به نقل از «تابناک»

هوش مصنوعی علت انقراض دایناسور‌ها را پیدا کرد

تاریخ انتشار: ۷ آذر ۱۴۰۲ | کد خبر: ۳۹۱۸۱۵۴۸

 به گزارش تابناک به نقل از ایرنا، رایانه‌های آزاداندیش با مهندسی معکوس سابقه‌های فسیلی، علت‌های بروز یک فاجعه بزرگ و انقراض دایناسور‌ها را شناسایی کردند.
 

به منظور پرداختن به این بحث که آیا برخورد یک سیارک بزرگ یا فعالیت آتش‌فشانی در ۶۶ میلیون سال پیش به انقراض دایناسور‌ها و گونه‌های متعدد دیگر منجر شد، یک گروه تحقیقاتی در دانشگاه «دارتموت» از یک رویکرد نوآورانه استفاده کرد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

این محققان دانشمندان را کنار گذاشتند و اجازه دادند رایانه‌ها در این خصوص تصمیم بگیرند.

این محققان در نشریه «ساینس» گزارش داده‌اند که از یک شیوه مدل‌سازی جدید که از پردازشگر‌های به هم پیوسته نیرو می‌گیرد برای بررسی داده‌های زمین‌شناسی و آب و هوایی بدون ورودی (input) انسانی استفاده کرده اند. آن‌ها وظیفه تحلیل سابقه فسیلی بطور معکوس را به حدود ۱۳۰ پردازشگر محول کردند تا از این طریق بتوانند رویداد‌ها و شرایط منجر به انقراض دایناسور‌های «کریتاکیوس-پالیوژن» (K- Pg) را مشخص کنند. انقراض این دایناسور‌ها راه را برای ظهور پستانداران از جمله نخستی‌ها هموار کرد که بعد‌ها به پیدایش انسان‌های اولیه منجر شد.

منظر جدید به رویداد‌های تاریخی
«الکس کاکس» مولف اول این مطالعه از دانشکده علوم زمین دانشگاه دارتموت گفت: بخشی از انگیزه ما این بود که این مساله را بدون یک فرضیه یا سوگیری از پیش مشخص شده ارزیابی کنیم.

وی افزود: بیشتر مدل‌ها در یک جهت به سمت جلو حرکت می‌کنند. ما از یک مدل چرخه کربنی استفاده کردیم تا بتوانیم در جهت دیگر حرکت کنیم و از این تاثیر برای یافتن علت از طریق آماری استفاده کردیم.

وی تاکید کرد: در پایان تفاوتی نمی‌کند ما چه فکر می‌کنیم یا پیش از این چه فکر می‌کردیم. این مدل به ما نشان می‌دهد که چگونه به آن چیزی که در سابقه زمین‌شناختی مشاهده می‌کنیم رسیدیم.

این مدل بیش از ۳۰۰ هزار سناریوی احتمالی درباره انتشار دی‌اکسید کربن، تولید دی‌اکسید گوگرد و تولیدات زیست شناسی را در یک میلیون سال پیش و پس از انقراض K-Pg بررسی کرد و از طریق نوعی یادگیری ماشین موسوم به «زنجیره مارکوف مونت کارلو» این پردازشگر‌ها برای مقایسه و محاسبه مجدد نتایج خود کار کردند تا زمانی که به سناریویی دست یافتند که با سوابق فسیلی موجود همخوانی دارد.

