیگر باید به‌دنبال فرصت‌های بیشتر برای محصول خود باشند. مدیرعامل Sentons در ادامه می‌گوید عرضه‌ی فناوری برای همه، به توسعه‌ی کاربری آن کمک می‌کند. به‌هرحال او و تیمش رویکرد ارائه‌ی گسترده را در نظر دارند و از ظهور رقبا و تکرار فناوری هم نگران نیستند.

رونمایی از کوچکترین روبات با چاپ سه بعدی که از لرزش محیطی انرژی می‌گیرد

توسعه‌دهندگان موسسه فناوری جورجیا موفق به ساخت میکرو روبات هایی شده‌اند که می‌توانند در درون بدن انسان تغییرات آب و هوایی را حس کرده، مواد را جابه‌جا کرده و حتی زخم‌ها را درمان کنند.

این روبات‌ها که طول آن‌ها در حدود دو میلی‌متر است برخلاف محدودیت‌های فیزیکی ناشی از اندازه‌شان، می‌توانند در هر ثانیه به‌اندازه ۴ برابر میزان طول خود حرکت کنند.
به گزارش ایتنا از وب‌سایت  theiet،  طرح مفهومی این روبات‌ها بر اساس تنظیماتشان به فرکانس‌های  مختلف جواب می‌دهند و محققان از این طریق می‌توانند با تنظیم میزان ارتعاشات، تک‌تک این روبات‌ها را کنترل کنند.

آزاده انصاری به‌عنوان دستیار پروفسور این پژوهش دراین‌باره اظهار کرد که :« ما به دنبال ساخت فناوری قدرتمندی هستیم و کاربری‌های بالقوه‌ای برای آن در ذهن داریم. ما روی ارتباط مکانیک، الکترونیک، زیست‌شناسی و فیزیک کار می‌کنیم. این حوزه بسیار غنی است و فضای زیادی برای مفاهیم چند رشته‌ای وجود دارد.»

 

این میکرو روبات‌ها متشکل از  یک فعال‌کننده پیزوالکتریک ویژه هستند که به بدنه پلیمری آن‌ها که با استفاده از لیتوگرافی پلیمریزه شده دو فوتونی به‌صورت سه‌بعدی چاپ‌شده‌اند، تزریق می‌شوند. این فعال‌کننده با ایجاد ارتعاشی که منبع خارجی دارد، روبات‌ها را به حرکت درمی‌آورد.

ارتعاشات موجب می‌شود که پاهای فنری روبات‌ها به بالا و پایین حرکت کرده و موجب حرکت روبه‌جلوی آن‌ها شود. هر روبات بر اساس اندازه پا، ابعاد طراحی و ژئومتریک کلی‌اش به نحوی طراحی‌شده است که به فرکانس‌های ارتعاش خاصی جواب بدهد. دامنه این ارتعاشات سرعت حرکت روبات را کنترل می‌کند.

پروفسور انصاری و تیم تحقیقاتی‌اش به دنبال آن هستند که با اتصال دو میکرو روبات به یکدیگر، قابلیت‌های هدایتی آن‌ها را بیشتر کنند. از آنجایی‌که هر میکرو روبات متصل شده‌ای به فرکانس ارتعاشی متفاوت پاسخ می‌دهد پس این ترکیب می‌تواند به فرکانس‌ها و دامنه‌های متغیرتری پاسخ‌گو باشد .

کاربردهای هوش مصنوعی

کاربردهای هوش مصنوعی؛ تعریف و روند پیشرفت:

در اصطلاح عامیانه، واژه هوش مصنوعی زمانی به کار برده می‌شود که یک دستگاه از عملکرد شناختی که طی آن انسان‌ها از اندیشه‌ها و افکار دیگر انسان‌ها بهره می‌گیرند، تقلید کند، عملکرد شناختی همچون، یادگیری و حل مشکلات.

