vaacuum

اعمال مقدار کمی فشار به یک قطعه نیمه رسانا یا مواد کریستالی دیگر می تواند ترتیب مرتب اتم ها را در ساختار آن تغییر شکل دهد و باعث ایجاد تغییرات چشمگیر در خواص آن شود ، از جمله روش برق ، انتقال نور ، یا گرما را انجام می دهد.

اکنون ، تیمی از محققان MIT و روسیه و سنگاپور روشهایی برای استفاده از هوش مصنوعی برای پیش بینی و کنترل این تغییرات پیدا کرده اند ، به طور بالقوه راه های جدیدی را برای تحقیقات در مورد مواد پیشرفته باز می کنند. برای دستگاه های آینده باز می کنند.

این یافته ها این هفته در مجموعه مقالات آکادمی ملی علوم ، در مقاله ای نوشته شده توسط استاد دانشگاه MIT از علوم و مهندسی هسته ای و علوم مواد ظاهر می شود جی لی ، دانشمند اصلی تحقیقات MIT مینگ دائو ، و دانشجوی فارغ التحصیل MIT ، ژه شی ، منتشر شده است. با Evgeni Tsymbalov و الكساندر Shapeev در انستیتوی علوم و فناوری Skolkovo در روسیه ، و Subra Suresh ، استاد وانیوار بوش استاد امریتوس و معاون سابق مهندسی در MIT و رئیس جمهور فعلی دانشگاه فنی نانیانگ در سنگاپور.

در حال حاضر ، بر اساس کار قبلی در MIT ، مقداری از فشار الاستیک در برخی تراشه های پردازنده سیلیکون گنجانیده شده است. حتی تغییر 1 درصدی ساختار در بعضی موارد می تواند سرعت دستگاه را 50 درصد بهبود بخشد ، با این کار اجازه می دهد تا الکترون ها بتوانند سریعتر از داخل مواد حرکت کنند.

تحقیقات اخیر Suresh ، Dao و Yang Lu ، سابق سابق MIT که هم اکنون در دانشگاه سیتی در هنگ کنگ انجام شده است ، نشان داد که حتی الماس ، قویترین و سخت ترین ماده موجود در طبیعت ، می تواند به راحتی تا 9 درصد بدون کشش کشیده شود. این به شکل سوزن هایی با اندازه نانومتر است. لی و یانگ به طور مشابه نشان دادند كه سیمهای نانو مقیاس سیلیكون بیش از 15 درصد بطور الاستیک كشیده می شوند. این اکتشافات راههای جدیدی را برای کشف چگونگی ساخت دستگاهها با تغییرات حتی چشمگیر در خصوصیات مواد ایجاد کرده است.

فشار ساخته شده به سفارش

بر خلاف روش های دیگر برای تغییر خواص مواد مانند دوپینگ شیمیایی ، که باعث تغییر دائمی و استاتیک می شود ، مهندسی کرنش اجازه می دهد تا خواص در پرواز تغییر یابد. لی می گوید: "کرنش چیزی است که می توانید بصورت دینامیکی روشن و خاموش کنید."

اما پتانسیل مواد کرنش شده توسط دامنه طوفان آور احتمالات مانع شده است. کرنش را می توان به هر یک از شش روش مختلف (در سه بعد مختلف ، که هر یک از آنها می تواند کرنش درون و برون یا کناره) ایجاد کند و با درجه های تقریباً نامتناهی از درجه ، بنابراین دامنه کامل از امکانات غیر عملی برای کشف است. به سادگی با آزمایش و خطا. لی می گوید: "اگر بخواهیم کل فضای کرنش الاستیک را مشخص کنیم ، به سرعت 100 میلیون محاسبه رشد می کند."

در اینجاست که برنامه جدید این تیم از روشهای یادگیری ماشینی به نجات می رسد و روشی منظم برای کاوش در مورد احتمالات و قرارگیری در میزان و جهت مناسب کرنش برای دستیابی به مجموعه مشخصی از خواص برای یک هدف خاص فراهم می کند. لی می گوید: "اکنون ما این روش بسیار دقیق را داریم" که پیچیدگی محاسبات مورد نیاز را به شدت کاهش می دهد.

سورش می گوید: "این اثر نمادی از چگونگی پیشرفت های اخیر در زمینه های به ظاهر دوردست مانند فیزیک مواد ، هوش مصنوعی ، محاسبات و یادگیری ماشینی است تا بتوانیم دانش علمی که پیامدهای محکمی در کاربرد صنعت دارد ، پیش برد."

محققان می گویند ، روش جدید می تواند امکاناتی برای ایجاد مواد تنظیم شده دقیقاً برای دستگاه های الکترونیکی ، نوری و فوتونیک فراهم کند که می تواند کاربردهایی برای ارتباطات ، پردازش اطلاعات و کاربردهای انرژی پیدا کند.

این تیم تأثیر کرنش را روی باند گپ ، یک ویژگی الکترونیکی کلیدی نیمه هادی ها ، در هر دو سیلیکون و الماس بررسی کردند. آنها با استفاده از الگوریتم شبکه عصبی خود توانستند با دقت بالا پیش بینی کنند که چگونه مقادیر مختلف و جهت گیری کرنش بر پهنای باند تأثیر می گذارد.

"تنظیم" یک باند گپ می تواند یک وسیله اصلی برای بهبود کارآیی دستگاه مانند سلول خورشیدی سیلیکون باشد ، تا با استفاده از آن بتواند دقیقاً با نوع منبع انرژی که برای مهار استفاده می شود مطابقت داشته باشد. به عنوان مثال ، با تنظیم دقیق باندهای خود ، می توانید یک سلول خورشیدی سیلیکونی درست تهیه کنید که در گرفتن نور خورشید به اندازه همتایان خود مؤثر باشد ، اما ضخامت آن یک هزارم است. از نظر تئوری ، مواد "حتی می توانند از نیمه هادی به فلز تغییر کنند ، و این کار در صورتی که در یک محصول تولید انبوه انجام شود ، کاربردهای بسیاری خواهد داشت."

در حالی که ممکن است در برخی موارد تحریک تغییرات مشابه با روش های دیگر مانند قرار دادن مواد در یک میدان الکتریکی قوی و یا تغییر شیمیایی در آن ، این تغییرات تمایل به ایجاد عوارض جانبی زیادی در رفتار ماده دارند ، در حالی که تغییر کرنش چنین سمت کمتری دارد. اثرات به عنوان مثال ، لی توضیح می دهد ، یک میدان الکترواستاتیک اغلب در عملکرد دستگاه تداخل دارد زیرا این امر بر نحوه جریان برق از طریق آن تأثیر می گذارد. تغییر کرنش چنین دخالتی ایجاد نمی کند.

پتانسیل الماس

الماس به عنوان یک ماده نیمه هادی از پتانسیل بسیار خوبی برخوردار است ، اگرچه در مراحل ابتدایی خود در مقایسه با فناوری سیلیکون است. لی با اشاره به اینکه حامل منفی و مثبت جریان الکتریکی آزادانه از طریق الماس حرکت می کند ، می گوید: "این ماده بسیار افراطی است و دارای تحرک بالای حامل است. به همین دلیل ، الماس می تواند برای بعضی از انواع وسایل الکترونیکی با فرکانس بالا و برای الکترونیک قدرت ایده آل باشد.

لی می گوید با برخی اقدامات ، الماس به طور بالقوه می تواند 100000 برابر بهتر از سیلیکون عمل کند. اما این محدودیت های دیگری نیز دارد ، از جمله این واقعیت است که هنوز کسی روش خوبی و مقیاس پذیر برای قرار دادن لایه های الماس را روی یک بستر بزرگ نداده است. تهیه مواد اولیه و همچنین معرفی سایر اتم ها به بخش اصلی تولید نیمه هادی دشوار است.

دائو با نصب مواد در یک قاب که می تواند برای تغییر مقدار و جهت یابی از سویه تنظیم شود ، می گوید: "ما می توانیم انعطاف پذیری قابل توجهی داشته باشیم".

لی می گوید ، در حالی که این مطالعه به طور خاص روی تأثیر فشار روی پهنای باند مواد متمرکز شده است ، "این روش قابل تعمیم است" از جنبه های دیگر ، که نه تنها بر خواص الکترونیکی بلکه بر خواص دیگری مانند رفتار فوتونی و مغناطیسی نیز تأثیر می گذارد. از بین 1 درصد فشار موجود در تراشه های تجاری ، بسیاری از برنامه های جدید اکنون باز می شوند که این تیم نشان داده است که سویه های تقریبا 10 درصد بدون شکستگی امکان پذیر است. وی می گوید: "هنگامی که به بیش از 7 درصد از فشار برسید ، در مواد بسیار تغییر می کنید."

لی می گوید: "این روش جدید به طور بالقوه می تواند به طراحی خواص مواد بی سابقه منجر شود." "اما کار بیشتری لازم است تا بفهمیم چگونگی تحمیل کرنش و چگونگی مقیاس کردن روند انجام این کار روی 100 میلیون ترانزیستور روی یک تراشه [و اطمینان حاصل شود که] هیچکدام از آنها نمی توانند شکست بخورند."

فن آوری پمپ وکیوم خلاء وان دوار

پمپ خلاء چرخش پره برای همه ناآشنا نیست. می توان گفت که بسیاری از صنایع از پمپ خلاء پره ای چرخشی جدا نیستند. با بررسی ، مشخص شد که بسیاری از مشتریان با استفاده از پمپ خلاء پره ای روتاری مشکلی دارند. آنها نمی توانند با جستجوی متخصصان ، مشکلات را حل کنند. بسیاری از افراد در ترمیم مشتری اشتباه می کنند. اکنون مهندسین حرفه ای EVP و شما در مورد فناوری پمپ خلاء پره ای چرخشی صحبت خواهید کرد.

دمنده استفاده های صنعتی

استفاده از صنعت متفاوت است ، قیمت کلی متفاوت خواهد بود ، برخی از صنایع نیاز به حمل و نقل رسانه های خاص دارند ، اگر نیاز به درمان ویژه ای داشته باشید ، دمنده های ریشه دار هستند ، این امر همچنین بر قیمت دمنده ریشه تأثیر می گذارد.

پمپ خلاء پره ای چرخشی مانع از بازگشت روغن به طور موثر می شود

اگر سوراخ روغن با محفظه پمپ یا مهر و موم دریچه اگزوز متصل شود ، مهر و موم شافت ، هواپیمای پوشش پمپ ، لوله ورودی و دریچه بالاست هوا هنگام توقف پمپ وکیوم چرخشی پره سخت نباشد ، روغن به پمپ باز می گردد. محفظه به دلیل وجود و قدرت اختلاف سطح مایع و اختلاف فشار بین مخزن روغن و محفظه پمپ هنگام محفظه پمپ در حالت خلاء قرار دارد. هنگامی که حجم روغن به اندازه کافی بزرگ است ، روغن به لوله ورودی باز می گردد و در آغاز بعدی مقاومت بزرگی تشکیل می دهد. تیغه روتاری و روتور تحت فشار زیادی قرار دارند ، دریچه اگزوز تحت فشار زیادی قرار دارد و شروع کار دشوار است ، که این امر بر عمر قطعات تأثیر می گذارد و قابلیت اطمینان پمپ ها را کاهش می دهد. بنابراین ، باید سعی کنیم از خاموش شدن پمپ و بازگشت روغن جلوگیری کنیم.

بیشتر بخوانید: تولید کننده پمپ وکیوم خلاء پیستون

بستر جدیدی که توسط محققان دانشگاه MIT و دانشگاه هاروارد ایجاد شده است ، اطمینان می دهد که خدمات وب به ترجیحات کاربران در مورد نحوه ذخیره و به اشتراک گذاری داده های آنها در ابر پایبند هستند.

در دنیای امروز رایانش ابری ، کاربران برنامه های تلفن همراه و خدمات وب داده های شخصی را روی سرورهای مرکز داده از راه دور ذخیره می کنند. این داده ها ممکن است شامل عکس ، پروفایل رسانه های اجتماعی ، آدرس ایمیل و حتی داده های تناسب اندام دستگاههای پوشیدنی باشد. این سرویس ها اغلب داده های چند کاربر را در سرورها جمع می کنند تا بتوانند به عنوان مثال ، الگوهای خرید مصرف کننده را به شما پیشنهاد دهند تا موارد جدید را برای کاربران خاص پیشنهاد دهند ، یا ممکن است داده ها را با تبلیغ کنندگان به اشتراک بگذارند. با این حال ، به طور سنتی ، کاربران این قدرت را ندارند که نحوه پردازش و به اشتراک گذاری داده های خود را محدود کنند.

محققان در مقاله ای که در کنفرانس این هفته طراحی و پیاده سازی سیستم های شبکه ای USENIX ارائه شده است ، محصولی را با نام Riverbed توصیف می کنند که سرورهای دیتاسنتر را مجبور می کند تا فقط از داده هایی به روش هایی استفاده کنند که صریحاً کاربران آن را تصویب کنند.

در Riverbed ، مرورگر وب کاربر یا برنامه تلفن هوشمند مستقیماً با ابر ارتباط برقرار نمی کند. در عوض ، یک پروکسی Riverbed برای وساطت ارتباط با دستگاه کاربر اجرا می شود. هنگامی که سرویس سعی می کند داده های کاربر را در یک سرویس از راه دور بارگذاری کند ، پروکسی داده ها را با مجموعه ای از کاربردهای مجاز برای داده های خود ، با عنوان "خط مشی" برچسب گذاری می کند.

کاربران می توانند هر تعداد محدودیت از پیش تعریف شده را انتخاب کنند - مانند "داده های من را در ذخیره مداوم ذخیره نکنید" یا "اطلاعات من فقط ممکن است با سرویس خارجی x.com به اشتراک گذاشته شود." پروکسی تمام داده ها را با خط مشی انتخاب شده برچسب گذاری می کند.

در دیتاسنتر ، Riverbed داده های بارگذاری شده را به یک خوشه جدا شده از اجزای نرم افزار اختصاص می دهد ، با پردازش هر خوشه فقط داده هایی با همان خط مشی ها برچسب گذاری می شوند. به عنوان مثال ، یک خوشه ممکن است دارای داده هایی باشد که نمی توانند با سایر سرویس ها به اشتراک گذاشته شوند ، در حالی که دیگری ممکن است داده هایی را ذخیره کند که برای دیسک ننوشت. Riverbed کد سمت سرور را کنترل می کند تا از پایبندی آن به خط مشی های کاربر استفاده کند. اگر اینگونه نباشد ، Riverbed سرویس را خاتمه می دهد.

