محققان روز چهارشنبه گفتند که استخراج غیرقانونی رمزنگاری در طی سال گذشته رو به افزایش بوده است ، بخشی از آن به دلیل وجود یک نرم افزار نشت شده از آژانس امنیت ملی آمریکا.

گزارشی از اتحاد سایبر تهدید اتحادیه ، اتحادیه شرکتها و کارشناسان امنیت سایبری اعلام کرده است که این میزان افزایش 459 درصدی در سال گذشته استخراج غیرقانونی کریپتو را کشف کرده است - روشی که هکرها برای سرقت از قدرت پردازش رایانه ها برای ایجاد رمزنگاری استفاده می کنند .

نیل جنکینز ، مدیر ارشد تحلیلی اتحاد ، گفت: "فعالیت از موضوعی که تقریباً وجود ندارد به موضوعی رسیده است که تقریباً به طور جهانی در بالای لیست های تهدید اعضای ما نشان داده شده است."

یکی از دلایل افزایش شدید ، نشت سال گذشته توسط گروهی از هکرها موسوم به Shadow Brokers از نرم افزار "EternalBlue" بود که توسط NSA برای سوءاستفاده از آسیب پذیری ها در سیستم عامل ویندوز ساخته شده است.

جنکین گفت: "وصله ای برای EternalBlue به مدت 18 ماه موجود است و حتی پس از بهره برداری در دو حمله سایبری قابل توجه جهانی - WannaCry و NotPetya" هنوز سازمان های بی شماری وجود دارد که قربانی این سوءاستفاده می شوند. .

افزایش هک همزمان با استفاده روزافزون از ارزهای مجازی مانند بیت کوین ، اتریوم یا مونرو است که توسط هیچ دولتی تنظیم نشده و با حل مشکلات پیچیده محاسباتی ایجاد می شوند.

در حالی که برخی از معادن cyptocurrency امری قانونی است ، هکرها روشهایی را برای استفاده از پردازش کاربران غیرمجاز رایانه برای تولید غیرقانونی ارز کشف کرده اند.

جنکینز گفت افزایش نرم افزارهای مخرب برای استخراج کریپتو ، تهدیدات گسترده سایبر را برجسته می کند.

وی گفت: "استخراج غیرقانونی" قناری در معدن زغال سنگ "تهدیدات امنیت سایبر است." "اگر استخراج غیرقانونی cryptocurrency در شبکه شما اتفاق می افتد ، به احتمال زیاد شما مشکلات بدتری را تجربه می کنید و ما باید آینده معادن غیرقانونی را به عنوان یک تهدید استراتژیک در نظر بگیریم ."

براساس این گزارش ، هکرها می توانند دستاوردهای خود را تولید کرده و از cryptocurrency برای سایر اهداف مخرب مانند خرید انواع دیگر ابزارهای مخرب در "وب تاریک" استفاده کنند.

محققان گفتند كه 85 درصد از معادن بدافزار رمزنگاری رمزنگاری مونرو ، بیت کوین هشت درصد را نشان می دهد.

در این گزارش آمده است: "اگرچه مونرو از بیت کوین به میزان قابل توجهی کم ارزش است ، اما عوامل مختلفی این امر باعث می شود تا انتخاب بازیگران مخرب انتخاب شود."

براساس این گزارش ، مونرو حریم خصوصی و ناشناسی بودن بیشتری را ارائه می دهد ، "این به بازیگران مخرب کمک می کند تا هم فعالیت معدنکاری خود را انجام دهند و هم معاملات خود را با استفاده از ارز پنهان کنند ."

"آدرس ها و مقادیر معامله به طور پیش فرض دچار نقصان می شوند و ردیابی مونرو برای محققان بسیار دشوار است."

 http://dirstop.com/story5844710/قیمت-اکچویتور

دانشمندان یک آزمایش هواپیمای بدون سرنشین پرواز را ایجاد کرده اند که از یادگیری ماشین برای حرکت به سمت جریانهای هوا در حال افزایش استفاده می کند.

پرندگان در حال افزایش ، سوار معابر هوای گرم می شوند که به آنها گرمی می گویند بدون نیاز به بال زدن بال های خود ، پرواز می کنند و اگر قدشان افزایش یابد ، گرچه هیچ کس دقیقاً نمی داند که چگونه این کار را انجام می دهد.

محققان دانشگاه كالیفرنیا سن دیگو برای به دست آوردن اطلاعاتی در مورد آنچه كه پرندگان به طور غریزی از آن استفاده می كنند برای به روزرسانی استفاده می كنند ، یك هواپیمای بدون سرنشین را با یك رایانه در هیئت مدیره مجهز كردند و به آن اجازه می داد تا بر اساس اندازه گیری های زمان واقعی تغییر جهت دهد.

آنها برای کمک به حرکت در محیط متغیر در حال تغییر ، از یادگیری ماشینی استفاده کردند. تصحیح "تصمیمی که منجر به افزایش ارتفاع شد.

در مطالعه‌ای که روز چهارشنبه در مجله Nature منتشر شد ، این تیم گزارش داد که تنها پس از 15 ساعت پرواز آزمایشی ، این هواپیمای بدون سرنشین "آموخته" است که چگونه موقعیت خود را بهینه کند و یک استراتژی برای گرفتن گرایش به روزهای گرم تهیه کرده است.

ماسیمو ورگاسولا ، نویسنده اصلی تحقیق ، به AFP گفت: "ما این را بسیار چشمگیر می دانیم زیرا هواپیمای بدون سرنشین آگاهی قبلی در مورد فیزیک جوی یا آیرودینامیک ندارد."

نمودارهای گرافیکی را نشان می دهد: (الف) مسیر پله های پرواز در پویای ، کالیفرنیا ؛ (ب) کارتونی از گلایدر که جریانهای بادی عمودی و گشتاور را تجربه می کند که توسط این هواپیمای بدون سرنشین وجود دارد. (ج) مؤلفه عمودی سرعت باد (آبی) و شتاب های عمودی باد (قرمز) که توسط این هواپیما در طی یک جلسه پرواز معمولی تجربه می شود. (د) زاویه بانك هواپیمای گلایدر در همان جلسه پرواز به عنوان (c) و گشتاور مربوطه كه توسط هواپیمای گلایدر تجربه شده است. اعتبار: گوتام ردی
در حالی که چندین مطالعه دیگر نشان داده اند که چگونه ماشین آلات سریع می توانند استراتژی ها را یاد بگیرند یا الگوریتم هایی را برای حل مشکلات پیچیده تشکیل دهند ، به روز رسانی حرارتی تقریباً به طور مداوم تغییر می کند ، و باعث می شود که کار گلایدرها مالیات اضافی داشته باشند.

Vergassola و همكارانش با مطالعه چگونگی آموختن این گلایدر در مقابل محرکهای بدنی هنگام پرواز ، بر این باورند كه پرندگان نیز ممكن است سرنخهای بدنی و تصویری خاصی را برای کمک به آنها در صعود از ترماسها صرفه جویی كنند ، و در نتیجه صرفه جویی در انرژی حیاتی مورد نیاز برای مهاجرت طولانی است.

کلوزآپ یکی از گلایدرها ، زمینی و مورد استفاده در تحقیق است. اعتبار: گوتام ردی
گونه هایی مانند خدای بادبان و ساحل کوچک که می توانند 11.500 کیلومتر (7،145 مایل) به سمت بالا پرواز کنند بدون توقف ، قادر به انجام این کار بدون این مهارت ها نخواهند بود.

