https://virgool.io/feed/@kalantarymaryam604 fa 2026-06-17 14:59:18 https://files.virgool.io/upload/users/1181862/avatar/avatar.png?height=120&width=120 https://virgool.io/@kalantarymaryam604 https://virgool.io/Technoland/apple-technology-and-artificial-intelligence-kwslug472qbe :)تشخیص افسردگی با اپلشرکت اپل در راستای تحقیقات خود، با دانشگاه کالیفرنیا وارد همکاری شده و پرژوه‌ای با اسم رمز Seabreeze را آغاز کرده است. در این پروژه، محققان اپل و دانشگاه کالیفرنیا روی شرایط مختلف از قبیل افسردگی، استرس و اضطراب تحقیق و مطالعه خواهند داشت. به گفته وال استریت ژورنال، این شرکت قصد دارد تا از آیفون برای تشخیص بیماری‌های روحی از جمله افسردگی، اضطراب و زوال شناختی استفاده کند. اپل طی سال‌های اخیر تلاش‌های زیادی را برای استفاده از فناوری‌های جدید در محصولات خود به منظور شناسایی و ردیابی انواع بیماری‌ها و اختلالات در کاربران صورت داده است.طبق اطلاعاتی که منابع نزدیک به شرکت اپل در اختیار این نشریه قرار داده‌اند، محققان اپل در حال تحقیق و بررسی نحوه استفاده از اطلاعاتی همچون الگوهای خواب، تحرک و ریتم تایپ افراد برای تشخیص علائم اولیه اختلالات روحی قبل از وخیم شدن شرایط هستند.وال استریت ژورنال" با استناد به مدارک داخلی شرکت اپل و مصاحبه با افراد ناشناس در این زمینه گزارش داده است که اپل (Apple) در حال کار با دانشمندان است تا بررسی کند که آیا داده هایی که دستگاه های اپل جمع آوری می کنند مانند الگوی خواب و نحوه ی تایپ می تواند به تشخیص بیماری های روحی روانی و زوال شناختی کمک کند یا خیر.این شرکت امیدوار است که در صورت وجود ارتباط میان داده های جمع آوری شده و بیماری های روحی و روانی بتواند به افراد هشدار دهد تا برای درمان اقدام کنند.مدت‌هاست اپل واچ و آیفون خدمات متنوعی برای پایش سلامت به کاربران ارائه می‌کنند، اما اپل در تلاش است تا در نسل‌های بعدی محصولاتش از پایش سلامت روان هم پشتیبانی کند. به این ترتیب، می‌توان به ویژگی‌هایی مانند تشخیص افسردگی با آیفون و اپل واچ امیدوار بود.وال استریت ژورنال در گزارشی جدید به گام جاه‌طلبانه‌ی اپل به‌سوی تشخیص بیماری‌های روانی توسط آیفون و اپل واچ اشاره کرده است. طبق این گزارش، این کمپانی برای توسعه‌ی این تکنولوژی‌ جدید در حوزه‌ی سلامت روان، تحقیقاتی را در همکاری با مراکز علمی مختلف آغاز کرده است. هدف از توسعه‌ی این فناوری جدید، شناخت بیماری‌هایی مانند افسردگی، اوتیسم و اختلال‌های شناختی در کاربران آیفون و اپل واچ است.برخلاف ویژگی‌های پایش سلامت اخیر که به اپل واچ وابسته هستند، این فناوری جدید از اطلاعات حساس آیفون کمک می‌گیرد. همچنین، افزایش تنوع محصولات پوشیدنی اپل و تجهیز آن‌ها به سنسورهای مختلف هم با هدف ارتقا ویژگی‌های سلامتی اکوسیستم این شرکت در حال انجام است.تلاش‌های مستمر اپل در تحقیق درباره‌ی اضطراب و تشخیص افسردگی که درون کمپانی با عنوان Seabreeze (نسیم دریا) از آن یاد می‌شود، در نتیجه‌ی همکاری این شرکت با دانشگاه کالیفرنیا محقق شده است.کوپرتینویی‌ها امیدوارند پس از تکمیل تحقیقات خود، بتوانند الگوریتمی ایجاد کنند که توانایی تشخیص خودکار علايم افسردگی و استرس را داشته باشد. برای اطمینان از دقیق بودن این اطلاعات، لازم است همه‌چیز با منابع معتبر دیگر هم مقایسه شود.اگر این پروژه موفقیت‌آمیز باشد، ویژگی نهایی حاصل از آن می‌تواند به کاربر هشدار دهد و او را به دریافت مشاوره‌ی درمانی تشویق کند. اما اگر اپل نتواند الگوریتم قابل اطمینانی را ایجاد کند، ممکن است این ویژگی کنار گذاشته شود.