به گزارش خبرنگار حوزه فناوری گروه علمی پزشکی باشگاه خبرنگاران جوان، حوزه فناوری و فضا در هفته‌ای که گذشت با اخبار متعددی مانند«شناسایی شبکه‌های مغزی درگیر در پرخاشگری کودکان با کمک هوش مصنوعی»، «چگونه هوش مصنوعی می‌تواند گفته‌های شما را پیش بینی کند؟»، «تشخیص سرطان و سایر بیماری‌ها با اندازه‌گیری دمای بدن»، «شرکت‌های دانش‌بنیان به‌ دنبال جذب تحصیلات تکمیلی‌ها»، «جذب نوجوانان در یک شرکت استارتاپی» همراه بود.

شناسایی شبکه‌های مغزی درگیر در پرخاشگری کودکان با کمک هوش مصنوعی

به نقل از مدیکال اکسپرس، اختلالات روانپزشکی کودکان مانند اختلال نافرمانی مقابله‌ای و اختلال نقص توجه/بیش فعالی (ADHD)، می‌تواند دارای فوران خشم و پرخاشگری فیزیکی باشد. درک بهتر اینکه چه چیزی باعث این علائم می‌شود می‌تواند به اطلاع رسانی استراتژی‌های درمانی کمک کند. محققان دانشگاه ییل اکنون از یک رویکرد مبتنی بر یادگیری ماشینی برای کشف اختلالات اتصال مغز در کودکانی که پرخاشگری نشان می‌دهند، استفاده کرده‌اند.

در حالی که تحقیقات قبلی بر روی مناطق خاصی از مغز متمرکز شده بود، مطالعه جدید الگو‌های اتصالات عصبی را در سراسر مغز شناسایی می‌کند که با رفتار پرخاشگرانه در کودکان مرتبط است. این یافته‌ها که در مجله Molecular Psychiatry منتشر شده است، بر اساس مدل جدیدی از عملکرد مغز به نام «کانکتوم» است که این الگوی اتصالات گسترده مغز را توصیف می‌کند.

دنیس سوخودولسکی، نویسنده ارشد و دانشیار مرکز مطالعات کودک ییل، گفت: پرخاشگری ناسازگار می‌تواند منجر به آسیب به خود یا دیگران شود. این رفتار چالش برانگیز یکی از دلایل اصلی ارجاع به خدمات بهداشت روانی کودکان است. مدل‌سازی مبتنی بر کانکتوم گزارش جدیدی از شبکه‌های مغزی درگیر در رفتار پرخاشگرانه ارائه می‌دهد.

برای این مطالعه که اولین در نوع خود است، محققان داده‌های fMRI (تصویربرداری تشدید مغناطیسی عملکردی) را جمع‌آوری کردند، در حالی که کودکان یک تکلیف درک چهره عاطفی را انجام می‌دادند که در آن چهره‌هایی را مشاهده می‌کردند که حالت‌های آرام یا ترسناک داشتند. به گفته محققان، دیدن چهره‌هایی که احساسات را بیان می‌کنند، می‌تواند حالات مغزی مرتبط با تولید و تنظیم احساسات را درگیر کند که هر دو با رفتار پرخاشگرانه مرتبط هستند؛ سپس دانشمندان از تحلیل‌های یادگیری ماشینی برای شناسایی ارتباطات عصبی استفاده کردند که کودکان با و بدون سابقه رفتار پرخاشگرانه را متمایز می‌کرد.

آن‌ها دریافتند الگو‌های شبکه‌های مغزی که در فرآیند‌های اجتماعی و عاطفی دخیل هستند، مانند احساس ناامیدی از تکالیف یا درک اینکه چرا یک دوست ناراحت است، رفتار پرخاشگرانه را پیش‌بینی می‌کند. برای تایید این یافته‌ها، محققان سپس آن‌ها را در یک مجموعه داده جداگانه آزمایش کردند و دریافتند که همان شبکه‌های مغزی پرخاشگری را پیش بینی می‌کنند. به ویژه اتصال غیرطبیعی به قشر جلوی پیشانی پشتی جانبی (یک منطقه کلیدی که در تنظیم احساسات و عملکرد‌های شناختی بالاتر مانند توجه و تصمیم‌گیری دخالت دارد) به عنوان یک پیش‌بینی‌کننده ثابت پرخاشگری هنگام آزمایش در زیر گروه‌های کودکان با رفتار پرخاشگرانه و اختلالاتی مانند اضطراب، ADHD و اوتیسم عمل می‌کند. 

