کاربردهای هوش مصنوعی

هوش‌مصنوعی فرایند نقاشی هنرمندان بزرگ را شبیه‌سازی می‌کند

هرچند بشر در ساخت ماشین‌ زمان برای سفر به گذشته ناکام مانده، اما با وجود هوش‌مصنوعی می‌توان شماری از رویدادهای گذشته را شبیه‌سازی کرد.

امروزه فرایند خلق یک اثر هنری قدیمی سوالی بزرگ در ذهن بسیاری از علاقمندان به هنر است، اما متاسفانه تا پیش از این امکان بازگشت به گذشته و دیدن سبک نقاشی از روی دست افرادی نظیر ون‌گوک یا مونت وجود نداشت. حال محققان حوزه‌ی هوش‌ ‌مصنوعی در دانشگاه MIT موفق شده‌اند تا به کمک یادگیری ماشین، سیستمی را طراحی کنند که قادر است فرایند طراحی سوژه‌های مختلف روی بوم را از ابتدا شبیه‌سازی کند. این سیستم که Timecraft نام دارد، قادر است با جزئیات بالایی به شبیه‌سازی فرایند نقاشی پرداخته و حتی جاهایی از بوم را که نقاش با استفاده از قلم مو، خطوطی را اضافه کرده، نمایش دهد. فرایند کار این هوش‌مصنوعی به این گونه است که ابتدا با استفاده از ۲۰۰ ویدیوی تایم‌لپس، فرایند نقاشی دیجیتال و آبرنگ به‌عنوان دیتای آموزشی در اختیارش قرار داده می‌شود. پس از ایجاد یک شبکه‌ی عصبی موسوم به کانولوشنال، فرایند تفکیک و شبیه‌سازی نقاشی هدف به‌صورت برعکس براساس آموزش‌ها آغاز می‌شود.

 

شبیه‌سازی نقاشی هنرمندان بزرگ توسط هوش مصنوعی

هرچند نتایج کار فاصله‌ی زیادی با حالت ایدئال دارد، اما همچنان شاهد نتایج رضایت‌بخشی هستیم. تایم‌کرفت از تست‌های بنچمارک موجود عملکرد بهتری دارد، به‌صورتی که در ۹۰ درصد موارد بسیار بهتر عمل می‌کند. فرایند کار این الگوریتم به اندازه‌ای خوب است که در زمان خلق یک اثر هنری که با استفاده از آن آموزش یافته، بیش از نیمی از افراد را فریب می‌دهد، به‌طوریکه این افراد تصور می‌کنند که نقاشی مدنظر نسخه‌ی اصلی است و توسط هوش‌مصنوعی ایجاد نشده است.

توسعه‌دهندگان این الگوریتم اعلام کرده‌اند که کد آن را در آینده‌ی نزدیک دردسترس عموم قرار می‌دهند تا تمامی افراد قادر باشند خود این فرایند را آزمایش کنند. در کنار بررسی فرایند نقاشی توسط بزرگان این هنر، استفاده از این الگوریتم می‌تواند در حوزه‌ی آموزش نقاشی توسط افراد تازه‌کار نیز مورد استفاده قرار گیرد. هرچند هنوز فاصله‌ی زیادی تا ایجاد یک نقاش دیجیتال چیره‌دست داریم، اما دانشمندان به دستاوردهای خوب دست پیدا کرده‌اند و انتظار می‌رود در آینده نزدیک شاهد ظهور هوش‌مصنوعی با قابلیت خلق آثار هنری ارزنده باشیم.

منبع: zoomit.ir

گوگل کروم

افزونه جدید کروم کاربر را به‌صورت مستقیم به بخش مدنظر از متن، هدایت می‌کند

کروم قابلیتی برای دسته‌بندی و تقسیم متن صفحه‌ها دارد که با بهره‌‌گیری از افزونه ‌ی جدید می‌توان به‌صورت مستقیم کاربر را به بخش مدنظر از متن هدایت کرد.

گوگل افزونه‌ی جدیدی به‌نام Link to Text Fragment معرفی کرد که به کاربر امکان می‌دهد تا لینک‌هایی با آدرس‌دهی مستقیم به بخشی از متن یک صفحه‌ی وب تولید کنند. افزونه‌ی جدید، صرف‌نظر از فرمت متن، کاربر را به هدف مدنظر سازنده‌ی لینک هدایت می‌کند.

برای استفاده از افزونه ‌ی جدید گوگل، پس از نصب آن تنها باید بخشی از متن را انتخاب کنید که تصمیم به ساختن لینک برای آن دارید. سپس با کلیک راست کردن روی متن و انتخاب گزینه‌ی Copy Link to Selected Text می‌توانید لینک شخصی‌سازی شده برای هدایت کاربر به متن انتخاب‌شده را تولید کنید. لینک مذکور را می‌توان با افراد دیگر به اشتراک گذاشت که در مرورگرهای متنوع پشتیبانی می‌شود.

 

 

لینک‌های اختصاصی فعلا تنها در کروم و اج پشتیبانی می‌شوند.

افزونه ‌ی جدید کروم با استفاده از قابلیت جدیدی توسعه یافت که به‌نام Text Fragments در کرومیوم ارائه شد. قابلیت مذکور با اضافه کردن یک علامت # به آدرس URL، اطلاعات لینک‌دهی اضافه‌ای را به آن می‌افزاید. همین قابلیت اکنون توسط گوگل استفاده می‌شود و در برخی از نتایج جست‌وجو، با کلیک کردن روی لینک به بخش مدنظر حاوی متن جست‌وجو شده هدایت می‌شوید. به‌هرحال این آدرس‌ها اگر در لینک‌دهی به بخش طولانی از یک متن یا در صفحات وب شلوغ با تکرار متعدد کلمه‌‌ی مشترک استفاده شوند، بلند خواهند بود که با استفاده از افزونه‌ ی جدید می‌توان آن‌ها را بهتر مدیریت کرد.

افزونه کروم

لینک‌هایی که با افزونه‌ی جدید کروم ساخته می‌شوند، با تمامی مرورگرهایی مبتنی بر کرومیوم از نسخه‌ی ۸۰ به بعد سازگار هستند. البته همان‌طور که گفته شد، همه‌ی مرورگرها از لینک‌های اختصاصی پشتیبانی نمی‌کنند و باید کمی منتظر بمانیم تا پشتیبانی به سافاری و فایرفاکس هم اضافه شود. کلیک کردن روی لینک‌های اختصاصی در مرورگرهای مذکور، کاربر را به بالای صفحه‌ی اصلی هدف می‌برد.

بخش‌بندی متن صفحات وب، قابلیتی کاربردی محسوب می‌شود که پیدا کردن یک بخش خاص از اطلاعات را در یک صفحه‌ی وب بلند، آسان می‌کند. به‌عنوان مثال می‌توان با استفاده از آن لینک‌هایی ساخت که در یک مقاله‌ی آموزشی بلند، به یک مرحله‌ی خاص از آموزش هدایت شوند. کاربرد دیگر می‌تواند هدایت کاربر به یکی از المان‌های موجود در یک مقاله‌ی فهرستی باشد.

افزونه‌ی جدید کروم و قابلیت‌های آن، جذاب هستند؛ اما هنوز با کامل شدن فاصله‌ی زیادی دارند. به‌عنوان مثال در برخی آزمایش‌ها با مرورگر اج، لینک به بخش صحیحی از متن هدایت می‌شد، اما متن مدنظر، پررنگ نشده بود. در برخی موارد هم با پیام‌های خطایی مبنی بر کوتاه بودن متن انتخاب‌شده روبه‌رو می‌شوید که حتی باوجود انتخاب کردن یک پاراگراف هم شاید رخ بدهد. به‌هرحال هنوز مشکلات هماهنگی با مرورگرهای دیگر و حتی صفحات وب‌ خاص هم وجود دارد و اهالی مانتین ویو باید بیش از پیش روی توسعه و بهینه‌سازی افزونه کار کنند.

منبع: zoomit.ir

پلتفرم رباتیک RB5 کوالکام

پلتفرم رباتیک RB5 کوالکام با پشتیبانی از ۵G و هوش مصنوعی معرفی شد

کوالکام نیز درست مانند رقبایش از جمله اینتل و انویدیا روی رایانش مبتنی بر هوش مصنوعی کار می کند اما ترجیح مدیرانش این بوده که روی حوزه تخصصی خودشان تمرکز داشته باشند: یعنی دستگاه های کوچک تر و شبکه ها ارتباطی. در همین راستا این شرکت آمریکایی چندی پیش از پلتفرم رباتیک RB5 خود با پشتیبانی از ۵G و هوش مصنوعی رونمایی کرد؛ محصولی که دنباله رو چیپست RB3 است و قرار است در طیف وسیعی از ربات ها و پهپادها به کار گرفته شود.

پلتفرم RB3 همچنین به تولید کنندگان کمک می کند که گجت های خودران با قابلیت مسیریابی دقیق محیط های پیرامونی بسازند و در کوتاه های ترین زمان ممکن اطلاعات کلیدی و قابل اطمینانی را در اختیار کاربران قرار دهند.

کیت پلتفرم RB3 مجموعه ای متشکل از سخت افزار، نرم افزار و ابزارهای توسعه است که به تولیدکنندگان امکان می دهد نسل بعدی از ربات ها و پهپادهای کم مصرف و با توان رایانشی بالا را بسازند.

سخت افزار این پلتفرم از یک پردازنده QRB5165 کوالکام، سی پی یو کایرو ۵۸۵ و پردازنده گرافیکی آدرنو ۶۵۰ تشکیل شده است. پلتفرم RB3 در واقع نسخه متفاوتی از اسنپدراگون ۸۶۵ است که برای ربات ها و پهپادها بهینه سازی شده است و توان پردازشی آن برابر با ۱۵ ترا عملیات در هر ثانیه عنوان شده. پشتیبانی از ۴G و ۵G روی تمامی باندها از جمله mmWave از دیگر مشخصه های این پلتفرم محسوب می شود.

از آنجایی که این چیپ برای بینایی کامپیوتری و حوزه رباتیک طراحی شده است میتواند ویدیوهای مختلف تا کیفیت ۸K یا ۴K HDR و تصاویر با رزلوشن تا ۲۰۰ مگاپیکسل را پردازش کند و  امکان تعامل همزمان آن با حداکثر ۷ دوربین فراهم شده است. در مورد نرم افزار هم باید بگوییم که پلتفرم RB3 همراه با کیت توسعه نرم افزاری برای پردازش عصبی، یادگیری ماشینی، تشخیص قابلیت و تشخیص مانع ارائه خواهد شد.

این کیت توسعه دربرگیرنده دوربین اصلی ۱۲ مگاپیکسلی با امکان دنبال کردن سوژه، تشخیص عمق، زمان پرواز و دیگر ویژگی های کلیدی این روزهاست. کوالکام همچنین سنسورهای دیگری از قبیل حسگرهای مغناطیسی، فشارسنج، دماسنج، فراصوت و بسیاری موارد دیگر را نیز برای آن در نظر گرفته است.

تکنولوژی مورد اشاره قابلیت استفاده در اسباب بازی ها، جارو ربات ها و ماشین های چمن زنی را دارد و میتوان از آن در حوزه های تجاری و صنعتی بهره گرفت. بزرگ ترین مورد مصرف این تراشه اما پهپاد است؛ جایی که بینایی کامپیوتری و ارتباط ۴G/5G اهمیت ویژه ای پیدا می کند.

