نوشته‌ها

اینتل قدرتمندترین سیستم تحقیقاتی نورومورفیک را معرفی کرد

اینتل سیستم تحقیقاتی نورومورفیک جدیدی معرفی کرده که ظرفیتش ۱۰۰ میلیون نورون و متشکل از ۷۶۸ تراشه‌ی تحقیقاتی 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

کوالکام پردازنده‌های جدید اسنپدراگون ۷۲۰G و ۶۶۲ و ۴۶۰ را معرفی کرد

کوالکام محصولات جدید اسنپدراگون خود در دسته‌ی میان‌رده و پایین‌رده را معرفی کرد که جایگزین خانواده‌ی اسنپدراگون ۶۰۰ و ۴۰۰ خواهند شد.

کوالکام در دسامبر ۲۰۱۹ و در رویداد Snapdragon Tech Summit، پردازنده‌های جدید موبایلی خود را معرفی کرد. اسنپدراگون ۸۶۵ و ۷۶۵ و ۷۶۵G که در آن رویداد معرفی شدند، در دسته‌ی میان‌رده به بالای محصولات قرار می‌گرفتند. درواقع محصولات جدید جایگزین پرچمدارانی همچون اسنپدراگون ۸۵۵ و +۸۵۵ بودند و همچنین نیازهای میان‌رده و مبتنی بر کارایی را پوشش می‌دادند که قبلا نمونه‌های ۷۳۰ و ۷۳۰G در آن دسته وجود داشتند.

سهم عمده‌ای از مشتریان کوالکام از تراشه‌های میان‌رده‌ی سری ۶۰۰ و ۴۰۰ استفاده می‌کنند و خصوصا بازارهای روبه‌رشدی همچون هند و چین و دیگر مناطق جنوب‌شرقی آسیا، مشتریان زیادی برای این دسته دارند. کوالکام برای پاسخ به همین نیازها سه مدل جدید پردازنده معرفی کرد که به‌ نام‌های Snapdragon 720G و Snapdragon 662 و Snapdragon 460 به بازار عرضه خواهند شد و جایگزین نمونه‌های موجود در دسته‌ی پایین و میان‌رده هستند. رونمایی محصولات جدید، در رویدادی در دهلی نو انجام شد.

از قابلیت‌های جدید محصولات تازه‌ی کوالکام می‌توان به پشتیبانی از WiFi ۶، بلوتوث ۵/۱، GNSS با فرکانس دوگانه با هدف موقعیت‌یابی دقیق، بازدهی قدرت بالاتر و قابلیت‌های هوش مصنوعی بهینه اشاره کرد. کوالکام اعتقاد دارد مشتریان دسته‌ی میان‌رده و پایین‌رده هنوز زمان زیادی تا به‌کارگیری از ۵G فاصله دارند. درنتیجه تنها همان اتصال ۴G در این تراشه‌ها بهبود یافته است. به‌عنوان مثال در مدل ۷۲۰G شاهد پشتیبانی از VoLTE دوگانه هستیم.

 

کوالکام اسنپدراگون ۷۲۰G

حرفه‌ای‌ترین محصول کوالکام در رونمایی امروز ۷۲۰G بود که جایگزینی برای اسنپدراگون ۷۱۰ و ۷۱۲ محسوب می‌شود. حرف G در محصولات کوالکام نشان‌دهنده‌ی طراحی اختصاصی تراشه برای کاربردهای گیمینگ است و سال گذشته هم‌زمان با اسنپدراگون ۸۵۵ معرفی شد. پردازنده‌ی جدید مبتنی بر روش هشت نانومتی تولید خواهد شد و از هسته‌های جدید Kyro 465 در پیکربندی big.LITTLE آرم بهره می‌برد.

پردازنده‌ی جدید کوالکام علاوه بر بهبود قدرت‌ و کارایی، موتور هوش مصنوعی جدیدی دارد که در کاربردهای بازی، عکاسی، عکاسی قدرت پردازش و حتی پاسخگویی دستیارهای هوشمند، کاربردی خواهد بود. به‌علاوه Spectra 360L ISP به‌عنوان یک به‌روزرسانی در پردازنده‌ی جدید مطرح شد که پردازش تصویر را در محصول نهایی بهبود خواهد داد. اسنپدراگون ۷۲۰G همچنین از نمایشگرهای ۱۲۰ هرتز پشتیبانی می‌کند.

همان‌طور که گفته شد، اتصال وای‌فای ۶ هم از قابلیت‌های مهم ارتباطی پردازنده‌ی ۷۲۰G است که سرعت اتصال بالاتر را با پشتیبانی از دو کانال زیرمجموعه‌ی اتصال فراهم می‌کند. تراشه‌ی جدید کوالکام همچنین از سیستم موقعیت‌یابی ماهواره‌ای جدید هند به‌نام NavIC پشتیبانی می‌کند.

پردازنده‌ی اسنپدراگون ۷۲۰G علاوه بر قابلیت‌های بالا از Bluetooth 5.1 و aptX Adaptive هم پشتیبانی می‌کند که صدای بی‌سیم را با کیفیت بالا و با تأخیر پایین در دستگاه‌های میان‌رده‌ی مجهز به این پردازنده ممکن خواهد کرد.

اولین گوشی‌های هوشمند مجهز به پردازنده‌ی ۷۲۰G به‌زودی به بازار عرضه می‌شوند. کوالکام می‌گوید چنین گوشی‌هایی در فصل اول ۲۰۲۰ به بازار می‌رسند. قبلا منابع خبری ادعا کرده بودند که اولین گوشی‌ها با پشتیبانی از NavIC توسط شیائومی در هند ساخته می‌شوند. Realme نیز در جدیدترین توییت ادعا کرده بود که به‌زودی اولین دستگاه‌های مجهز به اسنپدراگون ۷۲۰G را در هند عرضه می‌کند.

 

کوالکام اسنپدراگون ۶۶۲

کوالکام سال گذشته پلتفرم موبایلی اسنپدراگون ۶۶۵ را به‌عنوان گزینه‌ای با مصرف انرژی بهینه‌تر بین اسنپدراگون ۶۶۰ و ۶۷۰ معرفی کرد. اکنون شاهد رونمایی پردازنده‌ای هستیم که جای خالی بین ۶۶۵ و ۶۶۰ را پر می‌کند و به‌نام Snapdragon 662 عرضه شد.

