| تاریخ ارسال: 1401/4/25 |
به گزارش روابط عمومی مؤسسه مطالعات فرهنگی و اجتماعی نشست تخصصی «آینده اندیشی، فرهنگ، آموزش و هوش مصنوعی» سه شنبه ۲۱ تیرماه با حضور جمعی از اساتید این حوزه در محل مؤسسه مطالعات فرهنگی و اجتماعی برگزار شد.
دکتر هستی صمدی عضو هیئت علمی دانشگاه ملبورن با موضوع «نقش یادگیری ماشین در تغییر روند دانشگاه‌ها و آموزش عالی» سخن گفت. او در در این باره افزود: در این بحث این سوال مطرح می‌شود که یادگیری ماشین چیست؟ یکی از ترمها‌یی است که بسیار از آن استفاده می‌شود همین یادگیری ماشین است. شما وقتی به بچه انسان می‌خواهید چیزی یاد بدهید از طریق تکرار این کار را می‌کنید.
او با اشاره به تاریخچه داده‌ها برای یادگیری ماشین افزود: بر اساس تاریخچه داده‌ها می‌توانیم فرایند یادگیری ماشین را طراحی کنیم.
او در ادامه به ذکر مثال‌هایی درباره امتحان پرداخت و گفت: شخصی سازی محتوا، یکپارچه سازی محتوا، گپ بین محتوای دانشگاهی و صنعت، طراحی سوالات امتحانی و ... از جمله مواردی است که می‌توان آن را از یادگیری ماشین استفاده کرد.
او درباره شخصی سازی یادگیری هم توضیح داد: در آموزش سنتی شخصی سازی محتوا و یادگیری صورت نمی‌گرفت اما به واسطه استفاده از هوش مصنوعی امکان شخصی سازی یادگیری وجود دارد. این شخصی سازی امروزه سطوح مختلفی دارد و برای افراد قابل استفاده است. این شخصی سازی برای دانشجویان ما مفید است و می‌تواند حتی برای کسانی که مشکلات شنوایی، دیداری و ... کارامد باشد و متناسب با توانایی‌های افراد آموزش را عادلانه تر می‌کند.
آبتین حیدرزاده در ادامه نشست با اشاره به نقش هوش مصنوعی در آینده آموزش پزشکی گفت: وزارت بهداشت رسالتش این است که درمان را برای همه افراد در همه کشور فراهم کند و از سوی دیگر با به روزترین ابزار خدمت رسانی کند به همین دلیل هوش مصنوعی جایگاه مهمی دارد.
او ادامه داد: وقتی به سامانه هوش مصنوعی رجوع کنیم می‌بینیم خیلی هم جوان نیست و عمری ۴۰ ساله دارد. از سال ۱۹۸۵ تحولات بسیاری در هوش مصنوعی در حوزه خدمات رخ داده است و به طور مثال طی سالهای اخیر حوزه مهندسی دانش و یادگیری ماشین در حوزه پزشکی پرکاربرد بوده است.
به گفته حیدرزاده، از سوی دیگر امکان استفاده از هوش مصنوعی برای پژوهش در این حوزه پزشکی وجود داشته است. طی سالهای اخیر پردازش تصاویر پزشکی و ژنتیکی از جمله کمک‌های هوش مصنوعی به پزشکی بوده است.
او یادآور شد: بنابراین هوش مصنوعی گذشته درخشانی در حوزه پزشکی دارد و امروز هم در کشور ما استفاده‌های زیادی از هوش مصنوعی می‌شود. به طور مثال در کرونا با استفاده از سامانه‌های هوش مصنوعی امکان بارگذاری تصاویر و تشخیص کرونا به وجود آمده بود.
حیدرزاده با بیان اینکه هوش مصنوعی در مدلینگ بیماری‌ها هم استفاده می‌شود عنوان کرد: هوش مصنوعی در آموزش پزشکی هم بسیار کاربرد دارد. ما در کشور ترمینولوژی پزشکی پیشگویی کننده داریم. شخصی سازی سلامت در این حوزه کمک بسیاری می‌کند. وقتی نقاط ضعف و توانایی‌های فرد را بتوانیم با هوش مصنوعی استخراج کنیم می‌توانیم به او کمک بیشتری کنیم.
