https://virgool.io/LogisiaMag/feed نشریه علمی دانشجویان مهندسی کامپیوتر دانشگاه تبریز مطالب تخصصی و جذاب اخبار و گزارش رویداد‌ها مصاحبه و گفتگو fa 2026-06-10 22:03:30 https://files.virgool.io/upload/publication/vcoi5serhfx5/ny3qra.png https://virgool.io/LogisiaMag https://virgool.io/LogisiaMag/%D8%A8%D8%A7%D8%B2%DB%8C-%D8%AA%D9%82%D9%84%DB%8C%D8%AF-qssbh10h7dll مقدمهدر حال جستجو در اینترنت هستید و پس از ورود به یک صفحه با صحنه‌ای عجیب مواجه می‌شوید. یک تیک باکس در کنار جمله «من یک انسانم» یا «من ربات نیستم». شاید از دید شما بدیهی باشد که یک انسانید اما ماجرا به این سادگی هم نیست. این آزمون که با نام CAPTCHA شناخته می‌شود و برای تشخیص ماشین از انسان طراحی شده است. این آزمون نوعی جدید از یک آزمون قدیمی است که با نام‌های «آزمون تورینگ» و «بازی تقلید» توسط الن تورینگ در سال 1950 ارائه شد. در این مطلب از نشریه لاجیسیا به این آزمون و دیدگاه تورینگ و امثال وی درباره مسئله آگاهی می‌پردازم. نمونه ای از آزمون کپچا آزمون تورینگقرن بیستم قرن شکوفایی مهندسی کامپیوتر، و یکی از نامداران این عرصه الن تورینگ منطق­دان و ریاضی­دان انگلیسی بود که او را با لقب پدر هوش مصنوعی می­شناسیم.الن تورینگ وی در سال 1950 در مقاله‌ای آزمون تورینگ را ارائه داد. آزمون ابتدایی ازاین‌قرار است که دو شرکت‌کننده زن و مرد و یک آزمون گر توسط دستگاه‌های ارتباطی نوشتاری با هم در تماس‌اند و هر شخص در یک اتاق جدا است تا از شیوه‌های دیگر ارتباطی جلوگیری شود. آزمون­گر باید پس از مکالمه با هر دو شرکت‌کننده در بازه­ی زمانی حدودا پنج دقیقه­ای، جنسیت آنان را تشخیص دهد. جنبه سخت آزمون این است که شرکت‌کننده مرد باید تلاش کند آزمون­گر را فریب دهد و شرکت‌کننده زن وی را در تشخیص جنسیت شرکت‌کنندگان راهنمایی کند.تورینگ پس از طرح این آزمون این سوال را مطرح می‌کند: اگر یک رایانه جای شرکت‌کننده مرد را در این بازی بگیرد چه خواهد شد؟ آیا خطای آزمون گر کاهش خواهد یافت؟آزمون تورینگ که در مقاله بعدی شرکت کننده زن با یک مرد جابجا شد.آزمون تورینگ بارها تغییریافته است که برخی توسط خود تورینگ در مقالات بعدی‌اش اعمال شد. امروزه آزمون تورینگ با یک گروه آزمون­گر و یک عامل (agent) انجام می‌گیرد. گروه آزمون­گر با عامل سخن می‌گویند و در آخر به او نمره می‌دهند. این روند چندین بار تکرار می‌شود، اما ایده نهفته پشت شکل‌های مختلف این آزمون چیست؟پرسشی که تورینگ را به طرح این آزمون وا داشت این است که «آیا ماشین‌ها می‌توانند بیاندیشند؟». او باور داشت که این پرسش گنگ است و ما نمی‌توانیم مرزی مشخص برای اندیشه مشخص کنیم و از این روی اندیشه تعریف نشده باقی می‌ماند. راهکاری که وی برای حل این مشکل ارائه داد این بود که بجای این پرسش به پرسشی دیگر بپردازیم. ماشین‌ها تا چه حد می‌توانند انسان‌ها را تقلید کنند؟آیا یک ماشین می تواند بیاندیشد؟ رفتار یک ماشین و مقایسه آن با رفتار انسان‌ها بسیار ساده‌تر از این است که تعریفی جامع برای اندیشیدن بیابیم و توانایی‌های ماشین‌ها را با این تعریف تطبیق دهیم. این راه‌حلی رفتارگرایانه است که تا اندازه زیادی درگیری ما را با انتزاعات می‌کاهد.پیش‌بینی الن تورینگپیش‌بینی‌هایی از تورینگ در دست است که می‌گوید تا اواخر قرن بیستم رایانه‌ها از لحاظ قدرت پردازشی و مقدار حافظه به جایگاهی می‌رسند که در آزمون تورینگ خیلی بهتر عمل کنند. به عبارت دیگر احتمال تشخیص درست آزمون­گر، پس از پنج دقیقه مکالمه با یک عامل بیش از هفتاد درصد نخواهد بود.امروزه شاهد آنیم که این پیش‌بینی چندان درست نیست. با اینکه برنامه‌هایی بوده‌اند که در مسابقه لوبنر توانسته‌اند تعداد قابل‌توجهی از داوران را فریب دهند ولی این تعداد به پیش‌بینی تورینگ نرسیده است.سؤالی که ممکن است به ذهنتان خطور کند این است که آیا تورینگ باور داشت که در آینده‌ای نزدیک، رایانه‌هایی که در آزمون تورینگ می‌توانند تا اندازه‌ای خوب عمل کنند قادر به تفکر خواهند بود؟ ظاهراً چنین است.قانون موریک پیش‌بینی دیگر که به آزمون تورینگ و پیش‌بینی‌های وی مربوط است قانون مور است. گوردون مور مدیر عامل و بنیان‌گذار شرکت اینتل در سال 1975 با مشاهده روند پیشرفت قدرت سخت‌افزاری رایانه‌ها، قانون مور را ارائه داد.قانون مور بیان می‌کند که هر دو سال چگالی قطعات در یک مدار مجتمع دو برابر می‌شود. علت این افزایش، کاهش مداوم حجم ترانزیستورها است که همچنان جریان دارد. پیش‌بینی مور به‌قدری درست از آب درآمد که برخی آن را قطعی و غیر قابل توقف خطاب کرده‌اند.اما این روزها نشانه‌هایی از کاهش سرعت این روند مشاهده می‌شود و اگر به این موضوع علاقه‌مندید می‌توانید مقاله لاجیسیا با عنوان «قانون مور رو به اتمام است» را مطالعه کنید.پیش‌بینی‌های موراوکآزمون تورینگ وعده ماشین‌های اندیشمند را می‌داد و مور وعده افزایش قدرت رایانه‌ها را. این دو در کنار هم باعث شدند نویسندگانی شامل موراوک و کورویتز از آینده‌ای حرف بزنند که ماشین‌ها تبدیل به‌گونه‌ای مستقل می‌شوند.موراوک نویسنده‌ای آینده شناس است که در سال 1988 با انتشار کتاب mind children پیش‌بینی کرد تا سال 2040 گونه‌ای هوشمند از ماشین‌ها ظاهر خواهند شد.وی در سال 1998 در کتاب جدید خود باملاحظه قانون مور و تعمیم آن پا فراتر گذاشت و گفت ماشین‌ها نه‌تنها به هوشی در حد انسان دست خواهند یافت بلکه به حالتی فرا هوشمند نیز خواهند رسید که عملاً از هر جنبه آنها را نسبت به انسان برتر می‌کند.وی در کتاب‌های خود ایده‌های عجیبی را بیان می‌کند. مثلاً این سوال را مطرح می‌کند که اگر نورون‌های عصبی مغز انسان را یک یک با نورون‌هایی مصنوعی تعویض کنیم انسانیت فرد تحت عمل کی از بین خواهد رفت و آیا اصلاً از بین خواهد رفت؟ایده‌ای بسیار جالب دیگر از وی این است که با برش جسم پینه‌ای یعنی بزرگراه عصبی بین دو نیمکره مغز و جایگذاری یک چیپ در بین آن‌ها، این چیپ، ترافیک داده‌های عبوری را مشاهده کند. سپس این دستگاه با یادگیری از طریق داده‌هایی که جمع‌آوری کرده می‌تواند طرز کار مغز انسان را تقلید کند و عملاً هوش یک فرد را بدزدد.چنین ایده‌هایی را بارها در کتاب‌ها و فیلم‌های علمی تخیلی دیده‌ایم. در ادامه به بررسی بیشتر ایده ماشین‌های متفکر می‌پردازیم و باید به کمی قبل‌تر سفر کنیم یعنی قرن 17.دکارتتورینگ اولین فردی نبود که چنین رویکردی به مسئله تفکر ماشین‌ها داشت. در کتاب «گفتار در روش» دکارت موضوعی مشابه مطرح شده است.دکارت در این کتاب می‌گوید حتی اگر ماشین‌هایی اختراع شوند که رفتار ما را تا حد خیلی خوبی تقلید ‌کنند باز ما قادر به تشخیص ماشین‌ها از انسان‌ها خواهیم بود. این فیلسوف دو روش برای این کار را در کتاب خود مطرح می‌کند.وی ادعا دارد که تشخیص ماشین از انسان ساده است چرا که در وهله اول هیچ ماشینی قادر به تولید جایگشتی از کلمات و استفاده از آن برای علامت دادن و انتقال مفاهیم نیست. ممکن است ماشینی در برابر رفتارهای خاصی صداهایی تولید کند که حاصل طرز قرارگیری قطعاتش‌اند اما هرگز نمی‌تواند به شیوه‌ای که ما در یک مکالمه ساده و روزمره استفاده می‌کنیم موفق شود.مشخصه دومی که دکارت از ماشین‌ها ارائه می‌دهد این است که ماشین‌ها ممکن است در کاری بسیار قوی عمل کنند و حتی قوی‌تر از انسان، ولی هرگز قادر نخواهند بود همانند انسان در برخورد با هر مسئله‌ای راه‌حلی مناسب یابند چرا که منطق جامع انسانی را ندارند و کارهایشان را از روی درک و فهم انجام نمی‌دهند.از این مطالب نتیجه می‌گیریم که پاسخ دکارت به سؤال آیا ماشین‌ها می‌توانند فکر کنند؟ خیر است اما از سخنان دکارت نتیجه می‌گیریم که اگر آزمون تورینگ را یک عامل پشت سر بگذارد یعنی قادر به برقراری یک مکالمه بامعنا با انسان‌ها باشد آنگاه این عامل قادر به تفکر است. حال اگر ماشینی این آزمون را پشت سر بگذارد دکارت احتمالاً قبول کند که آن ماشین قادر به تفکر است.البته دکارت دوگانه­‌گرای جوهری بود که ممکن است با ایده ماشین‌های متفکر در تضاد باشد. در مورد این موضوع می‌توانید به نوشته تاریخچه هوش مصنوعی از لاجیسیا مراجعه کنید. در بخش انتقادات که در آخر این نوشته آورده شده، انتقاد دوگانه­­­­­­­­­­­‌گرایی به ایده ماشین متفکر در بخش الهیاتی مطرح گشته است.رویکرد آزمون تورینگ به مسئله آگاهیهمانطور که گفته شد آزمون تورینگ برای تبدیل سوال تفکر ماشین‌ها به صورتی ساده‌تر و قابل آزمایش­تر ارائه شد. تورینگ باور داشت اگر ماشینی بتواند مکالمه انسان را تقلید کند این اولین نشانه از تفکر این ماشین خواهد بود. در واقع این تنها روش ما برای تشخیص ناطق بودن آشنایان و اطرافیان ما است. تنها دلیلی که ما برای نسبت دادن صفت متفکر به دیگران داریم شیوه رفتار آنان و مکالمه آن‌ها به‌طوری عادی است. وقتی فردی نسبت به رفتارهای ما واکنش نشان می‌دهد و جملاتی معنی‌دار برای انتقال تفکرات و احساسات خود بکار می‌برد ما حس می‌کنیم که این فرد متفکر و ناطق است.مفهوم آزمون تورینگ دو ادعای اساسی را مطرح می‌کند. ادعای آزمون تورینگ و ادعای ماشین متفکر.اولی بیان می‌کند که آزمون تورینگ قادر به تشخیص قدرت تفکر در یک عامل است و دومی مدعی است که اختراع یک ماشین متفکر و آگاه ممکن و قابل دستیابی است.توجه کنید که آگاهی و تفکر دو مفهوم یکسان نیستند ولی در گونه ما کنار هم ظاهر شده اند. تورینگ به مفهوم تورینگ پرداخته بود ولی ما از ایده او استفاده می کنیم تا آگاهی را نیز بررسی کنیم.اجتناب‌ناپذیری مور/تورینگگروهی از متفکرین در تلاش برای وصف ماهیت تفکر و آینده ماشین‌ها، از مفاهیمی که تا الان معرفی شد استفاده می‌کنند. موراوک خود از زمره این افراد است. اگر بخواهیم استدلالشان را صورت‌بندی کنیم چنین چیزی خواهیم داشت:1. رایانه‌ها روزبه‌روز قدرتمند تر می‌شوند.2. قدرتمندتر شدن رایانه‌ها بعضی کارها را که دست‌نیافتنی شمرده می‌شدند را ممکن کرده است پس منطقی است که بگوییم در آینده نیز رایانه‌ها قادر به انجام کارهایی خواهند بود که امروزه ناممکنشان می‌پنداریم.3. گروهی از ویژگی‌ها هستند که بیشتر مختص ما انسان‌ها اند. علاوه بر حرف‌زدن، می‌شود توانایی بازی‌کردن، چابکی در حرکت، ادراک بینایی و ... را در این گروه افزود. اگر یک ماشین برخی از این ویژگی‌ها را دارا بود شاید با آن همچون یک انسان رفتار می‌کردیم. مثلاً فرض کنید رباتی که می‌تواند حرف بزند با شما به‌خوبی پوکر بازی کند. طبیعی است که با وی به سان بازیکنان انسان رفتار کنید.4. اگر چنین رباتی به هنگام شکست ناراحت و حین پیروزی خوشحال شود، در هنگام ضربه خوردن درد خود را نمایان سازد، حس خواهیم کرد که دارای آگاهی است و می‌تواند درد و رنج را حس کند.5. این حس شمّی که گویای آگاه بودن یک عامل است تنها شاهد ما برای انتساب آگاهی به سایرین است. در واقع این شم درونی‌مان تنها ابزاری است که برای بررسی آگاه بودن یک فرد داریم؛ بنابراین چنین رباتی را باید کاملاً آگاه بدانیم.این استدلال اجتناب‌ناپذیری تور/مورینگ نامیده می‌شود.اعتراضات وارده به این دو مسئله و محاسبه گرایی· پیوسته بودن شبکه عصبی مغزیکی از تفاوت‌های اساسی ما با رایانه‌های امروزی این است که محاسبات رایانه‌ها به طور گسسته است ولی مغز ما و شبکه‌های عصبی ما انسان‌ها پیوسته است. ممکن است این تفاوت در ساختار ما و ماشین‌ها، ایده ماشین‌های متفکر را از راه به در کند.· زوال قانون موررایانه‌ها تابه‌حال به طور پیوسته در حال قدرتمندتر شدن‌اند. اما این باور که رایانه‌ها در آینده نیز با همین سرعت قدرتمندتر خواهند شد را توجیه نمی‌کند و اینکه اگر رایانه‌ها الان کارهایی را انجام می‌دهند که قبلاً غیرقابل انجام فرض می‌شد باز دلیلی بر این نیست که در آینده بتوانند همه کارهایی که امروزه غیرقابل انجام دانسته می‌شود را انجام دهند. به‌عنوان‌مثال تابه‌حال وضعیت رایانه‌ها در حوزه مکالمه روزمره ناامیدکننده بوده است.· متکلم یا متفکر؟مشکلی که آزمون تورینگ دارد این است که رویکردی رفتارگرایانه به مشکل آگاهی دارد یعنی از رفتار قابل‌مشاهده یک عامل نتیجه می‌گیرد که آیا آن عامل متفکر است یا نه. شاید به ذهنتان خطور کند که اگر یک فرد قادر به سخن‌گویی است حتماً اندیشه‌ای در پی آن سخن هست اما به این بیندیشید. قطعاً قابل فرض است که ماشینی وجود داشته باشد که اکثر عبارات روزمره و کاربردی را در حافظه خود ذخیره داشته باشد. پس در هنگام ملاقات یک انسان به‌سادگی با توجه به ورودی‌ها عبارتی مناسب را پخش کند. این ماشین چیزی جز یک مقلد خالی نیست و اندیشه‌ای به آن نمی‌توان نسبت داد.· کم اعتباری‌ شم انسان به لحاظ علمیشم انسان ابزاری مناسب برای انتساب اندیشمندی به یک عامل نیست. درست است که در نگاه اول تنها ابزار ما برای چنین کاری است اما این دلیلی برای درستی‌اش نیست. شم ما در خیلی موارد ما را به‌اشتباه می‌اندازد. مثلاً خیلی از ماها به وجود مفهومی چون شانس باور داریم. شانس مفهومی است که شم ما بر ما محسوس می‌کند ولی می‌دانیم که هیچ شاهد علمی و استواری برای وجود مفهومی چون شانس نیست.· تکینگیعده‌ای باور دارند که در آینده ماشین‌ها برتر از ما خواهند شد و ممکن است ما را به بردگی یا حتی نابودی بکشانند. این طرز تفکر نقدی بر خود ماشین متفکر یا آزمون تورینگ نیست بلکه ایده ماشین متفکر را قطعی هم می‌داند. نقد این افراد به عمل آفرینش چنین ماشین‌هایی است و تأثیراتی که این ماشین‌ها بر جامعه انسانی خواهند گذاشت.· الهیاتیدر ادیان بسیاری باور بر این است سرچشمه اندیشه از روحی است که در کالبد ما نهاده شده و اینکه خالق یا خالقانی وجود دارند که این روح را در کالبدمان دمیده است. به تعبیری تنها وجودی که قادر به اهدای قدرت اندیشه به یک موجود است آن خالق است و نه کسی دیگر.جمع‌بندی و مطالب بعدیدر این نوشته با آزمون تورینگ و قانون مور آشنا شدیم و همچنین دیدیم که چگونه این دو مفهوم در تصور ما از آینده ماشین‌ها تأثیر گذاشته‌اند. با برخی از انتقاداتشان آشنا شدیم که برخی توسط خود تورینگ مطرح شد و این دانشمند از رویکرد خود در مقابل این انتقادات به‌خوبی دفاع کرد. در آینده راجع به برخی از این انتقادات مخصوصاً انتقاد ریاضیاتی که توسط گودل مطرح شد خواهم نوشت.ایده تورینگ زیرگروه محاسبه گرایی دانسته می‌شود که پایه آگاهی و تفکر انسان را محاسبات می‌داند. در نوشته‌های بعدی به نظریات دیگر در محاسبه گرایی و همچنین مشکل سخت در مسئله آگاهی خواهم پرداخت.منابع:https://www.britannica.com/technology/Moores-lawhttps://www.intel.com/content/www/us/en/silicon-innovations/moores-law-technology.htmlhttps://en.wikipedia.org/wiki/Moore%27s_law#Consequences%20:specific%20Article%20on%20Moore's%20lawhttps://www.wired.com/1995/10/moravec/https://www.futuresplatform.com/blog/human-computers-2029https://en.wikipedia.org/wiki/Hans_Moravechttps://searchenterpriseai.techtarget.com/definition/Turing-testhttps://en.wikipedia.org/wiki/Alan_Turinghttps://plato.stanford.edu/entries/turing-test/ Logisia بابک خلیل وندیان Sat, 30 May 2020 00:41:04 +0430 https://virgool.io/LogisiaMag/4-zft5xxvfumus حزب کارگر قول می‌دهد در صورت پیروزی در انتخابات، پهنای باند رایگان برای تمام خانواده‌های انگلیس فراهم کند.برای انجام این کار، این حزب می‌خواهد زیرساخت‌های پهنای باند شرکت BT را ملی کرده و از غول‌های اینترنتی مانند گوگل و فیس بوک مالیات دریافت کند. هرچه‌ آنقدر در مورد این طرح فکر کنید، حداقل نشان دهنده اینست که اینترنت نه تنها به یک ابزار اساسی برای انجام اعمال زندگی روزمره تبدیل شده، بلکه برای به عمل آوردن حقوق سیاسی نیز بسیار مهم است.به همین علت این سرویس و امکانات باید برای همه افراد، حتی کسانی که قادر به پرداخت هزینه آن نیستند، نه تنها در انگلستان، بلکه در سراسر جهان به طور رایگان ارائه شود.امروزه دسترسی به اینترنت برای به سر بردن یک زندگی مناسب و با حداقلات آن نیاز است. منظور از این زندگی فقط به معنی زنده ماندن نبوده و شامل حقوق سیاسی می‌شوند که به ما قدرت تاثیر داشتن در قوانین داده و زندگی‌مان را شکل می‌دهند. به همین دلیل حقوقی مانند گفتار آزاد ، اجتماع آزاد و اطلاعات آزاد از جمله حقوق اساسی مندرج در اعلامیه جهانی سازمان ملل متحد می‌باشند. از همه مهم‌تر، هر کسی برای استفاده از حقوق سیاسی خود باید فرصت برابری داشته باشند.پیش از اینترنت ، بیشتر مردم در دموکراسی‌ها فرصت تقریباً برابری داشتند تا از حقوق سیاسی خود استفاده کنند. آن‌ها می توانستند رای دهند، با روزنامه ها یا نماینده سیاسی خود ارتباط برقرار کنند، در جلسات عمومی شرکت کنند و به سازمان ها بپیوندند.اما هنگامی که برخی از افراد به اینترنت دسترسی پیدا کردند، فرصت‌های آن‌ها برای استفاده از حقوق سیاسی در مقایسه با افرادی که به اینترنت دسترسی ندارند، بسیار بیشتر شد. آن‌ها توانستند دیدگاه‌های خود را به صورت آنلاین منتشر کنند تا میلیون‌ها نفر آن‌ها را دیده، بدون نیاز به دیدار حضوری با یکدیگر متحد شده و خیل عظیمی از اطلاعات سیاسی غیرقابل دسترس را به دست آورند.