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

 

لپ‌تاپ‌های گیگابایت با پردازنده نسل‌دهمی اینتل

جدیدترین لپ‌‌تاپ‌‌های گیگابایت با پردازنده نسل دهمی اینتل از راه رسیدند

گیگابایت به‌تازگی لپ‌تاپ‌های جدیدی برای گیمرها و خالقان محتوا معرفی کرده است که از پردازنده‌ی نسل‌دهمی سری کامت‌لیک‌-اچ اینتل برای پردازش کارهای مختلف استفاده می‌کنند.

در چند وقت اخیر، گیگابایت لپ‌تاپ‌های متنوعی برای گیمرها و خالقان محتوا تولید کرده است که همگی بسیار باکیفیت و قدرتمند هستند. ظاهرا این شرکت قصد دارد همچنان به روند تولید این نوع محصولات ادامه دهد. گیگابایت یکی از نخستین شرکت‌هایی به‌شمار می‌آید که از پردازنده‌های جدید نسل‌دهمی اینتل، یعنی خانواده‌ی کامت لیک-اچ (Intel Comet Lake-H) در محصولاتش استفاده می‌کند. این شرکت اخیرا سه لپ‌تاپ جدید از سری Aorus معرفی کرده است که از آن‌ها با نام‌های Aorus 15G و Aorus 17G و Aorus 17X یاد می‌شود. در تمامی لپ‌تاپ‌های جدید سری آئوروس گیگابایت، از تراشه‌های نسل‌دهمی جدید اینتل استفاده شده است؛ تراشه‌هایی که در بین آن‌ها مدل‌هایی با فرکانس پردازشی بوست بیش از پنج گیگاهرتز هم به‌چشم می‌خورد. در لپ‌تاپ‌های جدید گیگابایت، امکان انتخاب یکی از دو پردازنده‌ی نسل‌دهمی Core i7-10875H و Core i9-10980HK وجود دارد که اولی پردازنده‌ای هشت‌هسته‌ای و دومی قوی‌ترین مدل از خانواده‌ی کامت‌لیک‌-اچ اینتل است.

لپ‌تاپ‌های جدید خانواده‌ی آئوروس نخستین لپ‌تاپ‌های گیمینگ گیگابایت محسوب می‌شوند که از کارت‌های گرافیک موبایلی جدید سری Super انویدیا استفاده می‌کنند. این کارت‌های جدید به‌ خانواده‌ی RTX 20 تعلق دارند و قدرت پردازشی گرافیکی بسیاری به صنعت لپ‌تاپ‌های گیمینگ تزریق می‌کنند. در لپ‌تاپ‌های جدید گیگابایت، حتی امکان استفاده از پردازنده‌ی گرافیکی RTX 2080 Super Max-Q انویدیا نیز وجود دارد.

ناگفته نماند هر سه لپ‌تاپ جدید گیگابایت با صفحه‌کلید مکانیکی ساخت شرکت Omron عرضه می‌شوند و از صفحه‌نمایشی با نرخ نوسازی ۲۴۰ هرتز بهره می‌گیرند. هرکدام‌ از لپ‌تاپ‌های جدید گیگابایت تفاوت‌هایی با دیگر لپ‌تاپ‌ها دارند. دو مدل ۱۵G و ۱۷G بیشتر شبیه‌ به اولترابوک‌ها هستند؛ درحالی‌که مدل ۱۷X با طراحی خاصش، بیشتر از بقیه به لپ‌تاپ‌‌های گیمینگ قدرتمند شباهت دارد.

متأسفانه در تمامی لپ‌تاپ‌های جدید سری آئوروس گیگابایت وب‌کم در نزدیکی لولا قرار گرفته است. بررسی‌های زومیت از چنین لپ‌تاپ‌هایی نشان می‌دهد این نوع وب‌کم‌ها نمی‌توانند منظره‌ای جذاب از چهره‌ی شما به‌تصویر بکشند. درواقع، این وب‌کم‌ها زاویه‌ی دید مناسبی ندارند و خروجی آن‌ها چندان چنگی به‌دل نمی‌زند. گیگابایت و دیگر شرکت‌هایی که به استفاده از چنین وب‌کمی روی می‌آورند، در پی کاهش بیشتر حاشیه‌ی قسمت بالای نمایشگر لپ‌تاپ‌هایشان هستند تا ظاهری امروزی‌تر پیدا کنند. طبق اعلام رسمی گیگابایت، لپ‌تاپ آئوروس ۱۵G و ۱۷G و ۱۷X از ۱۵ آوریل ۲۰۲۰ (۲۷ فروردین ۱۳۹۹) و به‌ترتیب با قیمت پایه‌ی ۱،۶۹۹ و ۱،۷۹۹ و ۲٬۳۹۹ دلار دردسترس مشتریان قرار خواهد گرفت.

