ام-فلينت شعار جامعة ميشيغان - فلينت

النمذجة الآمنة والتعلم الذكي في مختبر النظم الهندسية

أدوات الذكاء الاصطناعي للأمن السيبراني والأمراض التنكسية العصبية

المدير والباحث الرئيسي: خالد مالك، مدير برامج الأمن السيبراني، أستاذ قسم الحوسبة، تكنولوجيا المعلومات والاتصالات

يعد مختبر النمذجة الآمنة والتعلم الذكي في الأنظمة الهندسية (SMILES) مجموعة متعددة التخصصات ذات تفكير تقدمي من أعضاء هيئة التدريس والطلاب الباحثين الذين يتبنون التفكير خارج الصندوق لتطوير حلول متطورة قائمة على الذكاء الاصطناعي لبعض المشاكل الأكثر إلحاحًا من وقتنا. إن البحث الترجمي الذي قدمه فريق SMILES له تأثير يمتد إلى ما هو أبعد من مجتمعنا من خلال حلول قابلة للتسويق في مجال الأمن السيبراني والرعاية الصحية والتي ستفيدنا جميعًا.

لقد حددت الرؤية الجريئة لمختبر SMILES الاحتياجات الملحة وركزت بشكل ثابت على بناء وتحسين أدوات الذكاء الاصطناعي لحلها. لقد نشر مالك وفريقه العديد من المقالات في المجلات والمؤتمرات، وهم يبنون باستمرار على هذا الأساس. ومن خلال العلاقات الغنية مع خبراء الصناعة والطب، تمكن الفريق من تلبية احتياجات محددة للغاية من خلال الحلول ذات الصلة. 

بالإضافة إلى التأثير الخارجي لأبحاث سمايلز، يكتسب الطلاب الذين يعملون في مشاريع سمايلز ثروة من التجارب الفريدة. إنهم يتعرضون لأحدث أدوات الذكاء الاصطناعي والأمن السيبراني، بينما يتم دعمهم باستمرار لممارسة التفكير الذكي والنقدي الذي يفتح الباب للنمو الذي يغير الحياة. ومن خلال الإرشاد المدروس من مالك، يتم تمكين الطلاب من ممارسة المثابرة نحو تحقيق أهداف ملموسة مهمة. ستكون هذه المهارات والعلاقات التي تشكلها مدى الحياة وتهيئهم لعالم يحتاج بشدة إلى أفراد مبدعين يعرفون كيفية سد الفجوة بين البحث والممارسة.

على هذه الصفحة

تطوير كاشف قوي وقابل للتفسير للوسائط المتعددة المزورة والتهديدات السيبرانية باستخدام الذكاء الاصطناعي

بتمويل من المؤسسة الوطنية للعلوم و ميشيغان للبحوث التحويلية والتسويق

قناع مزيف عميق يشير إلى المبادلة

كاشف التزوير العميق (DFD)

كشف الحقيقة. ابحث عن العدالة

شعار ديماسك

النمذجة الآمنة والتعلم الذكي في مختبر النظم الهندسية

الرؤية هي الإيمان - ولكن إلى متى؟ شعار ديماسك. لقطات من المقالات الإخبارية الأخيرة حول مخاوف الجمهور بشأن Deepfakes. الصوت المزيف العميق هو كابوس سياسي، يمكن للذكاء الاصطناعي الجديد من مايكروسوفت محاكاة صوت أي شخص بثلاث ثوانٍ من الصوت، احتيال الذكاء الاصطناعي: زوجان كنديان يخسران K بسبب صوت الابن المزيف، الذكاء الاصطناعي الذي أنشأه Deepfake لرئيس الوزراء الياباني يثير القلق
الرؤية هي الإيمان - ولكن إلى متى؟ شعار ديماسك. لقطات من المقالات الإخبارية الأخيرة حول مخاوف الجمهور بشأن Deepfakes. Deepfake Audio هو كابوس سياسي، الذكاء الاصطناعي الجديد من Microsoft يمكنه محاكاة صوت أي شخص بثلاث ثوانٍ من الصوت، احتيال الذكاء الاصطناعي: زوجان كنديان يخسران 3 ألف دولار بسبب صوت الابن المزيف، الذكاء الاصطناعي الذي أنشأ Deepfake لرئيس الوزراء الياباني يثير القلق
الرؤية هي الإيمان - ولكن إلى متى؟ شعار ديماسك. لقطات من المقالات الإخبارية الأخيرة حول مخاوف الجمهور بشأن Deepfakes. Deepfake Audio هو كابوس سياسي، الذكاء الاصطناعي الجديد من Microsoft يمكنه محاكاة صوت أي شخص بثلاث ثوانٍ من الصوت، احتيال الذكاء الاصطناعي: زوجان كنديان يخسران 3 ألف دولار بسبب صوت الابن المزيف، الذكاء الاصطناعي الذي أنشأ Deepfake لرئيس الوزراء الياباني يثير القلق

تعد المعلومات المضللة مصدر قلق متزايد للمجتمع ويغذيها سلاح جديد: الوسائط المتعددة المزيفة. لقد قيل لنا طوال حياتنا أن نصدق ما نراه بأعيننا، وللمرة الأولى، لم يعد بإمكاننا أن نثق بهم. لقد خرجت تقنية Deepfakes الناتجة عن الذكاء الاصطناعي من عالم الخيال العلمي، وهي حقيقة مقلقة تتطلب اهتمامنا الفوري.

Deepfake هو في الأساس جزء من الوسائط التي تم التلاعب بها أو إنشاؤها بالكامل بواسطة الذكاء الاصطناعي لتظهر كما لو أنها قطعة أثرية أصلية. ومع التطورات الأخيرة في أدوات الذكاء الاصطناعي التوليدي، نمت القدرات إلى درجة لم يعد بإمكان البشر اكتشاف الفرق فيها دون مساعدة.

تمثل الوسائط المتعددة المزيفة تهديدًا متزايدًا على المسرح العالمي. إن المعلومات الخاطئة ليست تكتيكًا جديدًا، لكن الأدوات اليوم أكثر تقدمًا بكثير. يمكن لفيديو الذكاء الاصطناعي جيد الصنع لزعيم سياسي أو صناعي أن ينشر روايات كاذبة حول السياسة العامة أو سياسة الشركة ويكون له تأثير عام مدمر. تخيل مقطع فيديو انتشر على نطاق واسع حيث هدد أحد رؤساء الدول الأجنبية بهجوم وشيك على الولايات المتحدة ــ ولكن هذا الفيديو لا يمكن تمييزه عن الفيديو الحقيقي.

Deepfakes: أخطر الأسلحة السيبرانية. أدناه، التأثير السياسي المزعزع للاستقرار للتزييف العميق... تم تحميل مقطع مزيف عميق للرئيس الأوكراني فولوديمير زيلينسكي وهو يدعو جنوده إلى إلقاء أسلحتهم، على موقع إخباري أوكراني تم اختراقه. على يمين ذلك توجد صورة للرئيس جو بايدن مع لافتة إخبارية تقول: حقائق الحرب النووية. يقول التعليق أن بايدن أعلن أنه سيتم تجنيد الرجال والنساء للقتال في أوكرانيا.
Deepfakes: أخطر الأسلحة السيبرانية. أدناه، التأثير السياسي المزعزع للاستقرار للتزييف العميق... تم تحميل مقطع مزيف عميق للرئيس الأوكراني فولوديمير زيلينسكي وهو يدعو جنوده إلى إلقاء أسلحتهم، على موقع إخباري أوكراني تم اختراقه. على يمين ذلك توجد صورة للرئيس جو بايدن مع لافتة إخبارية تقول: حقائق الحرب النووية. يقول التعليق أن بايدن أعلن أنه سيتم تجنيد الرجال والنساء للقتال في أوكرانيا.
Deepfakes: أخطر الأسلحة السيبرانية. أدناه، التأثير السياسي المزعزع للاستقرار للتزييف العميق... تم تحميل مقطع مزيف عميق للرئيس الأوكراني فولوديمير زيلينسكي وهو يدعو جنوده إلى إلقاء أسلحتهم، على موقع إخباري أوكراني تم اختراقه. على يمين ذلك توجد صورة للرئيس جو بايدن مع لافتة إخبارية تقول: حقائق الحرب النووية. يقول التعليق أن بايدن أعلن أنه سيتم تجنيد الرجال والنساء للقتال في أوكرانيا.

أصبح استخدام الصوت والفيديو المزيفين في عمليات الاحتيال أمرًا ممكنًا بشكل متزايد. في 4 فبراير 2024، تم خداع موظف مالي في شركة متعددة الجنسيات من خلال مكالمة فيديو Deepfake "المدير المالي" ودفع له المال. 25 مليون دولار للمحتال.

إذا كان من الممكن أن تقع المؤسسات المالية الكبيرة فريسة لهذه الأشياء، ففكر في مدى ضعف المواطن العادي. وفقا ل 2022 المسح من بين 16,000 شخص في ثماني دول، قال 71% من الأشخاص أنهم لا يعرفون حتى ما هو التزييف العميق.

بينما نناقش تهديد التزييف العميق للأمن العالمي والمؤسسات الديمقراطية وعمليات الاحتيال على المستوى الدولي، من المهم ملاحظة أن القطع الصوتية والمرئية التي تم التحقق منها أصبحت الآن هي القاعدة كدليل في نظامنا القضائي. تشكل تقنية Deepfakes تهديدًا كبيرًا لسلامة تلك العملية.

يعد استيفاء معايير الأدلة القضائية مهمة صعبة، خاصة في غياب البيانات الوصفية الأساسية، مثل العلامات المائية الرقمية، أو إذا تمت معالجة الوسائط لاحقًا بهدف مكافحة الطب الشرعي. في أوائل فبراير 2024، أعلنت منصات التواصل الاجتماعي مثل Meta أنها ستتطلب تصنيف المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي على هذا النحو، ولكن هذا يندرج ضمن فئة "الأقفال تمنع الصادقين فقط". أولئك الذين يعتزمون استخدام هذه الأدوات المتقدمة للخداع لن يضعوا عليها علامات.

