برچسب: هوش مصنوعی

مهدی کراری در نشست خبری که ظهر امروز به مناسبت هفته دولت با حضور اهالی رسانه در سالن جلسات دانشگاه شهاب دانش برگزار شد ضمن عرض تسلیت به مناسبت ایام سوگواری محرم و گرامیداشت هفته دولت اظهار کرد: دانشگاه شهاب دانش قم در سال 1385 ابتدا با عنوان مؤسسه آموزش عالی فعالیت خود را آغاز کرد و از همان ابتدا با حضور اساتید شایسته شتاب خوبی در پیش گرفت.

وی اضافه کرد: مؤسسه آموزش عالی شهاب دانش در سال 1396 با جذب هیأت علمی کافی و ایجاد ساختار و فضای کافی به دانشگاه تبدیل شد.

رییس دانشگاه شهاب دانش قم با بیان اینکه در حال حاضر سه هزار و 300 دانشجو در حال تحصیل در این دانشگاه هستند افزود: اکنون 10 مقطع کاردانی پیوسته، 15 کاردانی به کارشناسی، 23 گرایش‌ و رشته‌های مختلف کارشناسی و … در این دانشگاه وجود دارد.

کراری اذعان کرد: اعتقاد استاندار قم برا این است که ارتباط دانشگاه‌ها و صنعت می‌تواند نتایج مطلوبی برای صنایع به همراه داشته باشد از این رو در راستای توسعه ارتباط دانشگاه شهاب دانش با بخش صنعت استان تلاش های متعددی انجام می‌دهد.

وی بیان کرد: گرچه از لحاظ مالی برای حمایت از پروژه‌های مختلف سختی‌هایی وجود دارد ولی تلاش‌ها بر این است که صنایع مورد نیاز استان حتماً مورد پیگیری قرار گیرد.

رییس دانشگاه شهاب دانش قم عنوان کرد: مدتی است که مرکز نوآوری دانشگاه شهاب دانش‌ راه‌اندازی شده است و فراخوان برای ارائه طرح‌های مختلف نیز ابلاغ شده است.

کراری از افتتاح طرح احداث مرکز نوآوری دانشگاه شهاب دانش در محل طبقه بالای سالن آمفی تئاتر این دانشگاه در آینده‌ای نزدیک خبر داد و گفت: احتمال دارد این طرح تا سال آینده به بهره‌برداری برسد.

وی تصریح کرد: تولیدات داخلی با همکاری مراکز نوآوری می‌توانند رشد بهتر و سریعتری در پیش گیرند.

رییس دانشگاه شهاب دانش قم با بیان اینکه فعالیت‌ها در رشته هوش مصنوعی در دانشگاه شهاب دانش بسیار با کیفیت، پیشرفته و به روز است ادامه داد: نخستین مدرک رشته دکترا با گرایش «هوش مصنوعی» در قم در دانشگاه شهاب دانش ارائه شد و تلاش بر این است که ادامه فعالیت‌ها در این عرصه نیازمحور پیش رود.

کراری اضافه کرد: سختی های بسیاری برای ارائه مدرک دکتری وجود دارد ولی خوشبختانه با پیگیری‌های مرتب و تلاش‌های پی‌درپی‌ این مسئله در دانشگاه شهاب دانش حاصل شد.

وی تشریح کرد: کرونا لطمه شدیدی به دانشگاه‌ها وارد کرد و دانشجویان را از شور و حال انداخت.

رییس دانشگاه شهاب دانش قم عنوان کرد: زمانی که اعلام شد به دلیل شیوع بیماری کرونا امکان برگزاری کلاس‌های دانشگاه به صورت حضوری وجود ندارد با سرعت سیستم کلاس مجازی در دانشگاه شهاب دانش راه اندازی شد.

کراری بیان کرد: عده زیادی گمان می‌کردند محدودیت‌های آموزشی که به دلیل شیوع کرونا اعمال شده است به زودی تمام می‎شود و کلاس‌ها به حالت عادی بر می‌گردد ولی تا کنون ادامه یافته است و مشخص نیست تا چه زمانی ادامه یابد.

