با سلام و احترام به همراهان وبسايت ويژه ی نابينايان شرکت دانش بنیان پکتوس. در نود و سومین شمارگان دکه ی خبر دنياي موبایل و کامپیوتر، 15 خبر مهم در طول هفته ی گذشته در دنیای تلفن همراه و رایانه تقديم شما گراميان مي شود.
نورونتا، اولین شبکه اختصاصی غیر اشتراکی ایران با ۳۰ هزار لینک فعال رونمایی شد
ژرف نگر به عنوان پیمانکاران فعال صنعت فاوای کشور با برگزاری مراسمی به همراه شرکت مخابرات ایران از ۳۰ هزار لینک فعال شبکه ی اختصاصی غیر اشتراکی نورونتا رونمایی کرد.
به گزارش زومیت، همایش رونمایی از ۳۰ هزار لینک فعال و آشنایی با مزیت ها و کاربردهای اولین شبکه اختصاصی غیر اشتراکی نورونتا برای انتقال دیتا روز سه شنبه ۱۲ تیر با حضور جمعی از مدیران فناوری اطلاعات کشور در سالن شهید قندی وزارت ارتباطات برگزار شد.
این همایش به صورت مشترک توسط شرکت مخابرات ایران و شرکت ژرف نگر با هدف معرفی شبکه ارتباط بین سازمانی نورونتا برگزار شد. در این مراسم جمعی از مدیران شرکت مخابرات ایران و شرکت خدمات انفورماتیک ایران به عنوان تامین کننده بستر ارتباط شبکه ای بین بانکی کشور که شتاب نام دارد، مزیت ها و قابلیت های شبکه نورونتا را برای مدیران فناوری اطلاعات سازمان ها و شرکت های خصوصی و دولتی تشریح کردند.
«نورونتا» اولین شبکه اختصاصی غیر اشتراکی دیتای بین سازمانی است که ساختاری مجزا از شبکه های عمومی IP و اینترنت دارد. این شبکه در حال حاضر با بیش از ۳۰ هزار لینک فعال در سراسر کشور پهنای باند کاملا اختصاصی در اختیار سازمان ها و شرکت ها قرار داده است تا در یک بستر امن و مطمئن و پایدار اطلاعات را بین شعب خود منتقل کنند.
نورونتا محصول مشترک شرکت ژرف نگر و مخابرات ایران است. شرکت ژرف نگر از سال ۷۹ با شرکت مخابرات ایران همکاری دارد. این شرکت به عنوان یکی از پیمانکاران فعال صنعت فاوای کشور از طریق عقد قرارداد به شکل BOT با شرکت مخابرات ایران وارد همکاری شده و تا کنون موفق به طراحی، اجرا و فعال سازی بیش از ۳۰ هزار لینک از پروژه نورونتا شده است. البته در ادامه پروژه این شرکت ظرفیت راه اندازی و فعال سازی ۱۰۰ هزار لینک را در این شبکه اختصاصی بوجود آورده است.
در ابتدای این مراسم سید علی ملک جعفریان، مدیر مخابرات منطقه تهران در مورد خدمات این شرکت در حوزه دیتا گفت: شرکت مخابرات منطقه تهران در دو حوزه دیتای خانگی و تجاری خدمات خود را ارائه می دهد. این خدمات در حوزه تجاری در قالب شبکه دیتای لایه سه و لایه دو در حال ارائه است.
مدیر مخابرات منطقه تهران همچنین در مورد همکاری با شرکت ژرف نگر افزود: شبکه لایه دو به دلیل اهمیت حفظ اطلاعات، مورد استفاده سازمان های خاص مثل بانک ها است. در این بخش از سال های گذشته شرکت ژرف نگر با در اختیار داشتن تجهیزات مورد نیاز خدمات قابل توجه ای را ارائه کرده است.
با توجه به اینکه نورونتا مبتنی بر اینترنت نیست و خطرات امنیتی معمول این شبکه را ندارد، از ابتدای دهه هشتاد به عنوان یک گزینه امن و با کیفیت برای ارتباطات بین سازمانی نهادها و سازمان های خصوصی و دولتی مورد توجه قرار گرفت. بر این اساس تاکنون ۲۰ هزار شعبه از بانک ها و همچنین دفاتر سازمان های دولتی و خصوصی از این فناوری استفاده می کنند.
در شبکه نورونتا سطح کیفی خدمات (SLA: Service Level Agreement) در چهار سطح برنزی، نقره ای، طلایی و الماس ارائه می شود. که همه این سطوح در ۳۱ استان و حدود ۹۰۰ شهر و بیش از ۱۶۰۰ مرکز مخابراتی سراسر کشور قابل عرضه است.
در ادامه این همایش حمید یزدانی، مدیرعامل شرکت ژرف نگر گفت: از سال ۹۵ با سرمایه گذاری های خوبی که صورت گرفت توانستیم تجهیزات سخت افزاری و نرم افزاری خود را ارتقا دهیم و از یک شبکه لایه دو به یک شبکه پیشرفته و منعطف تبدیل شویم. در ابتدای شروع پروژه تصمیم گرفته شد تا این پروژه را با یک برند ویژه عرضه کنیم که نام نورونتا با الهام از سلول های عصبی نورون انتخاب شد.
به گفته مدیر عامل شرکت ژرف نگر، شبکه دیتای بین سازمانی نورونتا در حال حاضر تنها شبکه موجود در کشور است که می تواند به مشترکین خود تضمین کیفیت (SLA) بدهد. این شبکه دارای ماهیت TDM Base بوده و به همین دلیل در تمامی زمان ها ضریب دسترسی بالای ۹۹٪ را دارد.
از سوی دیگر شبکه نورونتا علاوه بر استفاده از استانداردهای TDM و SDH و Circuit Switch می تواند از تکنولوژی شبکه های L2/L3 نیز بهره برده و در بستر کاملا اختصاصی سرویس L3 را هم ارائه کند. در این شبکه ها سرویس صرفاً به صورت سیگنال های سنکرون (همزمان) بین دو نقطه برقرار می شود به همین دلیل ضریب نفوذ روی این ارتباطات نزدیک به صفر است و با هرگونه دست کاری و اقدام به ورود، ارتباط قطع می شود.
یزدانی با اشاره به برنامه های توسعه شبکه نورونتا از فعال شدن ۷۰ هزار پورت در طی دو سال آینده خبر داد. نورونتا دارای مدیریت شبکه متمرکز کشوری و مرکز نگهداری و مانیتورینگ اختصاصی است. ازهمین رو این شبکه به طور پیوسته در کل کشور مانیتور و نگهداری می شود. این درحالی است که در شبکه اینترنت کشور این امکان به شکل پیاده سازی شده در شبکه نورونتا، وجود ندارد. زیرا نصب و راه اندازی شبکه های مبتنی بر اینترنت در کشور بصورت جداگانه در هر منطقه ایجاد شده و امکان نگهداری و مانیتورینگ یکپارچه را ندارد و در هر منطقه مدیریت شبکه مجزا صورت می گیرد که این موضوع امنیت و کیفیت و پایداری انتقال دیتا بین سازمان ها را دچار اختلال می کند.
نماینده شرکت خدمات انفورماتیک ایران به عنوان اولین دریافت کننده خدمات قرارداد SLA نقره ای نورونتا نیز در این مراسم سخنرانی کرد. مهران محرمیان، معاون شبکه شرکت خدمات انفورماتیک ایران در سخنان خود مواردی همچون فیبر تاریک، سایت پشتیبان، پاسخگویی و حل سریع نواقص شبکه را به عنوان اصلی ترین چالش های این حوزه بیان کرد.
در ادامه این همایش معاون تجاری شرکت مخابرات منطقه تهران با مقایسه دو شبکه نورونتا و SDH نداشتن محدودیت سرعت، ارائه خدمات متنوع تر و پیشرفته تر و هوشمندی بیشتر را به عنوان مزیت های اصلی نورونتا عنوان کرد.
