نوشته چگونه پرامپت chat GPT خوب بنویسیم؟ اولین بار در مرکز توسعه هوش مصنوعی بنو. پدیدار شد.

نوشته ابزارهای تولید ارائه با هوش مصنوعی اولین بار در مرکز توسعه هوش مصنوعی بنو. پدیدار شد.

نوشته متن به گفتار با هوش مصنوعی اولین بار در مرکز توسعه هوش مصنوعی بنو. پدیدار شد.

حواس چندگانه انسان

صدا، بویایی، چشایی، لامسه و بینایی – اینها پنج حسی هستند که انسان برای درک و درک جهان از آنها استفاده می کند. ما قادریم به طور یکپارچه این حواس مختلف را هنگام درک جهان ترکیب کنیم. به عنوان مثال، تماشای یک فیلم نیازمند پردازش مداوم اطلاعات دیداری و شنیداری است و ما این کار را بدون زحمت انجام می دهیم. ما به‌عنوان متخصص رباتیک، به‌ویژه به مطالعه اینکه چگونه انسان‌ها حس لامسه و حس بینایی ما را ترکیب می‌کنند، علاقه‌مندیم. دید و لمس هنگام انجام کارهای دستکاری که نیاز به تماس با محیط دارند، مانند بستن بطری آب یا قرار دادن اسکناس یک دلاری در یک ماشین خودکار، به ویژه مهم هستند.

بیایید بستن یک بطری آب را به عنوان مثال در نظر بگیریم. با چشمانمان می‌توانیم رنگ‌ها، لبه‌ها و اشکال موجود در صحنه را مشاهده کنیم و از آن‌ها می‌توانیم اطلاعات مربوط به وظیفه، مانند حالت‌ها و شکل بطری آب و درپوش را استنتاج کنیم. در همین حال، حس لامسه ما بافت، فشار و نیرو را به ما می‌گوید، که اطلاعات مربوط به وظیفه مانند نیرویی که به بطری آب وارد می‌کنیم و لغزش درب بطری در دستانمان را به ما می‌دهد. علاوه بر این، انسان‌ها می‌توانند اطلاعات یکسانی را با استفاده از یک یا هر دو نوع حواس استنتاج کنند: حواس لامسه ما همچنین می‌تواند به ما اطلاعات ژست و هندسی بدهد، در حالی که حواس بینایی ما می‌توانند زمان تماس ما با محیط را پیش‌بینی کنند.

از این مشاهدات چندوجهی و ویژگی‌های مرتبط با وظیفه، ما به اقدامات مناسب برای مشاهدات داده شده می‌رسیم تا بطری آب را با موفقیت ببندیم. با توجه به یک وظیفه جدید، مانند قرار دادن یک دلار در یک ماشین خودکار، ممکن است از همان اطلاعات مربوط به وظیفه (ژست‌ها، شکل، نیروها و غیره) برای یادگیری یک سیاست جدید استفاده کنیم. به عبارت دیگر، ویژگی‌های چندوجهی مرتبط با وظیفه خاصی وجود دارد که در انواع مختلف کارها تعمیم می‌یابد.

ویژگی‌های یادگیری از ورودی های‌ خام مشاهدات (مانند تصاویر RGB و داده‌های نیرو/گشتاور از حسگرهایی که معمولاً در روبات‌های مدرن دیده می‌شوند) به عنوان یادگیری نمایشی نیز شناخته می‌شوند. ما می خواهیم یک نمایش برای بینایی و لامسه و ترجیحاً نمایشی یاد بگیریم که بتواند این دو حس را با هم ترکیب کند. ما فرض می‌کنیم که اگر بتوانیم نمایشی را یاد بگیریم که ویژگی‌های مرتبط با وظیفه را به تصویر می‌کشد، می‌توانیم از همان نمایش برای کارهای مشابه با تماس غنی استفاده کنیم. به عبارت دیگر، یادگیری یک نمایش چندوجهی غنی می تواند به ما در تعمیم کمک کند.

در حالی که انسان ها به شیوه ای ذاتاً چندوجهی با جهان تعامل دارند، مشخص نیست که چگونه می توان انواع بسیار متفاوت داده ها را مستقیماً از حسگرها ترکیب کرد. تصاویر RGB از دوربین ها ابعاد بسیار بالایی دارند (اغلب در حدود 640 x 480 x 3 پیکسل). از سوی دیگر، قرائت‌های سنسور نیرو/گشتاور فقط 6 بعد دارند اما در عین حال از این لحاظ پیچیده‌اند که ممکن است گاهی به سرعت تغییر کنند (به عنوان مثال، زمانی که ربات به چیزی تماس ندارد، حسگر 0 نیوتن را ثبت می‌کند، اما می‌تواند به سرعت به 20 نیوتن بپرد که به محض برقراری تماس اتفاق می‌افتد).

ترکیب حس بینایی و لامسه

چطور می‌توانیم حس بینایی و لامسه را باهم ترکیب کنیم درحالی که این دو، ویژگی‌های بسیار متفاوتی دارند؟

ما می توانیم از یک شبکه عصبی عمیق برای یادگیری ویژگی ها از داده های حسگر خام با ابعاد بالا استفاده کنیم. شکل بالا معماری شبکه عصبی یادگیری نمایش چندوجهی ما را نشان می‌دهد، که ما آموزش می‌دهیم تا یک نمایش برداری ترکیبی از تصاویر RGB، قرائت‌های حسگر نیرو (از حسگر نیرو/گشتاور متصل به مچ) و وضعیت‌های ربات (موقعیت و سرعت مچ ربات که میخ به آن متصل است) ایجاد کند.

از آنجایی که قرائت‌های حسگر ما دارای ویژگی‌های متفاوتی هستند، ما از معماری شبکه متفاوتی برای رمزگذاری هر مدالیته استفاده می‌کنیم:

• رمزگذار تصویر یک شبکه FlowNetSimple شده با یک شبکه عصبی کانولوشنال 6 لایه (CNN) است. این برای هدف self-supervised ما مفید خواهد بود.
• از آنجایی که خوانش نیروی ما یک داده سری زمانی با همبستگی زمانی است، ما از کانولوشن‌های علّی(causal convolutions) برای خوانش‌های نیروی خود استفاده می‌کنیم. این شبیه به معماری WaveNet است که نشان داده شده است که به خوبی با داده های صوتی توالی زمانی کار می کند.
• برای قرائت‌ حسگر عمقی (proprioceptive) (موقعیت و سرعت end-effector)، آن را با لایه‌های کاملاً متصل (Fully Connected) رمزگذاری می‌کنیم، همانطور که معمولاً در رباتیک انجام می‌شود.

هر رمزگذار یک بردار ویژگی تولید می کند. اگر بخواهیم یک نمایش قطعی داشته باشیم، می‌توانیم با به هم پیوستن آنها در یک بردار ترکیب کنیم. اگر از یک نمایش احتمالی استفاده کنیم، که در آن هر بردار ویژگی در واقع دارای یک بردار میانگین و یک بردار واریانس است (با فرض توزیع‌های گاوسی)، می‌توانیم توزیع‌های مدالیته مختلف را با استفاده از ایده محصول کارشناسان با ضرب چگالی‌های توزیع‌ها با هم ترکیب کنیم و هر میانگین را با واریانس آن وزن‌دهی کنیم.بردار ترکیبی حاصل، نمایش چندوجهی ما است.

چگونه ویژگی های چندوجهی را بدون برچسب زدن دستی یاد بگیریم؟

رمزگذارهای مدالیته ما نزدیک به نیم میلیون پارامتر قابل یادگیری دارند که برای آموزش با یادگیری نظارت شده به مقادیر زیادی داده برچسب‌گذاری شده نیاز دارد. برچسب گذاری دستی داده ها بسیار پرهزینه و گران قیمت خواهد بود. با این حال، می‌توانیم اهداف آموزشی را طراحی کنیم که برچسب‌های آنها به طور خودکار در طول جمع‌آوری داده‌ها تولید می‌شوند. به عبارت دیگر، ما می توانیم رمزگذارها را با استفاده از یادگیری خود نظارتی آموزش دهیم. تصور کنید که بخواهید 1000 ساعت ویدیوی یک ربات در حال انجام یک کار را حاشیه نویسی کنید یا سعی کنید به صورت دستی وضعیت اشیا را برچسب گذاری کنید. به طور شهودی، شما ترجیح می‌دهید فقط یک قاعده بنویسید مانند « نظارت بر نیروی وارد بر بازوی ربات را انجام بده و جفت حالت و عمل را زمانی که خوانش‌های نیرویی بیش از حد بالا است، برچسب‌گذاری کن »، به‌جای این‌که هر فریم را یک‌به‌یک بررسی کنید که ربات کی با جعبه در تماس است. ما کاری مشابه را انجام می دهیم، با برچسب‌گذاری الگوریتمی داده‌هایی که از اجراهای ربات جمع‌آوری می‌کنیم.