او ادامه داد: هوش مصنوعی می‌تواند مانند یک پزشک با بیمار ارتباط پیدا کند و این در آینده محقق می‌شود.
این استاد دانشگاه با طرح این سوال که چه راه‌هایی برای خدمات هوش مصنوعی هست؟ گفت: کارهای پزشکی ما الان دقیق نیست و بسیاری از مرگ و میر به دلیل نادقیق بودن رخ می‌دهد و هوش مصنوعی با دقت در تشخیص و درمان می‌تواند دقت کار را بالا ببرد.
از سوی دیگر مداخله انسان در پزشکی را تسهیل می‌کند. در جراحی ظریف مغز می‌توان از هوش مصنوعی استفاده کرد. برای آموزش نیز می‌توان از هوش مصنوعی استفاده کرد.
حیدرزاده گفت: از سوی دیگر ما سبد پولمان برای درمان کافی نیست و با کمک هوش مصنوعی می‌توان اولویت بندی کرد که پولها کجا خرج شود و عدالت در عرصه پزشکی برقرار شود.
مهدی آقاباقری عضو هیئت علمی‌دانشگاه علوم پزشکی یزد نیز در این باره طی سخنانی گفت: در حوزه آموزش پزشکی هوش مصنوعی کمک کننده است. هوش مصنوعی در ایران می‌تواند پرتکل‌ها را برای دانشجویان پیاده کند. امروز در وزارت بهداشت در پزشکی عمومی طرحی را اجرا کردیم که در آن برای دستیاری پزشکی از هوش مصنوعی کمک گرفتیم.
او افزود: استفاده از هوش مصنوعی باعث می‌شود به تفاوت‌های فردی در آموزش اهمیت دهیم و عدالت هم برقرار شود. همچنین در وزارت بهداشت در پزشکی عمومی اعتبار بخشی به هوش مصنوعی اختصاص یافته است.
امیر مختاری عضو کارگروه فناوری اطلاعات معاونت آموزشی وزارت بهداشت نیز در ادامه این نشست توضیحاتی را درباره هوش مصنوعی در آموزش پزشکی ارائه کرد و گفت: ما داده‌هایی از قبل در سیستم‌های وزارت بهداشت داشتیم و باید آن‌ها را پالایش می‌کردیم بنابراین با سامانه‌هایی مواجه شدیم که داده‌های غیر قابل اعتمادی داشتند که نمی‌توانستیم ترکیبی از هوش و آموزش را استخراج کنیم . بنابراین کارگروهی تشکیل دادیم تا داده‌های قابل اعتماد را وارد و بعد از هوش مصنوعی استفاده کنیم.
او گفت: ما مدل مفهومی ترسیم کردیم که در آن وزارت بهداشت را در چند حوزه تقسیم کردیم از جمله بحث آموزشی. در تشکیل پروژه چالش‌هایی داشتیم و بحث بازبینی و هم نوسازی را انجام دادیم. ما تلاش کردیم که ببینیم هر بخش از وزارت بهداشت در کدام قسمت هوش مصنوعی قرار می‌گیرد و بر اساس آن بعدها می‌خواهیم متاورس را با هوش مصنوعی پیوند بزنیم.
مختاری در پایان عنوان کرد: در معاونت آموزشی یک دیکشنری یکپارچه وجود نداشت و تلاش می‌کنیم یک سامانه یکپارچه در داده‌های آموزشی داشته باشیم و به عبارتی داشبرد آموزشی و مدیریتی داشته باشیم.
محمد حسینی مقدم عضو هیئت علمی موسسه مطالعات فرهنگی و اجتماعی سخنران پایانی این کارگروه بود. او گفت: ما در موسسه مطالعات فرهنگی و اجتماعی تلاش کردیم طی یک برنامه ۵ ساله روی دانش کاربست هوش مصنوعی در دانشگاه متمرکز شویم چون نهاد علم در ایران همچون سایر نهادها متاثیر از فناوری باشد.
