Mail:





Słowniczek Sztucznej Inteligencji





A.I. … i wszystko jasne




Wprowadzenie do Języka R




Język R … od słów do czynów !!!



 + Kody Źródłowe




A.I.: Jaka jest nasza Przyszłość?

[101 Prostych Pytań]




VIDEO



  Hipoteza Riemanna

 Pogadać z Maszyną 1

 Pogadać z Maszyną 2

 Pogadać z Maszyną 3

 Pogadać z Maszyną 4

 Wywiad z maszyną !

 Co słyszy Sztuczna Inteligencja?

 Komputer Kwantowy

 Świadomość Maszyn

 Sztuczna Inteligencja - Szansa czy Zagrożenie?

 This is AI 1

 This is AI 2 : How machines learn

 This is AI 3 : Learnig for life

 This is AI 4: A synthetic sixth sense




Bogowie Sztucznej Inteligencji






SŁOWNIK TERMINÓW ROBOTYCZNYCH




Anatomia Robota

  • Systemy Sterowania
  • Sprzęt Komputerowy
  • Niezawodność, Bezpieczeństwo i Zgodność
  • Kroki Projektowe: HLD
  • Energia i systemy zasilania
  • Kontrola Energii
  • DSP
  • Komunikacja
  • Silniki i Siłowniki
  • Mechanika



  • Artificial Intelligence




    Jak A.I. zmienia nasz świat




    Mity Sztucznej Inteligencji




    Króka Historia A.I.




    Fundamenty


    • Prolog

    • Wprowadzenie do A.I.

    • Definiowanie roli danych

    • Biorąc pod uwagę alogorytmy

    • Pionierski ,specjalistyczny sprzęt

    • Zastosowanie AI w aplikacjach komputerowych

    • Automatyzacja typowych procesów

    • Zastosowanie AI w medycynie

    • A.I. a poprawa interakcji

    • Analiza danych przez A.I.

    • Wykorzystanie machine learning

    • Poprawa A.I. (…)

    • Rozwój robotów

    • Latanie dronami

    • Samochód napędzany A.I.

    • Zroumieć aplikacje bez szans

    • AI w Kosmosie

    • Nowe zawody w erze A.I.

    •  X zawodów dla A.I.(?)

    • Wkład A.I. w społeczeństwo

    • Jak zawiodła A.I.




    "Ocieplamy" Fundamenty


    • Intuicyjna koncepcja sztucznej inteligencji

    • Podstawy wyszukiwania

    • Inteligentne wyszukiwanie

    • Algorytmy Ewolucyjne

    • Zaawansowane podejście ewolucyjne

    • Inteligencja Roju: Mrówki

    • Inteligencja roju: Cząstki

    • Uczenie maszynowe

    • Sztuczne sieci neuronowe

    •  Uczenie się ze wzmocnieniem za pomocą Q-Learning




    XVI Filarów Świątyni ArtInt′a


    • Korzenie i Zakres

    • Reprezentacja i wyszukiwanie

    • Struktury i strategie wyszukiwania

    • Wyszukiwanie Heurystyczne

    • Metody Stochastyczne

    • Budowanie algorytmów sterowania

    • Reprezentacja Wiedzy

    • Silna metoda rozwiązywanie problemów

    • Rozumowanie w niepewnych sytuacjach

    •  Uczenie maszynowe : oparte na symbolach

    • Uczenie maszynowe : koneksjonizm

    • Uczenie maszynowe : genetyczne i awaryjne

    • Uczenie maszynowe : probabilistyczne

    • Automatyczne wnioskowanie

    • Rozumienie języka naturalnego

    • Sztuczna Inteligencja jako pytanie empiryczne




    Sztuczna Inteligencja i Big Data

    Sekcja 1 : Big Data i systemy sztucznej inteligencji

    Sekcja 2 : Ontologia dla dużych zbiorów danych

    Sekcja 3: Uczenie się z dużych zbiorów danych

    Sekcja 4:Sieci neuronowe dla dużych zbiorów danych

    Sekcja 5: Deep Big Data Analytics

    Sekcja 6: Przetwarzanie języka naturalnego

    Sekcja 7: Systemy rozmyte

    Sekcja 8: Programowanie genetyczne

    Sekcja 9: Analiza roju

    Sekcja 10: Uczenie się przez wzmocnienie

    Sekcja 11: Cyberbezpieczeństwo

    Sekcja 12: Obliczenia poznawcze












    Wczoraj , Dziś … Jutro














    Odwiedzin: 12579
    Dzisiaj: 7
    On-line: 1
    Strona istnieje: 871 dni
    Ładowanie: 0.034 sek


    [ 2874 ]



    Sztuczna Inteligencja z Językiem NetLogo



    LINK



    A.I. dla Nie-Techników




    •  Część 1 - Podstawy sztucznej inteligencji
    •  Część 2 - Dane
    •  Część 3 - Uczenie maszynowe
    •  Część 4 - Głębokie uczenie
    •  Część 5 - Robotic Process Automation
    •  Część 6 - Przetwarzanie języka naturalnego (NLP)
    •  Część 7 - Roboty fizyczne
    •  Część 8 - Wdrażanie sztucznej inteligencji
    •  Część 9 - Przyszłość sztucznej inteligencji





    Sztuczna Inteligencja : Gry (IV)




    •  Wprowadzenie

    HEURYSTYKA

    Heurystyka to praktyczna zasada, przybliżone rozwiązanie, które może działać w wielu sytuacjach, ale jest mało prawdopodobne we wszystkich. Istoty ludzkie cały czas używają heurystyk. Nie staramy się wypracować wszystkich konsekwencji naszych działań. Zamiast tego opieramy się na ogólnych zasadach, które sprawdziły się w przeszłości (lub w równym stopniu nas nauczono, a nawet poddano nas praniu mózgu). Może to być coś tak prostego, jak "jeśli coś stracisz, prześledź swoje kroki, aby tego poszukać" po heurystyki, które rządzą naszymi wyborami życiowymi, takie jak "nigdy nie ufaj sprzedawcy używanych samochodów". Heurystyki zostały skodyfikowane i włączone do niektórych algorytmów w tej książce, a powiedzenie "heurystyka" programiście sztucznej inteligencji często wywołuje wyobrażenie o odnajdywaniu ścieżki lub zachowaniach zorientowanych na cel. Poza tym wiele technik opisanych w tej książce opiera się na heurystyce, która nie zawsze jest jednoznaczna. Istnieje kompromis między szybkością a dokładnością w obszarach takich jak podejmowanie decyzji, ruch i myślenie taktyczne (w tym sztuczna inteligencja w grach planszowych). Kiedy poświęca się dokładność, zwykle zastępuje się wyszukiwanie poprawnej odpowiedzi heurystyką. Szeroki zakres heurystyk można zastosować do ogólnych problemów AI, które nie wymagają konkretnego algorytmu. W naszym odwiecznym Pac-Manie, duchy poruszają się, obierając trasę na skrzyżowaniu, które prowadzi do ich aktualnego celu. Nie próbują obliczyć najlepszej trasy: najkrótszej lub najszybszej. Może to być dość skomplikowane i wymagać odwrócenia się od siebie, a ostatecznie może być zbędne, ponieważ pozycja gracza wciąż się zmienia. Ale praktyczna zasada (ruch w aktualnym kierunku celu) działa przez większość czasu i zapewnia graczowi wystarczającą kompetencję, aby zrozumieć, że duchy w swoim ruchu nie są czysto przypadkowe. W Warcraft (i wielu innych grach RTS, które nastąpiły później) istnieje heurystyka, która przesuwa postać nieco do przodu, aby mogła zaatakować wroga znajdującego się ułamek poza zasięgiem postaci. Chociaż to działało w większości przypadków, nie zawsze była to najlepsza opcja. Wielu graczy było sfrustrowanych, gdy rozległe struktury obronne zaczęły się poruszać, gdy wrogowie się zbliżyli. Później gry RTS pozwalały graczowi wybrać, czy to zachowanie zostało włączone, czy nie. W wielu grach strategicznych, w tym w grach planszowych, różnym jednostkom lub pionom przypisywana jest pojedyncza wartość liczbowa, aby pokazać, jak "dobre" są. W szachach pionki często otrzymują jeden punkt, gońce i skoczki trzy, wieże pięć, a hetman osiem. To jest heurystyka; zastępuje złożone obliczenia dotyczące możliwości jednostki jedną liczbą. A numer może być wcześniej zdefiniowany przez programistę. Sztuczna inteligencja może określić, która strona jest przed nami, po prostu dodając liczby. W RTS może znaleźć najlepszą ofensywną jednostkę do zbudowania, porównując liczbę z kosztem. Wiele przydatnych efektów można osiągnąć po prostu manipulując liczbą. Nie ma na to algorytmu ani techniki. I nie znajdziesz tego w opublikowanych badaniach AI. Ale to chleb powszedni pracy programisty AI.