ما دو هدف یادگیری را طراحی می‌کنیم که دینامیک‌ مدالیته‌های حسگر را در بر بگیرد:

1.  پیش‌بینی جریان بصری ربات که ناشی از عمل است
2.  پیش‌بینی اینکه آیا ربات با توجه به عمل با محیط تماس برقرار می‌کند یا خیر.

از آنجایی که معمولاً ما هندسه، سینماتیک و mesheهای ربات را می‌دانیم، برچسب‌گذاری‌های واقعی جریان بصری می‌توانند به‌طور خودکار با توجه به موقعیت‌های مفصلی و سینماتیک ربات تولید شوند. پیش‌بینی تماس نیز می‌تواند به‌طور خودکار با جستجوی افزایش‌ها در داده‌های حسگر نیرو تولید شود.

هدف یادگیری خودنظارتی آخر ما تلاش می‌کند تا همبستگی زمانی قفل شده بین دو مدالیته حسگر مختلف بینایی و لمس را به تصویر بکشد و رابطه بین آن‌ها را یاد بگیرد. وقتی ربات با محیط تماس می‌گیرد، یک دوربین تعامل و حسگر نیرو همزمان تماس را ثبت می‌کند. بنابراین، این هدف پیش‌بینی می‌کند که آیا مدالیته‌های ورودی ما هم‌زمان هستند یا نه. در طول آموزش، ما به شبکه‌مان داده‌های هم‌زمان و همچنین داده‌های حسگر که به‌طور تصادفی جابجا شده، می‌دهیم. شبکه ما باید بتواند از نمایش ما پیش‌بینی کند که آیا ورودی‌ها هم‌راستا هستند یا نه.

برای آموزش مدل خود، ۱۰۰ هزار داده در ۹۰ دقیقه جمع آوری کردیم. این کار با انجام عمل‌های تصادفی توسط ربات و همچنین انجام عمل‌های از پیش تعریف شده‌ای که  قرار دادن میخ‌ها در سوراخ را تشویق می‌کرد، انجام شد.  این عمل‌ها شامل جمع‌آوری برچسب‌های خود نظارتی به روش توضیح داده شده در بالا است.  سپس با استفاده از الگوریتم نزول گرادیان تصادفی استاندارد،  نمایش خود را آموزش می‌دهیم و این آموزش برای ۲۰ دور انجام می‌شود.

چگونه بفهمیم که نمایش چندوجهی خوبی داریم؟

یک نمایش خوب باید:

• به ما امکان یادگیری یک سیاست را بدهد که بتواند یک وظیفه manipulation غنی از تماس (مثل وظیفه وارد کردن میخ) را به شیوه‌ای کارآمد انجام دهد.
• بتواند در نمونه‌های مختلف کار تعمیم یابد (مثلاً اشکال مختلف میخ برای وارد کردن میخ)
• به ما اجازه دهد که یک سیاست را یاد بگیریم که در برابر نویزهای حسگر، مختل‌کننده‌های خارجی و مکان‌های هدف مختلف مقاوم باشد.

برای مطالعه نحوه یادگیری این نمایش چندوجهی، از یک وظیفه درج میخ به عنوان یک تنظیم آزمایشی استفاده می کنیم. ورودی های چندوجهی ما تصویر خام RGB، قرائت نیرو از حسگر نیرو/گشتاور، و موقعیت و سرعت end-effector است. بر خلاف کارهای کلاسیک در وارد کردن میخ با دقت بالا که به دانش قبلی از اشکال میخ نیاز دارند، ما سیاست‌ها را برای اشکال مختلف به‌طور مستقیم از تصاویر خام RGB و قرائت های حسگر نیرو/گشتاور یاد خواهیم گرفت.مهمتر از آن، ما می خواهیم یک نمایش از یک شکل میخ یاد بگیریم، و ببینیم که آیا این نمایش می تواند به اشکال دیده نشده جدید تعمیم یابد یا خیر.

یادگیری سیاست

ما می خواهیم ربات بتواند سیاست ها را مستقیماً از تعاملات خود با محیط بیاموزد. در اینجا، ما به الگوریتم‌های یادگیری تقویتی عمیق (RL) روی می‌آوریم، که عامل ها را قادر می‌سازد از آزمون و خطا و یک تابع پاداش یاد بگیرند. یادگیری تقویتی عمیق پیشرفت های زیادی را در انجام بازی های ویدیویی، گرفتن اشیاء توسط ربات و حل مکعب های روبیک نشان داده است. به طور خاص، ما از Trust Region Optimization، یک الگوریتم RL روی سیاست، و یک پاداش متراکم که ربات را به سمت سوراخ برای وارد کردن میخ راهنمایی می‌کند.

یک بار که نمایش را یاد گرفتیم، آن را به‌طور مستقیم به یک سیاست RL می‌دهیم. و ما توانسته‌ایم کار وارد کردن میخ برای اشکال مختلف میخ را در حدود ۵ ساعت از ورودی‌های حسی خام یاد بگیریم.

این ربات است زمانی که برای اولین بار شروع به یادگیری کار می‌کند.

حدود ۱۰۰ ایپاک که گذشت (که ۱.۵ ساعت میشود)، ربات شروع به لمس جعبه می‌کند

و در 5 ساعت، ربات می‌توناند به‌طور مطمئن میخ گرد، مثلثی و همچنین میخ نیم‌دایره‌ای وارد کند.

ارزیابی نمایش ما

ما ارزیابی می‌کنیم که نمایش ما چقدر خوب ورودی‌های چندوجهی ما را پوشش می‌دهد، با آزمایش اینکه نمایش چگونه به نمونه‌های وظیفه جدید تعمیم داده می‌شود، سیاست ما با نمایش به عنوان ورودی وضعیت چقدر مقاوم است و چگونه مودهای مختلف (یا عدم وجود آن‌ها) بر یادگیری نمایش تأثیر می‌گذارند.

تعمیم نمایش ما

ما پتانسیل انتقال سیاست‌ها و نمایندگی‌های آموخته‌شده را به دو شکل جدید که قبلاً در آموزش نمایش و سیاست مشاهده نشده‌اند، یعنی میخ شش‌ضلعی و میخ مربعی، بررسی می‌کنیم. برای انتقال سیاست، ما مدل نمایش و سیاستی که برای میله مثلثی آموزش دیده است را می‌گیریم و با میله مربعی جدید که دیده نشده، اجرا می‌کنیم. همانطور که در گیف زیر می‌بینید، وقتی که انتقال سیاست را انجام می‌دهیم، نرخ موفقیت ما از ۹۲٪ به ۶۲٪ کاهش می‌یابد. این نشان می‌دهد که سیاستی که برای یک هندسه میله‌ای آموخته شده، لزوماً به هندسه میله‌ای جدید منتقل نمی‌شود.

عملکرد انتقال بهتر را می توان با استفاده از مدل نمایش آموزش داده شده بر روی میخ مثلثی، و آموزش سیاست جدید برای میخ شش ضلعی جدید به دست آورد. همانطور که در گیف مشاهده می شود، وقتی نمایش چندوجهی را منتقل می کنیم، نرخ درج میخ ما دوباره به 92% می رسد. حتی اگر سیاست‌های آموخته‌شده به اشکال جدید منتقل نشوند، نشان می‌دهیم که نمایش چندوجهی ما از بازخورد بصری و لمسی می‌تواند به نمونه‌های جدید وظیفه منتقل شود. نمایندگی ما به اشکال جدید میخ های دیده‌نشده تعمیم می‌یابد و اطلاعات مربوط به وظیفه را در سراسر نمونه‌های وظیفه جمع‌آوری می‌کند.

استحکام سیاست

ما نشان دادیم که سیاست ما در برابر نویزهای حسگرهای نیرو/گشتاور و دوربین مقاوم است.

اختلال حسگر نیرو: وقتی که به حسگر نیرو/گشتاور ضربه می‌زنیم، گاهی اوقات این حسگر ربات را فریب می‌دهد که فکر کند با محیط تماس دارد. اما سیاست هنوز هم قادر است از این اختلالات و نویزها بهبود یابد.

پوشش دوربین: وقتی که به‌طور متناوب دوربین را پوشش می‌دهیم بعد از اینکه ربات قبلاً با محیط تماس برقرار کرده است. سیاست همچنان قادر است از وضعیت‌های ربات، خوانش‌های نیرو و تصاویر پوشیده شده، سوراخ را پیدا کند.

حرکت هدف: ما می‌توانیم جعبه را به یک مکان جدید منتقل کنیم که ربات هرگز در طول آموزش آن را ندیده است و ربات ما همچنان قادر به تکمیل درج میخ است.

نیروهای خارجی: ما همچنین می‌توانیم ربات را مختل کنیم و نیروهای خارجی را مستقیماً بر روی آن اعمال کنیم و هنوز هم قادر است عمل درج را تمام کند.

