هوش مصنوعی در موزیک : ایجاد ژانر جدیدی در صنعت موسیقی

هوش مصنوعی در موزیک و انقلابی که به کار گیری آن در این صنعت به وجود آورده و به وجود خواهد آورد، موضوع امروز مقاله ماست. بی‌شک شما از آینده‌ای این صنعت شگفت‌زده خواهید شد. پس با عامر اندیش همراه باشید تا در مورد انقلابی AI در صنعت موسیقی بیشتر آشنا شوید.

هوش مصنوعی در موزیک

فضایی را تصور کنید که در رخت‌خواب خود دراز کشیده‌اید، درحالی‌که بیرون باران می‌آید و شما کتاب مورد علاقه خود را در آغوش گرفته و به موزیک دلخواهتان گوش فرا می‌دهید. این احتمال وجود دارد که موسیقی که در حال گوش دادن به آن هستید، توصیه برنامه پخش موسیقیتان باشد که دقیقا متناسب با حال و هوای بیرون و فعالیتی است (کتاب خواندن) که در حال انجام دادن آن هستید.

در حالی‎که کمپانیهای بزرگ فناوری موسیقی مانند Tencent از Joox، QQ Music، KKBox و غیره از گزاره‌های ارزشی متفاوتی مانند ارائه بی‌شمار موسیقی منطقه‌ای و یا مدل‌های مختلف کسب و کار ب حمایت می کنند، اما به نظر می‌رسد علی‌رغم تمام این تفاوت‌ها، همگی آنان هدف مشابهی را دنبال می‌کنند و آن چیزی نیست جز اعمال AI (هوش مصنوعی) در صنعت موسیقی.

اعمال هوش مصنوعی در موزیک

در سال‌های اخیر، اهمیت و محبوبیت AI در موسیقی جایگاه ویژه‌ای پیدا کرده است. استفاده وسیع از AI در هسته برنامه‌های پخش موسیقی به دلایلی وابسته است که برخی از آن‌ها بسیار روشن و واضح‌اند و برخی دیگر خیر. این دلایل به قرار زیر هستند:

هوش مصنوعی در صنعت موسیقی باعث افزایش تجربه شنوندگان از طریق پلی‌لیست شخصی (Personalozed Playlist) می‌شود:

در گذشته:

هر هنرمند شخصیت خود را از طریق موزیکش ارائه می‌داد. به صورتی که برخی از مردمان عاشق طبیعت جاز لوییس آرمسترانگ شده بودند، برخی دیگر، هنگامی‌که الویس پریسلی یکی از آهنگ‌های عاشقانه خود را بیرون می‌داد، از خود بی‌خود می‌شدند، برخی نیز عاشق گوش دادن به آهنگ‌های راک گروه Beatlets با صدای بسیار بلند بودند و در نهایت عده‌ای دیگر نیز عاشق گوش فرادادن به گروه Doors بودند در حالی‌که به آرامی همراه با آهنگ‌ خود را به این سو و آن سو حرکت می‌دادند.

انقلاب هوش مصنوعی در موزیک

شرایط کنونی:

کمپانی‌های اپلیکیشن‌های پخش موسیقی مانند QQ، KuGou از هوش مصنوعی برای آنالیز الویت‌های شنوندگان استفاده می‌کنند و براساس آن و سلیقه شخصی این افراد، موسیقی‌های مورد علاقه‌شان را پیشنهاد می‌کنند.

برنامه‌های پخش موسیقی با کمک (AI) و براساس موتورهای توصیه‌کننده (recommendation engine) تاریخچه موسیقی‌های افراد برای دادن بهترین و دقیق‌ترین پیشنهاد، آنالیز و تجزیه و تحلیل می‌کنند.

آینده:

درحالی‌که امروزه کاربرد AI در موسیقی، برای پیشنهاد نزدیک‌ترین آهنگ مطابق با  سلیقه شخصی افراد است، اما این احتمال قوی وجود دارد که در آینده صنعت پخش موزیک با استفاده از AI سعی در ارائه موزیک بایومتریک و فیزیولوژیکی با استفاده از پارامترهایی مانند اندازه‌گیری ضربان قلب، میزان سطح استرس، سیگنال‌های عصبی و غیره کند.

تصور کنید که در یک مترو کاملا شلوغ هستید. عجله دیگر افراد برای رسیدن به موقع به مقصدهای خود باعث عصبی شدن شما می‌شود. در این حالت، وسیله‌ی ریز و نازکی در زیر گوش‌ شما قرار داده شده، میزان استرس و ناراحتی شما را اندازه می‌گیرد و براساس آن موزیک ملایم و آرام‌بخشی از خواننده مورد علاقه‌تان پخش می‌نماید.

بازخورد اتوماتیک و خودکار این دستگاه‌های هوشمند مشخص می‌کند که چگونه یک موسیقی ملایم و آرام می‌تواند در سلامت جسم و روانتان موثر واقع شود.

این احتمال وجود دارد که AI در موسیقی قادر باشد تا با استفاده از ملودی آهنگ، ژانر آن، کیفیت تن موزیک، ریتم هارمونی و غیره سلامت جسم و روان شما را تضمین کرده و منجر به بهبودی چشم‌گیری در سلامت روان شما شود.

در حقیقت این رویکرد، می‌تواند موج بعدی شخصی‌سازی موسیقی در AI به شمار آید.

انقلاب هوش مصنوعی در موزیک

هوش مصنوعی در موزیک یعنی قدرت بی‌نهایت شما در انتخاب موسیقی مورد علاقه‌تان  :

در گذشته:

برای گوش دادن به موسیقی در خانه، شنودگان تنها می‌توانستد ‌برچسب‌های ضبط شده واینال 12 اینچی را خریداری کنند که هر طرف آن قادر به پخش تنها 22 دقیقه موسیقی بود. واینال‌ها بسیار گران بودند. بنابراین شنوندگان تنها خوانندگان محلی و موسیقی سنتی خود را می‌‌شناختند.