    Wspólna heurystyka

    W kółko pojawia się garść heurystyk. Są dobrym punktem wyjścia przy początkowym rozwiązywaniu problemu.

    Najbardziej ograniczone

    Biorąc pod uwagę obecny stan świata, należy wybrać jeden przedmiot z zestawu. Wybrany element powinien być tym, który byłby opcją dla najmniejszej liczby stanów. Na przykład oddział postaci atakuje grupę wrogów. Jeden z wrogów nosi rodzaj zbroi, którą może przebić tylko jeden karabin. Jeden członek oddziału ma ten karabin. Kiedy wybierają kogo zaatakować, w grę wchodzi najbardziej ograniczona heurystyka; tylko jeden członek oddziału może zaatakować tego wroga, więc to jest akcja, którą powinni podjąć. Nawet jeśli ich broń byłaby potężniejsza przeciwko innym wrogom, ich koledzy z drużyny powinni poradzić sobie z innymi.

    Najpierw zrób najtrudniejszą rzecz

    Najtrudniejsza rzecz do zrobienia często ma konsekwencje dla wielu innych działań. Lepiej zrobić to najpierw, niż stwierdzić, że łatwe rzeczy dobrze się układają, ale ostatecznie są zmarnowane. Na przykład armia ma dwa oddziały z pustymi miejscami. Komputer planuje stworzenie pięciu wojowników orków i ogromnego kamiennego trolla. Chce skończyć ze zrównoważonymi składami. Jak powinien przydzielać jednostki do oddziałów? Kamienny Troll wymaga najwięcej slotów, więc jest najtrudniejszy do przydzielenia. Powinien być umieszczony jako pierwszy. Gdyby Orkowie zostali przydzieleni jako pierwsi, byliby zrównoważeni między dwiema drużynami, zostawiając miejsce dla połowy trolla w każdej drużynie, ale trolle nie miały dokąd się udać.

    Najpierw wypróbuj najbardziej obiecującą rzecz

    Jeśli istnieje wiele opcji dostępnych dla sztucznej inteligencji, często możliwe jest przyznanie każdemu z nich naprawdę surowego i gotowego wyniku. Nawet jeśli ten wynik jest dramatycznie niedokładny, wypróbowanie opcji w malejącej kolejności wyników zapewni lepszą wydajność niż próbowanie rzeczy wyłącznie losowo.




    Sztuczna inteligencja: podstawy i zastosowania

    Część 1: Sztuczna inteligencja i nanotechnologia: superkonwergencja
    Część 2: Sztuczna inteligencja w handlu elektronicznym: analiza procesów biznesowych
    Część 3: ABC ery cyfrowej ze szczególnym odniesieniem do sektora bankowego
    Część 4: Sztuczna inteligencja w predykcyjnej analizie ubezpieczeń i bankowości
    Część 5: Sztuczna inteligencja w robotyce i automatyzacji.
    Część 6: Sztuczna inteligencja: nowe podejście w opiece zdrowotnej
    Część 7: Sztuczna inteligencja i spersonalizowane leki: Wspólna narracja o postępach w opiece medycznej
    Część 8: Nanotechnologia i sztuczna inteligencja w medycynie precyzyjnej w onkologii
    Część 9: Zastosowania sztucznej inteligencji w recepturach farmaceutycznych i leków
    Część 10: Rola sztucznej inteligencji w diagnozowaniu gruźlicy
    Część 11: Zastosowania sztucznej inteligencji w wykrywaniu i leczeniu COVID-19
    Część 12: Sztuczna inteligencja oparta na Internecie rzeczy przy użyciu platformy Microsoft Azure
    Część 13: Równoważenie obciążenia w bezprzewodowej sieci heterogenicznej za pomocą sztucznej inteligencji
    Część 14: Zastosowania technik sztucznej inteligencji w systemach elektroenergetycznych
    Część 15: Wpływ sztucznej inteligencji w sektorze lotniczym i kosmicznym
    Część 16: Sztuczna inteligencja do prognozowania pogody
    Część 17: Górnictwo molekularne: zastosowania w naukach farmaceutycznych