امروزه بخش اعظمی از مذاکرات سیاسی ما بصورت آنلاین برگزار می‌شوند، بنابراین به نوعی حقوق سیاسی ما فقط از طریق اینترنت قابل استفاده است. این بدان معناست که دسترسی به اینترنت برای افراد ضروری می‌باشد تا فرصت‌های تقریباً برابری داشته باشند و از آزادی های سیاسی خود استفاده کنند، همین موضوع نشان دهنده اینست که چرا باید دسترسی به اینترنت را به عنوان یکی از حقوق بشری بشناسیم.به عنوان یک حقوق بشری دسترسی به اینترنت باید از دو نظر رایگان باشد. ابتدا باید شنود نشده، بدون سانسور و بدون وقفه باشد. همانطور که مجمع عمومی سازمان ملل متحد در یک قطعنامه غیر متعهد در سال 2016خواستار شده‌است. دیگر این که، دولت ها باید زیرساخت هایی با حداقلات مناسب را بدون درنظر گرفتن دارایی‌های شهروندان، تضمین کنند. این بدان معنی است که بودجه این خدمات باید جزئی از حداقل مزایای رفاهی باشد و بدون هزینه برای کسانی که نمی توانند هزینه آن را بپردازند، ارائه شود (در حال حاضر در آلمان بدین گونه است).در کشور‌های در حال توسعه، تضمین زیرساخت‌های دیجیتالی قابل دسترس برای همه ممکن است بسیار گران به عمل آید. اما با ارزان‌تر شدن تکنولوژی مورد نیاز، دسترسی همگانی در قدم اول می‌تواند از طریق وای‌فای رایگان در اماکن عمومی تامین شود. خدمات می‌توانند با حالتی ساده آغاز شده و با گذشت زمان رشد کنند.با این حال در کشور‌های در حال توسعه تنها مانع در مسیر تحقق دسترسی همگانی، زیرساخت‌های گران قیمت نمی‌باشد. زیرا برای مثال گسترش اینترنت همچنین می‌تواند با ترویج برابری جنسیتی، سواد آموزی و آموزش مهارت‌های دیجیتالی افزایش یابد. به همین دلیل کشورهای توسعه یافته باید با رعایت تعهدات خود به اهداف توسعه پایدار سازمان ملل، از این فعالیت‌ها حمایت کنند.آیا همه شهروندان انگلیس باید در خانه‌های خود دسترسی به پهنای باند آزاد داشته باشند؟ دلایل خوب بسیاری برای ارائه بهترین دسترسی ممکن به اینترنت وجود دارند. افزایش بهره وری اقتصادی، تسهیم هرچه یکنواخت تر خدمات رفاهی در سراسر کشور، یا ترویج فرصت هایی برای تعامل اجتماعی و مشارکت مدنی از جمله این دلایل می‌باشند.اما مهم‌ترین موضوع این است که تضمین شود همه افراد بدون استثنا دسترسی به اینترنت داشته باشند تا با فرصت‌های برابری از آزادی‌های سیاسی خود استفاده نمایند. دسترسی تضمینی به اینترنت باید یک حق انسانی در دنیای مجازی‌مان دانسته شود، جدا از آن که چه کسانی باید مسئول تامین هزینه آن باشند.این نوشته ترجمه‌ مقاله Why internet access has become a human right برای نشریه لاجیسیا می‌باشد. Logisia Ali Karbasi Fri, 29 May 2020 20:26:34 +0430 https://virgool.io/LogisiaMag/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%DA%A9%D9%87-%DA%A9%D8%B1%D9%88%D9%86%D8%A7-%D8%B1%D8%A7-%D8%A8%D8%AF%D9%88%D9%86-%D8%AA%D8%B3%D8%AA-%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5-%D9%85%DB%8C%D8%AF%D9%87%D8%AF-lehvjlcxwwqc بر اساس مقاله جدیدی که در مجله Nature Medicine منتشر شده است محققان در دانشگاه کینگز کالج لندن و مرکز مطالعات پزشکی ZOE موفق به توسعه هوش مصنوعی شده‌اند که با استفاده از علائم بیماری قادر به تشخیص و پیش‌بینی وجود بیماری کرونا در فرد است.این مدل هوش مصنوعی داده‌های به‌دست‌آمده از معاینه افراد را با علائم گزارش شده قبلی از این بیماری مقایسه می‌کند. محققان می‌گویند که این برنامه کمک بزرگی در تشخیص و پیشگیری از گسترش این بیماری در مناطقی که دسترسی محدودی به پکیج‌های تست کرونا دارند می‌کند. این پروژه در برخی مراکز کلینیکی ایالت متحده آمریکا و بریتانیا در دست اجراست.بیش از 3.3 میلیون کاربر این برنامه را دانلود کرده و در حال ثبت احوال روزانه خود در این برنامه هستند. کاربران در صورت دیدن علائم این بیماری در خود، اعم از سرفه، تب، بی‌حوصلگی و خستگی و یا از دست‌دادن قدرت بویایی یا چشایی معروف به آنوسمی (anosmia) به برنامه گزارش خواهند داد. اطلاعات به‌دست‌آمده از این پژوهش نشان می‌دهد که علاوه بر علائمی مانند تب و سرفه که در بین بیماران شایع بود، دو سوم کاربرانی که تست کرونا آن‌ها مثبت بوده دارای آنوسمی بودند. در نتیجه آنوسمی می‌تواند علامت قابل اطمینان‌ تری در تشخیص کرونا باشد.محققان داده‌های به‌دست‌آمده از 2.5 میلیون از این کاربران که وضعیت سلامتی خود را به‌صورت مستمر و روزانه ثبت می‌کردند، تحلیل کردند. از این میان، داده‌های یک سوم افراد بروز علائم کرونا را در فرد گزارش می‌داد. از میان این افراد، 18 هزار و 374 نفر تست کرونا را داده بودند که جواب آزمایش 7 هزار و 178 نفر، یعنی حدود 39 درصد ، مثبت بود.این پژوهش به دنبال تشخیص علائم رایج در هنگام ابتلا به این بیماری با استفاده از بررسی داده‌های کاربران است. محققان این پروژه هشدار دادند که علاوه بر تب و سرفه که در بین بیماران سرماخوردگی شایع است، کرونا علامت جدی دیگری را هم دارا است. از دست‌دادن قدرت بویای و چشایی از جمله علائمی بود که در گزارش دو سوم افرادی که تستشان مثبت بود وجود داشت. این پژوهش نشان داد که از دست‌دادن حس بویایی و چشایی علامت قوی‌تری برای تشخیص این بیماری است.محققان یک مدل ریاضی با استفاده از این داده‌ها طراحی کردند که با دقت 80‌درصد می‌تواند وجود بیماری کرونا را در یک شخص پیش‌بینی کند. این داده‌ها بر اساس جنسیت، سن و وجود چهار علامت شایع این بیماری یعنی سرفه شدید و مستمر، آنوسمی، خستگی و بی‌اشتهایی دسته‌بندی شده‌اند. با اعمال این مدل بر روی داده‌های گروه هشتصد هزار‌نفره که علائم این بیماری را گزارش کرده بودند، پیش‌بینی شد که حدود 17.42 درصد (کمتر از یک‌پنجم) از این افراد به بیماری کرونا مبتلا باشند.محققان پیشنهاد کرده‌اند که ترکیب این هوش مصنوعی با یک برنامه کاربردی، ما را قادر خواهد ساخت تا وجود این ویروس در بدن افراد را در هنگام بروز علایم اولیه آن تشخیص دهیم و تلاش‌های مورد نیاز را برای مداوای آن افراد در مناطقی که این ویروس شایع شده است به کار بگیریم.پروفسور Tim Spector از محققان دانشگاه کینگز کالج لندن می‌گوید: «پژوهش‌ها نشان می‌دهد که آسومنی از علائم اصلی این بیماری است و باید در غربالگری روزانه مد نظر قرار گیرد. ما به‌صورت جدی به دولت‌ها و سازمان‌های بهداشت توصیه می‌کنیم تا این اطلاعات را به‌صورت گسترده به گوش مردم برسانند تا در صورت ظاهر شدن هر گونه علامتی از این بیماری، به‌خصوص آنوسمی، از راهنمایی‌ها استفاده کرده و خود را قرنطینه کنند.»منبع: https://neurosciencenews.com Logisia Aidin Corleone Wed, 27 May 2020 13:39:13 +0430 https://virgool.io/LogisiaMag/%D9%85%D8%A7-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AA%D9%85%D8%A7%D9%85-%D8%B4%D8%AF%D9%86-%D9%82%D8%A7%D9%86%D9%88%D9%86-%D9%85%D9%88%D8%B1-%D8%A2%D9%85%D8%A7%D8%AF%D9%87-%D9%86%DB%8C%D8%B3%D8%AA%DB%8C%D9%85-iuc1tentf3df نخستین بار گوردون مور، از بنیانگذاران شرکت اینتل، در سال 1965 پیش‌بینی کرد که تعداد تراشه‌های یک مدار مجتمع به طور تقریبی در هر دو سال، دو برابر خواهد شد و این رشد حدود یک دهه ادامه خواهد یافت. ده سال بعد یعنی در سال ۱۹۷۵، تعداد ادوات به عدد عجیب ۶۵ هزار رسید و قانون مور اثبات شد و پیش‌بینی سال ۱۹۶۵ به یکی از بزرگترین پیش‌بینی­ های نیم قرن اخیر مبدل گشت. از آن زمان، پیش‌بینی مور، مسیر پیشرفت تکنولوژی و حتی خود پیشرفت را تعیین کرده است.مجله الکترونیک، اولین بار که مقاله مور در آن به چاپ رسید (منبع ویکیپدیا)بحث مور، یک بحث اقتصادی بود. مدارات مجتمع، با ترانزیستور­های چندگانه و ادوات الکترونیکی که همگی توسط خط ­های آلومینیومی بر روی یک مربع شکل سیلیکونی به هم متصل می‌شوند، توسط رابرت نویس (Robert Noyce) ساخته و اختراع شدند. مور و سرپرست واحد تحقیق و توسعه شرکت اینتل متوجه شدند که هزینه ­ی هر قطعه تقریبا با تعداد ادوات رابطه­ ی عکس دارد. در حقیقت این طور به نظر می‌رسد که با افزودن ترانزیستور­، هزینه­ کمتر می‌شود. مور همچنین متوجه شد که پتانسیل بالایی برای مهندسان وجود دارد که تعداد بیشتری ترانزیستور، با اطمینان و آسانی به تراشه‌ها اضافه کنند.به زودی این تراشه ­های ارزان‌تر و قدرتمندتر تبدیل به یک فناوری عمومی می‌شوند. صنعت فناوری اطلاعات توسط مدارهای مجتمع امکان پذیر شده و تقریباً هر فناوری مورد علاقه امروزی ما، از تلفن­های هوشمند گرفته تا لپ‌تاپ­های ارزان قیمت و GPS، بازتاب مستقیمی از پیش‌بینی مور هستند. همچنین این تراشه‌ها امکان استفاده از تکنیک‌های یادگیری ماشین و پردازش داده‌های بزرگ را فراهم کردند تا بتوانیم به دستاورد‌های نفس‌گیر در عرصه هوش مصنوعی و روش‌های درمانی ژنتیکی دست پیدا کنیم. اما اگر روند پیشرفت تراشه‌ها متوقف شود چه اتفاقی خواهد افتاد؟برگرفته از سایت Next Platformاما چگونه یک پیش‌بینی ساده بر پایه گرافی از تعداد ترانزیستور­ها در هر سال، مسیر پیشرفت نیم قرن را تعیین کرد؟ بخشی از آن به این دلیل بود که صاحبان صنایع نیمه‌هادی تصمیم گرفتند که سرنوشت اینگونه رقم بخورد.آقای مور در مقاله‌ خود با عنوان " استفاده از قطعات بیشتر بر روی مدارهای مجتمع" در سال 1965 اظهار کرد که "این تراشه‌ها شگفتی ساز خواهند شد. رایانه‌های خانگی، خودروهای خودران و تجهیزات ارتباطی قابل حمل شخصی ساخته خواهند شد." به عبارت بهتر، مور فشردن ترانزیستورهای بیشتر بر روی تراشه ­ها را مسیر رسیدن به سرزمین موعود معرفی می‌کند.برای دهه ­های بعد، دولت به همراه ارتشی از محققان صنعتی و دانشگاهی، پول و زمان خود را در حمایت از قانون مور صرف کردند و پیشگویی او را با پیشرفت غیر قابل انکاری به واقعیت مبدل کردند. اگرچه سرعت پیشرفت در سال‌های اخیر کاهش یافته است اما پیشرفته‌ترین تراشه امروز نزدیک به 50 میلیارد ترانزیستور دارد. لیست ۱۰ دستاورد برگزیده که دانشگاه ام‌آی‌تی هر سالانه منتشر می‌کند، از سال ۲۰۰۱ مرهون پیشرفت‌های این تراشه‌های محاسبه‌گر است. در لیست امسال نیز ماهواره‌های ارزان قیمت، برتری کوانتومی، مولکول های کشف شده با استفاده از هوش مصنوعی و حتی درمان های ضد پیری و داروهای شخصی‌سازی شده، عمدتا به دلیل قدرت محاسباتی در دسترس محققان هستند.اما چه اتفاقی می‌افتد که قانون مور به آخر برسد؟ برخی حتی گمان می‌کنند که در حال حاضر از دنیا رفته است و ما در حال حاضر بر روی دودهای بزرگترین موتور فناوری زمان خودمان کار می کنیم.چارلز لیزرسون، دانشمند کامپیوتر در ام‌آی‌تی، می گوید: "تمام شد. امسال این امر کاملاً واضح و روشن شد." کارخانه اینتل ساخت تراشه با فناوری 10 نانومتری را با تاخیر در سال 2019 به اتمام رساند، این یعنی 5 سال فاصله با فناوری 14 نانومتری سابق. لیزرسون می گوید: قانون مور همیشه در مورد میزان پیشرفت بود و "ما دیگر در این نرخ نیستیم". شمار زیادی از دانشمندان برجسته رایانه نیز قانون مور را در سال‌های اخیر مرده اعلام کرده ­اند. در اوایل سال 2019، مدیر عامل شرکت بزرگ تراشه ساز انویدیا نیز با این حرف موافقت کرد.در حقیقت، این یک کاهش تدریجی بوده است تا یک مرگ ناگهانی. در طول ده­ها سال، بعضی­ها، از جمله خود مور، گاهی اوقات ابراز نگرانی می­کردند که می­توانند انتهای قانون را ببینند، زیرا ساخت ترانزیستورهای کوچک سخت­ تر و سخت تر می‌شد. در سال 1999، یک محقق اینتل نگران این بود كه هدف این صنعت از ساخت ترانزیستورهای كوچك‌تر از 100 نانومتر تا سال 2005 با مشكلات اساسی فیزیکی همراه باشد از جمله اثرات کوانتومی ناشی از سرگردانی الکترون­ ها در جایی كه نباید باشند.برگرفته از سایت The Economistسال­ ها صنعت تراشه توانسته بود از این موانع فیزیکی جلوگیری کند. طرح ­های ترانزیستوری جدید معرفی شدند تا الکترون ­ها را بهتر کنترل کنند. روش­های جدید سنگ‌نگاری با استفاده از اشعه ماورا بنفش قوی اختراع شد، چرا که طول موج نور مرئی بسیار ضخیم تر از آن بود که تنها ده نانومتر از سیلیکون را حک کند. اما پیشرفت روز به روز گران‌تر می‌شود، اقتصاددانان در استنفورد و ام‌آی‌تی محاسبه كرده‌اند كه هزینه پژوهش‌ها در مورد تحقق قانون مور از سال 1971 تا کنون 18 برابر شده‌است.با این وجود، اینتل، یکی از این سه پیشرو در صنعت چیپ‌سازی، انتظار مراسم تشییع جنازه برای قانون مور را به این زودی ندارد. جیم کِلر، که عنوان رئیس مهندسی سیلیکون اینتل را در سال 2018 بر عهده گرفته، وظیفه زنده نگه داشتن قانون مور را دارد. او تیمی در حدود ۸ هزار مهندس سخت‌افزار و طراحان تراشه را در اینتل رهبری می‌کند و زمانی که به این شرکت می‌پیوست، ‌گفت: بسیاری انتظار داشتند که قانون مور پایان یابد. اما کِلر فرصت ­های فنی زیادی برای پیشرفت پیدا کرد. وی خاطرنشان كرد كه احتمالاً بیش از صد تغییر در ادامه روند اجرای قانون مور وجود دارد كه هر كدام مزایای مختلفی و محدودیت‌های خاص خود را دارند. این بدان معناست که روش­های بسیاری وجود دارد که می­توانید تعداد دستگاه­های موجود در تراشه را دو برابر کنید: نوآوری­ هایی مانند معماری ­های سه بعدی و طرح های جدید ترانزیستوری.این روزها کِلر خوش­بین به نظر می‌رسد. او در همه دوران شغلی‌اش در مورد اتمام قانون مور چیزهایی شنیده و تصمیم گرفته است که نگران این موضوع نباشد. او می­گوید اینتل برای 10 سال آینده برنامه دارد و با خوشحالی نتیجه قانون مور را برای ده سال آینده محاسبه‌ می‌کند. کلر می‌گوید اگر توسعه‌دهندگان نرم افزار باهوش باشند، می توانیم طی 10 سال آینده تراشه­‌هایی را بسازیم که صد برابر سریع‌تر هستند.با این‌ وجود، حتی اگر اینتل و سایر تولید‌کنندگان تراشه باقی‌مانده بتوانند چند نسل از ریزتراشه‌های پیشرفته‌تر نیز تولید کنند، دیگر روزگاری که هر دو سال یکبار با اطمینان تراشه‌های ارزان‌تر و سریع‌تر تولید می‌شدند به سر رسیده است. اما این پایان پیشرفت قدرت محاسباتی نیست، نگرانی چیز دیگر است.چرا باید نگران پایان قانون مور باشیم؟نیل تامپسون یک اقتصاددان است، اما دفتر وی در CSAIL، مرکز هوش مصنوعی و رایانه‌ای ام‌آی‌تی، قرار گرفته است که در محاصره سازندگان رباتیک و دانشمندان علوم رایانه، از جمله همکار وی لیرسون، قرار دارد. در مقاله جدید آنان نشان داده شده که می‌توان از طریق نرم‌افزار های بهتر، الگوریتم ها­ و معماری اختصاصی عملکرد محاسباتی تراشه ها را بهبود داد.یکی از راه حل ها اصلاح نفخ نرم‌افزار یا پَندام ‌افزار، استفاده شدید نرم افزار از منابع سخت افزاری، برای بیشترین بهره‌وری از تراشه­‌های موجود استفاده کنیم. هنگامی که همیشه می‌شود بر سریع تر شدن و قدرتمند شدن سخت افزار ها حساب باز کرد، برنامه‌نویسان دیگر نیازی به نگرانی در مورد نوشتن کد کارآمدتر ندارند و حتی در اغلب مواد نتوانستند از تمامی توانایی معماری های جدید سخت‌افزاری، مانند هسته ­های چندگانه که امروزه در تراشه­ ها دیده می­ شود، استفاده کنند. تامپسون و همكارانش نشان دادند كه می‌توانند با سوییچ کردن از پایتون، یك زبان برنامه نویسی عمومی، به زبان کارآمد سی، 47 برابر سرعت محاسبات را افزایش دهند. با این که سی كار بیشتری از برنامه نویس می‌طلبد در عوض تعداد عملیات ریاضی را بسیار کاهش می‌دهد و باعث می­شود یک برنامه بسیار سریع‌تر اجرا شود. بعلاوه، بهینه سازی کد برای استفاده کامل از تراشه ۱۸ هسته‌ای نیز سرعت را افزایش می‌دهد. اما این راهکار پاسخگوی تمام پیشرفت‌های علمی نخواهد بود.حرکت به سوی طراحی تراشه ­ها برای برنامه ­های خاص، به ویژه در هوش مصنوعی، شروع شده است. یادگیری عمیق و سایر برنامه­ های هوش مصنوعی به طور فزاینده به واحدهای پردازش گرافیکی (GPU) که در بازی استفاده می‌شوند، تکیه دارند که می‌توانند عملیات موازی را انجام دهند. تامپسون می­گوید: هوش مصنوعی به ویژه یادگیری عمیق، اشتهای زیادی برای قدرت رایانه دارد و تراشه ­های تخصصی می­توانند عملکرد آن را تا حد زیادی سرعت بخشند. اما این تراشه‌های تخصصی نسبت به CPUهای عمومی کمتر تطبیق‌پذیر هستند. تامپسون نگران این است که تراشه‌های برای محاسبات عمومی کم‌یاب شده و در نهایت باعث کاهش کلی سرعت پیشرفت کامپیوتر‌ها بشود.اریکا فوچ، استاد مهندسی و سیاست‌های عمومی کارنگی ملون، می‌گوید: "در بعضی موارد، توسعه‌دهندگان هوش مصنوعی و برنامه‌های کاربردی دیگر افزایش عملکرد تراشه‌ها در کنار کاهش هزینه ارائه شده توسط قانون مور را از دست خواهند داد. شاید در ۱۰ سال یا ۳۰ سال آینده شما واقعا به دستگاهی با آن قدرت محاسباتی اضافی نیاز داشته باشید. مشکل ما این است که جانشینان تراشه­ های امروزی (CPU) هنوز ناشناخته هستند و سال‌ها تحقیق و توسعه اساسی برای ایجاد آنها نیاز است. پس اگر نگران این هستید که چه چیزی جایگزین قانون مور شود، زمان ترسیدن شماست؛ چرا که افراد بسیار باهوشی در هوش مصنوعی وجود دارند که از محدودیت‌های‌ سخت افزاری در زمینه پیشرفت‌های قدرت محاسباتی آگاه نیستند.تحت تعقیب: برنامه مارشال برای تراشه‌ها*مارشال طرح کمک مالی گسترده آمریکا به کشورهای اروپایی برای ترمیم خرابی‌های جنگ جهانی دوم بود.