چگونه هوش مصنوعی می توانست از فاجعه Key Bridge جلوگیری کند

امروز اول آوریل است، اما این موضوع خنده ندارد. ایالات متحده با یکی از پرهزینه ترین بلایای تاریخ خود دست و پنجه نرم می کند. در 26 مارس، یک کشتی کانتینری چندین بار برق خود را از دست داد و با دو خلبان به پل فرانسیس اسکات کی برخورد کرد. جان ها از دست رفتند و برآورد می شود که بهبودی 400 میلیون دلار و احتمالاً یک دهه طول بکشد.

من تجربه زیادی در آب دارم. من در 12 سالگی قایقرانی را یاد گرفتم، در گشت بندر به عنوان پلیس و آتش نشان کار کردم و برای مسابقه قایق های 17 متری آموزش دیدم. بزرگترین قایق من تا به حال خلبانی یک کشتی باری 450 فوتی به میکرونزی بود (من در آن خوب نبودم).

اگر پورت به درستی توسط هوش مصنوعی خودکار و مدیریت می شد، می توانستیم از فاجعه هفته گذشته جلوگیری کنیم. بیایید ببینیم چگونه می‌توانیم از هوش مصنوعی برای جلوگیری از این نوع فاجعه استفاده کنیم، چرا هوش مصنوعی به طور بالقوه برای انواع پورت‌ها بسیار ایمن‌تر است و چرا شروع استفاده تهاجمی‌تر از ابزارهای هوش مصنوعی برای داشتن شانس بهتری برای جلوگیری از این نوع پیامدهای فاجعه‌بار ضروری است. .

ما با محصول هفته من، HP Elite mt645 G8، یک لپ‌تاپ تین کلاینت جدید از HP که می‌تواند به طور چشمگیری تشدید تعمیرات را کاهش داده و امنیت را در مشاغل و مدارس بهبود بخشد، به پایان می‌رسانیم.

داستان فانتوم شونر من

فاجعه Key Bridge من را به یاد زمانی می اندازد که با کشتی بسیار کوچکتر 679 تنی Fantome قایقرانی کردم. ناخدای این کشتی ماجرای زیر را بیان کرد.

آنها اسکرو را در کنار کشتی بزرگتر نروژی کروز لنگر انداخته بودند. کاپیتان Fantome کاپیتان NCL بود، بنابراین او می خواست به ترک بندر خود ببالد. او دستور داد بادبان ها را باز کنند، فقط دید که به جای چرخش آنطور که باید، فانتوم مستقیماً به سمت کشتی نروژی حرکت کرد.

Fantome یک کشتی جنگی سابق بود، بنابراین او نه تنها یک کمان فولادی جامد داشت، بلکه یک کمان نیز داشت که با حدود سه اینچ فولاد ناو جنگی محافظت می شد، زیرا برای رم زدن طراحی شده بود. در مقابل، کشتی نروژی حدود 0.25 اینچ فولاد سبک تری داشت که از آن در میان کشتی محافظت می کرد. مشکل این بود که جفت سوم، که قرار بود بال های سر را برای به جلو راندن قایق بالا بیاورد، در عوض با مسافران معاشقه می کرد.

کاپیتان یک انتخاب داشت: موتورهای بزرگ را آتش بزند و دستور کامل به عقب بدهد، که احتمالاً سوراخی به اندازه یک خانه در کنار کشتی کروز ایجاد می‌کند، یا دستور می‌دهد تا کاملاً جلو برود و امیدوار باشد که کنترل کافی برای آوردن کشتی داشته باشد. کشتی به اندازه کافی برای از دست دادن کامل.

البته اگر کشتی برنمی گشت احتمالا هر دو کشتی را غرق می کرد. دستور داد جلو برویم، اما باز هم با ضربه‌ای تند به رزمناو اصابت کرد، کناره‌اش را خراشید و دکل مربعی آویزان (به ضخامت من قد بلند و بلوط بزرگ) را از وسط وصل کرد.