در واقع هوش مصنوعی و یادگیری ماشین را باید کلید حل مشکلات در دنیای فناوری خواند. این روزها هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و اصطلاحاتی این چنین، در خلال اخبار دنیای فناوری، بسیار به گوش می‌رسند؛ چراکه بسیاری از کمپانی‌های رده بالا و پیشتاز در دنیای فناوری، هوش مصنوعی را قدم بزرگ بعدی برای اضافه کردن قابلیت یادگیری به رایانه‌ها عنوان کرده‌اند.

ابزارهای بسیاری در هوش مصنوعی به کار گرفته شده اند که انواع تحقیق و بهینه سازی ریاضی، منطق، شیوه های مبتنی بر احتمال و اقتصاد را احاطه کرده است.

هوش مصنوعی مدعی است که می توان هوش انسانی را جزء به جزء ترسیم کرده و دستگاهی برای تقلید از آن ساخت.

هوش مصنوعی در سال‌های اخیر پیشرفت‌های زیادی کرده و به تدریج در حال تبدیل شدن به یک صنعت بزرگ است. به این ترتیب کامپیوترها و دستگاه‌های دیجیتال در این حوزه به سرعت در حال پیچیده و پیشرفته‌تر شدن هستند. با این حال اما بعضی از باهوش‌ترین مردم جهان عمیقا نگران روزی در آینده نه چندان دور هستند که در آن روبات‌ها می‌توانند رشد کنند و در برابر ما قرار بگیرند، تا جایی که این روند در نهایت تهدیدی برای موجودیت بشر باشد.

تیم برنرزلی  معمار ساختار اصلی و اولیه وب جهانی معتقد است؛ در اختیار گرفتن کنترل جهان توسط هوش مصنوعی می‌تواند کابوس ترسناکی باشد. این پدیده با ایجاد شرکت‌های جدید و نفوذ به ساختار بخش‌ها و شرکت‌های مختلف دیگر می‌تواند تغییرات جدی در دنیای پیرامون ما ایجاد کند.

استفان هاوکینگ نیز به عنوان یکی دیگر از پیشتازان این صنعت مدتی پیش در دانشگاه کمبریج درباره آینده هوش مصنوعی صحبت کرد. آن‌طور که پروفسور هاوکینگ می‌گوید: با سرعتی عجیب به آینده هوش مصنوعی نزدیک می‌شویم.

 او معتقد بود که هوش مصنوعی تله‌ها و دام‌های مخرب مختلفی دارد. آنچه نشان می‌دهد که در تئوری‌ها کامپیوترها توانایی انجام آن را دارند، در واقع نوعی شبیه‌سازی از مغز انسان است. همین روند هم در حال توسعه هوش مصنوعی است. از نظر وی پیش از آنکه به آنجا برسیم که روبات‌ها بخواهند تصمیم بگیرند بشر کلا مازاد است یا نه،  باید فکر کنیم ببینیم خودروی بی‌راننده باید برای حفظ جان سرنشین برنامه‌ریزی شود یا حفظ جان عابر؟

 

کاربردهای هوش مصنوعی:

امنیت داده‌ها:

بدافزارها یکی از مشکلات کاربران و کمپانی‌ها در فضای آنلاین است. تحقیقات انجام شده نشان از این دارد که مدل یادگیری مورد استفاده در هوش مصنوعی قادر است تغییرات ۲ تا ۱۰ درصدی در کد پیاده‌سازی شده را شناسایی کرده و تشخیص دهد که کدام فایل‌ها بدافزار هستند. همچنین باید به این نکته اشاره کرد که الگوریتم‌های یادگیری ماشین می‌توانند الگوی‌های مربوط به رد و بدل شدن اطلاعات در سرورهای ابری را تحت نظر گرفته و موارد مشکوک را که احتمالا منجر به سوءاستفاده‌های امنیتی خواهند شد، شناسایی کنند.