منبع: digiato.com

غول‌های فناوری اپل گوگل مایکروسافت

غو‌ل‌های فناوری چگونه اطلاعاتی جامع درباره ما پیدا می‌کنند؟

شرکت‌های بزرگ دنیای فناوری اطلاعات کاملی درباره‌ی رفتار و علایق و سابقه‌ی فعالیت کاربران دارند. آن‌ها چگونه به این اطلاعات دست پیدا می‌کنند؟

حتما در تجربه‌های وب‌گردی خود با تبلیغاتی کاملا مناسب علایق خود روبه‌رو شده‌اید. تبلیغاتی متناسب با فعالیت‌ها و سابقه‌ی وب‌گردی که در وب‌سایت‌های محبوب شما نمایش داده می‌شوند. این وب‌سایت‌ها چگونه چنین اطلاعات کاملی درباره‌ی ما پیدا می‌کنند؟ یک مطالعه‌ی جامع روی پنج شرکت بزرگ دنیای فناوری، اطلاعات جالب‌توجی از نحوه‌ی جمع‌آوری و استفاده از اطلاعات توسط این شرکت‌ها دراختیار ما قرار می‌دهد. شرکتی فعال در حوزه‌ی تجارت الکترونیک به‌نام Signs در تحقیقات اخیر خود با محوریت حجم اطلاعاتی که غول‌های فناوری درباره‌ی ما می‌دانند، بخشی از فرایند را مورد تحلیل قرار داده است.

تحقیقات شرکت Signs با این هدف انجام شد تا محققان و کاربران متوجه شوند پنج شرکت اصلی دنیای فناوری یعنی فیسبوک، اپل، مایکروسافت، گوگل و آمازون (موسوم به گروه FAGMA) چه مقدار اطلاعات درباره‌ی کاربران خود دارند. به‌علاوه، یک آزمایش با ۲۰ سؤال در جریان تحقیقات مطرح شد که نشان‌دهنده‌ی اطلاعات کم کاربران درباره‌ی شرکت‌ها بود.

نتیجه‌ی تحقیقات نشان می‌دهد که فیسبوک براساس گزارش درآمدی و پیش‌بینی‌های ۲۰۱۸-۲۰۱۷ خود، در هر دقیقه حدودا ۱۰۶ هزار دلار درآمد دارد. آن‌ها حدودا ۳۰ هزار کارمند دارند و اطلاعات بسیار زیادی از کاربران خود جمع‌آوری می‌کنند. فیسبوک با استفاده از اطلاعاتی همچون آدرس IP، ردگیری موقعیتی گوشی موبایل و موقعیت‌های مکانی که دوستان‌تان ارائه می‌کنند، توانایی تخمین حدودی محل زندگی شما را دارد. در میان اطلاعات جمع‌آوری شده در تحقیق، یک یافته‌ی جالب‌توجه دیگر نیز دیده می‌شود. حدود یک‌سوم از پرونده‌های طلاق در سال ۲۰۱۱ در ایالات متحده، شامل کلمه‌ی «فیسبوک» بوده‌اند.

غول های فناوری FAGMA

اپل که روزانه حدود ۷۲۲ میلیون دلار درآمد دارد، ازطریق اپراتور موبایل توانایی دریافت شماره‌ی موبایل کاربر را دارد. اطلاعات دیگر تحقیقات نشان می‌دهد کوپرتینویی‌ها هر دقیقه ۳۱ دستگاه مک می‌فروشند. درحال‌حاضر حدود ۱۲۳ هزار نفر در سرتاسر جهان کاربر اپل هستند و نیمی از خانه‌های ایالات متحده، حداقل یک دستگاه ساخت اپل دارند.

مایکروسافت با حدود ۱۳۱ هزار کارمند در سرتاسر جهان، حدودا در هر ساعت ۱۲/۵ میلیون دلار درآمد دارد. در بخش دیگر گزارش می‌خوانیم که اکنون بیش از ۴۰۰ میلیون دستگاه از ویندوز ۱۰ استفاده می‌کنند. روزانه سه میلیارد دقیقه تماس با سرویس اسکایپ برقرار می‌شود و یک پنجم از مردم، بینگ را به‌عنوان موتور جست‌وجوی محبوب خود انتخاب می‌کنند.

 

 

درآمد غول‌های فناوری از GDP بسیاری از کشورها بیشتر است.

گوگل ارزش بازاری بیش از ۳۰۲ میلیارد دلار دارد و درآمد آن در هر ثانیه، ۴،۳۴۸ دلار بیان می‌شود. آن‌ها در سرتاسر جهان بیش از ۸۵ هزار کارمند دارند. امروز بیش از یک میلیارد نفر از سرویس جیمیل استفاده می‌کنند. درواقع احتمال داشتن حداقل یک آدرس جیمیل برای هر کاربر دنیای فناوری، بسیار بالا تخمین زده می‌شود. گوگل علاوه بر سرویس‌های اصلی موتور جست‌وجو، توانایی شناسایی هویت و جمع‌آوری اطلاعات درباره‌ی کاربر را ازطریق ویدیوهای مشاهده شده در یوتیوب هم دارد. تبلیغاتی که کلیک می‌کنید و وب‌سایت‌هایی که مشاهده می‌کنید هم در برنامه‌ی ردیابی و کسب اطلاعات گوگل قرار می‌گیرند.

آمازون روزانه حدود ۶۴۳/۵ میلیون دلار درآمد دارد. درآمدی که در مقام مقایسه به آن‌ها امکان می‌دهد ۲۶۱ هواپیمای بوئینگ خریداری کنند یا ۱۷ شاتل را به فضا بفرستند. آن‌ها با این درآمد می‌توانند برای ۲۷۱ میلیون سال، اشتراک نتفلیکس خریداری کنند. بیش از ۴۳ درصد از سهم بازار تجارت الکترونیک دراختیار آمازون قرار دارد و آن‌ها با بیش از ۵۶۳ هزار کارمند در سرتاسر جهان، بزرگ‌ترین شرکت در میان مجموعه‌ی مورد مطالعه هستند.

شرکت‌هایی که در گروه FAMGA قرار می‌گیرند، ارزشمندترین برندهای جهان محسوب می‌شوند. به‌عنوان مقایسه جالب است بدانید فیسبوک درآمدی بیش از GDP کشورهای گرینلند، لیبی،‌ هندوراس و ایسلند دارد. درآمد اپل نیز بیش از GDP نیوزیلند تخمین زده می‌شود.

پایگاه داده / database

 

 

داده، ابزار درآمدزایی غول‌های فناوری

اگر تاکنون با این سؤال روبه‌رو بوده‌اید که شرکت‌های فناوی چگونه به بزرگ‌ترین سازمان‌های جهان تبدیل شدند، پاسخی به جز کلمه‌ی داده (Data) نخواهید داشد. هریک از شرکت‌های بزرگ، اطلاعاتی بسیار زیاد درباره‌ی شما دارند. آن‌ها نام، شماره‌ی تماس و آدرس ایمیل شما را می‌دانند. در میان آن‌ها، تنها اپل آدرس محل زندگی شما را جمع‌آوری نمی‌کند، اما اگر آدرس را در اطلاعات اپل آی‌دی وارد کنید، آن‌ها نیز اطلاعات را خواهند داشت.

تمامی شرکت‌های فهرست بالا به جز آمازون، توانایی جمع‌آوری اطلاعات پیرامون عادت‌‌های شما را دارند. البته آمازون هم فرایندهای خرید و وب‌گردی کاربران را ردگیری و تجمیع می‌کند تا اطلاعاتی کلی پیرامون عادت‌های خرید و موضوع‌های مورد علاقه به دست بیاورد. آمازون و اپل، اطلاعات زیادی پیرامون دوستان و اعضای خانواده‌ی شما ندارند، اما اگر خرید هدیه‌ای برای آن‌ها انجام دهید. این اطلاعات هم به گنجینه‌ی دو شرکت مذکور اضافه می‌شود.

تمایل ما به استفاده از ابزارهای فناوری، منجر به رشد و درآمدزایی گروه FAGMA می‌شود

فیسبوک با ردگیری رفتارهای شما متوجه می‌شود که بیشتر با کدام دوستان در تعامل و ارتباط هستید. درنتیجه با استفاده از همان اطلاعات، نزدیک‌ترین دوستان و اعضای خانواده را تشخیص می‌دهد. فیسبوک حتی توانایی کشف وضعیت ارتباطی و تمایل‌های جنسی کاربران را نیز دارد.

هریک از شرکت‌های بزرگ دنیای فناوری، برند و مدل گوشی هوشمند و جنسیت شما را می‌دانند. آن‌ها حتی باتوجه‌به عکس پروفایل‌هایی که در حساب کاربری بارگذاری کرده‌اید، رنگ چشم را نیز تشخیص می‌دهند. درمیان آن‌ها، مایکروسافت با خرید لینکدین به مجموعه‌ی ارزشمند دیگری از داده دست پیدا کرد و توانایی کشف تاریخچه‌ی اشتغال هر کاربر را نیز دارد.

در فهرست FAGMA، تنها آمازون و مایکروسافت، تاریخ تولد دقیق شما را درخواست نمی‌کنند. اپل و مایکروسافت و آمازون، اطلاعی از جهت‌گیری‌ سیاسی کاربران خود ندارند. همچنین اپل، آمازون و گوگل ظاهرا سطح تحصیلات شما را نیز نمی‌دانند. همه‌ی شرکت‌های مذکور، توانایی ردگیری تاریخچه‌ی وب‌گردی شما را دارند. تنها آمازون کمی محدودتر عمل کرده و فقط وب‌سایت‌هایی که قبل و بعد از آمازون مرور کرده‌اید را ردگیری می‌کند. تمامی شرکت‌ها، اطلاعات کارت اعتباری کاربران در مناطق خاص را دراختیار دارند.

درآمد اپل

تمامی شرکت‌های FAGMA به جز فیسبوک، دستورهای صوتی شما را به که دستیارهای هوشمند ارسال کرده‌اید، ضبط می‌کنند. فیسبوک نیز می‌گوید تنها درصورتی به میکروفون گوشی هوشمند دسترسی خواهد داشت که خود کاربر برای استفاده از قابلیتی خاص، دسترسی را داده باشد. غول شبکه‌های اجتماعی ادعا می‌کند که برخلاف شایعه‌های موجود، هیچ‌گاه به مکالمه‌های کاربر گوش نمی‌دهد.

اطلاعات و آمارهایی که در بالا ذکر شدند، بسیار شوکه‌کننده و عظیم هستند. تمامی آن‌ها نیز به‌عنوان نتیجه‌ای از تمایل سیری‌ناپذیر مردم به ارتباط داشتن با یکدیگر، خرید آنلاین، تملک جدیدترین نرم‌افزار و سخت‌افزارها و کسب اطلاعات بیشتر پیرامون جهان محسوب می‌شوند. درنهایت، رشد شرکت‌های FAGMA ظاهرا مسیری همیشه ادامه‌دار خواهد بود و هیج رقیب جدی برای آن‌ها دیده نمی‌شود.

