رایانش کوانتومی اینتل

اینتل به دستاوردی انقلابی در حوزه رایانش کوانتومی دست پیدا کرد

به‌لطف دستاورد جدید اینتل و یکی از شرکای تجاری‌اش، امکان قراردادن سخت‌افزار کیوبیت و قطعه‌ی الکترونیکی کنترل‌کننده‌ی آن روی یک تراشه فراهم می‌شود. بسیاری از دنبال‌کنندگان اخبار فناوری با بیت (Bit) و بایت (Byte) به‌عنوان واحدهای اساسی در حوزه‌ی رایانش آشنایی است. درواقع، بیت و بایت در حوزه‌ی رایانش همچون واحدهای متر و اینچ برای بیان اندازه و مسافت است. با‌این‌حال، بیت و بایت به رایانش قدیمی مربوط می‌شود و امروزه ممکن است تا حد زیادی نتوانند جواب‌گو باشد. درزمینه‌ی رایانش امروزه گوگل و اینتل تلاش زیادی می‌کند تا روی مبحثی به‌نام رایانش کوانتومی (Quantum Computing) مانور دهد. در رایانش کوانتومی که امروزه توجه زیادی به آن می‌شود، استفاده از واحدی جدید با عنوان کیوبیت (Qubit) را شاهد هستیم. کیوبیت را می‌توان کوچک‌ترین واحد ذخیره‌ی اطلاعات و معیاری از مقدار اطلاعات کوانتومی به‌شمار آورد.

برخلاف واحد بیت که امروزه هم به‌شکل گسترده استفاده می‌شود، امکان کنترل کیوبیت کمی سخت‌تر است. این موضوع به‌ویژه در دماهای مختلف‌ خودش را نشان می‌دهد و مشکلاتی ایجاد می‌کند. اینتل و یکی از شرکای تجاری‌اش با نام QuTech اخیرا در خبری مهم اعلام کرده‌اند به دستاوردی جدید در حوزه‌ی رایانش دست یافته‌اند. به‌لطف فناوری انقلابی جدید اینتل و QuTech، به سیستم‌های مبتنی‌بر رایانش کوانتومی این امکان داده می‌شود در محیط‌های دارای دمای بیشتر نیز به ‌فعالیت خود ادامه دهد. بدین‌ترتیب، اینتل یک قدم به تولید رایانه‌های کوانتومی کاربردی نزدیک‌تر شده است.

کنترل کیوبیت (مخفف کوانتوم‌بیت) همچون بسیاری از دیگر مفاهیم مطرح در حوزه‌ی رایانش کوانتومی کار ساده‌ای نیست. در واحد بیت، معیارهای صفر و یک یا روشن و خاموش مجزا از یکدیگر را شاهد هستیم؛ با‌این‌حال، کیوبیت می‌تواند هر دو معیار صفر و یک (روشن و خاموش) را براساس وضعیت آن‌ها‌ اجرا کند. کیوبیت به‌طورویژه بر ذرات زیراتمی نظیر الکترون‌ها به‌همراه فوتون‌ها متکی است. همین موضوع باعث می‌شود ماهیت کلی کیوبیت به‌گونه‌ای باشد که بتوان از آن به‌عنوان دلیل اصلی تبدیل سیستم‌های مبتنی‌بر رایانش کوانتومی به ابررایانه‌های آینده یاد کرد.

افزون‌بر‌این، کیوبیت برای فعالیت مشکلات زیادی پیش ‌روی شرکت‌های سازنده قرار می‌دهد. در بسیاری از مواقع، این مشکلات به‌ دو دلیل اصلی ایجاد می‌شود: دلیل اول این است که کیوبیت فقط در دمای بسیار کم فعالیت می‌کند؛ بنابراین، برای فعالیت آن باید محیطی فراهم کرد که دمای آن به‌میزان درخورتوجهی کم باشد. این موضوع به‌خودی‌خود مشکل دوم را ایجاد می‌کند. در دماهای بسیار کم، قطعات کنترل‌کننده‌ی الکترونیکی کیوبیت از خود کیوبیت جدا می‌شود.