    Sztuczna Inteligencja i Robotyka



    Ramy myślenia o sztucznej inteligencji i robotyce

    SZTUCZNA INTELIGENCJA

    Sztuczną inteligencję, w skrócie AI, można traktować jako naukę o inteligentnym działaniu maszyn. AI nie ma powszechnie akceptowanej, precyzyjnej definicji. Jeden z pierwszych podręczników na temat sztucznej inteligencji zdefiniował ją jako "badanie pomysłów, które umożliwiają komputerom bycie inteligentnymi", co wydawało się nasuwać pytanie. Późniejszy podręcznik był bardziej szczegółowy: "Sztuczna inteligencja to próba nakłonienia komputera do robienia rzeczy, w których obecnie ludzie są lepsi". Ta definicja jest interesująca, ponieważ sugeruje, że gdy zadanie zostanie pomyślnie wykonane przez komputer, techniką, która to umożliwiła, nie jest już sztuczna inteligencja, ale coś przyziemnego. Ta definicja jest dość ważna dla osoby badającej metody sztucznej inteligencji dla robotów, ponieważ wyjaśnia, dlaczego niektóre tematy nagle znikają z literatury AI: były postrzegane jako rozwiązane! Być może najbardziej zabawnym ze wszystkich definicji sztucznej inteligencji było hasło nieistniejącej już firmy komputerowej Thinking Machines, Inc.: "…tworzenie maszyn, które będą z nas dumne". Koncepcja sztucznej inteligencji jest kontrowersyjna i wywołała trwające debaty filozoficzne na temat tego, czy maszyna może kiedykolwiek być inteligentna. Jak zauważa fizyk Roger Penrose w swojej książce The Emperor′s New Mind: "Mimo to można uczciwie powiedzieć, że chociaż rzeczywiście zrobiono wiele sprytnych rzeczy, symulacja wszystkiego, co może uchodzić za prawdziwą inteligencję, jest jeszcze długa, wyłączona." Inżynierowie często odrzucają sztuczną inteligencję jako dzikie spekulacje. W wyniku tak gwałtownej krytyki wielu badaczy sztucznej inteligencji często określa swoją pracę jako "systemy inteligentne" lub "systemy oparte na wiedzy", próbując uniknąć kontrowersji wokół terminu "AI". Na szczęście do studiowania AI robotyki nie jest potrzebna jedna, precyzyjna definicja sztucznej inteligencji. AI Robotyki to zastosowanie technik AI do robotów. Dokładniej, AI Robotyka to uwzględnianie obszarów tematycznych tradycyjnie objętych sztuczną inteligencją w zastosowaniach w robotyce: uczenie się, planowanie, wnioskowanie, rozwiązywanie problemów, reprezentacja wiedzy i wizja komputerowa. Ta Część zawiera sześć typowych pytań dotyczących robotyki AI. Najważniejsze pytanie brzmi, czym jest inteligentny robot? Odpowiadamy na to pytanie, najpierw odpowiadając, czym jest robot? a następnie wykorzystując perspektywę sztucznej inteligencji, aby odróżnić inteligentnego robota od nieinteligentnego robota. Niezależnie od tego, czy robot jest inteligentny, czy nie, ma pewne fizyczne przejawy, co prowadzi do dwóch innych pytań: Jakie są elementy robota? i jakie są rodzaje robotów? Uzupełniające pytanie: Czym jest inteligentny robot? jest kwestia motywacji: do czego służą inteligentne roboty? Spróbujemy uzasadnić dlaczego potrzebna jest inteligencja poprzez wprowadzenie siedmiu kluczowych obszarów sztucznej inteligencji i opisanie, w jaki sposób te obszary mogą przyczynić się do zwiększenia użyteczności robota w zastosowaniach.

    Definicja: co to jest inteligentny robot?

    W kulturze popularnej termin robot ogólnie kojarzy się z antropomorficznym (ludzkim) wyglądem urządzenia mechanicznego; rozważ "ramiona" robota do spawania. Tendencja do myślenia o robotach jako o wyglądzie podobnym do człowieka może wynikać z początków terminu "robot". Słowo "robot" weszło do popularnej świadomości 25 stycznia 1921 r. w Pradze z prawykonaniem sztuki Karela Capka R.U.R. (Rossum′s Universal Robots). W R.U.R. niewidzialny wynalazca, Rossum, stworzył rasę robotników zrobionych z kadzi z częściami biologicznymi, wystarczająco inteligentnych, by zastąpić człowieka w każdej pracy (a więc "uniwersalnej"). Capek nazwał robotników robotami, termin wywodzący się z czeskiego słowa "robota", które jest luźno tłumaczone jako robotnik. Termin "robotnicy" sugerował, że sztuczne stworzenia miały być wyłącznie sługami, aby uwolnić "prawdziwych" ludzi od wszelkiego rodzaju pracy, ale były zbyt niskie, by zasługiwały na szacunek. Takie podejście do robotów ma katastrofalne konsekwencje, a morał raczej socjalistycznej historii jest taki, że praca definiuje człowieka. Przejście od robotów jako podobnych do ludzi służących zbudowanych z części biologicznych na podobnych do ludzi służących złożonych z części mechanicznych było prawdopodobnie spowodowane fantastyką naukową. Trzy klasyczne filmy, Metropolis (1926), Dzień, w którym zatrzymała się Ziemia (1951) i Zakazana planeta (1956), utrwaliły założenie, że roboty mają pochodzenie mechaniczne, i ignorowały biologiczne pochodzenie w sztuce Capka. Tymczasem komputery stawały się powszechne w przemyśle i rachunkowości, zyskując reputację dosłownie myślących. Automatyka przemysłowa potwierdziła tę reputację, ponieważ zainstalowano ramiona robotów, które przechodzą przez ruchy składania części, nawet jeśli nie ma części. Ostatecznie termin robot przejął niuanse automatyzacji fabryki, bezmyślny i dobry tylko do dobrze zdefiniowanej, powtarzalnej pracy. Pojęcie robotów antropomorficznych, mechanicznych i dosłownych uzupełniało punkt widzenia wypracowany w wielu opowiadaniach z odwiecznej ulubionej kolekcji Izaaka Asimowa, "Ja, Robot." Wiele (ale nie wszystkie) z tych historii dotyczy albo "robopsychologa", Dr Susan Calvin lub dwaj niegdysiejsi rozwiązywacze problemów, Powell i Donovan, diagnozują roboty, które zachowywały się logicznie, ale robiły coś złego. Historie często obracają się wokół Trzech praw robotyki Asimova, które sprytnie wydają się rozsądne, ale stwarzają okazję do nieoczekiwanego zachowania z powodu ukrytych niespójności w przepisach. Trzy Prawa Robotyki Asimova są często cytowane jako formalny, kompleksowy model rzeczywistej, bezpiecznej pracy robota, gdy, jak wyszczególniono w nich, nie są one dobrymi prawami.

    BIOMIMETYCZNY

    Przejście od ludzkich stworzeń mechanicznych do jakiejkolwiek formy fizycznej, jaką wykona zadanie, opiera się na dobrych zasadach projektowania inżynierskiego. Chociaż roboty są mechaniczne, nie muszą być antropomorficzne ani nawet zwierzęce z wyglądu. Rozważ odkurzacze-roboty; wyglądają jak odkurzacze, a nie jak dozorcy czy Rosie, robotyczna pokojówka na Jetsonach. Robot HelpMate Robotics, Inc., który dostarcza szpitalne posiłki pacjentom, aby umożliwić pielęgniarkom spędzanie z nimi większej ilości czasu, wygląda jak wózek, a nie pielęgniarka. Nawet roboty oparte na zwierzętach, zwane robotami biomimetycznymi, mogą powielać zasady biologiczne, ale nie przypominają zwierzęcia. Na przykład sześcionożny robot RHex ma zakrzywione sprężyny nóg, które obracają się, ale niezwykłe nogi naśladują sprężystość nóg karalucha, podobnie jak zakrzywione ostrza używane przez biegaczy po amputacji, takich jak Oskar Pistorius, powielają sprężystość kolan człowieka. Fakt, że roboty wchodzą w interakcję ze światem fizycznym, niezależnie od kształtu, przyczynia się do praktycznej definicji inteligentnego robota. W sztucznej inteligencji agent to byt, "coś", który potrafi wyczuwać swoje otoczenie i podejmować działania zmieniające otoczenie. Zauważ, że agent znajduje się w zewnętrznym świecie, że agent jest interesujący, ponieważ wpływa na zmianę swojego otoczenia, a nie tylko obserwuje i modyfikuje tylko siebie wewnętrznie. Robocza definicja robota jako zdolnego do wprowadzania zmian w swoim otoczeniu jest sprzeczna z popularną prasą, która używa terminu "robot" jako synonim zdalnych możliwości. Na przykład czujnik połknięty przez osobę, który pasywnie zbiera pomiary podczas przechodzenia przez ciało, można nazwać robotem, mimo że nie ma żadnej akcji.