او ادامه داد: من مفروضاتی دارم. برخی از متفکران در حوزه جامعه شناسی مانند مارکس هستند که نظراتشان متاتئوری است. تئودور کاجسکی یکی از کسانی است که در حوزه هوش مصنوعی برجسته است. افرادی مانند کسینجر سیاست گذار بزرگ است و هنری اشمیت یک تکنولوژیست بزرگ. اشمیت به کسینجر گفت که در حوزه هوش مصنوعی چه تحولاتی در حال رخ دادن است.
این استاد دانشگاه گفت: من سال گذشته روی آموزش و امسال روی عرصه علم در حوزه هوش مصنوعی متمرکز شدم. قانون مور، کرایدرز و کوپر سه قانون شگرفی ساز در حوزه هوش مصنوعی است که باید آن را بفهمیم. بحث الگورتیم هم در هوش مصنوعی بسیار مهم است.
حسینی مقدم با بیان اینکه ما در علم سرمایه انسانی، ملی، روش، ابزار، ارزیابی محتواهای پژوهشی و ... داریم عنوان کرد: افزایش حجم داده‌ها، بیگ داده‌ها، مدل سازی از داده‌های غیرمعمول، عدم محدودیت در زمان و مکان، مدل سازی از روی قاعده تصادف در علم، آزمون مستمر فرضیات، مدیریت داده، شفافیت پذیری در فرایندهای علمی، و ... از جمله مواردی است که هوش مصنوعی در آن تاثیرگذار است.
او با اشاره به حکمرانی بنگاه‌ها در علم گفت: امروز بنگاه‌های بزرگ در هوش مصنوعی حرف اول را می‌زند و شرکت‌های بزرگ به نرم افزارها، سخت افزارها، داده‌ها، و ... بسیار خاص تر و انحصاری تر دسترسی دارند . انحصار این شرکت‌ها به گونه ای است که بسیاری از اساتید این حوزه دانشگاه را رها کرده و جذب این شرکت‌ها می‌شوند.
او در پایان گفت: تعاملات بین المللی با شرکت‌ها بزرگ خارجی، تربیت نیروی متخصص، داده مداری و ... از جمله مواردی است که ایران باید برای پیشرفت در هوش مصنوعی از آن بهره بگیرد.
به منظور دریافت اطلاعات تکمیلی شامل چکیده سخنرانی ها و اسلایدهای ارایه شده در این نشست به نشانی زیر مراجعه کنید:
https://b۲n.ir/iscs-AI
دکتر هستی صمدی عضو هیئت علمی دانشگاه ملبورن با موضوع «نقش یادگیری ماشین در تغییر روند دانشگاه‌ها و آموزش عالی» سخن گفت. او در در این باره افزود: در این بحث این سوال مطرح می‌شود که یادگیری ماشین چیست؟ یکی از ترمها‌یی است که بسیار از آن استفاده می‌شود همین یادگیری ماشین است. شما وقتی به بچه انسان می‌خواهید چیزی یاد بدهید از طریق تکرار این کار را می‌کنید.
او با اشاره به تاریخچه داده‌ها برای یادگیری ماشین افزود: بر اساس تاریخچه داده‌ها می‌توانیم فرایند یادگیری ماشین را طراحی کنیم.
او در ادامه به ذکر مثال‌هایی درباره امتحان پرداخت و گفت: شخصی سازی محتوا، یکپارچه سازی محتوا، گپ بین محتوای دانشگاهی و صنعت، طراحی سوالات امتحانی و ... از جمله مواردی است که می‌توان آن را از یادگیری ماشین استفاده کرد.
او درباره شخصی سازی یادگیری هم توضیح داد: در آموزش سنتی شخصی سازی محتوا و یادگیری صورت نمی‌گرفت اما به واسطه استفاده از هوش مصنوعی امکان شخصی سازی یادگیری وجود دارد. این شخصی سازی امروزه سطوح مختلفی دارد و برای افراد قابل استفاده است. این شخصی سازی برای دانشجویان ما مفید است و می‌تواند حتی برای کسانی که مشکلات شنوایی، دیداری و ... کارامد باشد و متناسب با توانایی‌های افراد آموزش را عادلانه تر می‌کند.
آبتین حیدرزاده در ادامه نشست با اشاره به نقش هوش مصنوعی در آینده آموزش پزشکی گفت: وزارت بهداشت رسالتش این است که درمان را برای همه افراد در همه کشور فراهم کند و از سوی دیگر با به روزترین ابزار خدمت رسانی کند به همین دلیل هوش مصنوعی جایگاه مهمی دارد.
