توسعه معماری های پیچیده و قدرتمند ، یادگیری عمیق (DL) را در مقیاس وسیع ، مشکلات بزرگ ، ناهمگن ، پیچیده و چند طبقه ای فعال کرده است. با وجود موفقیت های خیره کننده ، الگوریتم های آموزشی DL از نظر محاسباتی بسیار گران شده اند. با تزلزل قانون مور ، جامعه تحقیقاتی هوش مصنوعی به دنبال راه حل های جدیدی برای حل این مشکل DL است.
عکس توسط برت کاوانا در Unsplash مردم اغلب تعجب می کنند که با استفاده از رابط های مغز و رایانه (BCI) چه چیزی می توان به دست آورد. از طریق این مقاله ، من احساس کردم که می توانم به مردم کمک کنم تا از تجربیات من در مورد این فناوری بیشتر در زمینه تجارت مطلع شوند. در واقع ، در شش ماه گذشته ، من روی یک BCI تجاری غیرتهاجمی برای ورزشکاران کار می کردم.
در این مقاله ، من برنامه های کاربردی BCI تجاری غیر تهاجمی و غیر پزشکی را ارائه می دهم ، ارائه نقش استراتژیک داده های مغزی در مدل های تجاری جدید ، ذکر شرکت های پیشرو در این زمینه و به اشتراک گذاشتن تجربه من در ساخت نمونه اولیه BCI. برای شروع ، باید برخی از عناصر کلیدی را در مورد BCI توضیح دهم.
BCI ها برای خواندن سیگنالهای الکتریکی مغز (افکار ، احساسات ، ...) طراحی شده اند - گاهی اوقات از طریق EEG (رویکردهای متفاوتی وجود دارد).
< bq> الکتروانسفالوگرام (EEG): روش پایش که با استفاده از الکترودهای کوچک متصل به پوست سر ، فعالیت الکتریکی در مغز شما را تشخیص می دهد. این فعالیت به صورت خطوط موج دار در ضبط EEG نشان داده می شود. (1)
منبع BCI تهاجمی "نیازمند جراحی برای کاشت الکترودهای زیر پوست سر برای انتقال سیگنال های مغزی است" (2). با استفاده از BCI های تهاجمی ، ما به طور کلی نتایج دقیق تری می گیریم.
با این حال ، ممکن است به دلیل جراحی از عوارض جانبی رنج ببرید. متأسفانه ، پس از عمل جراحی ، ممکن است بافت های اسکار ایجاد شود که می تواند سیگنال های مغزی را ضعیف تر کند. بعلاوه ، بدن "می تواند الکترودهای کاشته شده را رد کند" (3). معمولاً آنها در داخل جمجمه کاشته می شوند اما خارج از مغز می مانند. از دیدگاه فنی ، "آنها نتایج دقیق تری نسبت به BCI های غیر تهاجمی تولید می کنند و نسبت به BCI های تهاجمی خطر کمتری دارند" (4). -تهاجمی.
اول از همه ، باید بدانید که BCI ها چیز جدیدی نیستند. در واقع ، دانشمندان از دهه 1970 برای اهداف پزشکی روی BCI کار می کنند. با تشکر از پیشرفت های انجام شده در زمینه پزشکی ، این فناوری "اخیراً" به بخش مصرف کننده منتقل شده است.
توسعه فناوری های دیگر (AI ، VR ، ...) همچنین باعث شده است که شرکت ها در زمینه تجاری فعالیت کنند. BCI های غیر تهاجمی (فراتر از حوزه پزشکی آشکار). در نتیجه ، تعداد فزاینده ای از استارتاپ ها و شرکت های بزرگ فناوری سعی در توسعه BCI های غیرتهاجمی دارند.
BCI ها به دلایل مختلف استراتژیک تلقی می شوند. اول از همه ، آنها نشان دهنده "رابط سخت افزاری بعدی" بالقوه (5) هستند. در سالهای آتی ، کنترل وسایل با استفاده از مغز ما به یک امر عادی تبدیل خواهد شد. همانطور که می توانید تصور کنید ، آیا مهم است که شرکت های بزرگ فناوری شروع به آماده سازی اکوسیستم محصولات خود برای این واقعیت آینده کنند.
