کاربری با وب‌سایت CCN تماس گرفته و اطلاعاتی درباره‌ی شرکت گیگاوات (Giga Watt) ارائه داده است. این شرکت که در زمینه‌ی استخراج بیت‌­کوین فعال بود، بعد از اعلام ورشکستگی در نوامبر ،۲۰۱۸ تصمیم گرفته از این کسب‌وکار خارج شود. شرکت گیگاوات در سپتامبر ۲۰۱۷ ازطریق عرضه‌ی اولیه‌ی سکه‌ی (ICO) شروع به‌کار کرد؛ اما پس از حدود یک سال، دچار ورشکستگی شد و اکنون تصمیم گرفته به فعالیت‌هایش پایان دهد.

مدل کسب‌وکار گیگاوات کمی با سایر استخراج‌کنندگان بیت‌کوین تفاوت داشت. کاربران، مالک سخت‌افزارها بودند و برای نگه‌داری از سخت‌افزارهای خود به این شرکت مبالغی پرداخت می‌کردند. گیگاوات تعرفه‌ی مصرف برق تجهیزات استخراجش را در نرخی رقابتی عرضه می‌کرد که درنهایت مشخص شد این نرخ منافع شرکت را تأمین نمی‌کرده است. نماینده‌ی این شرکت به کاربر مذکور گفته پس از پرداخت مبلغی، می‌تواند دستگاه استخراج خود را تحویل بگیرد.

توکن گیگاوات بی‌فایده بود

‌وب‌سایت Hacked.com یک‌بار در جریان رشد عرضه‌ی اولیه‌ی سکه‌ی گیگاوات رتبه‌ی ۷ را برای توکن این شرکت درنظر گرفته بود. رتبه‌بندی توکن این وب‌سایت مانند سایر وب‌سایت‌ها، براساس علاقه‌مندی خریداران به‌دلیل احتمال کسب سود از توکن ICO است. توکن گیگاوات پس از ورود به بازار در بیشترین میزان قیمت به ۴.۶۲ دلار رسید.

قیمت عرضه‌ی اولیه‌ی سکه ۱.۲۰ دلار یا کمتر بود؛ چراکه در تمام طول مدت ICO قیمت نوسان داشت. رتبه‌بندی ICO در این زمان به‌دلیل آنکه هنوز وضعیت ثابت توکن مشخص نیست، ممکن است با نتیجه‌ی پروژه متفاوت باشد. برای مثال، بسیاری از کاربران در زمان اجرای ICO، به‌دلیل انگیزه و امیدشان امتیاز درخورتوجهی به پروژه می‌دهند؛ اما میزان موفقیت واقعی توکن در آینده مشخص خواهد شد.

توکن گیگاوات توکنی کاربردی است. به‌عبارتِ‌دیگر، هر توکن گیگاوات نشانگر ارزش یک وات از تجهیزات استخراج برای مدت پنجاه سال میزبانیِ گیگاوات است. هر دستگاه سخت‌افزار استخراج بیت‌کوین معمولی مانند Antminer S9 بیش از ۱۳۰۰ وات برق مصرف می‌کند؛ بنابراین، مشخص می‌­شود چرا این پلتفرم تا این اندازه محبوب بوده است. این پلتفرم امکان استخراج اَبری را برای کاربران فراهم نمی‌کند؛ بلکه فقط ازطریق دستگاه‌های سخت‌افزاری و به‌کمک مصرف برق، امکان استخراج وجود دارد. البته، این موضوع برای زمانی است که شرکت فعالیت می‌کرد. در‌حال‌حاضر همان‌طورکه اشاره شد، گیگاوات ورشکسته شده است.

ورشکستگی در ماه نوامبر

دو روز قبل از آنکه اخباری مبنی بر اعلام ورشکستگی گیگاوات منتشر شود، مشتریان بسیاری به‌دلیل ازکارافتادن دستگاه‌های استخراج خود حیرت‌‌زده شده بودند. بااین‌حال، شرکت به مشتریان اعلام کرد هنوز در موزس لیک(Moses Lake) واشنگتن فعالیت می‌کند. دو روز بعد، اخباری مبنی بر بدهی ۵۰۰ هزار دلاری شرکت گیگاوات به‌همراه اسناد ورشکستگی آن منتشر شد.

پایان کار

فعالیت‌های مرتبط با استخراج ارزهای دیجیتال برای تعدادی از کاربران تا چند ماه بعد ادامه داشت؛ اما درنهایت، این فعالیت‌ها به‌دلیل پرداخت‌نشدن قبوض متوقف شدند. تعداد بسیاری از کارمندان گیگاوات می‌گویند دلیل توقف فعالیت‌های استخراج، فزونی هزینه‌ها بر درآمدها بوده است.

در میان طلب‌کاران مبلغ طلب Neppel Electric حدود ۵۰۰ هزار دلار است؛ البته تاکنون اخبار دقیقی از میزان بدهی شرکت گیگاوات منتشر نشده است.

مدل کسب‌وکار گیگاوات از سایر میزبان‌های استخراج متفاوت بود. کاربران، مالک سخت‌افزاها بودند و در ازای سودی که کسب می‌کردند، میزان مشخصی به این شرکت می‌دادند. باوجوداین، درنهایت این شرکت ورشکسته شد و به فعالیت‌هایش پایان داد. بدون شک یکی از عوامل مهم ورشکستگی گیگاوات سقوط قیمت ارزهای رمزپایه در سال ۲۰۱۸ بود.

اولین تصاویر گرفته‌شده از سمت دور ماه پس از فرود موفقیت‌آمیز سازمان ملی فضایی چین (CNSA) در آنجا منتشر شد. فرودگر چنج۴ (4 Chang'e) و سطح‌نورد یوتو۲ دنباله‌ی سطح‌نورد اصلی یوتو و چنج۳ بودند که در طرف نزدیک ماه در سال ۲۰۱۳ فرود آمده بودند. بااین‌حال، اگر بادقت به تصاویر بنگرید، ممکن است تصور کنید طرف دور ماه قرمز است.

این چیزی است که در تصاویر پردازش‌نشده به‌نظر می‌رسد و از دیگر تصاویری متفاوت است که ماه در آن‌ها خاکستری به‌نظر می‌رسد. پس دلیل این امر چیست؟ دوربین‌های روی فضاپیماها رنگ‌ها را به‌همان شیوه‌ای نمی‌بینند که چشم انسان مشاهده می‌کند. برای مثال، اجزای سبز و آبی معمولا جداگانه ثبت می‌شوند. این همان وضعیتی است که درباره‌ی آخرین تصاویر مصداق دارد و تصحیح رنگی روی آن‌ها انجام نشده تا حساسیت‌های مختلف هرکدام از آشکارسازهای رنگ دوربین را درنظر بگیرد.

اولین تصویری که در پایین نشان داده شده است، نمونه‌ای از این تصویرهای خام است و درکنار آن، هیستوگرام‌هایی از کانال‌های قرمز و سبز و آبی برای نشان‌دادن میزان توزیع روشنایی در هرکدام از آن‌ها آورده شده است.

در نسخه‌ی خام، سطح ماه قرمز به‌نظر می‌آید؛ زیرا آشکارسازهای استفاده‌شده‌ درمقایسه با نورهای آبی و سبز به نور قرمز حساسیت بیشتری داشته‌اند. بنابراین، در واقعیت سطح ماه از نظر هر سه رنگ روشنایی برابری دارد؛ ولی آشکارسازهای سبز و آبی به‌صورتی تنظیم شده‌اند که درمقایسه‌با آشکارسازهای قرمز حساسیت کمتری به نور دارند. به‌همین‌دلیل، هیستوگرام‌های سبز و آبی تا انتهای روشن محدوده‌ی مقیاس خود گسترش نمی‌یابند.

تصویر خام چنج۴ که سطح‌نورد یوتو۲ را نشان می‌دهد. هیستوگرام‌های کانال‌های قرمز و سبز و آبی در سمت راست نشان داده شده‌اند.

این، مثالی ساده درباره‌ی تصحیح تصویر است.