اسنپدراگون ۶۶۲ از Spectra 340T ISP بهره می‌برد که تصویربرداری را در شرایط با نور پایین آسان می‌کند و همچنین توانایی اضافه کردن قابلیت‌های واقعیت افزوده را از طریق دوربین گوشی هوشمند دارد. تراشه‌ی جدید با بهره‌مندی از فناوری اختصاصی کوالکام به‌نام FastConnect 6100، از وای‌فای ۶ پشتیبانی می‌کند، اما مودم LTE‌ آن نسبت به نسخه‌های قبلی با کاهش قابلیت روبه‌رو بوده است. پشتیبانی از NavIC در این پردازنده هم وجود دارد و از قابلیت‌های دیگر می‌توان به به بلوتوث ۵/۱ و پشتیبانی از کدک aptX TrueWireless Surround اشاره کرد.

 

کوالکام اسنپدراگون ۴۶۰

غول آمریکایی دنیای پردازنده‌های موبایلی علاوه بر دو نسخه‌ی میان‌رده، از پردازنده‌‌ای پایین‌رده هم رونمایی کرد که جایگزین اسنپدراگون ۴۵۰ محسوب می‌شود. کوالکام در محصول جدید خود برای اولین‌بار از برند Kyro در پردازنده‌های سری ۴۰۰ استفاده می‌کند. در پردازنده‌ی جدید پایین‌رده‌ی شرکت، شاهد استفاده از خوشه‌های پردازشی Kyro 240 هستیم.

کوالکام ادعا می‌کند اسنپدراگون ۴۶۰ با بهره‌گیری از هسته‌های پردازشی پرقدرت جدید، ۷۰ درصد افزایش کارایی را نسبت به اسنپدراگون ۴۵۰ ارائه می‌کند. به‌علاوه این تراشه با پردازنده‌ی گرافیکی Adreno 610 ارائه می‌شود که قبلا تنها در خانواده‌ی ۶۰۰ حضور داشت. درنتیجه در پردازش‌های گرافیکی نیز شاهد ۶۰ درصد بهبود نسبت به نسخه‌ی قبلی خواهیم بود. کوالکام در مجموع ادعا می‌کند که اسنپدراگون ۴۶۰ نسبت به ۴۵۰ دوبرابر کارایی را در کل سیستم ارائه می‌کند. ظاهرا شرکت تصمیم دارد تا کاربران دسته‌های پایین‌رده را نیز به کاربردهای بازی و واقعیت افزوده در گوشی‌های هوشمند جذب کند. پردازنده‌ی گرافیکی جدید همچنین از API گرافیکی Vulkan پشتیبانی می‌کند که هم‌اکنون توسعه‌دهنده‌های متعدد بازی از آن بهره می‌برند.

پردازنده‌ی پایین‌رده‌ی جدید کوالکام، یک پردازش‌گر سیگنال دیجیتال (DSP) جدید هم دارد که در کاربردهای هوش مصنوعی و خصوصا تشخیص صدا کارایی زیادی خواهد داشت. به‌علاوه ISP بهینه‌ای هم در پردازنده‌ی جدید استفاده می‌شود که پردازش تصویر سریع‌تر و پشتیبانی از سه دوربین را به‌همراه خواهد داشت. کوالکام در این پردازنده از مودم X11 بهره می‌برد که سرعت حداکثر ۴G را افزایش خواهد داد. وای‌فای ۶ و NavIC نیز مانند مدل‌های دیگر در پردازنده‌ی ۴۶۰ پشتیبانی می‌شوند.

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.

محققان انویدیا، فریم‌ورکی برای تبدیل تصاویر دوبعدی به مدل‌های سه‌بعدی ابداع کردند

محققان انویدیا به‌تازگی سیستمی با عنوان DIB-R طراحی کرده‌اند که می‌تواند تصاویر دوبعدی را به مدل‌های سه‌بعدی تبدیل کند.

اگرچه کامپیوترها ابزاری ایده‌آل برای دریافت مدل‌های سه‌بعدی و رندرینگ آن به صفحات دو‌بعدی هستند اما توانایی دریافت تصاویر دوبعدی و تبدیل آن به مدل سه‌بعدی را ندارند. اما حالا و به لطف یادگیری ماشین، این موضوع دارد جامه عمل می‌پوشد.

به‌تازگی، محققان انویدیا فریم‌ورکی برای رندرینگ طراحی کرده‌اند که با به‌کارگیری هوش مصنوعی می‌تواند تصاویر دوبعدی را دریافت کند و آن‌ها را به با دقت زیاد به مدل‌های سه‌بعدی تبدیل کند.

این سیستم که رندرساز بر پایه الحاق تشخیص پذیر (differentiable interpolation-based renderer) یا به اختصار DIB-R نامیده می‌شود در محیط فریم‌ورک یادگیری ماشین PyTorch  ساخته شده است و قرار است نتایج تحقیقات این گروه از محققان، این هفته در کنفرانس سالانه NIPS (سیستم‌های پردازش اطلاعات عصبی) در ونکوور و واشنگتن ارائه شود.

در حقیقت این فریم‌ورک، کاری برعکس GPU انجام می‌دهد؛ بدین ترتیب که در ابتدا تصویر را آنالیز می‌کند و بر این اساس، مدلی سه‌بعدی شامل شکل، بافت، رنگ و نوردهی با دقت بالا می‌سازد. ساختار معماری رمزگذاری و رمزگشایی این فریم‌ورک از تولید یک حجم کروی با اضلاع بسیار زیاد آغاز می‌شود و سپس با استفاده از اطلاعات موجود در تصویر دوبعدی، این ساختار کروی را به مدلی سه‌بعدی توسعه می‌دهد. این فرایند تنها یک‌دهم ثانیه زمان می‌برد ولی آموزش شبکه عصبی با کمک یک GPU انویدیا  V100 به دو روز زمان نیاز دارد و البته انویدیا ادعا می‌کند که این یادگیری با مدل‌های دیگر GPU ممکن است هفته‌ها طول بکشد.

تبدیل تصاویر دوبعدی به مدل‌های سه‌بعدی

جون گائو یکی از اعضای این گروه تحقیقاتی می‌گوید :

چون تمرکز ما روی عکس پرندگان بود، بعد از انجام فرایند روی چندین مجموعه عکس از پرندگان مختلف، حالا DIB-R می‌تواند با دریافت عکس هر نوع پرنده‌ای، یک مدل سه‌بعدی دقیق از آن تهیه کند و این اولین‌بار است که شما تنها با در دست داشتن یک تصویر دوبعدی می‌توانید ویژگی‌های سه‌بعدی آن را پیش‌بینی کنید.

