loading...

panjomin

بازدید : 199
يکشنبه 11 خرداد 1399 زمان : 14:43

یادگیری ماشین و هوش مصنوعی در سالهای اخیر بر روی صحنه منفجر شده اند و امید به کارآیی بیشتر تجارت را دارند. در همین زمان ، محققان تقریباً هیچ مدرک تجربی که حمایت از اقدامات قول داده شده در بهره وری نیروی کار و فعالیت اقتصادی باشد ، پیدا نکردند.


یعنی تا الان

مقاله آینده محققان دانشکده بازرگانی اولین در دانشگاه واشنگتن در سنت لوئیس ارتباط مستقیمی بین ترجمه زبان هدایت شده توسط هوش مصنوعی و افزایش تجارت بین المللی دارد . مقاله ، که به تجزیه و تحلیل داده های سایت تجارت الکترونیکی آنلاین eBay می پردازد ، یکی از اولین نشانه های ملموس است که هوش مصنوعی و یادگیری ماشین در حال مطابقت با وعده های خود هستند.

منگ لیو ، استادیار بازاریابی در اولین گفت: " شواهد حکایتی فراوانی وجود دارد مبنی بر اینکه AI در بسیاری از مناطق از انسان فراتر رفته است ، اما شواهد تجربی علّی زیادی وجود ندارد ." او خاطرنشان می کند که شواهدی وجود دارد که نشان می دهد AI با رشد اقتصادی در ارتباط است. وی گفت: "به نظر می رسد اختلاف بین آنچه شهود ما در مورد هوش مصنوعی و آنچه در واقع مشاهده می شود وجود دارد."

به عنوان مثال ، نرخ رشد بهره وری کل از دهه 2000 در حال رکود بوده است.

لیو و همکار شیانگ هوی ، استادیار بازاریابی در اولین ، تحقیقات سال 2017 از MIT و دانشگاه شیکاگو را ذکر کردند که برابری بین انتظارات بالا و نتایج متوسط بهره وری برای هوش مصنوعی را برجسته می کند. این مقاله که حسابداری از فعالیت اقتصادی کندتر است ، در حالی که فناوری جدید در صحنه پشت سر می گذارد ، تعداد رکود یا نزولی را برای بهره وری و درآمد متوسط ذکر کرده است.

اعتبار: دانشگاه واشنگتن در سنت لوئیس
هوی افزود: "با اشاره به آمار رشد کل ، افراد بدبین می گویند که واقعاً به بهره وری ما کمک نمی کند." "مشکل این است که به طور معمول برای سازمان ها زمان می برد تا از نوآوری های مکمل ، چه سازمانی و چه فناوری ، برای برداشت مزایای هوش مصنوعی استفاده کنند. این جایی است که مقاله ما وارد می شود. بیایید این سؤال را در یک سکوی بدون اصطکاک که در آن استفاده می شود ، جستجو کنیم. یک سیستم ترجمه مبتنی بر هوش مصنوعی . "



مقاله آنها با عنوان "آیا ترجمه ماشین بر تجارت بین المللی تأثیر می گذارد؟ شواهدی از یک بستر بزرگ دیجیتالی" ، در ماه آوریل برای انتشار در مجله Science Science پذیرفته شد .

هوی و لیو با استفاده از داده های eBay ، که بیش از 14 میلیارد دلار تجارت در بیش از 200 کشور جهان در سال 2014 داشته اند ، نشان دادند که پیشرفت متوسط در کیفیت ترجمه زبان ، 10.9٪ تجارت بین کشورها را افزایش داده است.

در این مقاله ، نتایج تجارت بین خریداران و فروشندگان در ایالات متحده در مقابل کشورهایی که اصلاً انگلیسی صحبت نمی کنند ، شامل کشورهایی در آمریکای لاتین ، اروپا و آسیا است. آنها قبل و بعد از اجرای eBay خدمات جدید ترجمه ماشین با هدایت هوش مصنوعی را در سال 2014 بررسی کردند. تجارت با برخی اقدامات ، کیفیت ترجمه را حدود 10٪ بهبود بخشید.

محققان همچنین نتایج خود را با معیاری از هزینه تجارت هوی در تحقیقات قبلی کاوش کرده اند. با کاهش فاصله بین شرکای تجاری در eBay ، هزینه تجارت کاهش می یابد. "آنچه ما نشان می دهیم این است که معرفی ترجمه ماشین معادل کاهش فاصله بین کشورها به میزان 26.1٪ است."

اعتبار: دانشگاه واشنگتن در سنت لوئیس
تیم تحقیق برای تحلیل داده های تجارت از دو رویکرد استفاده کردند. اول ، آنها با صادرات ایالات متحده به كشورهایی كه ترجمه پیشرفته دربرابر كشورهایی كه نبود ، در تضاد بودند. نمودار فوق نتایج پس از معرفی فناوری را نشان می دهد - و افزایش قابل توجه صادرات ایالات متحده به کشورهایی که در آن موجود است.

در مرحله بعد ، تیم تحقیق با بررسی چگونگی تأثیر ترجمه ماشین در برابر عناوین محصول کوتاه تر ، تأثیر عوامل دیگری را که می توانند تجارت را افزایش دهند (برای مثال بازاریابی بیشتر) کاهش داد. این تئوری این بود که ترجمه عناوین طولانی تر به هزینه و تلاش بیشتری نیاز دارد ، اما بازده بیشتری را به همراه خواهد داشت - به این معنی که سود ترجمه ترجمه ماشین باید برای این موارد بیشتر باشد. در همین حال ، اگر eBay بازاریابی را افزایش می داد ، بر عناوین طولانی تر مشابه عناوین کوتاه تأثیر می گذارد. با این حال ، نمودار زیر تأثیر بیشتری در عناوین محصول طولانی تر نشان می دهد.

محققان نوشتند: "این مقایسه ها نشان می دهد که تأثیر مانع تجارت موانع زبانی از درجه یک اهمیت دارد." "بهبود ترجمه ماشینی باعث شده است جهان eBay به طور قابل توجهی بیشتر متصل شود."

نویسنده اشاره کرد که از تحقیقات خود را تکمیل شد، گوگل نورد از یک ابزار ترجمه زبان حتی قوی تر "است که به طور قابل توجهی بهبود کیفیت ترجمه" و، بر اساس تحقیقات خود را، "اثر (از نرم افزار گوگل) در مرزی تجارت می تواند بزرگ باش

نویسندگان استدلال می کنند که معرفی ترجمه ماشین در eBay یک آزمایش تمیز را فراهم می کند که در آن می توان تأثیرات را اندازه گرفت. اما در نهایت ، اثر AI تقریباً در همه بخش های اقتصادی مشاهده می شود. نویسندگان نوشتند ، همزمان با ورود سیستم های جدید ، "آنها فرصت های جدیدی را برای ارزیابی تأثیر اقتصادی هوش مصنوعی از طریق آزمایش های طبیعی مانند آزمایش مورد بررسی در این مقاله فراهم می کنند."

بازدید : 204
يکشنبه 11 خرداد 1399 زمان : 14:41

با الهام از زیست شناسی و قفسه اسباب بازی ، محققان دانشکده مهندسی Thayer در کالج Dartmouth و دانشگاه شهر هنگ کنگ یک روبات شنا با یک موتور سلولی کنترل شده سبک طراحی کرده اند که می تواند تحویل داروهای بسیار هدفمند را انجام دهد.


محققان مهندسی بافت قلب ، یک ساختار بال پرینت 3 بعدی و ژل حساس به نور را برای تولید این روبات نرم با قابلیت شروع شروع ترکیب کردند. دستگاه قابل تعویض هنگامی که در معرض نور مادون قرمز نزدیک به پوست نفوذ می کند ، شکل خود را تغییر می دهد ، باعث می شود که از طریق محیط های مایع مانند جریان خون انسان رانندگی و ترمز شود.

دستگاه قابل تغییر ، به طرز چشمگیری باعث بهبود سودمندی روبات ها می شود که برای کار در بدن انسان و سایر محیط های کاری غیر متعارف طراحی شده اند.

تیم تحقیقاتی در دانشگاه سیتی هونگ کونگ طراحی اولیه ربات را انجام داده و آزمایش های آزمایشی را انجام داده اند. تیم دارتموث تجزیه و تحلیل مکانیکی و عددی را بر روی دستگاه انجام داده و تغییراتی در طراحی عناصر مانند اندازه و شکل پیشنهاد داده است.

زی چن ، استادیار مهندسی Thayer گفت: "با این فناوری می توانیم روبات های قابل تغییر و نرم و با قابلیت مانور بی سابقه ای ایجاد کنیم." "الهام ما از اسباب بازیهای قابل تغییر است که تنظیمات و عملکردهای مختلفی دارند. نتیجه این کار اسباب بازی نیست ، ممکن است به معنای واقعی کلمه زندگی افراد را تغییر دهد."

موجودات زنده قادر به تغییر شکل برای انجام اقدامات خاص هستند. یک جوجه تیغی به یک توپ برای دفاع تبدیل می شود. پرندگان بال های خود را برای پرواز گسترش می دهند. گیاهان گوشتخوار مانند مگس پرنده ناهید باز و بسته می شوند. مطالعه جدید بخشی از تلاشهای طولانی مدت برای توسعه روبات هایی است که از این رفتار تغییر شکل یافته در طبیعت تقلید می کنند.

برای مؤثر بودن ، نسل جدید روبات ها باید از نظر انرژی کارآمد باشند و باید قادر به پاسخگویی به انواع مختلف محرک مانند نور یا گرما باشند.

در حالی که نمونه هایی از این نوع ربات ها در حال حاضر وجود دارد ، محققان در تلاشند دستگاهی را بسازند که به طور روان شکل آن را تغییر داده و اجازه دهد تا بتواند حرکت را بر روی تقاضا متوقف کند. اکثر سیستمهای موجود همچنین به تغییرات دما بستگی دارند که تحریک در بدن انسان به دلیل دمای تقریباً ثابت آن ، دشوار است .



شیائومین هان ، دکترای اخیر گفت: "توانایی کنترل حرکت ربات با استفاده از نور ، دستگاه بسیار کاربردی تری ایجاد می کند که با دقت بالایی قابل اجرا است." فارغ التحصیل آزمایشگاه تحقیق چن در Thayer است .

ربات کنترل از راه دور توسط یک باله دم هدایت می شود که عملکرد شنا نهنگ ها را تقلید می کند. ساختار 3 بعدی به شکل بال هواپیما چاپ شده و سپس با سلول های ماهیچه ای قلب پوشانده شده است. به همان روشی که کاردیومیوسیت ها باعث ضربان قلب مداوم می شوند ، آنها همچنین با استفاده از یک عمل عایق بندی مداوم ، این وسیله بیوهیبرید را به حرکت در می آورند.

محققان برای كنترل حركت روبات از هیدروژلهای نور حساس به بال استفاده كردند. در صورت عدم وجود نور ، بالها مستقر می شوند و به سلولهای قلب اجازه می دهند تا آن را به جلو سوق دهند. هنگام قرار گرفتن در معرض نور ، هواپیمای شناور بالهای خود را جمع می کند و باعث متوقف شدن آن می شود.

چن گفت: "عضلات قلب همچنان در حال خستگی است ، اما قادر به غلبه بر قدرت متوقف کردن بالها نیستند." "این مانند فشار دادن پدال گاز با ترمز اضطراری است."

حساسیت بالای این روبات به نور مادون قرمز نزدیک باعث ایجاد سرعت پاسخ می شود که امکان تغییر تقریبا فوری شکل بال را فراهم می کند و امکان کنترل بسیار بالایی را فراهم می آورد. در این مطالعه ، محققان از "کنترل و پاسخگویی بی سابقه" ربات هواپیمای شناور به عنوان یک باربری برای انجام حمل و نقل داروی هدفمند علیه سلول های سرطانی استفاده کردند.

چن گفت: "ما به معنای واقعی کلمه بمبهای دارویی را بر روی سلولهای سرطانی ریختیم." "تحقق این مفهوم قابل تغییر ، مسیری را برای پیشرفت احتمالی سیستمهای روباتیک بیوهیبرید هوشمند نسل بعدی ایجاد می کند."

