إِيزآبَيل♡
12-26-2022, 06:34 PM
أجرى علماء في جامعة "براون" ومعهد " ماساتشوستس" للتكنولوحيا، دراسات بحثية تفيد بأن هناك مجموعة من الطرق التي يمكن التنبؤ خلالها بالكوارث والأوبئة المستقبلية لمساعدة البشر في التصدي لها في الوقت المناسب باستخدام الذكاء الاصطناعي، ومن وجهة نظر العلماء فإن التنبؤ بتوقيت الكوارث الطبيعية وحجمها هدف أساسي لا حياد عنه، خاصة وأنهم لا يمتلكون قاعدة بيانات كافية يمكنها التنبؤ بالكوارث نظرا لندرة حدوثها.
دمج علم الخوارزميات مع الذكاء الاصطناعي للتنبؤ بالكوارث
وفقا لما ذكر في موقع " studyfinds"، فإن العلماء استعانوا بتجربة دمج علم الخوارزميات الإحصائية، التي تتطلب بيانات أقل لعمل تنبؤات دقيقة، في وجود الذكاء الاصطناعي، من أجل التوصل لبيانات ناجحة، بدوره صرح جورج كارنياداكيس، أستاذ الرياضيات التطبيقية والهندسة في جامعة براون، خلال بيان جامعي أن انتشار بعض الأوبئة مثل كورونا والكوارث البيئية في خليج المكسيك والزلازل، والحرائق التي طالت كاليفورنيا، فضلا عن ارتفاع درجات الحرارة كلها أحداث عشوائية لا تاريخ لها، مشيرا إلى أن الدراسة ترتكزعلى حصر البيانات الممكنة لتقليل فرص حدوث الكوارث والأوبئة مرة أخرى.
وقد استعان العلماء بعلم الخوارزميات من أجل تحليل إدخال البيانات، ودراسة ما تم توفيره من بيانات جديدة ذات أهمية لتحليلها، ودخل في الدراسة نموذج تعلم آلي يدعى DeepOnet، وهو نوع من الشبكات العصبية الاصطناعية التي تستخدم شفرة مترابطة ومتعددة الطبقات يمكنها محاكاة الخلايا العصبية للدماغ البشري، ولكن ماهي الآلية المثلى لاستخدام هذا النموذج من أجل المساهمة في التنبؤ بالأحداث المستقبلية؟
آلية عمل نموذج DeepOnet
يمكن للنموذج باستخدام الشبكات العصبية الاصطناعية تحليل كمية كبيرة من البيانات في وقت قياسي، وبالتالي يحدد بدقة مؤشرات حدث كارثي على وشك الحدوث، وبخصوص تلك الزاوية، أكد " كارنياداكيس"، أن الهدف الاساسي من استخدام هذا النموذج ليس من أجل تجميع البيانات وإضافتها للنظام، إلا أن الأساس هو التنبؤ الاستباقي بالأحداث النادرة بشكل أكثر كفاءة، ويكشف النموذج عن الكوارث من خلال تشكيل موجات تحدد حجم الكارثة أو الوباء، إلا أن العلماء في طريقهم لتطوير بعض الدراسات التي توفر عليهم عناء التكاليف وإيجاد نموذج أكثر دقة لرصد الكوارث.
دمج علم الخوارزميات مع الذكاء الاصطناعي للتنبؤ بالكوارث
وفقا لما ذكر في موقع " studyfinds"، فإن العلماء استعانوا بتجربة دمج علم الخوارزميات الإحصائية، التي تتطلب بيانات أقل لعمل تنبؤات دقيقة، في وجود الذكاء الاصطناعي، من أجل التوصل لبيانات ناجحة، بدوره صرح جورج كارنياداكيس، أستاذ الرياضيات التطبيقية والهندسة في جامعة براون، خلال بيان جامعي أن انتشار بعض الأوبئة مثل كورونا والكوارث البيئية في خليج المكسيك والزلازل، والحرائق التي طالت كاليفورنيا، فضلا عن ارتفاع درجات الحرارة كلها أحداث عشوائية لا تاريخ لها، مشيرا إلى أن الدراسة ترتكزعلى حصر البيانات الممكنة لتقليل فرص حدوث الكوارث والأوبئة مرة أخرى.
وقد استعان العلماء بعلم الخوارزميات من أجل تحليل إدخال البيانات، ودراسة ما تم توفيره من بيانات جديدة ذات أهمية لتحليلها، ودخل في الدراسة نموذج تعلم آلي يدعى DeepOnet، وهو نوع من الشبكات العصبية الاصطناعية التي تستخدم شفرة مترابطة ومتعددة الطبقات يمكنها محاكاة الخلايا العصبية للدماغ البشري، ولكن ماهي الآلية المثلى لاستخدام هذا النموذج من أجل المساهمة في التنبؤ بالأحداث المستقبلية؟
آلية عمل نموذج DeepOnet
يمكن للنموذج باستخدام الشبكات العصبية الاصطناعية تحليل كمية كبيرة من البيانات في وقت قياسي، وبالتالي يحدد بدقة مؤشرات حدث كارثي على وشك الحدوث، وبخصوص تلك الزاوية، أكد " كارنياداكيس"، أن الهدف الاساسي من استخدام هذا النموذج ليس من أجل تجميع البيانات وإضافتها للنظام، إلا أن الأساس هو التنبؤ الاستباقي بالأحداث النادرة بشكل أكثر كفاءة، ويكشف النموذج عن الكوارث من خلال تشكيل موجات تحدد حجم الكارثة أو الوباء، إلا أن العلماء في طريقهم لتطوير بعض الدراسات التي توفر عليهم عناء التكاليف وإيجاد نموذج أكثر دقة لرصد الكوارث.