Vergassola گفت: "استراتژی ( گلایدر ) عملکرد بسیار خوبی را در محیط های هوایی در حال تغییر نشان می دهد."

پرنده و گلایدر در پرواز پشت سر هم. اعتبار: فیل ریچاردسون ، موسسه اقیانوس شناسی © Woods Hole
"ما اعتقاد داریم که پرندگان در حال افزایش می توانند در واقع محاسبات برنامه ریزی پیچیده تری انجام دهند یا از نشانه های ناوبری اضافی مانند ابرها استفاده کنند."

 http://socialmediainuk.com/story5569771/قیمت-اکچویتور

وقتی به رباتیک فکر می کنید ، به احتمال زیاد به چیزی سفت و سخت ، سنگین و برای یک هدف خاص فکر می کنید. فناوری جدید "Robotic Skins" که توسط محققان Yale ساخته شده است این مفهوم را بر روی سر خود می چرخاند و به کاربران امکان می دهد حیوانات بی جان را تحریک کرده و اشیاء روزمره را به روبات تبدیل کنند.

در آزمایشگاه ربکا کرامر-بوتیگلیو ، استادیار مهندسی مکانیک و علوم مواد ایجاد شده ، پوسته های روباتیک کاربران را قادر می سازند تا سیستم های رباتیک خود را طراحی کنند. کرامر-بوتیگلیو گفت ، اگرچه پوست ها بدون هیچ کار خاصی در ذهن طراحی شده اند ، اما آنها می توانند برای همه چیز از ربات های جستجو و نجات گرفته تا فناوری های پوشیدنی استفاده شوند. نتایج کار تیم امروز در Science Robotics منتشر شده است .

این پوسته ها از ورق های الاستیک تعبیه شده با حسگرها و محرک های ساخته شده در آزمایشگاه Kramer-Bottiglio ساخته شده اند. به عنوان مثال ، پوست روی یک جسم تغییر شکل پذیر ، یک حیوان پر شده یا یک لوله فوم قرار می گیرد. روبات های سازنده بسته به خاصیت اشیاء نرم و نحوه استفاده از پوست می توانند کارهای مختلفی را انجام دهند.

وی گفت: "ما می توانیم پوسته ها را بگیریم و آنها را به دور یک شیء بپیچانیم تا یک کار انجام شود - مثلاً حرکت" و سپس آنها را برداشته و آنها را برای انجام یک کار متفاوت مانند گرفتن و جابجایی یک شیء دیگر قرار خواهیم داد. " گفت "ما می توانیم همین پوست را از آن شی خارج کنیم و آنها را روی یک پیراهن قرار دهیم تا یک وسیله پوشیدنی فعال بسازد."

فناوری جدید 'Robotic Skins' که توسط محققان ییل ساخته شده است به کاربران امکان می دهد اشیاء روزمره را به روبات تبدیل کنند. اعتبار: دانشگاه ییل
روبات ها به طور معمول با یک هدف واحد در ذهن ساخته می شوند. با این حال پوسته های روباتیک به کاربران این امکان را می دهد تا روبات های چند منظوره را در پرواز ایجاد کنند. Kramer-Bottiglio گفت ، این بدان معناست که می توان از آنها در تنظیماتی استفاده کرد که حتی در هنگام طراحی مورد توجه قرار نگرفته اند.

علاوه بر این ، استفاده از بیش از یک پوست در هر زمان امکان حرکات پیچیده تری را فراهم می کند. به عنوان مثال ، کرامر-بوتیگلیو گفت ، برای گرفتن انواع مختلف حرکت می توانید پوست را لایه برداری کنید. "اکنون می توانیم حالت های ترکیبی ترکیبی را دریافت کنیم - به عنوان مثال ، فشرده سازی همزمان و خمش."

محققان برای نشان دادن پوست های رباتیک در عمل ، تعداد انگشت شماری از نمونه های اولیه را ایجاد کردند. اینها شامل سیلندرهای کف است که مانند کاسه اینچ حرکت می کند ، یک دستگاه پوشیدنی مانند پیراهن که برای تصحیح وضعیت بد ضعیف طراحی شده است و وسیله ای با گیربکس است که می تواند اشیا را درک و حرکت کند.

کرامر-بوتیگلیو اظهار داشت که چند سال پیش وقتی ناسا خواستار سیستم های نرم روباتیک شد ، این دستگاه را برای این دستگاه ها ارائه کرد . این فناوری با همکاری ناسا طراحی شده است و ماهیت چند منظوره و قابل استفاده مجدد آن باعث می شود فضانوردان بتوانند مجموعه ای از وظایف را با همان مواد قابل تنظیم تنظیم کنند. همان پوسته هایی که برای ساختن بازوی روباتیک از یک قطعه کف استفاده می شود ، می توان آن را جدا کرد و برای ایجاد یک مریخ نورد مریخ که می تواند بر فراز زمینهای ناهموار بپیوندد ، استفاده می شود. دانشمند ییل گفت با داشتن پوسته های روباتیک روی تخته ، هر چیزی از بادکنک گرفته تا توپ های کاغذ خرد شده به طور بالقوه می تواند در یک ربات با یک هدف ساخته شود.

 http://prbookmarkingwebsites.com/story5103382/قیمت-اکچویتور

تام بردی ، کارفرمای میهنی ، غالباً موفقیت خود را صرف صرف ساعتهای بی شماری برای مطالعه حرکات حریف خود در فیلم می کند. این درک از حرکت برای همه گونه های زنده لازم است ، خواه تشخیص اینکه چه زاویه ای برای پرتاب توپ وجود دارد ، یا درک حرکت شکارچیان و طعمه ها. اما فیلم های ساده در واقع نمی توانند تصویر کاملی به ما دهند.

دلیل آن این است که فیلم ها و عکس های سنتی برای مطالعه حرکت دو بعدی هستند و ساختار زیربنایی 3 بعدی شخص یا موضوع مورد نظر را به ما نشان نمی دهند. بدون هندسه کامل ، ما نمی توانیم حرکات کوچک و ظریف را که به ما کمک می کند حرکت سریع تری داشته باشیم ، بررسی کنیم و یا از دقت لازم برای تکمیل فرم ورزشی خود استفاده کنیم.

هرچند اخیراً ، محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) راهی برای دستیابی بهتر به این درک حرکت پیچیده ارائه داده اند.

سیستم جدید از الگوریتمی استفاده می کند که می تواند فیلم های 2 بعدی بگیرد و آنها را به "مجسمه های حرکتی" چاپ شده تبدیل کند که نشان می دهد چگونه بدن انسان در فضا حرکت می کند. این تیم علاوه بر اینکه یک تجسم زیبایی شناختی جذاب از شکل و زمان است ، پیش بینی می کند که سیستم "MoSculp" آنها می تواند یک مطالعه بسیار دقیق تر از حرکت را برای ورزشکاران حرفه ای ، رقاصندگان و یا هر کسی که می خواهد مهارت های بدنی خود را بهبود ببخشد ، ممکن کند.

دکتری می گوید: "تصور کنید که شما یک فیلم از راجر فدرر که در یک مسابقه تنیس توپ می زند و یک ویدئو از خود در حال یادگیری تنیس است ، دارید." دانشجو Xiuming ژانگ ، نویسنده اصلی مقاله جدید در مورد سیستم. "سپس می توانید مجسمه های حرکتی از هر دو سناریو بسازید تا بتوانید آنها را با یکدیگر مقایسه کرده و جامع تر مطالعه کنید که در آنجا باید پیشرفت کنید.