Riverbed با هدف حفظ ترجیحات داده های کاربر ، ضمن حفظ مزایای محاسبات ابری ، مانند انجام محاسبات در مقیاس بزرگ در سرورهای برون سپاری ، قصد دارد. Frank Wang SM '16 ، دکتری نویسنده اول می گوید: "کاربران داده ها خدمات زیادی را به برنامه های وب برای خدمات ارائه می دهند ، اما کنترل چگونگی استفاده از داده ها یا جایی که در آن قرار دارند را از دست می دهند." '18 ، فارغ التحصیل اخیر گروه مهندسی برق و علوم کامپیوتر و آزمایشگاه علوم کامپیوتر و هوش مصنوعی است. "ما به کاربران کنترل می کنیم تا به برنامه های وب بگویند ،" این دقیقاً به این صورت است که می توانید از داده های من استفاده کنید. "

Wang اضافه می کند ، در این زمینه ، یک منبع اضافی برای توسعه دهندگان برنامه ایجاد اعتماد بیشتر با کاربران می کند. وانگ می گوید: "اکنون این یک چیز بزرگ است." "یک نکته فروش برای برنامه شما می گوید:" هدف برنامه من محافظت از داده های کاربران است. "

پیوستن به وانگ روی کاغذ دکتری است. دانشجو رونی کو و دانشیار علوم کامپیوتر جیمز میکنز ، هردوارد.

ایجاد "جهان"

در سال 2016 ، اتحادیه اروپا مقررات عمومی حفاظت از داده ها (GDPR) را تصویب كرد كه در آن اعلام شده است كه كاربران باید از دسترسی به داده های خود رضایت داشته باشند ، كه حق دارند درخواست كنند كه داده های آنها حذف شود ، و شركتها باید اقدامات امنیتی مناسب را انجام دهند. با این حال ، برای توسعه دهندگان وب ، این قوانین راهنمایی فنی کمی برای نوشتن برنامه های پیشرفته که نیاز به استفاده از داده های کاربر دارند ، ارائه می دهند.

در گذشته دانشمندان کامپیوتر سیستمهای "کنترل جریان اطلاعات" (IFC) را طراحی کرده اند که به برنامه نویسان اجازه می دهد متغیرهای برنامه را با خط مشی داده برچسب گذاری کنند. اما با وجود متغیرهای زیاد و بسیاری از تعاملهای احتمالی بین متغیرها ، برنامه ریزی این سیستمها دشوار است. بنابراین ، هیچ سرویس وب در مقیاس بزرگ از تکنیک های IFC استفاده نمی کند.

در اصل ، Riverbed این واقعیت را نشان می دهد که کد سمت سرور یک برنامه می تواند بالای یک برنامه "مانیتور" ویژه اجرا شود - برنامه هایی که ردیابی ، تنظیم و تأیید چگونگی دستکاری سایر داده ها را انجام می دهند. مانیتور برای هر خط مشی منحصر به فرد اختصاص داده به یک نسخه جداگانه از کد برنامه ایجاد می کند. به هر نسخه "جهان" گفته می شود. این مانیتور اطمینان حاصل می کند که کاربرانی که با همان خط مشی مشترک هستند داده های خود را در همان جهان بارگذاری و توسط آن دستکاری می کنند. این روش مانیتور را قادر می سازد تا کد جهان را خاتمه دهد ، اگر این کد سعی کند خط مشی داده جهان را نقض کند.

این فرایند شامل یک مترجم سفارشی است ، برنامه ای که زبان برنامه نویسی را به کدی که توسط یک کامپیوتر قابل درک است وارد می کند. از مترجمان همچنین برای کمک به برنامه های زمان اجرا برای اجرای دستورات سطح پایین در یک برنامه اصلی هنگام اجرای برنامه استفاده می شود. محققان برای استخراج سیاست های تعریف شده از داده های کاربر ورودی ، یک مترجم سنتی را اصلاح کردند و برچسب های متغیرهای خاصی را با جهت سیاست خاص. به عنوان مثال ، برچسب ها از سرویس های وب در لیست سفید برای به اشتراک گذاری داده ها استفاده می کنند و یا ذخیره مداوم را محدود می کنند - به این معنی که وقتی کاربر از استفاده از سرویس وب متوقف می شود ، نمی توان اطلاعات را ذخیره کرد.

وانگ می گوید: "بگو من می خواهم داده های من با سایر کاربران جمع شود. این داده ها با سایر داده های کاربر با همان خط مشی در جهان خود قرار می گیرند." "اگر یک کاربر مایل به اشتراک گذاری هر گونه داده با هر کسی نیست ، آن کاربر کل جهان خود را دارد. به این ترتیب ، شما هیچ گونه گرده افشانی متقابل داده ها را ندارید."

وانگ می گوید ، برای توسعه دهندگان ، این امر رعایت قوانین GDPR و سایر قوانین حفظ حریم خصوصی را بسیار آسان تر می کند ، زیرا کاربران رضایت صریح برای دسترسی به داده ها داده اند. وانگ می گوید: "همه کاربران در هر جهان سیاست های یکسانی دارند ، بنابراین می توانید تمام عملیات خود را انجام دهید و از اینکه داده ها در یک الگوریتم قرار داده شده نگران نباشید ، زیرا هر کس در مورد داده ها در آن جهان سیاست یکسانی دارد."

کپی کارآمد

وانگ می گوید در بدترین حالت ، هر کاربر هر سرویس دارای یک جهان جداگانه است. به طور کلی ، این می تواند باعث بالا رفتن محاسبه قابل توجهی شود و سرویس را کند کند. اما محققان از یک تکنیک نسبتاً جدید به نام "مجازی سازی مبتنی بر کانتینر" استفاده کردند که به مانیتور Riverbed اجازه می دهد تا به طور کارآمدتر چندین جهان مشابه را با همان برنامه ایجاد کند. در نتیجه ، مدیریت جهان سریع است ، حتی اگر یک سرویس صدها یا هزاران جهان داشته باشد.

محققان در مقاله خود ، Riverbed را در چندین برنامه ارزیابی كردند و نشان دادند كه این سكو داده ها را با اندكی سربار حفظ می كند. نتایج نشان می دهد که بیش از 1000 جهان می توانند روی یک سرور واحد فشار بیاورند ، با محاسبه اضافه شده ای که باعث کاهش سرعت خدمات در حدود 10 درصد می شود. وانگ می گوید ، این کار به اندازه کافی سریع و کارآمد برای استفاده در دنیای واقعی است.

محققان تصور می كنند خط مشی هایی كه توسط گروه های مدافع ، مانند بنیاد الکترونیکی مرزی (EFF) ، یك گروه بین المللی حقوق دیجیتالی غیرانتفاعی نوشته شده اند ، پیش بینی شده باشد. نیاز به نوشتن کد دارید.

توهمات نوری ، تصاویری که چشم انسان را فریب می دهد ، یک موضوع تحقیق جالب است ، زیرا مطالعه آنها می تواند بینش ارزشمندی از شناخت و ادراک انسان داشته باشد. محققان دانشگاه فلیندرز ، استرالیا ، به تازگی با استفاده از یک مدل بینایی رایانه ای ، تحقیق بسیار جالبی را انجام داده اند تا وجود توهم نوری و میزان تأثیر آنها را پیش بینی کنند.

طی یک دهه گذشته ، محققان درک بیولوژیکی فزاینده ای از چگونگی پردازش مغز انسان محرک های بینایی را بدست آورده اند . بسیاری از مدلهای موجود در دید رایانه ای از درک فعلی ما از پردازش بصری الهام می گیرند. با این وجود ، برخی از جنبه های پردازش بصری هنوز درک نشده و بسیار مورد بحث است.

"ویژوال شروع می شود پردازش با احساس از زمینه شبکیه پذیرای (RFS) توسط نور ورودی به چشم،" محققان در مقاله خود، که بود توضیح داد در آرشیو قبل از چاپ . "سلولهای گانگلیونی شبکیه (RGCs) نورونهای خروجی شبکیه هستند که ورودی سیناپسی را از لایه داخلی پلکسی فرم (IPL) تبدیل می کنند و سیگنال تصویری را به مغز می رسانند. فاصله از fovea) شواهد فیزیولوژیکی برای رمزگذاری چند مقیاس صحنه بصری در شبکیه است. در نتیجه ، مدل های محاسباتی سطح پایین از شبکیه بر اساس نمونه گیری همزمان از صحنه بصری در مقیاس های مختلف ارائه شده است. "

تحقیقات گذشته مدلی را برای کشف کج های توهم در توهم دیوار کافه ، که ناشی از تضاد نشانه های پس زمینه و شیب است ، معرفی کرده اند. محققان دانشگاه فلیندر در مطالعه خود به منظور پوشش طیف وسیع تری از توهمات هندسی و همچنین توهمات کاشی پیچیده تر ، این رویکرد را تعمیم دادند.

محققان در مقاله خود نوشتند: "ما پاسخ یک مدل ساده زیستی قابل قبول از دید کم سطح در توهمات هندسی / کاشی را بازتولید می کنیم و بازآفرینی اشتباه از هندسه آنها را انجام می دهیم که برای دیوار کافه و برخی توهمات کاشی گزارش داده ایم." "این مدل تاکنون تأیید نشده است تا به این توهمات دیگر تعمیم دهد ، و این همان چیزی است که ما در این مقاله نشان می دهیم."

محققان در مطالعه خود ، یک مدل فیلتر محاسباتی را ارزیابی کردند که به منظور مدل سازی مهار جانبی سلولهای گانگلیونی شبکیه و پاسخ آنها به توهمات هندسی مختلف است. با اتخاذ این رویکرد ، محققان امیدوار بودند که با درک بهتر این توهمات ، پیش بینی میزان تأثیر آنها را بدست آورند.

"اگرچه سوء برداشت از جهت گیری در توهمات شیب به طور کلی ممکن است توضیحات فیزیولوژیکی مربوط به سلولهای انتخابی جهت یابی در قشر را نشان دهد ، اما کار ما شواهدی برای نظریه ارائه می دهد که ظهور شیب در این الگوهای قبل از رسیدن به سلولهای انتخابی جهت گیری آغاز می شود ، در نتیجه مکانیسم رمزگذاری سلولی ساده شبکیه / قشر مغز شناخته شده ، "محققان توضیح دادند.

به طور کلی ، یافته های جمع آوری شده در این مطالعه نشان می دهد که اختلافات گاوسی (DoG) ، فیلمی که لبه ها را در تصاویر تشخیص می دهد ، در مقیاس های مختلف می تواند به توضیح شیب القا شده در توهم کاشی کمک کند و همچنین می تواند به کشف برخی از نکات توهمی درک شده کمک کند. وقتی به توهمات هندسی نگاه می کنید. علاوه بر این ، محققان توانستند فرایندهای از پایین به بالا را با ادراک و شناخت سطح بالاتر پیوند دهند ، به روشی که با نظریه دید و تشخیص لبه دیوید مار سازگار باشد.

مدلهای فعلی دید در رایانه برای تجزیه و تحلیل توهمات هندسی بسیار پیچیده هستند ، از این رو استفاده از آنها در مطالعات تحقیق سخت تر است. به گفته محققان ، مطالعات آینده باید تلاش کند تا روشهای کمتری و پیچیده تر از نظر زیست شناختی برای کشف نشانه های بصری ابداع کند.

وی گفت: "ما معتقدیم كه اكتشاف بیشتر نقش مدلهای ساده مانند گاوسا در پردازش شبكیه سطح پایین و هسته های گاوی در مرحله اولیه DNN و پیش بینی آن از دست دادن توهم ادراكی منجر به دقیق تر روشها و مدلهای دید در رایانه خواهد شد و می تواند بالقوه بینش رایانه را به سمت یا از ویژگی هایی که انسان کشف می کند هدایت می کند . " "به نوبه خود انتظار می رود که این اثرات به مدلهای سطح بالاتر پردازش عمق و حرکت کمک کند و در درک رایانه ای از تصاویر طبیعی تعمیم یابد."

براساس تحقیقات جدید انجام شده در دانشگاه های بیرمنگام و اوترخت ، میکرو جلبک هایی که از نور ساطع می شوند ، در اقیانوس یافت می شوند و می توانند راز نسل بعدی سلولهای خورشیدی آلی را حفظ کنند.

میکرو جلبک ها احتمالاً قدیمی ترین موجودات زنده موجود در کره زمین هستند. آنها در طی میلیاردها سال تکامل یافته اند تا دارای سیستم های برداشت سبک که تا 95 درصد کارآمد هستند ، داشته باشند. این امر آنها را قادر می سازد تا در شدیدترین محیط ها زنده بمانند و با تغییراتی که دنیای ما در طول این مدت زمانی دیده است ، سازگار شوند.

پرده برداری از نحوه عملکرد این سیستم می تواند سرنخ های مهمی در مورد چگونگی استفاده از آن و یا از سرگرمی برای استفاده در پنل های خورشیدی آلی جدید و بسیار کارآمد ایجاد کند. به دلیل پیچیدگی موجودات زنده و تنوع زیاد گونه های مختلف ، پیشرفت در این منطقه محدود بوده است.

این تیم از برخی از روشهای پیشرفته تکنیکی بنام طیف سنجی جرمی استفاده کرده اند که به آنها این امکان را می دهد تا اجزای فردی سیستم برداشت نور جلبک را توصیف کنند. این روش آنها را قادر می سازد جزئیات ماژولهای متفاوتی از سیستم را که قبلاً هرگز دیده نشده بود ، فاش کند. این جزئیات خوب به دانشمندان کمک می کند تا درک کنند که چرا میکرو جلبک ها در برداشت نور بسیار کارآمد هستند.

آنییکا لنی ، در دانشکده علوم زیست ، در دانشگاه بیرمنگام ، یکی از نویسندگان اصلی این مطالعه است که در سلول شیمی منتشر می شود . او توضیح می دهد: میکرو جلبکها موجودات جالبی هستند که می توانند کارها را خیلی بهتر از سیستمهایی که توسط مهندسان طراحی شده اند انجام دهند. "با استفاده از این دانش ، می توانیم پیشرفت واقعی در جهت تطبیق این سیستم ها برای استفاده در پنل های خورشیدی را آغاز کنیم."

