استثمار رباتها با هوش مصنوعی!
تاریخ انتشار: ۲۹ مهر ۱۴۰۲ | کد خبر: ۳۸۹۳۲۰۰۱
دانشمندان مؤسسه فناوری ماساچوست(MIT) از هوش مصنوعی برای وادار کردن یک ربات به انجام چندین کار استفاده میکنند.
به گزارش ایسنا و به نقل از آیای، اغلب ربات هایی که امروزه میبینیم، میتوانند وظایف خاصی را با دخالت اندک انسان انجام دهند. به عنوان مثال، یک بازوی رباتیک وجود دارد که میتواند گوجه فرنگی را از مزارع برداشت کند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
با این حال، ماشینها اغلب با محدودیتهای هندسی و فیزیکی مانند پایداری و عدم برخورد با موانع مواجه هستند. پژوهشگران مؤسسه فناوری ماساچوست (MIT) برای اجتناب از این محدودیتها، مدلهای مختلفی را با هم ترکیب کردهاند که هر کدام به نوع متفاوتی به استقبال رفع این محدودیتها میرفتند تا مدل جدیدی را ایجاد کنند که بتواند راهحلهایی را به طور جمعی پیدا کند.
حل مشکلات بستهبندی
این مدل که «حلکننده محدودیت پیوسته انتشار ترکیبی»(Diffusion-CCSP) نامیده میشود، خانوادهای از مدلهای انتشار را یاد میگیرد و نوعی از مدلهای هوش مصنوعی مولد است که با هم آموزش داده میشوند. بنابراین دانشهایی مانند هندسه اشیاء را که رباتها با آنها چالش دارند، میآموزد.
روش پژوهشگران از هوش مصنوعی مولد برای کمک به رباتها در حل مشکلات حمل و نقل مانند برخورد با موانع و پایداری استفاده میکند. این در حالی است که راه حلهای سنتی برای رفع این مشکلات، زمانبر هستند.
ژوتیان یانگ، دانشجوی کارشناسی ارشد مهندسی برق و علوم کامپیوتر و نویسنده اصلی این مطالعه میگوید: دیدگاه من این است که رباتها را به انجام وظایف پیچیدهتر که دارای محدودیتهای هندسی زیادی هستند و تصمیمات مستمرتری که باید گرفته شوند، سوق دهم. اینها انواع مشکلاتی هستند که رباتهای خدماتی در محیط های انسانی بدون ساختار و متنوع ما با آن روبرو هستند.
وی افزود: اکنون با ابزار قدرتمند مدلهای انتشار ترکیبی میتوانیم این مسائل پیچیدهتر را حل کنیم و نتایج عالی به دست آوریم.
در نظر گرفتن همه محدودیت ها به طور همزمان
انگیزه اصلی پژوهشگران حل مشکلات فرعی بود که در طول برنامهریزی کلی ربات ایجاد میشود. پژوهشگران این موضوع را در بیانیه مطبوعاتی خود با استفاده از مثال بستهبندی و کنار هم قرار دادن قطعات در یک خودرو توضیح دادند. آنها گفتند که یک محدودیت ممکن است نیاز به یک شیء خاص در کنار یک شیء دیگر داشته باشد، در حالی که محدودیت دوم ممکن است مشخص کند که یکی از آن اشیاء باید در کجا قرار گیرد. پژوهشگران با Diffusion-CCSP میخواستند به هم پیوستگی محدودیتها را به تصویر بکشند.
یانگ افزود: ما همیشه در اولین حدس به یک راه حل نمیرسیم. اما وقتی راه حل را اصلاح میکنید و مشکلی رخ میدهد، باید شما را به راه حل بهتری برساند. شما با اشتباه کردن راهنمایی میشوید.
وی توضیح داد که آموزش مدلهای فردی، زمانبر و پرهزینه است و به دادههای آموزشی زیادی نیاز دارد. تیم او یک رویکرد جایگزین پیدا کرد. آنها از الگوریتمهای سریع برای تولید جعبههای تقسیمبندی شده استفاده کردند و مجموعه متنوعی از اشیاء سهبعدی را در هر بخش قرار دادند و از بستهبندی محکم، حالتهای پایدار و راهحلهای بدون برخورد اطمینان حاصل کردند.
یانگ میگوید: با این فرآیند، تولید داده در شبیهسازی تقریباً آنی است. ما میتوانیم دهها هزار محیط ایجاد کنیم که بدانیم مشکلات آن قابل حل هستند.
