فناوری هوش مصنوعی در فجایع محیط‌زیستی مانند طوفان‌ها و آتش‌سوزی‌ها خوب نتیجه داده است، اما در مبارزه با بیماری همه‌گیر کرونا نتوانسته است عملکرد خوبی را نشان دهد، چراکه این فناوری به اندازه کافی رشد نکرده است.
کد خبر: ۸۸۲۳۰۰
تاریخ انتشار: ۱۰ مرداد ۱۳۹۹ - ۱۸:۲۵ 31 July 2020

به گزارش خبرنگار حوزه علم، فناوری و دانش‌بنیان گروه دانشگاه خبرگزاری آنا، هنگامی‌که بیماری همه‌گیر کرونا شروع شد، همه ما بسیار امیدوار بودیم و تصور می‌کردیم که فناوری ما را از این بیماری نجات می‌دهد؛ آن هم بیماری‌ای که با اقداماتی مانند شستن دست‌ها و پوشیدن ماسک صورت مهارشدنی است.

مردم چنان مطمئن بودند در مبارزه با ویروس کرونا پیروز می‌شود که با صاف شدن منحنی کرونا در ماه اردیبهشت و خرداد، ترس را رها کرده و دیگر از خود مراقبت نکردند.

متخصصان و صاحب‌نظران در ماه ژانویه و فوریه با دقت توضیح دادند که چطور راه‌حل‌های هوش مصنوعی مانند ردیابی تماس (contact tracing)، مدل‌سازی پیشگویانه و کشف دارو منجر به یک بیماری همه‌گیر کوتاه‌مدت می‌شود. حتی بیشتر ما تصور می‌کردیم در ماه تیرمانند سابق به محل‌ کار خود برمی‌گردیم.

اما از تیر به مرداد رسیدیم و اکنون روزانه شاهد افزایش مبتلایان به کرونا هستیم. همچنین به نظر می‌رسد ماه‌های بعد اوضاع وخیم‌تر شود.

علی‌رغم سرآمد بودن ایالات‌متحده در بین بزرگ‌ترین شرکت‌های فناوری جهان، اما این کشور به مرکز شیوع این بیماری در دنیا تبدیل شده است. همچنین سایر کشورهایی که دارای برنامه‌های پیشرفته هوش مصنوعی هستند، نیز اوضاع بهتری ندارند. درواقع بسیاری از آنها ازجمله چین، روسیه، انگلیس، کره جنوبی و غیره، کنترل این ویروس را از دست داده‌اند.

فهمیدن چرایی این ماجرا مستلزم صبر و بررسی گذشته است. ما به‌اندازه کافی از این بیماری همه‌گیر فاصله نگرفته‌ایم تا دقیقاً بدانیم چه اشتباهی رخ داده است. اما مطمئناً می‌توانیم ببینیم که اعتیاد به هوش مصنوعی در حال حاضر ما را گمراه می‌کند.

ردیابی تماس

درمیان بسیاری از وعده‌های اولیه که توسط جامعه فناوری مطرح شد و دولت‌ها روی آن تأکید کردند، این ایده بود که ردیابی تماس امکان بازگشایی هدفمند را فراهم می‌آورد. این ایده بزرگ درواقع این بود که هوش مصنوعی می‌تواند تشخیص دهد فردی که به کرونا مبتلا شده، چه کسان دیگری را آلوده کرده است. همچنین به‌طور شگفت‌انگیزتر می‌تواند افراد سالم را از بیمار جدا کرده که از این طریق می‌توان هم‌زمان اعمال قرنطینه و بازگشایی مشاغل را انجام داد.

این نمونه‌ای از قطع‌ارتباط بین توسعه‌دهنگان هوش مصنوعی و واقعیت کلی است. سیستمی که در آن مردم به دولت اجازه می‌دهند همه حرکاتشان ردیابی شود، تنها با مشارکت کامل مردم و اعتماد به دولت نتیجه خواهد داد. از این گذشته، هر چه سرایت بیشتر شود ردیابی تماس قابل‌اطمینان،کمتر می‌شود.

به همین دلیل است که فقط تعداد معدودی از کشورهای کوچک آن را امتحان کردند و طبق شواهد درحال حاضر هیچ‌گونه اطلاعاتی مبنی بر اینکه پشتیبانی از این رویکرد گسترش کووید-19 را کاهش می‌دهد، موجود نیست.

مدل‌سازی ویروس کرونا

حوزه بزرگ بعدی که قرار بود هوش مصنوعی به آن کمک کند، در مدل‌سازی بود. برای مدتی، کل چرخه اخبار فناوری تحت تأثیر عناوینی قرار گرفت که اعلام کرد هوش مصنوعی پیش از همه تهدید ویروس کرونا را کشف کرده بود و یادگیری ماشین به‌طرز دقیقی چگونگی انتشار ویروس را تعیین می‌کند.

متأسفانه الگوبرداری و مدل‌سازی از یک بیماری همه‌گیر، علم دقیقی نیست. به‌عنوان‌مثال شما نمی‌توانید یک شبکه عصبی را روی داده‌های مربوط به بیماری‌های همه‌گیر پیشین COVID-19 آموزش دهید، چراکه این یک ویروس جدید است و در آنها وجود ندارد. این بدان معناست که مدل‌های ما با حدس و گمان‌ها شروع شده و متعاقباً روی داده‌های به‌روزشده از ویروس کرونا پیاده‌سازی می‌شوند.

