هوش مصنوعی اشیا: تفاوت میان نسخهها
ایجاد یک مقاله نو از طریق ایجادگر برچسبها: متن دارای ویکیمتن نامتناظر ویرایشگر دیداری |
(بدون تفاوت)
|
نسخهٔ ۶ ژوئن ۲۰۲۳، ساعت ۱۶:۳۳
هوش مصنوعی اشیا (AIoT) ترکیبی از فناوریهای هوش مصنوعی (AI) با زیرساخت اینترنت اشیا (IoT) برای دستیابی به عملیات کارآمدتر اینترنت اشیا، بهبود تعاملات انسان و ماشین و بهبود مدیریت دادهها و تجزیه و تحلیل است.
در سال 2018، KPMG یک مطالعه آینده نگری در مورد آینده هوش مصنوعی شامل سناریوهای تا سال 2040 منتشر کرد [۱] تحلیلگران سناریویی را به تفصیل توصیف می کنند که در آن جامعه ای از چیزها می بینند که هر دستگاه حاوی هوش مصنوعی خود است که می تواند به طور مستقل به سایر هوش مصنوعی ها متصل شود تا با هم، وظایف را هوشمندانه انجام دهند. خلق ارزش با استفاده از هوش ازدحام در زمان واقعی کنترل و اجرا می شود. بسیاری از صنایع را می توان با استفاده از هوش ازدحام متحول کرد، از جمله: خودروسازی، ابری، پزشکی، نظامی، تحقیقاتی و فناوری.
در AIoT یک جنبه مهم این است که هوش مصنوعی روی برخی چیزها انجام می شود. در اصلی ترین شکل خود، این شامل انجام هوش مصنوعی بر روی دستگاه، یعنی در لبه یا Edge Computing ، بدون نیاز به اتصالات خارجی است. در AIoT نیازی به اینترنت نیست، این تکامل مفهوم IoT است و اینجاست که مقایسه به پایان می رسد.
قدرت ترکیبی هوش مصنوعی و اینترنت اشیاء، نوید قفل کردن ارزش های ناشناخته مشتری را در طیف گسترده ای از صنایع عمودی مانند تجزیه و تحلیل لبه، وسایل نقلیه خودران، تناسب اندام شخصی، مراقبت های بهداشتی از راه دور، کشاورزی دقیق، خرده فروشی هوشمند، تعمیر و نگهداری پیش بینی و اتوماسیون صنعتی می دهد. [۲]
هوش مصنوعی در وسایل پزشکی
همانطور که توسط قانون درمان قرن 21 در سال 2016 تعریف شده است، دستگاه پزشکی دستگاهی است که عملکردی را در مراقبت های بهداشتی انجام می دهد و قصد دارد از آن "در تشخیص بیماری یا سایر شرایط، یا در درمان، کاهش، درمان یا پیشگیری استفاده کند. بیماری، در انسان یا حیوانات دیگر، یا قصد دارد بر ساختار یا هر عملکرد بدن انسان یا سایر حیوانات تأثیر بگذارد.» [۳]
طبق قانون فدرال غذا، دارو و لوازم آرایشی، تمام سیستمهای هوش مصنوعی که در این تعریف قرار میگیرند توسط FDA تنظیم میشوند. دستگاه های پزشکی توسط FDA بر اساس موارد استفاده و خطراتشان به سه دسته طبقه بندی می شوند. هر چه ریسک بالاتر باشد، کنترل سختتر میشود. رده کلاس I شامل دستگاه هایی با کمترین خطر و کلاس III دارای بیشترین خطر است. [۴] دستگاههای پزشکی تأیید شده که از هوش مصنوعی یا یادگیری ماشینی (AI/ML) استفاده میکنند به طور پیوسته در حال افزایش است. تا سال 2020، سازمان غذا و داروی ایالات متحده (FDA) بسیاری از دستگاه های پزشکی را که از AI/ML استفاده می کردند، تأیید کرد. یک سال بعد، FDA یک چارچوب نظارتی برای ماشینهایی که از نرمافزار AI/ML استفاده میکنند، علاوه بر مقررات تجهیزات پزشکی اتحادیه اروپا، که جایگزین مقررات پزشکی اتحادیه اروپا شد، منتشر کرد. [۵] همانطور که تکنولوژی همچنان در حال پیشرفت است، روش کار و تشخیص رشته های پزشکی را به سرعت افزایش داده است. کاربردهای مختلف هوش مصنوعی می توانند بهره وری را بهبود بخشند و خطاهای پزشکی مانند تشخیص و انتخاب درمان و ایجاد پیش بینی خطر و طبقه بندی بیماری ها را کاهش دهند. [۶]
هوش مصنوعی همچنین با ارائه دادههای بیماران، سوابق الکترونیکی سلامت، برنامههای تلفن همراه و دسترسی آسان به دستگاهها و حسگرها برای بیماران خاصی که به چنین فناوریهایی نیاز دارند، به بیماران کمک میکند. نیاز به حفاظت از داده های بیماران بسیار زیاد است. استفاده از سوابق الکترونیکی برای پنهان کردن داده های بیمار با ادغام داده ها در مراقبت های بالینی به طور فزاینده ای دشوار می شود. دسترسی به دادههای بیماران ممکن است برای بیمار آسان باشد، اما در مورد حفاظت از دادهها نیز تردید ایجاد میکند.