شاید درحال‌حاضر نتوانیم رقیبی بزرگ برای پنج شرکت اصلی دنیای فناوری پیدا کنیم؛ اما فراموش نکنید که تا چند دهه پیش، شرکت‌های دیگری در جایگاه برترین‌های صنعت بودند و همین گروه FAGMA به‌مرور جای آن‌ها را اشغال کردند. درنتیجه می‌توان اکنون هم رقیبی را تصور کرد که اکنون با حرکتی آهسته، به سمت صدر جدول حرکت می‌کند. درنهایت رقابت در دنیای فناوری همیشه ادامه دارد و دراین‌میان، داده و اطلاعات کاربران نقشی حیاتی را در رقابت بازی می‌کند.

منبع: zoomit.ir

ارزیابی شخصیت توسط هوش مصنوعی

شکست انسان از هوش مصنوعی در تست ارزیابی شخصیت بر اساس تصویر

هوش مصنوعی در سال‌های اخیر پیشرفت‌های زیادی داشته و توانسته در برخی زمینه‌ها انسان را شکست دهد. اخیرا تحقیق جدیدی صورت گرفته که در آن هوش‌مصنوعی ویژگی‌های شخصیتی را توسط تصاویر سلفی تشخیص می‌دهد. هوش‌مصنوعی توانسته در این حوزه عملکرد بهتری نسبت به انسان از خود نشان دهد.

این تحقیق در روسیه صورت گرفته و محققان در این کشور توانسته‌اند هوش‌مصنوعی توسعه دهند که کارایی بهتری نسبت به انسان و دستگاه‌های دیگر داشته باشد. این هوش مصنوعی تصاویر سلفی را بر اساس ویژگی‌های شخصیتی شامل برونگرایی، عصبانیت، توافق‌پذیری، پذیرای تجارب جدید بودن و وجدان قضاوت کرده است.

تیم توسعه‌دهنده این هوش مصنوعی متوجه شد که الگوریتم با تجزیه و تحلیل تصاویر سلفی مختلف از یک شخص، قضاوت‌های شخصیتی پایدار ارائه می‌دهد. این هوش مصنوعی در زمان ارزیابی تصاویر سلفی زنان عملکرد بهتری در مقایسه با مردان داشت و به بهترین نحو می‌توانست وجدان افراد را در مقایسه با سایر خصوصیات شخصیتی قضاوت کند.

محققان دقت این هوش‌مصنوعی را بالاتر از حد متوسط توصیف می‌کنند، البته نتایج آن بهتر از انسان‌ها در هنگام مواجه با افراد ناشناس است. در این تحقیق ۳۱ هزار عکس سلفی از ۱۲ هزار داوطلب مورد بررسی قرار گرفته و افراد علاوه بر تصاویر سلفی، پرسشنامه شخصیتی را نیز پر کردند.

پتانسیل‌های بالایی برای هوش مصنوعی که قادر به تشخیص ویژگی‌های شخصیتی بر اساس چهره افراد است، وجود دارد. محققان به این موضوع اشاره کرده‌اند که از آن می‌توان برای تبلیغات استفاده کرد. شرکت‌ها می‌توانند با ارزیابی چهره، شخصیت افراد را تشخیص دهند و مشتریان را با محصولات خود هدف بگیرند.

منبع: digiato.com

شبکه‌های موبایل

شبکه‌های موبایل چگونه کار می‌کنند؟

در این مقاله، کارکرد و انواع شبکه ‌های ارتباطی بی‌سیم 0G، ۰.۵G، ۱G، ۲G، ۲.۵G و ۲.۷G توصیف و شبکه‌های پرکاربردی چون EDGE، GSM و GPRS واکاوی شده است.

ارتباطات بی‌سیم، یکی‌از فناوری‌های روبه‌رشد عصر حاضر است که با همه‌گیر شدن نسل پنجم از شبکه‌های ارتباطی، بیش از گذشته نمو پیدا می‌کند. ایده‌ی اولیه درمورد تکامل سیستم‌های ارتباطی بی‌سیم، از اصولی‌ترین دانش‌های موردنیاز برای هر محققی است. بسیاری از کاربران عادی اینترنت و شبکه‌های بی‌سیم نیز، هنوز تصور دقیقی از نحوه‌ی کارکرد این فناوری‌ها، به‌ویژه شبکه‌های تلفن همراه ندارند. در این مقاله، اطلاعات کاملی از انواع شبکه‌‌های موبایل و طرز کار آن‌ها جمع‌آوری شده است. البته در ابتدا تاریخچه‌ی مختصری را از سیر تکاملی سیستم‌های ارتباطی بی‌سیم شرح می‌دهیم.

امواج الکترومغناطیسی (EM) مهم‌ترین فاکتور برای پیشرفت ارتباطات بی‌سیم هستند. این‌نوع امواج، از بسامدهای بسیار پایین، یعنی ۳۰ هرتز، تا نورهای مرئی و درنهایت امواج گاما با بسامد ۳۰۰ اگزاهرتز را شامل می‌شوند. دانشمند هلندی، کریستیان هویگنس، اولین فردی بود که در سال ۱۶۷۸ میلادی روی بازتاب نور و تئوری بازتاب کار کرد. تئوری هویگنس نور را موج تصوّر می‌کرد و به خوبی می‌توانست مسائل مربوط‌به طول موج رنگ نور را توجیه کند.

بعدها در سال ۱۸۱۹ میلادی، با دانشی که از ماهیت موجی نور وجود داشت، برای اولین‌بار ارتباطات باسیم تبدیل‌به ارتباطات بی‌سیم شد. در سال ۱۸۳۱ میلادی، فارادی معادلات استنتاجی الکترومغناطیس و امواج را که مکسول پایه‌ریزی کرده بود، اثبات کرد. در سال ۱۸۹۶، هرتز به‌صورت تجربی بازتاب و اشاعه‌ی امواج الکترومغناطیسی را به‌صورت جداگانه در فاصله‌ی چندمتری اعتبارسنجی کرد و مارکونی ارتباط بی‌سیمی را از فاصله‌ی ۳ کیلومتری به‌وجود آورد. تمامی مواردی که در ادامه آماده است، باعث محبوبیت فناوری ارتباط از راه دور شد. جدول زیر، خلاصه‌ای از روند پیشرفت سیستم‌های ارتباطی بی‌سیم است.

سال توسعه جزئیات
۱۸۹۶ میلادی گولیلمو مارکونی اولین تلگراف بی‌سیم دیجیتالی، برپایه‌ی کد مورس را اختراع کرد . روی طول موج یک مگاهرتز کار می‌کرد
۱۹۰۶ میلادی اولین کنفرانس رادیویی جهان ـ
۱۹۰۷ میلادی در آمریکا برای اولین‌بار ارتباطات بی‌سیم فراتر از اقیانوس اطلس محقق شد. از ایستگاه‌های پایه‌ی عظیم استفاده شد
۱۹۱۵ میلادی اولین ارتباط بی‌سیم صوتی در سان‌فرانسیسکو ابداع شد. ـ
۱۹۲۰ میلادی مارکونی امواج کوتاه را کشف کرد. ـ
۱۹۵۸  میلادی اولین سیستم موبایل رادیویی برای تلفن‌ها با نام A-Netz در آلمان اختراع شد. دامنه‌ی فرکانس این محصول، ۱۶۰ مگاهرتز بود. اثر تخریبی هندآف کاهش یافت و پوشش شبکه ۸۰ درصد بود
۱۹۸۵  میلادی سیستم ارتباطات با دسترسی کامل (TACS) در بریتانیا ابداع شد. ـ
۱۹۸۶ میلادی C-Netz که اولین نسل از سیستم تلفن همراه آنالوگ بود، در آلمان اختراع شد. دامنه‌ی فرکانس این محصول، ۴۵۰ مگاهرتز بود. ـ
۱۹۹۲ میلادی معرفی سیستم جهانی ارتباطات جهان (GSM یا ۲G) کاملا دیجیتال، دامنه‌ی فرکانس ۹۰۰ مگاهرتز، ۱۲۴ کاناله، انتقال داده با سرعت ۹٫۶ کیلوبیت‌برثانیه
۱۹۹۴ میلادی GSM روی فرکانس ۱۸۰۰ مگاهرتز با نام سرویس دیجیتال سلولی (DCS1800) معرفی شد سلول‌های کوچک‌تر
۱۹۹۷ میلادی ساخت شبکه‌ی بی‌سیم محلی (Wireless LANs) استاندارد IEEE، دامنه‌ی فرکانس بین ۲٫۴ تا ۲٫۵ گیگاهرتز، سرعت ۲ مگابیت‌برثانیه
۱۹۹۸ میلادی سامانهٔ جهانی مخابرات سیار (UMTS) ابداع شد. ـ
۱۹۹۹ میلادی استاندارد  IEEE802.11b برای شبکه‌های بی‌سیم محلی منتشر شد. پهنای باند تا ۱۱ مگابیت‌برثانیه افزایش یافت
۲۰۰۰ تا ۲۰۲۰ میلادی اختراع بلوتوث، ساخت و پیاده‌سازی فناوری ۳G، ۴G و ۵G سامانهٔ جهانی مخابرات سیار (UMTS)، دسترسی به بسته‌های پر سرعت (HSPA)، دسترسی به بسته‌های پر سرعت ماهواره‌ای (HSDPA)، دسترسی +HSPA، استاندارد تکامل بلندمدت (LTE)، پروژه‌ی همکاری نسل سوم (۳GPP)

دکل‌های مخابراتی و ایستگاه‌های پایه

پیش از هرگونه بحثی پیرامون شبکه‌های تلفن همراه، لازم است تا طرز کار دکل‌های مخابراتی تشریح شود. برای درک نحوه‌ی عملکرد دکل‌های مخابراتی و ایستگاه‌های پایه، تلفن‌های خانگی بی‌سیم را درنظر بگیرید. همانگونه ‌که از نام این محصول پیدا است، گوشی بی‌سیمی که کاربران با آن راه می‌روند و صحبت می‌کنند، به‌صورت بی‌سیم به ایستگاه پایه‌ی کوچکی متصل و ایستگاه پایه‌ی یادشده نیز ازطریق سیم به خط تلفن وصل شده است.

دراصل دکل‌های مخابراتی و ایستگاه‌های پایه‌ای که خدمات صوتی و انتقال داده‌ها را در دستگاه‌های مختلف امکان‌پذیر می‌کنند، کارکرد مشابهی با تلفن‌های بی‌سیم خانگی دارند. البته پرواضح است که دکل‌های یادشده درمقایسه‌با تلفن‌های بی‌سیم خانگی مقاوم دربرابر شرایط بد آب‌و‌هوایی هستند، محدوده‌ی بزرگتری را پوشش می‌دهند، از صدها هزار دستگاه تلفن همراه پشتیبانی می‌کند، در فرکانس‌های رادیویی متفاوتی کار می‌کنند و به کاربران اجازه می‌دهند تا حین جابه‌جایی از یک ایستگاه پایه به دیگری، حتی هنگام رانندگی در بزرگ‌راه‌ها به شبکه متصل بمانند.