با تجاری ‎سازی گسترده رادیو به منظور اهداف پخش رسانه‌ای، هنرمندان شروع به ضبط آهنگ‌های کوتاهتر 3 تا 7 دقیقه‌ای نمودند که به راحتی و از طریق رادیو در دسترس همگان قرار می‌گرفت.

پس از آن دوره‌ای از آلبوم‌های ضبط شده به صورت CD و DVD روانه بازار شد.

فراگیر شدن اینترنت نقطه عطفی در صنعت موسیقی بود وقتی اپل در اوایل 2000، با تجاری‌سازی آهنگ‌ها (پرداخت برای هر آهنگ) این امکان را فراهم نمود تا شنوندگان بدون هیچ محدودیتی هر آهنگی که دوست دارند، دانلود نمایند.

شرایط کنونی:

امروزه، با استفاده از AI در موسیقی و اپلیکیشن‌های پخش موسیقی دیگر نیازی نیست همچون گذشته برای هر آهنگ هزینه‌ای پرداخت شود. به جای آن، اپلیکیشن‌ها، از شنوندگان درخواست پرداخت هزینه‌هایی ماهانه یا سالانه برای پخش آهنگ‌های بی‌شمار از هنرمندان مختلف می‌کنند.

شاید برایتان جالب باشد اگر بدانید که اپلیکیشن‌های پخش موزیک، روزانه، 20.000 آهنگ جدید در پلتفرم‌های خود بارگزاری می‌کنند.

شرکت‌های پخش موسیقی با استفاده از موتورهای فیلترینگ (filtering engines)، هزارن هزار آهنگ جدید و تازه بارگزاری شده در پلتفرم خود را اسکن کرده تا یک پلی‌لیست بهتر برای شنوندگان خود بسازد و همچنین آهنگ‌هایی نزدیک به سلیقه آنان را پیشنهاد دهد. این مهم، شنوندگان را از جست‌وجو در میان هزاران هزار آهنگ برای یافتن آهنگ مورد علاقه خود، بی‌نیاز می‌کند‌.

به علاوه، موتورهای فیلترینگ تنها ژانرهای خاصی را شخصی‌سازی نمی‌کنند، بلکه تعریف تازه‌ای به مفهوم “ژانر” می‌بخشند. این تعریف تازه با استفاده از ایجاد یک پلی‌لیست (Playlist) جدید تحت عنوان “آهنگ‌های خوب” ممکن می‌باشد.

انقلاب هوش مصنوعی در موزیک

آینده هوش مصنوعی در موزیک:

در آینده افراد دیگر به موسیقی گوش فرا نمی‌دهند بلکه آن را با تک تک وجودشان لمس می‌کنند. با استفاده از پیشرفت‌های چشمگیر AI در موسیقی و  فناوری واقعیت مجازی، شنوندگان امکان مشاهده موزیسین‌های مورد علاقه خود را دارند که به طور اختصاصی برای آنان اجرا می‌کنند. این فناوری از طریق شبیه‌سازی‌های عصبی- الکتریکی ممکن خواهد شد که در آن افراد موزیک را در تمامی استخوان‌ها، ماهیچه‌ها و مغز خود احساس می‌کنند. حتی ممکن است آنان به کمک همین شبیه‌سازی‌ها قادر به درک احساس و عواطف هنرمندی باشند که در لحظه برای آنان اجرا می‌کند.

هوش مصنوعی در موزیک باعث خلاقیت هنرمندان و نوازندگان می‌شود:

گذشته:

نوازندگان،گروه‌های موسیقی و هنرمندان همواره محبوب همه مردمان جهان بوده‌اند. طرفدارانشان علاقه‌مند به تماشای فرایند خلاقیتیشان در راهی که در پیش گرفتند، بودند. آهنگ‌ها، ترانه‌های گاها عجیب ولی دلنشین، و در نهایت اجرای آنان برای تمامی افراد در تمامی جهان بدون توجه به ملیت، زبان، مذهب همواره مورد احترام طرفداران بوده است.

الکل، مدیتیشن، انزواهای غیرمعمول، عشق، مردم، اعتراض، فقر و بسیاری از موارد این چنین، موضوعات پیرامون هنرمندان‌اند که همواره مردم به دانستن آنان علاقه‌مندند. برای مثال، روند خلاقانه ادیت پیاف، این نوازنده شهیر فرانسوی که آهنگ‌هایش در زمان انقلاب فرانسه نمایانگر بازگرداندن شادی، مثبت‌نگری و امید به فرانسویان بود، نه تنها مورد علاقه تک‌تک فرانسه زبانان بلکه مورد علاقه دیگر مردمان جهان با ملیت‌های مختلف بود.

شرایط اکنونی:

امروزه فرایند خلاقانه مبتنی بر داده و اطلاعات و همچنین AI در موسیقی است.

نوازندگان امروز تمایل دارند تا در مورد اولویت‌ها و علاقه مردمان توسط داده‌هایی که منابع مختلف و شرکت‌های اپلیکیشن‌های پخش موزیک در اختیارشان قرار می‌دهند، تحقیق نمانید تا متوجه شوند که چه دسته از موسیقی‌هایی کجا، کدام منطقه، در میان کدام مذاهب، سنین، زن یا مرد و غیره بیشتر یا کمتر به فروش می‌رسد.

دیگر اپلیکیشن‌های AI در صنعت موسیقی، تسلط صوتی (audio mastering) است. به عنوان مثال می‌توان از شرکت کانادایی Lander در این زمینه یاد کرد. این شرکت به نوازندگان کمک می‌کند تا با صرف زمان و هزینه کمتر (نصف زمان و هزینه جاری)، کیفیت صدای موزیک خود را درست برابر با کیفیت موزیک ضبط شده در استودیوهای حرفه‌ای بالا برند. چنین اپلیکیشن‌هایی با آنالیز، تجزیه و تحلیل آهنگ‌ها و از طریق اسکن در میان انبوهی از آهنگ‌های مشابه، پیشنهادهایی سریع برای بهبود کیفیت صدا، یونیک و یکتا ساختن آهنگ و اضافه کردن علایق فردی به آن، ارایه می‌دهند.