    SYTUACJA FIZYCZNA

    Robot to szczególny rodzaj agenta; jest fizycznie usytuowany w "świecie rzeczywistym", podczas gdy agent oprogramowania znajduje się w świecie wirtualnym zdefiniowanym przez sieć WWW, symulację lub ograniczenia systemu oprogramowania. Nie wszystkie roboty są fizycznie umiejscowionymi agentami; Roboty fabryczne, takie jak roboty spawalnicze, wykonują na ślepo zaprogramowane ruchy i tym samym nie spełniają kryterium wyczuwania otoczenia.

    INTELIGENTNY AGENT

    Jednak bycie fizycznie usytuowanym agentem nie wystarcza jako definicja inteligentnego robota. Termometr można uznać za fizycznie usytuowany środek; w końcu termometr wyczuwa temperaturę i działa poprzez obwód, modyfikując środowisko. Na szczęście sztuczna inteligencja dokonuje kolejnego rozróżnienia, określając inteligentnego agenta, a nie tylko agenta, jako system, który postrzega swoje otoczenie i podejmuje działania maksymalizujące jego szanse powodzenia. Wyrażenie "zmaksymalizuj swoje szanse na sukces" jest kluczem do przypisywania inteligencji urządzeniu lub programowi. Termometr nie maksymalizuje aktywnie swoich szans na sukces: albo działa, albo nie, dlatego nie jest uważany za inteligentny. W biologii sukces jest zwykle definiowany w kategoriach przetrwania i reprodukcji. Wydaje się, że karaluchy są w stanie przetrwać i rozmnażać się przy niewielkiej ilości tego, co uważa się za inteligencję. Ale bobry idą dalej w maksymalizacji szans na przetrwanie osobnika i gatunku: budują tamy, aby chwytać pożywienie i zapewniać ochronę. Bobry wykazują niezwykłe zdolności percepcyjne i optymalizacyjne w wyborze lokalizacji tamy oraz wyborze drzew do wycięcia i łatwego transportu na miejsce.

    INTELIGENTNY ROBOT

    Dlatego definicja, która zostanie użyta, brzmi: Inteligentny robot to fizycznie usytuowany inteligentny agent.




    SZTUCZNA INTELIGENCJA W ZARZĄDZANIU COVID-19

    Techniki sztucznej inteligencji były zaangażowane w różne obszary związane z pandemią koronawirusa, które obejmują:

    •  AI w systemach wczesnego wykrywania i ostrzegania
    •  AI w śledzeniu pacjentów wraz z prognozami
    •  AI w diagnostyce, leczeniu i leczeniu choroby
    •  Sztuczna inteligencja w uzyskiwaniu statusu i liczb związanych z chorobą za pomocą pulpitów nawigacyjnych
    •  Sztuczna inteligencja w bezpieczeństwie społecznym, nadzorze i prewencji

    AI w systemie wczesnego wykrywania i ostrzegania

    BlueDot: skupisko pacjentów z zapaleniem płuc pojawiło się na rynku rybnym w Wuhan w Chinach, jak zauważył BlueDot (system sztucznej inteligencji) 30 grudnia 2019 r. Po około 9 dniach stan został rozpoznany, a WHO ogłosiła ostrzeżenia. Atak został akredytowany jako COVID-19, a później został uznany przez WHO za wybuch pandemii, biorąc pod uwagę rozprzestrzenianie się i dotkliwość przypadków na całym świecie. BlueDot to organizacja założona w 2014 r. w Toronto w Kanadzie, która obejmuje panel wysoko wykwalifikowanych pracowników, takich jak lekarze, epidemiolodzy, weterynarze, twórcy oprogramowania i analitycy danych, a także naukowcy z różnych dziedzin . Personel wykorzystał przetwarzanie języka naturalnego jako narzędzie do generowania sztucznych odpowiedzi i dodatkowo zoptymalizował przetwarzanie Big Data w ograniczonym czasie. Ta technologia może pobierać informacje z różnych możliwych źródeł, takich jak media cyfrowe, globalne bilety lotnicze, dane demograficzne, raporty o stanie zdrowia zwierząt itp., i stosować je podczas przetwarzania.

    Działanie BlueDot: Posiada rozbudowane oprogramowanie, które umożliwia lokalizowanie, przewidywanie i śledzenie rozprzestrzeniania się wirusa. Silnik BlueDot gromadzi dane o ponad 150 chorobach i zespołach zarejestrowanych na całym świecie. Oprócz dostarczania oficjalnych danych może również wydobywać informacje o miliardach pasażerów podróżujących różnymi trasami; dane dotyczące populacji ludzi i zwierząt; oraz informacje od dziennikarzy, mediów i pracowników służby zdrowia. Przetwarza informacje poprzez ręczną klasyfikację danych i tworzy taksonomię do dalszej działalności edukacyjnej. Wprowadzając odpowiednie dane wejściowe, dostarcza przydatnych danych na określony temat lub sprawę, a także jest w stanie wytworzyć odpowiednie ślady dla potrzebnych dochodzeń. Może również prezentować najnowsze lub aktualne aktualizacje, aby ostrzec o kłopotliwych okolicznościach, szukając w ten sposób działań zapobiegawczych. W odniesieniu do ataku COVID-19 system BlueDot wykrył i słusznie oznaczył miasto Wuhan jako centrum epidemii wirusa. Przewidział nawet listę miejsc, takich jak Bangkok, Tokio, Phuket, Seul, Tajpej i Singapur, jako obszarów podatnych na rozwój infekcji. To nie pierwszy raz; zaangażowanie tej technologii było oczywiste; nawet w poprzednich latach podczas epidemii wirusa Zika było to w to zaangażowane.

    Chatbot: W ostatnim czasie WhatsApp stał się rutyną w życiu każdego człowieka, więc WHO wybrało WhatsApp i uruchomiło chatbota, który daje wcześniejsze informacje dotyczące COVID-19. W narzędziu często pojawiają się aktualizacje, które dostarcza najnowsze wiadomości w formie dźwiękowej lub tekstowej dotyczące COVID-19. Użytkownicy mają możliwość podzielenia się poglądami lub opiniami w dowolnym momencie na temat pandemii COVID-19. Takie podejście ułatwiło zachowanie przejrzystości wśród miliardów ludzi na całym świecie, aby mieć jednolitą i istotną informację o chorobie. Ten chatbot zawiera najbardziej zaawansowane informacje związane z objawami, środkami zapobiegawczymi oraz różnicą między objawami zwykłej grypy a COVID-19. Ponadto zapewnia aktualizacje na żywo dotyczące liczby osób cierpiących na koronawirusa, aby pomóc rządowi, pracownikom służby zdrowia, opiekunom i decydentom, co pomaga w skutecznym tworzeniu polityki.

    Aplikacja Aarogya Setu: Ministerstwo Elektroniki i IT rządu Indii opracowało aplikację, która ma na celu uświadomienie obywatelom sytuacji pandemicznej. Aplikacja zawiera czynniki ryzyka i kroki zapobiegawcze, aby uniknąć infekcji. Pomaga użytkownikom przejść samoocenę, aby poznać swój stan zdrowia. Ta aplikacja jest dostępna odpowiednio w Google Play i App Store na Androida i iOS.