قابل انکار نیست که چنین ویژگی‌هایی به دسترسی به انبوهی از داده‌ها نیاز دارند. همین موضوع ممکن است باعث ایجاد نگرانی‌هایی در حوزه‌ی حفظ حریم خصوصی کاربران شود. در نتیجه، اپل در توسعه‌ی الگوریتم مورد بحث باید به این موضوع هم دقت کند که اطلاعات حساس کاربران به هیچ سروری فرستاده نشود.ممکن است این تحقیقات به نتیجه‌ی قابل استفاده‌ ختم نشونداپل هم‌زمان در همکاری با یک کمپانی داروسازی به‌نام بایوژن در حال اجرای پروژه تحقیقاتی دیگری است که با اسم رمز Pi شناخته می‌شود و ناتوانی‌های شناختی را مطالعه می‌کند. این پروژه‌ی دو ساله هم قرار است داده‌های جمع‌آوری شده توسط اپل واچ و آیفون را در مقیاسی بزرگ‌تر بررسی کند.اسناد درونی از مشارکت ۲۰ هزار نفر در پروژه‌ی مشترک اپل و بایوژن حکایت دارند که نیمی از این افراد با ریسک بالای ابتلا به ناتوانی‌های شناختی وارد این تحقیقات شده‌اند. باور بر این است که افراد مبتلا به اختلال شناختی به‌گونه‌ای متفاوت از دستگاه‌های خود استفاده می‌کنند.بار دیگر، برای اطمینان از دقت اطلاعات، همه‌چیز باید با داده‌های جمع‌آوری شده از منابع معتبرتر مقایسه شوند. در این پرونده‌ی خاص، استاندارد تست‌های سلامت مغز و اسکن‌هایی که ساختار پلاک‌ مغز را بررسی می‌کند، به‌عنوان منابع معتبر در نظر گرفته می‌شوند.پروژه‌ی دیگری هم وجود دارد که روی اوتیسم کودکان متمرکز شده است و در همکاری با دانشگاه دوک در حال انجام است. این پژوهش تا حد زیادی به دوربین آیفون وابسته است تا بتواند میزان جنب‌وجوش کودکان و همچنین نحوه‌ی تمرکز آن‌ها را زیر نظر بگیرد.writer: seyed Emad din modaresi / Maryam kalantary\about apple technology and artificial intelligence Maryam kalantary Maryam kalantary Mon, 27 Sep 2021 13:53:14 +0330 https://virgool.io/@kalantarymaryam604/%D8%A7%D8%AD%D8%B1%D8%A7%D8%B2-%D9%87%D9%88%DB%8C%D8%AA-%D9%85%D8%A7%D8%B3%DA%A9-%D8%A2%D9%84%D9%88%D8%AF-xhvkmfuzt0xf احراز هویت با تشخیص چهره حتی از روی ماسکبا گسترش روز افزون فناوری دیجیتال و نیاز ما انسانها برای امنیت یکی از ایده های جالبی که در علم هوش مصنوعی به چشم می آید احراز هویت توسط ماسک است که حاوی الگوریتمی ماشینی ست که غیر وابسته به رنگ ماسک و اطلاعات جزئی با دقتی کم، چهره ی کامل فرد را شناسایی میکندتشخیص چهره ، سریع و بدون تماس است و این مزیت را دارد که به سرعت ، افراد را از میان دیتابیس عظیمی از کاربران ثبت شده ، تشخیص دهد. با این حال ، تکیه کردن بر تنها یک سیستم بیومتریک می تواند ریسک تشخیص اشتباه را افزایش دهد. به طور کلی می توان گفت نرخ تشخیص کاذب (تشخیص فرد اشتباه) در سیستم های تشخیص چهره ، بین ۱ در ۱۰۰ هزار تا ۱ در ۱ میلیون است.در نتیجه پاندمی کرونا ، ما مجبوریم هر روز از ماسک استفاده کنیم. اگرچه این کار برای جلوگیری از شیوع کرونا لازم و ضروری است ، اما حقیقتا تجربه ای عذاب آور است. حتما برایتان پیش آمده که یک دوست و یا آشنا از کنارتان عبور کرده و شما او را از پشت ماسک نشناسید. این روز ها، این اتفاق، کاملا عادی و معمول است و فقط مختص انسان ها هم نیست. سیستم های تشخیص چهره و احراز هویت نیز به این مشکل دچار شده اند. اگر در محل کار خود سیستم حضور و غیاب از طریق تشخیص چهره دارید، مطمئنا تا کنون به مشکل عدم شناسایی توسط دستگاه تشخیص چهره مواجه شده اید.تقاضای سیستم های احراز هویت دیجیتال در طول این دوره از همیشه بیشتر شده است و سازمان ها و موسسات مختلفی به دنبال راه اندازی سیستم تشخیص چهره برای احراز هویت افراد هستند.