محققین علوم کامپیوتر و لابراتوار هوش مصنوعی(CSAIL)  دانشگاه MIT  موفق به توسعه یک شبکه عصبی شده‌اند که در تئوری قادر است با دریافت عکس از مواد غذایی، دستور پخت آنها را پیدا کند.

محققین علوم کامپیوتر و لابراتوار هوش مصنوعی(CSAIL)  دانشگاه  MIT موفق به توسعه یک شبکه عصبی که در تئوری قادر است با دریافت عکس از مواد غذایی، دستور پخت آنها را پیدا کند، شده­اند. این پروژه در ادامه­ی تلاش­هاییست که پیش از این توسط pinterest و پروژه‌های واقعی هم­چون برنامه Not Hotdog توسعه یافته بودند. این طور که پیش می­رود ظاهرا ۲۰۱۷ سال پیشرفت تشخیص مواد غذایی از طریق هوش مصنوعی می­باشد.

تیم CSAIL دانشگاه ام‌آی‌تی شبکه عصبی تشخیص مواد غذایی خود را Recipe1M نام نهاده که در واقع این اسم بیانگر یک میلیون دستور غذا و بیش از ۸۰۰ هزار تصویر از غذاهای مختلف است که در فرآیند تشخیص، مورد استفاده سیستم قرار می­گیرد.

تاکنون این بزرگ­ترین شبکه­ی هوش مصنوعی است که برای تشخیص هوشمند مواد غذایی توسعه داده شده است. الگوریتم به کار گرفته شده قادر است به صورت خودکار از روی تصویر و جستجو در شبکه­ای از اطلاعات، نزدیک­ترین دستور پخت­های مرتبط را پیدا کند. برای اطلاعات بیشتر در مورد مکانیزم این کار می­توانید مقاله‌ای که در همین هفته توسط لابراتوار منتشر شد را مطالعه نمایید.

نتیجه این پردازش، اینترفیسی گرافیکی تحت عنوان pic2Recipe  می­باشد که یادآور پروژه‌هایی هم­چون edges2cats وpix2pix  است. البته این وب پورتال به جای تولید کابوس­های شبانه، تصویر مواد غذایی را دریافت می­کند و بر اساس سیستم رتبه­بندی خود، نزدیک­ترین غذاها و دستورات مرتبط با آنها را به کاربر نمایش می­دهد.

صرف­نظر از جالب بودن ایده طبق تست­هایی که انجام دادیم، این سیستم هنوز قادر به تشخیص بسیاری از دستورات غذایی نیست و در مواردی نیز تشخیص­ها اشتباه و دور از انتظار است (در مورد غذاهای ایرانی که اصلا فکرش را نکنید چون ظاهرا در دیتابیس سیستم وجود ندارد، بنابراین انتظار نداشته باشید که برنامه بتواند آبگوشت، قورمه سبزی و دمپختک را برای شما تشخیص دهد).

حتی در بین غذاهای فرنگی هم بسیاری از تصاویر آپلود شده با نتیجه  no matches مواجه می­شوند. در یک مورد، تصویری از یک برگر به برنامه ارائه شد که نتیجه بر خلاف انتظار چیز دیگری از آب درآمد. تصویر تاری که از Chex Mix ارائه شد، نتایجی نزدیک­ و قابل قبول‌تر همچون بادام زنجبیلی و بادام زمینی تایلندی نمایش داد. تنها تصویری که نتیجه درستی ارائه داد، عکس یک‌ هات داگ بود . البته منظور این نیست که این سیستم تنها قادر به تشخیص‌ هات داگ است. این محصول در ابتدای راه است و هنوز بهبودهای بیشتری لازم است تا در آینده بتواند در قالب یک محصول، کاربردهای واقعی در زندگی روزمره ما داشته باشد.

منبع: نت نوشت

باتری­‌های حالت جامد نسل جدیدی از باتری‌ها هستند که به ادعای سامسونگ در دو سال آینده در محصولات این برند به کار گرفته خواهند شد.