دیگر عنصر استراتژیک ترکیب AI و BCI و به لطف آنها تجربه های منحصر به فردی ایجاد کنید. هوش مصنوعی در حال حاضر در برخی از BCI های تجاری استفاده می شود. یادگیری ماشین (ML) می تواند برای تجزیه و تحلیل و طبقه بندی امواج مغزی در زمان واقعی استفاده شود. وقتی می خواهید کاربر را اندازه گیری کنید ، این می تواند بسیار مفید باشدقصد "(6).
ML همچنین به" رمزگشایی فعالیت الکتریکی مغز با تنوع زیاد و سر و صدای غیر ثابت به یک سیگنال معنی دار "(7) کمک می کند. ML در ساخت برنامه های BCI مفید واقع شده است.
علاوه بر این ، "مجموعه داده EEG دارای ابعاد بالا است ، مدلهای یادگیری عمیق با تعداد زیادی پارامتر در زمینه یادگیری مستقیم سیگنالهای خام EGG جالب است" (8).
ترکیب هوش مصنوعی و BCI می تواند فرصت های جدیدی را ایجاد کند و کاربر را قادر سازد تا چیز کاملاً جدیدی را تجربه کند (مزیت رقابتی). به عنوان مثال ، BCI ها می توانند برای ایجاد محتوای جدید با استفاده از فعالیت مغز تماشاگران و شبکه های خصمانه تولید کننده مورد استفاده قرار گیرند. محلول BCI به عنوان مثال ، زمینه بازاریابی/تبلیغات می تواند درآمد زیادی ایجاد کند. حتی اگر دستگاه های فعلی وجود نداشته باشد (اگر اشتباه می کنم به من بنویسید) یا برنامه هایی که برای اهداف بازاریابی طراحی شده اند ، تحقیقات نشان می دهد که BCI ها در نظر گرفته می شوند.
در واقع ، برخی از مطالعات قبلاً نشان داده اند می توان از BCI برای ارزیابی سطوح توجه ناشی از تبلیغات تجاری استفاده کرد. به راحتی می توان فرض کرد که بسیاری از شرکت ها علاقمند به ایجاد راه حلی برای اندازه گیری این KPI کلیدی برای متخصصان بازاریابی هستند.
BCI ها نیز به دلیل داده هایی که می توانیم استراتژیک هستند. جمع آوری مربوط به بدن انسان. این توانایی برای جمع آوری داده های استراتژیک از زمانی که ما وارد عصر "افزایش انسان" شده ایم ، مهم است.
BCI دستگاه های هوشمند موجود مانند ساعت های هوشمند را تکمیل یا جایگزین می کند و در نهایت به ما در دستیابی به اهداف بیشتر کمک می کند. در سالهای آتی ، انتظار می رود تعداد زیادی از استارتاپ ها در ساختن BCI ها رقابت کنند که بتوانند خلق و خوی کاربران را تجزیه و تحلیل کنند ، به بهبود و تمرکز کمک کنند و غیره.
شاید بزرگترین دلیل سرمایه گذاری شرکت ها در BCI ها داده های مغزی نامیده شود. همانطور که می دانید ، نظارت بر فعالیت مغز با BCI اطلاعات زیادی تولید می کند.
در واقع ، مغز شما الگوی منحصر به فردی از امواج مغزی تولید می کند و اثر انگشت عصبی شخصی شما را به شما می دهد. نحوه واکنش شما به برخی عناصر بصری ، داده های خواب و توجه ، و غیره. همه اینها قابل ضبط و فروش به شرکت های دیگر است.
شرکتی که بیشترین داده های مغزی را در اختیار خواهد داشت ، احتمالاً مزیت رقابتی قابل توجهی نسبت به سایرین خواهد داشت. تاثیر را تصور کنیداثرات شبکه داده اما روی BCI و داده های مغزی اعمال می شود ...
علاوه بر این ، دسترسی به داده های مغز دیگران می تواند اثر قفل شدن را تقویت کند. به عنوان مثال ، اطلاعات مغزی شما می تواند ضبط شده و برای یک سیستم شناسایی شخصی مورد استفاده قرار گیرد. این "ویژگی" ساده می تواند رابطه شما را با یک تولید کننده BCI تقویت کند.
همانطور که می دانید ، بازار تجاری غیر تهاجمی BCI هنوز در مراحل اولیه خود است. به همین دلیل ، شرکت ها هنوز در تلاش هستند تا بهترین رویکرد و روش ها را بیابند.