محققان معتقدند که می‌توان از این سیستم برای توسعه ایمنی و دقت ربات‌های خودران در محیط‌های مختلف بهره برد؛ چراکه درک عمیق‌تر نسبت به یک محیط سه‌بعدی، ربات‌ها را قادر می‌سازد تا هدایت‌پذیری و راهبری بهتری داشته باشند.

انویدیا، سیستم DIB-R را به یک کتابخانه یادگیری عمیق سه‌بعدی در PyTorch گیت ‌هاب با عنوان کائولین افزوده است و از این پس، کائولین دانشمندان را در سرعت بخشی به تحقیقات مربوط به یادگیری عمیق سه‌بعدی، یاری خواهد کرد.

اسنپدراگون ۸۶۵ و اسنپدراگون ۷۶۵ کوالکام با تمرکز بر ۵G و هوش مصنوعی معرفی شدند

کوالکام شب گذشته با برگزاری مراسمی اختصاصی در هاوایی، دو تراشه‌ی اسنپدراگون ۸۶۵ (پرچم‌دار) و اسنپدراگون ۷۶۵ (میان‌رده) را با تمرکز ویژه بر ۵G و قابلیت‌های هوش مصنوعی رونمایی کرد.

فناوری خوانش مغز، ابزاری که می‌تواند به کابوس امنیت تبدیل شود

تصور کنید کسی بتواند با قراردادن یک کلاه روی سر شما افکار و احساسات شما را بخواند یا حتی آن‌ها را تغییر داده یا پاک کند؛ چنین فناوری در صورت به‌وجود آمدن می‌تواند نگرانی‌های امنیتی جدی با خود به‌همراه بیاورد.

فناوری این اجازه را به ما می‌دهد که احساسات و افکارمان را به شکل دیجیتال و قابل اشتراک‌گذاری تبدیل کنیم. رابط مغز و رایانه این امکان را فراهم می‌کند که مغزمان را به‌صورت محدود به رایانه متصل کنیم، اما برخی از شرکت‌ها همچون فیسبوک و دیگر استارتاپ‌ها در تلاشند تا این را تبدیل به کاری عادی کنند.

اگر شما هم نگران هستید که این فناوری بتواند ذهن، ترس‌ها و رازهای شما را بخواند و آن را در دسترس دیگران قرار دهد، دست نگه‌دارید، جای نگرانی نیست، حداقل فعلا!

رابط‌های مغز و رایانه (Brain computer interfaces – BCI) هنوز آن‌قدر پیشرفته نشده‌اند که بتوانند اطلاعات جزیی از مغز شما استخراج کنند.توانایی این فناوری در حال حاضر این است که تشخیص دهند شما کدام عضله خود را می‌خواهید تکان دهید یا از نظر عاطفی چه وضعیتی دارید. اما همان‌طور که می‌دانید رشد فناوری باعث می‌شود روش‌ها و الگوریتم‌های هوش مصنوعی پیچیده‌تر شوند و سخت‌افزارها قدرتمندتر، بنابراین شاید رسیدن به دقت بالاتر چندان هم دور نباشد.

در حال حاضر دو روش برای برقراری این اتصال بین مغز و رایانه وجود دارد. روش تهاجمی (به روش‌هایی گفته می‌شود که در آن بخشی از بدن مورد جراحی قرار می‌گیرد) و غیرتهاجمی.

روش غیرتهاجمی سیگنال‌های مغزی را از روی پوست مغز می‌خوانند. به‌طور معمول از حسگر‌های EEG استفاده می‌شود که توسط متخصصان مغز و اعصاب نیز برای خواندن تکانه‌های الکتریکی در تشخیص بیماری صرع مورد استفاده قرار می‌گیرد. در این روش می‌توان اطلاعات یا همان سیگنال‌های الکتریکی را از طریق تحریک الکترومغناطیسی از رایانه به مغز منتقل کنند که البته این کار هنوز در اولیه‌ترین مراحل تحقیق است.

در روش تهاجمی اما اتصال مستقیمی بین مغز و الکترود برقرار می‌شود. از این روش تاکنون در افراد دارای معلولیت برای به‌کارگیری اعضای مصنوعی جایگزین اعضای از دست‌رفته استفاده شده است. مثلا حرکت دادن دست رباتیک یا به‌دست آوردن حس‌های از دست‌رفته همچون شنوایی یا بینایی با استفاده از حسگرهای الکترونیکی.

همان‌طور که حتما به‌نظر شما هم رسیده روش تهاجمی پرخطرتر است. جراحی همیشه پرخطر است به‌خصوص وقتی به بافت‌های مغز مربوط شود. پس با وجود این خطر بالقوه، چرا باید از چنین روشی استفاده شود و اصلا چرا استفاده از جراحی برای اتصال به مغز مطرح می‌شود؟ خب واضح است! مثل همیشه با یک بده‌بستان طرف هستیم، دسترسی مستقیم به قشر خاکستری مغز کار دریافت و رمزگشایی سیگنال‌های مغزی را نسبت به دریافت آن‌ها از روی پوست و اسکلت سر بسیار آسان‌تر می‌کند.

در استفاده از روش غیرتهاجمی، نیاز داریم تا میلیون‌ها نورون به‌صورت هم‌زمان با هم عمل کنند تا سیگنالی تولید شود که توسط حسگرهای EEG از روی پوست سر قابل دریافت و اندازه‌گیزی باشد، که البته بسیار خام است.

دالی، ارائه‌دهنده در دانشگاه مدرسه علوم کامپیوتر و مهندسی الکترونیک اسکس (Essex’s School of Computer Science and Electronic Engineering) این روش را این‌گونه توصیف می‌کند:

[استفاده از روش غیرتهاجمی] مانند این است که بیرون استادیوم فوتبال بنشینید و سعی کنید از روی صدای تشویق و هیجان تماشاگران تشخیص بدهید چه اتفاقی در بازی می‌افتد. البته تصویر کلی از آن‌چه رخ می‌دهد به شما می‌دهد ولی بسیار دشوار است بتوان اطلاعات دقیق از آن به دست آورد.

اما در روش تهاجمی، حسگر به‌طور کامل با نورون در تماس است، بنابراین کافی است تنها با چندصد نورون ارتباط برقرار شود. به این ترتیب سیگنال دریافت شده به اندازه کافی شفاف هست که بتوان متوجه شد حاوی چه پیامی است.