ومع تزايد القدرة على إنشاء مقاطع فيديو مزيفة ومقنعة بشكل كبير، فقد زادت أيضًا حاجتنا إلى التحقق من منتجات الوسائط الرقمية المشروعة. أبعد من ذلك، فإن الأدوات اللازمة للتحقق من مصداقية هذه الوسائط تحتاج إلى تقديم التقييمات بطريقة يسهل الوصول إليها. نظامنا القضائي، على سبيل المثال، مصمم حول "هيئة محلفين من الأقران" الذين ليس لديهم معرفة عميقة بالذكاء الاصطناعي وأنظمة الأمن السيبراني.

ولتلبية هذا الطلب الأساسي، قمنا بتطوير كاشف التزوير العميق. استمر هذا البحث لأكثر من 6 سنوات، مدعومًا بما يقرب من مليون دولار من المنح المقدمة من وكالات مثل مؤسسة العلوم الوطنية وMTRAC. لقد مكننا هذا التمويل من تطوير DFD MVP بالأدوات والمعرفة المناسبة ونحن نعمل على تطويرها بشكل أكبر لتصبح منتجًا يمكن استخدامه من قبل الشركات والأفراد الذين ليس لديهم خلفية كبيرة في الأمن السيبراني.

سيحصل الطلاب الباحثون المرتبطون بهذا المشروع على فرصة تعلم كيفية استخدام التعلم العميق والذكاء الاصطناعي العصبي والذكاء الاصطناعي المتعدد الوسائط لتطوير أدوات لمصادقة الوسائط المتعددة الرقمية. سوف يتعلم الطلاب أيضًا كيفية حماية أجهزة الكشف من الهجمات المضادة للطب الشرعي واكتساب الخبرة في تصميم أجهزة الكشف القائمة على الذكاء الاصطناعي لتكون شفافة وقابلة للتفسير مع مخرجات يمكن الوصول إليها. ستتاح لهم الفرصة للعمل في فرق متعددة التخصصات وحل المشكلات التي تتجاوز ما قد يواجهونه في الفصول الدراسية.

رحلة مختبر سمايلز. شعار ديماسك. يوجد أدناه مربع به جدول زمني يتحرك من اليسار إلى اليمين، على النحو التالي: Purple، 1018، NSF، Testbed لقياس خوارزميات الطب الشرعي الصوتي الرقمي، Blue، 2019، NSF، REU Supplement to Forensic Examiner، Gray، 2020، MSGC، NSF، نحو تطوير إطار عمل كشف التزييف العميق، أخضر، 2021، NSF، ملحق REU لفاحص الطب الشرعي، أصفر، 2022، MTRAC، كاشف التزوير العميق، أحمر، 2023، NSF، MTRAC، كاشف قوي وقابل للتفسير (NSF)، DFD (MTRAC) ). أسفل هذا إلى اليسار توجد أربع دوائر مكدسة قطريًا. من أسفل اليسار، اللون الأرجواني مع بصمة الإصبع والعدسة المكبرة، وإنشاء التقارير، والمرئية، والنصية. الأحمر، الترس، المتانة، القرار المجمع، التحقق من الوسائط المتعددة، الأزرق، الدماغ مع الدوائر، قابلية الشرح، الرموز العصبية، الميزات القابلة للتفسير، الأخضر، القابل للتعميم، المعرفة المشتركة، علم النفس البشري، متعدد الوسائط. أسفل اليمين لديه الرسوم البيانية. SpoTNet: شبكة محولات مدركة للانتحال للكشف الفعال عن الكلام الاصطناعي.
رحلة مختبر سمايلز. شعار ديماسك. يوجد أدناه مربع به جدول زمني يتحرك من اليسار إلى اليمين، على النحو التالي: Purple، 1018، NSF، Testbed لقياس خوارزميات الطب الشرعي الصوتي الرقمي، Blue، 2019، NSF، REU Supplement to Forensic Examiner، Gray، 2020، MSGC، NSF، نحو تطوير إطار عمل كشف التزييف العميق، أخضر، 2021، NSF، ملحق REU لفاحص الطب الشرعي، أصفر، 2022، MTRAC، كاشف التزوير العميق، أحمر، 2023، NSF، MTRAC، كاشف قوي وقابل للتفسير (NSF)، DFD (MTRAC) ). أسفل هذا إلى اليسار توجد أربع دوائر مكدسة قطريًا. من أسفل اليسار، اللون الأرجواني مع بصمة الإصبع والعدسة المكبرة، وإنشاء التقارير، والمرئية، والنصية. الأحمر، الترس، المتانة، القرار المجمع، التحقق من الوسائط المتعددة، الأزرق، الدماغ مع الدوائر، قابلية الشرح، الرموز العصبية، الميزات القابلة للتفسير، الأخضر، القابل للتعميم، المعرفة المشتركة، علم النفس البشري، متعدد الوسائط. أسفل اليمين لديه الرسوم البيانية. SpoTNet: شبكة محولات مدركة للانتحال للكشف الفعال عن الكلام الاصطناعي.
رحلة مختبر سمايلز. شعار ديماسك. يوجد أدناه مربع به جدول زمني يتحرك من اليسار إلى اليمين، على النحو التالي: Purple، 1018، NSF، Testbed لقياس خوارزميات الطب الشرعي الصوتي الرقمي، Blue، 2019، NSF، REU Supplement to Forensic Examiner، Gray، 2020، MSGC، NSF، نحو تطوير إطار عمل كشف التزييف العميق، أخضر، 2021، NSF، ملحق REU لفاحص الطب الشرعي، أصفر، 2022، MTRAC، كاشف التزوير العميق، أحمر، 2023، NSF، MTRAC، كاشف قوي وقابل للتفسير (NSF)، DFD (MTRAC) ). أسفل هذا إلى اليسار توجد أربع دوائر مكدسة قطريًا. من أسفل اليسار، اللون الأرجواني مع بصمة الإصبع والعدسة المكبرة، وإنشاء التقارير، والمرئية، والنصية. الأحمر، الترس، المتانة، القرار المجمع، التحقق من الوسائط المتعددة، الأزرق، الدماغ مع الدوائر، قابلية الشرح، الرموز العصبية، الميزات القابلة للتفسير، الأخضر، القابل للتعميم، المعرفة المشتركة، علم النفس البشري، متعدد الوسائط. أسفل اليمين لديه الرسوم البيانية. SpoTNet: شبكة محولات مدركة للانتحال للكشف الفعال عن الكلام الاصطناعي.
يؤدي مخطط التدفق من أيقونة الشخص الذي يتحدث مع السهم لأسفل إلى أيقونة إشارة الكلام. من هناك، يشير السهم إلى المربع المسمى Data Cleansing and Acoustics Signal Processing. في هذا المربع، يؤدي التأطير والنوافذ إلى مؤشرات الكلام غير الصامت، ويؤدي إلى تطبيع مؤشرات الكلام، ويؤدي إلى تصفية تمرير النطاق، ويؤدي إلى التركيز المسبق، ويؤدي إلى مخطط ميل الطيفي، متبوعًا بصورة مخطط طيفي ميل. يؤدي السهم الموجود على يمين المربع إلى رسمين بيانيين طيفيين، أحدهما يسمى "المغلفات"، والآخر يسمى "التباين". تشير القوس الموجودة على يمين هذه الرسوم البيانية إلى أن التمثيل المبني على المعرفة يسحب نقطة بيانات S من Envelops ونقطة بيانات P من Contrast لإنشاء مجموعة بيانات SP. يؤدي السهم إلى الأسفل إلى مربع يحمل اسم Logical Spoofing Transformer Encoder (LSTE) حيث تؤدي مصفوفة SP إلى أربعة تحويلات. ومرشحات BN إلى Token Encoding، المسمى الرموز المميزة Tk 1-n، ثم يشير السهم إلى Transformer Encoder، ويؤدي سهم آخر إلى Attentive Audio Representation. من هذا المربع، يشير السهم إلى رسم تخطيطي يسمى تصنيف الانتحال متعدد الطبقات. يوضح هذا الرسم البياني تدفق البيانات عبر ثلاث طبقات تسمى Dense وBN وDO. يظهر DO على أنه 5، والكثافة هي 128، وrelu في التمريرة الأولى، و64 في الثانية، و32 في الثالثة. من هذه الثلاثة، يشير السهم إلى مربع يسمى Flatten، والذي يحتوي على بيانات AE 1-n. يؤدي هذا بعد ذلك إلى صندوق كثيف واحد به 128 Relu، وصندوق DO واحد بـ .5، وصندوق كثيف أخير به 1 سيني. يؤدي السهم إلى مخرجات التحقق من الكلام - حقيقية أو محاكاة ساخرة.
يؤدي مخطط التدفق من أيقونة الشخص الذي يتحدث مع السهم لأسفل إلى أيقونة إشارة الكلام. من هناك، يشير السهم إلى المربع المسمى Data Cleansing and Acoustics Signal Processing. في هذا المربع، يؤدي التأطير والنوافذ إلى مؤشرات الكلام غير الصامت، ويؤدي إلى تطبيع مؤشرات الكلام، ويؤدي إلى تصفية تمرير النطاق، ويؤدي إلى التركيز المسبق، ويؤدي إلى مخطط ميل الطيفي، متبوعًا بصورة مخطط طيفي ميل. يؤدي السهم الموجود على يمين المربع إلى رسمين بيانيين طيفيين، أحدهما يسمى "المغلفات"، والآخر يسمى "التباين". تشير القوس الموجودة على يمين هذه الرسوم البيانية إلى أن التمثيل المبني على المعرفة يسحب نقطة بيانات S من Envelops ونقطة بيانات P من Contrast لإنشاء مجموعة بيانات SP. يؤدي السهم إلى الأسفل إلى مربع يحمل اسم Logical Spoofing Transformer Encoder (LSTE) حيث تؤدي مصفوفة SP إلى أربعة تحويلات. ومرشحات BN إلى Token Encoding، المسمى الرموز المميزة Tk 1-n، ثم يشير السهم إلى Transformer Encoder، ويؤدي سهم آخر إلى Attentive Audio Representation. من هذا المربع، يشير السهم إلى رسم تخطيطي يسمى تصنيف الانتحال متعدد الطبقات. يوضح هذا الرسم البياني تدفق البيانات عبر ثلاث طبقات تسمى Dense وBN وDO. يظهر DO على أنه 5، والكثافة هي 128، وrelu في التمريرة الأولى، و64 في الثانية، و32 في الثالثة. من هذه الثلاثة، يشير السهم إلى مربع يسمى Flatten، والذي يحتوي على بيانات AE 1-n. يؤدي هذا بعد ذلك إلى صندوق كثيف واحد به 128 Relu، وصندوق DO واحد بـ .5، وصندوق كثيف أخير به 1 سيني. يؤدي السهم إلى مخرجات التحقق من الكلام - حقيقية أو محاكاة ساخرة.
يؤدي مخطط التدفق من أيقونة الشخص الذي يتحدث مع السهم لأسفل إلى أيقونة إشارة الكلام. من هناك، يشير السهم إلى المربع المسمى Data Cleansing and Acoustics Signal Processing. في هذا المربع، يؤدي التأطير والنوافذ إلى مؤشرات الكلام غير الصامت، ويؤدي إلى تطبيع مؤشرات الكلام، ويؤدي إلى تصفية تمرير النطاق، ويؤدي إلى التركيز المسبق، ويؤدي إلى مخطط ميل الطيفي، متبوعًا بصورة مخطط طيفي ميل. يؤدي السهم الموجود على يمين المربع إلى رسمين بيانيين طيفيين، أحدهما يسمى "المغلفات"، والآخر يسمى "التباين". تشير القوس الموجودة على يمين هذه الرسوم البيانية إلى أن التمثيل المبني على المعرفة يسحب نقطة بيانات S من Envelops ونقطة بيانات P من Contrast لإنشاء مجموعة بيانات SP. يؤدي السهم إلى الأسفل إلى مربع يحمل اسم Logical Spoofing Transformer Encoder (LSTE) حيث تؤدي مصفوفة SP إلى أربعة تحويلات. ومرشحات BN إلى Token Encoding، المسمى الرموز المميزة Tk 1-n، ثم يشير السهم إلى Transformer Encoder، ويؤدي سهم آخر إلى Attentive Audio Representation. من هذا المربع، يشير السهم إلى رسم تخطيطي يسمى تصنيف الانتحال متعدد الطبقات. يوضح هذا الرسم البياني تدفق البيانات عبر ثلاث طبقات تسمى Dense وBN وDO. يظهر DO على أنه 5، والكثافة هي 128، وrelu في التمريرة الأولى، و64 في الثانية، و32 في الثالثة. من هذه الثلاثة، يشير السهم إلى مربع يسمى Flatten، والذي يحتوي على بيانات AE 1-n. يؤدي هذا بعد ذلك إلى صندوق كثيف واحد به 128 Relu، وصندوق DO واحد بـ .5، وصندوق كثيف أخير به 1 سيني. يؤدي السهم إلى مخرجات التحقق من الكلام - حقيقية أو محاكاة ساخرة.