دقیقا در همین مرحله است که دستاورد جدید اینتل وارد کار می‌شود. اینتل از این دستاورد با نام «کیوبیت داغ» یاد می‌کند. به‌لطف دستاورد جدید اینتل و شریک تجاری‌اش، کیوبیت می‌تواند در دماهای بیش از یک کلوین (تقریبا ۲۷۲- درجه‌ی سلسیوس) نیز کار کند. در‌حال‌حاضر، رایانه‌های کوانتومی برای پردازش کارهای مختلف مجبور است در دماهای گستره‌ی میلی‌کلوین فعالیت کند که تنها اندکی بیشتر از دمای صفر مطلق است. جالب است بدانید رایانه‌های واقع در فضای خارج از زمین در دمای سه کلوین فعالیت می‌کند. چنین دستاوردی از نظر عملی به اینتل امکان می‌دهد سخت‌افزار کوانتومی و مدار الکترونیکی کنترل‌کننده‌ی آن را روی یک تراشه قرار دهد. این نوع تراشه می‌تواند به تولید رایانه‌های کوانتومی پیشرفته‌تر منتهی شود.

دستاورد جدید اینتل در بلندمدت نیز می‌تواند مزیت‌هایی به‌همراه بیاورد. به‌لطف این اتفاق،‌ تراشه‌های تولیدشده پیچیدگی کمتری دارد و بهره‌وری آن‌ها نیز بیشتر است. این تراشه‌های جدید می‌تواند بدون ایجاد هرگونه مشکل و فداکردن دقت، دو قسمت یادشده، یعنی سخت‌افزار و بخش کنترل‌کننده را به یکدیگر متصل کند. اینکه اینتل می‌تواند در چه زمانی تولید چنین تراشه‌هایی را عملی کند، فعلا نامشخص است و حتی شاید فکرکردن به آن در اوضاع‌واحوال فعلی درست نباشد؛ چون فاصله‌ی زیادی تا رخداد این اتفاق مهم داریم.

به‌علاوه اینتل و QuTech هنوز جزئیات دقیقی از دستاورد جدیدشان منتشر نکرده‌اند و تنها اطلاعات ابتدایی را دردسترس رسانه‌ها قرار داده‌اند. ظاهرا اینتل و QuTech فناوری جدیدشان را روی دو کیوبیت آزمایش کرده‌اند؛ درحالی‌که رایانه‌های کوانتومی پیشرفته‌ی امروزی دَه‌ها کیوبیت دارد. گفته می‌شود رایانه‌های بسیار قدرتمند که بتواند ازپسِ هر کاری بربیاید، به بیش از یک‌میلیون کیوبیت نیاز پیدا خواهد کرد. دقیقا به‌همین‌دلیل است که می‌گویم دستاورد جدید اینتل این شرکت را تنها «یک قدم» به تولید رایانه‌های کوانتومی پیشرفته‌تر نزدیک می‌کند. البته همین قدم اهمیت بسیار زیادی دارد. در‌حال‌حاضر، رایانش کوانتومی فقط در شرکت‌های بزرگی به‌وقوع می‌پیوندد که ازپسِ هزینه‌های گزاف آن برمی‌آید؛ بنابراین، به‌‌زودی رایانه‌های کوانتومی دردسترس افراد و شرکت‌های معمولی نخواهد گرفت.

