الگوریتم‌ها با هدف‌های متفاوتی مورد استفاده قرار می‌گیرند، دارویی، اجتماعی و کاربرد‌های عجیب و غریب دیگر. در این مطلب ۱۰ الگوریتمی که در دنیای واقعی مورد استفاده قرار می‌گیرد را معرفی می‌کنیم.
۱- اسکن کردن ژن‌ها برای بیماری
الگوریتمی که توسط پزشکان در بیمارستان دولتی ماساچوست و دانشگاه Hebrew توسعه داده شد می‌تواند نگاشت ژن‌ها را اسکن کرده و ژن‌هایی که مربوط به بیماری می‌شوند را پیدا کند. با انجام این‌کار در موجودات مختلف توانسته‌اند کشف کنند چگونه این ژن‌ها تکامل یافته اند و چه کارهای مفیدی می‌توانند انجام دهند. برگرفته از The Algemeiner.
۲- پیدا کردن صفرمین بیمار
محققان در Croatia الگوریتمی دارند که با تحلیل‌های آماری اولین شخصی که در یک بیماری واگیردار مبتلا شده است یا حداقل یکی از اولین‌ها را پیدا می‌کند. این الگوریتم درصورتی که بیماری به سرعت پخش شده باشد و الگوریتم بلافاصله بعد از شیوع به کار گرفته شود بهتر عمل می‌کند. از phys.org
۳- شناسایی صورت بدون در نظر گرفتن چهره
فیسبوک یک الگوریتم آزمایشی دارد که می‌تواند افراد را تا ۸۳ درصد در عکس‌ها حتی در صورتی که چهره پنهان باشد پیدا کند. برای این کار از نشانه‌های دیگری مانند مدل مو، حالت بدن، لباس و … استفاده می‌کند. برگفته از New Scientist
۴- کشف داستان پلیسی
معماهای قتل Agatha Christie می‌توانند با الگوریتمی که ارتباط بین جرم و موارد مشکوک، حالت‌های حمل و نقل مورد استفاده در جرایم، زمانی که موارد مشکوک مطرح شده و نحوه معرفی آن‌ها و دیگر فاکتورها را دریافت می‌کنند حل شوند. نویسنده این الگوریتم بعد از تحلیل ۲۷ رمان از ۸۳ رمان Christic به این نتیجه رسیده است. برگرفته از The Guardian
۵- کشف خستگی کار با موبایل
خستگی کاربران موبایل تا ۸۳.۹ درصد زمان با استفاده از الگوریتمی که گزارشات استفاده را دریافت می‌کند قابل تشخیص است. یک نتیجه خوب برای بازاریاب‌ها: کاربران وقتی که خسته هستند بیشتر مایل به دیدن محتوای پیشنهاد شده دارند. برگرفته از : “When Attention is not Scarce Detecting Boredom from Mobile Phone Usage”.
۶- حذف افراد مزاحم در عکس
یک برنامه‌ی آزمایشی از Adobe به نام Monument Mode می‌تواند عکس‌های تفریحی را با حذف کردن افرادی که وارد کادر شده و منظره را پنهان می‌کنند بهبود بخشد. کاربران چندین فریم عکس می‌گیرند و الگوریتم با تحلیل آن‌ها و تشخیص تفاوت‌ها کار خود را انجام می‌دهد. دموی آن را از اینجا ببینید.
۷- تقلب یاب
نویسنده Steven Levitt و اقتصاددان Ming-Jen Lin از دانشگاه ملی تایوان الگوریتمی برای تشخیص اینکه چه کسی در امتحان تقلب کرده است نوشته اند. آن‌ها محل نشستن دانشجویان و جواب‌های غلط آن‌ها را در نظر گرفته و پی بردند که ۱۰ درصد دانشجویان تقلب کرده‌اند. بعد از تغییر محل نشستن‌ها و افزایش نظارت، تقلب به طور کامل از بین رفت. چکیده آن را در اینجا ببینید.
۸- ساخت حافظه در ذهن‌های آسیب دیده
الگوریتم به کار رفته در یک دستگاه پروتز مشخص می‌کند که چگونه امواج الکتریکی حافظه کوتاه مدت را گرفته و به حافظه بلندمدت تبدیل کرد بدون استفاده از بخشی از مغز که این تبدیل را انجام می‌دهد. به گفته محقق Ted Berger این بدان معنی است که از اسپانیایی به فرانسه ترجمه کنی بدون اینکه هیچ کدام از زبان‌ها را بدانی. منبع
۹- کنترل قندخون با استفاده از توصیه‌های رژیمی
در نظر گرفتن چیزی که مردم می‌خورند و اینکه چگونه قند خونشان بالا و پایین می‌رود منجر به پیدا کردن الگوریتمی شده که می‌تواند بگوید برای جلوگیری از دیابت چه رژیمی را باید رعایت کنند. این الگوریتم ۱۳۷ نوع داده شامل سن، bmi و حتی باکتری‌های روده را دریافت می‌کند و از هر ۱۰ مورد در ۷ مورد به درستی پیش‌بینی می‌کند که افراد نسبت به چیزی که می‌خورند چگونه واکنش نشان خواهند داد. برکرفته از Atlantic
۱۰- پیش‌بینی میزان موفقیت در زندگی مشترک
در الگوریتمی که در دانشگاه جنوبی کالیفرنیا و دانشگاه Utah ساخته شده است با در نظر گرفتن کیفیت صدا مانند شدت، لرزش، کم و زیاد شدن آن در جلسات مشاوره ازدواج پیش‌بینی می‌کنند که آیا این دو نفر با هم ازدواج موفقی خواهند داشت یا خیر. خروجی این الگوریتم با وضعیت زندگی خانواده‌ها در طی ۵ سال مقایسه شده و گفته شده تا ۷۹ درصد دقیق بوده است. برگرفته از USC press Release
منبع:
عالی.
ممنون
در بیشتر مواردی که ذکر کردین، روال الگئریتمیک به مفهوم سنتی اون ایجاد نشده. یعنی کسی ننشسته الگوریتمی توسعه بده که این کارها رو بکنه! از روش های یادگیری ماشین توی این تحقیقات استفاده میشه. این تفاوت اساسی با توسعه یه الگوریتم داره. اینجا شما یه الگوریتم یادگیری ماشین رو برمیدارین و دادهای خودتون رو بهش میدین و بعد از آموزش ازش استفاده میکنین.
بله این جا هم تاکیدی روی روال سنتی توسعه الگوریتم نشده است، صرفا کاربردهایی که این علم در دنیای واقع می‌تواند داشته باشد مثال زده شده است.
البته الگوریتم‌های یادگیری ماشین هم در حال توسعه و به شدت موضوع داغی است.