به گزارش خبرگزاری صدا وسیما، این دوره که به مدت چهار روز و تا اول مرداد ادامه دارد، با هدف ارتقای سطح دانش و مهارت‌های استادان دانشگاه، دانشجویان، فارغ‌التحصیلان و متخصصان علوم زیست‌پزشکی برگزار شده است.
روز اول این دوره، برنامه پیش‌نیاز شانزدهمین مدرسه تابستانی به صورت مجازی است و محور‌های مختلفی همچون بررسی الگوریتم‌ها و معماری‌های الهام گرفته از مغز در هوش مصنوعی را در برمی‌گیرد.
هوش مصنوعی عصب الهام، علوم اعصاب سیستمی و مدل‌سازی محاسباتی، درک عملکرد مغز با استفاده از داده‌های گسترده و چارچوب‌های نظری و زیست مطالعات بیوانفورماتیک و اومیکس مبتنی بر هوش مصنوعی، ادغام روش‌های هوش مصنوعی در ژنومیکس، ترنسکریپتومیکس و پروتئومیکس، هوش مصنوعی در پزشکی و مراقبت سلامت و کاربرد‌های هوش مصنوعی در تشخیص، پیش‌آگهی و درمان شخصی‌سازی‌شده از دیگر محور‌های قابل ارائه این دوره مدرسه تابستانی بین‌المللی پژوهشگاه رویان روز‌های آینده است.
دبیر علمی این رویداد علمی، محمدرضا ابوالقاسمی دهاقانی (متخصص هوش مصنوعی و علوم اعصاب؛ استادیار و مدیر گروه هوش مصنوعی و معاون پژوهشکده فناوری‌های همگرا دانشگاه تهران) است.
محاسبات هوش مصنوعی با الهام از ساختار و عملکرد مغز انسان
مدرس وبیناری هوش مصنوعی در اولین روز برگزاری شانزدهمین دوره مدرسه تابستانی بین‌المللی پژوهشگاه رویان با عنوان «هوش مصنوعی عصب الهام؛ بررسی الگوریتم‌ها و معماری‌های الهام گرفته از مغز در هوش مصنوعی» اظهار داشت: شبکه عصبی مصنوعی نوعی از مدل محاسباتی الهام گرفته از ساختار و عملکرد مغز انسان است.
احسان خرمالی افزود: این شبکه‌ها از واحد‌های پردازشی ساده‌ای به نام نورون تشکیل شده‌اند که به هم متصل هستند و با هم کار می‌کنند تا الگو‌ها را در داده‌ها شناسایی کنند.
وی گفت: نورون در واقع کوچک‌ترین واحد پردازش در یک شبکه عصبی است که اطلاعات ورودی را دریافت و با پردازش آن پردازش خروجی تولید می‌کند. هر نورون هم دارای یک تابع فعال‌سازی است که تعیین می‌کند آیا نورون باید فعال شود یا خیر.
این پزشک عمومی توضیح داد: این شبکه‌های عصبی مصنوعی از طریق فرایند یادگیری، توانایی خود را در تشخیص الگو‌ها بهبود می‌دهند که این فرایند شامل تنظیم وزن‌های ارتباطات بین نورون‌ها است که هر نورون چقدر بر نورون بعدی تأثیر می‌گذارد.
خرمالی گفت: در واقع شبکه‌های عصبی مصنوعی ابزار‌های قدرتمندی هستند که در بسیاری از زمینه‌ها مانند تشخیص تصویر، پردازش زبان طبیعی و خودرو‌های خودران کاربرد دارند. درک اجزای اصلی یک شبکه عصبی به شما کمک می‌کند تا بهتر بتوانید از این ابزار‌ها استفاده کنید و آنها را برای حل مسائل مختلف تطبیق دهید.
وی یادآورشد: این شبکه‌ها از اصولی‌ترین و پرکاربردترین الگوریتم‌های مورد استفاده در حوزه هوش مصنوعی که الهام گرفته از ساختار مغز انسان هستند و برای تقلید عملکرد مغز انسان در پردازش اطلاعات و یادگیری استفاده می‌شوند.
مدرس وبیناری هوش مصنوعی در بخش دیگری از سخنان خود درباره الگوریتم‌ها بیان داشت: الگوریتم هم یک مدل هوش مصنوعی نوآورانه است که برای پردازش و درک تصاویر متحرک به روشی مشابه مغز انسان طراحی شده است و پیشرفتی چشمگیر در تجزیه و تحلیل ویدیو ارائه می‌دهد.
خرمالی افزود: مدل‌های هوش مصنوعی سنتی در شناسایی تصاویر ثابت عملکرد خوبی دارند، اما اغلب در صحنه‌های پویا و متغیر با مشکل رو‌به‌رو می‌شوند.
وی معتقد است که هوش مصنوعی حیطه وسیعی‌تر دارد که در ماشین یادگیری یکی از زیرشاخه‌های معروف هوش مصنوعی، داده‌ها را قبل از مدل یادگیری دریافت می‌کند و با انجام محاسباتی به نام نورون در داخل که برگرفته از متغیر‌های جهان اطراف است، در خروجی پاسخ می‌هد. ماشین لرنینگ یا یادگیری ماشین از مفاهیم و تکنولوژی و از زمینه‌های هوش مصنوعی به شمار می‌رود.
