یکی از محققان امنیتی به نام «Ibrahim Balic» در مصاحبه ای با سایت تک کرانچ گفت در نسخه اندروید اپلیکیشن توییتر باگی پیدا کرده که توانسته 17 میلیون شماره را با اکانت های مربوط به آنها تطبیق دهد.

این باگ از طریق قابلیت آپلود مخاطبین در اپلیکیشن توییتر انجام می شود. «Balic» می گوید با وارد کردن شماره تلفن، اپلیکیشن داده های کاربری را باز می‌گرداند.

قابلیت آپلود مخاطبین، اجازه آپلود لیست شماره تلفن ها با فرمت متوالی را نمی دهد، ولی محقق امنیتی یاد شده موفق شد با تصادفی کردن آنها و آپلود کردنشان، به اطلاعات حساب کاربری مربوط به شمار تلفن دسترسی پیدا کند.

 

باگ مذکور کاربران کشورهای ایران، فرانسه، یونان، اسرائیل، ترکیه، ارمنستان و آلمان را تحت تاثیر قرار داده که در بین آنها نام برخی از مقامات رسمی و سیاستمداران نیز به چشم می خورد. «Balic» تاکنون این باگ را به توییتر گزارش نداده ولی به شکل مستقیم با برخی از کاربران تماس گرفته است.

«Aly Pavela»، سخنگوی توییتر می گوید این شرکت گزارشاتی از این دست را «جدی گرفته» و «به شکل فعالانه در حال بررسی» این باگ است. این شرکت فعالیت اکانت هایی که از آنها برای دسترسی به اطلاعات کاربران استفاده می شده را مسدود کرده است.

سال 2019، سال خوبی برای توییتر از لحاظ امنیت نبوده است. اواخر اردیبهشت ماه امسال باگ امنیتی در اپ iOS اطلاعات مکانی کاربر را بدون اجازه او در اختیار شرکت ثالث قرار می داد. اواسط مهر ماه امسال نیز این شرکت تایید کرد که از شماره تلفن کاربران برای اهداف تبلیغاتی استفاده کرده است.

منبع:

https://digiato.com/article/2019/12/25/%d8%a8%d8%a7%da%af-%d8%aa%d9%88%db%8c%db%8c%d8%aa%d8%b1-%d9%81%d8%a7%d8%b4-%d8%aa%d9%84%d9%81%d9%86-17-%d9%85%db%8c%d9%84%db%8c%d9%88%d9%86-%da%a9%d8%a7%d8%b1%d8%a8%d8%b1/

اینتل دیروز نسل بعدی واحد پردازش هوش مصنوعی Movidius Vision را با نام Keem Bay معرفی کرد و وعده داد درمقایسه‌با رقبا حداکثر ۶ برابر قدرت بیشتری ارائه دهد. در اجلاس AI در سان‌فرانسیسکو، این شرکت پردازنده جدید شبکه عصبی Nervana را با عنوان NNP-T به‌نمایش گذاشت.

اینتل با توسعه‌ی سخت‌افزاری خود درزمینه‌ی هوش مصنوعی و نرم‌افزارهای جدیدی که ارائه کرده، قصد دارد فرصت‌های جدیدی در فضای ابری یا مرکز داده‌ای برای هوش مصنوعی ایجاد کند. اینتل در این رویداد هوش مصنوعی گفت:

هوش مصنوعی در‌حال‌حاضر ۳/۵ میلیارد دلار درآمد سالانه برای اینتل، Naveen Rao ،‌VP و GM از گروه محصولات AI اینتل به‌ارمغان آورده است.

همان‌طورکه مشخص شده، اکنون هر کسب‌و‌کار از اینترنت استفاده می‌کند که در آینده‌ای نزدیک برای هوش مصنوعی نیز چنین اتفاقی خواهد افتاد و هر شرکت تکنولوژی‌محوری به هوش مصنوعی نیاز پیدا خواهد کرد. همچنین، سخت‌افزار و بخش محاسباتی به نقطه‌ی شکست رسیده است و به سخت‌افزارهای تخصصی‌تری نیاز داریم. اینتل اولین VPU Movidius را در سال ۲۰۱۷ ارائه کرد و Keem Bay با ارائه در نیمه‌ی اول سال ۲۰۲۰، ویژگی‌های منحصر‌به‌فردی از معماری را برای بهبود کارایی و توانمندی به‌ارمغان خواهد آورد.

اینتل می‌گوید نسل بعدی VPU تقریبا ۱۰ برابر عملکرد استنتاجی قو‌ی‌تری درمقایسه‌با نسل اول ارائه می‌دهد. طبق آزمایش‌ها اولیه، Keem Bay بیش از چهاربرابر توان عملیاتی TX2 SOC Nvidia با یک‌سوم مصرف انرژی ارائه خواهد داد. همچنین، می‌تواند تقریبا همان توان عملیاتی Xavier SOC Nvidia را با یک‌پنجم مصرف انرژی ارائه دهد.

VPU برای رایانش لبه‌ای و دید کامپیوتری و برنامه‌های استنتاجی طراحی شده و ابعاد آن فقط ۷۲ میلی‌متر است که این ابعاد بسیار کوچک و ظریف است. این VPU اینتل مناسب برای انواع مختلفی از فرم‌ها و روباتیک و کارت‌های قدرتمند PCIe است. درنهایت، تراشه‌ی Movidius در اوایل سال ۲۰۲۰ به بازار عرضه خواهد شد.