این اتصالات عصبی به قشر جلوی پیشانی پشتی جانبی می‌تواند نشانگر پرخاشگری باشد که در چندین اختلال روانپزشکی دوران کودکی رایج است.

کریم ابراهیم، ​​دانشمند پژوهشی در مرکز مطالعات کودک ییل گفت: این مطالعه نشان می‌دهد استحکام این شبکه‌های مغزی در مقیاس بزرگ و ارتباط آن‌ها با قشر جلوی مغز ممکن است نشانگر عصبی پرخاشگری باشد که می‌تواند در مطالعات بالینی مورد استفاده قرار گیرد. درک کانکتوم در مرز علوم اعصاب قرار دارد، زیرا می‌تواند اطلاعات ارزشمندی برای توسعه نشانگر‌های زیستی مغزی اختلالات روانپزشکی در اختیار ما قرار دهد.

سوخودولسکی افزود: این مدل ارتباطی پرخاشگری همچنین می‌تواند به ما در توسعه مداخلات بالینی کمک کند که می‌تواند هماهنگی بین این شبکه‌های مغزی و هاب مانند قشر جلوی مغز را بهبود بخشد. چنین مداخلاتی می‌تواند شامل آموزش مهارت‌های تنظیم هیجان لازم برای تعدیل احساسات منفی مانند ناامیدی و عصبانیت باشد. 

از دیگر نویسندگان ییل می‌توان به استفانی نوبل، جورج هی، شریل لاکادی، مایکل جی کراولی، گریگوری مک کارتی و داستین شاینوست اشاره کرد.

چگونه هوش مصنوعی می‌تواند گفته‌های شما را پیش بینی کند؟

به نقل از مدیکال اکسپرس، در چند سال گذشته، مدل‌های هوش مصنوعی زبان در برخی وظایف بسیار خوب شده‌اند. مهم‌تر از همه، آن‌ها در پیش‌بینی کلمه بعدی در یک رشته متن عالی هستند. این فناوری به موتور‌های جستجو و اپلیکیشن‌های پیامک کمک می‌کند کلمه بعدی را که قرار است تایپ کنید پیش بینی کنند.

به نظر می‌رسد که جدیدترین نسل از مدل‌های زبان پیش‌بینی‌کننده نیز چیزی در مورد معنای اصلی زبان می‌آموزد. این مدل‌ها نه تنها می‌توانند کلمه بعدی را پیش‌بینی کنند، بلکه کار‌هایی را نیز انجام می‌دهند که به نظر می‌رسد به درجاتی از درک واقعی نیاز دارند، مانند پاسخ به سؤال، خلاصه‌سازی اسناد و تکمیل داستان.

چنین مدل‌هایی برای بهینه‌سازی عملکرد برای عملکرد خاص پیش‌بینی متن طراحی شده‌اند، بدون اینکه تلاشی برای تقلید چیزی درباره نحوه انجام این کار توسط مغز انسان یا درک زبان انجام شود؛ اما یک مطالعه جدید از دانشمندان علوم اعصاب MIT نشان می‌دهد که عملکرد زیربنایی این مدل‌ها شبیه عملکرد مراکز پردازش زبان در مغز انسان است.

مدل‌های رایانه‌ای که در انواع دیگر وظایف زبانی به خوبی عمل می‌کنند، این شباهت را به مغز انسان نشان نمی‌دهند و شواهدی ارائه می‌دهند که مغز انسان ممکن است از پیش‌بینی کلمه بعدی برای هدایت پردازش زبان استفاده کند.