بیشتر بخوانید: پمپ وکیوم کوچک

ربات بیوهیبرید در اندازه های مختلفی از چند میلی متر تا ده ها سانتیمتر تولید می شود. چنین مقیاس پذیری انعطاف پذیری خوبی برای انجام وظایف مربوط به ناوبری و نظارت در محیط های دشوار می دهد.

مطالعه ای که این تحقیق را توصیف می کند برای اولین بار در ژورنال دانشگاهی کوچک در اواخر ماه مارس ظاهر شد.

در مطالعه حاضر ، محققان حرکت استارت متوقف کردن کل روبات را با استفاده از نور کنترل می کنند. تحقیقات آینده از نور برای هدف قرار دادن بالهای جداگانه روی روبات استفاده می کند تا بتوان با دقت بیشتری هدایت کرد.

این تحقیق با پنگ شیعه و بینگ زو از دانشگاه سیتی هنگ کنگ تهیه شده است. یووی هو و چیا هونگ چن از دانشگاه ملی سنگاپور و ییمینگ لو از دانشگاه فناوری هوبی نیز در این مطالعه نقش داشتند.

بازدید : 195
يکشنبه 11 خرداد 1399 زمان : 14:39

مغزهای ما برای انتخاب صدای فردی در یک محیط پر سر و صدا ، مانند یک کافی شاپ شلوغ یا یک خیابان شهری شلوغ ، صدای قابل توجهی دارند. این چیزی است که حتی پیشرفته ترین سمعک ها برای انجام آن تلاش می کنند. اما اکنون مهندسان کلمبیا یک فناوری آزمایشی را اعلام می کنند که از توانایی طبیعی مغز برای تشخیص و تقویت هر صدایی از خیلی ها تقلید می کند. با کمک هوش مصنوعی ، این سمعک کنترل شده از مغز به عنوان یک فیلتر خودکار عمل می کند ، امواج مغزی پوشیدگان را کنترل می کند و صدای مورد نظر برای تمرکز را تقویت می کند.


اگرچه هنوز در مراحل اولیه توسعه است ، این فناوری گامی مهم در جهت سمعکهای بهتر است که باعث می شود پوشیدگان بتوانند با افراد پیرامون خود یکپارچه و کارآمد گفتگو کنند. این دستاورد امروزه در پیشرفت های Science توضیح داده شده است .

"این مغز منطقه است که پردازش صدا فوق العاده حساس و قدرتمند است؛ می تواند یک صدای بیش از دیگران تقویت، به ظاهر زحمت، در حالی که امروز جلسات ایدز همچنان در مقایسه با رنگ پریده، گفت:" نیما Mesgarani، دکتری، یک محقق اصلی در مورتیمر B کلمبیا مؤسسه رفتار مغز ذاکرمن ذهن و نویسنده ارشد مقاله. "ما با ایجاد وسیله ای که قدرت مغز را به خود جلب کند ، امیدواریم که کار ما به پیشرفت های فناوری منجر شود که صدها میلیون نفر از افراد کم شنوا در سراسر جهان را قادر می سازد تا به همان راحتی با دوستان و خانواده خود ارتباط برقرار کنند."

سمعک های مدرن در سرکوب انواع خاصی از سر و صدای زمینه ، مانند ترافیک ، در تقویت گفتار بسیار عالی هستند. اما آنها تلاش می کنند تا صدای یک فرد را نسبت به دیگران تقویت کنند. دانشمندان این مسئله را مشکل مهمانی کوکتل می نامند ، که پس از کاکوفونی صداهایی نامیده می شود که در مهمانی های بلند با هم مخلوط می شوند.

دکتر Mesgarani ، که همچنین استادی دانشیار مهندسی برق در مهندسی کلمبیا است ، گفت: "در مکان های شلوغ ، مانند مهمانی ها ، سمعک ها تمایل دارند همه بلندگوها را یکباره تقویت کنند." "این به شدت توانایی یک پوشنده را برای برقراری مکالمه به طور جدی مانع می شود ، اساساً آنها را از افراد اطراف خود جدا می کند."

سمعک کنترل شده از مغز تیم کلمبیا متفاوت است. به جای اینکه فقط به تقویت کننده های صدا خارجی مانند میکروفون تکیه کند ، بر امواج مغزی خود شنونده نیز نظارت می کند .

با
بازی
مهندسان کلمبیا یک فناوری آزمایشی را اعلام می کنند که از توانایی طبیعی مغز برای تشخیص و تقویت هر صدایی از بسیاری استفاده می کند. با کمک هوش مصنوعی ، این سمعک کنترل شده از مغز به عنوان یک فیلتر خودکار عمل می کند ، امواج مغزی پوشیدگان را کنترل می کند و صدای مورد نظر برای تمرکز آنها را تقویت می کند. اعتبار: موسسه زوکرمن کلمبیا
دکتر مسگرانی گفت: "پیش از این فهمیده بودیم که وقتی دو نفر با یکدیگر صحبت می کنند ، امواج مغزی بلندگو شروع به شباهت به امواج مغزی شنونده می کنند."

تیم با استفاده از این دانش ، الگوریتمهای قدرتمند جداسازی گفتار را با شبکه های عصبی ، مدلهای پیچیده ریاضی که از توانایی های محاسباتی طبیعی مغز تقلید می کنند ، ترکیب کردند. آنها سیستمی ایجاد کرده اند که ابتدا صدای بلندگوهای جداگانه را از یک گروه جدا می کند و سپس صدای هر بلندگو را با امواج مغزی فرد گوش دهنده مقایسه می کند. بلندگو که الگوی صوتی او از نزدیک نزدیکتر است با امواج مغزی شنونده مطابقت دارد و سپس در بقیه تقویت می شود.

بیشتر بخوانید: پمپ وکیوم کوچک

محققان نسخه اولیه این سیستم را در سال 2017 منتشر کردند که ، در حالی که نوید بخش بودند ، محدودیت اساسی داشتند: برای تشخیص بلندگوهای خاص باید از قبل آماده شود.

دکتر Mesgarani توضیح داد: "اگر با خانواده خود در رستوران هستید ، آن دستگاه آن صداها را برای شما تشخیص می دهد و رمزگشایی می کند." "اما به محض ورود شخص جدیدی مانند پیشخدمت ، سیستم خراب می شود."

پیشرفت امروز این مسئله را تا حد زیادی حل می کند. با تأمین بودجه از Columbia Technology Ventures برای بهبود الگوریتم اصلی خود ، دکتر Mesgarani و نویسندگان اول کنگ هان و جیمز اوسالویوان ، دکتری ، بار دیگر از قدرت شبکه های عصبی عمیق برای ساختن یک مدل پیچیده تر استفاده کردند که می توان آنرا تعمیم داد. هر بلندگو بالقوه ای که شنونده با آن روبرو شود.

دکتر مسگرانی گفت: "نتیجه نهایی ما یک الگوریتم جداسازی گفتار بود که مشابه نسخه های قبلی اما با پیشرفت مهم انجام شد." "این می تواند صوتی را بشناسد و رمزگشایی کند."


این فناوری با تقلید از آنچه معمولاً مغز انجام می دهد کار می کند. ابتدا دستگاه به طور خودکار چندین بلندگو را به صورت جداگانه پخش می کند و سپس هر بلندگو را با داده های عصبی از مغز کاربر مقایسه می کند. بلندگو که به بهترین شکل با داده های عصبی کاربر مطابقت دارد ، بالاتر از سایرین تقویت می شود. اعتبار: نیما Mesgarani / موسسه زوکرمن دانشگاه کلمبیا
برای آزمایش اثربخشی این الگوریتم ، محققان با Ashesh Dinesh Mehta ، دکترای تخصصی ، دکتری ، جراح مغز و اعصاب در انستیتوی نورولوژی و جراحی مغز و اعصاب و Northwell بهداشت و همکاری همزمان مقاله امروز همکاری کردند. دکتر مهتا بیماران مبتلا به صرع را معالجه می کند که برخی از آنها باید جراحی های منظم انجام دهند.

دکتر Mesgarani گفت: "این بیماران داوطلبانه به گوش بلندگوهای مختلف گوش می دهند در حالی که ما امواج مغزی آنها را مستقیماً از طریق الکترودهای کاشته شده در مغز بیماران کنترل می کردیم." "ما سپس الگوریتم تازه توسعه یافته را به آن داده ها اعمال می کنیم."

الگوریتم این تیم توجه بیماران را به گوش می رساند ، زیرا آنها به بلندگوهای مختلف گوش می دادند که قبلاً آنها را نشنیده بودند. هنگامی که یک بیمار روی یک بلندگو متمرکز شده بود ، سیستم به طور خودکار آن صدا را تقویت می کند . وقتی توجه آنها به یک بلندگو متفاوت تغییر یافت ، سطح صدا تغییر کرد تا آن تغییر را منعکس کند.

محققان با تشویق نتایج خود ، اکنون در حال تحقیق در مورد چگونگی تبدیل این نمونه اولیه به یک وسیله غیر تهاجمی هستند که می تواند به صورت خارجی روی پوست سر یا اطراف گوش قرار گیرد. آنها همچنین امیدوارند که این الگوریتم را بیشتر بهبود و پالایش کنند تا در طیف وسیع تری از محیط ها عملکرد داشته باشند.

دکتر Mesgarani گفت: "تاکنون ، ما فقط آن را در یک محیط داخلی آزمایش کرده ایم." "اما ما می خواهیم اطمینان حاصل کنیم که این کار می تواند درست در یک خیابان شهری شلوغ یا یک رستوران پر سر و صدا کار کند ، به طوری که هر کجا که دستفروشان بروند ، می توانند جهان و افراد اطراف خود را کاملاً تجربه کنند."

بازدید : 205
يکشنبه 11 خرداد 1399 زمان : 14:26

دانشمندان رایانه در دانشگاه تگزاس در آستین به یک عامل هوش مصنوعی آموخته اند که چگونه کاری را انجام دهد که معمولاً فقط انسانها می توانند انجام دهند - چند نگاه سریع به اطراف بپردازند و کل محیط آن را استنباط کنند ، یک مهارت لازم برای توسعه جستجوی مؤثر و جستجو روبات های نجات که یک روز می توانند اثربخشی مأموریت های خطرناک را بهبود بخشند. این تیم به سرپرستی استاد کریستن گراومان ، دکترا کاندیدای Santhosh Ramakrishnan و دکترای سابق. کاندیدای دینسس جیارامان (هم اکنون در دانشگاه کالیفرنیا ، برکلی) نتایج خود را امروز در ژورنال Science Robotics منتشر کرد .


اکثر نمایندگان هوش مصنوعی - سیستم های رایانه ای که می توانند ربات یا ماشینهای دیگر با هوش و علاقه به او تحویل دهند - برای کارهایی بسیار خاص آموزش می گیرند - از جمله شناخت یک شی یا برآورد حجم آن - در محیطی که قبلاً تجربه کرده اند ، مانند یک کارخانه. اما عامل ایجاد شده توسط گروومن و راماكریشنان ، هدف كلی است ، جمع آوری اطلاعات بصری كه از آن پس می توان برای طیف گسترده ای از كارها استفاده كرد.

گرومان گفت: "ما می خواهیم نماینده ای را تهیه کنیم که به طور کلی مجهز باشد تا وارد محیط ها شود و در هنگام بروز وظایف ادراک جدید آماده باشد." "این به گونه ای رفتار می کند که همه کاره بوده و قادر به موفقیت در کارهای مختلف است زیرا الگوهای مفیدی در مورد دنیای تصویری آموخته است."

دانشمندان از یادگیری عمیق ، نوعی یادگیری ماشینی با الهام از شبکه های عصبی مغز استفاده کردند تا عامل خود را بر روی هزاران تصویر 360 درجه از محیط های مختلف آموزش دهند.