فناوری و هوش مصنوعی با هم ترکیب شده اند تا فرصت هایی را برای مدیریت بهتر اطلاعات بهداشتی و یکپارچه سازی فناوری در صنعت پزشکی فراهم کنند. هوش مصنوعی برای تشخیص ناهنجاری ها و سوء ظن به داده های حساس که توسط شخص ثالث قابل دسترسی است پیاده سازی شده است. از سوی دیگر، بازنگری در مورد محرمانگی و سایر اصول اصلی اخلاق پزشکی به منظور پیادهسازی سیستمهای یادگیری عمیق ضروری خواهد بود، زیرا نمیتوانیم صرفاً بر فناوری تکیه کنیم. [۷]
هوش مصنوعی در Cloud Engineering
هنگام ادغام هوش مصنوعی در مهندسی ابر، می تواند به چندین زمینه حرفه ای در به حداکثر رساندن جمع آوری داده ها کمک کند. می تواند عملکرد و کارایی را از طریق مدیریت دیجیتال بهبود بخشد.
مهندسی ابر از روشهای مهندسی برای اعمال در رایانش ابری پیروی میکند و بر خدمات ابر تکنولوژیکی تمرکز دارد. [۸] در تصور، توسعه، بهره برداری و نگهداری سیستم های رایانش ابری، رویکردی سیستماتیک برای تجاری سازی، استانداردسازی و حاکمیت اتخاذ می کند. در میان جنبههای متنوع آن میتوان به مشارکتهای مهندسی توسعه، مهندسی نرمافزار، توسعه وب، مهندسی عملکرد، مهندسی امنیت، مهندسی پلت فرم، مهندسی ریسک و مهندسی کیفیت اشاره کرد. [۹]
پیاده سازی هوش مصنوعی در چارچوب فناوری اطلاعات برای ایجاد بار کاری روان و خودکارسازی فرآیندهای تکراری. [۱۰] با استفاده از این ابزار، سازمانها میتوانند دادهها را بهتر مدیریت کنند زیرا مقادیر بیشتری از دادههای جمعی را توسعه میدهند و فرآیندهای شناسایی، طبقهبندی و مدیریت دادهها را با گذشت زمان یکپارچه میکنند.
با هوش مصنوعی، میتواند کارایی را برای سازمانها به ارمغان بیاورد، روشهای استراتژیک را به ارمغان بیاورد و در زمان از کارهای تکراری صرفهجویی کند. با اجرای تحلیل، سازمان ها می توانند در زمان صرفه جویی کرده و کارآمدتر باشند.
منابع
- ↑ Rethinking the value chain. A study on AI, humanoids and robots - Artificial Intelligence: Possible business application and development scenarios to 2040 (Authors: Angelika Huber-Straßer, Marcus Schüller, Nils Müller, Heiko von der Gracht, Petra Lichtenau, Hannah M. Zühlke). KPMG, 2018, accessed 01 August 2021 via researchgate.
- ↑ Goja, Asheesh (22 March 2022). "The Architect's Guide to the AIoT". Cisco Tech Blog. Cisco. Retrieved 22 March 2022.
- ↑ Pesapane, Filippo; Volonté, Caterina; Codari, Marina; Sardanelli, Francesco (2018-10-01). "Artificial intelligence as a medical device in radiology: ethical and regulatory issues in Europe and the United States". Insights into Imaging (به انگلیسی). 9 (5): 745–753. doi:10.1007/s13244-018-0645-y. ISSN 1869-4101. PMC 6206380. PMID 30112675.
- ↑ Pesapane, Filippo; Volonté, Caterina; Codari, Marina; Sardanelli, Francesco (2018-10-01). "Artificial intelligence as a medical device in radiology: ethical and regulatory issues in Europe and the United States". Insights into Imaging (به انگلیسی). 9 (5): 745–753. doi:10.1007/s13244-018-0645-y. ISSN 1869-4101. PMC 6206380. PMID 30112675.
- ↑ "Medical device", Wikipedia (به انگلیسی), 2022-07-26, retrieved 2022-07-31
- ↑ He, Jianxing; Baxter, Sally L.; Xu, Jie; Xu, Jiming; Zhou, Xingtao; Zhang, Kang (January 2019). "The practical implementation of artificial intelligence technologies in medicine". Nature Medicine (به انگلیسی). 25 (1): 30–36. doi:10.1038/s41591-018-0307-0. ISSN 1546-170X. PMC 6995276. PMID 30617336.
- ↑ Pesapane, Filippo; Volonté, Caterina; Codari, Marina; Sardanelli, Francesco (2018-10-01). "Artificial intelligence as a medical device in radiology: ethical and regulatory issues in Europe and the United States". Insights into Imaging (به انگلیسی). 9 (5): 745–753. doi:10.1007/s13244-018-0645-y. ISSN 1869-4101. PMC 6206380. PMID 30112675.
- ↑ "Cloud engineering", Wikipedia (به انگلیسی), 2021-08-27, retrieved 2022-07-31
- ↑ "Cloud computing", Wikipedia (به انگلیسی), 2022-07-30, retrieved 2022-07-31
- ↑ "Artificial Intelligence in Cloud Computing". www.datacenters.com. Retrieved 2022-08-05.