یان بورخارت (Ian Burkhart) مردی که از ناحیه پا فلج بوده توانسته کنترل آن را با استفاده از یک نورواسلیو (neurosleeve) و نرم‌افزار که توسط شرکت آمریکایی بتلی (Battelle) فعال دراین‌زمینه به دست آورد. به‌صورت معمولی تصور بر این بود که حرکت دادن یک پا نیازمند فعالیت هزارها نورون است. اما آقای بورخارف توانست پس از تمرین، پای خود را تنها با استفاده از این سیستم و چندده نورون حرکت دهد.

گواراو شارما، محقق دانشمند ارشد بتلی درباره این سیستم می‌گوید:

مغز ما ۹۸ میلیارد نورون دارد، قشر موتوری با ۱/۲ میلیارد نورون مسئول حرکت دادن پاها و دست‌های ماست و ما تنها با ۱۰۰ عدد از آن‌ها در تماس هستیم.

تا امروز بیشترین استفاده از روش‌های تهاجمی برای برگرداندن قدرت حرکت دادن بدن در افرادی که دارای معلولیت هستند بوده است. برای این افراد خطرهای ممکن در عمل جراحی نسبت به چیزی که می‌توانند به دست بیاورند قابل قبول بوده است.

 به همین ترتیب برای کاربردهای فناورانه کوتاه یا میان مدت هم روش‌های غیرتهاجمی مورد توجه بوده است.

باوجود اینکه سامانه‌های غیرتهاجمی دقت پایین‌تری نسبت به روش‌های تهاجمی دارند، فناوری‌های جدید راه‌های نویی برای کمک به محققین در ارتقا این روش‌ها به ارمغان آورده‌اند. یکی از این روش‌ها استفاده از یادگیری ماشین برای تشخیص نویز از پیام‌های اصلی در سیگنال‌های اندازه‌گیری شده در روش غیرتهاجمی است. به این ترتیب انتظار می‌رود این روش‌ها در آینده دقت بالاتری داشته باشند.

همانند این بهبودهای نرم‌افزاری، روش‌های جدید پایش نیز در سامانه‌های ارتباطی مغز و رایانه در حال گسترش هستند. تمرکز اصلی روی دو روش اصلی استفاده از فراصوت و تحریک جریان_مستقیم فراجمجمه است که ممکن است راه‌های جدیدی برای خوانش سیگنال‌های مغزی فراهم آوردند.

برخی نیز معتقدند روش‌های غیرتهاجمی می‌توانند به دقت روش‌های تهاجمی برسند – حداقل در مورد قشر موتوری مغز.

برای مثال در Labs CTRL واقع در نیویورک حسگرهای (EMG electromyography) را برای خواندن سیگنال‌های ماهیچه‌های اسکلتی که در علم تشخیص‌های مغز و اعصاب هم برای تشخیص کارایی ماهیچه‌های پا و سایر نقاط استفاده می‌شود به‌کار گرفته شده است. این شرکت یک دستبند ساخته که پالس‌های الکتریکی (سیگنال‌هایی که به‌عنوان عمل‌های بالقوه شناخته می‌شوند) راهی شده در نورن‌ها به سمت ماهیچه‌ها را اندازه‌گیری می‌کند و آن‌ها را در نرم‌افزار مدل می‌کند. وقتی شما دست خود را حرکت دهید مچ‌بند می‌تواند آن حرکت را به جهت، قدرت و نوعش ترجمه کند. شرکت CTRL Labs پیش‌تر توسط فیسبوک خریداری شده است.

آدام برنزویگ (Adam Berenzweig) رئیس تحقیق و توسعه CTRL Labs دراین‌باره به ZDNet گفته است:

اگر کاری که می‌خواهید بکنید کنترل [ماهیچه‌ها] است می‌توانید سیگنال‌ها را از طریق روش غیرتهاجمی به‌سادگی دریافت کنید. سیگنالی که می‌خوهید روی سطح پوست فراهم است و می‌توان بسیار بیشتر از آن را هم با EMG گرفت. دریافت در این ناحیه آسان‌تر از کرتکس است چراکه آنجا نورون‌های بسیار دیگری نیز وجود دارد که باعث ایجاد برهم‌نهی سیگنال‌ها می‌شوند.

بنابراین اگر هدف دریافت حرکت‌های افراد باشد سامانه‌های غیرتهاجمی همچنین روش‌های خوبی بران این‌کار هستند.

بااین‌حال نمی‌توان گفت روش‌های تهاجمی بدون استفاده هستند. در بسیاری از موارد مانند مانند ضایعات نخاعی یا مشکلاتی عصبی همچون پارکینسون روش‌های تهاجمی همچنان بهترین گزینه برای استفاده هستند.

چون خواندن و دریافت سیگنال‌های مورد نظر در روش غیرتهاجمی نیازمند اتصال الکترودها با پوست سر هستند، پس چندان دور از ذهن نیست که افکار دیگر فرد نیز به‌صورت اتفاقی یا عمدی خوانده شود. اگرچه همچنان به‌علت نیاز به تماس فیزیکی این الکترودها به سر این خوانش ناخواسته افکار از راه دور یا بدون امکان توقف نیست.

و اگر به هر دلیل این افکار به‌صورت ناخواسته توسط نرم‌افزار خوانده و ذخیره شود، باید اطمینان حاصل کرد که آن‌ها با حفظ نکات امنیتی ذخیره و انتقال داده می‌شود، اما چه تضمینی وجود دارد این امنیت قابل رسوخ نباشد؟

دسترسی به اطلاعات شخصی توسط دیگران همیشه ناخوشایند است، چه برسد که این اطلاعات افکار و خاطرات فرد باشد و شخص ثالث بتواند با خواندن آن‌ها به الگوهای فکری و وضعیت روحی عاطفی دیگری دست پیدا کند!

موتور جستجوی گوگل باهوش‌تر از قبل خواهد شد

موتور جستجوی گوگل در بزرگ‌ترین به‌روزرسانی سال‌های اخیر خود، با درک بهتر زبان مکالمه، نتایج دقیق‌تری را ارائه خواهد کرد.