همچنین توجه داشته باشید که ما سیاست‌های خود را بر روی دو ربات مختلف، ربات نارنجی KUKA IIWA و ربات سفید Franka Panda اجرا می‌کنیم که نشان می‌دهد روش ما بر روی ربات‌های مختلف کار می‌کند.

مطالعه حذف

برای مطالعه تأثیرات اینکه چگونه مدالیته‌های مختلف بر نمایش تأثیر می‌گذارند، ما یک مطالعه حذف در شبیه‌سازی انجام دادیم. در آزمایش‌های شبیه‌سازی خود که در آن مکان جعبه را تصادفی می‌کنیم، می‌توانیم نحوه استفاده از هر حسگر را با حذف کامل یک مدالیتی در طول نمایش و آموزش سیلست مطالعه کنیم. اگر فقط داده‌های نیرو را داشته باشیم، سیاست ما نمی‌تواند جعبه را پیدا کند. با تنها داده‌های تصویری، ما به نرخ موفقیت ۴۹٪ در انجام وظیفه می‌رسیم، اما سیاست ما واقعاً با همسو کردن میخ با سوراخ مشکل دارد، زیرا دوربین نمی‌تواند این حرکات دقیق کوچک را ثبت کند. با هر دو ورودی نیرو و تصویر، نرخ تکمیل کار ما در شبیه سازی تا 77 درصد می رسد.

منحنی های یادگیری همچنین نشان می دهد که Full Model و مدل فقط تصویر (بدون Haptics) بازدهی مشابهی در ابتدای آموزش دارند.. همانطور که آموزش ادامه می‌یابد و ربات یاد می‌گیرد که به جعبه نزدیک‌تر شود، زمانی که Full Model بتواند سریع‌تر و قوی‌تر یاد بگیرد که چگونه میخ را با بازخورد بصری و نیرو وارد کند، بازده شروع به واگرایی می‌کند.جای تعجب نیست که یادگیری یک نمایش با چندین مدالیته، یادگیری سیاست را بهبود می‌بخشد، اما نتیجه ما همچنین نشان می‌دهد که نمایش و سیاست ما از همه مدالیته‌ها برای وظایف غنی از تماس استفاده می‌کنند.

خلاصه

به عنوان یک نمای کلی از روش ما، داده‌های خود برچسب‌گذاری شده را از طریق خود نظارتی جمع‌آوری می‌کنیم، که حدود ۹۰ دقیقه طول می‌کشد تا ۱۰۰ هزار نقطه داده جمع‌آوری شود. ما می‌توانیم نمایشی از این داده‌ها بیاموزیم، که حدود 24 ساعت آموزش روی یک GPU طول می‌کشد، اما کاملاً آفلاین انجام می‌شود. پس از آن، می‌توانید سیاست‌های جدیدی را از همان نمایش یاد بگیرید، که فقط 5 ساعت آموزش واقعی ربات طول می‌کشد. این روش را می توان بر روی ربات های مختلف یا برای انواع مختلف وظایف انجام داد.

در اینجا برخی از نکات کلیدی این کار آورده شده است:

• اولین مورد این است که نظارت بر خود، به ویژه دینامیک و پیش‌بینی همزمانی زمانی اهداف غنی را برای آموزش یک مدل نمایشی از مدالیته‌های مختلف به ما بدهد.
• دوم، نمایشی که هم‌زمانی مدالیته‌های ما و دینامیک‌های پیشرو را به تصویر می‌کشد، می‌تواند در میان نمونه‌های مختلف وظیفه تعمیم یابد (برای مثال، اشکال میخ و مکان حفره) و نسبت به نویز سنسور مقاوم است. این نشان می‌دهد که ویژگی‌های هر مدالیته و رابطه بین آنها در نمونه‌های مختلف وظایف غنی از تماس مفید است.
• در نهایت، آزمایش‌های ما نشان می‌دهند که یادگیری نمایش چندمدالیته منجر به کارایی یادگیری و پایداری سیاست می‌شود.

برای کارهای آینده، ما می‌خواهیم روش ما بتواند فراتر از یک خانواده وظایف، به کارهای کاملاً متفاوت و غنی از تماس تعمیم دهد (مانند خرد کردن سبزیجات، تعویض لامپ، قرار دادن دوشاخه برق). برای انجام این کار، ممکن است نیاز به استفاده از روش‌های بیشتری داشته باشیم، مانند ترکیب دما، صدا، یا حسگرهای لمسی، و همچنین پیدا کردن الگوریتم‌هایی که بتوانند به ما سازگاری‌های سریعی با وظایف جدید بدهند

برای اطلاعات بیشتر درباره این پروژه، می‌توانید از مقاله منتشر شده آنها بازدید کنید.

اگه به مطالعه در مورد هوش مصنوعی و کاربرد های آن در حوزه رباتیک علاقه مند هستید میتوانید پست قبلی سایت بنو ذر رابطه با ربات‌های خودبهبود دهنده را مشاهده کنید!

این پست برگرفته از جدیدترین اخبار دانشگاه استنفورد میباشد. منبع

نوشته ربات‌هایی که با کمک هوش مصنوعی می‌ببینند و لمس می‌کنند اولین بار در مرکز توسعه هوش مصنوعی بنو. پدیدار شد.

محققان موسسه گاروان از هوش مصنوعی برای شناسایی عناصر بالقوه سرطان زا در مناطق ” بی‌فایده ” DNA استفاده کرده اند و راه را برای روش های نوآورانه در تشخیص و درمان هموار کرده اند.

بر اساس یک مطالعه جدید از موسسه تحقیقات پزشکی گاروان، DNA غیر کد کننده – که 98 درصد از ژنوم ما را تشکیل می دهد و حاوی دستورالعمل هایی برای ساخت پروتئین نیست – ممکن است کلید تشخیص و درمان جدید سرطان باشد. این یافته ها که در مجله Nucleic Acids Research منتشر شده است، جهش هایی را در مناطقی از ژنوم که قبلا نادیده گرفته شده بودند نشان می دهد که ممکن است به شکل گیری و پیشرفت حداقل 12 سرطان مختلف از جمله سرطان پروستات، پستان و روده بزرگ کمک کند.

این کشف می تواند منجر به تشخیص زودهنگام و درمان های جدید موثر برای بسیاری از انواع سرطان شود.

دکتر آماندا خوری، افسر تحقیقات در Garvan و یکی از نویسندگان این مطالعه، می گوید: «DNA غیر کدکننده یک بار به دلیل عدم عملکرد آشکار آن به عنوان “DNA بی‌فایده ” رد شد. “تحقیقات ما جهش هایی را در این مناطق DNA پیدا کرده است که می تواند یک رویکرد کاملا جدید و جهانی برای درمان سرطان را باز کند.”

 بررسی لنگرهای DNA مختل شده در سرطان

پژوهشگران بر روی جهش‌هایی که محل‌های اتصال پروتئین CTCF را تحت تأثیر قرار می‌دهند تمرکز کردند. این پروتئین به تا کردن رشته‌های بلند DNA به شکل‌های خاص کمک می‌کند. در کار قبلی خود، آنها دریافتند که این مکان های اتصال بخش های دوردست DNA را به هم نزدیک می کنند و ساختارهای سه بعدی را تشکیل می دهند که کنترل می کنند کدام ژن ها روشن یا خاموش شوند.

دکتر خوری می گوید: “ما قبلا زیرمجموعه ای از مکان های اتصال CTCF را شناسایی کرده بودیم که “پایدار” هستند – یعنی آنها مانند لنگرهایی در ژنوم عمل می کنند که در انواع مختلف سلول وجود دارند. “ما این فرضیه را مطرح کردیم که اگر این لنگرها معیوب شوند، می تواند سازمان سه بعدی طبیعی ژنوم را مختل کند و به سرطان کمک کند.”

برای آزمایش این فرضیه، پژوهشگران یک ابزار جدید و پیچیده یادگیری ماشینی (AI) به نام CTCF-INSITE توسعه دادند که از ویژگی‌های ژنومی و اپی‌ژنومی برای پیش‌بینی محل‌های اتصال CTCF که احتمالاً لنگرهای پایدار در مجموع ۱۲ نوع سرطان هستند،استفاده می کند. آنها سپس بیش از 3000 نمونه تومور از بیماران مبتلا به 12 نوع سرطان را که از پایگاه داده بین المللی کنسرسیوم ژنوم در دسترس است، ارزیابی کردند و دریافتند که لنگرهای پایدار سرشار از جهش هستند.

دکتر ونهان چن، نویسنده اول این مطالعه، می گوید: «با استفاده از ابزار یادگیری ماشینی خود، مکان های اتصال CTCF پایدار را در 12 نوع سرطان مختلف شناسایی کردیم. “به طور قابل توجهی، ما دریافتیم که هر نمونه سرطان حداقل یک جهش در یک محل اتصال CTCF پایدار دارد.”

“این تحقیق تأیید کرد که مکان های اتصال CTCF پایدار “نقاط داغ جهش” در سرطان ها هستند. ما فکر می کنیم این جهش ها به سلول های سرطانی مزیت بقا می دهند و به آنها اجازه می دهند تکثیر و گسترش یابند.