برای غلبه بر مانعی که بخاطر استفاده از ماسک پیش آمده و دقت سیستم های تشخیص چهره را کاهش داده اند، شرکت های فعال در این زمینه راهکار هایی ترکیبی بر اساس هوش مصنوعی و یادگیری عمیق ارائه می کنند. این سیستم ها حتی در حالتی که فرد ماسک داشته باشد نیز دقت قابل اعتمادی را ارائه می کنند.بیومتریک از طریق اندازگیری المان های مختلف در بدن انسان انجام می گیرد که می تواند نشان دهنده هویت فرد باشد. این نوع اندازگیری ها معمولا در فناوری های احراز هویت بیومتریک یک یا چند مرحله ای با دقت و امنیت بالا به کار گرفته می شوند.میزان دقت در شناسایی چهره هنگام استفاده از ماسک ،کاهش می یابد. زیرا نقاط داده ی ویژگی های صورت ، فقط از ناحیه اطراف چشم فرد استخراج می شوند. به دلیل کم بودن تعداد این نقاط، اطلاعات موجود برای احراز هویت را کاهش پیدا می کند.بنابراین الگوریتم تشخیص چهره به گونه ای تغییر می یابد که بتواند تصاویر را با ماسک آموزش دیده و افراد را تشخیص دهد. با استفاده از یادگیری عمیق و فناوری داده افزایی ، می توان موقعیت اجزا صورت را تخمین زده و ماسک مجازی را روی چهره ی افراد پیاده سازی کرد.چگونگی شناسایی چهره با ماسکقبل از آشنایی با الگوریتم شناسایی چهره با ماسک ابتدا باید با مفاهیم یادگیری ماشین(Machine learning ) و یادگیری عمیق (deep learning)آشنا شویم.یادگیری ماشین (Machine learning ) چیست؟در یادگیری ماشین سعی بر این خواهد بود که با تکرار یک عمل به ماشین (کامپیوتر) آموزش دهیم تا کار خاصی رو انجام دهد. این کار به مانند آموزش به یک کودک می باشد. به عنوان مثال تعداد خیلی زیادی عکس چهره با ماسک و تعداد خیلی زیادی عکس چهره بدون ماسک (این تصاویر می تواند در فضاهای مختلفی گرفته شده باشد، به عنوان مثال تصویر چهره با ماسک و بدون ماسک در پارک، فرودگاه …) سپس یک مدل(الگوریتم) طراحی می کنیم و به کامپیوتر تک تک تصاویر را به صورت کامل نشان می دهیم. نهایتا بعد از اینکار امکان تمایز چهره بدون ماسک و با ماسک برای کامپیوتر فراهم می شود. و به این ترتیب در صورت ارائه عکس جدید به سیستم کامپیوتری امکان تشخیص چهره فرد با ماسک و بدون ماسک فراهم می شود. آموزش دادن یک مدل یا همون training یک مدل را میتوان بصورت یک فرآیند یادگیری دید که مدل ما همونطور که در بالا توضیح دادیم قدم به قدم با داده جدید و نا آشنا مواجه می شود و در هر گام یکسری پیش بینی هایی را انجام میدهد. به این ترتیب که مثلا عکس چهره با ماسک هست یا خیر، سپس نتیجه پیش بینی را دریافت میکند تا بداند تا چه میزان این پیش بینی صحیح انجام شده است.نتیجه پیش بینی که بصورت یه بازخورد به مدل ارائه می شود، در قالب یک خطا بر اساس یه اندازه ای ارائه شده و این اندازه میتونه شامل چیزای مختلفی باشد. اما معمولا فاصله بین پاسخ صحیح و پاسخ غلط هست. در واقع فرآیند یادگیری ماشین یک فرآیند رفت و برگشتی است.به این معنی که اگر ما بخواهیم نتیجه یک پیش بینی که غلط بوده را درست کنیم، نیاز به تغییر یک یا چندین پارامترها را خواهیم داشت. در این صورت ممکن است سیستم نتیجه یک پیش بینی راکه قبلا درست پیش بینی کرده بوده است را اشتباه پیش بینی کند. برای همین معمولا یک مدل رو برای تعداد زیادی داده تکرار می کنیم تا به کارایی خوبی برسیم. این فرآیند پیش بینی و تنظیم سیستم آنقدر تکرار می شود تا مدل را به مدل بهتری نتوان تبدیل کرد. یادگیری عمیق چیست؟