پردازنده های جدید اینتل

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

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

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

پردازنده Core i9-10900F

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

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

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

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

منبع: digiato.com

ساخت ربات‌ انعطاف‌پذیر توسط پرینترهای سه‌بعدی

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

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

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

ربات‌های انعطاف پذیر

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

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

منبع: digiato.com

تبدیل پسورد وای‌فای به کد QR

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

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

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

 

روش اول

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

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

سایت کیو آی فای

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

پسورد وای‌فای

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

تبدیل پسورد وای‌فای

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

کد QR

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

تبدیل به کد QR

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

تبدیل پسورد

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

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


روش دوم

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

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

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

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

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

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

آموزش تبدیل پسورد وای ‌فای به کد QR

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

منبع: zoomit.ir

توسعه پردازنده‌‌‌ی غول‌پیکر EHP توسط AMD

AMD کماکان مشغول توسعه پردازنده غول‌پیکر EHP است

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

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

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

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

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

AMD EHP

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

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

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

منبع: zoomit.ir

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

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

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

لپ‌تاپ و رایانه مبتنی‌بر آرم اپل

اپل احتمالا در سال ۲۰۲۱ چندین لپ‌تاپ و رایانه مبتنی‌بر ARM عرضه می‌کند

گزارش‌های اخیرا نشان می‌دهند اپل در حال کار روی چندین لپ‌تاپ و رایانه‌ی مک مبتنی‌بر پردازنده‌ی آرم است تا آن‌ها را در سال بعدی میلادی روانه‌ی بازار کند.

از مدت‌ها پیش شاهد انتشار شایعاتی مبنی‌بر تمایل اپل به استفاده از پردازنده‌های آرم (ARM) به‌جای پردازنده‌های اینتل در لپ‌تاپ‌ها و رایانه‌های سری مک بوده‌ایم. بر اساس اخبار جدید، ظاهرا روند جایگزینی پردازنده‌های آرم با اینتل در مک‌های اپل قرار است سریع‌تر از آنچه فکرش را می‌کردیم صورت پذیرد. در ضمن انتظار داشتیم اپل به‌صورت آزمایشی تنها یکی از محصولاتش را به‌ آرم مجهز کند، اما احتمالا اهالی کوپرتینو برنامه‌های گسترده‌تری برای آرم تدارک دیده‌اند.

بر اساس یادداشت جدید مینگ‌چی کو اپل قصد دارد در سال ۲۰۲۱ چندین لپ‌تاپ و رایانه‌ی سری مک را با پردازنده‌ی آرم تولید و روانه‌ی بازار کند. این تحلیلگر شناخته‌شده می‌گوید استفاده از پردازنده‌های آرم باعث خواهد شد هزینه‌های مربوط به پردازنده‌هایی که اپل در محصولاتش استفاده می‌کند به‌میزان ۴۰ تا ۶۰ درصد کاهش یابد؛ دست‌یابی به این هدف درحالی رخ می‌دهد که اپل انعطاف بیشتری برای استفاده از سخت‌افزار مختلف در دستگاه‌هایش خواهد داشت. مینگ‌چی کو پیش‌تر در یادداشتی دیگر مدعی شده بود که اپل نخستین لپ‌تاپ مبتنی‌بر آرم را در سه‌ماهه‌ی چهارم سال ۲۰۲۰ یا سه‌ماهه‌ی نخست سال ۲۰۲۱ عرضه خواهد کرد.

پردازنده‌های مبتنی‌بر معماری آرم بیشتر در دستگاه‌های موبایلی مورداستفاده قرار می‌گیرند، زیرا نسبت‌به پردازنده‌های دیگر انرژی بسیار کمتری از باتری سلب می‌کنند. چنین پردازنده‌ای باعث می‌شود محصولی نظیر آیپد بدون این‌که به سیستم خنک‌کننده‌ی همیشه‌فعال نیاز پیدا کند، تا ساعت‌ها بدون شارژ مجدد دوام بیاورد. اپل طی سال‌های اخیر توانسته است پردازنده‌های موبایلی سری A را بسیار قدرتمند کند؛ با در نظر گرفتن این توضیحات، منطقی است اگر اپل بخواهد سرانجام در لپ‌تاپ‌های سری مک‌بوک از پردازنده‌های قدرتمند سری A استفاده کند.