انقلاب هوش مصنوعی در موزیک

آینده AI در موزیک:

پیشرفت هوش مصنوعی در ایجاد موسیقی مبتنی بر بایومترک، بر خلاقیت نوازندگان تاثیرهای شگرفی خواهد داشت. ممکن است در آینده تنها نوازندگانی که دانشی عمیق در زمینه علوم اعصاب، روانشناسی و دانش پایه هوش مصنوعی داشته باشد مجال فعالیت یابند. زیرا مجبور به راائه موسیقی هستند که همه این موارد را در خود جای داده باشد.

ممکن است سرانجام، هوش مصنوعی، موسیقی خاص خود را تولید نماید:

بسیاری از شرکت‌های غول در زمینه موسیقی بر این باورند در آینده‌ای نه چندان دور، AI  در موسیقی جایگاه ویژه‌ای پیدا خواهد کرد و این فناوری موسیقی خود را به جهانیان ارایه خواهد داد.

هوش مصنوعی با آنالیز ضربان قلب، EQ و غیره و هم‌چنین با در نظر گرفتن ژانر و سبک دلخواه شنونده، برای هر شخص و متناسب با حالات روحی، روانی و جسمی وی موسیقی جدیدی تولید خواهد کرد.

زمانی را تصور نمایید که هر فرد به موسیقی مخصوص به خود که تنها برای وی تولید شده، گوش فرا خواهد داد.

صرف‌نظر از آنکه در آینده چه رخ می‌دهد، اما یک چیز مورد یقین است، شیوه شنیدن به موسیقی و نحوه ساخت آن به سرعت در حال تغییر است. با پیشرفت AI در موسیقی ، تغییرات چشم‌گیری در این صنعت شاهد خواهیم بود.

 

این روزها که جهان با بیماری کوید-19 دست به گریبان است، از هر نوآوری و تکنولوژی برای مبارزه با این بیماری استفاده می‌شود. مانند بسیاری از عرصه‌های دیگر، عرصه خدمات بهداشت و درمان نیازمند پشتیبانی فناوری‌های جدیدی مانند هوش مصنوعی (AI)، اینترنت اشیا (IoT)، کلان داده‌ها و یادگیری ماشین است. به تازگی، تجزیه و تحلیل داده‌های مربوط به بیماری، آماده سازی داده‌ها، پیشگیری و مبارزه با بیماری‌های واگیرداری، مانند کوید-19، به یکی از اهداف هوش مصنوعی تبدیل شده است.

هوش مصنوعی (AI) و یادگیری ماشین نقش مهمی در درک بهتر، مقابله با بحران کوید-19 و کشف واکسن کوید-19 دارند. فناوری یادگیری ماشین به رایانه‌ها این امکان را می‌دهد تا با هوشی که دارند و با تقلید از حجم زیادی از داده‌ها، الگو و سرعت انتشار بیماری را پیش‌بینی کنند. این فناوری نتیجه محور برای غربالگری مناسب، تجزیه و تحلیل، پیش بینی و ردیابی بیماران فعلی و بیماران احتمالی آینده مورد استفاده قرار می‌گیرد. هوش مصنوعی از اطلاعات حاصل از افراد مبتلا به کرونا، افراد بهبود یافته و فوتی به عنوان داده ردیابی استفاده می‌کند.

در راستای مبارزه با کوید-19، مهارت‌های یادگیری ماشین و هوش مصنوعی در زمینه‌های ارتباط با بیماران، درک نحوه انتشار کوید-19 و سرعت بخشیدن به تحقیقات و درمان تقویت شده است.

در موسسات بهداشت و درمان، از چت بات‌ها با قابلیت یادگیری ماشین برای غربالگری علائم کوید-19 و پاسخ به سوالات بیماران استفاده می‌شود. یک مثال Clevy.io است، این شرکت یک استارت آپ فرانسوی است که چت‌باتی را برای ارتباط ساده‌تر مردم با کادر درمان در مورد کوید-19 راه اندازی کرد. این چت‌بات اطلاعات دقیق و مناسبی را از سوی دولت فرانسه و سازمان بهداشت جهانی دریافت می‌کند، علائم شناخته شده را ارزیابی می‌کند و بر اساس اطلاعاتی که کسب کرده است، به سوالات پاسخ می‌دهد. این چت‌بات بدون اینکه به پرسنل بهداشت و درمان فشاری وارد کند، روزانه تقریبا 3 میلیون پیام را رد و بدل می‌کند و قادر به پاسخگویی به سوالات است.

استفاده دیگر از چت‌بات‌ها در زمان مبارزه با فراگیری ویروس کرونا را می‌توانید در اینجا بخوانید.

از طرف دیگر، برای جلوگیری از بروز هرگونه اختلال در زنجیره تأمین مواد غذایی، فرآوران مواد غذایی و دولت‌ها باید وضعیت فعلی کشاورزی را درک کنند. یکی از استارت آپ‌های عرصه کشاورزی، Mantle Labs، یک راه حل نظارت بر محصول AI محور را پیشنهاد داده است. این فناوری به صورت رایگان در مدت سه ماه در اختیار خرده فروشان قرار گرفت و بر زنجیره تامین نظارت داشت. روش کار به این صورت است که تصاویر ماهواره‌ای از زمین‌های زراعی، از چند ماهواره متفاوت، ترکیب می‌شود. این تصاویر با استفاده از مدل‌های یادگیری ماشین و پردازش تصویر ارزیابی می‌شوند، و در آخر شرایط کشاورزی و محصولات زراعی را نشان می‌دهند.

