هوش مصنوعی برای پناهجویان/ جئومچ فرایند اسکان مجدد را تسهیل می کند
تاریخ انتشار: ۱ آذر ۱۴۰۲ | کد خبر: ۳۹۱۳۹۷۸۰
منبع: استنفوردنیوز
نویسنده: دیلن والش
تاریخ انتشار: 13 نوامبر 2023
مترجم: لیلا احمدی
➖➖➖➖➖➖➖➖
آینده فراتر از تصور ماست. اینترنت و فناوری‌های هوشمند، به مدد یادگیری ماشینی چشم‌انداز و ماهیت نوینی به جهان بشری می‌بخشند.
هوش مصنوعی از بحث‌برانگیزترین حوزه‌های پژوهشی است که قادر است الگوهای خاصی را تشخیص دهد و با تحلیل داده‌ها و اطلاعات موجود، بر اساس این الگوها به پیش‌بینی‌های منطقی دست یابد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
پردازش و نتیجه‌گیری از اطلاعات در این فرایند با دقتی بسیار بالاتر از هر ماشین و تکنولوژی دیگری صورت می‌گیرد. درواقع این فناوری به ماشین امکان محاسبه، حل مسأله، یادگیری، تفکر، مدیریت و تصمیم‌گیری می‌دهد.
هدف از توسعۀ هوش مصنوعی، خلق سیستم‌هایی است که بتوانند به طور خودکار، با پردازش داده‌های بزرگ و پیچیده، وظایفی انجام دهند که برای انسان دشوار است یا اینکه به تخصص و مهارت خاصی نیاز دارند.
هوش مصنوعی می‌تواند به تسهیل زندگی روزمره و توسعه جهانیِ رفاه بشر بیانجامد.
در بخش نخستِ این مقاله با دومینیک روتنهائوسلر، استاد دانشگاه استنفورد همراه شدیم تا ببینیم پروژۀ اسکان هوشمندِ پناهجویان موسوم به جئومچ چیست و چگونه کار می‌کند.
روتنهائوسلر می‌گوید: می‌خواستم نقش خودم را در پیشبرد این پروژه ایفا کنم. وقتی مرکز پژوهش‌های سیاستِ مهاجرت استنفورد (IPL) درخصوص پروژۀ جابجایی پناهندگان موسوم به جئومچ GeoMatch، از من دعوت به همکاری کرد، بی‌چون‌و‌چرا پذیرفتم.
هر پژوهش دانشگاهی معمولاً حاوی کار روی موضوعی خاص و سپس بررسی اثرات آن است. این پروژه اما از هر حیث شگفت‌آور است، زیرا چشم‌انداز روشنی برای خلق تحولات سریع و سودمند در جهان ایجاد می‌کند.»
فناوری GeoMatch، فرایند اسکان مجدد را به‌نحو حیرت‌آوری تسهیل می‌کند. این سامانه هوشمند از اطلاعات سیستمی برای کمک به افرادی که تصمیم به مهاجرت و پناهندگی گرفته‌اند، استفاده می‌کند و الگوریتی دارد که طیف وسیعی از ویژگی‌های پس‌زمینۀ فردی یعنی کشور مبدأ، زبان، جنسیت، سن، مهارت‌های شغلی، تیپ شخصیتی و ... را با زمان ورود پناهنده و مکان تعیین‌شده مطابقت می‌دهد.
درواقع این فناوری پناهجو را به مناسب‌ترین مقصد می‌ساند و طبیعتاً منجر به بهینه‌سازیِ نیروی‌کار، رشد اقتصادی، رضایت شغلی و صرفه‌جویی در زمان و هزینه می‌شود. جنگ و ناامنی روزبروز به بحران بناهندگی دامن می‌زند و در چنین شرایطی سامانه‌های هوشمند اهمیتی حیاتی دارند.
اتوماسیونِ توزیع مهاجران البته با نگرانی‌هایی همراه است. فرآیند اسکان مجددِ پناهندگان به اطلاعات بسیار حساسی وابسته است و نتایج هر تصمیم برای جابجایی مهم و سرنوشت‌ساز است. با توجه به این موضوع، تیم GeoMatch نیز کوشیده تا این ابزار را براساسِ کاهش آسیب‌های احتمالی توسعه دهد. هیچ‌کس معتقد نیست که این الگوریتم باید بدون نظارت انسان عمل کند. کارشناسانِ مکان‌یاب این پروژه از پیشنهادات دقیق GeoMatch در پشتیبانی و بهبود تصمیمات کمک می‌گیرند.