ایده‌ی استفاده از پردازنده‌های آرم برای رایانه‌های دسکتاپ جذاب‌تر به‌نظر می‌رسد؛ به‌خصوص به‌ این دلیل که تاکنون هیچ شرکتی به قرار دادن پردازنده‌های آرم در رایانه‌های دسکتاپی که به دست مصرف‌کنندگان معمولی می‌رسند، روی نیاورده است. مصرف کمتر انرژی توسط پردازنده‌های آرم، ارتباط تنگاتنگی با قدرت پردازشی آن‌ها دارد. دستگاه‌های موبایلی مبتنی‌بر آرم با قدرت پردازشی کم فعالیت می‌کنند، زیرا نیاز دارند باتری‌شان را برای مدت‌زمانی طولانی نگه دارند و همچنین دمای داخلی‌شان پایین بماند. تصور کنید پردازنده‌های نظیر تراشه‌ی قدرتمند A12Z به‌کاررفته در آیپد پرو ۲۰۲۰ به‌درون فرم فاکتور iMac با سیستم خنک‌کننده‌ی قوی و منبع انرژی مستقیم از طریق پریز برق، منتقل شود. در این حالت چه اتفاقی می‌افتد؟ آیا می‌توان در مک پرو جدید که دستگاهی بسیار پیشرفته و گران‌قیمت است و از پردازنده‌های سری Xeon اینتل استفاده می‌کند، به بهره‌گیری از پردازنده‌های آرم روی آورد؟

در هر صورت به‌نظر می‌رسد که انتقال از پردازنده‌های اینتل به پردازنده‌های مبتنی‌بر آرم،‌ خبر مهم و بزرگ سال آینده‌ی میلادی برای رایانه‌های سری مک باشد. اپل به‌طور معمول چنین خبرهایی را در جریان کنفرانس توسعه‌دهندگان (WWDC) اعلام می‌کند. به‌دلیل شیوع ویروس کرونا، کنفرانس توسعه‌دهندگان جهانی اپل ۲۰۲۰ برای نخستین‌بار طی ۳۳ سال اخیر به‌صورت حضوری برگزار نخواهد شد و فرمتی کاملا آنلاین به‌خود خواهد گرفت. WWDC 2020 در تاریخ نامشخص در ماه ژوئن (خرداد) برگزار خواهد شد.

منبع: .zoomit.ir

سیستم تحقیقاتی نورومورفیک از کاربردهای هوش مصنوعی

اینتل قدرتمندترین سیستم تحقیقاتی نورومورفیک را معرفی کرد

اینتل سیستم تحقیقاتی نورومورفیک جدیدی معرفی کرده که ظرفیتش ۱۰۰ میلیون نورون و متشکل از ۷۶۸ تراشه‌های نورومورفیک Loihi است.

اینتل جدیدترین و قدرتمندترین سیستم تحقیقاتی نورومورفیک (عصب‌گون) خود، Pohoiki Springs را معرفی کرد. این شرکت ظرفیت سیستم تحقیقاتی نورومورفیک یادشده را تا ۱۰۰ میلیون نورون افزایش داده است. Pohoiki Springs سیستم پایگاه داده‌ی نصب‌شده روی قفسه و متشکل از ۷۶۸ تراشه‌ی تحقیقاتی نورومورفیک Loihi است که در یک‌جا و درون شاسی به‌مراتب بزرگ‌تر از شاسی استاندارد سرور قرار گرفته‌‌اند. Pohoiki Springs بسیار بزرگ‌تر از سیستم نورومورفیک پیشین اینتل، یعنی Kapoho Bay است که با داشتن دو تراشه‌ی Loihi، از ۲۶۲ هزار نورون دیجیتال بهره می‌برد.