تسعى شراكة NSF للابتكار (NSF-PFI) والمشروع الممول من MTRAC إلى زيادة تحسين تقنية كاشف التزوير العميق (DFD) المبنية على جائزة نسب NSF رقم 1815724: SaTC: CORE: ForensicExaminer: اختبار لقياس خوارزميات الطب الشرعي الصوتي الرقمي ومشروع MTRAC بعنوان "جهاز كشف التزوير العميق". يكتشف DFD عمليات التزوير الصوتية والمرئية، بما في ذلك أنواع مختلفة من Deepfakes، التي يتم استخدامها في معالجة الوسائط المتعددة الرقمية، ولكن أنواعًا جديدة تظهر باستمرار. ستساعد التحسينات التي تم إدخالها على DFD MVP في جعله أكثر قوة ضد مكافحة الطب الشرعي، كما ستجعله أكثر سهولة وقابلية للتفسير.

للحصول على التفاصيل ، راجع:

NeuroAssist: نظام ذكي آمن لدعم اتخاذ القرار للتنبؤ بتمزق تمدد الأوعية الدموية في الدماغ

بتمويل من مؤسسة تمدد الأوعية الدموية في الدماغ

تعد الحوادث الدماغية الوعائية، أو السكتة الدماغية، السبب الرئيسي للإعاقة في جميع أنحاء العالم والسبب الرئيسي الثاني للوفاة. بالإضافة إلى ذلك، السكتة الدماغية هي السبب الرئيسي الخامس للوفاة لجميع الأميركيين والسبب الرئيسي للإعاقة الخطيرة على المدى الطويل. يصاب سنويا 15 مليون شخص بالسكتة الدماغية في جميع أنحاء العالم، يموت منهم 5 ملايين ويصاب 5 ملايين آخرين بإعاقة دائمة.

دائرة إلى اليسار واليمين. شعار الابتسامات في أعلى اليمين. يقول العنوان: التنبؤ بنزيف تحت العنكبوتية: المشاكل والاحتياجات التي لم تتم تلبيتها في مجال الرعاية الصحية. الدائرة اليسرى تقول تحديات الذكاء الاصطناعي في الطب ولها رمز القلب. 5 فقاعات تأتي منه. اللون الأرجواني، والأداء المحدود وتكلفة التدريب العالية باللون الأزرق، والطلب على الإنسان في طرق الحلقة البرتقالية، وخصوصية البيانات والنزاهة باللون الأخضر، والطلب على التمثيل متعدد الوسائط، والتعلم باللون الأحمر، وندرة البيانات، ومجموعات البيانات الصغيرة، والحقوق غير المرتبطة بمعرف الهوية (IID) بها دوائر متحدة المركز مع احتياجات غير ملباة في المركز . الدائرة الخارجية، باللون الأخضر، 1. الافتقار إلى عينات التدريب المتعددة الوسائط والكبيرة إن أوجه القصور الحالية في مجموعة البيانات تحد من قدرة نماذج الذكاء الاصطناعي التي تعمم بشكل فعال وتعيق الأداء. Dark Blue، 2، الحلول اللامركزية التي تحافظ على الخصوصية تدور التحديات الحالية حول الحاجة إلى حلول لا مركزية تحافظ على سرية البيانات الصحية الحساسة. الأصفر، 3. الافتقار إلى القابلية للتفسير والتدخل البشري في حلقة الذكاء الاصطناعي: يجب سد الفجوة المعرفية بين الذكاء الاصطناعي وخبراء المجال من خلال تنبؤات قابلة للتفسير. ريد، 4. الافتقار إلى نهج متعدد التخصصات تتطلب معالجة مشكلات الأوعية الدموية القلبية والعصبية المعقدة مزيجًا من الخبرة من تخصصات متعددة.
دائرة إلى اليسار واليمين. شعار الابتسامات في أعلى اليمين. يقول العنوان: التنبؤ بنزيف تحت العنكبوتية: المشاكل والاحتياجات التي لم تتم تلبيتها في مجال الرعاية الصحية. الدائرة اليسرى تقول تحديات الذكاء الاصطناعي في الطب ولها رمز القلب. 5 فقاعات تأتي منه. اللون الأرجواني، والأداء المحدود وتكلفة التدريب العالية باللون الأزرق، والطلب على الإنسان في طرق الحلقة البرتقالية، وخصوصية البيانات والنزاهة باللون الأخضر، والطلب على التمثيل متعدد الوسائط، والتعلم باللون الأحمر، وندرة البيانات، ومجموعات البيانات الصغيرة، والحقوق غير المرتبطة بمعرف الهوية (IID) بها دوائر متحدة المركز مع احتياجات غير ملباة في المركز . الدائرة الخارجية، باللون الأخضر، 1. الافتقار إلى عينات التدريب المتعددة الوسائط والكبيرة إن أوجه القصور الحالية في مجموعة البيانات تحد من قدرة نماذج الذكاء الاصطناعي التي تعمم بشكل فعال وتعيق الأداء. Dark Blue، 2، الحلول اللامركزية التي تحافظ على الخصوصية تدور التحديات الحالية حول الحاجة إلى حلول لا مركزية تحافظ على سرية البيانات الصحية الحساسة. الأصفر، 3. الافتقار إلى القابلية للتفسير والتدخل البشري في حلقة الذكاء الاصطناعي: يجب سد الفجوة المعرفية بين الذكاء الاصطناعي وخبراء المجال من خلال تنبؤات قابلة للتفسير. ريد، 4. الافتقار إلى نهج متعدد التخصصات تتطلب معالجة مشكلات الأوعية الدموية القلبية والعصبية المعقدة مزيجًا من الخبرة من تخصصات متعددة.
دائرة إلى اليسار واليمين. شعار الابتسامات في أعلى اليمين. يقول العنوان: التنبؤ بنزيف تحت العنكبوتية: المشاكل والاحتياجات التي لم تتم تلبيتها في مجال الرعاية الصحية. الدائرة اليسرى تقول تحديات الذكاء الاصطناعي في الطب ولها رمز القلب. 5 فقاعات تأتي منه. اللون الأرجواني، والأداء المحدود وتكلفة التدريب العالية باللون الأزرق، والطلب على الإنسان في طرق الحلقة البرتقالية، وخصوصية البيانات والنزاهة باللون الأخضر، والطلب على التمثيل متعدد الوسائط، والتعلم باللون الأحمر، وندرة البيانات، ومجموعات البيانات الصغيرة، والحقوق غير المرتبطة بمعرف الهوية (IID) بها دوائر متحدة المركز مع احتياجات غير ملباة في المركز . الدائرة الخارجية، باللون الأخضر، 1. الافتقار إلى عينات التدريب المتعددة الوسائط والكبيرة إن أوجه القصور الحالية في مجموعة البيانات تحد من قدرة نماذج الذكاء الاصطناعي التي تعمم بشكل فعال وتعيق الأداء. Dark Blue، 2، الحلول اللامركزية التي تحافظ على الخصوصية تدور التحديات الحالية حول الحاجة إلى حلول لا مركزية تحافظ على سرية البيانات الصحية الحساسة. الأصفر، 3. الافتقار إلى القابلية للتفسير والتدخل البشري في حلقة الذكاء الاصطناعي: يجب سد الفجوة المعرفية بين الذكاء الاصطناعي وخبراء المجال من خلال تنبؤات قابلة للتفسير. ريد، 4. الافتقار إلى نهج متعدد التخصصات تتطلب معالجة مشكلات الأوعية الدموية القلبية والعصبية المعقدة مزيجًا من الخبرة من تخصصات متعددة.