منبع: zoomit.ir

جایگزینی ربات با انسان

شیوع کرونا به جایگزینی ربات با انسان سرعت داده است

ویروس کرونا باعث شده بسیاری از مردم نتوانند سر کار حاضر شوند و این موضوع ضربه بزرگی به اقتصاد جهانی و همچنین تولیدات در کشورهای مختلف زده. در این میان بسیاری از سرمایه‌گذاران، ربات‌ها و اتوماسیون را راه‌حل مناسبی می‌دانند و شرکت‌های فعال در این زمینه با جذب سرمایه، فعالیت‌های خود را افزایش می‌دهند. قرنطینه کارگران و جذب سرمایه روند اتوماسیون را سرعت می‌بخشد و می‌تواند در آینده نزدیک میلیون‌ها نفر را در سراسر جهان بیکار کند، موضوعی که برای بسیاری ترسناک است. کرونا برای بسیاری از کارگران دردسر ایجاد کرده و بسیاری از آن‌ها خانه نشین شده‌اند. در حالی که نزدیک به ۲۰ سال پیش راه‌حلی به نام اتوماسیون چندان جدی گرفته نمی‌شد، اما به لطف پیشرفت در بخش‌های مختلف مانند دید ماشینی، یادگیری ماشینی و هوش مصنوعی، سیستم عامل‌های متن باز رباتیک ، اجزای قابل حمل و سنسور‌ها مورد توجه بسیاری از فعالان قرار گرفته و برخی آن را راه‌حلی از آینده برای این مشکل جهانی می‌دانند.

در حالی که اقتصاد با مشکلات زیادی دست و پنجه نرم می‌کند و بسیاری از استارتاپ‌ها و شرکت‌ها با مشکل مالی مواجه شده‌اند، اما سرمایه‌گذاران از ایده‌ها در زمینه اتوماسیون و رباتیک استقبال می‌کنند. برای مثال یک شرکت چینی با نام ForwardX Robotics که در زمینه لجستیک فعالیت دارد، به تازگی موفق به جذب ۱۵ میلیون دلار سرمایه شده که مجموع سرمایه آن را به ۴۰ میلیون دلار افزایش می‌دهد. علاوه بر این شرکت، BrainCorp که در زمینه اسکرابر رباتیک نیز فعالیت دارد، موفق به جذب ۳۶ میلیون دلار سرمایه شده است.

«نیکلاس چی»، موسس و مدیرعامل ForwardX Robotics در رابطه با دوران کنونی اعلام کرده:

«ما چالش‌های زیادی برای رهبران زنجیره تامین در لجستیک و صنایع تولیدی، از رشد کمبود نیروی کار و مشتری تا انتظار برای افزایش انعطاف پذیری را شاهد هستیم. راه‌حل‌ خودکار ما مبتنی بر هوش مصنوعی، به مشتریان این امکان را می‌دهد که به سرعت با شرایط سازگار شوند و بهره‌وری خود را تا ۳ برابر افزایش دهند. با توجه به شیوع کرونا، شرکت‌ها خواهان تضمین امنیت فعالیت‌های خود در آینده هستند و ما برای این کار، کنار آن‌ها خواهیم بود.»

در حالی که صنایع رباتیک به تازگی مورد توجه قرار گرفته، از نزدیک به یک دهه پیش انقلاب آن‌ها در راه بود. شرکت‌ها و سازمان‌های مختلفی در سال‌های گذشته و اوایل قرن بیست و یکم با برگزاری مسابقات قصد افزایش فعالیت‌ها در این زمینه را داشتند و حالا با توجه به عدم امکان حضور کارگران در سر کار، محبوبیت آن‌ها بیشتر از قبل شده. شاید اتوماسیون روزی تعداد بالایی از مردم را بیکار کند و جایگزین کارگران برای اجرای وظایف ساده شود.

منبع: digiato.com

سنسور هوشمند برای لباس

سنسور هوشمندی که با اتصال به لباس علائم حیاتی بدن را اندازه می گیرد

محققان دانشگاه MIT سنسوری ساخته اند که می تواند با اتصال به پارچه لباس علائم حیاتی بدن را بطور منظم اندازه بگیرد. این سنسور سبک وزن درون پارچه تعبیه شده و قابل شستشو نیز می باشد.