موتور جستجوی گوگل در حال به‌روزرسانی است و با ارائه‌ی نتایجی بهتر در اختیار کاربران قرار خواهد گرفت. این پیشرفت به گوگل کمک می‌کند تا زبان مکالمه را بهتر درک کند و عباراتی نظیر «For» یا «to» که به‌طور قابل توجهی معنای جمله را تغییر می‌دهند متوجه شود. در گذشته گوگل برای ارائه‌ی نتایج، فقط به کلمات کلیدی توجه می‌کرد اما با این به‌روزرسانی، تمامی کلمات یک جست‌وجو را درک خواهد کرد. درواقع از این پس گوگل با درک بهتر جزییات در یک جست‌وجو، نتایج بهتری ارائه خواهد کرد و خبری از نتایج نادرست نخواهد بود.

در گذشته گوگل در زمینه‌ی رمزگشایی معنای کامل جملات محاوره‌ای چندان موفق نبود؛ درنتیجه نمی‌توانست نتایج دقیقی را براساس جست‌وجوها ارائه دهد. برای درک بهتر موتور جستجوی گوگل، این شرکت از تکنیک تازه‌ای بهره برده که در آن، الگوریتم‌های شبکه عصبی قادر به فهم جزییات بیشتری از جملات خواهند بود.

گوگل مدل‌های NLP جدیدی را به موتور جستجوی خود اضافه کرده که از تکنیک BERT برای تحلیل جستجوی کاربر بهره می‌برند. این روش به الگوریتم‌های هوش مصنوعی اجازه می‌دهد تا با تجزیه و تحلیل چگونگی ارتباط کلمات در یک جمله با یکدیگر، متن را دقیق‌تر تفسیر کنند. درواقع این پردازش جدید به درک کلمه به کلمه کمک خواهد کرد؛ درنتیجه نتایج دقیق‌تری ارائه خواهد شد و این موضوع باعث باهوش‌تر شدن موتور جستجوی گوگل خواهد شد. برای مثال در جستجوی «کتاب‌های تمرین ریاضی برای بزرگسالان»، گوگل متوجه خواهد شد که کلمه «بزرگسال» بسیار حیاتی است و از ارائه‌ی نتایج جستجوی مربوط به جوانان و نوجوانان یا حتی کودکان خودداری می‌کند. در نهایت امکان ارتباط با موتور جستجوی گوگل به‌طور طبیعی‌تری برقرار خواهد شد.

این پیشرفت فقط ۱۰ درصد از جستجوی زبان انگلیسی در ایالات متحده را تحت تأثیر قرار می‌دهد. با این وجود، پاندو نایاک، مدیر ارشد بخش جستجوی گوگل، آن را «بزرگ‌ترین جهش رو به جلو در پنج سال گذشته» برای محبوب‌ترین موتور جستجوی جهان نامید. وی در مقاله‌ای در وبلاگ خود نوشت:

این قابلیت با جدیدترین پیشرفت‌های تیم تحقیقاتی ما در زمینه یادگیری ماشین امکان‌پذیر شده است و ما پیشرفت خوبی را در نحوه درک موتور جست‌وجو شاهد هستیم. درواقع کلماتی مانند «To» و ارتباط آن با کلمات دیگر در یک جست‌وجو، به درک معنا و ارائه نتایج بهتر کمک می‌کند.

البته به‌گفته‌ی نایاک امکان اعمال این پیشرفت در زبان‌های دیگر نیز وجود خواهد داشت و گوگل آزمایش‌هایی جزئی از جستجوی پیشرفته BERT برای زبان‌های کره‌ای، هندی و پرتغالی انجام داده و تاکنون شاهد پیشرفت‌های قابل توجهی بوده است.

فتوشاپ ابزار انتخاب اجسام را با استفاده از هوش مصنوعی بهبود می‌بخشد

انتخاب اجسام در فتوشاپ با استفاده از ابزارهای هوشمند جدید آسان‌تر شده است و در نسخه‌های آتی، باز هم نگرانی طراحان را کاهش خواهد داد.

انتخاب اجسام در فتوشاپ، احتمالا در آینده‌ی نزدیک بدون نیاز به ماسک‌های قدیمی و دردسرهای انتخاب دور آن‌ها انجام خواهد شد. ادوبی قصد دارد در نسخه‌های آتی ابزاری به‌نام Select Object Tool عرضه کند که نمایی از قابلیت‌های آن را با نام Object Selection Tool در خبری جدید شرح داد. ابزار جدید، از Adobe Sensei، هوش مصنوعی اختصاصی شرکت استفاده کرده و تنها با کشیدن یک شکل چند ضلعی یا دایره دور جسم، اطراف آن را با دقت بالا انتخاب می‌کند.

ابزار جدید ادوبی در بخش ابزارها و زیرمجموعه‌ای شامل Magic Wand و Quick Select قرار خواهد گرفت. طراحان عکس با انتخاب این ابزار، یک جعبه در اطراف جسم مورد نظر ترسیم می‌کنند. سپس هوش مصنوعی ادوبی در داخل جعبه‌ی ترسیم‌شده به‌دنبال جسم می‌گردد. درنهایت اطراف جسم کشف‌شده با دقت بالایی انتخاب می‌شود. ابزار جدید هم مانند Quick Select، به‌راحتی برای حذف یک جسم از دایره‌ی انتخاب هم کاربر خواهد داشت.

کشیدن جعبه در اطراف آیتم‌ها، به برنامه می‌گوید که کدام اجسام را انتخاب کند. اگر کشیدن جعبه کافی نباشد،‌ کاربر می‌تواند با استفاده از دستور انتخاب Lasso، انتخاب سریع‌تری داشته باشد و سپس هوش مصنوعی آن را اصلاح کند. به‌علاوه ابزار جدید در بخش‌های Select و Mask هم اضافه خواهد شد تا انتخاب سریع آیتم و بهینه‌سازی انتخاب را به ابزارهای کنونی اضافه کند.

ابزار جدید ادوبی، شباهت زیادی به ابزار اخیر شرکت موسوم به Select Subject Tool دارد که تمام تصویر را برای انتخاب سوژه‌ی اصلی، اسکن می‌کرد. Object Selection Tool، برای انتخاب سوژه در تصاویری کاربردی است که سوژه‌های متعددی در آن‌ها وجود دارد. به‌علاوه برای انتخاب بخشی به‌خصوص از سوژه (مثلا کلاه در یک عکس پرتره) نیز می‌توان از آن استفاده کرد. به‌علاوه انتخاب سوژه‌های کم‌اهمیت‌تر که موضوع اصلی عکس نیستند نیز با این ابزار ممکن می‌شود.