این تیم همچنین پیوسته با نگرانی‌هایی درخصوص سوگیری‌های سیستمی مواجه است. الیزابت پالسون، استاد دانشگاه هاروارد که اخیراً دورۀ فوق دکتری خود را در IPL به پایان رسانده است، می‌گوید: «مدام از شرکای کاریمان نقطه‌نظراتی دربارۀ نحوۀ اجرای عدالت در الگوریتم دریافت می‌کنیم. ما بسیار پیشگیرانه و کنترلی فعالیت می‌کنیم و اطمینان می‌دهیم که این الگوریتم‌ها خروجیِ منصفانه‌ای دارند."
پالسون و همکارانش مجموعه‌ای اصلاح شده از الگوریتم‌ها را ایجاد کردند که به آژانس‌های مهاجرتی اجازه می‌دهد نتایجی مثل استخدام در زیرگروه‌های مجزا را به دقت بررسی کنند. به عنوان مثال، اگر یکی از آژانس‌های مهاجرتیِ ایالات متحده بخواهد اطمینان حاصل کند که رده‌های شغلی مشخصی بر اساس کشور مبدأ به دست می‌آید، نتیجه‌ای سودمند حاصل شده است.
با تنظیم الگوریتم می‌توان به نتایج دلخواه رسید. مثلاً می‌توان الگوریتمی تنظیم کرد که نرخ اشتغال را بر اساس جنسیت بررسی کند. هدف، به حداکثر رساندنِ اشتغال بدون آسیب رساندنِ تصادفی به زیرگروهی خاص است.
روتنهائوسلر در عملیاتی مرتبط برای بهبود الگوریتم، به دلیل تخصص در حوزۀ "شیفت‌های توزیع" به تیم GeoMatch استخدام شد. واقعیت آن است که مدل‌های یادگیری ماشینی براساس داده‌های تاریخی آموزش می‌بینند و هر زمان شرایط کنونی، بازتاب داده‌های تاریخی نباشد، مشکلاتی غیرقابل مشاهده ایجاد می‌شود.
به عقیدۀ روتنهائوسلر امروزه جستجوی شغل در هر منطقه فرایندی متفاوت با دو سال پیش دارد. به همین ترتیب، پناهجویانی که هشت سال پیش در اروپا حضور یافتند – و بسیاری از آنها از آفریقا و خاورمیانه کوچ کرده بودند - از جنبه‌های مهمی با اوکراینی‌هایی که امروزه در آنجا به دنبال پناهندگی هستند متفاوتند.
Ahmadi Motarjem, [30/08/1402 07:03 ب.ظ]
درنتیجه باید متناسب با این نوع تغییرات در GeoMatch انعطاف‌پذیری ایجاد کنیم.
این گروه امیدوار است بتواند در آینده شرکا و اسپانسرهایش را افزایش دهد. به عنوان مثال، شرکتی نوظهور در کانادا، در حال آزمایش این مورد است که چگونه GeoMatch می‌تواند به جای پناهندگان به مهاجران اقتصادی کمک کند و مجموعه مهارت‌های فردی و اولویت‌های مکانی را با بهترین مکان‌ها و خانواده‌ها تطبیق دهد. هاتارد می‌گوید: هرچند وضعیت به اندازۀ بحران پناهجویی وخیم نیست، اما از ظرفیتی برابر برای بهبود ادغام جامعه و نتایج اقتصادی برخوردار است.
هاین مولر می‌گوید: «با تلاش‌های صورت‌گرفته در این حوزه، می‌توان گفت که ما تازه کارمان را درخصوص هوشمندسازیِ اسکان مجدد پناهندگان آغاز کرده‌ایم. امروزه پناهندگان و سایر مهاجران بیش از هر زمان دیگری رو به افزایشند و کشورها در یافتن بهترین مکان برای اسکان مجددِ آوارگان و پناهجویان با چالش‌های مهمی مواجهند. هدف ما گسترش استفاده از GeoMatch برای خدمت‌رسانیِ دقیق‌تر و افزایش رفاه پناهندگان در سراسر جهان است.