به­‌نظر می‌رسد باتری‌های حالت جامد جایگزین مناسبی برای انواع لیتیوم‌یونی باشند. به طور خلاصه می‌توان گفت باتری­های حالت جامد برخلاف نمونه‌های لیتیومی از الکترولیت جامد استفاده می‌کنند و نسبت به انواع‌ لیتیوم یونی از مزایایی مانند امکان ذخیره انرژی بیشتر، مقاومت، دوام و امنیت بالاتر برخوردار هستند.

مشکلات رخ داده برای گلکسی نوت ۷ عمدتا مربوط به اشتعال­پذیری مایع الکترولیت باتری‌های لیتیوم یونی است. کمپانی سامسونگ SDI ادعا می‌کند که طی یکی دو سال آینده از تکنولوژی ساخت باتری‌های حالت جامد برخوردار می‌شود که از آتش گرفتن مصون است.

یکی از عوامل اجرایی شرکت مذکور گفت: “طی یکی دو سال آینده سطح تکنولوژی ما برای تولید باتری‌های حالت جامد برای گوشی‌های هوشمند به اندازه‌ی کافی رشد خواهد کرد؛ اما در نهایت تصمیم استفاده از باتری حالت جامد در گوشی‌های هوشمند به عهده‌ی سامسونگ الکترونیکس خواهد بود. تا جایی که من اطلاع دارم سطح تکنولوژی شرکت رقیب ال‌جی کِم Chem در حوزه‌ی باتری‌های حالت جامد حدودا در سطح ما است.”

باتری­های حالت جامد نسل بعدی باتری­های قابل شارژ خواهند بود. این باتری­ها در آینده‌ی نزدیک، دنیای دستگاه‌های الکترونیکی را دستخوش تغییر خواهند کرد و جایگزین نمونه‌های لیتیوم – یونی موجود خواهند شد. به طور کلی باتری‌ها زمانی منفجر می‌شوند که مایع درون آن‌ها به دلایلی از محفظه خارج شده و با هوا یا آب اطراف خود واکنش می‌دهد و باعث انفجار یا اشتعال می‌شود؛ به همین دلیل استفاده از باتری‌هایی با ماده الکترولیت جامد ریسک انفجار و اشتعال دستگاه را کاهش ‌می‌دهد. به دنبال انفجار باتری برخی گوشی‌های هوشمند و مشکلات آن، توسعه این نسل از باتری‌ها در کانون توجه قرار گرفته است. سال گذشته به دنبال گزارش‌های متعدد از انفجار باتری گلکسی نوت ۷، سامسونگ تولید این گوشی مورد انتظار را متوقف کرد.

با توجه به اینکه توسعه‌ی این نسل از باتری‌ها به طور نسبی سریع‌تر از نسل بعدی باتری­ها طی ۱۰ سال گذشته بوده است، تحلیلگر موسسه‌ی تحقیقاتی ال جی اکونومیک گفت: “باتری­های حالت جامد جایگزینی واقع بینانه برای انواع لیتیوم – یونی برای حل مشکل دیرینه ایمنی باتری‌ها است.”

پیش از اینکه باتری‌های حالت جامد را به صورت گسترده در صنعت خودروهای الکتریکی به کار گیرند، باید میزان ایمنی آنها توسط تست‌های خاص و البته سخت­گیرانه بررسی شود، چراکه به طور مستقیم با زندگی سرنشینان خودروها مرتبط هستند.

سخنگوی سامسونگ SDI در خصوص ایمنی باتری‌های جامد گفت: “در ابتدا باتری‌های حالت جامد در گوشی‌های هوشمند به کار گرفته می‌شوند و زمانی که ایمنی آن‌ها اثبات شد، در وسایل نقلیه‌ی الکتریکی نیز تعبیه خواهند شد. احتمالا تا سال ۲۰۲۵ شاهد کاربرد این باتری‌ها در خودروها خواهیم بود.”