 

کاربردهای اصلی هوش مصنوعی در اپیدمی کوید 19

تشخیص زود هنگام و تشخیص عفونت

هوش مصنوعی یکی از فناوری‌هایی است که می‌‌تواند شیوع این ویروس را به راحتی ردیابی کند، بیماران پرخطر را شناسایی کند، و در کنترل به‌موقع عفونت مفید است. همچنین می‌‌تواند با تجزیه و تحلیل داده‌های قبلی خطر مرگ و میر بیماران را پیش بینی کند. هوش مصنوعی می‌‌تواند با غربالگری جمعیت، کمک پزشکی، اطلاع رسانی و پیشنهادات مربوط به کنترل عفونت در مقابله با این ویروس به ما کمک کند. این فناوری پتانسیل بهبود برنامه ریزی، درمان و نتایج گزارش شده از بیمار کوید-19 را دارد و یک ابزار پزشکی مبتنی بر شواهد است.

هوش مصنوعی می‌تواند سریعا علائم را تحلیل کند و به بیماران و کادر درمان هشدار دهد. این فناوری به تصمیم گیری سریعتر کمک می‌‌کند، که مقرون به صرفه است. هوش مصنوعی کمک می‌کند تا از طریق الگوریتم‌های کارآمد، یک سیستم جدید تشخیص و مدیریت بیماران کوید-19 را  ایجاد کنید. هوش مصنوعی به کمک فناوری‌های تصویربرداری پزشکی مانند توموگرافی کامپیوتر(CT)، تصویربرداری با رزونانس مغناطیسی (MRI) به تشخیص موارد آلوده کمک می‌کند.

در عین حال، در زمینه تصویربرداری پزشکی، با استفاده از یادگیری ماشینی، به شناخت الگوهای موجود در تصاویر کمک می‌کنند و توانایی رادیولوژیست‌ها را برای تشخیص احتمال ابتلا به بیماری و تشخیص زود هنگام بیماری، تقویت می‌کنند.

 

نظارت بر درمان

هوش مصنوعی می‌تواند یک بستر هوشمند برای نظارت خودکار و پیش بینی شیوع ویروس کرونا ایجاد کند. همچنین یک شبکه عصبی برای استخراج ویژگی‌های بصری این بیماری ایجاد شده است و این امر به نظارت و درمان صحیح افراد مبتلا کمک می‌‌کند. این فناوری با توجه به اطلاعات بیماران خود را به‌روز می‌کند و راه‌حل‌هایی را ارائه می‌‌دهد که در جلوگیری از فراگیری کوید-19 موثر است.

 

 

تشخیص شدت کوید-19

هوش مصنوعی با استفاده از داده‌های 160 بیمار مبتلا به کرونا در بیمارستانی در ووهان، چین، توانسته است که با استفاده از موارد موجود در آزمایش خون افراد، احتمال ابتلا به کوید-19 را تا حدی تشخیص دهد. محققان با استفاده از اطلاعات مدلی را ایجاد کردند و هوش مصنوعی را با الگوریتم یادگیری ماشین آموزش دادند تا بتواند الگوهای کوید-19 را درک کند و شدت این بیماری را در افراد در بازه 0 (خفیف) تا 100 (بحرانی) مشخص کند.

این مدل با استفاده از داده‌های حاصل از 12 بیمار بستری در بیمارستان مختص بیماران کرونایی در شنژن، چین و 1000 بیمار مبتلا به کوید-19 در نیویورک تأیید شد. این مدل به درستی برای بیمارانی که مرخص شدند نسبت به بیمارانی که بستری شدند و وضعیت وخیمی داشتند، شدت کمتری را اعلام کرده بود.

اسحاق داپکینز، مسئول ارشد پزشکی مراکز بهداشت خانواده در NYU Langon، گفت: “ابزار پشتیبان تصمیم گیری بالینی بلادرنگ، در محیط‌های سرپایی و درمانگاه‌ها، به تشخیص افراد مبتلا، نظارت و درمان کمک می‌کند”.
لری مک رینولدز، مدیر اجرایی مراکز بهداشت خانواده در NYU Langone افزود: “امیدواریم که این ابزار بتواند با شناسایی افراد در معرض خطر، عوارض جانبی و شدت بیماری را کاهش دهد”.

 

ردیابی افراد

هوش مصنوعی با ردیابی افراد می‌تواند میزان آلودگی توسط این ویروس و آلوده‌ترین مناطق را شناسایی کند. از طرفی، با نظارت بر افراد و رفتار گذشته و حال آن‌ها می‌تواند دوره بیماری و احتمال بروز و اوج مجدد آن را پیش‌بینی کند.

 

پیش بینی مرگ و میر

هوش مصنوعی می‌‌تواند از داده‌های موجود، رسانه‌های اجتماعی و سیستم عامل‌های رسانه‌ای، در مورد خطرات ناشی از عفونت و شیوع آن ماهیت ویروس را ردیابی و پیش بینی کند. علاوه بر این، می‌‌تواند تعداد موارد بهبود و مرگ در هر منطقه را پیش‌بینی کند. هوش مصنوعی می‌‌تواند به شناسایی آسیب پذیرترین مناطق، مردم و کشورها کمک کند و براساس آن اقدامات لازم را انجام دهد.

کشف داروها و واکسن

هوش مصنوعی از داده‌های موجود در مورد کوید-19 برای تحقیقات دارویی استفاده می‌کند. برای کشف و توسعه داروها مفید است. این فناوری برای سرعت بخشیدن به تست بلادرنگ دارو استفاده می‌‌شود، در حالی که آزمایش استاندارد زمان زیادی می‌‌برد، هوش مصنوعی این روند را طوری سرعت می‌بخشد که از توانایی انسان خارج است. هوش مصنوعی به ابزار قدرتمندی برای طراحی آزمایش‌های تشخیصی و کشف واکسیناسیون تبدیل شده است. هوش مصنوعی به کشف واکسن و درمان، با سرعت بسیار بیشتری از حد معمول کمک می‌‌کند و همچنین برای آزمایشات بالینی در طول کشف واکسن مفید است.