از آنجا که مجسمه های حرکتی 3 بعدی هستند ، کاربران می توانند از یک رابط رایانه برای حرکت در داخل سازه ها استفاده کرده و آنها را از دیدگاه های مختلف ببینند ، و اطلاعات مربوط به حرکت را از دیدگاه اصلی غیرقابل دسترسی نشان می دهد.

ژانگ این مقاله را در کنار اساتید MIT ، ویلیام فریمن و استفانی مولر ، دکتری نوشت. دانشجو جیاجون وو ، محققان گوگل Qiurui He و Tali Dekel و همچنین UC Berkeld postdoc و دکتری CSAIL سابق. اندرو اوونز

چگونه کار می کند

هنرمندان و دانشمندان مدتها است که تلاش می کنند بینش بهتری در مورد حرکت ، محدود به لنز دوربین خود و آنچه که می تواند فراهم کند ، بدست آورند.

کارهای قبلی بیشتر از تکنیک های عکاسی به اصطلاح "استروبوسکوپی" استفاده شده اند که بسیار شبیه تصاویر موجود در یک کتاب تلنگر هستند که به هم دوخته شده اند. اما از آنجا که این عکس ها فقط عکس های لحظه ای از حرکت را نشان می دهند ، شما نمی توانید به عنوان مثال بسیاری از مسیر بازوی یک شخص را هنگام زدن توپ گلف مشاهده کنید.

از این گذشته ، این عکسها همچنین به تنظیمات پرشور قبل از شلیک ، مانند استفاده از پس زمینه تمیز و دوربین های عمق ویژه و تجهیزات روشنایی نیاز دارند. تمام نیازهای MoSculp یک دنباله ویدیویی است.

با توجه به یک فیلم ورودی ، سیستم ابتدا به طور خودکار نقاط کلیدی 2 بعدی را بر روی بدن سوژه مانند مفصل ران ، زانو و مچ پا از یک بالرین تشخیص می دهد در حالی که او دنباله رقص پیچیده ای را انجام می دهد. سپس ، بهترین نکات ممکن از آن نقاط به اسکلت های 3 بعدی تبدیل می شود.

پس از دوخت این اسکلت ها به یکدیگر ، سیستم مجسمه ای حرکتی ایجاد می کند که می تواند 3 بعدی چاپ شود و مسیر صاف و مداوم حرکت را که توسط سوژه پیگیری می شود نشان می دهد. کاربران می توانند چهره های خود را برای تمرکز روی قسمت های مختلف بدن ، اختصاص دادن مواد مختلف به منظور تمایز بین قسمت ها و حتی سفارشی کردن نورپردازی ، سفارشی کنند.

در مطالعات کاربران ، محققان دریافتند که بیش از 75 درصد از افراد احساس می کنند که MoSculp تجسم دقیق تری را نسبت به تکنیک های عکاسی استاندارد ارائه می دهد.

کورتنی بریگام ، مدیر ارتباطات در Adobe می گوید: "رقص و حرکات ورزشی بسیار ماهرانه اغلب به نظر می رسد" مجسمه های متحرک "هستند اما آنها فقط اشکال زودگذر و زودگذر ایجاد می کنند." وی گفت: "این کار نحوه حرکت و تبدیل به مجسمه های واقعی را با تجسم های عینی از حرکت نشان می دهد ، راهی را فراهم می کند تا ورزشکاران بتوانند حرکات خود را برای تمرینات مورد تجزیه و تحلیل قرار دهند ، نیازی به تجهیزات بیشتری نسبت به دوربین موبایل و زمان محاسبات ندارند."

این سیستم برای حرکات بزرگتر مانند پرتاب توپ یا گرفتن یک جهش جارو در حین سکانس بهتر عمل می کند. همچنین برای موقعیت هایی کار می کند که ممکن است مانع یا پیچیده حرکت شوند ، مانند افرادی که لباس سست و یا اشیاء حمل می کنند.

 http://bookmark-template.com/story6997061/قیمت-اکچویتور

محققان مرکز تحقیقات داده ها و هوش مصنوعی رابرت بوش و مرکز تحقیقات مغزی محاسباتی ، موسسه فناوری هند مادرا و دانشگاه پوردو اخیراً روشی جدید برای کاهش الزامات محاسباتی برای تشخیص اشیاء در فیلم ها با استفاده از شبکه های عصبی تهیه کرده اند. تکنیک آنها با نام Pack and Detect (PaD) در مقاله ای که از قبل روی arXiv منتشر شده است ، تشریح شده است.

تشخیص شی از جنبه های کلیدی بسیاری از است بینایی کامپیوتر برنامه های کاربردی، مانند ردیابی شی، ویدئو خلاصه، و جستجو ویدئو. در حالی که پیشرفت های اخیر در یادگیری ماشین منجر به توسعه ابزارهایی بطور فزاینده ای برای انجام این کار شده است ، روش های موجود هنوز هم از نظر محاسباتی بسیار فشرده هستند. به عنوان مثال ، پردازش یک فیلم با وضوح 300 300 300 با استفاده از شبکه تشخیص شی SSD300 ، با VGG16 به عنوان ستون فقرات و در 30 فریم در ثانیه نیاز به 1.87 تریلیون عملیات نقطه شناور در ثانیه (FLOPS) دارد.

محققان مشاهده کردند که در برخی موارد ، اکثر مناطق در یک قاب ویدیویی صرفاً پس زمینه هستند ، با اشیاء برجسته فقط بخش کوچکی از منطقه را در این قاب اشغال می کنند. علاوه بر این ، آنها دریافتند که بین فریم های متوالی یک رابطه زمانی قوی وجود دارد. آنها این مشاهدات را به حداقل رسانده و تکنیک جدیدی را برای کشف اشیاء در فیلمهایی ارائه می دهند که می تواند نیازهای محاسباتی را برای کارهای شناسایی شی کاهش دهد.

Athindran Ramesh Kumar ، یکی از محققانی که این تحقیق را انجام داده است ، گفت: "ما از مکانیسم foveal در هر دو سیستم بینایی بیولوژیکی و مصنوعی الهام گرفته ایم." "تلاش های قبلی مربوط به مکانیسم های توجه foveal در سیستم های بینایی مصنوعی فقط بر روی یک منطقه در تصویر یا یک شیء به طور همزمان متمرکز شده است. ""

از این رو روش کشف شیء که توسط محققان طراحی شده است از سیستم های بینایی بیولوژیکی الهام گرفته شده است. اما بر خلاف تلاش های قبلی ، سیستم آنها به جای پردازش متوالی ، تمام مناطق مورد علاقه را در یک قاب واحد بسته بندی می کند.

Balaraman Ravindran ، محقق دیگری که تحقیق را انجام داده است ، گفت: هدف ما این بود که با تمرکز فقط روی نواحی برجسته در قاب و از بین بردن درهم ریختگی پس زمینه ، سرعت کشف اشیاء در فیلم ها را افزایش دهیم. "برای از بین بردن درهم و برهمی پس زمینه ، ما از ارتباط همبستگی بین قابهای مجاور در یک فیلم بهره برداری کردیم. این خاصیتی است که تکنیک های فشرده سازی ویدیو برای کاهش نیازهای ذخیره سازی و پهنای باند استفاده می کنند ؛ ما از آن برای سرعت بخشیدن به محاسبه استفاده می کنیم."