نورونتا برای سرویس دهی به مشترکان تجاری، مالی و حاکمیتی طراحی و به صورت کاملاً مجزا از سایر شبکه های شرکت مخابرات ایران پیاده سازی شده است. بانک ها، وزارتخانه ها، سازمان ها، مراکز بیمه، استانداری ها و … از جمله مشتریان نورونتا هستند.
سیستم هوش مصنوعی علی بابا، برای فروشندگان در این سرویس، تولید محتوا خواهد کرد
هوش مصنوعی در خدمت فروشندگان کالا و خدمات در علی بابا قرار گرفته و محتوای باب میلشان را بدون نیاز به حضور انسان تولید خواهد کرد.
به گزارش زومیت، علی بابا اعلام کرده که ابزار تولید محتوای مبتنی هوش مصنوعی با تولید ۲۰ هزار خط محتوا در ثانیه، بیش از یک میلیون بار در روز توسط فروشندگان کالا در این سرویس به کار رفته است.
علی بابا سیستمی را معرفی کرده است که ادعا می کند می تواند تا ۲۰ هزار خط متن در یک ثانیه به کمک هوش مصنوعی تولید کند. این ابزار به بازرگانان فعال روی سایت های تجاری علی بابا کمک می کند، اطلاعات محصولاتشان را بدون دخالت انسان ایجاد و منتشر کنند.
طبق اعلام علی ماما که زیر نظر علی بابا به عنوان واحد بازاریابی دیجیتال فعالیت می کند، ماشین کپی راینتینگ، میلیون ها نمونه ی حاضر را روی پلتفرم های علی بابا یعنی Tmall و Taoba تحلیل کرده و با استفاده از مدل های یادگیری عمیق و پردازش زبان طبیعی، تولید محتوا را انجام می دهد.
کریستینا لو مدیر علی ماما به این نکته اشاره کرد که هوش مصنوعی به هیچ وجه نمی تواند جایگزین خلاقیت انسان باشد، اما می تواند جایگزینی برای امور تکراری و کم ارزش تر در کپی متون باشد، تا افراد فرصت بیشتری برای کارهای خلاقانه ی غنی داشته باشند.
فروشنده چینی اعلام کرد ماشین هوش مصنوعی آزمایش تورینک را پشت سر گذاشته است. در این مرحله هوش مصنوعی به قدری خوب عمل کرده که یک انسان نمی تواند با خواندن متن، تفاوت کار ماشین را با انسان تشخیص دهد.
در خصوص کار با ماشین هوش مصنوعی، علی بابا توضیح داد که برندها و تبلیغ کنندگان باید لینکی را که به صفحه محصول مربوط است، وارد کنند و گزینه ی Produce smart copy را بزنند. در اینصورت شاهد نمونه های مختلفی از متن خواهند بود و می توانند از میان آنها بهترین نتیجه را انتخاب کنند.
همچنین علی بابا افزود برندهای معروفی چون Esprit در زمینه ی مد و Dickies در زمینه پوشاک با استفاده از ویژگی های ابزار هوش مصنوعی توانسته اند با تغییر طول و لحن محتوا به هدف اصلی خود برسند. مثلا به گفته ی فروشنده، متون مختلف با لحن تبلیغاتی، کاربردی، سرگرم کننده، فریبنده، شاعرانه و … قابل انتخاب بود.
طبق گزارش علی بابا، تجار و بازرگانان در حدود یک میلیون بار در روز ابزار تولید محتوا را روی پلتفرم های تجارت الکترونیک وی نظیر ،Taoba Tmall، Mei.com و 1699.com به کار برده اند.
JD.com رقیب سرسخت علی بابا نیز در ماه گذشته از وجود روبات متنی هوش مصنوعی پرده برداشت، که به گفته ی او می تواند در عرض چند ثانیه متن های راهنما و توصیفی پیرامون محصولات ارائه دهد.
اپراتور چینی تجارت الکترونیک گفت که با کمک پردازش زبان طبیعی، هوش مصنوعی از کامنت های مشتریان و محتوای سایت تجارت الکترونیک JD.com آموخته و توانسته است ۱۰۰۰ قطعه متنی در روز تولید کند.
JD.com گفته است در حال آموزش هوش مصنوعی برای تشخیص تصاویر است.
IBM تراشه ای ۱۰۰ برابر سریع تر برای آموزش هوش مصنوعی معرفی کرد
محققان IBM، موفق به طراحی تراشه ی جدیدی با سرعت بالا و مصرف بهینه انرژی برای آموزش هوش مصنوعی شدند.
به گزارش زومیت، به لطف تراشه های قدرتمند گرافیکی و پیشرفت های صورت گرفته در حوزه ی محاسبات توزیع شده، بهینه سازی الگوریتم ها به عنوان هسته ی اصلی هوش مصنوعی آسان تر از همیشه شده است. اما حتی در تراشه های گرافیکی قدرتمند هم، ممکن است روزها یا هفته ها طول بکشد تا شبکه ی عصبی را آموزش بدهند و به همین دلیل این تراشه های قدرتمند در سخت افزارهای فعلی عملا کارایی چندانی ندارند و استفاده از آنها بهینه نیست.
محققان شرکت IBM موفق به طراحی تراشه ی جدیدی برای آموزش هوش مصنوعی شدند که فرآیند آموزش، در آن تسریع شده است. تیتر مقاله ی اخیر نشریه ی Nature درباره ی تراشه ی جدید گویای این موضوع است؛ افزایش سرعت آموزش شبکه ی عصبی با استفاده از حافظه ی آنالوگ. تیتر مقاله نشان می دهد طراحی جدید سیستم ترانزیستورها و خازن ها، باعث بالا رفتن سرعت آموزش شبکه های عصبی و مصرف بهینه انرژی می شود.
شبکه های عصبی شامل واحدهای به هم پیوسته ای به نام نورون ها یا گره ها هستند. مجموعه ای از گره ها، لایه نامیده می شود. شبکه های عصبی ورودی های عددی را دریافت می کنند. در یک شبکه ی پایه، نورون های منفرد، مقادیر عددی ورودی را در مقدار یا وزنی ضرب می کنند و مقدار نهایی به تابع فعال سازی که خروجی گره را تعیین می کند، منتقل می شود. با استفاده از استراتژی به نام Back Propagation، این مقادیر وزنی در طول زمان تعدیل و تنظیم می شوند و باعث افزایش دقت در محاسبات خروجی ها خواهد شد.
برخلاف پردازنده های سنتی که اعداد به صورت پیوسته به محاسبات وارد می شوند؛ GPUها، به صورت موازی محاسبات را انجام می دهند و برای فرآیندهایی سریع بسیار مناسب هستند و مصرف انرژی کمتری دارند. به دلیل اینکه پردازنده و حافظه در تراشه های گرافیکی فاصله زیادی از یکدیگر روی مادربرد دارند، تاخیرهایی برای رفت و برگشت داده ها بین آنها دیده می شود. استافانو آمبرگیو، یکی از محققان IBM که نقش برجسته ای در پروژه ی طراحی تراشه ی جدید دارد، اعلام کرد: رایانه های معمولی که برای مصرف عادی مورد استفاده قرار می گیرند، علاوه بر مصرف بالای انرژی، مدت زمان انتظار و تاخیر زیادی هم دارند.
راهکار پیشنهادی محققان برای حل این مساله، استفاده از حافظه ی آنالوگ و قطعات الکترونیکی سنتی است. هر سلول مجزا و منفرد از یک جفت واحد حافظه ی تغییر فاز (PCM)، و ترکیبی از یک خازن و سه ترانزیستور تشکیل شده است که به نورون های منفرد و مجزای شبکه ی عصبی پاسخ می دهد. PCMها، داده های وزنی را که در ترانزیستورها و خازن ها به صورت بار الکتریکی نشان داده شده اند، در حافظه ذخیره می کنند.