سلول مخابراتی

دکل‌ها، سلول‌ها و ساختارهای شش‌ضلعی، عناصر کلیدی برای طراحی و بهره‌برداری از شبکه‌های ارتباطی بی‌سیم هستند. در یک دنیای بی‌سیم، هر سلول ناحیه‌ی جغرافیایی از یک منطقه است که تحت پوشش یک دکل مخابراتی قرار می‌گیرد. هر ناحیه به‌گونه‌ای انتخاب شده است تا اطمینان حاصل شود هر سلول جداگانه، شبکه‌ی به‌هم‌پیوسته‌ی محکمی بدون نقطه‌ی کور در پوشش شبکه یا هم‌پوشانی غیرضروری ایجاد کند. مهندسان برای پاسخ‌گویی به تقاضا، از ساختار شش‌ضلعی برای طراحی شبکه‌های سلولی و محل دقیق استقرار دکل‌ها استفاده می‌کنند.

شبکه‌ی دسترسی رادیویی (RAN) پایه‌و‌اساس تمامی سرویس‌ها و اپلیکیشن‌های موبایلی است

کار اصلی دکل مخابراتی، بالا نگه‌داشتن آنتن‌هایی است که فرکانس رادیویی (RF) را از گوشی‌های موبایل و دستگاه‌هایی از این دست دریافت می‌کنند. کابل‌هایی از آنتن‌های مخابراتی خارج و به‌سمت تجهیزات ایستگاه‌های پایه‌ای هدایت می‌شوند که معمولا روی سطح زمین و داخل کابینی مهروموم‌شده از تجهیزات مخابراتی قرار دارند. اجزای ایستگاه پایه شامل دستگاه فرستنده و گیرنده‌، تقویت‌کننده‌های سیگنال، کمباینرها و کنترلرهای سیستم است. دستگاه فرستنده و گیرنده‌، ازطریق آنتن وظیفه‌ی ارسال و دریافت سیگنال‌های رادیویی را برعهده دارد. درواقع، این دستگاه‌ها سیگنال‌ها را بین تلفن‌های همراه و سایر ایستگاه‌های پایه جابه‌جا می‌کنند. در برخی از دکل‌های مخابراتی، به‌جای دستگاه‌های فرستنده‌و‌گیرنده، دیش‌های مخابراتی شبیه‌به طبل وجود دارند که وظیفه‌ی اتصال ایستگاه پایه به دیگر ایستگاه‌ها را برعهده دارند. همچنین تعداد معدودی از این سازه‌ها از فیبر نوری برای ارتباط‌با دیگر ایستگاه‌ها بهره می‌برند.

برای اطمینان از اینکه آنتن‌ها برای پوشش کل منطقه‌ی سلولِ هدف، در ارتفاع کافی قرار دارند، دکل‌های مخابراتی را با ارتفاع ۱۵ تا ۶۰ متر می‌سازند. برج‌های مخابراتی می‌توانند سازه‌ای مستقل همچون تیر آهنی یا چهارچوب‌های مشبک باشند، یا به سازه‌های دیگری همچون چراغ راهنمایی، پل‌ها، تونل‌ها و بیلبوردها ضمیمه شوند. برای تطبیق با مسائل زیبایی‌شناسی جامعه، استتار این‌نوع سازه‌ها روبه‌افزایش است تا شبیه درختان یا پرچم‌ها دیده شوند یا درون سازه‌هایی دیگر همچون ناقوس کلیسا مخفی شوند.

طیف امواج رادیویی، دکل مخابراتی، تجهیزات ایستگاه پایه و دستگاه‌های موبایل کاربران همه‌باهم یک شبکه‌ی دسترسی رادیویی (RAN) را شکل می‌دهند. RAN، پایه‌و‌اساس تمامی سرویس‌ها و اپلیکیشن‌های موبایلی است؛ درست مانند شبکه‌های فیزیکی ساخته‌شده از فیبر نوری، سیم مسی تلفن‌های ثابت و داده‌ها و سرویس‌های تلوزیونی در خانه‌ها و سازمان‌ها. درنهایت می‌توان گفت، RAN زیرساخت قابل‌اعتماد و مستحکمی را از شبکه‌ی ارتباطاتی بی‌سیم ایجاد می‌کند.

 

 

شبکه‌های تلفن همراه

هنگامی‌که اپراتورهای تلفن همراه درباره‌ی حرف G صحبت می‌کنند، منظورشان نسل فناوری بی‌سیم است؛ هرنسلی قادر به پشتیبانی از تعداد بیشتری از کاربران است و قابلیت‌های انتقال داده‌ی بهتری را ارائه می‌دهد. در کل فناوری‌های بی‌سیم، در ۵۰ سال گذشته رشد بی‌سابقه‌ای را تجربه کرده‌اند و توانایی بیشتری در انتقال داده دارند. شکل زیر روند رشد نسل‌های مختلف شبکه‌های موبایلی را نشان می‌دهد.

تکامل شبکه های موبایل

 

 

شبکه موبایلی 0G

فناوری 0G که پیش‌تر برای سیستم‌های مخابراتی طراحی شده است، با عنوان سیستم‌های تلفنی و رادیویی همراه نیز شناخته می‌شود. تاریخچه‌ی فناوری یادشده، به پس از جنگ جهانی دوم باز می‌گردد. در آن دوران که خبری از شبکه‌های سلولی نبود، اپراتورهای موبایل تماس‌ها را برقرار می‌کردند و تنها تعداد معدودی از کانال‌های ارتباطی دردسترس بود. این دستگاه‌ها از ویژگی هندآف پشتیبانی نمی‌کردند و درواقع نمی‌توانسند فرکانس کانال‌ها را تغییر دهند. فناوری 0G به دهه‌ی ۱۹۷۰ بازمی‌گردد؛ زمانی‌که خبری از فناوری سلولی تلفن‌های موبایل نبود و فناوری 0G پیش از اختراع تلفن همراه، تنها دستگاه‌هایی همچون تلفن‌های رادیویی داخل اتومبیل‌ها را شامل می‌شد.

سیستم‌های تلفنی و رادیویی همراه، پایه‌ی فناوری سیستم‌های سلولی هستند. سیستم‌های یادشده ، پس از آن لقب 0G یا نسل صفرم را دریافت کردند که نسل اول از شبکه‌ی تلفن بی‌سیم پدید آمد. فناوری‌های به‌کاررفته در 0G شامل PTT (فشار برای صحبت)، MTS (سیستم‌های تلفن موبایل)، IMTS (سیستم‌های بهبودیافته‌ی تلفن موبایل)، AMTS (سیستم‌های پیشرفته‌ی تلفن موبایل)، OLT (مخففی از عبارت نروژی Offentlig Landmobil Telefoni به‌مفهوم تلفن همراه زمینی عمومی) و MTD (عبارتی سوئدی به‌مفهوم سیستم تلفن همراه) است. برای اولین‌بار افراد مشهور، کارشناسان ساخت‌و‌ساز و تجار از فناوری 0G برای ارتباطات صوتی اولیه استفاده می‌کردند.

 

 

PPT یا Push to Talk

Push to Talk وسیله‌ی ارتباط فوری است که درحال‌حاضر در سرویس‌های شبکه‌های بی‌سیم سلولی استفاده می‌شود. این فناوری از یک دکمه‌ی دستگاه استفاده می‌کند تا همانند بی‌سیم‌های واکی‌تاکی ابتدا صوت را منتقل کند و سپس با فشردن دکمه، تبدیل‌به گیرنده‌ی امواج شود. PPT، تلفن همراه را از یک حالت کاملا دوسویه که هر دو مخاطب در آن به‌صورت هم‌زمان صدای هم را می‌شنوند، تبدیل‌به حالتی نیمه‌دوسویه می‌کند که در این حالت، تنها یکی از مخاطبان در آن واحد می‌تواند صدای دیگری را دریافت کند.

تمامی شرکت‌های بزرگ مخابراتی، نسخه‌ای از این ویژگی را در شبکه‌های تلفن همراهشان عرضه می‌کنند. نسخه‌های جدید از PPT، که PoC (فشار برای صحبت در شبکه‌های سلولی) نامیده می‌شوند، روی شبکه‌های ۲.۵G و ۳G نیز ارائه می‌شوند.

 

 

MTS یا سیستم‌های تلفن موبایل

اولین سیستم سلولی جهان را شرکت ژاپنی تلفن و تلگراف نیپون (NTT) در سال ۱۹۷۹ میلادی در توکیو عملیاتی کرد.

MTS سیستمی است که پیش از ابداع شبکه‌های سلولی، با بهره‌گیری از امواج رادیویی با فرکانس بسیار بالا (VHF) بین دستگاه موبایل و تلفن‌های ثابت ارتباط برقرار می‌کرد. MTS معادلی از ویژگی رادیوتلفن سرویس‌های تلفن ثابت روی زمین بود.

سرویس MTS، یکی از اولین استانداردهای تلفن همراه در جهان بود. ویژگی یادشده برای برقراری تماس در هر دو جهت از اپراتور کمک می‌گرفت؛ به این معنی که اگر شخصی از تلفن ثابت با گوشی موبایل تماس می‌گرفت، این تماس ابتدا به اپراتور موبایل متصل می‌شد و او تماس را برقرار می‌کرد. به‌همین ترتیب، برای برقراری تماس با خارج از کشور کاربر باید ابتدا از اپراتور درخواست می‌کرد و او پس گرفتن شماره‌ی تماس‌گیرنده و مقصد، اقدام به برقراری تماس می‌کرد.

 

 

IMTS یا سیستم‌های بهبودیافته‌ی تلفن موبایل

IMTS سیستمی است که پیش از ابداع شبکه‌های سلولی و پس از سیستم MTS، با بهره‌گیری از امواج رادیویی با فرکانس بسیار بالا (VHF) و امواج رادیویی با بالاترین فرکانس (UHF)، بین دستگاه موبایل و تلفن‌های ثابت ارتباط برقرار می‌کرد. IMTS معادلی از ویژگی رادیوتلفن سرویس‌های تلفن ثابت روی زمین بود.

سیستم IMTS در سال ۱۹۶۴ معرفی شد و به‌عنوان جایگزین سیستم‌های MTS، امکان برقراری تماس مستقیم را فراهم می‌کرد و لازم نبود کاربر ازطریق اپراتور تماس را برقرار کند.

 

 

AMTS یا سیستم‌های پیشرفته‌ی تلفن موبایل

سیستم‌های پیشرفته‌ی تلفن موبایل که نباید با سیستم پیشرفته‌ی گوشی موبایل (AMPS) اشتباه گرفته شود، یک روش ارتباط رادیویی برای شبکه 0G بود که عمدتا در سیستم‌های رادیویی حمل‌شدنی ژاپنی مورد استفاده قرار می‌گرفت. این فناوری همانند نسل پیشین خود، در فرکانس ۹۰۰ مگاهرتز کار می‌کرد.

 

 

Offentlig Landmobil Telefoni یا تلفن همراه زمینی عمومی

OLT، اولین شبکه‌ی زمینی تلفن همراه در نروژ بود. این سیستم در سال ۱۹۶۶ دایر و بعدها در سال ۱۹۹۰ کنار گذاشته شد. OLT در سال ۱۹۸۱ درحدود ۳۰ هزار کاربر موبایل داشت که باعث شده بود این سیستم، به بزرگ‌ترین شبکه‌ی تلفن همراه در جهان تبدیل شود. شبکه‌ی یادشده در باند VHF و فرکانس ۱۶۰ هرتز کار و برای مدولاسیون فرکانس روی ۱۶۰ تا ۱۶۲ مگاهرتز و برای واحد موبایل از فرکانس ۱۶۸ تا ۱۷۰ مگاهرتز استفاده می‌کرد. بسیاری از انواع این فناوری، نیمه‌دوسویه بودند؛ بااین‌حال تعداد معدودی از انواع گران‌قیمت این سرویس، امکان برقراری تماس دوسویه را میسر می‌ساختند.

