به گزارش اقتصاد انرژی به نقل از خبرگزاری ایرنا :
دانشمندان و توسعه دهندگان هوش مصنوعی، انقلاب تحقیقات علمی مبتنی بر هوش مصنوعی را در اجلاس دو روزه هوش مصنوعی برای علم در پکن تحسین کردند.
تانگ چائو، استاد آکادمی مطالعات میان رشته ای پیشرفته (AAIS) دانشگاه پکن گفت: توسعه هوش مصنوعی از علم بهره برد. اکنون مشتاقانه منتظر مرحله ای هستیم که هوش مصنوعی به پیشرفت علمی کمک می کند.
یی وینان رئیس مؤسسه هوش مصنوعی پکن نیز گفت: هوش مصنوعی برای علم (AI4Science) می تواند یک پلتفرم میان رشته ای را تشکیل دهد و به دانشمندان کمک کند تا مشکلات پیچیده را برای بهبود کارایی و کیفیت تحقیقات حل کنند.
هوش مصنوعی برای علم به چهار ستون زیرساخت نیاز دارد که شامل مدل‌های الگوریتم و نرم‌افزار، اقدامات مؤثر برای نمایش داده‌های تجربی، پایگاه داده و مخزن دانش، و پلتفرم محاسباتی یکپارچه است. وزارت علوم و فناوری و بنیاد ملی علوم طبیعی چین به طور مشترک پروژه ای را برای ترویج استفاده از هوش مصنوعی در تحقیقات علمی و فناوری مرزی آغاز کردند.
این پروژه مدل‌ها و الگوریتم‌های هوش مصنوعی را در تحقیقات ژنتیکی و پیشرفت‌های زیست‌شناسی به کار خواهد گرفت. همچنین، تیم‌های تحقیق و توسعه بین‌رشته‌ای برای ایجاد یک کنسرسیوم نوآوری گردهم می آیند و بسترهای تبادل علمی بین‌المللی برای ارائه راه‌حل‌هایی برای چالش‌های علمی بشر، از جمله درمان سرطان و بحران اقلیمی ایجاد می کنند.
هوش مصنوعی برای علم در مواد جدید، انرژی، هوانوردی و داروسازی تغییرات انقلابی به وجود خواهد آورد. دانشمندان چینی با استفاده از هوش مصنوعی و یکی از سریع‌ترین ابررایانه‌های جهان، ساخت مواد شیمیایی ناشناخته را برای استفاده بالینی در آینده آغاز کرده‌اند.
دانشمندان و متخصصان رایانه با کمک ابررایانه Tianhe-2 در استان گوانگدونگ در جنوب چین، با کمک استارتاپ هوش مصنوعی گالیکسیر مستقر در پکن، یک ابزار کاربردی یادگیری عمیق برای پیش‌بینی مسیرهای بیوسنتزی برای محصولات طبیعی، منبع اصلی کشف داروی بالینی، ساخته اند.
این رایانه با استفاده از الگوریتم‌های مبتنی بر هوش مصنوعی، ابزارهایی را برای تشخیص انواع سرطان معده و کشف علائم سرطان نازوفارنکس (سرطان سر و گردن) در میان جمعیت‌های پرخطر ارائه می‌دهد.
سناریوهای کاربردی جدید همچنین منبعی از فرصت ها برای صنعت هوش مصنوعی است. وانگ جیان، مدیر آزمایشگاه ژجیانگ گفت: دانشمندان می‌توانند هنگام حل مشکلات، پیشرفت عظیمی را برای هوش مصنوعی به ارمغان بیاورند.
