به گزارش ساوت چاینا مورنینگ پست، مثلا سو جیونگ‌لونگ، معاون دانشکده هوش مصنوعی و رایانش پیشرفته دانشگاه جیائوتونگ- لیورپول در سوژو، درباره کاربرد هوش مصنوعی برای کاهش تبعیض، ارائه حمایت عاطفی و تشخیص سریع‌تر بیماری‌ها تحقیق می‌کند.
او و شاگردانش یک مدل هوش مصنوعی به نام «ذهن نامحدود» (Limitless Mind) ساخته‌اند که متون را به زبان اشاره (و بالعکس) ترجمه می‌کند، و حالا مشغول تاسیس یک شرکت نوپا هستند.
از این مدل کوچک می‌توان به عنوان اپلیکیشنی موبایل استفاده و یا آن را روی عینک‌های هوشمند نصب کرد. مذاکراتی هم با دولت‌های محلی و پارک‌های صنعتی انجام شده و مسئولین آماده ارائه پشتیبانی مالی برای عرضه محصولات مرتبط با مدل مذکور هستند.
وی می‌گوید که هدفش رفع نیازهای واقعی جامعه است. با کمک این مدل دانش‌آموزان ناشنوا می‌توانند درس‌هایشان را بهتر یاد بگیرند، بیماران می‌توانند تعامل راحت‌تر و بهتری با پزشک داشته باشند، و تبعیض در محل کار به حداقل می‌رسد.
ایده‌های بعدی مد نظر این گروه عبارتند از تبدیل حرکات لب‌ها به متن، و فناوری‌های واسط مغز و رایانه‌ای که امواج مغزی را به متن تبدیل نموده و امکان کنترل خودروهای بی‌راننده یا خودران را فراهم می‌سازند.
پیش‌بینی می‌شود که با افزایش و پیر شدن جمعیت، تا سال ۲۰۶۰ تعداد افراد مبتلا به ناشنوایی متوسط تا کامل در چین به بیش از ۲۴۰ میلیون نفر برسد که دو برابر آمار سال ۲۰۱۵ خواهد بود.
سو می‌گوید که تحصیل در حوزه‌های ریاضیات، آمار و مهندسی، او را برای فعالیت در برخی ابعاد مهم هوش مصنوعی مانند مدل‌سازی ریاضی، تحلیل داده‌ها و تشخیص الگو آماده کرده است.
وی می‌افزاید که یکی از مزایای بخش هوش مصنوعی چین، مجموعه‌های داده عظیمی است که در اختیار دانشگاهیان قرار دارد و مثلا بیمارستان‌ها در ارائه اطلاعات خود به دانشگاه‌ها «سخاوتمندانه» عمل می‌کنند.
او و شاگردانش با شرکت مایند ویت هارت رباتیکس (Mind with Heart Robotics) شنژن همکاری دارند که حیوانات خانگی الکترونیکی و ربات‌های انسان‌نمایی به شکل کودکان را به عنوان ابزاری برای حمایت عاطفی و پایش شرایط روان‌شناختی افراد تولید می‌کند.
مثلا این ربات‌ها می‌توانند برای کودکان مبتلا به اوتیسم، که در ابراز احساسات خود مشکل دارند، بسیار مفید باشند.
تشخیص احساسات این کودکان دشوار است، ولی فناوری یادگیری ماشین می‌تواند حالات عاطفی آنها را بلافاصله طبقه‌بندی نموده و واکنش مناسب را پیشنهاد دهد.
به گفته سو، آموزش مدل‌های هوش مصنوعی ویژه تصویربرداری پزشکی به حجم بسیار زیادی از داده‌ها نیاز دارد. او و همکارانش در این زمینه هم پروژه‌هایی داشته‌اند، از جمله مدلی برای غربال‌گری مقدماتی عکس‌های چهره افراد و تشخیص پف‌کردگی، تورم یا تغییر رنگ غیر عادی که می‌تواند نشانه بعضی بیماری‌ها باشد.
البته ابتدا باید تنوع طبیعی که از نظر رنگ پوست و میزان صاف بودن صورت بین افراد مختلف وجود دارد حذف شود تا هوش مصنوعی بتواند علائم را به شکل دقیق طبقه‌بندی کند.