ومن أجل منع هذه الوفيات والإعاقات، يجب أن يكون أطباء الأعصاب وجراحو الأعصاب قادرين على تشخيص الأسباب الجذرية مبكرًا وتحسين إدارتها السريرية. كما يحتاجون أيضًا إلى تحديد المخاطر الإجمالية للفرد عبر اعتبارات معقدة متعددة، بما في ذلك تمدد الأوعية الدموية الدماغية، والتشوهات الشريانية الوريدية (AVM)، ومرض الانسداد الدماغي (COD).

تعتبر الإدارة السريرية للأمراض المسببة للسكتة الدماغية معقدة للغاية. لتوضيح مدى التعقيد، خذ عامل تمدد الأوعية الدموية داخل الجمجمة غير المتمزق في حد ذاته. إن علاجها هو عملية صنع قرار معقدة لأن خطر التمزق لا يتم تحديده فقط بحجم تمدد الأوعية الدموية. الموقع/الشريان له أهمية كبيرة؛ قد تتمزق تمددات الأوعية الدموية الصغيرة في شرايين معينة، بينما قد لا تتمزق الأوعية الدموية الكبيرة في شرايين أخرى.

وبعيدًا عن الحالة المعزولة لتمدد الأوعية الدموية نفسها، فإن درجات مختلفة من التشوهات الشريانية الوريدية وتراكم اللويحات داخل الشرايين السباتية يمكن أن تضيف عوامل خطر أخرى إلى خطر الإصابة بالسكتة الدماغية بشكل عام. تقييماتنا الحالية ليست كافية لمواجهة هذا التعقيد.

وكثيراً ما يؤدي الافتقار إلى البيانات الصحيحة إلى عملية صنع القرار التي يمكن وصفها على نحو ملائم بأنها "آمنة أفضل من الأسف". ومن المؤكد أن التدخل الجراحي هو وسيلة ناجحة للقضاء على خطر الإصابة بالسكتة الدماغية. ومع ذلك، فإن هذه العمليات الجراحية جائرة وقد تؤدي إلى مضاعفات علاجية شديدة أو عجز عصبي، لذا فإن علاج جميع تمدد الأوعية الدموية/التشوهات الشريانية الوريدية/مرض الشريان التاجي لا يستحق دائمًا هذه المخاطرة.

المخططات. العنوان يقرأ الموقع المحدد مقابل. يحتوي مخطط النماذج العالمية على ثلاثة أقسام. يحتوي اليسار على أربع مناطق تتدفق من مجموعات البيانات، من خلال أخذ العينات، ثم من خلال ثلاثة مواقع محددة إلى نموذج تدريب عالمي، مما يؤدي إلى مجموعتين من القواعد. يبدأ القسم الأوسط بنفس مجموعات البيانات، ولكن يتم تصفيته فقط من خلال خوارزمية Apriori (50% ثقة ودعم 20%)، ويؤدي إلى أربع مجموعات من القواعد. يوضح الجزء الثالث كيفية دمج البيانات التراكمية ومجموعات القواعد مع تجربة النمذجة لمدة 5 سنوات للمشروع وتحسين أوزان خبراء المجال وصولاً إلى مجموعة قواعد واحدة محسنة بشكل كبير.
المخططات. العنوان يقرأ الموقع المحدد مقابل. يحتوي مخطط النماذج العالمية على ثلاثة أقسام. يحتوي اليسار على أربع مناطق تتدفق من مجموعات البيانات، من خلال أخذ العينات، ثم من خلال ثلاثة مواقع محددة إلى نموذج تدريب عالمي، مما يؤدي إلى مجموعتين من القواعد. يبدأ القسم الأوسط بنفس مجموعات البيانات، ولكن يتم تصفيته فقط من خلال خوارزمية Apriori (50% ثقة ودعم 20%)، ويؤدي إلى أربع مجموعات من القواعد. يوضح الجزء الثالث كيفية دمج البيانات التراكمية ومجموعات القواعد مع تجربة النمذجة لمدة 5 سنوات للمشروع وتحسين أوزان خبراء المجال وصولاً إلى مجموعة قواعد واحدة محسنة بشكل كبير.
المخططات. العنوان يقرأ الموقع المحدد مقابل. يحتوي مخطط النماذج العالمية على ثلاثة أقسام. يحتوي اليسار على أربع مناطق تتدفق من مجموعات البيانات، من خلال أخذ العينات، ثم من خلال ثلاثة مواقع محددة إلى نموذج تدريب عالمي، مما يؤدي إلى مجموعتين من القواعد. يبدأ القسم الأوسط بنفس مجموعات البيانات، ولكن يتم تصفيته فقط من خلال خوارزمية Apriori (50% ثقة ودعم 20%)، ويؤدي إلى أربع مجموعات من القواعد. يوضح الجزء الثالث كيفية دمج البيانات التراكمية ومجموعات القواعد مع تجربة النمذجة لمدة 5 سنوات للمشروع وتحسين أوزان خبراء المجال وصولاً إلى مجموعة قواعد واحدة محسنة بشكل كبير.

من ناحية أخرى، فإن التدخل المتأخر عند الجمع بين العوامل يزيد من خطر الإصابة بالسكتة الدماغية، ويمكن أن تكون النتيجة الوفاة أو الإعاقة الدائمة. عندما يكون الخطر الإجمالي مرتفعا، فمن الضروري إجراء العلاج الصحيح على الفور.

بدون توفر درجة خطورة/شدة سريرية يمكن الاعتماد عليها، يجب على جراحي الأعصاب الاعتماد على الاستدلال الذي تم تجميعه من بيانات غير موثوقة وخبراتهم السابقة.

أربعة مخططات. العنوان يقول نموذج المعرفة المعزز للكشف عن تمدد الأوعية الدموية وتقسيمها، شعار SMILES في أعلى اليمين. تحتوي المعالجة المسبقة في أعلى اليسار على مقارنات مختلفة لصور تمدد الأوعية الدموية. تؤدي الأسهم لأسفل إلى Knowledge Infused DNN وإلى Knowledge Extraction في أعلى اليمين. يعرض هذا المربع تدريب الخبراء الطبيين للنموذج وردود الفعل ذهابًا وإيابًا لاستخراج عائد الاستثمار وتصنيفه. تؤدي أجزاء من هذا إلى المربع الأيمن السفلي وتغذي اختيار مستوى التسريب وحساب خرائط الميزات المكافئة. توجد بعض الرسوم التوضيحية للصندوق الأسود واستغلال الوزن التكيفي وأقسام دمج الطبقة التكيفية بالإضافة إلى استخراج الميزات العميقة الخاصة بالمستوى. تعود هذه الدائرة إلى قسم Knowledge Infused DNN في أسفل اليسار وتؤدي إلى مخرجات الكشف ومخرجات التجزئة. يقول الجزء السفلي، "DeepInfusion: نموذج ذكاء اصطناعي ديناميكي قائم على الحقن العصبي الرمزي لتجزئة تمدد الأوعية الدموية داخل الجمجمة." الحوسبة العصبية 551 (2023): 126510.
أربعة مخططات. العنوان يقول نموذج المعرفة المعزز للكشف عن تمدد الأوعية الدموية وتقسيمها، شعار SMILES في أعلى اليمين. تحتوي المعالجة المسبقة في أعلى اليسار على مقارنات مختلفة لصور تمدد الأوعية الدموية. تؤدي الأسهم لأسفل إلى Knowledge Infused DNN وإلى Knowledge Extraction في أعلى اليمين. يعرض هذا المربع تدريب الخبراء الطبيين للنموذج وردود الفعل ذهابًا وإيابًا لاستخراج عائد الاستثمار وتصنيفه. تؤدي أجزاء من هذا إلى المربع الأيمن السفلي وتغذي اختيار مستوى التسريب وحساب خرائط الميزات المكافئة. توجد بعض الرسوم التوضيحية للصندوق الأسود واستغلال الوزن التكيفي وأقسام دمج الطبقة التكيفية بالإضافة إلى استخراج الميزات العميقة الخاصة بالمستوى. تعود هذه الدائرة إلى قسم Knowledge Infused DNN في أسفل اليسار وتؤدي إلى مخرجات الكشف ومخرجات التجزئة. يقول الجزء السفلي، "DeepInfusion: نموذج ذكاء اصطناعي ديناميكي قائم على الحقن العصبي الرمزي لتجزئة تمدد الأوعية الدموية داخل الجمجمة." الحوسبة العصبية 551 (2023): 126510.
أربعة مخططات. العنوان يقول نموذج المعرفة المعزز للكشف عن تمدد الأوعية الدموية وتقسيمها، شعار SMILES في أعلى اليمين. تحتوي المعالجة المسبقة في أعلى اليسار على مقارنات مختلفة لصور تمدد الأوعية الدموية. تؤدي الأسهم لأسفل إلى Knowledge Infused DNN وإلى Knowledge Extraction في أعلى اليمين. يعرض هذا المربع تدريب الخبراء الطبيين للنموذج وردود الفعل ذهابًا وإيابًا لاستخراج عائد الاستثمار وتصنيفه. تؤدي أجزاء من هذا إلى المربع الأيمن السفلي وتغذي اختيار مستوى التسريب وحساب خرائط الميزات المكافئة. توجد بعض الرسوم التوضيحية للصندوق الأسود واستغلال الوزن التكيفي وأقسام دمج الطبقة التكيفية بالإضافة إلى استخراج الميزات العميقة الخاصة بالمستوى. تعود هذه الدائرة إلى قسم Knowledge Infused DNN في أسفل اليسار وتؤدي إلى مخرجات الكشف ومخرجات التجزئة. يقول الجزء السفلي، "DeepInfusion: نموذج ذكاء اصطناعي ديناميكي قائم على الحقن العصبي الرمزي لتجزئة تمدد الأوعية الدموية داخل الجمجمة." الحوسبة العصبية 551 (2023): 126510.