    Jak działa aplikacja: Aarogya Setu wykorzystuje śledzenie przez Bluetooth, aby informować użytkownika o wystarczającej ilości informacji, na wszelki wypadek, jeśli zbliży się do kogoś, kto ma pozytywny wynik testu na COVID-19. Funkcje Bluetooth i lokalizacji na żywo umożliwiają śledzenie indywidualnej lokalizacji i generowanie wykresu społecznościowego, który pokazuje interakcję z kilkoma osobami. Po zakończeniu procesu instalacji użytkownik musi zezwolić swoim czujnikom Bluetooth i lokalizacji na aktywację i ustawić uprawnienia do ciągłego śledzenia. Aplikacja przeprowadza również ankietę dotyczącą COVID-19 i zadaje różne pytania związane z objawami osobistymi. Raport jest przekazywany rządowi w celu ich aktualizacji. Podczas zbierania danych aplikacja wykrywa również poruszającą się osobę zarażoną i natychmiast ostrzega użytkownika, aby się odizolował i był bezpieczny. Dane pozostają poufne z dostępem do rządu i samego użytkownika.

    ROLA AI W ŚLEDZENIU I PRZEWIDYWANIU COVID-19

    Okoliczności pandemii COVID-19 osiągnęły do tej pory poziom krytyczny, co wymaga pomocy intelektualnej, aby odpowiedzieć na tę sytuację. Po osiągnięciu etapów ostrzegawczych, różne narody we współpracy z WHO zdecydowały się wdrożyć różne strategie, dążąc do ratowania ich pozycji. Aby mieć kontrolę nad tymi środkami, naukowcy wykorzystali sztuczną inteligencję, która pomogła w wyraźnych odkryciach ścieżki wirusa. Kilka krajów na całym świecie wdrożyło je w odpowiedzi na katastrofalną pandemię.

    Uczenie maszynowe

    Uczenie maszynowe jest jedną z takich strategii, która wydobywa sztuczny intelekt do rozwiązania problemu. To uczenie maszynowe jest czymś związanym z danymi, które mogą być zbierane z różnych źródeł przy użyciu różnych środków. Jest rozszerzony na proces głębokiego uczenia się, w którym system może myśleć sam, pobierając dane z wielu sieci. Podstawowym celem uczenia maszynowego jest wykorzystanie danych do zidentyfikowania głównego źródła rozprzestrzeniania się i zerwania możliwych połączeń w celu zakończenia łańcucha. Proces ten obejmuje różne algorytmy, które reagują na podstawie wcześniejszych danych zapisanych w bibliotece.

    Technologia BlueDot

    Kanadyjski rząd jako najwcześniejszy krok wprowadził technologię Blue Dot, która jest podejściem do uczenia maszynowego, w którym rosnące symptomatyczne przypadki COVID-19 są porównywane z istniejącymi danymi, aby znaleźć względny wzorzec. Technologia ta wykorzystuje przeszłe rekordy danych i analizuje czynniki podobieństwa między nimi. Model ten pokazuje zakres rozwoju i obszary, które są bardziej dotknięte. Jako rozszerzenie można przeprowadzić kompleksową prekognicję w celu wizualizacji gorących punktów podatnych na koronawirusa, dzięki czemu można uzyskać znaczny poziom czujności.

    ANALIZA PRZESTRZENNA

    Pozyskując informacje geograficzne, można łatwo upolować wzorzec rozprzestrzeniania się wirusa. Ta analiza przestrzenna koncentruje się na ludziach ograniczonych do określonej lokalizacji. Wnioskowanie metody bayesowskiej ułatwia wyznaczenie współczynnika porażenia dotyczącego czasu i przestrzeni. Model Johna Hopkinsa to platforma, która na żywo prezentuje różne scenariusze epidemii w różnych krajach. Przetwarzanie w języku narodowym to narzędzie sztucznej inteligencji, które wykorzystuje różne języki do kodowania danych i przetwarzania ich w celu uzyskania w języku naturalnym. Konwertuje tekst do formatu strukturalnego w celu dalszej analizy i wyświetlania wyników. Zbieranie danych o podróżach to kolejne ważne narzędzie, które należy wziąć pod uwagę jako przyczynę rozprzestrzeniania się w wyniku migracji. Jest to idealny sposób na ustalenie możliwych przypadków i pomoc we wczesnym pomiarze ryzyka. Ten rodzaj analizy jest reprezentowany w postaci diagramu Sankeya zaprojektowanego przez WHO, który przedstawia przepływ łańcucha w wielowymiarowych wizjach na różnych etapach. W celu uzyskania lepszej wiedzy na temat wzorca rozprzestrzeniania się wirusa stosuje się analizę wykresów z wykorzystaniem danych historycznych, która rozpoznaje zasięg epidemii i zauważa, gdzie dzieje się więcej. Akademia kodowania w Singapurze opracowała mapę sieci, aby wyobrazić sobie wpływ epidemii w różnych częściach kraju. Na lotniskach podczas wyjazdów wdrażany jest system kontroli, gdzie wprowadzane są inteligentne czujniki. Czujniki te sprawdzają nietypowe warunki ciała, aby wykryć wszelkie pozytywne oznaki COVID-19.

    Enter Telco Analytics

    Zaangażowanie gadżetów elektronicznych to sprytny pomysł na indywidualne śledzenie. "Enter Telco Analytics" to nowatorska technologia, która może zbierać informacje o prawie wszystkich kategoriach osób. Każde urządzenie elektroniczne jest zaprogramowane do zapisywania kilku szczegółów użytkowników, które będą śledzone w celu monitorowania ruchu, działania i zachowań społecznych w celu sprawdzenia nieprawidłowości. Wykorzystuje różne gadżety elektroniczne, takie jak tablety, smartwatch, fit-band, smartfony i inne powszechnie dostępne urządzenia. Co więcej, jest oczywiste, że przeciętnie każdy człowiek tego świata nosi przy sobie co najmniej jedno urządzenie. Smartfon to eleganckie narzędzie, bo oprogramowanie wspiera lokalizowanie czujników i na szczęście znajduje się w niemal każdej kieszeni. To nie mniej niż biblioteka, która zawiera kilka informacji. Tak więc śledzenie czyjegoś smartfona może zliczać szczegóły jego nazwiska, lokalizacji, kontaktów i historii przeglądania, a nawet może oceniać zachowanie osoby. Istnieje proces zwany podsłuchiwaniem, który może śledzić prywatne informacje, takie jak historia przeglądania, czaty i połączenia od osoby w nagłych wypadkach. Zwykle reguluje to organ regulacyjny, znany jako ogólne rozporządzenie o ochronie danych, które obowiązuje w prawie wszystkich krajach

    Media społecznościowe

    Pojawienie się mediów społecznościowych, takich jak Facebook, YouTube, WhatsApp, Instagram i Twitter, może służyć komunikowaniu powagi okoliczności i wzbudzaniu świadomości wśród widzów. Wielu programistów opracowuje modne aplikacje do wykrywania wskazówek zainfekowanych osób. Aarogya Setu to jedna z takich popularnych aplikacji w Indiach, która rozpoznaje tę aktywność. Opracowuje się znacznie więcej takich aplikacji, aby zwiększyć dostępność potrzeb i usług dla społeczeństwa. Nadzór CCTV jest prawdopodobnie interesującym pomysłem na zbadanie sposobu transmisji. Dzięki niemu alarmy epidemiczne są monitorowane, a natychmiastowe działania zapobiegawcze mogą być skalowane. Ciągłe badanie danych medycznych może zobrazować przebieg prognoz epidemicznych. W przeciwieństwie do wyżej wymienionych autentycznych aplikacji, istnieje również kilka fałszywych twierdzeń o rozpowszechnianiu AI w mediach. Za pośrednictwem mediów społecznościowych ludzie publikują swoje opinie jako wnioski bez umieszczania odpowiednich dowodów, co wprowadza ludzi w błąd, a nawet wywołuje nadmierne podekscytowanie i panikę. Ostatnio w Internecie rozprzestrzeniła się propaganda, która twierdziła, że Microsoft opracował biochip do śledzenia korony, jak donosi Reuters. Pomimo wielu korzystnych aspektów, nadal wiele trzeba wnieść do wykorzystania sztucznej inteligencji do regulowania ciężkości stanu, zamiast narażania go na szwank.