سه لپ‌تاپ یادشده، تنها لپ‌تاپ‌های جدیدی نیستند که گیگابایت معرفی کرده‌ است. این شرکت لپ‌تاپ‌هایی با برند آئرو (Aero) دارد که به‌طورخاص برای خالقان محتوا تولید و آن‌ها را با سخت‌افزار و ظاهر جدید به‌روزرسانی کرده است. مدل‌های جدید لپ‌تاپ‌های خانواده‌ی آئرو گیگابایت به پردازنده‌های نسل‌دهمی جدید Core i7 و Core i9 اینتل و کارت‌های گرافیک سری Super خانواده‌ی RTX 20 و صفحه‌نمایش ۱۰۸۰p مجهز شده‌اند.

قیمت پایه‌ی لپ‌تاپ‌های جدید خانواده‌ی آئرو که در مدل‌های ۱۵ و ۱۷ اینچ معرفی شده‌اند، به‌ترتیب ۱،۵۹۹ و ۱،۶۹۹ دلار است. در این لپ‌تاپ‌ها، به‌صورت پیش‌فرض از کارت گرافیک Nvidia GeForce GTX 1660 Ti استفاده شده است که کاربر می‌تواند مدل‌های قوی‌تر آن را انتخاب کند. گیگابایت می‌گوید قصد دارد نسخه‌ای از مدل ۱۵ اینچ را با نمایشگر OLED تولید و با قیمت پایه‌ی ۱،۸۹۹ دلار روانه‌ی بازار کند.

اگر کاربر تمایل داشته باشد، می‌تواند نسخه‌ای با نمایشگر OLED و وضوح ۴K تهیه کند که از استاندارد HDR نیز پشتیبانی خواهد کرد. درمقابل، مدل ۱۷ اینچی این لپ‌تاپ نیز در نسخه‌ای با نمایشگر ۴K HDR عرضه خواهد شد. در اطلاعات رسمی گیگابایت، به پنل این نسخه از لپ‌تاپ ۱۷ اینچ اشاره نمی‌شود؛ بنابراین، از OLEDبودن پنل مطمئن نیستیم. نسخه‌ی مجهز به نمایشگر ۴K HDR لپ‌تاپ ۱۷ اینچ جدید سری آئرو با قیمت پایه‌ی ۲،۲۹۹ دلار دردسترس قرار می‌گیرد.

در لپ‌تاپ‌های جدید خانواده‌ی آئرو، شاهد تنوع مناسبی از درگاه‌ها هستیم. طبق اطلاعات رسمی، این لپ‌تاپ‌ها به درگاه‌های تاندربولت ۳ و HDMI 2.0 و کارت‌خوان UHS-II SD مجهز هستند. این لپ‌تاپ‌ها به‌طور‌خاص برای خالقان محتوا تولید شده‌اند؛ اما بهره‌مندی آ‌ن‌ها از پردازنده‌های موبایلی قدرتمند جدید اینتل و کارت‌های گرافیک جدید انویدیا و نمایشگر ۱۴۴ هرتزی باعث می‌شود امکان اجرای باکیفیت بازی‌های ویدئویی نیز روی آن‌ها فراهم باشد. نسخه‌هایی از لپ‌تاپ‌های ۱۵ و ۱۷ اینچ خانواده‌ی آئرو که به نمایشگر ۱۰۸۰p مجهز شده‌اند، از پردازنده‌ی مرکزی Intel Core i7-10750H استفاده می‌کنند. اگر کاربر به تهیه‌ی نسخه‌های OLED تمایل داشته باشد،‌ گزینه‌های بیشتری برای پردازنده‌های مرکزی دردسترسش قرار می‌گیرد که شامل همان پردازنده‌های معرفی‌شده برای خانواده‌ی آئوروس هستند.

گیگابایت می‌گوید قصد دارد لپ‌تاپ‌های جدید خانواده‌ی آئرو را نیز ۱۵ آوریل (۲۷ فروردین) روانه‌ی بازار کند. این لپ‌تاپ‌های جدید همچون محصولات جدید خانواده‌ی آئوروس، از وب‌کم در نزدیکی لولا بهره می‌ببرند؛ وب‌کمی که معمولا استقبال شایانی از آن نمی‌شود و به‌مذاق بسیاری از کاربران خوش نمی‌آید.

اگر به لپ‌تاپ‌های یادشده علاقه‌مند نیستید و به‌دنبال لپ‌تاپی مقرون‌به‌صرفه‌تر در حوزه‌ی لپ‌تاپ‌های گیمینگ می‌گردید، گیگابایت محصولاتی دیگر نیز معرفی کرده است. این شرکت از مدل به‌روزرسانی‌شده‌ی Aorus 5 و Aorus 7 نیز پرده‌برداری کرده است که به‌ترتیب ۱،۲۹۹ و ۱،۳۹۹ دلار قیمت دارند. این لپ‌تاپ‌های جدید به پردازنده‌ی Intel Core i7-10750H مجهز شده‌اند و در مدل پایه‌ی خود از کارت گرافیک Nvidia GTX 1650 Ti برخوردارند.