 

 

MTD یا سیستم تلفن همراه

MTD یک سیستم تلفن همراه دستی برای باند فرکانس ۴۵۰ مگاهرتز بود. این شبکه در سال ۱۹۷۱ در سوئد معرفی شد و تا سال ۱۹۸۷ استفاده از آن رواج داشت. شبکه‌ی MTD در اوج خود ۲۰ هزار کاربر داشت و ۷۰۰ نفر به‌عنوان اپراتور در شرکت حامل آن، برای خدمات‌دهی به کاربران مشغول به کار بودند. MTD در دانمارک و نروژ نیز پیاده‌سازی شده بود و امکان رومینگ بین کشورهای حوزه‌ی اسکاندیناوی وجود داشت.

 

 

شبکه‌ی موبایلی ۰.۵G

۰.۵G مجموعه‌ای از فناوری‌ها با ویژگی‌های بهبودیافته نسبت‌به فناوری‌های 0G است. این سیستم‌های تلفن همراه اولیه، از سیستم‌های رادیوتلفنی که پیش‌تر ابداع شده بود قابل تمیز است؛ زیرا به‌جای اینکه بخشی از یک شبکه‌ی بسته مانند رادیوی پلیس یا سیستم اعزام تاکسی باشد، به‌عنوان سرویس تجاری دردسترس کاربران قرار می‌گرفت که قسمتی از شبکه‌ی تلفن عمومی بود. این تلفن‌های موبایل معمولا روی خودروها و کامیون‌ها قرار می‌گرفتند، ولی تعداد معدودی مدل با ظاهری شبیه‌به کیف دستی نیز تولید شدند. روی خودروها، معمولا دستگاه فرستنده و گیرنده در صندوق عقب نصب می‌شد و قسمت «سر» تلفن موبایل که شامل نمایشگر، گوشی و بخش شماره‌گیر می‌شد، در کنار صندلی راننده جای می‌گرفت. نمونه‌های اولیه از این فناوری عبارت‌اند از:

  • اتورادیوپیلین (ARP): در سال ۱۹۷۱ میلادی در کشور فنلاند اختراع شد و عنوان اولین شبکه‌ی تلفن موبایلی تجاری آن کشور را یدک می‌کشید.
  • سیستم B-Netz: در سال ۱۹۷۲ میلادی در کشور آلمان اختراع شد و دومین شبکه‌ی تلفن موبایلی تجاری آن کشور بود؛ اما اولین شبکه‌ای بود که برای برقراری تماس، به اپراتور نیازی نداشت.

 

شبکه‌ی موبایلی ۱G

۱G، اولین نسل از فناوری گوشی‌های بی‌سیم برپایه‌ی شبکه‌ی سلولی است. درواقع، این فناوری درون گوشی‌های همراه آنالوگ و در سال ۱۹۸۰ ارائه شد. پیش‌تر در سال ۱۹۷۹، شرکت ژاپنی تلفن و تلگراف نیپون (NTT) اولین سیستم سلولی جهان را در توکیو عملیاتی کرده بود. در اروپا، محبوب‌ترین سیستم‌های آنالوگ، تلفن همراه نوردیک (NMT) و سیستم ارتباطات با دسترسی کامل (TACS) بود و انواع دیگر از سیستم‌های یادشده، در دهه‌ی ۱۹۸۰ در سراسر این قاره معرفی شدند.

تمامی سیستم‌ها، قابلیت هندآف و رومینگ را داشتند؛ ولی این شبکه‌های سلولی، نمی‌توانستند بین کشورها ارتباط صوتی ایجاد کنند؛ چنین موردی بزرگ‌ترین نقص شبکه‌های ۱G به‌شمار می‌رفت. نسل اول از شبکه‌های تلفن همراه، ظرفیت پایینی داشت، هندآف قابل اعتمادی نداشت، کمبود لینک‌های صوتی در آن بیداد می‌کرد و از آن‌جایی که تماس‌های صوتی در دکل‌های رادیویی پخش می‌شد، امکان شنود مکالمه وجود داشت و امنیت شبکه بسیار پایین بود.

در ایالات متحده، اولین استانداری که برای فناوری ۱G ارائه شد، سیستم پیشرفته‌ی گوشی موبایل (AMPS) بود. کمیسیون ارتباطات فدرال (FCC)، سیستم AMPS را با پهنای باند ۴۰ مگاهرتزی و محدوده‌ی فرکانس ۸۰۰ تا ۹۰۰ مگاهرتز تعریف کرده بود. در سال ۱۹۸۸ میلادی، ۱۰ مگاهرتز تحت عنوان طیف گسترده (ES) به پهنای باند سیستم یادشده افزوده شد. در ایتالیا فناوری ۱G با استاندارد RTIM، در انگلیس تحت سیستم YACS، در فرانسه با فناوری RadioComm 2000 و در آلمان غربی، پرتقال و آفریقای جنوبی با استاندارد ارتباط از راه دور C-450 استفاده می‌شد.

فناوری ۱G جایگزینی برای نسل صفرم از شبکه‌های ارتباطی بوده و در تلفن‌های رادیویی همراه استفاده می‌شد. در این نسل از شبکه‌های ارتباطی، فناوری‌هایی همچون PTT، MTS، IMTS و AMTS گنجانده شده بود. آن‌چه که در زیر آمده است، مشخصات و ویژگی‌های کلیدی فناوری ۱G را نشان می‎‌دهد:

  • در دهه‌ی ۱۹۸۰ میلادی توسعه یافت و در اوایل دهه‌ی ۱۹۹۰ به تکامل رسید.
  • فناوری ۱G، سیستم آنالوگ قدیمی بود که از تلفن‌های همراه سلولی نسل اول پشتیبانی و سرعت انتقال داده‌ی ۲٫۴ کیلوبیت‌برثانیه را مهیا می‌کرد.
  • استاندارد AMPS برای اولین‌بار در ایالات متحده ارائه شد و نشان‌دهنده‌ی تمامی ویژگی‌های نسل اول شبکه‌های ارتباطی است.
  • اجازه‌ی برقراری تماس با خارج از کشور ارائه‌دهنده‌ی سرویس را به کاربران نمی‌داد.
نوع فناوری ۱G AMPS TACS NMT NTT RC 2000 C-450
مدولاسیون و نوع دسترسی چندگانه مدولاسیون فرکانس (FM) و دسترسی چندگانه تقسیم فرکانس (FDMA) FM و FDMA FM و FDMA FM و FDMA FM و FDMA FM و FDMA
سیگنال انتقالی از ایستگاه موبایل (گوشی موبایل)  به ایستگاه پایه (مگاهرتز) ۸۲۹ تا ۸۴۹ ۸۹۰ تا ۹۱۵ ۴۵۳ تا ۴۵۸ ۹۲۵ تا ۹۴۰ ۴۱۴٫۸ تا ۴۱۸ ۴۵۰ تا ۴۵۵
سیگنال انتقالی از ایستگاه پایه به ایستگاه موبایل (مگاهرتز) ۸۶۹ تا ۸۹۴ ۹۳۵ تا ۹۶۰ ۴۶۳ تا ۴۶۸ ۸۷۰ تا ۸۸۵ ۴۲۴٫۸ تا ۴۲۸ ۴۶۰ تا ۴۶۵
فضای موجود در کانال (کیلوهرتز) ۳۰ ۲۵ ۲۵/۱۲٫۵ ۲۵ ۱۲٫۵ ۱۰
تعداد کانال ۸۳۲ ۱۰۰۰ ۱۸۰ تا ۱۹۹۹ ۶۰۰ ۲۵۶ ۵۷۳

نسل دوم از شبکه‌های ارتباطی بی‌سیم از ۲G تا ۲.۷G

فناوری ۲G دومین نسل از شبکه‌های ارتباطی موبایل و برپایه‌ی فناوری‌های دیجیتال است. این فناوری در اوایل دهه‌ی ۱۹۹۰ میلادی معرفی شد و درواقع این کشور فنلاند بود که برای اولین‌بار در سال ۱۹۹۲ میلادی فناوری یادشده را عرضه کرد. فناوری ۲G خدماتی مانند پیام متنی (SMS)، پیام‌های تصویری و پیام‌های چندرسانه‌ای (MMS) را ارائه می‌کند. این سیستم امنیت بیشتری را هم برای فرستنده و هم گیرنده‌ی تماس و پیام فراهم می‌کند. در فناوری یادشده، تمامی پیام‌های متنی به‌صورت دیجیتالی رمزگذاری می‌شوند؛ درنتیجه تنها فرد گیرنده قادر به دریافت و خواندن پیام‌ها است.

سیستم ۲G از فناوری‌های دسترسی همراه دیجیتال (digital mobile access technology)، همچون TDMA و CDMA استفاده می‌کند. TDMA با تقسیم سیگنال‌ها به بازه‌های زمانی کوتاه، امکان استفاده‌ی کاربران بیشتری را از یک فرکانس فراهم می‌کند و درهمین‌حال CDMA به هر کاربر کد خاصی را اختصاص می‌دهد تا کاربران به‌صورت چندسویه باهم ارتباط برقرار کنند. سیستم TDMA، فناوری‌های GSM، PDC، iDEN و iS-136 را شامل می‌شود. سیستم CDMA نیز از فناوری IS-95 استفاده می‌کند.

نوع فناوری ۲G GSM IS-136 PDC IS-95
مدولاسیون و نوع دسترسی چندگانه TDMA TDMA TDMA CDMA
سیگنال انتقالی از ایستگاه موبایل (گوشی موبایل)  به ایستگاه پایه (مگاهرتز) ۸۹۰ تا ۹۱۵ ۸۲۵ تا ۸۴۹ ۹۴۰ تا ۹۵۶ ۸۲۴ تا ۸۴۹
سیگنال انتقالی از ایستگاه پایه به ایستگاه موبایل (مگاهرتز) ۹۳۵ تا ۹۶۰ ۸۶۹ تا ۸۹۴ ۸۱۰ تا ۸۲۶ ۸۶۹ تا ۸۹۴
فضای موجود در کانال (کیلوهرتز) ۲۰۰ ۳۰ ۲۵ ۱۲۵۰
تعداد کانال ۱۰۰۰ ۸۳۲ ۱۶۰۰ ۲۳۰۰

GSM یا سیستم جهانی ارتباطات

GSM یا سیستم جهانی ارتباطات همراه دراصل از اروپا منشا گرفته و تحسین‌برانگیزترین استاندارد در بین تمامی فناوری‌های ارتباطات همراه است و در بیش از ۲۱۲ کشور جهان استفاده می‌شود. استاندارد یادشده، رومینگ بین‌الملل را بین اپراتورهای تلفن همراه بسیار رایج کرده و باعث شده است کاربران در هر بخشی از جهان قادر به استفاده از گوشی‌های موبایلشان باشند. GSM برای ایجاد ارتباطات چندسویه تا ۸ تماس در هر کانال و در باندهای ۹۰۰ و ۱۸۰۰ مگاهرتز از TDMA استفاده می‌کند. GSM نه‌تنها برقراری تماس را محقق، بلکه داده‌ها را در بیشینه سرعت ۱۴٫۴ کیلوبایت‌برثانیه منتقل می‌کند. گفتنی است در ایالات متحده، سازمان FCC طیف موجی جدیدی را در فرکانس ۱۹۰۰ مگاهرتز برای این سیستم اختصاص داده است.

