df77

در حال حاضر، بیش از ۴.۵ میلیارد نفر در سراسر جهان وجود دارد که از نوعی رسانه یا شبکه اجتماعی استفاده می کنند؛ حدود ۵۷٪ از جمعیت جهان.

با این حال، در حالی که مخاطبان رسانه های اجتماعی گسترده و متنوع هستند، تنها تعداد انگشت شماری از شرکت ها اکثریت محبوب ترین پلت فرم های رسانه های اجتماعی جهان را کنترل می کنند. متا، غول فناوری که قبلاً فیسبوک نام داشت، چهار پلتفرم از پنج پلتفرم پرکاربرد را در اختیار دارد.

این گرافیک بزرگ‌ترین شبکه‌های اجتماعی در سراسر جهان را نشان می‌دهد که توسط کاربران فعال ماهانه آنها (MAU) اندازه‌گیری می‌شود.

پلتفرم های اجتماعی برتر توسط کاربران فعال ماهانه

برای اندازه‌گیری MAU هر پلتفرم، منابع مختلفی از جمله جدیدترین پرونده‌های SEC شرکت و گزارش‌های درآمد سه‌ماهه را بررسی کردیم.

اکثر کاربران متا از محبوب‌ترین پلتفرم آن، فیسبوک می‌آیند . این غول رسانه‌های اجتماعی در حال حاضر حدود ۲.۹ میلیارد کاربر فعال در ماه در سراسر جهان دارد.

کاربران فیس بوک در کجای جهان قرار دارند؟ بزرگترین پایگاه کاربر این پلتفرم از هند با تعداد مخاطبان تقریباً ۳۵۰ میلیون نفر است. دومین پایگاه بزرگ کاربران آن ایالات متحده با ۱۹۳.۹ میلیون کاربر است، در حالی که اندونزی با ۱۴۲.۵ میلیون کاربر در رتبه سوم قرار دارد.

اما فیس بوک تنها غول اجتماعی در شبکه پلتفرم های متا نیست. واتس اپ تقریباً ۲ میلیارد MAU دارد که آن را به دومین پلتفرم بزرگ متا و در کل سومین شبکه اجتماعی بزرگ تبدیل می کند.

مانند فیس بوک، تعداد قابل توجهی از کاربران واتس اپ با حدود ۳۹۰ میلیون کاربر در هند قرار دارند. برزیل نیز با ۱۰۸ میلیون مخاطب، بخش زیادی از کاربران واتس اپ را دارد.

باشگاه میلیاردی کاربران

متا در حال حاضر با مجموع ۷.۵ میلیارد کاربر فعال در ماه در هر چهار پلتفرم خود، بر چشم انداز شبکه اجتماعی تسلط دارد. با این حال، چند شرکت دیگر نیز در تمام پلتفرم های خود در این لیست به یک میلیارد کاربر فعال در ماه رسیده اند:

 پس از متا، Tencent به لطف سه پلتفرم خود – We********، Qzone و QQ، دومین رتبه برتر را دارد. از بین این سه، وی ******** در حال حاضر محبوب ترین است. به طور متوسط، کاربران وی ******** روزانه حدود ۴۵ میلیارد پیام ارسال می کنند.

آلفابت به لطف پلتفرم واحدش، یوتیوب، سومین این لیست است. این پلتفرم پخش ویدئو که در سال ۲۰۰۵ تأسیس شد، در حال حاضر بیش از ۵۰ میلیون سازنده محتوا دارد که تقریباً ۵۰۰ ساعت محتوای ویدیویی در هر دقیقه به اشتراک می‌گذارند.

نزدیک به Alphabet، پلت فرم Bytedance است که با مجموع ۱.۶ میلیارد MAU در دو پلتفرم خود – Douyin و همتای بین المللی آن TikTok قرار دارد. در حالی که برنامه‌ها شباهت‌های زیادی دارند، اما به‌عنوان نهادهای کاملاً مجزا، با ثبت، خط‌مشی‌های محتوا و مقررات متفاوت عمل می‌کنند.