درضمن درصورت تمایل، کاربر می‌تواند با صرف هزینه‌ی بیشتر، در لپ‌تاپ‌های Aorus 5 و Aorus 7 به کارت گرافیک RTX 2060 دسترسی پیدا کند. با درنظرگرفتن قیمت ارزان‌تر آئوروس ۵ و آئوروس ۷ از لپ‌تاپ‌های یادشده، منطقی است که این محصولات جدید قابلیت‌های کمتری داشته باشند. برای مثال، در لپ‌تاپ‌های آئوروس ۵ و ۷، از صفحه‌کلید مکانیکی و نمایشگر ۲۴۰ هرتزی خبری نیست. این لپ‌تاپ‌ها به نمایشگری با نرخ نوسازی ۱۴۴ هرتزی مجهز شده‌اند و اواخر آوریل عرضه خواهند شد.

منبع: zoomit.ir

پردازش موبایل با فناوری ARM

ARM چگونه بازار پردازش موبایل را تصاحب کرد؟ مروری بر فناوری چیپ‌ها

شاید اگر به پردازش در حوزه موبایل فکر کنید اولین نامی که به ذهنتان برسد ARM باشد. در حالی که از مدت ها قبل این اینتل بوده که سردمدار تولید چیپ های به حساب می آمده اما ARM در نهایت با پردازنده های با سرعت ساعت نه چندان بالا اما کم مصرف و کوچک، نام خود را بر سر زبان ها انداخت.پردازنده های تولید شده بر اساس معماری ARM در دستگاه های متعددی از جمله تلویزیون ها هوشمند، گوشی ها، لپتاپ ها و حتی لوازم خانگی هوشمند قرار گرفته اند. اما سوالی که مطرح می شود این است که چرا معماری های دیگری از جمله x86 توانایی رقابت با ARM در این حوزه ها را ندارند؟ در این مطلب قصد داریم به این سوال پاسخ دهیم و مروری بر تفاوت های سخت افزاری معماری های ARM و x86 داشته باشیم.

پیش از ادامه مطلب به یاد داشته باشید که ARM هیچ پردازنده ای تولید نمی کند. بلکه معماری پردازنده ها را طراحی می کند و حق استفاده از طرح های خود را در اختیار دیگر شرکت های تولید کننده چیپ از جمله کوالکام، سامسونگ، مدیاتک و … قرار می دهد.

 

 

معماری مجموعه دستورالعمل ها یا ISA چیست؟

هر چیپ کامپیوتری برای کارکرد نیاز به مجموعه ای از دستورالعمل ها دارد. ISA یک بخش فیزیکی مثل حافظه کش یا هسته های پردازنده نیست. بلکه تعیین می کند که تمامی بخش های یک پردازنده چگونه کار کنند. این ها شامل مواردی از جمله دستورالعمل هایی پردازش چیپ، تعیین نحوه فرمت داده های ورودی و خروجی، روش برقراری ارتباط پردازنده با رم و … هستند.

به عنوان مثال ISA مشخص می کند که اندازه هر قطعه داده در سیستم های مدرن باید از مدل ۶۴ بیتی پیروی کند. اما پردازنده ۳ عمل پایه خواندن دستورالعمل ها، اجرا کردن آنها و در نهایت آپدیت کردن وضعیت بر اساس نتایج را انجام می دهد. دستورالعمل های مختلف ممکن است روش های متفاوتی را ارائه کنند. به عنوان مثال معماری پیچیده ای از جمله X86 به طور معمول پردازش ها را به چندین عمل کوچکتر تقسیم می کنند تا توان عملیاتی افزایش یابد.

ISA در کنار تعریف ریز معماری پردازنده ها، همچنین مجموعه ای از دستورالعمل های قابل پردازش را مشخص می کند. این دستورالعمل ها شامل موارد متعددی از جمله اعمال خواندن و نوشتن روی حافظه ها هستند. به عنوان مثال بر اساس یک دستورالعمل، داده های آدرس شماره ۱ در حافظه با داده های آدرس ۲ جمع شده و حاصل در آدرس شماره ۳ ذخیره می شود.

 

 

RISC در مقابل CISC

حالا که با مفهوم اولیه ISA آشنا شدید بیایید ببینم که چه چیزی معماری ARM را خاص می کند؟ RISC یا «مجموعه دستورات ساده شده» یکی از مهمترین ویژگی های معماری ARM است. در حالی که معماری X86 از CISC یا «مجموعه دستورات پیچیده‌» بهره می برد. هر یک از این دو معماری مزایا و معایب خاص خود را دارند.