در اینجا مفهوم یادگیری عمیق (deep learning) در رابطه با تشخیص چهره و شناسایی چهره مطرح می شود، در یادگیری عمیق روش های مختلفی داریم یکی از این روش ها استفاده از شبکه های عصبی کانولوشن هست. اساس کار این شبکه ،لایه کانولوشن می باشد. لایه های کانولوشنی(convolutional layers) در پیدا کردن ویژگی های موجود در تصاویر خیلی خوب عمل کرده و اگه تعدادی از این لایه ها رو پشت سر هم قرار بدیم بطور حیرت آوری، سلسله مراتبی از ویژگی های غیر خطی بدست خواهیم آورد.مثلا برای تشخیص ویژگی های چهره یعنی در لایه های ابتدایی مثلا گوشه ها، خط ها و لبه ها و بعد از اون به ترتیب ویژگی های سطح بالاتر در نظر گرفته می شوند. به عنوان مثال اگر تصویر ورودی ما تصویر یک صورت باشد ویژگی هایی مثل بینی، چشم ها، گونه ها و صورت در لایه های بعدی (بالاتر) در نظر گرفته شده و سپس لایه های نهایی از این ویژگی های تولید شده برای دسته بندی ویژگی های مشترک در داده ها استفاده می شوند.جدیدترین و پیشرفته ترین روش های تشخیص صورت با ماسک، با استفاده از یادگیری عمیق (deep learning) طراحی شده است. از معروف ترین الگوریتم های پیشرفته تشخیص شی در یادگیری عمیق می توان به: YOLO v3،YOLO V4 و R-CNN سریع اشاره کرد.فیس آیدی در آیفون 13 حتی با ماسک نیز کار خواهد کرد !بر اساس یک گزارش، اپل در حال آزمایش نسخه جدیدی از Face ID برای iPhone 13 است. همانطور که در تصویر زیر مشخص است، به کارکنان یک قاب مخصوص برای iPhone 12 داده می‌شود. همانطور که می‌بینید، این قاب دارای آرایه نسل بعدی Face ID در آیفون 13 است و هنگامی که قاب به iPhone 12 کارمند متصل شد، گوشی از آرایه قاب برای احراز هویت استفاده می‌کند و اینجاست که نکته جالب شروع می‌شود. ظاهرا اپل در حال آزمایش داخلی این امر در مقیاس وسیع است و به جای این که به کارکنان منتخب آیفون منتشر نشده‌ای بدهد، این مسیر را انتخاب می‌کند.اپل از کارمندان خود می‌خواهد که چهره خود را با آیفون 13 Face ID ثبت کنند، اما سعی کنند هنگام استفاده از ماسک و عینک قفل را باز کنید. ظاهرا شرکت می‌خواهد سیستم را با ماسک یا ماسک و عینک (که معمولا در چنین زمانی بخار گرفته می‌شود) آزمایش کند. همه آزمایش‌ها با عینک ویا ماسک روی صورت انجام نمی‌شود، برخی از این آزمایش بسیار عمیق است، با چندین سناریوی داخلی و خارجی که شامل هر نوع عینک و ماسک است.الگوریتم احزار هویت با ماسک در ایران !!خبر خوب درباره این الگوریتم این است که ایران قادر شده به ساخت الگوریتم احزار هویت با ماسک شده است. نیما شمساپور مدیرعامل شرکت بینش هوشمند نسل پیشرو در مورد ویژگی‌های این محصول دانش بنیان گفت: «ماسکینو» با بهره‌گیری از هوش مصنوعی و الگوریتم‌های یادگیری ماشین و یادگیری ژرف توسعه داده شده است. ماسکینو دومین محصول شرکت ما در حوزه احراز هویت است. اولین محصول ما با نام تجاری «یوآیدی» به بازار ایران معرفی شده است که در حال حاضر 20 هزار احراز هویت در روز انجام می‌دهد. وی ادامه داد: ماسکینو نمونه توسعه‌یافته از یوآیدی است که دوربین هوشمند آن قادر است با استفاده از الگوریتم‌های هوش مصنوعی شامل تشخیص چهره (Face Detection)، شناسایی (Recognition) و تطبیق چهره (Face Matching)، فرد را شناسایی کند. با تعریف شدن چهره افراد در سیستم ماسکینو، به محض عبور فرد از مقابل دوربین، حتی با وجود پوشیدن ماسک، چهره وی تشخیص داده شده و متناسب با نیاز، کسب و کارها، ماموران امنیتی و مسئولان مربوطه را از ورود فرد مطلع می‌سازد. نویسندگان: سید عماد الدین مدرسی و مریم کلانتری Maryam kalantary Maryam kalantary Mon, 13 Sep 2021 19:16:14 +0430