متأسفانه، او در دریا با غرق شدن Fantome چند ماه بعد در طوفان عظیم جان خود را از دست داد – اما اجتناب از یک تصادف “تقریبا” اجتناب ناپذیر چیزی است که یک کاپیتان با تجربه قادر به انجام آن است و کاملاً در حد توانایی های یک هوش مصنوعی آموزش دیده است.

منظورم این است که بیشتر کاپیتان ها ریسک بزرگی نمی کنند، به ندرت مجبور می شوند با تصادفات برخورد کنند، به طور منظم در شبیه سازها آموزش دیده یا گواهینامه دریافت نکرده اند، و عموماً برای مشکلاتی مانند برخورد پل یا داستان فانتوم من آماده نیستند.

با این حال، کاپیتان های استثنایی از همتایان خود یاد می گیرند، مشکلات را پیش بینی می کنند و تمرین های مختلفی را برای اطمینان از نتایج مثبت انجام می دهند. هوش مصنوعی می‌تواند هر کاپیتانی را به کاپیتانی عالی تبدیل کند، اگر به درستی آموزش داده و اجرا شود، و می‌تواند با سرعت ماشین بسیار سریع‌تر از انسان عمل کند.

استفاده از هوش مصنوعی برای جلوگیری از فاجعه پل دیگر

اگرچه ما احتمالاً بیشتر تلاش‌های پس از برخورد را صرف جستجوی افراد مقصر خواهیم کرد، اما در دنیای من کار اولیه باید هم درک مشکل و هم انجام اقدامات فوری برای جلوگیری از تکرار آن باشد.

به نظر می رسد مشکل این است که علت مشکل به موقع شناسایی نشده است، خدمه آموزش ندیده اند که در هنگام وقوع یک قطع برق فاجعه بار در این نزدیکی چه کاری انجام دهند (اگرچه ظاهراً دو خلبان بودند) و اعلان های کمک خیلی دیرتر منتشر شد. این امر مانع از موثر بودن بیشتر تلاش‌های کاهشی غیر از مسدود کردن پل و فراخوانی یدک کش – که انجام شد – شد.

کشتی های مدرن دارای حسگرهای گسترده ای هستند که به پل گزارش می دهند. با این حال، این داده‌ها معمولاً در زمان واقعی به افرادی که در کشتی نیستند مخابره نمی‌شوند، بر خلاف هواپیماهای تجاری که به‌صورت بلادرنگ به تعدادی از ایستگاه‌های نظارت از راه دور نیز گزارش می‌دهند. مقامات بندری معمولی معمولاً سطح کارکنان لازم برای نظارت از راه دور مؤثر را ندارند، حتی اگر این داده ها را دریافت کنند. بنابراین صرفاً الزام جریان داده به مقامات بندری احتمالاً نتیجه را تغییر نخواهد داد.

اینجاست که هوش مصنوعی یا در این مورد چندین هوش مصنوعی وارد عمل خواهند شد.

اگر خدمه پل به یک هوش مصنوعی آموزش‌دیده دسترسی داشتند، آن هوش مصنوعی، بسته به اجرا، آنچه را که احتمالاً رخ می‌داد، مدل‌سازی می‌کرد، خسارت و مسئولیت هر یک از پیامدهای بالقوه متعدد را ارزیابی می‌کرد، و سپس طرح را توصیه یا اجرا می‌کرد. بیشترین – پتانسیل خوب برای کاهش آسیب و نجات جان انسان ها – احتمالاً با انداختن فوری لنگرها و دستور راه اندازی مجدد موتور و معکوس کامل.

بعلاوه، احتمالاً به محض اینکه موتورها شروع به بدرفتاری کردند و قبل از خرابی موتور، اقدامات هشدار و کاهش احتمالی آغاز می شد.