اکنون ، وقتی صحنه ای از آن دیده شده است که قبلاً دیده نشده است ، مامور از تجربه خود برای انتخاب چند نگاه کوتاه استفاده می کند - مثل یک توریستی که در وسط یک کلیسای جامع قرار دارد و چند عکس فوری در جهات مختلف گرفته است - که در کنار هم به کمتر از 20 اضافه می کنند. درصد صحنه کامل. آنچه این سیستم را بسیار مؤثر می سازد این است که فقط گرفتن عکس در جهت های تصادفی نیست بلکه پس از هر نگاه ، انتخاب عکس بعدی که پیش بینی می کند جدیدترین اطلاعات را در مورد کل صحنه اضافه می کند. این بسیار شبیه است اگر شما در یک فروشگاه مواد غذایی هستیدشما قبلاً بازدید نکرده اید ، و سیب را دیدید ، انتظار داشتید که پرتقالی را در این نزدیکی پیدا کنید ، اما برای پیدا کردن شیر ، ممکن است نگاه دیگری کنید. براساس نگاه های کوتاه ، نماینده استنباط می کند که اگر در همه جهات دیگر به نظر برسد ، یک تصویر کامل 360 درجه از محیط اطراف خود را بازسازی می کند.

بیشتر بخوانید: پمپ وکیوم کوچک

یک عامل جدید هوش مصنوعی که توسط محققان دانشگاه تگزاس در آستین ایجاد شده است ، چند مورد از محیط اطراف خود را به خود اختصاص می دهد و کمتر از 20 درصد از نمای 360 درجه را نشان می دهد و بقیه محیط را استنباط می کند. آنچه این سیستم را بسیار مؤثر می سازد این است که فقط گرفتن عکس در جهت های تصادفی نیست بلکه پس از هر نگاه ، انتخاب عکس بعدی که پیش بینی می کند جدیدترین اطلاعات را در مورد کل صحنه اضافه می کند. اعتبار: دیوید استیدمن / سانتوش راماكریشنان / دانشگاه تگزاس در آستین
گرامان گفت: "همانطور که شما اطلاعات قبلی را در مورد مواردی که در محیط های با تجربه قبلاً وجود دارد - مانند همه فروشگاه های مواد غذایی که تاکنون بوده اید ، به دست می آورید." "این آموخته است كه در مورد كجا جمع آوری اطلاعات تصویری برای موفقیت در کارهای ادراكی ، حدسهای هوشمندانه ای بسازد ."



یکی از اصلی ترین چالش هایی که دانشمندان برای خود ایجاد کرده اند ، طراحی یک عامل است که می تواند تحت محدودیت زمانی سخت کار کند. این امر در یک برنامه جستجو و نجات بسیار مهم است. به عنوان مثال ، در یک ساختمان سوزان از یک ربات خواسته می شود تا به سرعت افراد ، شعله های آتش و مواد خطرناک را پیدا کرده و آن اطلاعات را به آتش نشانان منتقل کند.

بازدید : 218
يکشنبه 11 خرداد 1399 زمان : 14:20

محققان چارچوب جدیدی را برای شبکه های عصبی عمیق ایجاد کرده اند که به سیستم های هوش مصنوعی (AI) امکان می دهد وظایف جدید را بهتر یاد بگیرند در حالی که "فراموش کردن" کمتر از آنچه که در مورد کارهای قبلی آموخته است. محققان همچنین نشان داده اند که استفاده از چارچوب برای یادگیری یک کار جدید می تواند هوش مصنوعی را در انجام کارهای قبلی بهتر کند ، پدیده ای به نام انتقال عقب.


Tianfu Wu ، استادیار مهندسی برق و کامپیوتر در ایالت NC و نویسنده مقاله در مورد کار ، می گوید: "مردم قادر به یادگیری مداوم هستند ؛ ما همیشه وظایف جدید را یاد می گیریم ، بدون اینکه چیزی را که از قبل می دانیم فراموش کنیم." "تا به امروز ، سیستم های هوش مصنوعی که از شبکه های عصبی عمیق استفاده می کنند ، در این زمینه خیلی خوب نبودند."

Xilai Li ، نویسنده مشترک مقاله و دکتری می گوید: "سیستم های هوش مصنوعی شبکه عصبی عمیق برای یادگیری کارهای باریک طراحی شده اند." کاندیدای ایالت NC. "در نتیجه ، یکی از چندین چیز ممکن است هنگام یادگیری وظایف جدید اتفاق بیفتد. سیستم ها هنگام یادگیری کارهای جدید می توانند کارهای قدیمی را فراموش کنند ، که به آن فراموشی فاجعه آمیز گفته می شود. یا سیستم ها می توانند ضمن اضافه کردن کارهای جدید ، کارهای قدیمی را برطرف سازند - که باعث بهبود می شود و به سرعت منجر به یک سیستم هوش مصنوعی می شود که بسیار کارآمد باشد. یادگیری مداوم که به آن یادگیری مادام العمر یا یادگیری برای یادگیری نیز می گویند. ، در حال تلاش برای حل مسئله است. "

یینگبو ژو ، نویسنده اصلی مقاله و یک دانشمند تحقیق در Salesforce Research می گوید: "ما چارچوبی جدید برای یادگیری مداوم ارائه داده ایم ، که یادگیری ساختار شبکه و یادگیری پارامترهای مدل را از بین می برد." "ما آنرا چارچوب Learn to Grow می نامیم. در آزمایش آزمایشی ، دریافتیم که این روش از روشهای قبلی برای یادگیری مداوم فراتر است."

برای درک چارچوب Learn to Grow ، شبکه های عصبی عمیق را به عنوان لوله ای پر از لایه های مختلف فکر کنید. داده های خام به بالای لوله می روند و خروجی کار از پایین خارج می شود. هر "لایه" در لوله محاسبه ای است که داده ها را برای کمک به شبکه در انجام وظیفه خود مانند شناسایی اشیاء در یک تصویر دیجیتال دستکاری می کند. روش های مختلفی برای تنظیم لایه ها در لوله وجود دارد که با "معماری" مختلف شبکه مطابقت دارد.

هنگام درخواست یک شبکه عصبی عمیق برای یادگیری یک کار جدید ، چارچوب Learn to Grow با انجام کاری به نام بهینه سازی معماری عصبی از طریق جستجو آغاز می شود. این بدان معنی است که با رسیدن شبکه به هر لایه در سیستم خود ، می تواند یکی از چهار کار را انجام دهد: جست و خیز کردن لایه. از لایه به همان روشی استفاده کنید که کارهای قبلی از آن استفاده کرده اند. یک آداپتور سبک وزن را به لایه وصل کنید ، که آن را کمی تغییر می دهد. یا یک لایه کاملاً جدید ایجاد کنید .



این بهینه سازی معماری به طور مؤثر بهترین توپولوژی یا مجموعه ای از لایه ها را برای انجام کار جدید به نمایش می گذارد. پس از اتمام این کار ، شبکه از توپولوژی جدید برای آموزش خود در مورد چگونگی انجام کار استفاده می کند - دقیقاً مانند هر سیستم یادگیری عمیق دیگر.

"ما آزمایش هایی را با استفاده از چندین مجموعه داده انجام داده ایم و آنچه پیدا کردیم این است که هرچه یک کار جدید بیشتر به کارهای قبلی شباهت داشته باشد ، از نظر لایه های موجود که برای انجام کار جدید نگه داشته می شوند ، همپوشانی بیشتری دارد." لی می گوید "نکته جالب تر این است که ، با وجود توپولوژی بهینه شده - یا" آموخته شده "، شبکه ای که برای انجام کارهای جدید آموزش داده می شود ، بسیار کم از آنچه برای انجام کارهای قدیمی تر لازم بود ، حتی اگر کارهای قدیمی تر مشابه نیستند ، فراموش می کند."

محققان همچنین آزمایش هایی را با مقایسه توانایی یادگیری به رشد چارچوب یادگیری وظایف جدید با چندین روش یادگیری مداوم انجام دادند و دریافتند که چارچوب Learn to Grow هنگام انجام کارهای جدید از دقت بهتری برخوردار است.

بیشتر بخوانید: پمپ وکیوم کوچک

محققان برای آزمایش اینکه چقدر ممکن است هر شبکه هنگام یادگیری کار جدید فراموش کرده باشد ، محققان سپس دقت هر سیستم را در انجام کارهای قدیمی تر آزمایش کردند - و چارچوب Learn to Grow دوباره از سایر شبکه ها بهتر عمل کرد.

Caiming Xiong ، مدیر تحقیقات تحقیقات Salesforce و نویسنده همكاری این كار می گوید: "در بعضی موارد ، چارچوب Learn to Grow در واقع در انجام وظایف قدیمی بهتر عمل می كند." "این به انتقال عقب گفته می شود و وقتی اتفاق می افتد که می فهمید که یادگیری یک کار جدید شما را در یک کار قدیمی بهتر می کند . ما همیشه این کار را در افراد می بینیم ؛ خیلی با هوش مصنوعی نیست."

مقاله "یاد بگیریم که رشد کنیم: یک چارچوب یادگیری مداوم برای ساختاری برای غلبه بر فراموشی فاجعه بار" ، در سی و ششمین کنفرانس بین المللی یادگیری ماشین ، که در تاریخ 9-15 ژوئن در لانگ بیچ ، کالیفرنیا برگزار می شود ، ارائه می شود.

بازدید : 199
يکشنبه 11 خرداد 1399 زمان : 14:08

آلودگی هوا عامل مرگ و میر میلیون ها نفر در سراسر جهان است. براساس گزارش ایالت گلوبال ایر ، آلودگی هوا پنجمین خطر مرگ و میر جهانی است.


" آلودگی هوا پنجمین علت مرگ و میر در بین تمام خطرات سلامتی است ، رتبه بندی دقیقا زیر سیگار کشیدن ؛ هر ساله تعداد بیشتری از مردم در اثر بیماری های ناشی از آلودگی هوا جان خود را از دست می دهند تا در اثر صدمات در جاده ها یا مالاریا."

پس جای تعجب نیست که وقتی Google.org فراخوانی از سازمان های مختلف در سراسر جهان برای ارائه ایده در مورد چگونگی استفاده از هوش مصنوعی برای چالش های اجتماعی صادر كرد ، گوگل یكی از 20 سازمان برنده را به عنوان یكی از سازمان های ارائه شده برای رفع آلودگی انتخاب كرد.

"ما به دنبال پروژه هایی در زمینه دامنه های تأثیر اجتماعی و سطح تخصص فنی هستیم ، از سازمانهایی که در هوش مصنوعی تجربه می کنند تا افرادی که ایده ای برای چگونگی استفاده بهتر از داده های خود دارند."

برای دستیابی به الگوریتم های پمپ وکیوم خلاء پردازش تصویر و شبکه های ماهواره ای ، WattTime را وارد کنید. و این در زمان واقعی بود.

WattTime در اوایل این ماه یک پروژه جدید اعلام کرد ، با کمک مالی $ 1.7 میلیون دلاری از Google.org تأمین شد.

" میلیاردها دلار برای ساخت سیستم های نظارت برای اندازه گیری گازهای خروجی از عمده قدرت سوخت فسیلی صرف شده است گیاهان ، گفت:" WattTime مقدمه در سایت چالش تاثیر گوگل. "این سیستم های نظارت ، ابتکارات مهم کاهش انتشار آلاینده ها را ممکن می سازند ، اما در جوامعی که قادر به پرداخت هزینه های آن نیستند ، در دسترس نیستند.

بنابراین ، نه ، آنها اولین نفر نخواهند بود اما WattTime از نظر نظارت بر گیاهان در سراسر جهان قابل توجه است. بدون WattTime ، همانطور که دیوید رابرتز ، Vox ، گفت "نظارت ضعیف و بازی داده های انتشار ، اجرای محدودیت های آلودگی در نیروگاه ها را دشوار کرده است."

بانک اطلاعاتی عمومی WattTime آلودگی هوا از نیروگاه های بزرگ جهان را ردیابی می کند. با توجه به اینکه این کار به صورت Real-Real انجام می شود و داده ها را در دسترس قرار می دهد ، موافقت با Vox دشوار نیست که این "یک معامله بسیار بزرگ" باشد.

علاوه بر این ، WattTime می تواند "یک منبع قابل اعتماد و شخص ثالث از اطلاعات تأیید شده در مورد هر نیروگاه باشد". اطلاعات سیستم ردیابی می تواند نقش خود را در پاسخگوئی به گیاهان آلاینده در برابر استانداردهای زیست محیطی ایفا کند.

" هر قانون آلودگی یا توافق بین المللی به نظارت و تصدیق متکی است. بسیاری از کشورها یا مناطق داخل کشورها مظنون به عدم انتشار گازهای گلخانه ای هستند."

