هوش مصنوعی می‌تواند به رفع چالش‌هایی مثل تغییرات آب‌وهوایی، بلایای طبیعی، امنیت غذایی و عدالت آموزشی بینجامد
هوش مصنوعی در خدمت حل معضلات جهانی
هوش مصنوعی نوشدارویی برای همه مشکلات موجود در جهان نیست؛ اما بی شک قدرت شگفت‌انگیزی در افزایش خلاقیت و کارایی انسان‌ها برای حل مسائل و چالش‌های جهانی جهان دارد. ضرب‌المثل‌هایی مانند «دو فکر بهتر از یک فکر هستند» و «یک دست صدا ندارد» با هوش مصنوعی که معادل ده‌ها، صدها، هزاران یا میلیون‌ها ذهن یا دست اضافی است، تحقق می‌یابد. به جرئت می‌توان ادعا کرد که ترس‌های موجهی نسبت به جایگزینی انسان با هوش مصنوعی در حوزه کار و اشتغال به وجود آمده است؛ اما باید در نظر داشت که این فناوری می‌تواند، نبوغ انسان را برای مقابله با پیچیده‌ترین مشکلات پرورش دهد و کمک‌هایی حیاتی به نیروی کار مدارس، بیمارستان‌ها و سایر مؤسسات درگیر با کمبود نیرو، ارائه کند.به زعم کارشناسان، گستره مزایای این فناوری می‌تواند، به رفع چالش‌های مهم جهانی از جمله تغییرات آب‌وهوایی، واکنش به بلایای طبیعی، امنیت غذایی، بهداشت عمومی و عدالت آموزشی گسترش یابد. وبگاه «Worth»، اخیراً طی یادداشتی به این مسئله پرداخته است. چنانچه انسان‌ها زمان کافی داشته باشند، می‌توانند به‌تنهایی هر مسئله پیچیده مهندسی را حل کنند. مشکل اینجاست که چالش‌ها بی‌شمار هستند و زمان کافی برای رفع آن‌ها وجود ندارد. یوری روشا، مدیر آزمایشگاه «SLIMM» در دانشگاه صنعتی دلفت هلند، به هوش مصنوعی یاد می‌دهد، در عرض چند دقیقه کارهایی را به سرانجام برساند که با تیم‌های مهندسی یا حتی محاسبات سنتی سال‌ها زمان می‌برد. روشا درحال بهینه‌سازی پره‌های توربین بادی غول‌پیکر با هدف قوی‌تر و مقاوم‌تر کردن آن‌ها در برابر استهلاک و قابلیت بازیافت آن‌ها پس از پایان عمر مفیدشان است. مدل هوش مصنوعی مبتنی بر یادگیری ماشینی که او توسعه داده، همچنین می‌تواند نسخه‌های سبزتر هر چیزی اعم از باتری، هواپیما، حتی بتن را مهندسی کند.او با ذکر مثالی از بال هواپیما می‌گوید: «اگر بخواهیم این چیزها را با استفاده از روش‌های سنتی طراحی کنیم، به آزمایش‌هایی بی‌معنا می‌رسیم. آزمایش‌هایی که با فرمول‌بندی مجدد مواد کامپوزیتی مانند فیبر کربن شروع و به تولید قطعات کوچکی از آن‌ها ختم می‌شود. قطعات کوچک آن‌قدر باید در برابر عوامل خطرساز و متغیرها قرار گیرند، تا بشکنند. سپس مهندسان به تدریج قطعات بزرگتر را می‌سازند و می‌شکنند، تا در نهایت به نسخه نهایی برسند.» روشا معتقد است که این فرایند می‌تواند، سال‌ها زمان ببرد، در حالی که انواع مختلف مدل‌های رایانه‌ای سال‌هاست، به انجام مجازی برخی آزمایش‌ها کمک می‌کنند. وی همچنین می‌گوید: «ما باید به منظور شبیه‌سازی، مواد را در مقیاس‌های بسیار کوچک، گاهی اوقات در سطح اتمی، مدل‌سازی کنیم. این مدل‌ها ممکن است، شامل میلیون‌ها معادله پیچیده باشد.»کار طراحی پره‌های توربین جدید برای این محقق، سه سال به طول انجامید. از همین زمان بود که روشا اهمیت آموزش ماشینی را درک کرد و به سمت آن گام برداشت. یادگیری ماشینی مقادیر زیادی داده را برای کشف الگوهای بنیادی مورد مطالعه قرار می‌دهد. مدل‌های طراحی مجازی مواد روشا نتایج شبیه‌سازی‌های رایانه‌ای بسیار پیچیده را تجزیه و تحلیل و مجموعه‌ای جایگزین از محاسبات را کشف کردند که ساده‌تر و آسان‌تر اجرا می‌شوند. وی در این خصوص مدعی شد: «اگر نمونه‌های کافی از نحوه رفتار مواد را به مدل‌ها نشان دهید، الگوریتم‌های یادگیری ماشینی می‌توانند، به شما بگویند که رفتار مواد جدید چگونه خواهند بود. این مدل‌های جدید مبتنی‌بر هوش مصنوعی به جای شبیه‌سازی‌های کامپیوتری که سال‌ها طول می‌کشند، می‌توانند در چند دقیقه اجرا شوند.»
روشا از این فناوری برای آزمایش پوشش‌های جدید مانع نفوذ آب به پره‌های توربین استفاده می‌کند و می‌گوید: «شما می‌توانید، یک مدل یادگیری ماشینی آموزش دهید که بتواند برای ساخت نوعی باتری جدید، میلیون‌ها نمونه را در چند ثانیه تولید و آزمایش کند.» روشا درخصوص استفاده از هوش مصنوعی مولدی که به جای کلمات یا تصاویر با استفاده از نمونه‌های مهندسی آموزش داده شده باشد، گفت: «در آینده سیستم‌هایی خواهیم داشت که برمبنای درخواست‌های ما عمل می‌کنند. برای مثل، من به آن می‌گویم، یک بال هواپیمای جدید برای هواپیمایی با این ابعاد و مخصوص حمل این تعداد مسافر نیاز دارم و هوش مصنوعی با توجه به درخواست مطرح شده، محاسبات ضروری را انجام می‌دهد.»