بیشتر بخوانید: پمپ وکیوم کوچک

جلبکهای قرمز جزء مؤثرترین ارگانیسم های تبدیل کننده انرژی روی زمین هستند. اعتبار: Unsplash
پروفسور آلبرت هک ، مدیر علمی مرکز پروتئین هلند ، دانشگاه اوترخت ، افزود: پیش فرض ما این است که وقتی جلبک ها را می بینید ، لاغر به نظر می رسند و مطمئناً خیلی جالب نیستند ، اما وقتی به جزئیات مولکولی ماشین آلات آنها می پردازید که آنها را ایجاد می کند. نور خورشید را با کارآمد تر تبدیل به انرژی کنید ، فکر می کنید اینها پیچیده تر از پیشرفته ترین ساعت سوئیسی هستند. این نیاز به محصول 3 میلیارد سال تنظیم دقیق دارد ، به نام تکامل. "

قدم بعدی برای این تیم بررسی دقیق تر نحوه انتقال انرژی از طریق این سیستم های برداشت نور و مشخص کردن چرا ماژول های شناسایی شده آنها بسیار کارآمد است. دکتر لنی می افزاید: "با وجود بیشتر صفحات خورشیدی در خانه های انگلیس با راندمان 10-20٪ ، افزایش این راندمان به 95٪ باعث افزایش چشمگیر استفاده از فناوری انرژی خورشیدی می شود و از این طریق به حفاظت از محیط زیست کمک می کند."

محققان دانشگاه كانازاوا اخیراً یك سیستم كاهش اصطكاك را بر اساس یك روغن کاری ایجاد كرده اند كه می تواند برنامه های جالبی برای روباتیک نرم داشته باشد. سیستم آنها ، در مقاله ای که در مجله Advanced Robotics Taylor & Francis ' منتشر شده است ، می تواند به پیشرفت روبات هایی کمک کند که بتوانند با استفاده از اشیاء در هر دو شرایط خشک و مرطوب دستکاری شوند.

" ما قبلا توسعه یافته ساخت سطوح ... تحقیق دست رباتیک نرم فراهم می کند اصطکاک بالا در هر دو خشک و شرایط مرطوب،" Tetsuyou واتانابه، یکی از محققان که این مطالعه را انجام داده است، گفت TechXplore. "با این وجود ، این اصطکاک زیاد چندین سبک دستکاری (از جمله رها کردن و کشویی) را دشوار می کند. در بعضی موارد ، یک شیء چسبیده به سطح می چسبد . برای رفع این مشکل ، ما یک سیستم کاهش اصطکاک جدید را با استفاده از روان کننده ها ایجاد کردیم."

هنگام توسعه سیستم خود ، واتانابه و همکارانش الهام بخش رفتار انسان بودند . آنها مشاهده کردند که در سوپرمارکت ها مردم اغلب برای باز کردن کیسه های پلاستیکی یا ظروف ، انگشت خود را لیس می زنند. اقدامات مشابهی نیز هنگام تلاش برای تهیه برگه های کاغذ یا چرخاندن صفحات در یک کتاب انجام می شود.

محققان دریافتند که این رفتار "لیس زدن انگشت" به ویژه در افراد میانسال یا افراد مسن رایج است ، زیرا پیری به طور معمول منجر به خشکی پوست می شود. از طرف دیگر ، افراد جوان معمولاً در هنگام دستکاری پلاستیک یا کاغذ نیازی به لیسیدن انگشتان خود ندارند ، زیرا می توانند به طور خودکار اصطکاک پوست را از طریق مکانیسم های عرق بدن خود کنترل کنند.

واتانابه گفت: "البته ، هدف لیس زدن انگشت ها اصطکاک زیاد و کاملاً متفاوت با هدف ما (یعنی کاهش اصطکاک) است." "با این حال ، به طور معمول ، هدف از روان کننده ها ، کاهش اصطکاک در سیستم های مکانیکی است . بنابراین ، ما احتمال یک سیستم کاهش اصطکاک را که مشابه کنترل عرق در انسان است ، در نظر گرفتیم."

محققان یک نوک انگشت روباتیک ساخته اند که در سطح آن شکاف هایی دارد. هنگامی که روان کننده ها (به عنوان مثال اتانول) در اطراف مرزهای این شکافها تزریق می شوند ، از طریق یک عمل مویرگی در سراسر سطح نفوذ می کنند .

نوک انگشت قبل و بعد از تزریق اتانول در آن است. اعتبار: Mizushima و همکاران.
واتانابه گفت: "ما از سطح سطح نازک از جمله بافت استفاده کرده ایم و سیستم بر روی اجسام سفت و سخت و همچنین تغییر شکل پذیر بدون از بین رفتن سازگاری با شکل یک جسم کار می کند." "بنابراین ، مهمترین مزیت سیستم ما این است که اصطکاک سطح را می توان ضمن حفظ تغییر شکل پذیری و قابلیت سازگاری سطح کنترل کرد. این بدان معنی است که سیستم توسعه یافته می تواند روی روبات هایی با بدن نرم وصل شود."

بیشتر بخوانید: پمپ وکیوم کوچک

در سالهای اخیر ، استفاده از بدنه های نرم به دلیل تغییر شکل پذیری و سازگاری زیاد ، در روباتیک به طور فزاینده ای رایج شده است. به عنوان مثال ، روبات های نرم می توانند آزادانه در محیط اطراف خود حرکت کنند ، بدون اینکه صدمات زیادی به هنگام ضربه زدن به دیوارها یا موانع وارد کنند. علاوه بر این ، دست های روباتیک نرم می توانند ضمن گرفتن آن با شکل یک شیء سازگار شوند ، که این امر استراتژی های دستکاری پیشرفته تری را امکان پذیر می کند.

واتانابه اضافه کرد: "دیگر مزیت اصلی سیستم ما این است که در هر دو شرایط خشک و مرطوب کار می کند." "از این رو برای روبات هایی که در محیط های انسانی کار می کنند بسیار مفید است ، زیرا کارهای خانگی در هر دو شرایط انجام می شود."

محققان سیستم خود را در نوک انگشتان رباتیک جاسازی کردند و عملکرد آن را در یک سری آزمایشات که شامل چسباندن و رهاسازی اشیاء بود ، ارزیابی کردند. یافته های آنها نشان می دهد که تکنیک روغنکاری آنها توسعه یافته می تواند به طور موثری اصطکاک را در هر دو شرایط مرطوب و خشک کاهش دهد.

واتانابه گفت: "همانطور که از رفتار انسان لیس انگشتان تصور می کنید ، آب می تواند اصطکاک را افزایش دهد و در بعضی موارد به پوست اجازه می دهد تا به سطوح بچسبد." "در مقابل ، اتانول اصطکاک را کاهش می دهد. مهمترین عامل برای کاهش اصطکاک ، ضریب پخش نزدیک به نیروهای مویرگی است (یعنی تنش سطحی)."

در این زمینه ، یک نیروی مویرگی کم مستلزم انتشار آسان مایع در یک سطح است. محققان با استفاده از اتانول ، که دارای نیروی مویرگی کم است ، می توانند اصطکاک را کاهش داده و روان کننده را به راحتی در تمام سطح نوک انگشتان پخش کنند. یک مزیت دیگر اتانول نوسانات زیاد آن است که باعث کاهش چشمگیر زمان تاکتیک می شود.

اعتبار: Mizushima و همکاران. CC BY 4.0
واتانابه اضافه کرد: "ما همچنین مشاهده کردیم که برای تسهیل عملکرد سیستم ما ، سطح نباید کاملاً صاف باشد." "سطحی که کمی خشن یا ناهموار است می تواند عملکرد آن را بیشتر بهبود بخشد."

روبات ها می توانند به زودی از انسان در تنظیمات مختلف پشتیبانی کنند ، به عنوان مثال به آنها در انجام امور خانه یا ارائه مراقبت های پرستاری کمک کنند. از آنجا که این کارها به طور کلی در هر دو شرایط خشک و مرطوب انجام می شود ، سیستم کاهش اصطکاک محققان می تواند بسیار مفید باشد.

واتانابه گفت: "دست زدن و دستکاری اشیاء اهداف اصلی تحقیق ما هستند و سپس وظایف از جمله این اقدامات برنامه های هدفمند است." "چند نمونه لباس تاشو ، آشپزی ، شستشو و غیره است."

در آینده ، سیستم روغنکاری توسعه یافته توسط Watanabe و همکارانش می توانند از پیشرفت روباتهای نرم که بتوانند اشیاء را در هر دو محیط خشک و مرطوب به طور مؤثرتر دستکاری کنند ، آگاه سازند. محققان اکنون در حال برنامه ریزی تحقیقاتی بیشتر با هدف مشخص کردن و گسترش برنامه های کاربردی احتمالی سیستم خود هستند.

واتانابه گفت: "در حال حاضر ، ما فقط نوک انگشتان را با سیستم خود ترکیب کرده ایم." "به عنوان یک مرحله بعدی ، ما می خواهیم سیستم کنترل اصطکاک خود را به صورت دست رباتیک اعمال کنیم . علاوه بر این ، برنامه های کاربردی برای این سیستم هنوز ناشناخته هستند ، بنابراین ما می خواهیم روش های مناسبی را برای عملیات واقعی ، مانند تاشو یا پخت و پز بیان کنیم."

محققان MIT روشی را برای ارزیابی اینکه چگونه مدلهای یادگیری ماشین مستحکم که به عنوان شبکه های عصبی شناخته می شوند ، برای انجام کارهای مختلف طراحی کرده اند ، با تشخیص اینکه مدل ها چه اشتباهی را انجام نمی دهند.

بیشتر بخوانید: پمپ وکیوم کوچک
شبکه های عصبی Convolutional (CNNs) برای پردازش و طبقه بندی تصاویر برای دید رایانه ای و بسیاری کارهای دیگر طراحی شده اند. اما تغییراتی جزئی که برای چشم انسان غیرقابل نفوذ است - مثلاً چند پیکسل تیره تر در یک تصویر - ممکن است باعث شود CNN طبقه بندی کاملاً متفاوتی ایجاد کند. چنین تغییراتی به عنوان "نمونه های مخالف" شناخته می شوند. بررسی تأثیر نمونه های مخالف در شبکه های عصبی می تواند محققان را در تعیین چگونگی آسیب پذیری مدل های آنها در برابر ورودی های غیر منتظره در دنیای واقعی یاری دهد.

به عنوان مثال ، اتومبیل های بدون راننده می توانند از CNN ها برای پردازش ورودی بصری استفاده کرده و پاسخ مناسبی را تولید کنند. اگر ماشین به یک علامت توقف نزدیک شود ، این علامت را تشخیص می دهد و متوقف می شود. اما یک مقاله 2018 نشان داد که قرار دادن یک برچسب سیاه و سفید بر روی علامت توقف می تواند در حقیقت CNN یك ماشین بدون راننده را فریب دهد تا این علامت را اشتباه سوق دهد ، كه این به طور بالقوه می تواند باعث شود كه به هیچ وجه متوقف نشود.

با این حال ، هیچ راهی برای ارزیابی کامل مقاومت انعطاف پذیر شبکه عصبی به نمونه های مخالف برای همه ورودی های آزمایشی وجود ندارد. در مقاله ای که این هفته در کنفرانس بین المللی نمایندگی های یادگیری ارائه می دهند ، محققان تکنیکی را توصیف می کنند که برای هر نوع ورودی ، مثالی مخالف را پیدا می کند یا تضمین می کند که همه ورودی های آشفته - که هنوز هم شبیه به اصلی هستند - به درستی طبقه بندی می شوند. . با انجام این کار ، اندازه گیری استحکام شبکه برای یک کار خاص انجام می شود.

تکنیک های مشابه ارزیابی وجود دارد ، اما قادر به مقیاس شبکه های عصبی پیچیده تر نیست. در مقایسه با این روشها ، تکنیک محققان سه مرتبه بزرگتر را اجرا می کند و می تواند تا CNN های پیچیده تری مقیاس کند.

محققان استحکام CNN طراحی شده برای طبقه بندی تصاویر در مجموعه داده های MNIST از ارقام دستنویس را ارزیابی کردند ، که شامل 60،000 تصویر آموزش و 10،000 تصویر تست است. محققان دریافتند که حدود 4 درصد از ورودی های آزمایش را می توان کمی ایجاد کرد تا نمونه هایی از طرف مخالف ایجاد شود که منجر به ایجاد یک طبقه بندی نادرست می شود.

وینسنت Tjeng ، نویسنده اول ، فارغ التحصیل آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) می گوید: "نمونه های مخالف ، یک شبکه عصبی را در اشتباهات اشتباه می کنند." وی گفت: "برای ورودی مشخص ، می خواهیم تعیین كنیم كه آیا اختلالات كوچك ایجاد شده است كه باعث می شود یك شبكه عصبی نسبت به آنچه معمولاً تولید می كند ، به شدت متفاوت باشد." حداقل یک مثال مخالف مشابه با ورودی یا تضمین کننده وجود هیچ کدام برای آن ورودی. "

کاین شیائو و Russ Tedrake ، یک محقق CSAIL و استاد گروه مهندسی برق و علوم رایانه (EECS) ، عضو پیوستن به Tjeng روی کاغذ هستند.

CNN ها تصاویر را از طریق بسیاری از لایه های محاسباتی حاوی واحد هایی به نام نورون ها پردازش می کنند. برای CNN هایی که تصاویر را طبقه بندی می کنند ، لایه نهایی شامل یک نورون برای هر گروه است. CNN تصویری را بر اساس نورون با بالاترین مقدار خروجی طبقه بندی می کند. یک CNN را در نظر بگیرید که برای طبقه بندی تصاویر به دو دسته "گربه" یا "سگ" طراحی شده است. اگر تصویری از گربه را پردازش کند ، مقدار نورون طبقه بندی شده "گربه" باید بیشتر باشد. یک مثال مخالف وقتی اتفاق می افتد که تغییر جزئی در آن تصویر باعث می شود ارزش نورون طبقه بندی شده "سگ" بیشتر شود.

تکنیک محققان تمام تغییرات ممکن در هر پیکسل تصویر را بررسی می کند. اصولاً ، اگر CNN طبقه بندی صحیح ("گربه") را به هر تصویر اصلاح شده اختصاص دهد ، هیچ نمونه مخالفی برای آن تصویر وجود ندارد.

پشت این تکنیک یک نسخه اصلاح شده از "برنامه نویسی با عدد صحیح" است ، یک روش بهینه سازی که در آن برخی از متغیرها محدود به عدد صحیح هستند. در اصل ، برنامه نویسی با عدد صحیح مخلوط برای یافتن حداکثر برخی از عملکردهای هدف ، با توجه به محدودیت های خاص روی متغیرها ، استفاده می شود و می تواند برای ارزیابی قدرت استحکام شبکه های عصبی پیچیده طراحی شود.

محققان محدودیت هایی را برای اجازه می دهند تا هر پیکسل در هر تصویر ورودی تا برخی از مقادیر روشن یا تیره شود. با توجه به محدودیت ها ، تصویر اصلاح شده همچنان بسیار شبیه به تصویر ورودی اصلی است ، به این معنی که CNN نباید فریب خورده باشد. برنامه نویسی عدد صحیح برای یافتن کوچکترین اصلاح ممکن در پیکسل ها استفاده می شود که به طور بالقوه می تواند باعث طبقه بندی نادرست شود.