تراشه‌های نورومورفیک درقیاس‌با سایر پردازنده‌های تیم آبی بسیار متفاوت هستند و برای تقلید از مغز انسان طراحی شده‌‌اند. چنین امکانی با پایه‌سازی تراشه‌ها برمبنای عصب‌شناسی محقق شده است. به‌جای تکانه‌های عصبی (Nerve impulse) که شوک‌های الکتریکی ارسال‌شده به مغز هستند، تراشه‌های نورومورفیک اینتل تغییرات منحصر به خودشان را دارند که تیر (Spike) نامیده می‌شود. طراحی این تراشه‌ها به‌عنوان مقلدی از مغز انسان سبب شده است آن‌ها داده‌های پردازش‌نشده یا نویزدار را به‌صورت بی‌درنگی اجرا کنند؛ ولی برای پردازنده‌های معمولی اجرای چنین داده‌هایی بسیار وقت‌گیر است.

سیستم‌های تحقیقاتی نورومورفیک در درجه‌ی اول در پایگاه‌های داده استفاده قرار می‌شوند؛ یعنی پلتفرم‌هایی که برای ایجاد تغییر در تفاوت‌ها طراحی شده‌اند و برای مثال محدودیت‌ها و مشکلات را رفع می‌کنند. مشکلات یادشده می‌تواند وظایف ساده‌ای همچون برنامه‌ریزی برای تحویل بسته یا مشکلات پیچیده‌ای مانند تخصیص سبد سهام یا کاهش ریسک نرخ بازگشت سرمایه باشد.

باتوجه‌به اینکه اینتل ظرفیت سیستم نورومورفیک را افزایش داده و تعداد تراشه‌های مجتمع Loihi را از ۲ به ۷۶۸ رسانده است، سیستم‌های این شرکت امکان یافته‌اند مشکلات پیچیده‌تر را بهتر حل کنند. درکنار افزایش قدرت پردازشی، سیستم جدید تیم آبی فقط ۵۰۰ وات توان مصرفی دارد که برای ۷۶۸ تراشه‌ی پردازشی Loihi بسیار پربازده است.

سیستم جدید نورومورفیک می‌تواند در یادگیری عمیق هوش مصنوعی کاربرد داشته باشد و نه‌تنها اطلاعات را سریع‌تر پردازش کند؛ بلکه بخش‌های مختلفی از اطلاعاتی را محاسبه کند که در آن لحظه موردنیاز انسان است. درحالی‌که برای به‌روزرسانی سیستم نورومورفیک اینتل، تنها ۷۶۸ تراشه‌ی Loihi اضافه شده، از نظر تئوری، عملکرد مغز انسان تقریبا برابر با ۶۵۰ هزار تراشه‌ی Loihi است. درحال‌حاضر، سیستم جدید نورومورفیک نمی‌تواند با مغز انسان رقابت کند؛ ولی به‌روزرسانی‌های گسترده‌ی اینتل نشان می‌دهد در آینده، ممکن است سیستم‌های نورومورفیک بیش‌ازپیش رشد کنند.

منبع: zoomit.ir

شهر هوشمند از کاربردهای هوش مصنوعی

شهر‌‌های هوشمند آینده؛ نگاهی به پنج طرح شهرسازی آینده‌نگرانه

طراحی شهرهایی با المان‌های آینده‌نگرانه، بخش مهمی از اخبار دنیای فناوری را اشغال می‌کنند؛ شهرهایی که شاید ظاهر زندگی اجتماعی را برای همیشه عوض کنند.

