خیابان‌های الکتریکی!
تاریخ انتشار: ۶ بهمن ۱۳۹۹ | کد خبر: ۳۰۷۸۸۸۳۲
این برنامه قادر بود که با دقتی مشابه یک انسان، اما با سرعتی بسیار بیشتر بازخورد‌ها را بررسی کند تا شهر‌هایی با جمعیتی بین ۱۰ تا ۵۰ هزار نفر را که خدمات شارژ خودرو مناسبی دریافت نمی‌کنند شناسایی کند. این نتایج به بررسی سرمایه گذاری در زیرساخت‌های مربوط به وسایل نقلیه کمک می‌کند و امکان بررسی به موقع این ایستگاه‌ها را به جای تکیه بر ارزیابی‌های دوره‌ای، کند و هزینه بر می‌دهد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
اگرچه وسایل نقلیه الکتریکی که باعث کاهش انتشار گاز‌های گلخانه‌ای می‌شوند نظر بسیاری از رانندگان را به خود جلب کرده، اما گروهی دیگر از خدمات شارژ رسانی به این ماشین‌ها اطمینان ندارند. ساخت شبکه‌ای از ایستگاه‌های شارژ قابل اطمینان کار سختی است، زیرا جمع‌آوری اطلاعات از ایستگاه‌های مستقل کاری چالش برانگیز است. اکنون محققان در مجله‌ی پترنز (patterns) از ساخت یک هوش مصنوعی خبر دادند که می‌تواند بازخورد مشتری‌ها را بررسی کند تا بتواند ایستگاه‌های ناکارآمد یا از کار افتاده را پیدا کند.
عمر آسنسیو (Omar Asensio) محقق اصلی و استادیار دانشکده سیاست‌های عمومی در موسسه‌ی فناوری جورجیا می‌گوید: ما میلیارد‌ها دلار سرمایه بخش خصوص و دولتی را صرف ساخت زیربنای وسایل نقلیه الکتریکی می‌کنیم، اما واقعا درک درستی از اینکه این سرمایه‌گذاری‌ها چقدر به نفع مردم است نداریم.
رانندگان وسایل نفلیه الکتیکی این مشکل را حل کرده‌اند. آنها در اپلیکیشن‌هایی که برای یافتن ایستگاه‌های شارژ الکتریکی ساخته شده گروه‌هایی ساخته‌اند و در آن بازخورد خود از ایستگاه‌ها را به اشتراک می‌گذارند.
محققان تلاش می‌کنند تا با تجزیه و تحلیل این نظرات درک بهتری از مشکلاتی که کاربران با آن روبرو هستند پیدا کنند.
آسنسیو و همکارانش به کمک این هوش مصنوعی توانستند پیشبینی کنند که آیا یک ایستگاه خاص در یک روز به خصوص کارآمد و مفید بوده یا خیر. آنها همچنین متوجه شدند که مکان‌هایی با جمعیت کم بین ۱۰ تا ۵۰ هزار نفر خدمات کمتری دریافت می‌کنند و گزارشات مکرری از مشکل دسترسی به ایستگاه در این مکان‌ها وجود داشت. این جوامع بیشتر در ایالت‌های غربی و میانه غربی مانند اورگن (Oregon)، یوتا (Utah)، داکوتای جنوبی (South Dakota)، نبراسکا (Nebraska) و هاوایی (Hawaii) وجود دارند.
آسنسیو می‌گوید: هنگامی که افراد تجربه خود مربوط به شارژ وسیله‌ی نقلیه را با یکدیگر به اشتراک می‌گذارند، رفتاری جامعه‌پسند و در طرفداری محیط زیست انجام می‌دهند که این موضوع اطلاعات رفتاری غنی برای یادگیری ماشین در اختیار ما قرار می‌دهد.
سامیر دارور (Sameer Dharur) از انستیتوی فناوری جورجیا و از نویسندگان این مقاله می‌گوید: برخلاف داده‌ها بررسی کردن متن برای کامپیوتر‌ها کار دشواریست. یک بازخورد ممکن است به اندازه‌ی سه کلمه کوتاه باشد یا ۲۵ تا ۳۰ کلمه داشته باشد و در آن غلط املایی و تنوع موضوع وجود داشته باشد. کاربران حتی گاهی شکلک‌های خندان و شکلک‌هایی دیگر نیز به متن اضافه می‌کنند.
