همکاری اپل و گوگل برای ترسیم و ردیابی ارتباط افراد

همکاری اپل و گوگل برای ترسیم و ردیابی ارتباط افراد و اجرای طرح Contact Tracing

اپل و گوگل دو غول دنیای تکنولوژی با همکاری یکدیگر درحال توسعه‌ی سیستمی هستند که از طریق سیگنال بلوتوث در صورت نزدیک‌بودن به فردی که مبتلا به کووید ۱۹ است، برای گوشی هوشمند شما هشدار بفرستد.

در آغاز سال ۲۰۲۰ میلادی تصور اینکه همه باید اپلیکیشن خاصی را نصب کنند تا ملاقات‌های ما با دیگر افراد را ثبت و ضبط کند، اگر مضحک به‌نظر نمی‌آمد، قطعا نگران‌کننده بود. امروز اما، با گسترش چشمگیر ویروس کووید ۱۹ در ایالات‌متحده، احتمال به‌کارگیری چنین نظارتی به‌عنوان تنها راه کلیدی بازگشت جامعه به حالت عادی بیش‌از پیش قوت گرفته است.

طرح پیشنهادی این است که با استفاده از گوشی‌های هوشمند ملاقات افراد را به‌صورت دیجیتال رهگیری کنند. این تکنیک برای اولین‌بار در مقاله‌ی مهمی که توسط محققان دانشگاه آکسفورد در ژورنال معتبر Science (بخوانید ساینس) به‌چاپ رسیده، توصیه شده است. حتی سازمان حفاظت از اطلاعات اروپا (EDPS) نیز از ارائه‌ی یک اپلیکیشن مختص اتحادیه‌ اروپا پشتیبانی کرده است. بعد از موفقیت کشورهای سنگاپور و کره‌جنوبی در مقابله با شیوع کووید ۱۹ که در برنامه‌ی مدبرانه‌ی خود از اپلیکیشن‌های ردیابی ملاقات (Contact Tracing) استفاده کرده بودند، دولت‌های فرانسه و بریتانیا نیز از طریق سرویس سلامت ملی (NHS) درحال توسعه‌ی اپلیکیشن رهگیری اختصاصی خود هستند. رئیس مرکز کنترل و پیشگیری بیماری آمریکا (CDC) گفته است این روش، درست مثل دیگر پروژه‌هایی که در ایالات‌متحده ارائه‌شده، تحت ارزیابی عمیق قرار گرفته است و نتایج آن به‌زودی اعلام خواهد شد.

همکاری بی‌سابقه‌ی شرکت‌های اپل و گوگل در این طرح، روی زیرساخت‌های هم‌کنش‌پذیر یکدیگر از دو هفته پیش آغاز‌شده است و در جمعه‌ی گذشته اخبار این همکاری انتشار یافت. طبق اخبار منتشرشده قرار است یک اپلیکیشن قدرتمند ردیابی و ترسیم ملاقات افراد با پتانسیل پشتیبانی در سراسر جهان تهیه شود.

 

 

منظور از ردیابی تماس یا ملاقات افراد چیست؟

طرح کانتکت تریسینگ یا همان ردیابی تماس یا ملاقات افراد واضح است. وقتی فردی بیمار باشد، کادر درمان و سلامت باید بدانند که این شخص اخیرا با کدام افراد در تماس بوده است تا از این طریق آن‌ها را پیدا کنند و با انجام تست تشخیص بیماری کووید ۱۹ از سلامت آن‌ها مطمئن شوند. همچنین، اگر لازم بود این افراد را برای مدتی قرنطینه کنند تا از شیوع بیماری به دیگران جلوگیری شود.

در دهه‌های گذشته جمع‌آوری اطلاعات درباره‌ی رفت‌وآمدهای بیماران نیازمند مصاحبه‌های طولانی و خسته‌کننده بود. برای مثال، در ردیابی بیماران آلوده به ایدز، ابولا و سرخک کادر سلامت موظف بودند با آژانس‌های هواپیمایی و مدیران رستوران‌ها تماس بگیرند، سوابق هتل‌ها را بررسی کنند تا از این طریق تمام افرادی که در تماس با فرد بیمار قرار گرفتند را شناسایی کنند و تحت نظارت قرار دهند.

چالشی که برای طرح ردیابی ملاقات افراد در روش سنتی وجود دارد زمان‌بر بودن آن است و تکمیل هر پرونده می‌تواند چندین روز طول بکشد. طبق گزارش‌های سازمان جهانی بهداشت (WHO)، در ووهان چین بیشتر از ۹,۰۰۰ اپیدمیولوژیست برای انجام این طرح غربالگری در تیم‌های پنج نفره به‌کار گرفته شدند. آخرین نمودارها نشان می‌دهند که حدود ۸۳,۰۰۰ مورد تأییدشده کووید ۱۹ در چین ثبت شده است. درحال حاضر، روزانه ده‌ها هزار مورد جدید در ایالات‌متحده شناسایی می‌شوند. یک مدیر سابق مرکز کنترل و پیشگیری بیماری آمریکا گفته است برای غربالگری مؤثر از طریق ردیابی تماس مردم نیاز مبرم به یک ارتش ۳۰۰,۰۰۰ نفری خواهیم داشت.

در این موقعیت است که کارگاه‌بازی دیجیتالی وارد می‌شود و به شما این امکان را می‌دهد تا با استفاده از اپلیکیشن‌های ردیابی به‌سرعت افراد را ردیابی کنید. هرکسی که با فرد آلوده در تماس بوده، برای مثال در یک آسانسور قرار گرفته، در یک دفتر هم‌زمان حضور داشته، سوار یک اتوبوس یا قطار شده است، پیامی دریافت می‌کند که چگونه مورد بررسی کادر سلامت قرار خواهد گرفت. در یک نظرسنجی در بریتانیا، حدود سه‌چهارم پاسخ‌دهندگان موافق نصب چنین برنامه‌ای روی گوشی‌های هوشمند خود بودند.

درحال حاضر، اکثر ایالات‌متحده تحت فرمان «در خانه بمانید» هستند، زیرا مشخص نیست که چه کسی دارای بیماری کووید ۱۹ هست؛ بنابراین برای حفظ سلامت خود باید فرض کنیم هر فردی ناقل بیماری است. مسئولان محلی در سانفرانسیسکو و ماساچوست در تلاش هستند تا ظرفیت‌های ردیابی تماسی خود را به نهایت توان برسانند؛ اما طبق گفته‌ی کارشناسان اکنون بخش‌های زیادی از کشور آمریکا امکان ردیابی دقیق مسیر انتقال ویروس را از دست داده‌اند.

اگرچه ترکیب مؤثر ردیابی و آزمایش همگانی در کنترل کووید ۱۹ بعد از پایان فاصله‌گذاری اجتماعی بسیار اهمیت دارد؛ اما برای بازگشت دوباره‌ی مردم به زندگی اجتماعی عادی، ما باید به شناسایی و آزمایش افراد به‌صورت مداوم ادامه دهیم تا در صورت لزوم و آلودگی آن‌ها به ویروس، این افراد را در قرنطینه‌ی انفرادی نگه‌داری کنیم. شناسایی افراد مبتلا از افراد سالم باعث می‌شود بتوانیم افراد آسیب‌پذیر را جدا کنیم تا در معرض بیماری قرار نگیرند. بدین ترتیب جامعه می‌تواند به‌تدریج و تحت شرایط مراقبت بهداشتی به فعالیت‌های اقتصادی خود بپردازد و زندگی عادی دوباره جریان پیدا کند.