 

کاهش بار کاری پرستاران

به دلیل افزایش ناگهانی و گسترده تعداد بیماران در طول بیماری واگیردار کوید-19، حجم کار متخصصان بهداشت و درمان یکباره بسیار افزایش یافت. هوش مصنوعی به کمک کادر درمان شتافت و حجم کار آن‌ها را بسیار کاهش داد. این فناوری در تشخیص زودهنگام و ارائه درمان در مراحل اولیه با استفاده از رویکردهای دیجیتالی و پشتیبان تصمیم کمک می‌‌کند، و از طرف دیگر، بهترین آموزش را به دانشجویان و پزشکان در مورد این بیماری جدید ارائه می‌‌دهد. هوش مصنوعی می‌‌تواند مراقبت‌های آینده از بیمار را تحت تأثیر قرار دهد و چالش‌های احتمالی را که باعث کاهش بار کار پزشکان می‌‌شود، برطرف کند.

 

جلوگیری از شیوع بیماری

با کمک تجزیه و تحلیل بلادرنگ داده‌ها، هوش مصنوعی می‌‌تواند اطلاعات به روز شده‌ای را ارائه دهد که در پیشگیری از این بیماری مفید است. می‌‌توان از هوش مصنوعی برای پیش بینی مکان‌های احتمالی آلوده به ویروس، هجوم ویروس، تعداد تختخواب مورد نیاز برای بستری بیماران و متخصصان مراقبت‌های بهداشتی در طول این بحران استفاده کرد. یادگیری ماشین همچنین به محققان و پزشکان کمک می‌‌کند تا حجم وسیعی از داده‌ها را برای پیش بینی شیوع کوید-19 تجزیه و تحلیل کنند، تا به عنوان یک سیستم هشدار دهنده اولیه برای همه گیری‌های آینده عمل کرده و جمعیت آسیب پذیر را شناسایی کنند.

اطلاعات کسب شده توسط این فناوری دلیل شیوع عفونت را مشخص می‌کند. در آینده، هوش مصنوعی یک فناوری مهم برای مقابله با سایر بیماری‌های واگیردار خواهد بود و همچنین نقش مهمی در ارائه مراقبت‌های بهداشتی، پیش بینی بیماری و پیشگیری از بیماری ایفا می‌‌کند.

محققان Chan Zuckerberg Biohub در کالیفرنیا برای ارزیابی تعداد عفونت‌های کوید-19 که کشف نشده‌اند و عواقب آن برای سلامتی عمومی، الگویی را ساختند و 12 منطقه در سراسر جهان را ارزیابی کردند. آن‌ها با استفاده از یادگیری ماشین و توسعه تشخیصی، روش‌های جدیدی را برای تعیین عفونت‌های کشف نشده ایجاد کرده‌اند.

در ابتدای این بیماری واگیردار، BlueDot، یک شرکت استارتاپ کانادایی و مشتری AWS که از AI برای تشخیص شیوع بیماری استفاده می‌‌کند، از نخستین کسانی بود که زنگ خطر درباره شیوع نگران کننده یک بیماری تنفسی در ووهان چین را به صدا درآورد. BlueDot از AI برای تشخیص شیوع بیماری استفاده می‌‌کند. BlueDot با استفاده از الگوریتم‌های یادگیری ماشین خود، گزارش‌های خبری بدست آمده از شبکه‌های هوایی و بیماری‌های حیوانات، به 65 زبان را، برای کشف شیوع بیماری و پیش‌بینی پراکندگی بیماری، غربال کرد. سپس اپیدمیولوژیست‌ها این نتایج را مرور کرده و تایید کردند که نتیجه حاصل از نظر علمی اعتبار دارد. BlueDot اطلاعات حاصل شده را در اختیار مسئولان بهداشت عمومی، خطوط هوایی و بیمارستان‌ها قرار داد تا به آنها در پیش بینی و مدیریت بهتر خطرات کمک کند.

در ماه مارس، گروهی از متخصصان داوطلب به سرپرستی دیجی پاتیل دانشمند ارشد داده کاخ سفید برای کمک به یک ابزار برنامه‌ریزی سناریو که تأثیر بالقوه کوید-19 و پاسخ به سوالاتی مانند “به چند تخت بیمارستانی نیاز خواهیم داشت؟ ” یا “تا کی باید دستور پناهندگی در محل صادر کنیم؟” با یکدیگر همکاری کردند. آن‌ها به یک مدل منبع باز نیاز داشتند تا بتوانند برنامه‌های تدافعی را در راستای مبارزه با عفونت و برنامه بستری در بیمارستان را ترتیب دهند.

این گروه با همکاری نزدیک با AWS و دانشکده بهداشت عمومی جانس هاپکینز بلومبرگ، این مدل را به ابر منتقل کردند و به آنها امکان اجرای چندین سناریو در فقط چند ساعت و اجرای مدل را در 50 ایالت ملی و بین المللی ارائه دادند تا به تصمیم گیری‌هایی کمک کند که مستقیماً روی گسترش جهانی کوید-19 تأثیر داشت.

سازمان‌ها همچنین روش‌های کمتر کردن شیوع کوید_19، به ویژه در میان جمعیت آسیب پذیر، را بررسی کردند. Closedloop، یک استارت آپ هوش مصنوعی است که از داده‌های مراقبت‌های بهداشتی خود برای شناسایی افراد در معرض خطر عوارض شدید ناشی از کوید-19 استفاده می‌‌کند. Closedloop یک شاخص آسیب پذیری کوید_19، یک مدل پیش بینی مبتنی بر هوش مصنوعی، افراد را که در معرض خطر عوارض شدید ناشی از کوید-19 هستند، با استفاده از منابع باز شناسایی کرد. این شاخص C-19 توسط سیستم‌های مراقبت‌های بهداشتی، سازمان‌های مدیریت مراقبت و شرکت‌های بیمه برای شناسایی افراد پرخطر مورد استفاده قرار می‌‌گیرد، سپس دانش حاصل اعلام می‌گردد تا اهمیت شستن دست‌ها و رعایت فاصله‌های اجتماعی را به همه اعلام کند و همچنین اهمیت تهیه مواد غذایی، دستمال توالت، و سایر لوازم ضروری برای اینکه بتوانند در خانه بمانند، را مطرح می‌کند.