شبکه های اجتماعی جهانی؟ نه همیشه

در حالی که شبکه های رسانه های اجتماعی اغلب از مرزهای کشور فراتر می روند، شایان ذکر است که قلمرو آنلاین به طور کامل از محدودیت ها و مقررات دنیای فیزیکی ما فرار نمی کند.

از سال ۲۰۰۹، فیس بوک در چین به دلیل رعایت نکردن قوانین سانسور ممنوع شد. فیس بوک نیز در ایران و سوریه در همان زمان مسدود شد و از آن زمان به صورت پراکنده مسدود شده است.

در سال ۲۰۲۰، دولت ترامپ تلاش کرد ممنوعیت مشابهی را علیه TikTok اعمال کند، اما این دستور توسط یک قاضی فدرال منع و در نهایت یک سال بعد توسط دولت بایدن لغو شد.

با وجود ممنوعیت‌ها و موانع مختلف، واضح است که پلتفرم‌های رسانه‌های اجتماعی به زندگی (و روی صفحه نمایش) کاربران در سراسر جهان نفوذ کرده‌اند. و با افزایش دسترسی به اینترنت در سراسر جهان، تعداد کاربران رسانه های اجتماعی نیز افزایش می یابد.

منبع:

https://rooziato.com/1401409023/%d9%be%d8%b1%d8%b7%d8%b1%d9%81%d8%af%d8%a7%d8%b1%d8%aa%d8%b1%db%8c%d9%86-%d8%b4%d8%a8%da%a9%d9%87%d9%87%d8%a7%db%8c-%d8%a7%d8%ac%d8%aa%d9%85%d8%a7%d8%b9%db%8c-%d8%ac%d9%87%d8%a7%d9%86-%da%a9/

شرکت AMD در کامپیوتکس ۲۰۲۲ از جدیدترین فناوری حافظه با نام Smart Access Storage یا به اختصار SAS رونمایی کرد. هدف اصلی SAS کاهش زمان بارگذاری بازی‌ها در سخت‌افزارهای ساخت این شرکت خواهد بود که با شتاب‌دادن به استریم بافت‌ها و غیرفشرده‌سازی داده‌ها به این مهم دست پیدا می‌کند.

علاوه‌براین تیم قرمز برای توسعه SAS از رابط برنامه‌نویسی (API) اختصاصی مایکروسافت با نام DirectStorage و همچنین تکنولوژی بومی خود یعنی Smart Access Memory کمک گرفته است. درحال‌حاضر اطلاعات منتشرشده توسط AMD زیاد نیست اما این شرکت نوید انتشار جزئیات بیشتر در آینده‌ای نزدیک را داده است.

چند هفته پیش اخباری از فناوری Smart Access Memory منتشر شد؛ اما به دلیل نبود اطلاعات کافی از نحوه عملکرد آن اطلاعی نداشتیم و در حقیقت دامنه دانسته‌های ما از SAM به یک نام محدود می‌شد؛ اما کامپیوتکس ۲۰۲۲ سبب شد AMD برای اولین بار به‌طور رسمی از این فناوری نام ببرد. البته همچنان جزئیات فناوری در هاله‌ای از ابهام قرار دارد.

در خلال رویداد، تیم قرمز تنها چند ثانیه (بله فقط چند ثانیه!) را به معرفی تکنولوژی شتاب‌دهنده حافظه خود اختصاص داد و از انتشار جزئیات بیشتر امتناع کرد. از این رو احتمالاً به دلیل در دست توسعه بودن فناوری، امکان تغییر در جزئیات داخلی آن وجود دارد که همین امر سبب شده AMD از اعلام جزئیات بیشتر خودداری کند. با این وجود پرواضح است که با یک فناوری بازی‌محور رو‌به‌رو هستیم که برای کاهش زمان بارگذاری بازی‌ها از آن استفاده خواهد شد و برای دستیابی به این مهم از APIهای DirectStorage مایکروسافت نیز کمک گرفته شده است.