به سوی یک رویکرد جهانی درمان سرطان

این یافته ها می تواند پیامدهای گسترده ای برای درک و درمان بسیاری از انواع سرطان داشته باشد. پروفسور سوزان کلارک، رئیس آزمایشگاه اپی ژنتیک سرطان در گاروان و نویسنده اصلی این مطالعه، می گوید: «اکثر درمان های جدید سرطان باید به دقت جهش های خاصی را هدف قرار دهند که همیشه در میان انواع مختلف تومور رایج نیستند، اما از آنجایی که این لنگرهای CTCF در چندین نوع سرطان جهش یافته اند، ما امکان توسعه رویکردهایی را باز می کنیم که می تواند برای چندین سرطان موثر باشد.

محققان اکنون در حال برنامه ریزی آزمایش های بیشتر در مقیاس بزرگ با استفاده از ویرایش ژن CRISPR هستند تا بررسی کنند که چگونه این جهش های لنگر ژنوم سه بعدی را مختل می کنند و به طور بالقوه رشد سرطان را تقویت می کنند.

پروفسور کلارک می گوید: “اکنون که ما آنچه را که معتقدیم لنگرهای حیاتی ژنوم هستند کشف کرده ایم و نشان داده ایم که آنها برای حفظ هموستاز معماری ژنوم مهم هستند، منطقی است که این جهش های DNA غیر کد کننده این هموستاز را در سلول سرطانی مختل کنند – فرضیه ای که هنگام ویرایش آنها آزمایش خواهیم کرد.” “با مشاهده تأثیر پایین دست، ما امیدواریم که ژن های کلیدی یا مسیرهای ژنی را که تحت تأثیر جهش ها قرار می گیرند، شناسایی کنیم، که می تواند به عنوان نشانگر برای تشخیص زودهنگام سرطان یا اهدافی برای درمان های جدید عمل کند.”

او می گوید: «یافتن این سرنخ هایی که در حجم وسیعی از داده ها پنهان شده بودند، نمونه ای قدرتمند از چگونگی تقویت تحقیقات پزشکی هوش مصنوعی است. “این یک مرز کاملا جدید در مطالعه سرطان است و ما هیجان زده هستیم که آن را بیشتر بررسی کنیم.”

این تحقیق توسط کمک مالی شورای ملی بهداشت و تحقیقات پزشکی ایده‌ها و کمک مالی Investigator پشتیبانی شد.

برای اطلاعات بیشتر درباره این پروژه، می‌توانید از  مقاله منتشر شده آنها بازدید کنید.

اگه به مطالعه در مورد هوش مصنوعی و کاربرد های پزشکی آن علاقه مند هستید میتوانید پست قبلی سایت بنو ذر رابطه با ترکیب MEG و fMRI برای نقشه‌برداری از دینامیک‌های فضایی-زمانی مغز انسان در تشخیص یک تصویر بصری را مشاهده کنید:

نقشه‌برداری از مسیرهای مغزی مربوط به به‌یادآوری بصری

این پست برگرفته از جدیدترین اخبار SciTechDaily میباشد. منبع

نوشته هوش مصنوعی سرطان‌ را تشخیص می‌دهد اولین بار در مرکز توسعه هوش مصنوعی بنو. پدیدار شد.

با فراهم کردن امکان گفت‌وگو با نسخه‌ای قدیمی‌تر از خود فرد، سیستم Future You با هدف کاهش اضطراب و راهنمایی جوانان برای انتخاب‌های بهتر طراحی شده است.

آیا تا به حال خواسته‌اید در زمان سفر کنید تا ببینید آینده شما چگونه خواهد بود؟ اکنون، به لطف قدرت هوش مصنوعی مولد (Gen AI)، می‌توانید این کار را انجام دهید.

محققانی از MIT و سایر دانشگاه‌ها سیستمی طراحی کرده‌اند که به کاربران این امکان را می‌دهد تا از طریق یک گفت‌وگوی آنلاین متنی، با شبیه‌سازی‌ای از نسخه احتمالی آینده خود تعامل داشته باشند.

این سیستم که به نام “Future You” شناخته می‌شود، با هدف کمک به جوانان برای بهبود حس تداوم خود در آینده طراحی شده است؛ مفهومی روان‌شناختی که نشان‌دهنده میزان ارتباط یک فرد با آینده خود است.

تحقیقات نشان داده‌اند که احساس قوی‌تر تداوم در آینده می‌تواند تأثیر مثبتی بر تصمیم‌گیری‌های بلندمدت افراد داشته باشد، از احتمال مشارکت در پس‌انداز مالی گرفته تا تمرکز بر دستیابی به موفقیت‌های تحصیلی.

Future You از یک Large Language Model استفاده می‌کند که با تکیه بر اطلاعات ارائه‌شده توسط کاربر، نسخه‌ای مجازی و قابل ارتباط از فرد در سن ۶۰ سالگی ایجاد می‌کند. این نسخه شبیه‌سازی‌شده از آینده می‌تواند به سؤالاتی درباره زندگی آینده فرد پاسخ دهد و همچنین مشاوره یا بینش‌هایی درباره مسیرهایی که می‌توانند دنبال کنند ارائه دهد.

در این ویدیو میتوانید توضیح future you را از زبان پگی مشاهده کنید.

در یک مطالعه اولیه با کاربران، محققان دریافتند که پس از تعامل با Future You به مدت حدود نیم ساعت، افراد اضطراب کمتری را گزارش کردند و احساس ارتباط قوی‌تری با آینده خود داشتند.

“ما هنوز یک ماشین زمان واقعی نداریم، اما هوش مصنوعی می‌تواند نوعی ماشین زمان مجازی باشد. ما می‌توانیم از این شبیه‌سازی استفاده کنیم تا به مردم کمک کنیم بیشتر درباره پیامدهای انتخاب‌هایی که امروز می‌گیرند فکر کنند.” این جمله از پت پاتارانوتاپورن(Pat Pataranutaporn)، فارغ‌التحصیل دکتری Media Lab است که به توسعه برنامه‌ای برای پیشبرد تحقیقات تعامل انسان و هوش مصنوعی در MIT مشغول است و یکی از نویسندگان اصلی مقاله‌ای درباره پروژه “آینده تو” (Future You) است.

پاتارانوتاپورن با نویسندگان اصلی دیگری از جمله کوین وینسون(Kavin Winson)، محقق آزمایشگاه KASIKORN؛ پگی یین(Peggy Yin)، دانشجوی کارشناسی دانشگاه هاروارد؛ و اوتاساک لاپیروجن (Auttasak Lapapirojn) و پیچایوت اوپاپن (Pichayoot Ouppaphan) از آزمایشگاه KASIKORN همکاری کرده است. از نویسندگان ارشد این مقاله می‌توان به مونچای لرتسوتتی‌وانگ (Monchai Lertsutthiwong)، رئیس تحقیقات هوش مصنوعی گروه فناوری کسب‌وکار KASIKORN؛ پتی مائس (Pattie Maes)، استاد رشته رسانه، هنر و علوم در MIT و رئیس گروه “رابط‌های سیال” (Fluid Interfaces) و هال هرشفیلد(Hal Hershfield) ، استاد بازاریابی، تصمیم‌گیری رفتاری و روان‌شناسی در دانشگاه کالیفرنیا، لس‌آنجلس اشاره کرد. این تحقیق در کنفرانس IEEE درباره مرزهای آموزش ارائه خواهد شد.

شبیه‌سازی واقع‌گرایانه

مطالعات در مورد تجسم خود در آینده حداقل به دهه ۱۹۶۰ بازمی‌گردد. یکی از روش‌های اولیه برای بهبود تداوم خود در آینده این بود که افراد نامه‌هایی به خود آینده‌شان می‌نوشتند. در سال‌های اخیر، محققان از عینک‌های واقعیت مجازی استفاده کردند تا به افراد کمک کنند نسخه‌های آینده خود را تجسم کنند.

اما هیچ‌کدام از این روش‌ها بسیار تعاملی نبودند و تأثیر محدودی بر کاربران داشتند.

با ظهور Gen AI و Large Language Models مانند ChatGPT، پژوهشگران فرصتی دیدند تا نسخه‌ای شبیه‌سازی‌شده از آینده فرد ایجاد کنند که بتواند درباره اهداف و آرزوهای واقعی فرد در یک مکالمه معمولی صحبت کند.

مائس می‌گوید :”این سیستم شبیه‌سازی را بسیار واقع‌گرایانه می‌سازد. ‘آینده تو’ بسیار دقیق‌تر از آن چیزی است که فرد با تصور کردن آینده خود به آن می‌رسد.”.

کاربران ابتدا به یک سری سوال درباره زندگی کنونی، چیزهایی که برایشان مهم است، و اهداف آینده‌شان پاسخ می‌دهند.