وبين هذين النقيضين هناك العديد من الحالات التي يتطلب فيها الخطر المراقبة مع مرور الوقت، وليس اتخاذ إجراء. يواجه الأطباء صعوبة في اتخاذ قرار بشأن متى يجب العلاج ومتى يجب المراقبة، وفي كل عام يتم إجراء الآلاف من الإجراءات غير الضرورية لأنها ليست كذلك. بالتأكيد. إن تحديد مخاطر السكتة الدماغية بشكل عام بناءً على مجموعة من عوامل الخطر لدى مرضى مماثلين يمكن أن يساعد في جعل هذا القرار الحاسم أسهل بكثير لجراحي الأعصاب.

وهذا يعني أن الأداة يجب أن تكون أداة موثوقة يمكن للأطباء استخدامها لشرح الحالة الفردية. يتخيل المريض والأسرة أسوأ النتائج. إنهم قلقون بشأن السكتة الدماغية المدمرة والعبء المالي للعلاج. إن القدرة على التوضيح بوضوح لماذا الخيار الأفضل هو الانتظار والمراقبة سيكون بمثابة فائدة رائعة لتلك العائلات.

رسم تخطيطي بعنوان StrokeNet: نهج آلي للتنبؤ بالتجزئة والتمزق لتمدد الأوعية الدموية داخل الجمجمة شعار SMILES في أعلى اليمين. على يسار الصندوقين يقرأ الخطوة 1: تجزئة تمدد الأوعية الدموية. يحتوي على صورة ممسوحة ضوئيًا والعديد من الرموز التمثيلية ذات الطباعة الصغيرة عليها. يؤدي السهم إلى المربع الثاني، الخطوة 2: التنبؤ بتمزق تمدد الأوعية الدموية. أربع صور على اليسار تؤدي إلى أربعة أجزاء، السمات العميقة، السمات الهندسية، نمط تدفق الدم، واصف فورييه، تؤدي إلى مربع يوضح ترجيح تلك العوامل، ثم اختيار الميزة، ثم المصنف، ثم الأخضر، المعتدل، الأصفر المعتدل، الوردي شديدة، وحمراء حرجة. يقرأ الجزء السفلي: "StrokeNet: نهج آلي للتجزئة والتنبؤ بمخاطر تمزق تمدد الأوعية الدموية داخل الجمجمة." التصوير الطبي المحوسب والرسومات 108 (2023): 102271.
رسم تخطيطي بعنوان StrokeNet: نهج آلي للتنبؤ بالتجزئة والتمزق لتمدد الأوعية الدموية داخل الجمجمة شعار SMILES في أعلى اليمين. على يسار الصندوقين يقرأ الخطوة 1: تجزئة تمدد الأوعية الدموية. يحتوي على صورة ممسوحة ضوئيًا والعديد من الرموز التمثيلية ذات الطباعة الصغيرة عليها. يؤدي السهم إلى المربع الثاني، الخطوة 2: التنبؤ بتمزق تمدد الأوعية الدموية. أربع صور على اليسار تؤدي إلى أربعة أجزاء، السمات العميقة، السمات الهندسية، نمط تدفق الدم، واصف فورييه، تؤدي إلى مربع يوضح ترجيح تلك العوامل، ثم اختيار الميزة، ثم المصنف، ثم الأخضر، المعتدل، الأصفر المعتدل، الوردي شديدة، وحمراء حرجة. يقرأ الجزء السفلي: "StrokeNet: نهج آلي للتجزئة والتنبؤ بمخاطر تمزق تمدد الأوعية الدموية داخل الجمجمة." التصوير الطبي المحوسب والرسومات 108 (2023): 102271.
رسم تخطيطي بعنوان StrokeNet: نهج آلي للتنبؤ بالتجزئة والتمزق لتمدد الأوعية الدموية داخل الجمجمة شعار SMILES في أعلى اليمين. على يسار الصندوقين يقرأ الخطوة 1: تجزئة تمدد الأوعية الدموية. يحتوي على صورة ممسوحة ضوئيًا والعديد من الرموز التمثيلية ذات الطباعة الصغيرة عليها. يؤدي السهم إلى المربع الثاني، الخطوة 2: التنبؤ بتمزق تمدد الأوعية الدموية. أربع صور على اليسار تؤدي إلى أربعة أجزاء، السمات العميقة، السمات الهندسية، نمط تدفق الدم، واصف فورييه، تؤدي إلى مربع يوضح ترجيح تلك العوامل، ثم اختيار الميزة، ثم المصنف، ثم الأخضر، المعتدل، الأصفر المعتدل، الوردي شديدة، وحمراء حرجة. يقرأ الجزء السفلي: "StrokeNet: نهج آلي للتجزئة والتنبؤ بمخاطر تمزق تمدد الأوعية الدموية داخل الجمجمة." التصوير الطبي المحوسب والرسومات 108 (2023): 102271.

ولتلبية هذه الحاجة، قمنا بتطوير أدوات ذات نهج لامركزي وقابل للتفسير يعتمد على الذكاء الاصطناعي. تستخدم هذه الأدوات مجموعة واسعة من التقنيات: الذكاء الاصطناعي متعدد الوسائط في تصوير الأوعية بالطرح الرقمي، وتصوير الأوعية بالرنين المغناطيسي، والتصوير المقطعي المحوسب، وطرائق تصوير الأوعية جنبًا إلى جنب مع النص السريري، والتعلم الموحد، والذكاء الاصطناعي الرمزي العصبي القائم على RAG، وديناميكيات السوائل الحسابية، والذكاء الاصطناعي القابل للتفسير متعدد الوسائط. .

في نهاية المطاف، سيقدم هذا المشروع الأدوات التي من شأنها تقليل الوفيات والإعاقات طويلة الأمد، وتحمل التكاليف المرتفعة للمرضى ونظام الرعاية الصحية لدينا، وتخفيف الكثير من الضغط النفسي للمرضى. وسوف يساعد أيضًا في تطوير ومشاركة بيانات أكثر قوة مع باحثين آخرين لتعزيز فهمنا لتمدد الأوعية الدموية في الدماغ في المستقبل.

للحصول على التفاصيل ، راجع: مؤسسة تمدد الأوعية الدموية في الدماغ: تعرف على متلقي المنحة البحثية: خالد مالك، دكتوراه

تصفية الويب المستندة إلى الذكاء الاصطناعي الرمزي العصبي

برعاية شركة نتستار

شعار مختبر سمايلز

رموز عصبية متعددة الوسائط قابلة للتفسير
نماذج Edge AI لتصفية الويب

النمذجة الآمنة والتعلم الذكي في مختبر النظم الهندسية

تعد حلول تصفية الويب عنصرًا حيويًا في الأمن السيبراني. فهي تمنع الوصول إلى مواقع الويب الضارة، وتمنع البرامج الضارة من إصابة أجهزتنا، وتحمي البيانات الحساسة من الخروج من المؤسسات. إنها توفر تجربة آمنة وفعالة وخاضعة للرقابة عبر الإنترنت عبر مختلف القطاعات، وتعالج المخاوف المتعلقة بالأمان والإنتاجية وملاءمة المحتوى. إن الاتجاهات المتزايدة في استخدام الإنترنت لتبادل البيانات والمعرفة تدعو إلى تصنيف ديناميكي لمحتويات الويب، وخاصة على حافة الإنترنت.