PaD ، روش تشخیص شیء ارائه شده توسط راوینران و همکارانش با پردازش فریم در فواصل منظم در اندازه کامل کار می کند. از این قاب ها به "قاب های لنگر" یاد می شود. از طرف دیگر ، ابزار در سایر فریمها مناطق مورد علاقه خود را بر اساس موقعیت مکانی که اشیاء در قاب قبلی در آن قرار داشتند ، شناسایی می کند.

آناند راغوناتان ، یکی از محققانی که این تحقیق را انجام داده ، به TechXplore گفت: "این مناطق دیدنی مانند یک کولاژ مرتب شده اند ، که از آن به عنوان ورودی برای ردیاب شی استفاده می شود. وی افزود: "این شناسایی ها به عکس در مکان های اصلی برمی گردند. این روش سریعتر است زیرا تصاویر کولاژ از اندازه کامل نسبت به فریم های کامل استفاده می کنند. ما از قابلیت انعطاف پذیری اشیاء محبوب مانند SSD300 برای پردازش تصاویر در هر اندازه کامل استفاده می کنیم. و اندازه های کوچکتر

محققان روش خود را در مجموعه داده ImageNet VID مورد ارزیابی قرار دادند و دریافتند که زمان آن 1.25 برابر است ، با دقت کمتر از 1.6 درصد کاهش یافته است. علاوه بر این ، آنها مشاهده كردند كه زمان لازم برای پردازش فریمهای با اندازه كم تقریباً سه برابر كمتر بود و تعداد FLOP چهار برابر كاهش می یابد.

علاوه بر این ، مطالعه آنها دو جنبه مهم را برجسته کرده است که می تواند از پیشرفت روشهای سریعتر و کم فشار تر برای تشخیص اشیاء در فیلم ها آگاه شود. اول ، اشیاء مورد علاقه فقط بخش کوچکی از پیکسل ها را در یک قاب اشغال می کنند. دوم ، بین یک فریم مجاور در یک فیلم ارتباط وجود دارد.

Athindran گفت: "کار ما با کاهش نیازهای محاسباتی می تواند به تجزیه و تحلیل های ویدیویی در دستگاههای دارای محدودیت در منابع در حاشیه اینترنت اشیاء کمک کند یا ممکن است تعداد جریانهای ویدیویی را که ممکن است توسط یک سرور در ابر پردازش شود ، بهبود بخشد."

مطالعه انجام شده توسط این تیم از محققان ، گامی اولیه در جهت توسعه ابزارهای مؤثرتر در کشف شیء است. آنها اکنون در حال برنامه ریزی برای تحقیقات بیشتر هستند که می توانند روش خود را بیشتر بهبود بخشند.

به عنوان مثال ، در حال حاضر ، PaD فریم های لنگر را در فواصل منظم انتخاب می کند ، اما محققان می توانند مکانیزمی را بسازند که بطور دینامیکی این فریم های کلیدی را شناسایی کند . آنها همچنین قصد دارند تکنیک خود را در سخت افزارهای محدودتر منبع مانند تلفن های هوشمند ، دستگاه های پوشیدنی و لوازم خانگی هوشمند آزمایش کنند.

راوندندران گفت: "ما یک الگوریتم برای استنباط مناطق مورد علاقه و شکل دادن به تصویر کولاژ دست ساز ساختیم." "اما یک سیستم کاملاً عصبی دارای شبکه های عصبی است که بر اساس قاب قبلی تصویر کولاژ تولید می کند. این یک خط بلندپروازانه تر از کارهای آینده است."

 http://bookmark-dofollow.com/story6999247/قیمت-اکچویتور

رایزن و درخشش. AMD تراشه های جدید لپ تاپ را منتشر کرده است و انتظار دارد که درخشش آنها در لپ تاپ های با کارایی بالا ظاهر شود. یعنی Tom ، Hardware گفته است که AMD Ryzen 7 2800H و Ryzen 5 2600H را در وب سایت خود ذکر کرده است .

آنها گرافیکی با قابلیت Vega دارند.

ناظران فناوری در صحبت کردن درباره تراشه ها "45 W" را ذکر می کردند. این همه چیز چیست؟

آنتون شیلوف در AnandTech گفت كه تراشه های مذكور تا 45 W وزن مصرف می كنند. شیلوف گفت که این امر گزینه های مختلفی برای متعادل کردن عملکرد با راندمان انرژی به مشتریان AMD ارائه می دهد.

به گفته نیک فارل در فودزیلا ، مدلهای جدید از طرح های مشابهی با همتایان رومیزی خود استفاده می کنند اما "با کمی طراحی در فرکانس ها برای تنظیم خنک کننده موبایل و محدودیت عمر باتری ".

فارل گفت ، 45W TDP (TDP مخفف قدرت طراحی حرارتی است) در دنده دسک تاپ پایین تر از 65W TDP بود.

پل آلكورن در مورد سخت افزار Tom اظهار داشت: "اینها باید تراشه های بسیار قدرتمندی برای بخش لپ تاپ بازی باشند."

شانون لیائو در The Verge اظهار داشت که "تراشه های جدید می توانند نشانه گسترش AMD در دفترچه های تلفن همراه بیشتر و ایستگاه های کاری موبایل باشند."

پل تیلور در تخصصی موبایل گفت: "AMD از طریق شرکت GlobalFoundries به بسته بندی 2400G و 2200G Ryzen پردازنده را در یک بسته نوت بوک (FP5 BGA) که اجازه می دهد مصرف کنندگان برای لذت بردن از عملکرد کلاس دسکتاپ در یک کلاس نوت بوک دستگاه ."

رقابت؟ چه کسی باید مورد توجه باشد؟

شانون لیائو در The Verge اظهار داشت: "اگرچه امروزه برخی از لپ تاپ ها از تراشه های AMD استفاده می کنند ، اما این بازار تا حد زیادی توسط اینتل اداره می شود. با این تراشه های جدید ، AMD به دنبال رایانه های رایج مصرف کننده نیست ، بلکه مدل های رده بالایی است که می توانند به ساخت شهرت آن به عنوان رقیب واقعی اینتل است. "

بنابراین ، کلمه قیمت گذاری و در دسترس بودن چیست؟

Kishalaya Kundu در Beebom گفت: "شایان ذکر است که AMD هیچ گونه انتشار مطبوعاتی را برای اعلام رسمی رونمایی های جدید منتشر نکرده است ، اما آنها در فهرست محصولات این شرکت قرار گرفته اند."

Alcorn به مبحث قیمت گذاری روی آورد: "AMD پردازنده های موجود را در تاریخ 10 سپتامبر لیست می کند ، اما هنوز هیچ اطلاعیه رسمی منتشر نشده است ، بنابراین قیمت گذاری ناشناخته است. جلد."

AnandTech گفت که آنها هیچ گونه اطلاعات رسمی در مورد قیمت گذاری و در دسترس بودن این پردازنده های جدید ندارند ، اما می توان انتظار داشت این شرکت در ماه های آینده لپ تاپ هایی را ارائه دهد که از طریق چنین پردازنده ها تغذیه می شوند.

