بازاریابی سیاسی

آخرين مطالب

پیش‌بینی زمان مرگ؛ ناخوشایندترین قابلیت هوش مصنوعی اخبار

پیش‌بینی زمان مرگ؛ ناخوشایندترین قابلیت هوش مصنوعی

  بزرگنمايي:

سیاست و بازاریابی - متخصصان علم پزشکی از دستاوردی تازه در پیش‌‌بینی‌‌ با کمک هوش مصنوعی سخن می‌‌گویند که احتمالا هرگز علاقه‌‌ای به استفاده از آن نخواهید داشت.

پژوهشگران علوم پزشکی به قابلیتی خیره‌‌کننده و البته ناخوشایند در هوش مصنوعی دست یافته‌‌اند که کسی علاقه‌‌ای به آزمودن آن ندارد: «پیش‌بینی مرگ زودرس افراد». اخیرا، دانشمندان نوعی سیستم هوش مصنوعی را به‌‌گونه‌‌ای آموزش داده‌‌اند که بتواند داده‌های سلامت عمومی مربوط‌‌به بیش از نیم‌میلیون نفر را طی یک دهه در انگلستان ارزیابی کند. سپس، آن‌ها از این سیستم خواستند احتمال خطر مرگ زودرس در افراد را پیش‌بینی کند؛ یعنی وضعیتی که فرد، مثلا به‌‌علت ابتلابه بیماری‌‌های مزمن، کمتر از میانگین موردانتظار عمر کند. دکتر استفن ونگ، یکی از اعضای گروه این پژوهش و استادیار علوم اپیدمیولوژی و علوم داده در دانشگاه ناتینگهام بریتانیا، در بیانیه‌ای می‌‌گوید پیش‌بینی‌‌های الگوریتم‌‌های هوش مصنوعی درباره‌ی مرگ زودهنگام دقیق‌تر از پیش‌بینی‌های مدلی بود که از یادگیری ماشین بی‌‌بهره بود. پژوهشگران برای ارزیابی احتمال مرگ زودرس افراد، دو ساختار مختلف از هوش مصنوعی را آزمایش کردند: 1. یادگیری عمیق که در آن شبکه‌های پردازش اطلاعات لایه‌ای به رایانه کمک می‌‌کند ازطریق مثال‌‌ها آموزش ببیند؛ 2. جنگل‌‌های تصمیم تصادفی که نوعی ساده‌‌تر از هوش مصنوعی است و در آن، از ترکیب چندین مدل درختی برای پیش‌‌بینی نتایج ممکن استفاده می‌‌شود.
مقاله‌های مرتبط:
هوش مصنوعی می‌تواند بهتر از پزشکان، بیماری اطفال را تشخیص دهد طراحی هوش مصنوعی برای تولید داده‌های آموزشی پروژه‌های یادگیری ماشین
در مرحله‌‌ی بعد، آن‌ها نتایج مدل‌های هوش مصنوعی را با نتایج الگوریتمی استاندارد به‌نام مدل کاکس (Cox) مقایسه کردند. با استفاده از این سه مدل، دانشمندان داده‌های بانک زیستی بریتانیا را ارزیابی و پایگاه اطلاعاتی متن‌‌باز از داده‌های ژنتیکی و فیزیکی و سلامتی بیش از 500 هزار نفر از افراد بین سال‌های 2006 تا 2016 جمع‌‌آوری کردند. در طی این دوره‌‌، تقریبا 14,500 نفر از شرکت‌‌کنندگان براثر مشکلاتی ازقبیل سرطان و بیماری‌های قلبی و تنفسی فوت کردند. تأثیر متغیرهای گوناگون
