هوش مصنوعی به دنبال حل پیچیده‌ترین معمای پزشکی است

مدیرعامل Arm Holdings، آینده هوش مصنوعی را فراتر از توسعه نرم‌افزار و ابزارهای دیجیتال می‌داند و معتقد است این فناوری می‌تواند در سال‌های آینده به حل برخی از پیچیده‌ترین مسائل علمی کمک کند. به گفته او، یکی از مهم‌ترین دستاوردهای احتمالی هوش مصنوعی، کمک به کشف…

5 دقیقه مطالعه
  • پشتیبانی شبکه
  • هوش مصنوعی
  • هوش
  • مصنوعی
  • Arm
  • تراشه
  • هاس
  • می‌تواند
هوش مصنوعی به دنبال حل پیچیده‌ترین معمای پزشکی است

خلاصه تحلیلی خبر

مدیرعامل Arm Holdings، آینده هوش مصنوعی را فراتر از توسعه نرم‌افزار و ابزارهای دیجیتال می‌داند و معتقد است این فناوری می‌تواند در سال‌های آینده به حل برخی از پیچیده‌ترین مسائل علمی کمک کند. به گفته او، یکی از مهم‌ترین دستاوردهای احتمالی هوش مصنوعی، کمک به کشف…

موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، هوش، مصنوعی، Arm، تراشه

مدیرعامل Arm Holdings، آینده هوش مصنوعی را فراتر از توسعه نرم‌افزار و ابزارهای دیجیتال می‌داند و معتقد است این فناوری می‌تواند در سال‌های آینده به حل برخی از پیچیده‌ترین مسائل علمی کمک کند. به گفته او، یکی از مهم‌ترین دستاوردهای احتمالی هوش مصنوعی، کمک به کشف درمان‌هایی برای سرطان است که با روش‌های متداول و توانایی‌های انسان به‌سادگی قابل دستیابی نیستند.

رنه هاس در مصاحبه‌ای با بی‌بی‌سی توضیح داد که بررسی رفتار سرطان در سطح سلولی و شناسایی ارتباط آن با نشانگرهای DNA به مجموعه‌ای از محاسبات بسیار پیچیده نیاز دارد. او معتقد است افزایش توان پردازشی رایانه‌ها و پیشرفت مدل‌های هوش مصنوعی در نهایت می‌تواند امکان حل چنین مسائلی را فراهم کند.

چرا هوش مصنوعی برای درمان سرطان اهمیت دارد؟

از دیدگاه مدیرعامل Arm، مشکل اصلی در تحقیقات پزشکی تنها قدرت محاسباتی نیست. داده‌هایی که برای آموزش مدل‌های هوش مصنوعی مورد استفاده قرار می‌گیرند نیز اهمیت بسیار زیادی دارند.

پروفسور کریس باکال، از مؤسسه تحقیقات سرطان لندن و مدیرعامل شرکت Sentinal4D، نیز بر همین موضوع تأکید کرده است. او معتقد است تمرکز آینده پزشکی نباید صرفاً روی ساخت رایانه‌های قدرتمندتر باشد، بلکه باید داده‌های دقیق و باکیفیتی تولید شود که مدل‌های هوش مصنوعی بتوانند بر اساس آن‌ها پیش‌بینی‌های قابل استفاده انجام دهند.

به گفته باکال، برخی آزمایشگاه‌های تحقیقاتی از اطلاعاتی استفاده می‌کنند که مستقیماً از نمونه‌های بیماران به دست آمده است. این داده‌ها برخلاف اطلاعات عمومی موجود در اینترنت، مستقیماً با هدف تحقیقات پزشکی جمع‌آوری می‌شوند و برای پردازش آن‌ها نیز لزوماً به ابررایانه‌های عظیم نیاز نیست.

از این منظر، هوش مصنوعی می‌تواند با پیش‌بینی واکنش‌های احتمالی بدن و شناسایی مسیرهای درمانی، زمان مورد نیاز برای توسعه داروها و روش‌های درمانی جدید را کاهش دهد.

ربات‌های انسان‌نما؛ مرحله بعدی توسعه هوش مصنوعی

هاس در بخش دیگری از صحبت‌های خود به آینده ربات‌های انسان‌نما پرداخت. او پیش‌بینی می‌کند طی سال‌های آینده، استفاده از این ربات‌ها در محیط‌های مختلف افزایش پیدا کند.

به گفته او، پردازنده‌های طراحی‌شده توسط Arm می‌توانند در ربات‌هایی به کار گرفته شوند که با استفاده از هوش مصنوعی قادر به مشاهده محیط، یادگیری و تغییر دستورالعمل‌های خود هستند.

کاربرد این ربات‌ها نیز تنها به کارخانه‌ها محدود نخواهد بود. از نظافت و خدمات هتل‌ها گرفته تا فعالیت‌های ساختمانی، تعمیرات و امور امنیتی، طیف گسترده‌ای از مشاغل می‌تواند در آینده تحت تأثیر این فناوری قرار گیرد.

برای مثال، یک ربات ممکن است در ابتدا برای مرتب کردن اتاق‌های هتل آموزش ببیند، اما پس از یادگیری بتواند وظایف دیگری مانند جمع‌آوری زباله یا چیدن حوله‌ها را نیز انجام دهد.