به نظر می رسید که هنوز تیلور در TechSpot از عدم اطلاع رسانی در مورد قیمت گذاری شگفت زده نشده است. وی نوشت: "هیچ قیمت خرده فروشی برای این CPU ها در صورت وجود وجود ندارد ، بطور کلی ، به عنوان اجزای نصب شده".

 http://mediajx.com/story8048172/قیمت-اکچویتور

برای موفقیت در "Lure of the Labyrinth" ، یک بازی ویدئویی که توسط طراحان بازی آموزشی MIT's Arcade ساخته شده است ، بازیکنان حیوانات خانگی را از یک بندر زیر زمینی ساکن هیولا نجات می دهند. با انجام این کار ، آنها معماهای ریاضی را حل می کنند ، نقشه های رمزگشایی می کنند ، لباس های هیولا را به عنوان مبل می پوشند و با آیریس ، دختر هرمس از اساطیر کلاسیک همکاری می کنند. با سرسختی ، بازیکنان می توانند طرح هیولا را خنثی کنند و صدها حیوان خانگی را آزاد کنند.

"هزارتوی" برای بچه های مدرسه در نظر گرفته شده است. این بازی با تأمین برنامه آموزشگاه های ستارگان وزارت آموزش و پرورش ایالات متحده در بالتیمور و مریلند روستایی مورد آزمایش قرار گرفت ، از بازخورد معلمان استفاده کرد و برای بهبود ریاضیات و سوادآموزی در مقطع راهنمایی در نظر گرفته شده است. این همچنین به معنای یک چالش قانع کننده و رقابتی به خودی خود است.

پروفسور اریک کلوفر ، مدیر برنامه آموزش معلمان Scheller MIT و گذرگاه آموزشی می گوید: "این هم بازی خوب است و هم یک تجربه آموزشی خوب."

به همین ترتیب ، "Labyrinth" موارد زیادی راجع به فلسفه آموزش بازی ، یک برنامه طراحی واقع در محل بازی و یادگیری نشان می دهد. همانطور که اصول برنامه می نویسند ، دنیای "هزارتوی" برای کمک به بچه ها "در مدرسه و زندگی از طریق پشتکار و همکاری موفق می شوند."

به طور خلاصه ، یک بازی می تواند ذهنیت رشد را تقویت کند.

Scot Osterweil ، طراح بازی و مدیر خلاق آموزش می گوید: "هدف ما فقط ساختن بازی های جالب و جذاب در کلاس نیست بلکه واقعاً اتصال به قدردانی عمیق دانش آموزان از یادگیری و مسیر خاص خودشان در زندگی است." گذرگاه طاقدار.

اکنون ، اعضای Arcade Education ، فلسفه موجود در كتاب "بازی های رزونانس" را كه توسط MIT Press منتشر شده است ، شرح می دهند. نویسندگان کلوفر هستند. اوسترویل؛ جیسون هااس ، طراح بازی و دستیار تحقیقاتی در آزمایشگاه MIT Media و Arcade Education؛ و لوسیا روزنک ، طراح و مدیر تحقیق در بازی آموزش و پرورش.

نویسندگان با تأکید بر بیش از یک دهه تحقیق و طراحی ، نویسندگان مجموعه اصلی اصول را مورد بحث قرار می دهند - "برای تمام یادگیرنده احترام بگذارید" ، برای مبتدیان - و ایده های مربوط به طراحی بازی آموزشی را ذکر می کنند ، ضمن اینکه تأکید می کنند که خودشان ، در مورد مهارت خود ادامه می دهند. .

کلوفر می گوید: "ما یک لیست از اصول داریم." "این یک فرمول نیست."

تعجب ، تعجب

در واقع ، یکی از انگیزه های "بازی های رزونانس" این است که ، در حالی که تجربه و داده ها بازخورد مفیدی را ارائه می دهند ، طراحی بازی یک کار غیرقابل پیش بینی است: هرگز کاملاً مشخص نیست که بازی های خاص با مخاطب چقدر خوب جذب خواهند شد.

اوسترویل می گوید: "طراحی خوب معمولاً تعجب آور است." "این ابتدا شما را شگفت زده می کند ، سپس بازیکن را شگفت زده می کند."

یک بازی 2011 "آموزش بازی" را که با همکاری موسسه اسمیتسونیان ساخته شد ، از بین رفت.

فرضیه این بازی دو ماهه با هزاران شرکت کننده این بود که افراد از آینده در زمان حاضر با ما تماس گرفتند ، با این سؤال که: چه رویدادی پس از زمان حال ما اما قبل از زمان آنها منجر به از بین رفتن سوابق تاریخی تمدن شد؟ با رمزگشایی سرنخ ها ، بازیکنان مجبور بودند اطلاعاتی در مورد وضعیت فعلی زمین ، از جمله دما و داده های گونه ها پیدا کنند و تهیه کنند.

اوسترویل می گوید: "با" از بین رفتن "ما به طور مداوم در حال یادگیری چیزهای جدید در مورد بازیکنان بودیم و بازی را با آنچه در بازیکنان حس می کردیم تغییر دادیم." آنها از عمق درگیری آنها ما را شگفت زده کردند. "

بعضی اوقات تعجب ناشی نمی شود که مردم چگونه یک بازی را انجام می دهند ، بلکه چه کسی آن را بازی می کند. به ترتیب یک جفت بازی که Arcade Education در سال 2008 و 2009 ایجاد کرده است را انجام دهید. "Palmagotchi" یک بازی در سطح متوسطه در مورد زیست شناسی تکاملی است ، شبیه سازی جزیره ای که بازیکنان در مدیریت اکوسیستم به آنها کمک می کنند. "Weatherlings" که با همکاری دانشگاه فنی نانیانگ در سنگاپور ایجاد شده است ، یک بازی به سبک Pokemon با کارتهای جمع آوری آنلاین است که نمایانگر موجودات وابسته به هوا است که در شهرهای آمریکا با یکدیگر نبرد می کنند.

به محققان Education Arcade هشدار داده شد كه انتظار پاسخی بسیار جنسیتی نسبت به بازی ها داشته باشند ، اما در واقعیت ، این اتفاق نیفتاد.

"ما بازخوردهای زیادی از طرف افرادی که می گفتند ، دریافت کردیم ،" آه ، این بازی اول فقط برای دختران جذاب است. Klopfer می گوید ، پسران نمی خواهند آن بازی را انجام دهند. "دوم ، آنها مثل این بودند ، پسران Pokemon بازی می کنند. دختران نمی خواهند که بازی کنند. و ما در واقع فهمیدیم که دختران و پسران به طور یکسان درگیر آنها هستند. ما پسرهای دبیرستانی داشتیم که در آستانه اشک بودیم زیرا پرندگان مجازی آنها مرده بودند. "

پروژه های هنری

به دلایلی مانند این ، محققان آموزش و پرورش Arcade تأکید می كنند كه احتمالاً رویكرد ناهنجاری برای طراحی از كار می رود. بهتر است طراحان یک موضوع بازی را دنبال کنند که به نظر جذاب می رسد و امیدوار باشند که دیگران نیز به آن علاقه پیدا کنند.

هااس ، طراح بازی و دکتری می گوید: "شما باید آن را به عنوان یک پروژه هنری ببینید." کاندیدای آزمایشگاه رسانه ای MIT. "شما باید احساس کنید این چیزی است که مردم می توانند عاشق آن شوند."