در RISC هر دستورالعمل به طور مستقیم به یک عمل خاص برای اجرا توسط پردازنده اختصاص می یابد و این دستورات نسبتاً ابتدایی هستند. اما در CISC، دستورالعمل ها پیچیده تر هستند و گزینه های گسترده تری را پیش روی پردازنده قرار می دهند. به عبارت دیگر می توان گفت پردازنده های مبتنی بر معماری پیچیده تر CISC معمولاً هر دستور را به مجموعه ای از ریز دستورهای دیگر تقسیم می کنند. معماری CISC می تواند جزئیات بیشتری را در یک دستور واحد یکپارچه کند که همین موضوع تا حد زیادی کارایی را افزایش می دهد. به عنوان مثال در معماری RISC ممکن است تنها یک یا دو دستور برای جمع زدن دو عدد وجود داشته باشد اما در معماری CISC این مقدار ۲۰ عدد است و برای هر نوع داده یا پارامترهای متنوع دیگر دستورات مختلفی استفاده می شود.

یکی از تفاوت های دیگر دو معماری در این است که در CISC بیشتر پیچیدگی به سمت سخت افزار باز می گردد اما RISC پیچیدگی را به سمت نرم افزار می برد. علاوه بر این اجرای فعالیت های موازی در CISC مشکل است اما RISC این کار را راحت تر کرده است. برای تعامل با حافظه هم CISC روش های پیچیده ای دارد اما در عوض در RISC روش ها محدود تر هستند.

در واقع می توان تفاوت های دو معماری را با ابزارهای ساخت یک خانه مقایسه کرد. در یک سیستم مبتنی بر RISC تنها چکش و اره در اختیار دارید اما در CISC انواع ابزارهای دریل، چکش و انبر و … پیش رویتان است. پس با CISC می توان کارهای متنوع تری انجام داد چرا که ابزارها تخصصی تر و قدرتمند تر هستند. با RISC هم می توان کارها را پیش برد اما از آنجایی که ابزارهای آن ضعیف تر و ابتدایی تر هستند، زمان بیشتری طول می کشد.

اما شاید این سوال براتیان مطرح شده باشد که اگر CISC قدرتمند تر است چرا بسیاری از تولیدکنندگان چیپ ها به معماری RISC تمایل بیشتری دارند؟ در جواب باید گفت که کارایی تنها عاملی نیست که باید به آن توجه کرد. اگر بخواهیم به مثال ساخت خانه باز گردیم باید بگوییم که آنهایی که CISC را انتخاب می کنند نیاز به کارگرهای بیشتر با تخصص های متنوع تر دارند و سازمان دهی و برنامه ریزی کل این مجموعه هم پیچیده تر است و هزینه بیشتری می طلبد. در حالی که با انتخاب RISC تمام کارگران می توانند با همان ابزارهای ساده کار کنند و نیاز به تخصص خاصی نیست. در نهایت خروجی هر دو یکسان خواهد بود؛ در حالی که فرایند ساخت کاملاً با هم متفاوت بوده است.

اما خارج از این مثال در دنیای واقعی باید بگوییم که یک برنامه نویس می تواند نرم افزار خود را برای پردازنده های مبتنی بر هر دو معماری ARM یا X86 تولید کند و این در حالی است که دستورالعمل ها در این دو معماری به کل با هم متفاوت هستند اما نتیجه خروجی در کل مشابه است.

 

 

نیاز به انرژی کمتر

دوباره به معماری ARM باز گردیم. اگر تمام این مواردی که به آنها اشاره کردیم را در کنار هم بگذارید متوجه می شوید که چرا ARM برای طراحان چیپست های موبایل تا این اندازه جذاب است. در واقع اصلی ترین دلیل، بهینه بودن این معماری است. در سیستم های کوچک یا موبایل، مصرف انرژی بهینه اهمیت بالاتری نسبت به کارایی دارد. طراحان سیستم های موبایل تقریباً در هر لحظه ای به این فکر هستند که چطور به قیمت از دست رفتن کمی از کارایی، مصرف انرژی را بهینه تر کنند.

تا زمانی که باتری دستگاه ها پیشرفت اساسی را تجربه کند، گرما و مصرف انرژی همچنان مهمترین فاکتور محدود کننده محصولات قابل حمل خواهند بود. دقیقاً به همین دلیل است که پردازنده های بزرگ سیستم های دسکتاپ به موبایل ها راه پیدا نمی کنند. برای مقایسه باید بگوییم پردازنده های رده بالای کامپیوترهای دسکتاپ تا ۲۰۰ وات مصرف انرژی دارند در حالی که یک پردازنده موبایل حداکثر ۲ تا ۳ وات انرژی مصرف می کند.

البته می توان پردازنده های X86 کم مصرف را هم طراحی کرد اما الگوی معماری CISC به گونه ای است که بیشتر به کار پردازنده های قدرتمند می آید. به همین دلیل است که به ندرت شاهد استفاده از پردازنده های ARM در کامپیوترهای دسکتاپ یا مجهز شدن موبایل ها به پردازنده های X86 هستیم.