وقتی شبکه در حال یادگیری است، خازن مقدار وزن را آپدیت می کند و بعد از هزاران سیکل، آن را به PCM انتقال می دهد. خازن نمی تواند مقادیر را بیش از چند میلی ثانیه در خود حفظ کند، اما قادر است آن مقادیر را به سرعت برنامه ریزی کند. PCM، که نوعی حافظه ی غیرفرار است، برای ذخیره داده ها به منبع قدرت بیرونی نیازی ندارد.
محققان برای رسیدن به هدف، ترکیبی از PCMهای سخت افزاری و قطعات شبیه سازی شده نرم افزاری را برای ارزیابی طراحی مورد استفاده قرار دادند که در نهایت نتایج امیدوار کننده بود. تراشه ی جدید توانست محاسبات را در هر میلی متر مربع، ۱۰۰ برابر سریع تر از GPU به انجام برساند و مصرف انرژی ۲۸۰ برابر کمتری را مصرف کرد. آنچه بیش از همه جلب توجه می کند این است که این میزان سرعت و دقت با چارچوب یادگیری ماشین TensorFlow گوگل برای انواع وظایف مربوط به بینایی کامپیوتر مطابقت داشت.
آمبرگیو در ادامه ی صحبت های خود اضافه کرد: می توانیم محاسبات را به صورت دقیق تر و با دقتی در حد دقت نرم افزاری به انجام برسانیم.
تراشه ی جدید طراحی شده، مسایل خاص خودش را دارد و برای شبکه های عصبی که کاملا به هم پیوسته نیستند، مانند شبکه های LSTM به کار برده شده در اپلیکیشن های تشخیص گفتار پیشرفته، مناسب نیستند و منجر به مصرف بهینه ی انرژی نخواهند شد. اما محققان در صدد هستند در ادامه ی کار مسایل موجود را برطرف کرده و اقدامات لازم را به انجام برسانند.
آمبرگیو اطمینان دارد که تیم تحقیقاتی IBM می تواند در آینده ی نزدیک، تراشه های فیزیکی در مقیاس مناسب بسازد. تراشه های جدید برای آموزش شبکه های عصبی در گوشی های هوشمند و سایر سیستم هایی که در حال حاضر فاقد منابع محاسباتی لازم هستند، کاربرد خواهد داشت.
آمبرگیو در ادامه ی صحبت های خود گفت: موجب مسرت و خوشحالی است که وقتی نیاز هست، می توانیم به صورت مستقیم، پردازش های مبتنی بر هوش مصنوعی را به انجام برسانیم. وقتی شما قادر به آموزش دادن به یک مدل باشید، دیگر نیازی به ارسال اطلاعات به فضای ابری یا سیستم ارتباطی برای برقرار کردن ارتباط با چیزی نخواهید داشت و این سیستم می تواند فورا به هر شرایطی واکنش نشان دهد.
هوش مصنوعی دیپ مایند عکس دو بعدی را به سه بعدی تبدیل می کند
دیپ مایند که زیر نظر گوگل فعالیت می کند در حال توسعه ی هوش مصنوعی جدیدی است که می تواند با بررسی تصاویر دوبعدی از آن ها تصویر سه بعدی بسازد.
به گزارش زومیت، شرکت DeepMind که از شرکت های زیر شاخه ی گوگل است، به تازگی نوعی هوش مصنوعی را توسعه داده است که می تواند پس از مشاهده ی تصاویر به صورت دوبعدی، آن ها را به حالت سه بعدی تبدیل کند.
محققان هوش مصنوعی همواره در تلاش هستند تا یادگیری ماشین را هرچه بیشتر به یادگیری انسان نزدیک کنند. همه ی انسان ها وقتی به پیرامون خود می نگرند، بدون اینکه تمام مشخصات اطراف را بدانند، می توانند آن ابعاد را حدس زده و براساس این مفروضات به درک محیط اطراف بپردازند. یعنی مثلا اگر به سینه ی کسی نگاه کنیم، این استنباط را خواهیم داشت که این شخص کمر هم دارد؛ هرچند که کمر او در دید ما نباشد.
مثال دیگر این که وقتی با کودکی بازی می کنید و دست خود را روی صورت گذاشته و برمی دارید، کودک می داند که صورت همواره سر جای خود وجود دارد، هرچند که شما آن را با دست بپوشانید. این همان سازوکاری است که تیم دیپ مایند در ماشین های خود به کار گرفته اند. آن ها هوش مصنوعی را طوری تعلیم دادند که بتواند حدس بزند که اشیا از زوایای مختلفی که تا کنون ندیده است چگونه به نظر می رسند.
دانشمندان DeepMind به نوعی شبکه ی جستجوی مولد (Generative Query Network) دست یافته اند که در آن شبکه ی عصبی به هوش مصنوعی آموزش می دهد که چطور یک شیء را از زاویه ای دیگر تصور کند. طرز کار به این شکل است که AI یا هوش مصنوعی تصاویر مسطح و دوبعدی را مورد مشاهده و بررسی قرار داده و سعی می کند آن ها را بازآفرینی کند. نکته ای که در این روند حائز اهمیت است عدم استفاده ی هوش مصنوعی از داده های ورودی پیشین و دانش قبلی است. یعنی سیستم فقط سه تصویر از یک شیء را می بیند و بر همان اساس حدس می زند که نسخه ی سه بعدی صحنه چه خواهد بود.
تصور کنید از یک مکعب عکس گرفته اید و از هوش مصنوعی می خواهید همان تصویر را از زوایای مختلف پردازش کند. مواردی مانند نور و سایه ها و جهت اضلاعی که مکعب را تشکیل داده اند، تغییر خواهد کرد. هوش مصنوعی با استفاده از الگوریتم جستجوی مولد (GQN) برای رندر کردن تصویر مورد بحث باید آن را از زوایایی که هرگز ندیده است تصور کند.
این پروژه می تواند به درک تصویر هوش مصنوعی بدون دخالت انسان منتج شود . در حال حاضر، این سیستم توسط تصاویر دنیای واقعی تعلیم داده نشده است؛ بنابراین، گام بعدی رندر کردن صحنه های واقعی گرفته شده توسط عکاسان است.
این احتمال وجود دارد که در آینده، هوش مصنوعی مبتنی بر GQN متعلق به شرکت دیپ مایند بتواند صرفا با استفاده از چند عکس، صحنه هایی سه بعدی با شباهت بسیار زیاد به دنیای واقعی خلق کند.
لینکدین سرویس ترجمه مبتنی بر فناوری هوش مصنوعی مایکروسافت را برای فید خبری معرفی کرد
لینکدین سرویس ترجمه See Translation، مبتنی بر فناوری هوش مصنوعی مایکروسافت را معرفی کرد.
به گزارش زومیت، لینکدین که زیر پرچم مایکروسافت قرار دارد، سرویس جدیدی برای ترجمه ی پویای پست های فید خبری لینکدین با کمک سرویس های شناختی مایکروسافت، توسعه داده است. این سرویس جدید ترجمه مبتنی بر فناوری هوش مصنوعی مایکروسافت توسعه یافته است.
با توجه به این که بیش از نیمی از کاربران لینکدین در خارج از ایالات متحده از این سرویس استفاده می کنند، نیاز به تسهیل ارتباطات بین کاربران امری ضروری است که مدیران لینکدین سعی کردند با معرفی سرویس جدید ترجمه، گامی در جهت تسهیل ارتباط کاربران بردارند. ترجمه ی پست ها می تواند به ارتباط بهتر و موثرتر کاربران در محیط کاربری لینکدین کمک کند. با وجودی که لینکدین به صورت گسترده ای از منابع و فناوری های خود در جهت توسعه ی سرویس ترجمه ی پویا به نام «See Translation» استفاده می کند، ولی مدیران لینکدین با سایر تیم های کاری مایکروسافت نیز وارد همکاری و تعامل شدند و از برخی از تکنولوژی های آنها استفاده کردند.
