نتایج امیدوارکننده آزمایشهای دانشگاه تگزاس برای پیشبینی زلزله با هوش مصنوعی
تاریخ انتشار: ۱۹ مهر ۱۴۰۲ | کد خبر: ۳۸۸۶۱۰۲۶
عضو هیات علمی دانشگاه صنعتی خواجه نصیرالدین گفت: محققان دانشگاه تگزاس الگوریتم هوش مصنوعی جدیدی را آزمایش کردند که میتواند ۷۰ درصد زمینلرزهها را در یک هفته قبل از وقوع آنها به طور دقیق پیشبینی کند. آزمایش این الگوریتم در یک دوره ۷ ماهه در چین انجام شده است و در حال حاضر امیدواری زیادی وجود دارد که این نرمافزار در نهایت بتواند یک سیستم هوش مصنوعی قابل اعتماد برای پیشبینی زلزله ارائه کند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
به گزارش ایسنا دکتر رضا کرمی محمدی، عضو هیات علمی دانشگاه صنعتی خواجه نصیرالدین در نشست تخصصی هشدار سریع زلزله شهر تهران چالشها و راهکارها گفت: در دنیا مخاطرات زیادی رخ میدهد، ولی مخاطره زلزله با سهم ۵۸ درصدی بیشترین میزان تلفات را بر جای میگذارد.
وی با اشاره به مزایای سامانههای هشدار سریع زلزله، خاطر نشان کرد: سامانههای هشدار میتوانند از ۲ تا ۲۰ ثانیه هشدارهای لازم را صادر کنند و آمارها نشان میدهد در صورتی که هیچ هشداری برای زلزله نباشد، ۷۵ درصد از افراد کشته، ۱۵ درصد مجروح شدید و ۵ درصد مجروح در سطح متوسط میشوند.
کرمی با بیان اینکه با اعلام هشدار سریع زلزله ۵۰ درصد افراد سالم میمانند، اظهار کرد: بر اساس گزارشی که از سوی UNDP منتشر شد، در راهاندازی سامانههای هشدار سریع چالشهایی وجود دارد که از آن جمله میتوان به نقصان و نداشتن قوانین و مقررات برای تعریف روشن نقشها، مسؤولیتها و اقداماتی که باید برای عملیات و مدیریت سیستم هشدار سریع انجام شود، اشاره کرد.
وی خاطر نشان کرد: نداشتن چارچوب قانونی و نهادی کارآمد منجر به سردرگمی در شرایط اضطرار میشود که در آن شرایط عامل زمان بسیار مهم است و میتواند منجر به تاخیر در اعلام هشدار و نیز واکنش به هشدارها شود.
عضو هیات علمی دانشگاه خواجه نصیرالدین با بیان اینکه این سناریو نه تنها ممکن است کارایی سیستم را به خطر بیندازد، بلکه در نهایت میتواند منجر به از دست رفتن اعتماد عمومی به سیستم شود؛ از این رو تدوین یک چارچوب قانونی مختص سیستمهای هشدار سریع ضروری است.
وی ایجاد پایگاه دادهها برای اطلاعات مرتبط با ریسک زلزله و بهرهگیری از هوش مصنوعی برای شناخت و پیشبینی وقوع را از دیگر نقصانهای ایجاد سیستمهای هشدار سریع نام برد و یادآور شد: بهره گیری از سیستمهای مخابراتی قابل اطمینان و بهرهگیری از موبایل و امکانات فضای مجازی از دیگر نقصانهای این نوع سیستمها است که در گزارش UNDP به آن اشاره شده است.
وی به اقدام محققان دانشگاه تگزاس در زمینه الگوریتم هوش مصنوعی در حوزه پیشبینی زلزله اشاره کرد و در این باره توضیح داد: این محققان الگوریتم هوش مصنوعی جدیدی را آزمایش کردند که میتواند ۷۰ درصد زمینلرزهها را در یک هفته قبل از وقوع آنها به طور دقیق پیشبینی کند. آزمایش این الگوریتم در یک دوره ۷ ماهه در چین انجام شده است و در حال حاضر امیدواری زیادی وجود دارد که این نرمافزار در نهایت بتواند یک سیستم هوش مصنوعی قابل اعتماد برای پیشبینی زلزله ارائه کند.