    AI W DIAGNOZIE COVID-19

    Wykrycie COVID-19 jest najważniejszym krokiem do ograniczenia przenoszenia wirusa i uniknięcia jego progresji do kolejnych etapów transmisji. Głównym problemem tej choroby jest okres jej rozwoju, który trwa około 2-14 dni. Będąc niewykrytym przez tak długi czas, wirus stwarza większe ryzyko, przez co jest bardziej prawdopodobne, że przeniesie chorobę od jednego do zbyt wielu. Dlatego skuteczna diagnoza i izolacja są jedynymi kluczami do zachowania bezpieczeństwa i zapobiegania rozprzestrzenianiu się chorób. Testy można przede wszystkim podzielić na dwa typy, tj. wykrywanie obecności wirusa lub białek wirusowych w organizmie i poszukiwanie obecności przeciwciał w organizmie wytwarzanych w odpowiedzi na chorobę.

    Reakcja łańcuchowa polimerazy z odwrotną transkryptazą w czasie rzeczywistym (rrt-Pcr)

    Metoda łańcuchowej reakcji polimerazy z odwrotną transkryptazą w czasie rzeczywistym (rRT-PCR) jest stosowana do jakościowego wykrywania kwasu nukleinowego SARS-CoV-2 w próbkach podejrzanej populacji. Ten test można wykonać w dwóch różnych formatach, tj. formacie pojedynczego plex, w którym trzy testy są wykonywane oddzielnie, a drugi to format multi-tiplex obejmujący pojedynczą reakcję i konfigurację oprogramowania. Do amplifikacji wyników wykorzystuje się oprogramowanie QuantStudio-7, a obserwując aktywność fluorescencyjną (dzięki zastosowanym w teście barwnikom) w różnych cyklach reakcji polimerazy, obserwuje się zróżnicowanie między materiałami nukleinowymi gospodarza i wirusa. W tym samym teście algorytmy za pośrednictwem sztucznej inteligencji, takie jak rzadko przeskalowana regresja liniowa kwadratowa (SRLSR), redukcja atrybutów za pomocą wieloobiektowego optymalizatora zespołu dekompozycji (ARMED), selekcja cech ze wzmocnieniem gradientowym (GFS) i rekursywna eliminacja cech ( RFE) razem są stosowane w celu uzyskania szybszych wyników i lepszych potwierdzeń. Test ten był używany przede wszystkim w wykrywaniu infekcji u pacjentów, ale jest to proces czasochłonny. Tak więc, aby zaspokoić potrzeby szybkich raportów diagnostycznych, kilka firm rozpoczęło prace nad nowatorskimi metodami testowymi, z których kilka zostało tutaj pokrótce omówione.

    Test wykrywania przeciwciał

    Jest to test wykorzystujący przeciwciała do wykrywania obecności wirusa w organizmie. Po wejściu choroby do organizmu w ramach odpowiedzi immunologicznej organizm wytwarza przeciwciała przeciwko antygenom wirusa. Systemy oparte na sztucznej inteligencji pomagają w ustaleniu tożsamości przeciwciał, co pomaga śledzić wzory wirusa chorobotwórczego, a tym samym jego konformację.

    Amplifikacja izotermicznych kwasów nukleinowych

    Amerykańska Agencja ds. Żywności i Leków (FDA) zatwierdziła niedawno badanie amplifikacji izotermicznego kwasu nukleinowego, które jest podejściem opartym na sztucznej inteligencji. Jest preferowany zamiast PCR w celu uzyskania pozytywnych wyników w ciągu 5 minut, a negatywnych w ciągu 18 minut i może być dobrą alternatywą dla RT-PCR w celu zwiększenia wydajności testowania

    Analiza obrazowania CT

    W tej technice raporty z tomografii komputerowej klatki piersiowej pacjentów z zapaleniem płuc od sierpnia 2016 r. do lutego 2020 r. zostały zebrane i porównane z pacjentami z COVID-19 za pomocą oprogramowania U-net i COVnet, które skanowały każdy szczegół i dostarczały wnioskowania. Obrazy radiologiczne uzyskane podczas testu były dalej przetwarzane przez AI w celu oceny ilościowej. Przedstawione wyniki wykazują dokładność 98,2%, a swoistość 92,2%. Kilku badaczy zaleciło również użycie sztucznej inteligencji do odczytywania skanów CT pod kątem możliwego uszkodzenia płuc, ponieważ może to skrócić wymagany czas z dużą dokładnością. Zalecono jednak wykonanie testu RT-PCR później w celu ostatecznego potwierdzenia choroby.

    Detekcja za pomocą czujników smartfonów

    Współczesne smartfony są wyposażone w kilka czujników, takich jak czujnik zbliżeniowy, kamera, mikrofon, temperatura, odcisk palca, czujniki bezwładnościowe itp. do wykonywania różnych operacji. Dzięki wykorzystaniu tych funkcji w kilku zastosowaniach diagnostycznych, takich jak użycie mikrofonu do rejestrowania wzorca kaszlu, podobne parametry można zestawiać i wysyłać do wstępnie opracowanego, zainstalowanego algorytmu, który może wzmacniać i dostarczać sugestie dotyczące obecności lub braku infekcji. Ten rodzaj analizy jest preferowany do wstępnych badań w celu wykrycia śladów choroby i dalszego przetwarzania w celu potwierdzenia. W praktyce jednak są większe szanse na zakłócenia techniczne, a raporty mogą nie być jasne.