کشف علل انقراض
بقایای ژئوشیمیایی و ارگانیک در سوابق فسیلی بطور روشن شرایط فاجعه‌آمیز در دوره انقراض دایناسور‌های یاد شده را ثبت می‌کند. هر چند تاثیرات شرایط ایجاد شده در آن زمان روشن است، اما علت این انقراض نامشخص مانده است. فرضیه‌های اولیه علت این رویداد را به فعالیت آتش فشانی نسبت داده بود، اما با کشف یک محل اصابت فضایی در مکزیک موسوم به Chicxulub ناشی از برخورد یک سیارک به قطر یک مایل، فرضیه‌های قبلی تا حدی از اعتبار افتاد. اما این دو فرضیه بعد‌ها شروع به همگرایی و همپوشانی کردند و به نظر می‌رسد شاید در آن زمان در سیاره زمین دچار فعالیت‌های آتش فشانی بوده و برخورد یک سیارک بزرگ هم مزید بر علت شده است. اما محققان درصدد برآمدند از طریق بررسی با هوش مصنوعی در این خصوص به نتیجه مشخصی برسند.

مدل مورد استفاده این محققان حاکی است که انتشار گاز‌های ناشی از فعالیت‌های آتش فشانی به تنهایی برای ایجاد یک انقراض گسترده کافی بوده است. این فعالیت‌ها برای مدت حدود ۳۰۰ هزار سال پیش از برخورد سیارک ادامه داشته است. این آتش‌فشان‌ها در مدت نزدیک به یک میلیون سال فعالیت خود حدود ۱۰.۴ تریلیون تن دی‌اکسید کربن و ۹.۳ تریلیون تن گوگرد را وارد جو کرده اند.

این مدل همچنین کاهش شدید در تجمیع کربن ارگانیک در اعماق اقیانوس‌ها در زمان اصابت سیارک را افشا کرده که احتمالا ناشی از این بوده که برخورد سیارک موجب نابودی گونه‌های مختلف حیوانی و گیاهی شده است. این مدل همچنین نشان داد برخورد سیارک موجب افزایش کربن و دی‌اکسید گوگرد نشده که نشان می‌دهد نقش سیارک در انقراض ارتباطی با انتشار گاز‌ها نداشته است.

نتیجه‌گیری: نوآوری روش‌شناسی و کاربرد‌های آینده
در شرایط امروزی، مصرف سوخت‌های فسیلی از سال‌های ۲۰۰۰ تا ۲۰۲۳ موجب ورود حدود ۱۶ میلیارد تن دی‌اکسید کربن به درون اتمسفر در هر سال شده است. هر چند این میزان انتشار زیادی است، اما هنوز باید چند هزار سال به همین شکل ادامه داشته باشد تا به سطح انتشار آتش‌فشان‌های دوران باستانی دایناسور‌ها برسد.

این شیوه تحقیقاتی می‌تواند برای محاسبه معکوش سایر مدل‌های سامانه‌های زمینی مانند آب و هوا و چرخه کربن مورد استفاده قرار گیرد تا رویداد‌های زمین‌شناسی که نتایج آن‌ها شناخته شده است، ارزیابی شود، اما عوامل منجر به آن‌ها شناخته شده نیست.

منبع: تابناک

کلیدواژه: غزه فلسطین آلودگی هوا هفته بسیج بیتا فرهی پروانه معصومی ایام فاطمیه ساینس دایناسور انقراض دایناسورها غزه فلسطین آلودگی هوا هفته بسیج بیتا فرهی پروانه معصومی ایام فاطمیه

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.tabnak.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «تابناک» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۹۱۸۱۵۴۸ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

پیش بینی آریتمی قلبی با هوش مصنوعی

همشهری آنلاین – آرش نهاوندی: حدود ۵۹ میلیون نفر در سراسر جهان به فیبریلاسیون دهلیزی (AFib) در سال ۲۰۱۹ مبتلا بودند، که آن را به رایج‌ترین نوع آریتمی قلبی تبدیل می‌کند که به عنوان ضربان قلب نامنظم نیز شناخته می‌شود. در حالی که فیبریلاسیون دهلیزی معمولا تهدید کننده زندگی نیست، یک وضعیت جدی است که ممکن است خطر مرگ و میر افراد را در اثر بیماری های قلبی و عروقی مانند سکته مغزی، حمله قلبی، و نارسایی قلبی افزایش دهد.