GSM از زمانی‌که ابداع شده، به‌طور مداوم بهبود یافته است تا خدمات بهتری را در بازار ارائه کند. فناوری‌های جدیدتر براساس سیستم اولیه‌ی GSM توسعه یافته‌اند تا بعدها تبدیل‌به سیستم‌های پیشرفته‌تری همچون نسل ۲.۵G از شبکه‌های تلفن همراه شوند.

برای درک بهتر فناوری GSM لازم است تا مفاهیمی همچون شبکه‌ی سوئیچینگ مدار (Circuit switching)، سوئیچینگ بسته (Packet switching)، شبکه‌ی تلفن سوئیچ‌شده‌ی عمومی (PSTN) و تبادل‌کننده‌ی تلفن توضیح داده شود. تبادل‌کننده‌ی تلفن یا سوئیچ تلفن، یک سیستم ارتباطی است که در شبکه‌ی تلفن سوئیچ‌شده‌ی عمومی (PSTN) یا سازمان‌های بزرگ استفاده می‌شود (به‌دلیل درهم‌تنیدگی مطالب، بعدتر توضیحات لازم در مورد PSTN داده می‌شود). این فناوری، خطوط تلفن مشترکین یا مدارهای مجازی سیستم‌های دیجیتال را برای برقراری تماس بین مشترکین به‌هم وصل می‌کند. پیش‌تر وظیفه‌ی تبادل‌کننده‌ی تلفن را اپراتورهای انسانی برعهده داشتند.

درمورد شبکه‌ی سوئیچ‌شده‌ی مداری، بهترین مثال شبکه‌ی تلفنی اولیه‌ی آنالوگ است. هنگام برقراری تماس از تلفنی به تلفن دیگر، سوئیچ‌هایی در سیستم تبادل‌کننده‌ی تلفن، مدار سیمی یک‌پارچه‌ای را بین دو تلفن و تا پایان مکالمه شکل می‌دهند؛ این روند، سوئیچینگ مدار نامیده می‌شود. در این سیستم، تنها اندکی تأخیر در حین برقراری اتصال به‌وجود می‌آید. کاربران دیگر هیچ‌گاه نمی‌توانند چنین مدارهایی را مختل کنند؛ زیرا مدار تا زمان آزاد‌شدن و ایجاد اتصال جدید، از هرگونه استفاده‌ی دیگر تماس‌گیرنده‌ها مصون است.

سوئیچینگ بسته، روشی برای گروه‌بندی داده‌ها داخل بسته‌ها هنگام انتقال از یک شبکه‌ی دیجیتال است. بسته‌ها از هدِر و پِی‌لود ساخته شده‌اند. در مبحث فناوری اطلاعات، هر هدر به داده‌ی تکمیلی اشاره دارد که در ابتدای بلاک داده‌ی در حال ذخیره یا انتقال قرار دارد. هنگام انتقال داده، داده‌ای که پس از هدر منتقل می‌شود، پی‌لود نام دارد. سخت‌افزار شبکه‌ای، داده‌ی درون هدر را برای هدایت بسته به مقصدی استفاده می‌کند که پی‌لود در آن استخراج (extract) شده و توسط اپلیکیشن استفاده می‌شود. سوئیچینگ بسته، اساس اصلی ارتباطات داده در شبکه‌های رایانه‌ای سراسر جهان است. تفاوت سوئیچینگ مدار و سوئیچینگ بسته در جدول زیر آمده است:

سوئیچینگ مدار سوئیچینگ بسته
در سوئیچینگ مدار، سه مرحله وجود دارد:

  • ایجاد اتصال
  • انتقال داده
  • قطع اتصال
در سوئیچسنگ بسته، انتقال داده‌ها به‌صورت مستقیم انجام می‌شود.
در سوئیچینگ مدار، هر واحد داده از کل آدرس مسیری که توسط منبع تهیه شده است اطلاع دارد. در سوئیچسنگ بسته، واحد داده تنها از مختصات نهایی که روترها تعیین می‌کنند اطلاع دارد.
در سوئیچینگ مدار، داده‌ها فقط در سیستم منبع پردازش می‌شوند. در سوئیچسنگ بسته، داده‌ها در تمامی گره‌های میانی از جمله سیستم منبع پردازش می‌شوند.
در سوئیچینگ مدار، تأخیر بین واحدهای داده یکنواخت است. در سوئیچسنگ بسته، تأخیر بین واحدهای داده یکنواخت نیست.
مسیر برای انتقال داده ثابت است، پس می‌توان از هر پهنای باندی استفاده کرد. پهنای باند بین مشترکین تقسیم شده است.
سوئیچینگ مدار اطمینان بالایی دارد. سوئیچسنگ بسته قابل اعتماد نیست.
در سوئیچینگ مدار، منابع بیشتر اتلاف می‌شود. در سوئیچسنگ بسته، درقیاس‌با سوئیچینگ مدار منابع کمتری اتلاف می‌شود.
در این روش، نمی‌توان داده‌ها را ذخیره و بعدا ارسال کرد. در این روش، می‌توان داده‌ها را ذخیره و بعدا ارسال کرد.
منبع انتقال داده را انجام می‌دهد. انتقال داده‌ها را نه‌تنها منبع، بلکه روترهای میانه‌ی مسیر نیز انجام می‌دهند.

توصیفی‌که در ابتدا برای سیستم GSM به‌کار برده می‌شد، یک شبکه‌ی دیجیتال سوئیچ‌شده در مدار با قابلیت مکالمه‌ی تلفنی کاملا دوسویه بود. این تعریف با گذشت زمان و ابتدا، اضافه‌شدن ویژگی انتقال داده‌های سوئیچ‌شده در مدار و سپس انتقال داده‌های بسته‌ای به‌کمک سرویس عمومی بسته‌های رادیویی (GPRS) و سرعت داده‌ی افزایش‌یافته برای تکامل GSM یا EDGE، ارتباطات داده را نیز شامل شد. GSM دارای چندین بخش گسسته است.ساختار این شبکه، مشتق‌شده در چندین بخش جداگانه است:

  • زیرسیستم ایستگاه پایه: ایستگاه‌های پایه و کنترلرهای آن‌ها
  • شبکه و زیرسیستم سوئیچینگ: بخشی از شبکه‌ی GSM که به شبکه‌ی ثابت شباهت دارد و گاهی‌اوقات تنها با نام شبکه‌ی اصلی خوانده می‌شود.
  • شبکه‌ی اصلی GPRS: بخشی اختیاری است که امکان اتصال به اینترنت بسته‌محور را فراهم می‌کند
  • سیستم پشتیبانی عملیات: وظیفه‌ی نگه‌داری شبکه را برعهده دارد.

ساختار GSM

زیرسیستم ایستگاه پایه (BSS) بخشی از شبکه‌ی تلفن سلولی سنتی است که مسئول رسیدگی به ترافیک داده و سیگنال‌دهی بین گوشی‌های موبایل و شبکه‌ی اصلی را برعهده دارد. درواقع، BSS کانال‌های مکالمه‌ای را کدگذاری می‌کند، کانال‌های رادیویی را به گوشی‌های موبایل اختصاص می‌دهد، پیجینگ می‌کند، دریافت و انتقال سیگنال ازطریق رابط هوایی (آنتن‌ها) را برعهده دارد و وظایف متعدد دیگری را دررابطه‌با شبکه‌ی رادیویی انجام می‌دهد.

GPRS سیستم توسعه‌یافته‌ای از شبکه‌های ۲G موجود، برای ایجاد قابلیت سرویس‌های بسته‌محور، هم‌زمان با افزایش سرعت و نرخ داده‌های این شبکه‌ها است.

برای توصیف شبکه و زیرسیستم سوئیچینگ، ابتدا لازم است تا با مفهوم شبکه‌ی تلفن سوئیچ‌شده‌ی عمومی (PSTN)، رومینگ و mobility management آشنا شوید. PSTN، مجموعه‌ای از شبکه‌های تلفنی سوئیچ‌شده‌ی مداری است که توسط اپراتورهای ملی، منطقه‌ای یا محلی اداره می‌شود و زیرساخت‌ها و خدمات ارتباطات عمومی را ارائه می‌دهد. PSTN شامل خطوط تلفن، کابل‌های فیبر نوری، لینک‌های انتقال ماکروویو، شبکه‌ی سلولی، ارتباطات ماهواره‌ای و کابل‌های تلفن زیر دریا است. تمامی این موارد، توسط مراکز تبادل‌کننده‌ی تلفن که پیش‌تر نیز اشاره شد به‌هم متصل هستند و درنتیجه‌ی این اتصال، می‌توانند با هم ارتباط برقرار کنند. شبکه‌ی تلفن سوئیچ‌شده‌ی عمومی، درابتدا تنها تلفن‌های ثابت را پشتیبانی می‌کرد؛ ولی حالا کاملا دیجیتالی است و شبکه‌های موبایل و سایر شبکه‌ها را شامل می‌شود.

پیش‌تر عملکرد دکل‌های مخابراتی و ایستگاه‌های پایه توضیح داده شد. هنگامی‌که تلفن همراه، خارج از شعاع پوشش شبکه‌ی خانگی باشد، قابلیت رومینگ کمک می‌کند تا این دستگاه با بهره‌گیری از ایستگاه پایه‌ی شبکه‌ی ارتباطاتی دیگری، همچنان متصل باقی بماند. Mobility management نیز یکی‌از مهم‌ترین کارکردهای شبکه‌ی GSM است. هدف تابع Mobility management، ردیابی کاربران موبایل برای ایجاد امکان تماس، ارسال پیام متنی و سرویس‌های دیگر تلفن همراه است.

شبکه و زیرسیستم سوئیچینگ (NSS) یا شبکه‌ی اصلی GSM، یکی از مولفه‌های سیستم GSM است که تماس صوتی و توابع Mobility management برای گوشی‌های موبایلی که روی شبکه‌ی ایستگاه پایه رومینگ می‌شوند را ایجاد می‌کند. این شبکه را اپراتورهای موبایل توسعه داده‌اند. NSS کمک می‌کند دستگاه‌های موبایل و در شبکه‌ی گسترده‌ترِ تلفن سوئیچ‌شده‌ی عمومی (PSTN)، تلفن‌ها با یکدیگر ارتباط برقرار کنند.

NSS در ابتدا برای شبکه‌های سوئیچ‌شده در مدار طراحی شده بود و در خدمات سنتی GSM همانند مکالمه، پیام متنی و داده‌های سوئیچ‌شده در مدار به‌کار می‌رفت. بخش یادشده بعدها، با معماری دیگری توسعه یافت تا خدمات GPRS را نیز ارائه دهد.