NNP-T1000 اینتل برای آموزش و NNP-I1000 اینتل با توانایی پردازش محاسبات استنتاجی اولین ASICهای هدفمند به‌منظور ایجاد یادگیری عمیق پیچیده برای مشتریان ابری و مراکز داده‌ای هستند. به‌گفته‌ی اینتل، NNP-T برای آموزش برنامه‌های یادگیری عمیق در دنیای واقعی طراحی شده است و از بهره‌وری چشمگیری برخوردار خواهد بود. NNP-I نیز، برای اجرای عملیات استنتاجی در زمان واقعی با حجم زیاد و تأخیر کم طراحی شده است. OpenVINO که ابزاری برای طراحی آسان و استنباط یادگیری عمیق در برنامه است، از NNP-I پشتیبانی خواهد کرد. درکنار OpenVINO، اینتل دیروز با معرفی Intel DevCloud جدید، این امکان را دراختیار توسعه‌دهندگان قرار داد تا قبل از خرید سخت‌افزار، راه‌حل‌های هوش مصنوعی را در طیف گسترده‌ای از پردازنده‌های اینتل نمونه‌سازی و آزمایش کنند. درحال‌حاضر، بیش از ۲،۷۰۰ مشتری اینتل از DevCloud استفاده می‌کند.

اینستاگرام مقاله‌ای جامع درباره‌ی جزئیات هوش مصنوعی خود منتشر کرد که وظیفه‌ی نمایش محتوای جذاب و جدید را در بخش Explore (آیکن مشهور ذره‌بین در اپلیکیشن) بر عهده دارد. مقاله‌ی غول شبکه‌های اجتماعی پیچیدگی‌ها و جزئیات فنی متعددی دارد که علاقه‌مندان می‌توانند با مراجعه به لینک منبع، آن را مطالعه کنند. به‌هرحال در ادامه‌ی این مطلب زومیت، پنج ویژگی اصلی هوش مصنوعی اینستاگرام در نمایش محتوا را شرح می‌دهیم.

منابع محدود اینستاگرام و فیسبوک

فید خبری فیسبوک، یکی از جذاب‌ترین بخش‌های تجربه‌ی کاربری آن محسوب می‌شود. بسیاری از کاربران ترجیح می‌دهند تا محتوای موجود در آن را به ترتیب تاریخی مشاهده کنند. درمقابل، تب Explore در اینستاگرام، نیازمند پیچیدگی بیشتر است که با استفاده از الگوریتم‌های هوش مصنوعی محقق می‌شود. درک شیوه‌ی کار یک شبکه‌ی اجتماعی مبتنی بر تصویر و پیشنهاد محتوای جدید توسط آن، دشواری بالایی دارد و شاید حتی آسان‌تر از ساختن الگوریتم پیشنهاد نباشد.

اگر اینستاگرام و فیسبوک و دیگر غول‌های فناوری، منابع پردازش و زمان نامحدود داشتند، شاید رویکردی متفاوت را برای توسعه‌ی تب Explore پیش می‌گرفتند. البته آن‌ها اکنون با منابع (هرچند عظیم) محدود در پردازش روبه‌رو هستند و در کوتاه‌ترین زمان به صدها میلیون کاربر خدمات‌رسانی کنند. به‌هرحال این مسئله در ابتدای پست وبلاگی اینستاگرام ذکر می‌شود تا شاید کاربران نگرانی و پرسش کمتری پیرامون استفاده‌ی صرفه‌جویانه از منابع داشته باشند. در بخش دیگری از مطالب نیز گفته می‌شود که تغییر سریع ساختارها و مشاهده‌ی سریع نتایج، روندی آسان‌تر برای توسعه‌دهنده‌های اینستاگرام است.

اهمیت حساب کاربری در برابر پست

محتوای بسیار زیادی در اینستاگرام منتشر می‌شود و قطعا ردگیری و بررسی هر تصویر به‌تنهایی و با هدف پیشنهاد بهتر به کاربران، دشواری‌های متعددی دارد. درمقابل، ردگیری حساب‌های کاربری، بازدهی و سادگی بیشتری دارد. به‌هرحال حساب‌های کاربری تم مشخص‌تری دارند و در موضوعات دسته‌بندی‌شده فعالیت می‌کنند. به‌عنوان مثال می‌توان حساب‌های کاربری را در دسته‌هایی همچون «سفر» که موضوعی کلی محسوب می‌شود تا موارد جزئی‌تر دسته‌بندی کرد.

لایک کردن یک تصویر در یک حساب کاربری، به‌معنای علاقه‌مند بودن به کل محتوای آن حساب کاربری نیست. ازطرفی این عمل نشان می‌دهد که شما حداقل به تم و موضوع حساب کاربری مذکور علاقه دارید. به‌عنوان مثال تصور کنید تصویر یک گربه را در یک حساب کاربری خاص لایک کرده‌اید. اگر حساب کاربری مذکور بیشتر شامل تصویر گربه‌ها باشد، یعنی شما به‌عنوان کاربر به این موضوع علاقه‌مند هستید.

رفتارهای پیچیده، منابع اطلاعاتی الگوریتم

اینستاگرام برای شناسایی ارتباط موضوعی حساب‌های کاربری، تنها محدود به مشخصات تصویری نمی‌شود. اگرچه چنین موردی را نیز می‌توان به‌راحتی توسط الگوریتم شناسایی کرد. به‌هرحال، برای درک بهتر ارتباط، رفتار کاربر نیز بررسی می‌شود. به‌عنوان مثال وقتی شما چند پست را پشت سر هم لایک می‌کنید، احتمالا ارتباطی با هم دارند، حتی با اینکه شاید الگوریتم اینستاگرام آن را درک نکند. در بخشی از مقاله‌ی شرکت می‌خوانیم:

اگر یک کاربر در یک بار استفاده از اپلیکیشن، به‌صورت متوالی با چند حساب کاربری تعامل داشته باشد، به‌احتمال زیاد آن‌ها از لحاظ موضوع با هم مرتبط هستند. درمقابل، رویکردی قرار می‌گیرد که کاربر ترتیبی تصادفی از محتوای حساب‌های کاربری را در دسته‌های گوناکون حساب کاربری اینستاگرام مشاهده می‌کند. ما با استفاده از همین رفتار، حساب‌های کاربری شبیه به هم از لحاظ موضوعی را شناسایی می‌کنیم.