منبع: عصر ایران
کلیدواژه: هوش مصنوعی مهاجرت هوش مصنوعی اسکان مجدد داده ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.asriran.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «عصر ایران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۹۱۳۹۷۸۰ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
ظهور شاه‌کلید قفل‌های دیجیتال/ رایانه‌های کوانتومی رمزگذاری را بی‌معنا می‌کنند
خبرگزاری علم و فناوری آنا؛ بار‌ها شنیده‌ایم که هکر‌ها با سرقت اطلاعات کارت‌های بانکی، موجودی حساب افراد را خالی کرده‌اند و متخصصان توصیه‌هایی برای پیشگیری از آن دارند، اما اگر قرار باشد چنین اتفاقاتی به روند همیشگی تبدیل شود چه؟ یعنی دنیایی را تصور کنید که قفل اطلاعات الکترونیکی ناگهان از کار می‌افتند!
این یک سناریوی علمی، تخیلی نیست. زمانی که رایانه‌های کوانتومی به اندازه کافی قدرتمند شوند، این نگرانی ممکن است به واقعیت تبدیل شود. این رایانه‌ها می‌توانند از ویژگی‌های عجیب دنیای کوانتومی برای رمزگشایی قفل‌هایی استفاده کنند که شکستن آنها برای رایانه‌های معمولی سال‌ها طول می‌کشد. ما نمی‌دانیم چه زمانی این اتفاق می‌افتد، اما بسیاری از مردم و سازمان‌ها در حال حاضر نگران سرقت اطلاعات رمزگذاری شده توسط مجرمان سایبری و ذخیره آن برای رمزگشایی رایانه‌های کوانتومی در آینده هستند.
با نزدیک شدن دوران ظهور رایانه‌های کوانتومی، رمزنگاران در تلاش‌اند تا طرح‌های محاسباتی جدیدی برای ایمن کردن داده‌ها در برابر حملات فرضی ابداع کنند. ریاضیات درگیر در این ماجرا بسیار پیچیده است، اما بقای دنیای دیجیتال ما شاید به همین تلاش وابسته باشد.
رمزگذاری ضد کوانتومی
نفوذ به سیستم‌های امنیتی آنلاین اغلب در یک مسئله ریاضی و در دو عدد خلاصه می‌شود که وقتی در یکدیگر ضرب می‌شوند، عدد سوم به دست می‌آید و این عدد کلید باز کردن قفل اطلاعات محرمانه است. با بزرگتر شدن این عدد، مدت زمانی که یک کامپیوتر معمولی برای حل این مشکل صرف می‌کند بیشتر می‌شود.
انتظار می‌رود رایانه‌های کوانتومی بتوانند در آینده این کد‌ها را خیلی سریع‌تر بشکنند. بنابراین، رقابت بر سر یافتن الگوریتم‌های رمزگذاری جدیدی است که می‌توانند در برابر یک حمله کوانتومی مقاومت کنند.
مؤسسه ملی استاندارد و فناوری ایالات متحده سال‌ها است که الگوریتم‌های رمزگذاری «ضد کوانتومی» را خواستار شده و با وجود تلاش‌های فراوان برای ایجاد چنین الگوریتم‌هایی، تعداد بسیار کمی موفق به قبولی در این آزمون شده‌اند. یکی از الگوریتم‌های پیشنهادی به نام «کپسوله‌سازی کلید ایزوژنی فوق منفرد» بود که در سال ۲۰۲۲ با کمک نرم‌افزار ریاضی ماگما (Magma) در دانشگاه سیدنی توسعه یافته بود و به طرزی باورنکردنی شکست خورد.
