به نقل از «آنا»

 تعمیق نقش هوش مصنوعی در تحقیقات دانشگاهی

تاریخ انتشار: ۱۱ دی ۱۴۰۲ | کد خبر: ۳۹۴۲۱۳۶۵

گروه پژوهش و دانش خبرگزاری علم و فناوری آنا، نوید فرخی؛ محققان، پژوهشگران و دانشگران به طور سنتی برای انجام تحقیقات باید کارهای دستی زیادی (از جمع‌آوری تا تجزیه‌وتحلیل داده‌ها) انجام می‌دادند، اما اکنون به لطف هوش مصنوعی می‌توان این وظایف را سریع‌تر و دقیق‌تر انجام داد. ازاین‌رو هوش مصنوعی در حوزه تحقیق و پژوهش می‌تواند کمک شایانی به پژوهشگر داشته باشد و  نه تنها در نقش یک ابزار مفید بلکه به عنوان تغییردهنده بازی عمل کند.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

پیشینه استفاده از هوش مصنوعی در تحقیقات دانشگاهی

سیر به کارگیری هوش مصنوعی در تحقیقات دانشگاهی ماجرای به کلی نو و تازه‌ای نیست. چندین دهه پیش، کارهای پیش‌پاافتاده‌ای مانند حل مسائل ریاضی یا مرتب‌سازی داده‌ها توسط کامپیوتر صورت گرفت. این مسئله احتمالاً‌ اولین نمونه از اعمال هوش مصنوعی بود. سیستم‌های هوش مصنوعی اولیه اگرچه در زمان صرفه‌جویی می‌کردند و خطا را کاهش می‌دادند اما اساساً‌ به درد کارهای تکراری می‌خوردند. با پیشرفت فناوری، هوش مصنوعی نیز پیچیده و پیچیده‌تر شد. ابزارهای جدید برای اهداف تحقیقاتی خاص توسعه یافتند. در دهه 1980 و 1990، از هوش مصنوعی در زمینه‌هایی مانند رباتیک و تشخیص الگو استفاده شد.

به تدریج هوش مصنوعی راه خود را در زمینه‌های مختلف تحقیقاتی نیز باز کرد. این فناوری در تجزیه‌وتحلیل داده‌های تجربی پیچیده کمک می‌کرد. برای مثال ابزارهایی برای مدل‌سازی الگوهای آب‌وهوایی توسعه پیدا کرد. با این وجود تغییر عمده زمانی رخ داد که تکنیک «یادگیری ماشین» مورد استفاده قرار گرفت. این نوع جدید هوش مصنوعی می‌توانست از داده‌ها یاد بگیرد و در طول زمان عملکردش را بهتر کند.

یادگیری ماشین به هوش مصنوعی اجازه ‌داد تا از پس وظایف پیچیده‌تر مانند پیش‌بینی نتایج بر اساس داده‌های گذشته یا یافتن الگوهای پنهان در مجموعه‌های بزرگ داده (کلان‌داده) برآید. هوش مصنوعی در سال‌های اخیر، می‌تواند داده‌ها را سریع‌تر و دقیق‌تر از قبل پردازش و تجزیه‌وتحلیل کند.

ابزارهای هوش مصنوعی نیز کاربرپسندتر شده و برای محققان بیشتری در دسترس قرار گرفته است. گزافه نیست اگر بگوییم امروزه هوش مصنوعی به بخشی جدایی‌ناپذیر از تحقیقات دانشگاهی تبدیل شده است. هوش مصنوعی دیگر مثل سابق صرفاً ابزاری برای تجزیه‌وتحلیل نیست و باید آن را دستیار و شریک در فرآیند تحقیق دانست.

هوش مصنوعی چه امکاناتی در اختیار محققان قرار می‌دهد؟

یادگیری ماشین به کامپیوترها اجازه می‌دهد تا از داده‌ها بتوانند اطلاعات کسب کنند. به عنوان مثال الگوریتم‌های یادگیری ماشین در تحقیقات پزشکی می‌تواند به داده‌های یک بیمار نگاه کند و از طریق الگوها مراحل اولیه یک بیماری خطرناک را تشخیص دهد. این نوع تجزیه‌وتحلیل برای انسان بسیار وقت‌گیر و حتی غیردقیق است، اما هوش مصنوعی می‌تواند آن را به سرعت و با دقت انجام دهد.

