مهدی صنعت‌جو

یکی از محققان هواشناسی از دانشگاه توکیو برای جمع‌آوری داده‌های جوی بیشتر، ایده‌ای جالب دارد. او استفاده از اسمارت‌فون‌ها و اینترنت‌ اشیا را برای جمع‌آوری داده‌های مربوط به شرایط جو راهکار مناسبی می‌داند.
ذخیره‌سازی داده‌ها روی دی‌ان‌ای و نگه‌داری در یخچال
30 شهريور 1398
بشر سالانه، حجم بسیار زیادی داده تولید می‌کند و این روند تولید داده، به‌طور چشم‌گیری در حال افزایش است. بخش زیادی از این داده‌ها، داده‌های مهمی هستند که باید ذخیره شده و برای مدت طولانی و به‌طور ایمن نگه‌داری شوند. شماری از محققان، دانشگاهیان و فعالان حوزه صنعت با پیش‌بینی آن‌چه در سال‌های آینده نیاز خواهند داشت، به‌دنبال راهکاری بهینه و مناسب برای ذخیره‌سازی داده‌های‌شان هستند. برخی معتقدند ذخیره‌سازهای زیستی و از جمله ذخیره‌سازهای مبتنی بر مولکول‌های دی‌اِن‌اِی بهترین پاسخ به این چالش هستند.
تراشه‌های عصبی نوری: کارزار سرمایه‌گذاران
11 شهريور 1398
پژوهش در زمینه شبکه‌های عصبی مصنوعی، سابقه‌ای قدیمی دارد، اما این حوزه در سال‌های اخیر بیش‌ازپیش مورد توجه شرکت‌ها و مؤسسات تحقیقاتی قرار گرفته است. با وجود دستاوردها و پیشرفت‌ها، هنوز یکی از چالش‌های اساسی در این حوزه، مسئله مصرف توان است. پیاده‌سازی شبکه‌های عصبی روی سخت‌افزارهای الکترونیکی امروزی برق بسیار زیادی مصرف می‌کند و این موضوعی است که با پیچیده‌تر شدن شبکه‌های عصبی، بغرنج‌تر هم می‌شود. محققان مدتی است در مورد راهکاری تحقیق می‌کنند که شاید نه تنها حوزه هوش مصنوعی که حوزه پردازش هم دچار تحول اساسی کند و آن، پردازش نوری است. در مقاله پیش رو با نگاهی اجمالی به این موضوع، به برخی از تلاش‌های عملی در این زمینه اشاره‌ای خواهیم کرد. در این بین نکته مهم نگاه تیزبین سرمایه‌گذارانی است که ایده‌های بلندپروازانه‌ای نظیر توسعه تراشه‌های عصبی نوری را به‌خوبی درک می‌کنند و آماده سرمایه‌گذاری‌های پرخطر این چنینی هستند.
مجازی‌سازی یکی از روش‌های عملی، به نسبت جدید و محبوب برای مدیریت مراکز داده است. برپایی مراکز داده مجازی در قلب نمونه‌های فیزیکی، مزایای متعددی دارد. می‌توان چندین سرور مجازی را روی یک سخت‌افزار پیاده کرد که در این صورت، هزینه‌های مربوط به سخت‌افزار به‌طور قابل‌توجهی کاهش می‌یابند. در صورت از کار افتادن یک سرور، کافی است ماشین مجازی را دوباره پیاده‌سازی کنیم و به پیکربندی سخت‌افزاری نیازی نخواهد بود. در نتیجه زمان از دست رفتن سرویس بسیار کوتاه‌ می‌شود. از دیگر مزایای این روش امکان پیاده‌سازی ماشین‌های مجازی با وظایف مختلف و مهاجرت آن‌ها به ابر است. در ادامه گفت‌وگویی انجام‌شده از نظریه‌های دو تن از کارشناسان این حوزه را می‌خوانید. به‌منظور پیوستگی مطالب و ساده‌تر شدن مطالعه، متن اصلی اندکی تغییر داده‌شده و از حالت گفت‌وگو در آمده است.