ایده این است که افزایش سرعت پیکسل ها می تواند باعث افزایش ارزش طبقه بندی نادرست شود. به عنوان مثال ، اگر تصویر گربه به CNN طبقه بندی شده حیوانات خانگی تغذیه می شد ، الگوریتم پیکسل ها را آشفته می کند تا ببیند آیا می تواند ارزش نورون مربوط به "سگ" را بالاتر از "گربه" قرار دهد.

اگر الگوریتم موفقیت آمیز باشد ، حداقل یک نمونه مخالف برای تصویر ورودی پیدا کرده است. این الگوریتم می تواند پیکسل پیکربندی را ادامه دهد تا حداقل اصلاحاتی را که برای ایجاد طبقه بندی نادرست ایجاد شده ، پیدا کند. حداقل اصلاح بزرگتر - که به آن "حداقل اعوجاج مخالف" گفته می شود - شبکه مقاومت بیشتری نسبت به نمونه های مخالف دارد. اگرچه ، اگر طبقه بندی صحیح نورون برای همه ترکیبات مختلف پیکسلهای تغییر یافته آتش گرفته شود ، الگوریتم می تواند تضمین کند که تصویر هیچ نمونه مثبتی ندارد.

Tjeng می گوید: "با توجه به یک تصویر ورودی ، می خواهیم بدانیم که آیا می توانیم آن را به شکلی اصلاح کنیم که باعث طبقه بندی نادرست شود." "اگر نتوانیم ، تضمین می كنیم كه در كل فضا از تغییرات مجاز جستجو كردیم ، و فهمیدیم كه هیچ نسخه آشفته ای از تصویر اصلی وجود ندارد كه طبقه بندی شده باشد."

در پایان ، این درصدی ایجاد می کند که تعداد تصاویر ورودی حداقل دارای یک نمونه مخالف هستند و تضمین می کند که بقیه هیچ نمونه مخالفی ندارند. Tjeng می گوید ، در دنیای واقعی ، سلول های عصبی عصبی زیادی دارند و با ده ها طبقه بندی مختلف ، به مجموعه داده های گسترده آموزش می دهند ، بنابراین مقیاس پذیری این روش بسیار مهم است.

وی می گوید: "در سراسر شبکه های مختلف که برای کارهای مختلف طراحی شده اند ، مهم است که CNN ها در مقابل نمونه های مخالف مقاوم باشند." "هرچه کسری از نمونه های آزمایشی بزرگتر باشد ، جایی که می توان اثبات کرد که هیچ نمونه مخالفی در آن وجود ندارد ، در صورت قرار گرفتن در معرض ورودیهای آشفته ، شبکه باید بهتر عمل کند."

ماتیاس هاین ، استاد ریاضیات و علوم رایانه در دانشگاه سارلند ، که درگیر این مطالعه نبود ، اما می تواند تکنیک را امتحان کند ، می گوید: "محدودیت های لازم برای استحکام بسیار مهم است زیرا تقریبا همه مکانیسم های دفاعی [سنتی] ممکن است دوباره شکسته شوند." "ما از چارچوب تأیید دقیق استفاده کردیم تا نشان دهیم که شبکه های ما واقعاً قوی هستند ... [و] همچنین امکان بررسی آنها را در مقایسه با آموزش عادی امکان پذیر کرد."

محققان Universitat Autònoma de Barcelona (UAB) به تازگی یک بازوی روباتیک صورت با تشخیص احساسات با الهام از لامپ Luxo جونیور استودیوی Pixar Animation Studios ایجاد کرده اند . این روبات توسط Vernon Stanley Albayeros Duarte ، فارغ التحصیل علوم کامپیوتر در UAB ، در پایان نامه خود ارائه شده است .

آلباییروس دوارته به TechXplore گفت: "ایده موجود در مورد ربات ما عمدتاً مبتنی بر شورت های لامپ Luxo جونیور Pixar است." "من می خواستم روبوتی بسازم که رفتار لامپ را به طور کوتاه تقلید کند. من به صحنه ساز علاقه مند هستم و چند سال است که چاپ سه بعدی دارم ، بنابراین برای ساختن" حیوان خانگی "از انواع مختلف برای نشان دادن برخی از موارد استفاده کردم. فعل و انفعالات جالب انسان و ماشین: این جایی است که تمام موضوع "چهره زیر / تشخیص احساسات" به وجود می آید ، زیرا پرش لامپ مانند آنهایی که در شلوارهای پیکسار وجود دارد اجرای آن بسیار دشوار بود ، اما همچنان احساس "اسباب بازی" را حفظ کرد. در مورد پروژه

از آنجا که این مطالعه بخشی از دوره های آلباییروس دوارت بود ، وی مجبور بود شرایط خاصی را که توسط UAB بیان شده بود ، برآورده کند. به عنوان مثال ، هدف اصلی این پایان نامه این بود که دانش آموزان در مورد سرویس های ابری گوگل آگاهی یابند و اینکه چگونه می توان از آنها برای بارگذاری منابع محاسباتی در پروژه هایی استفاده کرد که از نظر محاسباتی برای آنها قوی نیست.

Raspberry Pi یک کامپیوتر کوچک و مقرون به صرفه است که دارای محدودیت های محاسباتی قابل توجهی است. این محدودیت ها باعث می شود تا کاندیدای مناسبی برای استفاده از سیستم عامل ابری گوگل برای کارهای محاسباتی فشرده مانند تشخیص احساسات باشد.

Albayeros Duarte بنابراین تصمیم گرفت از Raspberry Pi استفاده کند تا یک ربات کوچک با قابلیت تشخیص احساسات تولید کند. بدن اصلی این روبات LittleArm 2C است ، یک بازوی رباتیک که توسط بنیانگذار Slant Concepts ، گاب بنتز ایجاد شده است.

آلباییروس دوارت گفت: "من به Slant Concepts مراجعه کردم تا بخواهم اجازه تغییر بازوی ربات خود را بدهم تا در آخر دوربین را نگه دارد ، سپس محوطه الکترونیک را ایجاد کرده و خودم را پایه گذاری کنم."

این روبات طراحی شده توسط آلباییروس Duarte ، یک دوربین را از چپ به راست جارو می کند ، یک عکس را ضبط می کند و از OpenCV استفاده می کند ، کتابخانه ای از توابع برنامه نویسی که اغلب برای برنامه های بینایی رایانه استفاده می شود ، برای شناسایی چهره در قاب آن. وقتی ربات به انتهای هر یک از طرفین رسید ، دوربین را از دو درجه بالا می برد یا پایین می آورد و حرکت گسترده خود را از سر می گیرد.

روبوت چهره ای که توسط آلباییروس دوارت ساخته شده است. اعتبار: Albayeros Duarte و Vilariño.
آلباییروس دوارت توضیح داد: "وقتی چهره را پیدا می کند ، حرکت رو به جلو متوقف می شود و اگر صورت بیش از تعداد انگشت شماری از قاب باقی بماند ، بررسی می کند." اگر این روبات تأیید کند که در حقیقت چهره پیدا کرده است ، به قسمت "صورت زیر" الگوریتم تبدیل می شود ، جایی که سعی در حفظ آن دارد. برای انجام این کار ، طبق حرکات شخصی که مشاهده می کند ، آن را تکان می دهد و کج می کند. "

بیشتر بخوانید: پمپ وکیوم کوچک

در حالی که این روبات حرکات شخص را در زمینه دید خود دنبال می کند ، از چهره آنها تصویر می گیرد و آن را به Google Cloud Vision API ارسال می کند. پلتفرم گوگل متعاقباً آنالیز تصویر را انجام داده و وضعیت احساسی فعلی شخص موجود در آن را تشخیص داده و آن را به عنوان یکی از 5 حالت احساسی طبقه بندی می کند: شادی ، عصبانیت ، اندوه ، تعجب یا خنثی.

آلباییروس دوارت گفت: "هنگامی که روبات نتایج این تجزیه و تحلیل را دریافت می کند ، از هر وضعیت عاطفی که کاربر در آن قرار دارد تقلید می کند." وی گفت: "برای شادی ، کمی دور آن پرش می کند ، برای عصبانیت ، سرخوردگی کوچک را در صورت عدم تأیید انجام می دهد ، برای غم و اندوه از زمین فرو می رود و به سمت شما نگاه می کند ، و برای شگفتی ، به عقب حرکت می کند. طیف گسترده ای از رنگ RGB ، که از آن برای تکمیل این اقدامات استفاده می کند. "

بسته به احساسی که تشخیص می دهد ، "رفتار گسترده" روبات تغییر می کند. اگر شادی را کمی سریعتر جارو کند ، برای عصبانیت هر چه سریعتر حرکت می کند (بدون اینکه کیفیت تشخیص چهره آن به خطر بیفتد) ، برای غم و اندوه در حالت نزولی یا 'افتادگی' قرار می گیرد و برای تعجب در حین جارو زدن به طور تصادفی می لرزد. در هر یک از این حالت ها ، این ربات در حلقه LED RGB خود رنگ های مختلفی را چشمک می زند: رنگ های زرد و گرم برای شادی ، قرمز روشن برای عصبانیت ، رنگ های آبی و سرد برای غم و اندام و ترکیبی از زرد و سبز برای شگفتی.

آلباییروس دوارت گفت: "من معتقدم كه پتانسیل عظیم غیر قابل استفاده برای روبات های شبیه به حیوانات خانگی وجود دارد." "از ساخت دستیارهای شخصی مانند Alexa's Alexa و دستیار Google بیشتر به تعامل و احساس طبیعی ، تا کمک به معلولین که به کمک بالقوه خود به افراد معلول کمک می کنند خودکفا تر می شوند ، داشتن روباتی که به وضعیت عاطفی فعلی شما پاسخ می دهد می تواند تأثیر بسزایی داشته باشد. درک این وسایل: به عنوان مثال ، دستیاری برای افراد سالخورده که قادر به تشخیص پریشانی عاطفی هستند ، در صورت نیاز به کمکهای بهداشتی می تواند هشدارهای اولیه را ارسال کند ، در حالی که یک روبات که برای کمک به پیشرفت مهارت های حرکتی در کودکان کم توان حرکت می کند می تواند تشخیص دهد کودک از دست می دهد یا خیر. علاقه مند شوید یا به یک فعالیت مشغول شوید و مشکلات خود را بر این اساس تنظیم کنید.

پروژه Albayeros Duarte علاوه بر اینکه نمونه ای عالی از چگونگی استفاده از پلتفرم ابری گوگل برای بارگذاری منابع محاسباتی است ، مجموعه ای از مدل ها را برای چاپ سه بعدی فراهم می کند که می توانند در تولید مثل روبات وی یا ایجاد سازگاری از آن ، همراه با لایحه مواد لازم در حال حاضر ، این محقق همچنین با Fernando Vilariño ، مدیر دانشیار در مرکز ویژوال رایانه ( CVC ) و رئیس شبکه اروپایی آزمایشگاه های زندگی ( ENoLL ) همکاری می کند ، روی یک پروژه با هدف الهام بخشیدن به نسل های جوان برای انتخاب شغلی در STEM و همچنین ایجاد جامعه محاسبات بدنی در UAB ، همه افراد علاقمند به ایجاد پروژه های خود را هدف قرار می دهد.

"ما در شده جشنواره موبایل جوانان بارسلونا یک جوان گرا، کنگره جهانی موبایل (MWC) سازماندهی شده توسط مردم همان MWC،" Albayeros دوآرته گفت. وی گفت: "فرو کردن انگشتان پا به ربات های تعاملی مانند این یکی روش خوبی برای ساختن چیزی است که فوراً مورد توجه گروه های مدرسه در این رویدادها قرار می گیرد و در مورد روباتیک در سطح مصرف کننده بیشتر به ما می آموزد ، بر خلاف روباتیک در سطح صنعتی. "

علاقه مندان به ربات در این ماه تشویق های خود را به تیم منتقل می کردند که اطلس را به یک واکر حتی انسانی تر از طریق موانعی از جمله دسته بلوک سیلور و پرتوی تعادل پیش می برد. آنها اطلس را به یک هالک بسیار معتبر تبدیل کرده اند ، که با نمایش پیاده روی ، که در تاریخ اول ماه مه ثبت شد ، در مرکز توجه قرار می گیرد.

این فیلم "IHMC Atlas Autonomous Path Planning برنامه ریزی در سراسر باریک زمین" است. کلمه کلیدی "باریک" را از دست ندهید. به همین دلیل است که پیاده روی به عنوان یک اتفاق بزرگ مورد توجه است.

به گفته این فیلم ، زمین باریک به دلیل نیاز به انجام مراحل متقاطع روی حیله و تزئینی دشوار است ، زیرا محدوده حرکت محدودی در مفصل ران وجود دارد. "یک ضخامت کوچک پشتیبانی وجود دارد که یک پا مستقیماً در مقابل دیگری قرار دارد."

با کمال تعجب ، نظرات بیننده در حالت های عالی قرار گرفت و قدم زدن را عالی و شگفت انگیز خواند. یکی از تماشاگران ویدیویی قابل تقدیر ، گسترش یافت و گفت: "این طراحی اطلس بسیاری از موارد را به درستی دریافت کرده است ... طراحی باسن ، از بین بردن شکاف عظیم بین پاها ، توانایی آن در" راه رفتن گربه "بسیار خوب است."

جری پرات ، دانشمند ارشد پژوهش در IHMC Robotics ، به نقل از پیتر هوللی در واشنگتن پست .

"اگر به هر جایی فکر می کنید که رفتن به یک انسان واقعاً باورنکردنی باشد. ما می توانیم کوهها را صعود کنیم یا به غارها برویم یا از طریق برف پیاده روی کنیم یا از پله ها بالا برویم." و چرا نه: (1) پای انسان فقط حدود سه تا چهار اینچ عرض دارد. (2) پاهای نسبتاً كوچك و باریك به ما اجازه می دهد تا از موانع محكم عبور كنیم ، از موانع قدم برداریم ، همه در حالیكه از مراكز توده ای بالاتر كه ما را از زمین دور می كند ، پشتیبانی می كنیم .

این تیم حرکاتی را برای اطلس ، ربات ساخته شده توسط Boston Dynamics ، در نظر گرفته بود. الگوریتم های کنترل ، ادراک و برنامه ریزی توسط IHMC Robotics بود. IHMC مخفف موسسه شناخت انسان و ماشین است ، در پنساکولا ، فلوریدا.

(چه ادعای خود را به شهرت است: ". هل دادن پاکت را از آنچه در حوزه رباتیک ممکن است" تحقیقات این است میان رشته ای گروه با تخصص در زمینه هایی مانند مهندسی، علوم کامپیوتر، ریاضیات، فیزیک و طراحی رابط.)