See Translation با استفاده از رابط کاربری Microsoft Azure Text Analytics می تواند بیش از ۱۲۰ زبان را تشخیص بدهد و علاوه بر این، از رابط کاربری Microsoft Translator Text نیز که یکی دیگر از سرویس های شناختی مایکروسافت است، استفاده می کند. Translator Text API امکان سفارشی کردن مدل های ترجمه برای یک حوزه ی خاص را همانند سرویسی که برای ترجمه ی فید خبری در تاریخ ۷ تیر معرفی شد، فراهم می کند. مدیران لینکدین معتقدند که سرویس See Translation مبتنی بر فریم ورک های متن باز مختلفی از جمله Kafka، Samza و Rest.li ایجاد شده است که برای تشخیص و تگ کردن محتوای زبان توسعه یافته است. تیم مهندسی لینکدین در پستی نحوه ی توسعه ی سرویس جدید را توضیح داده اند.
مدیران لینکدین در تاریخ ۲۸ ژوئن ( ۷ تیر) دسترسی جهانی به سرویس کدهای QR جدید لینکدین را معرفی کردند که به کاربران اجازه می دهد تا به سرعت بتوانند با افراد مختلف از طریق کارت ویزیت یا شماره تلفن ارتباط برقرار کنند و آنها را پیدا کنند. کدهای QR لینکدین به صورت جهانی در پلتفرم اندروید و iOS در دسترس است.
مایکروسافت در سال ۲۰۱۶، لینکدین را خریداری کرد ولی اجازه داد این شرکت از بسیاری جهات، به صورت مستقل به کسب و کار خود ادامه دهد. مایکروسافت و لینکدین در ارائه ی برخی محصولات و خدمات به صورت مشترک با یکدیگر همکاری دارند ولی لینکدین از پایگاه داده ها و ابزارهای توسعه ی خودش برای ارتقا و توسعه ی محصولات و سرویس ها استفاده می کند.
اینستاگرام قابلیت پرسش سوال را به استوری اضافه می کند
اینستاگرام در حال بررسی ویژگی جدیدی است که قابلیت پرسش سوال را در بخش استوری در دسترس کاربران قرار می دهد، در حال حاضر تعداد اندکی از کاربران به این ویژگی دسترسی دارند.
به گزارش زومیت، اینستاگرام اخیرا ویژگی هایی همچون IGTV و اضافه کردن آهنگ به استوری را به لیست قابلیت های خود افزوده است؛ اما این پایان کار نیست و به نظر می رسد که این شرکت در حال بررسی قابلیت های جدیدی برای بخش استوری است.
در حال حاضر زمانی که فردی استوری شخص دیگری را مشاهده می کند، می تواند از طریق استوری مستقیما برای او پیام شخصی ارسال کند. این پیام می تواند در پاسخ به عکس یا ویدئویی که به اشتراک گذاشته شده باشد یا هر موضوع دیگری که فرد تمایل دارد بازگو کند.
اما ظاهرا Instagram ویژگی جدیدی را امتحان می کند که به کاربران اجازه می دهد سؤالات خاصی بپرسند و بینندگان پس از دیدن استوری می توانند کادر متن را لمس کنند و به هر شکلی که دوست دارند به این سوال پاسخ دهند.
متاسفانه شخصی که برای اولین بار این تصویر را به اشتراک گذاشته هیچ توضیحی در خصوص سازوکار این قابلیت منتشر نکرده است؛ امکان دارد که این قابلیت مانند سایر استیکر ها به بخش دوربین اینستاگرام اضافه شود، همچنین هیچ ایده ای در خصوص اینکه پاسخ سوال مثل قبل به صورت پیام خصوصی برای فرد فرستاده می شود یا از طریق سازوکار متفاوتی با سوال ادغام شود، وجود ندارد.
توییتر اطلاعات تبلیغ دهندگان را برای کاربران نشان می دهد
توییتر بخشی به نام مرکز شفاف سازی راه اندازی کرده که اطلاعات تبلیغ دهندگان در این شبکه ی اجتماعی را به تمام کاربران عضو و غیر عضو نشان می دهد.
به گزارش زومیت، فیسبوک چندی پیش اعلام کرد که اطلاعات تبلیغات منتشر شده توسط هر صفحه ی اختصاصی در این شبکه ی اجتماعی را برای کاربران نمایش خواهد داد. اکنون توییتر نیز اعلام کرده که قابلیت مرکز شفاف سازی تبلیغات یا Ad Transparency Center را راه اندازی می کند.
پس از راه اندازی این سرویس، هر کاربر عضو یا غیر عضو در توییتر می تواند اطلاعات کمپین های تبلیغاتی اکانت های مختلف را تنها با جستجوی نام آنها مشاهده کند. این اطلاعات شامل تمام کمپین های تبلیغاتی اجرا شده توسط این اکانت در ۷ روز گذشته است. یک سخنگوی توییتر در مصاحبه با خبرگزاری ونچربیت اعلام کرده که آنها در حال آزمایش دوره ی زمانی هستند و احتمال افزایش آن وجود دارد.
در حال حاضر این مرکز شفاف سازی تنها توییت های تبلیغاتی هر حساب کاربری و تعداد ریتوییت ها و لایک های دریافت شده را نمایش می دهد. به عنوان مثال با جستجو در مورد توییت های تبلیغاتی خود شرکت توییتر، متوجه تمرکز آنها روی تبلیغ بخش Moments با استفاده از جام جهانی فوتبال می شویم.
نکته ی مهم این که تبلیغات سیاسی ایالات متحده ی آمریکا برای مدت نامحدودی قابل جستجو هستند. بعلاوه این جستجوها اطلاعات کامل تری از جمله بازه ی سنی مخاطبین و هزینه های انجام شده را نیز نشان می دهند. این شرکت در ماه می سال جاری قوانین جدید خود برای تبلیغات سیاسی را نیز منتشر کرد. این قوانین برای هر تبلیغاتی که تاثیری روی نتایج انتخابات خواهند داشت، اجرا می شود. در حال حاضر در آمریکا، تبلیغات انتخابات فدرال مشمول این قوانین هستند.
تبلیغ دهندگان سیاسی آمریکایی پیش از فعالیت باید توسط توییتر تایید شوند. آنها باید در توضیحات حساب کاربری خود وبسایتی معتبر و دارای اطلاعات تماس را معرفی کنند. علاوه بر آن هدر، بخش معرفی و اطلاعات اولیه ی وبسایت باید با ظاهر حساب کاربری هم خوانی داشته باشد. بعلاوه اگر در نگاه اول، کاربر متوجه ارتباط اکانت با سازمان مالک آن نشود، باید یک بیانیه ی سلب مسئولیت یا Disclaimer توسط آن سازمان منتشر شود.
توییتر ابتدا در ماه اکتبر سال گذشته، زمان اجرای مرکز شفاف سازی خود را پاییز امسال عنوان کرد. خبر اخیر، اطلاعاتی در مورد تاخیر در اجرا یا تغییر زمان بندی منتشر نکرده است. به هرحال اعلام پیاده سازی این مرکز کمی بعد از افزایش انتقادات در مورد تبلیغات سیاسی در این شبکه ی اجتماعی بود. سیاست مداران و کاربران معتقد بودند توییتر اقدامات لازم برای پایش تبلیغات شرکت های بین المللی مانند Internet Reasearch Agancy و تاثیر آنها روی انتخابات ریاست جمهوری سال ۲۰۱۶ آمریکا، انجام نداده است.