هر سه مدل نشان می دادند عواملی مانند سن، جنسیت، سابقه‌‌ی مصرف سیگار و سابقه‌‌ی تشخیص سرطان، ازجمله عوامل مهم‌‌ در ارزیابی احتمال مرگ زودرس هر فرد هستند. بااین‌‌حال، پژوهشگران دریافتند مدل‌ها درباره‌ی تأثیر عوامل دیگر هم‌گرایی خاصی نشان نمی‌‌دهند. مدل کاکس به‌‌شدت براساس قومیت و فعالیت فیزیکی آموزش دیده بود؛ درحالی‌که این موضوع درباره‌ی مدل‌های یادگیری ماشین صدق نمی‌کرد. براساس این مطالعه، مدل جنگل تصمیم تصادفی تأکید بیشتری روی عواملی نظیر درصد چربی بدن، دور کمر، میزان مصرف میوه و سبزیجات و رنگ پوست نشان می‌‌کرد. برای مدل یادگیری عمیق ، عوامل مؤثرتر عبارت بودند از: مواجهه با خطرهای مرتبط با کار، آلودگی هوا، مصرف الکل و استفاده از داروهای خاص. الگوریتم یادگیری عمیق توانست به‌درستی 76 درصد از موارد مرگ زودرس افراد را در جامعه‌ای 500 هزار نفری پیش‌بینی کند
وقتی تمام این محاسبات انجام شد، الگوریتم یادگیری عمیق دقیق‌ترین پیش‌بینی ممکن را ارائه کرد و به‌‌درستی توانست 76 درصد از افرادی را شناسایی کند که در طول دوره‌‌ی مطالعه جان باخته‌ بودند. در مقام مقایسه، مدل جنگل تصمیم تصادفی موفق شد 64 درصد از موارد مرگ زودرس را درست پیش‌‌بینی کند. این درحالی بود که مدل کاکس فقط توانست 44 درصد از این موارد را به‌‌درستی شناسایی کند.
البته این اولین‌باری نیست که متخصصان توانسته‌‌اند قدرت پیش‌‌بینی هوش مصنوعی را در مراقبت‌‌های پزشکی به‌‌کار گیرند. در سال 2017 نیز، تیمی متفاوت از پژوهشگران نشان دادند هوش مصنوعی می‌تواند نشانه‌های اولیه بیماری آلزایمر را تشخیص دهد. الگوریتم ابداعی آن‌ها اسکن مغزی افراد را ارزیابی می‌کرد تا پیش‌بینی کند احتمال بُروز آلزایمر در آن‌‌ها وجود دارد یا خیر. این الگوریتم نیز توانست به‌ دقت پیش‌‌بینی بیش از 84 درصد دست یابد. مطالعه‌‌ی دیگری نشان داد هوش مصنوعی می‌تواند شروع اوتیسم را در کودکان 6 ماهه‌‌ای پیش‌بینی کند که درمعرض خطر بسیار زیاد ابتلا‌ به این اختلال قرار دارند. در همین حال، مطالعه‌‌ی دیگری از توانایی پیش‌‌بینی نشانه‌های ابتلا‌ به دیابت ازطریق تحلیل اسکن شبکیه‌‌ی چشم خبر می‌‌داد و در پژوهشی دیگر نیز، با استفاده از داده‌های به‌دست‌آمده از اسکن شبکیه، احتمال بُروز حمله‌‌ی قلبی یا سکته در افراد پیش‌‌بینی شد. جو کای، از پژوهشگران همکار در این مطالعه و نیز استاد مراقبت‌‌های اولیه در سازمان ملل، در بیانیه‌‌ای اعلام کرد دانشمندان در این مطالعه نشان دادند درصورت اعمال «تنظیمات دقیق»، یادگیری ماشینی می‌تواند برای پیش‌بینی موفقیت‌‌آمیز احتمال مرگ‌‌و‌‌میر در طول زمان به‌کار گرفته شود. کای می‌‌افزاید: درحالی‌که استفاده از هوش مصنوعی برای بسیاری از متخصصان مراقبت‌های پزشکی پدیده‌‌ای نامأنوس به‌‌شمار می‌‌آید، معرفی روش‌های به‌کاررفته در این مطالعه می‌تواند به تأیید علمی و پیشبرد آتی این رشته‌‌ی هیجان‌انگیز کمک کند.