گفتنی است ، این روبات با LIDAR زمین را حس می کند و نقشه ای از مناطق مسطح ایجاد می کند. در سراسر اشیاء از جمله تخته های چوبی معلق و بلوک های سیلاب پر پیچ و خم قدم می زند.

من برنامه نویس اظهار داشت كه "روبات تمام تصمیمی راجع به كجا و چگونه می تواند پای خود را بگیرد."

الگوریتم برنامه ریزی مسیر ، قدم هایی را در مناطق مسطح به یک مکان هدف ، که توسط یک اپراتور مشخص شده است ، برنامه ریزی می کند.

این ربات در حدود 50 درصد بیش از این نوع زمین موفق است. بعد چی؟ این تیم در مورد چگونگی افزایش میزان موفقیت فکراتی دارد. در مورد این اطلس در محیط های واقعی ، کریستین هوسر در Futurism گفت که نمایش اخیر باعث شده است تا یک روز قدم به روز پر شود تا در ماموریت های خطرناک پر شود . وی افزود: "هدف این است که روبات به عنوان آواتار برای انسانها در سناریوهای خطرناک اضطراری یا حتی در هنگام کشف مریخ ، خدمت کند."

پرات نیز علاقه ای به تصور این اطلس به عنوان کاوشگر فضایی پمپ وکیوم خلاء داشت:

"شاید جذاب ترین تنظیم برای استفاده از روبات های انسان دوست دوقلو ، فرازمینی است.

پرات گفت: "وقتی انسان سیارات دیگر را استعمار می کند ، یک سناریو شامل ارسال روبات های از راه دور از پیش برای توسعه زیستگاهی مناسب برای انسان ها است.

پرات گفت: "ما قادر به ارسال روبات هایی هستیم که مانند ما به نظر می رسند و مانند ما حرکت می کنند.

وقتی نوبت های غیرقابل حل هک شود ، می دانید که سر و صداهای زیادی به وجود خواهد آمد. مورد در نقطه: فلش درایو USB EyeDisk. رمزهای عبور در معرض متن واضح کشف شد.

ZDNet و بسیاری از سایت های دیگر تا روز جمعه روی صحنه بودند. محقق دیوید الج ، قلم Pen Testers ، دریافت که سطح امنیت در EyeDisk مطابق با این ادعا نیست.

تیمش گفته بود: "به همین دلیل ما اولین چشم انداز فلش USB USB را ایجاد کردیم که از فناوری تشخیص عنبیه برای امنیت بی نظیر داده استفاده می کند." همچنین ، آنها گفتند ، "eyeDisk را می توان بصورت آفلاین و بدون نیاز به اتصال به اینترنت استفاده کرد و این نرم افزار الگوهای عنبیه ، گذرواژه ها یا هرگونه اطلاعات دیگر را در هر مکان آنلاین ، هرگز ذخیره یا انتقال نمی دهد."

دستگاه متکی به تشخیص پمپ وکیوم خلاء عنبیه است. این پروژه بودجه در Kickstarter جمع آوری کرده بود. شرکای آزمون قلم مبتنی بر انگلستان ، که آزمایش نفوذ را انجام می دهد ، تصمیم گرفت ادعاهای EyeDisk را بررسی کند.

همانطور که معلوم شد ، Pen Test Partners روز پنجشنبه یک مشاوره آسیب پذیری صادر کرد که توسط دیوید الج ارسال شده است.

"سال گذشته ، در مورد زمانی که با یک کیف پول سخت افزار تقریباً ناشناخته روبرو می شویم ، ما کمی از کلمه" unheackable "هیجان زده شدیم. داستان کوتاه کوتاه ، من به حمایت از انتخاب کیک است که کلمه ای غیرقابل حل است یا در عنوان آنها مشابه است. "

چارلی آزبورن ، ZDNet ، آنچه اتفاق افتاده است را هنگامی که الج آن را امتحان کرد: "پس از وصل کردن EyeDisk به یک ماشین مجازی ویندوز (VM) ، محقق دریافت که این محصول به عنوان یک دوربین USB ، یک فلش فقط خواندنی ، و یک قابل جدا شدن گزارش شده است. حجم رسانه ها " اوزبورن گفت كه "با كج كردن ترافيك USB ، مي توان رمز عبور / هش را با متن روشن كسب كرد."

الج اجزای مختلفی را انتخاب کرده ، انتخاب کرده و از هم جدا کرده است تا اینکه به یک درک برسیم: "آنچه در اینجا داریم این است که به معنای واقعی کلمه ، یک USB USB با یک توپی و دوربین متصل است. این بدان معنی است که بیشتر مغزها در نرم افزار هستند .

الج اظهار داشت كه "بدست آوردن گذرواژه / عنبیه را می توان با كمی كردن ترافیك USB به دست آورد تا رمز / هش را در متن واضح دریافت كنید."

Zack Whittaker در TechCrunch : "دیوید الج ، محقق Pen Test Partners ، رمز عبور پشتیبان دستگاه را پیدا کرد - برای دسترسی به داده ها در صورت خرابی دستگاه یا تصادف ناگهانی چشم" ، به راحتی می توان با استفاده از یک ابزار نرم افزاری که قادر به ترافیک دستگاه USB باشد ، دسترسی پیدا کرد. "

الج در مورد "یک رویکرد بسیار ضعیف" اظهار داشت با توجه به ادعاهایی که غیرقابل حل است. "این نرم افزار ابتدا رمز عبور را جمع آوری می کند ، سپس قبل از ارسال رمز باز کردن قفل ، رمز ورود به کاربر را تأیید می کند ."

گفته می شود فلش مموری از فن آوری تشخیص عنبیه در پشتیبان گیری با رمزگذاری AES-256 استفاده می کند.

بعد چی؟ جدول زمانی است که الج ارائه کرده است. 9 آوریل فروشنده اذعان می کند و توصیه می کند که آنها برطرف شوند - هیچ تاریخی داده نشده است. نهم آوریل از آنها بخواهید که به دلیل مشکل اساسی امنیت ، تعمیر ، اطلاع رسانی به مشتریان و توزیع مکث را انجام دهند. تاریخ افشای عمومی توصیه شده 9 مه 2019 - بدون پاسخ؛ 8 مه تعقیب نهایی قبل از افشای؛ نهم ماه مه فاش شد.

لباس خوابهای خسته احتمالاً با توصیه های الج به عنوان خانه به توافق می رسند. "توصیه ما به فروشندگانی که مایل هستند ادعا کنند که دستگاه آنها غیرقابل حل است ، متوقف شوید ، این یک اسب شاخدار است."

مرسدس بنز غول آلمانی اعلام کرد دوشنبه می خواهد فروش اتومبیل های موتور احتراق سنتی را تا سال 2039 متوقف کند و قصد دارد وسایل نقلیه جدید خود را که تا آن زمان در سراسر جهان فروخته می شود بی طرف از کربن باشد.

اولا کالنیوس ، رئیس فعلی تحقیقات مرسدس ، گفت: هدف ما این است که طی 20 سال یک ناوگان جدید مسافر خنثی شده با کربن داشته باشیم. هفته آینده موفق شد دیتر زتچه را به عنوان رئیس گروه دایملر جانشین کند.

سخنگوی این شرکت گفت ، تمام مدل های مرسدس طی دو دهه برقی یا پمپ وکیوم هیبریدی خواهند بود ، اما رویکردهای مختلف ممکن بود.

کالنیوس در بیانیه ای گفت: " تمرکز کنونی ما بر روی تحرک باتری برقی است. اما کالاها و نیاز به ادامه کار بر روی راه حل های دیگر ، به عنوان مثال سلول سوخت یا سوخت های الکترونیکی نیز وجود دارند."

"امروز ، هیچ کس با اطمینان نمی داند که از چهل سال رانندگی بهترین راه حل نیازهای مشتریان ماست.

"به همین دلیل ما سیاست گذاران را ترغیب می کنیم تا راهی برای خنثی سازی فناوری هموار کنند: بیایید هدف را برطرف کنیم ، اما وسیله ای برای دستیابی به آن نیست."

دایملر می گوید سوخت های مصنوعی تولید شده با انرژی تجدید پذیر باید به خودروهای هیبریدی اجازه دهند بدون انتشار CO2 کار کنند اما این سوخت ها هنوز در بازار موجود نیست.

Kaellenius افزود: دایملر قصد دارد تا سال 2030 به سهم 50 درصدی از فروش وسایل نقلیه برقی دست یابد و قول می دهد تا سال 2022 کارخانه های اروپایی خود را با CO2 خنثی کند.

تولیدکنندگان اتومبیل آلمانی در حال از بین رفتن قدرت الکتریکی هستند که از سال 2020 با قوانین سختگیرانه تر تولید گازهای گلخانه ای در اتحادیه اروپا روبرو هستند ، در صورت نقض شدن ، مجازات های سنگین اقتصادی را به همراه دارند.

محققان یک باتری اکسیژن پتاسیم کارآمدتر و مطمئن تری ساخته اند ، گامی به سوی یک راه حل بالقوه برای ذخیره انرژی در شبکه برق این کشور و باتری های ماندگار در تلفن های همراه و لپ تاپ ها.

در مطالعه‌ای که روز جمعه در مجله Batteries and Supercaps منتشر شد ، محققان دانشگاه ایالتی اوهایو یافتههای خود را با محوریت ساختن کاتد باتری که در آن انرژی تولید شده توسط یک واکنش شیمیایی در یک فلز-اکسیژن یا فلز با هوا ذخیره می شود ، شرح دادند. باتری محققان می گویند ، این یافته می تواند منابع انرژی تجدید پذیر مانند خورشیدی و باد را از طریق ذخیره ارزان تر و کارآمد تر انرژی ، گزینه های مناسبتری برای شبکه برق قرار دهد .

ویشنو گفت: "اگر می خواهید به یک گزینه تجدید پذیر برای شبکه قدرت بروید ، به دستگاههای ذخیره انرژی اقتصادی نیاز دارید که بتوانند انرژی اضافی را ذخیره کنند و هنگامی که منبع را آماده یا کار ندارید ، این نیرو را پس دهند." بابا Sundaresan ، نویسنده نویسنده و استاد مهندسی مکانیک پمپ وکیوم و هوافضا در ایالت اوهایو. "فناوری مانند این بسیار مهم است ، زیرا ارزان است ، از مواد عجیب و غریب استفاده نمی کند ، و می تواند در هر نقطه ساخته شود و اقتصاد محلی را ارتقا بخشد."

منابع انرژی تجدید پذیر دی اکسید کربن را منتشر نمی کنند ، بنابراین آنها در گرم شدن کره زمین کمک نمی کنند ، اما آنها فقط هنگامی که خورشید درخشان است و یا باد می بارد ، انرژی را تأمین می کنند. برای اینکه آنها بتوانند از منابع انرژی قابل اعتماد برای شبکه انرژی یک منطقه باشند ، باید راهی برای ذخیره انرژی اضافی جمع آوری شده از آفتاب و باد وجود داشته باشد.

شرکت ها ، دانشمندان و دولت ها در سراسر جهان در حال کار بر روی راه حل های ذخیره سازی هستند ، از باتری های لیتیوم یونی - نسخه های بزرگ در بسیاری از وسایل نقلیه برقی - گرفته تا باتری های غول پیکر و اندازه یک فروشگاه بزرگ جعبه که با استفاده از وانادیوم فلزی ساخته شده است.

باتری های اکسیژن پتاسیم از زمان اختراع در سال 2013 جایگزین بالقوه ای برای ذخیره انرژی به حساب می آیند. تیمی از محققان ایالت اوهایو به رهبری استاد شیمی ییینگ وو نشان دادند که باتری ها می توانند ضمن ذخیره همزمان همزمان ، باتری های لیتیوم اکسیژن کارآمدتر باشند. حدود دو برابر انرژی باتری های لیتیوم یونی موجود است. اما باتری های اکسیژن پتاسیم به طور گسترده ای برای ذخیره انرژی مورد استفاده قرار نگرفته اند ، زیرا ، تاکنون نتوانسته اند بار کافی را برای شارژ مناسب شارژ کنند.

در حالی که تیم ها سعی کردند باتری اکسیژن پتاسیمی را ایجاد کنند که می تواند یک راه حل مناسب برای ذخیره سازی باشد ، آنها همچنان به یک مانع در حال عبور بودند: باتری با هر بار شارژ تخریب می شود ، هرگز بیش از پنج یا 10 چرخه شارژ دوام نمی آورد - به اندازه کافی برای ایجاد باتری راه حل مقرون به صرفه برای ذخیره انرژی. این تخریب اتفاق افتاد زیرا اکسیژن درون آند باتری ریخته شد - مکانی که به الکترون ها اجازه می دهد تا یک وسیله را شارژ کنند ، چه تلفن همراه و چه شبکه برق. اکسیژن باعث تجزیه آند شد و باعث شد تا باتری دیگر نتواند شارژ خود را تأمین کند.

پل گیلمور ، کاندیدای دکترا در آزمایشگاه ساندرسان ، شروع به ترکیب پلیمرها در کاتد کرد تا ببیند آیا می تواند از آند اکسیژن محافظت کند یا خیر. اگر او می تواند راهی برای انجام این کار پیدا کند ، فکر می کرد که این امر باعث می شود باتری های اکسیژن پتاسیم در طول عمر بیشتری شلیک کنند. معلوم شد که او درست است: این تیم فهمید که تورم در پلیمر نقش اساسی در عملکرد آن دارد. گیلمور گفت ، این کلید راهی را برای ورود اکسیژن به باتری - لازم برای کارکردن آن - بدون اجازه ورود اکسیژن به درون آند ، پیدا کرد.

این طرح کمی شبیه به ریه های انسان عمل می کند: هوا از طریق یک لایه کربنی فیبری به باتری وارد می شود ، سپس با یک لایه دوم که کمی متخلخل است ملاقات می کند و سرانجام به یک لایه سوم ختم می شود که به سختی متخلخل است. این لایه سوم ، ساخته شده از پلیمر رسانا ، به یون های پتاسیم امکان عبور در سراسر کاتد را می دهد ، اما اکسیژن مولکولی را از رسیدن به آند محدود می کند. طراحی به این معنی است که می توان باتری را حداقل 125 بار شارژ کرد - به باتری های اکسیژن پتاسیم بیش از 12 برابر دوام آنها در گذشته با الکترولیت های کم هزینه.

این یافته ها نشان می دهد که این امکان پذیر است ، اما آزمایشات تیم ثابت نکرده است که می توان باتری ها را در مقیاس لازم برای ذخیره شبکه برق تهیه کرد . با این حال ، این پتانسیل را نشان می دهد.

گیلمور گفت ممکن است باتری های اکسیژن پتاسیم در سایر کاربردها نیز مفید باشد.

