ورود هوش مصنوعی به کتاب‌های درسی

به گزارش گروه دانشگاه خبرگزاری دانشجو، امیر سرتیپ دوم امید اردلان معاون نیروی انسانی ارتش جمهوری اسلامی ایران از گسترش رشته‌های پذیرش دانشجو در دانشکده‌های افسری ارتش از طریق آزمون سراسری سال ۱۴۰۵ خبر داد.

وی با اشاره به پذیرش دانشجو در گروه‌های آزمایشی ریاضی و فنی، علوم تجربی و علوم انسانی اظهار کرد: با تدبیر فرمانده کل ارتش، امسال نیز مانند سال‌های گذشته اما در ابعاد گسترده‌تر، پذیرش دانشجو در رشته‌های مختلف دانشگاه‌های وابسته به ارتش انجام خواهد شد.

اردلان افزود: با توجه به تحولات فناوری و نیاز نسل جدید، رشته‌های مرتبط با فناوری‌های پیشرفته و حوزه‌های نوین در اولویت پذیرش دانشجو قرار دارند.

معاون نیروی انسانی ارتش گفت: دانشگاه‌های امام خمینی(ره) و شهید ستاری در رشته‌هایی مانند رباتیک، سایبر، پهپاد، علوم شناختی، هوش مصنوعی، برق، مکانیک و الکترونیک دانشجو جذب می‌کنند و دانشگاه امام علی(ع) نیز در رشته‌های علوم انسانی پذیرش خواهد داشت.

وی ادامه داد: دانشکده‌های پزشکی ارتش نیز متناسب با نیازهای خود اقدام به جذب دانشجو می‌کنند و در مجموع ۷ دانشگاه وابسته به ارتش در رشته‌ها و مقاطع مختلف مصوب وزارت علوم و وزارت بهداشت دانشجو می‌پذیرند.

اردلان تأکید کرد: دانشکده‌های افسری ارتش با بهره‌گیری از اعضای هیأت علمی مورد تأیید وزارت علوم، مسیر آموزش‌های علمی و تخصصی را برای تربیت نیروی انسانی مورد نیاز کشور دنبال می‌کنند.

بر اساس آمارهای مؤسسه ملی سلامت آمریکا (NIH)، نزدیک به ۳ نفر از هر ۴ فرد بزرگسال (۷۳.۱ درصد) در ایالات متحده دچار اضافه‌وزن یا چاقی هستند. بااین‌حال، به دست آوردن تصویر کاملی از ترکیب بدنی پیچیده‌تر از یک اندازه‌گیری ساده روی ترازو است. دقیق‌ترین روش‌ها برای بررسی حجم و توزیع چربی در بخش‌های مختلف بدن، معمولاً به تحلیل‌های تخصصی با اشعه ایکس نظیر اسکن DXA وابسته هستند؛ روشی که به‌دلیل هزینه و نیاز به تجهیزات بالینی پیشرفته، به‌صورت روزمره در دسترس نیست.

سیستم توسعه‌یافته توسط تیم تحقیقاتی گوگل که PhotoScan نام دارد، با استفاده از الگوریتم‌های هوش مصنوعی و بررسی چند تصویر دوبعدی از بدن کار می‌کند. گوگل برای آموزش این مدل، در ابتدا آن را با داده‌های به‌دست‌آمده از اسکن‌های بالینی اشعه ایکس (DXA) تمرین داده است تا بتواند سطح کلی چربی بدن و نسبت‌های ساختاری مهم را بسنجد. این نسبت‌ها شامل نسبت چربی بالاتنه به پایین‌تنه (A/G Ratio) و همچنین نسبت چربی احشایی و داخلی اندام‌ها به چربی زیرپوستی (V/S Ratio) می‌شوند. تخمین دقیق‌تر ترکیب بدنی و مقاومت به انسولین نسبت به حسگرهای بیوالکتریک

تیم تحقیقاتی گوگل در ادامه، مدل خود را با ترکیب اطلاعات MRI و تنظیم دقیق روی مجموعه‌ای از عکس‌های واقعی ثبت‌شده با دوربین گوشی‌های هوشمند بهینه‌سازی کرد. نتایج نشان داده مدل نهایی می‌تواند چربی بدن را با دقتی به‌مراتب بالاتر از روش تحلیل موجود در ساعت‌ها و مچ‌بندهای هوشمند تخمین بزند. حسگرهای پوشیدنی رایج توانایی ارزیابی نسبت‌های حساسی چون نسبت چربی بالاتنه یا احشایی را ندارند، درحالی‌که این الگوریتم تصویری موفق به تخمین این معیارها شده است.

علاوه‌بر تحلیل ترکیب بدنی، محققان گوگل بررسی کرده‌اند که نتایج حاصل از این روش تا چه اندازه می‌تواند شرایطی مانند مقاومت به انسولین را پیش‌بینی کند؛ حوزه‌ای که گوگل اخیراً با معرفی ویژگی‌های پایش روند مقاومت به انسولین در پلتفرم‌های سلامتی خود روی آن تمرکز کرده است.

با وجود دستاوردهای علمی امیدوارکننده، چالش‌های عملی برای تجاری‌سازی چنین سامانه‌هایی وجود دارد. متقاعد کردن کاربران برای ثبت و به‌اشتراک‌گذاری تصاویر واضح از بدن ممکن است حتی با وجود سخت‌گیرانه‌ترین سیاست‌های حفظ حریم خصوصی کار دشواری باشد. از سوی دیگر، سوق دادن کاربران به سمت تغییر واقعی سبک زندگی و رژیم غذایی پس از مشاهده این داده‌ها همواره چالشی اساسی محسوب می‌شود. درحال‌حاضر گوگل برنامه‌ای رسمی برای تبدیل PhotoScan به یک محصول نهایی ندارد، اما احتمال دارد این فناوری در قالب سرویس‌های بخش سلامت گوگل عرضه شود.

اکونومیست هشدار می‌دهد که اگر هوش مصنوعی به‌عنوان موجودی دارای حقوق و منافع مستقل شناخته شود، ممکن است پیامدهای بسیار خطرناکی برای انسان‌ها داشته باشد.

این گزارش درباره این پرسش بحث می‌کند که آیا باید برای هوش مصنوعی حقوقی شبیه انسان در نظر گرفت یا نه.