در سال 2018 ، فوچ و همكارانش در CMU) Carnegie Mellon University)، حسن‌خان و دیوید هونشل مقاله­ای را نوشتند كه تاریخچه قانون مور را ردیابی می‌­كند و تحولات مربوط به فقدان همکاری صنعت و دولت را نشان می­دهد، همکاری كه سبب پیشرفت­ در دهه ­های اولیه اعلام قانون مور بود. آنها استدلال كردند كه "پراکندگی مسير تکنولوژی و سودآوری خصوصی و کوتاه مدت بخش­های جديد" نشان می‌دهد ما بايد به دنبال افزایش سرمایه‌گذاری‌های عمومی برای دست‌یابی به تكنولوژی­ های بزرگ بعدی باشیم.اگر ادعا اقتصاددانان راست باشد که بسیاری از پیشرفت‌های دهه ۱۹۹۰ و اوایل ۲۰۰۰ مدیون ریزتراشه‌هاست و اگر ادعای آن دسته که می‌گویند کاهش سرعت پیشرفت از اواسط دهه‌ی اول ۲۰۰۰، به دلیل کاهش رشد قدرت محاسباتی ریزپردازنده‌هاست پس ما باید به دنبال سرمایه‌گذاری بزرگ برای یافتن جانشینان فناوری‌ امروزه‌مان باشیم و ما اینکار را نمی‌کنیم و این یک شکست سیاسی برای ماست.هیچ تضمینی وجود ندارد که این سرمایه گذاری ­ها نتیجه بدهد. هرچند محاسبات کوانتومی، ترانزیستورهای نانولوله‌های کربنی، حتی اسپینترونیک(spintronics)، شانس‌های خوبی به نظر می‌آیند اما هیچ‌یک جایگزین امیدی نیستند که گوردون مور برای اولین بار در یک مدار یکپارچه ساده دید. اکنون ما به سرمایه‌گذاری­ های تحقیقاتی نیاز داریم. چرا که یک موضوع قطعی است: ما همیشه قدرت محاسباتی بیشتری ‌می‌خواهیم.این نوشته خلاصه‌ای از مقاله We’re not prepared for the end of Moore’s Law میباشد. Logisia رسا خسروشاهلی Sun, 10 May 2020 00:36:15 +0430 https://virgool.io/LogisiaMag/%D9%81%D8%A7%D8%B5%D9%84%D9%87%DA%AF%D8%B0%D8%A7%D8%B1%DB%8C-%D8%A7%D8%AC%D8%AA%D9%85%D8%A7%D8%B9%DB%8C-%D8%AA%D8%A7-2022-%D8%B7%D9%88%D9%84-%D8%AE%D9%88%D8%A7%D9%87%D8%AF-%DA%A9%D8%B4%DB%8C%D8%AF-f8tdgoknso7q مقاله‌‌‌ای جدید و شوک‌آور از سوی پژوهشگران بخش سلامت عمومی دانشگاه هاروارد درباره‌ی مدت لزوم ادامه فاصله‌گذاری اجتماعی منتشر شده است. این محققان که نحوه سرایت ویروس کووید-۱۹ را مدل‌سازی می‌کنند اظهار کرده‌اند: " شاید فاصله گذاری اجتماعی برای مدتی بیشتر و به صورت دوره‌ای تا 2022 ضروری باشد." در حالیکه بسیاری امیدوارند این شرایط به زودی تمام شود، رسانه‌های مختلف با استناد به این مقاله، بر طولانی شدن زمان قرنطینه تاکید می‌کنند. اما بهتر است به جای توجه به عدد سال ۲۰۲۲ به کلمه "شاید" توجه کنند.متغیرهای کلیدی تحقیق جدیداین مقاله که در تاریخ 14 آوریل در journal science منتشر شده، اولین تحقیق گسترده‌ای است که با استفاده از داده‌های دو نوع ویروس کرونای مشابه به کووید-19 یعنی OC43 و HKU1، دو ویروسی که عامل سهم بزرگی از موارد سرماخوردگی‌اند، رفتار ویروس جدید را پیش‌بینی می‌کند.این مقاله که تاثیر خصایص فصلی در گسترش ویروس مسبب همه‌گیری فعلی یعنی SARS-COV-2 را بررسی می‌کند، دو متغیر کلیدی دارد. اولین متغیر کلیدی این است که اگر بر طبق فرض محققان، SARS-COV-2 مشابه دو ویروس مذکور رفتار کند آنگاه تابستان شیوع آن را به صورت چشم‌گیری کاهش خواهد داد ولی نه به اندازه‌ای که بیماری ریشه‌کن شود. این خطر نیز وجود دارد که فاصله‌گیری اجتماعی طولانی مدت شرایط را برای شیوع شدیدتر ویروس در زمستان 2020-21 آماده کند چون افراد زیادی به ویروس مبتلا نخواهند شد.متغیر کلیدی بعدی مدت زمان مصونیت بهبودیافتگان است. مارس لیپ‌استچ، اپیدمیولوژیستی مورد احترام و یکی از نویسندگان اصلی این پژوهش، در گفت‌وگویی خبری گفت : "حدسیات معقولی نشان می‌دهند در بدترین حالت مصونیت تقریبی حدود یک سال و در بهترین حالت چند سال ادامه پیدا می‌کند ولی این حدسیات صرفا نظری‌اند."در مصونیتی که تا یک‌سال دوام می‌آورد، سالانه کووید-19 شیوع پیدا می‌کند (بدون در نظر گرفتن فاصله‌گذاری اجتماعی و هرگونه دخالت انسانی) ولی مصونیت طولانی‌تر شیوع‌های متناوب کاهش می‌دهد و اگر افرادی که قبلا به دو ویروس سرماخوردگی مبتلا شده‌اند سطحی از مصونیت در مقابل SARS-CoV-2 بدست آورند این شیوع‌ها کمتر جدی خواهد بود.فرضیات تحقیق جدیددر این مدل چند فرض ساده لحاظ شده است. برای مثال، تاثیر شدت ردیابی تماس یعنی ردیابی ارتباطات و تماس‌هایی که ممکن است در شیوع ویروس دخیل باشد، در سرکوبی شیوع ویروس در نظر گرفته‌ نشده و همه افراد یکسان مدل شده‌اند. هر کسی جز یکی از چهار حالت است: بهبود یافته، آلوده، در معرض آلودگی و یا حساس. در این چارچوب نمی‌توان طرز تفاوت واکنش افراد در سنین مختلف را به ویروس در نظر گرفت.در نبود فاصله‌گذاری اجتماعی، میانگین تعداد افراد حساسی که یک فرد بیمار آلوده می‌کند بین 2 و 2.5 فرض می‌شود. پژوهش‌هایی از بیشتر بودن این عدد گفته‌اند و این می‌تواند خبر خوبی باشد چرا که در این صورت بیماری بیش‌تر شیوع یافته و کشندگی ویروس کمتر از باور عمومی است. لیپ‌استچ می‌گوید: " اگر مصونیت عمومی بیش‌تر از آن چه باور داریم باشد آنگاه شاید بیماران شناخته شده از طریق موارد خفیف بیماری، مصونیتی بیشتر از انتظار را در بدنشان بدست آورده باشند. چنین چیزی ممکن است." همچنین در این مدل فرض شده است که هیچ پیشرفتی در راستای درمان بیماری و تولید واکسن رخ نخواهد داد.نتیجه‌‌گیری پژوهشبا فرضیات مذکور و همچنین با فرض این که فاصله‌گذاری اجتماعی قابلیت انتقال ویروس را تا 60 درصد و تابستان آن را تا 40 درصد کاهش می دهد، نتیجه پیش‌بینی این مدل از این قرار است : برای تثبیت آمار بیمارانی که به مراقبت جدی نیاز دارند، در حدی که بیمارستان‌ها توانایی ارائه آن را داشته باشند، آمریکا باید فاصله‌گذاری اجتماعی را تا اواسط ماه مه رعایت کند و از ماه آگوست و اواخر اکتبر تا آخر سال دوباره آن را اعمال کند و همچنین از فوریه تا آوریل 2021، ژوئن 2021 و بازه‌هایی زمانی در 2022 و بعد.با دو برابر کردن تخت ها – بدون تغییر سایر فرضیه‌ها – شرایط بهتری به دست می‌آید. بعد از سه بازه زمانی یک یا دو ماهه تا اواسط 2021 و سپس بازه زمانی 1 ماهه در آخر 2021، آمریکا را تا جولای 2022 از مصونیت عمومی بهره‌مند می‌کند. با این حال با کثرت ناشناخته‌ها، ترکیب مولفه‌ها می‌تواند شدت بخش یکدیگر شود. در این مقاله، پژوهشگران سناریوهای زیادی را مد نظر قرار داده‌اند. به گفته لیپ‌استچ در همه سناریوها " فاصله‌گذاری اجتماعی در بازه‌هایی زمانی مختلف برای رسیدن به مصونیت عمومی نیاز است."راه‌حل‌های برون رفت از بحرانمعلوم نیست دقیقا چند بازه زمانی نیاز است و دلیلی وجود ندارد با اطمینان اظهار کنیم که تا تابستان 2022 طول خواهد کشید. کارهای بیشتری از دو برابر کردن تعداد تخت می‌توان کرد. ردیابی تماس موثر در تشخیص افرادی که در معرض بیماری قرار گرفته‌اند مفید است و لازم نیست کل یک منطقه را ببندیم. اگر تست‌های تشخیص بیماری در یک یا دو ماه آینده به صورت گسترده‌تری انجام شود، راجع به مقدار شیوع فعلی بیماری و حدود آن در آینده، داده‌هایی بهتری به دست‌ خواهیم آورد. حتی اگر آمریکا از پیشرو‌های انجام تست نباشد داده‌های بهتری مثلا از آلمان و فنلاند، به پژوهشگران اجازه می‌دهد با اطمینان بیشتر نسبت به نتایج، به پیش‌بینی بپردازند.اما همانطور که زینب توفکچی در آتلانتیک یادآوری کرده است، چنین مدل‌هایی قرار نیست آینده را پیش‌بینی کنند بلکه قرار است "طیف وسیعی از احتمالات" را توصیف کنند و "این احتمالات نسبت به اقدامات ما بسیار حساس هستند." (این احتمالات در گرو کارهایی هستند که ما انجام میدیم) اگر اقدامات خاصی را به انجام نرسانیم، ممکن است سال‌ها در قرنطینه بمانیم در حالی‌که می توان با انجام اقداماتی که گفته شد هر چه زودتر این مشکل را پشت‌سر بگذاریم.منبع:https://www.technologyreview.com/2020/04/15/999618/2022-social-distancing-science-lipsitch/ Logisia بابک خلیل وندیان Sun, 03 May 2020 22:44:31 +0430 https://virgool.io/LogisiaMag/%DA%A9%D8%B1%D9%87%D8%B4%D9%85%D8%A7%D9%84%DB%8C-%D8%A7%D8%B2-%D8%A7%D8%B1%D8%B2%D9%87%D8%A7%DB%8C-%D8%AF%DB%8C%D8%AC%DB%8C%D8%AA%D8%A7%D9%84%DB%8C-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%BE%D9%88%D9%84%D8%B4%D9%88%DB%8C%DB%8C-%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D9%85%DB%8C%DA%A9%D9%86%D8%AF-csxloekbhebt دولت آمریکا دو شهروند چینی تبار را به حکم همکاری با هکرهای دولت کره‌شمالی جهت دزدیدن میلیون ها دلار ارز دیجیتالی محکوم کرده است.وزارت دادگستری ایالات متحده Tian Yinyin و Li Jiadong را به پول‌شویی ارزهای دیجیتال به ارزش بیش از 100 میلیون دلار به نفع دولت کره‌شمالی محکوم کرده است.خزانه‌داری دولت آمریکا نام این افراد و 20 حساب بیت‌کوین متصل به آن ها را در لیست "ممنوعیت داد و ستد اتباع خارجی در ایالات متحده" قرار داد.اقتصاد رژیم کیم جونگ اون به دلیل تحریم هایی برای جلوگیری از برنامه تسلیحات هسته‌ای به حالت کاملا منزوی درآمده است.در سال های اخیر، به منظور تولید درآمد اقتصاد کشور به دزدیدن ارزهای دیجیتال رو آورده است.آگوست سال پیش متخصصان "تحریم" به سازمان ملل متحد اظهار داشتند که: "کره‌شمالی نه تنها حملات سایبری جهت دزدی 2 میلیارد دلار از مبادلات ارز دیجیتال انجام داده است، بلکه از این پول برای تامین بودجه برنامه تسلیحاتی خود استفاده می‌کند."هکرهای دولت کره‌شمالی در زمینه پول‌شویی ارز دیجیتال خبره شده‌اند، که امری طبیعی است: کسب و کار های خیلی کمی از ارزهای دیجیتال برای داد و ستد استفاده می‌کنند، پس دولت کره‌شمالی باید از راهی ارز دیجیتالی دزدیده شده را به ارز رایج در جهان تبدیل کند. یعنی دلار!اینجا Tian و Li وارد ماجرا می‌شوند. این دو، مهره‌های یک دستگاه پول‌شویی خیلی دقیق بوده‌اند که توانسته اند 100 میلیون دلار ارز دیجیتال را به پول نقد تبدیل کنند. دولت آمریکا ادعا می‌کند که هکرهای دولت کره‌شمالی در اواخر سال 2018 از یک صرافی واقع در کره‌جنوبی ارز دیجیتال به ارزش 250 میلیون دلار دزدیده‌اند. ظاهرا قسمت عظیمی از آن پول (که بیشتر آن بیت‌کوین بود) به کیف پول هایی که توسط Tian و Li کنترل می‌شده‌اند انتقال داده شده است.پول‌شویی ارزهای دیجیتال قاچاق شده دو چالش بزرگ دارد:1) ذخیره کردن مقدار زیادی بیت‌کوین در صرافی های مختلف بدون خطر نیست.2) معاملات بیت‌کوین قابل ردیابی هستند. همه‌ی آن ها در بلاک‌چین عمومی بیت‌کوین ذخیره می‌شوند.کاربران دارای نام مستعار هستند که در بلاک‌چین به صورت رشته‌ای از اعداد و حروف به نام "آدرس" نمایش داده می‌شوند. اگر محققان بتوانند هر "آدرس" را به یک شخص حقیقی ربط دهند، می‌توانند هر معامله انجام شده توسط آن شخص را ردیابی کنند.برای رد این موانع هکرهای دولت کره‌شمالی بیت‌کوین ها را از طریق زنجیره‌ای طولانی از انتقالات به آدرس های جدید می‌فرستند، که در هر انتقال مقدار کمی از بیت‌کوین کسر و مابقی به آدرس جدید منتقل می‌شود و به همین علت ردیابی معاملات بسیار سخت و پیچیده می‌شود.اکنون به نظر می‌رسد که استفاده از مبادلات به منظور پول‌شویی ارز دزدیده شده مشکلی نوظهور است.اما این کار با توجه به قوانین سخت و سفت در مورد هویت واقعی مشتریان چگونه امکان‌پذیر است؟Chainalysis به این نتیجه رسیده است، تعدادی اشخاص به عنوان دلال که از حساب‌های قانونی خود برای معاملات استفاده می‌کنند به پول‌شوها این امکان را می‌دهند که ارز دیجیتال دزدیده شده را به پول نقد تبدیل کنند. دولت آمریکا نیز کار دو شخص چینی را اینگونه توصیف می‌کند.منبع: MIT Technology Review Logisia alrza.x Tue, 28 Apr 2020 21:27:05 +0430 https://virgool.io/LogisiaMag/%D8%A7%D8%B1%D8%AA%D8%B4-%D8%B3%D8%A7%DB%8C%D8%A8%D8%B1%DB%8C-%D8%A7%DB%8C%D8%B1%D8%A7%D9%86-lpsfpdwdidje ارتش سایبری ایرانارتش سایبری ایران، از متخصصان عملیات هک و نفوذ اینترنتی تشکیل شده است که هویت آن‌ها تاکنون مشخص نشده و هنوز هیچ سازمان یا نهادی به طور رسمی مسئولیت ارتش سایبری ایران را قبول نکرده اما برخی شواهد و اطلاعات احتمال وابستگی آن را ه دولت ایران یا سپاه سایبری مطرح کرده‌اند.باتوجه به آمار دریافت شده از سازمان اطلاعات امریکا، ایران جزء پنج کشور دارای قوی‌ترین نیروی سایبری است. ایده تشکیل این ارتش سایبری، از زمانی به طور جدی شروع شد که تأسیسات هسته‌ای ایران در بوشهر در ژوئن ۲۰۱۰ ، مورد حمله بدافزار کامپیوتری "استاکس‌نت" قرار گرفت. هرچند این حمله سبب شد برنامه اتمی ایران ۲ سال عقب بیفتد اما راه حل ایران برای مقابله با این ویروس باعث بهتر شدن وضعیت دفاع سایبری این کشور و پیشرفت آن شد. تاکنون هیچ دولتی مسئولیت این حمله را برعهده نگرفته ‌‌اما شواهد حاکی است این بدافزار با اسرائیل و آمریکا ساخته شده و به داخل تاسیسات هسته‌ای ایران نفوذ کرده است.تشکیلات ارتش سایبریارتش سایبری ایران از سه گروه عمده تشکیل شده‌است که همین تقسیم‌بندی هوشمندانه، پیشرفت و موفقیت آن را به دنبال داشته است. این گروه‌های سه‌گانه عبارتند از:گروه دفاعیماموریت این گروه، پیگیری هویت هکرهای مهاجم است و در تلاش است فعالیت‌های مخرب آن‌ها را خنثی کند. این گروه تاکنون تعداد زیادی از ویروس‌های مهاجم را کشف کرده و آن‌ها را خنثی یا خطراتشان را کاهش داده‌ است.گروه نفوذرمزگشایی پسوردها و استفاده از ابزار مربوط به انتقال اطلاعات از وظایف این گروه است.گروه تهاجمیمأموریت گروه دوم تهاجمی است. افراد این گروه در تلاش هستند تا تأسیسات مخالفان جمهوری اسلامی را تخریب کنند. این گروه علاوه بر هدف قرار دادن تأسیسات انرژی، آب، شبکه قطارها و فرودگاه‌ها، تأسیسات اتمی برخی کشورها، بانک‌ها و بازارهای جهانی را نیز هدف قرار داده است.این گروه همچنین وظیفه دارند به سایت‌های دشمن حمله کنند و مسئول حملات DOSو DDOS هستند. از فعالیت‌های این گروه می‌توان به حمله آنان به بسیاری از سایت رسانه‌های فارسی زبان، که منتقد حکومت ایران هستند بعد از انتخابات ریاست جمهوری ۱۳۸۸ اشاره کرد، همچنین در کار سایت‌های غیر ایرانی نیز اختلال ایجاد کرده‌اند.و در آخر گروهی از مامورین این رسته مسئول ارسال پارازیت بر روی فرکانس‌های برخی شبکه‌های تلویزیونی عربی و غربی را هستند.عملیات‌های ارتش سایبری ایرانحملات ایران علیه امریکاتنش تاریخی میان ایران و آمریکا وارد عرصه سایبری نیز شده‌است. دولت آمریکا ۵ فروردین ۱۳۹۵ در بیانیه اعلام کرد سد بومن اونیو در نزدیکی شهر نیویورک و چند بانک ایالات متحده آمریکا توسط هکرهای ارتش سایبری ایران مورد حمله شدیدی قرار گرفت که خسارات قابل توجهی به بخشی از این زیر ساخت‌ها وارد کرد.همچنین در فروردین ۱۳۹۷ مراکز داده و دانشگاه‌های کشور آمریکا توسط ارتش سایبری ایرن هک شد که این اقدام باعث شد حکومت آمریکا ده نفر از هکرها و مسئولین ایرانی مرتبط با این حمله را تحریم کند. حمله‌ای که به گفته کارشناسان امنیتی ایالات متحده آمریکا، خسارت‌های مالی و اطلاعاتی زیادی به پایگاه داده مشترک موسسات آموزشی این کشور وارد کرد.همچنین ارتش سايبري ايران در پاسخ به دروغ‌ پردازي‌هاي رسانه‌هاي حامي جريان فتنه، سايت صداي آمريكا و 95 سايت‌ وابسته به اين سايت را هك كرد. مخاطبان اين سايت جاسوسي پس از مراجعه به اين سايت با آرم ارتش سايبري ايران و جمله "ثابت كرده‌ايم كه مي‌توانيم" مواجه مي‌شدند. ارتش سايبري متن قابل ملاحظه‌اي را در اين سايت خطاب به كيلينتون وزير سياست خارجي آمريكا قرار داده‌ بود كه متن آن به شرح زير است: خانم كلينتون مي‌خواهي صداي ملت هاي مظلوم را بشنوي؟ ملت‌هاي اسلامي ديگر حيله‌گري‌هاي آمريكا را باور نمي‌كنند، ما از شما مي‌خواهيم كه به دخالت در كشورهاي اسلامي ادامه ندهيد.در جدال میان ایران و آمریکا توییتر هم در امان نمایند و در تاریخ ۲۷ آذر سال ۸۸ کاربران توییتر به جای اتصال به سایت اصلی این شرکت به سایت دیگری که حاوی پیامی مشابه با پیامی که بر روی سایت موج سبز قرار گرفته بود یعنی « این سایت از سوی ارتش سایبری ایران هک شده است» متصل می‌شدند. بلافاصله بعد از این حمله، فعالیت سایت توییتر متوقف شد و پس از حدود یک ساعت دوباره به حالت عادی بازگشت.جنگ سایبری ایران و عربستانهکرهای ایرانی و عربستانی در یک جنگ سایبری تمام‌عیار پایگاه‌های اینترنتی فعال در کشورهای یکدیگر را مورد حملات سایبری قرار دادند. 5 خرداد یک هکر عربستانی وبسایت مرکز آمار ایران و اداره ثبت احوال این کشور را هک کرد و تصویر صدام حسین، دیکتاتور سابق عراق را در صفحه نخست این دو وبسایت قرار داد. فردای آن روز یعنی صبح روز پنجشنبه 6 خردادماه، وب سایت دولتی «دفتر آمار عربستان» در دو مرحله مورد حمله قرار گرفت و چند ساعتی به صورت کامل از دسترس خارج شد. تیم امنیتی Iedb مسئولیت این حمله را برعهده گرفت و اعلام کرد این اقدام را در پاسخ به حملات به سایت مرکز آمار ایران انجام داده‌اند.این تیم در ادامه، دومین سایت عربستانی، «سازمان آمار کل عربستان» را مورد حمله قرار دادند. بعد از این حملات، مقامات دولت عربستان برای جلوگیری از حمله هکرهای ایرانی به این وب‌سایت‌ها، آدرس‌های IP متعلق به کاربران ایرانی را مسدود کردند اما براساس شواهد، این اقدام هم مؤثر نبوده و این سایت‌ها برای چند ساعت از دسترس خارج بودند.