 

 

شبکه‌ی موبایلی ۲.۵G یا سرویس عمومی بسته‌های رادیویی (GPRS)

GPRS سیستم توسعه‌یافته‌ای از شبکه‌های ۲G موجود، برای ایجاد قابلیت سرویس‌های بسته‌محور، هم‌زمان با افزایش سرعت و نرخ داده‌های این شبکه‌ها است. اصطلاح نسل دو و نیم (۲.۵G) برای توصیف سیستم‌های ۲G به‌کار می‌رود که علاوه‌بر استاندارد ارتباطی سوئیچسنگ مدار (Circuit switching)، از دامنه‌ی سوئیچینگ بسته (Packet switching) استفاده می‌کنند. البته اصلاح ۲.۵G کاربرد رسمی ندارد. GPRS با استفاده از پایگاه داده‌ی HLR، VLR و AuC و فناوری‌های HSCSD، GPRS و EDGE داده‌ها را با سرعت ۵۶ تا ۳۸۴ کیلوبیت‌برثانیه منتقل می‌کند.

فناوری ۲.۵G خدماتی همچون دسترسی به پروتکل کاربردی بی‌سیم (WAP) و سرویس MMS را فراهم کرده و برای ارتباطات اینترنتی، سرویس‌هایی مانند ایمیل و شبکه‌ی بی‌سیم جهانی وب (WWW) را در اختیار کاربران قرار می‌دهد. هزینه‌ی انتقال داده در سیستم GPRS معمولا به‌ازای هر مگابایت از ترافیک منتقل‌شده محاسبه می‌شود؛ درحالی‌که قیمت ارتباطات داده به‌وسیله‌ی روش سنتی سوئیچینگ مداری، به‌ازای هر دقیقه از اتصال به شبکه است؛ حال اینکه کاربر از سیستم استفاده کند یا خیر.

 

 

 HLR ،VLR و AuC

HLR یا Home Location Register، یک پایگاه داده‌ی مرکزی شامل جزئیات هر کاربر موبایلی است که به شبکه‌ی GSM دسترسی دارد. در هر شبکه‌ی عمومی تلفن همراه، ممکن است چند HLR به‌صورت فیزیکی در محل‌های مختلف شبکه‌ی PLMN تعبیه شوند. شبکه‌ی PLMN ترکیبی از تمامی نسل‌های شبکه‌های ارتباطی است که هر اپراتور ارائه می‌دهد؛ PLMN درواقع همان PSTN بدون تلفن‌های ثابت است. VLR یا Visitor Location Register نیز پایگاه داده‌ای برای ایستگاه‌های موبایل (MS) است و اطلاعات را به مراکز تبادل‌کننده‌ی تلفن ارسال می‌کند.

AuC یا مرکز احراز هویت (Authentication Center)، تابعی برای اعتبارسنجی هر سیم‌کارتی است که معمولا هنگام روشن‌شدن گوشی، سعی دارد به شبکه‌ی مرکزی GSM متصل شود. درصورت موفقیت‎‌آمیز بودن اعتبارسنجی، اطلاعات سیم‌کارت و کاربر آن در پایگاه داده‌ی HLR ذخیره می‌شود. همچنین یک کلید رمزگذاری نیز تولید می‌شود که متعاقباً برای رمزگذاری کلیه‌ی ارتباطات بی‌سیم (مکالمه، پیام متنی و مواردی از این‌دست) بین تلفن همراه و شبکه‌ی مرکزی GSM استفاده می‌شود.

 

 

شبکه‌ی تلفن همراه ۲.۷۵G یا EDGE (سرعت داده‌ی افزایش‌یافته برای تکامل GSM)

شبکه‌ی GPRS با معرفی رمزگذاری ۸PSK به شبکه‌های EDGE تکامل یافت. EGPRS و IMT-SC، فناوری‌های دیجیتال تلفن همراهی بودند که کمک کردند سرعت انتقال داده افزایش یافته و سیستم GSM استاندارد توسعه یابد. فناوری EDGE از آغاز سال ۲۰۰۳ میلادی، درابتدا توسط اپراتور AT & T در ایالات متحده روی سیستم GSM سوار شد.  شرکت‌های دخیل در پروژه‌ی ۳GPP بعدها شبکه‌ی یادشده را به‌عنوان بخشی از سیستم GSM استانداردسازی کردند و ظرفیت بالقوه‌ی EDGE‌ را تا سه‌برابر شبکه‌های GSM و GPRS افزایش دادند.

هما‌نگونه که پیش‌تر گفته شد، GSM از فناوری TDMA استفاده می‌کند که با تقسیم سیگنال‌ها به بازه‌های زمانی کوتاه، امکان استفاده‌ی کاربران بیشتری را از یک فرکانس فراهم می‌کند. حال به‌لطف روش‌های پیچیده‌تر رمزگذاری، یعنی ۸PSK، شبکه‌ی EDGE در بازه‌های زمانی کوتاه مشابه‌با GSM، تا ۲۳۶٫۸ کیلوبیت‌برثانیه سرعت انتقال داده دارد. فناوری EDGE نسخه‌ای توسعه‌یافته از GSM است، ولی اجازه می‌دهد تا انتقال سریع‌تر و جمع‌وجورتری از داده‌ها و اطلاعات به‌وجود آید. همچنین شبکه‌ی EDGE، که حامل منفرد یا IMT-SC نیز نامیده می‌شود، یک فناوری رادیویی است و تاحدودی، بخشی از نسل سوم شبکه‌های ارتباطی به‌حساب می‌آید. فناوری EDGE به‌دلیل انعطاف‌پذیری بیشتر برای حمل داده‌های سوئیچ مدار و سوئیچ بسته، نسبت‌به GSM خواهان بیشتری دارد.

درمقایسه‌با GPRS، فناوری EDGE داده‌ها را در زمان کمتری منتقل می‌کند. برای مثال، یک فایل متنی ۴۰ کیلوبایتی در شبکه‌ی EDGE در عرض دو ثانیه منتقل می‌شود، حال آن‌که GPRS همان فایل را در ۶ ثانیه انتقال می‌دهد. بزرگ‌ترین مزیت فناوری EDGE این است که نیازی به صرف هزینه‌ی اضافی یا هیچ سخت‌افزار و نرم‌افزار دیگری برای استفاده از آن وجود ندارد. درواقع گوشی‌هایی که از سیستم GSM استفاده می‌کنند، فناوری EDGE را نیز پشتیبانی خواهند کرد.

 

 

جمع‌بندی

نسل ۱G ۲G ۲.۵G ۲.۷۵G
ظرفیت داده ۲ کیلوبایت ۱۰ کیلوبایت ۲۰۰ کیلوبایت ۴۷۳ کیلوبایت
سال توسعه ۱۹۸۴ ۱۹۹۰ ۲۰۰۰ ۲۰۰۳
انتقال داده ۱۴٫۴ کیلوبایت بیشتر از ۲۰ کیلوبایت بیشتر از ۲۰ کیلوبایت
استاندارد
  • AMPS
  • NMT
  • TACS
  • MTS
  • AMTS
  • IMTS
CDMA

TDMA

GPRS EDGE
استاندارد وب WWW WWW WWW
دسترسی چندگانه FDMA CDMA

TDMA

CDMA

TDMA

CDMA

TDMA

سرویس فقط مکالمه مکالمه، داده MMS، اینترنت MMS، اینترنت
شبکه‌ی اصلی PSTN PSTN  PLMN  PLMN
هندآف افقی افقی افقی افقی
معایب هندآف ضعیف، امنیت پایین نیاز به سیگنال قوی، سرعت داده‌ی پایین نیاز به سیگنال قوی، سرعت داده‌ی پایین نیاز به سیگنال قوی، سرعت داده‌ی پایین

تا به این قسمت از مقاله، توضیح داده شد که دکل‌های مخابراتی چگونه سیگنال‌های تلفن همراه را ردیابی و دریافت می‌کنند، چگونه بین شبکه‌ی PLMN و PSTN و دستگاه‌های تلفن همراه ارتباط برقرار می‌کنند و در نهایت چگونه داده‌ها را جابه‌جا می‌کنند. کارکرد و انواع شبکه‌های ارتباطی بی‌سیم 0G، ۰.۵G، ۱G، ۲G، ۲.۵G و ۲.۷G توصیف و شبکه‌های پرکاربردی چون EDGE، GSM و GPRS واکاوی شد. دقت کنید که حجم انبوه شبکه‌های موبایلی و انواع فناوری‌های مختص ‌به هر کشور، سبب شد تا بسیاری از اصطلاحات خلاصه‌وار توضیح داده شود و از توصیف برخی‌از فناوری‌ها و موارد حاشیه‌ای خودداری شود.

منبع: zoomit.ir

رابط مغز و رایانه ، BCI

رابط مغز و رایانه؛ عصای دست معلولان یا مقدمه‌ای برای دستکاری شخصیت؟

فناوری در سال‌های اخیر پیشرفت شگفت‌انگیزی داشته که اگرچه باعث شده زندگی ما بسیار راحت‌تر از گذشته شود، اما باعث ایجاد نگرانی‌هایی نیز شده که یکی از مهم‌ترین آن‌ها، واسط مغز و رایانه (BCI) است. این واسط می‌تواند سیگنال‌های مغز را بخواند و از آن‌ها برای کارهای خاصی استفاده کند که نگرانی‌های زیادی در میان دانشمندان و فعالان حوزه فناوری ایجاد کرده است.

در طبقه دهم یکی از ساختمان‌های دانشگاه کلمبیا، افرادی با الکترودهایی که روی سر خود دارند، توسط یک هدست واقعیت مجازی رانندگی با خودرو را تجربه می‌کنند. در میدان دید این افراد پیانوها و قایق‌های بادبانی به نمایش گذاشته می‌شوند که توجه آن‌ها را در پی دارد.

این تحقیق توسط «پاول ساجدا»، مدیر آزمایشگاه تصویربرداری هوشمند و محاسبات عصبی دانشگاه کلمبیا سرپرستی می‌شود و فعالیت مغز افراد از طریق فناوری الکتروانسفالوگرافی (EEG) را بررسی می‌کند. در این تحقیق هدست واقعیت مجازی حرکات چشم کاربران را ردیابی می‌کند تا محل نگاه کردن افراد را متوجه شود. این اطلاعات توسط یک کامپیوتر که مستقیما با امواج مغز در ارتباط است با نام واسط مغز و رایانه (BCI) پردازش می‌شود.

 

 

واسط مغز و رایانه چه کاربردی دارد؟

در آزمایش دانشگاه کلمبیا هدف از جمع‌آوری اطلاعات مغز، آموزش هوش مصنوعی در خودروهای خودران است، بنابراین آن‌ها متوجه این موضوع می‌شوند که راننده چه زمانی به اطراف یا سوژه‌ای خاص توجه می‌کند. واسط مغز و رایانه در زمینه‌های زیادی کاربرد دارد که برای مثال می‌توان به مدیریت پهپادها توسط سربازان در آژانس پروژه‌های پژوهشی پیشرفته دفاعی ایالات متحده آمریکا (دارپا) و نظارت روی دانش آموزان در مدارس چین اشاره کرد.

 وضع قوانین برای استفاده از واسط مغز و رایانه هستند

این دستگاه‌ها همچنین در صنایع پزشکی نیز مورد استفاده قرار می‌گیرند مانند نسخه‌هایی از آن که برای افراد معلول این امکان را فراهم می‌کند که توسط ذهن خود، با تبلت کار کنند یا اینکه می‌تواند به بیماران مبتلا به صرع پیش از تشنج هشدار دهد. در ژوئیه ۲۰۱۹ مدیرعامل تسلا عملکرد «نورولینک» را به نمایش گذاشت که می‌تواند واسط مغز و رایانه را در مغز افراد قرار دهد تا امکان همزیستی با هوش مصنوعی فراهم شود.