نظرات شما

ارسال دیدگاه

Protected by FormShield

ساير مطالب

شیائومی، گوشی‌های هوشمند ردمی Y3‌ و ردمی 7 را معرفی کرد

ایرپاد 3 با ویژگی حذف نویز تا پایان سال جاری به بازار عرضه می‌شود

جان مک‌ آفی هویت خالق بیت‌ کوین را افشا می‌کند

بهترین بازی های اندروید رایگان فروردین 1398

خرید با بیت کوین از آمازون؛ آیا توسعه‌دهنده‌ها از این قابلیت راضی هستند؟

روانشناسی پشت رفتارهای غیراخلاقی

اپل هر ماه 30 میلیون دلار به آمازون پرداخت می‌کند

مشخصات و تصاویری از دو APU نسل سوم رایزن AMD افشا شد

اوپو رینو ، اوپو رینو 10 ایکس زوم و اوپو رینو 5G در بازارهای جهانی عرضه می‌شوند

سیستم e-CVT تویوتا؛ جدیدترین فناوری جعبه‌دنده‌های ضریب متغیر

راهنمای اخذ ویزای چین برای ایرانیان

ال جی تولید گوشی را در کره متوقف می‌کند

شبیه‌سازی کامل یک ژن در سطح اتم برای نخستین بار در جهان

بهره‌گیری از حس سرکشی نوجوانان برای مبارزه با کارزار تبلیغاتی غذای ناسالم

اپل صفحه‌کلید معیوب مک بوک‌ را در 24 ساعت تعمیر می‌کند

کاوشگر اینسایت ناسا نخستین مریخ لرزه احتمالی را شناسایی کرد

امکان جست‌وجوی ایستگاه‌های شارژ خودرو الکتریکی به گوگل مپ اضافه شد

ادعای افزایش قیمت برق دراثر گسترش منابع بادی و خورشیدی

فعالیت ضدتوموری کورکومین در سرطان معده

ویوو Y17 به‌صورت رسمی در هند معرفی شد

کاربرد هوش مصنوعی در تشخیص اختلال استرسی پس از آسیب روانی

وانت فورد F-150 RTR معرفی شد

رندر جدید و باکیفیتی از گوگل پیکسل 3a مشاهده شد

آیا زمستان طولانی بازی تاج و تخت به واقعیت تبدیل خواهد شد؟

آیپد احتمالا در iOS 13 از موس پشتیبانی خواهد کرد

هواوی Y5 2019 با پردازنده مدیاتک در سه رنگ رونمایی شد

با فروشگاه دیکاردو آسان‌تر جم‌، سکه و گیفت بازی‌های آنلاین را بخرید

داستان برند تویوتا؛ بزرگ‌‌ترین خودروساز جهان

بازدید رئیس فراکسیون فضای مجازی از اسنپ

سه تجربه غیرتوریستی که در سفر به مالزی نباید از دست بدهید

استون مارتین DBS سوپرلجرا ولانته رونمایی شد

آموزش اسکرام؛ قسمت پنجم: نقش‌ها

شغل عکاسی در میان بدترین مشاغل سال 2018

روز زمین 2019؛ تصاویر شگفت‌‌انگیز ناسا از سیاره دوست‌‌داشتنی‌مان

موتورسیکلت، قربانی جنگ تجاری آمریکا و اروپا خواهد شد؟

شرایط تحصیل در خارج از کشور

خداحافظی سامسونگ و ال‌ جی از بازار ایران تکذیب شد

مهارت‌های کلیدی برای پیشرفت در ده سال آینده

میزو 16s معرفی شد؛ تراشه اسنپدراگون 855 و دوربین دوگانه 48 مگاپیکسلی

چگونه چاقی و مقاومت به انسولین موجب اختلال در عملکرد شناختی مغز می‌شوند

کارت گرافیکی 150 دلاری GTX 1650 انویدیا پا به بازار سخت‌افزار گذاشت

تولید پراید به پایان خواهد رسید

فیزیک ناممکن؛ چرا هنوز هیچ ماشینی با حرکت دائمی وجود ندارد؟

لودینگ 49: آیتم‌های شفابخش کشنده، Days Gone و پیشبینی اتفاقات سال 2019

هر آنچه باید در مورد هواپیمایی سپهران بدانید

تسلا از بهترین تراشه‌ جهان برای خودروهای خودران رونمایی کرد

کلاس آیلتس در موسسه گات

شکایت یک میلیارد دلاری یک نوجوان از اپل پس از بازداشت اشتباه

چرا قدرت شنوایی افراد نابینا بیشتر است؟

چه بلایی بر سر کپسول کرو دراگون اسپیس ایکس آمده است؟