 

سرعت بخشیدن به پژوهش و درمان

ارائه دهندگان خدمات بهداشتی و محققان با حجم فزاینده ای از اطلاعات در مورد کوید-19 روبرو هستند، که به دست آوردن بینش‌هایی که بتواند برای درمان مفید باشد، کار را دشوار می‌‌کند. در پاسخ، AWS پژوهشی را بر کوید-19 انجام داد، AWS یک وب سایت جستجوی جدید مجهز به یادگیری ماشین است، این وب سایت به محققین کمک می‌کند که بتوانند سریع و راحت مقالات و اسناد پژوهشی مرتبط با سوالاتی مانند “چه زمانی بالاترین احتمال به آلوده شدن به کوید-19 وجود دارد؟” را پیدا کنند.

این راه حل یادگیری ماشینی که در انستیتوی آلن برای مجموعه اطلاعات تحقیق کوید-19 با بیش از 128،000 مقاله تحقیقی و سایر مطالب ایجاد شده است، می‌‌تواند اطلاعات پزشکی مربوطه را از متن بدون ساختار استخراج کرده و از قابلیت‌های پرس و جو در زبان طبیعی قوی برخوردار است و به کشف سریع دارو کمک می‌کند.

BenevolentAI، یک شرکت AI در انگلستان و مشتری AWS، بسترهای خود را به سمت درک واکنش بدن به کرونا ویروس سوق داد. آنها تحقیقاتی را با استفاده از بستر کشف داروی AI برای شناسایی داروهای تأیید شده که می‌‌توانند پیشرفت ویروس کرونا را مهار کنند، آغاز کردند. آنها از یادگیری ماشینی برای دستیابی به روابط متنی بین ژن‌ها، بیماری‌ها و داروها استفاده کردند که در نهایت به پیشنهاد چند ترکیب دارویی منجر شد. فقط در طی چند روز، هوش مصنوعی Benevolent کشف کرد که داروی Baricitinib (دارویی که در حال حاضر برای آرتریت روماتید استفاده می‌شود) قوی ترین گزینه است. Baricitinib اکنون در مرحله آخر آزمایش بالینی موسسه ملی آلرژی‌ها و بیماری‌های عفونی ایالات متحده (NIAID) قرار دارد تا اثر بخشی و ایمنی این دارو به عنوان یک درمان بالقوه برای بیماران مبتلا به کوید-19 بررسی شود. سرعت آزمایش‌های بالینی این دارو، بیانگر همه گیری جهانی این بیماری و اهمیت AI در تسهیل کشف درمان‌های جدید است.

 

 

سخن آخر

هوش مصنوعی ابزاری آینده‌نگر و مفید برای شناسایی عفونت‌های زودرسی مانند ویروس کرونا است و همچنین به نظارت بر وضعیت بیماران آلوده کمک می‌‌کند. با ایجاد الگوریتم‌های مفید می‌‌تواند به طور قابل توجهی تصمیم گیری را بهبود بخشد. هوش مصنوعی نه تنها در درمان مبتلایان به کوید-19 بلکه برای نظارت بر سلامتی آنها مفید است. هوش مصنوعی می‌‌تواند بحران کوید-19 را در مقیاس‌های مختلف مانند عرصه‌های پزشکی، مولکولی و اپیدمیولوژیکی ردیابی کند. همچنین تسهیل تحقیقات در مورد این ویروس با استفاده از تجزیه و تحلیل داده‌های موجود مفید است. هوش مصنوعی می‌‌تواند در ایجاد رژیم‌های درمانی مناسب، راهکارهای پیشگیری، ساخت دارو و واکسن کمک کند.

 

در این مقاله قصد داریم یک نرم افزار صحبت با هوش مصنوعی به شما معرفی کنیم و کاربردهای آن را بررسی کنیم. اما قبل از هرچیز بیایید ببینیم که منظور از صحبت با هوش مصنوعی و نرم افزار مربوط به آن چیست.

منظور از نرم‌افزار صحبت با هوش مصنوعی همان چت بات است؟

بله منظور از نرم افزار هوش مصنوعی در حقیقت همان چت بات است که به کاربر این امکان را می‌دهد تا با یک عامل هوش مصنوعی به تعامل بپردازد. پ چت‌بات‌ها در حقیقت سرویس‌هایی هستند که به کمک هوش مصنوعی می‌توانند مستقل از عامل انسانی با کاربران چت کنند و به سوالات آن‌ها پاسخ دهند. تمام کسب و کارها می‌توانند در بسترهای قابل چت، که امروزه در بین کاربران بسیار محبوبیت پیدا کرده است، به کمک چت‌بات ها با مشتریان خود تعامل داشته باشند. البته کارکرد چت‌بات‌ها تنها برای پشتیبانی از کسب و کارها نیست بلکه می‌توانند جنبه‌های کاربردی متفاوتی اعم از سرگرمی تا عملکردی داشته باشند.

در حقیقت به طور کلی دو نوع چت بات وجود دارد که می توانند مکالمات انسانی را شبیه سازی کنند و به تعامل با کاربران بپردازد. این دو نوع چت بات عبارتند از:

چت بات های مبتنی بر داده های از پیش تعیین شده:

این نوع چت بات ها دارای چهارچوب کارکردی به خصوصی هستند. به این معنی که آن ها تنها می توانند به دستورات و سوال های خاصی پاسخ بدهند و از یک اسکریپت و جریان از پیش تعریف شده پیروی می کنند. آنها فقط به همان اندازه هوشمند هستند که شما آن‌ها را می سازید. نکته مورد توجه در این چت بات‌ها آن است که فقط می توانید از آن ها سوال های مشخصی بپرسید. چت بات‌های مبتنی بر اسکریپت اغلب به عنوان دستیار خرید یا برای کارهای ساده مانند پیش بینی وضعیت هوا در خدمات به مشتریان استفاده می شود.