سیستم هوش مصنوعی از این اطلاعات برای ایجاد چیزی که پژوهشگران “خاطرات آینده خود” می‌نامند، استفاده می‌کند. این خاطرات به مدل کمک می‌کنند که هنگام تعامل با کاربر از آنها استفاده کند.

به عنوان مثال، چت‌بات می‌تواند درباره نقاط برجسته شغلی آینده فرد صحبت کند یا به سؤالاتی درباره چگونگی غلبه بر یک چالش خاص پاسخ دهد.

کاربر در دو روش با این ابزار تعامل می‌کند: تعمق درونی، هنگامی که در مورد زندگی و اهداف خود فکر می‌کند و نسخه آینده خود را می‌سازد؛ و بازنگری، زمانی که بررسی می‌کند آیا شبیه‌سازی با آنچه او خود را در آینده می‌بیند هم‌خوانی دارد یا خیر، یین می‌گوید.

او می‌افزاید:”می‌توانید ‘آینده تو’ را مانند یک فضای جستجوی داستانی تصور کنید. این فرصت را دارید تا بشنوید چگونه برخی از تجربیاتتان، که ممکن است اکنون از لحاظ احساسی برایتان سنگین باشد، با گذشت زمان هضم شده است.”.

برای کمک به تجسم بهتر آینده فرد، سیستم یک عکس پیشرفته با سن کاربر را ایجاد می‌کند. چت‌بات نیز به گونه‌ای طراحی شده که با استفاده از جملاتی مانند “وقتی هم‌سن تو بودم”، پاسخ‌های زنده‌ای ارائه می‌دهد، به طوری که شبیه به نسخه واقعی آینده کاربر باشد.

هرشفیلد می‌گوید.: قابلیت دریافت توصیه از نسخه‌ای مسن‌تر از خود، به جای یک هوش مصنوعی عمومی، می‌تواند تأثیر مثبت بیشتری بر کاربری که با آینده نامشخصی روبروست داشته باشد.

او می‌افزاید: “عناصر تعاملی و زنده این پلتفرم به کاربر یک نقطه مرجع می‌دهد و به جای اینکه منجر به نگرانی و اضطراب شود، آن را به چیزی ملموس و مفید تبدیل می‌کند.”.

اما این واقع‌گرایی می‌تواند در صورت حرکت شبیه‌سازی به سمتی منفی مشکل‌ساز شود. برای جلوگیری از این امر، آن‌ها مطمئن شده‌اند که ‘آینده تو’ به کاربران هشدار می‌دهد که تنها یک نسخه بالقوه از آینده آن‌ها را نشان می‌دهد و آن‌ها توانایی تغییر زندگی‌شان را دارند. ارائه پاسخ‌های متفاوت به پرسشنامه باعث می‌شود مکالمه‌ای کاملاً متفاوت ایجاد شود.

پاتارانوتاپورن می‌گوید: “این یک پیشگویی نیست، بلکه تنها یک امکان است.”.

کمک به توسعه فردی

برای ارزیابی ‘آینده تو’، آن‌ها یک مطالعه کاربری با ۳۴۴ نفر انجام دادند. برخی از کاربران به مدت ۱۰ تا ۳۰ دقیقه با سیستم تعامل داشتند، در حالی که دیگران یا با یک چت‌بات عمومی ارتباط برقرار کردند یا فقط پرسشنامه‌ها را پر کردند.

کاربرانی که از ‘آینده تو’ استفاده کردند، توانستند رابطه نزدیک‌تری با نسخه ایده‌آل خود در آینده برقرار کنند، بر اساس تحلیل آماری پاسخ‌هایشان. این کاربران همچنین بعد از تعامل با سیستم، اضطراب کمتری درباره آینده گزارش کردند. علاوه بر این، کاربران ‘آینده تو’ گفتند که مکالمه صادقانه بود و ارزش‌ها و باورهای آن‌ها با هویت‌های شبیه‌سازی شده‌شان در آینده هماهنگ بود.

“این کار مسیری جدید را با استفاده از یک تکنیک روان‌شناختی شناخته‌شده برای تجسم زمان‌های آینده — آواتار نسخه آینده خود — با استفاده از هوش مصنوعی پیشرفته باز می‌کند. این دقیقاً نوع کاری است که باید توسط دانشگاهیان متمرکز شود زیرا فناوری ساخت مدل‌های مجازی از خود با مدل‌های زبانی بزرگ ادغام می‌شود.”، جرمی بیلن‌سون، استاد ارتباطات در دانشگاه استنفورد می‌گوید که در این تحقیق مشارکت نداشته است.

با توجه به نتایج این مطالعه اولیه، پژوهشگران به تنظیم دقیق راه‌هایی که از طریق آن‌ها کاربران را به مکالماتی که حس تداوم بیشتر بین خود کنونی و آینده‌شان می‌سازد هدایت می‌کنند، ادامه می‌دهند.

پاتارانوتاپورن می‌گوید: “ما می‌خواهیم کاربر را به صحبت درباره موضوعات خاص هدایت کنیم، به جای اینکه از آینده‌شان بپرسیم که رئیس‌جمهور بعدی چه کسی خواهد بود.”،.

آن‌ها همچنین در حال افزودن اقدامات محافظتی هستند تا از استفاده نادرست از سیستم جلوگیری کنند. به عنوان مثال، می‌توان تصور کرد که یک شرکت نسخه‌ای از “آینده تو” از یک مشتری بالقوه بسازد که به نتیجه‌ای بزرگ در زندگی دست پیدا می‌کند چون محصول خاصی را خریداری کرده است.

در ادامه، پژوهشگران قصد دارند کاربردهای خاص ‘آینده تو’ را مطالعه کنند، شاید با فعال کردن افراد برای بررسی حرفه‌های مختلف یا تجسم چگونگی تأثیر انتخاب‌های روزمره آن‌ها بر تغییرات آب و هوایی.

آن‌ها همچنین در حال جمع‌آوری داده‌ها از نسخه آزمایشی ‘آینده تو’ هستند تا بهتر درک کنند چگونه مردم از این سیستم استفاده می‌کنند.

مائس می‌گوید: “ما نمی‌خواهیم مردم به این ابزار وابسته شوند. بلکه امیدواریم این تجربه‌ای معنادار باشد که به آن‌ها کمک کند خود و جهان را متفاوت ببینند و به توسعه فردی کمک کند.”.

محققان از حمایت تانویت پراسونگپونگچای (Thanawit Prasongpongchai)، طراح در KBTG و دانشمند مهمان در مدیا لب، قدردانی می‌کنند.

این پست از سایت مرکز هوش مصنوعی بنو برگرفته از نوشته ی لینک زیر میباشد!

ai-simulation-gives-people-glimpse-potential-future-self

اگر مایلید میتونین پست قبلی مارو در مورد تکنیک جدید برای پیش‌بینی اقدامات انسان و هوش مصنوعی در اهداف ناشناخته مطالعه کنین!

نوشته با کمک هوش مصنوعی با خودتان در آینده صحبت کنید اولین بار در مرکز توسعه هوش مصنوعی بنو. پدیدار شد.

هوش مصنوعی و افسردگی

یک پژوهشگر در دانشگاه Stevens (استیونز) دو اپلیکیشن جدید مبتنی بر هوش مصنوعی برای گوشی‌های هوشمند طراحی کرده که به شناسایی نشانه‌های ظریف در مردمک‌ها، حالات چهره و حرکات سر ما کمک می‌کند.

تخمین زده می‌شود که حدود ۳۰۰ میلیون نفر در سراسر جهان، که حدود ۴٪ از جمعیت جهانی را شامل می‌شود، از نوعی افسردگی رنج می‌برند. با این حال، شناسایی آن می‌تواند چالش‌برانگیز باشد، به‌خصوص زمانی که افراد مبتلا احساسات منفی خود را با دوستان، خانواده یا متخصصان بهداشت و درمان در میان نمی‌گذارند.

اکنون پروفسور Sang Won Bae از دانشگاه استیونزدر حال کار بر روی چند اپلیکیشن و سیستم مبتنی بر هوش مصنوعی است که می‌تواند به‌طور غیر تهاجمی به ما و دیگران هشدار دهد که ممکن است در حال افسرده شدن باشیم.

Bae می‌گوید: “افسردگی یک چالش بزرگ است. ما می‌خواهیم کمک کنیم.”

“و از آنجایی که بیشتر مردم در دنیای امروز روزانه از گوشی‌های هوشمند استفاده می‌کنند، این می‌تواند ابزاری مفید برای شناسایی باشد که قبلاً ساخته شده و برای استفاده آماده است.”

تصاویر لحظه‌ای از چشم‌ها، حالات روحی را نشان می‌دهد.

یکی از سیستمی که  Bae در حال توسعه آن است و با Rahul Islam، دانشجوی دکتری استیونز همکاری می‌کند، به نام PupilSense، با گرفتن تصاویر و اندازه‌گیری‌های مداوم از مردمک‌های کاربر گوشی هوشمند عمل می‌کند.

