1.  شهر حس کننده Sensing City

اجرای طرح‌های هوشمندانه در شهرهای دنیا چندین بار به تاخیر افتاده‌ ، اهداف جاه طلبانه خود را از دست داده و باعث شده فقط برای ثروتمندان ارزش داشته باشد. یک پروژه جدید در تورنتو، به نام  Quayside، امیدوار است که با ارائه یک تفکر جدید در ساخت یک محله شهری از ابتدا و غنی سازی آن با فن آوری‌های دیجیتال این الگوی شکست را تغییر دهد.آزمایشگاه Sidewalk Alphabet، واقع در شهر نیویورک، در حال همکاری با دولت کانادا در یک پروژه فناوری اطلاعات پیشرفته، برای اسکله صنعتی تورنتو است. یکی از اهداف این پروژه قراردادن مبنای تصمیم ها در مورد طراحی، فناوری و سیاست شهری بر اطلاعات جمع آوری شده از یک شبکه گسترده از حسگرهای هر چیز از کیفیت هوا تا آلودگی صوتی و فعالیت‌های مردم است.در این برنامه همه وسایل نقلیه باید خودکار و مشترک باشند و روبات ها در زیر زمین کارهای روزمره و عادی مانند ارسال بسته های پستی را انجام دهند. آزمایشگاه Sidewalk می‌گوید مانند آن که برنامه نویسان برای برنامه‌های تلفن همراه نرم افزار توسعه می‌دهند، دسترسی به نرم افزار و سیستم‌های ایجاد شده آن را در شهر هوشمند باز می‌کند. بنابراین شرکت‌های دیگر می‌توانند خدمات خود را در بالای آنها بسازند. دیگر شهرهای آمریکای شمالی نظیر سان فرانسیسکو، دنور، لس آنجلس، و بوستون نیز در فهرست این آزمایشگاه قرار دارند.

2. هوش مصنوعی برای همه  AI for All   

هوش مصنوعی تا به حال توسط شرکت‌های بزرگ فناوری مانند آمازون، بیدو، گوگل و مایکروسافت، و و برخی از استارتاپ‌ها مورد استفاده قرار گرفته است.  برای بسیاری از شرکت‌های دیگر و بخش‌های اقتصاد، سیستم‌های هوش مصنوعیبیش از حد گران هستند و به سختی به طور کامل اجرا می‌شوند. راه حل چیست؟ ابزارهاییادگیری ماشین ابری ، هوش مصنوعی را به یک مخاطب بسیار وسیع تبدیل خواهند کرد. تا کنون، آمازوندر استفاده از هوش مصنوعی ابری پیشرو است.

گوگل با استفاده ازTensor Flow ، یک کتابخانههوش مصنوعیمنبع باز ارائه کرده است که می‌تواند برای ساختن دیگر نرم افزارهای یادگیری ماشین استفاده شود. همچنین به تازگی گوگلCloudAuto MLرا ارائه کرده است، مجموعه ای از سیستم‌های آموزش دیده که استفاده از هوش مصنوعی را ساده تر می‌‌کند.

مایکروسافت، که دارای پلتفرم ابر هوش مصنوعی خاص خود (Azure) است، با آمازون در حال همکاری است  تا Gluon، یک کتابخانه یادگیری عمیق منبع باز را ارائه دهد. Gluon قرار است ساخت شبکه‌های عصبی (یک فناوری کلیدی در هوش مصنوعی که بسیار شبیه یادگیری مغز انسان است) را همانند ساخت یک برنامه گوشی هوشمند ساده نماید.اگر انقلاب هوش مصنوعی دربخش های مختلف اقتصاد گسترش بیشتری یابد، این محصولات ضروری خواهند بود.در حال حاضر هوش مصنوعی به طور عمده در صنایع فناوری اطلاعات مورد استفاده قرار می گیرد، جایی که کارایی را افزایش داده، محصولات و خدمات جدیدی را ایجاد کرده است. اما بسیاری دیگر از کسب وکارها و صنایع نیز تلاش کرده اند تا از پیشرفت های هوش مصنوعی بهره مند شوند. بخش هایی مانند پزشکی، ساخت و انرژی اگر بتوانند این فناوری را به طور کامل به کار ببندند، می توانند متحول شوند که به افزایش قابل توجهی در بهره وری اقتصادی منجر خواهد شد.