    AI W LECZENIU COVID-19

    Ponieważ liczba ofiar Corony z dnia na dzień osiąga ogromne rozmiary, obiecująca terapia jest teraz niezbędna, nie kosztując więcej życia. W prawie 150 krajach kilka firm walczy o to, aby dostarczyć to, co najlepsze. W tych trudnych czasach wykorzystanie sztucznej inteligencji wydaje się być drzwiami nadziei. Sztuczna inteligencja pośredniczy we wspomaganym komputerowo projektowaniu leków, które programuje strukturę leku i symuluje tysiące cząsteczek w krótkim czasie. Do walki z COVID-19 wymagane jest narzędzie do zwalczania wirusów. Opracowanie i wprowadzenie na rynek nowej szczepionki wydaje się zbyt trudnym zadaniem do natychmiastowego wykonania; w związku z tym podejmowane są próby spojrzenia wstecz na istniejące szczepionki lub środki przeciwwirusowe, tj. ich ponowne przeznaczenie, aby czerpać z tego korzyści. W tym celu przeanalizowano tło historyczne różnych chorób, aby rozpoznać patogen, który ma podobną historyczną zaraźliwość. Analizując różne odkrycia, zaobserwowano, że obecny szczep atakujący jest łagodnie neutralizowany przez leki hamujące malarię, takie jak hydroksychlorochina. Kiedy w badaniach klinicznych ten lek był skierowany przeciwko Coronie, odpowiedzi były skuteczne i wykazały znaczny wpływ na proces zdrowienia. Jednak powrót do zdrowia jest znacznie niższy u pacjentów w podeszłym wieku w porównaniu z młodszymi, co również można uznać za nieznaczne. Ostatnie badania potwierdziły, że środek przeciwwirusowy remdesivir przyniósł obiecujące rezultaty, gdy wypróbowano go na ofierze Corony. Lek Remdesivir został opracowany przez Gilead Sciences przy użyciu mechanizmu wspomaganego komputerowo w ramach sztucznej inteligencji. Rząd USA przeprowadził badania kliniczne tego leku na małpach zakażonych koroną. Podczas testów małpy podzielono na dwie grupy, z których jedna była odurzona, a inne nie. W porównaniu z etapami końcowymi wzorce oddychania obu grup były różne. Małpy, które zażywały lek, miały sprawniejszy wzorzec oddychania niż inne. Eksperyment wykazał, że środek przeciwwirusowy, remdesivir, do pewnego stopnia zniszczył wirusa. Jednak obecnie trwają badania nad tym lekiem u istniejących pacjentów, aby sprawdzić najbliższą możliwość i ustalić jego potencjał jako strategii leczenia COVID-19. Innym zachęcającym lekiem, który jest badany do walki z koronawirusem, jest gimsilumab, który jest sztucznie zsyntetyzowanym przeciwciałem monoklonalnym, które może pokonać wirusa poprzez immunoterapię. Firma farmaceutyczna Roivant Sciences po raz pierwszy przeprowadziła badania na ludziach, aby określić siłę działania gimsilumabu przeciwko koronawirusowi. Lek okazał się skuteczny podczas badań nieklinicznych, a obecnie przeszedł przez dwa etapy badań klinicznych. W celu zaspokojenia obaw dotyczących bezpieczeństwa i tolerancji lek przeszedł test 1. fazy. Ten lek ma na celu modulowanie warunków odpornościowych, które powodują destrukcyjny mechanizm wirusa

    AI W KONSERWACJI DOTYCZĄCYCH OBSZARÓW I DASHBOARD

    Gdy tempo rozprzestrzeniania się choroby jest szybkie, przepływ informacji musi być szybszy niż w innych przypadkach. Do dostarczania danych wykorzystywane są pulpity nawigacyjne, które dostarczają prawidłowych i istotnych informacji o wynikach koronawirusa z różnych części świata.

    Centrum nauki o systemach i inżynierii na Uniwersytecie Johnsa Hopkinsa (JHU CSSE)

    Dashboard JHU CSSE został opracowany przez Lauren Gardner (epidemiolog) i członków jej zespołu, który jest wiodącym dashboardem z blisko 140 milionami wyświetleń, a także platformą dla setek artykułów i mediów społecznościowych. Pulpit nawigacyjny JHU CSSE zapewnia interaktywną mapę, która stale lokalizuje przypadki potwierdzone przez COVID-19 na całym świecie, wraz z przypadkami zgonu i powrotu do zdrowia. Od czasu do czasu widzowie mogą mieć łatwy dostęp do zaktualizowanych danych. To oprogramowanie jest kontrolowane przez pięć różnych organów, aby pokazać zebrane dane:

    •  Światowa Organizacja Zdrowia
    •  Amerykańskie Centra Kontroli i Zapobiegania Chorobom
    •  Narodowa Komisja Zdrowia Chińskiej Republiki Ludowej
    •  Europejskie Centrum Zapobiegania i Kontroli Chorób
    •  Chińskie zasoby medyczne online

    Głównym ograniczeniem tego pulpitu nawigacyjnego jest to, że nie przechowuje on wizualizowanych danych z poprzednich dni. Panel przedstawia jedynie wykres osi czasu przedstawiający całkowitą liczbę potwierdzonych przypadków i przypadków odzyskanych, ale widzowie nie są w stanie pobrać i wyświetlić szczegółowych migawek mapy.

    Pulpit Światowej Organizacji Zdrowia (WHO)

    WHO, główny organ koordynujący i kierujący zdrowiem na całym świecie, wdrożył środki w celu zapewnienia ciągłego nadzoru w celu zwalczania COVID-19. 26 stycznia 2020 r. w Chinach przygotował pulpit ArcGIS dla COVID-19, który oznacza, mapuje i wyświetla całkowitą liczbę przypadków zakażonych koroną wraz ze zmarłą liczbą osób. Początkowo zaobserwowano niezwykłą różnicę między dwoma pulpitami nawigacyjnymi JSS CSSE i WHO, ponieważ oba skupiały się na różnych obszarach, w których WHO opierała się na przypadkach potwierdzonych laboratoryjnie, podczas gdy JHU CSSE twierdziło na podstawie diagnozy poprzez objawy i obrazowanie klatki piersiowej. Później oba te pulpity nawigacyjne zaczęły działać zsynchronizowane i pokazywać podobną liczbę przypadków. Panel WHO wyświetla krzywą, która przedstawia współczynnik infekcji od daty do daty. Dostarczona krzywa skumulowana i krzywa epidemii przekazują istotne informacje dotyczące postępu epidemii. Menu w prawym górnym rogu zawiera dodatkowe ważne szczegóły dotyczące COVID-19 oraz interaktywną mapę, która wyjaśnia kontekst COVID-19 w sytuacjach kryzysowych monitorowanych przez WHO. Pulpit nawigacyjny WHO jest aktualizowany wiele razy dziennie automatycznie za pomocą serwera ArcGIS GeoEvent.

    Aplikacja China Coronavirus Close Contact Detector: Gdy rząd wprowadził ograniczenie podróży i spotkań towarzyskich, więc w celu inicjowania i monitorowania działań na rzecz dystansu społecznego, rząd Chin współpracował z Narodową Komisją Zdrowia i China Electronic Technology Group Corporation i opracował aplikację zwany "detektorem bliskiego kontaktu". Ta aplikacja nadzoruje użytkownika, jeśli jakakolwiek zarażona osoba przechodzi z pobliskiego i ostrzega użytkownika, aby został ostrzeżony, jeśli osoba zarażona jest blisko niego. Ta aplikacja wykorzystuje dane od władz publicznych (dane z rezerwacji lotów, autobusów i pociągów) i może śledzić ruch osoby. Wykorzystując swoje dane, sprawdza, czy użytkownik ma bliski kontakt z jakąkolwiek potwierdzoną lub podejrzaną sprawą. Ta aplikacja informuje użytkownika na podstawie jego lokalizacji i ostatnich ruchów. Dostęp do tej aplikacji można łatwo uzyskać za pośrednictwem najpopularniejszych aplikacji mobilnych używanych w Chinach, takich jak Alipay, WeChat i QQ. W Kantonie (Chiny) wdrożony jest również dobrowolny system, który w przypadku zdiagnozowania u osoby pozytywnej na koronawirusa na etapach po testach, pozwala prześledzić jej rutynę transportową, aby powiadomić powiązanych pasażerów wsiadających do tego samego transportu publicznego z osoba zarażona. Od 17 lutego 2020 r. na każdej stacji w Kantonie wyświetlany jest kod QR, który pasażerowie muszą raz zeskanować po wejściu do pociągu. Następnie muszą wypełnić szybki formularz online, który pojawia się na ich telefonie komórkowym, który zawiera informacje takie jak numer identyfikacyjny, płeć, stacja początkowa i miejsce docelowe. Informacje te są przekazywane rządowi w trybie online, a jeśli ktoś potwierdzi pozytywne objawy koronawirusa po testach i ma historię podróży w tej aplikacji, współpasażerowie są ostrzegani i łatwo śledzeni.