وی ادامه داد: تفاوت دانشگاه‌های دولتی با دانشگاه‌های غیر دولتی مانند شهاب دانش این است که بخش زیادی از دانشجویان دانشگاه‌های دولتی غیربومی هستند و با مشکل خوابگاه مواجه هستند ولی اغلب دانشجویان دانشگاه شهاب دانش بومی هستند و از این رو با مشکلات کم‌تری در این زمینه دست و پنجه نرم می‌کنند.

رییس دانشگاه شهاب دانش قم با بیان اینکه امکان آموزش حضوری در دانشگاه در حال حاضر وجود ندارد افزود: با این وجود قرار بر این است که بعد از برگزاری سه جلسه آموزش مجازی یک جلسه حضوری برای مرور و رفع اشکال دانشجویان برگزار شود.

کراری از برگزاری کلاس‌های درس به صورت فشرده در ایام شیوع کرونا خبر داد و گفت: برخی رشته‌ها مثل معماری که نیاز به حضور بیشتر دارند اجازه حضور بیشتر اساتید و دانشجویان ضمن رعایت کامل پروتکل‌های بهداشتی صادر شده است.

وی در پاسخ به سؤال خبرنگاران مبنی بر واکنش دانشجویان نسبت به برگزاری کلاس‌های درس به صورت مجازی عنوان کرد: در ابتدای راه دانشجویان نسبت به برگزاری کلاس‌های مجازی گلایه‌مند بودند چون تمرکز کافی در این کلاس‌ها نداشتند ولی کم کم این نوع آموزش برای آنان نهادینه شد و مسائل مختلف رفع شد و چون دانشجویان ارتباط بیشتری با برگزاری این نوع کلاس‌ها برقرار کردند نظرات آنان نیز نسبت به برگزاری کلاس های مجازی تغییر مثبت یافت.

رییس دانشگاه شهاب دانش قم ضمن ابراز رضایت از کیفیت و نحوه برگزاری امتحانات مجازی دانشجویان دانشگاه شهاب دانش گفت: تلاش‌ها بر این است در ترم‌های آینده برگزاری امتحانات از کیفیت بیشتری برخوردار شوند.

کراری در ادامه در پاسخ به سؤال یکی دیگر از خبرنگاران حاضر در جلسه پیرامون راه حل مسؤولان دانشگاه برای رفع نیاز دانشجویان غیر بومی به خوابگاه بیان کرد: چون جمعیت دانشجویان خوابگاهی شهاب دانش خیلی کم است با خوابگاه دانشگاه مفید برای اسکان دانشجویان غیر بومی شهاب دانش قرارداد بسته شده است و هماهنگی‌های لازم در این راستا انجام شده است.

به گزارش ایسنا و به نقل از فوربز، از آنجا که تغییرات آب و هوا، پایایی و مسئولیت اجتماعی شرکتی از اهمیت ویژه‌ای برای افراد در سراسر جهان برخوردار هستند، متخصصان تجارت و ارتباطات باید توجه داشته باشند که چگونه فناوری‌های نوظهور مانند هوش مصنوعی برای حل مشکلات در دنیای واقعی مورد استفاده قرار می‌گیرند. شناخت زباله، زباله‌های فضایی و پایایی برخی از چالش‌هایی است که هوش مصنوعی امروزه می‌تواند در حل آن به انسان‌ها کمک کنند.

مدیریت پسماند

فیلم‌های بسیاری ساخته شده‌اند که در آن نشان داده‌اند زمین را زباله احاطه کرده است و مردم در مکان‌های آلوده و کثیفی زندگی می‌کنند که اطرافشان پر از زباله است و هیچ جای دیگری برای رفتن ندارند. خوشبختانه، با کمک شرکت‌هایی مانند “گری پاروت”(Greyparrot) پیش بینی می‌شود این مشکل در آینده تا حد زیادی حل خواهد شد.