انتخاب اجسام و سوژه‌ها در فتوشاپ یکی از کارهای تکراری و خسته‌کننده به‌نظر می‌رسد. انتخاب اجسام در انواع ویرایش‌های تصویری همچون اصلاح بخش خاصی از تصویر،‌ تغییر پس‌زمینه یا رنگ یک سوژه کاربرد پیدا می‌کند. طراحان عموما از ترکیب ابزارهایی همچون Lasso، Marquee، Quick Select و Layer Masking برای این منظور استفاده می‌کنند. ابزار جدید Object Selection می‌تواند به‌عنوان رویکردی کاملا کاربردی با بهره‌وری از هوش مصنوعی، روند انتخاب را تسریع کند.

ادوبی اطلاعات زیادی از زمان عرضه‌ی ابزار جدید در فتوشاپ منتشر نکرد. Adobe Max، رویداد سالانه‌ی شرکت با محوریت خلاقیت است که از چهارم تا ششم نوامبر برگزار می‌شود و شاید خبری از ابزارهای جدید در آن شنیده شود.

فناوری تشخیص چهره فوجیتسو می‌تواند احساسات کاربران را شناسایی کند

ابزار جدید مبتنی‌بر هوش مصنوعی فناوری تشخیص چهره‌ی فوجیتسو می‌تواند عصبانیت و سردرگمی و دیگر حالات احساسی کاربران را با ۸۱ درصد دقت تشخیص دهد.

آزمایشگاه فوجیتسو در حال توسعه‌ی فناوری تشخیص چهره مبتنی‌بر هوش مصنوعی است که می‌تواند حالت‌های مختلف احساسی کاربر اعم از عصبانیت و سردرگمی و ناراحتی را به‌خوبی از روی چهره‌ تشخیص دهد. فناوری تشخیص چهره به‌سرعت در حال رشد و توسعه است و آزمایشگاه فوجیتسو نیز در‌این‌زمینه تحقیقات گسترده‌ای انجام داده و اکنون ادعا می‌کند ابزار جدید مبتنی‌ بر هوش مصنوعی‌اش می‌تواند از روی چهره‌ی فرد، حالت‌های مختلف احساسی وی را شناسایی و ردیابی کند. پیش‌تر نیز گفته شده بود گجت پوشیدنی آمازون احساسات کاربر را از روی صدا تشخیص می‌‌دهد.

در‌حال‌ حاضر، شرکت‌هایی همچون مایکروسافت از ابزارهای مختلف مبتنی‌ بر فناوری تشخیص چهره برای شناسایی حالت‌های احساسی کاربران استفاده می‌کنند. البته تاکنون موفق شده‌اند تنها هشت حالت احساسی ازجمله عصبانیت، حالت تحقیرشدن، ترس، انزجار، خوشبختی، غم، تعجب و حالت بی‌طرفی را تشخیص دهند.

ابزار جدید با استفاده از واحدهای مختلف عملکردی (Action Unit) یا AUs می‌تواند احساسات را شناسایی کند. هریک از حرکات خاص عضلات صورت، نشان‌دهنده‌ی احساسات خاصی هستند. به‌عنوان مثال، وقتی گونه‌ها به‌‌سمت بالا و لب‌ها کشیده و باز باشد، ابزار جدید مبتنی‌بر هوش مصنوعی تشخیص می‌دهد کاربر خوشحال است. سخن‌گوی فوجیتسو در گفت‌وگویی مطبوعاتی اعلام کرد:

یکی از مسائلی که عموما در شناسایی احساسات ازطریق سیستم‌های تشخیص چهره وجود دارد، آن است که اغلب این سیستم‌ها نیازمند مرکز داده‌ی عظیمی از AU‌های مختلف هستند؛ درنتیجه، حجم زیادی از اطلاعات باید به سیستم آموزش داده شود. همچنین، با توجه به اینکه تصاویر کافی در‌این‌زمینه موجود نیست، معمولا چنین سیستم‌هایی دقیق نیستند.

با توجه به اینکه داده‌های زیادی برای آموزش سیستم مبتنی‌بر هوش مصنوعی نیاز است تا بتواند احساسات را تشخیص دهد، فناوری‌های کنونی تلاش می‌کنند با داده‌‌های موجود، احساسات کاربر را تشخیص دهند. گاهی اوقات کاربر در وضعیت واقعی مثلا جلو دوربین نشسته و به دوربین نگاه می‌کند تا احساساتش را سیستم شناسایی کند که چنین وضعیتی واقعی به‌حساب نمی‌آید.

تاکنون مقاله‌های پژوهشی و تحقیقاتی مختلفی به‌ رشته‌ی تحریر درآمده که نشان می‌دهد فناوری‌های فعلی به‌ کار رفته برای تشخیص احساسات مطمئن نیستند؛ اما فوجیتسو ادعا می‌کند راهکاری برای حل این مسئله پیدا کرده است. فوجیتسو به‌جای ایجاد تصاویر بیشتر برای آموزش سیستم مبتنی‌بر هوش مصنوعی، تلاش می‌کند روی ابزاری برای استخراج داده‌‌های بیشتر از تصاویر متمرکز شود و آن را «فرایند عادی‌سازی» نام‌گذاری کرده است.

در این فرایند، تصویر گرفته‌ شده از زاویه‌ای خاص از زوایای مختلف به تصاویری تبدیل می‌شود که شبیه به همان تصویر گرفته‌ شده است. پس از بزرگ‌نمایی یا حتی کوچک‌کردن تصویر و چرخش آن، سیستم مبتنی‌ بر هوش مصنوعی می‌تواند ازطریق این تصاویر حالت‌های احساسی کاربر را با دقت بیشتری شناسایی کند. سخن‌گوی فوجیتسو در ادامه‌ی صحبت‌های خود اضافه کرد:

با ابزار جدید می‌توانیم با استفاده از مجموعه داده‌های محدود، حالات احساسی کاربر را به‌صورت دقیق‌تری تشخیص دهیم. همچنین، با استفاده از AU‌های بیشتر می‌توانیم احساسات پیچیده‌ی کاربر را با دقت بیشتری تشخیص دهیم و سیستم می‌تواند حالت‌های احساسی کاربر را دقیق تجزیه‌ و تحلیل کند.

