https://www.spoudase.gr/arthra/?p_asid=6&p_asp_data=Y3VycmVudF9wYWdlX2lkPTM3NTg0JnF0cmFuc2xhdGVfbGFuZz0wJmZpbHRlcnNfY2hhbmdlZD0xJmZpbHRlcnNfaW5pdGlhbD0wJmFzcF9nZW4lNUIlNUQ9ZXhhY3QmYXNwX2dlbiU1QiU1RD10aXRsZSZhc3BfZ2VuJTVCJTVEPWNvbnRlbnQmdGVybXNldCU1QmthdGVnb3JpZXNfYXJ0aHJvbl8lNUQlNUIlNUQ9NTQxMSZjdXN0b21zZXQlNUIlNUQ9YXJ0aHJh
Ενημέρωση

Επιστήμονες επινόησαν σύστημα τεχνητής νοημοσύνης που εντοπίζει την παχυσαρκία

bookmark

 

Δείτε όλες τις πληροφορίες για τη νέα ανακάλυψη επιστημόνων

Μια πρωτότυπη και λιγότερο κοστοβόρα πρακτική για τη μελέτη του προβλήματος της παχυσαρκίας από…το διάστημα επινόησαν επιστήμονες από τις ΗΠΑ, αξιοποιώντας ένα σύστημα τεχνητής νοημοσύνης σε συνδυασμό με δορυφορικές εικόνες από τους χάρτες της Google.

Οι δορυφορικές εικόνες του Google Maps δίνουν πληροφορίες για μια σειρά στοιχείων, αναφορικά με την κατανομή των κτιρίων και των δέντρων σε μια γειτονιά, την έκταση των χώρων πρασίνου και των δρόμων, την αναλογία μεταξύ της δομημένης και της «ελεύθερης» γης κλπ.

Χάρη στον αλγόριθμο που ανέπτυξαν, οι ερευνητές κατάφεραν να συσχετίσουν τις πληροφορίες που αφορούν συγκεκριμένες γεωγραφικές περιοχές με τα ποσοστά παχυσαρκίας σε γειτονιές των πόλεων. Οι επιστήμονες υποστηρίζουν ότι, με το νέο σύστημα που επιτρέπει τη συνδυαστική χρήση και σύγκριση στοιχείων, οι αρμόδιοι που ενδιαφέρονται για τη βελτίωση της υγείας των πολιtών θα μπορούν να αναλαμβάνουν πιο στοχευμένες δράσεις-πρωτοβουλίες, σε σχέση και με το περιβάλλον, για την αντιμετώπιση προβλημάτων υγείας όπως η παχυσαρκία.

Αφού «κατέβασαν» περίπου 150.000 δορυφορικές εικόνες από το Google Maps, που αφορούσαν διάφορες γειτονιές σε τέσσερις μεγάλες αμερικανικές πόλεις, οι ερευνητές τροφοδότησαν αυτές τις εικόνες σε ένα υπολογιστικό νευρωνικό δίκτυο, ικανό να εντοπίζει μοτίβα και πρότυπα σε μεγάλους όγκους δεδομένων.

Με τη βοήθεια του υπολογιστή, συγκρίνοντας εικόνες και δεδομένα, οι επιστήμονες κατέληξαν σε συμπεράσματα αναφορικά με τις περιοχές στις οποίες είναι πιθανόν εντονότερο το πρόβλημα της παχυσαρκίας (οι μεγάλοι χώροι πρασίνου ευνοούν, παραδείγματος χάρη, τη σωματική άσκηση και συνεπώς μειώνουν την πιθανότητα παχυσαρκίας).

Χρησιμοποιώντας στη συνέχεια ένα άλλο πρόγραμμα τεχνητής νοημοσύνης -έχοντας κατά νου τις εικόνες που αντιστοιχούσαν σε συγκεκριμένες γεωγραφικές περιοχές- οι ερευνητές συσχέτισαν τις εικόνες-τόπους με τα ποσοστά παχυσαρκίας στις περιοχές-πόλεις προς μελέτη.

Από τις δοκιμές της νέας μεθόδου προέκυψε ότι η συνδυαστική αξιοποίηση των ερευνητικών δεδομένων και της τεχνητής νοημοσύνης είναι πιο αποτελεσματική από την αποκλειστική χρήση στατιστικών στοιχείων. Βεβαίως, οι ειδικοί επισημαίνουν ότι, το νέο ερευνητικό εργαλείο δεν πρόκειται να αντικαταστήσει τις «παραδοσιακές» μεθόδους μελέτης, αλλά να τις ενισχύσει.

πηγή.www.career.gr

Share on Facebook Tweet Pin it Share on LinkedIn Send email