وی گفت: "باتری های اکسیژن چگالی انرژی بالاتری دارند ، به این معنی که آنها می توانند دامنه وسایل نقلیه الکتریکی و عمر باتری وسایل الکترونیکی قابل حمل را بهبود ببخشند ، به عنوان مثال ، اگرچه سایر چالش ها قبل از اینکه باتری های اکسیژن پتاسیم برای این کاربردها قابل استفاده باشد باید بر طرف شوند."

و این یافته جایگزینی برای باتری های لیتیوم یونی و سایر مواردی است که به کبالت متکی هستند ، ماده ای که به آن "الماس خون باتری ها" گفته می شود. استخراج مواد به قدری نگران کننده است که شرکت های بزرگ از جمله TESLA برنامه های خود را برای از بین بردن کامل آن از باتری ها اعلام کرده اند.

Sundaresan گفت: "این بسیار مهم است که باتری های در نظر گرفته شده برای برنامه های در مقیاس بزرگ از کبالت استفاده نکنند."

و همچنین مهم است که می توان باتری را ارزان ساخت. باتری های لیتیوم اکسیژن - یک راه حل ذخیره انرژی که به طور گسترده یکی از مناسب ترین گزینه ها محسوب می شود - می تواند گران باشد و بسیاری از آنها به منابع کمیاب از جمله کبالت متکی هستند. باتری های لیتیوم یونی که بسیاری از اتومبیل های برقی را تغذیه می کنند ، در سطح مواد حدود 100 دلار در هر کیلووات ساعت دارند.

محققان تخمین زدند که این باتری اکسیژن پتاسیم در هر کیلووات ساعت حدود 44 دلار هزینه خواهد داشت.

Sundaresan گفت: "وقتی باتری ها صحبت می شوند ، یک اندازه برای همه مناسب نیست." وی گفت: "برای باتری های اکسیژن پتاسیم و لیتیوم اکسیژن ، استفاده از آنها به عنوان پشتیبان برق شبکه گران است. اما اکنون که نشان داده ایم می توانیم باتری را ارزان و این پایدار کنیم ، این باعث می شود که با سایر محصولات رقابت کنیم. فن آوری برای شبکه قدرت پشتیبان.

وی گفت: "اگر یک باتری کوچک دارید که ارزان است ، می توانید در مورد بزرگ کردن آن صحبت کنید. اگر یک باتری کوچک کوچک دارید که 1000 دلار پاپ است ، مقیاس آن بالا می رود ، فقط امکان پذیر نیست. این باعث می شود که درب مقیاس آن بالا برود. "

سامسونگ اخیراً به دلیل تبلت / تبلت ترکیبی Galaxy Fold مورد توجه بسیاری قرار گرفته است ، هرچند با توجه به ریزگردهای صفحه نمایش اخیر که باعث تاخیر در عرضه محصول شده است ، لزوما به تمام دلایل مناسب.

دقیقاً همین مسئله ، بسیاری از شرکتهای پیشرو در زمینه فناوری جهانی تمایل به تولید محصولات مبتنی بر صفحه نمایش انعطاف پذیر خود را نشان می دهند و نشان می دهند که پوشه ها ، به یک شکل یا شکل دیگر ، نوعی آینده را خواهند داشت. حتی اگر نمی توان گفت آینده چقدر بزرگ است.

در مرحله بعدی Lenovo است که روز دوشنبه نه یک گوشی قابل تاشو را نشان می دهد - حداقل هنوز هم نیست - بلکه نمونه ای نوظهور جذاب از آنچه که این شرکت چینی ادعا می کند به عنوان اولین "رایانه قابل تاشو" است ، علاوه بر این نامی غیر از لپ تاپ Premium ThinkPad X1 است. خانواده.

(شایعات گفته می شود که موتورولا متعلق به Lenovo در حال تولید نسخه صفحه نمایش قابل تاشو از تلفن های Razr یکبار نماد خود است.)

مطمئناً ، انتشار هر ThinkPad تاشو هنوز هم راه حل باقی مانده است - انتظار می رود که در نیمه اول سال 2020 ارسال شود.

لنوو نیز در این مرحله فاش نکرده است که کامپیوتر چگونه هزینه خواهد کرد ، اگرچه نزدیک به 2000 دلار سامسونگ فولد سرنخ هایی را ارائه دهد ، این چیز ارزان نخواهد بود.

البته اکنون ممکن است از شما سؤال شود ، آیا اکثر لپ تاپ ها مانند صفحه قلاب نمی خورند؟

البته آنها این کار را می کنند ، اما تفاوت اینجاست که صفحه نمایش OLED 2K 13.3 اینچی که Lenovo با همکاری LG Display تولید کرده است. در حالت "نیمه صفحه" ، شما از نمایشگر 9.6 اینچی باقیمانده هستید و تاشو کردن رایانه عرض کلی دستگاه را 50٪ کاهش می دهد.

حتی در آن موقعیت ، شما نمی توانید آن را مانند جی اسمارتفون در جیب خود ببندید ، بنابراین شما هنوز هم بیش از آنچه که احتمال دارد آن را در کیف ببندید ، جایی که حداقل فضای کمتری را در خود جای دهد ، باقی مانده است. این در مورد اندازه یک برنامه ریز Moleskine پمپ وکیوم خلاء است.

من یک نمونه اولیه را در نمونه اولیه مشاهده کردم و فناوری در مورد این فناوری امیدوارکننده اما اثبات نشده بدون شک بسیار جالب است. اما شما هنوز مانده اید که نیاز به یکی را زیر سوال ببرید.

لنوو سرانجام باید این پرونده را مطرح کند. در حال حاضر ، آن را در حال قرار دادن رایانه به عنوان یک جایگزین لپ تاپ "اصلی" ، به تشریح چند سناریو ممکن است.

مثلاً آن را مانند كتاب تاشو كنید تا بتوانید فیدهای رسانه های اجتماعی خود را در رختخواب اسكن كنید. یا ایستادن آن در آشپزخانه به گونه ای که بتوانید در خبرهای خبری از هندزفری نگاه کنید.

در دفتر ، شما ممکن است آن را به چند مانیتور متصل کنید یا از آن استفاده کنید که گویی یک رایانه لوحی برای یادداشت کردن با قلم Wacom در طول جلسه استفاده می کند.

این رایانه که سه سال در ساخت آن است از یک لولا گشتاور استفاده می کند که به صفحه نمایش امکان خم و نگه داشتن آن در زوایای مختلف ، دقیقاً مانند نوت بوک را می دهد. و بله ، با توجه به ماهیت آن ، Lenovo انتظار دارد که این دستگاه را بیشتر از یک لپ تاپ معمولی بار بیاندازید و از آن باز کنید و به همین ترتیب در طی آزمایش تعداد "چرخه لولا" را دو برابر کنید.

در اوایل بازی ، Lenovo در مورد مشخصات داخل رایانه فاش نمی کند . اینتل خواهد بود و نسخه ای از Microsoft Windows را اجرا می کند. این دوربین از یک مادون قرمز و یک جفت پورت USB-C استفاده می کند و از یک صفحه کلید بلوتوث بی سیم پشتیبانی می کند. و لنوو می گوید باتری تمام روز را در اختیار شما قرار خواهد داد.

نرم افزارهای جاسوسی که توسط یک گروه پیشرفته هکرها برای استخدام ساخته شده است ، از نقص برنامه برنامه ارتباطات محبوب WhatsApp استفاده کرد تا از راه دور ده ها تلفن هدفدار و بدون هیچ گونه تعامل کاربر را ربود.

روزنامه فایننشال تایمز این گروه هکری را گروه NSO اسرائیل معرفی کرد که به دلیل فروش ابزار نظارت برای دولت های سرکوبگر محکوم شده است.

واتس اپ همه اینها را تأیید كرد و هكرها را "یك شركت خصوصی كه شناخته شده است با دولت ها برای ارائه نرم افزارهای جاسوسی همکاری می كند" توصیف كرد. سخنگوی شرکت تابعه فیس بوک بعدا گفت: "ما مطمئناً هیچ یک از پوشش هایی که شما دیده اید را رد نمی کنیم."

این نرم افزارهای جاسوسی مستقیماً روی رمزگذاری نهایی تا پایان تأثیر نمی گذارد و باعث می شود واتس اپ ها را مکالمه کنند و خصوصی شوند. این نرم افزار صرفاً از یک اشکال در نرم افزار واتس اپ به عنوان وسیله نقلیه عفونت استفاده می کرد. این بدافزار به جاسوسان اجازه می دهد تا کنترل تلفنی را از راه دور و به طرز حیرت انگیزی کنترل کنند. پس از نقض سیستم عامل تلفن ، رمزگذاری بی فایده است.

هکرها همیشه به دنبال نقص در برنامه ها و سیستم عامل ها هستند که می توانند از آنها برای ارائه نرم افزارهای جاسوسی سوء استفاده کنند. آژانسهای اطلاعاتی دولتی از جمله آژانس امنیت ملی ایالات متحده ده ها میلیون نفر روی آن سرمایه گذاری می کنند. در واقع ، تیم شکار اشکال در ProjectZero گوگل سال گذشته واتس اپ را به دنبال آسیب پذیری ها ریخت و به دنبال آسیب پذیری ها بود اما هیچ موردی پیدا نکرد. در عوض ، این تیم امنیتی واتس اپ بود که این نقص را پیدا کرد.

این تحولات در حالی صورت می گیرد که فیس بوک با ادغام WhatsApp ، Facebook Messenger و Instagram Direct و ارائه رمزگذاری سطح WhatsApp به سرویس پیام رسانی خود سه برابر شده است. این حمله بر توانایی فیس بوک در انجام چنین کاری تأثیر نخواهد گذاشت.

سخنگوی WhatsApp ، گفت: این بدافزار قادر است از طریق تماس های از دست رفته به تنهایی و تنها با استفاده از عملکرد تماس صوتی برنامه ، به تلفن های مختلف نفوذ کند. سخنگوی گفت ، تعداد ناشناخته ای از مردم - حداقل در ده ها نفر نادرست نیستند - به این بدافزار آلوده شدند که این شرکت در اوایل ماه مه کشف کرد.

جان اسکات-راتلتون ، محقق با نظارت بر آزمایشگاه Citizen Lab ، این هک را یک آسیب پذیری بسیار ترسناک خواند.

وی گفت: "هیچ کاری که کاربر بتواند در اینجا انجام دهد ، کوتاه از عدم داشتن پمپ وکیوم و نحوه کارکرد برنامه است." اکثریت قریب به اتفاق هک ها نوعی تعامل کاربر مانند کلیک بر روی یک لینک آلوده را شامل می شوند.

سخنگوی واتس اپ گفت که این نقص در حالی کشف شد که "تیم ما در تماس های صوتی ما چندین مورد امنیتی اضافی را قرار می داد." وی گفت: مهندسان دریافتند كه افرادی كه برای عفونت هدف قرار گرفته اند "ممكن است یك یا دو تماس را از شماره ای دریافت كنند كه برای آنها آشنا نیست. در فرایند تماس ، این كد ارسال می شود."

واتس اپ که بیش از 1.5 میلیارد کاربر دارد ، بلافاصله با Citizen Lab و گروه های مدافع حقوق بشر تماس گرفت ، به سرعت موضوع را برطرف کرد و یک پچ را بیرون کشید. وی گفت واتس اپ همچنین اطلاعاتی را در اختیار مقامات اجرای قانون آمریكا قرار داده است تا در تحقیقات آنها یاری دهند.

این جمعه ، 10 مارس 2017 ، عکس پرونده برنامه ارتباطات WhatsApp را در تلفن هوشمند ، در نیویورک نشان می دهد. WhatsApp می گوید آسیب پذیری در برنامه ارتباطات محبوب ، اجازه می دهد تلفن های همراه با یک تماس تلفنی درون برنامه به تنهایی آلوده به نرم افزارهای جاسوسی پیشرفته شوند. (عکس AP / پاتریک سیسون ، پرونده)
واتس اپ در بیانیه ای گفت: "ما عمیقا نگران سوء استفاده از چنین توانایی هایی هستیم."

اگرچه واتس اپ از همه کاربران خواست تا برنامه را از طریق تلفن های خود به روز کنند ، اما درصد کمی از این موارد خطر هدف قرار گرفتن توسط چنین بدافزارها را دارد.

NSO در بیانیه ای اعلام كرد كه این فناوری توسط سازمان های اجرای قانون و اطلاعات برای مبارزه با "جرم و ترور" استفاده می شود.

در این بیانیه آمده است: "ما هرگونه ادعای معتبر سوءاستفاده را بررسی می کنیم و در صورت لزوم ، ما از جمله خاموش کردن سیستم اقدام می کنیم." سخنگوی استفان پوست ، که شرکت خصوصی سهامش نوپالپینا اخیراً از خرید بخشی از NSO خبر داده بود ، به دنبال اظهار نظری ایمیل ارسال نکرد.

این افشاگری به سؤالاتی درباره دسترسی نرم افزارهای جاسوسی قدرتمند شرکت اسرائیلی می افزاید.

پیش از جدیدترین افشاگری WhatsApp ، جاسوس افزارهای NSO بارها و بارها برای هک کردن روزنامه نگاران ، وکلا ، مدافعان حقوق بشر و مخالفان مستقر شده بودند. نکته جالب توجه این جاسوسی در قتل وحشتناک روزنامه نگار سعودی جمال خاشقجی ، که سال گذشته در کنسولگری عربستان در استانبول متلاشی شد و پیکر وی تاکنون پیدا نشده است ، نقش بسته است.

چندین هدف ادعا شده برای جاسوس افزارها ، از جمله یکی از دوستان نزدیک خاشقجی و چندین شخصیت جامعه مدنی مکزیک ، در حال حاضر در حال شکایت از NSO در دادگاه اسرائیل به دلیل هک شدن این پرونده هستند.

روز دوشنبه ، عفو بین الملل - که سال گذشته اعلام کرد که یکی از کارمندان آن نیز با جاسوسی جاسوسی شده است - گفت که این کشور به یک پیشنهاد قانونی برای مجبور کردن وزارت دفاع اسرائیل برای مجبور کردن مجوز صادرات NSO می پیوندد.

این وکیل دادگستری به خبرگزاری آسوشیتدپرس گفت: این امر باعث می شود كه این آسیب پذیری به ویژه نگران کننده باشد زیرا یكی از اهداف وكیل حقوق بشر مستقر در انگلیس بود.

این وکیل دادگستری که به دلایل حرفهایش به شرط ناشناس ماندن صحبت کرده است ، گفت که وی طی چند ماه گذشته چندین تماس مشکوک از دست رفته را دریافت کرده است ، آخرین مورد در روز یکشنبه ، تنها ساعاتی قبل از واتس اپ به روزرسانی را برای کاربران برطرف می کند.