تصویری واقع‌گرایانه‌تر. همان تصویر قبلی پس از اینکه کانال‌های سبز و آبی آن کشیده شد.

ازلحاظ تکنیکی، مطمئنا برای تصحیح رنگ‌ها رویکردهای مناسب‌تری درمقایسه‌با این روش ساده وجود دارد؛ اما همه نشان‌دهنده‌ی این موضوع هستند که رنگ‌های اصلاح‌نشده گمراه‌کننده هستند.

کالیبراسیون رنگ

چگونه می‌توانیم از رنگ‌های روی ماه مطمئن باشیم؟

زمانی‌که فضانوردان آپولو تصاویر رنگی خود را می‌گرفتند، آن‌ها هدف کالیبراسیون رنگی را در میدان دید قرار می‌دادند که حاوی قطعاتی از رنگ‌های شناخته شده بود. این امر موجب می‌شد طی فرایند آماده‌سازی و چاپ، تعادل درستی از رنگ‌ها ایجاد شود. شایان ذکر است در آن روزها مثل امروز تصاویر دیجیتالی نبود و از فیلم‌های رنگی استفاده می‌شد. هنگامی‌که جک اشمیت از آپولوی ۱۷ روی طرف خاکستری ماه مقداری خاک نارنجی پیدا کرد، طبیعت واقعی نارنجی آن با مقایسه با رنگ‌های موجود روی نوار کالیبراسیون تأیید شد.

خاک نارنجی که آن را یکی از فضانوردان آپولو ۱۷ تصویربرداری کرده است. به هدف کالیبراسیون رنگی دقت کنید.

مایه‌ی تأسف است که CNSA در مأموریت فرودگر چنج از نوار کالیبراسیون استفاده نکرده است. فرودگر بریتانیایی بیگل۲ در سال ۲۰۰۳ باموفقیت‌ روی مریخ فرود آمد؛ ولی نتوانست ارتباط برقرار کند. این فرودگر هدف کالیبراسیون رنگی خاصی را با خود به‌همراه داشت. مریخ‌نورد ناسا نیز اهداف کالیبراسیون رنگی با خود داشت.

تصاویر فرودگر چنج و سطح‌نورد یوتو۲ عمدتا اهداف موقعیت‌یابی دارند و درباره‌ی وظیفه‌ی آن‌ها رنگ اهمیت خاصی ندارد؛ ولی در اندازه‌گیری اینکه سنگ‌ها و موادمعدنی موجود روی سطوح فرازمینی به چه صورت نور رنگ‌های مختلف را منعکس می‌کنند، قدری علم نهفته است. سطح‌نورد یوتو۲ اسپکتروفتومتر (طیف‌سنج) نور مرئی و نور مادون‌قرمز نزدیک به‌همراه خود دارد که برای انجام این کار طراحی شده تا اطلاعات بیشتری درباره‌ی ترکیبات موجود روی آن سطوح به‌دست آوریم.

آنچه آشکار است، این است که سطح ماه به‌طور کلی رنگ خاکستری تیره متمایل به قرمز دارد. اگرچه قرمزی آن درمقایسه‌با عطارد کمتر و درمقایسه‌با مریخ بسیار کمتر است، سطوح این سیاره‌ها به‌دلیل اکسیداسیون کانی‌های آهن واقعا رنگ قرمز دارد.

ادراک رنگ

آگاهی از اینکه سطح ماه چگونه نور رنگ‌ها را منعکس می‌کند، فقط یکی از جنبه‌های نمایش تصویری درست از منظره‌ی ماه است. شاید جنجال توهم رنگ لباس (Dress Colour Illusion) را به‌خاطر آورید که در سال ۲۰۱۵ همه‌گیر شد. بحث بر سر تصویری از لباسی بود که برخی از افراد مطمئن بودند رنگ آن مشکی و آبی است؛ درحالی‌که دیگران آن را به رنگ سفید و طلایی می‌دیدند. این موضوع نشان می‌دهد ادراک رنگ ذهنی است و به زمینه نیز بستگی دارد. اینکه تصاویر این مقاله را به چه رنگی ببینید، به ویژگی‌هایی دستگاهی نیز بستگی دارد که این مطلب را با آن مطالعه می‌کنید.

با‌این‌حال، بررسی‌ها نشان می‌دهند تنوع رنگ ناچیزی روی ماه وجود دارد و فضانوردانی که تاکنون آنجا را دیده‌اند، می‌گویند رنگ آن عمدتا خاکستری متمایل به قهوه‌ای است. شاید وقتی نخستین فضانوردان چینی روی ماه قدم بزنند، آن‌ها نیز بتوانند چنین چیزی را تجربه کنند.

بالاخره پس از شایعات فراوان، جدیدترین عضو سری a6000 میان‌رده‌ی دوربین‌های بدون‌‌آینه‌ی سونی معرفی شد. در حالی‌که بسیاری از معرفی دوربینی با سنسور APS-C و قابلیت‌های رده‌بالا و حرفه‌ای با نام a7000 و برای رقابت با بزرگان این بخش (سنسور‌های کراپ) خبر می‌دادند، سونی از محصولی مشابه با دیگر اعضای میان‌رده‌ی خود و البته قیمتی اقتصادی‌تر رونمایی کرد. 

دوربین‌های سری a6000 سونی با وجود توانایی‌های بسیار خوب در بخش فیلمبرداری و عکاسی، به دلیل قیمت بالا، فرم‌فکتور کامپکت و نبود امکانات اعمال تنظیمات دستی گسترده، چندان مورد توجه کاربران حرفه‌ای قرار نمی‌گیرند. حال سونی برای افزایش بیشتر نظر خریداران، محصول جدید خود را با قیمتی کمتر نسبت به نسل‌های پیشین آن به بازار عرضه خواهد کرد.

سونی در دوربین عکاسی a6400 از سنسور ۲۴.۲ مگاپیکسلی Exmor CMOS با ابعاد APS-C استفاده کرده است که توانایی بسیار خوبی در ثبت تصاویر با جزئیات و شفافیت بالا دارد. پردازنده‌ی BIONZ X نسل پیشین سونی نیز وظیفه‌ی پردازش سیگنال‌های دریافت‌شده توسط سنسور را برعهده خواهد داشت. سنسور مذکور در بازه‌ی ایزو ۱۰۰ تا ۳۲۰۰۰ توانایی ثبت تصاویر و کلیپ‌های ویدیویی را دارد و البته امکان افزایش ایزو تا ۱۰۲٬۴۰۰ نیز در دسترس است. 

پردازنده‌ی سریع به‌کاررفته در a6400، به آن امکان ثبت تصاویر پیاپی با نرخ ۱۱ فریم بر ثانیه و فوکوس خودکار می‌دهد. حافظه‌ی بافر دوربین نیز امکان ثبت ۱۱۶ عکس JPEG یا ۴۶ عکس خام RAW را در این حالت می‌دهد.

دوربین‌های سونی همواره به سیستم‌های فوکوس خودکار پیشرفته‌ای مجهز بوده‌اند که a6400 نیز از این قاعده مستثنی نیست. ۴۲۵ نقطه‌ی تشخیص فاز و کنتراست با پوشش بیش از ۸۴ درصد سنسور، خبر از سیستم فوکوس خودکار توانمندی در این دوربین می‌دهد. به ادعای سونی، عضو جدید خانواده‌ی آلفا این شرکت تنها در ۰.۰۲ ثانیه بر سوژه فوکوس خواهد کرد تا بدین ترتیب سیستم فوکوس خودکار خود را به‌عنوان سریع‌ترین نمونه‌ی موجود در دنیای دوربین‌های عکاسی معرفی کند. این دوربین هم‌چنین برای اولین بار به فناوری‌های فوکوس روی چشم و تعقیب سوژه به صورت آنی (Real-Time) مجهز شده است. این فناوری از الگوریتم‌های هوش مصنوعی برای تشخیص بهتر سوژه و تعقیب آن کمک می‌گیرد.