رابرتز در Vox گفت ، "به گفته مدیر اجرایی WattTime گاوین مک کورمیک ، سنسورهایی که مستقیماً می توانند انتشار NO2 را ردیابی کنند ، در حال توسعه هستند."

رابرتز گفت این داده ها از سنسورهای مختلفی در طول موج های مختلف کار می کنند ، از جمله مادون قرمز حرارتی که می تواند گرما را تشخیص دهد.

در همین حال ، Gizmodo اطلاعات بیشتری در مورد این که علاوه بر WattTime ، چه کسی به این پروژه کمک می کند ، داشت: "Tracker Carbon" ، یک اتاق فکر که متمرکز بر بخش مالی انتقال به دور از سوخت های فسیلی است ؛ و انستیتوی منابع جهانی (WRI) ، که به چگونگی زندگی پایدار جهان می پردازد. "

یسنیا فونز گزارش داد که "ائتلافی از گروه ها به ماهواره ها و فناوری هوش مصنوعی روی می آورند تا به نظارت بر انتشار گازهای گلخانه ای از نیروگاه های جهان کمک کنند."

با این وجود ، فونز برخی محدودیت ها را ذکر کرد. ابرها می توانند با تصاویر اشتباه بگیرند ، "بنابراین کیفیت داده های جمع آوری شده متفاوت است. ماهواره ها نمی توانند اندازه گیری کنند که چه نوع آلاینده ها منتشر می شوند یا چه مقدار دقیقاً. داده فقط وجود ندارد. "

فونز گفت: "این گروه ها هنوز جدول زمانی را تصور نمی کنند ، اما ممکن است دو سال آینده برای شرکت های سوخت فسیلی سخت باشد که امیدوارند طبق معمول به تجارت بپردازند. چشم در آسمان تماشا خواهد کرد و داوری خواهد کرد."

بازدید : 222
يکشنبه 11 خرداد 1399 زمان : 13:57

دهه ها پس از آنکه اسحاق آسیموف برای اولین بار قوانین خود را برای روبات ها نوشت ، نقش روزافزون آنها در زندگی ما نیاز به یک مجموعه قوانین جدید دارد.


جهان از آنجایی که نویسنده علمی علمی آسیموف در سال 1942 نوشت ، سه قانون خود را برای روبات ها نوشت ، از جمله این که آنها هرگز نباید به انسان آسیب برساند ، تغییر کرده است و رایانه ها و الگوریتم های همه جا حاضر امروز خواستار اقدامات به روز هستند.

به گفته پاسکاله ، نویسنده "انجمن جعبه سیاه: الگوریتم های مخفی پشت پول و اطلاعات" ، چهار قانون جدید الهام گرفته از نظر قانونی باید در زندگی روزمره برای روبات ها و هوش مصنوعی اعمال شود.

پاسکال در حاشیه کنفرانس روباتیک در آکادمی علوم یونانی واتیکان گفت: اولین چیز این است که روبات ها باید به جای جایگزین کردن متخصصان جایگزین شوند.

"به جای داشتن یک دکتر روبات ، باید امیدوار باشید که یک دکتر داشته باشید که واقعاً درک کند که چگونه هوش مصنوعی کار می کند و مشاوره خوبی از هوش مصنوعی دریافت می کند ، اما در نهایت این تصمیم پزشک است که تصمیم بگیرد چه کاری انجام دهد و چه نکند."

"دوم این که باید جلوی مسابقات تسلیحات روباتیک را بگیریم. در حال حاضر افراد زیادی هستند که روی ربات های جنگی ، روبات های نظامی ، روبات های پلیس سرمایه گذاری می کنند."

هیچ بشردوستانی وجود ندارد

Pasquale ، مدرس حقوق دانشگاه مریلند ، می گوید مهم است که هرگونه سرمایه گذاری در روباتیک نظامی یا هوش مصنوعی باید مزیت هایی را ارائه دهد که "این فقط به زودی توسط دشمنان شما لغو نمی شود".

"این فقط افسردگی است. این یک پول است که شما می توانید بگویید که آیا روبات من می تواند بگوید که آیا روبات من می تواند بگوید که آیا روبات من قصد حمله دارد یا خیر."

Pasquale با استناد به مثال یک دستیار گوگل به نام Duplex می گوید ، سومین و بحث برانگیز ترین قانون ، ساخت روبات های انسان دوستانه یا هوش مصنوعی نیست ، زیرا افراد را به منظور تأیید رزرو هتل ها می خواند بدون اینکه به آنها بگوید با کامپیوتر صحبت می کنند.

Pasquale گفت: روبات ها فقط در صورت ضروری بودن کار می توانند انسان دوستانه به نظر برسند
"واکنش جدی فوری به این دلیل وجود داشت ، زیرا مردم تصور می کردند که گوگل در تلاش است ماشینهای خود را به عنوان یک انسان از بین ببرد و من فکر می کنم که اصل جعل جعلی مهمترین آن است ، که نباید بشریت را جعل کنیم."



Pasquale ، مانند "روبات های مراقبت یا روبات های جنسی" گفت: روبات ها می توانند انسان تنها به نظر برسند "فقط در صورتی که این کار کاملاً لازم باشد".

قانون چهارم و نهایی این است که هر ربات یا هوش مصنوعی باید به شخص یا شرکتی که از افراد ساخته شده باشد یا به آن تعلق داشته باشد ، زیرا ... ما می دانیم که چگونه مردم را مجازات کنیم ، اما نمی دانیم چگونه دستگاه ها را مجازات کنیم.

فناوری دو لایه

"اگر ما هواپیماهای بدون پمپ وکیوم خلاء سرنشین در مورد مکانی خودمختار پرواز کنیم ، اتومبیل هایی که خودمختار هستند ، ربات هایی که بصورت آنلاین در توییتر صحبت می کنند یا در سهام تجارت معاملات مالی دارند ، همه این موارد را باید به یک شخص نسبت داد."

"شرکت هایی مانند فیس بوک وجود دارند که آنها فقط شرکت را جریمه می کنند ، اما آنها هیچ کس را مجبور نمی کنند که پول بدهد یا به خاطر انجام کار اشتباهی در زندان محکوم شود.

Pasquale ، که کتاب "قوانین جدید روباتیک" قرار است منتشر شود ، گفت: "ما قبلاً با شرکت ها مشکلی ایجاد کرده ایم و اگر اجازه دهیم روبات ها در آنجا حضور پیدا کنند بدون آنکه به شخص یا شرکت نسبت داده شود ، این بدتر می شود." انتشارات دانشگاه هاروارد.

آنچه باید از هر قیمتی اجتناب شود ، فن آوری دو لایه است ، مانند پیشنهادی که بوئینگ برای هواپیماهای 737-MAX خود ارائه داده است ، پس از آنکه صدها نفر در دو تصادف که در سنسور ناکام بودن به دلیل خطای نرم افزاری مقصر بودند ، به زمین افتادند.

"آنها تصمیم گرفتند در سطح بسیار بالایی قرار بگیرند که به شرکت های هواپیمایی اجازه دهند سنسور دوم خریداری کنند اما این یک هزینه اضافی است ، فکر می کنم 80،000 دلار اضافی برای هر هواپیما بود و برای من یک مشکل پیش بینی می کند."

"بخشی از قانون باید این باشد که قدم برداریم و بگوییم برخی از این معامله ها که ما نمی خواهیم اجازه دهیم ، می خواهیم بگوییم که یک استاندارد برای پرواز داریم. این یک استاندارد واحد است و مثل این نیست که من بخواهم به این نتیجه برسید که آیا Ryanair ، American Airlines یا Lufthansa سنسور اضافی را خریده اند ، زیرا این جنون است. "

بازدید : 206
يکشنبه 11 خرداد 1399 زمان : 13:56

یک ابزار جدید "استنباط جمعیتی" که توسط دانشگاهیان ایجاد شده است می تواند پیش بینی های خود را صرفاً بر اساس اطلاعات موجود در پروفایل رسانه اجتماعی یک شخص (به عنوان مثال نام صفحه ، شرح حال ، عکس پروفایل و نام) انجام دهد. این ابزار - که به 32 زبان کار می کند - می تواند زمینه را برای نمایش نظرات در رسانه های اجتماعی به روش های نظرسنجی محبوب فراهم کند.


محققان دانشگاه آکسفورد ، دانشگاه میشیگان ، دانشگاه ماساچوست ، GESIS - انستیتوی علوم اجتماعی لایب نیتس ، موسسه ماکس پلانک و دانشگاه استنفورد روشی را برای استنباط اطلاعات درباره یک مالک حساب رسانه های اجتماعی بر اساس اطلاعات فاش شده تهیه کرده اند. در اطلاعات نمایه توییتر خود

یک سیستم یادگیری ماشین پمپ وکیوم خلاء جدید که این هفته در کنفرانس وب در سانفرانسیسکو رونمایی شد ، الگوهای مربوط به سنین مختلف ، جنسیت ها ، و بین سازمان ها و افراد را از مجموعه داده های بیش از چهار میلیون حساب توییتر به 32 زبان آموخته است. این اطلاعات سپس با مکانهای تخمین زده شده ترکیب شده و دوباره در برابر داده های سرشماری بارگیری شدند تا تخمین های دقیق تری از جمعیت در 1101 منطقه آماری در سراسر اتحادیه اروپا تولید کنند.

این می تواند راه را برای درک نماینده تر از دیدگاه مردم در مورد موضوعات و موضوعات کلیدی جامعه ، بر اساس آنچه در رسانه های اجتماعی ارسال می کنند ، و براساس موقعیت های خاص جغرافیایی و گروه های جمعیتی ایجاد کند ، هموار کند.

دکتر اسکات هیل ، پژوهشگر ارشد ، انستیتو اینترنت آکسفورد ، دانشگاه آکسفورد گفت: "علیرغم ارائه تعداد زیادی از داده ها ، رسانه های اجتماعی از مدت ها قبل ابزاری غیرقابل اطمینان برای درک مسائل مهم برای جمعیت گسترده تر با توجه به چگونگی خود مردم است. با استفاده از هر بستر یک گزینه را انتخاب کنید.

وی ادامه داد: "این اولین مطالعه در نوع خود پیش بینی های جمعیتی راجع به صاحب حساب رسانه های اجتماعی انجام می دهد که صرفاً بر اساس اطلاعات پروفایل حساب به 32 زبان انجام می شود و سپس نمونه آنلاین را دوباره وزن می کند تا بیشتر شبیه به یک جمعیت آفلاین باشد.

"ما این را گامی مهم در جهت استفاده از رسانه های اجتماعی برای گرفتن تصویری دقیق تر از موضوعات و مباحثی می دانیم که بیشتر مورد توجه مردم قرار گرفته و درک اینکه دیدگاه گروه ها بیش از حد و یا کمتر نشان داده شده است."

بازدید : 173
يکشنبه 11 خرداد 1399 زمان : 13:53

'José Altuve' Houston Astros با یک حساب 3-2 به صفحه صعود می کند ، پارچ و وضعیت را مطالعه می کند ، از پایه سوم پیش می رود ، توپ را آزاد می کند ، توپ را تغییر می دهد ... . سفر دیگری برای قهرمان سه‌گانه قهرمان لیگ قهرمانان اروپا است.


آیا یک ربات می تواند در همان شرایط ضربه ای به خود بگیرد؟ محتمل نیست

Altuve رفلکسهای طبیعی ، سالها تجربه ، آگاهی از تمایلات پارچ و درک درستی از مسیرهای مختلف را رعایت کرده است. آنچه را که می بیند ، می شنود و احساس می کند یکپارچه با مغز و حافظه ماهیچه ای خود ترکیب می شود تا نوساناتی را که باعث ایجاد ضربه می شود به موقع تبدیل کند. از طرف دیگر ، این روبات برای استفاده هماهنگ داده ها از سنسورهای خود با قابلیت های حرکتی خود ، باید از یک سیستم پیوند استفاده کند. و نمی تواند چیزی را به خاطر آورد. اعتصاب سه!