سلولهای خورشیدی ساخته شده از پروسکایت وعده زیادی برای آینده انرژی خورشیدی دارند. این ماده ارزان ، تولید آسان و تقریبا به همان اندازه سیلیکون است ، ماده ای که به طور سنتی در سلول های خورشیدی مورد استفاده قرار می گیرد. با این حال ، پروسکایت به سرعت تضعیف می شود ، و به شدت کارایی و ثبات آن را با گذشت زمان محدود می کند. محققان دانشگاه فناوری Eindhoven ، پژوهشکده انرژی DIFFER ، دانشگاه پکن و دانشگاه Twente کشف کرده اند که اضافه کردن مقدار کمی از فلوراید به پراسکایت ، یک لایه محافظ را رها می کند و باعث افزایش معنی دار پایداری مواد و سلولهای خورشیدی می شود. سلولهای خورشیدی پس از 1000 ساعت کار در شرایط آزمایش شدید شدید 90 درصد از راندمان خود را حفظ می کنند. این یافته ها امروز در مجله علمی پیشرو Nature Energy منتشر شده است.

از آنجا که ساخت آن ها بسیار ارزان است ، سلولهای خورشیدی پرکسکی در مرکز تحقیقات اخیر خورشیدی قرار داشته اند. در نتیجه ، کارآیی آنها از کمتر از 4 درصد در سال 2009 به بیش از 24 درصد در حال حاضر ، که نزدیک به سلول های سنتی سیلیکون است ، افزایش یافته است. سلول های به اصطلاح پشت سر هم ، که سلول های سیلیکون و پراوسکی را با هم ترکیب می کنند ، بیش از 28 درصد به بازده می رسند.

با وجود این موفقیت ، پروسکایت پمپ وکیوم خلاء به دلیل ماهیت مواد و نحوه تولید آن دارای نقایص متعددی است. با گذشت زمان ، جای خالی در ساختار اتمی هالید فلزی باعث تخریب پروسکایت تحت تأثیر رطوبت ، نور و گرما می شود.

لایه محافظ

محققان آیندگان ، تننته و پکن با افزودن مقدار کمی از فلوراید در فرایند تولید ، نوع جدیدی از پروسکایت را آزمایش کردند. درست مانند فلوراید موجود در خمیر دندان ، یونهای فلوراید یک لایه محافظ در اطراف کریستال تشکیل می دهند و از انتشار نقایص مضر جلوگیری می کنند.

Shuxia Tao ، استادیار مرکز تحقیقات انرژی محاسباتی ، یک مرکز مشترک گروه فیزیک کاربردی TU / e و DIFFER ، و همکار مؤسسه می گوید: " کار ما ثبات سلولهای خورشیدی پراکسکایت را به میزان قابل توجهی بهبود بخشیده است ." کاغذ. وی گفت: "سلولهای ما 90٪ از راندمان خود را بعد از 1000 ساعت در شرایط شدید نور و گرما حفظ می کنند. این چندین برابر طولانی تر از ترکیبات سنتی پراسکایت می باشد. "

فلوراید به دلیل داشتن خاصیت خاصیت الکتریکی بالا ، با تشکیل پیوندهای هیدروژن قوی و پیوندهای یونی بر روی سطح مواد ، شبکه پراوسکیت را تثبیت می کند.

بخش اعظم کار تیم از آیندهوون به این دلیل پرداخته است که چرا فلوراید یک ماده مؤثر در مقایسه با سایر هالوژن ها است. آنها با استفاده از شبیه سازی های رایانه ای نتیجه می گیرند که بخشی از موفقیت آن به دلیل کوچک بودن و قدرت بالای یون های فلوراید است. هرچه میزان الکترون پذیری یک عنصر بالاتر باشد ، الکترون عناصر همسایه را آسان تر می کند. این به یونهای فلوراید کمک می کند تا با سایر عناصر موجود در ترکیب پراسکیت پیوندهای محکمی برقرار کنند و یک لایه محافظ پایدار تشکیل دهند.

تحقیقات آینده

این مطالعه به عنوان گام مهمی در جهت اجرای موفقیت آمیز سلولهای خورشیدی پراوسکی در آینده دیده می شود. با این حال ، کار زیادی باید انجام شود. استاندارد طلا در صنایع خورشیدی میزان احتمالی حداقل 85 درصد از راندمان اصلی پس از ده تا پانزده سال است ، استانداردی که هنوز هم برای سلول های پرکوسیت فاصله دارد.

"ما انتظار داریم 5 تا 10 سال دیگر طول بکشد تا این سلول ها به یک محصول با دوام تجاری تبدیل شوند. ما نه تنها نیاز به بهبود بیشتر کارایی و ثبات آنها داریم بلکه باید درک نظری بهتری از مکانیسم های مربوطه در اتم کسب کنیم. ما هنوز پاسخی برای اینكه چرا بعضی از مواد در افزایش پایداری بلند مدت این سلول ها مؤثر هستند ، نداریم. "

در زیر وب سطح ، شکل عمومی اینترنت که روزانه از آنها برای بررسی ایمیل یا خواندن مقالات خبری استفاده می کنید ، یک "وب تاریک" پنهان وجود دارد. میزبان سایتهای ناشناس و محافظت از رمز عبور ، وب تاریک جایی است که بازارهای جنایی در تبلیغات و فروش اسلحه ، مواد مخدر و افراد قاچاق شکوفا می شوند. سازمان های اجرای قانون برای متوقف کردن این فعالیت ها بطور مداوم کار می کنند ، اما چالش های پیش روی آنها در تحقیق و پیگرد قانونی افراد واقعی در پشت کاربرانی که در این سایت ها ارسال می کنند بسیار زیاد است.

چارلی داگلی ، محقق گروه فناوری و سیستم های هوش مصنوعی آزمایشگاه MIT Lincoln ، می گوید: " ماهیت گسترده ای که در بازارهای تاریک وجود دارد ، ردیابی شرکت کنندگان و فعالیت های آنها را بسیار دشوار می کند." Dagli اشاره ای به نرخ سریع بسته شدن بازارهای وب تاریک دارد (زیرا آنها هک شده ، یورش می برند ، رها می شوند یا به عنوان "کلاهبرداری خروجی" تنظیم می شوند که در آن سایت بعد از پرداخت مشتری به منظور سفارشات غیرقابل اجرا ، عمداً خاموش می شود). آنها ظاهر می شوند عمر کوتاه این بازارها ، از چند ماه تا چند سال ، مانع تلاش برای شناسایی کاربرانشان می شود.

برای رفع این چالش ، آزمایشگاه لینکلن در حال توسعه ابزارهای نرم افزاری جدید برای تجزیه و تحلیل داده های سطحی و تاریک وب است.

این ابزارها از مزایای استفاده این مشکل شبیه به خال استفاده می کنند. فروشندگان اتصالات و خریداران در چندین لایه وب ، از سطح تا تاریک و در سراسر تالارهای وب تاریک نگهداری می کنند. داگلی می گوید: "این تعویض مداوم بین سایت ها اکنون جزئی از عملکرد بازارهای وب تاریک است."

کاربران دائماً پروفایلهای جدید ایجاد می کنند. اگرچه ممکن است آنها نام های مشابهی را از سایت به سایت دیگر استفاده نکنند ، اما اتصالات خود را با سیگنال دادن به یکدیگر از طریق محتوای خود زنده نگه می دارند. این سیگنال ها می توانند برای پیوند دادن شخصیتهای متعلق به همان کاربر در تالارهای وب تاریک و آشکارتر آن ، پیوند دادن شخصیتهای موجود در وب تاریک به شبکه سطحی جهت کشف هویت واقعی کاربر استفاده شوند.

پیوند دادن کاربران با وب تاریک همان کاری است که اجرای قانون در حال حاضر سعی در انجام آن دارد. مشکل این است که میزان داده هایی که برای دستیابی به آنها باید از طریق 500،000 پوند تلفنی و 2 میلیون آگهی جنسی که در ماه ارسال شده اند uff بسیار بزرگ و غیر ساختاری است برای آنها برای پیدا کردن سریع اتصالات. بنابراین ، تنها درصد کمی از موارد قابل پیگیری است.

برای خودکارسازی فرایند پیوند شخصیت ، آزمایشگاه لینکلن در حال آموزش الگوریتم های یادگیری ماشین برای محاسبه شباهت بین کاربران در انجمن های مختلف است. محاسبات مبتنی بر سه جنبه ارتباطات کاربران به صورت آنلاین است: "چگونه آنها را به دیگران معرفی می كنند ، چه می نویسند و چه كسی را با آنها می نویسند."

این الگوریتم برای اولین بار داده های کاربران را در یک Forum A داده شده تغذیه می کند و برای هر کاربر یک مدل نویسندگی ایجاد می کند. سپس داده های کاربران در Forum B علیه تمام مدل های کاربر از Forum A. اجرا می شود. برای یافتن مسابقات برای اطلاعات پروفایل ، این الگوریتم به دنبال سرنخ های سرراست است ، از جمله تغییر در املای نام کاربری مانند "sergeygork" در Forum A به "sergey gorkin" در Forum B یا شباهت های ظریف تر مانند "جو نایت" به "کابوس جوی".

ویژگی بعدی که سیستم به آن نگاه می کند شباهت محتوا است. این سیستم عبارات منحصر به فردی را انتخاب می کند - به عنوان مثال ، "سرگرمی در خورشید" - در تبلیغات متعدد استفاده می شود. Dagli می گوید: "نسخه کپی و چسباندن زیادی در حال انجام است ، بنابراین عبارت های مشابه ظاهر می شوند که احتمالاً از همان کاربر وجود دارد." سپس سیستم به دنبال شباهت هایی در شبکه کاربر است ، یعنی حلقه افرادی که کاربر با آنها در تعامل است و مباحثی که شبکه کاربر در مورد آنها بحث می کند.

مشخصات ، محتوا و ویژگی های شبکه سپس برای ارائه یك خروجی یك ذوب می شوند: نمره احتمال اینكه دو شخص از دو تالار گفتگو یك فرد واقعی زندگی را نشان می دهند.

محققان در حال آزمایش این الگوریتمهای پیوند شخصیتی با داده های توییتر و اینستاگرام منبع باز و داده های حقیقت زمینی با برچسب دستی از تالارهای وب تاریک بوده اند. تمام داده های مورد استفاده در این کار از طریق روش های مجاز بدست می آید. نتایج امیدوار کننده است. داگلی می گوید: "هر وقت یک مسابقه را گزارش می کنیم 95٪ از زمان را صحیح می کنیم. این سیستم یکی از بهترین سیستمهای پیوندی است که در ادبیات می توانیم پیدا کنیم."

این اثر جدیدترین پیشرفت در تحقیقات در حال انجام است. از سال 2014 تا 2017 ، آزمایشگاه لینکلن در برنامه Memex آژانس پروژه های تحقیقاتی پیشرفته دفاعی (DARPA) کمک کرده است. Memex منجر به مجموعه نرم افزاری برای تجزیه و تحلیل داده های سطحی و تاریک شد که با همکاری ده ها دانشگاه ، آزمایشگاه های ملی و شرکت ها توسعه داده شده است. ده فناوری آزمایشگاهی که متن ، گفتار و آنالیزهای بصری را که برای Memex ایجاد شده اند به عنوان نرم افزار منبع باز از طریق فهرست باز DARPA منتشر شدند.

امروزه بیش از 30 آژانس در سراسر جهان از نرم افزار Memex برای انجام تحقیقات استفاده می کنند. یکی از بزرگترین کاربران و یکی از ذینفعان در توسعه Memex ، واحد پاسخ به قاچاق انسان (HTRU) در دادستانی ولسوالی منهتن است.

سیروس ونس جونیور دادستان ناحیه منهتن در یک شهادت کتبی به نمایندگان مجلس ایالات متحده اظهار داشت که دفتر وی از ابزارهای Memex برای نمایش بیش از 6000 بازداشت به نشانه قاچاق انسان در سال 2017 استفاده کرده است. وی اظهار داشت: "ما همچنین از Memex در 271 تحقیقات قاچاق انسان و در شش کیفر جدید از قاچاق جنسی که در سال 2017 آورده شده بود استفاده کردیم." با معرفی Memex ، دستگیری های فحشا به نمایش گذاشته شده توسط HTRU برای نشانگرهای قاچاق انسان از 5 به 62 درصد افزایش یافت ، و تحقیقات در مورد بازداشتهای مربوط به روسپیگری پلیس Police نیویورک از 15 به 300 در سال افزایش یافت.

جنیفر دول ، معاون رئیس HTRU ، از آزمایشگاه بازدید کرد تا چگونگی بهره برداری این واحد از این فناوری ها را ارائه دهد. دول می گوید: "ما هر روز از این ابزارها استفاده می كنیم. آنها واقعاً نحوه انجام كار را در دفتر خود تغییر داده اند."

در حال حاضر ، ابزارهای Memex به HTRU این امکان را می دهند تا به سرعت موارد ظهور را بهبود ببخشد و تحقیقات مربوط به قاچاق جنسی را از راهکارهایی انجام دهد که اطلاعات کمی در این زمینه دارند. به عنوان مثال ، این ابزارها - از جمله ابزاری به نام TellFinder (ساخته شده توسط نرم افزار Memex kontribut Uncharted) برای فهرست بندی ، جمع بندی و جستجوی داده های آگهی جنسی - برای شناسایی بیشتر قربانیان زیر سن از داده ها در یک تبلیغات آنلاین روسپیگری استفاده شده است. دول می گوید: "این تحقیقات تحقیقاتی اضافی به HTRU اجازه می دهد تا قاچاقچیان را به اتهام خشونت علیه مجازات کند و این متهمان را به خاطر ماهیت واقعی جنایاتی که علیه قربانیان آسیب پذیر مرتکب شده اند ، محاکمه کند."

محققان در حال یادگیری چگونگی تكنولوژی فن آوری های نوظهور می توانند متناسب با آنچه كه آژانس ها نیاز دارند و چگونگی عملكرد وب تاریك را انجام می دهند ، ادامه دهند. لین لی یکی از محققان اصلی این کار مداوم در برنامه آزمایشگاههای Human Dark Dynamic Dark Networks (آزمایشگاه انسانی Human Dynamic Dark Networks) ، می گوید: "یادگیری ماشینی مبتنی بر داده ها به ابزاری مهم برای اجرای قانون برای مقابله با بازارهای غیرقانونی آنلاین در وب تاریک تبدیل شده است." دفتر فناوری آزمایشگاه. "اما ، برخی از چالش ها و زمینه های تحقیقاتی در حال حاضر شامل گسترش درک ما از اقتصاد تقاضا ، مختل کردن اقتصاد عرضه و به دست آوردن آگاهی کلی وضعیتی بهتر است."