او توضیح می‌دهد: “تحقیقات قبلی در سه دهه گذشته به‌طور مکرر نشان داده است که چگونه انعکاس‌ها و واکنش‌های مردمک می‌تواند با دوره‌های افسردگی همبستگی داشته باشد.”

این سیستم به طور دقیق قطر مردمک ها را در مقایسه با عنبیه اطراف چشم، از جریان های عکس “پشت سر” که در 10 ثانیه گرفته شده زمانی که کاربران در حال باز کردن تلفن خود یا دسترسی به برخی رسانه های اجتماعی و برنامه های دیگر هستند، محاسبه می کند.

در یکی از آزمایش‌های اولیه این سیستم با ۲۵ داوطلب در یک دوره چهار هفته‌ای، این سیستم — که بر روی گوشی‌های هوشمند این داوطلبان قرار داشت — حدود ۱۶۰۰۰ تعامل با گوشی‌ها را تحلیل کرد، هنگامی که داده‌های مربوط به تصاویر مردمک جمع‌آوری شد. پس از آموزش یک هوش مصنوعی برای تمایز بین واکنش‌های “عادی” و غیرعادی، Bae و Islam داده‌های تصویری را پردازش کرده و آن را با حالات روحی گزارش‌شده توسط داوطلبان مقایسه کردند.

بهترین نسخه از PupilSense — که به TSF معروف است و فقط از داده های منتخب و با کیفیت بالا استفاده می‌کند — توانست ۷۶٪ دقت در شناسایی زمان‌هایی که افراد واقعاً احساس افسردگی می‌کردند، نشان دهد. این بهتر از بهترین سیستم مبتنی بر گوشی هوشمند است که در حال حاضر برای تشخیص افسردگی در حال توسعه و آزمایش است و به عنوان AWARE شناخته می‌شود.

Bae کسی که قبلاً سیستم‌های مبتنی بر گوشی هوشمند را برای پیش‌بینی مصرف الکل و ماری‌جوانا توسعه داده است، اضافه می‌کند، “ما به توسعه این فناوری ادامه خواهیم داد حالا که این مفهوم اثبات شده است”

این سیستم برای اولین بار در کنفرانس بین‌المللی محاسبات فعالیت و رفتار در ژاپن در اواخر بهار رونمایی شد و اکنون به صورت همگانی در پلتفرم گیت‌هاب در دسترس است.

حرکات صورت همچنین می‌توانند نشانه‌هایی از افسردگی را فاش کنند

Bae و Islam همچنین در حال توسعه یک سیستم دوم به نام FacePsy هستند که به طور قدرتمندی حرکات صورت را برای درک حالات روحی ما تجزیه و تحلیل می‌کند.

Bae اشاره می‌کند. “یک مجموعه رو به رشد از مطالعات روان‌شناختی نشان می‌دهد که افسردگی با سیگنال‌های غیرکلامی مانند حرکات عضلات صورت و حرکات سر مشخص می‌شود”

FacePsy در پس‌زمینه یک گوشی کار می‌کند و هر بار که گوشی باز می‌شود یا برنامه‌های معمولی استفاده می‌شوند، عکس‌های فوری از صورت می‌گیرد. (مهم است که بگوییم، این سیستم تقریباً بلافاصله پس از تجزیه و تحلیل، تصاویر صورت را حذف می‌کند و از حریم خصوصی کاربران محافظت می‌کند.)

Bae توضیح می‌دهد: «ما دقیقاً نمی‌دانستیم که کدام حرکات صورت یا حرکات چشم با افسردگی گزارش شده از خود مطابقت دارد. “برخی از آنها انتظار می رفت و برخی از آنها غافلگیر کننده.”

برای مثال، افزایش لبخند در مطالعه مقدماتی ظاهر شد که نه با شادی بلکه با علائم بالقوه خلق و خوی افسرده و عاطفه مرتبط است.

Bae می‌گوید: «این می‌تواند یک مکانیسم مقابله‌ای باشد، برای مثال، افرادی که «چهره‌ای شجاع» برای خود و دیگران نشان می‌دهند، در حالی که واقعاً احساس ناراحتی می‌کنند. “یا ممکن است یک پدیده از مطالعه باشد. نیاز به تحقیقات بیشتری است.”

دیگر نشانه‌های ظاهری افسردگی که در داده‌های اولیه مشخص شد شامل حرکات کمتر صورت در ساعات صبح و الگوهای خاصی از حرکات چشم و سر بود. (برای مثال، حرکات یواشکی یا به سمت چپ و راست سر در صبح به شدت با افزایش علائم افسردگی مرتبط بود.)

جالب اینجاست که تشخیص بیشتر باز بودن چشم‌ها در صبح و عصر نیز با افسردگی بالقوه مرتبط بود — که نشان می‌دهد ابرازهای ظاهری هوشیاری یا شادی گاهی می‌توانند احساسات افسردگی را زیر لایه‌ای پنهان کنند.

“سیستم‌های دیگر که از هوش مصنوعی برای تشخیص افسردگی استفاده می‌کنند، نیاز به استفاده از یک دستگاه یا حتی چندین دستگاه دارند,” Bae نتیجه‌گیری می‌کند. “ما فکر می‌کنیم این مطالعه FacePsy یک گام عالی به سمت ابزاری تشخیصی جمع و جور، ارزان و آسان برای استفاده است.”

برای اطلاعات بیشتر درباره این پروژه، می‌توانید از  مقاله منتشر شده آنها بازدید کنید.

اگه به مطالعه در مورد هوش مصنوعی و کاربرد های پزشکی آن علاقه مند هستید میتوانید پست قبلی سایت بنو ذر رابطه با کشف عوامل سرطان زا در نواحی بی فایده DNA  را مشاهده کنید:

اگر به کاربرد هوش مصنوعی در صنعت پزشکی علاقه دارد، این پست سایت بنو را از دست ندهید!

این پست برگرفته از جدیدترین اخبار SciTechDaily میباشد. منبع

نوشته تشخیص افسردگی با هوش‌مصنوعی اولین بار در مرکز توسعه هوش مصنوعی بنو. پدیدار شد.

چالش ویزیت فیزیکی بیماران

رفتن به مطب پزشک می‌تواند دردسرساز باشد. این کار به‌ویژه برای والدین بچه‌هایی که اختلالات حرکتی مثل فلج مغزی دارند، می‌تواند چالش‌برانگیزتر باشد، چون یک پزشک باید به‌طور منظم اغلب یک ساعت در هر بارکودک را به‌صورت حضوری ارزیابی کند. رسیدن به این ارزیابی‌های مکرر می‌تواند هزینه‌بر، زمان‌بر و از نظر روحی خسته‌کننده باشد.

مهندسان MIT امیدوارند با یک روش جدید که به‌طور از راه دور عملکرد حرکتی بیماران را ارزیابی می‌کند، بخشی از این فشار را کاهش دهند. با ترکیب تکنیک‌های بینایی کامپیوتری و یادگیری ماشین، این روش ویدیوهای بیماران را به‌صورت زنده تحلیل می‌کند و یک نمره بالینی از عملکرد حرکتی بر اساس الگوهای خاصی از حالت‌هایی که در فریم‌های ویدیو شناسایی می‌کند، محاسبه می‌کند.

محققان این روش را بر روی ویدیوهای بیش از ۱۰۰۰ کودک مبتلا به فلج مغزی آزمایش کردند. آن‌ها دریافتند که این روش می‌تواند هر ویدیو را پردازش کند و یک امتیاز بالینی تعیین کند که با دقت بیش از ۷۰ درصد با آنچه پزشک قبلاً در بازدید حضوری مشخص کرده، مطابقت دارد.

تحلیل ویدیو می‌تواند بر روی انواع دستگاه‌های موبایل انجام شود. تیم فرض می‌کند که بیماران می‌توانند با تنظیم تلفن یا تبلت خود برای فیلم‌برداری در حال حرکت در منزل خود، پیشرفت خود را ارزیابی کنند. سپس آن‌ها می‌توانند ویدیو را در برنامه‌ای بارگذاری کنند که به سرعت فریم‌های ویدیو را تحلیل کرده و یک امتیاز بالینی یا سطح پیشرفت تعیین کند. ویدیو و امتیاز سپس می‌تواند به یک پزشک برای بررسی ارسال شود.

اکنون تیم در حال مناسب سازی این روش برای ارزیابی کودکان مبتلا به لوکودستروفی متاكروماتیک است — یک اختلال ژنتیکی نادر که بر سیستم عصبی مرکزی و محیطی اثر می‌گذارد. آن‌ها همچنین امیدوارند این روش را برای ارزیابی بیمارانی که دچار سکته مغزی شده‌اند، تطبیق دهند.

هرمانو کربس، پژوهشگر اصلی در دپارتمان مهندسی مکانیک MIT می‌گوید: “ما می‌خواهیم کمی از استرس بیماران را کاهش دهیم تا مجبور نباشند برای هر ارزیابی به بیمارستان بروند. ما فکر می‌کنیم این فناوری می‌تواند به صورت موثر برای ارزیابی از راه دور هر شرایطی که بر رفتار حرکتی تأثیر می‌گذارد، استفاده شود.”