با این وجود ، "بازی های طنین انداز" پر است از اصول سازماندهی برای تفکر در مورد بازی های آموزشی ، از جمله چهار اصلی که نویسندگان در ابتدا لیست می کنند. این مفهوم که ما باید "به تمام یادگیرنده احترام بگذاریم" ، به این معنی است که باید بخاطر بسپاریم که یادگیرندگان "انسانهای کاملی با طیف احساسات ، لایک و دوست نداشتن" هستند که اغلب آنها باید با داستان های جالب ، معماها جلب شوند. ، و چالش ها

اوستریول اظهار داشت: "مردم عاشق حل مشکلات هستند." "اگر مردم خیلی بزرگ یا خیلی مبهم به نظر برسند ، مردم لحظه به لحظه می روند. اما اگر می توانید یک مشکل را درک کنید ، مردم تمایل به حل آن دارند. و این همان چیزی است که ما در تلاشیم تا آن را مهار کنیم."

سایر محققان این رشته از این کتاب ستایش کرده اند. Jan L. Plass ، استاد رسانه های دیجیتال و علوم یادگیری در دانشگاه نیویورک ، آن را "یک کتاب بسیار اصیل" و "منبع بسیار با ارزش" برای سایر طراحان خوانده است. هنوز هم ، همانطور که نویسندگان یادداشت می کنند ، تیم آموزش بازی Arcade ادعا نمی کند که برای ایجاد سرگرمی ، انجام بازی های آموزشی ، همه پاسخ ها را دارد. اما آنها حداقل می توانند نشان دهند که چگونه سایر طراحان می توانند موفقیت پیدا کنند.

"آینده ای که ما تصور کنید،" Osterweil می گوید، "است که در آن بازی ما ریاضی می شود نه بازی برای هر معلم مدرسه ابتدایی وسط، بلکه کل جهان از امکانات طوری که بچه ها می توانند خود را در هر تعداد از تجارب معنی دار پیدا کنید."

 http://bookmarkbirth.com/story5532517/پمپ-وکیوم-آبی

شیمیدانان آزمایشگاه ملی Oak Ridge وزارت انرژی روش عملی و با صرفه جویی در جذب دی اکسید کربن (CO2) به طور مستقیم از هوا را نشان داده اند. آنها یافته های خود را در Nature Energy گزارش می دهند . در صورت استقرار در مقیاس بزرگ و همراه با ذخیره زمین شناسی ، این روش ممکن است پرتفوی پاسخ های مربوط به تغییرات آب و هوایی جهانی را تقویت کند.

رادو كاستزلسن از ORNL ، كه این مطالعه را تصحیح و رهبری می كند ، گفت: "فن آوری های انتشار منفی - برای حذف خالص گازهای گلخانه ای از جو" در حال حاضر برای تثبیت آب و هوا ضروری تلقی می شوند. این عقیده نتیجه گیری گزارش اخیر آکادمی ملی علوم را تکرار می کند. وی افزود: "رویکرد جذب مستقیم هوا ، پایه و اساس یک فناوری انتشار منفی انرژی پایدار را فراهم می کند."

این دستاورد براساس یک مطالعه اصولی از شیمیدانان انجام شده در سال گذشته ، که از طریق یک فرآیند دو چرخه بهبود یافته است که سرعت و ظرفیت جذب CO2 را به طرز چشمگیری افزایش داده است ، بهبود می بخشد و کاملاً بازیافت کننده اسید آمینه و ترکیب گانیدین است.

کاهش انتشار CO2 در منبع آنها ارزان تر و آسان تر از بازگرداندن انتشار گازهای گلخانه ای از جو است. صرف نظر از این ، استقرار در مقیاس وسیع فناوریهایی مانند ضبط مستقیم هوا از CO2 ، اکنون برای محدود کردن افزایش میانگین دمای جهانی به 2 درجه سانتیگراد (4 درجه فارنهایت) ضروری به نظر می رسد.

محدود کردن گرم شدن تا 2 درجه سانتیگراد نیاز به گرفتن میلیاردها تن یا گیگاتون CO2 از جو دارد. در اصل ، درختان می توانستند این کار را انجام دهند. كاستلچان گفت ، با این حال ، برای گرفتن CO2 در این مقیاس ، "باید درختانی را در سطح هند به اندازه درختان كشت كنید." نیل ویلیامز ، مؤسس گفت: گرفتن یک گیگاتن CO2 در سال با اسکرابر های صنعتی فقط به 7000 کیلومتر مربع (2700 پوند مربع) نیاز دارد - مسافتی کمتر از جزیره بزرگ هاوایی.

برای مطالعه ORNL اخیر ، ویلیامز و فلاوین Brethomé اسیدهای آمینه را با آب مخلوط كردند تا یك ماده جاذب آبی برای جذب CO2 از هوا ایجاد كنند. اسیدهای آمینه نسبت به سدیم سدیم یا هیدروکسیدهای پتاسیم و یا آمینهای خوش بو ، ایمن تر هستند ، صربنت های مورد استفاده در اسکرابر های CO2 صنعتی.

دانشمندان جذب کننده آب خود را در یک مرطوب کننده خانگی قرار می دهند تا حداکثر تماس بین هوا و جذب کننده را افزایش داده و در نتیجه سرعت جذب CO2 را افزایش دهد. پس از جذب به مایع ، CO2 نمک بی کربنات تشکیل داد.

چارلز سیپ ، همکارش یک ترکیب آلی حاوی گوانیدین ، ​​گروههای شیمیایی رایج در پروتئین ها که می توانند یونهای با بار منفی را به هم وصل کنند ، طراحی و سنتز کرده بود. ویلیامز و برتومه ترکیب گانیدین Seipp را به محلول حاوی اسید آمینه حاوی بی کربنات اضافه کردند ، و نمکی کربنات نامحلول ایجاد کردند که از محلول رسوب می کند و باعث احیا کننده اسید آمینه می شود که قابل بازیافت است.

بخش مهمی از مطالعه ، تجزیه و تحلیل ترمودینامیکی کاملی از فرایند توسط کاستولسین و میشل کیدر بود که تعیین کرد که برای رانندگی هر واکنش شیمیایی چقدر انرژی لازم است. آخرین مرحله - آزاد کردن CO2 از بلورهای کربنات ، بنابراین می توان آن را در طولانی مدت ذخیره کرد - به ویژه برای توسعه یک فرایند پایدار با انرژی بسیار مهم است. از آنجا که CO2 در یک جامد کربنات گوانیدین گنجانیده شده است ، می توان آن را در دماهای بسیار پایین تر (80-160 درجه سانتیگراد ، یا 176-320 درجه فارنهایت) از نمک های معدنی مورد استفاده در فن آوری های ضبط فعلی آزاد کرد ، که به دمای بیش از 800 درجه نیاز دارند. C (1،472 درجه فارنهایت) برای انتشار CO2. با این وجود ، تجزیه و تحلیل نشان داد گرما مورد نیاز برای رهاسازی CO2 از بلورهای کربنات گوانیدین هنوز هم قابل توجه است.

برای ایجاد فرایند پایدار در کل فرایند انرژی ، كاستالسین تصمیم گرفت از انرژی خورشیدی متمرکز استفاده كند. او یک اجاق گاز خورشیدی را به دست آورد که معمولاً برای پختن غذاها با استفاده از یک آینه سهمیه ای برای تمرکز اشعه خورشید استفاده می شد. کریستالهای کربنات گوانیدین روی یک سینی درون اجاق خورشیدی قرار داده شدند و CO2 در طی یک فرایند بازسازی ترکیب گوانیدین برای بازیافت ، در حداقل 2 دقیقه آزاد شد.

كاستلچان گفت: "استفاده از انرژی تجدید پذیر از اهمیت زیادی برخوردار است زیرا تا آنجا كه ممكن است می خواهید از تولید بیشتر CO2 در فرآیند تلاش برای جذب آن خودداری كنید." وی گفت: در این آزمایش از گرمای خورشیدی استفاده شده است ، اما گرمای ضایعات - مانند تهویه هوا و نیروگاه ها - نیز کار می کنند.