سونی در خصوص فناوری فوکوس خودکار پیشرفته‌ی a6400 گفت:

در تمام حالت‌های فوکوس خودکار، دوربین به‌صورت خودکار چشم سوژه را تشخیص می‌دهد و در ادامه پس از فشردن نیمه‌ی کلید شاتر توسط کاربر، حالت Eye AF را فعال کرده و سوژه را در فوکوس قرار می‌دهد. هنگام قرار گرفتن دوربین در حالت AF-C یا AF-A، کاربر می‌تواند انتخاب خودکار چشم، چشم چپ یا راست سوژه را برای تعقیب انتخاب کند. 

سونی هم‌چنین در حال توسعه‌ی فناوری تشخیص چشم خود برای شناسایی چشم حیوانات است تا کاربران ژانر عکاسی حیات‌وحش نیز از قابلیت‌های فوکوس خودکار توانمند سونی نهایت بهره را ببرند. این قابلیت در تابستان سال ۲۰۱۹ از طریق به‌روزرسانی فریم‌ور در اختیار عکاسان قرار خواهد گرفت. سونی در خصوص این قابلیت اعلام کرد:

فناوری Real-time Tracking، نسل جدیدی از الگوریتم فوکوس خودکار سونی است که توانایی تعقیب انواع مختلفی از سوژه‌های متحرک را دارد. امکان تعقیب هر سوژه‌ای پس از فشردن نیمه‌ی کلید شاتر، به عکاس آزادی عمل بیشتری در انتخاب و تمرکز بر قاب خود خواهد داد. الگوریتم هوش مصنوعی نیز برای درک و تعقیب موثرتر چشم و صورت سوژه‌ها اکنون در دسترس است.

سونی a6400 در بخش پشتی خود از نمایشگر ۳ اینچی با رزولوشن ۹۲۱.۶ هزار نقطه بهره می‌برد که امکان چرخش ۱۸۰ درجه‌ای حول محور افقی خود را دارد تا کاربران قادر به ثبت تصاویر سلفی یا ضبط ویدیو‌های وی‌لاگ با این دوربین باشند. منظره‌یاب الکترونیکی OLED با رزولوشن ۲.۳۶ میلیون نقطه نیز در دسترس است.

در بخش فیلمبرداری نیز دوربین جدید سونی قابلیت‌های متعددی را به همراه دارد؛ ضبط کلیپ‌های 4K با استفاده از تمام سنسور با نرخ ۳۰ فریم بر ثانیه در کنار کلیپ‌های Full HD با نرخ حداکثر ۱۲۰ فریم بر ثانیه و بیت‌ریت ۱۰۰ مگابیت‌بر‌ثانیه بخشی از توانایی‌های a6400 است. استفاده از تمام مساحت سنسور به معنای دریافت ۲.۴ برابر داده‌ی بیشتر از حد نیاز برای کلیپ‌های 4K است که سونی از تمام آن‌ها برای بهبود کیفیت نهایی این محتوا بهره خواهد برد.

قابلیت‌های بیشتر اعم از لاگ‌های تصویربرداری S-Log2 ،S-Log3 و HLG، ضبط تایم‌لپس، ابزارهای کمکی مانند خطوط راه‌راه، نمایش گاما و سطح دریافت صدا، دیگر امکانات موجود در سونی a6400 برای فیلمبرداران حرفه‌ای است.

از قابلیت‌های a6400 می‌توان به فلش جهنده، وای‌فای، NFC، هشت کلید با قابلیت سفارشی‌سازی، رابط کاربری جدید، بدنه‌ای منیزیمی و عمر شاتر ۲۰۰٬۰۰۰ سیکل، اشاره کرد. سونی دوربین a6400 را از ماه آینده و با قیمت ۹۰۰ دلار برای بدنه، ۱۰۰۰ دلار برای باندل با لنز ۵۰-۱۶ میلی‌متری f/3.5-5.6 یا ۱۳۰۰ دلار به‌همراه لنز ۱۳۵-۱۸ میلی‌متری f/3.5-5.6 به بازار عرضه خواهد کرد.

نمونه تصاویر ثبت‌شده با آلفا 6400 سونی

در آینده‌‌ای نه‌چندان دور، اسکن‌ مربوط به فناوری تشخیص چهره بیومتریک می‌‌تواند به‌عنوان بخشی از چک‌آپ‌های استاندارد پزشکی مورد استفاده قرار گیرد.

براساس آخرین تحقیقات انجام‌شده، الگوریتم‌های مبتنی بر هوش مصنوعی به‌همراه فناوری تشخیص چهره می‌توانند برخی اختلالات ژنتیکی را تشخیص داده و به فرآیند تشخیص‌های بالینی سرعت ببخشند.

نتایج آخرین تحقیقات این حوزه، در نشریه‌ی ماه ژانویه‌ی Nature Medicine منتشر شده است. شرکت آمریکاییFDNA، آزمایش‌های جدیدی روی نرم‌افزار خود موسوم به DeepGestalt انجام داده است. DeepGestalt نیز همانند نرم‌افزارهای معمول تشخیص چهره توسعه یافته، با این تفاوت که FDNA نرم‌افزار خود را به‌صورتی آموزش داده تا بتواند با استفاده از الگوریتم‌های تعیین‌شده، داده‌های مربوط به چهره‌ی کاربران را آنالیز کند.

FDNA بیش از ۱۷٫۰۰۰ تصویر از افرادی با ۲۰۰ سندروم مختلف را با استفاده از اپلیکیشن گوشی هوشمند Face2Gene جمع‌آوری کرده است. در دو آزمایش اول، DeepGestalt تنها به بررسی اختلالات خاصی مانند سندرم کورنلیا دلانژه (Cornelia de Lange) و سندرم آنجلمن (Angelman) پرداخت. هر دو سندرم به‌شکلی روی رشد فکری و حرکتی فرد تاثیرگذار هستند. معمولا افرادی با سندرم‌ Cornelia de Lange، چهره‌ای با ابروهای کمانی و افرادی با سندرم Angelman معمولا پوست و موی غیرمعمولی و متفاوت با سایر افراد دارند.

زمانی‌که از نرم‌افزار DeepGestalt خواسته شد تصاویر افرادی با یکی از این دو سندرم را تشخیص دهد، به‌شکل باورنکردنی توانست با دقت ۹۰ درصد این کار را با موفقیت به‌انجام برساند. این درحالی است که عموما متخصصان در تشخیص‌های بالینی این کار را با دقت ۷۰ درصد انجام می‌دهند. محققان ۵۰۲ تصویر از افرادی با ۹۲ سندروم مختلف را مورد آزمایش قرار دادند. نرم‌افزار DeepGestalt توانست ۱۰سندرم را با دقت ۹۰ درصد درست تشخیص بدهد.

در آزمایش چالش‌برانگیز دیگری، به الگوریتم تصاویری از افراد مبتلا به سندرم نونان (Noonan) نشان داده شد. الگوریتم باید تشخیص می‌داد کدام‌یک از پنچ جهش ژنتیکی خاص باعث ایجاد چنین اختلالی شده است. در این مرحله نرم‌افزار دقت کمتری از خود نشان داد. درصد موفقیت نرم‌افزار تنها ۶۴ درصد بود ولی همین رقم نیز خیلی بهتر از موفقیت ۲۰ درصدی است که از طریق حدس و گمان به‌دست می‌آید. با این وجود، متخصصان بر این باورند که چنین الگوریتم‌هایی هنوز نمی‌توانند اختلالات ژنتیکی نادر را تشخیص بدهند. دکتر بروس گلب استاد مدرسه پزشکی آیکان در مانت ساینای و متخصص سندروم Noonan در مورد تشخیص اختلالات ژنتیکی خاص توسط چنین الگوریتم‌هایی در گفت‌وگو با Stat News گفت: 

برای دریافت پاسخ قطعی، انجام آزمایش‌های ژنتیك مفیدتر است. هرچند برای من غیرقابل تصور است که نرم‌افزار چطور می‌‌تواند بدون دریافت آزمایش‌ها به‌درستی برخی سندرم‌ها را تشخیص دهد.