اما همچنان سؤالات زیادی در ذهنمان وجود دارد؛ مثلاً اینکه آیا فناوری جدید AMD نسخه‌ای بومی از DirectStorage مایکروسافت خواهد بود (باتوجه به استفاده از API ردموندی‌ها) یا اینکه تیم قرمز ویژگی‌هایی را به SAS اضافه می‌کند که درحال‌حاضر در DirectStorage وجود ندارد؟

فناوری DirectStorage مایکروسافت راهکاری بازی‌محور برای افزایش سرعت بارگذاری بازی‌ها است که اولین بار در ایکس باکس سری ایکس، ایکس باکس سری اس و پس از مدتی برای ویندوز ۱۱ و ویندوز ۱۰ نیز منتشر شد. این فناوری برای کاهش سرعت بارگذاری در زمان اجرای بازی‌ها، پردازنده را کنار می‌زند تا با دراختیار گرفتن حداکثری پهنای باند SSD، از کاهش سرعت آن توسط CPU جلوگیری کند.

بنابراین با استفاده از این فناوری دیتاهای بازی به‌طور مستقیم از SSD به بافرهای گرافیک منتقل می‌شود تا با دراختیار گرفتن وظیفه غیرفشرده‌سازی داده‌ها، سرعت انجام این کار را افزایش دهد.

درحال‌حاضر اطلاعاتی از چگونگی افزایش عملکرد حافظه ازطریق Smart Access Storage دردسترس نیست اما طبق گفته AMD در ماه‌های آتی اطلاعات بیشتری از SAS منتشر خواهد شد.

منبع:

https://www.zoomit.ir/memory/382594-smart-access-storage-amd-announcement/

بر کسی پوشیده نیست که اپل مشغول توسعه نوعی سیستم هدایت خودکار برای اتومبیل هاست و حتی گفته می شود که این شرکت ماشین های خودران خود را در سطح برخی خیابان های آمریکا به حرکت درآورده است.

 

حالا اما تیم کوک مدیرعامل اپل اعلام کرده که تلاش های این شرکت در زمینه هوش مصنوعی صرفا به ماشین های خودران محدود نمی شود و حوزه وسیع تری را در بر می گیرند.

کوک در جریان نشستی که برای اعلام گزارش مالی اپل با حضور سرمایه گذاران این شرکت ترتیب داده شده بود اظهار داشت:

سیستم های خودران در طیف وسیعی از بخش ها کاربرد دارند و ماشین تنها یکی از کاربردهای آن است و من نمی خواهم بیشتر از این موضوع را باز کنم.

همانطور که از حرف های کوک بر می آید غول تکنولوژی ساکن کالیفرنیا تلاش هایش در زمینه هوش مصنوعی را صرفا به ماشین های خودران محدود نکرده. محض اطلاع تان باید بگوییم که این سیستم ها در بخش های دیگری نظیر پهپاد، کشتی رانی و تمامی انواع ربات ها (از دستیارهای درون کارخانجات گرفته تا ربات های تفحص) و در نهایت ماشین هایی که قطعات آیفون را از هم باز میکنند کاربرد دارند.

البته روشن است که اپل به تنهایی روی این مباحث کار نمی کند و همین حالا هم چندین پهپاد خودکار در بازار موجود است، بلندپروازی های زیادی در رابطه با ساخت ربات های کارخانه ای وجود دارد و حتی طرح هایی برای تولید ربات های تحویل کالا در دست است.

اما اینکه اپل اعلام کرده تلاش هایش در زمینه هوش مصنوعی صرفا محدود به ماشین های خودران نمی شود خبر بسیار خوبی است چراکه در نهایت حضور اپل در این حوزه می تواند به پیشرفت های خوبی منتهی شود.

کوک در ادامه گفت:

ما به شدت روی سیستم های خودران تمرکز کرده ایم و پروژه بزرگی را در این زمینه در دست داریم و سرمایه گذاری هنگفتی را روی آن انجام داده ایم. از دیدگاه ما خودکار شدن مادر تمامی پروژه های در دست انجام در حوزه هوش مصنوعی است.