این استارتاپ انگلیسی، یک مدل رایانه‌ای مبتنی بر یادگیری ماشینی ابداع کرده تا روش‌های مدیریت پسماند و تفکیک زباله را بهبود ببخشد. استارتاپ انگلیسی گری‌پاروت قصد دارد مدیریت پسماند را بهبود ببخشد. این شرکت، از بینش رایانه‌ای استفاده کرده تا مدیریت پسماند را به صورت کارآمدتر و در مراحل متفاوتی انجام دهد. گری‌پاروت، فناوری یادگیری ماشینی را با تصاویری از انواع متفاوت زباله به کار گرفته تا یک مدل رایانه‌ای را برای تشخیص شیشه، کاغذ، مقوا، روزنامه، قوطی‌ها و پلاستیک‌های گوناگون آموزش دهد.

این شرکت، از یک دوربین ساده استفاده می‌کند که با رایانه ادغام شده و می‌تواند نوع زباله را در کسری از ثانیه شناسایی کند. این نوع از فناوری می‌تواند در موارد گوناگونی به کار برود، اما به نظر می‌رسد نقش آن در کارخانه‌های مدیریت پسماند، بسیار امیدوارکننده است. کارخانه‌های مدیریت پسماند معمولا برای طبقه‌بندی زباله‌ها، ماشین‌های بسیاری را به کار می‌برند که زباله‌های کوچک و بزرگ، فلزات و زباله‌ها را از هم تفکیک می‌کنند؛ اما بسیاری از این ماشین‌ها در مراحل پایانی فرآیند تفکیک، به نیروی انسانی نیاز دارند.

از آنجا که با چنین روش‌هایی نمی‌توان زباله‌ها را با دقت صد در صد جدا کرد، انسان‌ها مجبور هستند که تا حد امکان به زباله‌ها نزدیک شوند. کارخانه‌های مدیریت پسماند معمولا برای انتقال زباله‌ها، لوله‌های بزرگی را به کار می‌برند؛ اما این لوله‌ها در بسیاری از موارد، از ایمنی کافی برخوردار نیستند. گری‌پاروت تلاش می‌کند با فناوری جدید خود، گامی در بهبود این فرآیند بردارد. این مدل مبتنی بر یادگیری ماشینی می‌تواند زباله‌ها را ارزیابی کند و اجسامی را که می‌توانند به بروز مشکل منجر شوند، تشخیص دهد. در کنار این مدل، از یک ربات نیز استفاده می‌شود تا زباله‌های غیر ایمن را به صورت خودکار تفکیک کند.

زباله‌های فضایی

زباله‌های فضایی برای بسیاری از دانشمندان یک نگرانی و مشکلی جدی محسوب می‌شوند. براساس گزارش آژانس فضایی اروپا، ۱۲۹ میلیون قطعه زباله فضایی در اطراف زمین وجود دارد.

زباله‌های فضایی(Space Debris) چیزهای گوناگون ساخت انسان هستند که در مدار زمین در حال گردشند، اما دیگر کارایی ندارند. زباله فضایی در واقع بقایای فعالیت بشر در فضا است، از قطعات سفینه‌ها گرفته تا قسمت‌هایی از سفینه که در مراحل مختلف مامورت فضایی از آن جدا می‌شوند یا هر چیز دیگری که در مدار زمین رها شده و دیگر کاربردی ندارد.

زباله‌های فضایی همچنین برای فضانوردان در حال گردش در مدار، شبکه ماهواره‌های ارتباطی و هواشناسی و ماموریت‌های فضایی آینده خطر و مشکل ایجاد می‌کنند و این جایی است که شرکت‌های هوش مصنوعی و فناوری برای مقابله با بزرگترین مشکل زباله فضایی گرد هم آمده‌اند.