گلب معتقد است که با این اوصاف می‌توان گفت نتایج الگوریتم‌ها واقعا چشمگیر است. گلب همچنین یادآور شد که نرم‌افزار DeepGestalt تنها روی مجموعه‌ی محدودی از کودکان نسبتا کوچک آزمایش شده است. باتوجه به اینکه تفاوت‌های چهره افراد مسن کمتر مشهود است، احتمال دارد الگوریتم در شناسایی اختلالات افراد با سن بالاتر، قدرت تشخیص کمتری داشته باشد.

تحقیقات دیگری که از طریق شرکت‌های شخص ثالث برای توسعه‌ی ابزارهای مربوط به فناوری FDNA انجام شده است، پیش‌بینی می‌کند که الگوریتم‌ رفتار نژادپسندانه‌ای از خود نشان خواهد داد و چهره‌ی افراد سفید پوست را بهتر از چهره‌ی آفریقایی‌های سیاه‌پوست تشخیص می‌دهد. البته FDNA از چنین کاستی‌هایی مطلع است و نر‌م‌افزار DeepGestalt را به‌عنوان ابزاری همانند سایر نرم‌افزارهای مبتنی بر هوش مصنوعی می‌داند که هنوز نتوانسته جایگزین انسان شود ولی این پتانسیل را دارد که در آینده توسعه یابد.

کریستوفر نلاکر، متخصص دانشگاه آکسفورد، در گفت‌وگویی با نشریه‌ی New Scientist به این موضوع اشاره کرده است: 

ارزش واقعی چنین سیستم‌هایی وقتی خودش را بیشتر نشان می‌دهد که متوجه می‌شویم چنین سیستم‌هایی می‌توانند تشخیص برخی از این بیماری‌های نادر را که در حالت عادی ممکن است تشخیص آن‌ها سال‌ها طول بکشد را تسریع می‌بخشند. درحالی‌که چنین الگوریتم‌هایی می‌توانند در برخی موارد زمان تشخیص را به‌شدت کاهش دهند، در برخی موارد نیز می‌توانند به‌عنوان ابزاری برای یافتن افراد بیمار به‌کار برده شوند. همچنین می‌توانند به‌نوبه‌ی خود در یافتن روش درمان یا استفاده از درمان جدید کمک کنند. 

اکنون چند وقتی است که می‌‌دانیم کاوشگر وویجر ۲ نیز در پی همتای پیشین خود (وویجر ۱) آخرین مرزهای منظومه‌‌ی شمسی را درنوردیده و هم‌‌اینک به فضای میان‌‌ستاره‌‌ای پیوسته است. این خداحافظی غم‌‌انگیز بشر با آخرین دستاوردهای ۵۰ ساله‌‌ی خود، خود تلنگری دیگر برای نژاد بشر است؛ تلنگری که می‌‌گوید شاید نسل بعدی ما همان نسلی باشد که در سده‌‌ی آینده تمدن خود را به فرا‌‌سوی منظومه‌‌ی شمسی (فراتر از ابر اورت) خواهد برد. ورود دومین ساخته‌‌ی بشر به قلمروی میان‌‌ستاره‌‌ای می‌‌تواند نشانه‌‌ای بر فرارسیدن زمان گذار ما از ساکنین منظومه‌‌ای به مسافران قلمروی سایر ستارگان کهکشان راه شیری باشد.

و کسی چه می‌‌داند؛ شاید آنجا همان میعادگاه دیدار با بیگانگانی باشد که سالهاست ملاقات با آن‌‌ها را چشم نهاده‌‌ایم.

شکی نیست که درنهایت روزی ما مجبور خواهیم شد زمین، این سکونتگاه دوست‌‌داشتنی خود را به مقصد جهانی دیگر ترک گوییم؛ دلیل این اتفاق می‌‌تواند فجایع بزرگی باشد که روزی زمین ما به چشم خواهد دید؛ در کمتر از یک میلیارد سال دیگر خورشید آن‌‌قدر گرم و متورم خواهد شد که تمامی اقیانوس‌‌های زمین بخار می‌‌شود. یا خیلی قبل‌‌تر از آن، می‌‌توان برخوردی عظیم با یک سیارک را در چند صد میلیون سال آینده متصور شد. تغییرات شدید اقلیمی نیز طی چند هزار سال می‌‌تواند زندگی را برای ساکنین زمین تبدیل به جهنمی واقعی کند. یا بدتر از همه، شاید وقوع یک جنگ هسته‌‌ای در جهان طی چند دهه یا چند سده‌‌ی آینده، ما را برای ترک زمین آماده کند. در هر حال، برنامه‌ی خروج ما از سیاره قطعی است و تنها مجهول این معادله‌‌ی دردناک، زمان وقوع آن است.

در ۱۹ اکتبر ۲۰۱۷، ما اولین جرم میان‌‌ستاره‌‌ای را در منظومه‌‌ی شمسی رصد کردیم. همان‌‌طور که پیش‌تر در زومیت منتشر شد، اومواموا (Oumuamua) می‌تواند دستاوردی غریب از تمدنی بیگانه باشد که به مرزهای منظومه‌‌ی شمسی ما رسید. دور از ذهن نیست که در قرن بعدی، ما نیز بتوانیم چنین دستاوردهایی مشابه را به قلمروی منظومه‌‌های بیگانه اعزام کنیم.

آنچه که ما خواهیم فرستاد ممکن است تعدادی ربات به‌‌همراه چند  چاپگر سه‌بعدی باشد. این ربات‌‌ها عازم دنیاهای دیگر خواهند شد تا از مواد خام موجود در سیارات دیگر برای ساختن اشیای مصنوعی در آن محل‌‌ها بهره ببرند. همچنین ممکن است تنها مسافران فضاپیماهای اعزامی ما، فضانوردانی میکروسکوپی باشند؛ یک کلونی از میکروب‌‌ها که می‌‌روند با تکثیر خود در جهانی ناشناخته، حیات را در آنجا بنیان نهند. این همان مفهوم «کشت مصنوعی زندگی» است که دانشمندان از آن به‌عنوان پان‌‌اسپیرمای مستقیم نیز یاد می‌کنند.

اما پیش از آنکه بتوانیم به چنین فتوحاتی در فضا برسیم، تمدن ما روی زمین احتمالاً به‌‌واسطه‌‌ی همان فناوری‌های موردنیاز برای انجام این مأموریت‌های فضایی، به‌‌کلی متحول خواهد شد.

برای نمونه، ربات‌ها را در نظر بگیرید. به‌‌احتمال زیاد انقلاب بزرگ بعدی در ساختار جوامع بشری ناشی از ظهور همین ربات‌ها خواهد بود؛ ربات‌‌هایی که به‌‌زودی جایگزین نیروی کار انسانی می‌شوند. آن‌‌ها همین حالا هم شروع به بیرون راندن انسان‌ها از سایت‌‌های ساخت‌وساز کرده‌‌اند. سهم این ماشین‌‌ها از بازار کار (به‌‌همراه هوش مصنوعی) به‌سرعت در حال رشد است؛ چرا که فناوری آن‌ها تنها در یک بازه‌‌ی زمانی چندساله و آن‌هم به‌‌صورت نمایی، رشدی سرسام‌آور را تجربه خواهد کرد. با درنظرگرفتن سهم روزافزون ربات‌ها و هوش مصنوعی در بازار کار، بشر باید جامعه را از نو سازمان‌دهی کند. به‌‌لطف حضور ربات‌ها و رایانه‌‌ها، مشاغل کمتری برای انسان‌‌ها وجود خواهد داشت و این به‌‌معنای فرصت کمتری برای کسب درآمد خواهد بود. هفته‌‌های کاری به کمتر از پنج روز در هفته کاهش خواهند یافت و درنتیجه، مدت‌زمان تعطیلات بیشتر و فرصت‌‌های شغلی کمتر خواهند شد.