ران هرون، معمار بریتانیایی، در سال ۱۹۶۴ مفهومی به‌نام «شهر متحرک (Walkin City)» مطرح کرد. او شهرهایی را تصور کرده بود که در پشت پلتفرم‌های عظیم و هوشمند متحرک سوار می‌شدند که ظاهری شبیه به آسمان‌خراش داشتند. ران در طرح خود می‌گفت که شهرهای متحرک، توانایی اتصال به شهرهای سنتی و المان‌های مرسوم را دارند. امروز می‌دانیم که طرح مفهومی ران آن‌چنان با استقبال روبه‌رو نشد و چنین شهرهایی درحال ساخت یا حتی طراحی نیستند. ازطرفی، طراحی شهرهای هوشمند با جدیدترین المان‌های فناوری جهان، با سرعت و شدت مناسبی پیگیری می‌شود.

طراحی شهر هوشمند با رویکردهای متنوعی انجام می‌شود. برخی از رویکردها، شهرهای سنتی کنونی را به فناوری‌های روز جهان مجهز می‌کنند. به‌عنوان مثال شهرهایی با جاده‌های شارژکننده‌ی خودروهای الکتریکی یا درخت‌های مصنوعی مکنده‌ی آلودگی یا ربات‌های هوشمند تحویل کالا، مفاهیمی درحال شکل‌گیری هستند. ازطرفی، برخی طراحان و سیاست‌گذاران، رویکردهای جامع‌تری را درپیش گرفته‌اند. در ادامه‌ی این مطلب، پنج پروژه‌ی طراحی شهری را مثال می‌زنیم که نگاهی آینده‌نگرانه دارند و در سال ۲۰۲۰ بخش عمد‌ه‌ای از فرایند ساخت آن‌ها انجام خواهد شد.

 

Woven City ژاپن

خودروهای تویوتا تقریبا در تمامی نقاط جهان دیده می‌شوند، اما خودروسازی بزرگ ژاپنی هنوز شهر اختصاصی خود را ندارد. مدیران شرکت در CES 2020 پروژه‌ای را رونمایی کردند که احتمالا به ساخت و بهره‌برداری از اولین شهر اختصاصی تویوتا خواهد انجامید. شهری که در زادگاه تویوتا ساخته می‌شود و المان‌های هوشمندی را در حد کمال خواهد داشت. «شهر بافته‌شده (Woven City)» نام پروژه‌ی شهرسازی تویوتا است که فعلا سال ۲۰۲۱ برای رونمایی آن ذکر شد.

تویوتا برای ساخت شهر جدید خود از زمینی به‌مساحت حدودی ۷۰۸ هزار متر مربع در نزدیکی کوه فوجی استفاده می‌کند و برنامه‌ای موسوم به آزمایشگاه زنده برای آن دارد. آزمایشگاه مدنظر خودروساز ژاپنی نه‌ تنها فناوری‌های مرتبط با خودروهای خودران را بررسی می‌کند، بلکه فناوری حسگرهای هوشمند متصل به هم و انواع نوآوری‌های مرتبط با خانه‌های هوشمند و ربات‌ها و هوش مصنوعی هم جزو پروژه‌های اصلی آزمایشگاه مذکور هستند.

شهر بافته‌شده‌ی تویوتا ابتدا میزبان دو هزار شهروند خواهد بود؛ شهروندانی که انواع خدمات رباتیک هوشمند مانند کنترل سلامتی و وظایف روزمره‌ی زندگی را دریافت می‌کنند. بارک اینگلز، معمار دانمارکی، وظیفه‌ی طراحی شهر هوشمند تویوتا را برعهده دارد. اینگلز طراحی برج‌های جدید مرکز تجارت جهانی و Lego House دانمارک را در رزومه دارد.