شريط العنوان: المشكلة: الصلة الصناعية والجدة على اليسار: قائمة باحتياجات NetSTAR الرأسية: وما يلي يمتد إلى اليمين: 1. تطوير تصفية دقيقة وجديرة بالثقة لعنوان URL للذكاء الاصطناعي متعدد الوسائط للمحتويات الديناميكية 2. الطلب على تعلم التمثيل متعدد الوسائط 3. مجموعات البيانات الصغيرة متعددة اللغات 4 الطلب على أساليب الحلقة البشرية 5. خصوصية البيانات اليمين: مختبر SMILES مع فقاعات تبرز إلى اليسار، من الأعلى، 1. الذكاء الاصطناعي الرمزي العصبي للمحتويات المتنوعة 2. التعلم متعدد الوسائط 3. ضخ المعرفة 4. تعلم التمثيل متعدد اللغات 5. التعلم الاتحادي
شريط العنوان: المشكلة: الصلة الصناعية والجدة على اليسار: قائمة باحتياجات NetSTAR الرأسية: وما يلي يمتد إلى اليمين: 1. تطوير تصفية دقيقة وجديرة بالثقة لعنوان URL للذكاء الاصطناعي متعدد الوسائط للمحتويات الديناميكية 2. الطلب على تعلم التمثيل متعدد الوسائط 3. مجموعات البيانات الصغيرة متعددة اللغات 4 الطلب على أساليب الحلقة البشرية 5. خصوصية البيانات اليمين: مختبر SMILES مع فقاعات تبرز إلى اليسار، من الأعلى، 1. الذكاء الاصطناعي الرمزي العصبي للمحتويات المتنوعة 2. التعلم متعدد الوسائط 3. ضخ المعرفة 4. تعلم التمثيل متعدد اللغات 5. التعلم الاتحادي
شريط العنوان: المشكلة: الصلة الصناعية والجدة على اليسار: قائمة باحتياجات NetSTAR الرأسية: وما يلي يمتد إلى اليمين: 1. تطوير تصفية دقيقة وجديرة بالثقة لعنوان URL للذكاء الاصطناعي متعدد الوسائط للمحتويات الديناميكية 2. الطلب على تعلم التمثيل متعدد الوسائط 3. مجموعات البيانات الصغيرة متعددة اللغات 4 الطلب على أساليب الحلقة البشرية 5. خصوصية البيانات اليمين: مختبر SMILES مع فقاعات تبرز إلى اليسار، من الأعلى، 1. الذكاء الاصطناعي الرمزي العصبي للمحتويات المتنوعة 2. التعلم متعدد الوسائط 3. ضخ المعرفة 4. تعلم التمثيل متعدد اللغات 5. التعلم الاتحادي

تحتاج الشركات اليوم إلى هذه الحلول لتتمتع بقدرات متعددة اللغات وتحمي خصوصية بيانات موظفيها. تتطلب مواجهة هذه التحديات حلاً موثوقًا يمكنه تصنيف عناوين URL بشكل فعال إلى فئات صحيحة.

ولتلبية هذه الاحتياجات، عقدت UM-Flint شراكة مع الشركة اليابانية الرائدة في مجال تصفية عناوين URL، Netstar Inc.، لتطوير حل قائم على التعلم الآلي. يتكون الفريق من العديد من طلاب الدكتوراه وطلاب ما بعد الدكتوراه في مختبر النمذجة الآمنة والتعلم الذكي في الأنظمة الهندسية (SMILES) وموظفي Netstar.

سيتعلم الطلاب المشاركون في هذا المشروع تقنيات متقدمة لمعالجة اللغات الطبيعية، ومعالجة المحتوى متعدد اللغات، وتطوير الرسوم البيانية المعرفية. سوف يكتسبون خبرة في الذكاء الاصطناعي الرمزي العصبي ومتعدد الوسائط الذي يمكن تفسيره ويقدم المنطق. سيكون لديهم أيضًا فرص لاكتساب العديد من المهارات الشخصية المطلوبة للتعاون مع شركة عالمية.

المعالجة الآلية للرسم البياني للمعرفة العصبية

لتطوير أنظمة الذكاء الاصطناعي العصبي الرمزي، من الضروري أن يكون لديك رسوم بيانية معرفية تمثل جميع كيانات المجالات والعلاقات بينها.

كان النمو السريع للرسوم البيانية المعرفية (KG) في السنوات الأخيرة مؤشرا على عودة ظهور هندسة المعرفة. يعد استخدام رياض الأطفال في الأدبيات المنشورة لاستخلاص المعلومات القابلة للاستخدام والتي يمكن أن تستخدمها النماذج الرمزية العصبية والأنظمة القائمة على الخبراء أحد أكثر الأساليب الواعدة لمشكلة استهلاك البيانات؛ كما أنه يوفر المزيد من التوضيحات لتقنيات الذكاء الاصطناعي مثل التعلم الآلي والتعلم العميق

تدرك معظم الشركات اليوم أن البيانات هي أثمن أصولها، ولكنها يمكن أن تأتي في أشكال وأشكال عديدة مختلفة. إن جعل هذه البيانات قابلة للاستخدام في أدوات التعلم الآلي والذكاء الاصطناعي أمر صعب. حاليًا، يتم إنشاء الرسم البياني المعرفي ومعالجته يدويًا أو شبه آلي إلى حد ما، وبالتالي فهي عملية كثيفة العمالة. في كثير من الحالات، تأخذ هذه العملية اليدوية الشخص الذي يتمتع بمستوى عالٍ من الخبرة بعيدًا عن استثمار ذلك الوقت في المنتج الأساسي أو العمل العلمي الذي يمكنه القيام به.

يمكن للمعالجة الآلية للرسوم البيانية المعرفية من البيانات الضخمة غير المنظمة استخلاص معلومات قابلة للتنفيذ يمكن قراءتها آليًا ويمكن أن تساعد في اكتشاف المعرفة من البيانات الضخمة. للحصول على معلومات قابلة للتنفيذ، من الضروري تحديد المصادر والمعاني والعلاقات بين الكيانات في المجالات المحددة.

علاوة على ذلك، فإن استخلاص المعرفة الموثوقة والمتسقة تلقائيًا، خاصة من المصادر المنظمة وغير المنظمة على نطاق واسع، يمثل تحديًا هائلاً. تم إجراء محاولات قليلة جدًا للإنشاء الآلي للرسوم البيانية للمعرفة الصحية. تلك التي تمت تجربتها حصرت تركيزها على إنشاء ثلاثة توائم من خلال وجود نوع واحد فقط من العلاقات.