3. جنین های مصنوعی  Artificial Embryos

جنین شناسان دانشگاه کمبریج، در یک روش ابداعی برای کشف منشا خلقت، یک جنین واقعی موش زا را از سلول های بنیادین تولید کردند. این جنین فقط از قطعه ای از جنین دیگری تولید شده و تخم و اسپرمی برای ایجاد آن استفاده نشده است. محققان سلول های بنیادی جنینی و جفتی  را به دقت در یک داربست سه بعدی مشابه جنین گذاشتند. ، با تعجب، این سلول ها شروع به برقراری ارتباط و شکل دادن جنین گلوله ای شکل جنین موش چندین روزه کردند.رهبر این تیم تحقیقاتی گفته است که "ما می‌دانیم که سلول های بنیادی با پتانسیل قدرتمندی که دارند می‌توانند جادویی باشند و متوجه این موضوع نبودیم که آنها به طور زیبا و دقیقی می‌توانند خود را سازماندهی کنند. همچنین او می‌گوید که جنین های "مصنوعی" او احتمالا نمی توانند به موش تبدیل شوند. با این حال، این موضوع نشانگر این است که ما به زودی می‌توانیم پستانداران بدون تخم متولد کنیم. او می‌گوید گام بعدی این است که یک جنین مصنوعی از سلول های بنیادی انسانی بسازد که این طرح در دانشگاه میشیگان و دانشگاه راکفلر دنبال می‌شود.جنین های مصنوعی انسان می‌توانند به دانشمندان اجازه کار بر جنین شبیه انسان بدهند و از جنین واقعی استفاده نکنند.  از آنجا که این جنین ها با سلول های بنیادی به راحتی دستکاری می‌شوند، آزمایشگاه ها قادر خواهند بود طیف وسیعی از ابزارها مانند ویرایش ژن را بر جنین و در هنگام رشد آن برای تحقیقات بیشتر به کار گیرند.

4.  دوئل شبکه‌های عصبیDueling Neural Networks

هوش مصنوعی در شناسایی اشیاء بسیار خوب کار می‌کند: به آن یک میلیون عکس نشان می‌دهید، می‌تواند به شما با دقت بالا و بی عیب و نقص عبور عابر پیاده از یک خیابان را نشان دهد. اماهوش مصنوعیدر ایجاد تصاویر به عنوان مثال عابران پیاده به شدت ناامید کننده است. اگر بتواند این کار را بکند، قادر خواهد بود که عکس‌های واقع گرایانه اما مصنوعی عابرین پیاده را در محیط‌های مختلف نشان دهد ، که یک راننده ماشین می‌تواند برای آموزش بدون استفاده از جاده از آن استفاده کند.مشکل این است که ایجاد چیزی کاملا جدید نیازمند تخیل است و تخیل در هوش مصنوعی تا کنون وجود نداشته است.راه حل ایجاد تخیل در هوش مصنوعی در ابتدا توسط دانشجوی دکتری دانشگاه مونترال به نام یان گودفلو در سال 2014 ارائه گردید. روش ایشان "شبکه مولد نسبی" یا GAN(Generative Adversarial Network) است که دو شبکه عصبی را در یک بازی گربه و موش دیجیتالی در برابر یکدیگر قرار می‌دهد. هر دو شبکه توسط مجموعه داده یکسانی  آموزش داده می‌شوند. یکی به عنوان مولد شناخته می‌شود، که بااستفاده از تصاویر قبلا مشاهده شده، گونه های مختلفی از تصاویر را ایجاد می کند(مثلا عابر پیاده ای که یک دست اضافه دارد). از دومی، که نامش تفکیک کننده است، خواسته می‌شود تا مشخص کند آیا نمونه‌ای که می‌بیند مانند تصاویری است که قبلا آموزش دیده یا تصویر ساختگی تولید شده توسط شبکه مولد است. با گذشت زمان خطاهای شبکه مولد تا حدی تصحیح می شود که شبکه تفکیک کننده نمی تواند آن را به عنوان تصویر ساختگی شناسایی کند. به عبارت دیگر شبکه مولد برای تشخیص و سپس خلق تصاویر واقع گرایانه( مثلا عابرین پیاده) آموزش می بیند.

