هوش مصنوعی می‌تواند از اثرات همه گیری جلوگیری کند؟

دانشمندان در تلاشند تا با استفاده از هوش مصنوعی و شبیه سازی اجتماعی، اثرات ناشی از همه گیری را در جوامع کاهش دهند.

به گزارش گروه علم و فناوری ایسکانیوز به نقل از مدیکال اکسپرس، ویروس کرونا بزرگترین بحران این نسل است. تصمیم گیرندگان در تلاشند تا در شرایط شیوع ویروس، وضعیت سلامتی و نیازهای جامعه و اقتصاد را متعادل کنند. استفاده از هوش مصنوعی در روش‌های شبیه سازی نتیجه بهتر و دقیق‌تری نسبت به روش‌های معمول داشته است.

تحقیقات فرانک دیگنوم در مورد شبیه سازی بیماری همه گیر کووید-۱۹ توجه بسیاری را به خود جلب کرده است. اکنون او در حال انتشار کتابی با نام «شبیه سازی اجتماعی در یک بحران» است که نشان می‌دهد چگونه مدل مبتنی بر هوش مصنوعی شیوع ویروس را بر اساس سناریوهای مختلف شبیه سازی می‌کند. ثابت شده است که این مدل بسیار موثر است و نتیجه آن از هر لحاظ روش‌های مرسوم را شکست داده است.

فرانک دیگنوم، محقق هوش مصنوعی می‌گوید: من بسیار خوشحالم که تحقیقات ما چنین نتایج چشمگیری را به دست آورده است، هدف همیشه یافتن راهی برای تصمیم گیری درست مردم و شرکت‌ها بوده است.

شبیه سازی بحران به موارد دیگری بیش از ایجاد شبیه سازی شرایط نیاز دارد. برای اینکه یک شبیه سازی مفید باشد، تصمیم گیرندگان نیاز دارند تا ظرف چند روز به نتیجه برسند تا بتوانند اقدامات صحیح را در اسرع وقت انجام دهند. هدف از مدل شبیه سازی جدید پیش بینی‌ها و ارقام بیشتر نیست بلکه نشان دادن سناریوهای مختلف است که می‌تواند پایه و اساس تصمیمات مقامات را تشکیل دهد.

فرانک دیگنوم ادامه می‌دهد: توازن عوامل مختلف به طور متقابل، بسته به جنبه‌های وضعیت از اهمیت زیادی نیز برخوردار است.

این کتاب «شبیه سازی اجتماعی در بحران»، ایجاد چارچوب شبیه سازی متناسب با کووید-۱۹ به نام ASSOCC را توصیف می‌کند؛ این کتاب همچنین مفید بودن مدل و تصمیماتی را که باید در این راه گرفته شود، برجسته کرده و نیز معاملات را توضیح می‌دهد.

پروفسور فرانک دیگنوم می‌گوید: هیچ راه حل جهانی برای چگونگی مدیریت ما به عنوان مثال در یک بیماری همه گیر وجود ندارد. هر معیار باید در مورد چگونگی توسعه همه گیری در یک کشور، زیرساخت‌ها و فرهنگ آن مورد تجزیه و تحلیل و بررسی قرار گیرد، اما با این مدل روند کار به طور قابل توجهی آسان می‌شود.

گام بعدی توسعه مدل‌های شبیه سازی در مقیاس بزرگ است. این امر مستلزم تلاش محققان برای اجرای مجدد مدل‌ها و حتی کارآیی بیشتر آن‌هاست. فرانک دینگنوم تاکید می‌کند که توسعه سیستم‌ها و فناوری محافظت از یکپارچگی انسان نیز مهم است.

مدل‌های اپیدمیولوژیک نمی‌توانند رفتار انسان و تاثیری که ما بر یکدیگر داریم و چگونگی تغییر رفتار در طول زمان را ادغام کنند. این فقط در یک محیط شبیه سازی اجتماعی موفق قابل مطالعه است.

انتهای پیام/

کد خبر: 1100603

برچسب‌ها

نظر شما

شما در حال پاسخ به نظر «» هستید.
  • نظرات حاوی توهین و هرگونه نسبت ناروا به اشخاص حقیقی و حقوقی منتشر نمی‌شود.
  • نظراتی که غیر از زبان فارسی یا غیر مرتبط با خبر باشد منتشر نمی‌شود.
  • 0 + 0 =