هکر‌های ایرانی در سومین اقدام خود بعدازظهر همان روز سایت «دانشگاه ملک عبدالعزیز» در عربستان را مورد حمله قرار داده و مراجعه‌کنندگان به سایت این دانشگاه در ساعات اولیه با پیام «هکرهای ایرانی اینجا هستند» مواجه ‌شدند. همچنین هک‌کننده این سایت آشکارا خود را ایرانی با نام شاهین معرفی کرده بود.بعد دیگر جنگ میان ایران و عربستان در در سوریه و عراق با ظهور داعش به ظهور رسید. داعش نیز از حملات ایرانیان در امان نبودند. حملات سایبری ایران به مدت ۲ سال علیه تروریست‌های داعشی ادامه یافت. اولین بار محققان شرکت امنیتی"Checkpoint Software Technologies" در اگوست ۲۰۱۸ انجام این حملات را آشکار کردند. مهاجمان به‌طور کامل به پیام‌های اس‌ام‌اس، ام‌ام‌اس، سوابق تماس تلفنی، لیست مخاطبین، تاریخچه مرورگر و بوک‌مارک‌ها، ذخیره‌سازی‌های خارجی، لیست برنامه‌ها، محتوای کلیپ بورد، موقعیت مکانی جغرافیایی و عکس‌های دوربین و همچنین ضبط صدای فراگیر تروریست‌ها دسترسی یافته بودند.ارتش سایبری در برابر مخالفان داخلیوب سایت موج سبز آزادی در تاریخ ۲۵ آذر۱۳۸۸سایت موج سبز، از مجموعه سایت‌های حامی اصلاح‌طلبان و امیرحسین موسوی و مهدی کروبی است که پس از انتخابات ریاست جمهوری آغاز به کارکرده بود، توسط ارتش سایبری ایران هک شد. هنگام مراجعه به سایت صفحه‌ای مشکی که روی آن به انگلیسی نوشته شده بود: "این سایت از سوی ارتش سایبری ایران هک شده است" ظاهر می‌شد و زیر این پیام، پرچمی سبز با شعار قرمز "یا حسین علیه‌السلام" به چشم می‌خورد. همچنین شعری با مضمون " اگرفرمان دهد رهبر بتازیم اگر او خواهد از ما سر ببازیم اگر صبر و قرار از ما بخواهد بشینیم بسوزیم و بسازیم" نوشته شده بود.سایت جنبش راه سبز (جرس) در تاریخ ۲۳ بهمن ۱۳۸۸پیامی که این گروه بعد از حمله به سایت های جرس و کلمه بر روی سایت قرار دادند اینگونه بود : "به احترام رفراندومی که در تاریخ ۲۲ بهمن برگزار شد و مردمی که رای دادند و به احترام ملتی بزرگ و وطنی به نام ایران." این گروه که خود را فرزندان ایران زمین معرفی می کنند، کمی پایین تر خطاب به مراجعه کنندگان این سایت ها نوشته است : "بیشتر از این مهره بازی افرادی که خود در آمریکا در امن و امان به سر می‌برند و از شما به عنوان مهره استفاده می کنند نباشید." در همین حال گردانندگان سایت جرس و تحول سبز در واکنش به این حمله اینترنتی، به سرعت آدرس‌های جایگزینی را برای دسترسی مخاطبان به این سایت ارائه کردند.سایت رسمی سازگارا در تاریخ ۲۱ بهمن ۱۳۸۸پس از هک شدن سایت رسمی محسن سازگارا توسط ارتش سایبری ایران، تصویری از پرچم ايران و نام حسين شهيد(ع)، دیده می‌شد. در حاليکه آقای محسن سازگارا به آموزش جلوگيري از هک شدن توسط ارتش سايبری ايران مشغول بود، ارتش سایبری ایران فقط و فقط برای اثبات پوچ بودن حرف اينگونه افراد اين سايت را هک نمود ارتش سايبري ايران سايت محسن سازگارا را هك كرد.رادیو زمانه در تاریخ ۱۰ بهمن ۱۳۸۸ارتش سایبری ایران با حمله به سایت رادیو زمانه که در هلند مستقر است، دسترسی کاربران به این سایت را مختل کردند. کاربران رادیو زمانه با مراجعه به این سایت، با این پیام مواجه شدند: "ارتش سایبری ایران به تمام مزدوران وطن فروش هشدار می‌دهد که در دامان اربابان خود نیز آن‌ها را راحت نمی‌گذارد".سایر حملات ایرانیان در جهانسایت تلویزیون دولتی جمهوری آذربایجان در تاریخ ۲۰ اردیبهشت ۱۳۹9حکومت جمهوری آذربایجان یکی از متحدان نزدیک اسرائیل در منطقه است و این مسئله مسبب تنش‌ میان ایران و آذربایجان است. هکرها با تغییر صفحه اصلی اینترنتی تلویزیون آذربایجان، این پیام را جایگزین آن کرده اند: "زندگی یک بازی است. بازی تمام شده است." سایت شرکت هواپیمایی دولتی آذربایجان و سایت کمیته ملی المپیک آن کشور نیز مورد حمله هکرهای دیگری قرار گرفت که پیام گذاشته بودند دولت جمهوری آذربایجان "مانند یک سگ دست آموز اسرائیل" عمل می‌کند و بهتر است که در مورد ایران حرف نزند. همچنین تعدادی از هکرهای مخالف حکومت اسرائیل سایت‌های اینترنتی حزب حاکم جمهوری آذربایجان و چندین وزارت‌خانه آن کشور را هک کردند و با گذاشتن پیام‌هایی، از روابط آذربایجان با اسرائیل انتقاد کردند. رسانه‌های آذربایجان آن زمان نوشتند که این سایتهای دولتی احتمالا از ایران هک شده‌اند و در پی آن، هکرهای آذربایجان به هک کردن چندین سایت ایرانی پرداختند.موتور جستجوی چینی بایدو در تاریخ سه‌شنبه ۲۲ دی ۱۳۸۸"بایدو"، بزرگ ترین و معروف ترین موتور جستجوی اینترنتی در چین می‌باشد. در اثر حمله، دسترسی به محتوای سایت بایدو برای چند ساعت مختل شد و مراجعه کنندگان با پیام "این سایت توسط ارتش سایبری ایران هک شده" مواجه می‌شدند.در پایین صفحه نیز پیغامی به فارسی مشاهده می‌شد که"این سایت در اعتراض به دخالت‌های مقامات آمریکا در مسائل داخلی ایران هک شده‌است. این یک هشدار است."تلویزیون فارسی وان و سایر وب‌گاه‌های گروه موبی در تاریخ آبان ۱۳۸۹ارتش سایبری ایران وبسایت تلویزیون فارسی 1را به همراه تعداد زیادی از وبسایت‌های مرتبط با گروه موبی از جمله تلوزیون طلوع، تلوزیون لمر، رادیو آرمان و … را هک کرد و در صفحه اصلی این سایت خطاب به گردانندگان این تلوزیون ماهواره‌ای نوشته‌اند: "رابرت مرداک، شرکت موبی و خانواده محسنی شرکا صهیونیست‌ها بدانند: آرزوی تخریب خانواده‌ها در ایران را به گور می‌برند."منابع:tabnak.irir.voanews.comfa.wikipedia.orgfarsnews.combbc.com Logisia parnaakbari Sat, 25 Apr 2020 22:26:19 +0430 https://virgool.io/LogisiaMag/3-ctjcmfwjkiqc سازمان غذا و دارو (FDA) در گزارش جدید خود اعلام کرد هیچ شواهدی دال بر ارتباط سرطان با امواج گوشی همراه وجود ندارد، ولی تحقیقات باید ادامه یابند.یافته‌ها: در این گزارش، 125 آزمایش انجام یافته بر حیوانات و 75 آزمایش انجام یافته بر انسان‌ها بین سال های 2008 و 2019 بازبینی شده‌اند. به طور خلاصه، FDA بیان کرد "هیچ الگوی ثابتی" وجود ندارد که امواج فرکانس رادیویی را به سرطان ربط دهد.آزمایش روی حیوانات: یک اشکال عمده در مطالعات حوزه حیوانات این است که آن‌ها رفتاری مشابه انسان‌ها ندارند تا استفاده عادی از گوشی همراه داشته باشند. لذا ناچارا در اکثر مطالعات، تمام بدن موش را در معرض تشعشعات بسیار بالا قرار می‌دهند. در صورتی که انسان ها به طور عادی به هنگام استفاده از گوشی همراه با این حد از تشعشعات مواجه نیستند.مطالعات انجام گرفته بر انسان‌ها نیز ایراداتی دارند، چرا که تنها با تکیه بر پرسشنامه‌های تکمیل شده توسط اعضای خانواده و یا مشاهدات ظاهری می‌باشند.تکنولوژی 5G: 5G در فرکانس‌های بسیار بالاتر از 4G کار می کند، این باعث ایجاد ترس شده‌ بود که تکنولوژی 5G امکان ایجاد تومور و سرطان خواهد داشت و در نتیجه موجب شروع اعتراضاتی در کالیفورنیا و مناطقی از اتحادیه اروپا شده است. در بیانیه‌ای به همراه این گزارش FDA اعلام کرد درک اثرات گوشی‌های همراه بر سلامت در جهانی که به سمت 5G می‌رود، مهم است. این تکنولوژی در محدوده مجاز کنونی کمیسیون ارتباطات فدرال (FCC) قرار می‌گیرد چرا که طبق این دستورالعمل، قرار گرفتن در مقابل تابش اشعه‌ بین 300 کیلوهرتز و 100 گیگاهرتز برای انسان بی‌خطر می‌باشد (محدوده فعلی 5G بازه بین 25.250GHz و 100GHz می‌باشد).تحقیقات بیشتری مورد نیاز است: FCC مکررا سالم بودن 5G را اعلام کرده ‌است و این گزارش نیز موید آن است. به گفته FDA: "شواهد اپیدمیولوژیک موجود نشان می‌دهند که اگر هم خطری وجود داشته باشد، احتمال رخداد در مقایسه با وقوع طبیعی آن بسیار کم بوده و همچنین قابل کنترل می‌باشد." با این حال این سازمان محققان را به ادامه مطالعات راجع به اثرات گوشی‌های همراه بر انسان‌ها، به ویژه افراد مستعد ابتلا به تومور سرطانی، ترغیب می‌کند.منبع: MIT Technology Review Logisia Ali Karbasi Sun, 19 Apr 2020 20:03:25 +0430 https://virgool.io/LogisiaMag/deepmind-ai-reiforcement-learning-reveals-dopamine-neurons-in-brain-vumzlhnkxxxl الگوریتم یادگیری تقویتی جدید شناختمان را نسبت به خودمان تغییر خواهد دادبرای علاقه‌مندان به هوش مصنوعی واژه یادگیری تقویتی ناآشنا نیست. یادگیری تقویتی الگوریتمی است که تلاش می‌کند با پاداش و مجازات ماشین را آموزش دهد. لاجیسیا در جدیدترین ترجمه خود مقاله‌ای از MIT Technology Review برای مخاطبان خود آماده کرده است که الگوریتم جدید یادگیری تقویتی شرکت دیپ‌مایند گوگل را برسی میکند و در ادامه به تاثیرات آن بر علم عصب‌شناسی و شناخت ما از مغز خودمان می‌پردازد.تربیت سگ‌ها الهام بخش هوش مصنوعی اولیهماروین مینسکی که در سال 1951 دانشجوی دانشگاه هاروارد بود، از مشاهدات رفتارشناسی حیوانات برای طراحی یک ماشین هوشمند استفاده کرد. او از ایده‌های کار ایوان پاولوف، فیزیولوژیستی مشهوری که با استفاده از سگ‌ها چگونگی یادگیری حیوانات از طریق مجازات و پاداش نشان داده بود، استفاده نمود تا رایانه‌ای بسازد که می‌توانست از طریق مشابه یعنی پاداش و مجازات مداوم برای هر کاری که انجام می‌دهد یاد بگیرد و یک هزارتوی مجازی را حل کند.هر چند در آن زمان، دانشمندان علوم اعصاب مکانیسم‌های موجود در مغز را که به حیوانات اجازه می‌داد از طریق یادگیری تقویتی آموزش ببینند را کشف نکرده بودند، اما مینسکی هنوز هم قادر بود خود این رفتار را تا حدی شبیه‌سازی کرده و به پیشبرد هوش مصنوعی خود بپردازد. چند دهه بعد، همانطور که یادگیری تقویتی به بلوغ خود ادامه می‌داد به نوبه خود به حوزه علوم اعصاب کمک کرد تا این مکانیسم‌ها را کشف کرده و باعث ایجاد چرخه‌ای از پیشرفت متقابل بین این دو زمینه شود.طبق مقاله‌ای که در سایت Nature today منتشر شده؛ شرکت دیپ‌مایند(DeepMind) بار دیگر موفق به ارائه نظریه‌‌ جدیدی در مورد مکانیزم‌های پاداش‌دهی در مغز آن هم با استفاده از اطلاعاتی که از یادگیری تقویتی به دست آورده، شود. این فرضیه که توسط یافته‌های تجربی اولیه تقویت می‌شود، نه تنها می‌تواند درک ما نسبت به سلامت روان و انگیزه بهبود بخشد؛ هم‌چنین می‌تواند جهت فعلی تحقیقات هوش مصنوعی را به سمت ساختن هوش مصنوعی انسان گونه‌تر هدایت کند. اما این فرضیه جدید چه می‌گوید؟ قبل از توضیح این نظریه یک توضیح کوتاه درباره یادگیری تقویتی ارايه می‌دهیم.نورون‌های دوپامین چه نقشی در یادگیری تقویتی انسان دارند؟یادگیری تقویتی در دنیای واقعیاساس روش یادگیری تقویتی از شیوه تربیت سگ‌های پائولو الهام می‌گیرد؛ می‌توان به یک عامل (agent) مهارت‌های جدید و پیچیده را از طریق بازخورد مثبت و منفی (مجازات و پاداش) آموزش داد. یک الگوریتم وظیفه اختصاص‌ داده ‌شده را با پیش‌بینی تصادفی این که کدام عمل ممکن است پاداشی به همراه داشته باشد، یاد می‌گیرد. پس از میلیون‌ها یا حتی میلیارد‌ها آزمایش، خطای پیش‌بینی الگوریتم به صفر همگرا می‌شود. در این مرحله عامل می‌داند که دقیقاً برای رسیدن به حداکثر پاداش خود چه اقداماتی را باید انجام دهد و بنابراین وظیفه خود را به اتمام می‌رساند.به نظر می‌رسید مکانیزم پاداش مغز که در دهه ۱۹۹۰ با الهام از الگوریتم‌های یادگیری تقویتی کشف شد نیز به همین روش کار می‌کند. هنگامی که یک انسان یا حیوان در حال انجام عملی است نورون‌های دوپامین موجود، یعنی نورون‌هایی که وظیفه ساخت دوپامین را بر عهده دارند، پاداش مورد انتظار را پیش‌بینی می‌کنند. پس از دریافت پاداش واقعی آنها مقداری دوپامین، که منطبق با خطای پیش‌بینی است، ترشح می‌کنند. پاداش بهتر از حد انتظار باعث آزاد شدن دوپامین می‌شود، در حالی که پاداش بدتر از حد انتظار تولید شیمیایی آن را سرکوب می‌کند. به عبارت بهتر، دوپامین به عنوان یک سیگنال تصحیح کننده عمل می کند و به نورون‌ها می‌گوید پیش‌بینی‌های خود را تا زمانی که به واقعیت نزدیک شوند تنظیم نمایند. این پدیده معروف به خطای پیش‌بینی پاداش، بسیار به یک الگوریتم یادگیری تقویتی شبیه است.مطالب مجله لاجیسیا در خرداد سال 1399 به سایت اصلی لاجیسیا منتقل شد و مطالب جدید نیز به شیوه سابق در سایت اصلی منتشر خواهد شد.تاثیرات الگوریتم جدید یادگیری تقویتی دیپ‌ماینددر سال 2017، محققان دیپ‌مایند الگوریتم یادگیری تقویتی را معرفی کردند که از آن زمان تاکنون عملکرد چشمگیری در انجام وظایف گوناگون به نمایش گذاشته‌است. آن‌ها باور دارند مقاله‌ی جدید آن‌ها که بر پایه ارتباط بین هوش مصنوعی و علوم اعصاب بنا شده‌است می‌تواند توضیحی دقیق‌تر درباره عملکرد نورون‌های دوپامین در مغز ارائه کند.این الگوریتم بهبود یافته نحوه پیش‌بینی پاداش را تغییر می‌دهد. رویکرد قدیمی پاداش را به صورت یک عدد اسکالر برآورد می‌کرد که نمایش‌دهنده میانگین خروجی مورد انتظار بود اما رویکرد جدید آن را با دقت بیشتری به صورت یک توزیع احتمالاتی نشان می‌دهد. برای اینکه بهتر متوجه موضوع بشوید به یک دستگاه شانسی (Slot machine) فکر کنید: شما در هر دور با احتمال خاصی برنده یا بازنده می‌شوید ولی امکان ندارد در یک دور بازی مقادیر میانگین را به عنوان خروجی ماشین دریافت کنید؛ به عبارت دیگر مقادیر میانگین نمایش‌دهنده خروجی مورد انتظار ما نیست.slot machineاین تغییرات ما را به سمت نظریه جدیدی سوق میدهند: آیا نورون‌های دوپامین نیز با همان روش و به صورت توزیع احتمالاتی پاداش را پیش بینی می کنند؟برای آزمایش این تئوری دیپ‌مایند با گروهی از محققان دانشگاه هاروارد همکاری کرد تا رفتار نورون‌های دوپامین را در موش‌ها مشاهده کند. آن‌ها پس از اختصاص یک وظیفه به موش‌ها، توسط یک تاس به آن‌ها پاداش دادند و سپس الگوی ترشح نورون‌های دوپامین آن‌ها را بررسی کردند. نتایج آزمایش‌ها نشان داد که هر نورون مقدار متفاوتی از دوپامین را آزاد می‌کند؛ یعنی هر نورون نتیجه متفاوتی پیش‌بینی ‌می‌کرد. برخی بیش از حد "خوش‌بینانه" بودند و مقادیر بیشتری را نسبت به واقعیت پیش‌بینی می‌کردند، برخی دیگر "بدبین‌تر" بودند و مقادیر کمتری نسبت به واقعیت پیش‌بینی می‌کردند. هنگامی که محققان توزیع آن پیش‌بینی‌ها را نگاشت کردند، نتایج به مقادیر پاداش اصلی شباهت زیادی داشت. این داده‌ها شواهد قانع‌کننده‌ای را ارائه می دهند مبنی بر اینکه مغز در واقع از پیش‌بینی‌های توزیع پاداش برای الگوریتم یادگیری تقویتی خود استفاده می‌کند.محققان با اندازه گیری رفتار نورون دوپامین در موش ها، دریافتند که توزیع احتمالاتی پیش بینی نورون ها (رمز گشایی شده) به مقدار پاداش اصلی بسیار نزدیک است. نتایج مطالعات جدید در کامپیوتر و علوم شناختیاین مطالعه پیامدهایی برای هوش مصنوعی و علوم اعصاب دارد. در وهله اول یادگیری تقویتی با توزیع احتمالاتی را به عنوان یک مسیر امیدوار کننده برای توانایی‌های پیشرفته‌تر هوش مصنوعی تأیید می‌کند. مت بوتووینک، مدیر تحقیقات علوم اعصاب دیپ‌مایندو یکی از نویسندگان اصلی مقاله در گفتگوی مطبوعاتی گفت: "اگر مغز از آن استفاده می‌کند، پس این روش احتمالا یک روش مناسب است. نتایج این تحقیق به ما می‌گوید که این روش محاسباتی به خوبی می‌تواند در دنیای واقعی اجرا شود و همچنین به خوبی با سایر فرایندهای محاسباتی مطابقت داشته باشد. "در وهله دوم می تواند یکی از تئوری‌های متعارف در علوم اعصاب درباره سیستم پاداش دهی مغز را به‌ بروزرسانی کند که به نوبه خود می‌تواند درک ما را نسبت به همه چیز، از انگیزه گرفته تا سلامت روان، بهبود بخشد. برای مثال وجود نورون های "خوشبین" و "بدبین" چه معنایی خواهد داشت؟ اگر مغز به طور انتخابی فقط به یکی از آن دسته واکنش نشان دهد می تواند منجر به عدم تعادل شیمیایی و افسردگی شود؟سرانجام رمزگشایی بیشتر فرآیندهای مغز می‌تواند روشن کند که چه چیزی باعث ایجاد هوش انسانی می‌شود. بوتووینک گفت: "این تحقیق دیدگاه جدیدی به ما در مورد آنچه به مغز در طول زندگی روزمره می‌گذرد، می‌دهد."مطالب مجله لاجیسیا در خرداد سال 1399 به سایت اصلی لاجیسیا منتقل شد و مطالب جدید نیز به شیوه سابق در سایت اصلی منتشر خواهد شد. Logisia امیر حسین شکاری Fri, 17 Apr 2020 01:57:30 +0430 https://virgool.io/LogisiaMag/%D8%A8%D9%87%D8%A8%D9%88%D8%AF-%D9%85%D9%87%D8%A7%D8%B1%D8%AA%D9%87%D8%A7%DB%8C-%D8%A7%D8%AC%D8%AA%D9%85%D8%A7%D8%B9%DB%8C-%DA%A9%D9%88%D8%AF%DA%A9%D8%A7%D9%86-%D8%A7%D9%88%D8%AA%DB%8C%D8%B3%D8%AA%DB%8C%DA%A9-%D8%A8%D9%87-%DA%A9%D9%85%DA%A9-%D8%B1%D9%88%D8%A8%D8%A7%D8%AA%D9%87%D8%A7-q0w7e3txin2f به نظر می‌رسد پیشرفت چشمگیر ربات‌‌ها در زمینه تقویت مهارت‌های اجتماعی، روش‌های درمانی موثرتر و مقرون به صرفه‌تری عرضه می‌کند. اما چگونه؟ از هر 160 کودک در جهان، یک کودک مبتلا به اختلال طیف اوتیسم (ASD) می‌باشد. این آمار در آمریکا به دلیل تفاوت‌های شناختی گزارش شده حدودا سه‌برابر است. اختلال اوتیسمی اغلب به دلیل چالش‌های ناشی از رفتارهای اجتماعی، عاطفی و ارتباطی شکل می‌گیرد و به طور کامل قابل درمان نیست، اما انجام یک‌سری اقدامات اولیه مانند استفاده از روش‌های خاص گفتار و رفتاردرمانی، می‌تواند تا حدودی در رشد و پرورش کودک موثر واقع شود. غالبا این‌چنین روش‌های درمانی که متکی به خود شخص است، ممکن است هزینه‌بر و یا بسیار وقت‌گیر باشد، از این‌نظر که به بسیاری از کودکان مبتلا به این‌ اختلال توصیه می‌شود جلسات درمانی خود را به 20 ساعت در هفته افزایش دهند. از طرفی، با توجه به گستردگی علائم و الگوهای رفتاری افراد دارای این ‌اختلال، تجویز یک نسخه درمانی برای تمامی مبتلایان چندان کارساز نخواهد بود. این ‌مشکلات به همراه دیگر چالش‌های پیش‌رو در این‌ مسیر، دانشمندان را بر آن داشت که به دنبال کشف سبک‌های‌ درمانی پیشرفته‌تر و کارآمدتر باشند و در نتیجه‌ی این‌ تلاش‌ها، ربات‌هایی با هدف اصلی کمک به بهبود رفتارهای اجتماعی افراد (socially-assistive robots) طراحی شده‌است. پیشرفت این ربات‌ها در چند سال اخیر، امکان دستیابی به الگوهای درمانی به مراتب موفق‌تر و مقرون به صرفه‌تر برای ما فراهم آورده‌است که عملکرد این ربات‌ها متناسب با رفتار هر فرد و متمایز از دیگر بیماران می‌باشد. انتظار می‌رود این ربات‌ها، که به منظور استفاده شخصی در خانه و به عنوان یک جایگزین برای روش‌های سنتی طراحی شده‌اند، با انجام فعالیت‌های آموزشی مکررِ خود یک پشتوانه برای مکمل‌های درمانی انسان بوده و هوش مصنوعی به کار رفته در آنها این تجربه را منحصر به فرد سازد. یک پژوهش منتشر شده در تاریخ 26 فوریه در مجله‌ی علوم رباتیک (Science Robotics)، گام مهمی در اثبات پیشبرد نقش هوش مصنوعی داخل این ربات‌ها که با هدف قدرت بخشیدن به عملکردشان پیاده‌سازی شده است، برداشت. پروفسور ماجا متریک (Maja J. Matarić) به همراه تیمش در دانشگاه کالیفرنیای جنوبی، با طراحی برنامه‌ای با الگویی خاص از یادگیری ماشین بررسی می‌کنند که آیا استفاده از داده‌های صوتی و تصویری مانند گفتگو و تماس چشمی برای تعامل کودکان اوتیستیک با ربات می‌تواند توجه آنها را به خود جلب کند یا نه و اگر موفقیت‌آمیز نبود، سیستم به آن واکنش نشان داده و با سازمان‌دهی خاص خود مجددا داده‌هایش را مورد استفاده قرار دهد تا توجه کودکان را اینبار برای مدتی طولانی‌تر بر روی تمرینات درمانی خود متمرکز کند. در انتهای یک تست آزمایشی، یک ربات علی رغم آشفتگی داده‌های پر سر و صدا و تنوع زیاد شرکت‌کنندگان توانست با دقت 90 درصد میزان مشغولیت بیمار با این داده‌ها را تخمین بزند. البته یک نکته‌ شایان توجه است که این آمار و ارقام از اطلاعات روبات‌های خانگی‌ای که به مدت یک ماه با فرزندان اوتیستیک خانواده‌ها در ارتباط بودند گردآوری شده‌است. این مطالعه بخشی از یک طرح تحقیقاتی چند‌ساله است که به دنبال بررسی تاثیر پیشبرد توانایی‌های این ربات‌ها به هنگام قرار گرفتن در یک محیط واقعی و تعامل با افراد اوتیستیک می‌باشد. اما در مقابل، بسیاری از مطالعات به عمل آمده تا به امروز نیز فقط به مقایسه نتایج تست‌های انجام شده درون آزمایشگاه‌ها محدود شده است. به این دلیل که فراهم کردن تکنولوژی لازم برای استفاده از این ربات‌ها در خانه ملزم به پردازش فرآیندهایی بسیار پیچیده می‌باشد. از شرکت‌کنندگان در این تحقیق خواسته شد که به طور منظم بازی‌های ریاضی با مضمون فضایی را در تبلت‌های این ربات‌ها انجام دهند. سپس این ربات‌ بر اساس عملکرد شخص و بازی که با گذشت زمان از طریق الگوریتم یادگیری شخص تقویت می‍شود، بازخورد کاملی ارائه می‌دهد. محتوای این بازی‌ها عموما ریاضی است اما هدف اصلی آن، آموزش مهارت‌های اساسی معاشرتی از طریق برقراری ارتباط با ربات از جمله: نوبت‌گیری (اکنون نوبت من است که صحبت کنم یا ربات؟) و برقراری تماس چشمی (باید هنگام صحبت کردن به ربات نگاه کنم؟) می‌باشد. با هر مداخله از سمت شرکت‌کنندگان یک درمانگر رفتاری درون ربات مهارت‌های اجتماعی کودک را قبل و بعد از آن ارزیابی کرده و رویکرد بهبود را تایید می‌کند. متریک می‌گوید:" یادگیری کودکان باید در بستر محیط اجتماعی شکل گیرد. اما کودکان مبتلا به اوتیسم این مهارت‎‌ را در خود تقویت نمی‌کنند. این‌جاست که نقش ربات‌ها پررنگ‌تر می‌شود". بسیاری از کودکان با گذشت زمان ربات‌ را به عنوان دوست خود دیده و ارتباط خوبی با آن برقرار می‌کنند هم چنین صمیمیت و همدلی بیشتری نسبت به سایر همسالان خود نشان می‌دهند. بسیاری این ربات‌ها را در میان محافل اجتماعی خانواده خود قرار داده و شاهد برقراری ارتباط آنها با خواهر، برادر و والدین خود نیز شده‌اند که نشان می‌دهد برخلاف فرضیه‌ایی که تاکنون کم و بیش مورد قبول بوده، ربات‌ها نه به عنوان جایگزین بلکه به عنوان وسیله‌ای برای بهبود روابط با دیگران در دنیای ما انسان‌ها جای گیرند. البته همه چیز طبق خواسته محققین پیش نمی‌رود. شرایط محیط داخل خانه چالش برانگیزتر از آن بود که تصور می‌کردند. گاهی افراد تصادفا به ربات‌ آسیب زده و یا دوربین آن‌ را جابجا می‌کردند که باعث پاک شدن بخشی از دیتا یا ایجاد اختلال در آن می‌شد. اغلب نیز خواهر و برادران کودکان اوتیسمی، با دستکاری در تنظیمات بازی‌های طراحی شده و افزایش شدت سختی،‌ خود آنها را بازی می‌کردند! با این وجود، قرار گرفتن ربات‌ها در محیط‌های واقع‌گرایانه، به محققان درک جامع‌تری از چگونگی اثر بخشی ربات‌ها می‌داد. به عنوان مثال، با مطالعه رفتارها دریافتند که میزان مشغولیت کودکان با ربات‌ها به مرور زمان کاهش می‌یابد که این خود انگیزه‌ای برای شروع مطالعات در باب علوم رباتیک بود. به گفته آیانا هوارد (Ayanna Howard) ، یک استاد و پژوهشگر فعال در زمینه تاثیرات درمانی ربات‌ها بر روی کودکان اوتیستیک در موسسه فناوری گرجستان (Georgia Tech)، استفاده از این متد (قرار دادن ربا‌ت‌ها در خانه‌ها) به ما کمک می‌کند تا درک بهتری از تاثیرات مثبت این سیستم‌ها بر روی کودکانی با نیازهای ویژه داشته باشیم. تیم متریک همچنین به منظور محافظت از حریم خصوصی، به دنبال به حداقل رساندن اندازه داده‌های مورد نیاز برای آموزش الگوریتم‌های یادگیری ماشین به ربات‌هاست. در این صورت سهولت تهیه و استفاده از آن افزایش یافته و امکان دریافت مراقبت‌های گسترده‌تری به همراه دارد.منبع: Robots that teach autistic kids social skills could help them develop Logisia Afra_Khn Sun, 12 Apr 2020 21:38:10 +0430 https://virgool.io/LogisiaMag/%D9%88%D9%82%D8%AA%DB%8C-%DB%8C%DA%A9-%D9%88%DB%8C%D8%B1%D9%88%D8%B3-%DA%86%D9%86%D8%AF-%D9%86%D8%A7%D9%86%D9%88%D9%85%D8%AA%D8%B1%DB%8C-%D8%AF%D9%86%DB%8C%D8%A7%DB%8C-%D9%81%D9%86%D8%A7%D9%88%D8%B1%DB%8C-%D8%B1%D8%A7-%D8%A8%D9%87-%DA%86%D8%A7%D9%84%D8%B4-%D9%85%DB%8C%DA%A9%D8%B4%D8%AF-ps819xdkcpr5 شروع ویروس کرونا از شهر ووهان چین به یک فاجعه جهانی تبدیل شده‌است. طبق آمار سازمان بهداشت جهانی، تا امروز نزدیک به 1,872,916 نفر در سراسر جهان به این ویروس مبتلا شده و 116,038 نفر جان خود را از دست داده‌اند و این آمار روز به روز در حال تغییر است. ویروسی که با روند شیوع عجیب و تصاعدی خود جهان را تحت سلطه خود درآورده و جان همه انسان‌ها را تهدید می‌کند و حوادثی تراژدیک به بار آورده‌ است. فرقی نمی‌کند که در ووهان چین باشید یا دورافتاده‌ترین روستای یک کشور، این ویروس از شرق تا غرب و شمال تا جنوب دنیا را طی می‌کند تا شما را در معرض ابتلا قرار دهد. فاجعه‌ی به وجود آمده باعث شده که اکثر کشورها برای پیشگیری و کنترل روند ادامه این بیماری دست به دامان تکنولوژی‌های مختلف شوند. اخبار مربوط به چین نشان می‌دهد که دولت چین با تکیه بر فناوری‌های قدرتمند خود و به‌ویژه هوش مصنوعی، علم داده و ابزارهای شناسایی و ردیابی افراد بیمار توانسته‌ است که روند شیوع آن را کنترل کند. در این مورد کمپانی‌های بزرگی همچون علی‌بابا، بایدو و هوآوری، نسبت به تسریع این امر کمک‌های شایانی به دولت کرده‌اند. در این مقاله سعی می‌کنیم که به برخی از این فناوری‌ها برای مقابله با ویروس COVID-19 اشاره کنیم.· هوش مصنوعی برای شناسایی، ردیابی و پیش بینی شیوع بیماریمحققان حوزه‌ی هوش مصنوعی می‌توانند با تحلیل و بررسی حجم عظیمی از اخبار و اطلاعاتی که صدها هزار رسانه‌ی خبری، هر روز در سراسر جهان تولید می‌کنند، بیماری‌های عفونی همه‌گیر را ردیابی کنند.محققان شرکت کانادایی BlueDot توانسته‌اند با استفاده از پردازش زبان طبیعی(nlp) و یادگیری ماشین، اخبار سراسر جهان را به ده‌ها زبان مختلف پردازش کرده و با تحلیل گزارش‌های مربوط به شبکه‌های ردیابی بیماری‌های گیاهی و حیوانی و حتی داده‌های بلیط هواپیمایی جهانی، مد‌ل‌ها و سیستم‌های هوشمندی توسعه دهند که قادر است شیوع بیماری‌هایی مثل کرونا را تشخیص داده و اعلام کند. در حقیقت، هوش مصنوعی BlueDot توانسته بود 9 روز قبل از اینکه مراکز کنترل و پیشگیری از بیماری‌ها یا سازمان بهداشت جهانی هشدارهای عمومی خود را صادر کنند، خطرات و تهدیدات شیوع کرونا ویروس را اعلام کند.BlueDot Explorer· هوش مصنوعی برای تشخیص مبتلایان به ویروسبا شیوع ویروس کرونا و کمبود لوازم و کیت‌های آزمایشگاهی، پزشکان سراسر دنیا از تصاویر CT اسکن نیز برای تشخیص ابتلای فرد مشکوک به کرونا ویروس استفاده می‌کنند. اما بررسی هر کدام از این تصاویر توسط پزشکان و اعلام نتیجه دقیق ابتلای فرد به ویروس زمان‌بر است. شرکت علی‌بابا در چین یک الگوریتم هوش مصنوعی ارائه کرده‌است که می‌تواند تصاویر CT اسکن را آنالیز کند.این شرکت ادعا کرده که هوش مصنوعی آن می‌تواند تفاوت تصاویر ذات‌الریه آلوده، غیر‌آلوده و مشکوک به کرونا‌ویروس را با دقت 96% در 20 ثانیه شناسایی کند. کمپانی‌های دیگری همچون Infervision نیز راه حل‌های مبتنی بر هوش مصنوعی خود جهت تشخیص و نظارت بر ابتلای فرد به کرونا ویروس از روی تصاویر CT اسکن را برای کاهش حجم کاری کارکنان در بخش‌های مراقبت‌های پزشکی ارائه کرده‌اند.نرم افزار هوشمند پردازش تصاویر CT بیماران برای تشخیص ابتلا به COVID-19· کلان داده و تشخیص چهرهدولت چین و شرکت‌هایی مثل Sense Time و Hanwang Technology یک فناوری جنجالی ایجاد کرده‌اند که با دسترسی به اطلاعات عموم شهروندان چین قادر است چهره آنها را حتی در صورتی که نقاب یا ماسک زده باشند با دقت زیادی تشخیص دهد تا از آن برای تحت کنترل داشتن افراد آلوده در معابر عمومی استفاده کند. همچنین دولت چین با بهره‌گیری از شبکه نظارت پیشرفته و گسترده خود، به کمک شرکت‌هایی مثل Alibaba و Tencent یک سیستم رتبه‌بندی برای سلامت افراد به نام (Health Coding) ایجاد کرده که روزانه میلیون‌ها نفر را ردیابی می‌‌‌‌کند. این سیستم در اپلیکیشن‌هایی مثل WeChat و Alipay ، بر اساس تاریخچه سفر و پرونده‌ی پزشکی افراد، سه رنگ سبز، زرد و قرمز به آنها اختصاص می‌دهد. بر اساس این کدهای رنگی و در صورت سبز بودن کدی که به صورت QR Code توسط اپلیکیشن در اختیار آنها قرار داده‌می‌شود، این افراد مجوز ورود به مترو، فروشگاه‌ها، ادارات و... را خواهند داشت.سیستم نظارتی چین برای شناسایی افراد مبتلا به ویروس کرونا در معابر عمومینمونه ای از QR Code سیستم Health Coding چین· استفاده از پرنده‌های بدون سرنشینپرنده‌های بدون سرنشین یکی از امن‌ترین و سریع‌ترین راه‌های مبارزه علیه کروناویروس‌اند که در سراسر جهان در حال استفاده هستند. از جمله موارد استفاده از کوادکوپترها و پهبادها می‌توان به موارد زیر اشاره کرد:1- ارسال تجهیزات و لوازم بهداشتی و پزشکی2- ارسال نمونه‌های آزمایشگاهی و مواد قرنطینه‌ای بین مراکز کنترل بیماری3- ضد‌عفونی کردن مناطق شهری پرجمعیت4- گشت‌زنی در فضاهای عمومی و شناسایی و هشدار به افرادی که قوانین قرنطینه را رعایت نمی‌کنند.5- تشخیص و شناسایی افراد مشکوک به بیماری از طریق حسگرهای دمایی· ربات‌هاربات‌ها می‌توانند در کاهش روند صعودی گسترش ویروس کرونا، نقشی بسیار جدی داشته باشند. ربات‌ها مستعد ابتلا به ویروس نیستند و می‌توان از آنها برای انجام بسیاری از کارهایی که انسان را در معرض ابتلا قرار می‌دهد و برای به حداقل رساندن میزان تماس انسان با محیط آلوده استفاده کرد.دولت چین از ابتدای شیوع کرونا در شهر ووهان، از ربات‌ها برای ضدعفونی معابر و خیابان‌ها استفاده می‌کرد، تا جایی که حتی افراد کنترل کننده این ربات‌ها نیز سوار بر اسکوترهای برقی کار خود را انجام می‌دادند.شرکت Blue Ocean Robotics ربات‌های هوشمندی طراحی کرده است که مجهز به سیستم نور UV هستند و با استفاده از نور ماوراء‌بنفش، می‌توانند بیماری‌ها، ویروس‌ها، باکتری‌ها و سایر میکرو‌ارگانیسم‌های مضر موجود در محیط را با تجزیه به ساختار DNA آنها ضدعفونی کرده و از بین ببرند. این ربات‌ها 99.99 درصد باکتری‌ها و ویروس‌ها را ضدعفونی می‌کنند. این اختراع به صورت خودکار به کانون‌های عفونی مثل تخت بیمار، دستشویی، دستگیره‌های در و .. توجه ویژه‌ای داشته و با کاهش خطر تماس با باکتری‌ها و ویروس‌ها باعث افزایش ایمنی بیماران و کادر پزشکی در بیمارستان‌ها می‌شود. ربات‌های تعاملی و دستیار پزشکی، به پزشکان و پرستاران کمک می‌کنند که از راه دور و بدون حضور درکنار بیمار، وضعیت او را پایش کنند، ربات‌های تهیه و آماده‌سازی مواد غذایی بدون دخالت انسان، ربات‌های تحویل غذا به بیماران در بیمارستان‌ها و حتی داخل شهر، ربات‌های گشت‌زنی و شناسایی افرادی که از ماسک استفاده نمی‌کنند، ربات‌های طراحی شده در هند توسط شرکت Asimov Robotics برای تعامل و آگاهی دادن به افراد در مورد ویروس در مراکز پر رفت و امد شهر و توزیع ماسک و مایع ضد عفونی کننده‌ی دست و ربات‌هایی مثل ZoraBots برای گفتگو و برقراری ارتباط با افراد سالخورده و آسیپ پذیر جامعه از جمله مواردی هستند که در سراسر دنیا برای کنترل ویروس کرونا و کمک به انسان‌ها مورد استفاده قرار می‌گیرند.ربات شرکت ‌Blue Ocean Roboticsیک نوع ربات برای ضد عفونی معابر شهری· هوش مصنوعی و ابررایانه‌ها برای تشخیص رشته‌های ژنی ویروس کرونا و کمک به ساخت واکسنبخش DeepMind Google از جدیدترین الگوریتم‌های هوش مصنوعی و قدرت محاسبات آن برای درک پروتئین‌هایی که ممکن است ویروس را تشکیل دهند، استفاده کرد و این یافته‌ها را منتشر کرد تا به دیگران در توسعه درمان کمک کند. BenevolentAI از سیستم‌های هوش مصنوعی برای ساخت داروهایی استفاده می‌کند که می‌توانند با سخت‌ترین بیماری‌های جهان مبارزه کنند و اکنون برای ساخت داروی کورونا‌ویروس تلاش می‌کند. اولین بار این شرکت محصول خود را بر روی بیماری‌های عفونی متمرکز کرده بود. طی چند هفته پس از شیوع ویروس کرونا، از قابلیت‌های پیش‌بینی‌کننده خود برای پیشنهاد داروهای موجود که ممکن است برای درمان بیماران مبتلا به کرونا مفید باشند، استفاده کرده‌است. در این بین منابع محاسبات ابری و ابر‌رایانه‌های مختلفی از شرکت‌های بزرگ فناوری مانند Tencent ، DiDi و Huawei توسط محققان به منظور پیگیری سریع توسعه یک درمان یا واکسن برای ویروس مورد استفاده قرار می‌گیرند. سرعت بسیار بالای پردازش و محاسبات توسط ابرکامپیوترها در مقایسه با پردازشگرهای محاسباتی استاندارد و معمولی باعث کاهش زمان دستیابی به یک واکسن یا دارو برای درمان این ویروس خواهد شد.در نهایت به این نکته اشاره می‌کنم که وجود چنین تکنولوژی‌هایی در زمان حال، شاید در گذشته‌ای نچندان دور یک داستان علمی- تخیلی به حساب می‌آمد، اما امروز میبینم که این تخیلات به واقعیت پیوسته و چه کمک‌های شایانی در چنین فاجعه‌هایی به نسل بشر می‌کند.گاهی برای جامعه نیاز به یک نویسنده‌ی داستان‌های علمی-تخیلی که چنین فاجعه‌هایی را پیش از وقوع تصور کند و برای کنترل آن به فکر راه چاره باشد، بهتر از وجود بسیاری از افرادی است که با عناوینی همچون مدیریت بحران، بحران‌های جبران‌ناپذیری به جامعه وارد می‌کنند. به قول آقای ری بردبری، نویسنده‌ی داستان‌های علمی- تخیلی:" هرچه تصور می‌کنیم تخیل و هر چه انجام می‌دهیم علم است و کل تاریخ بشر، چیزی جز داستان علمی-تخیلی نیست".منابع:· https://www.forbes.com/sites/bernardmarr/2020/03/13/coronavirus-how-artificial-intelligence-data-science-and-technology-is-used-to-fight-the-pandemic/#7a5a0e0f5f5f· https://www.cnbc.com/2020/03/03/bluedot-used-artificial-intelligence-to-predict-coronavirus-spread.html· https://global.infervision.com/· https://www.businessinsider.com/robots-fighting-coronavirus-in-china-us-and-europe-2020-3#the-robot-has-video-and-audio-so-people-can-still-talk-while-sheltering-at-home-keeping-the-most-vulnerable-people-socially-connected-35· https://www.geospatialworld.net/blogs/how-china-is-using-technology-to-fight-coronavirus/ Logisia Mohammad Alaei Tue, 31 Mar 2020 01:25:09 +0430 https://virgool.io/LogisiaMag/%D8%A7%D9%86%D8%B3%D8%A7%D9%86-%DB%8C%D8%A7-%D9%85%D8%A7%D8%B4%DB%8C%D9%86-%D8%B2%D9%86%D8%AF%D9%87-%DB%8C%D8%A7-%D9%85%D8%B1%D8%AF%D9%87-%D8%AA%D8%A7%D8%B1%DB%8C%D8%AE%DA%86%D9%87-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%A8%D8%AE%D8%B4-%D8%AF%D9%88%D9%85-gsmt03jgtus0 در بخش اول تاریخچه هوش مصنوعی به اتوماتون ها پرداختیم. در این بخش از تأثیری که این اتوماتون ها بر فلاسفه و اندیشه ای که نسبت به ذهن غالب بود گذاشتند صحبت خواهیم کرد. همچنین به دو مکتب متافیزیک که در تلاش برای پاسخ دادن به مسأله ذهن و بدن اند اشاره‌ای میکنیم.