Jak sztuczna inteligencja chroni nas przed rakiem i niepotrzebnej brutalności

Niektórzy uważają, że dystrybucja sztucznej inteligencji i robotyki naraża nasze życie osobiste, naszą pracę i nasze bezpieczeństwo. Coraz więcej zadań odchodzą na wykonywanie mózg na bazie krzemu. Ale nawet najgłośniejsze krytycy nie mogą nie przyznać się do oczywistych korzyści, które AI i zautomatyzowane systemy są przygotowane dla ludzkości. W ramach projektu Grand Challenges BBC zebrał ekspertów, którzy przedstawili swoją wizję przyszłości, w obecności maszyn i sztucznej inteligencji.

"musimy traktować AI nie jako coś, z nami конкурирующее, a jak coś, co może wzmocnić nasze własne umiejętności", mówi Takeo Kanadzie, profesor robotyki na Uniwersytecie Carnegie — Mellon university. Dlatego, że AI ma tolerancji na nudę, a także jest w stanie wykryć prawidłowości znacznie lepiej i szybciej niż ludzie. Automatyzacja już zaplanowałam rozwikłać najbardziej skomplikowanych węzłów naszego świata, od choroby do przemocy.

A ona może uczynić nasze życie jest bezpieczniejsze w 21 wieku.

Walka z chorobami zakaźnymi

Dla miliardów ludzi na całym świecie brzęczenie komarów, blisko ucha może oznaczać znacznie więcej, niż drażniący bite – to może być zwiastunem choroby, a nawet śmierci. Jeden rodzaj – Aedes aegypti – zwłaszcza rozprzestrzenił się z Afryki w prawie wszystkich regionach tropikalnych i subtropikalnych, przenosząc gorączkę Denga, żółta febra, zeke ' a i chikungunya (wirus wywołujący калечащие bóle stawów). Jedna tylko Denga infekuje 390 milionów osób w 128 krajach każdego roku.

"Ten komar – mały demon", mówi Rainier Маллол, komputerowy, inżynier z Dominikany, gorące punkty dystrybucji zeke ' a. Wraz ze do tego dojdzie Raja, medyk z Malezji (innego kraju, narażonej na ryzyko zarażenia się wirusem), para opracowała algorytmy sztucznej inteligencji, które przewidują, gdzie najprawdopodobniej pojawią się błyski.

Project Premonition od Microsoft wykorzystuje bezzałogowe statki powietrzne dla wyszukiwania patogenów w gorących punktach dystrybucji zeke ' a

Ich sztuczna inteligencja w dziedzinie medycznej эпидемологии (Aime) – jest to system, który łączy czas i lokalizację każdego nowego przypadku Denga według raportów lokalnych szpitali z 274 innymi zmiennymi czynnikami, takimi jak kierunek wiatru, wilgotność, temperatura, gęstość zaludnienia, typ noclegu. "To wszystkie czynniki wpływające na rozprzestrzenianie się komarów", wyjaśnia Маллол.

Testy w Malezji i Brazylii wykazały, że mogą one przewidzieć lampy błyskowej z dokładnością do około 88% za trzy miesiące. System pomaga również określić epicentrum wybuchu z dokładnością do 400 metrów, pozwalając miejscowym lekarzom w porę interweniować z owadobójcze i ochronę przed ukąszeniami dla mieszkańców.

Aime również się rozwija, aby przewidzieć lampy błyskowej zeke ' a i chikungunya. Wielkie firmy technologiczne na swój sposób rozwijać tę ideę, na przykład: Project Premonition od Microsoft wykorzystuje autonomiczne drony, aby wykryć ogniska rozprzestrzeniania się komarów, i wykorzystują dwutlenek węgla i pułapki świetlne do ujmowania tych owadów. DNA komarów i zwierząt, które są gryzły, a następnie analizowany pm algorytmy, które wykazują prawidłowości w gigantycznych ilościach danych coraz lepiej za każdym razem – i znajdują patogenów.