به گزارش سرویس اخبار تکنولوژی و فناوری تکنا و به نقل از techcrunch، سنسور‌هوشمند دانشگاه MIT روی لباس قرار میگیرد و قادر است علائم حیاتی بدن مانند دما، ضربان قلب و میزان تنفس را بصورت مداوم اندازه گیری نماید. از مزیت های این سنسور‌قابل‌شستشو بودن و استفاده مجدد آن در پارچه های دیگر است.

این سنسور توسط دانشگاه MIT و ناسا توسعه یافته و میتواند در صنایع مختلف مانند بهداشت و درمان، فضایی و ورزشی مورد استفاده قرار بگیرد. اتصال این سنسور به گوشی های هوشمند نظارت بر روی علائم حیاتی را آسان خواهد کرد. تولید انبوه این سنسور علاوه بر صنعت فضانوردی برای مبارزه با کرونا خواهد بود. بدین ترتیب با کاهش ارتباط پزشکان و کادر درمانی با بیماران، نظارت بر مداوا و درمان بیماران آسان تر انجام خواهد شد. استفاده از سنسور به کاهش ابتلا به کرونا در بررسی وضعیت بیماران از راه دور کمک خواهد کرد. بسیاری از شرکت های فناوری و استارت آپ ها به دنبال تولید سنسور و جمع آوری اطلاعات بیومتریک هستند. به عنوان مثال استارت آپ فوروارد سنسورهایی را در اختیار بیمارنی که از خانه مورد مداوا قرار میگیرند، قرار داده است.

منبع: techna.news

ایلان ماسک: برنامه‌نویسان جوان قواعد فعلی را بشکنند

ایلان ماسک: برنامه‌نویسان جوان قواعد فعلی را بشکنند

ایلان ماسک در مصاحبه‌ای اینترنتی با اعضای باشگاه «Hack Club» از آنها خواست بیش از تئوری روی تولید ابزارهای فیزیکی متمرکز کنند چرا که اینکار به مراتب سخت‌تر است. وی همچنین با آنها در مورد خطرات هوش مصنوعی به گفتگو پرداخت.

Hack Club شبکه ای از باشگاه‌های کدنویسی در مدارس است که آموزش در آن بر پایه پروژه های عملی صورت می گیرد. فعالیت این گروه در پی تعطیلی مدارس بر اثر شیوع کرونا فعلا متوقف شده و حالا روی آموزش فناوری از طریق یوتیوب متمرکز شده‌اند. Hack Club روز شنبه میزبان ایلان ماسک، مدیرعامل تسلا بود و وی از طریق یوتیوب نظرات خود درباره برنامه نویسی، هوش مصنوعی و مسائل دیگر را با اعضای آن در این میان گذاشت.

 

ماسک در ابتدا به بیان مزیت‌های تولید پرداخت و تاکید کرد که ما در حال جدا شدن از دنیای فیزیکی اتم ها هستیم:«ما باید به ساخت و تولید ابزارهای فیزیکی اهمیت بیشتری بدهیم. اساس تولید ابزارها ساخت خطوط تولید است.» وی افزود که خلاقیت و کار روی سیستم تولید به مرتب سخت‌تر از آن چیزی است که مردم تصور می‌کنند: «طراحی راکت دشوار است اما تولید راکت ۱۰ برابر و توسعه خط تولید راکت ۱۰۰ برابر از آن سخت‌تر است.»

ماسک در پاسخ به سوالی در مورد دشواری‌های مدیریت همزمان تسلا و اسپیس ایکس که هر دو در زمینه تولید فعالیت دارند، یکی از چالش‌های دشوار و همیشگی خود را سوییچ بین اسپیس ایکس، کمپانی فعال در زمینه رابط کاربری مغز-ماشین Neuralink و زندگی شخصی عنوان کرد.

 

 

خطرات هوش مصنوعی

ماسک که پیش از درباره خطرات هوش مصنوعی هشدار داده بود یکبار دیگر تاکید کرد سواستفاده از هوش مصنوعی می‌تواند به سرعت باعث شعله‌ور شدن آتش جنگ شود. از نظر وی هوش مصنوعی نباید به حال خود رها شود و باید کنترل آن در دست اپراتور قرار داشته باشد.