کرمی محمدی، نیروی انسانی را از دیگر نقصانهای این سامانهها ذکر کرد و ادامه داد: پرسنل مسؤول نگهداری و راهاندازی این سیستمها باید در این زمینه توانمند و آموزش دیده باشند. بخشهای دولتی و نیمه دولتی، فاقد نیروی انسانی با تجربه و مهارت لازم در این خصوص هستند و اغلب پس از آموزش پرسنل نیز، دستمزدهای بالاتر موجود در بخش خصوصی، این کارکنان شایسته و آموزش دیده را از شغل خود دور میکند.
وی پیشنهاد کرد که در این زمینه لازم است نسبت به جذب نیروی انسانی توانمند در همه سازمانهای دخیل در سیستم هشدار سریع و افزایش مهارتهای مورد نیاز برای ارائه سرویسهای پیشبینی هشدار اقدام شود.
انتهای پیام
منبع: ایسنا
کلیدواژه: هوش مصنوعی و زلزله سامانه هشدار سریع زلزله دانشگاه تگزاس جهاد دانشگاهی پارک ملی علوم و فناوری های نرم و صنایع فرهنگی مرکز سنجش آموزش پزشکی شرکت های دانش بنیان دانشگاه علوم پزشکی شهید بهشتی دانشگاه آزاد اسلامي گردشگري سلامت صندوق نوآوری و شکوفایی جهاد دانشگاهی پارک ملی علوم و فناوری های نرم و صنایع فرهنگی مرکز سنجش آموزش پزشکی شرکت های دانش بنیان پیش بینی زلزله هشدار سریع هوش مصنوعی سامانه ها سیستم ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.isna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایسنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۸۶۱۰۲۶ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
هوش مصنوعی میتواند آینده تحصیلی شما را پیشبینی کند
آیا چیزی به سادگی یک اپلیکیشن کالج میتواند معدل چهار سال بعد دانشجو را پیشبینی کند؟ استفاده از گذشته یک فرد برای پیشبینی آیندهاش، طرح هیجانانگیز «کاپیتان آمریکا: سرباز زمستان» در مجموعه مارول بود و اکنون، در دنیای واقعی، دانشمندان میگویند که هوش مصنوعی میتواند نحوه مقاله نوشتن یک فرد را بررسی کند تا پیشبینی کند که سالها بعد حرفه دانشگاهی او چگونه خواهد بود.
به گزارش ایسنا، محققان جونا برگر(Jonah Berger) و اولیویه توبیا(Olivier Toubia) توضیح میدهند که نحوه بیان افکار و ایدههایتان میتواند نمرات نهایی شما را در مدرسه نشان دهد. پژوهشگران دریافتند دانشجویانی که بین مفاهیم یا ایدههای بسیار متفاوت در مقالههای خود ارتباط برقرار میکنند، بعدها در دانشگاه نمرات بالاتری کسب میکنند. این موضوع در مورد استفاده از کلمات خاص صادق نبود، بلکه در مورد چگونگی ساختار بخشیدن به افکار و ترکیب ایدههای مختلف با یکدیگر بود.
به نقل از اساف، تصور کنید هر ایده یا مفهوم مانند یک شهر روی نقشه است. مقالههای برخی از دانشجویان در یک محله کوچک باقی میماند و فقط از «شهرها» یا مفاهیم مرتبط با آن دیدن میکردند. با این حال، دانشجویانی که به موفقیتهای بالایی دست یافتند، در سراسر نقشه سفر کردند، از شهرهای دوردست زیادی بازدید کردند و این ایدههای مرتبط با هم را در مقالات خود با هم ترکیب کردند.