اما ممکن است امید به این روبات پمپ وکیوم وجود داشته باشد. مقاله ای که محققان دانشگاه مریلند به تازگی در ژورنال Science Robotics منتشر کرده اند ، شیوه جدیدی از ترکیب ادراکات و دستورات حرکتی را با استفاده از نظریه محاسبات به دست آمده Hyperdimensional ، معرفی می کند ، که می تواند اساساً وظیفه هوش مصنوعی اساسی (AI) از نمایشگر حسگرها را تغییر داده و بهبود بخشد. چگونه مامورانی مانند روبات ها آنچه را که حس می کنند به آنچه انجام می دهند ترجمه می کنند. توسط دکتری علوم کامپیوتر نوشته شده است. دانشجویان آنتون میتروخین و پیتر سوتور ، جونیور؛ کرنلیا Fermüller ، دانشمند تحقیقات دانشکده و انستیتوی مطالعات پیشرفته رایانه دانشگاه دانشگاه مریلند. و استاد علوم کامپیوتر Yiannis Aloimonos. میتروخین و معلم توسط آلوئیمونوس توصیه می شوند.


ادغام مهمترین چالش پیش روی زمینه روباتیک است. سنسورهای یک ربات و محرکهای آن که حرکت می کنند ، سیستمهای جداگانه ای هستند که با یک مکانیسم یادگیری مرکزی که با توجه به داده های سنسور مربوط به یک عمل مورد نیاز است ، یا برعکس ، به یکدیگر مرتبط می شوند .

سیستم دشوار سه بخشی هوش مصنوعی - هر بخشی که به زبان خود صحبت می کند - راهی آهسته برای به دست آوردن روبات ها برای انجام وظایف سنجشی است. قدم بعدی روباتیک ادغام درک یک ربات با قابلیت های حرکتی آن است. این فیوژن ، معروف به "ادراک فعال" ، روشی کارآمدتر و سریعتر را برای انجام ربات فراهم می کند.

در نظریه محاسبات جدید نویسندگان ، سیستم عامل یک روبات مبتنی بر بردارهای باینری دو بعدی (HBV) است که در یک فضای پراکنده و بسیار زیاد وجود دارد. HBV ها می توانند چیزهای جداگانه ای را نشان دهند - به عنوان مثال ، یک تصویر واحد ، یک مفهوم ، یک صدا یا یک دستورالعمل. دنباله های ساخته شده از چیزهای گسسته. و گروه بندی چیزها و توالیهای گسسته. آنها می توانند تمام این نوع اطلاعات را به روشی ساختاری معقول به حساب آورند و هر روش را در بردارهای طولانی 1 و 0 با ابعاد مساوی به هم متصل کنند. در این سیستم امکانات اکشن ، ورودی حسی و سایر اطلاعاتی که فضای مشابهی را اشغال می کنند ، به همان زبان هستند و ذوب می شوند و نوعی حافظه را برای روبات ایجاد می کنند.



مقاله Science Robotics اولین بار است که ادراک و عمل یکپارچه شده است.

خط لوله دو بعدی. از داده های رویداد (ب) ضبط شده در DVS هنگام پرواز هواپیماهای بدون سرنشین (a) ، "تصاویر رویداد" (ج) و بردارهای حرکتی سه بعدی (d) محاسبه می شوند و هر دو به عنوان بردارهای باینری رمزگذاری شده و در حافظه با استفاده از عملیات بردار ویژه ترکیب می شوند. (ه) با توجه به تصویر رویداد جدید (f) ، حرکت سه بعدی همراه را می توان از حافظه فراخواند. اعتبار: گروه ادراک و رباتیک ، دانشگاه مریلند.
یک چارچوب بیش از اندازه می تواند هر توالی از "نمونه ها" را به HBV های جدید تبدیل کند و HBV های موجود را با هم گروه بندی کند ، همه در طول بردار یکسان هستند. این یک روش طبیعی برای ایجاد "خاطرات" معنایی مهم و آگاهانه است. رمزگذاری اطلاعات بیشتر و بیشتر به نوبه خود منجر به بردارهای "تاریخ" و توانایی به خاطر سپردن می شود. سیگنال ها به بردار تبدیل می شوند ، ایندکس شدن به حافظه ترجمه می شود و یادگیری از طریق خوشه بندی اتفاق می افتد.

خاطرات این ربات از آنچه که در گذشته احساس کرده و انجام داده است ، می تواند باعث شود که انتظار ادراک آینده را داشته باشد و بر اقدامات آینده خود تأثیر بگذارد. این درک فعال باعث می شود ربات بتواند خودمختارتر شود و بتواند وظایف خود را بهتر انجام دهد.

آلوئیمونوس می گوید: "یک فرد فعال می داند که چرا می خواهد احساس کند ، سپس چه چیزی را درک می کند و تعیین می کند که چگونه ، چه زمان و کجا به درک برسیم." "این صحنه ها ، لحظات در زمان و قسمت ها را انتخاب و تصحیح می کند. سپس مکانیسم ها ، سنسورها و سایر مؤلفه های خود را ترسیم می کند تا به آنچه می خواهد ببیند عمل کند و دیدگاه هایی را انتخاب می کند که از آن به بهترین وجه بتواند آنچه را که در نظر دارد به دست آورد."

بازدید : 361
يکشنبه 11 خرداد 1399 زمان : 13:47

دانشمندان اولین گزارش از چندین گزارش را منتشر کرده اند که حاوی نتایج عمده ای است که می تواند به مقامات صنعت باد کمک کند تا با بهره وری بیشتر تأسیسات انرژی باد را کنترل کرده و تولید انرژی تجدیدپذیر را افزایش دهند.


نتایج حاصل از این پروژه با نام "Perdigão" که شامل یک آزمایش میدانی بزرگ در Vale do Cobrão ، دره در شرق پرتغال است ، نشان می دهد که سرعت و جهت باد در زمین های پیچیده در ارتفاع قطب های توربین بادی با هوای معمولی متفاوت است. طبق گزارش منتشر شده در بولتن انجمن هواشناسی آمریکا ، پیش بینی ها .

این پیش بینی ها ، که اپراتورهای توربین بادی برای ایجاد تسهیلات به صورت آنلاین و تأمین انرژی باد به شبکه متکی هستند ، تنها از نظر تولید سالانه انرژی 40 تا 50 درصد دقیق هستند - ایجاد یک چالش برای صنعت.

هاریندرا جوزف فرناندو ، مدیر اصلی تحقیق پمپ وکیوم چگونه کار میکنند برای گروه آمریکایی و وین و دیانا ماردی گفت: "عمده تمرکز پروژه پریگیو بهبود افق پیش بینی و برنامه ریزی برای تأسیسات توربین بادی ، چه از نظر جای توربین و چه از نظر عملیاتی است." استاد گروه مهندسی عمران و محیط زیست و علوم زمین و گروه هوافضا و مهندسی مکانیک در دانشگاه نوتردام. "جریان های باد با استفاده از توپوگرافی به طور دقیق هدایت می شوند. کوه ها ، پوشش گیاهی ، رودخانه ها و نهرها سرعت و جهت باد را شکل می دهند ، بنابراین آنچه در محل توربین اتفاق می افتد با پیش بینی های هواشناسی ماکروسکوپی بسیار متفاوت است."

برای سودمندی ، پیش بینی انرژی باد حداقل باید شش ساعت قبل انجام شود تا مجریان شبکه برقی بتوانند بارها را به طور مؤثر تعادل دهند. هدف این پروژه بهبود پیش بینی های پیش بینی شده با استفاده از ترکیبی از تکنیک ها ، به ویژه با بهبود مدل های به اصطلاح میکروسکوپ است. این مدل ها جزئیات جریان اطراف یک توربین بادی را با دقت کافی ضبط می کنند ، و باد هایی را در نقاطی که 100 متر یا به طور افقی از هم جدا شده اند ، فراهم می کند (در مقایسه با ده ها کیلومتر در مدل های پیش بینی هوا).

محل مطالعه به طور خاص برای زمین های فراگیر از پشته ها ، دامنه ها ، زمین های کشاورزی ، پوشش گیاهی ، دره ها و جریان رودخانه ها انتخاب شده است. زمین پیچیده اکثریت کل سطح زمین را شامل می شود - یکی از دلایلی که دانشمندان می خواهند چگونگی به حداکثر رساندن باد در تأسیسات توربین را بهتر بشناسند .

ایالات متحده و اتحادیه اروپا (اتحادیه اروپا) در تلاشند سهم انرژی باد از کل انرژی مصرفی مربوطه را افزایش دهند. در سال 2017 ، 6.3 درصد از کل برق تولید شده در ایالات متحده از توربین های بادی بود در حالی که سهم در اتحادیه اروپا 11.6 درصد بود. براساس اعلام وزارت انرژی ، تاسیسات نیروگاه بادی در مقیاس کمکی در 41 ایالت نصب شده است که سیستم های در مقیاس کوچکتر توزیع انرژی باد در هر 50 ایالت و همچنین پورتوریکو ، گوام و جزایر ویرجین ایالات متحده است.

نیک اندرسون ، مدیر برنامه با بخش ملی علوم جوی و جغرافیای بنیاد ملی علوم ، که بودجه این تحقیق را تأمین می کند ، گفت: "پروژه Perdigão یک همکاری بین المللی واقعی را به ارمغان آورد و به اوج خود رسید. "داده های مربوط به فعالیت های میدانی برای دهه ها توسط محققان مورد استفاده قرار می گیرد ، و پیش بینی شرایط باد محلی را تأثیر می گذارد که بر انرژی باد ، آتش نشانی ، آلودگی هوا و کاربردهای جنگ تأثیر می گذارد."

بازدید : 362
يکشنبه 11 خرداد 1399 زمان : 13:36

بازی های ویدئویی که از واقعیت مجازی برای ایجاد تجربیات همهجانبه استفاده می کنند ، به طور فزاینده ای برای سرگرمی و تحقیقات انجام می شوند. با این حال ، بازنمایی نژاد در این شبیه سازی ها اغلب کم عمق است و نمی تواند فراتر از خصوصیات ظاهری جسمی مانند رنگ پوست باشد.


محققان MIT برای یک تجربه تجربه‌شده‌تر و تجسم یافته در دنیای مجازی ، یک مدل محاسباتی جدید ایجاد کرده اند که چگونگی یادگیری افراد ممکن است در تربیت خود راجع به نژاد فکر کنند. مدل جدید جامعه نژادی و نژادی ، که در سمپوزیوم بهاری AAAI 2019 ارائه شده است ، این پتانسیل را دارد که نه تنها شبیه سازی های بازی های ویدیویی را تقویت کند ، بلکه آموزش معلمان و دانش آموزانی را که ممکن است در کلاس با مسائل نژادی روبرو شوند نیز تسهیل کند.

دانیل اولسون ، دکتری دکتری می گوید: "ما به عنوان توسعه دهندگان پمپ وکیوم خلاء بازی های ویدئویی ، ما در دنیای مجازی توانایی داریم ایدئولوژی های مغرضانه ای را که در دنیای فیزیکی وجود دارد به چالش بکشیم و نه تکرار آنها." دانشجوی آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) در MIT ، که پروژه پایان نامه شامل کارهایی است که در این سمپوزیوم گزارش شده است. "امید من این است که این کار بتواند مهمی برای گفتگو و تأمل معلمان ، والدین و دانش آموزان در درک بهتر تأثیرات ویرانگر اجتماعی - عاطفی ، دانشگاهی و بهداشتی برخوردهای نژادپرستانه و فشار روانی ناشی از نژاد باشد."

D. Fox Harrell ، استاد رسانه های دیجیتالی و مصنوعی می گوید: "مردم اجتماعی می شوند تا به شیوه های گوناگون در مورد نژاد فکر کنند. برخی والدین به فرزندان خود می آموزند که نژاد را کاملاً نادیده بگیرند ، در حالی که برخی دیگر هوشیاری در مورد تبعیض نژادی یا غرور فرهنگی را ترویج می کنند." هوش و مدیر مرکز MIT برای مجازی پیشرفته ، جایی که وی فناوری های مجازی را برای تحریک تحولات اجتماعی طراحی می کند. "سیستمی که ما توسعه داده ایم این جامعه پذیری را ضبط می کند و امیدواریم که این امر به ابزاری مؤثر برای آموزش افراد تبدیل شود تا بیشتر درمورد مسائل نژادی فکر کنند ، شاید برای معلمان و دانش آموزان تبعیض را در کلاس به حداقل برسانند."