نخستین گام برای ردیابی ملاقات مؤثر افراد این است که اکثر اعضای جامعه این شیوه را بپذیرند و در آن مشارکت داشته باشند

دیوید بونسال، محقق آکسفورد که یکی از نویسندگان مقاله‌ی منتشرشده در ژورنال ساینس است، «اکثریت اعضای جامعه» را حدود ۶۰ درصد جمعیت یک کشور می‌داند. از سویی دیگر طبق آمارها ۸۰ درصد جمعیت آمریکا دارای گوشی هوشمند هستند؛ اما سؤال این است که چطور می‌توان سه‌چهارم از این افراد را قانع کرد تا به‌طور مداوم موقعیت مکانی خود را به‌اشتراک بگذارند؟

ورود اپل و گوگل برای اجرای این طرح باتوجه به اینکه برخلاف استارتاپ‌ها، شرکت‌های خصوصی و دانشگاه‌ها کاربران عظیمی دارند، فرایند را بسیار آسان خواهد کرد. تنها از طریق یک به‌روزرسانی نرم‌افزاری می‌توان ۳ میلیارد کاربر گوشی‌های هوشمند را در سراسر دنیا تحت ردیابی تماس قرار داد.

چیزی نمانده است که زنگ خطر در سراسر دنیا به‌صدا درآید؛ اما رضایت‌دادن به چنین نظارت جهانی کاملا با تمام آنچه تاکنون درباره‌ی حفاظت از داده‌ها و پاک‌سازی صحیح آن‌ها آموخته‌ایم، مغایرت دارد. سطح اعتماد به ابزار فناوری قبل از شیوع کووید ۱۹ سیر نزولی به‌خود گرفته بود. در بدترین حالت، کارشناسان حوزه‌ی حریم خصوصی نگران ایجاد ساختاری برآمده از اطلاعات ردیابی تماس افراد، برای نظارت تهاجمی‌تر در آینده هستند و احتمال می‌دهند از این طریق هنجارهایی ایجاد شوند که دیگر قابل برگشت نباشند.

درنظر داشته باشید که گوگل وقتی صحبت از صداقت درباره‌ی استفاده از اطلاعات موقعیت مکانی کاربران به‌میان می‌آید خود را الگوی دیگر شرکت‌ها می‌داند و در این زمینه به‌خود افتخار می‌کند. اما، وزارت امنیت میهنی ایالات‌متحده‌آمریکا (US Department of Homeland Security) گزارش داده است که اطلاعات مربوط به موقعیت مکانی تلفن‌های همراه را از شرکت‌های خصوصی خریداری کرده و برای تشخیص مهاجران غیرقانونی ثبت‌نشده توسط سازمان اجرای مهاجرت و گمرک ایالات‌متحده (Immigration and Customs Enforcement) به‌کار گرفته شده است.

 

 

رویکرد کشورهای مختلف در استفاده از فناوری و کنترل شیوع بیماری

کره‌جنوبی سیستمی را تدارک دیده است که با کمک اطلاعات افراد مبتلا به کووید ۱۹ که شامل نام‌خانوادگی، سن و آخرین موقعیت مکانی آن‌ها می‌شود، به موبایل دیگر افراد نزدیک آن‌ها هشدار ارسال می‌کند. دربرخی نواحی چین، با استفاده از یک الگوریتم مات در ساختار اپلیکیشن کیف پول Alipay میزان آسیب‌پذیری سلامت افراد را ارزیابی می‌کنند که به‌نوبه‌ی خود توانایی آن‌ها را برای استفاده از وسایل نقلیه‌ی عمومی تشخیص می‌دهد.

شرکت‌های پیشرو در جمع‌آوری داده‌های مکانی که در آمریکا فعالیت می‌کنند، داده‌های خود را به‌صورت ناشناس و گروهی طبقه‌بندی می‌کنند. برای مثال، بسیاری از اپلیکیشن‌ها مثل Google Maps که توسط شرکت‌هایی نظیر فیسبوک، گوگل و فوراسکوئر منتشرشده، اطلاعات شخصی کاربران را ذخیره نمی‌کنند. مرکز کنترل و پیشگیری بیماری آمریکا و فرمانداری‌ها اعلام کردند که با استفاده از این داده‌ها تراکم جمعیت در نواحی مختلف را رصد می‌کنند؛ اما این داده‌ها موقعیت‌های مکانی اشخاص را در اختیار آن‌ها قرار نمی‌دهد.

جِی استنلی، تحلیلگر ارشد سیاست سازمانی در سخنرانی خود در پروژه‌ی «فناوری و حریم خصوصی» در اتحادیه آزادی‌های شهروندی آمریکا (ACLU) گفت: «چاره‌ای نیست که برخی آزادی‌های مدنی در دورانی که سلامت عمومی این گونه در خطر است دستخوش تغییر قرار گیرد؛ اما باید این تغییرات در آزادی شهروندان کاملا ضروری، تأثیرگذار و متناسب باشد.»

از آنجایی که استفاده از داده‌های مکانی GPS اطلاعات زیادی را مخابره می‌کند، راه‌حل امنی که طرح‌های مشابه مثل Covid Watch و PEPP-PT اصرار به آن دارند استفاده از بلوتوث است. سیستم این اپلیکیشن‌ها طوری طراحی شده است که به‌صورت ناشناس و مداوم سیگنال‌هایی را از طریق بلوتوث ارسال می‌کند و دیگر گوشی‌های نزدیک این سیگنال‌های منحصربه‌فرد را دریافت و ذخیره خواهند کرد و سپس سیگنال خود را مخابره می‌کنند. این سیگنال‌ها همیشه تغییر می‌کنند تا امنیت اطلاعات کاربر نسبت به مهاجمان حفظ شود. این نقل‌وانتقال پیشینه‌ای از دو گوشی همراه نزدیک یکدیگر خواهد ساخت که فقط برای همان دو دستگاه قابل شناسایی است.

اگر شخصی آزمایش تشخیص کووید ۱۹ مثبت داشته باشد، کادر درمان می‌توانند از بیمار درخواست کنند تا پیشینه‌ی ثبت‌شده در گوشی همراه خود را در دسترس آن‌ها قرار دهد. سپس، با ارسال آن روی سرور و مخابره‌ی پیشینه‌ی ضبط‌شده برای تمام گوشی‌های اطراف، افرادی که اطلاعات مشابه با گوشی فرد مبتلا را روی گوشی خود دارند، هشداری دریافت خواهند کرد که اخیرا با فردی که مبتلا به ویروس بوده است، برخورد داشته‌اند. این هشدار ممکن است آن‌ها را تشویق کند که برای آزمایش تشخیص کووید ۱۹ اقدام کنند.

Contact Tracing

 

 

 

همکاری اپل و گوگل

اپل و گوگل ابتدا یک API (رابط نرم‌افزاری) همکنش‌پذیر روی دو سیستم‌عامل اندروید و آی‌او‌اس برای ردیابی تماسی مبتنی بر بلوتوث روی اپلیکیشن‌های سلامت عمومی معرفی خواهند کرد. انتظار می‌رود این اپلیکیشن تا اواخر اردیبهشت ماه آماده شود، سپس آن‌ها می‌توانند قابلیت ردیابی تماسی خود را روی سیستم‌عامل اختصاصی‌شان اضافه کنند. اما، این موضوع ماه‌ها طول خواهد کشید و برای بازدهی مناسب، به یک اپلیکیشن سلامت عمومی با قابلیت‌های بسیار گسترده نیاز دارد.

البته، بلوتوث ضعف‌هایی نیز دارد. برای مثال، نمی‌تواند میزان انتقال ویروس از طریق سطوح را اندازه‌گیری کند یا ممکن است اطلاعات نادرست درباره مواجه اشخاص ثبت کند. زیرا در ثبت پیشینه‌ی نزدیکی افراد عوامل زیادی دخیل هستند. برای مثال، محدوده‌ی سیگنال بلوتوث و مدت زمانی‌که اپلیکیشن تشخیص دهد دو نفر به یکدیگر نزدیک شدند تا آن را یک برخورد یا ملاقات ثبت کند، از جمله عوامل مؤثر به‌شمار می‌روند.