برای این موضوع ناسا چالش”Deep Asteroid” را ایجاد کرد و از شرکت کنندگان خواست تا از فناوری یادگیری ماشینی برای کمک به انسان‌ها برای دچار نشدن به سرنوشت دایناسورها استفاده کنند. سیارک‌ها تنها اجرام نزدیک زمین نیستند که می‌توانند با زمین در تماس باشند. تقریباً ۱۰۰۰ دنباله دار و زباله فضایی وجود دارد که یک خطر واقعی برای زندگی در زمین محسوب می‌شوند. کشف زباله‌های فضایی یک موضوع و از بین بردن آنها موضوعی دیگر است. استارتاپ روسی موسوم به “استارت‌راکت”(StartRocket) برنامه‌ای برای از بین بردن زباله‌ها با استفاده از فوم دارد. این شرکت می خواهد ماهواره ای به نام “Foam Debris Catcher “را توسعه دهد و هنگامی که ماهواره به زباله‌های فضایی رسید از ابزار و یا به نوعی سلاح‌های فوم پلیمری خود برای جمع آوری یک تن زباله فضایی استفاده کند.

پسماند غذا

آمارها نشان می‌دهد بین یک‌دوم تا یک‌سوم تمام غذایی که در جهان تولید می‌شود، هدر می‌رود. حدود یک سوم(حدود ۱.۳ میلیارد تن) مواد غذایی هر ساله هدر می‌رود و دور ریخته می‌شود. یک شرکت به نام “Winnow Solutions” از فناوری هوش مصنوعی برای شناسایی و وزن کردن پسماندهای مواد غذایی در آشپزخانه های تجاری استفاده می کند. هوش مصنوعی این شرکت به طور خودکار یک دلار برای هر بشقاب حاوی پسماند غذایی که داخل سطل زباله هوشمند آن ریخته شود، اختصاص می‌دهد. هوش مصنوعی این شرکت می‌تواند بیش از ۸۰ درصد از مواقع پسماند غذایی را به درستی تشخیص دهد و همانطور که در حال به روز رسانی است در حال پیشرفته تر شدن نیز است.

کاهش میزان غذایی که به هدر می‌رود به‌ عنوان یکی از عناصر کلیدی در توسعه سیستم غذایی پایدار مطرح است. مطابق با گزارش‌های بین‌المللی، تقریباً یک‌سوم غذای تولید شده در سراسر جهان به هدر می‌رود. این امر در شرایطی رخ می‌دهد که بشر با کمبود منابع طبیعی مواجه بوده و بیش از دو میلیارد نفر در سراسر جهان نزدیک به فقر یا در فقر مطلق به سر می‌برند.

نشت آب

خبر بد این است که آب یک منبع محدود است اما خوشبختانه به نظر می‌رسد که قابلیت تجدیدپذیری نیز دارد. متأسفانه ، بیش از ۲۵ درصد آب به دلیل نشت از بین می‌رود و این موضوع در اکثر مواقع در ساختمان‌های تجاری رخ می‌دهد.

شرکت اطلاعات آب “وینت “(WINT) یک سیستم مبتنی بر هوش مصنوعی را برای کشف و متوقف کردن منبع نشتی آب توسعه داده است. شرکت وینت این کار را با استفاده از الگوی تطبیق برای تشخیص نشت آب انجام داده است. سیستم هوش مصنوعی این شرکت به طور مداوم برای شناسایی مناطقی که در آنها نشت آب رخ داده و آب در حال هدر رفتن است در حال به روز رسانی و پیشرفته تر شدن است. یک شرکت گزارش داده است که سیستم شرکت وینت میزان مصرف آب آن شرکت را تا حدود ۲۴ درصد کاهش داده است بنابراین این یک فناوری مناسب و مقرون به صرفه برای محیط زیست است. هوش مصنوعی می‌تواند به انسانها در حل ۴ مشکلی که در بالا ذکر کردیم کمک شایانی بکند و به بهترین نحو ممکن انسان‌ها را در حل این بحران‌ها و مدیریت آنها یاری کند.

انتهای پیام