به‌عبارت‌دیگر، مدل‌های هوش مصنوعی ما بهتر از حدس‌های ما عمل نکرده‌اند و فقط می‌توانند بخش کوچکی از یک تصویر کلی را به ما نشان دهند. 80‌درصد ناقلین ویروس کرونا بدون‌علامت هستند و بخش معدودی از کسانی که ممکن است ناقل باشند، آزمایش داده‌اند.

آزمایش ویروس کرونا

آیا هوش مصنوعی آزمایش را آسان‌تر کرده است؟ در جواب می‌توان گفت تاحدودی اما به‌طورکلی خیر.

هوش مصنوعی خیلی چیزها را برای جامعه پزشکی آسان‌تر کرده است، اما شاید به شکلی که فکر می‌کنید نیست. برای مثال یک روبات آزمایش‌گر وجود ندارد که بتوانید یک لیوان خون درون آن بریزید تا فوراً یک نشانگر «آلوده» سبز یا قرمز به شما ارائه بدهد. بهترین تعریف این است که بستر هوش مصنوعی به‌طورکلی به اجرای جهان پزشکی کمک می‌کند.

مطمئناً راه‌حل‌های هدفمندی از طرف انجمن یادگیری ماشین وجود دارد که به متخصصان خط مقدم مبارزه با کرونا کمک می‌کنند تا این بیماری همه‌گیر را شکست دهند. همچنین هزاران برنامه‌نویس برای حل مشکلات در تلاش هستند. اما درواقع هوش‌مصنوعی راه‌حل‌های بسیار مؤثری را در برابر مشکلات عمده کرونا ارائه نمی‌دهد.

با این وجود، این فناوری کاربردهای جانبی دیگری را ارائه می‌دهد. هوش مصنوعی می‌تواند به رانندگان در حمل‌و‌نقل و تحویل کالا، به پرستاران در خودکارسازی برخی امور پرستاری و نیز به سیستم راهنمایی‌و‌رانندگی شهرها در عبور و مرور آمبولانس‌ها و خدمات اضطراری کمک کند.

این فناوری حتی زندگی همه‌گیر را برای افراد عادی نیز آسان‌تر می‌کند. این واقعیت که مردم می‌توانند کالاهایی را به‌صورت آنلاین و بدون حضور فیزیکی سفارش داده و بسته‌ها را در خانه خود دریافت کنند، گواهی بر قدرت هوش مصنوعی است. بدون الگوریتم‌های هوش مصنوعی، شرکت آمازون و سرویس تحویل آن قادر به حفظ زیرساخت‌های لازم برای ارسال کالا به مردم در وسط یک بیماری همه‌گیر نخواهند بود.

درمان کرونا

هوش مصنوعی در طول بیماری همه‌گیری مفید واقع شده، اما برای پیدا کردن واکسن کاربرد خاصی نداشته است. مطمئناً فهمیدن چگونگی جهش ویروس و یافتن یک ضدویروس برای سیستم‌های هوش مصنوعی امروزی یک کار عادی و روتین نیست.

علی‌رغم اینکه گوگل و ناسا سال گذشته خبر از برتری کوانتومی خود دادند، اما تاکنون «الگوریتم‌های کوانتومی» مفیدی که در رایانه‌های کوانتومی اجرا شود را ندیده‌ایم. دانشمندان و محققان تقریباً همیشه «كشف شیمیایی» را به‌عنوان مشكلی عنوان می‌کنند که می‌تواند توسط رایانه كوانتومی برطرف شود. اما هیچ‌کس نمی‌داند چه زمانی این اتفاق می‌افتد.

آنچه می‌دانیم این است که امروزه، در سال 2020، این انسان‌ها هستند که با زحمت ساخت ویروس کرونا را دنبال می‌کنند، و پس از اتمام این انسان است که اعتبار آن افزوده می‌شود نه روبات‌های کوانتومی.

انسان‌ها در شرایط اضطراری جهانی زیادی قرار نداشته‌اند که بتوانند هوش مصنوعی مدرن را آزمایش کنند. این فناوری در فجایع محیط‌زیستی نسبتاً کوچک مانند طوفان‌ها و آتش‌سوزی‌ها خوب نتیجه داده است، اما در مبارزه با بیماری همه‌گیر کرونا نتوانسته است عملکرد خوبی را نشان دهد، چراکه هوش مصنوعی به‌اندازه کافی رشد نکرده است.

در پایان می‌توان گفت بیشتر مشکلات این بیماری همه‌گیر، مشکلات انسانی است. علم کاملاً واضح می‌گوید که ماسک بپوشید، فاصله اجتماعی را رعایت کرده و دستان خود را مرتب بشویید. این چیزی نیست که هوش مصنوعی مستقیماً به ما کمک کند. اما این بدان معنی نیست که هوش مصنوعی مهم نیست. درس‌هایی که هوش مصنوعی امسال از این شرایط آموخت، قطعاً در سال‌های آینده به سمت ایجاد راه‌حل‌های مؤثرتر خواهد رفت.

اشتراک گذاری
نظر شما
نام:
ایمیل:
* نظر:
* :
آخرین اخبار