یکی دیگر از ابزارهای قدرتمند هوش مصنوعی که به درد پژوهشگران می‌خورد، پردازش زبان طبیعی یا NLP است. این فناوری به کامپیوتر‌ها کمک می‌کند تا زبان انسان را درک کرده و پردازش کنند. NLP می‌تواند به محققان در درک روندهای اجتماعی، افکار عمومی یا حتی تغییرات تاریخی کمک کند.

استفاده دیگران محققان از هوش مصنوعی در حوزه شبیه‌سازی و مدل‌سازی است. این امر به محققان کمک می‌کند تا تئوری‌ها یا طرح‌ها را قبل از آزمایش در دنیای واقعی در فضای کنترل‌شده آزمون و خطا کنند.

چالش‌های اخلاقی هوش مصنوعی

در حالی که هوش مصنوعی مزایای بسیاری را برای تحقیقات آکادمیک به ارمغان می‌آورد، سوالات و چالش‌های اخلاقی مهمی نیز مطرح می‌کند که نیاز به بررسی دقیق دارند. یکی از نگرانی‌های اصلی حفظ حریم داده‌ها است.

هنگامی که هوش مصنوعی کلان‌داده را تجزیه‌وتحلیل می‌کند، به ویژه در زمینه‌هایی مانند مراقبت‌های بهداشتی یا علوم اجتماعی، اغلب با اطلاعات شخصی حساس سروکار دارد. هوش مصنوعی همچنین دیدگاه‌های سنتی در مورد مالکیت معنوی را به چالش می‌کشد.

وقتی هوش مصنوعی چیزی جدید مانند یک طرح یا نوشته خلق می‌کند، سؤالاتی جدی در مورد مالکیت آن نیز مطرح است. موضوع دیگر سوگیری الگوریتمی است. سیستم‌های هوش مصنوعی از داده‌ها یاد می‌گیرند. بنابراین اگر این داده‌ها مغرضانه باشد، نتیجه‌گیری هوش مصنوعی نیز می‌تواند تبعیض‌آمیز باشد. این امر به ویژه در تحقیقات مشکل‌ساز است، زیرا منجر به نتیجه‌گیری‌های نادرست یا ناعادلانه می‌شود.

همچنین در یک تصویر کلی‌تر، از نظر فلسفی این سوال وجود دارد که استفاده از هوش مصنوعی تا کجا اخلاقی شمرده می‌شود. این موضوع طیف گسترده‌ای از مسائل را در برمی‌گیرد. برای مثال اعتبارِ اطلاعات و محتوایی که از ایده‌پردازی تا اثباتش در حقیقت برای هوش مصنوعی است را تا چه اندازه باید به دانشجو یا محقق نسبت داد. همچنین چه کسی پاسخگوی تبعات تحقیقات هوش مصنوعی است. اگر (فرضاً) خللی در این تحقیقات وجود داشت، چه کسی باید مسئولیت این نقایص را برعهده گیرد؟

ابزارهای هوش مصنوعی کاربرپسندتر و بصری‌تر می‌شوند

هوش مصنوعی دائماً در حال تکامل است. در آینده باید انتظار هوش مصنوعی پیشرفته‌تری را داشته باشیم که بتواند وظایف پیچیده‌تری را با دقت بیشتری انجام دهد. این بدان معناست که محققان قادر خواهند بود با مشکلات چالش‌برانگیزتری مقابله کنند.