برنامه های شفاف سازی فیسبوک و توییتر، پیرو اقدامات کنگره ی آمریکا و مصوبات آن نیز بوده است. هر دوی این شرکت ها از قانون Honest ads پیشنهاد شده در ماه اکتبر استقبال کرده اند. این قانون توسط نماینده های کنگره از جمله سناتورها ایمی کلوبوکار، مارک وارنر و جان مک کین ارائه شده است. طبق این قانون، پلتفرم هایی که آمار کاربران ماهانه بیش از ۵۰ میلیون نفر دارند، باید گزارشی از تبلیغات سیاسی با هزینه های بیش از ۵۰۰ دلار ارائه دهند.
تنها تفاوت اصلی بخش مرکز شفافیت توییتر و بخش info and ads فیسبوک، این است که در توییتر، می توان تبلیغ دهنده را تنها با جستجو پیدا کرد و نیازی به کلیک کردن و وارد شدن به حساب کاربری مورد نظر نیست. البته فیسبوک هم یک پایگاه داده دارد که تنها در مورد تبلیغات سیاسی و کمپین های سیاسی اجتماعی قابل دسترسی است. علاوه بر خبرهای گفته شده، توییتر اعلام کرده که سیاست جدید تبلیغاتی خود در خصوص تبلیغات کمپین های اجتماعی سیاسی را نیز به زودی منتشر خواهد کرد. پیش از این فیسبوک ۲۰ موضوع را اعلام کرده بود که تبلیغات کمپینی مخالف با آنها، با برچسب مشخص خواهند شد.
لاین، صرافی BITBOX را برای ارزهای دیجیتال ارائه می کند
پیام رسان ژاپنی لاین اعلام کرد که سرویس صرافی BITBOX را به صورت اختصاصی برای ارزهای دیجیتال توسعه می دهد.
به گزارش زومیت، لاین اعلام کرد که یک صرافی مخصوص ارزهای دیجیتال را توسعه می دهد؛ اما این سرویس از همان ابتدای کار برای تمام کاربران در دسترس نخواهد بود. سرویس جدید لاین که BITBOX نام دارد، از ماه جولای در اختیار کاربران قرار خواهد گرفت؛ البته در ابتدای کار دسترسی به این سرویس برای کاربران در دو کشور آمریکا و ژاپن میسر نخواهد بود. به طور حتم اصلی ترین دلیلی را که باعث شده است تا لاین در کشور ژاپن سرویسی را ارائه نکند، باید در قوانینی جستجو کرد که سازمان های نظارتی در خصوص فعالیت صرافی ها وضع کرده اند.
لاین اعلام کرده است که حداقل ۳۰ ارز رمزنگاری شده در بیت باکس قابل معامله خواهند بود. همچنین این سرویس خدمات خود را در ۱۵ زبان مختلف به کاربران لاین ارائه خواهد داد، حال آنکه زبان ژاپنی جزو این ۱۵ زبان نیست. لاین در این خصوص چنین اظهار نظر کرده است:
لاین در تلاش است تا سرویس های مالی خلاقانه ای را برای لاین ایجاد کند. هدف از توسعه ی چنین سرویس هایی، تسهیل فضا برای ارتباط پول با کاربران در این سرویس است. بیت باکس فقط امکان تبادل ارزهای رمزنگاری شده را برای کاربران فراهم می کند و نمی توان در این سرویس با استفاده از پول های رایج به خرید و فروش ارزهای رمزنگاری شده پرداخت. به بیان بهتر، با استفاده از این سرویس تنها می توان ارزهای رمزنگاری شده را با استفاده از همین ارزها خرید و فروش کرد.
لاین اطلاعات کاملی را از تمام ارزهای دیجیتالی که در این سرویس اجازه ی مبادله خواهند داشت، ارائه نکرده است؛ البته از ارزهایی نظیر بیت کوین، اتریوم، بیت کوین کش و لایت کوین نام برده شده است. در ماه ژانویه اولین اخبار در رابطه با توسعه ی یک سرویس مالی توسط لاین منتشر شد. باید دید که لاین چگونه سرویس صرافی خود را برای بیش از ۷۰۰ میلیون کاربر خود در سراسر جهان در دسترس قرار خواهد داد. بیت باکس تنها سرویس مالی لاین نیست. این کمپانی پیش تر سرویس پرداخت لاین پی را معرفی کرده بود که در حال حاضر بیش از ۴۰ میلیون کاربر در آن ثبت نام کرده اند. لاین در نظر دارد تا لاین پی را به بیت باکس متصل کند.
قلم S Pen در گلکسی نوت 9 به بلوتوث کم مصرف مجهز خواهد شد
قلم S Pen در سری گلکسی نوت در زمره ی بهترین قابلیت های این سری شمار می آید که به نظر می رسد در گلکسی نوت ۹ شاهد ارتقاء هر چه بیشتر آن خواهیم بود.
به گزارش زومیت، اگر اخبار و شایعه های مربوط به گلکسی نوت 9 را در زومیت مرور کرده باشید، احتمالا می دانید که در کنار ارتقاء سخت افزاری، قرار است قلم S Pen نیز در این گوشی هوشمند، پیشرفت چشمگیری داشته باشد. براساس اسناد و مدارک منتشرشده در FCC، مدل آتی S Pen با کد EJ-PN960 شناخته خواهد شد. حرف P اشاره به قلم (Pen) دارد و از N960 به راحتی متوجه ارتباط این محصول با SM-N960 یا همان کد محصول گلکسی نوت ۹ می شویم.
بر این اساس ، این محصول در گلکسی نوت ۹ به بلوتوث کم مصرف (Bluetooth LE) با فرکانس ۲.۴ گیگاهرتز مجهز خواهد شد. به گفته ی بعضی از منابع، قرار است قابلیت های بی سیم بیشتری به قلم سامسونگ اضافه شود، از جمله ی این قابلیت ها می توان به مدیریت بیشتر موسیقی توسط قلم و استفاده از آن به عنوان شاتر دوربین اشاره کرد.
براساس برخی از گزارش ها نیز قلم S Pen با بلوتوث کم مصرف می تواند به عنوان یک اسپیکر بی سیم مورد استفاده قرار بگیرد. با توجه به استفاده از بلوتوث، S Pen باید از یک باتری هم استفاده کند و به همین دلیل در نسل جدید از پرچم داران سری گلکسی نوت، شاهد افزایش وزن و ابعاد قلم اس پن نیز خواهیم بود.
در هفته های گذشته اطلاعات مربوط به نسخه ی بین المللی گلکسی نوت ۹ پس از دریافت مجوز از FCC منتشر شد. همچون گذشته انتظار می رود گلکسی نوت ۹ در دو نسخه با تراشه ی اسنپدراگون کوالکام یا اکسینوس سامسونگ راهی بازار شود. نتایج بنچمارک های گلکسی نوت ۹ نشان می دهد که یکی از نسخه ها با تراشه ی اکسینوس ۹۸۱۰ بهره خواهد برد و نسخه ی دیگر نیز با تراشه ی اسنپدراگون ۸۴۵ عرضه خواهد شد. همچنین باید به احتمال استفاده از یک باتری بزرگ تر نیز اشاره کرد. فبلت جدید سامسونگ طی مراسم اختصاصی این شرکت موسوم به Unpacked در تاریخ ۱۸ مرداد رونمایی خواهد شد.
همکاری سامسونگ و آرم برای تولید پردازنده موبایل با فرکانس کاری 3 گیگاهرتز
سامسونگ و آرم همکاری مشترک جدیدی را برای توسعه ی قوی ترین پردازنده های مجهز به معماری ARM، آغاز کرده اند.
به گزارش زومیت، سامسونگ به تازگی اعلام کرد که برنامه ریزی گسترده ای برای افزایش همکاری خود با ARM دارد. در این همکاری مشترک به لطف لیتوگرافی ۷ و ۵ نانومتری FinFET، سامسونگ در نظر دارد هسته های Cortex-A76 را برای فعالیت تا فرکانس کاری بیشتر از ۳ گیگاهرتز آماده کند تا بدین ترتیب پیشتاز رقابت داغ توسعه ی توانمندترین پردازنده های موبایل شود.