کاربران عموما عملکردی شبیه به توضیح بالا دارند. آن‌ها مثلا از یک حساب کاربری متمرکز بر سفر، به حساب کاربری مشابه می‌روند و همین رفتار برای موضوع‌های دیگر هم انجام می‌شود. همه‌ی رفتارها برای پیداکردن شباهت در تصمیم‌های کاربر، توسط الگوریتم جذب و بررسی می‌شوند. البته فعالیت‌هایی همچون انتخاب گزینه‌ی «See fewer posts like this» یا مسدود کردن یک حساب کاربری، تأثیر زیادی روی عملکرد الگوریتم برای هر کاربر دارد.

قابلیت seed accounts

انتخاب و نمایش چند ده تصویر از میان میلیاردها تصویر منتشرشده در اینستاگرام، دشواری زیادی به‌همراه دارد. الگوریتم برای کاهش پیچیدگی، تب Explore را به حساب‌های کاربری مشابه و حساب‌های کاربری محدود می‌کند که کاربر اخیرا پست‌هایی را در آن‌ها لایک یا سیو کرده است. چنین حساب‌های کاربری به‌نام seed accounts شناخته می‌شوند. معنای دانه برای این حساب‌های کاربری صحیح به‌نظر می‌رسد، چون سایر عملکرد الگوریتم از دل آن‌ها رشد می‌کند.

چگونگی نمایش حساب‌های کاربری و موضوعات آن‌ها در یک الگوریتم هوش مصنوعی، پیدا کردن چند صد حساب کاربری را برای آن آسان می‌کند. تصور کنید که می‌دانید یک نفر به پارچه‌ای با طرح خاص قرمز علاقه دارد. اگر بخواهید نمونه‌ی مشابهی برای او پیدا کنید، جست‌وجو در کمدی به‌هم‌ریخته از پارچه‌ها فایده‌ای نخواهد داشت. حتی اگر آن‌ها را روی زمین بریزید هم باز زمان قابل‌توجهی برای پیداکردن طرح مورد نظر نیاز است. درمقابل، اگر قبلا پارچه‌ها را به‌ترتیب رنگ مرتب کرده باشید، با سرعت بالایی پارچه‌ی قرمز را پیدا می‌کنید.

الگوریتم یادگیری ماشین برای پیداکردن نمونه‌های مشابه، روندی شبیه به مثال بالا را انجام می‌دهد. هر یک از حساب‌های کاربری، موقعیتی در یک فضای مجازی دارند و هرچه در آن فضا به هم نزدیک‌تر باشند، یعنی مرتبط‌تر هستند. باتوجه به توضیحات ارائه‌شده می‌دانیم که حساب‌های کاربری با دسته‌بندی صحیح، از میلیاردها عنوان برای بررسی، به چند صد عدد کاهش یافته‌اند. درنتیجه برای پیداکردن موارد مشابه، دشواری کمتری داریم. اینستاگرام پس از دسته‌بندی، با استفاده از شبکه‌ی عصبی سه مرحله را انجام می‌دهد تا به تصاویر نهایی برسد:

مرحله‌ی اول را می‌توان مرحله‌ی ساده‌تر و ترکیبی از دو مرحله‌ی بعدی دانست که ۵۰۰ حساب کاربری را به ۱۵۰ حساب کاهش می‌دهد. چنین رویکردی کمی عجیب به‌نظر می‌رسد، اما برای درک بهتر آن می‌توانید این‌گونه تصور کنید: شبکه‌ی عصبی تاکنون رخ دادن مراحل دوم و سوم را چندین بار مشاهده کرده است و دیدگاهی مناسب نسبت به عملکرد و پیامد آن‌ها دارد. تصور کنید شما چندین بار پختن یک شیرینی خاص را مشاهده کرده‌اید و درنتیجه تاحدودی دستور پخت آن را حدس می‌زنید. حدس زدن حدودی، کمی دقیق به‌نظر می‌رسد، اما قطعا منجر به انتشار دستور تخمینی از سوی شما نمی‌شود. درواقع تنها اطلاعاتی کلی و واضح را در مرحله‌ی اول دریافت می‌کنیم.

مرحله‌ی دوم شامل یک شبکه‌ی عصبی تقریبا ساده از لحاظ پردازشی می‌شود. شبکه‌ی مذکور از سیگنا‌ل‌های بسیار بیشتری نسبت به مرحله‌ی قبلی استفاده می‌کند. در این مرحله، لایک‌های تکی کاربران نقش خود را ایفا می‌کنند و همچنین داده‌های عمیق‌تر پیرامون حساب‌های کاربری نیز وارد عمل می‌شوند. به‌عنوان مثال شما براساس تاریخچه‌ی لایک‌ها به موضوع سفر و دسته‌ی جزئی‌تر، مثلا سفر خانوادگی علاقه‌‌مند هستید. پارامترهای دیگر مانند محبوبیت کلی یک پست یا تفاوت قابل‌توجه آن نسبت به پست‌های دیگر حاضر در دسته، نقش مهمی را در نمایش ایفا می‌کند. مرحله‌ی دوم، ۱۰۰ پیشنهاد دیگر را حذف می‌کند و تنها ۵۰ پیشنهاد باقی می‌ماند.