فوجیتسو ادعا می‌کند سیستم جدید مبتنی‌بر هوش مصنوعی‌اش با دقت ۸۱ درصدی می‌تواند حالت‌های احساسی را شناسایی کند و تشخیص دهد. طبق تحقیقات، میزان دقت فناوری تشخیص حالت‌های احساسی کاربران در مایکروسافت ۶۰ درصد است. به‌ علاوه همان‌طور‌که گفته شد، در سیستم مایکروسافت تمامی حالت‌های احساسی شناسایی نمی‌شوند و تنها هشت حالت اصلی در نظر گرفته می‌شوند.

فوجیتسو ادعا می‌کند فناوری‌های جدید این‌چنینی می‌تواند کاربردهای متنوعی داشته و برای ساخت ربات‌هایی با قابلیت تشخیص رفتار و حالت‌های احساسی بسیار سودمند باشند. یکی دیگر از کاربردهای فناوری‌ جدید می‌تواند برای تشخیص وضعیت و حالات روحی و روانی رانندگان جاده‌ای در نظر گرفته شود که بی‌شک به ارتقای امنیت جاده‌ها و کاهش تصادفات جاده‌ای منجر خواهد شد.

با وجود این، سؤال مهم این است: چنین ابزارهایی می‌توانند عملکردی دقیق‌تر در اختیار کاربران قرار دهند؟ نباید فراموش کنیم برخی متخصصان حوزه‌ی روان‌شناسی بر این باورند که چنین ابزارهایی نمی‌توانند حالت‌های احساسی کاربران را به‌خوبی شناسایی کنند و تشخیص دهند که همین مسئله یکی از مشکلات چنین ابزارهایی محسوب می‌شود.

افزون‌ بر این، باید در نظر داشته باشیم احساسات انسان هرلحظه ممکن است تغییر کند؛ مثلا افراد بسیاری را دیده‌ایم که در اوج عصبانیت یک‌دفعه می‌خندند و رفتارهای ضد‌ و‌ نقیض از خود نشان می‌دهند که ممکن است بر دقت سیستم‌های تشخیص احساسات از روی چهره تأثیرگذار باشد.

فناوری جدید Sentons، هر سطحی را به رابط کاربری لمسی تبدیل می‌کند

استارتاپی ساکن در سیلیکون‌ولی، فناوری کاربردی برای تبدیل انواع سطوح به رابط‌ کاربری لمسی توسعه داده است که به‌نام SurfaceWave معرفی شد.

شرکت‌های تولیدکننده‌ی گوشی هوشمند در سال‌های اخیر تمام تلاش خود را به کار گرفته‌اند تا محصولات خود را باریک‌تر و ساده‌تر کنند. در بازاری مشابه، استارتاپی پیش‌گام فعالیت کرده که هدف خود را توسعه‌ی فناوری موسوم به سطوح «تعریف شده توسط نرم‌افزار» بیان می‌کند. آن‌ها از امواج مافوق صوت و هوش مصنوعی استفاده می‌کنند تا هر سطح و ماده‌ای را به سطحی با قابلیت پاسخ به لمس و حسگرهای حرکتی تبدیل کنند. این استارتاپ تلاش می‌کند تا پس از بالغ شدن فناوری، محصول نهایی را به تولیدکننده‌های گوشی و دیگر فعالان سخت‌افزاری ارائه کند؛ محصولی که احتمالا انقلابی در تعامل با دستگاه‌های هوشمند ایجاد خواهد کرد.
استارتاپ Sentons ساکن در سیلیکون‌ولی، فناوری سطوح تعریف‌شده توسط نرم‌افزار را توسعه می‌دهد و آن را SurfaceWave می‌نامد. محصول مورد نظر، یک پردازنده و موتور حسگر حرکتی دارد که در گوشی‌های هوشمند و دیگر سخت‌افزارها قابل استفاده است. سطح نهایی، دکمه‌ها و چرخ‌های مجازی می‌سازد که برای کنترل و ناوبری اپلیکیشن‌ها و قابلیت‌های دیگر دستگاه هدف، کاربرد دارد. پردازنده و موتور حرکتی SurfaceWave برای همه‌ی تولیدکننده‌های موبایل در دسترس خواهد بود.

پیش از عرضه‌ی نهایی محصول، نمونه‌های اولیه برای آزمایش و بررسی تمایل بازار عرضه شدند. سه گوشی هوشمند مبتنی بر فناوری Sentons تولید شد که دو عدد از آن‌ها تنها در آسیا به فروش رفتند. البته مدل و تعداد خریداران گوشی از سوی استارتاپ بیان نشد. یکی دیگر از گوشی‌ها توسط ایسوس و با همکاری تنسنت ساخته شد که در دسته‌بندی Republic of Gamers قرار گرفته و قابلیت Air Triggers آن توسط Sentons توسعه یافته است.

جس لی، مدیرعامل استارتاپ مذکور می‌گوید که ۱۰ تا ۱۲ دستگاه دیگر مبتنی بر فناوری جدید در دست توسعه قرار دارند. او اشاره‌ای به مدل و سازنده‌ی محصولات جدید نداشت و مشخص نیست که آیا کارفرمای قبلی خودش، نمونه‌ای از آن‌ها را خواهد ساخت یا خیر.
Sentons از سال ۲۰۱۱ فعالیت خود را شروع کرد و تا سال جاری حضور خاصی در اخبار و رسانه‌ها نداشت. شرکت امسال اعلام کرد که لی به‌عنوان مدیرعامل، هدایت امور را به دست خواهد گرفت. او ابتدا شرکتی نوآور در حوزه‌ی تصویربرداری به‌نام InVisage داشت که توسط اپل خریداری شد. لی پس از فروش استارتاپ، مدتی را در اپل مشغول به کار بود.
استارتاپ توسعه‌دهنده‌ی SurfaceWave تاکنون ۳۷ میلیون دلار سرمایه جذب کرده است. سهم عمده‌ای از آن، توسط دو سرمایه‌گذار تأمین شد: شرکت NEA و شرکت چینی-آمریکایی Northen Light Venture Capital. به‌علاوه Khosla هم بخشی از سهام استارتاپ را در اختیار دارد. لی در مصاحبه‌ای می‌گوید که آن‌ها برنامه‌ای جدید برای جذب سرمایه‌ی جدی و بزرگ‌تر در سر دارند. با توجه به همکاری این استارتاپ با ایسوس و تنسنت، شاید بتوان آن‌ها را به‌عنوان سرمایه‌گذارهای احتمالی در دور جدید جذب سرمایه تصور کرد.