العنوان: إطار عمل معالجة الرسم البياني المعرفي الآلي عرض مفاهيمي ثلاث فقاعات إلى اليسار، تحتوي كل منها على أسهم تشير إلى اليمين، مما يؤدي إلى فقاعة كبيرة بها ثلاث فقاعات مترابطة بداخلها. من اليسار: الأزرق. رمز الوثيقة المعالجة المسبقة للنص، والترميز، والتطبيع، ووضع العلامات باللون الأزرق والأخضر، وأيقونة المجموعة، والتصنيف، والتجميع. الأخضر والأزرق، أيقونة شجرة العائلة، التصنيف، PICO. دائرة كبيرة ذات لون أخضر فاتح تحمل عنوان "نمذجة المعرفة". ثلاث دوائر خضراء. أعلى اليسار، أيقونة قائمة التحقق، استخراج المفهوم، OBIE. سهم إلى أعلى اليمين، رمز المجموعة، استخراج العلاقة، BioBERT، CNN-BiLSTM. سهم لأسفل إلى الدائرة الثالثة، جيل KG، استخراج الثلاثيات أسفل اليسار يحتوي على أسطورة الاختصارات: PICO - المريض/السكان، التدخل، المقارنة والنتائج. OBIE - استخلاص المعلومات المستندة إلى علم الوجود، BioBERT - BERT الطبية الحيوية
العنوان: إطار عمل معالجة الرسم البياني المعرفي الآلي عرض مفاهيمي ثلاث فقاعات إلى اليسار، تحتوي كل منها على أسهم تشير إلى اليمين، مما يؤدي إلى فقاعة كبيرة بها ثلاث فقاعات مترابطة بداخلها. من اليسار: الأزرق. رمز الوثيقة المعالجة المسبقة للنص، والترميز، والتطبيع، ووضع العلامات باللون الأزرق والأخضر، وأيقونة المجموعة، والتصنيف، والتجميع. الأخضر والأزرق، أيقونة شجرة العائلة، التصنيف، PICO. دائرة كبيرة ذات لون أخضر فاتح تحمل عنوان "نمذجة المعرفة". ثلاث دوائر خضراء. أعلى اليسار، أيقونة قائمة التحقق، استخراج المفهوم، OBIE. سهم إلى أعلى اليمين، رمز المجموعة، استخراج العلاقة، BioBERT، CNN-BiLSTM. سهم لأسفل إلى الدائرة الثالثة، جيل KG، استخراج الثلاثيات أسفل اليسار يحتوي على أسطورة الاختصارات: PICO - المريض/السكان، التدخل، المقارنة والنتائج. OBIE - استخلاص المعلومات المستندة إلى علم الوجود، BioBERT - BERT الطبية الحيوية
العنوان: إطار عمل معالجة الرسم البياني المعرفي الآلي عرض مفاهيمي ثلاث فقاعات إلى اليسار، تحتوي كل منها على أسهم تشير إلى اليمين، مما يؤدي إلى فقاعة كبيرة بها ثلاث فقاعات مترابطة بداخلها. من اليسار: الأزرق. رمز الوثيقة المعالجة المسبقة للنص، والترميز، والتطبيع، ووضع العلامات باللون الأزرق والأخضر، وأيقونة المجموعة، والتصنيف، والتجميع. الأخضر والأزرق، أيقونة شجرة العائلة، التصنيف، PICO. دائرة كبيرة ذات لون أخضر فاتح تحمل عنوان "نمذجة المعرفة". ثلاث دوائر خضراء. أعلى اليسار، أيقونة قائمة التحقق، استخراج المفهوم، OBIE. سهم إلى أعلى اليمين، رمز المجموعة، استخراج العلاقة، BioBERT، CNN-BiLSTM. سهم لأسفل إلى الدائرة الثالثة، جيل KG، استخراج الثلاثيات أسفل اليسار يحتوي على أسطورة الاختصارات: PICO - المريض/السكان، التدخل، المقارنة والنتائج. OBIE - استخلاص المعلومات المستندة إلى علم الوجود، BioBERT - BERT الطبية الحيوية
إطار عمل معالجة الرسم البياني المعرفي الآلي. العرض الوظيفي يوجد أدناه القائمة التالية: تجميع البيانات المسبقة - تصنيف PICO الرمزي العصبي، مستخرج العلاقات، مولد الرسم البياني للمعرفة. يوجد على اليمين رسم تخطيطي معقد يحتوي على أربعة مربعات في الأعلى وواحد أسفلها جميعًا. في الجزء العلوي، من اليسار، تتضمن المعالجة المسبقة للبيانات مجموعة البيانات وفقاعة المعالجة المسبقة للنص بما في ذلك اكتشاف الجملة والترميز والتنظيف والترجمة. يؤدي إلى المربع الثاني، التجمع الرمزي العصبي، الذي يحتوي على مربعات عمودية على شكل شجرة تحمل عنوان إنشاء بيانات التدريب، ونموذج المجموعة، وضخ المعرفة. يحتوي كل واحد منها على أيقونة صفحة أخبار كجزء من سهم يشير إلى المربعات الأربعة في القسم الثالث (يحتوي نموذج المجموعة على اثنين) تم تسمية المربع الثالث بمصنف PICO ويظهر كل مربع من المربعات الأربعة الموجودة داخله أن كل مجموعة تتغذى من خلال P، عملية التصنيف I وC وO. تحتوي هذه المربعات الأربعة على أسهم تتقارب في رمز خادم واحد كبير به بعض رموز التصنيف. رمز الخادم هذا هو واحد من ثلاثة عناصر في المربع الرابع، المسمى مستخرج العلاقة ويشير إلى كل من العنصرين الآخرين، أحدهما هو الضريبة. RE، الذي يتضمن تعيين المفاهيم للمجموعات الدلالية، وتحديد المجموعة الدلالية، وأجزاء استخراج العلاقات. العنصر الأخير في المربع الرابع هو غير الضريبي. RE، الذي يأخذ نفس المجموعات ويقودها من خلال إنشاء الأزواج، واكتشاف العلاقات الزوجية، ثم تحديد العلاقة الزوجية. تتلاقى هذه الأجزاء الأخيرة من المربع الرابع بسهم لأسفل إلى القسم السفلي من الصورة، والذي يحتوي على أربعة مربعات متجهة من أسفل اليمين إلى اليسار. الأول يسمى الاستخراج الثلاثي ويتضمن الضريبة. RE Triples، المفهوم-الكتلة-المفهوم، المفهوم-الموضوع-المفهوم، المفهوم-PICO-المفهوم، والمفهوم-العلاقة-المفهوم. يؤدي السهم إلى اليسار إلى صورة علاقة عنقودية بعنوان "إنشاء KG الأولي". يؤدي السهم إلى إكمال KG، الذي يحتوي على سهم إضافي بين المفهوم وعناصر العلاقة، ويؤدي هذا إلى صورة نهائية تسمى إزالة الغموض مع عدد أقل من الأسهم بين العناصر. هذا المربع السفلي يحمل عنوان KG Fusion.
إطار عمل معالجة الرسم البياني المعرفي الآلي. العرض الوظيفي يوجد أدناه القائمة التالية: تجميع البيانات المسبقة - تصنيف PICO الرمزي العصبي، مستخرج العلاقات، مولد الرسم البياني للمعرفة. يوجد على اليمين رسم تخطيطي معقد يحتوي على أربعة مربعات في الأعلى وواحد أسفلها جميعًا. في الجزء العلوي، من اليسار، تتضمن المعالجة المسبقة للبيانات مجموعة البيانات وفقاعة المعالجة المسبقة للنص بما في ذلك اكتشاف الجملة والترميز والتنظيف والترجمة. يؤدي إلى المربع الثاني، التجمع الرمزي العصبي، الذي يحتوي على مربعات عمودية على شكل شجرة تحمل عنوان إنشاء بيانات التدريب، ونموذج المجموعة، وضخ المعرفة. يحتوي كل واحد منها على أيقونة صفحة أخبار كجزء من سهم يشير إلى المربعات الأربعة في القسم الثالث (يحتوي نموذج المجموعة على اثنين) تم تسمية المربع الثالث بمصنف PICO ويظهر كل مربع من المربعات الأربعة الموجودة داخله أن كل مجموعة تتغذى من خلال P، عملية التصنيف I وC وO. تحتوي هذه المربعات الأربعة على أسهم تتقارب في رمز خادم واحد كبير به بعض رموز التصنيف. رمز الخادم هذا هو واحد من ثلاثة عناصر في المربع الرابع، المسمى مستخرج العلاقة ويشير إلى كل من العنصرين الآخرين، أحدهما هو الضريبة. RE، الذي يتضمن تعيين المفاهيم للمجموعات الدلالية، وتحديد المجموعة الدلالية، وأجزاء استخراج العلاقات. العنصر الأخير في المربع الرابع هو غير الضريبي. RE، الذي يأخذ نفس المجموعات ويقودها من خلال إنشاء الأزواج، واكتشاف العلاقات الزوجية، ثم تحديد العلاقة الزوجية. تتلاقى هذه الأجزاء الأخيرة من المربع الرابع بسهم لأسفل إلى القسم السفلي من الصورة، والذي يحتوي على أربعة مربعات متجهة من أسفل اليمين إلى اليسار. الأول يسمى الاستخراج الثلاثي ويتضمن الضريبة. RE Triples، المفهوم-الكتلة-المفهوم، المفهوم-الموضوع-المفهوم، المفهوم-PICO-المفهوم، والمفهوم-العلاقة-المفهوم. يؤدي السهم إلى اليسار إلى صورة علاقة عنقودية بعنوان "إنشاء KG الأولي". يؤدي السهم إلى إكمال KG، الذي يحتوي على سهم إضافي بين المفهوم وعناصر العلاقة، ويؤدي هذا إلى صورة نهائية تسمى إزالة الغموض مع عدد أقل من الأسهم بين العناصر. هذا المربع السفلي يحمل عنوان KG Fusion.
إطار عمل معالجة الرسم البياني المعرفي الآلي. العرض الوظيفي يوجد أدناه القائمة التالية: تجميع البيانات المسبقة - تصنيف PICO الرمزي العصبي، مستخرج العلاقات، مولد الرسم البياني للمعرفة. يوجد على اليمين رسم تخطيطي معقد يحتوي على أربعة مربعات في الأعلى وواحد أسفلها جميعًا. في الجزء العلوي، من اليسار، تتضمن المعالجة المسبقة للبيانات مجموعة البيانات وفقاعة المعالجة المسبقة للنص بما في ذلك اكتشاف الجملة والترميز والتنظيف والترجمة. يؤدي إلى المربع الثاني، التجمع الرمزي العصبي، الذي يحتوي على مربعات عمودية على شكل شجرة تحمل عنوان إنشاء بيانات التدريب، ونموذج المجموعة، وضخ المعرفة. يحتوي كل واحد منها على أيقونة صفحة أخبار كجزء من سهم يشير إلى المربعات الأربعة في القسم الثالث (يحتوي نموذج المجموعة على اثنين) تم تسمية المربع الثالث بمصنف PICO ويظهر كل مربع من المربعات الأربعة الموجودة داخله أن كل مجموعة تتغذى من خلال P، عملية التصنيف I وC وO. تحتوي هذه المربعات الأربعة على أسهم تتقارب في رمز خادم واحد كبير به بعض رموز التصنيف. رمز الخادم هذا هو واحد من ثلاثة عناصر في المربع الرابع، المسمى مستخرج العلاقة ويشير إلى كل من العنصرين الآخرين، أحدهما هو الضريبة. RE، الذي يتضمن تعيين المفاهيم للمجموعات الدلالية، وتحديد المجموعة الدلالية، وأجزاء استخراج العلاقات. العنصر الأخير في المربع الرابع هو غير الضريبي. RE، الذي يأخذ نفس المجموعات ويقودها من خلال إنشاء الأزواج، واكتشاف العلاقات الزوجية، ثم تحديد العلاقة الزوجية. تتلاقى هذه الأجزاء الأخيرة من المربع الرابع بسهم لأسفل إلى القسم السفلي من الصورة، والذي يحتوي على أربعة مربعات متجهة من أسفل اليمين إلى اليسار. الأول يسمى الاستخراج الثلاثي ويتضمن الضريبة. RE Triples، المفهوم-الكتلة-المفهوم، المفهوم-الموضوع-المفهوم، المفهوم-PICO-المفهوم، والمفهوم-العلاقة-المفهوم. يؤدي السهم إلى اليسار إلى صورة علاقة عنقودية بعنوان "إنشاء KG الأولي". يؤدي السهم إلى إكمال KG، الذي يحتوي على سهم إضافي بين المفهوم وعناصر العلاقة، ويؤدي هذا إلى صورة نهائية تسمى إزالة الغموض مع عدد أقل من الأسهم بين العناصر. هذا المربع السفلي يحمل عنوان KG Fusion.

لا تأخذ النماذج التقليدية في الاعتبار العلاقات الدلالية والمترابطة والسببية بين مفاهيم المجال في الرسوم البيانية المعرفية. لم تركز أي من الأساليب الحالية على بناء علاقات هرمية بين المفاهيم المستخرجة. بالإضافة إلى ذلك، فإن استخراج المفهوم باستخدام تضمين الكلمات، أو استخراج المعلومات المستندة إلى علم الوجود لا يعطي دقة موثوقة، وهذا يؤثر أيضًا على دقة استخراج العلاقة. وأخيرًا، لم يتم بذل الجهود لتطوير المعرفة التنبؤية التي ينبغي أن تكون قابلة للتفسير لكل من الآلات والبشر لتمكين التفاعلات التكافلية الحقيقية بين الإنسان والآلة.

يحاول هذا المشروع حل التحديات المذكورة أعلاه من خلال اقتراح إنشاء رسم بياني معرفي آلي خاص بالمجال من خلال الاستفادة من البيانات المنظمة وغير المنظمة. يتم تكرار هذه العملية عبر العديد من الصناعات في ال كاشف Deepfake MVP, مساعدة عصبيةAIو تصفية الويب المستندة إلى Netstar AI المشاريع.