هوش مصنوعی اداره بندر از راه دور همین مشکل را تشخیص داده و بلافاصله با دستور بسته شدن و تخلیه پل به منظور ایمنی، به یدک کش ها (که ممکن است رباتیک باشند) هشدار دهد که فوراً کشتی کانتینری و منابع آتش نشانی و گشتی را متوقف و توقیف کنند، پاسخ دهد. در صورت نیاز برای استقرار و آماده به کار چرخانده می شوند.

البته، بسیاری از این موارد به ارتباطات یکپارچه نیز نیاز دارد، که ظاهراً وجود نداشت، زیرا در زمان نگارش این مقاله، به نظر می‌رسد هیچ‌کس قبل از فروریختن به خدمه پل اطلاع نداده است.

چنین اقداماتی لایه‌های حفاظتی را برای پل اضافه می‌کند، به اطمینان از تلف شدن هیچ جانی و جلوگیری از فاجعه‌ای که احتمالاً میلیاردها هزینه دارد، کمک می‌کند و هزینه آموزش و پیاده‌سازی هوش مصنوعی را هم در کشتی و هم در مقام بندری در مقایسه با آن ناچیز می‌سازد.

به همان اندازه مهم، سیستم‌های هوش مصنوعی می‌توانند تمام اقدامات و درس‌های آموخته شده از این حادثه را با کشتی‌ها و بنادر دیگر به اشتراک بگذارند و خطر حوادث مشابه را کاهش دهند. این رویکرد در تضاد کامل با وضعیت فعلی است که در آن دانش به دست آمده از این فاجعه ممکن است هرگز به خدمه‌ای که از آن بندر خاص بازدید نمی‌کنند برسد.

برای دیدگاه، یک کشتی کانتینری جدید معمولاً بین 50 تا 200 میلیون دلار هزینه دارد. هزینه ایجاد یک هوش مصنوعی مولد سفارشی حدود 100 میلیون دلار است و اگر فقط از یک حادثه مانند Key Bridge جلوگیری کند قابل توجیه است. پس از آموزش، می توان از این هوش مصنوعی در چندین کشتی با تغییرات نسبتا کمی استفاده کرد. این اتفاق ممکن است منجر به مسئولیتی در حدود 1 میلیارد دلار شود و این استدلال را تایید می کند که استفاده از هوش مصنوعی برای اطمینان از اینکه هرگز چنین چیزی تکرار نمی شود ارزش پول را دارد.

خلاصه کردن

هوش مصنوعی برای رانندگی خودکار وسایل نقلیه در هر اندازه توسعه یافته است. IBM مدتی است که اتوماسیون هوش مصنوعی را روی کشتی‌ها آزمایش می‌کند و در قلب اجرای آن مفهومی به نام تویوتا قرار دارد که زمانی فرشته نگهبان نامیده می‌شد.

این ویژگی به گونه‌ای طراحی شده است که در هنگام بحران وارد عمل شود و هر کاری که لازم است برای محافظت از مردم و وسیله نقلیه انجام دهد، با استفاده از معادل قرن‌ها آموزش راننده/ناوبر که از طریق ابزارهایی مانند Omniverse Nvidia ارائه می‌شود. برای فاجعه ای مانند این، آن لبه اضافی، که به صورت مستقل یا از طریق خط فرمان عمل می کند، می تواند و می تواند تفاوت بین یک داستان تقریباً از دست رفته مانند Fantome و یک پل غم انگیز را ایجاد کند.

توانایی هوش مصنوعی برای مداخله موثر در موقعیت‌های اضطراری با استفاده از آموزش شبیه‌سازی شده برای محافظت از افراد و وسایل نقلیه، نیاز به استقرار گسترده‌تر آن را نشان می‌دهد. هیچ کس برای هر مشکل مهمی آماده نیست، اما هوش مصنوعی می تواند بسیار بیشتر از هر انسانی به آن نزدیک شود و همه ما می توانیم از یک فرشته نگهبان واقعی استفاده کنیم.

