4 پروسه رفیعتر هوش تصنعی و مصنوعی در سال 2021
پیش از اینکه تمامیگیری جهانی در سال 2020 روی دهد، طراحی سایت اختصاصی هوش تصنعی و مصنوعی (AI) و به صورت خاص شاخه هوش تصنعی که تحت عنوان machine learning (ML) شناخته گردیدهاست، به طور تقریب در بیشتر صنعت های نفوذ کرده بود.
کلیهگیری ویروس کرونا بخش اعظمی از جنبههای طریق کسب و کار مارا ذیل اثر قرار داده میباشد، البته از اثر هوش تصنعی و مصنوعی بر معاش ما معدود نکرده میباشد. در واقعیت علنی شده میباشد که الگوریتمهای self-teaching و ماشینهای هوشمند سهم بزرگی را در پیکار با این سرایت و همینطور بقیه مواقعی که ممکن میباشد در آجل با آن ها رو به رو شویم داشتهاند.
به طبعً هوش تصنعی و مصنوعی در تعیین فناوریهایی که شیوه معاش، عمل و بازی در معاش بعدی مارا تغییر و تحول می دهند یک فرآیند کلیدی باقی خواهد ماند. بدین ترتیب در اینجا مروری داریم بر آنچه که میتوانیم در زمان تجدید بنا معاشمان و همینطور بازنگری در استراتژیها و الویتهای تجاری انتظار داشته باشیم.
بینشها و چک دادههای والا (Big Data) مدبرانه
در حین کلیهگیری بیماری کرونا، ما نیاز فوری به آنالیز سریع و تعبیر و تفسیر دادهها درخصوص توسعه و گسترش ویروسها در سراسر دنیا را از مجاورت مشاهده کردهایم. دولتها، نهاد های بهداشت جهانی، مرکزها تحقیقاتی دانشگاهی، و صنعت گرد هم آمدهاند تا طرزهای جدیدی را برای تودهآوری و عمل با داده ها تولید نمایند.
توسعه فناوری عامل اساسی این مسئله میباشد کهاین همگیگیری (هنوز) به اندازه سرایت آنفلونزای اسپانیایی در سال 1918 که بیش تر از 50 میلیون نفر جان خویش را از دست دادند، کشته نداده میباشد. از بسط در فناوری پزشکی و استانداردهای مراقبتی گرفته تا توسعه و گسترش در فناوریهای ارتباطی که سبب میگردد سرایت بیماری با سرعت بیشتری کشف گردیده و به آن نفوذ کرد. در زمان سال بعدی، هوش تصنعی و مصنوعی به لیست توسعه و گسترشهای فناوری اضافه میشود که به ما قابلیت میدهد تا به صورت موثری با مفاد همگیگیری تقابل کنیم.
همینطور شغل برای بسط راهکارهای هوش تصنعی برای امداد به تقابل با گردآوریآوری گسترده دادههای پزشکی، مانند سرطان، در درحال حاضر توسعه میباشد. طی سال آجل، به احتمال زیاد شاهد ثبت سریع هوش تصنعی در بخش اعظمی از موردهای دیگر محافظتهای بهداشتی، خیر صرفا رویا رویی با ویروسها، خواهیم بود.
با توسعه و گسترش توان ما در استعمال از حل مسائل با machine learning در این موسسه دادههای وسیع و جهانی، می توانیم به راحتی سرایت را کشف کنیم، رابطه در میان اشخاص کثیف را ردیابی کنیم، تشخیص ظریفخیس را قابلیت و امکانپذیر کنیم و با پیشبینی شیوههای تکامل ویروس در آجل، واکسیناسیون موثرتر و ماندگارتری ساخت کنیم.
شناسایی و پیشگیری خود کار
ما پیش از این شاهد استعمال از هواپیماهای فارغ از سرنشین در کشورهای قوی مانند آمریکا بودهایم، تا دستکم این احتمال را که میقدرت از آن ها برای رسیدگی بر رعایت دستور کارهای مسافتگذاری اجتماعی به کار گرفت، گزینه تست در اختیار بگذاریم. نرم افزارهای توسعه یافتهتری در درحال حاضر مشاهده میباشند مانند هواپیماهای فارغ از سرنشین با قابلیت و امکان تشخیص علائم ویروس کرونا مانند تب بالای اشخاص در جای های مالامال ازدحام. این سیستمها از فناوری بصیرت رایانه برای ارزیابی دادههای گرفته گردیده به وسیله دوربینها در هواپیماهای سوای سرنشین به کارگیری کرده و مقامات مربوطه را از داده های عددی و فرض ها پیرامون سرایت ویروس مطلع مینمایند.
یکی از دیگر از مسئلههای مرتبط با رویش، به کار گیری از فناوری تشخیص صورت میباشد که به وسیله الگوریتمهای بصیرت رایانه حفاظت می شود. شناسایی فیس به وسیله پلیس برای یافت کردن عده ای که قرنطینه را رعایت نمیکنند و همینطور ردیابی حرکات عده ای که در جای های مالامال ازدحام دارنده علائم میباشند آیتم استعمال قرار می گیرد.