این فناوری یکی از امید بخش ترین پیشرفت‌های زمینه هوش مصنوعی دردهه گذشته بوده است، که قادر است نتایجی را تولید نماید که توسط انسان‌ها هم قابل تصور نیست. تاکنون شرکتهایی مانند Nvidiaاز GANبرای تولید صدای مشابه بازیگران، تصاویر مشابه بازیگران مشهور، تولید آثار شبیه نقاشی‌های ونگوک استفاده کرده اند. این شبکه ها حتی می توانند تصور جدیدی از تصاویر بدهند مثلا جاده ای آفتابی را تبدیل به برفی کرده یا اسبها رابه شکل گورخر درآورند. البته نتایج همیشه خوب نیستند؛GAN ها می‌توانند دوچرخه ای با دو دسته فرمان، یا چهره‌ای با ابرو در جای اشتباه در صورت تولید کنند. بعضی از کارشناسان معتقدند این حس وجود دارد که‌GAN ها در حال درک ساختار جهانی هستند که می‌بینند و می‌شنوند. این بدین معنا است که هوش مصنوعی ممکن است با یک احساس تخیل و توانایی مستقل تری برای درک آنچه که در جهان دیده می‌شود، همراه گردد.

5. هدفون مترجم

گوگل اخیرا هدفونی ارائه کرده است که ترجمه می‌کند. این هدفون Pixel Budsنام دارد و قیمت آن 159 دلار است. در این هدفون از اپلیکیشنGoogle Translate برای تولید ترجمه بلادرنگ  استفاده می‌شود.طرز کار این مجموعه بدین صورت است که یک شخص هدفون را در گوش خود می‌گذارد و شخص دیگر گوشی هوشمند را در دست خود می‌گیرد.فردی که هدفون به گوش دارد به زبان خود در آن صحبت می‌کند و اپلیکیشن صحبت را ترجمه کرده، و در گوشی پخش می کند. فرد مقابل به زبان خود در گوشی صحبت می کند و پاسخ به صورت ترجمه شده در هدفون پخش می شود .

 اپلیکیشن  Google Translateدر حال حاضر دارای ویژگی مکالمه است، و برنامه هایiOS وAndroid آن به کاربران اجازه می‌دهد تا به دو زبان مختلف صحبت کنند زیرا به طور خودکار زبان های مختلف را تشخیص می دهد و سپس آنها را ترجمه می‌کند. اما سر و صدای پس زمینه می‌تواند برنامه را برای درک آنچه مردم می‌گویند سخت کند، و همچنین تشخیص این که یک نفر صحبت کردن را متوقف کرده و زمان شروع ترجمه است، مشکل می باشد. Pixel Budsاین مشکل را حل کرده، زیرا دکمه ای برای مکث و ترجمه دارد. Pixel Budsالبته در طراحی نواقصی دارد که شاید استفاده از آن برای همگان آسان نباشد. ولی ایده چنین پوشیدنی‌هایی بسیار مهم است زیرا Pixel Buds نشان می‌دهد وعده ارتباط متقابل با قابلیت درک بین زبان‌ها به صورت بلادرنگ قابل تحقق است.

منبع: https://www.technologyreview.com/lists/technologies/2018