Resilience in the Digital Age (Lecture Notes in Computer Science, 12660)

رشد اقتصاد دیجیتال جهانی، ارتباطات سریع، جابجایی آنی وجوه و در دسترس بودن حجم وسیعی از اطلاعات را ممکن کرده است. با این چالش‌هایی مانند آسیب‌پذیری سیستم‌های اجتماعی فناوری دیجیتال (STS) در برابر رویدادهای مخرب (زلزله، رویدادهای بیماری، حملات تروریستی) پیش می‌آید. مسائل مشابهی برای اختلال در سیستم های پیچیده طبیعی و اجتماعی مرتبط (از تغییر اقلیم، محیط های شهری در حال تکامل و غیره) به وجود می آید. این کتاب رویکردهای جدیدی را برای انعطاف‌پذیری سیستم‌های فناوری اجتماعی و طبیعی-اجتماعی در دنیای دیجیتالی از داده‌های بزرگ، ظرفیت محاسباتی خارق‌العاده و روش‌های هوش مصنوعی به سرعت در حال توسعه بررسی می‌کند.

اکثر مقالات این کتاب در این سایت ارائه شده‌اند. کارگاه بزرگ داده ها و تجزیه و تحلیل سیستم ها در موسسه بین المللی تحلیل سیستم های کاربردی در لاگزنبورگ، اتریش در فوریه 2020 برگزار شد. نویسندگان آنها با گروه وظیفه "ابزارهای ریاضی پیشرفته برای تجزیه و تحلیل سیستم های کاربردی مبتنی بر داده" ایجاد شده و حمایت شده اند. CODATA در نوامبر 2018.

همه‌گیری جهانی COVID-19 آسیب‌پذیری سیستم‌های مراقبت‌های بهداشتی، زنجیره‌های تامین و زیرساخت‌های اجتماعی ما را نشان می‌دهد و با تصورات ما در مورد آنچه که یک سیستم را انعطاف‌پذیر می‌کند مقابله می‌کند. ما متوجه شده‌ایم که استفاده از ابزارهای هوش مصنوعی می‌تواند منجر به مشکلاتی در هنگام وقوع رویدادهای غیرمنتظره شود. از سوی دیگر، حجم وسیعی از داده‌های موجود از حسگرها، تصاویر ماهواره‌ای، رسانه‌های اجتماعی و غیره نیز می‌تواند برای انعطاف‌پذیری بیشتر سیستم‌های مدرن مورد استفاده قرار گیرد.

مقالات موجود در این کتاب، اختلالات شبکه‌های پیچیده و الگوریتم هایی که خروج از حالت قبلی را پس از یک اختلال به حداقل می رساند. یک چارچوب چند دستوری برای مبانی فناوری و منابع سیستم‌های صنعتی در مقیاس بزرگ امروزی و تحولات ناشی از رویدادهای مخرب معرفی کنید. و توضیح دهید که چگونه رباتیک می تواند اقدامات پیشگیرانه یا واکنش های پس از فاجعه را برای افزایش انعطاف پذیری افزایش دهد. سایر مقالات به بررسی مسیرهای فعلی در پردازش و مدیریت داده ها و اصول عادلانه بودن در داده ها می پردازند. چگونه در دسترس بودن مقادیر زیادی از داده ها می تواند به توسعه STS های انعطاف پذیر و چالش هایی برای غلبه بر آن کمک کند. این کتاب همچنین به تعاملات بین انسان‌ها و محیط‌های ساخته‌شده می‌پردازد و بر این تمرکز دارد که چگونه هوش مصنوعی می‌تواند ساختمان‌های هوشمند و متصل امروزی را آگاه کند و آنها را انعطاف‌پذیر کند، و چگونه ابزارهای هوش مصنوعی می‌توانند انعطاف‌پذیری در برابر اطلاعات نادرست و انتشار آن را افزایش دهند.

The growth of a global digital economy has enabled rapid communication, instantaneous movement of funds, and availability of vast amounts of information. With this come challenges such as the vulnerability of digitalized sociotechnological systems (STSs) to destructive events (earthquakes, disease events, terrorist attacks). Similar issues arise for disruptions to complex linked natural and social systems (from changing climates, evolving urban environments, etc.). This book explores new approaches to the resilience of sociotechnological and natural-social systems in a digital world of big data, extraordinary computing capacity, and rapidly developing methods of Artificial Intelligence.

Most of the book’s papers were presented at the Workshop on Big Data and Systems Analysis held at the International Institute for Applied Systems Analysis in Laxenburg, Austria in February, 2020. Their authors are associated with the Task Group “Advanced mathematical tools for data-driven applied systems analysis” created and sponsored by CODATA in November, 2018.

The world-wide COVID-19 pandemic illustrates the vulnerability of our healthcare systems, supply chains, and social infrastructure, and confronts our notions of what makes a system resilient. We have found that use of AI tools can lead to problems when unexpected events occur. On the other hand, the vast amounts of data available from sensors, satellite images, social media, etc. can also be used to make modern systems more resilient.

Papers in the book explore disruptions of complex networks and algorithms that minimize departure from a previous state after a disruption; introduce a multigrammatical framework for the technological and resource bases of today’s large-scale industrial systems and the transformations resulting from disruptive events; and explain how robotics can enhance pre-emptive measures or post-disaster responses to increase resiliency. Other papers explore current directions in data processing and handling and principles of FAIRness in data; how the availability of large amounts of data can aid in the development of resilient STSs and challenges to overcome in doing so. The book also addresses interactions between humans and built environments, focusing on how AI can inform today’s smart and connected buildings and make them resilient, and how AI tools can increase resilience to misinformation and its dissemination.