کارشناسان امنیتی هشدار داده‌اند، بسیاری از دستگاه‌های پزشکی تولیدشده توسط شرکت مِدترونیک در مقابل حملات سایبری آسیب‌پذیر هستند. ۱۷ مدل از دستگاه‌های تنظیم ضربان قابل‌نصب در بدن و تجهیزاتی که از خارج با آن‌ها ارتباط برقرارمی‌کنند در برابر این آسیب‌پذیری‌ها ضعیف هستند.
عینک را به چشم می‌زند، از پشت عینک فضای اتاق پر می‌شود از منو‌هایی که می‌توان جابجا کرد و دکمه‌هایی که می‌توان لمس کرد. یکی از برنامه‌های گفت‌وگوی اینترنتی را انتخاب می‌کند. اندکی می‌گذرد و کمی آن‌سوتر، شمایل گرافیکی پدر و مادرش که در شهری دور زندگی می‌کنند، روی دیوار مجازی ظاهر می‌شود. گفت‌وگو آغاز می‌شود.
ابزارهای تشخیص و درمان بیماری‌ها پیشرفت‌های زیادی کرده‌اند و فناوری‌های شبکه و همراه، تأثیر زیادی در این پیشرفت‌ها داشته‌اند. سال‌ها پیش نصب یک تراشه در جمجمه و خواندن سیگنال‌های مغزی، دستاوردی بسیار شگفت‌انگیز محسوب می‌شد، اما حالا محققان مدعی شده‌اند می‌توانند شبکه‌ای از هزاران تراشه را روی مغز انسان تشکیل دهند. اگرچه ممکن است در حالت عادی اتصال تراشه‌ها و ابزارهای الکترونیکی به بدن و کار گذاشتن دستگاه‌های دیجیتال در بدن، جان بیماران را نجات دهد، اما خطراتی نیز به همراه دارد که باید پیش از فراگیر شدن چنین روش‌هایی، این خطرات را شناسایی کرده و راهکارهای مناسبی برای آن‌ها ارائه کرد.
کمک ماشین‌ها به بهتر دیدن ما، از نتایج مهم استفاده از روش‌های پردازش تصویر و یادگیری ماشین در دنیای جدید است. تقویت آنچه می‌بینیم کمک بزرگی در زندگی روزمره ما خواهد بود. اما این همه داستان نیست. ماشین‌های بینا می‌توانند در قالب هنرمندانی چیره‌دست، ما را فریب دهند. البته می‌توان به این مورد با دید مثبت هم نگریست.
تحولات ناشی از پیشرفت هوش مصنوعی در سال‌های اخیر، تأثیر قابل‌توجهی بر ارتباطات بی‌سیم گذاشته است. تأثیری متقابل که از یک‌سو، امکان استفاده از هوش مصنوعی در لبه شبکه را فراهم کرده و از سوی دیگر، دستگاه‌های مبتنی بر هوش مصنوعی و مدل‌های یادگیری ماشین را قادر ساخته که با در اختیار داشتن حجم عظیمی از داده و توان پردازشی، خود را ارتقا دهند و حتی با دیگر دستگاه‌ها و عامل‌های هوشمند تعامل داشته باشند. در آینده هر وسیله‌ای امکان اتصال به شبکه را داشته و تقریبا همه دستگاه‌ها قادر به جمع‌آوری و تجزیه‌وتحلیل داده‌ها خواهند بود. در چنین دنیایی که دستگاه‌های روی شبکه به‌طور پیوسته در حال جمع‌آوری، آنالیز و مخابره داده هستند، نه‌تنها با یک شبکه مخابراتی بسیار پیش‌رو روبه‌رو هستیم، بلکه با یک شبکه پویا و پیچیده از عامل‌های هوشمندی روبه‌رو خواهیم بود که می‌توانند به‌طور خودمختار عمل کرده و با مدیریت تبادل داده‌ها و نحوه مصرف توان، یک سامانه منسجم پردازشی ـ ارتباطی را تشکیل دهند؛ شبکه‌ای فراتر از آنچه در دوران 5G تجربه خواهیم کرد. ما اکنون در انتظار دوران 6G هستیم.

صفحه‌ها

اشتراک در مهدی صنعت‌جو
توسعه و پشتیبانی توسط : ایران دروپال
پشتیبانی توسط ایران دروپال