اولسون و هارل مدل جدید خود را در یک نمونه اولیه نرم افزار واقعیت مجازی با نام "Passage Home VR" قرار داده و آزمایش های کاربر را برای درک کارایی بازی انجام دادند.

استاد D. Fox Harrell می گوید: "امید ما این است كه این كار به توسعه دهندگان كمك كند تا شبیه سازی های خود را بسیار غنی تر كرده و قدرت پرداختن به موضوعات اجتماعی را باز كنند." اعتبار: تصویر از "Passage Home VR"
"Passage Home VR" داستانی همهجانبه را ارائه می دهد ، مبتنی بر کار در علوم اجتماعی که در دنیای جسمی انجام شده است مبنی بر اینکه چگونه والدین فرزندان خود را برای تفکر در مورد نژاد و قومیت ، چه به صورت کلامی و غیر کلامی و چه تأثیر در چگونگی ادراک و مقابله با نژادپرستانه سوق می دهند. عوامل استرس زا



در این بازی کاربر هویت مجازی یک دختر آفریقایی آمریکایی را فرض می کند که معلم دبیرستان او را به سرقت ادبی مقصر متهم می کند وقتی که در واقع این شخصیت یک دانش آموز انگلیسی پرشور و پرتحرک است که این تکلیف را بسیار جدی گرفت و نوشت. مقاله خودش.

هنگامی که کاربران رویارویی تبعیض آمیز با معلم را مرور می کنند ، راه هایی که آنها به اقدامات معلم پاسخ می دهند - با زبان بدن متفاوت ، پاسخ های کلامی و موارد دیگر - بر نتیجه و بازخورد ارائه شده در پایان بازی تأثیر می گذارند.

به طور کلی ، نتایج پژوهش حاکی از آن است که تجربیاتی که افراد در زندگی خود با نحوه اجتماعی شدن آنها داشته اند تا در مورد نقش نژاد و قومیت در جامعه فکر کنند - جامعه پذیری نژادی و قومی آنها - بر رفتار آنها در بازی تأثیر می گذارد.

از 17 شرکت کننده در این مطالعه که بازی را تست کرده اند ، بیشتر بازی با عنوان "colorblind" شناخته شدند ، که این نیز از طریق مصاحبه های کلامی نیمه ساختاری انجام شده پس از بازی تأیید شد. کاربران Colorblind همچنین کمتر به صراحت در تحلیل موضوعی خود از داستان در بازی ، به نژاد اشاره می کردند. تعداد کمتری از کاربران رفتارهای درون بازی را نشان دادند که آنها را به عنوان دیگر استراتژی های اجتماعی شدن ، مانند "هوشیاری در مورد تبعیض" یا "آماده سازی تعصب " مشخص می کرد.

دانیل اولسون ، دانشجوی دکترا در آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) در MIT ، یک هدست واقعیت مجازی را در اختیار دارد. اعتبار: موسسه فناوری ماساچوست
هارل می گوید: " انتخاب بازی با جامعه پذیری واقعی آنها از این موضوعات همسو بود."

این بازخورد برای کاربران ممکن است یک ابزار آموزشی قدرتمند باشد - به عنوان ارزیابی از چگونگی آماده سازی افراد برای فکر کردن و پاسخ دادن به موضوعات نژادی.

هارل اضافه کرد که آزمایشگاه وی در حال آماده سازی برای استقرار و مطالعه کارآیی "Passage Home VR" به عنوان ابزاری برای پیشرفت حرفه ای معلمان است.

هارل گفت: "یادگیری با واقعیت مجازی تنها در صورتی مؤثر خواهد بود که شبیه سازی های قوی را ارائه دهیم که تجربیات را تا حد ممکن به دنیای واقعی ضبط کنند." "ما امیدواریم که این کار بتواند به توسعه دهندگان کمک کند تا شبیه سازی های خود را با ثروتمندتر کنند و قدرت حل کردن موضوعات اجتماعی را باز کنند."

بازدید : 378
يکشنبه 11 خرداد 1399 زمان : 13:33

چیزی که مسافر هواپیما که همیشه چاق است ، نمی خواهد آن را بشنود: ناوبری رادیویی در هواپیماها برای اهداف فرود ، ایمن نیست. سیگنال ها قابل هک شدن هستند.


در تظاهرات ویدئویی از حمله محققان با عنوان "حمله بی سیم به سیستم های فرود هواپیما" ، کلاهبرداری به محض ورود هواپیما به "منطقه ناسزا پیشگیری " شروع می شود .

این کلاهبرداری در واقع برای فریب خلبان چه کاری انجام می دهد؟ دن گودین در Ars Technica گفت: محققان می توانند سیگنال های فرودگاه را به طریقی فریب دهند که باعث شود ابزار ناوبری خلبان به طور دروغ نشان دهد هواپیما خاموش است. "آموزش عادی باعث می شود كه خلبان بتواند نرخ فرود یا تراز هواپیما را بر این اساس تنظیم كند و در نتیجه یك تصادف احتمالی ایجاد كند."

این یادداشت ها افزود: این فرود باعث تصمیم گیری در مورد فرود آمدن در لحظه آخر یا حتی سقوط در شرایط بد آب و هوا خواهد شد.

مقاله آنها با عنوان "حملات بی سیم به سیستم های فرود هواپیما" ، توسط هرشاد ساتای ، دومین شپرس ، آژان رانگاناتان و گوارا نوبیر ، کالج علوم کامپیوتر Khoury ، دانشگاه شمال شرقی منتشر شده است.


این نویسندگان نوشتند: "مقاومت در برابر سیستم های فرود هواپیما در برابر حملات بی سیم مخالف هنوز در ادبیات باز مورد بررسی قرار نگرفته ، علیرغم اهمیت آنها و افزایش دسترسی به سیستم عامل های کم هزینه تعریف شده از نرم افزارهای رادیویی (SDR)." بنابراین ، این کاری است که محققان انجام داده اند - آسیب پذیری سیستم های فرود هواپیما در برابر حملات بی سیم را کشف و نشان دهند.

به عنوان مثال ، یکی از چهره های مقاله ، نشان داد که چگونه سیگنال جعلی مهاجمان بر سیگنال مشروعیت و در نتیجه منحرف شدن سوزن CDI (نشانگر انحراف دوره) سایه افکند.

چرا روی زمین تمرکز می کنید؟ آنها نوشتند: "یکی از مهمترین مراحل برنامه پرواز هواپیما ، رویکرد نهایی یا مرحله فرود است زیرا هواپیما به سمت زمین حرکت می کند که توسط خلبان به طور جدی کنترل می شود."

آنها یک سیستم فرود حلقه بسته (ILS) اسپوفر ایجاد کردند.



(نویسندگان گفتند ، "ILS امروزه سیستم رویکردی de-facto است که توسط هواپیماها در اکثر فرودگاه ها مورد استفاده قرار می گیرد" ، زیرا این سیستم دقیق ترین سیستم قادر به ارائه راهنمای دقیق و افقی و عمودی است.)

دن گودین ، Ars Technica ، برخی از مشاهدات در مورد ILS را به عنوان یک سیستم رویکرد دقیق به اشتراک گذاشت. گودین نوشت که برخلاف GPS و سایر سیستم های ناوبری ، "آنها راهنمایی های بسیار مهم زمان واقعی در مورد هم ترازی افقی هواپیما با باند و زاویه نزول عمودی آن را ارائه می دهند. در بسیاری از تنظیمات - به ویژه هنگام فرود مه آلود یا باران باران" ، این رادیو ناوبری مبتنی بر وسیله اصلی برای اطمینان از سقوط هواپیماها در شروع باند و در خط مرکزی آن است. "

آنها هرگز به گونه ای طراحی نشده اند که در برابر هکرها مصون باشند. گودین گفت: "در عوض ، خلبانان به سادگی تصور می كنند كه زنگ هایی كه سیستم های هدایت رادیویی خود را با فرکانس مشخص شده باند فرودگاه دریافت می كنند ، سیگنال های قانونی هستند كه توسط اپراتور فرودگاه پخش می شوند."

آنها گفتند که آنها با یک شبیه ساز پرواز پرواز (XPlane) دارای گواهینامه پرواز FAA (XPlane) کار کرده اند و باعث می شود تا از بین بردن قابلیت کنترل ، جلوگیری از کنترل کنترل ورود به منطقه فرود بیاید .

قدردانی از محدودیت ها: آنها برای راه اندازی آزمایش اندازه عملکرد پمپ وکیوم با کارشناسان حمل و نقل هوایی مشورت کردند. در استفاده از یک شبیه ساز پرواز معتبر FAA ، آنها پرونده ها و اسکریپت های پیکربندی و اسکریپت هایی را برای خلبان مجاز به آنها ارسال کردند تا بتوانند رویکردهای نهایی را با استفاده از ابزارها انجام دهند و بازخورد خود را ارائه دهند. با این وجود ، نویسندگان در مورد محدودیت های تنظیم آنها بحث کرده اند. "ما آزمایش ها را در هواپیمای واقعی انجام ندادیم."

آنها همچنین گفتند که آنها در حال دستیابی به تأیید IRB برای جذب خلبانان تجاری و بررسی واکنش آنها در مورد حمله مورد بحث در مقاله هستند.

امیدوارم کسانی که مقاله آموزنده دن گودین را در مورد کار پژوهشگران می خوانند ، نظرات خواننده را نیز بررسی کنند. ما چندین گزیده / دیدگاه جالب پیدا کردیم:

"فناوری ارجاع شده از قبل از دیجیتال وجود داشته است و هیچ چیز جدیدی برای این ایده وجود ندارد که بتوان سیگنال را به هم زد. این یکی از دلایل زیادی است که چرا سیستم های ناوبری مورد استفاده برای فرود هواپیما ها از نظر نقشه ، تعریف ، زائد ، توزیع جغرافیایی و به خوبی در نمودارها ثبت شده اند تا ناسازگاری ها قبل از خطر قابل مشاهده باشند. "

و یکی دیگر:

"ILS به عنوان نقاط ضعف شناخته شده است ، بنابراین کل سیستم برای کاهش این نقاط ضعف و ارائه گزینه های دیگر ساخته شده است."

و یکی دیگر:

"ما از ILS بطور معمول استفاده می کنیم ، اما کورکورانه به آن اعتماد نداریم. حتی یک خطای ناخوشایند مانند" 3-in-1 "، به معنای 300 فوت ارتفاع در هر مایل دریایی برای رفتن ، به ما می گوید اگر ما به شدت خاموش هستیم. همچنین 4-8 مایل قبل از آستانه "بررسی نهایی ارتفاع" را انجام دهید. در صورت وجود اتوبوس در عملیات کم دید ، آنتن های ILS "محافظت شده" هستند ، به این معنی که فرودگاه اطمینان می دهد که هیچ وسیله نقلیه یا هواپیما در منطقه حساس وجود ندارد. به عنوان یک خلبان هواپیما ، شما هرگز به این رویکرد روی نمی آورید که کورکورانه بدانید که ساز [sic] بی عیب است. "

بازدید : 359
يکشنبه 11 خرداد 1399 زمان : 13:30

تجارت الکترونیکی پر پیچ و خم است. سال گذشته ، طبق گفته های Retailer Internet ، مصرف کنندگان بیش از 517 میلیارد دلار در بازار آنلاین با بازرگانان آمریکایی هزینه کرده اند که نسبت به سال گذشته 15 درصد رشد داشته است.


با این حال ، نوازندگان مستقل ، نویسندگان خود منتشر شده و دیگران بعضی اوقات مشارکت در انقلاب تجارت الکترونیک را دشوار کرده اند. دلیل این امر این است که آنها معمولاً باید با شخص ثالث برای محافظت در برابر کلاهبرداری و در عین حال افزایش راحتی خریداران بالقوه ، با شخص ثالث راه اندازی کنند. این حساب های کارت اعتباری اما هزینه دارند. این می تواند منجر به سود کمتری برای هنرمندان و سایر فروشندگان آنلاین و قیمت های بالاتر برای خریداران شود.