امنیت در دنیای واقعی:

این روزها گیت‌های امنیتی در تمام مکان‌ها نظیر فرودگاه‌ها یا شماری از گردهمایی‌ها که حساسیت امنیتی وجود دارد، دیده می‌شوند. یادگیری ماشین نشان داده که قادر است روند کنترل امنیتی را تسریع کرده و دقت این فرآیند را افزایش دهد.

مبادلات مالی:

بسیاری از افراد تمایل دارند تا قیمت سهام کمپانی‌ها در روزهای آینده را در صورت حاکم شدن شرایط مشخص، پیش‌بینی کنند. استفاده از یادگیری ماشین در کنار کلان‌ داده، درصدد تحقق این امر است.

سرویس‌های سلامتی و مراقبت‌های بهداشتی:

الگوریتم‌های مبتنی بر یادگیری ماشین می‌توانند اطلاعات بسیار زیادی را پردازش کرده و الگوهای بسیاری را در مقایسه با انسان‌ها از میان داده‌های بسیار استخراج کنند.

بازاریابی:

هراندازه که درک و شناخت شما از کاربرانتان بیشتر باشد، بهتر می‌توانید به آن‌ها سرویس دهید و در نتیجه فروش بهتری را نیز تجربه خواهید کرد. این نگرش را باید بنیان استفاده از یادگیری ماشین و هوش مصنوعی در بازاریابی خواند.

جلوگیری از تقلب:

توانایی یادگیری ماشین در زمینه‌ی شناسایی و جلوگیری از تقلب در سرویس‌های مختلف روز به روز افزایش پیدا می‌کند که این توانایی در حوزه‌های مختلف قابل استفاده است.

سیستم ارائه‌ی پیشنهاد:

سرویس‌هایی نظیر آمازون و نتفلیکس با استفاده از فعالیت‌های کاربران در سرویس‌هایشان، پیشنهاداتی را در اختیار افراد قرار می‌دهند. الگوریتم‌های مبتنی بر یادگیری ماشین با تحلیل و بررسی فعالیت یک کاربر مشخص و مقایسه‌ آن با میلیون‌ها کاربر دیگر، لیستی از پیشنهادات را تهیه می‌کنند که احتمالا کاربر در نوبت بعدی به خرید کالا یا برنامه‌ی پیشنهادی علاقه نشان دهد. این پیشنهادات که برگرفته از سیستم‌های هوشمند هستند، رفته رفته باهوش‌تر شده و می‌توانند درک کنند که شما چه کالاهایی را برای هدیه دادن و چه کالاهایی را برای استفاده‌ شخصی خریداری می‌کنید.

جستجوی آنلاین:

به جرأت می‌توان جستجوی اینترنتی را شناخته شده‌ترین نمونه از کاربرد یادگیری ماشین خواند. الگوریتم هوشمند مبتنی بر یادگیری ماشین قادر است با دریافت اطلاعات، نتایج جستجو را در مقایسه با گذشته بهبود دهد.

تشخیص گفتار:

تشخیص گفتار طبیعی یا Natural language Processing که به اختصار NLP خوانده می‌شود، قابلیت استفاده در کاربردهای مختلف را دارد. با استفاده یادگیری ماشین و تشخیص گفتار طبیعی می‌توان کاربران یا مشتریان را با سرعت بیشتری به سمت اطلاعاتی که مدنظر وی است، هدایت کرد.

خودروهای هوشمند:

IBM اخیرا تحقیقی انجام داده که براساس آن بیش از ۷۴ درصد متخصصان در حوزه‌ خودرو از پیش‌بینی خود برای عرضه‌ تجاری خودروهای هوشمند تا سال ۲۰۲۵ سخن گفته‌اند. یک خودروی هوشمند نه تنها با استفاده از مفهوم اینترنت اشیا قادر است با خودروهای دیگر و تابلوهای کنار جاده ارتباط برقرار کند، بلکه قادر است تا با یادگیری ماشین، عادت‌های کاربر یا به بیان راننده را نیز بشناسد. این عادات شامل دمای داخلی خودرو، تنظیمات سیستم صوتی و وضعیت صندلی است. خودرو قادر است با تکیه بر قابلیت‌های هوشمند تنظیمات را تغییر داده و در صورت بروز مشکل، خود مساله را حل کند.