برگر و توبیا این گستره را یک «حجم معنایی» بزرگ نامیدند که درست مانند کاوش در یک منطقه جغرافیایی وسیع است. آن دسته از دانشجویانی که مقالههایی در زمینههای فکری بیشتری داشتند، در نهایت به معدل دانشگاهی بهتری دست یافتند.
این مطالعه با کمک هوش مصنوعی نشان داد که فقط مسئله وسعت مفهومی مطرح نیست. محققان همچنین به «سرعت معنایی» نگاه کردند که در آن نویسندگان در حین نوشتن مقالات خود چقدر راحت بین ایدههای مختلف حرکت میکنند. دانشجویان برتر به طور تصادفی بین مطالب کاملا نامرتبط پرش نمیکردند. در عوض، آنها بهطور مناسبی یک مسیر منطقی را در پیش میگرفتند و قبل از جستوجو در جاهای دیگر، به طور منسجم بین خوشههای مجاور ایده اصلی حرکت میکردند.
این مانند یک سفر جادهای بود که یک مسیر کارآمد بین شهرها برای آن برنامهریزی شده و به طور نامنظم در سراسر نقشه منتقل نمیشود. گفته میشود که این کاوش یکپارچه و ساختار یافته از مفاهیم مختلف، مهارتهای تفکر خلاق را در کنار تواناییهای استدلال تحلیلی قوی نشان میدهد.
بدیهی است که برگر و توبیا یک توپ کریستالی از هوش مصنوعی نساختند که ابرقهرمانان آینده را شکار کند، اما این برنامه جدید به بسیاری از اطلاعات مشابه نگاهی میاندازد.
این برنامه هوش مصنوعی همچنین بر نمره اسایتی(SAT) یک فرد، تحصیلات والدین، جنسیت، قومیت، رشته دانشگاهی، موضوعات مقاله و طول مقاله برای پیشبینی اینکه دانشجو به کجا خواهد رفت، نگاه میکند. با این حال، این مطالعه نشان داده که این عوامل آنقدر که فکر میکنید در نتیجه نهایی نقشی ندارند.
هوش مصنوعی توانست به طور خودکار «جغرافیای معنایی» مقالات را با استفاده از پردازش زبان طبیعی پیشرفته تجزیه و تحلیل کند. تنها با مدلسازی مفاهیم پوششدهی شده و مسیرهای طی شده در فضای ایده، هوش مصنوعی میتواند پیشبینی کند که کدام دانشجو در سالهای آینده نمرات بالاتری کسب خواهد کرد و این روش حتی بهتر از نگاه کردن به مواردی مانند نمرات آزمون یا سطح درآمد خانواده است.
بنابراین، برنامههای هوش مصنوعی آینده به جای آزمونهای چند گزینهای، میتوانند از این امضاهای مفهومی در نوشتههای ما به عنوان روشی خنثی برای شناسایی استعدادهای فکری خام استفاده کنند.
اما همه این دستاوردها چه معنایی برای آینده آموزش عالی دارد؟ برای پاسخ به این سوال، جامعه ابتدا باید به این سوال پاسخ دهد: آیا مسئولین باید بر اساس پیشبینیهای یک برنامه رایانهای تصمیم بگیرند؟
نویسندگان مطالعه پیشنهاد میکنند که دانشگاهها بهجای تکیه بر قضاوتهای ذهنی انسان درباره مقالات، میتوانند به زودی سیستمهای هوش مصنوعی پیشرفته را برای ارزیابی عینی قدرت استدلال و پتانسیل خلاق متقاضیان، صرفا بر اساس نحوه رشتهبندی کلمات در جملات، به کار گیرند. این میتواند فرصتهایی را برای شناسایی دانشجوهای با استعداد که تواناییهایشان ممکن است توسط معیارهای سنتی مانند آزمونهای استاندارد نادیده گرفته شده باشد، فراهم کند.
انتهای پیام