منبع:

https://digiato.com/article/2017/08/02/%d8%aa%db%8c%d9%85-%da%a9%d9%88%da%a9-%d8%b3%db%8c%d8%b3%d8%aa%d9%85-%d9%87%d8%a7%db%8c-%d8%ae%d9%88%d8%af%d8%b1%d8%a7%d9%86-%d8%af%d8%b1-%d8%af%d8%b3%d8%aa-%d8%aa%d9%88%d8%b3%d8%b9%d9%87-%d8%a7

کندن پوست موز بدون آسیب زدن به این میوه کار دشواری برای ربات‌هاست. از سوی دیگر، شکل غیرمتوازن موز که می‌تواند اندازه و حالات مختلفی داشته باشد، باعث می‌شود کندن پوست آن چالش سختی برای ربات‌ها باشد. ولی گروهی از محققان در دانشگاه توکیو توانسته‌اند سیستمی توسعه دهند که دو بازو و در هر بازو دو انگشت دارد و می‌تواند پوست این میوه را بکند.

این ربات ابتدا شیوه کندن پوست صدها موز را از طریق 811 دقیقه ویدیوی آموزشی دریافت کرد. سپس این فرآیند به 9 مرحله تقسیم شد. این مراحل شامل بلند کردن موز با یک دست، گرفتن نوک موز با دست دیگر و کندن پوست بخش‌های مختلف میوه می‌شود.

ربات دانشگاه توکیو دو رویکرد عملیاتی دارد

این مدل یادگیری ماشینی برای حرکات کلی که شانس کمتری برای آسیب زدن به موز دارند، مسیر حرکت خود را ردیابی می‌کند و بدون تفکر عمیق به تقلید حرکات انسان می‌پردازد. ولی زمانی که انگشت‌ها باید پوست را بگیرند، سیستم رویکرد خود را به حالت واکنشی تغییر می‌دهد تا بتواند متناسب با تغییرات ناگهانی در محیط عمل کند.

این ربات در آزمایش‌ها موفق شد 57 درصد مواقع با موفقیت پوست موز را بکند. کل این فرآیند کمتر از 3 دقیقه طول می‌کشد. «جاناتان اتیکن» از دانشگاه «شفیلد» بریتانیا می‌گوید: «نکته بسیار جالب در این مورد این است که فرآیند مورد استفاده توسط انسان از طریق یادگیری تقلید-عمیق به یک سیستم رباتیک آموزش داده شده است.»

«هیچئول کیم» که رهبری محققان در این پروژه در دانشگاه توکیو را برعهده داشته، می‌گوید رویکرد آن‌ها از نظر داده‌ای بهینه بوده چون به جای صدها هزار ساعت آموزش، فقط از 13 ساعت آموزش استفاده کرده است.
منبع:
https://digiato.com/article/2022/04/06/japanese-robot-can-peel-banana

مهندسان دانشگاه رایس با تزریق هوا به عنکبوت‌های مرده آنها را به ربات چنگک‌دار تبدیل و این حوزه تحقیقاتی جدید را «نکروباتیک» نامگذاری کردند. آنها ادعا می‌کنند که این عنکبوت‌های مرده می‌توانند به جایگزین ارزان، موثر و کاربردی در فناوری رباتیک فعلی تبدیل شوند.

 

 آزمایش پژوهشگران نشان می‌دهد عنکبوت‌های مرده می‌توانند بیش از 130 درصد وزن بدن خود (و گاهی اوقات بسیار بیشتر از آن) را بلند کنند.

مدت کوتاهی پس از اینکه «دنیل پرستون»، استادیار مهندس مکانیک، آزمایشگاه خود را در دپارتمان مهندس مکانیک «دانشگاه رایس» در سال 2019 تاسیس کند، او لحظه‌ای طلایی را تجربه کرد. «فای یاپ»، دانشجوی فارغ التحصیل مهندسی مکانیک و یکی از اعضای تیم پرستون توضیح می‌دهد:

«ما ابتدا در حال جابجایی وسایل در آزمایشگاه بودیم که متوجه یک عنکبوت خمیده در لبه راهرو شدیم. ما واقعا کنجکاو شده بودیم که چرا عنکبوت‌ها پس از مرگ خود را جمع می‌کنند.»

