دانشمندان استدلال میکنند که شبیهسازیهای هوش مصنوعی باید تأثیر مهمی در نحوه پیشبینیهای آینده داشته باشند.
*** عوامل تاثیرگذار در پیشبینی آینده
به گزارش پژواک، سال ۹۸، گروهی از ریاضیدانان و دانشمندان کامپیوتر راهی ۱۰۰ میلیون برابر سریعتر از هر شخص دیگر برای حل مسئله مسئله سه جسم یافتند.
گروههای دیگر نیز شروع به استفاده از تکنیکهای الهام گرفته از هوش مصنوعی برای شبیهسازی جهان کردند و این سوال جالب را ایجاد میکند:
اینکه چقدر میتوان شبیهسازیهای هوش مصنوعی را انجام داد؟
اکنون یان فاستر و چند تن از همکارانش در دانشگاه شیکاگو آینده شبیهسازی مبتنی بر هوش مصنوعی را در مقالهای برای انجمن تحقیقات محاسبات مستقر در واشنگتن دی سی ترسیم کردند.
آنها استدلال میکنند که شبیهسازیهای هوش مصنوعی باید تأثیر مهمی در نحوه پیش بینی آینده داشته باشند.
فرصت جدیدی که از طریق شبیهسازهای مبتنی بر هوش مصنوعی ارائه میشود، یادگیری از دادهها، تسریع شبیهسازی از طریق پیشبینی و تقویت شبیهسازی مبتنی بر فیزیک با مدلهای پیشبینی پدیدههای اجتماعی و اقتصادی است.
*** سیستمهای پیچیده
محققان سه منطقه را شناسایی کردند که در آنها شبیه سازی های هوش مصنوعی تأثیر قابل توجهی دارند.
اولین مورد پیشبینی رفتار سیستمهای غیرخطی پیچیده مانند سیستم سه جسم است.
نمونههایی از سیستمهای پیچیده پیشبینی وضعیت آب و هوا، پیشبینی الگوی پس لرزههای پس از زلزله، مدیریت جریان ترافیک و غیره است.
دومین حوزه سیستمهایی است که با رفتار انسان تعیین میشود، مانند اقتصاد و بازارهای سهام و جمعیت، اینها سیستمهایی هستند که در آنها بسیاری از عوامل فردی بسته به محیطی که در آن قرار دارند به طور مستقل یا با هم عمل میکنند.
مدلهای پایین به بالا از نظر محاسباتی به دلیل گستردگی بسیار دشوار هستند.
با این وجود سیستمهای هوش مصنوعی کمککننده هستند، زیرا آنها نتایج کلی را در موقعیتهای خاص یاد میگیرند تا اینکه مجبور شوند رفتار هر کارگزار(مثلا در اقتصاد بورس) را شبیهسازی کنند.
حوزه نهایی بهینهسازی تصمیمگیری است.
محققان Google’s Deepmind در مقابل انسان در بازیهایی مانند شطرنج، Go و Star Craft پیروزیهایی داشتهاند.
در هر حالت، سیستم هوش مصنوعی یاد گرفته که با انجام بازیهای مکرر با خودش، تصمیم بهتری نسبت به انسانها بگیرد.
رمز موفقیت در گرفتن بازی در مدلی است که سیستم هوش مصنوعی میتواند با آن تعامل داشته باشد. این برای بازی های رومیزی یا بازی های ویدیویی ساده اما در شرایط دنیای واقعی سخت است.
*** طراحی دارو
به گزارش پژواک، شرکت دیپمایند اخیراً اعلام کرد که از هوش مصنوعی برای حل مشکل دنیای واقعی و پیشبینی شکلی که زنجیرهای از آمینو اسیدها به وجود خواهد آورد استفاده کرده است.
گوگل همچنین از روش هوش مصنوعی دیپمایند برای بهینهسازی نحوه خنکسازی مراکز داده خود استفاده کرده و بدین ترتیب صورتحسابهای خنککنندهها را ۴۰ درصد کاهش داده است.
مشکلات پیچیدهتر بهینهسازی شامل یافتن بهترین راه برای تولید مواد و محصولات جدید یا بهینهسازی سیاستهای مالیاتی برای دستیابی به اهداف اقتصادی خاص از این قبیل است که هوش مصنوعی در آیندهای نه چندان دور در این فرایندها نقش دارد.
شاید با ترکیب تکنیکهای مبتنی بر هوش مصنوعی و شبیهسازیهای عددی معمولی، بزرگترین پیشرفتها حاصل شود.
هوش مصنوعی همیشه در شبیهسازی موقعیتهایی که قبلاً ندیده مهارت ندارد، بنابراین راه پیش رونده تقسیم شبیهسازیها به مناطقی است که هوش مصنوعی میتواند به بهترین وجه کار کند.
انتهای پیام///
برای نوشتن دیدگاه باید وارد بشوید.