समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

मशकाः मृत्योः कारणभूताः पशवः प्रथमस्थाने भवन्ति ।

विश्वस्वास्थ्यसङ्गठनस्य (WHO) आँकडानुसारं प्रतिवर्षं विश्वे प्रायः ७२५,००० जनाः मशकदंशजन्यरोगेण म्रियन्ते, केवलं मलेरिया-रोगेण २०२२ तमे वर्षे ६०८,००० जनाः मृताः भविष्यन्ति तदपेक्षया अन्ये घातकाः पशवः यथा सर्पः, श्वः (रेबीज-संक्रमणेन), ग्राहः इत्यादयः यद्यपि ते अपि पर्याप्तसङ्ख्यायां मृत्युं जनयन्ति तथापि मशकानां तुलने संख्या बहु अल्पा भवति

प्रतिवर्षं विविधपशुभिः हतानां जनानां संख्यायाः तुलना

यद्यपि विश्वस्वास्थ्यसंस्थायाः १९५५ तमे वर्षे एव मलेरिया-रोगस्य पूर्णतया उन्मूलनस्य घोषणा अभवत् तथापि अनेकेषु क्षेत्रेषु मलेरिया-रोगस्य उन्मूलनं "whack-a-mole" इति क्रीडा अभवत् । प्रत्येकं मलेरिया नियन्त्रणे इति चिन्त्यते तदा शीघ्रमेव अन्यरूपेण दृश्यते, अद्यपर्यन्तं तस्य प्रभावी नियन्त्रणं नास्ति ।

मशकैः संवाहकरूपेण संक्रमितानां रोगानाम् उन्मूलनार्थं प्रथमं सोपानं भिन्नप्रकारस्य मशकानां पत्ताङ्गीकरणं, परिचयः च भवति एतत् न केवलं भिन्नप्रकारस्य मशकानां भिन्नरोगान् वहति इति कारणतः, अपितु भिन्नभिन्नमशकानाम् अस्तित्वस्य लक्षणं भिन्नं भवति इति कारणतः अपि ।

अस्य अर्थः अस्ति यत् यदि भवान् मशकानां प्रकारान् चिन्तयितुं शक्नोति तर्हि तेषां भिन्नलक्षणानाम् उपयोगेन मशकानां उन्मूलनं कर्तुं शक्नोति, यथा बहिः निवसतां मशकानां प्रजननस्थलानां निराकरणं, अन्तः निवसतां मशकानां कृते मशकजालस्य उपयोगः च एतत् सिद्धम् अभवत् अनेकक्षेत्रेषु अयं प्रभावी मशकनियन्त्रणपरिहारः अस्ति ।

विश्वस्य पूर्वतमः धनी बिल् गेट्स् अद्यैव अस्य प्रयोजनाय नूतनं प्रौद्योगिकीम् - VectorCam - इति साझां कृतवान् । एतत् केवलं एप्-माध्यमेन मशकस्य फोटो गृहीत्वा रक्तं चूषयति, अण्डानि च ददाति वा इति चिन्तयितुं शक्नोति:

मशकविरुद्धे युद्धे अन्ततः वयं प्रतिद्वन्द्विनं स्पष्टतया पश्यामः ।

बिल गेट्स् इत्ययं प्रौद्योगिक्याः परिचयं विडियोरूपेण करोति

मशकान् “द्रष्टुं” AI सङ्गणकदृष्टेः उपयोगं कुर्वन्तु

वेक्टरकैम् अधिकारिणां मते अस्मिन् प्रणाल्यां वेक्टरब्रेन् इति नूतनं कन्वोल्यूशनल् न्यूरल नेटवर्क् इत्यस्य उपयोगः भवति यस्य उपयोगः मशकजातीनां, लिंगस्य, उदरस्य च स्थितिं च चिन्तयितुं भवति

मशकानां पहिचानाय विशेषतया प्रशिक्षितस्य एआइ-प्रतिरूपस्य रूपेण वेक्टरब्रेन् संसाधन-संकुचित-वातावरणेषु ९०% अधिकसटीकतायाः सह प्रमुख-मलेरिया-सञ्चारकाणां सहितं ६ प्रमुख-मशक-वाहकानां सटीकरूपेण पहिचानं कर्तुं शक्नोति

VectorBrain मशकवर्गीकरणाय विनिर्मितं बहुकार्यं EfficientNet आर्किटेक्चरम् अस्ति, यत् एकत्रैव प्रजातिं, लिंगं, उदरस्य स्थितिं च निर्गच्छति । वास्तुकलायां विशेषतानिष्कासकः शाखासंरचना च भवति, प्रत्येकं शाखा वर्गीकरणकार्यस्य अनुरूपं भवति ।