مرحله‌ی سوم شامل شبکه‌ی عصبی با نیاز پردازشی بیشتر و پیچیده‌تر است. در این مرحله، بین ۵۰ مورد باقی‌مانده بررسی انجام شده و نیمی از آن‌ها حذف می‌شوند. مشاهده‌ی دقیق‌تر محتوا و بررسی هزاران نقطه داده به‌جای صدها نقطه، انتخاب دقیق‌تر را در مرحله‌ی سوم ممکن می‌کند.

شرکت مایکروسافت به‌تازگی پتنت جدیدی ثبت کرده که سیستم آهن‌ربایی در درگاه و کابل USB-C را شامل می‌شود؛ بدین‌ترتیب، کابل شارژر آسان‌تر و با سرعت بیشتری به تبلت‌های آینده‌ی سرفیس متصل خواهد شد که این امر موجب انتقال اطلاعات سریع‌تر می‌شود.

درست است که تبلت سرفیس پرو ۶ از درگاه اختصاصی بهره می‌برد؛ اما تبلت سرفیس Go از درگاه USB-C استفاده می‌کند. پس، به‌احتمال زیاد در آینده از همین درگاه در خط‌تولید سرفیس‌ پرو آینده استفاده خواهد شد. این اختراع را سازمان جهانی مالکیت فکری (WIOP) در ۲۳مِی امسال با شماره‌ثبت US20180375251 و با نام مکانیسم چفت فعال مغناطیسی (Magnetically Activated Latch Mechanism) ثبت کرده است.

اطلاعات موجود در پرونده‌‌ی اختراع نشان می‌دهند که در دو طرف کابل USB-C این پتنت آهن‌ربا‌ تعبیه شده و در دو طرف داخل حفره‌ی درگاه تبلت نیز از موادی با خاصیت مغناطیسی استفاده شده است. بدین‌ترتیب اگر کابل و درگاه فاصله‌ی کم‌وبیش زیادی ازهم داشته باشند، به‌راحتی و بدون نیروی خارجی می‌توانند به‌هم متصل شوند یا با نیروی بیشتری بدون آسیب‌زدن به درگاه ازهم جدا شوند.

وقتی کابل‌های معمولی USB-C به درگاه متصل می‌شوند، قفل داخلی از درون درگاه اتصال را محکم نگاه می‌دارد. باوجوداین، وقتی از کابل مغناطیسی استفاده می‌شود، نیروی مغناطیسی موجود درون درگاه قفل را غیرفعال می‌کند و اجازه می‌دهد کابل USB با استفاده از نیروی مغناطیسی در جای خود حفظ شود.

با قرارگیری کابل در درگاه به‌صورت مغناطیسی کاربران دیگر مجبور نخواهند بود کابل را به درون روزنه فشار دهند؛ بلکه می‌توانند با کشیدن کابل از تبلت اتصال را به‌راحتی جدا کنند. انجام این کار در اتصال عادی ممکن است به دستگاه آسیب برساند؛ اما هنگام استفاده از اتصال مغناطیسی مشکلی پیش نخواهد آمد. درهرصورت ثبت اختراع به‌معنی استفاده‌ی حتمی مایکروسافت از آن در تبلت‌های آینده سرفیس پرو نخواهد بود؛ اما گامی در مسیر صحیح خواهد بود.

منبع:

https://www.zoomit.ir/2018/12/30/311008/microsoft-seeks-patent-magnetic-usbc/

تاکنون تلاش‌های بسیاری در زمینه‌ی هوش مصنوعی انجام شده و کماکان بحثتحقیق و توسعه در این حوزه با قدرت به پیش می‌رود. آخرین گزارش مربوط به تحقیقات هوش مصنوعی نشان می‌دهد محققان پیشرفت‌های خوبی دراین‌زمینه داشته‌اند و توانسته‌اند به دستاوردهای قابل‌توجهی دست پیدا کنند. 

سیستم‌های مبتنی بر هوش مصنوعی شامل طیف گسترده‌ای از فعالیت‌های مختلف اعم از تحقیقات، آموزش و دستاوردهای فنی می‌شوند و شاخص‌های مربوط به هوش مصنوعی یا  AI Index زمینه‌های مختلفی را پوشش می‌دهد. 

 AI Index به‌قدری متنوع است که دانشگاه‌هایی همچون هاروارد، استنفورد و مراکزی همچون OpenAI، دو ابزار جدید را برای بررسی داده‌هایی که از طرق هوش مصنوعی دریافت می‌کنند، معرفی کرده‌اند. یکی از این ابزارها برای جستجوی مقالات تحقیقاتی هوش مصنوعی و دیگری برای تحقیق در مورد داده‌ها به‌منظور  تحقیق و سرمایه‌گذاری کاربرد دارد. 

گزارش مربوط به  AI Index سال ۲۰۱۹ نشان ‌می‌دهد روند تحقیق و توسعه‌ی در زمینه‌ی هوش مصنوعی کماکان ادامه داشته و متوقف نشده است. همچنین این گزارش تأیید می‌کند که رویکردهای تحقیقاتی در زمینه‌ی هوش مصنوعی نسبت به سال‌های قبل به‌صورت جدی‌تری دنبال می‌شود. این گزارش ۲۹۰ صفحه‌ای وضعیت روشنش از تحقیقات و طرح‌های توسعه‌ای در زمینه‌ی هوش مصنوعی ارائه می‌دهد که در این مقاله بخش‌های مهم آن استخراج شده است: 