مدیرعامل اسپیس اکس در بخش پایانی سخنانش از دانش آموزان خواست که ایده‌ها را نه بر اساس جایگاه یا میزان نفوذ مطرح کننده آن بلکه بر اساس منطق بسنجند.

منبع: digiato.com

پردازنده های دسکتاپی رایزن AMD

شرکت AMD پردازنده های دسکتاپی رایزن ۳ را برای کامپیوترهای ارزان قیمت معرفی کرد

روز گذشته AMD از دو پردازنده دسکتاپی جدید در سری رایزن ۳۰۰۰ رونمایی کرد. پردازنده های رایزن ۳ که بر پایه نسل سوم معماری ذن ۲ ساخته شده اند قرار است به دیگر اعضای خانواده تراشه های دسکتاپی سری ۳۰۰۰ ملحق شوند که بازار سیستم‌های دسکتاپی ارزان قیمت را نشانه گرفته اند.

پردازنده های دسکتاپی جدید AMD به ترتیب Ryzen 3 3100 و Ryzen 3 3300X نام دارند؛ هر دو چهار هسته ای و ۸ ریسمانی هستند و امکانات دیگری چون چندریسمانی همزمان (SMT)، توان طراحی حرارتی ۶۵ واتی (TDP) و کش ۱۸ مگابایتی (L2 + L3) برایشان در نظر گرفته شده است.

تفاوت میان این دو پردازنده در کلاک هسته آنهاست؛ سرعت کلاک مدل ۳۱۰۰ برابر با ۳.۶ گیگاهرتز در وضعیت پایه و ۳.۹ گیگاهرتز در حالا تقویت شده است در حالی که کلاک هسته ۳۳۰۰X در وضعیت های پایه و تقویت شده به ترتیب برابر با ۳.۸ و ۴.۳ گیگاهرتز است.

قیمت از دیگر تفاوت های این دو پردازنده است؛ مدل ۳۱۰۰ با قیمت پایه ۹۹ دلار به فروش می رسد و اگر قصد خرید ۳۳۰۰X را داشته باشید ۱۲۰ دلار برایتان آب خواهد خورد. فروش هر دوی این تراشه ها از اواخر ماه آینده میلادی رسما آغاز می شود.

شرکت AMD همچنین از نسل جدید چیپست B550 برای پردازنده های سری رایزن ۳۰۰۰ رونمایی کرد که قرار است جایگزین مدل فعلی B450 شود. مادربردهای مبتنی بر چیپست B550 استاندارد باس PCIe 4.0  را در اختیار عموم کاربران قرار می دهند که هم اکنون صرفا از طریق مادربرد های گرانقیمت X570 در دسترس است.

مادربردهای B550 نیز از دو ماه دیگر توسط شرکای تجری AMD از قبیل ایسوس، گیگابایت، ام اس آی و کالرفول به دست مشتریان خواهند رسید.

منبع: digiato.com

ابرپروژه‌ی مایکروسافت برای حفاظت از تنوع زیستی

کامپیوتر سیاره‌ای‌؛ ابرپروژه‌ی مایکروسافت برای حفاظت از تنوع زیستی

مایکروسافت به‌زودی برنامه‌ای به‌نام کامپیوتر سیاره‌ای اجرا می‌کند که با هدف حفظ سلامت اکوسیستم کره‌ی زمین و تنوع زیستی ، توسعه می‌یابد.

مایکروسافت برنامه‌ی جدیدی با هدف انجام پروژ‌های مبتنی بر تنوع زیستی رونمایی کرد. این پروژه، داده‌ها و شبکه‌ی فناوری دیجیتال را در اختیار برنامه‌های تحقیق و مطالعه‌ی تنوع زیستی قرار می‌دهد. برنامه‌‌ی جدید مایکروسافت به‌نام «کامپیوتری سیاره‌ای» یا Planetary Computer معرفی شد. ردموندی‌ها اعتقاد دارند با چنین برنامه‌هایی می‌توان کارایی بهینه‌تری از جمع‌آوری داده و فناوری‌های مرتبط با شبکه استخراج کرد.