رایان سانگ یون لی نایب رئیس ارشد بازاریابی بخش توسعه ی چیپ های سامسونگ الیکترونیکس در این خصوص گفت: توسعه ی یک اکوسیستم متفاوت و پیشرفته یک لازمه برای مشتریان ما است. با همکاری ARM و افزایش استفاده از هوش مصنوعی و الگوریتم های یادگیری ماشین، استفاده از پردازنده هایی توانمند تر با فرکانس کاری بالا بیش از گذشته مورد نیاز است.
سامسونگ و ARM از لیتوگرافی ۷ نانومتری (7nm Low Power Plus – 7LPP) و ۵ نانومتری (5nm Low Power Early – 5LPE) سامسونگ برای تحقق اهداف جدید خود بهره خواهند برد. سامسونگ خود را برای استفاده از فرآیند ساخت ۷ نانومتر در نیمه ی دوم سال ۲۰۱۸ آماده می کند. ARM نیز در این همکاری مشترک از پلتفرم Artisan IP خود که شامل معماری HD، بسته ی کامپلایر های حافظه و کتابخانه های GPIO است، استفاده خواهد کرد.
هم چنین ARM از راهکار نوین Artisan POP نیز استفاده خواهد کرد تا در کنار فناوری نوین DynamIQ توان و سرعت پردازشی بالا را به ارمغان بیاورد. فناوری جدید DynamIQ آرم برای بهبود عملکرد پردازنده های چند هسته ای طراحی شده است. پس از موفقیت و کاربرد گسترده از فناوری big.LITTLE، آرم اکنون با استفاده از DynamIQ در نظر دارد تمام هسته های big و LITTLE را تحت کلاستری یکپارچه به کار گیرد تا توان پردازشی بیشتر و کاهش مصرف انرژی به ارمغان آید.
کوین لو نایب رئیس ارشد بخش بازاریابی و طراحی فیزیکی ARM در خصوص همکاری با سامسونگ گفت: آرم و سامسونگ پیش از این سابقه ی همکاری گسترده ای در توسعه ی تعداد زیادی از پردازنده ها با استفاده از Artisan physical IP آرم و فرآیند ساخت پیشرفته ی سامسونگ داشته اند. لیتوگرافی های جدید و پیشتاز ۵ و ۷ نانومتر سامسونگ پاسخ خوبی به نیاز های کاربران ما خواهد بود تا به توسعه ی نسل بعدی سیستم روی چیپ های توانمند را برای کاربرد های مختلف، از استفاده در دستگاه های موبایل تا تجهیز دیتا سنتر ها، بپردازیم.
آرم پیش از این اذعان کرده بود که هسته های Cortex-A76 را با فرکانس کاری بیش از ۳ گیگاهرتز، به دنیای لپ تاپ ها خواهد برد. با همکاری سامسونگ و فرآیند ساخت کم مصرف ۵ و ۷ نانومتری این شرکت، می توان انتظار لپ تاپ های مجهز به قلب تپنده ی هسته های ARM را در نیمه ی اول سال ۲۰۱۹ داشت.
آنر 10 جی تی با حافظه رم 8 گیگابایتی معرفی شد
نسل جدید گوشی هوشمند از سری آنر با نام Honor 10 GT رونمایی شد که از وجود ۸ گیگابایت حافظه ی رم بهره می برد.
به گزارش زومیت، هواوی نسل جدید گوشی هوشمند خود از سری آنر را رونمایی کرد، Honor 10 GT در بین تمام گوشی های هوشمند این شرکت با حافظه ی رم ۸ گیگابایتی محسوب می شود. آنر ۱۰ ماه آوریل سال جاری در چین و در ماه می در بازار بین المللی عرضه شد، این گوشی هوشمند در دو نسخه با حافظه ی رم ۴ و ۶ گیگابایتی راهی بازار شده است.
از دیگر ویژگی های آنر ۱۰ جی تی علاوه بر حافظه ی رم ۸ گیگابایتی باید به صفحه نمایش ۵.۸ اینچی LCD با رزولوشن ۲٬۲۸۰ در ۱٬۰۸۰ پیکسل اشاره کرد، سنسور اثر انگشت این گوشی هوشمند نیز در کلید هوم آن جای دارد. آنر ۱۰ جی تی، بریدگی کوچکی در لبه ی بالای نمایشگر خود دارد، این بریدگی از یک سنسور ۲۴ مگاپیکسلی میزبانی می کند که وظیفه ی ثبت تصاویر سلفی را برعهده دارد.
تراشه ی کرین ۹۷۰ در قلب آنر ۱۰ جی تی وظیفه ی پردازشی را بر عهده دارد. یک باتری با ظرفیت ۳۴۰۰ میلی آمپرساعت نیز برای تامین انرژی مورد نیاز در این گوشی تعبیه شده است. هواوی در آنر ۱۰ جی تی با حفظ جک هدفون ۳.۵ میلی متری، از وجود درگاه USB تایپ C استفاده کرده است.
اطلاعات ارائه شده نشان از آن دارند که چینی ها، آنر ۱۰ جی تی را روز ۲۴ جولای (۲ مرداد) راهی بازار خواهد کرد. هرچند هنوز قیمت این گوشی هوشمند مشخص نشده، اما با توجه به قیمت آنر ۱۰، انتظار می رود آنر ۱۰ جی تی کمی گران تر از آنر ۱۰ با قیمتی بالاتر از ۳۹۱ دلار به فروش برسد.
شرکت Light در حال توسعه گوشی هوشمندی با لنز 9 گانه است
شرکت لایت، طراح و سازنده ی دوربین۱۶ گانه L16، در حال توسعه ی گوشی هوشمندی با لنز ۹ گانه است.
به گزارش زومیت، مهرماه سال ۱۳۹۴ بود که برای اولین بار استارتاپی به نام لایت، اعلام کرد قصد دارد دوربینی با لنز ۱۶ گانه و کیفیت تصویری در حد دوربین های DSLR به بازار عرضه کند.
استارت آپ لایت، دوربین کامپکت ۱۶ لنز خود را با قدرت مشابه DSLR معرفی کرد. از آن زمان چند سال گذشت تا در فروردین ۱۳۹۶، لایت موفق شد کار طراحی دوربین ۱۶ گانه ی خود را به پایان برساند و در نهایت و بعد از گذشت چند سال، دوربین ۱۶ گانه ۵۲ مگاپیکسلی Light وارد فاز تولید شد. بر اساس آخرین اخبار، شرکت لایت در تلاش است تا فناوری دوربین های چند لنزی را روی گوشی هوشمند توسعه دهد.
لنزهای ۱۶ گانه ی دوربین L16 لایت، هر کدام دارای فاصله ی کانونی متفاوتی هستند و در تصویربرداری، همه ی لنزها به صورت همزمان از سوژه عکس می گیرند. در نهایت تمامی داده های مربوط به کلیه ی لنزها، با یکدیگر ترکیب می شود و تصویر نهایی ۵۲ مگاپیکسلی را ایجاد می کند. بر اساس گزارش جدید واشنگتن پست، شرکت لایت در حال توسعه ی این فناوری روی نمونه اولیه گوشی هوشمندی است و قصد دارد از لنزهای چندگانه برای دوربین اصلی گوشی هوشمند بهره ببرد.
نمونه های اولیه مختلفی از گوشی هوشمند با لنزهای چندگانه تهیه شده است که عموما تعداد لنزهای به کار برده شده در نمونه ها، بین ۵ تا ۹ دوربین در قاب پشتی گوشی بوده است. لایت در نظر دارد، گوشی هوشمندی با لنز چندگانه که قدرت تصویربرداری با کیفیت ۶۴ مگاپیکسلی داشته باشد، تولید کند. در نمونه های تهیه شده، با اینکه تعداد لنزهای دوربین گوشی افزایش یافته اند، ولی ظاهرا ضخامت گوشی تنها کمی بیشتر از آیفون ۱۰ است. بر اساس آخرین اعلام شرکت لایت، گوشی هوشمند مجهز به لنز چندگانه قرار است اواخر سال جاری میلادی معرفی شود. البته لایت هیچ گونه توضیحی درباره ی مشخصات دقیق گوشی با لنز چندگانه مطرح نکرده است.
