بیش از ۵۰ سال است که دانشمندان درصدد هستند که از کامپیوتر‌ها برای انجام کارهایی که به‌طور معمول نیازمند هوش انسانی است، استفاده کنند.
در ابتدا تصور بر این بود که با چند ماه کار تعدادی برنامه‌نویس خواهند توانست کارهایی از قبیل ترجمه‌ی ماشینی،استنتاج منطقی، و امثال آن را با استفاده از کامپیوتر انجام دهند. اما بررسی‌های بعدی نشان داد که کار به این سادگی نیست. در حقیقت، تصورات ابتدایی بسیار ساده‌انگارانه بود.
Image credit: bisintek.com
مشکل اساسی این بود که سخت‌افزارهای ۵۰ سال پیش هنوز قابلیت انجام کار‌های هوشمند را نداشت. البته نگرش منطقی آن روز نیز برای انجام این کارها کفایت نمی‌کرد.
خوش‌بختانه، در طول یکی دو دهه‌ی گذشته، با پیشرفت‌های عظیم سخت‌افزار و هم‌چنین با پیشرفت روش‌های مختلف برنامه‌نویسی هوش مصنوعی، امروز شاهد پیشرفت‌های شگرفی در این زمینه هستیم، به‌طوری‌که بسیاری از آرزو‌های ۵۰ سال پیش امروزه دور از دسترس به نظر نمی‌رسد.
شاخه‌ای از هوش مصنوعی که امروزه بیشتر مورد توجه قرار می‌گیرد، یادگیری ماشینی است. یکی از انواع یادگیری ماشینی، به نام یادگیری عمیق، در طول ۵ تا ۶ سال گذشته به‌شدت پیشرفت کرده و به موفقیت‌های بزرگی نایل شده است.
یادگیری ماشینی تا حدودی شباهت به روش‌های آماری دارد، به‌طوری‌که گاه به آن یادگیری آماری نیز می‌گویند. اساس روش یادگیری ماشینی به‌صورت پیش‌بینی یک متغیر بر اساس داده‌های گذشته است. در حقیقت، سیستم یادگیری ماشینی با استفاده از مجموعه‌ای از داده‌های موجود آموزش داده می‌شود، تا بتواند در مواجهه با موقعیت آینده پیش‌بینی صحیحی را به عمل آورد.
همان‌گونه که گفته شد، یکی از عواملی که موجب موفقیت شگرف و چشم‌گیر هوش مصنوعی، و به ویژه یادگیری ماشینی و یادگیری عمیق، در طول دهه‌ی گذشته شده است، پیشرفت‌های شگرف سخت‌افزار و سرعت کامپیوتر و ظرفیت داده‌پردازی آن بوده است. با این حال، یکی دیگر از عواملی که در این زمینه بسیار اثرگذار بوده است، فراهمی و دسترسی به حجم عظیم داده‌ها بوده است، که به‌علت توسعه‌ی انواع حسگرها، کامپیوتر‌های موبایل، و امثال آنها، به‌شدت گسترش یافته است.
هوش مصنوعی در تمام جنبه‌های زندگی در حال گسترش است و کاربردهای روزافزونی پیدا می‌کند. یکی از کاربردهای گسترده و مؤثر آن در عرصه‌ی مراقبت بهداشتی و سلامت است. از این جمله می‌توان به کاربردهایی که در زمینه‌ی تصویربرداری پزشکی دارد اشاره کرد. در واقع، بازشناسی الگو یکی از زمینه‌هایی است که یادگیری ماشینی در آن بسیار پیشرفت کرده است، به‌طوری‌که با استفاده از رویکردهای جدید یادگیری عمیق، در برخی از موارد دقت بازشناسی الگو در تصاویر دیجیتال از دقت انسان نیز بیشتر شده است. در این زمینه، برخی از مطالعات اخیر گزارش کرده‌اند که هوش مصنوعی می‌تواند با قدیت بالاتر از پزشکان متخصص وجود سرطان را در تصاویر رادیولوژیک بیماران تشخیص دهد.
یکی دیگر از کاربردهای نویدبخش هوش مصنوعی در زمینه‌ی پزشکی، استفاده از آن برای تشخیص و پیش‌گیری از بیماری‌ها است. به‌عنوان مثال، اخیراً در جایی خواندم که یک اپلیکیشن موبایل تهیه شده است که با استفاده از ساعت اپل، داده‌های مربوط به ضربان قلب بیماران را به‌صورت ثانیه‌به‌ثانیه ثبت می‌کند و سپس با استفاده از روش‌های یادگیری ماشینی، احتمال وجود ریتم نامنظم قلب را در بیمار محاسبه می‌کند. باید دانست که حدود یک چهارم موارد سکته‌ی مغزی در افرادی بروز می‌کند که سابقه‌ی ریتم غیرطبیعی قلب دارند. بر این اساس، اپلیکیشن مذکور می‌تواند برای پیش‌گیری از بروز سکته‌ی مغزی بسیار مفید باشد. زیرا در افرادی که در معرض خطر برای بروز سکته‌ی مغزی شناسایی شوند، می‌توان اقدامات پیش‌گیرانه‌ی مناسب را به عمل آورد.
Shukran
Posted using Partiko Android