 

صدای سکوت

ایده‌ی اصلی Sentons بر مبنای امواج صوتی، خصوصا فراصوت شکل گرفت. سیستم اصلی مبتنی بر یک پردازنده است که پینگ‌‌های را به‌صورت فراصوت منتشر می‌کند. شرکت می‌گوید این پینگ‌ها شبیه به سیگنال‌های ردیاب آوایی هستند که مثلا در زیردریایی‌ها برای ارتباط و مسیریابی استفاده می‌شوند. امواج مذکور برای شناسایی حرکت و نیرو روی سطح یک جسم استفاده می‌شوند. Sentons می‌گوید روش مذکور، پیچیدگی‌هایی بسیار بیشتر از فناوری لمس خازنی دارد که اکنون در گوشی‌های هوشمند استفاده می‌شود. فناوری کنونی در ترکیب با الگوریتم‌های Sentons می‌توانند علاوه بر لمس، فشار و مقصد تعامل لمسی را هم تشخیص دهند.

پردازنده‌ی این استارتاپ، علاوه بر انتشار پینگ و میزبانی از موتور حرکتی، ار ماژول‌های حسگر نیز در اطراف دستگاه استفاده می‌کند تا تداخل در پینگ‌ها را متوجه شود. سیستم ترکیبی توانایی آموزش‌پذیری دارد و دکمه‌های موقتی یا تغییر مکان لمس کاربر را هم با عملکرد خود تطبیق می‌دهد.

بازی که به‌عنوان کاربرد اصلی گوشی‌های ایسوس سری ROG بیان می‌شود، یکی از حوزه‌های اصلی بهره‌مندی از سطوح تعریف‌شده با نرم‌افزار است. دنیای بازی همیشه به‌دنبال راه‌هایی برای تجربه‌ی عمیق‌تر می‌رود. با افزایش تولید بازی‌های اختصاصی و پورت کردن بازی‌های مشهور به اکوسیستم موبایل، تولیدکننده‌ها و ناشران بازی هم تلاش می‌کنند تا راه‌هایی برای توسعه‌ی اکوسیستم بازی موبایلی ارائه دهند. کارشناسان متعدد، درحال حاضر اکوسیستم بازی‌های موبایلی را محدود می‌دانند که باید با سرعتی بهتر توسعه یابد. فناوری و برنامه‌های توسعه‌ای Sentons را می‌توان متمرکز بر استفاده از تمامی بخش‌های دستگاه، برای انتقال تجربه‌ی حرکت و دیگر تجربه‌های فیزیکی به کاربر دانست.
علاوه بر بازی‌های موبایلی، حوزه‌های دیگر هم به‌عنوان تمرکز استارتاپ مذکور مطرح می‌شوند. به‌عنوان مثال می‌توان به عکاسی و توسعه‌ی ابزار‌های بهینه‌ی دوربین اشاره کرد. کاربردهای دیگری همچون استفاده از فناوری در خودروهای خودران، لباس و حتی سطح بدن انسان هم در این حوزه مطرح هستند. شایان ذکر است، فناوری Sentons توانایی عملکرد روی پوست انسان و حتی عبور از آن را دارد.

لی می‌گوید هر سطحی فرصت بهره‌برداری از فناوری جدید را دارد. او اعتقاد دارد هنوز زمان مناسبی برای بحث پیرامون کاربردهای سلامت و فناوری‌های پزشکی نیست، اما حوزه‌های دیگر همچون گجت‌های پوشیدنی و خودروهای خودران، درحال‌حاضر استقبال خوبی را از سوی کاربران تجربه می‌کنند. از نگاه او، در کابین یک خودرو، مواد و قطعات بسیار مناسبی برای پیاده‌سازی فناوری به چشم می‌خورد. از داشبورد چرمی تا دکمه‌های فلزی، همگی برای لی و تیمش جذاب هستند و ظرفیت تبدیل شدن به رابط‌ لمسی را دارند.
با وجود ظرفیت‌های بالا، نزدیک‌ترین فرصت پیاده‌سازی فناوری برای لی و Sentons، همان صنعت موبایل است. در سال‌های اخیر سرعت فروش گوشی‌های هوشمند کاهش یافته و برای برخی تولیدکننده‌ها سقوط را تجربه کرده است. بخشی از کاهش فروش، به‌خاطر افزایش قیمت گوشی‌های پرچم‌دار به نظر می‌رسد و دلیلی دیگر، افزایش نفوذ گوشی‌های هوشمند در مقیاس جهانی را بیان می‌کند. دراین‌میان، برخی کاربران و کارشناسان، کمبود نوآوری را به‌عنوان دلیل کاهش فروش بیان می‌کنند. بسیاری از گوشی‌های هوشمند جدید، فناوری‌هایی را عرضه نمی‌کنند که کاربر احساس الزام به خرید آن‌ها را داشته باشد. درنتیجه کاربر نیازی به تعویض دستگاه کنونی و خرید گوشی جدید حس نمی‌کند.

برخی بر این باور هستند که اگر فناوری جدید در اختیار همه‌ی تولیدکننده‌ها قرار بگیرد، دیگران تمایل زیادی به استفاده از آن برای حرفه‌ای‌تر کردن محصولات خود نخواهند داشت. درواقع فناوری دیگر به قابلیتی همگانی می‌شود که داشتن آن، مزیت خاصی برای یک برند نخواهد بود. لی در پاسخ به چنین اعتقادی می‌گوید: «بله، قطعا خاص بودن و کمیاب فناوری امتیازهای زیادی خواهد داشت. ما همین رویکرد را در شرکت قبلی داشتیم.» او به شرکت InVisage اشاره می‌کند که تا پیش از خرید توسط اپل، عملکردی تقریبا مخفیانه و به دور از هیاهوی خبری داشت.

لی با وجود امتیاز دادن به کمبود فناوری، نیاز به رویکردی جدید را در فناوری کنونی الزامی می‌داند. او اعتقاد دارد عرضه یا عدم عرضه‌ی عمومی فناوری دیگر مهم نیست. به‌هرحال اخبار و جزئیات منتشر شده‌اند و آن‌ها دیگر باید به‌دنبال فرصت‌های بیشتر برای محصول خود باشند. مدیرعامل Sentons در ادامه می‌گوید عرضه‌ی فناوری برای همه، به توسعه‌ی کاربری آن کمک می‌کند. به‌هرحال او و تیمش رویکرد ارائه‌ی گسترده را در نظر دارند و از ظهور رقبا و تکرار فناوری هم نگران نیستند.