هنوز روشن نیست که لایت قصد دارد گوشی هوشمند با لنز چندگانه را به تنهایی تولید کند یا قرار است آن را با همکاری سایر سازندگان گوشی های هوشمند توسعه دهد. بی شک چنین محصولی قیمت پایینی نخواهد داشت. دوربین L16 لایت، ۱۹۵۰ دلار قیمت گذاری شده است. با اینکه انتظار داریم کمتر شدن تعداد لنزها به کاهش هزینه ها کمک کند، اما کماکان قیمت نهایی گوشی با لنز چندگانه بسیار گران خواهد بود. با همه ی این تفاسیر، داشتن گوشی هوشمندی با چندین لنز، می تواند بسیار هیجان انگیز باشد. در دوره ی زمانی هستیم که استفاده از لنز دوگانه تبدیل به موضوعی معمولی و عادی شده است. شاید گوشی های هوشمند با تعداد لنز بیشتر بتواند حرف های تازه ای برای بازار داشته باشد.
پاسخ هوشمند در اپلیکیشن های پیام رسان با GBoard ممکن می شود
قابلیت پاسخ دهی هوشمند در اپلیکیشن های پیام رسان مختلف از جمله مسنجر فیسبوک و الو گوگل با کیبورد Gboard امکان پذیر شد.
به گزارش زومیت، Gboard یکی از شناخته شده ترین و محبوب ترین اپلیکیشن های کیبورد در بین کاربران است. هر هفته شاهد پیشرفت هایی در این اپلیکیشن کاربردی گوگل هستیم. اخیرا بهبودهایی در ایجاد تصاویر متحرک گیف نیز در GBoard ایجاد شد. ظاهرا Gboard هر روز هوشمندتر و کاربردی تر می شود تا بتواند کاربران سیستم عامل اندروید و iOS را راضی نگه دارد.
در طرح توسعه ی جدید Gboard، قابلیت پاسخ دهی هوشمند در برخی پیام رسان ها از جمله مسنجر فیسبوک، الو، پیام رسان موبایلی گوگل، واتساپ و اسنپ چت به جی بورد اضافه شده است. به گزارش XDA، ویژگی مذکور کماکان در مراحل توسعه ی خود قرار دارد و لازم است که جی بورد به نوتیفیکیشن های شما دسترسی داشته باشد.
برای راه اندازی ویژگی پاسخ دهی هوشمند، اعلانی در قالب یک باکس برای پاسخ دهی سریع به کاربر نشان داده می شود و پیشنهاد می دهد که با تپ کردن آن، ویژگی پاسخ دهی هوشمند در نوار تکمیل خودکار کلمات جی بورد فعال شود. ویژگی پاسخ دهی هوشمند با GBoard در اپلیکیشن های مختلفی قابل استفاده است. XDA فهرست کامل و جدیدی از اپلیکیشن هایی تهیه کرده است که از ویژگی پاسخ دهی هوشمند جیبورد پشتیبانی می کنند:
- اندروید مسنجر
- مسنجر فیسبوک
- مسنجر فیسبوک لایت
- گوگل الو
- گوگل هنگ اوتس
- اسنپ چت
- واتساپ
- وی چت
انتظار می رود به زودی اپلیکیشن های بیشتری بتوانند از قابلیت جدید جیبورد پشتیبانی کنند.
گوگل در انتشار اپلیکیشن اندازه گیری پیش دستی کرد
اپلیکیشن مبتنی بر واقعیت افزوده ی Measure، یکی از ویژگی های iOS12 است؛ اما گوگل اکنون اپلیکیشنی اختصاصی با کارکردی مشابه را برای اندروید ارائه کرده است.
به گزارش زومیت، برای بررسی عملکرد اپل و گوگل در رقابت واقعیت افزوده، کافی است به اپلیکیشن اندازه گیری هر یک از این دو شرکت با نام مشترک Measure نگاهی بیاندازید. در حالی که قرار است اپل اپلیکیشن اندازه گیری مبتنی بر واقعیت افزوده ی خود را در آینده ی نزدیک همراه با iOS 12 منتشر کند، گوگل گوی رقابت را از این شرکت ربوده و اپلیکیشن اندازه گیری خود را برای عموم منتشر کرده است، این اپلیکیشن روی تمام دستگاه هایی که از پلتفرم ARCore پشتیبانی می کنند، قابل اجرا و استفاده است.
Measure از قابلیت های محاسبات فضایی ARCore برای اندازه گیری اجسام در دنیای واقعی استفاده می کند. با استفاده از این اپلیکیشن می توانید به سادگی و با گرفتن دوربین گوشی خود به سمت اجسام، فاصله ی لبه های آن تا یکدیگر را محاسبه کنید؛ پاسخ این محاسبه به فوت یا متر خواهد بود. همچنین می توانید با گرفتن عکس در فروشگاه لوازم خانگی، ابعاد وسیله ی مورد نیاز خود را با فضای موجود در منزل تطبیق دهید.
نکته ی قابل توجه در توضیحات اپلیکیشن اندازه گیری گوگل این است که «اندازه گیری های انجام شده توسط این اپلیکیشن تخمینی هستند.»، طبیعی است که این نوشته، در مواقعی که برنامه اشتباه کند، هرگونه مسئولیت را از گوگل سلب می کند. احتمالا سران گوگل هم می دانند و قبول دارند که ARCore و حتی ARKit بی نقص کار نمی کنند.
بنابراین، توصیه می شود برای اندازه گیری های مهم به اپلیکیشن Measure اتکا نکنید.
ابررایانه Astra با ۱۴۵ هزار هسته، ذخایر هسته ای آمریکا را مدیریت می کند
ابررایانه قدرتمند و شگفت آور Astra محصول آینده نگری وزارت انرژی ایالات متحده برای حل چالش های پیش رو در دهه ی دوم قرن بیست و یکم است.
به گزارش زومیت، هیولت پکارد اینترپرایز با استفاده از پردازنده های ARM موفق به ساخت یکی از قوی ترین ابرکامپیوترهای جهان شده است. هیولت پکارد اینترپرایز (HPE) از شرکت های تابعه، دو دوست و شریک قدیمی هیولت (Hewlett) و پکارد (Packard) است که کار خود را از فعالیت در یک گاراژ آغاز کردند؛ البته ما امروزه شرکت مادر آن ها را با نام برند معروف HP می شناسیم. شرکت HPE در زمینه ی ارائه ی خدمات در سرورها، ذخیره سازی، شبکه سازی، خدمات مشاوره و پشتیبانی فعالیت گسترده ای در سطح جهان دارد.
ابررایانه ی Astra شرکت HPE مجموعه ای مرکب از ۱۴۵ هزار هسته است که به یک انبار بزرگ حافظه متصل شده اند و به طور شگفت انگیزی در یک سوپر کامپیوتر کوچک پیاده سازی شده اند. سیستم Astra وظیفه دارد تا در امر کنترل و ذخیره سازی انرژی هسته ای آمریکا خدمت کند. این محصول همکاری مشترک اداره ی سازمان ملی امنیت هسته ای آمریکا (NNSA) و HPE است. پشتوانه ی این همکاری هدف گذاری و برنامه ی سرمایه گذاری وزارت انرژی ایالات متحده برای سال ۲۰۲۱ است. وزارت انرژی ایالات متحده به دنبال حل چالش محاسبات سنگین انرژی و فیزیک در زمان کمتری است و ابررایانه ی Astra بزرگ ترین سوپر کامپیوتر مبتنی بر ARM را برای این منظور پیاده سازی کرده است.