با پیشروی ، محققان دوست دارند صربنت های ساده تر و مؤثرتر مبتنی بر گوانیدین را طراحی کرده و درک بهتری از جنبه های ساختاری ، ترمودینامیکی و مکانیکی فرایند جذب مستقیم هوا بدست آورند.

كاستلكان توضیح داد: "تمام بلورهایی كه تاكنون ساخته ایم شامل آب هستند كه آنیون های كربنات را هیدراته می كنند." "هنگامی که شما سعی می کنید CO2 را آزاد کنید ، باید آب را نیز از بین ببرید ، و این بیشتر انرژی را مصرف می کند. ما در تلاش هستیم تا لیگاند گوانیدین نسل بعدی را طراحی کنیم که CO2 را به عنوان کربنات" خشک "بپیوندد."

در حال حاضر روند مقیاس ORNL می تواند 100 گرم CO2 را در 24 ساعت ضبط کند.

محققان متقاضی ثبت اختراعات برای توصیف روند هستند. برای مرحله بعدی ، آنها به دنبال شریک صنعتی هستند تا روند کار را از دموی بنچست تا کارخانه آزمایشی و در نهایت کارخانه صنعتی در مقیاس کامل انجام دهد.

عنوان مقاله "ضبط هوای مستقیم CO2 از طریق جذب فاز آبی و انتشار فاز کریستالی با استفاده از انرژی خورشیدی متمرکز" است.

 http://bookmarkport.com/story5694422/پمپ-وکیوم-آبی

محققان در آزمایشگاه استاد یاسامین مستوفی دانشگاه یاس سانتا باربارا اولین تظاهرات تعداد جمعیت را از طریق دیوارها با استفاده از تنها سیگنالهای ارتباطی روزمره مانند WiFi انجام داده اند. این تکنیک که تنها به یک فرستنده و گیرنده بی سیم در خارج از محدوده مورد علاقه نیاز دارد ، می تواند برنامه های مختلفی از جمله مدیریت انرژی هوشمند ، برنامه ریزی برای تجارت خرد و امنیت را داشته باشد.

مستوفی ، استاد مهندسی برق و کامپیوتر در UC سانتا باربارا گفت: "رویکرد پیشنهادی ما امکان تخمین تعداد افراد داخل یک اتاق را از خارج ممکن می کند." "این رویکرد فقط از اندازه گیری های WiFi RSSI استفاده می کند و برای حمل وسیله ای به مردم متکی نیست."

روش پیشنهادی و نتایج تجربی در کنفرانس بین المللی سنجش ، ارتباط و شبکه در کنفرانس بین المللی IEEE 2018 IEEE 2018 ارائه شد (SECON)

در آزمایشات تیم ، یک فرستنده WiFi و یک گیرنده WiFi در پشت دیوارها قرار دارند ، در خارج از اتاقی که تعدادی از افراد در آن حضور دارند. اتاق می تواند بسیار شلوغ باشد به عنوان 20 نفر با یکدیگر zigzagging می کنند. فرستنده یک سیگنال بی سیم می فرستد که قدرت سیگنال دریافتی آن (RSSI) توسط گیرنده اندازه گیری می شود. با استفاده از تنها اندازه گیری های قدرت سیگنال دریافت شده ، گیرنده تخمین می زند که تعداد افراد در داخل اتاق هستند - تخمینی که با تعداد واقعی مطابقت دارد. قابل توجه است که محققان هیچ اندازه گیری یا کالیبراسیون قبلی در منطقه مورد نظر انجام نمی دهند؛ رویکرد آنها فقط یک مرحله کالیبراسیون بسیار کوتاه دارد که نیازی به انجام در همان منطقه نیست.

شمارش از طریق دیواره کلاغ با WiFi. اعتبار: ساندیپ دپاتلا و یاسامین مستوفی ، UCSB
این پیشرفت بر اساس کارهای قبلی در آزمایشگاه مستوفی انجام شده است ، که از سال 2009 چندین نشریه در فرکانس رادیویی مانند WiFi با پیشگویی های مختلف با سیگنال های فرکانس رادیویی مانند WiFi را آغاز کرده است. به عنوان مثال ، مقاله 2015 آنها تعداد جمعیت را بدون تکیه بر افراد برای حمل وسیله ای نشان داده است. ، اما با فرستنده و گیرنده در همان منطقه مانند مردم.

مستوفی گفت: "با این وجود ، امکان شمارش زیاد جمعیت از طریق دیواری به دلیل سطح ضعف زیاد توسط دیوارها به طور قابل توجهی چالش برانگیز است." موفقیت آزمایشگاه وی در این تلاش به دلیل روش پیشنهادی جدیدی است که آنها توسعه داده اند.

نکته مهم این فناوری این است که حضور و حرکت انسان می تواند باعث افت قابل توجهی شود - تصور می شود در این پروژه به عنوان "حوادث" در قدرت سیگنال دریافت شده است .

مستوفی گفت: "دنباله رویداد را که مربوط به وقوع افت چشمگیر سیگنال است ، در نظر بگیرید." "یک زمان بین رویداد ، آن زمان بین دو رویداد متوالی است." رویکرد محققان برای امکان شمارش جمعیت از طریق دیوار ، مبتنی بر توصیف ریاضی محتوای اطلاعات زمان وقایع بین سیگنال دریافتی و ارتباط آن با تعداد کل سرنشینان است.

سعید ساندیپ دپاتلا ، دانشجوی دکتری سرب ، گفت: "ما مشاهده کرده ایم که در حالی که می توان شدت سیگنال را به شدت از طریق دیوارها ضعیف کرد ، اما زمانهای رویدادهای مربوط به وقایع افت سیگنالهای قابل توجه نسبت به ضعفهای دیواری قوی تر است." دانش آموز در این پروژه بنابراین ، رویکرد محققان مبتنی بر بهره برداری از این زمانهای بین رویدادی است.

به طور خاص ، محققان با مدل سازی توالی رویداد مربوط به افت سیگنالهای مهم به عنوان یک فرآیند از نوع تجدید ، از ابزار ریاضیات از ادبیات فرآیند تجدید استفاده کرده اند ، یک زمینه نظری که کاربردهایی در زمینه هایی مانند قابلیت اطمینان و تحلیل ریسک پیدا کرده است. محققان پس از اشتقاق طولانی توانستند از نظر ریاضی آماری از زمان وقایع بین رویدادها را الگوبرداری کنند و صریحاً آنها را با تعداد کل سرنشینان منطقه ارتباط دهند.

آزمایشگاه مستوفی فن آوری جدید خود را بطور گسترده و در مکانهای مختلف با خصوصیات دیواره های مختلف و تعداد افراد مختلف مختلف آزمایش کرده است. تا 20 سال آنها. از جمله تعداد دقیق 20 نفر است. پیوند WiFi. همچنین قابل توجه است که راه اندازی آنها فقط از فرستنده های WiFi خارج از قفسه تشکیل شده است.

 http://socialnetworkadsinfo.com/story5719319/پمپ-وکیوم-آبی

اخیراً یک شرکت غیر متعارف به نام HumanMachine یک نمایش تئاتر منحصر به فرد به نام Improbotics ابداع کرده است که هم مجری انسانی و هم ماشین آلات را درگیر می کند. این جدیدترین سری از پروژه ها و ابتکارات است که دنیای تئاتر را با یادگیری ماشین و رباتیک ادغام می کند.