سازماندهی عکس ها و ویدئوها:

این مورد یکی از نمونه های کاربرد هوش مصنوعی برای کاربران عادی است که شاید خیلی از ما با آن آشنا نباشیم. اگر از گوشی های اندرویدی استفاده می کنید احتمالا با اپلیکیشن اختصاصی گوگل برای مرور تصاویر یعنی Google Photos آشنا هستید. این اپلیکیشن برای سازماندهی و مرتب سازی تصاویر از شبکه های عصبی استفاده می کند.

یافتن فیلم و موسیقی در سبک مورد علاقه:

با وجود عدم دسترسی به سرویس‌هایی مانند اسپاتیفای و نت فلیکس در ایران، بسیاری از کاربران از این دو پلتفرم برای گوش دادن به موسیقی و یا مشاهده و پیدا کردن فیلم‌های سینمایی و سریال استفاده می‌کنند. یکی از قابلیت‌های هر دو پلتفرم مورد اشاره، پیشنهاداتی است که به کاربران ارائه می‌دهند. برای مثال اگر شما طرفدار سبک بلوز در موسیقی باشید و در اسپاتیفای هم به این سبک آهنگ ها گوش کنید، هوش مصنوعی آن علایق شما را تشخیص داده و سعی می‌کند موسیقی‌هایی به شما پیشنهاد کند که در سبک مورد نظرتان باشد.

تاریخچه ی هوش مصنوعی

 تاریخچهٔ‌ هوش مصنوعی از آنجا شروع شد که دو پژوهشگر به نام‌های McCulloch و Pitts در سال ۱۹۴۳، مدلی از سلول‌های عصبی مصنوعی را ارائه نمودند (سلول‌های عصبی مصنوعی،‌ مشابه آنچه که در زیست‌‌شناسی به سلول‌های عصبی طبیعی اطلاق می‌شود، نورون نامیده می‌شوند). ویژگی‌ خاص این مدل این بود که در آن هر نورون می‌توانست On و یا Off باشد و هنگامی که تعداد زیادی از نورون‌های پیرامون یک نورون، تحریک می‌شدند، آن نورون نیز روشن می‌شد. McCulloch و Pitts نشان دادند که توابع محاسباتی را می‌توان با شبکه‌ای از نورون‌های به هم پیوسته انجام داد.

در سال ۱۹۴۹، پژوهشگری به نام Donald Hebb استحکام اتصال نورون‌های این مدل را با یک قاعدهٔ ساده اصلاح نمود که این قاعده امروزه به نام قاعدهٔ Hebbian شناخته می‌شود و سرانجام در سال ۱۹۵۱، Marvin Minsky و Dean Edmonds موفق شدند تا نخستین کامپیوتری را بسازند که در آن از شبکه‌ عصبی استفاده شده بود. این کامپیوتر SNARC نام داشت و شبکهٔ عصبی آن از ۴۰ نورون تشکیل شده بود. تقریباً در همین زمان بود که پژوهشگری به نام Turing، مفاهیمی همچون تست تورینگ، یادگیری ماشینی، الگوریتم‌های ژنتیکی و یادگیری تقویت‌شده را معرفی نمود.

در سال ۱۹۵۶ در ورک‌شاپی که توسط شرکت IBM در دانشگاه Dortmouth برگزار شد که در این ورک‌شاپ McCarthy کلمهٔ Artificial Intelligence (هوش مصنوعی) را معرفی کرد. این معرفی که به منزلهٔ تولد رسمی هوش‌مصنوعی بود که فصل مهمی را در تکامل و پیشرفت این علم رقم زد.