این ایده به قدری برای آن‌ها جذاب بود که باعث شد تحقیقات ویژه‌ای برای آن انجام دهند که در نهایت منجر به تولید نوعی ربات عنکبوتی خاص شد که می‌تواند اشیا مختلفی را حمل و جابجا کند.

نحوه ساخت و آزمایش ربات عنکبوتی

یاپ در ادامه توضیح می‌دهد که عنکبوت‌ها مانند انسان‌های دارای جفت ماهیچه‌های متضاد (مانند ماهیچه دوسر بازو) نیستند. بلکه آن‌ها فقط دارای ماهیچه‌های خم‌کننده‌ای هستند که اجازه می‌دهد پاهایشان را به داخل خم کنند و آن‌ها را با فشار هیدرولیک به سمت بیرون بکشند. زمانی که عنکبوت‌ها می‌میرند، توانایی تحت فشار قرار دادن فعال بودن خود را از دست می‌دهند و به همین دلیل جمع می‌شوند.

تیم تحقیقاتی آزمایشگاه پرستون برای آزمایش خود از «عنکبوت‌های گرگی» استفاده کردند و با فرو کردن یک سوزن در محفظه پروزوما آن، موفق شدند تا یک برد مداری، اجسام دیگر و حتی عنکبوت دیگری را بلند کنند.

محفظه پروزوما بخشی از بدن ساختمان بدن عنکبوت‌ها محسوب می‌شود که مایع درونی آن‌ها را به سمت پاها می‌فرستد و باعث باز و بسته شدن آن‌ها می‌شود.

پرستون در ادامه توضیح داد که دریچه‌های داخلی محفظه هیدرولیک عنکبوت‌ها، به آن‌ها اجازه می‌دهد تا هر کدام از پاها را به‌صورت جداگانه کنترل کنند و این موضوع مورد توجه تحقیقات آینده آن‌ها خواهد بود.

محققان همچنین اشاره کردند که عنکبوت‌های کوچک‌تر می‌توانند بارهای سنگین‌تری را نیز در مقایسه با اندازه خود حمل کنند. به همین صورت، هرچه عنکبوت بزرگتر باشد، در مقایسه با وزن بدن خود، بار کوچک‌تری می‌تواند جابجا کند. پرستون اشاره کرد که احتمالا در تحقیقات بعدی از عنکبوت‌های گرگی کوچک‌تری استفاده خواهند کرد.

منبع:

https://digiato.com/article/2022/07/29/necrobiotics-dead-spiders-legs-robotic-grippers

توسعه بمب افکن پنهانکار B-21 Raider ساخت کمپانی نورثروپ گرومن تداوم داشته و اکنون مقامات رسمی نیروی هوایی ایالات متحده انتظار دارند که این بمب افکن بسیار پیشرفته اولین پرواز رسمی خود را در سال ۲۰۲۳ انجام دهد. مراحل آزمایش B-21 Raider اکنون روی اولین نمونه در حال انجام بوده، در حالی که سرهم بندی ششمین فروند در کارخانه Plant 42 شرکت نورثروپ گرومن در پالمدیل، کالیفرنیا آغاز شده است. در بیانیه نیروی هوایی ایالات متحده در این باره چنین آمده است: «هدف بزرگ بعدی این برنامه اولین پرواز اولین هواپیمای آزمایشی است که برای سال ۲۰۲۳ برنامه ریزی شده است.