Walka z bronią

W Ciągu ostatniego roku w USA zginęło 15 000 osób z powodu wypalania. Ten kraj ma najwyższy poziom związanej z bronią przemocy w całym rozwiniętym świecie. Aby rozwiązać problemy z niekontrolowanej strzelaniem i związanymi z bronią przestępstwami, w niektórych miastach w kraju zwracają się do technologii za pomocą.

Zautomatyzowany system, który słyszy dźwięki strzałów za pomocą wielu czujników, może służyć do określenia miejsca, w którym rozlegały się strzały, i informować organy bezpieczeństwa w ciągu 45 sekund po tym, jak została obniżona za spust. ShotSpotter wykorzystuje 15-20 akustycznych czujników na kilometr kwadratowy do wykrywania charakterystycznego "bawełny" odpaleniu, określając jego miejsce urodzenia z dokładnością do 25 metrów.

Technologii uczenia maszynowego są używane w celu potwierdzenia, że dźwięk był broni palnej, i liczy się ilość strzałów, pokazując, czy policja do czynienia z samotnym strzelcem lub kilkoma przestępcami, a także wykorzystują one automaty, czy nie.

Już 90 miast – w przeważającej części w USA, ale także w Południowej Afryce i Ameryce Południowej – używają ShotSpotter. Małe systemu również zostały rozmieszczone w dziewięciu uczelniach w USA w odpowiedzi na niedawnej strzelaninie w kampusie.

Ralph Clark, dyrektor wykonawczy ShotSpotter, uważa, że w przyszłości system ten może być stosowany nie tylko do prostego reagowania na incydenty.

"staramy się zrozumieć, jak nasze dane mogą być wykorzystywane do prognoz możliwości policjantów", mówi. "Uczenie maszynowe można połączyć z pogody, ruchu drogowego i innych, aby bardziej precyzyjnie informować patrole policji".

Walka z głodem

Około 800 milionów ludzi na całym świecie polegają na korzenie kasawa (manioku) jako główne źródło węglowodanów. Ten крахмалистый warzywo, podobny do yam, jedzą jak ziemniaki; można go zmielić na mąkę do pieczenia chleba i ciast. Może rosnąć tam, gdzie nie mogą inne kultury, co sprawiło, że кассаву szóstym co do wielkości kryzysów żywnościowych rośliną na świecie. Jednak ten aromatyczny krzew także podatny na choroby i szkodniki, co może doprowadzić do zniszczenia całych pól warzyw.

Naukowcy z Uniwersytetu Makerere w Kampali, Uganda,współpracę z ekspertami na choroby roślin, aby opracować zautomatyzowany system, mającą na celu walkę z chorobami manioku. Projekt Mcrops pozwala lokalnym rolnikom fotografować swoje rośliny na tanie smartfony i używać widzenie komputerowe w celu wykrycia objawów czterech głównych chorób, które prowadzą do zniszczenia upraw manioku.

"Niektóre z tych chorób jest bardzo trudne do rozpoznania, i wymagają różnych działań", wyjaśnia Ernest Мвебазе, badacz technologii komputerowych, szef projektu. "Dajemy rolnikom kieszeni eksperta, aby wiedzieli, zapylają zbiorów lub zniszczyć i wsadzić coś innego".

Ten system diagnozuje choroby kasawa z 88-procentową dokładnością. Zazwyczaj rolnikom trzeba dzwonić rządowym ekspertom do odwiedzenia gospodarstw, aby identyfikowali te choroby, na co idą dni i tygodnie, aż choroba się rozprzestrzenia.

Mcrops także pozwala na przesyłanie zdjęć do bazy danych, na podstawie której następnie są diagnozowane epidemii. Мвебазе ma nadzieję, że technologia ta pozwoli również automatycznie wykryć problemy innych gatunków roślin, np. bananów.