به نظر من ، ما هنوز 2 یا 3 سال با رواج بیشتر BCI ها فاصله داریم. به گفته برخی از کارشناسان صنعت ، چالش اصلی "یافتن بازارهای واسطه ای است که هنوز می توانند از تکرارهای اولیه BCIs سود ببرند" (10). می تواند دقت خوبی را ارائه دهد هنوز یک چالش بزرگ است.
این دستگاه به خودی خود یک چالش بزرگ است (گران است ، کار با آن دشوار است ، می تواند سنگین باشد ، نه محرمانه ،… ) برخی از شرکت ها در حال بررسی ایده توسعه سنسورهایی هستند که با هدفون هدفون که فعالیت الکتریکی مغز را کنترل می کند ، ادغام می شوند. علاوه بر این ، برای هر فرد کار کالیبراسیون بزرگی باید انجام شود ... ما هنوز از دستگاهی به عنوان یک تلفن هوشمند بصری فاصله داریم.
در چندین مورد استفاده ، متقاعد کردن مشتریان برای خرید BCI دشوار خواهد بود. آیا مردم واقعاً به کنترل دستگاه ها با مغز خود با پوشیدن دستگاه خاصی اهمیت می دهند؟ پاسخ چندان واضح نیست.
به عنوان مثال ، در مورد کنترل روشنایی ، ممکن است فقط از کنترل از راه دور استفاده کنید. انتظار می رود تعداد فزاینده ای از استارتاپ ها برای یافتن بهترین مورد استفاده در حال چرخش باشند. این ضرورت به دلیل میزان توسعه فنی و بودجه مورد نیاز ، خطرات بزرگی برای استارتاپ های BCI محسوب می شود.
BCI نقش مهمی در صنعت خانه های هوشمند و احتمالاً در دراز مدت جایگزین تلفن های هوشمند می شود. من می ترسم صنعت BCI غیرتهاجمی کم و بیش شبیه صنعت تلفن های هوشمند (oligopolistic) باشد.
استفاده از BCI ها در زمینه محیط هوشمند محدود به خانه نیست. همچنین پیشرفت هایی برای محل کار یا صنعت خودرو طراحی شده است. به این دلایل ، من می ترسم که ما ممکن است بازاری با چند دستگاه BCI و "برنامه های کاربردی" مختلف ایجاد شده توسط سایر شرکت ها داشته باشیم.
این صنعت به نوعی از عدم وضوح در مورد اینکه کدام دستگاهها واجد شرایط BCI (سمت مصرف کننده) هستند ، رنج می برد. علاوه بر این ، مسئله داده های مغزی هنوز مبهم است. آیا می توانیم داده های مغزی را بفروشیم؟ آیا باید قوانین خاصی مانند GDPR را رعایت کنیم؟ اگر دستگاه BCI هک شود ، چه اتفاقی می افتد؟… با این حال ، چندین BCI به عنوان تجهیزات پزشکی طبقه بندی نمی شوند و در عوض مستقیماً به بازار مصرف عرضه می شوند. p> در زیر ، من رایج ترین برنامه های کاربردی BCI غیر تهاجمی و غیر پزشکی را لیست کردم.
BCI ها چه کارهایی می توانند انجام دهند؟ در حال حاضر ، BCI های تجاری تمرکز خود را بر درک حالات احساسی شما یا حرکاتی که قصد انجام آنها را دارید متمرکز می کنند. همانطور که توسط جو ذکر شد ، "BCI می تواند هنگامی که کسی به" بله "یا" نه "فکر می کند شروع به کار کند ، اما تشخیص افکار خاص تر هنوز خارج از محدوده اکثر رابط های تجاری مغز و رایانه است." (14)
علاوه بر این ، "اکثر BCI های تجاری فقط می توانند افکار شما را تفسیر کنند ، اما نمی توانند هیچ ایده ای را در ذهن کاربران قرار دهند. با این حال ، کارهای تجربی در مورد نحوه ارتباط افراد از طریق BCI انجام شده است (15). ما می توانیم تصور کنیم که به زودی قادر خواهیم بود با به اشتراک گذاشتن فعالیت عصبی مغز ، تجربیات خود را با دیگران به اشتراک بگذاریم.
فیس بوک فیس بوک یک شرکت BCI ، CTRL-laborators را به قیمت 1 میلیارد دلار خریداری کرد. فیس بوک بر روی چندین پروژه کار می کند. یکی از آنها مربوط به تفکرات ترجمه به گفتار است. مورد دوم در مورد تفسیر حرکاتی است که شخص می خواهد تنها از طریق سیگنال های مغزی خود انجام دهد.