تعليم الأمن السيبراني للسيارات

شعار مختبر سمايلز

التحقق من سلامة أجهزة الاستشعار في السيارة
باستخدام التوأم الرقمي والذكاء الاصطناعي متعدد الوسائط

النمذجة الآمنة والتعلم الذكي في مختبر النظم الهندسية

أعلى الوسط: طبقة الاستشعار وأيقونة الإشارة محاطة بسهمين يشيران إلى الداخل أيقونة الدردشة وطبقة الملاحظات محاطة بسهمين يشيران إلى الخارج. توجد مركبة ذات مظهر حقيقي على اليسار، ومركبة مرسومة على اليمين. إنهم يشيرون إلى الداخل أعلى السيارة اليسرى توجد المساحة المادية والإدخال المادي على اليسار مع وجود سهم يشير إلى السيارة. يوجد صندوق أسفل هذه السيارة. الأنظمة - أربعة أيقونات، موسومة بشبكة المركبات، وأجهزة الاستشعار، والشبكة الخارجية، وأنظمة القيادة. تشير السيارة الموجودة على اليمين إلى المساحة الرقمية بالأعلى وإدخال الشبكة إلى اليمين مع وجود سهم يشير نحوها. المربع أدناه يقول الوحدات. يوجد رمز كمبيوتر مع الدماغ يسمى الطبقة المعرفية الإدراكية بين الصندوقين ويشير إلى مربع الوحدات هذا. تتكرر جميع الرموز الأربعة في هذا المربع مع إضافة أيقونة خامسة تمثل تروسين وسهام تكمل الدائرة بينهما. يوجد على اليمين رمز لشخص به سهم يشير نحو مربع الوحدات المسمى Cybersecurity SME.
أعلى الوسط: طبقة الاستشعار وأيقونة الإشارة محاطة بسهمين يشيران إلى الداخل أيقونة الدردشة وطبقة الملاحظات محاطة بسهمين يشيران إلى الخارج. توجد مركبة ذات مظهر حقيقي على اليسار، ومركبة مرسومة على اليمين. إنهم يشيرون إلى الداخل أعلى السيارة اليسرى توجد المساحة المادية والإدخال المادي على اليسار مع وجود سهم يشير إلى السيارة. يوجد صندوق أسفل هذه السيارة. الأنظمة - أربعة أيقونات، موسومة بشبكة المركبات، وأجهزة الاستشعار، والشبكة الخارجية، وأنظمة القيادة. تشير السيارة الموجودة على اليمين إلى المساحة الرقمية بالأعلى وإدخال الشبكة إلى اليمين مع وجود سهم يشير نحوها. المربع أدناه يقول الوحدات. يوجد رمز كمبيوتر مع الدماغ يسمى الطبقة المعرفية الإدراكية بين الصندوقين ويشير إلى مربع الوحدات هذا. تتكرر جميع الرموز الأربعة في هذا المربع مع إضافة أيقونة خامسة تمثل تروسين وسهام تكمل الدائرة بينهما. يوجد على اليمين رمز لشخص به سهم يشير نحو مربع الوحدات المسمى Cybersecurity SME.
أعلى الوسط: طبقة الاستشعار وأيقونة الإشارة محاطة بسهمين يشيران إلى الداخل أيقونة الدردشة وطبقة الملاحظات محاطة بسهمين يشيران إلى الخارج. توجد مركبة ذات مظهر حقيقي على اليسار، ومركبة مرسومة على اليمين. إنهم يشيرون إلى الداخل أعلى السيارة اليسرى توجد المساحة المادية والإدخال المادي على اليسار مع وجود سهم يشير إلى السيارة. يوجد صندوق أسفل هذه السيارة. الأنظمة - أربعة أيقونات، موسومة بشبكة المركبات، وأجهزة الاستشعار، والشبكة الخارجية، وأنظمة القيادة. تشير السيارة الموجودة على اليمين إلى المساحة الرقمية بالأعلى وإدخال الشبكة إلى اليمين مع وجود سهم يشير نحوها. المربع أدناه يقول الوحدات. يوجد رمز كمبيوتر مع الدماغ يسمى الطبقة المعرفية الإدراكية بين الصندوقين ويشير إلى مربع الوحدات هذا. تتكرر جميع الرموز الأربعة في هذا المربع مع إضافة أيقونة خامسة تمثل تروسين وسهام تكمل الدائرة بينهما. يوجد على اليمين رمز لشخص به سهم يشير نحو مربع الوحدات المسمى Cybersecurity SME.

يعد تدريب وتوظيف الأمن السيبراني أحد أكثر القضايا إلحاحًا في تنمية القوى العاملة اليوم. العالمية مؤسسة الهندسة والتكنولوجيا أصدرت الأمن السيبراني للسيارات، مراجعة القيادة الفكرية لوجهات نظر المخاطر المتعلقة بالمركبات المتصلة، والتي توضح أن مسارنا نحو المزيد من المركبات المتصلة قد زاد بشكل كبير من الحاجة إلى متخصصين في مجال الأمن السيبراني في صناعة السيارات.

ومع ذلك، فإن ملء هذه الأدوار ينطوي على تحدي: منحنى التعلم. يمكن أن يكون تعليم الأمن السيبراني كما يتم اليوم جافًا ونظريًا بعض الشيء، مما يجعله يبدو أكثر صعوبة مما هو عليه في الواقع، ولكن لا يجب أن يكون الأمر على هذا النحو.

في أعلى الوسط، يُطلق على أيقونة السحابة التي تظهر بها العقد اسم "الربط القائم على السحابة". ثلاثة صناديق أدناه. على اليسار: الإدخال الفعلي، والسيارة الحقيقية، وأيقونة المستشعر، وأيقونة عجلة القيادة، وأيقونة نظام الدفع الرباعي. صورة عرض الشرطة وتسمية الخبرة البدنية. يشير السهم إلى المربع الأوسط: التوائم الرقمية، والسيارة الشبحية، وأيقونة دائرة التروس، وأيقونة السيارة مع العقد، وأيقونة الرسم البياني، وصورة لوحة القيادة الافتراضية المسماة الوحدة المزدوجة. قم بالسهم في المربع الموجود على اليمين مع أيقونة خبير الهاكر / الأمن السيبراني أدناه. المربع الموجود على اليمين يحمل علامة، AR/VR Gaming Engine - سيارة تبدو بين الواقعي والرقمي، وثلاثة أيقونات تمثل 360 الواقع الافتراضي، وتظهر الصورة وتسمى تجربة مستخدم الواقع الافتراضي.
في أعلى الوسط، يُطلق على أيقونة السحابة التي تظهر بها العقد اسم "الربط القائم على السحابة". ثلاثة صناديق أدناه. على اليسار: الإدخال الفعلي، والسيارة الحقيقية، وأيقونة المستشعر، وأيقونة عجلة القيادة، وأيقونة نظام الدفع الرباعي. صورة عرض الشرطة وتسمية الخبرة البدنية. يشير السهم إلى المربع الأوسط: التوائم الرقمية، والسيارة الشبحية، وأيقونة دائرة التروس، وأيقونة السيارة مع العقد، وأيقونة الرسم البياني، وصورة لوحة القيادة الافتراضية المسماة الوحدة المزدوجة. قم بالسهم في المربع الموجود على اليمين مع أيقونة خبير الهاكر / الأمن السيبراني أدناه. المربع الموجود على اليمين يحمل علامة، AR/VR Gaming Engine - سيارة تبدو بين الواقعي والرقمي، وثلاثة أيقونات تمثل 360 الواقع الافتراضي، وتظهر الصورة وتسمى تجربة مستخدم الواقع الافتراضي.
في أعلى الوسط، يُطلق على أيقونة السحابة التي تظهر بها العقد اسم "الربط القائم على السحابة". ثلاثة صناديق أدناه. على اليسار: الإدخال الفعلي، والسيارة الحقيقية، وأيقونة المستشعر، وأيقونة عجلة القيادة، وأيقونة نظام الدفع الرباعي. صورة عرض الشرطة وتسمية الخبرة البدنية. يشير السهم إلى المربع الأوسط: التوائم الرقمية، والسيارة الشبحية، وأيقونة دائرة التروس، وأيقونة السيارة مع العقد، وأيقونة الرسم البياني، وصورة لوحة القيادة الافتراضية المسماة الوحدة المزدوجة. قم بالسهم في المربع الموجود على اليمين مع أيقونة خبير الهاكر / الأمن السيبراني أدناه. المربع الموجود على اليمين يحمل علامة، AR/VR Gaming Engine - سيارة تبدو بين الواقعي والرقمي، وثلاثة أيقونات تمثل 360 الواقع الافتراضي، وتظهر الصورة وتسمى تجربة مستخدم الواقع الافتراضي.

تعمل مجموعتنا البحثية على تطوير أدوات متنوعة مثل "التوائم الرقمية" الافتراضية ونظام الأسئلة والأجوبة المرئي لتدريس المواد المعقدة متعددة التخصصات مثل الأمن السيبراني في السيارات. ستمكن هذه العملية الطلاب من الحصول على تجربة الواقع الافتراضي للطرق المعقدة التي تتفاعل بها أجهزة استشعار إنترنت الأشياء وأنظمة القيادة وشبكات الأنظمة والبرامج داخل وخارج السيارة في مركبة فعلية.

باختصار، باستخدام المنطق الرمزي العصبي والذكاء الاصطناعي والفصول الدراسية المعكوسة، نعمل على إعادة تصميم الفصول الدراسية من الألف إلى الياء، بدءًا بعرض جديد في مجال الأمن السيبراني للسيارات. سيتضمن الفصل تدريبات عملية على التوأم الرقمي لنظام سيارة حقيقي وسيقدم أيضًا مساعدة على مدار الساعة طوال أيام الأسبوع باستخدام برنامج chatbot يعتمد على نموذج لغة كبير مثل chatGPT.