 

اهمیت حریم خصوصی در همکاری اپل و گوگل

از نظر حریم خصوصی، ایده‌ی کلیدی این طرح مدعی است که هیچ اطلاعاتی درباره‌ی مکان و زمان دقیق حضور شما در جایی ثبت نخواهد شد. تنها چیزی که از این اطلاعات می‌توان دانست، برخورد یا عدم برخورد شما با فردی است که در ۱۴ روز گذشته تست مثبت کووید ۱۹ داشته است؛ همچنین هیچ اطلاعاتی درباره‌ی اینکه آن فرد مبتلا چه کسی است، مشخص نمی‌شود. این اپلیکیشن از کاربر دسترسی خواهد گرفت و اطلاعاتی را که به سرور مرکزی می‌فرستد، محدود می‌کند. طبق بیانیه‌ی اپل و گوگل، آن‌ها نیز به جزئیات مشخصات افراد دسترسی ندارند و در همین راستا اطلاعات فنی لازم را برای بررسی کارشناسان به‌صورت آنلاین و پیش‌از عرضه‌ی اپلیکیشن، منتشر کرده‌اند. درواقع، این مسئله که دو غول دنیای گوشی‌های هوشمند چنین ساختاری را ایجاد کردند باعث‌شده هر شرکت غیردولتی یا سازمان علمی یا حتی دپارتمان دولتی سلامت نیز تشویق شود تا در این طرح مشارکت کند.

 

 

چالش‌های پیش‌رو در همکاری اپل و گوگل

اعلامیه‌ی اپل و گوگل دو چالش مهم را مطرح می‌کند: ردیابی تماسی برای اکثر افراد جامعه قابل دسترسی باشد و عادات استوار حریم خصوصی نهادینه شود. البته، میزان استقبال و مشارکت مردم در این سیستم و استفاده از اپلیکیشن سلامت عمومی هنوز مشخص نیست و این مورد نیز می‌تواند به‌عنوان یک چالش تلقی شود.

اپل و گوگل احتمالا تاکنون اطلاعات جزئی‌تری از داده‌های موقعیت مکانی ما ذخیره کرده‌اند و نیازی به یک سیستم برپایه‌ی سیگنال‌های بلوتوث نخواهند داشت

مشکل اساسی در اینجا مربوط به فناوری نیست، مشکل اساسی این است که فناوری را در قبال حفظ حریم خصوصی آنچنان مسئولیت‌پذیر کنیم تا ۶۰ درصد از افراد یک جامعه حاضر شوند در این طرح مشارکت کنند. همه‌ی گروه‌های فعال در حوزه‌ی فناوری از هکرها گرفته تا طرفداران حریم خصوصی و ائتلاف‌های جدید دیگر تمام ملزومات را برای اجرای این طرح در دوران پاندمی مشخص کرده‌اند.

جی استنلی در اتحادیه آزادی‌های شهروندی گفت همه‌ی ما انگیزه‌ی طبیعی لازم برای پیروی از اقدام در راستای سلامت عمومی را دارا هستیم تا از آن طریق سالم بمانیم و افراد مبتلا را درمان کنیم؛ اما مشارکت در سطح جدیدی از تحت نظر قرارگرفتن نیازمند اعتماد عمیق عموم جامعه به فناوری است که اخیرا خدشه‌دار شده بود.

استنلی افزود: «این رویکرد تنها درصورتی موفقیت‌آمیز خواهد بود که توسط قشر گسترده‌ای از افراد جامعه پذیرفته شود. درکشوری مثل آمریکا که عموم جامعه نسبت به دولت و مسئولان دید مثبتی ندارند، توانایی اطمینان‌دادن به مردم درباره‌ی عدم کاربرد اطلاعات جمع‌آوری‌شده برای ردیابی‌های مرزی، می‌تواند طرح را به موفقیت نزدیک کند. درحا حاضر حریم خصوصی و سلامت عمومی بیش‌از هر زمان دیگری در یک ردیف قرار گرفته‌اند.»

منبع: zoomit.ir

یادگیری پایتون برای متخصصان داده

چرا یادگیری پایتون برای متخصصان داده ضروری است؟

از نیمه دوم قرن گذشته تا کنون تعداد و تنوع زبان‌های برنامه نویسی روز به روز بیشتر شده اما رقابت بین آنها باعث شده برخی بیشتر مورد توجه قرار گرفته و برخی دیگر منسوخ شوند. به لطف همین زبان‌ها نقش فناوری در زندگی ما پررنگ‌تر از همیشه شده و نتیجه تولید حجم عظیمی از داده است که برای کمپانی‌های بزرگ حکم گنج را دارد.

آنها با استفاده از همین داده‌ها نیازهای مشتریان را درک کرده و به طراحی محصول یا ارائه سرویس‌های جدید می‌پردازند. نیاز به جمع آوری، استخراج و تحلیل این داده‌ها باعث پیدایش مشاغل جدیدی شده و یکی از آنها علوم داده است که شرکت‌های بیشتری مشغول سرمایه گذاری روی آن هستند.

 

 

کاربرد علوم داده

تحلیل داده امکان برآورد میزان پیشرفت، تصمیم گیری آگاهانه، برنامه ریزی برای آینده و یافتن راه‌هایی برای کاهش هزینه را به شرکت‌ها می‌دهد. اینجاست که متخصصان داده وارد شده و با پردازش و سازمان‌دهی دیتا با استفاده از الگوریتم‌ها و تکنیک‌های دیگر به کاوش دیتا، استخراج موارد مهم و ارائه توصیه‌هایی می پردازند که در نهایت به تدوین استراتژی سازمان و تصمیم گیری بهتر کمک می‌کند.

 

 

پایتون؛ محبوبترین ابزار متخصصان داده

حدود ۸۰ درصد از مسئولیت متخصصان داده شامل گردآوری و پاکسازی داده ها از موارد نامرتبط می شود چرا که مجموعه‌های عظیم داده معمولا نامرتب و ناقص بوده و فاقد فرمت یکپارچه هستند. ابزارهای مختلفی برای اصلاح این موارد وجود دارد اما اغلب متخصصان داده به دلایل مختلفی پایتون را ترجیح می‌دهند.

یکی از بهترین مزایای پایتون متن باز بودن آن است که به همه اجازه مشاهده سورس کد و گسترش کاربردهای آن را می‌دهد. در واقع شرکت‌ها دائما سرگرم توسعه فریمورک ها و توابع جدیدی هستند که نه تنها آنها را سریعتر به اهدافشان می رساند بلکه به توسعه دهندگان دیگر نیز کمک می‌کند.

متخصصان داده اغلب باید کد آماری را در دیتابیس تولید ترکیب کرده یا داده‌های موجود را با اپ‌های مبتنی بر وب یکپارچه کنند. جدای از این گاهی الگوریتم‌ها را به صورت روزانه پیاده سازی می‌کنند که اجرای همه آنها با پایتون ساده و بدون دردسر خواهد بود. در ادامه به مزایای این زبان نسبت به موارد دیگر پرداخته‌ایم.

 

 

فراگیری و درک آسان

یکی از جذاب‌ترین ویژگی‌های پایتون فراگیری آسان است و بسیاری به همین خاطر سراغ آن می‌روند. فارغ از اینکه تازه کارتان را به عنوان متخصص داده شروع کرده یا چندین سال تجربه در چنته دارید، بدون نیاز به صرف هزینه و زمان چندان زیادی می‌توانید پایتون و کتابخانه‌های جدید آنرا به سادگی فرا بگیرید.

پایتون به واسطه فراگیری و درک آسان بهترین گزینه برای متخصص‌های حرفه‌ای است که برای یادگیری مفاهیم جدید زمان محدودی دارند. این زبان حتی در مقایسه با دیگر زبان‌های علوم داده از جمله R و MATLAB منحنی یادگیری به مراتب ساده‌تری دارد. 

 

 

مقیاس پذیری فوق العاده

پایتون از نظر مقیاس پذیری هم عملکردی درخشان داشته و زبان‌هایی نظیر Stata،  R و MATLAB از این نظر به پای آن نمی‌رسند. به لطف این ویژگی توسعه دهندگان و محققان به جای محدود شدن به یک راهکار خاص به چند روش مختلف می‌توانند سراغ حل یک مساله بروند. شاید اهمیت مقیاس پذیری چندان زیاد به نظر نرسد اما همین عامل باعث شده غولی نظیر یوتیوب به استفاده از این زبان روی آورده و دراپ باکس هم به تازگی با نگارش ۴ میلیون خط کد به همین زبان زیرساخت‌هایش را توسعه دهد.

