مشروع مذهل قد يحد من التوقف عند إشارات المرور الحمراء بنسبة 30%!
تاريخ النشر: 21st, October 2023 GMT
شاركت غوغل تحديثا حول مهمتها المعتمدة على الذكاء الاصطناعي لتقليل أوقات الانتظار واستخدام الوقود والانبعاثات الملوثة عند التقاطعات.
وتكشف المؤشرات المبكرة أنه يمكن تقليل التوقفات بنحو 30%، مع انخفاض الانبعاثات بنحو 10%، حيث تظهر الأبحاث أن التلوث عند تقاطعات الطرق أعلى بحوالي 29 مرة مما هو عليه على الطريق المفتوح.
ويعتمد كل هذا التحسين على مجموعة كبيرة من البيانات التي تم جمعها من خرائط غوغل.
ويراقب التطبيق مسارات المركبات وسرعاتها – ولهذا السبب يمكنه تحذيرك بشأن حركة المرور أمامك – وإنشاء نماذج الذكاء الاصطناعي لكيفية تفاعل المركبات والأضواء بعضها مع بعض.
إقرأ المزيد
ويعني تطبيق خرائط غوغل وتقنية الذكاء الاصطناعي إمكانية معالجة المزيد من البيانات بسرعة أكبر، والأكثر من ذلك، عدم الحاجة إلى تحديث البنية التحتية الحالية.
وكتب يوسي ماتياس، نائب الرئيس للهندسة والأبحاث في غوغل: "إن Green Light قادر على تحليل آلاف التقاطعات في وقت واحد، وتحسين التدفق عبر تقاطعات متعددة في المدينة. تعمل توصياتنا المستندة إلى الذكاء الاصطناعي مع البنية التحتية الحالية وأنظمة المرور، ويستطيع مهندسو المدينة مراقبة التأثير ورؤية النتائج في غضون أسابيع".
وتتضمن بعض الرؤى التي يمكن أن يقدمها الذكاء الاصطناعي من غوغل، كيف يمكن تغيير توقيت إشارات المرور، أو كيف يمكن ربط إشارات المرور عند التقاطعات المختلفة، من أجل الحفاظ على سير المركبات بسلاسة أكبر طوال النهار والليل.
ويوجد مشروع Green Light الآن في 12 مدينة وأربع قارات في جميع أنحاء العالم، مثل سياتل وريو دي جانيرو ومانشستر وهامبورغ وبودابست وأبوظبي وجاكرتا وبالي.
المصدر: ساينس ألرت
المصدر: RT Arabic
كلمات دلالية: بحوث تطبيقات غوغل Google الذکاء الاصطناعی
إقرأ أيضاً:
الذكاء الاصطناعي يساعد على توقع الخصائص الكيميائية
طور باحثون تطبيقا أطلقوا عليه اسم "ChemXploreML" يتنبأ بالخصائص الكيميائية ويسرعها، دون الحاجة إلى مهارات برمجة متعمقة.
من الأهداف الأساسية المشتركة لمعظم باحثي الكيمياء الحاجة إلى التنبؤ بخصائص الجزيء، مثل درجة غليانه أو انصهاره. بمجرد أن يتمكن الباحثون من تحديد هذا التنبؤ بدقة، يصبحون قادرين على المضي قدمًا في عملهم، محققين اكتشافات تُفضي إلى أدوية ومواد وغيرها. مع ذلك، ارتبطت الطرق التقليدية للكشف عن هذه التنبؤات، تاريخيًا، بتكلفة باهظة، استنزاف الوقت والجهد المبذول في المعدات، بالإضافة إلى التمويل.
تمكن فرع من الذكاء الاصطناعي، يُعرف باسم التعلم الآلي machine learning (ML)، من تخفيف عبء التنبؤ بخصائص الجزيئات إلى حد ما، لكن الأدوات المتقدمة التي تُسرّع العملية بشكل أكثر فعالية، من خلال التعلم من البيانات الموجودة لإجراء تنبؤات سريعة للجزيئات الجديدة، تتطلب من المستخدم امتلاك مستوى عالٍ من الخبرة البرمجية. هذا يُشكّل عائقًا أمام العديد من الكيميائيين، الذين قد لا يمتلكون الكفاءة الحسابية اللازمة لاجتياز عملية التنبؤ.