او ادامه داد: وقتی به سامانه هوش مصنوعی رجوع کنیم می‌بینیم خیلی هم جوان نیست و عمری ۴۰ ساله دارد. از سال ۱۹۸۵ تحولات بسیاری در هوش مصنوعی در حوزه خدمات رخ داده است و به طور مثال طی سالهای اخیر حوزه مهندسی دانش و یادگیری ماشین در حوزه پزشکی پرکاربرد بوده است.
به گفته حیدرزاده، از سوی دیگر امکان استفاده از هوش مصنوعی برای پژوهش در این حوزه پزشکی وجود داشته است. طی سالهای اخیر پردازش تصاویر پزشکی و ژنتیکی از جمله کمک‌های هوش مصنوعی به پزشکی بوده است.
او یادآور شد: بنابراین هوش مصنوعی گذشته درخشانی در حوزه پزشکی دارد و امروز هم در کشور ما استفاده‌های زیادی از هوش مصنوعی می‌شود. به طور مثال در کرونا با استفاده از سامانه‌های هوش مصنوعی امکان بارگذاری تصاویر و تشخیص کرونا به وجود آمده بود.
حیدرزاده با بیان اینکه هوش مصنوعی در مدلینگ بیماری‌ها هم استفاده می‌شود عنوان کرد: هوش مصنوعی در آموزش پزشکی هم بسیار کاربرد دارد. ما در کشور ترمینولوژی پزشکی پیشگویی کننده داریم. شخصی سازی سلامت در این حوزه کمک بسیاری می‌کند. وقتی نقاط ضعف و توانایی‌های فرد را بتوانیم با هوش مصنوعی استخراج کنیم می‌توانیم به او کمک بیشتری کنیم.
او ادامه داد: هوش مصنوعی می‌تواند مانند یک پزشک با بیمار ارتباط پیدا کند و این در آینده محقق می‌شود.
این استاد دانشگاه با طرح این سوال که چه راه‌هایی برای خدمات هوش مصنوعی هست؟ گفت: کارهای پزشکی ما الان دقیق نیست و بسیاری از مرگ و میر به دلیل نادقیق بودن رخ می‌دهد و هوش مصنوعی با دقت در تشخیص و درمان می‌تواند دقت کار را بالا ببرد.
از سوی دیگر مداخله انسان در پزشکی را تسهیل می‌کند. در جراحی ظریف مغز می‌توان از هوش مصنوعی استفاده کرد. برای آموزش نیز می‌توان از هوش مصنوعی استفاده کرد.
حیدرزاده گفت: از سوی دیگر ما سبد پولمان برای درمان کافی نیست و با کمک هوش مصنوعی می‌توان اولویت بندی کرد که پولها کجا خرج شود و عدالت در عرصه پزشکی برقرار شود.
مهدی آقاباقری عضو هیئت علمی‌دانشگاه علوم پزشکی یزد نیز در این باره طی سخنانی گفت: در حوزه آموزش پزشکی هوش مصنوعی کمک کننده است. هوش مصنوعی در ایران می‌تواند پرتکل‌ها را برای دانشجویان پیاده کند. امروز در وزارت بهداشت در پزشکی عمومی طرحی را اجرا کردیم که در آن برای دستیاری پزشکی از هوش مصنوعی کمک گرفتیم.
او افزود: استفاده از هوش مصنوعی باعث می‌شود به تفاوت‌های فردی در آموزش اهمیت دهیم و عدالت هم برقرار شود. همچنین در وزارت بهداشت در پزشکی عمومی اعتبار بخشی به هوش مصنوعی اختصاص یافته است.
امیر مختاری عضو کارگروه فناوری اطلاعات معاونت آموزشی وزارت بهداشت نیز در ادامه این نشست توضیحاتی را درباره هوش مصنوعی در آموزش پزشکی ارائه کرد و گفت: ما داده‌هایی از قبل در سیستم‌های وزارت بهداشت داشتیم و باید آن‌ها را پالایش می‌کردیم بنابراین با سامانه‌هایی مواجه شدیم که داده‌های غیر قابل اعتمادی داشتند که نمی‌توانستیم ترکیبی از هوش و آموزش را استخراج کنیم . بنابراین کارگروهی تشکیل دادیم تا داده‌های قابل اعتماد را وارد و بعد از هوش مصنوعی استفاده کنیم.
