رفع مشکلات جهان واقعی با استفاده از هوش مصنوعی

به گزارش کارگروه فناوری اطلاعات سایبربان ، هر چند گذشته مقطعی ثابت و غیرقابل تغییر است، اما یادگیری ماشینی گاهی اوقات می‌تواند پیش‌بینی آینده را آسان‌تر کند.
پژوهشگران دانشگاه ایالتی « اوهایو » به تازگی راهی جدید برای پیش‌بینی رفتار سیستم‌های بی‌نظم فضایی-زمانی (spatiotemporal) با استفاده از یک روش جدید یادگیری ماشینی موسوم به «محاسبات مخزنی نسل بعدی» کشف کردند که شامل مواردی مانند تغییرات در آب و هوای زمین می‌شود که پیش‌بینی آن‌ها برای دانشمندان به طور خاص دشوار است.
این تحقیق که نتایج آن به تازگی منتشر شده است، از یک الگوریتم کاملا جدید و بسیار کارآمد استفاده می‌کند که وقتی با تکنیک محاسبات مخزنی نسل‌بعدی ترکیب می‌شود، قادر است در کسری از زمان مورد نیاز برای الگوریتم‌های یادگیری ماشینی سنتی (قبلی)، سیستم‌های بی‌نظم فضایی-زمانی را بیاموزد.
بنا بر اعلام «سای تک دیلی» ، محققان این روش خود را با پیش بینی یک مدل آب و هوای اتمسفری که در گذشته یک مشکل چالش‌برانگیز بوده است، به بوته آزمایش گذاشتند.
الگوریتم تیم تحقیقاتی دانشگاه اوهایو دقیق‌تر است و برای انجام پیش‌بینی‌های بهتر نسبت به الگوریتم‌های سنتی یادگیری ماشینی، به داده‌های یادگیری ۴۰۰ تا ۱۲۵۰ بار کمتری (نسبت به الگوریتم‌های قبلی) نیازمند است.
این محققان با یک لپ‌تاپ و ویندوز-۱۰ در کسری از ثانیه پیش‌بینی را انجام دادند که این زمان حدود ۲۴۰ هزار بار سریعتر از زمان مورد نیاز پیش‌بینی الگوریتم‌های قبلی است. روش آن‌ها همچنین از لحاظ محاسباتی ارزان‌تر است چرا که حل مسائل محاسباتی پیچیده در گذشته نیازمند استفاده از ابررایانه‌ها بود.
«وندسون دی‌سا باربوسا» محقق ارشد رشته فیزیک در دانشگاه اوهایو گفت: این کار بسیار جالب و هیجان‌انگیز بود و به گمان ما پیشرفت قابل ملاحظه‌ای از حیث کارآمدی پردازش داده‌ها و دقت پیش‌بینی در حوزه یادگیری ماشینی است.
وی افزود : یادگرفتن پیش‌بینی این سیستم‌های به شدت بی‌نظم ، یکی از «چالش‌های بزرگ فیزیک» است و درک آن‌ها می‌تواند راه را برای کشفیات و پیشرفت‌های علمی جدید هموار سازد.
«وندسون دی‌سا باربوسا» گفت : الگوریتم‌های مدرن یادگیری ماشینی به طور خاص برای سیستم‌های دینامیک مناسب هستند، زیرا قوانین فیزیکی زیربنایی آن‌ها را یاد می‌گیرند. زمانی که داده‌های کافی و قدرت محاسباتی داشته باشید، می‌توانید با مدل‌های یادگیری ماشینی اقدام به پیش‌بینی درباره هرگونه سیستم پیچیده جهان واقعی کنید. چنین سیستم‌هایی می‌تواند شامل هرگونه فرآیند فیزیکی مانند حرکات پاندول ساعت تا اختلالات در شبکه‌های برق باشد.
حتی سلول‌های قلب نیز گاهی اوقات که دچار مشکل می‌شوند، الگو‌های فضایی بی‌نظم نشان می‌دهند و به همین علت به گفته محققان، این تحقیق جدید می‌تواند روزی برای شناخت و کنترل بهتر بیماری‌های قلبی و بسیاری دیگر از مشکلات جهان واقعی استفاده شود . 
این پژوهشگران قصد دارند با استفاده از اینالگوریتم‌ها برای تسریع احتمالی در شبیه‌سازی‌های فضایی-زمانی، این تحقیقات را در مراحل بعدی پیش ببرند.