للتخفيف من هذا التحدي، ابتكر باحثون في مجموعة "ماكغواير" للأبحاث في معهد ماساتشوستس للتكنولوجيا (MIT) تطبيق ChemXploreML، وهو تطبيق سطح مكتب سهل الاستخدام يُساعد الكيميائيين على إجراء هذه التنبؤات المهمة دون الحاجة إلى مهارات برمجة متقدمة. هذا التطبيق متاح مجانًا وسهل التنزيل ويعمل على المنصات الرئيسية، كما أنه مصمم للعمل دون اتصال بالإنترنت، مما يُحافظ على خصوصية بيانات البحث.
وقد تم توضيح هذه التقنية الجديدة والمثيرة في مقال نُشر مؤخرًا في مجلة المعلومات والنمذجة الكيميائية Journal of Chemical Information and Modeling.
اقرأ أيضا... أداة ذكاء اصطناعي مجانية تعد تقارير طبية مثل الأنظمة التجارية
إحدى العقبات المحددة في مجال التعلم الآلي الكيميائي هي ترجمة البنى الجزيئية إلى لغة رقمية تفهمها أجهزة الكمبيوتر. يُؤتمت برنامج ChemXploreML هذه العملية المعقدة باستخدام "مُضمِّنات جزيئية" مدمجة قوية تُحوّل البنى الكيميائية إلى متجهات رقمية غنية بالمعلومات. بعد ذلك، يُطبّق البرنامج خوارزميات متطورة لتحديد الأنماط والتنبؤ بدقة بالخصائص الجزيئية، مثل درجات الغليان والانصهار، كل ذلك من خلال واجهة رسومية تفاعلية سهلة الاستخدام.
يقول أرافيند نيفاس ماريموثو، باحث في مجموعة ماكغواير والمؤلف الرئيسي للمقالة "يهدف ChemXploreML إلى تعميم استخدام التعلم الآلي في العلوم الكيميائية"، مضيفا "من خلال إنشاء تطبيق سطح مكتب سهل الاستخدام وقوي وقابل للعمل دون اتصال بالإنترنت، نضع أحدث النمذجة التنبؤية بين يدي الكيميائيين مباشرةً، بغض النظر عن خبراتهم البرمجية. هذا العمل لا يُسرّع البحث عن أدوية ومواد جديدة من خلال تسريع عملية الفحص وتخفيض تكلفتها فحسب، بل يفتح تصميمه المرن آفاقًا جديدة للابتكارات المستقبلية".
صُمم تطبيق ChemXploreML ليتطور مع مرور الوقت. لذا، مع تطور التقنيات والخوارزميات المستقبلية، يُمكن دمجها بسلاسة في التطبيق، مما يضمن للباحثين الوصول الدائم إلى أحدث الأساليب وتطبيقها. تم اختبار التطبيق على خمس خصائص جزيئية رئيسية للمركبات العضوية: نقطة الانصهار، ونقطة الغليان، وضغط البخار، ودرجة الحرارة الحرجة، والضغط الحرج، وحقق درجات دقة عالية وصلت إلى 93% لدرجة الحرارة الحرجة. كما أظهر الباحثون أن طريقة جديدة وأكثر إحكامًا لتمثيل الجزيئات كانت دقيقة تقريبًا مثل الطرق القياسية ولكنها كانت أسرع بما يصل إلى 10 مرات.
يقول ماريموثو: "نتصور مستقبلًا يُمكن فيه لأي باحث تخصيص وتطبيق التعلم الآلي بسهولة لحل تحديات فريدة، من تطوير مواد مستدامة إلى استكشاف الكيمياء المعقدة للفضاء بين النجوم".
مصطفى أوفى (أبوظبي)
مباريات سيراميكا كليوباترا فى الدور الأول 2025-2026