اولین پرواز B-21 به داده ها بستگی خواهد داشت و نه به تاریخ». نیروی هوایی ایالات متحده در اولین درخواست بودجه سالیانه خود برای ۲۰۲۳ خواستار ۳.۲۵۴ میلیارد دلار بودجه برای بخش تحقیق، توسعه و ارزیابی این بمب افکن در کنار ۱.۷۸۷ میلیارد دلار برای ساخت آن شده است. در طی ۵ سال، نیروی هوایی ایالات متحده انتظار دارد که ۱۹.۵۳۶ میلیارد دلار برای ساخت بمب افکن B-21 هزینه کند. نیروی هوایی ایالات متحده عجله ای برای توسعه و ساخت این بمب افکن پیشرفته ندارد، بمب افکنی که در دهه پیش رو جایگزین بمب افکن های B-1 Lancer و B-2 Spirit خواهد شد.

تولید گسترده بمب افکن B-21  در اواخر سال ۲۰۲۵ یا اوایل ۲۰۲۶ آغاز خواهد شد، بمب افکنی که نمونه های اولیه آن سرنشین دار خواهد بود و بعد از چند سال به حالت بدون سرنشین در خواهد آمد. هنوز اطلاعاتی در مورد سرعت بمب افکن B-21 Raider  وجود ندارد اما انتظار می رود که برد، سرعت، قدرت حمل آن افزایش یافته و نتیجه یک هواپیمای با سرعت کمتر از سرعت صوت خواهد بود. اطالعاتی در مورد حجم، ساختار و سنسورهای داخلی این بمب افکن جدید نیز وجود ندارد. موتورهای بمب افکن B-21 Raider نزدیک به ریشه بال ها در تقاطع بال و بدنه قرار دارد. ورودی های هوای موتور این بمب افکن به شکل مایل نصب شده و اگزوزها روی بال قرار دارند تا سیگنال مادون قرمز ۴ موتور را مخفی کند.

مقامات کمپانی نورثروپ گرومن اعلام کرده اند که این نسخه نسبت به B-2 از لحاظ قدرت بقا، عملکرد آیرودینامیکی، پوشش پنهانکاری و تعمیر و نگهداری بسیار بهتر خواهد بود. این بمب افکن جدید یک بمب افکن استراتژیک سنگین با توایی حمل سلاح های متداول و هسته ای بوده و قرار است برای عملیات های هسته ای به نسل جدیدی از موشک های کروز به نام Long-Range Stand-Off (LRSO) مجهز شود. این بمب افکن همچنین توانایی حمل بمب های هسته ای جاذبه ای از خانواده B61 را خواهد داشت که شامل نوع جدید B61-12 خواهد بود.

منبع:

https://rooziato.com/1401387167/b-21-raider-stealth-bomber/

چین یک سفینه مادر پهپادها مجهز به هوش مصنوعی تولید کرده که توانایی انجام عملیات و به طور بالقوه تهاجم نظامی مستقل را به عنوان اولین مورد در نوع خود در جهان داراست و اولین کشتی پهپادبر جهان به شمار می آید. به گفته رسانه های چینی، این کشتی برای تحقیقات دریایی طراحی شده اما به همین زودی منابع غربی از این بیم دارند که چینی ها از آن برای انجام حمله به نیروهای دریایی کشورهای دشمن چین استفاده کنند. این کشتی مادر که Zhu Hai Yun نام دارد توانایی حمل حدود ۵۰ خودرو مستقل هوایی، سطحی و دریایی را دارد و در یک لنگرگاه در شهر گوانگژو به آب انداخته شده است.

بخش زیادی از قسمت عقبه کشتی یک عرشه روباز و وسیع است، جایی که پهپادهای پرنده می توانند فرود آمده و نگهداری شوند در حالی که امکان اعزام و دریافت دیگر سیستم های خودرویی مستقل را نیز داراست. کشتی مادر هوشمند چینی ۲۹۰ فوت طول داشته و به سرعت حداکثر ۲۰ مایل در ساعت می رسد و از سیستم های عملیات هوش مصنوعی برخوردار است که به آن اجازه می دهند به صورت مستقل عملیات های خود را انجام دهد. در حالی که چینی ها اصرار دارند، Zhu Hai Yun یک «ابزار تحقیقات دریایی قدرتمند» خواهد بود، بسیاری از رسانه های غربی آن را ابزاری جنگی و بسیار خطرناک تر می دانند.