نانسی کانویشر، استاد علوم اعصاب شناختی، عضو مؤسسه تحقیقات مغز و مرکز مغز‌ها در MIT، می‌گوید: هرچه مدل در پیش بینی کلمه بعدی بهتر باشد، بیشتر با مغز انسان منطبق است. این شگفت‌انگیز است که مدل‌ها به خوبی تناسب دارند و به طور غیرمستقیم نشان می‌دهند که شاید آنچه سیستم زبان انسان انجام می‌دهد پیش‌بینی اتفاقات بعدی باشد.

جاشوا تننبام، استاد علوم شناختی محاسباتی در MIT و عضو CBMM و آزمایشگاه هوش مصنوعی MIT (CSAIL)؛ و اولینا فدورنکو، دانشیار علوم اعصاب و یکی از اعضای موسسه مک گاورن، نویسندگان ارشد این مطالعه هستند که این هفته در مجموعه مقالات آکادمی ملی علوم منتشر شد. مارتین شریمپ، دانشجوی کارشناسی ارشد MIT که در CBMM کار می‌کند، اولین نویسنده مقاله است.

تشخیص سرطان و سایر بیماری‌ها با اندازه‌گیری دمای بدن

به نقل از  نیوزمدیکال، سرطان‌ها، اختلالات جریان خون، آرتریت و سایر بیماری‌ها دمای بدن را تغییر می‌دهند، بنابراین یکی از راه‌های تشخیص چنین بیماری‌هایی، تشخیص تغییر دماست که به راحتی روی سطح پوست انجام می‌شود، به عنوان مثال با یک پیرومتر مادون قرمز. اما اندازه گیری دقیق دمای داخل بدن بدون آسیب رساندن به پوست با ابزار‌های موجود غیرممکن است. گروهی از محققان با مشارکت دانشمند دانشگاه RUDN یک روش رادیوترموگرافی را پیشنهاد کردند که امکان اندازه گیری توزیع دما در داخل بدن را فراهم می‌کند.

سوتلانا آگاسیوا، دانشیار گروه نانوفناوری و فناوری میکروسیستم در آکادمی مهندسی دانشگاه RUDN گفت: هدف از این مطالعه نشان دادن امکان تجسم سه بعدی میدان حرارتی داخلی یک فرد با استفاده از نتایج اندازه گیری دمای روشنایی رادیویی، به طور همزمان در نقاط مختلف بدن، با استفاده از رادیوترموگراف چند فرکانس چند کانالی است. تازگی رویکرد در نظر گرفته شده، تلاشی برای محلی‌سازی دقیق‌تر موقعیت منبع گرما به دلیل تجسم سه بعدی از میدان گرمای داخلی بدن و نظارت بر دینامیک دمای یک منبع نقطه گرما در داخل بدن انسان است.

محققان روش، دستگاه و نرم افزاری را برای تعیین دقیق محل منبع افزایش گرما در بدن پیشنهاد کرده‌اند. آنتن کوچکی روی سطح بدنه تعبیه شده است که می‌تواند دمای داخلی را با دقت یک درجه اندازه گیری کند. بیمار یک محلول آبی گلوکز می‌نوشد که به سرعت جذب خون شده و از طریق سلول‌ها حمل می‌شود؛ به همین دلیل دمای بدن به طور یکنواخت یک تا دو دهم درجه افزایش می‌یابد؛ با این حال، اگر یک سازند بدخیم در جایی وجود داشته باشد، دمای آن برای چند دقیقه به شدت یک یا دو درجه افزایش می‌یابد. این تغییر توسط دستگاه قابل تشخیص است. برای روشن شدن عمق محل آسیب شناسی، محققان یک روش محاسبه را توسعه دادند.

دستگاه و نتایج شبیه سازی به صورت تجربی با بیماران واقعی مورد آزمایش قرار گرفت. این روش «لایه‌های» دما را بر روی صفحه نمایش رایانه به تصویر می‌کشد. برای تعیین دقیق عمق منبع گرما، می‌توان با ماوس در میان آن‌ها پیمایش کرد. علاوه بر این، می‌توانید در ویدئو مشاهده کنید که چگونه دما در این منطقه تغییر کرده است. در آینده، محققان آزمایش‌های بالینی این دستگاه را انجام خواهند داد.