درحال حاضر شرکت ژاپنی تویوتا به ­عنوان یکی از پیشرفته‌ترین خودروسازان فعال در حوزه‌ی تکنولوژی باتری‌های حالت جامد در جهان شناخته می‌شود. این شرکت حدود ۲۰۰ مهندس توسعه باتری حالت جامد را در مرکز هیگاشی فوجی (Higashi Fuji) در اختیار گرفته تا این تکنولوژی را تا سال ۲۰۲۰ تجاری‌سازی کند.

برخلاف سامسونگ SDI و ال جی Chem که احتمالا باتری شبه جامد را برای خودروهای الکتریکی رونمایی خواهند کرد، تویوتا تصمیم دارد به طور مستقیم باتری حالت جامد را به مرحله تولید انبوه برساند. طبق اعلام کارشناسان، باتری شبه جامد که مقداری الکترولیت مایع نیز دارد، امن­تر از نمونه‌های لیتیوم- یون فعلی و تولید آن‌ها آسان‌تر از انواع جامد است.

منبع:  KOREAHERALD

برای موفقیت در آینده باید نسبت به کمبودهای خود آگاهی داشته باشید و مهارت‌های جدیدی که دنیا به آن‌ها احتیاج خواهد داشت، در خودتان پرورش دهید.

همه‌ی ما حداقل یک بار از خودمان پرسیده‌ایم که یاد گرفتن چه مهارت‌هایی می‌تواند آینده‌ی ما را تضمین کند؟ جک ما؛ بنیان‌گذار شرکت علی‌بابا در مصاحبه‌ای که با شبکه CNBC انجام داده بود اعلام کرد: افرادی که با تجزیه ‌و ‌تحلیل داده‌ آشنایی دارند و می‌دانند چگونه باید از آن‌ استفاده کنند، افرادی هستند که در آینده می‌توانند بسیار پیشرفت کنند. او در مصاحبه‌ی خود گفت: «اکنون آغاز پیدایش عصر داده است و در آینده داده‌ها دنیا را فرا خواهند گرفت. داده‌ها در آینده برای زندگی انسان‌ها بسیار مهم خواهند بود. ما امروزه نمی‌دانیم چگونه باید از این طریق پول دربیاوریم؛ اما می‌دانیم که باید از امنیت داده‌ها محافظت کنیم. یک روز داده‌ها قدرت زندگی بشر را به دست می‌گیرند و ما باید به فرزندان خود یاد دهیم که در استفاده از داده‌ها هوشمندانه‌تر عمل کنند.» ما در این مقاله‌، نظر ۵ نفر از رهبران بزرگ دنیا را در رابطه با مهارت‌های کاربردی برای آینده به اشتراک خواهیم گذاشت.

۱- ریچارد برنسون

ارتباطات، پایه و اساس دنیای ما هستند، باعث برقراری ارتباط انسان‌ها با یکدیگر شده و فرصت رشد و یادگیری را برای ما فراهم می‌کنند. منظور از ارتباطات تنها یاد گرفتن توانایی خواندن و نوشتن نیست، بلکه فهمیدن حرف‌هایی است که در مکالمات زده می‌شود. به عقیده‌ی من ارتباطات مهم‌ترین مهارتی است که هر کارآفرینی باید برای کسب آن تلاش کند.

۲- ایلان ماسک

بسیاری از انسان‌ها بیشتر از چیزی که خودشان فکر می‌کنند توانایی یادگیری دارند، اما برای آن تلاشی نمی‌کنند. نصیحت من به آن‌ها این است:

دانش مانند یک درخت معنایی است. اصول اولیه و پایه تنه‌ی درخت هستند و مسائل جزئی‌تر برگ‌های درخت را تشکیل می‌دهند. تنه‌ی یک درخت باید محکم و قوی باشد تا بتواند برگ‌ها را سر جای خود نگه دارد.

۳- بیل گیتس

من فکر می‌کنم علوم پایه مانند ریاضی و اقتصاد بازار کار خوبی در آینده دارند. تقاضای بازار برای این شغل‌ها حتی از کد نویسی بیشتر خواهد شد. اما شما باید بفهمید که مهندسان قادر به انجام دادن چه کارهایی هستند و چه کارهایی نمی‌توانند انجام دهند.