برد اسمیث، مدیرکل مایکروسافت، برنامه‌ی جدید شرکت را معرفی کرد. او اعلام کرد که مایکروسافت از ظرفیت‌های پروژه‌ی AI for Earth استفاده می‌کند و دسترسی به دیتاست‌های متنوع محیطی را در اختیار دانشمندان قرار می‌دهد. داده‌های زیست‌محیطی از سرتاسر جهان جمع‌آوری می‌شوند و پلتفرم پردازشی مناسب برای تحلیل آن‌ها نیز در دسترس خواهد بود.

اسمیث در جریان رونمایی برنامه‌ی جدید مایکروسافت گفت:

ما از کامپیوتر سیاره‌ای برای توسعه و پیاده‌سازی فناوری دیجیتال در حوزه‌ی محیط زیست استفاده می‌کنیم. فناوری‌ها به شرکا و مشتریان ما در حوزه‌های تصمیم‌گیر محیط زیست کمک می‌کند تا فعالیت‌های سازمانی بهینه‌تری داشته باشند.

پروژه‌ی AI for Earth در سال ۲۰۱۷ رونمایی شد. این برنامه، ابزارها و مهارت‌های هوش مصنوعی را در پروژه‌هایی متمرکز می‌کند که چالش‌های محیط‌ زیستی را در سرتاسر جهان حل می‌کنند. ردموندی‌ها می‌گویند AI for Earth با این هدف طراحی شد که از فناوری برای کاهش اثرهای زیست‌محیطی یا هماهنگی بیشتر با تغییرات بهره استفاده کنیم. از اهداف دیگر می‌توان به مدیریت بهینه‌‌ی تأمین آب و پروژه‌های تأمین غذا برای جمعیت روبه‌رشد زمین اشاره کرد که طبق پیش‌بینی کارشناسان به‌زودی به ۱۰ میلیارد نفر هم می‌رسد. دراین‌میان تنوع زیستی بیشترین اهمیت را در بین برنامه‌های هدف پروژه دارد.

اسمیث می‌گوید پروژه‌ی هوش مصنوعی مایکروسافت برای توسعه‌ی هرچه بهتر، بیش از همه نیاز به داده، دسترسی بهتر به ابزارهای یادگیری ماشین و توانایی اشتراک‌گذاری نتایج با دیگر فعالان علمی و زیست‌محیطی دارد. اسمیث در ادامه‌ی معرفی برنامه‌ی کامپیوتر سیاره‌ای می‌گوید:

جامعه‌ی ما نیاز به پلتفرم پردازشی جدیدی دارد که شاید نام کامپیوتر سیاره‌ای بهترین انتخاب برای آن باشد. پلتفرمی که توانایی ارائه‌ی دسترسی به تریلیون‌ها داده‌ی جمع‌آوری‌شده توسط انسان‌ها و ماشین‌ها را داشته باشد. داده‌هایی که از فضا، آسمان، زمین و آب جمع‌آوری می‌شوند.
پلتفرم مورد نظر باید به کاربران امکان دهد تا به‌جای جست‌وجو براساس کلمه‌های کلیدی، براساس نقاط جغرافیایی در میان داده‌ها کاوش کنند. کاربران می‌توانند پاسخ انواع سؤال‌ها پیرامون انواع محیط‌های زیستی در نزدیکی خود یا وجود محیط‌های خاص زیستی در جهان را در این پلتفرم پیدا کنند.

مایکروسافت می‌گوید سرمایه‌گذاری و تخصیص منابع خود را به‌مرور در پروژه‌ی کامپیوتر سیاره‌ای افزایش می‌دهد. سرمایه‌گذاری‌های آتی متمرکز بر حوزه‌های خاص راهکارهای محیط زیستی مانند شناسایی گونه‌های جانوری و گیاهی و نقشه‌برداری پوشش زمین و بهینه‌سازی بهره‌برداری خواهند بود.