• تحقیقات هوش مصنوعی به‌سرعت به پیش می‌رود: از سال ۱۹۹۸ تا ۲۰۱۸، تعداد مقاله‌های منتشرشده‌ در زمینه‌ی هوش مصنوعی رشد ۳۰۰ درصدی داشته و با گذشت زمان، تعداد افراد بیشتری در کنفرانس‌های مرتبط با هوش مصنوعی شرکت می‌کنند. در کنفرانس Neurips امسال درحدود ۱۳۵۰۰ نفر حضور داشتند که نسبت به کنفرانس ۲۰۱۲ رشد ۸۰ درصدی را به ثبت رسانده است.
• آموزش‌های مرتبط با هوش مصنوعی محبوبیت دارند: از دوره‌های آموزشی یادگیری ماشین هم در دانشگاه‌ها و هم به‌صورت آنلاین بسیار استقبال می‌شود. به‌نظر می‌رسد هوش مصنوعی یکی از موضوعات مورد توجه و علاقه‌ی فارغ‌التحصیلان رشته‌های مرتبط با علوم کامپیوتر در آمریکای شمالی است. بیش از ۲۱ درصد از فارغ‌التحصیلان مقطع دکترا علاقه‌مند به دریافت تخصص در زمینه‌ی هوش مصنوعی هستند که این رقم در حدود دو برابر علاقه‌‌مندان به زمین‌ه‌هایی امنیت و امنیت اطلاعات است که از محبوبیت بالایی برخوردار است.
• ایالات متحده، در بسیاری از حوزه‌های مرتبط با هوش مصنوعی، جلوتر از بقیه کشورها حرکت می‌کند: باوجودی که چینی‌ها بیشتر مقاله‌های مرتبط با هوش مصنوعی را منتشر می‌کنند، اما از نظر تأثیرگذار بودن مقاله‌های تحقیقاتی، آمریکایی‌های حرف‌هایی برای گفتن دارند. بیش از ۴۰ درصد مقاله‌های تحقیقاتی آمریکایی‌ها مرتبط با هوش مصنوعی در سطح جهانی مطرح می‌شوند. ایالات متحده، بیشترین سرمایه‌گذاری مالی را در بین کشورهای جهان به هوش مصنوعی اختصاص داده است. آمریکایی‌ها سرما‌یه‌ی حدود ۱۲ میلیارد دلار برای تحقیقات مرتبط با هوش مصنوعی اختصاص داده‌اند. در حالی‌که چینی‌ها تنها ۶/۸ میلیارد دلار برای تحقیق و توسعه دراین‌زمینه تخصیص داده‌اند و به‌عنوان دومین کشوری که در این حوزه بیشترین سرمایه‌گذاری را اختصاص داده شناخته می‌شوند. از سوی دیگر آمریکایی‌ها بیشترین ثبت پتنت را در زمینه‌ی هوش مصنوعی نسبت به سایر کشورها به ثبت رسانده‌اند. تعداد پتنت‌های ثبت شده‌ی آمریکا‌یی‌ها در زمینه‌ی هوش مصنوعی سه برابر بیشتر از تعداد پتنت‌های ژاپنی‌ها در همین حوزه است.
• آموزش الگوریتم‌های مبتنی بر هوش مصنوعی به‌مرور سریع‌تر و ارزان‌تر می‌شوند: تا زمانی‌که نتیجه‌ی تحقیقاتی نتواند در دسترس و مورد استفاده قرار گیرد، کاربرد خاصی هم نخواهد داشت. تیم تخصصی AI Index در گزارش خود خاطر نشان کرده‌اند که زمان لازم برای آموزش الگوریتم بینایی ماشین روی مجموعه داده‌ی محبوب (ImageNet) از حدود سه ساعت در اکتبر ۲۰۱۷ به حدود ۸۸ ثانیه در ژوئیه ۲۰۱۹ کاهش یافته است. علاوه بر مدت زمان آموزش، شاهد کاهش هزینه‌های آموزش نیز هستیم.
• بیشترین سرمایه‌گذاری در حوزه‌ی هوش مصنوعی به تحقیق و توسعه خودروهای خودران مربوط می‌شود:  درحدود ۱۰ درصد سرمايه گذاری‌های جهانی به خودروهای خودران مربوط می‌شود که رقمی درحدود ۷/۷ میلیارد دلار است. در بخش تحقیقات پزشکی و حوزه‌ی تشخیص چهره در حدود ۴/۷ میلیارد دلار سرمایه‌گذاری می‌شود. در سال ۲۰۱۸ بخش اتوماسیون فرایندهای روباتیکی در حدود یک میلیارد دلار و برای زنجیره‌ی تأمین بیش از ۵۰۰ میلیون دلار جذب سرمایه داشته‌اند. 

  

آمار و ارقام  و همچنین اطلاعات منتشرشده در این گزارش واقعا قابل‌توجه است. اما می‌توان اینطور نتیجه‌گیری کرد که سرعت تحقیق و توسعه در بخش هوش مصنوعی شاید آنقدرها اهمیت نداشته باشد، بلکه آن چیزی که اهمیت دارد آن است که ببینیم چنین تحقیقاتی، چه دستاوردها و نتایجی را به‌همراه داشته‌اند. باوجودی که هوش مصنوعی به‌سرعت در حال رشد و شکوفایی است، اما هنوز محدودیت‌های بسیاری در این حوزه وجود دارد که قابل انکار نیست. 

یکی از بخش‌های گزارش تهیه شده به موضوع مقایسه‌ی عملکرد هوش مصنوعی در مقایسه با انسان اختصاص داده شده است و به مواردی اشاره کرده که هوش مصنوعی توانسته به رقابت با هوش انسانی رفته یا حتی قدم‌هایی جلوتر از هوش انسانی بردارد.