از سوی دیگر ابزارهای هوش مصنوعی کاربرپسندتر و بصری‌تر می‌شوند. بنابراین در آینده، استفاده از این ابزارها آسان‌تر خواهد بود و هوش مصنوعی را بدون در نظر گرفتن پیشینه فنی، برای محققان در دسترس قرار می‌گیرد. مسئله‌ای که از هم اکنون زمزمه‌هایش شنیده می‌شود تأمل بیشتر بر حوزه اخلاقی هوش مصنوعی است. به نظر می‌رسد همزمان با افزایش نقش هوش مصنوعی در تحقیقات و پژوهش‌ها، نیاز به تمرکز بیشتر بر مسئولیت‌های این فناوری احساس می‌شود.

 

انتهای پیام/

منبع: آنا

کلیدواژه: هوش مصنوعی آموزش دانشگاه هوش مصنوعی در تحقیقات تحقیقات دانشگاهی هوش مصنوعی یادگیری ماشین هوش مصنوعی تجزیه وتحلیل داده ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت ana.press دریافت کرده‌است، لذا منبع این خبر، وبسایت «آنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۹۴۲۱۳۶۵ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

کلسترول خوب برای این افراد مفید نیست

تحقیقات جدیدی که از سوی مؤسسه ملی سلامت آمریکا انجام شده، نشان می‌دهد که کلسترول خوب ممکن است به اندازه کافی برای جلوگیری از بروز بیماری‌های قلبی و عروقی در افراد مؤثر نباشد.

به گزارش فارس، دانشمندان تا مدت‌ها از سطح کلسترول خوب (HDL) به عنوان شاخصی برای پیش بینی احتمال ابتلای افراد به بیماری‌های قلبی و عروقی استفاده می‌کردند، اما یافته‌های اخیر بیانگر آن است که HDL نمی‌تواند به اندازه‌ای که محققان روی آن حساب باز کرده اند، برای همه گروه‌های جامعه مؤثر واقع شده و از بروز بیماری‌های قلبی و عروقی جلوگیری کند.

 تحقیقات نشان می‌دهد: پایین بودن سطح HDL در سفیدپوستان با خطر بالای ابتلا به حملات قلبی مرتبط است، اما این امر در سیاه پوستان صدق نمی‌کند و سطح بالای این کلسترول نمی‌تواند برای این گروه از افراد نقش پیشگیرانه‌ای داشته باشد. در مقابل، بالا بودن سطح این نوع کلسترول در هیچ کدام از این دو گروه با خطر بیماری‌های قلبی ارتباطی ندارد.

به عبارتی، این مطالعات، مؤثر بودن HDL را برای همه گروه‌های جامعه زیر سؤال می‌برد و محققان این موضوع را پذیرفته اند که سطح پایین HDL، صرف نظر از نژاد می‌تواند مضر باشد و برای رسیدن به این نتیجه، آزمایش‌های گسترده‌ای را روی حدود ۲۴ هزار بزرگسال آمریکایی انجام دادند.

پژوهشگران در این یافته‌ها علاوه بر تأیید نقش LDL و تری گلیسیرید در افزایش نسبی خطر بیماری‌های قلبی و عروقی، دریافتند که میزان پایین کلسترول HDL تنها می‌تواند شاخصی برای بروز احتمالی بیماری قلبی و عروقی در سفیدپوستان باشد. محققان به دنبال راهکارهای متفاوتی هستند که در آینده شاخص‌هایی فراتر از میزان کلسترول HDL بتواند به پیش بینی وقوع حملات و بیماری‌های قلبی در بیماران کمک کند.

آن‌ها در این راه از تئوری‌های مختلفی، چون HDL بالاتر و کیفیت عملکرد HDL استفاده می‌کنند که نقش مهمی در سلامت قلب و عروق دارد. محققان ویژگی‌های کلسترول HDL را به روش‌های میکروسکوپی بررسی کرده اند که از آن جمله می‌توان به تجزیه و تحلیل صدها پروتئین مرتبط با انتقال کلسترول و چگونگی تغییر این ارتباطات بر پایه یک یا گروهی از پروتئین‌ها اشاره کرد که ممکن است به بهبود پیش بینی‌ها از بروز مشکلات قلبی و عروقی کمک می‌کند.

کانال عصر ایران در تلگرام