Τεχνητή νοημοσύνη

Επιστημονικές Δημοσιεύσεις Ανοικτής Πρόσβασης

Iwasaki, Y., Abe, T., Wada, K. et al.
BMC Microbiol 22, 73 (2022). https://doi.org/10.1186/s12866-022-02484-3
Published10 March 2022
Ο ιός SARS-CoV-2 αποτελεί σοβαρή απειλή για τη δημόσια υγεία και ένα σημαντικό ζήτημα για τον χαρακτηρισμό αυτού του ταχέως εξελισσόμενου ιού είναι η διαλεύκανση διαφόρων πτυχών των αλλαγών στην αλληλουχία του γονιδιώματός τους.
Smuha, Nathalie A.
Working Paper Series, KU Leuven - Faculty of Law, Available at SSRN, DOI: http://dx.doi.org/10.2139/ssrn.3742421
Posted: 07 Dec 2020
Αυτό το άρθρο αποσκοπεί στην αξιολόγηση των ηθικών προκλήσεων που θέτει η εισαγωγή της Τεχνητής Νοημοσύνης στην εκπαίδευση (AIED). Το ισχύον κανονιστικό πλαίσιο, για μια αξιόπιστη τεχνητή νοημοσύνη, απαρτίζεται από 7 απαιτήσεις όπως αυτές καθορίστηκαν στις κατευθυντήριες γραμμές δεοντολογίας της αρμόδιας ομάδας εμπειρογνωμόνων της Ευρωπαϊκής Επιτροπής.
S. Kumar, R. D. Raut, P. Priyadarshinee, S. K. Mangla, U. Awan and B. E. Narkhede
in IEEE Transactions on Engineering Management, doi: 10.1109/TEM.2022.3157625.
Η παρούσα ερευνητική εργασία μελετά τον πιθανό αντίκτυπο του Διαδικτύου των πραγμάτων (IoT) στην απόδοση της εφοδιαστικής αλυσίδας των εμβολίων. Η έρευνα που διενεργείται χρησιμοποιεί μοντέλο δομικών εξισώσεων για τη διερεύνηση της υπόθεσης. 
Lainjo B.
J Multidiscip Healthc. 2021;14:2361-2372, https://doi.org/10.2147/JMDH.S321751
Published 27 August 2021
Στόχος της μελέτης είναι να διεξαχθεί μια ανασκόπηση της πανδημίας Covid-19 εστιάζοντας στο θέμα της νοσηρότητας και θνησιμότητας, λαμβάνοντας υπόψη τη δυναμική της τεχνητής νοημοσύνης και της ποιότητας ζωής
The 2019-nCoV epidemic control strategies and future challenges of building healthy smart cities
Xu, C., Luo, X., Yu, C., & Cao, S.-J.
Indoor and Built Environment, https://doi.org/10.1177/1420326X20910408
First Published: March 3, 2020
Η ταχεία εξάπλωση της νέας λοίμωξης και το υψηλό ποσοστό νοσηρότητας που συνδέεται με την επιδημία COVID 19, απαιτούν την ταχεία και αυστηρή εφαρμογή των κατάλληλων μέτρων ελέγχου. Ο κίνδυνος της εξάπλωσης σοβαρών ιογενών λοιμώξεων εξαρτάται άμεσα από το βαθμό μετάδοσης του ιού από άτομο σε άτομο σε εσωτερικό περιβάλλον. Αυτό έχουν καταδείξει παρόμοιες καταστάσεις την τελευταία δεκαετία, όπως κατά την πανδημία γρίπης H1N1 του 2009 και την επιδημία του κορονοϊού του αναπνευστικού συνδρόμου της Μέσης Ανατολής το 2014 (MERS).
Journal of Medical Systems, Volume 44, Issue 7, 1 July 2020, Article number 122
Αυτή η συστηματική ανασκόπηση εξετάζει εφαρμογές AI που βασίζονται σε αλγόριθμους εξόρυξης δεδομένων και μηχανικής μάθησης (ML) για την ανίχνευση του ιού και για τη διάγνωση COVID-19.
Vaid, S., McAdie, A., Kremer, R. et al.
International Orthopaedics (SICOT) 44, 1581–1589 (2020) DOI:  https://doi.org/10.1007/s00264-020-04653-3
Issue Date: August 2020
Χρησιμοποιείται ένα πλαίσιο τεχνητής νοημοσύνης βασισμένο στο χρονοδιάγραμμα των κυβερνητικών παρεμβάσεων για την ανάσχεση της covid-19. Η μελέτη προτρέπει τους υπεύθυνους χάραξης πολιτικής να λάβουν υπόψη αυτά τα αποτελέσματα καθώς προχωρούν σε χαλάρωση των περιοριστικών μέτρων.
Roa'a Mohammedqasem, Hayder Mohammedqasim, Oguz Ata
Computers and Electrical Engineering, Volume 100, 2022, 107971, ISSN 0045-7906, https://doi.org/10.1016/j.compeleceng.2022.107971.
May 2022
H παρούσα μελέτη προτείνει ένα σύστημα εντοπισμού της νόσου COVID-19 σε πραγματικό χρόνο, που βασίζεται στο Διαδύκτυο των πραγμάτων. Οι αλγόριθμοι που βασίζονται στην τεχνητή νοημοσύνη αποτελούν μια εναλλακτική λύση λήψης αποφάσεων για την εξαγωγή πολύτιμων πληροφοριών από κλινικά δεδομένα.

Our weird behavior during the pandemic is screwing with AI models
Will Douglas Heaven
MIT Technology Reviews, Artificial intelligence, May 11
11 May 2020
Κατά τη διάρκεια της πανδημίας COVID-19,  έχουν επηρεαστεί ακόμα και οι αλγόριθμοι μηχανικής μάθησης στην τεχνητή νοημοσύνη. Τα μοντέλα μηχανικής μάθησης που εκπαιδεύονται στη “φυσιολογική” ανθρώπινη συμπεριφορά διαπιστώνουν τώρα ότι το φυσιολογικό έχει αλλάξει και μερικά παρουσιάζουν προβλήματα, αναγκάζοντας τους ανθρώπους να επέμβουν για να τα ευθυγραμμίσουν. Παραδείγματα αλγορίθμων στην καθημερινή ζωή είναι αυτοί που τρέχουν πίσω από τα παρασκήνια για τη διαχείριση αποθεμάτων, τον εντοπισμό απάτης, το μάρκετινγκ και άλλα.

Mask Recognition with Computer Vision in the Age of a Pandemic
Jones, D.; Christoforou, C.
34th International Florida Artificial Intelligence Research Society Conference, FLAIRS-34 2021 ; 34, 2021, https://doi.org/10.32473/flairs.v34i1.128486
2021-04-18
Σε αυτό το άρθρο, προτείνεται μια λύση στο πρόβλημα της παρακολούθησης της χρήσης μάσκας, βασισμένη στην υπολογιστική όραση. Συγκεκριμένα, προτείνεται ένα συνελικτικό νευρωνικό δίκτυο για την αναγνώριση εικόνων ανθρώπων που φορούν μάσκες σωστά, ανθρώπων που φορούν μάσκες με λάθος τρόπο και ανθρώπων που δεν φορούν καθόλου μάσκες.

Pages