این رقابت امسال داغ شده است. در ماه فوریه، اپل سیستم امنیتی خود را در پلتفرم آی مسیج (iMessage) به روزرسانی کرد تا از داده‌هایی که ممکن است در آینده توسط رایانه‌های کوانتومی جمع‌آوری شوند محافظت کرده باشند. دو هفته پیش، دانشمندان در چین اعلام کردند که برای محافظت از رایانه کوانتومی اوریجین ووکانگ (Origin Wukong) یک «سپر رمزگذاری» جدید نصب کردند و تقریباً در همین زمان، پژوهشگری به نام ییلِی چن (Yilei Chen) کشف کرد که رایانه‌های کوانتومی به طور بالقوه می‌توانند نوعی الگوریتم را که شکستن آن بسیار دشوار است، هک کنند. این الگوریتم مبتنی بر بخشی از ریاضیات است که آن را به «مشبکه» می‌شناسند و نکته جالب این است که روش‌های مبتنی بر شبکه در سیستم امنیتی جدید آی مسیج (اپل) نیز با همین روش، یعنی «الگوریتم استاندارد پساکوانتومی» رمزگذاری شده است.
الگوریتم مشبکه چیست؟
الگوی «مشبکه» متشکل از نقاطی است که مانند کاشی‌های کف حمام یا ساختار یک الماس به طور منظم تکرار می‌شوند، اگرچه شبکه‌ها می‌توانند ابعاد زیادی داشته باشند (بیش از دو یا سه)، اما همه آنها از یک ایده اولیه برای تکرار نقاط به روشی قابل پیش‌بینی پیروی می‌کنند.
بخش بزرگی از رمزنگاری مشبکه، بر پایه یک سؤال به ظاهر ساده است: اگر یک نقطه مخفی را در چنین شبکه‌ای پنهان کنیم چقدر طول می‌کشد تا شخص دیگری این نقطه مخفی را پیدا کند؟ این بازی مخفی‌کاری می‌تواند راه‌های بیشتری برای محافظت از داده‌ها ایجاد کند.
نوع دیگری از مشبکه که به «یادگیری با خطا» شناخته می‌شود بسیار پیچیده است و شکستن رمز آن حتی برای رایانه کوانتومی نیز دشوار است. با بزرگ شدن اندازه مشبکه، مقدار زمان لازم برای پیچیدگی آن حتی برای رایانه کوانتومی نیز به‌طور تصاعدی افزایش می‌یابد.
یکی دیگر از روش‌های رمزگذاری بر اساس دشواری فاکتورگیری اعداد بزرگ انجام می‌شود، اما مشکل دیگری به نام «مسئله زیرگروه پنهان» وجود دارد که ارتباط نزدیکی با این روش دارد و حل آن نیز بسیار دشوار است. این مسئله در بسیاری از زمینه‌ها از جمله علوم کامپیوتر و ریاضیات کاربرد‌های مهمی دارد.
رویکرد ییلی چن نشان می‌دهد که رایانه‌های کوانتومی ممکن است بتوانند مسائل مشبک را تحت شرایط خاص سریع‌تر حل کنند. بر همین اساس، کارشناسان نتایج او را بررسی کردند و به سرعت یک خطا پیدا کردند. پس از کشف این خطا، چن نسخه به‌روز شدۀ مقاله خود را منتشر کرد و به توصیف این خطا پرداخت.
مقاله چن باعث شده است که بسیاری از رمزنگاران به امنیت روش‌های مشبکه بی‌اطمینان شوند و برخی هنوز در حال ارزیابی هستند که چگونه می‌توان از ایده‌های چن برای رفع این خطا استفاده کرد.
نیاز به توسعه ریاضیات
مقاله چن طوفانی در جامعه کوچک رمزنگاری به پا کرد، اما در سطح جهانی تقریباً هیچ‌توجهی به آن نشد؛ شاید به این دلیل که شمار کمی از مردم ارزش این کار یا پیامد‌های آن را درک می‌کنند.
سال گذشته، زمانی که دولت استرالیا به سراغ یک استراتژی ملی کوانتومی رفت تا کشورش را در صنعت کوانتومی، جهانی کند، یک اشتباه بزرگ انجام داد: اصلا به ریاضیات نپرداخت! استفاده حداکثری از رایانه‌های کوانتومی و آمادگی برای گسترش آنها به آموزش عمیق ریاضی برای تولید دانش و تحقیقات جدید نیاز دارد.
این گزارش از پایگاه خبری دِکانورسیشن به فارسی برگردان شده است.
انتهای پیام/
گزارشگر قديمى راديو دار فانى را وداع گفت