 

 

کتابخانه‌های علوم داده

یکی دیگر از دلایل محبوبیت زبان مورد بحث بین متخصصان داده، کتابخانه های علوم داده آن برای شبکه‌های عصبی، یادگیری ماشین و غیره است. این مجموعه شامل Numpy ،Scipy ، StatsModels و Scikit-Learn شده و مرتبا هم به آنها افزوده می‌شود. این کتابخانه‌ها به عنوان منبعی غنی از ماژول ها پاسخگوی بسیاری از نیازهای برنامه نویسان بوده و مسائل دشوار را به آسانی از پیش پای آنها برمی‌دارند.

 

 

جمع بندی

با پیشرفت علوم داده پایتون به ابزاری قدرتمند برای متخصصان داده تبدیل شده که در استخراج، پاکسازی و تحلیل دیتا به کمک آنها می‌آید. فراگیری آسان پایتون و کتابخانه‌های غنی و قدرتمند آن کار را برای متخصصان داده از همیشه راحت تر کرده و از سوی دیگر جامعه کاربری گسترده این زبان هم در فوروم‌های مختلف آماده انتقال تجارب به دیگران هستند.

منبع:  digiato.com

جلوگیری گوگل از ایمیل مخرب با موضوع کرونا

جلوگیری گوگل از ارسال میلیون‌ها ایمیل مخرب با موضوع کرونا در هفته گذشته

گوگل روز پنج شنبه با انتشار اعلامیه‌ای در وبلاگ این شرکت اعلام کرد که در هفته گذشته از ارسال میلیون‌ها ایمیل مخرب با موضوع ویروس کرونا به کاربران جیمیل جلوگیری کرده است.

گوگل در بیانیه خود می‌گوید در هفته گذشته از ارسال روزانه ۱۸ میلیون بدافزار و ایمیل فیشینگ با موضوع بیماری کووید ۱۹ جلوگیری کرده و همچنین بیش از ۲۴۰ میلیون پیام اسپم در مورد ویروس کرونا را مسدود کرده است.

غول موتورهای جستجو می‌گوید از ارسال تعداد زیادی از پیام‌های اسپم جلوگیری کرده، ولی به کاربران جیمیل هشدار داد که هکرها در حال سوءاستفاده از ترس و تردید به وجود آمده پیرامون پاندمی کرونا هستند و اغلب با حملات فیشینگ، کاربران را هدف قرار می‌دهند. به گفته این شرکت هکرها از روش جدیدی استفاده نمی‌کنند و با توجه به شرایط امروز دنیا، در استراتژی های خود تغییراتی ایجاد کرده‌اند.

هکرها به روش‌های مختلف از جمله ارسال ایمیل جعلی از طرف سازمان‌های بهداشتی عمومی مثل سازمان جهانی بهداشت، کاربران جیمیل را هدف قرار داده‌اند تا از آن‌ها پول جمع آوری کرده یا بدافزار پخش کنند. آن‌ها همچنین خود را جای آژانس‌های دولتی جا زده تا از کسب و کارها کلاهبرداری کنند.

گوگل می‌گوید به طور فعالانه بدافزارهای مربوط به کووید ۱۹ و فیشینگ را در سیستم‌هایش رصد می‌کند. این شرکت به کاربران توصیه می‌کند تا قسمت Security Checkup اکانت جیمیل خود را تکمیل کرده و از دانلود فایل‌های ناشناس خودداری کنند. همچنین برای مشاهده اسناد، از ابزار پیش نمایش جیمیل استفاده کرده و قبل از کلیک کردن روی لینک، از واقعی بودن سایت مقصد مطمئن شوند.

حملات فیشینگ در پی شیوع ویروس کرونا افزایش داشته‌اند و هکرها در حال سوء استفاده از تردید و ترس مردم هستند. کمیسیون تجارت فدرال آمریکا (FTC) می‌گوید از ابتدای سال ۲۰۲۰ تاکنون بیش از ۱۵ هزار شکایت در مورد کلاهبرداری اینترنتی با موضوع ویروس کرونا دریافت کرده که خسارتی ۱۲ میلیون دلاری به آمریکایی‌ها وارد کرده است.

منبع: digiato.com

پردازنده های جدید اینتل

پردازنده جدید اینتل کاربران را وادار به استفاده از خنک‌کننده‌های قدرتمند می‌کند

پردازنده های نسل دهمی اینتل Comet Lake از قدرت فوق العاده‌ای بهره می‌برند اما در کنار آن توان مصرفی بالایی هم دارند تا حدی که استفاده از برخی مدل‌های آن نیازمند تجهیز کامپیوتر به سیستم خنک کننده قدرتمند است.

بر اساس پستی که اخیرا در توییتر منتشر شده پردازنده Core i9-10900F با ۱۰ هسته و ۲۹ ترد پردازشی، دارای PL1 یا سطح اول توان مصرفی ۱۷۰ است که در حالت PL2 و زمانی که هسته‌ها با حداکثر توان کار می کنند به ۲۲۴ وات می‌رسد.

پردازنده Core i9-10900F

PL1 به سطح توانی اشاره دارد که پردازنده در حالت پایدار و برای مدت طولانی مصرف می‌کند. گاهی اوقات پردازنده با استفاده از همین توان می‌تواند وارد حالت توربو هم شود اما زمانی که تعداد هسته‌ها افزایش یافته و فرکانس بوست بیشتر می‌شود، پردازنده وارد حالت PL2 شده و برای مدتی کوتاه (ضریب زمانی Tau) با توان مصرفی بیشتر به اجرای محاسبات سنگین می‌پردازد.

اغلب کاربران در زمینه توان مصرفی پردازنده با TDP یا توان طراحی گرمایی آشنایی دارند اما این معیار تنها برای کلاک پایه کاربرد دارد. برای مثال پردازنده Core i7-9700K دارای TDP حدود ۹۵ واتی است اما این میزان برای رسیدن به سطح PL1 تا حدودی افزایش یافته و برای فرکانس بوست از این هم بالاتر می‌رود.

با این فرض که توان مصرفی ۱۷۰ و ۲۲۴ واتی در سطوح PL1 و PL2 پردازنده Core i9-10900F واقعیت داشته باشند، تردیدی نیست که کاربران مایل به خرید این تراشه باید کیس خود را به خنک کننده قدرتمندی مجهز کنند که توان دفع حرارت بالای تولید شده از آن را داشته باشد.

در صورتی که کاربر به فرکانس های پیش فرض قانع نبوده و قصد اورکلاک سیستم را داشته باشد، استفاده از خنک کننده های مایع با سیکل بسته احتمالا بهترین گزینه خواهد بود.

منبع: digiato.com

ساخت ربات‌ انعطاف‌پذیر توسط پرینترهای سه‌بعدی

ساخت ربات‌ انعطاف‌پذیر در کمتر از دو ساعت توسط پرینتر سه بعدی

کاربرد پرینترهای سه‌بعدی روزبه‌روز در حال افزایش است. دانشمندان به تازگی موفق به تولید ربات‌‌های انعطاف‌پذیر شبیه به حشرات توسط این پرینترها شده‌اند. احتمالا در آینده نزدیک با استفاده از پرینترهای سه‌ بعدی بتوانید ربات‌‌‌های نرم بسازید. محققان در دانشگاه کالیفرنیا، سن‌دیگو موفق به توسعه روشی برای پرینت سه‌بعدی ربات‌‌های انعطاف‌پذیر با سرعت بالا و قیمت پایین شده‌اند. برای تولید این ربات‌‌ها از تجهیزات ویژه‌ای استفاده نشده است.

محققان برای این کار، Flexoskeletons یا مواد سفت را روی ورق‌های پلی‌کربناتی انعطاف‌پذیر و نازک به صورت سه‌بعدی پرینت کردند. این اقدام باعث می‌شود که استحکام در مناطق خاصی افزایش پیدا کند که چنین موضوعی را در حشرات شاهد هستیم. ربات‌‌های نرم عادی معمولا دارای بخش‌های نرمی هستند که روی یک بدنه جامد قرار می‌گیرند.