 

Belmont آریزونا

هم‌بنیان‌گذار مایکروسافت، بیل گیتس، امروز با پروژه‌ها و برنامه‌های متعدد در مسیر حل مشکلات جهانی شهرت دارد. تصمیم او به ساخت یک شهر هوشمند با هدف برطرف کردن برخی از مشکلات جهانی، آن‌چنان عجیب به‌نظر نمی‌رسد. همین طرح موجب شکل‌گیری پروژه‌ای به‌نام بلمونت شد که به‌صورت یک شهر هوشمند در منطقه‌ی شهری فینیکس آریزونا ساخته خواهد شد.

بیل گیتس تنها سرمایه‌گذار پروژه‌ی بلمونت محسوب می‌شود که رقمی حدود ۸۰ میلیون دلار برای آن پرداخت خواهد کرد. شهر هوشمند بلمونت پس از ساخته شدن میزبان جمعیتی تقریبا برابر با سالت لیک یعنی ۱۹۳ هزار نفر می‌شود.

زمینی به مساحت ۱۰۱ کیلومتر مربع برای پروژه‌ی بلمونت در نظر گرفته شد که در بیابان عاری از سکنه در آریزونا قرار دارد. انواع کسب‌وکارها، مدارس و آموزشگاه‌ها و ۸۰ هزار منزل مسکونی در شهر هوشمند بلمونت ساخته خواهند شد. قطعا آخرین المان‌ها و دستاوردهای دنیای فناوری در شهر بلمونت استفاده می‌شوند و از همان زیرساخت، هوشمند بودن شهر در نظر گرفته خواهد شد. ازمیان فناوری‌های احتمالی می‌توان به خودروهای خودران، سرویس‌های تحویل خودکار، شغل‌هایی در حوزه‌ی تولید هوشمند و حرفه‌ای، اینترنت بسیار پرسرعت و کامپیوترهایی اشاره کرد که همه مجهز به ویندوز (!) باشند. درحال‌حاضر هیچ خبر و اطلاعی از شروع پروژه‌ی بلمونت در دست نیست.

 

Neom عربستان سعودی

وقتی اصطلاح شهر آینده‌نگرانه یا فوق هوشمند را می‌شنویم، احتمالا چنین تصوراتی خواهیم داشت: ربات‌های خدمت‌کار، سواحلی که در تاریکی می‌درخشند، باران ساختگی، ماه مصنوعی غول‌پیکر، انرژی کاملا تجدیدپذیر، دایناسورهای رباتیک و یک برنامه‌ی مهندسی ژنتیک که شهروندانی سالم‌تر و قوی‌تر بسازد. البته نباید از المان‌های مرسوم شهر هوشمند همچون خودروهای خودران و اینترنت عالی هم غافل شد. تمام طرح‌هایی که ذکر کردیم، در پروژه‌ی شهر هوشمند نیوم در عربستان سعودی قرار خواهند داشت.

شهر هوشمند نیوم با سرمایه‌گذاری ۵۰۰ میلیارد دلاری ولیعهد عربستان ساخته می‌شود. نیوم ترکیبی از فناوری‌های فوق‌پیشرفته و خدمات لوکس را به شهروندان خود ارائه می‌کند. وال‌استریت ژورنال، پروژ‌ه‌ی سعودی‌ها را فوق بلندپروازانه می‌داند که ترکیبی از سیلیکون‌ ولی در فناوری و هالیوود در سرگرمی و ریویرا فرانسه در تفریح را ارائه خواهد کرد.

طرح ساخت شهر نیوم در عربستان سعودی شبیه به داستان‌های علمی‌تخیلی فیلم‌های هالیوودی به‌نظر می‌رسد. پروژه‌ی مذکور در زمینی به مساحت حدودی ۲۶ هزار کیلومتر مربع ساخته می‌شود که ۳۳ برابر زمین نیویورک سیتی است.