توانایی انجام عملیات تجسسی وسیع با این کشتی مادر هوشمند به نیروی دریایی چین امکان خواهد داد تا کشتی های دشمن یا مناطق وسیعی از اقیانوس اطلس را با گله ای از پهپادها و دیگر تجهیزات تجسسی و تهاجمی تحت نظر داشته و هدف قرار دهد. تیموتی هیث، تحلیلگر ارشد امنیتی مرکز فکر آمریکایی Rand Post می گوید که این کشتی به طور قطع یک ابزار نظامی است: «این حمل کننده پهپادها می تواند به مناطق دوردست اعزام شود تا برای مثال، مین های هوشمند بکارد. سریع ترین سودی برای نیروی دریایی خلق چین، افزایش دانش در مورد ب های مرتبط با این کشور از طریق مجموعه از داده هاست که توسط خودروهای زیر آبی بدون سرنشین به دست می آید».

خدمه می توانند از راه دور یا با استفاده از حضور فیزیکی روی عرشه، سیستم مسیریابی کشتی را هدایت و کنترل کنند تا بتواند در مناطق بندری بسیار پیچیده و شلوغ مسیر خود را بیابد. در سال های اخیر ارتش های جهان سعی داشته اند به کمک هوش مصنوعی خودروهای بدون سرنشین نظامی تولید و توسعه دهند که به پهپادهای روی آن ها امکان می دهد بدون نیاز به اپراتور، با هم کار کنند. نکته مهم در مورد این گله از پهپادها این است که می توانند بین خودشان تصمیم *******ی کنند و سپس به عملیات خود ادامه دهند حتی اگر در این مسیر برخی از آن ها از بین بروند.

منبع:

https://rooziato.com/1401390720/china-drone-mothership/

بر اساس بیانیه‌ای که سخنگوی گوگل، «برایان گابریل» برای خبرگزاری ورج فرستاده، اخراج لموین تایید شده است. این شرکت می‌گوید: «لمدا 11 بازبینی دقیق را پشت سر گذاشته، و ما چند وقت پیش مقاله‌ای تحقیقاتی را منتشر کردیم تا جزئیات مربوط به توسعه مسئولانه این نرم‌افزار را تشریح کنیم.» این کمپانی مدعی است که به شکل جامع ادعاهای لموین را بررسی کرده و به این نتیجه رسیده که آن‌ها تماماً بی‌اساس بوده‌اند.

کارشناسان چه نظری درباره هوش مصنوعی گوگل دارند؟

بیانیه گوگل هم‌راستا با نظرات بسیاری از متخصصان هوش مصنوعی و کارشناسان اخلاق است که گفته بودند ادعاهای لموین کمابیش با فناوری‌های امروزی غیرممکن‌اند. مهندس سابق گوگل مدعی بود گفتگو با LaMDA او را به این نتیجه رسانده که با چیزی فراتر از یک ********‌بات معمولی طرف است.

لموین گفته بود که محققان گوگل باید قبل از اجرای آزمایش‌های خود با لمدا، رضایت این هوش مصنوعی را جلب کنند چون او دارای قدرت تفکر و احساسات است. «مارگارت میچل»، یک مهندس دیگر گوگل که چندی پیش به خاطر اعتراض به عدم تنوع نژادی در میان نیروهای این شرکت اخراج شده بود، در صفحه توییتر خود در این باره گفت سیستم‌هایی مثل لمدا قدرت ادراک ندارند، آن‌ها در عوض نحوه ادراک ارتباطی توسط انسان‌ها را در قالب متن مدل‌سازی می‌کنند.

در بخش انتهایی بیانیه گوگل آمده: «مایه تاسف است که بلیک [لموین] با وجود فعالیت طولانی مدت در این حوزه هنوز به نقض آشکار سیاست‌های کاری و قوانین امنیت داده‌های ما اصرار داشت که شامل لزوم حفاظت از اطلاعات محصول است. ما به توسعه دقیق مدل‌های زبانی ادامه می‌دهیم و برای بلیک آرزوی موفقیت داریم.»