۴- مارک زاکربرگ

هیچ‌کس به تنهایی قادر به انجام کارهای بزرگ نیست. اگر به گذشته نگاه کنید و کارهای بزرگی را که در دنیا انجام شده‌اند بررسی کنید، متوجه می‌شوید که هیچ‌کدام از آن‌‌ها تنها توسط یک فرد انجام نشده است. بنابراین شما باید به دنبال ساختن یک تیم باشید. باید به دنبال افرادی باشید که دارای مهارت‌های تکمیل‌کننده هستند. مهم نیست چقدر بااستعداد هستید، زمانیکه یک تیم تشکیل می‌دهید، متوجه می‌شوید چیزهای باارزش و سودمند زیادی وجود داشته‌اند که شما به تنهایی قادر به پیدا کردن آن‌ها نبوده‌اید.

۵- جف بزوس

من فکر می‌کنم صرفه‌جویی درست مانند محدودیت‌ها ما را به سمت نوآوری هدایت می‌کند. تنها راه خارج شدن از یک جعبه این است که خودتان راه خروج از آن را طراحی کنید. زمانی­که به دنبال جذب مشتری بودیم بودجه‌ی کافی برای تبلیغات نداشتیم. بنابراین از یک راه جایگزین استفاده کردیم:

بخشی از درآمدمان را به هر وب‌سایتی که به آمازون لینک می‌داد، اختصاص ‌می­دادیم و خرید با یک کلیک را اختراع کردیم تا عملیات پرداخت و تحویل کالا را سریع‌تر انجام دهیم. این چیزها نیازی به بودجه‌ی بزرگ نداشت؛ بلکه ما به واسطه‌ی تفکر و تمرکز بر مشتری توانستیم راه‌ حل مشکل را پیدا کنیم.

منبع:  NTREPRENEUR

محصولات آموزشی گوگل به‌سرعت به ‌جزء جدایی‌ناپذیر کلاس‌های درس ایالات متحده تبدیل می‌شوند.

سیستم عامل کروم با پشت سر گذاشتن اپل iOS و ویندوز مایکروسافت در موارد کلیدی استفاده از کامپیوتر در مدارس، به سیستم عامل غالب در کامپیوترهای رومیزی مدارس تبدیل شده است. حضور تلفن همراه هم بین دانش­آموزان و معلمان پررنگ‌تر و پررنگ‌تر می‌شود.

سیستم عامل گوگل کروم سهم بازار در کلاس درس‌های ایالات متحده را به دست آورده است. فناوری موبایل، به‌ویژه فناوری گوگل در دهه‌ی گذشته کلاس‌های درس را به‌تدریج در اختیار گرفته است. یادگیری شخصی‌سازی شده، پروسه‌ی آموزشی در کلاس‌های درس ایالات متحده است. آموزگاران متعهد هستند که در طی این طرح، برای هر کودک، طرح درس شخصی‌سازی شده‌ای وجود داشته باشد. اینجا است که شرکت‌های فناوری وارد می‌شوند تا کلاس درس آمریکایی را بهبود بخشند.

کاهوت، پلت‌فرم آموزشی-سرگرمی است که ۵۰ میلیون نفر کاربر ماهانه در دوره‌های آموزشی ابتدایی تا متوسطه دارد. این پلت‌فرم آموزشی داده‌های مربوط به دستگاه‌های معلمان و دانش­آموزان را روی پلت‌فرم شرکت جمع‌آوری کرده است. در گزارش جدید این پلت‌فرم، پاسخ‌های ۵۸۰ معلم آمریکایی که عمدتا از مدارس دولتی هستند، در واکنش به سؤالات فناوری که از آن‌ها پرسیده شده، آورده شده است. اطلاعات زیر از نظرسنجی این پلت‌فرم استخراج گردیده است.

iOS  اپل در استفاده‌های موبایل پیشرو است. اما پلت‌فرم غالب کامپیوترهای رومیزی با اختلافی فاحش، کروم است. در سه‌ماهه نخست سال ۲۰۱۷، ۵۸ درصد از کامپیوترهای رومیزی از سیستم عامل کروم استفاده می‌کردند. رتبه‌ی دوم با ۳۱ درصد به ویندوز تعلق دارد و تنها ۱۱ درصد از کامپیوترهای رومیزی از مک او‌اس استفاده می‌کردند.