मशकानां पहिचानस्य दृष्ट्या VectorBrain लघुभारयुक्तस्य YOLO मॉडलस्य उपयोगं करोति, यत् वास्तविकसमये मशकानां स्थानं ज्ञातुं शक्नोति तथा च उत्तमपरिचयार्थं केवलं मशकमेव समाविष्टानि चित्राणि क्रॉप् कर्तुं ज्ञातानां निर्देशांकानाम् उपयोगं कर्तुं शक्नोति

मशकप्रतिमानां वर्गीकरणस्य चरणान् दर्शयन्तः चित्राणि। प्रथमं सम्पूर्णं मशकप्रतिबिम्बं दर्शयतु यस्य वर्गीकरणं करणीयम् (क)। ततः, YOLO एल्गोरिदम् इत्यस्य उपयोगेन निर्देशाङ्कानुसारं मशकप्रतिबिम्बं क्रॉप् क्रियते, वर्गीकरणस्य सज्जतायै च बिम्बरूपान्तरणस्य श्रृङ्खला क्रियते (b) अन्ते वर्गीकरण-अल्गोरिदमस्य उत्पादनं दर्शितं भवति, यत्र चित्रे (ग) मशकजातीनां परिचयः भवति ।

विशेषतः प्रशिक्षणस्य प्रमाणीकरणस्य च समये YOLO मॉडलस्य सटीकता, स्मरणं, औसतसटीकता (mAP) च क्रमशः ९६.००%, ९०.५०%, ९५.८७% च आसीत् श्रेणीवर्गीकरणप्रतिरूपस्य सटीकता ९२.४०±२%, लिंगवर्गीकरणप्रतिरूपस्य सटीकता ९७.००±१%, उदरस्य स्थितिवर्गीकरणप्रतिरूपस्य सटीकता ८३.२०±३.१% च आसीत्

(क) प्रशिक्षणे सत्यापने च YOLO-प्रतिरूपस्य कार्यप्रदर्शनसूचकाङ्कः अस्ति, (ख) आदर्शेन मशकपरिचयस्य प्रकरणम् अस्ति

जाति, लिङ्ग, उदरस्य स्थितिः च इति वर्गीकरणार्थं भ्रममात्रिका सटीकता च

VectorCam द्वारा प्रदत्तपत्रे, यस्य YOLOv5 इत्यस्य उपयोगं करोति तस्य तुलना Faster R-CNN मॉडलेन सह कृता अस्ति यस्य व्यापकरूपेण उपयोगः विभिन्नेषु लक्ष्यपरिचयकार्येषु भवति YOLOv5 Small इत्यस्य उत्तमाः पैरामीटर्, मॉडल् आकारः, mAP तथा च उत्तमं प्रदर्शनं भवति

नग्नपदः वैद्यः अपि शीघ्रमेव आरभुं शक्नोति

न केवलं अधिकं लक्षितं विशालं प्रतिरूपं, मलेरियासञ्चारक्षेत्रेषु अनुकूलतां प्राप्तुं विशिष्टसञ्चालनेषु वेक्टरकैमम् अपि सरलीकृतम् अस्ति, येन मलेरियासंचरणक्षेत्रेषु वास्तविकस्थितौ उत्तमरीत्या अनुकूलतां प्राप्तुं शक्नोति।

विशेषतः VectorCam इत्यत्र विशेषप्रतिबिम्बनयन्त्राणां सूट्, मोबाईल-एप् च अन्तर्भवति । हार्डवेयरघटकाः अन्तर्निर्मितं १५x मैक्रो लेन्सयुक्तं प्रकाशपेटी, दूरभाषस्य केसस्य डिजाइनं, डॉकिंग् स्टेशनं च सन्ति । एतेषां मशकानां उत्तमभण्डारणार्थं एपेन्डोर्फ् ट्यूबधारकाः मशकट्रे च छिद्रयुक्तानि नमूना-परिचयपत्राणि अपि हार्डवेयर्-मध्ये सन्ति ।

VectorCam इत्यस्य सॉफ्टवेयरः एण्ड्रॉयड्-आधारितः अनुप्रयोगः अस्ति यः ३९ तः अधिकानां मशकप्रकारानाम् अभिज्ञानं कर्तुं समर्थः इति कथ्यते, यत्र सामान्यमशकप्रकाराः अपि च केचन विशिष्टाः मशकप्रकाराः सन्ति येषां रोगानाम् अधिकसंभावना अस्ति एल्गोरिदम् इत्येतत् न्यूनतया चालयितुं अनुकूलितं कृतम् अस्ति एण्ड्रॉयड् फ़ोन्स् समाप्तं कुर्वन्तु।