پس از آن بود که Newell ،Show و Simon برنامه‌ای با قابلیت استدلال را ایجاد نموده و آن را Logic Theorist نامیدند. نظریهٔ‌ Chomsky نیز در همین زمان مطرح شد و تحلیل زبان را تحت تأثیر خود قرار داد. در سال ۱۹۵۸، John McCarthy یکی از زبان‌های برنامه‌نویسی تخصصی در صنعت هوش مصنوعی به نام LISP را ایجاد نمود.

در سال ۱۹۶۵، پژوهشگری به نام Robinson یک روش استنتاجی را برای حل مسئله ارائه داد و در همین زمان بود که نخستین سیستم خبره (Expert System) مبتنی بر دانش، به نام DENDRAL را در دانشگاه Stanford توسط Laderberg ،Feigenbaum و Djerassi توسعه یافت (در سال‌های بعد Feigenbaum ،Buchanan و Shortlife سیسم خبرهٔ دیگری ساختند که در تشخیص عفونت‌های خونی کاربرد داشت).

در سال ۱۹۶۸، پژوهشگری به نام Winograd برنامه‌ای به نام SHRDLU را توسعه داد که می‌توانست درک اولیه‌ای از زبان انسانی داشته باشد و در سال ۱۹۷۰ نخستین روبات انسان‌نما به نام WABOT-1 در دانشگاه Waseda در ژاپن ساخته شد.

یک سال بعد یعنی در سال ۱۹۷۲، یک سیستم خبره به نام MYCIN در دانشگاه Stanford ایجاد شد که در تشخیص عفونت‌های شدید باکتریایی و تجویز داروی مناسب کاربرد داشت و در سال ۱۹۸۰ روبات انسان‌نمای WABOT-2 که یک روبات نوازنده بود در دانشگاه Waseda در ژاپن تولید شد. در واقع، این روبات می‌توانست موسیقی‌هایی با درجه دشواری متوسط را با کیبورد الکترونیک بنوازد!

نخستین اتومبیل بدون راننده که یک ون مرسدس بنز مجهز به دوربین و سنسور بود، در دانشگاه ‌‌Bundeswehr در مونیخ ساخته شد. در سال ۱۹۸۸،‌Rollo Carpenter چت‌باتی به نام Jabberwacky را ایجاد نمود که می‌توانست به طرز جالب و سرگرم‌کننده‌ای در گفتگو با انسان شرکت نماید.

در ادامهٔ پیشرفت‌های هوش مصنوعی، Deep Blue که یک برنامه‌ٔ کامپیوتری شطرنج‌باز بود، در سال ۱۹۹۷ برای نخستین بار توانست یکی از قهرمانان مسابقات جهانی شطرنج را شکست دهد. همچنین نخستین روبات حیوان خانگی و روباتی که قادر به تقلید احساسات بود به ترتیب در سال‌های ۱۹۹۸ و ۲۰۰۰ تولید شدند.

۲۰۰۶ سالی بود که Etzioni ،Banko و Cafarella اصطلاح Machine Reading را معرفی نمودند و آن را به صورت درک ماندگار و بدون نظارت از متن توصیف نمودند.

در سال ۲۰۰۹، گوگل توسعهٔ ماشین‌های بدون راننده را به صورت غیرعلنی آغاز نمود. دستیار‌های مجازی Google Now ،Siri و Cortana به ترتیب در سال‌های ۲۰۱۱، ۲۰۱۲ و ۲۰۱۴ در اختیار کاربران پلتفرم‌های مختلف قرار گرفتند و در حال حاضر هم شاهد مشارکت و سرمایه‌گذاری بیش از پیش شرکت‌های بزرگ تکنولوژی در پیشرفت و توسعهٔ هوش مصنوعی هستیم و این روند همچنان ادامه خواهد داشت.