 

Forest City مالزی

شهر جنگلی مالزی، پروژه‌ای بلندپروازانه محسوب می‌شود که خود را مدل شهرهای آینده می‌نامد. همان‌طور که از نام پروژه‌ی مذکور برداشت می‌شود،‌ احتمالا شاهد شهری با المان‌های دوست‌دار محیط‌ زیست خواهیم بود که شامل ساختمان‌هایی با پوشش گیاهی و خیابان‌هایی عاری از خودروهای پارک‌شده است. شهر هوشمند جدید مالزی در چهار جزیره‌ی مصنوعی در تنگه‌ی جهور ساخته می‌شوند. تنگه‌ی جهور، آب‌راهی باریک است که بین مالزی و سنگاپور جریان دارد. مجموع زمین زیرساختی برای شهر جنگلی، ۱۴ کیلومتر مربع ادعا می‌شود.

برنامه‌های بازاریابی شهر آینده‌نگرانه‌ی جنگلی مالزی، به طبیعت و المان‌های سلامتی اشاره‌ی جدی می‌کند. البته دوست‌دار طبیعیت بودن در پروژه‌ی مذکور به‌ معنای مخالفت با فناوری‌های جدید نیست. طراحان در پیشنهاد خود به باغ‌هایی با قابلیت آب‌یاری خودکار اشاره می‌کنند. در بخشی از طرح شهر جنگلی می‌خوانیم: «اگر پنجره‌های خانه در اتفاقی بر اثر بازی کودکان شکسته شوند، قبل از بازگشت شما به خانه، ترمیم خواهند شد».

برنامه‌ی کنونی طراحی و ساخت شهر جنگلی مالزی، اتمام پروژه را سال ۲۰۳۵ بیان می‌کند. درنهایت باید منتظر ساخت پروژه‌ی احتمالی باشیم که با ادعای حمایت از محیط زیست، المانی دست‌ساز بشر را روی جزیره‌های مصنوعی تولید می‌کند.

 

Sidewalk Labs تورنتو

شرکت سایدواک لبز، زیرمجموعه‌ی نوآوری شهری آلفابت، طرحی برای ساخت یک شهر هوشمند به مساحت ۴۸ هزار متر مربع در ساحل تورنتو دارد. از برنامه‌های سایدواک برای شهر هوشمند می‌توان به ساختمان‌های کاملا چوبی، پیاده‌روهای ماژولار با هدف مدیریت و جابه‌جایی آسان، تمرکز روی انرژی‌های تجدیدپذیر، وسایل حمل‌ونقل مدرن و در دست‌رس، پیاده‌روهایی مجهز به گرمایش، چراغ‌های هوشمند و موارد دیگر اشاره کرد. به‌ هرحال نام گوگل هم در میان اجراکننده‌های شهر هوشمند سایدواک دیده می‌شود و شاید در نگاه اول،‌ همه نگران برنامه‌‌های ردگیری کاربر باشند، اما در طرح پیشنهادی ادعا می‌شود که اطلاعات زیادی از کاربران جمع‌آوری و فروخته نمی‌شود و تبلیغات شخصی‌سازی‌شده با کمترین رویکرد ردگیری منتشر می‌شوند.

مدیرعامل سایدواک لبز، دن داکتروف، درباره‌ی پروژه‌ی شهر هوشمند می‌گوید:

طرح پیشنهادی ما تلاش می‌کند تا دستاوردی خارق‌العاده در ساحل شرقی تورنتو داشته باشد: محله‌هایی با ظاهر و عملکرد صحیح آینده‌نگرانه که مردم را در نقطه‌ی تمرکز قرار می‌دهد و طراحی آینده‌نگرانه‌ی شهری با المان‌های فناورانه‌ی پیشرفته که همگی در مسیر بازطراحی محیط شهری با هدف بهبود روش زندگی انجام می‌شوند.

درنهایت اگر شهری با مدیریت و اجرای گوگل را در نظر بگیرید، قطعا نگرانی‌هایی از آینده و شیوه‌ی مدیریت آن نیز خواهید داشت.