او گفت: ما مدل مفهومی ترسیم کردیم که در آن وزارت بهداشت را در چند حوزه تقسیم کردیم از جمله بحث آموزشی. در تشکیل پروژه چالش‌هایی داشتیم و بحث بازبینی و هم نوسازی را انجام دادیم. ما تلاش کردیم که ببینیم هر بخش از وزارت بهداشت در کدام قسمت هوش مصنوعی قرار می‌گیرد و بر اساس آن بعدها می‌خواهیم متاورس را با هوش مصنوعی پیوند بزنیم.
مختاری در پایان عنوان کرد: در معاونت آموزشی یک دیکشنری یکپارچه وجود نداشت و تلاش می‌کنیم یک سامانه یکپارچه در داده‌های آموزشی داشته باشیم و به عبارتی داشبرد آموزشی و مدیریتی داشته باشیم.
محمد حسینی مقدم عضو هیئت علمی موسسه مطالعات فرهنگی و اجتماعی سخنران پایانی این کارگروه بود. او گفت: ما در موسسه مطالعات فرهنگی و اجتماعی تلاش کردیم طی یک برنامه ۵ ساله روی دانش کاربست هوش مصنوعی در دانشگاه متمرکز شویم چون نهاد علم در ایران همچون سایر نهادها متاثیر از فناوری باشد.
او ادامه داد: من مفروضاتی دارم. برخی از متفکران در حوزه جامعه شناسی مانند مارکس هستند که نظراتشان متاتئوری است. تئودور کاجسکی یکی از کسانی است که در حوزه هوش مصنوعی برجسته است. افرادی مانند کسینجر سیاست گذار بزرگ است و هنری اشمیت یک تکنولوژیست بزرگ. اشمیت به کسینجر گفت که در حوزه هوش مصنوعی چه تحولاتی در حال رخ دادن است.
این استاد دانشگاه گفت: من سال گذشته روی آموزش و امسال روی عرصه علم در حوزه هوش مصنوعی متمرکز شدم. قانون مور، کرایدرز و کوپر سه قانون شگرفی ساز در حوزه هوش مصنوعی است که باید آن را بفهمیم. بحث الگورتیم هم در هوش مصنوعی بسیار مهم است.
حسینی مقدم با بیان اینکه ما در علم سرمایه انسانی، ملی، روش، ابزار، ارزیابی محتواهای پژوهشی و ... داریم عنوان کرد: افزایش حجم داده‌ها، بیگ داده‌ها، مدل سازی از داده‌های غیرمعمول، عدم محدودیت در زمان و مکان، مدل سازی از روی قاعده تصادف در علم، آزمون مستمر فرضیات، مدیریت داده، شفافیت پذیری در فرایندهای علمی، و ... از جمله مواردی است که هوش مصنوعی در آن تاثیرگذار است.
او با اشاره به حکمرانی بنگاه‌ها در علم گفت: امروز بنگاه‌های بزرگ در هوش مصنوعی حرف اول را می‌زند و شرکت‌های بزرگ به نرم افزارها، سخت افزارها، داده‌ها، و ... بسیار خاص تر و انحصاری تر دسترسی دارند . انحصار این شرکت‌ها به گونه ای است که بسیاری از اساتید این حوزه دانشگاه را رها کرده و جذب این شرکت‌ها می‌شوند.
او در پایان گفت: تعاملات بین المللی با شرکت‌ها بزرگ خارجی، تربیت نیروی متخصص، داده مداری و ... از جمله مواردی است که ایران باید برای پیشرفت در هوش مصنوعی از آن بهره بگیرد.
به منظور دریافت اطلاعات تکمیلی شامل چکیده سخنرانی ها و اسلایدهای ارایه شده در این نشست به نشانی زیر مراجعه کنید:
https://b۲n.ir/iscs-AI
دفعات مشاهده: 320 بار |
دفعات چاپ: 109 بار |
دفعات ارسال به دیگران: 0 بار |
0 نظر
آخرین مطالب سایت