Bhaskar Krishnamachari ، استاد دانشکده مهندسی USC Viterbi ، و Aditya Asgaonkar um آخرین مدرک کارشناسی کامپیوتر در BITS Pilani ، هند که در طی چندین ماه در سال 2018 با کریشناماچاری در USC Viterbi بازدید و همکاری کرد ، معتقدم که راهی پیدا کرده اند خرید و فروش کالاهای دیجیتال را نسبت به کلاهبرداری کم هزینه تر ، کارآمدتر و آسیب پذیرتر جلوه دهد. راه حل پیشنهادی آنها شامل blockchain ، "قراردادهای هوشمند" و نظریه بازی است .

کریشناماچاری ، یکی از مینگ گفت: "طرح ما پیشرفت بالقوه ای را در کشور مدرن در تجارت الکترونیکی ارائه می دهد ، زیرا این امر به خریداران و فروشندگان امکان می دهد تا مستقیماً با یکدیگر ارتباط برقرار کنند و بدون نیاز به واسطه های شخص ثالث از هر نوع." عضو هیئت علمی هسیه در مهندسی برق و کامپیوتر و مدیر مرکز Viterbi برای سیستم های سایبر-فیزیکی و اینترنت اشیاء.

"این از یک روش سپرده گذاری دوگانه استفاده می کند و یک سپرده ایمنی را هم از خریدار و هم از فروشنده پس انداز می کند که فقط در صورت رفتار صادقانه به آنها بازگردانده می شود. کریشناماچاری اضافه کرد.

در 15 مه 2019 ، Asgaonkar مقاله مشترک محققان را با عنوان "حل معضل خریدار و فروشنده: یک قرارداد هوشمند سپردار دوگانه با سپرده گذاری برای تحویل با اطمینان از تقلب و پرداخت وجه برای یک کالای دیجیتالی و بدون یک واسطه قابل اعتماد" ارائه داد. در کنفرانس بین المللی IEEE در مورد Blockchain و Cryptocurrency در سئول کره جنوبی.

Asgaonkar و Krishnamachari الگوریتمی را ایجاد کرده اند که روی یک blockchain قابل برنامه ریزی به عنوان "قرارداد هوشمند" اجرا می شود. Blockchains به چندین ذینفع اجازه می دهد تا پول یا داده را تقریباً از طریق شبکه های رایانه ای متصل به همتا متصل کنند.



در اینجا نحوه عملکرد آن آمده است.

یک نویسنده می خواهد شاهکار دیجیتالی پمپ وکیوم خلاء خود را با عنوان "رمان بزرگ آمریکایی" بفروشد. با این حال ، او امیدوار است که از رفتن از طریق آمازون یا شرکت دیگری که کمیسیون را در پیش گرفته است ، خودداری کند.

در عوض ، او از راه حل مبتنی بر blockchain Asgaonkar و Krishnamachari استفاده می کند و قیمت کتاب را با قیمت 20 دلار ذکر می کند. یک خریدار علاقه مند با او تماس می گیرد. برای اطمینان از معامله صادقانه ، هم خریدار و هم فروشنده موافقت می کنند مبلغ 10 دلار از طریق Ethereum یا برخی دیگر از پلتفرم های قابل برنامه ریزی blockchain تهیه کنند.

نویسنده سپس کتاب دیجیتالی را به خریدار ارسال می کند ، که فقط می تواند با انجام یک پرداخت قابل اثبات به مبلغ صحیح ، به آن دسترسی پیدا کند. اگر معامله همه را راضی کند ، هر دو طرف سپرده های خود را پس می گیرند.

اما اگر کسی سعی کند تقلب کند ، چه می شود؟ اگر فروشنده عمداً کتاب الکترونیکی اشتباه را ارسال کند ، چه اتفاقی می افتد؟ طرف متضرر چه منابعی دارد؟

اینجاست که به اصطلاح قرارداد هوشمند شروع می شود.

این قرارداد طبق گفته های کریشناماچاری کد هش دیجیتال یا "اثر انگشت دیجیتال" را ذخیره می کند. خریدار قبل از خرید ، به آن کد دسترسی دارد. اگر یک مورد را با کد هش متفاوت دریافت کنند ، می توانند معامله را مورد اختلاف قرار دهند. در این نمونه ، فروشنده بعد از اینكه الگوریتم مشخص كرد كه اقدام به تقلب خریدار كرده اند ، سپرده خود را از دست می دهد.

حال سناریوی متفاوت را در نظر بگیرید که در آن خریدار سعی می کند با ادعای دروغین ادعا کند که کالای اشتباهی را دریافت کرده است تقلب کند. اگر اثر انگشت دیجیتال باشد ، در غیر این صورت ، خریدار بی پروا سپرده خود را از دست می دهد.

Asgaonkar و Krishnamachari سیستم خود را "اثبات تقلب" می نامند. مقاله آنها از تئوری بازی برای اثبات ریاضیات استفاده می کند که در پروتکل پیشنهادی خود بهترین گزینه برای خریداران و فروشندگان ، رفتار صادقانه است ، مبادا مبادا سپرده های خود را از دست بدهند و یا به کالاهای مورد نظر دسترسی پیدا کنند.

آسگاونکار ، اکنون محقق بنیاد اتریوم ، گفت: "راه حل ما ، یک سیستم رمزنگاری اقتصادی ، رفتارهای مخرب هر یک از طرفین را متمایز می کند."

Clifford Neuman ، یک دانشمند رایانه در موسسه علوم اطلاعاتی USC Viterbi اضافه کرد: "اهمیت این کار این است که ساختار مشوق ها را برای رفتار صحیح در معاملات آنلاین تغییر می دهد ، به طوری که در صورت برقراری عادلانه معاملات ، سود مطلوب برای هر دو طرف ایجاد می شود."

در حال حاضر ، سیستم Asgaonkar و Krishnamachari فقط با کالاهای دیجیتال کار می کند زیرا محصولات فیزیکی نمی توانند یک هش رمزنگاری مرتبط با آنها داشته باشند. با این حال ، کالاهای فیزیکی ذخیره شده در جعبه ایمن که می توانند با یک رمز عبور دیجیتال باز شوند ، می توانند با استفاده از سیستم آنها به صورت بالقوه معامله شوند.

کریشناماچاری گفت: سیستم مبتنی بر blockchain محققان ، تحت الگوریتم ها و قراردادهای هوشمند ، آنچه را به عنوان "معضل خریدار و فروشنده" شناخته می شود ، حل می کند ، همه بدون نیاز به شرکت های کارت اعتباری یا احکام قانونی.

وی گفت: "معضل این است که با یک معامله سنتی آنلاین ، یا خریدار یا فروشنده ابتدا باید بروند ، یا به این اعتماد که خریدار پس از تحویل صادقانه پرداخت خواهد کرد یا اینکه فروشنده پس از پرداخت صادقانه تحویل دهد ، اما هر یک از طرفین انگیزه و توانایی دارند. اگر هیچ ساز و کار دیگری برای حل اختلاف یا شخص ثالث اعتماد درگیر نباشد ، دیگر را فریب دهید. "

وی اضافه کرد: "با تهیه یک سپرده دو سپرده گذاری و یک فرآیند تأیید خودکار به عنوان یک قطعه نرم افزاری که روی blockchain کار می کند ،" ما می توانیم تضمین کنیم که هیچ یک از طرف ها دیگر را فریب نخواهند داد. "

آینده ای از معاملات خرد

آنچه بیشتر کریشناماچاری را در مورد این پروتکل جدید هیجان زده می کند ، توانایی آن در تسهیل در معاملات خرد است "، که من آینده تجارت دیجیتال را بین افراد و سازمان ها می بینم."

ریزگردها در بازی ها و برنامه های تلفن همراه رایج شده است ، ریزگردها به کاربران امکان می دهد مبلغ کمی پول برای کالاهای مجازی مانند شمشیر جدید در "World of Warcraft" یا باز کردن سطوح پنهان در یک بازی بپردازند.

با این حال ، با ظهور اینترنت اشیا ، پتانسیل این ریزگردها ریز به مراتب ، بسیار بیشتر است.

به عنوان مثال ، چنین تمهیدات خودکار می تواند مبلغ پرداختی را به صاحب یک اتومبیل دارای سنسور بصورت دیجیتالی ارائه داده از داده های راهنمایی و رانندگی یا کیفیت هوا درایور دیگر ارائه دهد. کریشناماچاری گفت ، این و انتقال های کوچک دیگر با افزایش اتصال دستگاه های محاسباتی تبادل داده تعبیه شده در اشیاء روزمره از طریق اینترنت ضرب می شوند.

کریشناماچاری گفت: "ایجاد این اقتصاد داده ها به ما نیاز دارد تا اصطکاک معاملات را به صفر برسانیم. و این کاری است که ما می خواهیم انجام دهیم." "میلیون ها معاملات می توانند بدون اصطکاک ، دیجیتالی و کسب درآمد شوند و اینترنت اشیا قوی تر شود."

بازدید : 408
يکشنبه 11 خرداد 1399 زمان : 13:26

مهندسان دانشگاه کالیفرنیا سن دیگو یک پچ پوشیدنی ایجاد کرده اند که می تواند سرمایش و گرمایش شخصی را در خانه ، محل کار یا محل کار فراهم کند. وصله نرم و کششی پوست کاربر را تا دمای راحت خنک یا گرم می کند و با تغییر دمای محیط آن را در آنجا نگه می دارد. این دستگاه از یک باتری قابل انعطاف پذیر و کششی برخوردار است و می تواند در لباس تعبیه شود. محققان می گویند پوشیدن آن می تواند به صرفه جویی در مصرف انرژی در تهویه هوا و گرمایش كمك كند.


این اثر در تاریخ 17 مه در مجله Science Advances منتشر شده است .

رکن کان ، استاد مهندسی مکانیک و هوافضا در UC سن دیگو که رهبری این مطالعه را انجام می دهد ، گفت: "این نوع دستگاه می تواند راحتی حرارتی شخصی شما را بهبود بخشد ، چه در روز گرم و چه در مسافرت احساس سرمازدگی کنید."

این دستگاه که در مرحله اثبات مفهوم قرار دارد نیز می تواند موجب صرفه جویی در مصرف انرژی شود . چن گفت: "اگر پوشیدن این وسیله باعث می شود در طیف وسیعی از دمای هوا احساس راحتی داشته باشید ، دیگر نیازی به خنک کردن ترموستات در تابستان یا گرما به همان اندازه در زمستان نخواهید داشت." وی خاطرنشان کرد: نگه داشتن دمای تعیین شده ساختمان در طول تابستان 12 درجه بالاتر در طول تابستان ، می تواند هزینه های سرمایش را حدود 70 درصد کاهش دهد.

انواع دستگاه های خنک کننده و گرمایشی شخصی در بازار وجود دارد ، اما لباس راحتی و حمل آنها مناسب ترین نیست. بعضی از آنها از فن استفاده می کنند و بعضی دیگر باید خیس شوند یا با مایعات مانند آب پر شوند.

چن و تیمی از محققان دانشکده مهندسی دانشگاه UC San Diego Jacobs دستگاه خود را برای پوشیدن راحت و راحت طراحی کردند. این انعطاف پذیر ، سبک وزن است و به راحتی می تواند در لباس ادغام شود.

بازوبند تعبیه شده با بسته باتری قابل انعطاف (سمت چپ) ، مدار قابل کشش (مرکز) و پچ خنک کننده / گرمایش (سمت راست). اعتبار: دیوید بیلوت / دانشکده مهندسی UC San Diego Jacobs
این پچ از آلیاژهای ترموالکتریک ساخته شده است - از موادی که برای ایجاد اختلاف دما از الکتریسیته استفاده می کنند و برعکس ، بین ورق های الاستومر کشیده ساندویچ می شود. دستگاه از نظر جسمی پوست را خنک می کند و یا آن را گرم می کند تا دمای آن را انتخاب کند.

وی گفت: "شما می توانید این کار را روی نقاطی که تمایل به گرم شدن یا خنک شدن سریعتر از بقیه بدن مانند پشت ، گردن ، پا یا بازوها دارید ، قرار دهید تا هنگام گرما یا گرما بیش از حد راحت باشید." نویسنده Sahngki Hong ، دانش آموخته مهندسی مکانیک UC San Diego که به عنوان دکتری در این پروژه کار می کرد. دانش آموز در آزمایشگاه چن.