شکوفایی تولید ساعتتولید یکی از کاربردی ترین و جذاب ترین اتوماتون ها یعنی ساعت در قرون 15 و 16 به شکوفایی رسید. این اتوماتون دارای اجزای کوچکتر بسیاری است که در کنار هم و با هماهنگی کار و نتیجه ای پایانی را ظاهر می‌کنند که برایمان قابل مشاهده است. یعنی نمایش زمان. ساعت نمادی است از نظم و هماهنگی اجزای سازنده و یک سیستم پیچیده که در نهایت عملکردی معنادار را پدیدار میکنند. حال شاید این پرسش به ذهن خطور کند : اگر جهان همچون ساعت بود چه؟ آیا ممکن است انسان به عنوان جزئی از این جهان یک اتوماتون باشد؟ پرسش‌هایی از این قبیل ذهن اندیشمندان این دوران را مشغول کرده بود.راهکار دکارترنه دکارت، فیلسوف فرانسوی اولین فردی بود که به طور سیستماتیک به مسأله ذهن و بدن اندیشید. دکارت به درخواست کلیسا به این سوال پرداخت: انسان چه تفاوتی با ماشین دارد؟ پاسخی که او ارائه داد دوگانه انگاری کلاسیک نامیده می‌شود. او جسم و ذهن را از هم جدا دانست. جسم همانند اتوماتون ها از اجزایی ساخته شده است که منظم در تعامل با هم اند. اما احساسات و تفکر انسانی و به طور کلی ذهن در در قالب جسم توصیف ناپذیر است. پس دکارت روح را پدیدآورنده ذهن دانست. روحی که به هنگام آفرینش انسان در جسمش دمیده شد. این روح به انسان احساس، تفکر، هوش، آگاهی و بسیار ویژگی های دیگر میدهد و جسم را در اختیار دارد و چیزیست که انسان را از محیط اطرافش متمایز میکند و در نهایت آنی است که در جهان مرده جسم انسان را زندگانی میبخشد. جالب است بدانید که به این علت دکارت حیوانات را ماشین می‌دانست.مشکلات دوگانه انگاری کلاسیکپاسخ دکارت قانع کننده نیست. جمله معروف دکارت «من می اندیشم، پس هستم» را در نظر بگیرید. واضح است که دکارت بنیان یقین بر وجود انسان را تفکر می‌دانست و همانطور که گفتیم دکارت اندیشه را حاصل روح که جدا از ماده است دانست. حال بیایید از اتوماتونی در نقد این تفکر دکارت استفاده کنیم. اگر اتوماتون نویسنده ژک دروز را طوری تنظیم کنیم که این جمله را روی کاغذ بیاورد یعنی بنویسد «من می اندیشم، پس هستم» آیا این ماشین بناگه قادر به اندیشیدن شده است؟ به این می‌ماند که ماشین از آگاهی به وجود خود به ما خبر می‌دهد. انگاری روح دارد. خوب ما تقریبا با اطمینان می‌توانیم بگوییم که چنین نیست ولی نمی توانیم به قطع بگوییم که انسان متفاوت از این مثال است.ماتریالیسماز دیدگاه های مخالف دوگانه انگاری دکارت، ماتریالیسم است. به صورت خلاصه در توضیحش می‌شود گفت که ماتریالیسم جهان را ساخته شده از جوهر مادی میداند.یعنی هیچ چیز غیر مادی وجود ندارد و تمام موجودات از عنصر پایه ماده تشکیل شده‌اند. دموکریتوس از فلاسفه ماتریالیست است که احتمالا با او آشنا هستید. وی ذره بنیادی سازنده هر چیزی را اتم میدانست.انسان در ماتریالیسم، چون ماشینی توصیف می‌شود که به محیط اطراف خود واکنش نشان می‌دهد و فاقد روح است. ذهن چیزی جز سیستم عصبی نیست و خرد ما حاصل فعالیت اجزای مادی بدن ما است. این دیدگاه برای هوش مصنوعی قوی (هوش مصنوعی قوی زیر شاخه ای از هوش مصنوعی است که در تلاش برای تقلید کارکردهای شناختی انسان با استفاده از رایانه است) اساسی است زیرا که جهت برساخت ویژگی های اساسی انسان اتکایمان روی رایانه خواهد بود. ماتریالیسم و دوگانه انگاری از مکاتب متافیزیک که شاخه ای از فلسفه است هستند ولی فلسفه تنها دانشی نیست که ما را در پیشرفت هایمان در گذشته و آینده با موضوع هوش مصنوعی قوی ما را یاری می‌کند.محاسبات و تجسم هوش مصنوعیدر کنار این متافیزیک ماده محور، محاسبات مکانیکی نیز در بارآمدن ایده هوش مصنوعی بسیار تأثیر گذار بود. محاسبات از توانایی هایی است که روزانه از آن استفاده می‌کنیم. این توانایی بخشی از هوش انسانی را تشکیل می‌دهد و بدون آن در مواجهه با مسائل بسیاری شکست می‌خوردیم. همین مسأله موجب نیاز بشر به تسهیل محاسبات توسط ماشین شد در نتیجه در کنار پیشرفت اتوماتون ها، طرح ها و اختراعاتی بسیار برای محاسبات مکانیکی پدید آمد. محاسبات مکانیکی از حدود 30000 سال پیش از میلاد در تمدن های بشری مشاهده شده است. یکی از قدیمی ترین ابزار محاسبه مکانیکی چرتکه است که اختراعش به چین 2600 سال قبل میلاد برمی‌گردد و استفاده از آن به تازگی کنار گذاشته شده است. رایانه های شخصی شکوفایی محاسبات ماشین محور است که زندگی انسان را امروزه بسیار تغییر داده است.رایانه که تلفیق محاسبات با اتوماتون ها است راه را برای ایجاد هوش مصنوعی ضعیف باز کرد و ماشینی که از مزیت توانایی محاسبه بهره مند است بیشتر به انسان شبیه است تا یک اسباب بازی کوکی. این در کنار متافیزیک ایده هوش مصنوعی قوی را پدید آورد که البته به این سادگی ها هم نیست. دیدگاه های بسیاری نسبت به انسان در متافیزیک دیده میشود که با امکان ساخت سیستمی که دقیقا مثل انسان فکر میکند و احساس دارد مخالف اند. در نوشته های بعد پروژه علوم شناختی لاجیسیا به ذکر نظرات مخالف و موافق خواهیم پرداخت.منبع :Cognitive Science: An Introduction to the Study of Mind, Jay Friedenberg, Gordon Silverman Logisia بابک خلیل وندیان Sun, 29 Mar 2020 14:13:14 +0430 https://virgool.io/LogisiaMag/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%A2%D9%84%D9%81%D8%A7%D8%A7%D8%B3%D8%AA%D8%A7%D8%B1-%D8%AF%D8%B1-%D8%A8%D8%A7%D8%B2%DB%8C-starcarft-ii-dqea9zbo8baw اولایل سال جاری، دیپ­ مایند (DeepMind) گوگل با عنوان هوش‌مصنوعی آلفااستار (AlfaStar AI) دو نفر از بازیکنان ماهر و زبردست بازی محبوب و آنلاین استارکرافت (StarCraft)، با نام­های ت.ال.او و مانا را شکست داد. دو روز پیش نیز دیپ‌مایند طی بیانیه­ای اعلام کرد که آلفااستار به بالاترین رنک ممکن در رقابت­های این بازی با نام سطح ارباب بزرگ (Grandmaster level) دست پیدا کرده است. این دست­یابی، آلفااستار را به اولین هوش مصنوعی که توانست بدون هیچ‌گونه محدودیتی به بالاترین رنک ممکن در لیگ بازی دست­یابد، تبدیل می‌کند.آلفااستار از تکنیک یادگیری چندعاملی (multi-agent) بهره می‌برد و رتبه­ای بالاتر از 99.8% بازیکنان انسانی در بازی دارد. او توانست به سطح ارباب بزرگ درسه حالت بازی (protoss, terran, zerg) که بالاترین سطح در بازی است دست یابد. محققان دیپ‌مایند جزئیات این هوش مصنوعی را با عنوان زیر منتشر کردند.Grandmaster level in StarCraft using multi-agent reinforcement learning https://twitter.com/DeepMindAI/status/1189617587916689408/photo/1?ref_src=twsrc%5Etfw%7Ctwcamp%5Etweetembed%7Ctwterm%5E1189617587916689408&ref_url=https%3A%2F%2Fhub.packtpub.com%2Fdeepmind-ais-alphastar-achieves-grandmaster-level-in-starcraft-ii-with-99-8-efficiency%2F چگونه آلفااستار در بازی استارکرافت ۲ به چنین سطحی دست پیدا کرده‌ است؟محققان دیپ‌مایند توانستند به وسیله­ی درک کردن توانایی­ها و محدودیت­های open-end، یک عامل قدرتمند و منعطف بسازند. این به محققان کمک کرد تا آلفااستار را طوری بسازند که توانایی مقابله با دامنه‌های پیچیده­ی دنیای واقعی را داشته باشد.بازی هایی مانند استارکرافت یک زمین تمرین عالی برای پیشبرد این رویکردها هستند ، زیرا بازیکنان باید از اطلاعات محدودی استفاده کنند تا تصمیماتی پویا و دشوار بگیرند که دارای پیامدهای مختلف در چندین سطح و بازه زمانی است.بازی استارکرافت به بازیکنانی نیاز دارد که تصمیمات به صرفه و سطح بالایی را که با کنترل فردی صد­ها واحدی که در اختیار دارد به تعادل برساند، انسان­ها در هنگام بازی کردن با محدودیت­های جسمی روبرو هستند که زمان عکس­العمل و میزان عملکرد آنهارا محدود میکند، بر این اساس آلفااستار نیز با محدودیت­هایی تحمیلی مانند تآخیر شبکه و زمان محاسبات دچار کندی شد. به منظور محدود کردن اعمال آلفااستار، آمار اوج محاسبات آن را در بازه­ی زمانی یک دقیقه نسبت به آمار انسانی بطور قابل ملاحظه­ای پایین‌تر در نظر گرفتند و برای هم‌ترازی هرچه بیشتر با حرکات انسانی، دید محدودی نسبت به نقشه به آن داده شد.آلفااستار تنها قادراست به ثبت تعداد محدودی از کلیک­های موس بوده و تنها می‌تواند 22 عمل غیر تکراری برای بازی در هر پنج ثانیه انجام دهد.آلفااستار ترکیبی از تکنیک­های عمومی همانند معماری شبکه عصبی، یادگیری تقویتی، تقلیدی و یادگیری چندعاملی استفاده می‌کند. این بازی­ها از یک مجموعه داده عمومی در دسترس از تکرار­های ناشناس انسانی نمونه‌برداری شده است، که بعدها برای پیش­بینی عملکرد هر بازیکن آموزش داده شدند. همچنین این پیش­بینی‌ها برای تهیه­ی مجموعه­ای از استراتژی‌های گوناگون به منظور بازتاب حالت­های مختلف بازی انسانی استفاده شدند.داریو، یکی از بازیکنان ماهر استارکرافت ۲، درباره­ی آلفااستار چنین نظر دارد: "به نظر من نحوه­ی بازی آن بسیار چشمگیر و خیره­کننده است. این سیستم در ارزیابی موقعیت استراتژیک خود بسیار ماهر است و دقیقا مواقعی که باید با دشمن درگیر بشود یا نه را می‌داند و با اینکه کنترلی بسیار دقیق و عالی بر بازی خود دارد رقیب هیچگونه احساس بازی با یک ابرانسان را ندارد، یعنی از در سطحی نیست که یک انسان نتواند به آن دست پیدا کند؛ لذا بطور کلی منصفانه بنظر میرسد."آلفااستار در هر مرحله از حرکت خود 1026عمل در دسترس دارد، بنابراین مجبور است قبل از فهمیدن اینکه بازی را می‌برد یا، نه هزاران عمل انجام دهد. یکی از راهکار­های مهم پردازش آلفااستار، یادگیری استراتژِی و عملکرد انسانی است، این امر برای اطمینان از مآموریت تحقیق درمورد استراتژی­های انجام شده در طول بازی، ضروری است. پژوهشگران می‌گویند:" برای انجام این عمل ما از یادگیری تقلیدی –همراه با ترکیب معماری‌های شبکه­های عصبی پیشرفته و تکنیک­های مدل سازی زبان- استفاده کردیم تا یک سیاست اولیه که بازی را از 84% بازیکنان فعال بهتر انجام دهد ایجاد کنیم."همچنین آلفااستار از یک متغیر پنهانی برای رمزنگاری توزیع حرکات آزاد استفاده می­کند. این عمل به آلفااستار برای حفظ کردن استراتژی­های سطح بالایش کمک می‌کند و آن‌را قادر می­سازد تا استراتژی­های زیادی را در یک شبکه­ی عصبی ارائه دهد. محققان آفااستار نهایی(AlfaStar Final) را با استفاده از پیشرفت در فرایند تمرینی یادگیری تقلیدی و تقویتی آموزش دادند. هوش مصنوعی که بدون هیچگونه تعییر و اصلاحاتی توانست در بازی استارکرافت ۲ به سطح ارباب بزرگ دست یابد.آلفااستار از یک دوربین برای رابط کاربری، که در آن برای بدست آوری دقیق اطلاعاتی که انسان­ها می‌توانند دریافت کنند استفاده می­کند. تمام روابط و محدودیت­هایی که آلفااستار با آن روبرو است، توسط یک بازیکن حرفه­ای مورد تآیید قرار گرفته. سرانجام، نتایج بدست آمده نشان داد که می‌توان از تکنیک­های یادگیری با هدف کلی بعنوان مقیاسی برای سیستم­های هوش مصنوعی برای کار در محیط­های پیچیده و پویا که شامل چندین بازیگر هستند، استفاده کرد. https://twitter.com/verge/status/1189602894221328389 شاهکاری به نام آلفااستار باعث شده است که بسیاری از مردم درباره­ی آینده­ی هوش مصنوعی هیجان زده شوند.دیپ‌مایند[1] (DeepMind) یک شرکت بریتانیایی هوش مصنوعی است که در سپتامبر سال ۲۰۱۰ تحت عنوان فناوری‌های ذهن عمیق تأسیس شد. سپس هنگامی که در سال ۲۰۱۴ توسط شرکت گوگل خریداری شد نامش به گوگل دیپ‌مایند تغییر یافت. این شرکت یک شبکه عصبی مصنوعی به وجود آورده‌است که توانایی یادگیری بازی ویدئویی را به همان شکل که انسان آن را می‌آموزد را داراست. Logisia M.Ahadpour Thu, 26 Mar 2020 19:22:41 +0430 https://virgool.io/LogisiaMag/%D9%85%D9%87%D9%86%D8%AF%D8%B3%DB%8C-%D8%A7%D8%AC%D8%AA%D9%85%D8%A7%D8%B9%DB%8C-social-engineering-%DA%86%DB%8C%D8%B3%D8%AA-uodcwnerakrp مهندسی اجتماعی هنر فریب دادن کاربران برای به دست آوردن اطلاعات محرمانه آن‌هاست. اطلاعاتی که حمله‌کننده‌ به دنبال آن‌هاست بسیار متنوع می‌تواند باشد ولی عموما سعی می‌کنند رمزهای شما، اطلاعات بانکی‌ و حتی دسترسی به سیستم‌تان را به دست بگیرند.چرا مهندسی اجتماعی پرکاربرد است؟ به این دلیل که سوءاستفاده از تمایل طبیعی انسان‌ها به اعتماد، آسان‌تر از پیدا کردن راه‌هایی برای هک کردن است. برای مثال، فریب دادن یک شخص برای به دست آوردن پسوردش، آسان‌تر از کرک کردن خود پسورد است مگر این که پسورد خیلی ضعیف باشد.مهندسان اجتماعی چطور کلاه بر سرمان می‌گذارند؟· روش اول: دریافت ایمیل از طرف یک "دوست"اگر حمله‌کننده بتواند رمز ایمیل یک شخص را به هر طریقی بدست آورد، می‌تواند به لیست مخاطبان شخص دسترسی یابد و چون بیشتر اشخاص تنها از یک رمز برای همه‌ی حساب های کاربری خود استفاده می‌کنند، پس حمله‌کننده می‌تواند به مخاطب‌های شخص‌ در سایر رسانه‌های اجتماعی (Social Media) هم دسترسی پیدا کند. پس از این مرحله، هکر که کنترل ایمیل یا سایر شبکه‌های اجتماعی یک فرد را بدست آورده شروع به ارسال پیام به مخاطبان و دوستان فرد آلوده می‌کند.شما یک ایمیل از طرف "دوست"تان که مورد حمله قرار گرفته، دریافت می‌کنید. این ایمیل می‌تواند شامل یکی از دو مورد زیر باشد:1) شامل یک لینک، و چون این لینک از طرف "دوست" تان ارسال شده است، به احتمال زیاد روی آن کلیک کرده و به بدافزار آلوده خواهید شد.۲) شامل دانلود کردن مدیای خاصی همچون عکس، موزیک، فیلم که نرم‌افزار مخربی به آن وصل شده‌است. با دانلود کردن این مدیا شما نیز آلوده خواهید شد و حمله‌کننده با دسترسی به مخاطب‌های شما این حمله را دقیقا بر روی آن‌ها نیز استفاده خواهد کرد.· روش دوم: استفاده از یک داستان قانع‌کننده مثل:* تقاضای کمک اضطراری از طرف شما: دوست شما در کشوری غریب مورد حمله قرار گرفته و الان در بیمارستان بستری است. از شما درخواست می‌کند به او پول ارسال کنید تا بتواند به خانه برگردد.روش دوم مهندسی اجتماعی ارسال یک مشکل یا مسئله‌ توسط یک لینک به شماست. محتویات لینک فرم‌هایی حاوی اطلاعات شخصی و مهم است و شما باید با اطلاعات شخصی خود آن‌ها را تکمیل کنید. لینکی که روی آن کلیک می‌کنید ممکن است خیلی قانونی و سالم به نظر برسد (در واقع حمله کننده‌ها سایت مورد نظر را از لحاظ ظاهر دقیقا کپی کرده‌اند) و چون همه چیز طبیعی به نظر می‌رسد شما احتمالا هر اطلاعاتی که به دنبال آن هستند را در اختیار آن‌ها خواهید گذاشت. این نوع حمله‌ها اکثرا با پیامی همراه هستند که می‌گوید اگر در زمان تعیین شده عمل نکنید چه عواقبی خواهید داشت، این کار را برای این می‌کنند شما بدون فکر کردن عمل کنید.ممکن است این روش را با یک پیام خوشایند اجرا کنند. برای مثال، پیامی دریافت ‌کنید با این مضمون که "شما در لاتاری برنده شده‌اید" یا یک فامیل دور به تازگی فوت شده و قرار است شما از او ارث ‌ببرید. برای به دست آوردن جایزه یا پول باید اطلاعات بانکی‌تان، آدرس و شماره موبایل‌تان را ایمیل کنید و حتی شاید برای تأیید هویت کارت ملی شما را نیز بخواهند. نتیجه‌ی این کار خالی شدن حساب بانکی‌ و سوءاستفاده از هویت‌تان خواهد بود.چگونه از این دست حمله‌ها مصون بشویم؟1. عجله نکنید. حمله‌کننده‌ها می‌خواهند شما اول عمل کنید، بعد فکر کنید! اگر پیامی دریافت کنید که نوعی حالت اظطراری را القا می‌کند، اجازه ندهید که این حالت تأثیری در طرز فکر و عمل شما بگذارد.2. از کلیک کردن بر روی لینک‌هایی که فرستنده آن‌ها را نمی‌شناسید خودداری کنید. وبسایت مورد نظر را خودتان توسط موتور جستجویی پیدا کنید و از امن بودن آن مطمئن شوید.3. از هرگونه دانلود کردن احتیاط کنید! اگر فرستنده را شخصاً نمی‌شناسید و انتظار هیچ گونه فایلی از طرف او را ندارید، از دانلود کردن فایل خودداری کنید.4. تحقیق کنید. درباره هر پیام ناخواسته مشکوک باشید. اگر ایمیلی از طرف یک شرکت یا یک بانک دریافت کردید، مطمئن شوید که ایمیل واقعا از طرف شرکت یا بانک ارسال شده است.در آخر اگر دوست دارید بیشتر با روش‌های مختلف هکرها آشنا بشوید، من تماشای قسمت 3 از فصل سوم سریال Black Mirror رو به شما توصیه می‌کنم.منبع:https://www.webroot.com/us/en/resources/tips-articles/what-is-social-engineering Logisia alrza.x Tue, 24 Mar 2020 18:48:29 +0430 https://virgool.io/LogisiaMag/%D8%AA%D8%A7%D8%AB%DB%8C%D8%B1-%D8%B4%DB%8C%D9%88%D8%B9-%D9%88%DB%8C%D8%B1%D9%88%D8%B3-%DA%A9%D8%B1%D9%88%D9%86%D8%A7-%D8%A8%D8%B1-%D8%AA%D8%BA%DB%8C%DB%8C%D8%B1%D8%A7%D8%AA-%D8%A7%D9%82%D9%84%DB%8C%D9%85%DB%8C-%D8%B2%D9%85%DB%8C%D9%86-fextr0xzlwy2 به نظر می‌رسد که گسترش ویروس کرونا در جهان باعث کاهش چشم‌گیر انتشار گازهای گلخانه‌ای خواهد شد زیرا که نگرانی بابت سلامت عمومی جهان، منجر به کاهش فعالیت‌های وابسته به حمل و نقل خودروها و هم‌چنین تجارت بین‌المللی شده‌است.این ویروس به سرعت در حال گسترش که تاکنون جان هزاران نفر را گرفته و میلیون‌ها انسان را محکوم به قرنطینه کردن خود کرده است، افزایش خطرات هولناک ناشی از تغییرات اقلیمی کره زمین را به دنبال دارد.در گذشته موارد نادری مانند شوک‌های اقتصادی، بیماری‌ها و جنگ‌ها از دلایل کاهش آلودگی ناشی از کربن در سراسر جهان بود اما اکنون رشد اقتصاد منجر به افزایش دوباره‌ی تولید گاز‌های گلخانه‌ای شده‌است. اما اگر این ویروس به یک بیماری همه‌گیر تبدیل شده و اقتصاد جهان را مختل کند، دیگر هزینه و مهمات تعبیه شده از سمت دولت هر کشور در جهت تلاش برای بهبود تغییرات آب و هوایی کافی نخواهد بود.