آموزش شبکه

در MIT، کربس سیستم‌های رباتیکی توسعه می‌دهد که به‌طور فیزیکی با بیماران کار می‌کنند تا به آن‌ها کمک کنند تا عملکرد حرکتی خود را به دست آورند یا تقویت کنند. او همچنین این سیستم‌ها را طوری تنظیم کرده است که پیشرفت بیماران را ارزیابی کرده و پیش‌بینی کند کدام درمان‌ها می‌توانند برای آن‌ها بهترین باشند. در حالی که این فناوری‌ها به خوبی کار کرده‌اند، اما به‌طور قابل توجهی در دسترسی محدود هستند: بیماران باید به بیمارستان یا مرکزی بروند که ربات‌ها در آنجا قرار دارند.

کربس به یاد می‌آورد: “ما از خودمان پرسیدیم، چگونه می‌توانیم نتایج خوبی که با ربات‌های توانبخشی به دست آوردیم را به یک دستگاهی که در همه جا در دسترس است، گسترش دهیم؟” او ادامه می‌دهد: “از آنجایی که گوشی‌های هوشمند در همه‌جا هستند، هدف ما این بود که از قابلیت‌های آن‌ها برای ارزیابی از راه دور افراد با ناتوانی‌های حرکتی استفاده کنیم، به‌طوری‌که بتوانند در هر جا ارزیابی شوند.”

محققان ابتدا به بینایی کامپیوتر و الگوریتم‌هایی که حرکات انسانی را تخمین می‌زنند، نگاه کردند. در سال‌های اخیر، دانشمندان الگوریتم‌های تخمین وضعیت را توسعه داده‌اند که طراحی شده‌اند تا یک ویدیو – به عنوان مثال، از دختری که یک توپ فوتبال را شوت می‌کند – را گرفته و حرکات او را به یک سری وضعیت‌های اسکلت معادل، به‌صورت زنده تبدیل کنند. دنباله خطوط و نقاط به دست آمده را می توان به مختصاتی ترسیم کرد که دانشمندان می توانند بیشتر تحلیل کنند.

کربس و همکارانش هدفشان توسعه یک روش برای تحلیل داده‌های وضعیت اسکلت بیماران مبتلا به فلج مغزی بود – اختلالی که به‌طور سنتی بر اساس سیستم طبقه‌بندی عملکرد حرکتی کلی (GMFCS) ارزیابی شده است، که یک مقیاس پنج‌سطحی است و عملکرد عمومی حرکتی یک کودک را نشان می‌دهد. (هرچه عدد کمتر باشد، تحرک کودک بیشتر است.)

تیم با یک مجموعه داده‌های عمومی از حرکات اسکلت که توسط آزمایشگاه بیومکانیک عصبی دانشگاه استنفورد تولید شده بود، کار کرده است. این مجموعه شامل ویدیوهایی از بیش از ۱۰۰۰ کودک مبتلا به فلج مغزی بود. هر ویدیو نشان‌دهنده یک کودک بود که در یک محیط بالینی، مجموعه‌ای از تمرینات را انجام می‌داد و هر ویدیو با نمره GMFCS که یک پزشک پس از ارزیابی حضوری به کودک اختصاص داده بود، برچسب‌گذاری شده است. گروه استنفورد ویدیوها را از طریق یک الگوریتم تخمین حرکات عبور دادند تا داده‌های حرکتی اسکلت را تولید کنند که گروه MIT سپس از آن به عنوان نقطه شروع برای مطالعه خود استفاده کرده است.

محققان سپس به دنبال راه‌هایی بودند تا به طور خودکار الگوهای موجود در داده‌های فلج مغزی را که مختص هر سطح عملکرد حرکتی بالینی است، رمزگشایی کنند. آن‌ها با یک شبکه عصبی کانولوشنی گراف فضایی-زمانی(Spatial-Temporal Graph Convolutional Neural Network) شروع کردند — یک فرآیند یادگیری ماشین که به کامپیوتر آموزش می‌دهد تا داده‌های فضایی که در طول زمان تغییر می‌کنند، مانند یک توالی از حرکات اسکلت، را پردازش کرده و یک طبقه‌بندی اختصاص دهد.

قبل از اینکه تیم شبکه عصبی را بر روی فلج مغزی اعمال کند، از مدلی که بر روی یک مجموعه داده عمومی‌تر پیش‌آموزش داده شده بود، استفاده کرده است. ورودی این مدل شامل ویدیوهایی از بزرگسالان سالم بود که فعالیت‌های روزمره مختلفی مانند راه رفتن، دویدن، نشستن و دست دادن را انجام می‌دادند. آن‌ها هسته این مدل پیش‌آموزش داده شده را برداشتند و یک لایه طبقه‌بندی جدید به آن اضافه کردند که مختص نمرات بالینی مربوط به فلج مغزی بود. آن‌ها شبکه را برای شناسایی الگوهای خاص در حرکات کودکان مبتلا به فلج مغزی و طبقه‌بندی دقیق آن‌ها در سطح‌های اصلی ارزیابی بالینی تنظیم کردند.

آن‌ها دریافتند که شبکه پیش‌آموزش داده شده توانست به درستی سطوح تحرک کودکان را طبقه‌بندی کند و این کار را با دقت بیشتری نسبت به زمانی که فقط بر روی داده‌های فلج مغزی آموزش دیده بود، انجام داد.

ژائو توضیح می‌دهد “زیرا شبکه بر روی یک مجموعه داده بسیار بزرگ از حرکات عمومی‌تر آموزش دیده است، ایده‌هایی درباره اینکه چگونه ویژگی‌ها را از یک توالی از حالت‌های انسانی استخراج کند، دارد. در حالی که مجموعه داده بزرگتر و مجموعه داده‌های فلج مغزی ممکن است متفاوت باشند، اما الگوهای مشترکی از اقدامات انسانی و چگونگی کدگذاری این اقدامات دارند.”

تیم روش خود را بر روی تعدادی از دستگاه‌های موبایل، از جمله انواع اسمارت‌فون‌ها، تبلت‌ها و لپ‌تاپ‌ها آزمایش کرد و متوجه شد که بیشتر دستگاه‌ها می‌توانند برنامه را با موفقیت اجرا کرده و نمره بالینی را از ویدیوها تقریباً به‌صورت آنی تولید کنند.

محققان اکنون در حال توسعه اپلیکیشنی هستند که تصور می‌کنند والدین و بیماران می‌توانند روزی از آن برای تجزیه و تحلیل خودکار ویدیوهای بیماران که در محیط آسایش آنها گرفته شده است استفاده کنند. سپس نتایج می تواند برای ارزیابی بیشتر به پزشک ارسال شود. این تیم همچنین در حال برنامه ریزی برای تطبیق این روش برای ارزیابی سایر اختلالات عصبی است.

کربس می‌گوید: «در آینده، این ممکن است به ما کمک کند پیش‌بینی کنیم که بیماران چگونه به مداخلات زودتر پاسخ می‌دهند. زیرا می‌توانیم آنها را بیشتر ارزیابی کنیم تا ببینیم آیا یک مداخله تأثیر دارد یا خیر.»

این تحقیق توسط مرکز توسعه تاکدا آمریکا پشتیبانی شده است.

برای اطلاعات بیشتر درباره این پروژه، می‌توانید از  مقاله منتشر شده آنها بازدید کنید.

اگه به مطالعه در مورد هوش مصنوعی و کاربرد های آن علاقه مند هستید میتوانید پست قبلی سایت بنو  را مشاهده کنید.

نوشته تشخیص بیماران حرکتی با هوش مصنوعی | هوش مصنوعی در پزشکی اولین بار در مرکز توسعه هوش مصنوعی بنو. پدیدار شد.

نوشته تحلیل داده‌های فضایی با یادگیری ماشین | هوش مصنوعی در کاوش مریخ اولین بار در مرکز توسعه هوش مصنوعی بنو. پدیدار شد.

اهمیت مدل‌سازی رفتار در هوش مصنوعی

برای ساخت سیستم‌های هوش مصنوعی که بتوانند به‌طور مؤثرتری با انسان‌ها همکاری کنند، داشتن یک مدل خوب از رفتار انسانی اهمیت زیادی دارد. مشکل اصلی این است که انسان‌ها هنگام تصمیم‌گیری اغلب به صورت غیر بهینه عمل می‌کنند. این عدم بهینگی که مدل‌سازی آن بسیار دشوار است، معمولاً به محدودیت‌های محاسباتی برمی‌گردد. یک انسان نمی‌تواند دهه‌ها وقت صرف کند تا بهترین راه‌حل برای یک مسئله را پیدا کند.