محققان نمونه اولیه پچ را در یک بازوبند مش قرار داده و آن را بر روی یک موضوع مرد آزمایش کردند. آزمایشات در یک محیط کنترل دما انجام شد. در دو دقیقه ، پچ ، پوست تستر را تا دمای تعیین شده 89.6 درجه فارنهایت خنک کرد. این پوست تستر را در آن دما نگه می داشت زیرا دمای محیط بین 71.6 تا 96.8 درجه فارنهایت متغیر بود.



بلوک ساختمانی برای لباس های هوشمند

هدف نهایی ترکیب چندین تکه در کنار هم برای ایجاد لباس هوشمند است که می تواند برای خنک کننده و گرمایش شخصی پوشیده شود. بنابراین مهندسین یک پچ الکترونیکی نرم طراحی کردند که بدون اینکه عملکرد الکترونیکی آن به خطر بیفتد ، می تواند کشش ، خم و پیچش کند.

این کار همکاری بین چندین گروه تحقیقاتی در دانشکده مهندسی UC San Diego Jacobs است. آزمایشگاه چن که در فناوری انتقال حرارت تخصص دارد ، این تحقیق را به عهده گرفت. آنها با اساتید نانو مهندسی شنگ زو ، متخصص الکترونیک کششی ، شرلی منگ ، متخصص فناوری باتری ، پینگ لیو ، که یک متخصص باتری است ، و جوزف وانگ ، یک متخصص در زمینه حسگرهای پوشیدنی ، همکاری کردند.

خنک کننده انعطاف پذیر ، کشش و گرمایش. اعتبار: دیوید بیلوت / دانشکده مهندسی UC San Diego Jacobs
محققان این پچ را با گرفتن ستونهای کوچک از مواد حرارتی (ساخته شده از آلیاژهای تیزورید بیسموت) ساختند و آنها را به نوارهای نازک الکترود مس بچسباندند و آنها را بین دو صفحه الاستومر ساندویچ کردند.

ورق ها به طور خاص ساخته شده اند تا گرما را نرم و بدون کشش انجام دهند. محققان این ورقها را با مخلوط کردن یک ماده لاستیکی به نام Ecoflex با پودر نیترید آلومینیوم ، ماده ای با هدایت حرارتی بالا ایجاد کردند .

پچ از یک جریان الکتریکی برای انتقال گرما از یک صفحه الاستومر به دیگری استفاده می کند. از آنجا که جریان در ستونهای تلوراید بیسموت جریان می یابد ، گرما را به همراه آن هدایت می کند و باعث می شود یک طرف پچ گرم شود و دیگری خنک شود.

چن توضیح داد: "برای انجام خنک کننده ، گرمای فعلی پمپ وکیوم آبی را از طرف پوست گرفته تا لایه ای که به سمت خارج است". "برای انجام گرمایش ، ما فقط جریان را معکوس می کنیم تا پمپ های گرما در جهت دیگر قرار گیرند."

پچ از یک باتری انعطاف پذیر استفاده می شود. این مجموعه از سلولهای سکه ساخته شده توسط سیمهای مسی بهار شکل متصل شده و در یک ماده کششی تعبیه شده است.

پچ خنک کننده / گرمایش. اعتبار: دیوید بیلوت / دانشکده مهندسی UC San Diego Jacobs
صرفه جویی در انرژی

یک پچ اندازه 5 × 5 سانتیمتر دارد و از توان حداکثر 0.2 وات استفاده می کند. تیم چن تخمین می زند که 144 تکه برای ایجاد جلیقه خنک کننده لازم است. در این حالت از تقریباً 26 وات برای خنک کردن یک فرد به طور متوسط در روز گرم استفاده می شود (در هنگام گرمای شدید ، میزان مصرف انرژی تخمین زده شده تا 80 وات بالا می رود ، این در مورد میزان استفاده از لپ تاپ است). در مقایسه ، یک سیستم تهویه مطبوع معمولی برای خنک کردن یک دفتر از ده ها کیلووات استفاده می کند.

محققان خاطرنشان كردند كه خنك كردن يك فرد از يك اتاق بزرگ صرفه جويي تر است. چن گفت: "اگر تعداد معدودی از سرنشینان در آن اتاق وجود دارند ، شما برای خنک کردن در اصل هزاران وات را برای هر شخص مصرف می کنید. دستگاهی مانند پچ می تواند به صورت چشمگیری در صورتحساب خنک کننده کاهش یابد."

این تیم اکنون در حال کار بر روی تکه هایی است که می تواند در جلیقه خنک کننده و گرمایش نمونه اولیه ساخته شود. آنها امیدوارند تا چند سال دیگر این فناوری را تجاری کنند.

چن گفت: "ما مشکلات اساسی را حل کردیم ، اکنون در حال حل مشکلات بزرگ مهندسی هستیم - الکترونیک ، سخت افزار و توسعه یک برنامه موبایل برای کنترل دما ."

بازدید : 344
يکشنبه 11 خرداد 1399 زمان : 13:21

با قرار دادن پیچ و تاب خود روی ربات هایی که از طریق مناظر پیچیده کمرنگ هستند ، تیم Extreme Mobility ، باشگاه روباتیک دانشجویی Stanford ، یک ربات چهار پا را توسعه داده است که نه تنها قادر به انجام ترفندهای آکروباتیک و عبور از زمین های چالش برانگیز است بلکه با قابلیت تکرار در ذهن نیز طراحی شده است. هرکسی که نسخه ربات خود را با نام استنفورد دگوگو بخواهد ، می تواند درمورد برنامه های جامع ، کد و لیست عرضه ای که دانش آموزان بطور رایگان در دسترس آنلاین قرار داده اند مشورت کند .


ناتان کاو ، '20 ، یک مهندس مکانیک و رهبری برای Extreme Mobility گفت: "ما این روبات های چهار دست و پا شکسته دیگر را که در تحقیقات استفاده می شد ، دیده ایم ، اما آنها چیزی نبودند که بتوانید آن را وارد آزمایشگاه خود کنید و برای پروژه های خود استفاده کنید." . "ما می خواستیم استنفورد دگگو این ربات منبع باز باشد که بتوانید خود را با بودجه نسبتاً کمی بسازید."

در حالی که سایر روبات های مشابه می توانند ده ها یا صدها هزار دلار هزینه داشته باشند و به قطعات سفارشی نیاز دارند ، دانشجویان Extreme Mobility هزینه Stanford Doggo را کمتر از 3000 دلار تخمین می زنند - از جمله هزینه های ساخت و حمل و نقل - و تقریباً همه اجزای آن نیز قابل خریداری است. برخط. آنها امیدوارند که دستیابی به این منابع الهام بخش جامعه ای از سازندگان و محققان استنفورد دگگو باشد که از کارهای خود نوآوری و معناداری ایجاد می کنند.

Stanford Doggo قبلاً می تواند قدم بزند ، قدم زدن ، رقص ، هاپ ، پرش و اجرای بک گراند گاه به گاه. دانش آموزان در حال کار بر روی نسخه بزرگتر از ایجاد خود هستند - که در حال حاضر در مورد اندازه یک Beagle است - اما استراحت کوتاهی را برای ارائه استنفورد دگگو در کنفرانس بین المللی رباتیک و اتوماسیون در 21 مه در مونترال ، کانادا انجام می دهد.

یک هاپ ، یک پرش و یک backflip

برای اینکه استنفورد دگگو قابل تکرار باشد ، دانش آموزان آن را از ابتدا ساختند. این بدان معناست که صرف وقت زیادی برای تحقیق در مورد لوازم به راحتی قابل دستیابی و آزمایش هر قسمت از ساخت آن ، بدون اتکا به شبیه سازی ها.

ناتالی فرتانت ، 19 ساله ، دانشجوی كودك مهندسی مکانیك و گفت: "حدود دو سال از زمان اول شدن ایده ساختن یك چهار مرحله گذشته است. ما قطعاً چندین نمونه اولیه ساخته ایم. عضو تیم تحرک شدید. "اولین باری که او را برای راه رفتن مجبور کردیم بسیار هیجان انگیز بود."


دانش آموزان استنفورد Doggo را توسعه داده اند ، یک ربات چهار پا نسبتاً کم هزینه که می تواند شلیک ، پرش و تلنگر کند.
نخستین قدم های استنفورد دگگو ، کودک نو پا بود ، اما اکنون این روبات می تواند راهپیمایی مداوم و مسیر مورد نظر را حفظ کند ، حتی اگر با زمین های مختلف روبرو شود. این کار را با کمک موتورهایی انجام می دهد که نیروهای خارجی روی روبات را حس می کنند و تعیین می کنند که در هر پاسخ چه قدر نیرو و گشتاور استفاده می شود. این موتورها با سرعت 8000 بار در ثانیه بازپرداخت می شوند و برای رقص امضاء ربات ضروری هستند: بوگی تند و تیز که واقعیت عدم وجود چشمه را پنهان می کند. در عوض ، موتورها مانند سیستم چشمه های مجازی عمل می کنند ، هر وقت احساس کنند که از موقعیت خارج است ، ربات را به شکل مناسب باز می گرداند.



در بین مهارت ها و ترفندهایی که تیم به رپرتوار ربات اضافه کرد ، دانش آموزان از استعداد پرش آن فوق العاده شگفت زده شدند. تیم استنفورد دگگو که از اوایل صبح یک روز در آزمایشگاه قدم می زد ، این تیم فهمید که با زحمت 2 پا در هوا جمع شده است. با فشار دادن محدودیت های نرم افزاری این ربات ، استنفورد دگگو توانست 3 ، 3 درجه پا از زمین پرش کند.

کاو یادآوری می کند: "این زمانی بود که فهمیدیم که ربات از بعضی جهات عملکرد بالاتری نسبت به سایر روبات های چهار دست استفاده شده در تحقیقات دارد ، حتی اگر واقعاً کم هزینه باشد."

از آن زمان ، دانش آموزان به استنفورد دگگو آموخته اند كه یك گل مینا بكند ، اما همیشه به صورت بالشتك انجام می شود تا آزمایش سریع و آزمایش خطا انجام شود.

استنفورد دگوگو در آینده چه خواهد کرد؟

اگر این دانش آموزان راه خود را داشته باشند ، آینده استنفورد دگگو در دست توده ها خواهد بود.

پاتریک اسلید ، دانشجوی فارغ التحصیل رشته هوانوردی و فضانوردی و مربی Extreme Mobility گفت: "ما امیدواریم که سیستم پایه ای را فراهم کنیم که هرکسی بتواند بسازد." وی گفت: "مثلاً بگویید که شما می خواستید روی جستجو و نجات کار کنید ؛ می توانستید آن را با سنسورها سازگار کنید و کدی را در بالای ما بنویسید که به آن اجازه می دهد صخره های صخره ای را صعود کند یا از طریق غارها کاوش کند. یا شاید این کار با بازوی چیزهایی را جمع کند. حمل یک بسته

این بدان معنا نیست که آنها به کار خود ادامه نمی دهند. Extreme Mobility با آزمایشگاه اکتشاف روباتیک زاخاری منچستر ، استادیار هوانوردی و فضانوردی همکاری می کند تا سیستم های کنترل جدیدی را در دوم استنفورد دگگو آزمایش کند. این تیم همچنین ساخت ربات دو برابر Stanford Doggo را به پایان رسانده است که توانایی حمل حدود 6 کیلوگرم تجهیزات را دارد. نام آن استنفورد ووفر است.

تعداد صفحات : 0

درباره ما
موضوعات
لینک دوستان
آمار سایت
  • کل مطالب : 15
  • کل نظرات : 0
  • افراد آنلاین : 1
  • تعداد اعضا : 0
  • بازدید امروز : 1
  • بازدید کننده امروز : 1
  • باردید دیروز : 0
  • بازدید کننده دیروز : 0
  • گوگل امروز : 0
  • گوگل دیروز : 0
  • بازدید هفته : 2
  • بازدید ماه : 4
  • بازدید سال : 11
  • بازدید کلی : 4155
  • <
    پیوندهای روزانه
    آرشیو
    اطلاعات کاربری
    نام کاربری :
    رمز عبور :
  • فراموشی رمز عبور؟
  • خبر نامه


    معرفی وبلاگ به یک دوست


    ایمیل شما :

    ایمیل دوست شما :



    کدهای اختصاصی