دولت‌ها ممکن است تصمیم بگیرند که مبلغی را به‌‌عنوان حداقل پایه‌‌ی حقوق شهروندان خود در نظر بگیرند که احتمالاً میزان آن، مستقل از مدت اشتغال افراد به کار است. چنین تصمیماتی به‌‌منزله‌‌ی ظهور چهره‌‌ی تازه‌‌ای ازسوسیالیسم در نظام جهانی خواهد بود. بنیان‌‌گذار این فلسفه، کارل مارکس در سال ۱۸۷۵ این نظام را چنین توصیف می‌کند: «هر کس متناسب با توانایی و در انطباق با نیازهایش». این تعریف تاحدودی با مفاهیم ایدئولوژیک مطرح در دنیای نوین مطابقت دارد؛ با این حال شاید بهتر باشد نسخه‌‌ی به‌‌روزشده‌‌ی جمله‌ی مارکس را این‌چنین برای خود تعبیر کنیم: «هر کس بیش از حداقل نیاز خود، دریافت خواهد کرد و هر آنچه را بخواهد در اوقات فراغتش انجام خواهد داد.»

جای شگفتی نیست؛ هم‌‌اکنون نیز نخستین جوانه‌‌های این انقلاب اجتماعی را می‌‌توان در دره‌‌‌ی سیلیکون دید؛ محلی که در آن، تریلیون‌‌ها دلار ثروت طی دهه‌‌ی گذشته انباشته شده است. ماهیت این ثروت جدید بسیار متفاوت‌ از ثروت قدیم است؛ ثروتی ریشه‌دار که توسط افرادی مسن‌‌تر و طی دوره‌‌ی زمانی طولانی‌‌تری در تاریخ تولید شده بود.کافی است نگاهی گذرا به نسل تازه‌ی ثروتمندان دنیای جدید بیندازید: سرگی برین، استیو جابز، لری پیج، مارک زاکربرگ و بسیاری دیگر که وجه اشتراک چندانی با افرادی از خاندان روزولت، فورب، دوپونت و روتشیلد ندارند.

فناوری‌های نوظهور نظام نوین قطعاً با برخی مقاومت‌‌ها ازسوی آخرین نسل باقی‌‌مانده از نظام قدیم مواجه خواهد شد؛ این مقاومت‌‌ها احتمالاً در قالب جنبش‌های سیاسی پوپولیستی از جامعه سر بر خواهند آورد. اما این مقاومت چندان دیری نخواهد پایید؛ چراکه تمدن ما پیش‌‌تر ثابت کرده است که شهوت ذات بشر برای رسیدن به آینده‌ای فناورانه تقریبا مهارناپذیر است. حتی این امکان وجود دارد که سیر تکامل فناوری در تمدن ما به‌‌واسطه‌‌ی کشف اولین نشانه‌‌ها از وجود تمدنی بیگانه در جهان، شتابی بی‌‌سابقه و افسارگسیخته به خود بگیرد.

با این حال، ما همچنان باید امیدوار باشیم که اقتصاد و ساختار اجتماعی آینده‌‌ی ما به‌‌خوبی بتواند با پیشرفت‌های تکنولوژیکی جدید تطبیق پیدا کند. موفقیت ما در چالش‌های فضایی آینده منوط به مدیریت موفق ما در چالش‌های اجتماعی فعلی روی زمین خواهد بود. اگر بتوانیم از انقلاب تکنولوژیکی رایانه‌‌ها و ربات‌ها، با سربلندی عبور کنیم، ممکن است در ادامه بتوانیم کهکشان راه شیری را نیز به سیطره‌‌ی خود در آوریم؛ وگرنه سرنوشت تلخ آینده‌‌ی حیات روی زمین شامل حال تمدن ما نیز خواهد شد. حال باید پرسید آیا ما برای این گذار تاریخی آماده‌‌ایم؟

۱۰۰ سال پیش فیزیکدانی به‌‌نام انریکو فرمی، پارادوکسی جالب را مطرح کرد که امروزه با نام پارادوکس فرمی شناخته می‌‌شود. او با در کنارهم گذاشتن تمامی شواهد و پیش‌‌فرض‌‌های فعلی، این‌‌گونه استدلال کرد که وجود بیگانگان فضایی، گزاره‌‌ای قطعی است؛ با این حال چگونه است که ما هنوز آن‌‌ها را نمی‌‌بینیم؟ این پارادوکس از آن زمان تا به حال، به‌‌منزله‌‌ی یکی از بزرگ‌ترین پرسش‌‌های بی‌‌پاسخ پیش روی بشر باقی ماند.

تا عزم ما برای رقم‌زدن تقدیر چه باشد. شاید پس از ما و در روزگاری دور که بیگانگان فضایی به سیاره‌‌ی خالی از سکنه‌‌ی ما نگاهی می‌اندازند، بالاخره پاسخی منطقی برای این پارادوکس کهن پیدا کنند و دریابند که آن «دیگران» کجا رفته‌اند: در دل آسمان بی‌‌کران یا زیر خروارها خاک.

به‌گفته‌ی پاول گراهام دانشمند کامپیوتر، کارآفرین و سرمایه‌گذاری اقتصادی:

همان‌طور که حرف می‌زنی، بنویس. 

با درنظرگرفتن این نقل‌قول می‌توان به تعریف بینایی ماشین پرداخت. در این مقاله فرض می‌شود مخاطب چیزی در این مورد نمی‌داند. TechCrunch باتوجه‌به این مسئله این تعریف را ارائه می‌کند:

شخصی در اتاق یک توپ را به سمت شما پرتاب می‌کند و شما آن را می‌گیرید. ساده است، نه؟ اما این فرایند یکی از پیچیده‌ترین فرآیندهایی است که برای درک آن تلاش می‌کنیم.

و حالا یک نگاه فوری به ویکیپدیا بیندازید:

بینایی ماشین یک زمینه‌ی میان‌رشته‌ای است که با نحوه‌ی ساخت کامپیوترها برای دستیابی به درک سطح‌ بالایی از تصاویر دیجیتالی یا ویدئوها سروکار دارد. بینایی ماشین دقیقا همان‌طور است که به نظر می‌رسد (کامپیوتر یا ماشین اشیا را می‌بینند) و تفاوت‌های اندکی با زمینه‌های مرتبط خود دارد.

براساس ویکی‌پدیا، بینایی ماشین عبارت است از:

باز کردن اطلاعات سمبلیک داده‌های تصویری با استفاده از مدل‌هایی که به کمک هندسه، فیزیک، آمار و نظریه‌ی یادگیری ساخته شده‌اند. 

تاریخچه‌ی پرماجرا و طولانی بینایی ماشین

درست در زمان مرگ والت دیزنی و تولد مخترع ویکیپدیا، مردم در تلاش بودند نعمت بینایی را به کامپیوتر هدیه کنند. متن زیر برنامه‌ریزی برای ساخت یک سیستم بصری را نشان می‌دهد. براساس این متن ساخت هر بخش از این سیستم بر عهده‌ی گروه‌های مختلف است و این پروژه به یک نقطه‌ی شاخص در توسعه‌ی تشخیص الگو تبدیل می‌شود.

در این متن اشاره شده است که هدف اصلی این پروژه، ساخت سیستمی برای طبقه‌بندی اشیا و پس‌زمینه در یک تصویر است.  پیشرفت‌های قرن بیست‌ویک در زمینه‌ی محاسبات، ریاضی و زمینه‌های مرتبط، زمینه‌ای را برای این پیشرفت‌ها فراهم کرده است.

پردازش تصویر دیجیتال

بینایی ماشین به‌شدت به نمودارهای ون در پردازش تصویر دیجیتال وابسته است. وظایف زیر در حوزه‌ی پردازش تصویر دیجیتال قرار می‌گیرند:

• تشخیص الگو: خودتوصیف. پیدا کردن قوانین.
• استخراج ویژگی: تجزیه‌ی یک تصویر به ویژگی‌های مجزا
• طبقه‌بندی: آیا این دسته از یال‌ها یا اشکال مانند یک خودرو به نظر می‌رسند یا سگ؟
• تحلیل سیگنال چندمقیاسی: روش‌های دیگر برای دیدن این تصویر چیست؟
• نگاشت گرافیکی: چگونه می‌توان یک شیء سه‌بعدی را به‌صورت دوبعدی نمایش داد؟

روش‌هایی برای تجزیه‌ی یک شیء سه‌بعدی به دو بعد: عمل پردازش تصویر

تشخیص الگوی وابسته به الگوریتم، امکان یافتن خودکار نقاط کلیدی یک تصویر مانند گوشه‌ها و یال‌ها را فراهم می‌کند. با مقایسه‌ی موقعیت‌ تقریبی نقاط بین فریم‌های ویدئوی برای مثال می‌توانید جابه‌جایی محور X و Y را خنثی کنید و لرزش را از بین ببرید. همچنین می‌توانید این کار را به‌سادگی در پایتون با کد متن‌باز انجام دهید.