موضوع به دهه‌ی ۱۹۹۰ برمی‌گردد که برای نخستین بار برنامه‌های مبتنی بر هوش مصنوعی توانستند در بازی‌ شطرنج یا برخی بازی‌های دیگر از هوش انسانی پیشی گرفته و پیروز میدان شوند. با رونق یادگیری ماشین، این وضعیت شتاب بیشتری به خود گرفت و شاهد معرفی بازی‌های ویدیویی و بازی‌های بیشتری مبتنی بر هوش مصنوعی به بازار بودیم. حتی در سال ۲۰۱۷ گزارشی مبنی بر استفاده از هوش مصنوعی برای بررسی تصاویر مربوط به سرطان پوست منتشر شد که نشان می‌داد هوش مصنوعی در بررسی تصاویر مربوط به سرطان پوست عملکرد دقیق‌تری نسبت به هوش انسان دارد. البته بسیاری نیز معتقدند که هوش مصنوعی کماکان بسیار عقب‌تر از هوش انسانی قرار دارد. هرچند پیش‌تر گفته شده بود که هوش مصنوعی دیپ مایند در بازی‌های چندنفره هم انسان را شکست می‌دهد. 

باوجودی‌ که هوش مصنوعی توانسته کارهایی را به انجام برساند ولی هنوز بر هوش انسانی به‌صورت کامل برتری ندارد. برای مثال، وقتی هوش مصنوعی می‌تواند در برخی بازی‌های رایانه‌ای انسان را شکست بدهد، به قوانین روشن و شفاف شبیه‌سازی و آموزش هوش مصنوعی ارتباط دارد. گاهی لازم است برای آموزش الگوریتم‌های هوش مصنوعی به سیستمی، صدها سال بر مبنای روز خورشیدی زمان صرف شود. در حالی‌که هوش انسانی به‌سرعت همان موضوع را فرا می‌گیرد.

از طرفی، دامنه‌ی کاربردهای هوش مصنوعی بسیار محدود است. مثلا وقتی سیستمی مبتنی بر هوش مصنوعی آموزش داده می‌شود، نمی‌تواند از آنچه آموخته برای حوزه‌های دیگری استفاده کند و برای انجام کارهای دیگر مجددا باید آموزش ببینید. آبان‌ماه امسال در خبری گفته شد که هوش مصنوعی دیپ مایند بالاتر از ۹۹/۹۸ درصد از بازیکنان استارکرافت ۲ قرار گرفته است. 

ممکن است هوش مصنوعی بتواند سرطان سینه را با دقتی مشابه یک متخصص تشخیص بدهد، اما نمی‌تواند همین کار را برای سرطان ریه هم انجام دهد و حتی نمی‌تواند برای بیمار نسخه‌ای بنویسد. به‌عبارت دیگر، در حال حاضر سیستم‌های مبتنی بر هوش مصنوعی ابزارهایی یکبار مصرف هستند که از انعطاف‌پذیری لازم همانند هوش انسانی نیز برخوردار نبوده و نمی‌توانند در مقایسه با هوش انسانی ایفای نقش کنند.

البته آنچه گفته شد بدین معنی نیست که هوش مصنوعی بی‌فایده بوده و کاربردی ندارد. با وجود محدودیت‌های سیستم‌های مبتنی بر یادگیری ماشین، تحقیق و توسعه دراین‌زمینه با صرف بودجه‌های کلان با سرعت به پیش می‌رود. وقتی موضوع محدودیت‌های هوش مصنوعی مطرح می‌شود، به یاد صحبت Andrew Ng از پیش‌گامان یادگیری ماشین می‌افتیم که می‌گفت:‌«وقتی فردی معمولی می‌تواند کار ذهنی را در زمانی کمتر از یک ثانیه با فکر خودش انجام دهد، احتمالا در آینده‌ی نزدیک هوش مصنوعی باید بتواند همان کار را به‌صورت خودکار در لحظه به انجام برساند.»

منبع:

https://www.zoomit.ir/2019/12/13/343259/ai-machine-learning-artificial-intelligence/

اپل درحال‌حاضر از نمایشگر‌ LCD با نور پس‌زمینه LED استفاده می‌کند تا تصویری با تضاد رنگی زیاد و تیرگی عمیق و سفیدی روشن را به‌نمایش درآورد. درحالی‌که برخی از تولیدکنندگان لپ‌تاپ‌های ویندوزی شروع‌ به‌ استفاده از پنل اولد در محصولات جدید خود کرده‌اند، به‌نظر می‌رسد کوپرتینویی‌ها برخلاف روند موجود، از به‌کارگیری پنل اولد در آیپد‌ها و مک‌بوک‌های آتی خود صرف‌نظر خواهند کرد. 

براساس جدیدترین تحلیل مینگ‌چی کو، مطرح‌ترین تحلیلگر مسائل مربوط‌ به اپل، انتظار می‌رود کوپرتینویی‌ها از اواخر سال ۲۰۲۰ تا اواسط سال ۲۰۲۱ آیپد‌ها و مک‌بوک‌هایی با نمایشگر Mini-LED روانه‌ی بازار کند. در این نمایشگر‌های جدید، برای نمایش بهتر رنگ‌ها و افزایش تضاد رنگ تقریبا از ۱۰هزار LED استفاده شده است. در مقایسه با پنل‌های OLED، پنل‌های Mini-LED امکان ساخت محصولاتی نازک‌تر و سبک‌تر را فراهم می‌سازند. 

با‌این‌حال، یکی‌ دیگر از دلایل مهمی که موجب مهاجرت اپل از پنل‌های OLED به Mini-LED شده، کاهش وابستگی به سامسونگ بوده است. 

هم‌اکنون ال‌جی، Epistar، ژن دینگ، Radiant Opto-Electronic، نیچیا، آواری هلدینگ و TSMT‌ از بزرگ‌ترین تولیدکنندگان پنل‌های Mini-LED‌ هستند.