برای حل این مشکل آسنسیو و گروهش زبان مناسب گفتگو در مورد وسایل نقلیه الکتریکی را برای الگوریتم‌شان تنظیم کردند. آنها با بازخورد‌های ۱۲۷۲۰ ایستگاه شارژ الکتریکی در ایلات متحده این هوش مصنوعی را تعلیم دادند و این نظرات را به هشت دسته تقسیم بندی کردند: عملکرد، در دسترس بودن، قیمت، مکان، نمایندگی، تعامل کاربران، مدت زمان سرویس دهی و میزان نگرانی از نرسیدن به موقع به ایستگاه. این هوش مصنوعی در عرض چند دقیقه دقتی ۹۱ درصدی و قدرت یادگیری بالا در تجزیه و تحلیل داده‌ها به دست آورد.
آسنسیو می‌گوید: این مرحله‌ی مهمی در جهت حرکت به سوی گسترش هوش مصنوعی است. این هوش‌ها نه تنها می‌توانند مانند انسان‌ها خوب عمل کنند بلکه در برخی موارد بهتر از متخصصان عمل می‌کنند.
برخلاف ارزیابی‌های پرهزینه قبلی، هوش مصنوعی می‌تواند هزینه‌های تحقیقات را کاهش داده و اطلاعاتی استاندارد و به موقع ارائه دهد. انتظار می‌رود بازار شارژ وسایل نقلیه تا سال ۲۰۲۷ رشدی ۲۷ میلیارد دلاری داشته باشد.
این روش بینشی جدید در مورد رفتار مصرف‌کنندگان ایجاد می‌کند و تجزیه و تحلیل راهکار‌ها را سرعت می‌بخشد و مدیریت زیرساخت‌ها را برای شرکت‌ها و دولت آسان‌تر می‌کند. برای مثال یافته‌ها نشان می‌دهد که کمک مالی به توسعه این زیرساخت‌ها موثرتر از فروش ماشین‌های الکتریکی است.
درحالی که این فناوری پیش از توزیع با محدودیت‌هایی از جمله نیاز به کاهش قدرت پردازش رایانه‌ای روبه‌رو است، آسنسیو و همکارانش امیدوارند با پیشرفت علم تحقیقات آنها در‌های جدیدی به روی مطالعاتی عمیق‌تر در حوزه تساوی اجتماعی باز کند تا پاسخگوی نیاز مصرف کنندگان باشد.
منبع: پارسینه
کلیدواژه: هوش مصنوعی وسایل نقلیه الکترونیکی پارسی خبر وسایل نقلیه ایستگاه ها هوش مصنوعی
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.parsine.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «پارسینه» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۰۷۸۸۸۳۲ 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:
دستگاه تحلیل سیگنال‌های الکتریکی در لایه‌های پوست ساخته شد/ امکان بهبود و پایش زخم
امیرحسین نظری، کارشناس مهندسی پزشکی، پژوهشگر و سرپرست یک تیم دانشجویی به خبرنگار خبرگزاری علم و فناوری آنا گفت: ما در این تیم موفق به ساخت ساخت دستگاهی کارآمد برای تحلیل سیگنال‌های الکتریکی در لایه‌های پوست، عضله و عصب به منظور تشخیص روند بهبود زخم یا پارگی مبتنی بر الگوریتم‌های ماشین لرنینگ شدیم.
وی به نحوه کارکرد این دستگاه اشاره کرد و افزود: این دستگاه بدون کوچکترین عوارضی کاملا به صورت غیر تهاجمی با نصب الکترود‌های دستگاه در اطراف محل زخــم و با فشردن کلید دستگاه شروع به نمونه‌برداری از زخم می‌کند.
نظری ادامه داد: سپس داده‌های دریافتی تجزیه و تحلیل و در نهایت روند بهبود زخم بیمار با سه LED روی دستگاه با رنگ‌های سبز (روند بهبود عالی) زرد (روند بهبود مرز) قرمز (روند بهبود پسرفت) نمایش داده می‌شود. در ادامه داده‌های دریافتی زخم از طریق پروتکل USB به PC ارسال می‌شود.
به گفته وی، میزان فرکانس و مقاومت بافت‌های زیستی با اتصال الکترود به صورت سطحی یا سوزنی اندازه‌گیری شده و با استفاده از الگوریتم‌هایی نظیر FFT، DFS و و KNN با پیاده‌سازی روی سیگنال‌ها و داده‌ها، روند بهبود یا پسرفت زخم در مدت زمان مشخص به صورت درصد نمایش داده می‌شود.