شاید بتوان گفت، تحلیل سیگنال چندمقیاسی یکی از سنگین‌ترین عملیات پردازش تصویر باشد، اما در سطح بالا، همان‌طور که از نام آن پیداست به‌معنی تحلیل سیگنال روی مقیاس‌های متعدد یا از زاویه‌های مختلف است. فتوشاپ در ابزار shaprening خود از تحلیل چندمقیاسی  استفاده می‌کند.

گاهی اوقات برای افزایش شفافیت یک تصویر، در ابتدا آن را بلور می‌کنند تا لبه‌های تصویر آشکار شود

یک روش جالب برای تجزیه‌ی یک تصویر به‌دست‌آوردن مشتق آن است. این روش به یافتن لبه‌های تصویر و درنتیجه تفکیک بخش‌های تصویر به اشیای مجزا کمک می‌کند. با این روش می‌توان برچسب‌هایی مثل سگ، انسان، پلنگ، توپ ورزشی و ... را به اشیا تخصیص داد. این فرایند اغلب روی مقیاس‌های مختلف انجام می‌شود.

درخشش در سطح پیکسلی. تصاویر مانند آرایه‌های numpy (افزونه‌ی برنامه‌نویسی پایتون) به نظر می‌رسند.

تصویر بالا، تصویر آبراهام لینکلن است. رزولوشن پائین آن به‌اندازه‌‌ای است که بتوان پیکسل‌های مستقل را دید. ازآنجاکه کار در طیف خاکستری یا grayscale هشت بیتی اجرا شده است، اعداد هر واحد، درخشش پیکسلی را روی طیف ۰ تا ۲۵۵ نمایش می‌دهند.

با به‌دست‌آوردن مشتق گسسته‌ی هر پیکسل در راستای محور x می‌توان آن پیکسل را با پیکسل‌های چپ و راست خود مقایسه کرد، نتیجه‌ی این مقایسه تخمین نسبت تغییر لحظه‌ای بین مقادیر درخشندگی (brightness) است. می‌توانید مشتق گسسته‌ی همان پیکسل را هم در راستای محور y به دست آورید (ستون آن) و سپس با ترکیب این دو بخش، وجود پیکسل روی لبه‌ها را بررسی کنید.

تصور کنید، x موقعیت پیکسلی را در سطر گسسته‌ای از پیکسل‌ها نمایش می‌دهد و y مقدار درخشندگی آن است. نمی‌توانید مشتق آن را از گراف میله‌ای به دست آورید، بلکه می‌توانید آن را از منحنی بهترین تناسب تخمین بزنید.

تغییر نسبت لحظه‌ای لبه‌ها بین مقادیر رنگ و درخشندگی معمولا بیشتر است. برای مثال لبه‌ی ریش آبه کنتراست بالایی دارد. در فیلم ذیل یک پیش‌نمایش از آخرین فناوری آشکارسازی شیء ارائه شده است که بسیاری از این روش‌ها را ترکیب می‌کند.

الگوریتم کشف شیء YOLOv3 ژوزف ردمون و همکاران.

بینایی ماشین در مقابل بینایی ماشین

حالا این سؤال مطرح می‌شود که چه عاملی بینایی ماشین را از پردازش تصویر دیجیتالی متمایز می‌کند؟ هم‌پوشانی‌های زیادی بین این دو وجود دارد اما بینایی ماشین معمولا گسترده‌تر است: بینایی ماشین به ورودی‌هایی مثل فرضیه‌ها نیاز دارد و هدف آن دستیابی به یک خروجی از تصمیم‌های قابل ردیابی است.

برای درک این تفاوت، این مثال را در نظر بگیرید: فرض کنید یک ربات ساده مجهز به چتر نجات و دوربین را از هواپیما پرتاب کنید. اگر این ربات در حین سقوط تنها عمل پردازش تصویر دیجیتالی را انجام دهد، صرفا می‌تواند ورودی دوربین خود را برای شناسایی سوژه‌های زیر خود مثل زمین و دریا تحلیل کند اما از ماهیت زمین یا دریا آگاه نیست یا نمی‌داند چه وظیفه‌ای را در مورد آن‌ها انجام دهد.

با بینایی ماشین، می‌توان پیش‌فرض‌هایی را به ربات داد برای مثال: «آب و گدازه‌های داغ محل بدی برای فرود هستند» یا «آب و گدازه‌ی داغ چه ویژگی‌هایی دارند». در مرحله‌ی بعد ربات می‌تواند از پردازش تصویر دیجیتالی برای تحلیل ورودی‌های دوربین خود استفاده کند و نواحی اطراف از جمله زمین، دریا یا گدازه‌ی آتش‌فشانی داغ را دسته‌بندی کند و براساس فرضیه‌های قبلی برای محل فرود تصمیم‌گیری کند.

این مثال یک نمونه از بینایی ماشین است که یک زیرمجموعه‌ی مهندسی از بینایی ماشین است. یک کاربرد واقع‌گرایانه‌تر از بینایی ماشین می‌تواند خودکارسازی یا تسریع وظایف بصری QC روی خط مونتاژ باشد. بنابراین می‌توان گفت بینایی ماشین بیشتر با عناصر علمی و نظری سروکار دارد (نه کمک به فرود ایمن ربات).

از طرفی، بسیاری با این تعاریف مخالف هستند. بعضی می‌گویند هدف پردازش تصویر دیجیتال، صرفا تبدیل تصاویر است و بینایی ماشین هم صرفا کار تشخیص و تحلیل الگو را انجام می‌دهد. هنوز بر سر این تعاریف اختلاف وجود دارد.

آینده: خوب یا بد

بینایی ماشین به پیشرفت‌های قابل‌توجهی رسیده است. در آینده سیستم‌هایی توسعه خواهند یافت که امکان درک مشاهدات و پاسخگویی متناسب را به کامپیوترها می‌دهند.

سیستم‌های این‌چنینی در آینده به یک ضرورت برای عملکرد ایمن خودروهای اتوماتیک تبدیل می‌شوند. این سیستم‌ها به کاهش هزینه‌ها در پردازش تصویر پزشکی هم کمک می‌کنند. بینایی ماشین در اقدامات بشردوستانه هم خواهد درخشید؛ اما به‌طورکلی باید به یک نکته توجه کرد: افرادی که از استثمار، جنگ و دیگر اقدامات شرورانه سود می‌برند هم از این ابزار استفاده خواهند کرد. به نقل از گیزمودو:

در منطقه‌ی مشهور پیکادیلی لندن یک صفحه‌ی نمایش ترسناک و بزرگ قرار دارد که می‌تواند وسایل نقلیه، سن و حتی احساسات افراد نزدیک به خود را شناسایی کند و با تبلیغات هدفمند به آن‌ها واکنش نشان دهد.

پیشرفت‌های یادگیری ماشین و پردازش تصویر دیجیتال در حال همگرا شدن هستند. شاید روزی برسد که برای مثال آچاری را به سمت یک ربات کارگر پرتاب کنید، آن ربات منظور شما را تشخیص دهد و آچار را بگیرد.

جدول تناوبی نمودی از زیبایی است که در عین حال می‌تواند مرموز به نظر برسد. خصوصا اگر آخرین باری که چشم‌تان به این جدول افتاده است، دوران درس و مدرسه باشد؛ اکنون فرصتی عالی برای نگاهی دوباره به این جدول است.