افراد مبتلا به فیبریلاسیون دهلیزی همچنین ممکن است شانس بیشتری برای ابتلا به بیماری‌هایی مانند زوال عقل و بیماری‌های گوارشی و کبدی داشته باشند.هرچه زودتر این بیماری در یک فرد تشخیص داده شود، ممکن است نتیجه بهتری داشته باشد.

برای کمک به ارائه مداخلات اولیه برای فیبریلاسیون دهلیزی، دانشمندان دانشگاه لوکزامبورگ روشی را برای پیش‌بینی آریتمی قلبی حدود ۳۰ دقیقه قبل از وقوع با استفاده از هوش مصنوعی ایجاد کردند.

برای این مطالعه، محققان یک مدل هوش مصنوعی به نام WARN (Warning of Atrial fibRillation) برای کمک به پیش‌بینی فیبریلاسیون دهلیزی توسعه دادند.

خورخه گونسالوس، استاد مرکز دانشگاه لوکزامبورگ برای سیستم‌های زیست‌پزشکی و سرپرست نویسنده این تحقیق، گفت: WARN شامل یک مدل یادگیری عمیق است که بخش‌های کوتاه ۳۰ ثانیه‌ای از ضربان قلب را وارد می‌کند و احتمال تغییر قریب‌الوقوع در ضربان قلب را به صورت خروجی ارائه می‌دهد. هر چه این احتمال تغییربیشتر باشد، شانس تبدیل به فیبریلاسیون دهلیزی (یکی از شایع ترین انواع آریتمی) بیشتر است. این کار هر ۱۵ ثانیه تکرار می شود. گونسالوس گفت: وقتی این احتمال از یک آستانه خاص عبور می‌کند، یک هشدار می‌دهد.

سیستم WARN روی داده‌های الکتروکاردیوگرام که طی ۲۴ ساعت ضبط شده و از طریق دستگاه‌های هولتر (مچ بندی که از هوش مصنوعی استفاده می‌کند) که توسط ۳۵۰ نفر در بیمارستان «تونگجی» در ووهان، چین استفاده می‌شد، آزمایش شده است.گونسالوس گفت: هوش مصنوعی هنگام جستجوی الگوها در مجموعه داده‌های بزرگ، عملکردی باورنکردنی را از خود نشان داده است.

هنگام آزمایش مدل WARN، گونسالوس و تیمش دریافتند که این مدل می‌تواند انتقال از ریتم طبیعی قلب به فیبریلاسیون دهلیزی را با هشدار متوسط ۳۰ دقیقه قبل از شروع با دقت ۸۰ درصد پیش بینی کند.

گونسالوس توضیح داد: این یافته‌ها تعجب آور نیست زیرا برخی از بیماران در واقع می‌توانند چند ثانیه تا چند دقیقه قبل از آن احساس کنند که قلب آن‌ها کمی می‌پرد یا دچار آریتمی می‌شود.

البته آن‌ها واقعا نمی‌توانند دقیقا این احساس را توصیف کنند، اما اگر بتوانند آن را احساس کنند، یک دستگاه باید بتواند این «احساس» را تشخیص دهد. و در واقع، ما شاهد تغییرات جزئی در پویایی ضربان قلب قبل از شروع فیبریلاسیون دهلیزی هستیم.

این متخصص ادامه داد: از سوی دیگر، جای تعجب است که ما می‌توانیم با استناد به مدلی که قبلا از ۲۸۰ بیمار به دست آمده فیبریلاسیون دهلیزی (شایع ترین نوع آریتمی) را از ۳۰ دقیقه قبل تشخیص دهیم.

بیشتر بخوانید:

تشخیص بیماری شایع قلبی با قابلیت جدید اپل واچ | این ویژگی می‌تواند جان کاربران را نجات دهد وقتی قلبتان به تپش می‌افتد کد خبر 848773 منبع: همشهری آنلاین برچسب‌ها سلامت خبر مهم بیماری - قلبی قلب هوش‌ مصنوعی پزشکی