به همین ترتیب، کروم‌بوک‌های گوگل از آیپدهای اپل پیشی گرفتند. ۴۴ درصد از معلمان و ۴۶ درصد از دانش­آموزان از تبلت‌های کروم بوک استفاده می‌کنند. در مقام دوم، معلمان و دانش­آموزان متفاوت هستند. معلم‌ها از لپ‌تاپ‌های ویندوزی استفاده می‌کنند؛ درحالی‌که دانش­آموزان آیپدهای اپل را ترجیح می‌دهند.

علاوه بر این، مجموعه‌ی بهره‌وری گوگل، مجرایی برای تعیین تکالیف درسی و ارائه بازخورد به نام کلاس درس  ،(Classroom)بیشترین مجموعه‌ی استفاده شده بود. بیش از نیمی از معلمانی که در این نظرسنجی شرکت کرده بودند (۵۷%) گفته بودند که از آن استفاده می‌کنند. پس از آن مایکروسافت آفیس ۳۶۵ بود که ۲۳ درصد از معلمان از آن استفاده می‌کردند.

یکی از معلمان معتقد بود که فناوری به او کمک می‌کند تا به داده‌های کلاس درس دسترسی داشته باشد و آن‌ها را جمع‌آوری کند. او میگفت: هرگونه ابزاری که تفکر جمعی و همکاری میان معلمان و دانش‌آموزان را افزایش دهد، همانند گوگل داکس، در سال‌های پیش ­رو بسیار مهم خواهد بود.

منبع:  BUSINESSINSIDER

بسیاری تصور می‌کنند گوشی آیفون هنوز سریع‌ترین گوشی‌جهان است، اما باید بدانند که گوشی وان پلاس ۵ گوی سبقت را از این گوشی ربوده است.

بررسی‌های کارشناسی صورت گرفته بر روی دو گوشی آیفون و وان پلاس ۵ از نظر سرعت بازکردن برنامه‌های مختلف و نحوه فراخوانی اطلاعات از روی حافظه نشان می‌دهد که برای اولین بار یک گوشی اندرویدی توانسته آیفون را از نظر سرعت عمل پشت سرگذاشته و بر آن غلبه کند.

ویدئوی تست آیفون ۷ و ۷ پلاس در برابر وان پلاس ۵ که در سایت به اشتراک­گذاری فایل یوتیوب منتشر شده از عملکرد سریع‌تر آن خبر می‌دهد. کارشناسان معتقدند: یکی از علل سرعت بالاتر گوشی مذکور نسبت به آیفون، رم بالای ۸ گیگابایتی گوشی یادشده است که بسیار بالاتر از آیفون است. گفتنی است وان پلاس ۳ نیز هنوز یکی از بهترین گوشی‌های عرضه شده با ۶ گیگابایت رم به شمار می‌رود. بد نیست بدانید که در حال حاضر اغلب گوشی‌هایی که از ۶ گیگابایت حافظه رم استفاده می‌کنند، ساخت شرکت‌های چینی هستند.

در کنار این میزان حافظه رم، جدیدترین پردازنده ساخت کوالکام، یعنی اسنپدراگون ۸۳۵ نیز برای وان پلاس ۵ در نظر گرفته شده است که می‌تواند قدرتی مثال زدنی برای آن به ارمغان بیاورد. صفحه نمایش این محصول نیز دارای وضوح k2 برای اولین بار در محصولات وان پلاس است.