VectorCam इत्यस्य मोबाईल उपयोक्तृ-अन्तरफलकं

प्रणाल्याः कार्यप्रवाहे संगृहीतमशकान् हार्डवेयरमध्ये स्थापयित्वा, मशकानां वर्धितानि चित्राणि गृहीतुं स्मार्टफोन-एप्-इत्यस्य उपयोगः, अनन्तरं आणविक-सत्यापनार्थं विशिष्ट-लेबल-कृतेषु एपेन्डोर्फ्-नलिकेषु मशकानां संग्रहणं च भवति

VectorCam प्रणाल्याः सम्पूर्णः कार्यप्रवाहः

इमेजिंग् तथा लोडिंग् कार्येषु केवलं द्वौ उपयोक्तारौ आवश्यकौ भवतः: एकः इमेजिंग् कृते अपरः मशकानां लोडिंग्, संग्रहणार्थं च बहु कीटविज्ञानविशेषज्ञतायाः आवश्यकता नास्ति, ग्रामीणस्वास्थ्यदलानि अपि सरलप्रशिक्षणेन सह VectorCam संचालितुं शक्नुवन्ति।

संचालनं सुलभं भवितुं अतिरिक्तं वेक्टरकैम इत्यस्य लाभः अपि अस्ति यत् मशकानां क्षेत्रीयवितरणं अधिकतया सहजतया प्रदर्शयितुं समर्थः भवति, येन निर्णयकर्तृभ्यः स्थितिं अधिकतया अवगन्तुं शक्नोति तथा च मशकजातीयानां, लिंगस्य, उदरस्य स्थितिः इत्यादयः, तस्य निवारणाय तदनुरूपाः उपायाः करणीयाः।

चित्रे दर्शितं यत् जालं कथं भिन्नस्तरयोः मशकानां लक्षणं "अनुभूयते", तस्य जातिः, उदरस्य स्थितिः, लिङ्गवितरणं च सहजतया प्रदर्शयति

मशकानां "परिचयः" कर्तुं AI सङ्गणकश्रवणस्य उपयोगं कुर्वन्तु

मशकानां पत्ताङ्गीकरणाय मोबाईलफोनस्य उपयोगस्य दृष्ट्या बिल् गेट्स् इत्यनेन अन्यत् उपलब्धिः अपि प्रवर्तयिता-हम्बग् इति ।

नूतना प्रणाली यन्त्रशिक्षण-एल्गोरिदम्-समूहः अस्ति यत् स्मार्टफोन-द्वारा गृहीतस्य मशक-उड्डयन-पिचस्य ध्वनि-हस्ताक्षरस्य (ध्वनिस्य) उपयोगेन, तेषां पक्ष-प्रहारस्य ध्वनिना मशक-जातीनां परिचयं कर्तुं शक्नोति (एतत् निष्पद्यते यत् भिन्न-भिन्न-प्रकारस्य मशकाः व्यक्तिगत-आकारस्य, आयुः, पर्यावरण-तापमानस्य च भेदात् भिन्न-भिन्न-वेगेन स्वपक्षं फडयन्ति, अतः भिन्नाः शब्दाः भवन्ति ।)

HumBug परियोजना विशिष्ट कार्यप्रवाह

तथा च महत्त्वपूर्णं यत् हम्बग् इत्यत्र VectorCam इत्यादीनां मशकानां संग्रहणार्थं विशेषयन्त्राणां उपयोगस्य आवश्यकता नास्ति, येन मशकपरिचयप्रक्रिया अधिका सरलीभवति।

हम्बग् अद्यापि प्रारम्भिकपदे एव अस्ति, परन्तु यदि सफलं भवति तर्हि अधिकं स्वचालितं निरन्तरं च निरीक्षणं कर्तुं शक्नोति ।

एतासां प्रौद्योगिकीनां परिचयं कुर्वन् बिल गेट्स् इत्यनेन तान्त्रिककठिनतानां विषये न, अपितु अन्येषां राजनैतिक-आर्थिककारकाणां विषये अपि कतिपयानि चिन्तानि प्रकटितानि:

अस्माकं सम्मुखे एकं बृहत्तमं आव्हानं वैज्ञानिकं न अपितु आर्थिकं राजनैतिकं च अस्ति।