Walka z nowotworem i słabowidzących

DeepMind od Google może pomóc lekarzom z leczeniem raka, dzięki maszynowej uczenia się, który pomoże mu zidentyfikować zdrowe obszary tkanek pacjenta

Rak prowadzi do ponad 8,8 mln zgonów na całym świecie, a 14 milionów ludzi diagnozują z tej lub innej postaci raka rocznie. Wczesne wykrycie raka może znacznie zwiększyć szanse na przetrwanie człowieka i zmniejszyć ryzyko nawrotu. Badania przesiewowe – jeden z kluczowych sposobów wczesnego wykrywania raka, ale zrozumieć сканах i innych wynikach testów jest bardzo, bardzo trudno i długo.

DeepMind i IBM stosuje swoje technologie AI do tego problemu. DeepMind nawiązała współpracę z brytyjskich lekarzy państwowej służby zdrowia w uczelniach uniwersyteckich Londynu, aby szkolić swój program na podstawie AI leczyć raka, oddzielając obszar zdrowej tkanki od guzów podczas skanowania głowy i szyi. Współpracuje także z Moorfields Eye Hospital w Londynie, w celu identyfikacji wczesnych oznak utraty wzroku podczas skanowania oczu.

"Nasze algorytmy są w stanie interpretować informacje wizualne podczas skanowania", mówi Dominic King, dyrektor kliniki w DeepMind Health. "System uczy się identyfikować potencjalne problemy i zalecić odpowiedni kurs akcji lekarza. Jest zbyt wcześnie, komentować wyniki, ale są już bardzo obiecujące".

King mówi, że metody AI mogą pomagać lekarzów ustalać diagnozę szybciej, przesiewanie skany i umieszczając priorytety na tych, które są zalecane do natychmiastowego rozpatrzenia.

IBM również ogłosiła niedawno, że AI Watson może analizować zdjęcia i oceniać wpisy pacjentów, dokładnie określając guz w 96% przypadków. Teraz system przechodzi testy medyczne w 55 szpitalach na całym świecie, pomaga diagnozować raka piersi, płuc, raka jelita grubego, raka szyjki macicy, jajnika, żołądka i prostaty.

Nie wyłączając światło

Na tle разгорающихся sporów o to, czy możliwe jest zmiana klimatu budzą dwa katastrofalnego huraganu w historycznych skalę w stanach ZJEDNOCZONYCH, jak można było skutecznie prowadzić sztuczna inteligencja na badanie wykorzystania czystej, odnawialnej energii, aby zapobiec dalszym szkodom, który prowadzi do problemów klimatu?

Ludzie na całym świecie coraz bardziej polegają na odnawialne źródła energii do walki ze zmianą klimatu i zanieczyszczenia związane z paliwami kopalnymi, a zadaniem bilansowania sieci energetycznych z takimi przerwami źródeł staje się coraz trudniejsze. Rozpowszechnianie inteligentnych liczników – cyfrowych monitorów energii, które automatycznie rejestrują zużycie – również dostarczy wiele danych o tym, jak i kiedy konsumenci wykorzystują energię. Tylko w Unii europejskiej planuje się ustawienie 500 milionów inteligentnych liczników w domach do 2020 roku.

"Zarządzanie tymi aktywami jest niemożliwe dla człowieka, ponieważ czas reakcji jest często rzędu kilku sekund", mówi Valentin Rob, docent inteligentnych systemów w Uniwersytecie Хериот Watt w Edynburgu. Działa z angielską firmą Upside Energy, opracowując nowe metody zarządzania sieciami elektrycznymi.

Tworzą algorytmy uczenia maszynowego do monitorowania produkcji i popytu na energię w czasie rzeczywistym. Co to znaczy? Że energia będzie utrzymywać się w spokojne godziny, a następnie produkowane w godzinach szczytu, na przykład rano, kiedy każdy chce zrobić sobie kawę. W miarę jak samochody elektryczne, domowe akumulatory stają się coraz bardziej powszechne, technologii można używać do przechowywania energii i równomierną dystrybucję odnawialnych wątków.

Rob mówi również, że AI można wykorzystać na bardziej podstawowym poziomie, pomagając zmniejszyć nasze zapotrzebowanie na podłączone urządzenia. Na przykład, lodówki AI może bezpośrednio sterować, aby wchodzić tylko wtedy, gdy zapotrzebowanie na energię elektryczną najniższy w sieci.