 

 

معماری ناهمگون بیگ-لیتل

یکی دیگر از ویژگی های کلیدی ARM معماری محاسباتی ناهمگون big.LITTLE است. به لطف این قابلیت، دو مجموعه پردازنده در یک چیپ قرار می گیرند. یک مجموعه (یا به اصطلاح خوشه) ضعیف تر و کم مصرف تر هستند و پردازش های سبک تر را به عهده می گیرند در حالی که مجموعه قدرتمند تر وظایف سنگین تر را انجام می دهند. تعیین این که کدام وظیفه باید به کدام خوشه و کدام یک از هسته ها سپرده شود، به عهده چیپ است. اگر دستگاه بیکار باشد یا به انجام وظایف ابتدایی مشغول شود، هسته های کم مصرف تر (LITTLE) روشن شده و هسته های قدرتمند (big) خاموش می شوند. به گفته ARM این معماری می تواند تا ۷۵ درصد در مصرف انرژی صرفه جویی کند.

در مقابل در پردازنده های دسکتاپ در زمان کارهای سبک تنها مصرف برخی از اجزا کاهش می یابد و بعضی از بخش های پردازنده هیچ گاه خاموش نمی شوند. در نتیجه از آنجایی که معماری ARM امکان خاموش کردن کامل یک هسته را می دهد می توان گفت که از این نظر بر رقیب غلبه می کند.
.
.

راهکار ARM برای درآمد زایی: فروش مجوز و دوری از تولید

یکی از دلایل این که ARM بر بازار پردازنده های مبتنی بر RISC حکمرانی می کند رویکرد کسب و کار مبتنی بر صدور مجوز است. تولید چیپ ها به شدت مشکل و پیچیده است و به همین دلیل ARM به سراغ آن نمی رود. همین موضوع موجب می شود تمرکز بیشتری بر طراحی داشته باشد و با انعطاف پذیری بیشتر، بسته به نیاز سازندگان چیپ، مدل های دلخواه را برایشان طراحی کند.

لیست شرکت هایی که از معماری ARM استفاده می کنند بسیار طولانی است اما به طور خلاصه می توان از مهمترین آنها به اپل، انویدیا، سامسونگ، AMD، برادکام، فوجیتسو، آمازون، هواوی و کوالکام اشاره کرد.

در کنار شرکت هایی که از معماری ARM در چیپست های گوشی های هوشمند استفاده می کنند مایکروسافت هم تلاش کرده لپتاپ های سرفس و دیگر محصولات سبک وزن را به پردازنده هایی با این معماری مجهز کند. همچنین از مدت ها پیش شایعاتی مبنی بر پشتیبانی مک او اس از ARM به گوش می رسد. در این صورت شاید روزی برسد که لپتاپ ها از نظر مصرف انرژی به اندازه گوشی های هوشمند بهینه شوند.

ARM همچنین سال ها است که وعده کاهش مصرف انرژی در سرورها را می دهد. این موضوع به خصوص وقتی هزاران هزار سیستم سرور در کنار هم قرار می گیرند اهمیت دو چندان پیدا می کند.

ARM مجموعه ای از حقوق مالکیت فکری را نیز در اختیار دارد که می تواند از آنها در کنار معماری های متنوع خود استفاده کند. این موارد شامل معماری هایی در زمینه شتاب دهنده ها، کد گذارها و کد گشاها و … هستند که مشتریان می توانند بر اساس نیاز خود حق استفاده از آنها در محصولاتشان را خریداری کنند.

 

 

همه چیز روی یک چیپ

در کنار کسب و کارهایی که به آن اشاره کردیم ARM همچنین فعالیت های خود را به حوزه «سیستم روی یک چیپ» یا SoC هم گسترش داده است. به مرور بازار حوزه پردازش موبایل از نظر فضا و مصرف انرژی با محدودیت های بیشتری روبرو شده و SoC راه حل غلبه بر این مشکل است.

SoC همان طور که از نامش هم مشخص است اجزای مختلف را روی یک چیپ در کنار هم ترکیب کرده تا کارایی بهبود یابد. به عنوان مقایسه، تصور کنید تمامی اجزای یک مادربرد کامپیوتر دسکتاپ روی یک چیپ واحد جمع شوند و یک SoC را تشکیل دهند. یک SoC شامل پردازنده، رم، پردازشگر گرافیکی، کنترل کننده های تجهیزات جانبی، برخی شتاب دهنده ها و بخش های مربوط به شبکه و مدیریت انرژی است. تا پیش از ارائه راهکار SOC تولید کنندگان مجبور بودند برای هر کدام از کاربردها یک چیپ جداگانه طراحی کنند.