دوربین پشتی ۲۰ مگاپیکسلی و همچنین دوربین جلویی ۱۶ مگاپیکسلی، از جمله دیگر ویژگی‌های گوشی مذکور است. دوربین پشتی این گوشی دو لنزه و مجهز به قابلیت تثبیت نوری تصویر (OIS) است.
منبع : ایتنا 

بر اساس گزارش وب‌سایت ChromeUnboxed، گوگل در حال کار بر روی یک کروم‌بوک جدید برای رقابت با محصولات مایکروسافت و اپل است.

به گزارش این وب‌سایت، محصول آینده‌ی گوگل با اسم رمز Eve شناخته می‌شود و احتمالا جهت جایگزینی کروم‌بوک پیکسل ۲ که تولید آن حدودا یک سال پیش به پایان رسید، عرضه خواهد شد. با این وجود، ممکن است تولیدکنندگان دیگر نیز در فرایند توسعه‌ی محصول جدید گوگل همکاری داشته باشند.

محصول آینده‌ی گوگل احتمالا از مشخصات رده‌بالایی برخوردار خواهد بود که پیش از آن، به‌جز در محصولات خانواده‌ی کروم‌بوک پیکسل شرکت گوگل، در کروم‌بوک‌های تولیدشده توسط دیگر شرکت‌ها مشاهده نشده است. بر اساس شواهد موجود، در این محصول از صفحه نمایشی با رزولوشن ۲۴۰۰ در ۱۶۰۰ با نسبت تصویر ۳ به ۲، صفحه‌کلید با نور پس‌زمینه و پردازنده‌های خانواده‌ی کبی لیک اینتل استفاده می‌شود. همچنین کروم‌بوک آینده‌ی گوگل از قلم دیجیتالی پشتیبانی خواهد کرد.

شایان ذکر است که محصولات ارائه‌شده توسط دیگر شرکت‌ها، نظیر محصولات خانواده‌ی سرفیس مایکروسافت، مک‌بوک‌ها و آیپد پرو اپل نیز از چنین مشخصاتی برخوردارند. اما علاوه بر مشخصات فوق، کروم‌بوک آینده‌ی گوگل احتمالا از اسکنر اثر‌ انگشت نیز برخوردار خواهد بود. به‌علاوه این محصول احتمالا دارای ویژگی موسوم به Wake on Voice خواهد بود که اجازه‌ی فعال‌سازی گوگل اسیستنت به‌وسیله‌ی صدای کاربر را خواهد داشت. همچنین ممکن است این لپ‌تاپ مجهز به کلید اختصاصی جهت فعال‌سازی گوگل اسیستنت باشد.

پیش از این، شرکت‌های مایکروسافت و اپل نیز دستیارهای دیجیتالی خود را در محصولاتشان مورد استفاده قرار داده بودند. حال با استفاده از دستیار گوگل در کروم‌بوک‌ها و ارائه‌ی کلید اختصاصی برای آن، طیف دستگاه‌های مجهز به گوگل اسیستنت گسترده‌تر از قبل خواهد شد.

منبع:  BUSINESS INSIDER

خواندن ذهن و افکار افراد شاید یکی از جالب‌ترین و بزرگ‌ترین اهداف بشر باشد. گروهی از دانشمندان به ‌تازگی موفق به انجام این کار در سطوح مقدماتی شده‌اند.

به نظر می‌رسد که دانشمندان یک گام دیگر نیز به توانایی خواندن ذهن انسان نزدیک‌ شده باشند. این در واقع برداشتی است که پس از انجام یک پژوهش جدید و شناسایی برخی از الگوهای پیچیده‌ی مغزی استنباط می‌شود. الگوهایی که در شکل‌گیری جملات در مغزهای ما نقش بسیار مهمی دارند.

در بررسی اخیری که صورت گرفته، دانشمندان توانسته‌اند الگوهای مغزی ایجاد شده توسط برخی جمله‌های خاص را با دقتی تا میزان ۸۷ درصد، پیش‌بینی کنند. این بررسی برپایه‌ی الفبایی متشکل از ۴۲۲ مفهوم گوناگون که دربردارنده‌ی مواردی مانند: اندازه، موقعیت مکانی، رنگ‌ها، کنش‌ها و سایر المان‌هایی  که در کنار یکدیگر باعث شکل گرفتن افکار پیچیده‌ی انسانی می‌شوند، انجام شده است.