 سوتلانا آگاسیوا، دانشیار گروه نانوتکنولوژی و فناوری میکروسیستم در آکادمی مهندسی دانشگاه RUDN می‌گوید: اطلاعات دقیق در مورد میدان حرارتی داخلی بدن انسان نه تنها تشخیص یک تومور بدخیم داخلی، بلکه تعیین عمق محل آن را نیز ممکن کرده است. رادیوترموگراف جدید فرصتی برای تجزیه و تحلیل دقیق‌تر از وضعیت این تومور یعنی سیستم عروقی مغز و تشخیص زودهنگام آسیب شناسی‌های مختلف مغزی می‌دهد. البته هنوز برای صحبت در مورد همه احتمالات و مزایای رادیوترموگراف جدید که طی آزمایش‌های بالینی که در آینده نزدیک آغاز می‌شود، تایید خواهد شد.

شرکت‌های دانش‌بنیان به‌ دنبال جذب تحصیلات تکمیلی‌ها

علی حسینی، معاون توسعه سرمایه انسانی مرکز تعاملات بین المللی در گفت‌وگو با باشگاه خبرنگاران جوان، اظهار کرد: معاونت علم و فناوری خدمات بسیار زیادی را در اختیار شرکت‌های دانش بنیان قرار می‌دهد که یکی از این موارد ارائه خدمات نظام وظیفه به افراد تحصیل کرده خارج از کشور برای گذراندن دوران سربازی است.

او افزود: از سال ۹۴ توجه بهره مندی دانش آموختگان برتر فناور از تسهیلات خدمت نظام وظیفۀ تخصصی در معاونت علم و فناوری مورد بحث و بررسی قرار گرفت. با توجه به این که شرایط افراد تحصیل کرده در خارج از کشور برای گذراندن دوران سربازی تا حدی متفاوت‌تر از دانش آموختگان داخلی خواهد بود، بر همین اساس شاخص‌های متفاوتی برای ارزیابی این دسته از افراد مورد توجه قرار گرفته است.

معاون توسعه سرمایه انسانی گفت: طرح بهره مندی دانش آموختگان برتر فناور از تسهیلات خدمت نظام وظیفۀ تخصصی سبب شده تا فعالان فناور اجرا و پیشبرد یک پروژه تحقیقاتی در دانشگاه‌های مطرح و یا شرکت‌های دانش بنیان را جایگزین گذراندن دوران سربازی خود کنند.

حسینی با بیان اینکه بیشتر متقاضیان در مقطع دکتری و پسادکتری هستند، افزود: شرکت‌های دانش بنیان بیشتر به دنبال جذب دانشجویانی با مدرک کارشناسی و مقاطع بالاتر هستند. همین امر باعث می‌شود تا دانشجویان در مقطع دکتری و پسادکتری برای انجام کار‌های پژوهشی به دانشگاه‌ها معرفی شوند.

معاون توسعه سرمایه انسانی تصریح کرد: در این بین برخی از نخبگانی که دارای رزومه‌های خاص و قابل قبولی هستند و یا در شرکت‌های دانش بنیان و استارتاپ‌های خارجی مشغول به کار هستند، شرایط مساعدی برای ورود به کشور ندارند. از اسفند سال گذشته موفق به دریافت مجوز برای انجام کار‌های تحقیقاتی و پژوهشی این دسته از افراد بصورت دورکار شده ایم تا نیازی به ورود به کشور نداشته باشند.

حسینی افزود: از سال ۹۴ تا به امروز حدود ۴۷۰ پروژه تحقیقاتی و پژوهشی برای مشمولین نظام وظیفه تخصصی جهت همکاری با دانشگاه‌ها در نظر گرفته شده است.

او یادآوری کرد: برای دانش آموختگان داخل کشور بنیاد ملی نخبگان در این خصوص خدماتی را ارائه می‌دهد.

جذب نوجوانان در یک شرکت استارتاپی