SoC همچنین موجب شده ارتباط بین تمامی این اجزا بین ۱۰ تا ۱۰۰ برابر سریع تر شود و مصرف انرژی هم بین ۱۰ تا ۱۰۰ برابر کاهش یابد.

با این حال SoC ها برای برخی از سیستم های خاص مناسب نیستند. به طور معمول این چیپست ها در لپ تاپ های معمول یا کامپیوترهای دسکتاپ دیده نمی شوند. زیرا تعداد اجزایی که می توانند روی یک چیپ در کنار هم قرار بگیرند محدود هستند. به عنوان مثال نمی توان کارت گرافیک های مستقل، مقدار کافی از رم یا تمامی بخش های کنترل کننده اتصالات متعدد یک لپ تاپ را در یک چیپ قرار داد.

منبع: digiato.com

حل بحران کرونا توسط ربات‌ها و تکتولوژی هوش مصنوعی

دنیاگیری کووید ۱۹؛ بحرانی که ربات‌ها می‌توانند به حل آن کمک کنند

ربات‌ها می‌توانند به پزشکان کمک کنند تا از بیماران فاصله بگیرند و به افراد در انزوا نیز کمک کنند تا شرایط را تحمل کنند؛ اما وارد کردن این ماشین‌ها به بیمارستان‌ با مشکلات زیادی همراه است.

ربات‌های پیچیده و هوش مصنوعی، به‌جای جایگزینی کامل انسان‌ها، درحال تقویت نیروهای انسانی هستند. اگرچه خوب است که بتوانیم از پزشکان و پرستاران با واگذار کردن وظایف بیشتر به ربات‌ها، محافظت کنیم، خودکار کردن بخش‌هایی از پزشکی دشوار است. این کار اساسا یک وظیفه‌ی انسانی است و به مهارت‌های حرکتی خوب، دلسوزی و تصمیم‌گیری سریع نیاز دارد که تعیین‌کننده‌ی مرگ یا زندگی افراد است. ما نمی‌خواهیم چنین تصمیماتی را به ماشین‌ها واگذار کنیم.

اما دنیاگیری کووید ۱۹ فرصتی بی‌نظیر برای حرکت سریع درجهت توسعه‌ی فناوری‌های ربات‌های پزشکی است. ده‌ها متخصص رباتیک در سرمقاله‌ای که به‌تازگی در مجله‌ی Science Robotics منتشر شده است، به این موضوع پرداخته‌اند. گوانگ ژونگ‌یانگ یکی از نویسندگان سرمقاله و نیز سردبیر مجله‌ی مذکور در یک کنفرانس مطبوعاتی گفت:

مردم شروع به تامل درمورد این موضوع کرده‌اند که در موقعیت‌هایی مانند این، ربات‌ها نه‌تنها می‌توانند در امر فاصله‌گیری اجتماعی مورد استفاده قرار گیرند بلکه همچنین ازنظر افزایش تعاملات اجتماعی نیز کاربرد دارند.

سرمقاله‌ی جدید درواقع فراخوانی است که خواستار انجام پژوهش‌های بیشتر در زمینه‌ی ربات‌های پزشکی است. یانگ و همکارانش در این سرمقاله نوشتند:

رباتیک و اتوماسیون می‌تواند نقش مهمی در مبارزه‌با بیماری‌های عفونی مانند کووید ۱۹ داشته باشد. ربات‌ها دارای پتانسیل استفاده برای ضدعفونی، تحویل دارو و غذاها، اندازه‌گیری علائم حیاتی و کمک به کنترل مرزها هستند. با تسریع دنیاگیری، نقش‌های بالقوه‌ی رباتیک بیشتر آشکار می‌شود.

علاوه‌براین، ربات‌ها نوعی پزشکی از راه دور را مقدور می‌سازند که انسان‌ها را از مناطق آلوده دور نگه می‌دارد. به‌گفته‌ی پژوهشگران:

کووید ۱۹ می‌تواند همچون عامل تسریع‌کننده‌ی توسعه‌ی سیستم‌های رباتیکی عمل کند که بتوانند به‌سرعت و از راه دور و بدون نیاز به رفتن به خطوط مقدم، توسط کارشناسان و ارائه‌دهندگان خدمات اساسی به کار گرفته شوند.

نکته‌ی طعنه‌آمیز دنیاگیری ویروس کرونا این است که متخصصان پزشکی بهتر از هر کسی می‌دانند که فاصله‌گیری اجتماعی برای کاهش نرخ عفونت‌های جدید ضروری است اما بااین‌حال مجبورند بیش از همه به بیماری نزدیک باشند. همچنین کسانی که شاید بیش از هر کسی نیاز به تعامل اجتماعی دارند، یعنی سالخوردگان، کسانی هستند که بیش از همه لازم است جدا شوند؛ زیرا بیش از دیگران دربرابر بیماری حساس هستند. اما اگر ماشین‌ها بتوانند در امر مراقبت از بیماران کمک کنند، احتمال ابتلای مراقبان انسانی به عفونت کاهش پیدا می‌کند.