در دنیای فناوری، شرکت های بزرگ با چند چالش مهم در حال دست وپنجه نرم کردن هستند. یکی از این مشکلات مصرف و هزینه ی برق است. در مورد ابررایانه ها این وضعیت به صورت حادتری نمود پیدا می کند. ابررایانه های قدرتمند با مدرن ترین طراحی ها، برای رسیدن به بالاترین توانایی گاهی نیاز به مصرف ۱۵ مگاوات برق دارند که معادل مصرف بیش از ۷ هزار خانه است. درعین حال که هزینه ی انتقال داده ها به داخل یک ابررایانه، ۱۰ برابر هزینه ی جمع آوری داده ها برآورد می شود، برای کاهش دمای ابرکامپیوترها هم نیاز به سیستم خنک کاری و پمپاژ ۴ هزار گالن در دقیقه است.
برای ارتقاء ابرکامپیوتر و کاهش هزینه ها در HPE تصمیم گرفته شد که تمرکز کاری به روی اجرای معماری ابداعی شرکت با نام رایانش حافظه محور (Memory Centric Computing) به جای متد جاری رایانش پردازنده محور (Processor Centric Computing) باشد. رایانش حافظه محور بخشی از پروژه ی پرسروصدای ماشین (The Machine) شرکت HPE بود. کامپیوتر ماشین با ۱۶۰ ترابایت حافظه، قادر به تحلیل داده بیش از ۱۶۰ میلیون کتاب در یک زمان بود که در نوع خود بی نظیر و فوق العاده به حساب می آمد. این مقدار حافظه نتیجه ی اتصال ۴۰ گره فیزیکی بود که راندمان بسیار بالایی را ارائه می داد. کامپیوتر ماشین از یک سیستم عامل بهینه شده مبتنی بر لینوکس روی پردازنده ی ThunderX2 که با معماری ARMv8 سازگار است، بهره می برد. پردازنده ی ThunderX2 محصول شرکت کاویوم با مدیریت Syed Ali است که با مدیران HPE همکاری تنگاتنگی را شروع کرده اند. آن ها تصمیم گرفتند تا دنیای ابرکامپیوترها را دگرگون کنند و نتیجه ی این همکاری تولد ابررایانه ی آسترا است. سوپر کامپیوتر جدیدی از HPE که در آن حدود ۲۶۰۰ سرور پردازنده دو هسته ای ادغام شده و آن را تبدیل به قوی ترین سیستم ساخته شده با سخت افزارهای ARM تبدیل کرده است.
ابرکامپیوتر Astra یک پلتفرم پردازش بزرگ است و هرچند به عنوان پردازشگر و شبیه ساز سازمان امنیت ملی هسته ای شهرت پیداکرده؛ ولی به راحتی می تواند محاسبات پردازشی رشته های دیگر را نیز انجام دهد. آسترا به روی سیستم Apollo 70 که توسط HPE طراحی شده، عمل می کند. سیستم Apollo 70 مبتنی بر پردازنده ThunderX2 است که عملکرد بالا و پهنای باند حافظه ی عالی در آن نهادینه شده است.
آسترا با عملکردی فوق العاده، باعث درخشش نام HPE و ARM را در دنیای سوپرکامپیوترها شد
رقابت در ساخت ابررایانه های جدید به شدت در جریان است و البته هر شرکتی با توجه به تکنولوژی توانایی فنی که در اختیار دارد، دست به این کار می زند. گاهی شرکت ها برای جبران کمبود سرمایه یا دانش فنی تصمیم می گیرند با نوآوری و تغییر نگرش وارد این کسب وکار بزرگ شوند. انویدیا شرکتی از این دست است که روی طراحی نوآورانه ی سوپرکامپیوتر کوچک خود کار می کند که بر پایه ی پردازش موازی کارت های گرافیک عمل می کند. در این میان HPE با یک نگرش جدید و با استفاده از سرورهای ARM و پردازنده های دو هسته ای از آسترا رونمایی کرده است. سیستم جدید آسترا با بیش از ۱۴۵ هزار هسته ساخته شده و با توجه به تجربه ی HPE در معماری رایانش حافظه محور، شیوه ی مدیریت حافظه ی آن به نحو کارآمدتری طراحی شده است. اکنون آسترا توانایی ارائه ی عملکرد با ۲.۳ پتافلاپس (هزار میلیون میلیون فلاپس) را دارد با حافظه ای که ۳۳ درصد سریع تر در مقایسه با ابرکامپیوترهای هم سایز خود عمل می کند. قدرت این سوپر کامپیوتر در عملکرد حافظه ی آن است، این همان معماری رایانش حافظه محور HPE است که به سیستم آسترا اجازه می دهد تا مقادیر زیادی از داده را مدیریت کند و حتی در مقایسه با سوپر کامپیوتر های مبتنی بر نگرش های خلاقانه هم عملکرد بالاتری داشته باشد.
با معماری رایانش حافظه محور دسترسی به حافظه توسط پردازنده به راحتی انجام می گیرد و اکنون با توسعه و ارتقاء ابرکامپیوتر آسترا، هر یک از هزاران پردازنده ی این ابررایانه به یک حافظه ی بزرگ دسترسی دارند، این معماری زمان تأخیر مربوط به دسترسی به حافظه توسط پردازنده ی هسته را به شدت کاهش می دهد و باعث می شود ابرکامپیوتر Astra نیز در لیست ۱۰۰ ابرکامپیوتر برتر دنیا قرار گیرد.
Astra قطعاً برای رقابت با ابرکامپیوتر IBM طراحی نشده، سوپر کامپیوتر Summit، غول خفته ای است که هدف آن تصاحب صدر جدول ابررایانه های دنیا محسوب می شود و به نظر می رسد با قدرت شگفت آوری که دارد تا چندی رقیبی هم رده، در کنار خود نبیند. ابررایانه ی Summit با بیش از ۹ هزار پردازنده ی ۲۲ هسته ای با معماری تراشه Power9 شرکت IBM و بیشتر از ۲۷ هزار Nvidia Tesla V100 ساخته شده است. سوپر کامپیوتر Summit قدرت انجام ۲۰۰ پتافلاپس را دارد. در فهرست ۵۰۰ ابررایانه ی برتر جهان Sunway TaihuLight چینی رکورددار و در اوج بود که تنها قادر به اجرای عملکرد ۹۳ پتافلاپس است، با این وجود آسترا نگران این رقابت سرسختانه نخواهد بود؛ چرا که لیست وظایف آن توسط NNSA مشخص می شود. هم اکنون نیز آسترا درحال توسعه ی مداوم و همکاری با وزارت انرژی ایالات متحده در بخش تحقیقات هسته ای و شبیه سازی آزمایشگاه ملی سندیا است. سوپر کامپیوتر آسترا در سندیا به صورت آزمایشی شروع به کارکرده است و در نهایت برای هدف اصلی ایجاد آن که کمک به مدیریت ذخایر هسته ای آمریکا است، بهینه سازی می شود.
آزمایشگاه سندیا نیز از این فرصت استفاده کرده و بسیاری از شبیه سازی های فیزیک را بر عهده ی ابرکامپیوتر آسترا می گذارد و مقدار سرعت و عملکرد آسترا را پیوسته ارزیابی می کند. استفاده از این معماری جدید و نتایج مثبت آن باعث می شود که پتانسیل این نوع ابررایانه ها نیز بهتر دیده شود. به این نحو سوپر رایانه های مبتنی بر ARM می توانند به صورت قدرتمندتری در بازار آینده جایگاه خود را تثبیت کنند. چه بسا که از این طریق دنیای ابرکامپیوترها با نگرش ها و معماری خلاقانه و جدید، بزرگ تر و متنوع تر از قبل شود.