ربات‌های انعطاف پذیر

برای پرینت هر بخش از بدن، به ۱۰ دقیقه زمان نیاز است و در کمتر از دو ساعت این ربات به صورت کامل تولید می‌شود. هزینه تولید هر قسمت کمتر از ۱ دلار است و به نظر می‌رسد که قدرت پردازشی، سنسورها و همچنین باتری بخش‌های گران قیمت این ربات‌ ها باشند.

این روش در ابتدا به دانشمندان کمک می‌کند که ربات‌‌ها را با سرعت و راحتی بالا تولید کنند، اما هدف نهایی تولید عمده ربات‌‌ها بدون دخالت انسان است. این موضوع می‌تواند به معنای تولید ارتشی از ربات‌‌ها باشد که قادر به انجام وظایف خود همانند ماشین‌های بزرگ و یکپارچه هستند، البته هزینه تولید و ریسک عملیاتی آن‌ها کمتر است.

منبع: digiato.com

تبدیل پسورد وای‌فای به کد QR

آموزش تبدیل پسورد وای فای به کد QR و نحوه‌ی استفاده از آن

با استفاده از اسکن یک کد QR می‌توان اطلاعات خاصی را در مورد یک محصول، یک مکان خاص یا دسترسی به یک وب‌سایت اینترنتی به‌دست آورید. در این آموزش سعی داریم نحوه استفاده از این کد را برای اشتراک‌گذاری وای‌فای به شما آموزش دهیم.

حتما برای شما هم پیش آمده که دوستانتان، برای اتصال به وای‌فای منزل یا محل کارتان از شما گذرواژه‌ی آن را بخواهند. مواقعی وجود دارد که دادن پسورد وای‌فای برای شما ممکن نیست؛ چرا که ممکن است آن‌را فراموش کرده باشید یا اینکه بترسید که گذرواژه شما را پخش کنند و شبکه وای فای شما در خطر هک شدن قرار بگیرد. در ادامه به دو روش ساخت کد QR و نحوه استفاده از آن‌ اشاره می‌کنیم.

 

روش اول

۱- دراین روش شما به بعضی از اطلاعات وای‌فای خود مانند نام شبکه SSID نوع رمزگذاری encryption type و پسورد شبکه نیاز دارید. اگر خودتان تنظیمات مودم را انجام داده‌اید، قطعا نام شبکه و گذرواژه را در اختیار دارید. اگر شخص دیگری این‌کار را برای شما انجام داده است حتما نام پسورد شبکه را به شما داده است. توجه داشته باشید که شما به نوع رمزگذاری هم نیازدارید که آیا از نوع WPA، WPA2 یا WEP است. اگر این اطلاعات را در اختیار ندارید می‌توانید با ارائه دهنده خدمات اینترنتی خود یا شخصی که تنظیمات مودم را برای شما انجام داده تماس بگیرید و این اطلاعات را بدست آورید.

۲- به سایت کیو آی فای بروید. این وب‌سایت می‌تواند کیو آر کد مورد نظر را به‌طور خاص برای گذرواژه وای فای شما ایجاد کند. توجه داشته باشید بهتر است برای استفاده از خدمات این سایت از وی پی ان استفاده کنید.

سایت کیو آی فای

۳- نوع رمزگذاری را با استفاده از منوی کشویی انتخاب کنید که می‌تواند یکی از موارد WEP ،WPA/WPA2 یا هیچ‌کدام None باشد.

پسورد وای‌فای

۴- در نوار بالا که با عنوان SSID‌ مشخص شده است نام شبکه خود را وارد کنید. در نوار دوم که با Key‌ نشان داده شده پسورد وای‌فای خودتان را وارد کنید.

تبدیل پسورد وای‌فای

۵- با کلیک روی دکمه آبی رنگ Generate  که در زیر نوار Key قرار دارد یک کد QR برای شما در پایین صفحه نمایش داده می‌شود.

کد QR

۶- با کلیک روی Print این کد QR را روی یک کاغذ چاپ کنید یا اگر چاپگر ندارید می‌توانید با کلیک روی Export‌ کد QR مورد نظر را با فرمت PNG ذخیره کرده تا بعدا آن را چاپ کنید.

تبدیل به کد QR

۷- پس از چاپ کد QR موردنظر می‌توانید آن‌را در منزل یا محل کار در جایی که افراد مورد اعتماد شما هستند قرار دهید تا با اسکن آن به شبکه وای فای شما متصل شوند.

تبدیل پسورد

در گوشی‌های آیفون، می‌توانید دوربین خود را باز کنید و مقابل کد QR قرار دهید. اعلانی با عنوان Wifi QR Code ظاهر می‌شود. اگر روی آن کلیک کنید گزینه پیوستن به آن شبکه وای فای نمایش داده می‌شود. تنها کاری که باید انجام دهید این است که روی گزینه Join‌ یا Connect کلیک کنید.

درگوشی‌های اندروید، اگر نسخه اندروید شما قدیمی است می‌توانید از اپلیکیشن‌های اسکن کد QR استفاده کنید. این اپلیکیشن‌ها را می‌توانید از گوگل پلیدانلود کرده و نصب کنید. اگر از یک گوشی با اندروید بالا استفاده می‌کنید، می‌توانید مانند روش دوم عمل کنید.


روش دوم

توجه داشته باشید که ممکن است مراحل زیر در گوشی‌های مختلف متفاوت باشند؛ اما گزینه اشتراک‌گذاری کد QR یا QR Code sharing حتما وجود دارد؛ مگر اینکه از یک گوشی اندروید قدیمی استفاده کنید.

۱- برای این‌کار گوشی اندروید شما باید در ابتدا به شبکه wifi متصل باشد. به منوی تنظیمات بروید سپس روی Net work & Internet یا Wifi & Internet کلیک کنید.

۲-روی گزینه Wifi کلیک کنید تا نام شبکه وای فایی که هم‌اکنون به آن متصل هستید نمایش داده شود.

۳-در جلوی نام شبکه وای فای یک آیکون چرخ‌دنده وجود دارد. روی آن کلیک کنید تا به صفحه تنظیمات setting بروید.

۴-روی دکمه آبی اشتراک‌گذاری share کلیک کنید. در پنجره جدیدی که ظاهر می‌شود پسورد خود را وارد کنید تا مشخص شود مالک تلفن همراه شما هستید.

۵-یک کد QR روی صفحه نمایش گوشی نمایان می‌شود.حالا در تلفن همراه دوست خود به تنظیمات و سپس Network & Internet رفته و لیست شبکه‌های وای فای را باز کنید و بعد از آن به پایین صفحه بروید تا گزینه افزودن شبکه Add Network را ببینید و روی آیکون آبی رنگ کد QR کنار آن کلیک کنید.

آموزش تبدیل پسورد وای ‌فای به کد QR

در ادامه کد QR را که روی صفحه گوشی خودتان ظاهر شده بود، به وسیله گوشی دوست‌تان اسکن کنید تا دوست‌تان هم به شبکه وای‌فای منزل یا محل کار شما متصل شود.

منبع: zoomit.ir

توسعه پردازنده‌‌‌ی غول‌پیکر EHP توسط AMD

AMD کماکان مشغول توسعه پردازنده غول‌پیکر EHP است

AMD پروژه‌ی بلندپروازانه‌ای برای توسعه‌ی یک پردازنده‌‌‌ی غول‌پیکر و ناهمگن به‌نام EHP دارد که بخشی مهم از فرایندهای تحقیق و توسعه را به آن اختصاص می‌دهد.