اکنون ما باید بخش عمده توجه خود را به خطرات جدی ناشی از تکثیر این ویروس اختصاص داده و امکاناتی همچون فوریت‌های بهداشتی عمومی و منابع مورد نیاز بین المللی را حدالمقدور تامین کنیم. اما با این وجود، تداوم شیوع این ویروس به شدت مسری در بلند مدت، چالش هایی به مراتب دشوارتر برای تغییرات اقلیمی به همراه خواهد داشت که این چالش ها خود تهدیدی برای سلامت جهان به شمار می‌روند. بنابراین انجام اقدامات هرچه سریع‌تر به منظور مقابله با این تهدیدات و بازیابی سلامت خود و دیگران ضروری است.به چند نمونه از نتایج به وقوع پیوستن این چالش‌ها اشاره می‌کنیم:توقف بازار کسب و کار و سرمایه، تامین بودجه لازم برای پیشبرد پروژه‌های فعلی خورشیدی، بادی و باتری را برای شرکت‌ها بسیار دشوار خواهد کرد و ایده‌های جدید کمتر ارائه خواهد شد.جنگ قیمت میان کشور‌های روسیه و عربستان سعودی ناشی از نگرانی‌های مربوط به ویروس کرونا، باعث افت قیمت جهانی نفت در روز دوشنبه شد. از طرفی، سقوط قیمت نفت و بنزین می‌تواند سبب گران‌تر شدن هزینه وسایل نقلیه برقی شده و سبب فروش کمتر این خودروها شود. به همین علت است که سهام تسلا نیز در روز دوشنبه سقوط کرد.چین سهم عظیمی از پنل‌های خورشیدی، توربین‌های بادی و باتری‌های لیتیوم-یونی جهان را به منظور تامین انرژی وسایل نقلیه الکتریکی و ذخیره‌ساز‌‌ی شبکه تولید می‌کند. شرکت‌ها در چین، پیش از این ادعای خود را در خصوص کاهش محموله‌های تولیدی و مشکلات عرضه بیان کرده‌اند که به نوبه خود از ادامه پیشبرد پروژه ها در خارج از کشور جلوگیری کرده‌است. هرگونه ناسازگاری به وجود آمده در نتیجه‌ی تجارت با چین، که مبدا شیوع این ویروس است و برخی از اعضای دولت ترامپ به آن فشار وارد می‌کنند، فقط باعث به وجود آمدن اختلال بیشتر در زنجیره‌ی تولید انرژی پاک و توزیع آن در شبکه‌ها خواهد شد.افزایش نگرانی‌ها در زمینه بهداشتی و مالی از دیگر عوامل کم‌توجهی مردم به این مشکل (تغییرات اقلیمی زمین) می‌باشد. در سال‌های اخیر، تغییرات آب و هوایی برای آن‌دسته از افراد دارای صلاحیت رای‌دهی در کشور، یک اولویت بسیار مهم تلقی می‌شود و نیروی محرکه جنبش فعال جوانان در سرتاسر جهان، سیاستمداران را بیش از پیش برای انجام اقدامات جدی در خصوص بهبود این مشکل تحت فشار قرار می‌دهد. اما اکنون در بحبوحه رکود اقتصادی و بحران بهداشت عمومی واضح است که مردم بیشتر نگران فوریت‌های سلامتی و مسائل روزمره خود از جمله شغل، پس‌انداز بازنشستگی و امور خانه خواهند بود و نگرانی در خصوص خطرات بلندمدت تغییرات آب و هوایی زمین اکنون در اولویت‌های بعدی است.در مقابل به چند مورد به عنوان جبران این چالش‌ها نیز می‌توان اشاره کرد:به گفته یک تحلیلگر گروه اوراسیا در گفت و گو با Axios، کاهش پیوسته قیمت نفت می‌تواند محققان انرژی پاک را به سرمایه‌گذاری‌های طولانی‌ مدت در این زمینه ترغیب نماید  و چه بسا برخی دیگر از کشورها همکاری خود را برای پاسخ به بحران اقتصادی و سازگاری دوباره‌ی آب و هوایی، با سرمایه‌گذاری پول خود بر انرژی پاک نشان دهند.برخی نیز مدعی آن هستند که  اگر مردم به دلیل ترس از شیوع این ویروس دیگر از پرواز ها و کشتی‌های کروز برای جابجایی استفاده نکنند و کنفرانس‌های از راه دور و مجازی را ترجیح دهند،  این ویروس کشنده می‌تواند سبب ایجاد تحولی در جهت بهبود تشدید کربن شود. بنابراین می‌توان به این اشاره کرد که واکنش‌های سریع ما هنگام رویارویی با یک خطر حاد می‌تواند آن دسته از تغییرات اجتماعی مطلوب برای بهبود شرایط جوی را ایجاد کند.گرنوت واگنر (Gernot Wagner)، استادیار بالینی در گروه مطالعات محیط زیست دانشگاه نیویورک، می‌گوید که هم‌اکنون شاهد اکثر خطرات ناشی از تغییر آب و هوا هستیم و باید در برابر دیگر مشکلات ناشی از آن بسیار محتاط و آماده باشیم. او همچنین اضافه کرد:" تولید گازهای گلخانه‌ای در چین کاهش یافته است زیرا اقتصاد متوقف شده است. هرروز شمار بیشتری از مردم جان خود را از دست می‌دهند و افراد فقیر قادر به تهیه دارو و غذا نیستند. اما این مقیاس مطلوب ما برای کاهش گازهای گلخانه‌ای نیست".در واقع هدف اصلی برطرف کردن مشکل گرمایش زمین، جلوگیری از به وقوع پیوستن مشکلات و مرگ و میر است. بنابراین باید به خاطر داشت که تا زمانی که این ویروس و عواقب آن در دراز مدت را به طور کامل از بین نبرده‌ایم، شاهد گسترش بیماری و افزایش شمار جان‎‌باختگان خواهیم بود.بی‌شک این یک اتفاق دردناک برای تمام مردم بوده و کاهش شیوع ویروس کرونا و ارائه مراقبت‌های مناسب اکنون باید مهم‌ترین اولویت ما باشد. Logisia Afra_Khn Fri, 20 Mar 2020 19:51:04 +0330 https://virgool.io/LogisiaMag/%D8%B2%D8%A8%D8%A7%D9%86%C2%AC%D9%87%D8%A7%DB%8C-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D8%AF%D8%B1-%D8%B9%D9%84%D9%85-%D8%AF%D8%A7%D8%AF%D9%87-pbzbbuhtngk7 زبان­های برنامه نویسی در علم دادهتحلیل داده قسمت اصلی شغل بسیاری از مردم است. افزایش دسترسی به داده، نیاز به محاسبات پرقدرت و تاکید بر تصمیم تحلیل- محور در تجارت جدید­، سبب رشد علم داده شده‌اند. بنا بر گزارش منتشر شده از IBMدر سال 2015، تعداد شغل­های متقاضی برای تحلیل داده در دنیا دو میلیون و ۳۵ هزار نفر بوده است. تخمین زده میشود که این تعداد تا سال ۲۰۲۰ به عدد 2 میلیون و ۷۲ هزار نفر خواهد رسید.پایتون و R، دو زبان بسیار معروف برنامه نویسی در علم داده هستند. هر دو زبان، متن باز و رایگان بوده و انتخاب بین این دو، بسیار کار سختی است. هدف از طراحی زبان R، تحلیل آماری و هدف از طراحی زبان Python، برنامه نویسی چند منظوره است اما یادگیری هر دو زبان برای کسانی که در زمینه­ی یادگیری ماشین، کار با مجموعه داده­ها یا به ایجاد نمودار­های پیچیده از داده­ها علاقه مندند، ضروری است. در این مقاله قصد داریم قابلیت‌های این دو زیان را در حوزه علم داده مقایسه کنیم.پایتون (Python)پایتون در سال 1989 با فسلفه­­ی کاهش حجم کد، افزایش خوانایی و کارآمدی منتشر شد. دارای خاصیت شی‌گرایی بوده و کمک می‌کند تا داده­هایمان را به صورت منظم دسته‌بندی و بین کدها ارتباط برقرار کنیم. تا چند سال اخیر پایتون کتابخانه‌های مناسبی برای یادگیری ماشین و تحلیل داده نداشت. اخیراً کتابخانه­­هایNumpy, Pandas, Scipy Scikit-learn, Seaborn برای تحلیل داده به پایتون اضافه شدند. خوانایی و راحتی در کد نویسی پایتون کار را برای علاقه­مندان در این حوزه راحت کرده‌است و اگر شما نیاز به نمایش نتایج بر روی اپلیکیشن یا وب‌سایت خود هستید، زبان چند منظوره پایتون انتخاب درستی برای شما خواهد بود.آر (R)زبان R در سال 1992 منتشر شد و در آن زمان محبوب­ترین زبان برای دانشمندان داده بود. R یکی از زبان­های قدرتمند و دارای اکوسیستم­های غنی­ای برای تحلیل داده است. در حدود 12000 پکیج در منبع CRANدارد که سبب می­شود به راحتی هر کتابخانه­ای برای تحلیل داده­های خود در اختیار داشته باشید. ویژگی غنی بودن این زبان باعث شده تعداد زیادی از دانشمندان علوم داده، R را به عنوان زبان اول استفاده کنند.تفاوت اصلی این زبان با زبان­های دیگر در خروجی محصول میباشد. R ابزار­های قوی برای نشان دادن خروجی برنامه دارد. نرم افزار RStudioکه محیط اصلی برای نوشتن کد این زبان است، با کمک کتابخانه knitrساخته شده که خود این کتابخانه توسط Xie Yihui پیاده‌سازی شده­ است.از طرف دیگر، سرعت کم، کمبود امکانات مانند تست کردن (unit testing) و فریم ورک­­های وب از دلایل اصلی کم شدن محبوبیت ابن زبان می‌شود.عملکرد دیتاساینسحال بیاید در 4 شاخه این دو زبان را با هم مقایسه کنیم.1. جمع آوری داده2. اکتشاف در داده3. مدل ­سازی داده4. تجسم­ دادهجمع آوری دادهپایتون و R میتوانند از انواع فرمت­های داده­ای مانند Excel, CSV, JSON, SQL پشتیبانی کنند. می‌دانیم امروزه سریع‌ترین راه برای دریافت اطلاعات اینترنت است و پایتون و R به راحتی با کتابخانه­های خود می توانند در یک خط کد درخواست­ HTTPانجام دهد و از اینترنت داده­ها را بگیرند. همچنین این دو زبان می­توانند با نرم­افزار­هایSPSS, Stata, SAS, JMP ارتباط برقرار کنند اما نرم­افزار Minitab توانایی ارتباط با زبان Rرا دارد.اکتشاف در دادهدر پایتون برای استخراج داده­ها باید از کتابخانه Pandas استفاده کنید. این کتابخانه قادر است تعداد زیادی از داده­ها را استخراج و در دیتافریم­های خود ذخیره کند و بر روی آن­ها به سرعت اعمال فیلتر، مرتب­سازی، نمایش داده­ را اجرا کند. با دیتافریم Pandasمی‌توانید توابع گسترده­ای در اختیار داشته باشید، تنها کافی است که به داکیومنت کتابخانه مراجعه کنید و نحوه کار با تمام توابع­ را ببینید.زبان R ساخته شده‌است تا محاسبات آماری و عددی در داده­های بزرگ انجام دهد. در نتیجه عجیب نیست که توابع زیادی در اکتشاف داده داشته باشد. همینطور شما قادر خواهید بود از توزیع­های احتمالی، آزمایش‌های آماری و تکنیک­های یادگیری ماشین و داده­‌کاوی بهره ببرید. از کابرد­های دیگر در زبان R می‌توان به پردازش سیگنال، بهینه سازی، تولید اعداد تصادفی و یادگیری ماشین اشاره کرد.مدل­سازی دادهدر پایتون می‌توانید برای محاسبات و تحلیل عددی از Numpy، برای محاسبات مهندسی و ریاضیات از SciPy و برای دسترسی به الگوریتم­های یادگیری ماشین از scikit-learn استفاده کنید.در R به منظور طراحی مدل­های تحلیلی می‌توان از پکیج­های خارج از هسته­ی Rاستفاده کنید و همینطور پکیج­های زیادی برای تحلیل­های خاص منظوره مانند توزیع پواسون و ترکیبی از قوانین احتمالات وجود دارد.تجسم­ دادهدر پایتون محیط قوی و دارای قابلیت­های زیاد برای تجسم­ داده­ها وجود دارد مانند نوت بوک Jupyter که محیط متن باز Anacondaاست. برای ایجاد چارت­ و گراف­های ساده از داده­های خود می‌توانید از کتابخانه­ی Matplotlib و همچنین برای ایجاد گراف­های پیشرفته­تر از کتابخانه­ی Plot.ly بهره ببرید.زبان R به منظور تحلیل آماری و نمایش نتایج ساخته شده و دارای محیط قدرتمند و مناسب برای تجسم­سازی علمی با پکیج­هایی که برای نمایش گرافیکی نتایج می‌باشد. همچنین شما قادر خواهید بود نتایج را به صورت تصویر (jpg.) یا PDF ذخیره کنید.سوالاتی که قبل از انتخاب زبان باید از خودتان بپرسید...آیا تجربه­ی برنامه نویسی دارید؟اگر شما از قبل تجربه برنامه نویسی با زبان­های دیگر را دارید، زبان پایتون مناسب شما است. کدهای پایتون شباهت بسیاری با زبان های دیگر دارد. خوانایی زبان پایتون به شما کمک میکند تا در پیشرفت دقت کدهایتان زمان کمتری بگذارید در صورتی که نامفهومی زبان R سبب می‌شود که در مرحله پیشرفت کد به دشواری برسید.آکادمیک یا صنعت؟یادگیری ماشین، یکی از زیرشاخه­های هوش مصنوعی است در حالی که یادگیری آماری، که از اسمش پیداست، از زیرشاخه‌های آماری است. یادگیری ماشین تاکید بیشتری بر برنامه­های گسترده و دقت احتمالات دارد ولی یادگیری آماری تاکید بر روی تفسیر مدل­ها، دقت، عدم قطعیت، خروجی­های نموداری و ترسیمی­ دارد.گرافیک خوب برای نمایش دیتا؟برای نمونه برداری و کار با دیتاست­ها برای ساخت مدل یادگیری ماشین، R از پایتون بهتر عمل می‌کند. پایتون از کتابخانه Matplotlib اما زبان R از کتابخانه­های ggplot2, htmlwidgets, Leaflet استفاده می‌کند که در حوزه تجسم داده (Data visualization) نتایج بهتر داشته است.نتیجهزبان پایتون، زبان قدرتمند و همه کاره بوده اما بدون کتابخانه­هایش عملاً کمکی به ما نمی‌تواند بکند. از طرفی، زبان R یک محیط مخصوص برای تحلیل داده است که از طرف دانشمندان علوم داده، محبوبیت زیادی دارد. اگر بخواهید یک روزی در حوزه علم داده فعالیت کنید، به این زبان نیاز خواهید داشت.یک واقعیتی که در اینجا مطرح میشود این است که هر دو زبان­ها دارای ابزار­های قدرتمندی هستند. در زمینه علم داده­ همه‌کاره بودن، انعطاف پذیری و آسانی در پیشرفت یک زبان دارای اهمیت زیادی است. برای کار کردن در این حوزه باید جفت این زبان­ها را یاد بگیرید و از هر دو استفاده کنید تا بتوانید یک دانشمند علم داده­ی بهتری باشید!منابعhttps://medium.com/@data_driven/python-vs-r-for-data-science-and-the-winner-is-3ebb1a968197https://www.guru99.com/r-vs-python.html Logisia رسا خسروشاهلی Wed, 18 Mar 2020 20:48:32 +0330 https://virgool.io/LogisiaMag/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%86%DA%AF%D8%A7%D9%87%DB%8C-%D8%AA%D8%A7%D8%B1%DB%8C%D8%AE%DB%8C-%D9%88-%D9%85%D9%81%D9%87%D9%88%D9%85%DB%8C-%D8%A8%D8%AE%D8%B4-%D8%A7%D9%88%D9%84-udj7vd8rxasg در نوشته اول پرونده علوم شناختی لاجیسیا، به تحولات انقلابی پرداختیم که در ظهور دیدگاه شناختی تاثیرگذار بودند و با اصطلاح «ذهن به سان رایانه» آشنا شدیم.در این نوشته یک اصطلاح بسیار قدیمی که از 2000 سال پیش، در یونان شروع شده و منشأ اصطلاح مذکور است معرفی می‌شود که با ظهور اتوماتون‌ها پدید آمده بود: «انسان به سان ماشین». در ادامه و به طور مختصر، به تاریخچه‌ی این دیدگاه که منجر به تولد هوش مصنوعی گردید و همچنین اتوماتون‌ها خواهیم پرداخت. شاید برای برخی، بررسی تاریخچه‌ی یک علم کاری کسل‌­کننده به نظر بیاید ولی باید توجه کرد که این کار عبث و بیهوده نیست. تاریخچه‌ی یک تفکر، ما را با اندیشه خامی که مادر آن است آشنا می‌کند و همچنین سیر تلفیق آن اندیشه با اندیشه­‌های دیگر و تکامل آن در طول تاریخ، ما را با چگونگی تعامل اندیشه­‌ها با یکدیگر و روند پیشرفت اندیشه مذکور آگاه می‌کند. حال با این مقدمه به نسبت طولانی برویم به اصل مطلب.اتوماتون‌ها، از یونان باستان تا رنسانس اتوماتون‌ها سازه‌هایی نیمه خودکار یا کاملا خودکاری هستند که هوش مصنوعی وجودش را مدیون آن‌هاست. مثالی که احتمالا برایتان آشنا باشد، اسباب­‌بازی­‌های کوکی است که با پیچاندن چرخ دنده‌­هایش کوک می‌شوند و توالی از اعمال را به نمایش می‌گذارند. اتوماتون‌ها از گذشته‌ه­ای بسیار دور تا حال در تکنولوژی‌های انسان مشاهده شده است و شروع ساخت آنان حداقل به 2000 سال پیش برمی‌گردد. در اسطوره­های یونانی اتوماتون­ها به وفور به چشم می‌خورند. در این اساطیر اتوماتون‌ها مجسمه‌هایی فلزی از انسان، حیوان و یا اهریمن هستند که برترینشان، همانند انسان قادر به تفکر و احساس هستند. هفایستوس خدایی است که این اتوماتون‌ها را می‌سازد. بخشی از ایلیاد هومر را بخوانیم:«هفایستوس تکیه‌‌گاه خود را رها کرد یک چوب سنگین را در دست گرفت و لنگان به سوی درگاه رفت. خدمه وی برای حمایت از اربابشان حرکت کردند. اینان طلاساخت و در ظاهر همچون بانوانی جوان هستند. در قلبشان فهم جای دارد و دارای نطق و قوت‌اند و از خدایان نامیرا انجام امور را یاد گرفته‌اند.» حضور بسیار اتوماتون‌ها در اساطیر یونان حاکی از دلبستگی مردم آن زمان به ساخت ماشینی از جنس خودشان یعنی انسان است. می­توان این را نخستین گام‌ها در سوی تمایل انسان به خود‌شناسی دانست. اتوماتون‌ها تنها به داستان تعلق نداشتند. در یونان نمونه­‌هایی اولیه از ماشین‌های مکانیکی رواج یافته بودند که با آب یا باد کار می‌کردند. اینان به عنوان ابزار، اسباب‌بازی و یا به مقاصد مذهبی به کار برده‌ می‌شدند. تسیبیوس، مخترع یونانی، در یکی از اختراعاتش با استفاده از آب یک سوت را به صدا در‌آورد و مدل جغدی را به حرکت انداخت. ساخت این ماشین‌های نیمه خودکار در قرون وسطی هم ادامه یافت. داوینچی از مخترعان مشهوریست که اتوماتون‌های بسیاری را به نام خود ثبت کرده است. از شناخته‌ترین آنان می‌توان به شیر کاملا اتوماتیکی اشاره کرد که آن را به محضر فرانسیس اول برد. این شیر طول هال را طی میکند و در مقابل شاه ایستاده و نماد گل زنبق را با دهان خویش پیش پای وی می‌گذارد. در پیوندها آدرس ویدیویی از نمونه بازسازی شده این اثر گذاشته شده است. مخترعی دیگر با نام Pierre Jaquet-Droz اتوماتونی متشکل از سه مجسمه ساخت که به نوشتن، نقاشی و نواختن کلاویکورد می‌پرداختند.بازسازی شیر مکانیکی داوینچیاتوماتون نویسنده، نوازنده و نقاش رودررویی فلسفه با اتوماتون ها در بین این تنوع اتوماتون­ها که بسیار محبوب شده بودند اختراعی نمادین پدید آمد که دیدگاه متافیزیکی بسیاری از اندیشمندان را به خصوص فلاسفه را جهت داد، این اختراع ساعت است. یکی از اندیشمندان مهم در این زمینه دکارت است که خود از مخترعان اتوماتون­‌ها محسوب می‌شود و در اندیشه‌های خود بسیار از این اختراعات تأثیر پذیرفته و با مسأله ذهن و بدن به صورت جدی درگیر شده است. نوشته‌های رنه دکارت شروعی بر سیر تاریخ به سوی هوش مصنوعی و وضع امروز است که در نوشته بعدی به آن خواهیم پرداخت.منابع:https://www.theoi.com/Ther/Automotones.html the Greek automatons, mythologyhttps://en.wikipedia.org/wiki/Automaton#EtymologyCognitive Science: An Introduction to the Study of Mind, Jay Friedenberg, Gordon Silvermanپیوندها:https://www.youtube.com/watch?v=7YEPhe2Gp0Y اتوماتون موزیکالhttps://www.jaquet-droz.tv/video/9308963/the-writer-by-pierre-jaquet-droz اتوماتون نویسنده Logisia بابک خلیل وندیان Wed, 18 Mar 2020 20:28:54 +0330 https://virgool.io/LogisiaMag/2-ema3txkdqlel یک تکه دو اینچی چسب، دوربین‌های خودرو تسلا را فریب داد تا این خودرو به اشتباه افزایش سرعت دهد.