سازمان ملل متحد سال ۲۰۱۹ را به مناسبت صدوپنجاهمین سالگرد تولد دیمیتری مندلیف، به‌نام سال جدول تناوبینام‌گذاری کرد. این سازمان، عنوان کرده است که جدول تناوبی، نه تنها در علم شیمی، بلکه در فیزیک و زیست‌شناسی هم بزرگ‌ترین دستاوردها را ارائه داده است. بنابراین نسخه‌های تعاملی، رنگارنگ و حتی شاعرانه‌ی جدول تناوبی، دنیایی باشکوه از هیدروژن، فرمیوم و دارمشتادیوم را در برابر دیدگان شما به نمایش می‌گذارد.

در این شکل از جدول‌های تناوبی، درکنار نام هم عنصر، تصویر و واژه‌ای متناسب با کاربرد یا خصوصیت آن قرار دارد. برای مثال در کنار عنصر طلا، تصویر جواهرات وجود دارد و در کنار سدیم تصویر نمکدان دیده می‌شود. این نوع جدول تناوبی مصور را یک مهندس نرم‌افزار بازنشسته به‌نام کیت ایونوالدسن برای دانش‌آموزان نوجوان طراحی کرد، حال آنکه با استقبال بزرگسالان هم مواجه شد.

تصاویر، علاوه‌بر کاربرد به ویژگی‌های عناصر هم اشاره دارند. برای مثال، در خانه‌ی مربوط به کروم، ظروف غذای ضد زنگ را مشاهده می‌کنید؛ همچنین در خانه‌ی مربوط به ایریدیوم، تصویر شمع خودرو در حال جرقه زدن قرار گرفته است؛ این تصاویر به شما کمک خواهد کرد تا ارتباط عناصر جدول تناوبی با دنیای روزمره‌ی خود درک کنید.

در این میان، معرفی عناصر شیوه‌های شاعرانه‌ هم وجود دارد. در سال ۲۰۱۷، ژورنال ساینس، نوعی جدول تناوبی را به نمایش گذاشت که برای هر عنصر یک هایکو (نوعی سبک شعری ژاپنی) در نظر گرفته بود. برای مثال در مورد هیدروژن از این تعبیر استفاده شد:

هیدروژن با گوهر درون خود تمامی این‌ها را می‌بخشد: «یک پروتون تنها: آب، زندگی، سوخت ستارگان».

دانشگاه ناتینگهام انگلستان هم برای ساخت جدول تناوبی‌های جذاب ویدیوهایی در یوتیوب منتشر کرد تا با روشی خلاقانه به توضیح هر عنصر بپردازد. این رویکرد، یک روشی عالی برای معرفی و شناخت بهتر عناصر، از جیوه تایوروپیوم است. به این ترتیب، نسخه‌های مدرن و رنگارنگ جدول تناوبی می‌تواند تجربه‌ی لذت‌بخش‌تری نسبت به جدول‌های تناوبی سرد و بی‌روح دوران تحصیل برای شما خلق کند.  

خودروساز چینی GAC Motors با مفهومی Entranze به نمایشگاه دیترویت ۲۰۱۹ قدم گذاشته است. این خودروی مفهومی در اصل ترکیبی از کراس‌اور-مینی‌ون آینده‌نگر است و اولین طرح ارائه‌شده توسط استودیوی طراحی جدید این شرکت در کالیفرنیا به شمار می‌رود.

الهام‌بخشی از معماری خانه‌های ساحلی به‌آسانی در خودروی مفهومی قابل مشاهده نیست، اما Entranze دارای پنل‌های غلتان تاشو است که می‌تواند به نیمکت موقتی تبدیل شود. این شاسی‌بلند همچنین درهای شیشه‌ای کشویی را به نمایش می‌گذارد که ورود و خروج را به آن ساده می‌کند.

هنگامی که راننده وارد کابین شاسی‌بلند مفهومی GAC شود، با صندلی نیمکتی، فرمان منحصربه‌فرد و مجموعه‌ای از صفحه‌نمایش‌های OLED روبه‌رو خواهد شد. درحالی‌که برای وسایل نقلیه‌ی مدرن استفاده از دو یا سه نمایشگر غیرمتداول نیست، ظاهرا Entranze حداقل از هشت صفحه‌نمایش متفاوت از جمله یک صفحه‌نمایش بزرگ برای سرنشین جلو بهره می‌برد. هنگامی که این صفحه‌نمایش مورد استفاده قرار نگیرد، در پشت پوشش کشویی پنهان می‌شود. در جلوی راننده صفحه‌نمایش هدآپ قرار دارد که با سیستم فعال‌سازی فرمان صوتی و دو صفحه‌نمایش سیستم اطلاعاتی و سرگرمی ترکیب شده است.

شباهت طراحی فضای داخلی به برخی شاخصه‌های هواپیماهای تجاری تصادفی نیست. زیرا طراحی خودروی الکتریکی Entranze با مدیریت پانتوس فونتائوس انجام شده است که سابقه طراحی کابین هواپیما دارد و با فراریو لندرور هم همکاری داشته است.

از جمله سایر ویژگی‌های قابل‌توجه در Entranze می‌توان به دریچه‌های تهویه هوای الهام‌گرفته از سفینه‌های فضایی در کنسول فوقانی و پیکربندی صندلی ۲+۲+۳ اشاره کرد. GAC موتورز همچنین گفته است که بیش از ۹۰ درصد اجزای داخلی از مصالح بادوام سازگار با محیط زیست مانند چوب پنبه ساخته شده‌اند. غربیلک فرمان نیز طرحی بسیار مفهومی و آینده‌محور دارد که طی سال‌های اخیر در اکثر محصولات شرکت‌های بزرگ از آن رونمایی می‌شود.

GAC هنوز مشخصات فنی خودروی مفهومی خود را ذکر نمی‌کند، اما گفته می‌شود که Entranze برقی است. بااین‌حال جزئیاتی در مورد شعاع حرکتی، قدرت قوای محرکه یا حتی تعداد موتور‌های الکتریکی مورد استفاده داده نشده است. طرح مفهومی Entranze از فناوری خودران و نیمه مستقل نیز بهره می‌برد. 

طراحی بیرونی Entranze نیز اسپرت و آیرودینامیک است که به این خودروی مفهومی برقی اجازه می‌دهد تا قابلیت مانورپذیری بهتری داشته باشد. خودروی مفهومی برقی Entranze در نمایشگاه دیترویت درکنار برخی وسایل نقلیه‌ی تولیدی این شرکت مانند مینی‌ون GM6 و شاسی‌بلند GS5 به نمایش گذاشته شد.

مایکروسافت برای اجرای سیستم‌عاملش روی دستگاه‌های تاشدنی در حال کار روی ویندوز تطبیق‌پذیر است. منابع آشنا با برنامه‌های مایکروسافت به خبرگزاری ورج گفتند که این غول نرم‌افزاری مشغول تبدیل دستگاه‌های تاشدنی و دو نمایشگره به یک حوزه‌ی سرمایه‌گذاری بزرگ برای ویندوز و سرفیس است. این سرمایه‌گذاری شامل تطبیق خود ویندوز و اپلیکیشن‌های بی‌شمار آن برای اجرا روی نمایشگرها و دستگا‌های تاشدنی با صفحه‌نمایش دوگانه است.

هرچند مایکروسافت خود تحت پروژه‌ای با اسم رمز اندرومدا سخت‌افزار اختصاصی‌اش با نمایشگر دوگانه را توسعه می‌دهد؛ اما علاوه‌بر این به‌منظور آمادگی برای تلاش‌های چند سال بعدی مشغول همکاری با اینتل و دیگر سازندگان کامپیوتر نیز بوده است. سازندگان کامپیوتر به‌صورت گسترده  از بیش از ۵ سال پیش، طیفی از دستگاه‌های هیبریدی را برای ویندوز ۸ توسعه دادند و اکنون انتظار می‌رود که برای ساخت دستگاه‌های دو نمایشگره و تاشدنی برای ویندوز در سال‌های پیش‌رو نیز تلاش مشابهی از سوی آن‌ها انجام شود.