برای مثال، ربات‌های خودمختار می‌توانند در اتاق‌ها پرسه بزنند و سطوح را با استفاه از نور فرابنفش ضدعفونی کنند. ربات‌ها همچنین می‌توانند مانند ربات تاگ (Tug)، لوازم مورد نیاز را تحویل دهند. هوش مصنوعی می‌تواند به تشخیص مبتلایان کووید ۱۹ کمک کند. نویسندگان سرمقاله نیز پیشنهاد می‌کنند که مهندسان می‌توانند ربات‌های سیاری را برای انجام کارهای ساده‌ای مانند اندازه‌گیری دمای بدن بیمار توسعه دهند. این فناوری‌ها می‌تواند از فشار وارده بر انسان‌های ارائه‌دهنده‌ی مراقبت‌های بهداشتی کم کند و به آن‌ها کمک کند تا از افراد آلوده فاصله بگیرند. این امر می‌تواند به برطرف کردن تگناهای آینده که در آن کارکنان زیادی پس از مواجهه‌با افراد عفونی، بیمار یا قرنطینه می‌شوند و نیروی کار کافی برای مراقبت از بیماران وجود ندارد، کمک کند.

کیت دارلینگ، متخصص رباتیک که در سرمقاله مشارکتی نداشته است، می‌گوید نمونه‌های زیادی وجود دارد که در آن ماشین‌ها به انسان در انجام وظایفشان کمک می‌کنند. او می‌گوید دستگاه‌های خودپرداز به بانک‌ها این امکان را داده است که خدمات پرداخت خود را گسترس دهند. ربات‌های دفع بمب به سربازان کمک می‌کنند که از خطر بیشتر فاصله بگیرند. مواردی وجود دارد که اتوماسیون جایگزین انسان می‌شود اما پتانسیل حقیقی رباتیک در تکمیل مهارت‌های ما است. ما باید تلاش برای جایگزینی را متوقف کنیم و درمورد نحوه‌ی استفاده از فناوری برای دستیابی به اهدافمان خلاقانه‌تر فکر کنیم.

تصور آینده‌ای که در آن ربات‌های تحویل‌دهنده غذا و لوازم را به خانه‌ی افراد قرنطینه می‌رسانند و مانع از این می‌شوند که کارکنانِ تحویل با تماس با آن‌ها آلوده شوند، دشوار نیست. افراد قرنطینه‌شده درحال‌حاضر با استفاده از برنامه‌های تماس ویدئویی با دوستان و خویشاوندان خود در ارتباط هستند، اما ربات‌های اجتماعی در غیاب همتایان انسانی، می‌توانند مردم را از تنهایی درآورند.

ربات‌های دورحضوری (حضور از راه دور) که اغلب به‌سادگی یک صفحه‌ی نمایش روی چرخ طراحی شده‌اند، برای کمک به اعضای خانواده برای تماس با سالخوردگان در آسایشگاه‌ها شروع به کار کرده‌اند. در بیمارستان‌ها، چنین ربات‌هایی می‌توانند موجب ارتباط پزشکی که مثلا در لندن قرار دارد با بیماری که در آمریکا به سر می‌برد، شوند.

البته یکی از مشکلات اساسی رباتیک بیمارستان، نیاز به تعامل حساس بین پزشک و بیمار است. پزشک باید بیمار را زنده نگه داشته و درعین‌حال در دوران سخت با او همدلی کند. ربات‌ها این گونه نیستند. اینکه یک ربات تا چه اندازه می‌تواند از عهده‌ی وظیفه‌ی کارکنان بخش پزشکی برآید تا حدودی بستگی به این موضوع دارد که آیا او می‌تواند تعامل انسانی را جایگزین کند یا اینکه فقط انتقال‌دهنده‌ی این تعامل است. به‌عبارت دیگر، آیا ربات فقط به‌عنوان واسطه‌ای برای پزشک یا دیگر کارکنان مراقبت‌های بهداشتی یا متخصصان عمل می‌کند یا اینکه قرار است خود ربات وظیفه‌ای را انجام دهد؟

جولی کارپنتر متخصص رباتیک و پژوهشگر گروه اخلاق و علوم نوظهور در دانشگاه ایالتی کالیفرنیا که در سرمقاله‌ی جدید مشارکتی نداشته است، می‌گوید:

یقینا اینکه کاری کنیم آن‌ها برای انسان ترسناک نباشند، مهم است.