یانگ و تیمش امیدوارند مدل خود را در موقعیتهای پیچیدهتر بدون نیاز به آموزش دادههای جدید آزمایش کنند.
این مطالعه در پایگاه Arxiv منتشر شده است.
منبع: تابناک
کلیدواژه: طوفان الاقصی پرونده قتل داریوش مهرجویی بیمارستان المعمدانی غزه فلسطین اکبر قدمی ربات هوش مصنوعی اقتصاد طوفان الاقصی پرونده قتل داریوش مهرجویی بیمارستان المعمدانی غزه فلسطین اکبر قدمی هوش مصنوعی محدودیت ها ربات ها راه حل
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.tabnak.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «تابناک» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۹۳۲۰۰۱ 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:
هوش مصنوعی در جستجوی راز آلزایمر: ارتباط بین روده و مغز!
به گزارش تابناک به نقل از عصرایران، به تازگی از یادگیری ماشینی برای پیش بینی نحوه اتصال متابولیتهای ایجاد شده در روده با گیرندههای موجود در روده و مغز استفاده بسیاری شده است.
مجموعهای از متابولیتها و جفتهای متصل شونده به گیرنده که اخیرا توسط محققان ایجاد شده اند، میتوانند به منظور روشن کردن نقش میکروبیوم در بیماری آلزایمر مورد استفاده قرار گیرند.
محققان کلینیک کلیولند ویژگیهای بیش از ۱ میلیون جفت بالقوه متابولیت و گیرنده را ارزیابی کردهاند تا ببینند که کدام یک از آنها میتوانند به یکدیگر متصل شوند. با شناسایی متابولیتهای متصل به گیرندههای خاص، محققان توانستند مسیرهای بیولوژیکی را که این متابولیتها ممکن است تحت تاثیر قرار دهند و همچنین هدف برخی از گیرندهها را شناسایی کنند.
مطالعه مورد نظر از طریق مجله سل ریپورتز در اختیار علاقه مندان قرار گرفته است. نویسنده اصلی این تحقیق دکتر Feixiong Cheng، مدیر مرکز ژنوم کلینیک کلیولند، در یک بیانیه مطبوعاتی توضیح داد:
«متابولیتهای روده کلید بسیاری از فرآیندهای فیزیولوژیکی در بدن ما هستند و همانطور که میدانیم برای هر کلید قفلی وجود دارد. البته مشکل این است که ما دهها هزار گیرنده و هزاران متابولیت در بدن خود داریم و تشخیص اینکه کدام کلید با کدام قفل جفت و جور میشود، روندی کند و پرهزینه به شمار میرود. به همین دلیل است که تصمیم گرفتیم از هوش مصنوعی استفاده کنیم.»
سلامت روده چگونه بر سلامت مغز تاثیر میگذارد؟
وجود برخی متابولیتها در روده تا حدی نشان دهنده حضور باکتریهای خاص در این محیط است، زیرا این متابولیتها از طریق تجزیه مواد غذایی در روده توسط باکتریها ایجاد میشوند.
بیماری آلزایمر پیش از این نیز با تغییرات مشخص در میکروبیوم روده در انسان مرتبط شده است و احتمالا روده به واسطه نقشی که در عملکرد ایمنی دارد بر سلامت مغز اثر میگذارد. این مطالعات از طریق سری مجلات ناشر بریتانیایی بایومد مرکزی قابل دسترسی هستند.
دکتر استیو گندرون متخصص ایمونولوژی و غدد درون ریز که در مطالعه اخیر شرکت نداشته، در توضیح مکانیسمهای احتمالی قیاس زیر را انجام داده است:
«روده را به عنوان یک بازار شلوغ تصور کنید که در آن انواع مواد شیمیایی مبادله میشوند. این مواد شیمیایی میتوانند از جریان خون استفاده و به ایستگاه مرکزی مغز راه پیدا کنند. دانشمندان معتقد هستند که این خط ارتباطی ممکن است بر سلامت مغز اثر بگذارد زیرا اگر بازار (روده) شروع به فروش اقلام نامناسب (مانند مواد شیمیایی التهابی) کند، احتمال ابتلا به زوال مغز وجود خواهد داشت، یعنی همان مشکلی که در آلزایمر میبینیم. درست شبیه به این که از مواد فاسد در پخت کیک استفاده شده باشد!»