قابل تحمل Neurable بر ایجاد رابطهای "روزمره" مغز و کامپیوتر متمرکز است.
NextMind NextMind ، یک "رابط عصبی غیر تهاجمی که در پشت سر شما قرار دارد و امواج مغزی را به داده هایی تبدیل می کند که می توانند برای کنترل نرم افزارهای سازگار استفاده شوند" (23).
سایر شرکت ها:
< uli> Orbitylهنوز برای فناوری BCI روزهای اولیه است ، اما نتایج امیدوار کننده است. با این حال ، "دانشمندان در این زمینه پیشگام روشن می کنند که ما حتی سطح کاربردهای احتمالی رابط های مغز و رایانه (BCI) را خراش نداده ایم" (24).
ابزار رتبه بندی کالج مدرسه مدارس را بر اساس رضایت دانش آموزان ، نتایج شغلی و هزینه حضور آنها رتبه بندی می کند - نتایج شگفت انگیز است
انتخاب دانشگاه مناسب می تواند سخت ترین تصمیم بزرگسالان باشد. به گفته وزارت آموزش و پرورش ، تنها در ایالات متحده حدود 7،700 مدرسه برای انتخاب وجود دارد. حتی اگر تصمیم بسیار مهم باشد ، بررسی هر دانشکده به صورت جداگانه کاری غیرممکن است.
در مواجهه با گزینه های زیاد ، مردم تمایل دارند تصمیم خود را به چیزی خوشایندتر تقلیل دهند:
این یک میانبر منطقی است. هیچ کس وقت ندارد به صورت دستی وب سایت های دانشگاه را بخواند و قیمت شهریه آنها ، نتایج شغلی و غیره را متقابل نشان دهد.
بنابراین ما به تحقیقات دیگران روی می آوریم. اگر "بهترین دانشگاه" را جستجو کنید ، صدها لیست پیدا خواهید کرد که تقریباً مشابه هستند. نتیجه برتر رتبه بندی کالج های US News است.
"چرا؟" ممکن است بپرسید به دلیل نحوه محاسبه رتبه بندی آنها (و بسیاری دیگر):
22.5٪ - شهرت دانشگاهی مقطع کارشناسی 5/22 درصد - میزان فارغ التحصیلی و حفظ 20.0٪ - منابع دانشکده (که 35٪ آن حقوق دانشکده است) 12.5 - - انتخابی دانش آموزان 10.0 - - منابع مالی 7.5 - - عملکرد میزان فارغ التحصیلی 5.0 - - اهداء فارغ التحصیلان (منبع: چگونه US News رتبه ها را محاسبه کرد)
توجه کنید که چه چیزی کم است؟ رضایت دانش آموزان ، کیفیت تدریس و نتایج شغلی ، به عنوان مثال.
ما وب را برای داده های عمومی حذف کردیم و از API کارت امتیازی وزارت آموزش استفاده کردیم تا 100 دانشگاه برتر را بر اساس :
من شما را تشویق می کنم که این ابزار را خودتان بررسی کنید. در حال حاضر ، ما هر یک از عوامل فوق را به طور مساوی (هر کدام 33.3 درصد) وزن می کنیم. با این حال ، متوجه خواهید شد که لیست پویا است. اگر عمدتا نگران سرمایه گذاری هوشمند مالی هستید ، ممکن است لیست ما را بر اساس ستون سال پرداخت شهریه انتخاب کنید. اگر به دنبال بهترین تجربه هستید ، بر اساس رضایت دانش آموزان مرتب کنید. و اگر اولویت شما یک شغل پایدار است ، سعی کنید آن را بر اساس ستون نرخ بازپرداخت وام مرتب کنید.
ما درک می کنیم که برخی از شما ممکن است بخواهید عوامل را متفاوت ارزیابی کنید ، یا ممکن است نقاط داده دیگری را که هنوز در دسترس نیستند بخواهید. ما نمی خواهیم حدس بزنیم شما چه می خواهید. به عنوان یک شرکت Y Combinator ، ما یاد گرفتیم که:
ما v1.0 را ساختیم و اکنون می خواهیم از شما بشنویم. آیا این ابزار مفید بود؟ با گذاشتن افکار خود در نظرات زیر یا پیوستن به بحث در بخش نظرات در پایین ابزار رتبه بندی کالج ما ، به ما کمک کنید تا نسخه های بعدی را شکل دهیم.