چت بات های مبتنی بر هوش مصنوعی:

این نوع از چت بات ها توانایی استفاده از هوش مصنوعی را دارند و با استفاده از یادگیری ماشین به جواب پرسش‌ها و یا صحبت‌هایی که با آن‌ها می‌شود می‌رسند. به این معنی که نیازی نیست سوال‌های کاربران مشخص و ساده باشد، چت بات‌های هوشمند قادر هستند سوال را تجزیه و تحلیل کنند و پس از درک آن پاسخ مناسب را ارائه دهد. نکته مثبت این چت بات ها یادگیری بیشتر با گذشت زمان است. این چت بات‌ها می توانند بر اساس تاریخچه جستجوی و یا لایک‌ها و دیس لایک‌های کاربر در صفحات اجتماعی و… به سلیقه و علایق آن‌ها پی ببرد.

پر واضح است که منظور ما از صحبت با هوش مصنوعی نیز چت بات نوع دوم می‌باشد. این چت بات‌های هوشمند توانایی ایجاد مکالمه و برقراری دیالوگ را دارد.

کاربردهای چت بات چیست؟

چت بات‌های هوشمند علاوه بر توانایی ایجاد مکالمه با کاربر، کاربردهای متفاوت دیگری را هم بر روی وب‌سایت،پیام رسان‌ها و… دارند که همه به نوعی از همان توانایی برقراری مکالمه سرچشمه می‌گیرد. در ادامه به بررسی برخی از آن‌ها می‌پردازیم.

دسترسی

با استفاده از چت بات هوشمند بر روی وبسایت کاربر می‌تواند به راحتی و در هر زمانی و در هر مکانی که هستند از طریق گوشی و یا لپ‌تاپ و… به آن مراجعه کند و از خدماتش بهره‌مند شود.

فعالیت 24 ساعته

چت بات‌های هوشمند می‌توانند در هر ساعتی از شبانه روز و در هر هفت روز هفته بر روی سایت و یا یک پیام‌رسان فعالیت داشته باشند و به پرسش‌های کاربران پاسخ دهند. چت بات‌های هوش مصنوعی نیازی به استراحت ندارند و می‌توانند به صورت 24 ساعته کار کنند و به فعالیت و خدمات رسانی و تعامل با کاربران بپردازند و به سوالات آن‌ها پاسخ دهند.

ارائه اطلاعات مورد نیاز به کاربر

چت بات‌های هوشمند دارای هوش مصنوعی قادرند تا محتوای سوال‌هایی که دریافت می‌کنند را تشخیص دهند و آن‌ها را تجزیه و تحلیل کرده و نکات کلیدی موجود در صحبت را استخراج کرده و خواسته و منظور اصلی مشتری را درک کنند و پاسخ متناسب با آن را به مشتری ارائه دهند. تمامی این فرآیندها در کسری از ثانیه اتفاق می‌افتد و در زمان بسیار کمی مشتری به تمام آنچه که نیاز داشت، می‌رسد.

ارائه پیشنهادات شخصی سازی شده

یکی از کارهایی که چت بات‌های هوشمند می‌توانند انجام دهند ارائه خدمات و پیشنهادات شخصی سازی شده به کاربران است. یک چت بات با توجه به سابقه جست و جوی کاربر در سایت و یا تاریخچه خریدها و سوالاتی که او تا به حال پرسیده است، می‌تواند پیشنهاد خرید و یا خدمات شخصی سازی شده و متناسب با آن کاربر را به او ارائه دهد.

آموزش بینایی ماشین – بینایی ماشین چیست و چه تفاوتی با بینایی کامپیوتری دارد؟

هوش مصنوعی اساس به وجود آمدن بسیاری از تکنولوژی‌های امروزی است که قرار است در آینده‌ای نزدیک دنیا را متحول کند. پردازش ماشین یکی از همین تکنولوژی‌های جدید است که علاوه بر داشتن کاربردهای زیاد، باعث به وجود آمدند فناوری‌های جدیدی مانند تشخیص چهره، بینایی کامپیوتری، بینایی ماشین و… شده است. بینایی کامپیوتری و بینایی ماشین فناوری‌هایی هستند که به کامپیوترها و ماشین‌های اطراف ما توانایی دیدن می‌دهند. قبلا در مورد بینایی کامپیوتری و کاربردهای آن صحبت کرده‌ایم. امروز می‌خواهیم به آموزش بینایی ماشین بپردازیم و ببینیم که چه کاربردهایی دارد و تفاوت‌ها آن با بینایی کامپیوتری را متوجه شویم. در ادامه با ما همراه باشید.

بینایی ماشین چیست؟

بینایی ماشین یا Machine Vision شاخه‌ای از هوش مصنوعی و پردازش تصویر است که به یک ماشین قدرت آن را می‌دهد که به کمک پردازش تصویر دو بعدی، دنیای اطراف خود را بازسازی و تفسیر کند. به این ترتیب یک ماشین می‌تواند به کمک یک‌سری دوربین، دنیای اطرافش را ببیند و درک کند. در واقع اگر بخواهیم دقیق‌تر بررسی کنیم، از نظر علمی بینایی ماشین می‌خواهد سیستم‌های هوشمندی را توسعه دهد که بتوانند اطلاعات موجود در محتوای تصویری را استخراج کنند و از نظر فناورانه قرار است ماشینی را تولید کند که به کمک تئوری‌ها و مدل‌های هوش مصنوعی که قبلا توسعه داده شده‌اند، بتواند دنیای اطرافش را ببیند.