در حالی که نقش سیستم ایمنی در بیماری آلزایمر به خوبی شناخته نشده است، تحقیقات التهاب را با افزایش خطر ابتلا به این بیماری مرتبط میدانند و در این زمینه هم نظر هستند که التهاب مزمن میتواند در شروع بیماری مذکور نقش داشته باشد.
دکتر چنگ، نویسنده اصلی مطالعه، اضافه میکند: «بیماری آلزایمر یک بیماری چالش برانگیز به دلیلعدم وجود درمان موثر است. با این حال محور مغز-روده پتانسیل بالایی به منظور درمان اختلالات مغزی از خود نشان داده است.»
استفاده از هوش مصنوعی برای کشف مسیرهای نهفته در پس بیماری در آلزایمر
اگر بتوان از اتصال مضر متابولیتها با گیرندهها جلوگیری کرد، احتمال ابتلا به بیماری آلزایمر را نیز میتوان کاهش داد. برای شناسایی جفتهای متصل شونده، محققانی که در مطالعه حاضر بودند ابتدا یک تجزیه و تحلیل ژنتیکی برای شناسایی رابطه میان ۴۰۸ گیرنده و بیماری آلزایمر انجام دادند.
محققان با استفاده از کد ژنتیکی این گیرنده ها، از منابع هوش مصنوعی (AI) موجود برای پیش بینی شکل پروتئینهای قابل اتصال، استفاده کردند. این روش دید خوبی از شکل نواحی اتصال گیرندهها به دست میدهد.
در ادامه محققان توانستند پیش بینی کنند که کدام متابولیتها و چگونه به این گیرندهها متصل میشوند. بیشتر متابولیتهای کشف شده لیپید یا متابولیتهای لیپید مانند بودند.
و اما اهداف درمانی جدید برای آلزایمر؟
محققان همچنین چگونگی پاسخ این گیرندهها به میکروبیوم افراد مبتلا به بیماری آلزایمر را بررسی کردند. آنها با بررسی باکتریهایی که در میکروبیوم افراد مبتلا به بیماری آلزایمر فراوان هستند، دو متابولیت آگماتین و فنتیل آمین را شناسایی کردند که به ترتیب توسط باکتروئیدس فراژیلیس و رومینوکوک به وفور تولید میشوند.
سپس محققان تصمیم گرفتند با استفاده از سلولهای بنیادی افراد مبتلا به آلزایمر، تاثیر این متابولیتها را بر نورونهای بیماران زیر نظر بگیرند.
آنها دریافتند که آگماتین سطوح p-tau181، p-tau205، و پروتئین تاو کل را کاهش میدهد. مطالعات بیشتر روی فنتیل آمین نیز نشان داد که این متابولیت به طور قابل توجهی سطوح p-tau181، p-tau205 و تاو کل را در نورونها به صورت وابسته به دوز کاهش میدهد.
این یک یافته امیدوار کننده است، زیرا تجمع بیش از حد پروتئین تاو با ایجاد بیماری آلزایمر مرتبط است.
چنگ گفت: «در مطالعات کنونی، ما صرفا فسفوریلاسیون تاو را اندازهگیری کردیم، زیرا فسفوریلاسیون تاو یک سنجش قوی و دقیق است. ما همچنین در حال انجام مطالعات پیش بالینی (حیوانی) بیشتری برای بررسی دقیقتر اثربخشی متابولیتهای روده (به عنوان مثال، آگماتین) هستیم و ممکن است آن را در آزمایشات آینده و در افراد مسن نیز پیگیری کنیم.»
نویسندگان مطالعه خاطرنشان میکنند که ۹۹ درصد از آزمایشات بالینی در مورد مداخلات دارویی برای بیماری آلزایمر موفقیتآمیز نبوده است و چنگ اضافه میکند که یافتههای آنها میتواند به یک هدف جدید اشاره کند:
«این موضوع دقیقا همان فرضیه ما را شکل میدهد: بهبود سلامت روده ممکن است بر سطوح تاو در مغز تاثیر بگذارد، از بیماری آلزایمر پیشگیری یا حتی آن را درمان کند. با این حال، برای بررسی بیشتر این فرضیه به تحقیقات بیشتری در آینده نیاز داریم و اکنون با استفاده از نمونههای حیوانی و انسانی روی آن کار میکنیم.»