از 20 اکتبر 2017 ابزار رتبه بندی کالج مدرسه را ایجاد کنید: https://www.makeschool.com/college-ranking
با بیش از 70 میلیون کاربر ، کهوت! نحوه یادگیری دانش آموزان از طریق پلت فرم یادگیری مبتنی بر بازی برای معلمان تغییر کرده است. و اکنون ، ما هیجان زده هستیم که اعلام کنیم با Kahoot همکاری کرده ایم! برای کمک به ترویج علوم رایانه از طریق بازی های آموزشی سرگرم کننده برای کاربران در سراسر جهان.
بیش از 50٪ از مدارس K-12 ایالات متحده از Kahoot استفاده می کنند! بستری برای آموزش شیوه های جدید به دانش آموزان و ایجاد یک محیط یادگیری سرگرم کننده. هر معلم می تواند kahoot-بازیهای آموزشی سرگرم کننده گروهی-را برای موضوعات مختلف برای کلاس خود ایجاد و پیدا کند. Code.org مجموعه ویژه ای از kahoot ها را برای کمک به رفع ابهام در علوم رایانه جمع آوری کرده است - از جمله Kahoots معلمان ما در کلاس های درس خود استفاده می کردند.
مجموعه علوم کامپیوتر از kahoot ها می تواند در دبستان ، راهنمایی و دبیرستان استفاده شود - برخی از آنها با فصل ها و سطوح مختلف از دوره های اکتشافات علوم رایانه و اصول علوم کامپیوتر ما جفت می شوند.
Kahoots نه تنها در داخل کلاس مفید است. kahoot هایی در این مجموعه وجود دارد که می تواند در ارائه های مدرسه برای کمک به جذب دانش آموزان برای گذراندن دوره CS در سال آینده یا در جلسات PTA برای افزایش آگاهی در مورد علوم رایانه استفاده شود. و فراتر از مجموعه kahoots ، Code.org قصد دارد از Kahoot استفاده کند! پلتفرمی برای مشارکت هزاران معلم در طول کارگاههای توسعه حرفه ای ما.
علوم رایانه ای بخش اساسی آموزش در قرن 21 است و ترکیب آن با بازی هایی که زبان آموزان را درگیر کرده و تشویق می کند ، باعث دسترسی بیشتر آنها می شود. ما خوش شانس هستیم که با گروهی همکاری می کنیم که اشتیاق ما برای گسترش دسترسی به آموزش علوم کامپیوتر است.
آلیس استینگلاس ، رئیس جمهور - Code.org
< /img> در هند ، ما تعداد زیادی مهندس داریم. بیشتر به این دلیل است که دانش آموزان آنچه را که می خواهند تبدیل شوند انتخاب نمی کنند. در عوض ، آنها به خاطر جامعه کارمند می شوند. از این رو یک مهندس.
مشکل دوره مهندسی نرم افزار در هند این است که خیلی عمومی است. مهندسی نرم افزار بسیار گسترده است. روز به روز در حال رشد است. اما برنامه درسی هنوز در دهه 90 است.
زمینه های محبوب مهندسی نرم افزار عبارتند از توسعه موبایل ، توسعه پشتیبان ، توسعه ابری. توسعه وب ، علم داده ، توسعه UI/UX و غیره اینترنت آن را بسیار ساده کرده است. فقط یک جستجوی Google می تواند منابع کافی برای کسب اطلاعات در مورد هر زمینه ای در اختیار شما قرار دهد.
سایت هایی مانند Coursera ، EdX و غیره آموزش رایگان ارائه می دهند. فقط یادگیری کافی نیست شما باید چیزهایی بسازید و آنها را به نمایش بگذارید.
نمایش یک تکه کیک است ، تنها کاری که باید انجام دهید این است که آن را در Github بارگذاری کرده و در سایت هایی مانند Hackernews ، گروه های FB و غیره به اشتراک بگذارید. اگر مردم آنها را دوست دارند پروژه خود را ستاره دار یا چنگال کنید در حال حاضر مهارت های فرد به این شکل سنجیده می شود.
سپس افراد به دنبال شما می آیند :)
اگر به توسعه برنامه های ابری علاقه دارید. قسمت های رایگان کتاب من ابر قطعه ای از کیک است را مطالعه کنید.