مثلا ربات تاگ را درنظر بگیرید. این ربات کم‌و‌بیش مانند جعبه‌ای است که به‌طور خودمختار در راهروهای بیمارستان پرسه می‌زند و اگر منتظر آسانسور باشد با صدایی دوستانه به شما می‌گوید. ممکن است لازم باشد که یک ربات بسیار بزرگ باشد تا بتواند بیمار را بلند کند؛ اما در این حالت اندازه‌ی آن ممکن است ترسناک باشد. کاهش استرس روانی فرد به‌خصوص در سناریوهای مراقبت، باید بخش مهمی از طراحی ربات‌ها باشد.

مهندسان همچنین هنگام طراحی ربات‌های پزشکی باید کارکنان بیمارستان را که تاکنون با آن‌ها کار نکرده‌اند، مورد توجه قرار دهند. هنریک کریستنسن یکی از نویسندگان سرمقاله می‌گوید:

آن‌ها به‌وسیله‌ی مهندسان و برای مهندسان طراحی شده‌اند. پرستاران و پزشکان درحال‌حاضر تحت استرس قرار داشته و زمان زیادی ندارند. اگر به آن‌ها بگویید که آموزش استفاده از ربات دو ساعت طول می‌کشد، احتمالا آن‌ها را از دست می‌دهید. ما امروزه هنوز به اندازه‌ی کافی در طراحی ربات‌هایی که واقعا روان باشند، خوب نیستیم.

یکی از ایده‌های جسورانه حاصل‌از کنفرانس مطبوعاتی Science Robotics راه‌اندازی رقابتی برای ساخت ربات‌های پزشکی بود. برای مثال، دارپا در سال ۲۰۱۵ رقابت رباتیکی را برگزار کرد که در آن ماشین‌های انسان‌نما را مقابل یکدیگر قرار داد و به میزان زیادی پژوهش درمورد استقلال ربات‌ها را پیش برد. اکنون دارپا درحال اجرای چالش دیگری است برای ربات‌هایی که در محیط‌های زیرزمینی به کاوش مشغول می‌شوند. کریستنسن می‌گوید:

پس چرا یک چالش رباتیک در بیمارستان راه‌اندازی نکنیم؟ بدون تردید، این راهی از نوآوری جمع‌سپاری است.

منبع: zoomit.ir

تبدیل سیگنال‌های مغز به متن از کاربردهای هوش مصنوعی

دستاورد جدید هوش مصنوعی: تبدیل سیگنال‌های مغز به متن با دقت ۹۷ درصد

دانشمندان به تازگی موفق به توسعه سیستم هوش‌مصنوعی جدیدی شده‌اند که می‌تواند سیگنال‌های مغز انسان را با دقت ۹۷ درصد به متن تبدیل کند.

برای اولین بار شاهد توسعه سیستمی با این میزان دقت هستیم. محققان دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF) به چنین موفقیتی دست پیدا کرده‌اند. برای افزایش دقت این سیستم، این تیم توسط جراح مغز و اعصاب، «ادوارد چانگ» سرپرستی شده. در این تحقیق روش جدیدی برای رمزگشایی الکتروکورتیکوگرام مورد استفاده قرار گرفت: پالس‌های الکتریکی که در طی فعالیت قشر مغز ایجاد می‌شوند، توسط الکترودهای کاشته شده در مغز جمع‌آوری شدند.

در این تحقیق جدید چهار بیمار مبتلا به صرع با استفاده از ایمپلنت‌هایی برای نظارت بر تشنج، مورد بررسی قرار گرفتند. تیم دانشگاه UCSF به بیماران گفته بود تعدادی جمله را با صدای بلند بخوانند و تکرار کنند. طی این آزمایش، الکترودها فعالیت مغز را جمع‌آوری کردند.

اطلاعات جمع‌آوری شده وارد یک شبکه عصبی شد. این شبکه عصبی وظیفه تحلیل الگوهای درون فعالیت مغز متناسب با گفتارهای خاص مانند حروف صدادار، صامت‌ها یا حرکات دهن بر اساس صداهای ضبط شده طی آزمایش را برعهده داشت.

پس از این کار، شبکه عصبی دیگری این اطلاعات که از تکرار ۳۰ تا ۵۰ جمله جمع‌آوری شده بود، رمزگشایی کرد. در حقیقت هدف از این کار، پیش‌بینی جملات اصلی تحلیل شده توسط شبکه عصبی اول، در شبکه عصبی دوم بود.

این تحقیق نشان داد سیستم هوش‌مصنوعی توسعه پیدا کرده می‌تواند سیگنال‌های مغز را با ۳ درصد خطا به متن تبدیل کند. در شرایط آزمایشگاهی برای اولین بار چنین دقتی ثبت شده است. تیم دانشگاه UCSF نمونه‌ای از جملاتی که این سیستم به اشتباه تشخیص داده را منتشر کرده. برای مثال جمله «این موزه هر عصر موسیقی‌دان استخدام می‌کند»، توسط هوش‌مصنوعی «این موزه هر صبح گران‌قیمت موسیقی‌دان استخدام می‌کند» پیش‌بینی شده است.

منبع: digiato.com