به عنوان بخشی از مطالبی که سال گذشته در AAAI AIIDE منتشر شد ، پیوتر میرووفسکی و کوری ماتئوسون ، دو محقق این پروژه ، "بداهه ساز" مصنوعی مبتنی بر یادگیری عمیق را تهیه کردند که آن را با زیرنویس های فیلم آموزش دادند. این دستگاه عجیب و غریب می تواند خطوط گفتگو قابل قبول ، متناسب با متن ایجاد کند که برای تئاتر مناسب است.

پیوتر میرووفسکی ، یکی از محققانی که این تحقیق را انجام داده است ، گفت: "در تحقیقات قبلی ما ، یک چت بابات و روبات مبتنی بر هوش مصنوعی را به عنوان یک شریک مرحله ای (و نه دشوار) برای کمدی بداهه (بداهه)" گنجانیده ایم . "ما انسان ها و ماشین ها را در صحنه تئاتری ترکیب کردیم و این روبات تجسم چت بابات بود."

این آزمایش دو محدودیت اساسی در انجام کمدی بداهه با یک شریک روبات را برجسته کرد. اول اینکه ، این ربات اغلب برای تولید خطوط خود مدتی طول می کشد ، در نتیجه عدم زمان بندی مناسب ، که جوهر کمدی است. دوم ، آنها همچنین در تفسیر عاطفی متن ، مشکلاتی را مشاهده کردند.

بنابراین ، در مطالعه جدید خود ، محققان این ربات را با یک مجری انسانی جایگزین کردند که خطوط را از طریق هدفون از chatbot دریافت می کند اما تعبیر خود را به آنها اضافه می کند. در همین حال ، سایر نوازندگان روی صحنه بطور آزاد بداهه می روند و با بازیگر مطرح AI ارتباط برقرار می کنند. محققان این عملکرد را به عنوان یک تست تورینگ یا همان بازی تقلید ، در یک تئاتر برگزار می کنند که در آن مخاطبان و مجریان باید حدس بزنند که انسان چیست و چه کسی توسط یک ماشین برانگیخته می شود.

میرووفسکی گفت: "هدف اصلی این کار کشف چگونگی همکاری بدون درز یا چالش برانگیز با یک شریک صحنه دستیاری برای اجرای زنده است." وی گفت: "برای لذت مخاطب ، نمایش بداهه را به یک بازی حدس زده تبدیل کردیم. هویت مجری هوش مصنوعی را پنهان می کنیم و همچنین یک طعمه را اضافه می کنیم: بداهه نوازی دیگری که کنترل می شود اما در واقع خط هایی را از یک انسان دریافت می کند ، در پشت صحنه. بداهه نوازان نیز برای پوشاندن هویت خود از تماشاگران از دستگاه های پرسشی مشابهی استفاده می کنند.

چت بوت ایجاد شده توسط محققان توسط یک شبکه عصبی ساخته شده است ، که شبیه اکثر الگوریتم های پیشرفته ای است که در حال حاضر برای تشخیص خودکار گفتار و ترجمه زبان مورد استفاده قرار می گیرند. این chatbot که با زیرنویس های فیلم از OpenSubtitles.org آموزش دیده است ، خط ورودی گفتگو را پردازش می کند و پاسخ های احتمالی را صادر می کند.

کوری ماتئوسون ، محقق دیگری که این پروژه را انجام داده است ، گفت: "پاسخ های خروجی به صورت کلمه ای به کلمه با استفاده از یک مدل زبان تولید می شوند ، که احتمال آن را به کلمات بعدی ممکن اختصاص می دهد." "بنابراین در هر مرحله ، کلمه بعدی را نمونه می زند (مانند غلتک زدن یک مرد با وزن 50،000 یک طرفه ، جایی که 50،000 اندازه واژگان چت بابات است) بارها و بارها تا زمانی که یک انتهای آن را به حکم بپیوندد ، احتمالات یا همان وزن گیری را برای طرف های کلمه dice از زیرنویس های بیش از 100000 فیلم آموخته می شوند. "

ارزیابی های اولیه از این تولید غیرمعمول تئاتر نشان داد که تمرین بیشتر باعث افزایش مهارت می شود و کنترل حوادثی را که در طول اجرا اتفاق افتاد آسان تر می کند. محققان همچنین مشاهده كردند كه رابط و سازوكارهای مورد استفاده برای اجرای نمایش منجر به سازگاری كمتری با تجربیات دنیای واقعی می شوند.

میرووفسکی گفت: "یافته های جالب بسیاری از این مطالعه وجود دارد." "اولین مورد این است که سیستم در ابتدا برای بداهه نوازی بسیار چالش برانگیز است ، حتی اگر انسان تعبیر خود را اضافه کند. نتایج نظرسنجی از مخاطبان همچنین حاکی از این است که آنها معتقدند که مجریان از استقلال بیشتری نسبت به آنچه معتقدند نوازندگان است."

انجام عملکردی که ترکیبی از خطوط انسانی و ماشینی است همچنین به میروسسکی و ماتسسون امکان مقایسه کیفیت گفتگوهای حاصل را می دهد. به طور کلی ، آنها دریافتند که خطوط تولید شده بشر کوتاه تر ، مثبت تر بوده و کلمات کمتری از خطوط تولید شده توسط بداهه مصنوعی استفاده می کنند. نوازندگان انسانی نیز خطاهای گرامری و هجی بیشتری مرتکب شدند.

ماتئوسون گفت: "ما از اینكه سوژه های انسانی ما چگونه موفق شدند وانمود كنند كه با یك هوش مصنوعی كنترل می شوند ، شگفت زده شدند ." "آنها توانستند سخنرانی خود را اصلاح كنند تا سخنرانی مورد انتظار سیستم AI را تقلید كنند."

محققان اکنون با درج بازخوردی از مجریان انسانی ، روشهای بهبود کیفیت خطوط بداهه مصنوعی را کشف کرده اند. این امر می تواند با استفاده از الگوریتم های یادگیری ماشین و پردازش زبان طبیعی (NLP) حاصل شود.

میرووفسکی توضیح داد: "نوازندگانی که پیشنهادات چت بابات را ترغیب می کنند ، باید سریع تصمیم بگیرند. "هرچه مجموعه پیشنهادات انتخاب شده از آنها بهتر باشد ، به زمان کمتری برای خرج کردن صرف می کنند و نمایش ما هموارتر خواهد بود."

Improbotics نمونه ای جالب از چگونگی به کارگیری یادگیری ماشینی نه تنها در زمینه های صنعتی یا علمی بلکه برای ایجاد هنر و سرگرمی نوآورانه است. در حالی که جنبه های مختلفی از این عملکرد هنوز هم باید بی نقص باشد ، محققان بر این باورند که هوش مصنوعی می تواند یک لایه جالب به بداهه سازی تئاتر اضافه کند.

ماتئوسون گفت: "ما همچنین امیدواریم که با تمرکز روی قوس های روایی اساسی ، جهت نقشه و تولید ساختار ، تحقیقات را گسترش دهیم." "ما با درج جزئیات بیشتر در مورد اجزای سطح بالاتر نمایش ، معتقدیم همکاری انسان و ماشین می تواند برای مخاطبان سرگرم کننده تر باشد و برای بداهه گویان انسان لذت بخش تر باشد."

 http://socialrus.com/story5196221/پمپ-وکیوم-آبی