هاس درباره نگرانی‌ها نسبت به جایگزینی انسان با ماشین‌ها نیز معتقد است تغییرات قابل توجهی در بازار کار اتفاق خواهد افتاد، اما پیش‌بینی‌هایی که حذف گسترده مشاغل را قطعی می‌دانند، لزوماً با واقعیت آینده مطابقت ندارند. به گفته او، ظهور مشاغل جدید می‌تواند بخشی از فرصت‌های شغلی از دست‌رفته را جبران کند.

صنعت هوش مصنوعی با کمبود تراشه روبه‌رو است

رشد سریع هوش مصنوعی یک مشکل مهم دیگر نیز ایجاد کرده است: افزایش شدید تقاضا برای تراشه.

مدیرعامل Arm معتقد است کمبود تراشه در حال حاضر یکی از عواملی است که سرعت گسترش زیرساخت‌های هوش مصنوعی را محدود می‌کند. ساخت مدل‌های قدرتمند به مراکز داده عظیمی نیاز دارد و توسعه این مراکز نیز بدون دسترسی به تعداد کافی پردازنده و تراشه امکان‌پذیر نیست.

هاس به پروژه‌های ساخت مراکز داده با ظرفیت چند گیگاوات در کشورهایی مانند آمریکا و فرانسه اشاره کرد و حتی از ایده‌هایی برای ایجاد مراکز داده در فضا سخن گفت. با این حال، به اعتقاد او پیش از رسیدن به چنین پروژه‌هایی، صنعت نیمه‌هادی باید ظرفیت تولید خود را افزایش دهد.

Arm نیز در این میان در حال گسترش فعالیت‌های خود است. این شرکت که سال‌ها عمدتاً روی طراحی معماری پردازنده تمرکز داشت، اکنون وارد حوزه تولید و عرضه تراشه‌های اختصاصی نیز شده است.

تقاضای میلیارد دلاری برای تراشه Arm

متا از جمله شرکت‌هایی است که برای توسعه تراشه‌های اختصاصی خود با Arm همکاری کرده است. هاس اعلام کرده تقاضا برای تراشه Arm AGI از زمان معرفی آن در ماه مارس به بیش از ۲ میلیارد دلار رسیده است؛ رقمی که به گفته او بالاتر از انتظارات اولیه بوده است.

امروزه معماری‌های Arm در بخش بزرگی از دستگاه‌های الکترونیکی جهان حضور دارند؛ از تلفن‌های همراه و ساعت‌های هوشمند گرفته تا خودروها و تجهیزات مختلف.

هاس همچنین ادعا کرده است فناوری‌های کم‌مصرف Arm در حدود نیمی از مراکز داده هوش مصنوعی جهان مورد استفاده قرار گرفته‌اند؛ موضوعی که نشان می‌دهد افزایش سرمایه‌گذاری در هوش مصنوعی می‌تواند تأثیر مستقیمی بر کسب‌وکار این شرکت داشته باشد.

چرا Arm قصد ساخت کارخانه تراشه در بریتانیا ندارد؟

با وجود تلاش‌های دولت بریتانیا برای تقویت زنجیره تأمین نیمه‌هادی در داخل کشور، هاس معتقد است راه‌اندازی کارخانه‌های بزرگ تولید تراشه الزاماً بهترین گزینه برای بریتانیا نیست.

او به هزینه بسیار بالای ساخت چنین تأسیساتی، نیاز آن‌ها به نیروی انسانی متخصص و مصرف قابل توجه منابع اشاره کرده است. از نگاه مدیرعامل Arm، در حال حاضر شبکه‌ای گسترده از کارخانه‌ها و شرکت‌های فعال در صنعت تراشه در نقاط مختلف جهان وجود دارد و بریتانیا می‌تواند روی بخش‌های دیگری از این زنجیره تمرکز کند.

این دیدگاه در شرایطی مطرح می‌شود که Arm همچنان یکی از مهم‌ترین شرکت‌های فناوری بریتانیا محسوب می‌شود. این شرکت پس از خرید توسط SoftBank در سال ۲۰۱۶، سرانجام در بورس نزدک آمریکا عرضه شد؛ اتفاقی که در سال‌های اخیر با انتقاد برخی سیاستمداران بریتانیایی همراه بوده است.

با این حال، هاس تأکید می‌کند که ارتباط Arm با بریتانیا همچنان بسیار پررنگ است. حدود نیمی از کارکنان این شرکت در بریتانیا فعالیت می‌کنند و مقر اصلی آن در کمبریج قرار دارد؛ شهری که Arm یکی از بزرگ‌ترین کارفرمایان آن به شمار می‌رود.

در مجموع، اظهارات هاس تصویری از آینده‌ای ارائه می‌دهد که در آن هوش مصنوعی هم‌زمان در پزشکی، رباتیک و زیرساخت‌های محاسباتی نقش پررنگ‌تری خواهد داشت؛ هرچند تحقق این چشم‌انداز به پیشرفت توان پردازشی، دسترسی به داده‌های مناسب و افزایش ظرفیت تولید تراشه وابسته خواهد بود.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.