البته باید در نظر داشته باشیم که پژوهشگران دانشگاه کارنگی ملون نمی‌توانند به‌طور دقیق پیش­بینی کنند که شما به‌عنوان فرد آزمایش‌شونده در آن لحظات به چه چیزی فکر می‌کنید؛ دست کم باید بگوییم که آنها فعلا توان چنین کاری را ندارند. بنابراین رازهای ما کماکان در ذهنمان محفوظ هستند. ولی به هر حال سیستم آنها با استفاده از اسکن‌های مغزی، توانایی لازم برای رمزگشایی از افکاری که در آن لحظات افراد در ذهن خود داشته‌اند، دارند.

شالوده‌ی اصلی روند تشخیص افکار بر این اصل استوار شده که بخش‌های مختلفی از مغز انسان مسئولیت افکار گوناگون را بر عهده دارند؛ از این رو ممکن است انواع خاصی از نورون‌ها در حین فکر کردن فرد به یک شی خاص همانند لامپ برقی فعال شوند و به ‌عنوان مثال نورون‌های دیگری هم باشند که شاید فعالیتشان مبتنی بر نوع و چگونگی عملکرد ذهنی شما با رنگ‌ها و ماهیت آنها باشد. مارسل جاست، سرپرست این پژوهش در این باره می‌گوید: یکی از بزرگ‌ترین‌ برتری‌هایی که مغز انسان دارد این است که می‌تواند مفهوم‌های مجرد را با یکدیگر ترکیب کند و در نتیجه افکار پیچیده‌ای را شکل دهد. همین عامل است که باعث می‌شود من به‌عنوان یک فرد مثلا تنها به خوردن موز فکر نکنم؛ بلکه دوست داشته باشم به خوردن موز در یک شامگاه زیبا با دوستانم فکر کنم.

ما در نهایت موفق به توسعه‌ی روشی برای دیدن افکار پیچیده در سیگنال‌های fMRI شده‌ایم. یافتن تناظر موجود میان افکار با الگوهای فعالیت مغزی افراد به ما می‌گوید که افکار ما از چه ساخته شده‌اند. دانشمندان از یک الگوریتم سفارشی‌سازی‌شده برای تجزیه و تحلیل اسکن‌های گرفته شده از ماشین fMRI به‌منظور تعیین این مقوله استفاده کردند، که کدام نوع از افکار با کدام دسته از الگوهای مغزی شکل گرفته است. روند کار مثل این است که شما صدها تصویر از یک سگ را به یک موتور هوش مصنوعی ارائه دهید تا در ادامه ماشین بتواند ماهیت این تصویر را بیاموزد و سپس شما تصاویر جدید به ماشین نشان بدهید تا ماشین در مورد سگ بودن یا نبودن آن تصاویر جدید تصمیم بگیرد.

در مورد پژوهش اخیر، الگوریتم استفاده‌شده از ۲۳۹ جمله و همچنین ۷ نفر داوطلب برای انجام آزمایش تشکیل شده بود. در واقع پیش از اینکه از ماشین خواسته شود تا جمله‌ی ۲۴۰ اُم را رمزگشایی کند، دریافت بازخوردهای مختلف از ماشین، ما را هر بار با جمله‌های متفاوتی روبرو کرده بود. یکی از جمله‌های مورد آزمایش این بود: شاهد در طول جلسه دادگاه فریاد زد  (the witness shouted during the trial)این جمله، هم درگیرکننده‌ی موضوع تفکر و هم دارای یک اختیار عمل است؛ در واقع چیزی که فرد سوژه در حال انجام آن بوده است.