حدود چهار سال پیش بود که اولین اخبار از پروژه‌ی AMD EHP یا Exascale Heterogeneous Processor در رسانه‌های سخت‌افزاری منتشر شد. مفهوم کلی پروژه‌ی مذکور،‌ کاملا ساده بود. پردازنده‌‌‌ی حاصل از پروژه، ۳۲ هسته‌ی پردازشی را با پردازنده‌های گرافیکی Greenland و حافظه‌ی HBM در یک بورد ترکیب می‌کرد. اکنون و پس از گذشت چهار سال، AMD به اهداف تولید ۳۲ هسته‌ی پردازشی دست یافته است، اما ساختن APU در چنان ابعادی،‌ هنوز بلندپروازانه به‌نظر می‌رسد. باوجود اینکه برخی کاربران و کارشناسان تصور می‌کنند تیم قرمز، توسعه‌ی پروژه را متوقف کرد، اما اخبار داخلی خبر بهتری برای علاقه‌مندان دارند. پروژه‌ی EHP با قدرت توسعه می‌یابد.

یک حساب کاربری در توییتر به‌نام Underfox باتوجه به اسناد پتنت جدید، ادعا کرد که پروژه‌ی EHP با قدرت هرچه تمام‌تر در مراحل توسعه قرار دارد. درواقع، پکیجی که پردازنده‌‌‌ی EHP در آن قرار خواهد گرفت هم اخیرا به‌نام X3D در رویداد پنجم مارس به نمایش در آمد. اگرچه اکثر اسناد پتنتی، اطلاعات فنی و غیرقابل درک برای کاربر عادی دارند، اسناد جدید AMD اطلاعات و ریزه‌کاری‌های قابل درک و مهمی را از پروژه‌ی در دست توسعه، در اختیار ما قرار می‌دهند. یکی از بخش‌های مهم که باتوجه به اسناد پتنت می‌توان مفاهیم آن را درک کرد، سیستم پویای مدیریت حافظه است.

AMD اخیرا مجموعه‌ای از فناوری‌ها موسوم به Smart Shifting را معرفی کرد که برای مدیریت ساختارهای محدود گرما و قدرت در SoC کاربرد دارند. همین فناوری‌ها، در مدیریت پویای حافظه هم استفاده می‌شوند و در مجموع احتمالا ادامه‌ای بر پروژه‌ی در دست توسعه خواهند بود. همان‌طور که Underfox در توییت اخیر خود اشاره می‌کند، پتنت مدیریت پویای حافظه در پردازنده‌‌‌ی گرافیکی از AMD نشان می‌دهد که آن‌ها درحال توسعه‌ی نسل جدیدی از پردازنده‌های گرافیکی هستند که بیش از همه در پروژه‌ی EHP کاربرد خواهد داشت.

تاکنون پردازنده‌های مرکزی با هسته‌های پردازشی بسیار زیاد تا ۶۴ هسته مبتنی بر فلسفه‌ی MCM توسط AMD ساخته شده‌اند. ازطرفی تیم قرمز هنوز توانایی توسعه‌ی چنین محصولاتی در دسته‌ی پردازش گرافیکی را ندارد. درنهایت، اگر پردازند‌ی مرکزی مبتنی بر MCM را با پردازنده‌‌‌ی گرافیکی مبتنی بر همان فناوری روی یک بورد X3D ترکیب کنیم، به تراشه‌ای غول‌پیکر دست خواهیم یافت که برای نسل‌های آتی صنعت دیتاسنتر مفید و کاربردی خواهد بود. اگرچه هنوز خبری از خوشه‌های بزرگ ابرکامپیوتری در ابعاد بسیار بزرگ نیست (به‌جز پروژه‌ی پردازش توزیع‌شده‌ی Folding@Home) ، اگر پروژه‌ی EHP به نتیجه برسد، شاهد رشد استفاده از سیستم‌های آن‌چنانی خواهیم بود و در ادامه، کاهش قیمت هم در بازار هدف، ممکن می‌شود.

AMD EHP

اگر به طراحی‌های قدیمی AMD برای پروژه‌ی EHP نگاه کنیم، متوجه می‌شویم که شرکت با بهره‌مندی از پلتفرم‌های Rome و Naples خود، نیمی از راه را پیموده است. درواقع آن‌ها با دستیابی به ۳۲ هسته‌ی پردازشی در پلتفرم‌های مذکور، در همان زمان دستاورد بزرگی در صنعت پردازش کسب کرد. به‌همین دلیل می‌دانیم که حتی اگر پتنت‌های جدید درنهایت در پروژه‌ی EHP به‌کار گرفته نشوند، شاید روزی در محصولات مخصوص مصرف‌کننده کاربرد داشته باشند. به‌هرحال کارشناسان امیدوار هستند که AMD تا یکی دو سال آینده، طراحی مبتنی بر MCM را به بازار عرضه کند و در آن زمان، ساخت محصول نهایی EHP دور از انتظار نخواهد بود.

از نکات دیگری که می‌توان از پتنت‌های جدید AMD استخراج کرد، رویکرد همه‌جانبه‌ی شرکت به‌سمت یادگیری عمیق در شتاب‌دهی هوش مصنوعی است. حفظ انسجام در شبکه‌های یادگیری عمیق و کاهش تأخیر، کلید توسعه‌ی تراشه‌های تجاری محسوب می‌شود. اسناد جدید نشان می‌دهد که احتمالا پروژه‌ی EHP تیم قرمز در این حوزه نیز حرف‌های زیادی برای گفتن خواهد داشت. به‌هرحال متخصصان دنیای سخت‌افزار با نگاهی عمیق‌تر به جزئیات پتنت منتشرشده، قطعا متوجه برتری‌های پروژه می‌شوند.

اینتل اکنون در مسیر توسعه‌ی پردازنده‌‌‌ی گرافیکی مبتنی بر MCM قرار دارد که احتمالا ه‌نام Intel Xe HP شناخته می‌شود. به‌همین دلیل می‌توان پیش‌بینی کرد که AMD هم کار روی طرح اختصاصی خود را شروع کرده باشد. درنهایت نبرد در حوزه‌ی MCM GPU دیگر فراتر از احتمال رفته است و یک امر حتمی محسوب می‌شود. با کاهش ابعاد قالب‌های تکی و افزایش بهره‌وری مقیاس‌دهی، کاهش هزینه‌ی قدرت پردازشی دور از انتظار نیست. به‌هرحال نوآوری همیشه فاکتوری مهم و حیاتی در پیش‌برد این نوع از رقابت ها محسوب می‌شود و با ورود اولین محصول نهایی به بازار، می‌توان جهشی عظیم را در رقابت انتظار داشت.

منبع: zoomit.ir

تراشه‌های ۳ نانومتری سامسونگ

ویروس کرونا برنامه تولید تراشه‌‌‌های ۳ نانومتری سامسونگ را به تعویق انداخت

سامسونگ یکی از بزرگ‌ترین تولیدکنندگان تراشه‌های موجود در جهان محسوب می‌شود و در چند سال گذشته برای به دست آوردن قراردادهای شرکت‌هایی مانند انویدیا، اپل، AMD و کوالکام با رقیب اصلی خود یعنی TSMC رقابت کرده است. بعد از اینکه سامسونگ در سال ۲۰۱۶ مشتری بسیار مهم خود یعنی اپل را به TSMC واگذار کرد، این شرکت مشغول تلاش گسترده برای پیشی گرفتن در زمینه‌ی فناوری‌های نوین از رقیب دیرینه خود بوده است. مدتی قبل، این شرکت کره‌ای اعلام کرد که قصد دارد تولید انبوه تراشه‌های ۳ نانومتری خود را تا سال ۲۰۲۱ آغاز کرد. اما بر اساس یک گزارش جدید که DigiTimes منتشر کرده، سامسونگ به دلیل بحران گسترده ویروس کرونا ناچار شده تاریخ موردنظر را به سال ۲۰۲۲ موکول کند. گزارش‌ها حاکی از آن است که این شرکت نتوانسته تجهیزات موردنیاز برای تکمیل خطوط تولید جدید را در تاریخ مشخص شده تکمیل کند.

سامسونگ امیدوار است تا سال ۲۰۳۰ به بزرگ‌ترین شرکت تولیدی سیلیکون در جهان تبدیل شود و در این راستا می‌خواهد در نبرد تراشه‌های ۳ نانومتری شرکت TSMC را شکست دهد. این شرکت در حال حاضر در رقابت فناوری ۵ نانومتری از TSMC عقب افتاده و به همین خاطر سامسونگ برای فناوری ۳ نانومتری باید سریع‌تر از TSMC عمل کند.