منبع:

https://digiato.com/article/2022/07/23/blake-lemoine-fired-from-google

سگی رباتیک، راه رفتن، غلت زدن و عبور از موانع را تنها پس از یک ساعت سعی و خطا می آموزد. دانشمندان امیدوارند در نهایت به این ربات خودآموز یاد دهند که بازی کند و از دستورات کلامی اطاعت کند. در ویدئویی که توسط محققان منتشر شده است، ابتدا این ربات ۴ پایش را در هوا تکان می دهد و تقلا می کند، اما پس از ۱۰ دقیقه می تواند اولین قدم های خود را بردارد و تا یک ساعت بعد به راحتی راه می رود و غلت می زند. برخلاف بسیاری از ربات ها، این ربات قبلاً در شبیه سازی کامپیوتری برنامه ریزه نشده بود که چه کاری باید انجام دهد.دانیجار هافنر، محقق هوش مصنوعی در دانشگاه کالیفرنیا، با همکارانش در پروژه آموزش این ربات با استفاده از یادگیری تقویتی کار می کند. هافنر توضیح می دهد: «به طور معمول، ربات ها از طریق مقدار زیادی آزمون و خطا در داخل شبیه سازی های رایانه ای که بسیار سریعتر از زمان واقعی است، یاد می گیرند. پس از حل یک چالش مانند ایستادن و راه رفتن در شبیه سازی، رفتار آموخته شده بر روی یک ربات فیزیکی اجرا می شود. اما شبیه‌سازی‌ها نمی‌توانند پیچیدگی دنیای واقعی را به تصویر بکشند.»این نوع یادگیری ماشینی مربوط به الگوریتم های آموزشی با پاداش دادن به آنها برای انجام اقدامات خاصی در محیط خود است. هافنر و همکارانش، از الگوریتمی به نام دریمر (Dreamer) استفاده کردند که از تجربیات گذشته برای ساخت مدلی از دنیای واقعی کار می کند و به ربات اجازه می دهد محاسبات آزمون و خطا را انجام دهد. پس از اینکه این ربات راه رفتن را یاد گرفت، می‌توانست یاد بگیرد که خود را با سایر شرایط کمتر قابل پیش‌بینی سازگار کند. آموزش ربات‌ها برای عملکرد صحیح در دنیای واقعی بسیار چالش برانگیز است. هافنر می گوید: «به‌کارگیری یادگیری تقویتی برای ربات‌ها یک چالش بزرگ است، زیرا ما نمی‌توانیم زمان را در دنیای واقعی افزایش دهیم و شبیه‌سازهای ربات اغلب دنیای واقعی را با دقت کافی ثبت نمی‌کنند. پروژه ما نشان داد که مدل‌های جهانی یادگیری می‌توانند سرعت یادگیری ربات را در دنیای واقعی به شدت افزایش دهند. این دستاورد، ربات ها را به حل وظایف پیچیده اتوماسیون، مانند تولید، مونتاژ و حتی عملکرد خودروهای خودران نزدیکتر می کند.»در حالی که دریمر نتایج امیدوارکننده‌ای را نشان می‌دهد، یادگیری یک سخت‌افزار در طول ساعت‌ها باعث سایش ربات خودآموز می‌شود که ممکن است نیاز به مداخله یا تعمیر انسان داشته باشد. علاوه بر این، برای کشف محدودیت‌های دریمر و خطوط پایه با آموزش، به مدت زمان طولانی‌تر و کار بیشتری نیاز است.هافنر امیدوار است به ربات بیاموزد که چگونه از دستورات گفتاری اطاعت کند و شاید دوربین‌هایی را به این سگ متصل کند تا به او بینایی بدهد. همه اینها به او اجازه می‌دهد تا فعالیت‌های معمولی سگ‌ها مانند بازی کردن را انجام دهد.

منبع : 

https://rooziato.com/1401403184/obot-dog-teaches-itself-to-walk/