بینایی ماشین یک فناوری بین رشته‌ای است که از دل علومی مانند رایانه، الکترونیک و برق، صنایع، مکانیک و حتی پزشکی بیرون آمده است و ارتباط تنگاتنگی با رشته هوش مصنوعی و تکنولوژی پردازش تصویر دارد. بینایی ماشین تلاش می‌کند تا فناوری‌های موجود را به صوتی یک‌پارچه دربیاورد تا به روش‌های جدیدی از آن‌ها استفاده کند. نحوه کارکرد بینایی ماشین به این صورت است که پس از پردازش‌هایی که بر روی تصاویر دریافتی انجام می‌دهد یک سری اطلاعات را به صورت سیگنالی ساده برای کاربردهای مختلف به عنوان خروجی ارائه می‌دهد. این خروجی می‌تواند برای کاربردهای متفاوتی مانند خودکار سازی و هدایت فرایندها در ربات‌های صنعتی، کمک به نهادها برای نظارت امنیتی، هدایت وسیله نقلیه و… کمک کند. پردازش‌های بینایی ماشین معمولا به سه سطح دسته‌بندی می‌شوند:

• بینایی سطح پایین (Low Level Vision) که در آن پردازش تصویر با هدف استخراج ویژگی (مانند لبه، گوشه، یا جریان نوری) انجام می‌گیرد.
• بینایی سطح میانی (Mid Level Vision) که با بهره گیری از ویژگی‌های استخراج شده از بینایی سطح پایین تشخیص اشیا، تحلیل حرکت و بازسازی سه بعدی را انجام می‌دهد.
• بینایی سطح بالا (High Level Vision) که وظیفه تفسیر اطلاعات مهیا شده به وسیله بینایی سطح میانی را بر عهده دارد که این تفسیرها ممکن است شامل توصیف‌های مفهومی از صحنه مانند فعالیت، قصد و رفتار داشته باشد. این سطح هم چنین مشخص می‌کند که بینایی سطح پایین و میانی چه کارهایی را باید انجام بدهند.

بینایی ماشین چه کاربردهایی دارد؟

بینایی ماشین دارای کاربردهای متنوع و مختلفی است. در ادامه به برخی از این کاربردها اشاره کوتاهی می‌شود اما در نظر داشته باشید که کاربردهای آن بسیار وسیع‌تر و گسترده‌تر از همین موارد می‌باشد.

• صنعت: در کارخانه‌های پیشرفته امروزی از بینای ماشینی در بخش‌های مختلف و به خصوص در ربات‌های صنعتی استفاده می‌شود تا علاوه بر کاربردهای دیگری که دارد، میزان کیفیت محصولات تولیدی را کنترل کند.
• هواشناسی: در این علم از بینایی ماشین برای تشخیص و پیش‌بینی آب و هوا به کمک تصاویر ماهواره‌ای استفاده می‌شود.
• کشاورزی: کاربردهای بینایی ماشین در این علم معمولا دو حالت دارد. یکی برای پردازش تصویر از ارتفاعات بالا با هدف‌هایی مانند تقسیم‌بندی اراضی و یا اندازه‌گیری صدمات وارد شده احتمالی به زمین و… . دیگری به صورت پردازش تصاویر نزدیک است که کابردهای مختلفی دارد . برای مثال در ساخت ماشین‌های هرز چین در زمین‌های کشاورزی به کار می‌رود.
• امنیتی: کاربردهای بینایی ماشین در مسائل امنیتی بسیار متنوع است و از انواع آن می‌تواند به تشخیص اثر انگشت در گوشی و یا لپ‌تاپ‌های جدید و یا تشخیص هویت از طریق مردمک چشم افراد اشاره کرد.
• و …

 

تفاوت بینایی ماشین و بینایی کامپیوتری چیست؟

بینایی کامپیوتری فناوری است که تصاویر را دریافت، پردازش و درک می‌کند و به طور کلی فناوری‌هایی مانند تشخیص اثر انگشت، خواندن پلاک اتومبیل‌ها و یا شمار تعداد افرادی که در یک نمایشگاه وجود دارند و… از کاربردهای آن است. بینایی ماشین و بینایی کامپیوتری مفهوم بسیار نزدیکی به یکدیگر دارند اما بینایی کامپیوتری بسیار گسترده‌تر است و به طور کلی به تمامی پردازش و تجزیه و تحلیل‌هایی که بر روی تصاویر در دستگاه‌ها، اپلیکیشن‌ها و… انجام می‌گیرد اطلاق می‌شود در صورتی که بینایی ماشین بیشتر به صورت صنعتی کاربرد دارد. در ادامه تفاوت‌ها این دو را بیشتر بررسی می‌کنیم:

• بینایی کامپیوتری کاربردی علمی و تحقیقاتی دارد در صورتی که بینایی ماشین کاربردی عملی و اجرایی دارد.
• بینایی کامپیوتری نیازی به سخت‌افزار اختصاصی ندارد در صورتی در مورد بینایی ماشین این گونه نیست.
• بینایی کامپیوتری تاکید زیادی بر روش‌ها و راه‌حل‌های الگوریتمی دارد در صورتی که بینایی ماشین از راه‌حل‌های غیر الگوریتمی نیز بهره می‌برد.
• بینایی کامپیوتری کارکردی شبیه به انسان دارد که در مورد بینایی ماشین این گونه نیست.
• خروجی بینایی کامپیوتری سیگنال‌هایی پیچیده برای ارائه دادن به انسان است در صورتی که خروجی بینایی ماشین سیگنال‌هایی ساده به منظور کنترل تجهیزات است.

امروزه در ایران خوشبختانه هوش مصنوعی و تکنولوژی‌های مربوط به آن پیشرفت‌های بسیاری داشتند که پردازش تصویر از جمله زیر مجموعه‌های هوش مصنوعی است که بر روی آن بسیار کار شده است.