این شرکت برای ساخت تراشه‌های ۳ نانومتری از تکنولوژی مبتنی بر فناوری GAAFET استفاده می‌کند. در این طراحی جدید، از گیت‌های اطراف کانال‌های درون تراشه برای کاهش نشت انرژی و ارائه کنترل بهتر بر روی کانال استفاده می‌شود و همین طراحی باعث شده سامسونگ در زمانی کوتاه پیشرفت قابل توجهی در این حوزه داشته باشد. اگر بخواهیم دقیق‌تر اظهارنظر کنیم، سامسونگ از فناوری انحصاری MBCFET بهره می‌برد که بر مبنای GAAFET توسعه یافته است.

شیوع ویروس کرونا اقتصاد جهانی را دچار مشکل کرده و در این میان عملکرد کارخانه‌هایی در کره جنوبی و تایوان هم مختل شده است. حالا، هم سامسونگ و هم TSMC قصد دارند از سال ۲۰۲۲ تولید تراشه‌های ۳ نانومتری را کلید بزنند. باید ببینیم کدام یک از این دو شرکت می‌توانند در این زمینه زودتر محصولات موردنظر را روانه‌ی بازار کنند و مشتریان را با تراشه‌های بهتر و دارای بهره‌وری بیشتر جذب کنند.

منبع: digikala.com

مایکروسافت Edge دومین مرورگر محبوب دسکتاپ

مایکروسافت Edge دومین مرورگر محبوب دسکتاپ شد!

به نقل از وب‌سایت Bleeping Computer، مایکروسافت Edge توانست اکنون به رتبه دوم پرطرفدارترین مرورگر دسکتاپ برسد!

بعد از اینکه مرورگر مایکروسافت Edge نتوانست آنطور که باید رضایت مخاطبان را به خود جلب کند، مایکروسافت تصمیم گرفت مرورگری را تحت عنوان مایکروسافت Edge مبتنی بر کرومیوم طراحی کند و به نظر می‌رسد تصمیم درستی نیز گرفت چون اکنون این مرورگر دومین مرورگر محبوب دسکتاپ شده است!

مایکروسافت Edge در حالی به این رتبه دست یافت که توانست با در اختیار داشتن ۷.۶ درصد سهم بازار در ماه مارس، از مرورگر قدیمی و شناخته شده فایرفاکس که سهمش از بازار با روندی نزولی به ۷.۲ درصد رسیده بود پیشی بگیرد. هرچند هر دو این مرورگرها با اختلاف بسیار زیاد پشت سرگوگل کروم قرار می‌گیرند که ۶۸.۵ درصد از بازار را تحت سلطه خود دارد! اما برای یک مرورگری که تنها ۳ ماه از عمرش می‌گذرد رسیدن به چنین آمار خوبی نوید یک آینده درخشان را می‌دهد.

البته جای تعجبی هم نیست که مرورگر نوپای مایکروسافت را در چنین رتبه‌ای می‌بینیم. جایگاه آن به عنوان مرورگر پیش‌فرض ویندوز باعث شده کاربران بیشتر با قابلیت‌های آن آشنا شوند. مرورگر Edge قدیمی آنقدر در وضعیت بدی قرار داشت که بیشترین استفاده آن برای دانلود دیگر مرورگرها بود! اما با رفع بسیاری از ضعف‌های آن در نسخه مبتنی بر کرومیوم از جمله سرعت پایین و عدم دسترسی به افزونه‌های کاربردی، اکنون مرورگر Edge به جایگاهی رسیده که شاید شما را از دیگر مرورگرها بی‌نیاز کند.

تیم توسعه‌دهنده برنامه قول داده در آینده تمام افزونه‌هایی که برای کروم در دسترس قرار دارد در مایکروسافت Edge نیز قابل دریافت باشند تا پیشنهاد تغییر مرورگر از کروم به Edge از همیشه ترغیب‌ کننده‌تر باشد. دلیل دیگر پیشرفت خوب این مرورگر سرعت بالای آن است. بنچمارکی که اخیرا از آن گرفته شده نشان می‌دهد مرورگر مایکروسافت به نسبت نسخه بتا حدودا ۱۳ درصد از نظر سرعت رشد داشته و این بسیار خوب است چون در حالت عادی نیز سرعت این مرورگر رضایت بخش بود.

در نهایت می‌رسیم به بحث امنیت که این مسئله نیز بسیار مهم است. تقریبا یک ماه پیش اعلام شد مرورگر Edge از دانلود بدافزارهایی چون adware (نمایش پاپ آپ حاوی تبلیغات) و cryptominers (نصب بدون اجازه نرم‌افزارهای ماینینگ روی سیستم) جلوگیری می‌کند. این یکی از بهترین و کاربردی‌ترین قابلیت‌هایی است که یک مرورگر می‌تواند داشته باشد و خوشبختانه مایکروسافت Edge از آن بهره‌ می‌برد.

البته همه این پیشرفت‌ها نشان نمی‌دهد گوگل باید لزوما نگران باشد. اگرچه مایکروسافت Edge استفاده از برنامه و سرویس‌های مایکروسافت را تبلیغ می‌کند اما از طرفی کاربر می‌تواند به راحتی به موتور جست‌و‌جوی گوگل سوییچ کند و خوشبختانه دیگر خبری از جست‌و‌جوگر Bing نخواهد بود. از آنجایی هم که توسعه‌دهندگان، کمتر تمایل دارند سایت‌های مستقل از مرورگر طراحی کنند و در عوض آن‌ها را برای موتور گوگل بهینه می‌کنند، این مسئله می‌تواند به ضرر کاربرانی باشد که مرورگرهای فایرفاکس، سافاری و … در اختیار دارند.

شما عزیزان در صورت تمایل می‌توانید مرورگر مایکروسافت Edge را با کلیک روی این لینک دریافت کنید.

منبع: digikala.com

بررسی رعایت قرنطینه خانگی توسط گوگل

گوگل از داده‌های مکانی کاربران برای بررسی رعایت سیاست‌های قرنطینه خانگی استفاده می‌کند

گزارش گوگل از داده‌های مکانی با تقریب خوبی نشان می‌دهند که کدام مناطق شهری، سیاست قرنطینه‌سازی برای جلوگیری از شیوع ویروس کرونا را بهتر رعایت کرده‌اند.

گوگل از داده‌های مکانی کاربران برای بررسی رعایت سیاست‌های قرنطینه خانگی استفاده می‌کند

گوگل با بهره‌گیری از داده‌های مکانی گوشی‌های هوشمند، به کمک مقام‌های مسئول سلامت در ایالات متحده می‌آید و واکنش مردم در تغییر رفتار برای جلوگیری از شیوع بیشتر ویروس کرونا را بررسی می‌کند. غول موتور جست‌وجو در پست وبلاگی جدیدی خبر از عرضه‌ی سرویس COVID-19 Community Mibility Report داد که به همین منظور توسعه یافته است.

کاربرانی که اجازه‌ی ذخیره و بررسی داده‌های مکانی را با ورود به تنظیمات بخش Location History به گوگل بدهند، در پروژه‌ی جدید بررسی تغییر رفتار وارد می‌شوند. گوگل باتوجه به داده‌های به‌دست آمده، سطح پاسخگویی و رعایت سیاست‌های جدید را ازسوی مردم بررسی می‌کند.

گوگل در پست وبلاگی مرتبط با معرفی سرویس جدید نوشت:

با افزایش شیوع همه‌گیری بیماری کووید ۱۹، تمرکز زیادی روی استراتژی‌های کاربردی سلامت عمومی معطوف شد. از میان آن‌ها می‌توان به رویکرد فاصله‌گذاری اجتماعی اشاره کرد که سرعت شیوع را کاهش می‌دهد. ما در سرویس گوگل مپس، از داده‌های بدون هویت و تجمیع‌شده برای شناسایی مکان‌های شلوغ استفاده می‌کنیم. چنین روشی می‌تواند در مواردی همچون پیش‌بینی شلوغ شدن یک کسب‌وکار محلی، کارساز باشد. ما از مقام‌های دولتی شنیدیم که همین نوع از داده‌های تجمیعی، برای تصمیم‌گیری‌های حیاتی در ارتباط با مقابله با کووید ۱۹ هم مفید خواهند بود.