درک بهتر چگونگی عملکرد زنجیره های پمپ وکیوم عرضه و تقاضا در اقتصاد تاریک به تیم کمک می کند تا فن آوری هایی را برای ایجاد اختلال در این زنجیره ها توسعه دهد. بخشی از هدف افزایش خطر شرکت در این اقتصاد غیرقانونی است. پیوند شخصیتها در وب تاریک با کسانی که در سطح وب هستند یک تاکتیک بالقوه قدرتمند است.

جوزف کمپبل ، رهبر فناوری هوش مصنوعی می گوید: "این اقتصاد غیرقانونی به سرعت در حال رشد توسط دارپا برای تأمین مالی فعالیت های تروریستی نشان داده شده است و HTRU به عنوان محرک برده داری مدرن نشان داده است. دفاع از تروریسم و از بین بردن برده داری یک نیاز ملی و بشردوستانه است." و گروه سیستم. "گروه ما دارای تخصص فوق العاده ای در زمینه هوش مصنوعی ، یادگیری ماشینی و تجزیه و تحلیل شبکه های انسانی بر اساس اطلاعاتی است که از گفتار چند زبانه ، متن و فیلم به دست آمده با ارتباطات و فعالیت های شبکه در کنار هم قرار گرفته است. فن آوری های پیشرفته ای که ما ایجاد می کنیم ، توسعه و پیشرفت به حامیان مالی ما منتقل می شود ، که روزانه از آنها با تأثیر فوق العاده ای برای این نیازهای ملی و بشردوستانه استفاده می کنند. "

از آنجا که اصطلاحات "یادگیری ماشین" به محبوبیت خود ادامه می دهد ، صنایع بیشتری برای پاسخ به سؤالات مهم از جمله زمینه های پرمحتوا مانند مراقبت های بهداشتی ، مالی و عدالت کیفری به الگوریتم های رایانه می روند. در حالی که این روند می تواند منجر به پیشرفت های اساسی در این قلمروها شود ، همچنین وقتی الگوریتم یادگیری ماشین یک اصطلاح "جعبه سیاه" است می تواند منجر به مشکلات اساسی شود.

جعبه سیاه یک برنامه یادگیری ماشینی پمپ وکیوم خلاء است که چگونگی نتیجه گیری خود را توضیح نمی دهد ، یا به این دلیل که درک یک انسان بسیار پیچیده است یا به دلیل اینکه کار درونی آن اختصاصی است. در پاسخ به نگرانی هایی مبنی بر اینکه ممکن است این نوع مدل ها شامل کارهای داخلی ناعادلانه - از جمله نژاد پرستی - روند رو به رشد دیگری ایجاد مدل های اضافی برای "توضیح" این جعبه های سیاه باشد.

در یک سرمقاله جدید که در Nature Machine Intelligence منتشر شده است ، سینتیا رودین ، استادیار علوم کامپیوتر ، مهندسی برق و کامپیوتر ، ریاضیات و علوم آماری در دانشگاه دوک ، استدلال می کند که مدل های جعبه سیاه باید برای تصمیم گیری های پر مخاطره رها شوند. او می گوید ، حتی وقتی مدل های به اصطلاح توضیحی ایجاد می شوند ، تصمیم گیرندگان باید مدل های قابل تفسیر را انتخاب کنند که کاملاً شفاف بوده و به راحتی توسط کاربران آن قابل درک است.

مدل های قابل توضیح اشتباه است

مدلهای یادگیری ماشینی "قابل توضیح" در تلاش برای درک آنچه در داخل جعبه سیاه اتفاق می افتد ساخته شده است. اگر بتواند همان نتایج را به دست آورد ، مردم تصور می کنند این یک بازنمایی دقیق است.

اما اینطور نیست.

الگوریتم های قابل توضیح توضیحاتی را ارائه می دهند که نادرست هستند و در غیر این صورت ، کارهای داخلی پیچیده جعبه سیاه غیر ضروری خواهد بود. در حالی که یک مدل توضیحی ممکن است نتایج مشابه یا حتی دقیق را به الگوریتم جعبه سیاه سیاه تولید کند ، راهی وجود ندارد که بدانیم از پارامترهای مشابه استفاده می کند یا خیر.

رودین می گوید: "اگر یک دهم توضیحات اشتباه است ، نمی توانید به توضیحات اعتماد کنید ، بنابراین نمی توانید به جعبه سیاه اصلی اعتماد کنید." "اگر ما به طور مشخص نمی توانیم بدانیم که آیا توضیحات ما صحیح است ، نمی توانیم بدانیم که آیا به توضیحات یا مدل اصلی اعتماد داریم."

بیشتر برابر بهتر نیست

افراد معمولاً فرض می کنند که فقط به دلیل پیچیده بودن الگوریتم یادگیری ماشین ، دقیق تر از یک الگوی ساده است. اما این عقیده بی اساس است.

به عنوان مثال ، رودین و همكاران اولی آنجلینو ، مارگو سلتزر ، نیكلاس لاروس استون و دانیل آلابی یك الگوی قابل تفسیر ساده برای عود كیفیت مبتنی بر تنها سن ، جنس و سوابق قبلی ایجاد كرده اند. نه تنها از سه قانون ساده پیروی می کند که هر کس می تواند آن را درک کند ، بلکه احتمال دستگیری های آینده را نیز پیش بینی می کند و همچنین برنامه جنجالی "COMPAS" ، که به طور گسترده در سیستم دادگستری ایالات متحده به کار رفته است. و علاوه بر اینکه جعبه سیاه است که بسیاری از آنها مظنون به تعصب نژادپرستانه هستند ، COMPAS از بیش از 130 قطعه اطلاعات برای تهیه پیش بینی های خود استفاده می کند ، که این یک مشکل اساسی در مورد خودش است.

رودین می گوید: "اگر افرادی که وارد این داده ها می شوند ، فقط یک درصد از خطا را تایپوگرافی کنند ، پس از هر 2 نظرسنجی به طور میانگین بیش از 1 حداقل یک اشتباه خواهد داشت." "به علاوه ، یک مدل جعبه سیاه بسیار پیچیده ممکن است بدون این که کسی متوجه آن شود نقص داشته باشد ، زیرا رفع عیب آن دشوار است."

مثال Propublica

ProPublica به تازگی الگوریتم جعبه سیاه recidivism COMPAS را به تعصب نژادی متهم کرده است زیرا آنها یک مدل قابل توضیح بر اساس نژاد ایجاد کرده اند که تولید کننده نتایج COMPAS است. اما از آنجا که فشارهای اجتماعی یک سیستم عدالت کیفری ایجاد کرده اند که تاریخ و سن جنایی با نژاد در هر مجموعه داده با هم مرتبط هستند ، جعبه سیاه COMPAS واقعی ممکن است فقط به دو متغیر اول تکیه کند. اما پس از آن دوباره ، می تواند همانطور که ProPublica ادعا می کند ، از نژاد به عنوان عاملی استفاده کند. مشکل این است که گفتن آن غیرممکن است زیرا COMPAS یک جعبه سیاه اختصاصی است که هیچ کس جز صاحبان آن نمی تواند به آن بپردازد.

رودین همچنین به چندین نمونه مشکل ساز معاصر دیگر اشاره می کند. جعبه سیاه اختصاصی BreezoMeter به کاربران در کالیفرنیا گفت که کیفیت هوا مطابق با چندین مدل دیگر کیفیت هوا کاملاً خوب است. یک مدل یادگیری ماشینی که برای خواندن اشعه ایکس طراحی شده بود ، بر روی کلمه "قابل حمل" در یک تصویر با اشعه ایکس انتخاب می شد و نوع تجهیزات اشعه ایکس را به جای محتوای پزشکی تصویر نشان می داد ، و بنابراین نتیجه گیری های بد را گزارش می داد.

رودین می گوید: "در استفاده از مدل های جعبه سیاه برای تصمیم گیری های بسیار زیاد تضاد مسئولیت وجود دارد. شرکت هایی که از این مدل ها سود می برند ، لزوماً مسئول کیفیت پیش بینی های فردی نیستند." وی ادامه داد: "یک زندانی که به دلیل خطای وارد شده در یک ریسک بیش از حد پیچیده ، حکم بیش از حد طولانی را تحمل می کند ، ممکن است سالها متحمل شود ، در حالی که شرکتی که این مدل را ساخته ، از پیچیدگی و مناسب بودن آن سود می برد. به این معنا ، طراحان مدل مشوق نیستند. در طراحی ، عملکرد و سهولت استفاده از آن دقت کنید. اینها همان نوع مشکلاتی است که بر آژانس های رتبه بندی اعتباری تأثیرگذار است که در سال 2008 قیمت وام ارائه داده اند. "

رودین می گوید: "من امیدوارم که مردم در مدل های قابل توضیح خطرات را درک کنند و به هیچ وجه به جعبه های سیاه احتیاج ندارند. آنها می توانند از مدل هایی استفاده کنند که کاملاً قابل تفسیر باشند." "من می خواهم سیستمی را ببینم که در آن هیچ الگوریتمی از جعبه سیاه برای تصمیمی با ریسک بالا استفاده نشود ، مگر اینکه الگوی تفسیری دقیقاً دقیقی وجود نداشته باشد. من در بسیاری از برنامه های مختلف کار کرده ام: مراقبت های پزشکی ، انرژی ، ریسک اعتباری ، عود مجرمانه ، دید رایانه — و من هیچ وقت برنامه ای پیدا نکردم که جعبه سیاه در واقع مورد نیاز باشد. "

محققان دانشگاه كاتولیك پونتیك ریو گراند دو سول اخیراً تحقیقی را با هدف ارزیابی برداشت مردم از ویژگی های هندسی ، شخصیت ها و احساسات ارائه شده در توالی های ویدئویی با انسانهای مجازی انجام داده اند. مطالعه آنها ، در مقاله ای که از قبل در مورد arXiv منتشر شده است ، ابزارهای علوم رایانه را با شیوه های تحقیق روانشناسی ادغام کرد.

محققان از طریق ایمیل به TechXplore گفتند: "کار اخیر ما بخشی از یک پروژه بزرگتر با همکاری بخش روانشناسی در دانشگاه ما است." "ایده اصلی بررسی عواطف ، شخصیت ها و جنبه های فرهنگی در عابران پیاده و جمعیت از توالی های ویدئویی است. در زمینه مقاله حاضر ، این تحقیق شامل ادراک از این نیاز ناشی می شود که بدانیم آیا کاربران می توانند احساسات و شخصیتها را در شخصیتهای مجازی درک کنند یا خیر. و اگر موقعیت دوربین یا نوع شخصیت می تواند در درک آنها تأثیر بگذارد. "

محققان برای آزمایش های خود ، مجموعه ای از داده ها را که شامل پرونده های ردیابی عابران اسیر شده در فیلم های خودجوش است ، تنظیم کرده و انسان ها را در این فیلم ها به شخصیت های مجازی یکسان تبدیل می کنند. هدف آنها ارزیابی این بود که آیا افرادی که این فیلم را تماشا کرده اند می توانند به جای اینکه از ویژگی های دیگر منحرف شوند ، بر رفتار انسانهای مجازی در فیلم ها تمرکز کنند.

از 73 شرکت کننده خواسته شد تا در مورد ویژگی های هندسی مانند مسافت یا سرعت و همچنین در مورد احساسات و شخصیت های شخصیت های مجازی در فیلم ها به سؤالات پاسخ دهند. در نهایت ، هدف پژوهشگران این بود که ارزیابی کنند آیا افراد می توانند ویژگی های هندسی و همچنین عواطف و شخصیت های خود را هنگام عابران پیاده در فیلم ها توسط انسانهای مجازی درک کنند یا نه .

محققان توضیح دادند: "انگیزه اصلی مطالعه ما ارزیابی حوزه شخصیت و تشخیص احساسات در سکانس های ویدئویی بود ، یعنی می خواستیم بدانیم که آیا افراد به صورت کیفی آنچه را می توان در توالی های ویدیویی تشخیص داد درک می کنند." "ما درک مردم از صحنه های شبیه سازی شده را در یک محیط 3 بعدی نشان داده شده از طریق پرسشنامه با سؤالاتی درباره خصوصیات هندسی ، شخصیت ها و احساسات ارزیابی کردیم."

مقادیر هر یک از ابعاد OCEAN (مدل شخصیت) حاصل از عامل مجازی که با رنگ قرمز مشخص شده است. اعتبار: Araujo و همکاران.
فیلم های مورد استفاده محققان با استفاده از یک بیننده 3 بعدی ساخته شده است که ویژگی های خاصی را در مجموعه داده های فیلم های عابر پیاده با نام های فرهنگی شکسته شبیه سازی می کند. به شرکت کنندگان این شبیه سازی ها نشان داده شد و از آنها خواسته شد در هر فیلم فردی ویژگی های خاصی را حدس بزنند.

آنالیزهای انجام شده توسط محققان به دو بخش تقسیم شده است. ابتدا محققان درک شرکت کنندگان از ویژگی های هندسی مانند تراکم ، تغییر زاویه ای ، مسافت و سرعت را ارزیابی کردند ، سپس درک آنها را به احساسات و شخصیت ارزیابی کردند.

محققان گفتند: "ارزیابی ما از نتایج جمع آوری شده این بود که دیدگاه ها واقعاً در برداشت مردم دخالت می کنند." "با مطالعات بیشتر ، این امر می تواند در درک ادراک چگالی بالا از رویدادهای شلوغ بزرگ ، یا درک رویدادهای پیچیده (موقعیت های وحشت ، انتقال احساسات و غیره) از طریق دیدگاه های مختلف ، از جمله موارد دیگر کمک کند."

محققان مشاهده كردند كه حتي اگر شخصيت ها و احساسات بيان شده توسط عوامل مجازي را فاش نكردند و چگونگي محاسبه آنها را توجيه نمي كردند ، شركت كنندگان به طور كلي قادر به درک و شناسايي آنها بودند ، شايد با نگاه به ويژگي هاي هندسي. مطالعه آنها بینش جالبی از چگونگی درک انسان از ویژگی های هندسی ، عواطف و شخصیت ها در موقعیت های دنیای واقعی ، مانند جاده ، ارائه می دهد.

محققان گفتند: "فرضیه اصلی ما این است که عابران پیاده بر اساس ویژگیهای ذاتی درونی خود مانند شخصیت ، احساسات و جنبه های فرهنگی رفتار می کنند و این جنبه ها را می توان از نظر رفتارهای جسمی و هندسی مشاهده کرد." "ما قصد داریم به کار خود در این جهت ادامه دهیم ، آنالیزها و مطالعات جدیدی را انجام می دهیم که رفتارهای عابر پیاده را در جمعیت بیشتر کشف می کند."