محققین شرکت امنیت رایانه‌ای McAfee چندین خودروی تسلا را فریب دادند تا 50 مایل بر ساعت به سرعت خود بیفزایند. آن‌ها، یک تابلوی محدودیت سرعت را به صورتی که برای افراد چندان قابل تشخیص نباشد اندکی دستکاری کردند و با این کار باعث فریب خوردن سیستم دوربین Mobileye EyeQ3 خودرو شدند.این تحقیقات جدید شرکت مک‌آفی نشان می‌دهد که ممکن است تکنیک یادگیری ماشین خصمانه، (Adversarial Machine Learning) سیستم‌های اتومبیل‌ خودران را مختل کند و در نتیجه یک چالش امنیتی برای افرادی که امیدوار به تجاری سازی این فناوری هستند، به وجود ‌آید.به گفته Steve Povolny (استیو پولونی) و Shivangee Trivedi (شیوانگی تریودی)، اعضای تیم پیشرفته تحقیقاتی حوزه تهدیدات از شرکت مک‌آفی، سیستم‌های دوربین Mobileye EyeQ3 علائم محدودیت سرعت را می‌خوانند و اطلاعات به دست آمده را به فیچر‌های سیستم خودران مانند کروزکنترل اتوماتیک در تسلا می‌رسانند.محققان برچسب کوچک و تقریبا غیرقابل مشاهده‌اییای را بر روی تابلوی علامت محدودیت سرعت چسباندند. بنابراین هنگام تست، دوربین خودرو تسلا مدل X سال 2016 و همچنین مدل S همان سال به جای عدد 35 روی تابلو عدد را 85 خوانده و 50 مایل بر ساعت افزایش سرعت گرفتند.این جدید ‌ترین مورد میان انبوهی از تحقیقات در حال افزایش است که نشان می‌دهد، چگونه سیستم‌های یادگیری ماشین در شرایط حساس می‌توانند مورد حمله قرار گرفته و فریب خورند.در طی یک پروسه تحقیقاتی 18 ماهه، تریودی و پولونی نمونه‌هایی از حملات خصمانه (روشی پژوهشی در زمینه یادگیری ماشین) را با جزئیات دقیق پیاده‌سازی کردند. از این نمونه‌ها می‌توان به تحقیق استادی از دانشگاه UC Berkely، داون سانگ، اشاره کرد که با استفاده از برچسب‌هایی باعث شده بود یک اتومبیل خودران کلمه‌ی توقف بر روی تابلو را با علامت حداکثر سرعت مجاز ۴۵ مایل بر ساعت اشتباه بگیرد. همچنین سال گذشته، هکرها در یک حمله خصمانه با قرار دادن برچسب‌هایی در طی مسیر جاده، یک خودرو تسلا را به تغییر لاین اشتباهی وادار کرده و در الگوریتم های یادگیری ماشین آن اخلال ایجاد کردند.به اظهار پولونی: "دلیل تحقیقات ما پیرامون چنین موضوعی این است که وظایفی را که اکنون توسط انسان‌ها انجام می‌شوند قرار است در آینده توسط سیستم‌های هوشمند انجام گیرد. لذا اگر ما از قبل در مورد چنین حملاتی آگاه نبوده و در نحوه طراحی سیستم‌ها دقت لازم را به خرج ندهیم، در آینده خیل عظیمی از رایانه‌های بهم پیوسته و تاثیرگذاری خواهیم داشت که آسیب پذیر و قابل دستکاری بوده و می‌توانند مورد حمله قرار گیرند."با افزایش سیستم‌های مستقل، این مشکل فراتر از الگوریتم‌های یادگیری ماشین در وسایل نقلیه رفته است. تحقیقی در ماه مارس 2019 نشان داد سیستم‌های یادگیری ماشین در حوزه پزشکی نیز فریب خورده و تشخیص اشتباهی دادند.هر دو شرکت تسلا و Mobileye از تحقیق مک‌آفی درفی‌آا سال گذشته آگاه شده بودند. تسلا یافته‌های مک آفی را تأیید کرده ولی بیان کرد که مشکلات در آن نسل از سخت افزارها قابل برطرف شدن نیستند. یک سخنگوی Mobileye با بیان اینکه علامت تغییر یافته حتی می‌تواند یک انسان را نیز در خواندن عدد به اشتباه بیندازد، سعی در کمرنگ ساختن تحقیق کرد. این شرکت فریب دوربین را نوعی حمله به سیستم ندانست و اظهار داشت علی رغم نقشی که دوربین در کنترل کروز تسلا ایفا می‌کند، آن برای رانندگی مستقل طراحی نشده است."فناوری خودروهای خودمختار تنها متکی به سنسور‌ها نیستند بلکه از فناوری‌ها و داده‌های متعددی (مانند نقشه شلوغی‌ها) نیز کمک می‌گیرند، تا اطمینان لازم از داده‌های دریافتی سنسور‌های دوربین فراهم آید و در نتیجه دارای ایمنی بیشتری باشند."از آن زمان به بعد تسلا به استفاده از دوربین‌های اختصاصی خود در خودرو‌های جدیدش روی آورده و Mobileye چندین نسخه جدید از دوربین‌های خود را منتشر کرده که در تست‌های اولیه در مقابل این حمله آسیب‌پذیر نبودند.پولونی بیان کرد: "هنوز تعداد قابل توجهی از اتومبیل‌های تسلا با سخت افزار آسیب پذیر در حال استفاده هستند." او همچنین اشاره کرد خودرو‌های تسلا با نسخه اولیه سخت افزار را نمی‌توان به سخت افزار جدیدتر ارتقا داد.وی اضافه کرد: "کاری که ما سعی در انجام آن داریم این است که در تلاش هستیم تا هم برای مصرف کنندگان و هم برای فروشندگان در مورد انواع نقص‌های ممکن ایجاد آگاهی کنیم. هدف ما گسترش ترس و یا جلب توجه نمی‌باشد."ترجمه مطلب Hackers can trick a Tesla into accelerating by 50 miles per hour برای نشریه لاجیسیا Logisia Ali Karbasi Sun, 15 Mar 2020 21:51:43 +0330 https://virgool.io/LogisiaMag/%D8%A8%D8%AF%D8%A7%D9%81%D8%B2%D8%A7%D8%B1%D9%87%D8%A7-%D9%88-%D8%A8%D8%A7%D8%AC%D8%A7%D9%81%D8%B2%D8%A7%D8%B1%D9%87%D8%A7-%DA%86%DA%AF%D9%88%D9%86%D9%87-%D8%A7%D9%85%D9%86%DB%8C%D8%AA-%D8%B3%DB%8C%D8%B3%D8%AA%D9%85%D9%87%D8%A7%DB%8C-%D9%87%D9%88%D8%B4%D9%85%D9%86%D8%AF-%D8%B1%D8%A7-%D8%A8%D9%87-%D8%AE%D8%B7%D8%B1-%D9%85%DB%8C-%D8%A7%D9%86%D8%AF%D8%A7%D8%B2%D9%86%D8%AF-popmd8nkhlck با توجه به آمار به‌دست آمده در سال‌های اخیر، کاربران دستگاه‌های هوشمند همواره در معرض خطرات بدافزارها و باج‌افزارها قرار دارند و این خطرات روز به روز در حال افزایش است. در راستای همین موضوع لاجیسیا در نظر دارد با آشنا کردن هرچه بیشتر کاربران در خصوص موضوع عنوان شده، گامی در جهت افزایش امنیت سایبری بردارد. در ابتدای نوشته، مفهوم و هدف اصلی بدافزارها و باج افزارها را بررسی کرده و سپس به تفاوت این دو ابزار مخرب می‌پردازیم.بدافزار (Malware) چیست؟بدافزارها برنامه‌هایی هستند که بدون اجازه‌ی کاربر، فعالیت‌های سیستم را نظارت می‌کنند و شامل انواع مختلفی همچون ویروس‌های کامپیوتری، تروجان‌ها و... هستند. این برنامه‌های مخرب عملکردهای مختلفی از رمزگذاری تا سرقت و یا حذف داده‌ها را اجرا می‌کنند. اما این بدافزارها چگونه وارد سیستم کاربر می شوند؟ جالب است بدانید بدافزار‌ها می‌توانند از راه‌های ساده‌ای همچون اتصال یک فلش آلوده، دانلود برخی فایل‌ها از سایت‌ های نامعتبر و یا اتفاقات کوچکی از این قبیل، به راحتی سیستم شما را آلوده کرده و اطلاعات شما را به خطر ‌اندازند. گفتنی است بدافزارها می‌توانند امنیت گوشی‌های موبایل را نیز تهدید کنند و حتی به دوربین، GPS‌ و ... نیز دسترسی پیدا کنند. در سال 2017 ایران رتبه اول را در حملات موبایلی به خود اختصاص داده بود و بیش از نیمی از کاربران موبایل، بدافزار های موبایلی را تجربه کرده بودند.Adware in Gretel A7, Persistent malware, Anubis dropper, Zazdi Botnet و چندین بدافزار معروف کشف‌شده و کشف‌نشده در لیست مخرب‌ترین اپلیکیشن‌های اندرویدی سال 2019 قرار دارند.چگونه از وجود بدافزار آگاه شویم؟با وجود خطرات احتمالی گفته‌شده، کاربران می‌توانند با بررسی تغییراتی همچون از بین رفتن ناگهانی فضای دیسک، افزایش فعالیت اینترنتی ناخواسته، سرعت غیرعادی آهسته و... از وجود بدافزار در سیستم خود آگاه شده و با برخی از ابزار‌های ضد‌ویروس - مانند Windows Defender - بدافزارها را ردیابی کرده و از بین ببرند.10 بدافزار مخرب در سال 2019باج‌افزار (Ransomware) چیست؟در سال‌های اخیر که بازار باج‌افزارها نیز به شدت رونق گرفته است، عده‌ای باج‌‌افزارها را با بدافزارها اشتباه می‌گیرند؛ اما بهتر است بدانید که با وجود اینکه باج‌افزارها نوعی از بدافزارها به شمار می‌روند، ولی تفاوت‌هایی با هم دارند که شناختنشان به شما کمک خواهد کرد تا از ورود هر دو نوع برنامه مخرب جلوگیری کنید.هدف اصلی باج‌افزارها - برخلاف بدافزارها - دریافت باج از کاربران است؛ یعنی این نوع از برنامه‌های مخرب با هدف سرقت داده‌ها و اطلاعات سیستم‌ها را آلوده نمی‌کنند، بلکه دسترسی به فایل‌ها و سیستم‌های کاربر را محدود و یا به‌طور کل قطع می‌کنند و در قبال اجازه مجدد به کاربر برای دسترسی به فایل‌های موجود در سیستم، درخواست باج می‌کنند و کاربر به ‌اجبار مبلغ درخواستی را پرداخت می‌کند.آماری از قربانیان باج‌افزارباج‌افزارها چگونه به سیستم‌ها نفوذ می کنند؟راه‌های نفوذ باج‌افزارها از طریق:1- وب‌سایت‌های آلوده2- ایمیل‌های فیشینگ و هرزنامه‌ها3- شبکه داخلی4-سوء‌استفاده از آسیب‌پذیری‌ها5-‌نرم‌افزارهای مخرباست و با اندکی سهل‌انگاری به‌راحتی سیستم شما را در عرض چند دقیقه آلوده می‌کنند و ممکن است حتی با پرداخت باج، عواقب جبران‌ناپذیری برای اطلاعات شما داشته باشند.انواع باج‌افزارهاباج افزارها به دو دسته کلی تقسیم می‌شوند:1- قفل‌ کننده‌های سیستم و صفحات: پیامی در صفحه به نمایش درمی‌آید که نشان می‌دهد تمامی فعالیت‌های سیستم شما قفل‌شده و پس از راه‌اندازی مجدد، یک پیام به شما نشان داده خواهد شد که بابت فعالیت‌های غیرقانونی مانند جرائم سایبری باید مبلغی را پرداخت کنید.2- باج‌افزارهای رمزگذار:این نوع باج‌افزارها تمامی فایل‌های سیستم را رمزگذاری می‌کنند و هیچ نرم‌افزاری قادر به بازیابی فایل‌ها و اطلاعات شما نخواهد بود، تنها راه دسترسی پرداخت باج است. نکته قابل‌توجه این است که باوجود پرداخت باج، تضمینی برای بازگردانی همه فایل‌ها و یا حتی بخشی از فایلهای سیستم نیز نیست!آیا باج‌افزارها قابل پیشگیری هستند؟با تمام تهدیدهای امنیتی باج‌افزاری، بهتر است بدانید این برنامه‌های مخرب با راهکارهای ساده زیر قابل‌پیشگیری هستند! پس با جدی گرفتن موارد زیر امنیت سیستم خود را بالا ببرید:1- نصب فایروال‌ها و پیکربندی مناسب2- نصب مرورگر مناسب و البته به‌روزرسانی آن3- باز نکردن پیوست ایمیل‌های ناشناس4- عدم کلیک بر روی لینک‌های ناشناسو...معرفی یک باج‌افزار خطرناک!باج‌افزاری به نام Nemty که توسط یک بات توییتر به اشتراک گذاشته شده،بسیار قدرتمند رمزنگاری‌شده است. پژوهشگران پس از بررسی کد‌های مخرب این باج افزار اظهار نمودند که وجود ایرادات و بی نظمی‌های این باج‌افزار حاکی از این است که باج‌افزار هنوز نیازمند توسعه است، اما با این وجود،همچنان سیستم رمزنگاری در حدی قوی است که هیچ رمزگشایی برای آن وجود ندارد. Logisia Nastaran Hamidi Sat, 14 Mar 2020 14:11:16 +0330 https://virgool.io/LogisiaMag/%D8%A2%D8%B4%D9%86%D8%A7%DB%8C%DB%8C-%D8%A8%D8%A7-%D9%86%D9%88%D8%B1%D9%88%D8%B3%D8%A7%DB%8C%D9%86%D8%B3-czefwstof0eu علوم اعصاب یا نوروساینس چیست؟امروزه یکی از بحث‌های نوین در عرصه علم، مباحث مربوط به نوروساینس یا علوم اعصاب است اما به راستی منظور از علوم اعصاب چیست؟علوم اعصاب، پژوهشی علمی است که به بررسی سیستم عصبی می‌پردازد. سیستم عصبی از مغز، نخاع و اعصاب پیرامون تشکیل شده‌ است و تعیین‌کننده‌ی ویژگی‌های منحصربه فردی مانند چگونگی تفکر و حرکت می‌باشد. مغز و اجزای تشکیل‌دهنده آن، نحوه‌ی عملکرد مغز، ارتباط برقرار کردن آن با قسمت‌های مختلف بدن و منشا شکل‌گیری احساسات، مطالبی هستند که در نوروساینس مورد بحث قرار می‌گیرند.از مصر باستان تا اختراع میکروسکوپیادگیری و درک تاریخ مرتبط با زمینه های علمی از اهمیت فوق العاده ای برخوردار است. دانستن تاریخچه رشته علوم اعصاب نه تنها آگاهی ما را در این زمینه افزایش می دهد و باعث پیشرفت می شود بلکه بخشی از یک داستان مهیج علمی شده و مسیری را برای کشف و پیشرفت آینده تعیین می کند. با نگاهی بر تاریخچه نوروساینس داریم:اولین مطالعه سیستم عصبی مربوط به مصر باستان می باشد. مصری های باستان اعتقاد داشتند که قلب جایگاه ذخیره اطلاعات است و به همین دلیل هنگام مومیایی اجساد، مغز را خارج و قلب را نگه می داشتند. این دیدگاه که قلب منشأ آگاهی بود تا زمان پزشک یونانی بقراطها مورد چالش قرار نگرفت. او معتقد بود از آنجا كه اغلب ارگان هاي تخصصي (مانند چشم، گوش، زبان) در ناحيه نزديك مغز قرار دارند، بنابراین مغز جایگاه احساسات است.چند صد سال بعد، دانشمند یونانی ارسطو، فرضیه‌ای را که توسط پیشینیانش تعیین شده بود را به چالش کشید و اعلام کرد که مغز مکانیسمی بدنی برای خنک کردن خون است و جایگاه هوش در مغز انسان است. او می‌دانست اگر مغز لمس شود، هیچ گونه حسی در فرد ایجاد نمی‌شود پس نتیجه گرفت محل وقوع حس‌های مختلف در قلب انسان است نه مغز.کارهای پیشگامانه لوئیجی گالوانی در اواخر دهه 1700 زمینه را برای مطالعه تحریک پذیری الکتریکی ماهیچه ها و نورون ها فراهم کرد و در نیمه اول قرن نوزدهم، ژان پیر فلورن با انجام آزمایش هایی در قسمت های مختلفی از مغز حیوانات زنده، اثرات آنها را بر حرکات، حساسیت و رفتار مشاهده کرد.پس از اختراع میکروسکوپ، رامون ای کاخال که برخی او را پدر علوم اعصاب نیز می‌نامند اولین کسی بود که موفق شد یک سلول عصبی را با میکروسکوپ مشاهده کند و متمایز بودن سلول‌های عصبی نسبت به دیگر سلول‌های بدن را ثابت کند. او همچنین برنده‌‌ی جایزه‌ نوبل فیزیولوژی و پزشکی در سال 1906 به خاطر مطالعه سیستم عصبی شد.سلول عصبی که رامون مشاهده کردنوروساینس به دنبال چیست؟طبق یافته های انجمن علوم اعصاب، سه هدف اصلی در علوم اعصاب دنبال می‌شود:1. شناخت مغز انسان و چگونگی عملکرد آن2. درک و تشخیص نحوه توسعه یافتن خودبه خود سیستم عصبی مرکزی3. آنالیز بی‌نظمی‌های عصبی و روانپزشکی و دستیابی به روش‌هایی جهت پیشگیری و بهبودی کاملپیشرفت‌های فنآوری همراه با افزایش اطلاعات در مورد نحوه عملکرد مغز و سیستم عصبی منجر به پیشرفت‌های جدیدی در زمینه علوم عصبی شده است. افرادی که دارای آسیب‌های مغزی و نخاعی، اختلالات روانی و بیماری‌های مغزی هستند، اکنون بواسطه پیشرفت های علمی غیرقابل تصور، درمان شده وآنچه در گذشته صرفاً به عنوان داستان علمی خوانده می شد، اکنون درمرکز تحقیقات اصلی و مداخلات پزشکی می‌باشد.از نظر تاریخی، علوم اعصاب به عنوان زیرمجموعه‌زیست‌شناسی طبقه‌بندی شده است ولی امروزه یک علم بین رشته‌ای است که با سایر رشته‌ها از جمله روانشناسی، پزشکی، زبان شناسی، شیمی، فلسفه، مهندسی، ریاضیات و حتی علوم رایانه ارتباط نزدیکی دارد. برخی از محققان هنوز ادعا می كنند كه علوم اعصاب همان روانشناسی است، درحالیکه علوم اعصاب چیزهای بیشتری را شامل می شود.دانشمندان علوم اعصاب امروزه بیش از هر زمان دیگر، حوزه‌های گوناگونی از رشته‌های مختلف را مورد بررسی قرار می‌دهند. آن‌ها نه تنها جنبه‌های سلولی سیستم عصبی را مورد مطالعه قرار می‌دهند، بلکه جنبه‌های عملکردی، تکاملی، مولکولی، محاسباتی و پزشکی را نیز مورد بررسی قرار می‌دهند.نوروساینس در قرن ۲۱مطالعه علمی سیستم عصبی در نیمه دوم قرن بیستم بدلیل پیشرفت در زیست شناسی مولکولی، الکتروفیزیولوژی و علوم اعصاب محاسباتی به طور چشم گیری افزایش یافته است. این امر به دانشمندان علوم اعصاب اجازه داده است كه سیستم عصبی را در تمام جنبه های آن مورد مطالعه قرار دهند: ساختار، نحوه كاركرد، چگونگی توسعه یافتن، ناسازگاری ها و تغییرات.درک پیچیدگی سیستم عصبی یک چالش تحقیقاتی است، بنابراین تجزیه و تحلیل سیستم عصبی در چندین سطح انجام می شود، سطح مولکولی و سلولی و سطح شناختی. توسعه فناوری محرک اصلی پیشرفت در این زمینه بوده است. میکروسکوپ الکترونی، علوم رایانه و الکترونیک نمونه هایی از توسعه فناوری می باشند.امروزه علاوه بر جایگاه پزشکی نوروساینس و کاربرد آن در درمان بیماری‌هایی نظیر سکته مغزی، پروژه‌های مهندسی جدیدی مرتبط با حوزه‌هایی مانند هوش مصنوعی وجود دارند که پیش‌بینی می‌شود در آینده‌ای نه چندان دور تغییرات قابل توجه‌ای در کیفیت زندگی انسان‌ها به وجود خواهند آورد . یکی از این پروژه ها، ایده ادغام انسان با هوش مصنوعی می‌باشد که توسط ایلان ماسک غول فناوری مطرح شده است. ایده کلی به این شکل است که از خواص الکتریکی مغز بهره برده و آن را از طریق الکترودها به کامپیوتر متصل نمایند، که در نتیجه ترکیبی پیچیده از مغز و رایانه بدست می‌آید. این امر می‌تواند ارتباط از راه دور و ارتباطات هوش مصنوعی را فراهم کند.هنگامی که شما این سطر را می خوانید، هر کدام از کلمات اولیه را به طور واضح مجسم می‌کنید و این در حالی است که بقیه سطر را نادیده می‌گیرید و حتی ممکن است تمرکز شما به حدی باشد که صدای اطراف را به هنگام خواندن نشنوید. شاید این یک مهارت بی اهمیت به نظر برسد، اما تقریباً برای هر کاری که انجام می دهیم بسیار اساسی است و نقش اصلی را در این امر مغز به عهده دارد و ذکر این مثال کافی است تا به اهمیت و جایگاه علوم اعصاب در زندگی روزمره پی برده شود.لذا به صورت اجمالی و کلی می‌توان گفت که نوروساینس و علوم اعصاب به صورت کلی به بررسی وضعیت ذهنی، مغزی و تفکرات انسان می‌‌پردازد در نتیجه می‌ تواند نقش بسزایی را در توسعه و بسط علوم روانشناسی، انسان شناسی، زبان شناسی و علوم مهندسی داشته باشد و با توجه به اهمیت روز افزون آن، پیش بینی می شود درآینده ای نه چندان دور تحولات عظیمی در نحوه ارتباط انسان‌ها وربات‌ها به وجود آید. Logisia سروین قیاسی Thu, 12 Mar 2020 20:46:12 +0330