پژوهشگرانی که در حال توسعه الگوریتم ماشین های هوشمند آینده هستند

پشت هر خودروی خودران، ربات خودآموز و ساختمان هوشمند، الگوریتم‌ پیشرفته‌ای وجود دارد که نحوه‌ی تصمیم‌گیری و یادگیری این ماشین‌ها را کنترل می‌کند. برخی از مدل‌های ریاضیاتی که اساس این سیستم‌های خودکار محسوب می‌شوند، هم‌ اکنون در حال توسعه توسط پژوهشگران دانشگاه‌های اوپسالا و مؤسسه‌ی سلطنتی فناوری در سوئد هستند.

توماس شون، استاد سیستم‌های کنترل خودکار در دانشگاه اوپسالا، می‌گوید:

ما (اعضای گروه های پژوهشی) پیش از این با هم به‌خوبی آشنا بوده‌ایم و مقالات پژوهشی زیادی با هم نوشته‌ایم. اما امکان تشکیل چنین گروه پژوهشی در مؤسسه‌ی سلطنتی فناوری موضوع جالب‌ توجهی است. ما با هم می‌توانیم کارهای شگفت‌انگیزی انجام دهیم که برای یک فرد تقریبا غیر ممکن هستند.

این دو گروه پژوهشی، وظایف را با توجه به تخصص پژوهشگران بین هم تقسیم کرده‌اند.

توماس شون می‌گوید:

تمرکز مؤسسه‌ی سلطنتی فناوری در این پروژه، ساخت مدل‌های ریاضی سیستم‌های پویا است که می‌توانند شرایط عدم قطعیت را تشخیص دهند و با آن مقابله کنند. اما این مدل‌ها هنوز به‌طور کامل با دنیای واقعی هماهنگ نشده‌اند. ما هرگز نمی‌توانیم همه‌ی جنبه‌های ممکن را پوشش دهیم؛ اما می‌توانیم مدل‌های ریاضی را طراحی کنیم که به ماشین‌ها امکان تصمیم‌گیری‌های مستقل و قابل اطمینان می‌دهند.

 چالش ساخت الگوریتم‌ سیستم‌های پویا در ماهیت خود این سیستم‌ها (پویایی و تغییر با زمان) نهفته است؛ این سیستم‌ها همیشه در تغییرند. دوربین‌های ترافیکی، رادار و سنسورهای اینرسیایی، برخی از دستگاه‌هایی‌ هستند که این الگوریتم‌ها برای جمع‌آوری اطلاعات به آن‌ها نیاز دارند. اکنون سیستم‌های پویاتر دیگری همچون بدن انسان، به تمرکز اصلی پروژه‌ی شون و همکارانش بدل شده‌اند.

پژوهشگران پروژه‌ی NewLEADS می‌خواهند تمرکز بیشتری بر زمینه‌های پزشکی همچون تشخیص خودکار بیماری‌ها بگذارند

توماس شون می‌گوید:

ما تمرکز بیشتری روی زمینه‌های پزشکی خواهیم گذاشت؛ به‌ویژه تشخیص خودکار بیماری‌ها.

به گفته‎ توماس شون، عدم قطعیت ذاتی مدل‌های ریاضی هیچ تفاوتی با عدم قطعیتی که در همه جا می‌بینیم، ندارند. پزشکان نمی‌توانند همه اطلاعات پزشکی جدید را دریافت و تجزیه تحلیل کنند. تشخیص خودکار می‌تواند روشی برای پاسخ به این پرسش‌های جدید باشد. علاوه بر این، یک راهکار مبتنی بر یادگیری ماشینی می‌تواند باعث پیش‌بینی شرایط عدم قطعیت شود. موردی که به نظر توماس شون، همچنین می‌تواند اطلاعات مهمی را قبل از تصمیم پایانی در اختیار پزشکان قرار دهد.

او می‌گوید:

تمام اطلاعات و نتایج در یک پایگاه داده بزرگ جمع‌آوری می‌شود و همه از آن بهره می‌برند. این می‌تواند همزمان یک چالش و فرصت بزرگ باشد.

به گفته توماس شون، تمرکز پروژه‌ی NewLEADS عمدتا تحقیقات اولیه است. در عین حال، این گروه‌های پژوهشی ارتباط خود که با زمینه‌های کاربردی‌تر را هم بهبود می‌بخشند. گروه تحقیقاتی اوپسالا از پژوهشگران برجسته‌ای همچون فردریک لینستن، پیتر استاییکا و دیو زاکاریا با تخصص‌های سیستم‌های کنترل مستقل، پردازش سیگنال‌ها و یادگیری ماشینی تشکیل شده است. پژوهشگران مؤسسه‌ی سلطنتی فناوری هم سابقه‌ی کاری مشابه اما متفاوتی دارند. هاکان هیلارسون، استاد سیستم‌های کنترل مستقل در مؤسسه‌ی سلطنتی فناوری، توضیح می‌دهد تمرکز برخی پژوهشگران روی مدل‌سازی سیستم‌های خاصی است تا حداکثر اطلاعات ممکن را جمع‌آوری کنند.

هاکان هیلارسون گفت:

امیدوارم که دانشگاه اوپسالا و مؤسسه‌ی سلطنتی فناوری قادر به ساخت پایگاه داده‌های خوبی باشند که بتواند به‌سادگی در زمینه‌های کاربردی مختلف سیستم‌های پویا همچون کنترل هوشمند سیستم‌های تهویه ساختمان‌ها و وسایل نقلیه‌ی خودران پیاده‌سازی شود.