وی با اشاره به اینکه این محصول در زمینه بهداشت و سلامت افراد به منظور بهبود سریع‌تر انواع زخم شامل سوختگی، شکستگی باز، دیابتی بدسور، پیوند عضو کاربرد دارد، اظهار کرد: این دستگاه یک محصول کاربردی در بحث تشخیص و کمک به پزشکان در درمان سریع زخم بوده که به دو صورت پوشیدنی و بیمارستانی قابل ساخت و استفاده است؛ به عنوان مثال این دستگاه می‌تواند برای ورزشکاران به منظور جلوگیری از پارگی عضله هنگام تمرینات پرفشار یا اشتباه کاربرد داشته باشد.
وی افزود: همچنین درمان و مراقبت از زخم در افراد به ویژه سالمندان و بیماران دیابتی همیشه چالش‌های فراوانی برای بیمار و پزشک به همراه داشته است.
وی اضافه کرد: گاهی این محل بعد از عمل جراحی نیاز به مراقبت‌های فراوانی دارد. با توجه به توسعه روز افزون روش‌های درمانی غیرتهاجمی و بدون عوارض جانبی، ساخت چنین دستگاه‌هایی ضرورت پیدا کرده است.
وی با بیان اینکه در این روش تشخیص ابتدا از یک سیگنال حیاتی، نمونه‌برداری می‌شود، گفت: سپس ویژگی‌های مناسب استخراج و طبقه‌بندی شده و پس از آن با اعمال الگوریتم‌ها و محاسبات داده‌ها، روند تشخیص بهبود و پسرفت زخم تعیین می‌شود.
وی گفت: روند درمان زخم چهار مرحله را سپری می‌کند که ما در مرحله سوم زمانی که بدن انسان شروع به بازسازی محل آسیب دیده می‌کند، تحقیقات و آزمایشات خود را شروع کرده‌ایم.
وی گفت: ابتدا سخت‌افزاری برای پایش انواع زخم شبیه‌سازی، طراحی و اجرا و در ادامه از انواع زخـم (نرمال، عفونتی، دیابتی بدسور، شکستگی باز) چند بیمار برای جمع‌آوری دیتا نمونه‌برداری کرده‌ایم و سعی بر پیاده‌سازی الگوریتم یادگیری ماشین و محاسبات مربوطه به روی داده‌ها به منظور تشخیص دقیق تروضعیت زخم بیمار داشته‌ایم.
این پژوهشگر یادآورشد: همچنين در ادامه این تحقیق به منظور بهبود هرچه سریع‌تر زخم و ترمیم آن موفق به ساخت دارو ترمیم زخم شدیم؛ این دارو به صورت مایع جهت شستشو زخم یا به صورت ژل به روی زخم قرار داده می‌شود.
به گفته نظری، در این طرح نیز بررسی کرده‌ایم که آیا استفاده از داروهای موضعی (پماد، ژل و کرم) روند بهبود زخم را تسریع می‌بخشند یا باعث ایجاد اختلال می‌شوند. نتایج نشان داده‌اند که دارو ساخته شده می‌تواند در مدت زمان کمتری باعث بهبود زخم و ترمیم آن شود.
وی در پایان به مشکلات اجرای این طرح‌ها پرداخت و گفت: یکی از بزرگترین مشکلات تیم ما برای اجرای این طرح، عدم حمایت مالی و معنوی مسؤلان است. متأسفانه روند اداری اخذ مجوز‌ها و ثبت اختراع‌ها بسیار پیچیده است و مشکلات زیادی برای پژوهشگران این حوزه ایجاد می‌کند.
این محقق ادامه داد: مراحل طی کردن محصولات پزشکی نیز به دلیل اینکه رابطه مستقیمی با سلامت انسان‌ها دارد، زمان بر است. امیدواریم روند اداری این طرح‌ها از سوی نهاد‌های ذی ربط تسهیل پیدا کند.
به گزارش آنا، این طرح با مشارکت مهران بیگی‌زاده، آیدا حسینی، حبیبه‌امیری نژاد و به سرپرستی‌امیرحسین نظری، کارشناس مهندسی پزشکی انجام شده و در سومین دوره کنفرانس دانشجویی رباتیک و مکاترونیک به نمایش گذاشته شده است.
انتهای پیام/
فوری/ انفجار در مناطق مرکزی ایران / اسرائیل به ایران، عراق و سوریه حمله کرد