دانشمندان نشان دادند که الگوریتم آنها می‌تواند پیش‌بینی کند که چنین افکاری با این میزان پیچیدگی، به چه شکلی می‌توانند در مغز انسان در کنار هم یکپارچه شده باشند و برعکس؛ یعنی اینکه روی برخی از ساختارهای فکری مبتنی بر فعالیت عصبی در آن لحظات هم کار کرده‌اند.

شناسایی شدن بلوک‌های سازنده‌ی یک اندیشه به این نحوی که در مغز انسان نشان داده‌‌ شده، کاری است که پیش از این توسط هیچ یک از دانشمندان صورت نگرفته بود. همچنین پژوهشگران گزارش می‌دهند که به نظر می‌رسد این بلوک‌های سازنده جدای از زبان بومی افراد یا نوع فرهنگی که آنها درگیرش هستند، با یکدیگر هماهنگی و شباهت دارند. جاست می‌گوید: روش ما باعث حل مشکل ذاتی فرایند fMRI شده است؛ مشکلی که باعث مخدوش شدن و به نوعی به‌هم­ریختگی سیگنال‌های سرچشمه‌گرفته از رویدادهای مغزی می‌شود که در مقاطع زمانی نزدیک به هم روی می‌دهند؛ رویدادهایی همانند خواندن دو کلمه‌ی پیاپی در یک جمله.

دستاورد فوق برای نخستین بار این امکان را فراهم کرد که بتوانیم افکاری با چندین مفهوم را رمزگشایی کنیم. این همان چیزی است که بخش عمده‌ی افکار انسان‌ها از آن تشکیل می‌شود.

البته باید اشاره کنیم که در حال حاضر هم فناوری‌های اسکنی در اختیار داریم که کارهای بسیار باکیفیتی در زمینه‌ی تشخیص الگوهای بسیار ساده در مغز انسان ارائه می‌دهند؛ برای نمونه افکاری در مورد تصمیم‌های آری یا نه. پژوهش اخیری که به آن پرداختیم یک سطح جدید را به میزان پیچیدگی این فعالیت‌ها اضافه کرده است. الگوریتم جدید می‌تواند الگوهای مغزی مرتبط با افکار افراد در مورد برهم‌کنش‌های اجتماعی یا مثلا نوعی ارتباط یا یک رویداد مرتبط با مکانی خاص را با درجه‌ی بالایی از دقت شناسایی کند.

این بررسی همچنین دانش ما را در زمینه‌ی استفاده از الگوریتم‌های هوشمند برای انجام پژوهش‌های دقیق در مورد الگوهای مغزی انسان گسترش می‌دهد. سال گذشته بود که دانشمندان از هوش مصنوعی برای مرتبط ساختن الگوهای مغزی خاص با برخی مشخصه‌های خاص در چهره‌ی افراد استفاده کردند. بنابراین نرم‌افزار جدید می‌تواند به ما در داشتن فهم و دریافت بهتر پیرامون چگونگی ارتباط برخی فعالیت‌های مغزی خاص با افکارمان کمک کند.

البته به این زودی‌ها قرار نیست که کامپیوترها، اسکنرهای fMRIو دانشمندان متخصص در این زمینه بتوانند به‌طور دقیق به افکار شما در مورد اینکه آیا چای میل دارید یا نه، دست یابند. این پژوهش با اینکه کار بزرگی محسوب می‌شود؛ ولی تنها گام کوچکی در مسیر آن هدف نهایی برای تشخیص و خواندن افکار افراد محسوب می‌شود؛ کاری که در صورت انجام، برای افرادی که توانایی برقراری ارتباط با محیط به‌طور طبیعی را ندارند، کمک‌کننده خواهد بود.  گام بعدی شاید این خواهد بود که ما بتوانیم موضوعات کلی را رمزگشایی کنیم که یک فرد خاص به آن فکر می‌کند؛ برای مثال زمین‌شناسی یا اسکیت‌سواری. ما در مسیری برای ساختن نقشه‌ای از تمامی دسته‌های دانش در مغز انسان هستیم.

دستاوردهای پژوهش اخیر در ژونال Human Brain Mapping منتشر شده است.

منبع:  SCIENCEALERT