بخش زیادی از تطبیق ویندوز به پوسته‌ی ترکیب‌پذیر مایکروسافت (C-Shell) و نسخه‌ای ماژولار از پوسته‌ی ویندوز فعلی به‌نام Windows Core OS ارتباط دارد که هم‌اکنون بخش‌های زیادی از ویندوز ۱۰ به آن تجهیز شده‌اند. نخستین بیلد ویندوز ۱۰ (rs_shell_devices_foldables) که برای دستگاه‌های تاشدنی طراحی شده، ابتدای این هفته رویت شد و نشان داد که مایکروسافت تیمی مجزا را برای کار روی تطبیق پوسته‌ی ویندوزش با این‌گونه سخت‌افزارهای جدید اختصاص داده است. این موضوع برای آن دسته از افرادی که اخبار مایکروسافت را از نزدیک دنبال می‌کنند، موجب شگفتی نیست؛ زیرا مایکروسافت در ماه‌های اخیر به‌صورت تدریجی در حال یکپارچه‌سازی بیشتر پیشرفت‌هایش در زمینه‌ی دستگاه‌های تاشدنی با بیلدهای اولیه‌ی ویندوز ۱۰ بوده است.

ما تاکنون تنها اجرای ویندوز کور اس اسرارآمیز مایکروسافت را روی دستگاه‌هایی نظیر سرفیس هاب ۲ مشاهده کرده‌ایم؛ اما سخت‌افزارهایی نظیر هولولنز ۲ به‌زودی به‌صورت گسترده‌تر نشان خواهند داد که درنهایت اجرای این ویندوز ماژولار جدید به چه نحو انجام خواهد شد. درنتیجه، انتظار عرضه‌ی طیفی از دستگاه‌های مبتنی بر تراشه‌های آرم را از سوی سازندگان کامپیوتر داشته باشید.

بااین‌حال، مایکروسافت در بازار دستگاه‌های تاشدنی با رقابتی سنگین مواجه خواهد شد. گوگل هم‌اکنون به‌منظور محدود کردن چندپارگی‌ها به پشتیبانی پیش‌فرض اندروید از دستگاه‌های تاشدنی تعهد داده است. سیستم‌عامل گوگل همچنین برای دستگاه‌هایی که به‌منظور تغییر از حالت تلفن به فرم فکتور تبلت تلاش می‌کنند، مزیت یک پلتفرم موبایل را در اختیار دارد. گوشی‌های تاشدنی به‌تدریج در حال ظهور هستند و ۲۰۱۹ سالی است که شاهد آغاز نبردی تازه برای بازتعریف فرم فکتورهای گوشی، تبلت و لپ‌تاپ خواهیم بود.

روزنامه‌ی فاینَنشل تایمز روز گذشته در گزارشی نوشت که رنگ ژنگفی، بنیان‌گذار هواوی، در مصاحبه‌ای ادعاهای اخیر مبتنی بر استفاده‌ی دولت چین از این شرکت برای جاسوسی از کاربران را رد کرده و گفته که دلش برای دخترش تنگ شده است. گفتنی است که دختر او (منگ وانژو) مدتی پیش توسط دولت کانادا بازداشت شده بود.

ماه گذشته بود که منگ وانژو، مدیر ارشد مالی هواوی و دختر بنیان‌گذار این شرکت، به‌درخواست مقامات رسمی آمریکا به‌اتهام نقض تحریم‌های این کشور علیه ایران، در کانادا بازداشت شد. فایننشل تایمز در گزارش جدیدش می‌نویسد که ژنگفی در مصاحبه‌ش اخیرش با خبرنگارانی در شهر شنزن گفته است: «تاکنون هیچ دولتی از هواوی نخواسته است که اطلاعات محرمانه‌ی کاربران را در اختیار آن‌ها قرار دهد.»

او صحبت‌هایش را این‌گونه ادامه می‌دهد: «من هنوز کشورم را دوست دارم و حمایت کامل خودم را از حزب کمونیست اعلام می‌کنم؛ اما [عشقم به کشورم] باعث نمی‌شود که اقداماتی را برای صدمه‌رساندن به کشورهای دیگر دنیا انجام دهم.» وی همچنین می‌گوید: «دلم خیلی برای دخترم تنگ شده است.»

هواوی در تماس با خبرگزاری رویترز، صحتِ صحبت‌های مطرح‌شده توسط رنگ ژنگفی را به‌طور رسمی تایید کرده است. ژنگفی که پیشتر به‌عنوان افسر در ارتش چین فعالیت می‌کرده است، در سال ۱۹۸۷ شرکت هواوی را تأسیس کرد. امروزه او تنها ۱.۱۴ درصد از سهام این شرکت را در اختیار دارد.

هواوی به‌‌عنوان بزرگ‌ترین تولیدکننده‌ی تجهیزات مخابراتی دنیا، مدت‌ها است که با چالش‌های زیادی از سوی کشورهای غربی دست‌و‌پنجه نرم می‌کنند؛ زیرا آن‌ها معتقدند که هواوی ارتباطات تنگاتنگی با دولت چین دارد و برای این کشور جاسوسی می‌کند. البته آمریکایی‌ها تاکنون هیچ‌گونه مدرکی دال بر جاسوسی هواوی برای چین را به‌صورت عمومی منتشر نکرده‌اند و این حرف‌ها بیشتر در حد ادعا باقی مانده است.

درحالی‌که Huawei شدیدا این اتهامات را تکذیب می‌کند، برخی از کشورهای غربی ترجیح داده‌اند از میزان واردات محصولات این شرکت بکاهند و به‌طور کلی کمتر از آن‌ها استفاده کنند. دولت لهستان پس از دستگیری دو کارمند هواوی به‌ اتهام جاسوسی، اعلام کرد که احتمالا استفاده از دستگاه‌های این شرکت را در سازمان‌های عمومی خود ممنوع می‌کند.  

از طرفی مؤسس هواوی ضمن کذب خواندن ادعاهای اخیر و رد هرگونه اتهام جاسوسی، می‌گوید: «هیچ قانونی در چین وجود ندارد که با اتکا به آن، شرکت‌ها محبور شوند در محصولاتشان به‌صورت الزامی، بک‌دور قرار دهند.» وی همچنین گفته که هواوی تاکنون با هیچ‌گونه حادثه‌ی امنیتی جدی، مواجه نشده است.

مبحثی که این روزها زیاد در مورد آن صحبت شنیده‌ایم، این است که احتمال دارد برخی از کشورها، شبکه‌های ارتباطی 5G هواوی را مسدود کنند. ژنگفی می‌گوید: «این موضوع همواره مطرح بوده است؛ بالاخره نمی‌توان با تمامی کشورها همکاری کرد... ما تمام تمرکزمان را روی خدمت به کشورهایی معطوف خواهیم کرد که دست دوستی به سمت هواوی دراز کنند.» او همچنین گفته که هواوی هم‌اکنون ۳۰ قرارداد مختلف در سراسر دنیا برای توسعه‌ی شبکه‌ی 5G در کشورهای مختلف، امضا کرده است.

دونالد ترامپ، رئیس‌ جمهور ایالات متحده‌ی آمریکا، در ماه اوت سال گذشته‌ی میلادی لایحه‌ای را برای ممنوعیت استفاده‌ی دولت این کشور از تجهیزات ساخته‌شده توسط هواوی، امضا کرد. وی همچنین در پی صدور دستوری برای جلوگیری استفاده‌ی شرکت‌های آمریکایی از تجهیزات هواوی است.

در ضمن، ترامپ به خبرنگار روییترز گفته است که اگر آزادی منگ وانژو بتواند به عقد توافق تجاری بین آمریکا و چین کمک کند، شخصا در پرونده‌ی مدیر ارشد مالی هواوی که هم‌اکنون توسط وزارت دادگستری در دست بررسی است، دخالت خواهد کرد.

بنیان‌گذار هواوی در بخش پایانی صحبت‌هایش، دونالد ترامپ را فردی «بزرگ» خواند و گفت که کاهش مالیات‌های اخیر می‌تواند اتفاقی مثبت برای صنعت آمریکا باشد. ژنگفی می‌گوید: «پیامی که دوست دارم به دست آمریکایی‌ها برسانم، همکاری با هم و دستیابی به موفقیت‌هایی مشترک است. در دنیای تکنولوژیک ما، غیرممکن است که تنها یک شرکت یا یک کشور خاص بتواند نیازهای کل جهان را مرتفع کند.»