دسترسی همه‌ی محققان به داده‌های جمع‌آوری شده، هدف بزرگ پروژه‌ی مایکروسافت است

اسمیث می‌گوید مایکروسافت برای توسعه‌ی برنامه‌ی آتی خود ابتدا یک همکاری جدید مبتنی بر پروژه‌ی AI for Earth با Group on Earth Observations Biodiversity Observation Network انجام می‌دهد. همکاری مذکور، با ارزش حدودی یک میلیون دلار، از پروژه‌هایی پشتیبانی می‌کند که تلاش‌ها در جهت نظارت بر تنوع زیستی در کره‌ی زمین را تقویت می‌کنند. به‌علاوه، ابزارهای کاربردی برای مطالعه، گزارش‌گیری و مدیریت تغییرات تنوع زیستی توسعه می‌یابند که اطلاعات لازم را برای تصمیم‌گیری‌های حفاظتی در سرتاسر جهان، فراهم می‌کنند.

اسمیث در بخش دیگر از صحبت‌های خود برای معرفی پروژه‌ی جدید مایکروسافت گفت:

این کامپیوتر سیاره‌ای پیچیدگی‌های زیادی دارد و ما به‌تنهایی توانایی ساخت آن را نداریم. ما باید از سابقه‌ی کاری و مطالبات همکاران خود در پروژه درس بگیریم و با سازمان‌هایی وارد همکاری شویم که در مسیر پیشبرد اهداف زیست‌محیطی در جهان فعالیت می‌کنند.

ما برای پیشبرد پروژه‌ی خود همکاری‌های بیشتری با Esri انجام می‌دهیم. مایکروسافت و Esri، اهداف مشترکی در جمع‌آوری و عرضه‌ی داده‌های جغرافیایی و تحلیل‌هایی همچون جمع‌آوری، نمایش و کار روی اطلاعات مرتبط با سیستم زمین دارند. ما می‌خواهیم این ابزارها در دسترس همه‌ی محققان محیط زیست و فعالان در سرتاسر جهان قرار بگیرد. به‌علاوه، انتظار داریم که هر سازمان حفاظتی در جهان، داده‌های محلی خود را به مخزن بین‌المللی داده ارائه کند.

ما درحال افزایش شراکت در مسیر توسعه‌ی راهکارهای یادگیری ماشین با هدف‌گیری جغرافیایی هستیم. این راهکارها به‌عنوان پایه‌های بنیادی کامپیوتر سیاره‌ای شناخته می‌شوند.

 

مایکروسافت می‌گوید دیتاست‌های جغرافیایی کلیدی را در آژور هم در دسترس قرار می‌دهد و تا پایان سال، دسترسی به آن‌ها ازطریق ابزارهای Esri نیز ممکن می‌شود. ردموندی‌ها اعتقاد دارند Esri در بازار نرم‌افزارهای سیستم اطلاعات جغرافیایی، بهترین عملکرد را دارد.

اسمیث اعتقاد دارد حفظ محیط زیست با هدف سوددهی به نسل‌های کنونی و آینده، یکی از چالش‌های اصلی بشر محسوب می‌شود. او پیاده‌سازی بهینه‌ی فناوری در این مسیر را یکی از چالش‌های اولویت‌دار مایکروسافت دانست. مایکروسافت قبلا در ماه ژانویه برنامه‌ای با هدف‌گیری کنترل کربن معرفی کرده بود و امیدوار است انتشار کربن تا سال ۲۰۳۰، منفی شود و همچنین آن‌ها بتوانند تا سال ۲۰۵۰، کل کربن واردشده به جوّ زمین از کسب‌وکار خود را جمع‌آوری کنند. کربنی که از زمان راه‌اندازی مایکروسافت در سال ۱۹۷۵ به‌صورت مستقیم و غیرمستقیم از فعالیت‌های این شرکت به زمین انتشار یافته است.

منبع: zoomit.ir

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