آموزش هوش مصنوعی برای تحلیل همزمان چندین علامت، به حجم عظیمی از داده‌های برچسب‌گذاری شده نیاز دارد. هر عکس باید با اطلاعات لازم همراه باشد تا به هوش مصنوعی نشان دهد که آیا علامت خاصی در آن وجود دارد یا خیر.
سو می‌گوید برخی بیمارستان‌ها داده‌ها را به روشی بسیار منسجم و سیستماتیک ذخیره می‌کنند و اگر از یک دستگاه هم استفاده شده باشد، کار ما بسیار راحت‌تر خواهد بود چون دستگاه‌های مختلف و حتی اپراتورهای مختلف باعث ایجاد تنوع در عکس‌ها و داده‌ها می‌شوند.
وی برنامه‌ریزی راهبردی پکن برای تبدیل شدن به یکی از قدرت‌های پیشتاز هوش مصنوعی جهان تا سال ۲۰۳۰ را برای محققان مطلوب می‌داند و می‌افزاید که حمایت‌های دولت مرکزی از طریق تامین بودجه کاملا مشهود است، و با توجه به تنش‌های ژئوپلیتیک با آمریکا در مورد نیم‌رساناها، این حمایت‌ها بیشتر بر بخش‌هایی مانند تولید تراشه تمرکز دارد. همچنین دولت‌های محلی در مناطقی مثل هانگژو و شنژن سیاست ایجاد قطب‌های هوش مصنوعی و جذب استعدادها و نوآوری‌ها را دنبال می‌کنند.
طی سال‌های اخیر هوش مصنوعی در چین پیشرفت‌های چشمگیری داشته و مثلا شرکت نوپای دیپ‌سیک با عرضه دو مدل هوش مصنوعی متن‌باز پیشرفته با هزینه‌ای بسیار کمتر از مدل‌های شرکت‌های بزرگ آمریکایی، تحسین همگان را برانگیخته است.
در ماه آوریل رئیس جمهور شی جین پینگ اعلام کرد که با وجود برخی پیشرفت‌ها، هنوز کارهای زیادی باید انجام شود تا چین در زمینه هوش مصنوعی «به خودکفایی برسد»، و باید ضمن تداوم و تقویت پژوهش‌های بنیادی، بر دستیابی به فناوری‌های محوری و کلیدی از قبیل تراشه‌های پیشرفته و نرم‌افزارهای پایه تمرکز نمود.
در ماه اکتبر سال جاری دانشگاه چینهوای پکن در چند رتبه‌بندی بین‌المللی مهم رتبه برتر علوم کامپیوتر را به دست آورد، در حالی که تا چندی پیش دانشگاه‌های آمریکایی کاملا بر این حوزه تسلط داشتند.
به عقیده سو چین در تولید اپلیکیشن‌ها و تبدیل تحقیقات به محصول سرآمد است، ولی آمریکا هم در تحقیقات بنیادی مرتبط با هوش مصنوعی مزیت دارد.
وی همچنین اعتقاد دارد که برای تشویق موسسات و شرکت‌ها به خلاقیت بیشتر، می‌توان برخی از طرح‌های تامین مالی دولت مرکزی را به شکلی غیر متمرکز اجرا نمود تا انعطاف‌پذیری بیشتری در سطح استانی ایجاد شود و رویکرد بالا به پایین متمرکز بر اهداف راهبردی تقویت گردد. طراحی و اجرای نظامی جدید برای بررسی درخواست‌های دریافت کمک‌هزینه نیز می‌تواند نوآوری را به‌ویژه در فناوری‌های بنیادی ارتقا دهد.
سو می‌گوید تبادلات و مشارکت بین دانشگاه، صنعت و شرکت‌های تجاری برای پیشبرد نوآوری و حل چالش‌های واقعی ضروری است. پژوهشگرانی که صرفا بر انتشار مقاله در نشریات علمی تمرکز دارند، ممکن است از شرکت‌ها فاصله بگیرند و دیگر فایده چندانی برای بخش صنعت نداشته باشند.
به نظر او حمایت از تحقیقات پایه (مانند ریاضیات) نیز به اندازه تشویق به ریسک‌پذیری اهمیت دارد، و باید به پژوهشگران کمک کرد تا با اصول و مبانی صنعت آشنا شوند و تحقیقات خود را راحت‌تر به مرحله تجاری برسانند.
منبع: scmp