قیمت به‌روز، مشخصات فنی و هر اطلاعاتی که برای خرید ارزان‌ و آگاهانه‌ی انواع مک‌بوک‌های اپل نیاز دارید را در بخش محصولات زومیت بیابید. در این بخش، علاوه‌بر مشخصات فنی دقیق و پاسخ به سوالات شما، امکان مقایسه‌ی دو یا چند محصول درکنار گالری تصاویر رسمی محصولات دردسترس شما خواهد بود.

یک شهروند بریتانیایی و عضو گروه معروف ارباب تاریکی به آمریکا تحویل داده شد تا به اتهام نفوذ به شرکت های آمریکایی و اخاذی از آنها محاکمه شود.

این عضو 39 ساله گروه هک شناخته شده «ارباب تاریکی» یا TDO که «نیتن فرنسیس وایت» نام دارد، اتهامات وارده را در دادگاه سنت لوئیس رد کرد. با این حال مقامات آمریکایی معتقدند او به همراه اعضای پرشمار TDO از سال 2016 به هک شرکت ها، سرقت اطلاعات و باجگیری از آنها مشغول بوده است.

گروه TDO پس از سرقت اطلاعات، شرکت ها را تهدید می کردند که در صورت نپرداختن باج، اطلاعات آنها را به دیگر هکرها فروخته یا آنها را به شکل عمومی منتشر می کنند. ظاهراً این گروه مسئول هک مراکز خدمات درمانی و شرکت های حسابداری آمریکا بین سال های 2016 و 2017 است.

 

البته فعالیت های مجرمانه گروه TDO بسیار فراگیرتر از اینهاست. این گروه از ابتدای سال 2016 ده ها مورد نفوذ غیرقانونی و سرقت اطلاعات را در کارنامه خود دارد که بین آنها می توان به موارد زیر اشاره کرد:

• هک سه سازمان خدمات درمانی و انتشار سوابق پزشکی بیش از 650 هزار بیمار روی دارک وب
• فروش سوابق پزشکی بیش از 9.3 میلیون بیمار که در مراکز بیمه ثبت شده بودند
• هک و اخاذی مرکز خدمات درمانی سرطان ایالت ایندیانا
• هک نتفلیکس و انتشار غیرقانونی چند اپیزود از فصل پنجم سریال OITNB
• هک شبکه ABC و انتشار غیرقانونی چند اپیزود از سریال استیو هاروی
• هک استودیوی لارسون و سرقت مجموعه عظیمی از اپیزودهای پخش نشده از سریال های مختلف

گفتنیست وایت دومین عضو TDO محسوب می شود که طی سال های اخیر دستگیر شده است. دیگر عضو این گروه، مردی 39 ساله است که سال 2018 توسط مقامات صرب در بلگراد دستگیر شد. اعضای TDO می گویند این گروه فقط سه عضو اصلی دارد که اطلاعاتی از عضو سوم آنها در دست نیست. این گروه تبهکار در حال حاضر به عضوگیری و استخدام هکرهای جدید مشغول است.

منبع:

https://digiato.com/article/2019/12/19/گوگل-آمازون-اپل-استاندارد-خانه-هوشمند/

حسگر عکس جدید سامسونگ که برای افزایش کیفیت عکاسی گوشی های هوشمند تولید شده، Isocell Slim GH1 نام دارد و با استفاده از آن می توان تصاویری با دقت 43.7 مگاپیکسل را تهیه کرد.

مزیت مهم این حسگر تازه ابعاد کوچک تر آن است که باعث می شود فضای کمتری از گوشی اشغال شود و دقت و وضوح عکس ها نیز بیشتر شود، به بیان دیگر، بخش دوربین گوشی ها با استفاده از حسگر جدید کوچک تر و باریک تر می شود و راه برای تولید گوشی های تمام صفحه و بدون قاب فلزی در بخش جلو هموار خواهد شد.

تولید حسگرهای کوچک برای عکاسی با گوشی کار دشواری است، زیرا این حسگرها به علت کوچک تر شدن باید به شکلی فشرده تر طراحی شوند و همین مساله جذب نور را توسط انها سخت تر می کند. این مساله می تواند موجب محو و تار شدن عکس ها شود.

سامسونگ پیش از این در سال 2015 حسگر عکاسی یک میکرومتری تولید کرده بود و در سال های 2017 و 2018 هم حسگرهای عکس 0.9 و 0.8 میکرومتری را روانه بازار کرده بود.

مدیرعامل توانیتو مدتیست که به دنبال برگزاری رویداد ویلچر رانی است و این موضوع بعد از وقفه‌ای چند روزه، پنج‌شنبه همین هفته، ۲۸ آذرماه برگزار خواهد شد.

رویداد «توانیران» به‌گونه‌ای طراحی شده که شرکت‌کننده‌های آن برای لحظاتی خود را در شرایط یک فرد معلول قرار دهند. «وحید رجبلو» مدیرعامل توانیتو در باره توانیران می‌گوید:

«هدف ما از برگزاری این مسابقه ویلچرانی بین افراد بدون معلولیت و دارای معلولیت این است که فرهنگ سالم‌سالاری را به چالش بکشیم. در این مسابقه هفت‌تیم پنج‌نفره به نام‌های خبریتو (از خبرنگاران بنام)، پهلوانیتو (از مدیران استارتاپ‌ها)، اکسیژنیتو (از چهره‌هایورزشی)، توانیتو (از اعضای توانیتو)، اسنپیتو (از مدیران جوان اسنپ)، فودیتو (از مدیران اسنپ‌فود)، تریپیتو (از مدیران اسنپ‌تریپ) با حضور یک فرد معلول در هر تیم به رقابت می‌پردازند».