HP Elite mt645 G8 Mobile Thin Client

تقریباً همزمان با ورود رایانه شخصی IBM به بازار، کار در زمینه فناوری را شروع کردم. زمانی که برای آی‌بی‌ام کار می‌کردم، تجربه وحشتناکی را داشتم که به‌طور موقت از رایانه به ترمینال منتقل شدم. اینکه بگویم من از این حرکت متنفرم، دست کم گرفتن بزرگی خواهد بود.

با این حال، پایانه ها چندین مزیت داشتند. آنها کد را اجرا نمی کردند، بنابراین گرفتن ویروس ها مشکلی نبود، و ماهیت دستگاه مانند آنها به این معنی بود که پس از گرم شدن (از نمایشگرهای CRT تلویزیون مانند لوله قدیمی استفاده می کردند) هرگز به نظر نمی رسید که شکسته شوند. اگرچه هرگز نفهمیدم چرا به یک مانیتور رنگی یا یک خودکار نور نیاز دارم.

با این حال، رایانه‌ها انعطاف‌پذیری و آزادی بسیار بیشتری را فراهم کردند، بنابراین ما امنیت، قابلیت اطمینان و سهولت استفاده از پایانه‌ها را با رایانه‌های بسیار دشوارتر که به ما آزادی بیشتری می‌داد، مبادله کردیم. پس از این چرخش، صنعت سعی کرد با حفظ آزادی رایانه، مزایای ترمینال را دوباره به دست آورد. نزدیک‌ترین چیزی که به ذهنش رسید «تن‌کلینت» بود، که اساساً رایانه‌ای است که همه چیز را اجرا می‌کند، در اصل از یک سرویس میزبانی شده و اکنون عمدتاً از ابر.

مشکل تاریخی تین کلاینت ها این است که ارزان به نظر می رسیدند. آنها کند و با تأخیر قابل توجهی کار می کردند (به نظر می رسید که شما همیشه منتظر آنها بودید) و برای کار به یک اتصال سیمی نیاز داشتند که به این معنی بود که آنها نمی توانند متحرک باشند.

با این حال، با ظهور 4G و Wi-Fi مدرن، مشکلات تاخیر و تأخیر برطرف شده است و تجربه کاربر اکنون به چیزی نزدیک است که در یک رایانه شخصی مستقل وجود دارد. اما آنها همچنان به طرز شرم آور ارزان به نظر می رسیدند و مصرف کنندگان فکر می کردند که جریمه می شوند.

خوب، HP Elite mt645 G8 نه تنها ویندوز IoT یا Linux (ThinPro) را اجرا می کند، بلکه مانند هر لپ تاپ حرفه ای HP ممتاز دیگری به نظر می رسد. دارای Wolf Security، از جمله تراشه امنیتی منحصربه‌فرد Wolf است و می‌توان آن را با نمایشگر 1000 نیت Sure View برای عملکرد امن در فضای باز پیکربندی کرد.

HP Elite mt645 G8 Mobile Thin Client (تصویر: HP)

این تین کلاینت موبایل دارای سازگاری با Wi-Fi 6e و گزینه 4G (من انتظار دارم 5G بیاید)، گرافیک رایزن، دوربین 5 مگاپیکسلی، پشته نرم افزاری بهینه سازی شده برای مجازی سازی و آفیس 365، و در حالی که در ابتدا از ویندوز IoT 10 استفاده می کند، از آن استفاده خواهد کرد. به زودی گزینه ای برای انتقال به Windows IoT 11 وجود دارد.

از مواد بازیافتی و قابل بازیافت نسبتا زیادی استفاده می کند و دارای گواهینامه طلایی EPEAT برای پایداری است. به علاوه، با توجه به اینکه اگر به یک سرویس متصل نباشد و داده ها را به صورت محلی ذخیره نکند، بی فایده است، اگر به سرقت رفته باشد، قرار گرفتن در معرض شما محدود می شود و دزد فقط با یک لپ تاپ شکسته خوش ظاهر روبرو می شود که نمی تواند از آن استفاده کند.

HP Elite mt645 G8 به زودی عرضه می شود. این بهترین لپ تاپ تین کلاینت من و محصول هفته من است.