پژوهش MIT و دانشگاه واشنگتن در مدل‌سازی رفتار

پژوهشگرانی از MIT و دانشگاه واشنگتن روشی جدید برای مدل‌سازی رفتار یک عامل، چه انسان و چه ماشین، توسعه داده‌اند. این روش محدودیت‌های محاسباتی که ممکن است توانایی حل مسئله را مختل کنند، در نظر می‌گیرد. مدل آن‌ها می‌تواند با مشاهده چند نمونه از رفتارهای قبلی یک عامل، به‌طور خودکار محدودیت‌های محاسباتی آن عامل را تشخیص دهد. نتیجه‌ی این فرآیند چیزی است که به آن «بودجه‌ی استنباطی(inference budget)» می‌گویند، که می‌تواند برای پیش‌بینی رفتار آینده‌ی آن عامل مورد استفاده قرار گیرد.

کاربردهای تکنیک جدید در شطرنج و ناوبری

در مقاله‌ای جدید، پژوهشگران نشان داده‌اند که چگونه این روش می‌تواند برای استنباط اهداف ناوبری افراد از مسیرهای قبلی و پیش‌بینی حرکات بعدی بازیکنان در مسابقات شطرنج به کار رود. این تکنیک در برخی موارد برابر یا حتی بهتر از روش‌های محبوب دیگر برای مدل‌سازی این نوع تصمیم‌گیری عمل می‌کند.

مزایای درک رفتار انسانی برای هوش مصنوعی

در نهایت، این کار می‌تواند به دانشمندان کمک کند تا به سیستم‌های هوش مصنوعی بیاموزند که انسان‌ها چگونه رفتار می‌کنند، که این موضوع می‌تواند باعث شود این سیستم‌ها بهتر به همکاران انسانی خود پاسخ دهند. توانایی درک رفتار انسانی و سپس استنباط اهداف او از آن رفتار، می‌تواند یک دستیار هوش مصنوعی را بسیار مفیدتر کند. به گفته‌ی آتول پل جیکوب، دانشجوی رشته مهندسی برق و علوم کامپیوتر و نویسنده‌ی اصلی مقاله، «اگر بدانیم که یک انسان در شرف اشتباه کردن است و رفتار قبلی او را مشاهده کرده‌ایم، عامل هوش مصنوعی می‌تواند وارد عمل شود و روش بهتری را پیشنهاد دهد. یا عامل می‌تواند خود را با ضعف‌های همکاران انسانی خود تطبیق دهد. توانایی مدل‌سازی رفتار انسانی یک گام مهم به‌سوی ساخت یک عامل هوش مصنوعی است که واقعاً می‌تواند به انسان کمک کند.»

مدل‌سازی رفتار: چالش‌ها و رویکردهای جدید

پژوهشگران دهه‌هاست که مدل‌های محاسباتی از رفتار انسانی می‌سازند. بسیاری از رویکردهای قبلی تلاش می‌کردند تا تصمیم‌گیری‌های غیر بهینه را با اضافه کردن نویز به مدل در نظر بگیرند. به‌جای اینکه عامل همیشه گزینه‌ی درست را انتخاب کند، ممکن است مدل طوری تنظیم شود که عامل ۹۵ درصد مواقع انتخاب درست داشته باشد. با این حال، این روش‌ها نمی‌توانند به خوبی این واقعیت را منعکس کنند که انسان‌ها همیشه به یک شکل غیر بهینه عمل نمی‌کنند.

الهام از مطالعات شطرنج در مدل‌سازی رفتار

دیگر پژوهشگران MIT نیز راه‌های مؤثرتری برای برنامه‌ریزی و استنباط اهداف در مواجهه با تصمیم‌گیری‌های غیر بهینه مطالعه کرده‌اند. برای ساخت مدل خود، جیکوب و همکارانش از مطالعات قبلی روی بازیکنان شطرنج الهام گرفتند. آن‌ها متوجه شدند که بازیکنان هنگام انجام حرکت‌های ساده، زمان کمتری برای فکر کردن اختصاص می‌دهند و بازیکنان قوی‌تر در مسابقات چالش‌برانگیز، بیشتر وقت می‌گذارند. جیکوب می‌گوید: «در نهایت، ما دیدیم که عمق برنامه‌ریزی، یا اینکه یک نفر چقدر روی مسئله فکر می‌کند، شاخص بسیار خوبی از رفتار انسان‌ها است.»

چارچوب جدید برای استنباط عمق برنامه‌ریزی عامل

آن‌ها یک چارچوب ساختند که می‌توانست عمق برنامه‌ریزی یک عامل را از رفتارهای قبلی‌اش استنباط کرده و از این اطلاعات برای مدل‌سازی فرآیند تصمیم‌گیری آن عامل استفاده کند. اولین گام در روش آن‌ها اجرای یک الگوریتم برای مدت زمان معینی برای حل مسئله مورد مطالعه است. برای مثال، اگر آن‌ها در حال مطالعه یک مسابقه شطرنج باشند، ممکن است اجازه دهند الگوریتم شطرنج تعداد معینی گام بردارد. در پایان، پژوهشگران می‌توانند تصمیمات گرفته‌شده توسط الگوریتم در هر گام را مشاهده کنند.

تعیین بودجه‌ی استنباطی و پیش‌بینی رفتار آینده

مدل آن‌ها این تصمیمات را با رفتارهای عامل در حل همان مسئله مقایسه می‌کند. سپس مدل، گامی را که عامل در آن برنامه‌ریزی را متوقف کرده است، شناسایی می‌کند. از این طریق، مدل می‌تواند بودجه‌ی استنباطی عامل را تعیین کند؛ یعنی اینکه عامل چقدر برای حل این مسئله برنامه‌ریزی می‌کند. این بودجه‌ی استنباطی می‌تواند برای پیش‌بینی واکنش عامل در حل مسئله‌ای مشابه استفاده شود.

کارآمدی و قابلیت تفسیر تکنیک جدید

این روش می‌تواند بسیار کارآمد باشد، زیرا پژوهشگران می‌توانند به مجموعه‌ی کاملی از تصمیماتی که الگوریتم حل مسئله گرفته است دسترسی پیدا کنند، بدون اینکه کار اضافی انجام دهند. این چارچوب می‌تواند برای هر مسئله‌ای که با یک کلاس خاص از الگوریتم‌ها قابل حل است، اعمال شود. جیکوب می‌گوید: «برای من، جالب‌ترین نکته این بود که این بودجه‌ی استنباطی بسیار قابل تفسیر است. اینکه مسائل سخت‌تر نیاز به برنامه‌ریزی بیشتری دارند یا بازیکن قوی‌تر یعنی برنامه‌ریزی برای مدت زمان بیشتر. وقتی این پروژه را شروع کردیم، فکر نمی‌کردیم که الگوریتم ما بتواند به طور طبیعی این رفتارها را تشخیص دهد.»

آزمایش‌ها و نتایج مدل جدید

پژوهشگران روش خود را در سه کار مدل‌سازی مختلف آزمایش کردند: استنباط اهداف ناوبری از مسیرهای قبلی، حدس زدن نیت ارتباطی فرد از نشانه‌های کلامی، و پیش‌بینی حرکات بعدی در مسابقات شطرنج بین انسان‌ها. روش آن‌ها در هر آزمایش یا برابر با یک روش محبوب دیگر عمل کرد یا از آن بهتر بود. علاوه بر این، پژوهشگران مشاهده کردند که مدل آن‌ها از رفتار انسانی با معیارهای مهارت بازیکن (در مسابقات شطرنج) و سختی کار تطابق خوبی دارد.

آینده‌ی مدل‌سازی رفتار در هوش مصنوعی

پژوهشگران قصد دارند در آینده از این روش برای مدل‌سازی فرآیند برنامه‌ریزی در حوزه‌های دیگر مانند یادگیری تقویتی (یک روش متداول یادگیری از طریق آزمون و خطا در رباتیک) استفاده کنند. در بلندمدت، آن‌ها قصد دارند این کار را ادامه داده و به هدف بزرگ‌تر خود که توسعه همکاران هوش مصنوعی مؤثرتر است، نزدیک‌تر شوند.

این کار با حمایت برنامه هوش مصنوعی برای افزایش بهره‌وری در کالج محاسبات MIT و بنیاد ملی علوم انجام شده است.

این پست از سایت مرکز هوش مصنوعی بنو برگرفته از نوشته ی لینک زیر میباشد!

https://news.mit.edu/2024/building-better-ai-helper-starts-with-modeling-irrational-behavior-0419

اگر مایلید میتونین پست قبلی مارو در مورد صفحه لمسی دهانی از لینک زیر مطالعه کنین!

صفحه لمسی دهانی به افراد مبتلا به فلج امکان می‌دهد با کامپیوترها تعامل داشته باشند! – مرکز توسعه هوش مصنوعی بنو (bennuai.com)

نوشته مدل‌سازی رفتار انسان با هوش مصنوعی | پیش بینی تصمیمات افراد اولین بار در مرکز توسعه هوش مصنوعی بنو. پدیدار شد.