 

رجبلو درباره این رویداد به دیجیاتو گفت: «قصد داریم مسابقه‌ای میان توان‌یابان و غیرتوان‌یابان برگزار کنیم و آنها را به صورتی برابر در یک مسابقه ویلچر سواری قرار دهیم. این موقعیت می‌تواند چالشی جدی برای همه شرکت‌کنندگان به همراه داشته باشد.» رجبلو معتقد است که نشستن روی این ویلچرها یک حس مشترک بین همه ایجاد خواهد کرد و مرز باریک بین شرکت‌کنندگان را خواهد شکست. او باور دارد که برگزاری چنین رویدادهایی می‌تواند نتایج مثبتی برای توان‌یابان به همراه داشته باشد و انگیزه آنها را بیشتر از پیش تقویت کند.

رویداد «توانیران» با شعار «با چرخش چرخ ویلچر من جهان به گردش درمی‌آید» و با حمایت طلایی اسنپ و همچنین حمایت اسنپ‌فود و اسنپ‌تریپ در تاریخ ۲۸ام آذر ماه در مجموعه ورزشی انقلاب برگزار خواهد شد. همانطور که گفته شد در این رویداد، افراد دارای معلولیت جسمی و حرکتی در کنار افراد بدون معلولیت که از بین خبرنگاران نام‌آشنا و چهره‌های سرشناس استارتاپی انتخاب شده‌اند در یک رقابت چندوجهی شرکت خواهند کرد تا تجربه‌ای کوتاه از برداشتن مرز بین جهان معلولان و افراد سالم را به نمایش بگذارند. اخبار مربوط به این رویداد را می‌توانید از طریق هشتگ توانیران در شبکه‌های اجتماعی دنبال کنید.

منبع:

https://digiato.com/article/2019/12/15/توانیتو-مسابقه-ویلچر-رانی-برگزار-می‌ک/

هفته گذشته، شرکت IDC اعلام کرد که اپل در صدر بازار گجت پوشیدنی قرار دارد. از نظر این شرکت، جایگاه نخست این کمپانی مدیون فروش بخش گجت‌های شنیدنی بود. اما شرکت دیگری به نام Canalys فصل سوم سال ۲۰۱۹ را بررسی کرده و اعلام می‌کند که این بار شیائومی در جایگاه نخست ایستاده است. البته فراموش نکنید که این کمپانی تنها گجت پوشیدنی مثل دستبند‌های هوشمند، ساعت‌های هوشمند و پایشگرهای سلامتی را بررسی می‌کند.

بر اساس گزارشی که شرکت Canalys منتشر کرده، شیائومی با فروشی ۱۲.۲ میلیون گجت پوشیدنی و رشد سالانه ۷۴.۴ درصد، در جایگاه نخست این بازار قرار گرفته و ۲۷ درصد از سهم بازار را نیز به خود اختصاص داده است. این کمپانی موفقیت شیائومی را در فروش قدرتمند محصولات در بازارهای بومی و همچنین رشد برند در سطح جهانی می‌داند.

تعقیب کننده کمپانی محبوب چینی، اپل است که با ۱۵ درصد از سهم بازار، رتبه دوم عرضه گجت پوشیدنی را به خود اختصاص داده. جالب است بدانید که ۶۰ درصد فروش این کمپانی در این ۳ ماه، مربوط به اپل واچ سری ۵ است. اما هواوی به عنوان دیگر کمپانی چینی این لیست، با ۱۳ درصد سهم بازار و فروش ۵.۹ میلیون دستگاه، رتبه سوم را به خود اختصاص داده. همچنین لازم به ذکر است که این کمپانی، رشد ۲۴۳ درصدی سالانه را تجربه کرده که بیشتر آن را مدیون فروش محصولاتش در چین بوده است.

 

فیت بیت با ۸ درصد، تنها سازنده گجت پوشیدنی بوده که نسبت به دیگر رقبا، رشد چندانی نداشته است. سامسونگ هم با ۶ درصد از سهم بازار، رتبه پنجم را کسب کرده که بیشتر آن را مدیون فروش گلکسی فیت ارزان قیمت در بازارهای آسیایی است.

اما در آمریکا، اپل نسبت به گذشته تقاضا برای اپل واچ سری ۵ را بهتر پیش‌بینی کرده و ۳.۵ برابر بیشتر از این سری اپل واچ را نسبت به سری ۴ به بازار عرضه کرد. همچنین ارزان‌تر شدن اپل واچ سری ۳ نیز کمک شایانی به افزایش فروش محصولات این کمپانی کرده است.

اما در بازار آسیا به جز چین، سامسونگ و فیت بیت توانستند به بازار پایشگرهای سلامتی ارزان‌قیمت وارد شوند و با قیمت‌گذاری‌های هوشمندانه، کمی سلطه شیائومی را از بین ببرند. با این حال کمپانی چینی، با ورود به بازار اروپا و خاورمیانه توانست به شکل محسوسی، فروش محصولات خود را افزایش دهد.

 

در آخر هم در بازار چین، شاهد ۶۰ درصد افزایش درخواست برای گجت پوشیدنی هستیم که شیائومی در صدر آن قرار دارد. اما هواوی نیز با رشد سالانه ۲۹۰ درصدی، به شدت بازار این کمپانی را تهدید می‌کند. Canalys می‌گوید رشد فروش هواوی بیشتر مدیون باندل کردن دستبندهای پوشیدنی ارزان‌قیمت در کنار گوشی‌های هوشمند این کمپانی بوده است.

با این حال هواوی باید به نحوی رقابت شدید را در حفظ رشد ساعت هوشمند خود تحمل کند، زیرا اپل واچ سری ۵ به شدت در بازار چین فروش داشته و سری GT کمپانی چینی را تهدید می‌کند.

منبع:

https://digiato.com/article/2019/12/14/گزارش-فصل-سوم-بازار-گجت-پوشیدنی/