برخی کارشناسان به علت عدم شفافیت در عملکرد این دستگاه‌ها، چندان به آن‌ها اعتماد ندارند. سوال مهم در این زمینه، ادعاهای بدون تایید شرکت‌ها و همچنین نحوه تاثیر آن‌ها روی کاربران است. این موارد باعث شده برخی افراد به دنبال ایجاد قانونی برای محافظت از افراد در برابر با آینده‌ای باشد که می‌توان از اطلاعات مغزی برای موارد تجاری استفاده کرد.

 

دانشمندان به دنبال وضع قوانین برای استفاده از واسط مغز و رایانه هستند

به گفته «دیوید وینیکوف»، تحلیلگر ارشد در زمینه فناوری‌های همگرا در سازمان همکاری و توسعه اقتصادی در پاریس، هر قدم در پیشرفت واسط مغز و رایانه نگرانی‌ها اخلاقی، قانونی و اجتماعی به وجود می‌آورد. وینکوف اعلام کرده:

«این واسط‌ها نگرانی‌های زیادی در رابطه با حریم شخصی کاربران ایجاد کرده‌اند. این فناوری پتانسیل آن را دارد که احساسات یا هویت یک فرد را تغییر دهد که این موضوع سوالاتی در رابطه با استقلال و خودمختاری یا ظرفیت برای هدایت زندگی یک شخص ایجاد کرده است.»

مغز ما برای هر فکر، احساس یا حرکتی سیگنال‌های الکتریکی ایجاد می‌کند و BCI برای خواندن این سیگنال‌ها توسعه پیدا کرده که برخی مواقع برای این کار از EEG و الکترودهایی روی سر استفاده می‌شود. برای این کار اغلب از ۱۶ تا ۶۴ الکترود استفاده می‌شود، البته برخی مدل‌ها ۲۵۶ الکترود دارند. نورولینک قصد دارد در این زمینه عملکرد تهاجمی‌تری داشته باشد و از ۳۰۷۲ رشته فلزی نازک روی مغز افراد استفاده کند.

واسط مغز و رایانه سیگنال‌های مغز را می‌خواند و از اطلاعات آن برای انجام وظایفی مانند نوشتن متن یا کنترل پهپاد توسط کامپیوتر یا ماشین استفاده می‌کند. با وجود اینکه هم اکنون کاربرد BCI بسیار محدود است، ساجدا به این موضوع اشاره می‌کند که هنوز سوالات زیادی در رابطه با نحوه کار مغز انسان وجود دارد.

دانشمندان از دهه ۷۰ میلادی در حال کار روی واسط مغز و رایانه برای اهداف پزشکی هستند، اما از سال ۲۰۰۷ این فناوری وارد بخش مصرفی شد. با پیشرفت در فناوری BCI و ظهور گوشی‌های هوشمند، نسخه‌های مصرفی آن‌ها و سایر فناوری‌ها که با مغز ارتباط برقرار می‌کنند، بسیار رایج شدند. برای مثال شرکت «نورواسکای» که در زمینه فروش اپلیکیشن‌های موبایل و پوشیدنی‌ها فعالیت دارد، سنسورهای مغز را بازاریابی می‌کند که به مردم اجازه می‌دهد که اطلاعات مناسبی را وارد اپلیکیشن‌های موبایل کنند.

«Thync» یکی دیگر از شرکت‌های فعال در حوزه فناوری‌های پوشیدنی محسوب می‌شود که ادعا می‌کند اپلیکیشن‌های BCI می‌توانند احساسات کاربر را تغییر دهند. برای مثال می‌توان آن‌ها به را خواب ترغیب کرد یا حتی مشکل پوستی آن‌ها با نام «پسوریازیس» را نیز درمان کرد. «Emotiv» شرکت دیگری بوده که هدست‌ EEG قابل حمل با قیمت ۷۰۰ دلار به فروش می‌رساند که توسط آن می‌توان اطلاعات مغز را برای آزمایش‌ها جمع آوری کرد. بسیاری از این محصولات مجوز دریافت نکرده‌اند و توسط سازمان مربوطه مورد بررسی قرار نگرفته‌اند.

 

 

قوانین مشخصی برای واسط مغز و رایانه وجود دارد؟

سازمان غذا و داروی ایالات متحده آمریکا (FDA) که برای دستگاه‌های پزشکی شامل BCI مجوز صادر می‌کند تنها برخی از آن‌ها را مورد تایید قرار داده، در حالی که تعداد بالایی از آن‌ها از نظر فنی جزو دستگاه‌های پزشکی دسته‌بندی نمی‌شوند و به صورت مستقیم در بازار به فروش می‌رسند. برای مثال در سال ۲۰۱۵ FDA دستگاه توسعه یافته توسط Thync را به عنوان یک دستگاه پزشکی تایید نکرد. FDA درباره واسط مغز و رایانه‌ که توسط آزمایشگاه‌ها مورد استفاده قرار می‌گیرد، دستورالعمل دارد اما برای نمونه‌هایی که در بازار به فروش می‌رسند دستورالعمل مشخصی وجود ندارد.

 

تحریک جریان مستقیم درون‌ جمجمه‌ای می‌تواند عملکرد افراد را افزایش دهد

به گفته ساجدا، این شکاف‌های نظارتی نگرانی‌های زیادی ایجاد کرده. برای مثال یکی از روش‌های درمان توسط BCI، تحریک بخش‌های خاصی از مغز برای بهبود عملکردهای مخصوصی شامل حافظه، زبان یا دقت است. این نوع از واسط‌های مغز و رایانه از تکنیکی به نام تحریک جریان مستقیم درون‌ جمجمه‌ای (tDCS) استفاده می‌کنند و می‌تواند حرکت فیزیکی و زمان واکنش را تقویت کند. با این وجود، ابهاماتی درباره مزایای این روش وجود دارد.

با این وجود، برخی مانند نیروی دریایی آمریکا و بازیکنان تیم بسکتبال «گلدن استیت واریرز» در حال آزمایش تحریک جریان مستقیم درون ‌جمجمه‌ای برای بهبود عملکرد خود هستند. علاوه بر این، نمونه‌های خانگی این دستگاه‌ها نیز در حال تولید هستند تا توسط آن‌ها بتوان عملکردهای مختلف را بهبود داد یا حتی افسردگی را درمان کرد. تمام این موارد می‌توانند برای افراد عوارض ایجاد کنند و به مغز آسیب بزنند.

ایلان ماسک ادعاهای عجیب‌تری در رابطه با واسط مغز و رایانه دارد که آن، ترکیب آن با هوش مصنوعی است که البته هنوز نمونه مشخصی از آن توسط نورولینک معرفی نشده و اطلاعی از نحوه عملکرد آن نداریم.

پژوهشگر ارشد آزمایشگاه اخلاق و سیاست دانشگاه ETH در زوریخ سوئیس، «مارچلو اینکا» هشدار داده که اگر شرکت‌ها ادعاهای اغراق آمیز مطرح کنند، افراد ترغیب می‌شوند که در آزمایش‌ها شرکت کنند و دنبال نتایج غیر واقعی باشند، بنابراین باید آزمایش‌های انسانی توسط کمیته‌ای مورد تایید قرار بگیرند و پیش از حضور شرکت‌کنندگان، مزایا و خطرات آن‌ها بررسی شوند.

برخی شرکت‌ها و دانشمندان در حال توسعه واسط مغز و رایانه هستند و برخی نیز به دنبال ایجاد یک چارچوب قانونی برای جلوگیری از سوءاستفاده از اطلاعات مغز هستند. نظارت روی فعالیت مغز توسط BCI، اطلاعات زیادی تولید می‌کند که از آن‌ها می‌توان برای اهداف مختلفی از تبلیغات گرفته تا کمپین‌های سیاسی استفاده کرد. به عنوان مثال آزمایش تیم ساجدا به دنبال اطلاع از این موضوع است که افراد روی چه مواردی در محیط اطراف خود تمرکز می‌کنند که می‌توان از آن برای بهبود تبلیغات استفاده کرد.

برای رفع این نگرانی‌ها، اینکا یک رویکرد قانونی با نام «حقوق ذهن» را پیشنهاد داده. این چارچوب قانونی درباره جمع‌آوری اطلاعات، استفاده و همچنین محافظت از آن‌ها اطمینان حاصل می‌کند. اینکا مقاله‌ای در این زمینه در سال ۲۰۱۷ منتشر کرد و که در آن به حقوق جدید که می‌تواند در دهه‌های آینده به قوانین اضافه شوند شامل حق آزادی شناختی، حق داشتن حریم ذهنی، حق تمامیت ذهنی و حق دوام روانشناسی، اشاره داشت. به اعتقاد اینکا، این موارد می‌توانند مانع از سوءاستفاده از اطلاعات مغز شوند.

 

احتمال تغییر شخصیت افراد توسط واسط مغز و رایانه وجود دارد

در حال حاضر شرکت‌های فناوری به علت سرویس‌های خود می‌توانند به برخی اطلاعات حساس کاربران دسترسی پیدا کنند و اطلاعات مغز این موارد را افزایش می‌دهند. اکثر برنامه‌های واسط مغز و رایانه به پذیرش شرایط استفاده از سرویس توسط کاربران وابسته هستند که البته افراد کمی آن‌ها را می‌خوانند.

با پیشرفت در حوزه BCI، نیاز به شفافیت قانونی افزایش پیدا می‌کند. فناوری شاید بتواند در نحوه عملکرد مغز افراد تغییر ایجاد کند یا آنطور که برخی تحقیقات نشان داده‌اند، توسط آن می‌توان هویت خود را درک کرد. برای مثال مطالعه‌ای در سال ۲۰۱۹ روی ۶ بیمار مبتلا به صرع انجام شد تا مشخص شود مغز آن‌ها چگونه به BCI واکنش نشان می‌دهد و این واسط درون مغز آن‌ها برای هشدار تشنج کاشته شد. برخی از افراد پس از این کار احساس قدرت کردند، اما تعدادی روی مشکل خود تاکید بیشتری داشتند. یکی از آن‌ها پس از کاشت این واسط گفته بود که همیشه احساس بیماری می‌کند و حس متفاوت بودن نسبت به دیگران دارد. در حقیقت این فرد پس از کاشت واسط تبدیل به فرد دیگری شد.

برای رفع نگرانی‌ها در این زمینه نیاز به قانون داریم. به نظر می‌رسد FDA به دنبال قوانینی برای واسط‌های مغز و رایانه است، اما هنوز نمی‌دانیم چگونه به مشکلاتی که در تحقیق‌های قبلی ایجاد شده، توجه می‌شود. بسیاری به دنبال حفاظت از اطلاعات مغز هستند و از هر روشی برای این کار بهره می‌برند که برای مثال می‌توان به مسائل اخلاقی اشاره کرد. در گذشته شاهد چنین موضوعی برای دستکاری ژنتیکی بودیم که در نهایت در سال ۲۰۰۳، قوانینی برای آن وضع شد که روی جمع‌آوری و دستکاری اطلاعات ژنتیکی انسان‌ها نظارت دارد. به نظر می‌رسد باید منتظر چنین رویه‌ای برای BCI نیز باشیم.

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

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

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