سیستم گزارش جدید گوگل برای همه در دسترس قرار دارد و درحال‌حاضر ‍۱۳۱ کشور در سرتاسر جهان را پوشش می‌دهد. در برخی مناطق کاربران امکان مشاهده‌ی گزارش‌های جزئی‌تر از مناطق داخلی را هم دارند. پس از انتخاب منطقه توسط کاربر، گوگل یک فایل PDF حاوی اطلاعات مرتبط با جمعیت همان منطقه در اختیار او قرار می‌دهد. گوگل فایل‌های PDF را به این دلیل به صفحات وب ترجیح می‌دهد که قابلیت دانلود و اشتراک‌گذاری بیشتری دارند.

داده مکانی گوگل ویروس کرونا

گزارش‌های گوگل در ارتباط با هر منطقه، شامل الگوهای حرکتی در ۶ دسته‌بندی می‌شود:

  • خرده‌فروشی و تفریح که شامل رستوران‌ها، کافی‌شاپ‌ها، مراکز خرید، پارک‌های سرگرمی، موزه‌ها، کتابخانه‌ها، سالن‌های سینما و مکان‌های مشابه می‌شود.
  • خواروبار و دارو که شامل سوپرمارکت‌ها، انبارهای غذا، فروشگاه محصولات کشاورزی، فروش غذاهای خاص و داروخانه‌ها می‌شود.
  • پارک‌ها که شامل ساحل‌های عمومی، تفرجگاه‌ها، پارک‌های تفریحی، و مکان‌‌های عمومی مشابه می‌شود.
  • ایستگاه‌های حمل‌ونقل که شامل ایستگاه‌های مترو و اتوبوس شهری می‌شود.
  • مناطق اداری
  • مناطق مسکونی

با نگاه به نمونه‌ای اولیه از گزارش گوگل مخصوص منطقه‌ی کالیفرنیا، اطلاعات جالب‌توجهی از رعایت سیاست قرنطینه‌ی خانگی استخراج می‌شود. سیاست قرنطینه‌ی خانگی و تعطیلی کسب‌وکارهای غیرالزامی از ۱۹ مارس در این ایالت اجرا شد و به‌خوبی می‌توان کاهش جمعیت در مراکز خرده‌فروشی، تفریحی و حمل‌ونقل را در گزارش مشاهده کرد. همین گزارش، افزایش حضور در خانه را هم نشان می‌هد. داده‌های گوگل برای هر گزارش، تاریخچه‌ی ۴۸ تا ۷۲ ساعت قبل هر کاربر را مورد بررسی قرار می‌دهد و برای مقایسه، وضعیت کنونی را با داده‌های ماه ژانویه مقایسه می‌کند.

سرویس جدید گوگل در واکنش به افزایش روزافزون تقاضای دولت‌ها از شرکت‌های فناوری راه‌اندازی شد که اشتراک داده‌های بیشتر را برای مقابله با ویروس کرونا از این شرکت‌ها می‌خواهند. چند روز پیش هم وال استریت ژورنال در گزارشی از اقدام مشابه شرکت‌های تبلیغات دیجیتال صحبت کرد. این شرکت‌ها نیز داده‌های تجمیعی بدون هویت را با مراکز پیشگیری و درمان همچون CDC و مقام‌های ایالتی و فدرال به اشتراک می‌گذارند. فیسبوک هم در اقدامی مشابه، داده‌های خود را در اختیار محققان دانشگاهی قرار داد.

مدیران گوگل در مصاحبه پیرامون سرویس جدید می‌گویند هدف از راه‌اندازی آن، کمک به مقام‌های مسئول سلامت برای واکنش بهتر و سریع‌تر به مناطق با نیاز بیشتر بوده است. به‌عنوان مثال، گزارش گوگل به یک مقام محلی در یک شهر نشان می‌دهد که سیاست قرنطینه‌ی خانگی موفق نبوده است و مردم هنوز از پارک‌های عمومی استفاده می‌کنند. یا شاید پارک‌های تفریحی به‌خوبی مدیریت شده‌اند، اما مراکز حمل‌ونقل عمومی به‌خاطر بازگشایی کسب‌وکارها، هنوز شلوغ هستند. همین اطلاعات، قدرت تصمیم‌گیری را برای سیاست‌ها و اعمال قوانین آتی، افزایش می‌دهد.

داده مکانی گوگل ویروس کرونا

مشاهده و مطالعه‌ی کلی گزارش‌هایی همچون گوگل و داده‌های مشابه، شاید در واکنش عملی به شیوع کووید ۱۹ آن‌چنان هم ارزشمند نباشد. درواقع کارشناسان می‌گویند تنها تغییر در رفتار مردم و سیاست‌هایی همچون فاصله‌گذاری اجتماعی کافی نیست. کشورهایی که موفقیت بیشتری در کنترل بیماری داشته‌اند، علاوه بر اجرای سیاست قرنطینه‌ی خانگی، آزمایش‌گیری همه‌جانبه از شهروندان و کنترل تردد دقیق آن‌ها را در پیش گرفته‌اند. به‌عنوان مثال تایوان با بهره‌مندی از داده‌های موقعیتی کاربران، نوعی فنس الکترونیکی برای آن‌ها ایجاد می‌کند تا از خروج بی‌مورد از خانه جلوگیری شود. کنترل افرادی که با یک فرد بیمار در تماس بوده‌اند هم از سیاست‌های موفق در این کشورها بوده است.

دولت‌ها برای پیشگری بهتر از شیوع ویروس کرونا، به داده‌های تجمیعی شرکت‌های فناوری نیاز دارند

گزارش گوگل، هیچ‌گونه اطلاعات شخصی قابل شناسایی را در اختیار مقام‌ها قرار نمی‌دهد و همچنین نمی‌توان تعداد دفعات مراجعه‌ی یک نفر به مکانی خاص را از آن‌ها استخراج کرد. گوگل همچنین می‌گوید بنا به درخواست مقام‌های سلامت عمومی، اطلاعات بیشتری را برای بررسی رفتار مردم و ارتباط آن‌ها ارائه می‌کند. به‌عنوان مثال با استفاده از داده‌های مکانی یک نفر می‌توان تاحدودی افراد پیرامون او در زمان ابتلا به کووید ۱۹ را تاحدودی شناسایی کرد. البته درنهایت داده‌های گوگل آن‌قدر دقیق نیستند که نزدیک شدن افراد در فاصله‌ای کمتر از فاصله‌ی مجاز سلامت را بررسی کنند. درنهایت، خطاهای متعددی در این بخش وجود دارد و نمی‌توان با اطمینان کافی، ارتباط و اتصال افراد را از آن استخراج کرد.

گوگل با استفاده از داده‌های موقعیت مکانی، علاوه بر اطلاعات بالا، جزئیاتی از شلوغ بودن بیمارستان‌ها و دیگر مراکز درمانی ارائه می‌کند. البته گزارش مذکور، توانایی تشخیص جمعیت بین کارمندان مرکز درمانی و بیماران و ملاقات‌کننده‌ها را ندارد. درنتیجه داده‌های این بخش هم ارزش زیادی نسبت به بخش‌های دیگر ندارد. به‌هرحال شرکت تصمیم دارد تا گزارش‌ها را در آینده به‌روزتر و دقیق‌تر کند، اما تقویم زمانی خاصی برای ارتقاء گزارش‌ها ارائه نشده است.

از فعالیت‌های دیگر گوگل در کمک به مقابله با شیوع ویروس کرونا می‌توان به همکاری با اپیدمیولوژیست‌ها در به‌روزرسانی دیتاست بیماران مبتلا به کرونا اشاره کرد. این دیتاست به‌مرور به‌روزرسانی می‌شود و با داده‌های بدون هویت تجمیعی، روند شیوع بیماری را پیش‌بینی می‌کند.

منبع: zoomit.ir