    AI W ZAKRESIE BEZPIECZEŃSTWA SPOŁECZNEGO / NADZORU / ZAPOBIEGANIA COVID-19

    Ponieważ COVID-19 urósł do poziomu pandemii, zapotrzebowanie na drony i roboty gwałtownie wzrosło ze względu na potrzebę wdrożenia ścisłych środków dystansowania społecznego. Podobnie jak w przypadku chorób zakaźnych, wyzwaniem jest ograniczenie ludzi do spotkań towarzyskich; stąd monitorowanie odgrywa kluczową rolę, a drony doskonale nadają się do takiej roli. Drony stale monitorują osoby pod kątem noszenia masek lub unikania zgromadzeń publicznych, a nawet czynności dezynfekujących odbywających się w miejscach publicznych. Firma Micro Multi Copter z siedzibą w Shenzhen używała swoich dronów do przewożenia leków i materiałów do kwarantanny w całym mieście, a także do świadczenia usług opieki nad pacjentem bez angażowania pracowników służby zdrowia. Pomogło to pracownikom służby zdrowia zmniejszyć ryzyko rozprzestrzeniania się. Co więcej, mogą być również wykorzystywane do czynności związanych z czyszczeniem i sterylizacją na zakażonych oddziałach. W centrum gastronomicznym firma Pudu Technology zastosowała swoje roboty w 40 szpitalach do celów czyszczenia i sterylizacji. COVID-19 to SARS, który jest wysoce zaraźliwym wirusem, który wymaga ciągłego nadzoru w celu kontrolowania rozprzestrzeniania się. Głównym powodem, dla którego COVID-19 stał się globalnym zagrożeniem, jest ludzka migracja. Kanadyjski startup AI BlueDot (startup z Toronto) intensywnie wykorzystywał uczenie maszynowe i przetwarzanie języka naturalnego do rozpoznawania wirusa, śledzenia go i zgłaszania rozprzestrzeniania się COVID-19 znacznie szybciej niż WHO i amerykańskie Centrum Kontroli i Zapobiegania Chorobom. Dzięki zastosowaniu tej technologii można przewidzieć w przyszłości choroby odzwierzęce, biorąc pod uwagę zmiany klimatyczne i działalność człowieka jako zmienne. Ogier. AI, która jest kanadyjską firmą badawczo-rozwojową AI, połączyła swoje możliwości przetwarzania języka naturalnego z "wielojęzycznym wirtualnym agentem opieki zdrowotnej", który może odpowiadać na pytania związane z COVID-19, a także zapewniać wiarygodne informacje i jasne wytyczne . Może również zalecić środki ochrony, szukać objawów i monitorować je. Doradza osobom, czy muszą izolować się w domu, czy też szukać badań przesiewowych w szpitalu (Weblink7). Inne oprogramowanie oparte na sztucznej inteligencji, znane jako InferVISION, informuje, że pacjenci z objawami zapalenia płuc są podatni na COVID-19. System AI jest zasilany przez pakiety SDK Clara firmy NVIDIA, które są wykorzystywane w aplikacjach do obrazowania i genomiki oraz zoptymalizowane pod kątem opieki zdrowotnej. Naukowcy z National Tsing Hua University i naukowcy z Harvard University′s School of Public Health na Tajwanie współpracują z Facebookiem, aby śledzić historię podróży zarażonych osób. W celu podjęcia środków zapobiegawczych przeciwko COVID-19 niektóre firmy oferują bezpłatne sesje online i seminaria internetowe, podczas gdy inne promują podstawowe narzędzia (Weblink9). W Izraelu dwa szpitale poradziły sobie z zakażeniem COVID-19, zmniejszając narażenie pracowników służby zdrowia na zarażonych pacjentów. CLEW (firma zajmująca się analizą predykcyjną wykorzystującą sztuczną inteligencję) wykupiła rozwiązanie, tj. CLEW ICU (Tele-ICU), które było ćwiczone w Sheba Medical Center i Ichilov Hospital w Tel Aviv Sourasky Medical Center. Wykorzystał sztuczną inteligencję do analizy wymaganej rozbudowy pojemności oddziału intensywnej terapii (ICU), a także wykładniczo zasobów. Algorytmy zostały przeszkolone pod kątem zaawansowanej identyfikacji pogorszenia stanu oddechowego, przewidywania ciężkości choroby za pomocą zdalnego centrum dowodzenia. Te duże jednostki OIOM mogą wykorzystywać technologię telemedyczną do pomocy pacjentom z odległych obszarów za pomocą scentralizowanego polecenia. W ten sposób CLEW potwierdza, że jej modele uczenia maszynowego ułatwiają pracę na OIOM-ie, ogólne obciążenie pracą, a także zmniejszają narażenie świadczeniodawców na kontakt z zakażonymi pacjentami (Weblink10). Inteligentna dezynfekcja i tunel sanitarny: Zostały zaprojektowane w celu zapewnienia dezynfekcji i maksymalnej ochrony ludzi podczas przechodzenia przez tunel przez 15 sekund. Mogą one pomóc społeczności w walce z COVID-19. Jego prototyp został zainstalowany w indyjskim stanie Tamil Nadu na targu, na którym osoby przechodzące przez tunel spryskiwały 1 ppm roztworem podchlorynu sodu w celu ich odkażenia

    WNIOSEK

    Sztuczna inteligencja staje się ważnym narzędziem w sektorze opieki zdrowotnej i ma jeszcze wiele do zaoferowania w przyszłości. Wcześniejsze wysiłki w diagnostyce i leczeniu chorób nie okazały się zbyt przekonujące; jednak stopniowo sztuczna inteligencja zaczęła wywierać wpływ również w tych dziedzinach. Chociaż jego rola w obecnej pandemii COVID-19 jest również w powijakach, nadal wydaje się, że obiecuje być częścią ery, w której wszystkie sektory będą zasadniczo obejmowały jego zastosowania. Poważnym problemem związanym ze sztuczną inteligencją jest prywatność danych. Ramy opieki zdrowotnej wymagałyby kontynuowania nadzoru obywateli opartego na sztucznej inteligencji nawet po zakończeniu pandemii, a zatem troska o prywatność danych wydaje się uzasadniona. Dlatego kluczowe staje się, aby organy regulacyjne zachowywały najwyższą ostrożność w przetwarzaniu danych i zaprzestały ich niewłaściwego wykorzystywania.