نتیجه پژوهشی شگفت انگیز؛ روی ژاکت خود فیلم ببینید!

/در , , , , , , /توسط
 
پژوهشگران استرالیایی با ساخت یک پارچه الکترونیکی که قادر به نمایش پیکسلی و همچنین ارتباط الکترونیکی است، گام ارزنده ای در جهت تولید پارچه های هوشمند و نمایشگرهای انعطاف پذیر برداشته اند.
 
 یافته های یک پژوهش جدید و جالب که این هفته در نشریه معتبر Nature منتشر شده اند، به تولید نوعی پارچه الکترونیکی اشاره کرده اند که می  تواند به عنوان یک صفحه نمایش بزرگ و موارد مشابه، در ارتباطات، ناوبری و مراقبت های بهداشتی کاربرد داشته باشد.
 
به گفته محققان دانشگاه فناوری سیدنی یا UTS که این پارچه ها را تولید کرده اند، منسوجات مورد اشاره، انعطاف پذیر، قابل تنفس و با دوام هستند و آن ها را به یک ماده ایده آل برای استفاده های عملی تبدیل می  کنند.
 
ایجاد نمایشگرهای بزرگ یکپارچه با سیستم های عملکردی که در هنگام استفاده، انعطاف پذیر و با دوام باشند، همواره امری چالش برانگیز بوده است. مواد معمولی نمایشگر حالت جامد به راحتی با منسوجات سازگار نیستند، چراکه در برابر تغییر شکل طبیعی مقاومت کرده و در صورت شسته شدن، فرسوده شده و از بین می  روند.
 
اما این طرح جدید محققان استرالیایی برای تولید الیاف رسانا و الیاف لومینسانس یا نوردهنده که در پنبه تنیده شده باشند، می تواند بر این مسائل غلبه کند.
 
در پژوهش محققان دانشگاه UTS، یک پارچه نمایشگر به طول 6 متر و عرض 25 سانتی متر تولید شده که با صفحه کلید پارچه ای حساس به لمس و یک منبع تغذیه که انرژی خورشیدی را جمع آوری می  کند، یکپارچه شده است.به گزارش سیناپرس، این محققان کاربری های مختلفی نظیر یک ابزار ناوبری که یک نقشه تعاملی را نشان می دهد یا یک ابزار ارتباطی که می تواند پیام ها را از طریق اتصال بلوتوث به تلفن هوشمند ارسال یا بازیابی کند، برای این پارچه در نظر گرفته اند.
 
نمایشگر پارچه ای فوق توانسته پس از طی کردن 1000 چرخه خم شدن و همچنین کشش و فشار، عملکرد اکثریت قریب به اتفاق واحدهای نوردهی را حفظ نماید. علاوه بر این، روشنایی واحدهای نورده نیز پس از 100 دوره شستشو و خشک شدن ثابت باقی مانده اند.
 
به اعتقاد مجریان این پژوهش، می توان با ادغام قابلیت های بیشتر، این منسوجات هوشمند را به عنوان نسل بعدی ابزار ارتباطات الکترونیکی معرفی کرد.

ابداع ربات سخنگویی که قادر به درک زبان و احساسات دانشجویان است

/در , , , , , , , , /توسط
 
دانشگاه ها از جدیدترین نوآوری ها از قبیل هوش مصنوعی و ربات های سخنگو در بهبود آموزش و یادگیری دانشجویان استفاده می کنند.
 
 ارتباط میان استاد و دانشجو در آموزش عالی از اهمیت بالایی برخوردار است و در دنیای فناوری امروز، محققان در اقدامی عجیب این وظیفه را به ربات های سخنگو واگذار کرده اند.
 
این در حالی است که دانشگاه ها دریافته اند استفاده از دستگاه های هوشمند موسوم به ربات های سخنگو با ارائه اطلاعات مهم به دانشجویان و کمک به یادگیری بهتر آنها و خالی کردن زمان استادان برای ارائه آموزش های بهتر و کاربردی تر، به برقراری بهتر و موثرتر این ارتباط کمک می کند.
 
مدیر ارشد بخش دیجیتال دانشگاه "دیکین" استرالیا با اشاره به این که آینده آموزش با حمایت ابزارهای مدرن، یکی از روش های یادگیری اختصاصی است، تاکید می کند که در شرایط کنونی جهان که با معضل همه گیری کرونا دست و پنجه نرم می کند، افزایش تعاملات آنلاین و استفاده بیشتر دانشگاه ها و موسسات آموزشی از چنین ابزارهایی ، آنها را در مسیر درست آموزش هدایت می کند.
 
تنها راه دستیابی به صمیمیت در فرآیند یادگیری در مقیاس وسیع استفاده از مدیریت دیجیتال قدرتمندی است که بتواند به خوبی به نیازهای نسل جدید دانشجویان پاسخ دهد.به گزارش سیناپرس، دستیار دیجیتال با قابلیت هوش مصنوعی با تعامل مکالمه ای با کاربر، آنها را در درس خواندن و زندگی در دانشگاه هدایت می کند.
محققان دانشگاه "دیکین" برای این منظور ربات سخنگوی خانگی به نام "جنی" را ابداع کردند. این ربات نه تنها اطلاعات لازم را مانند آخرین زمان انجام پروژه ها یا کارهایی که باید برای آماده سازی خود و اولویت های خود. در یادگیری و پیشرفت آموزشی انجام دهند، در اختیار کاربران قرار می دهند.
موتور هوشمند "جنی" به دانشجویان  کمک می کند تا یادگیری آنها از منابع آموزشی موثرتر شده و قادر خواهند بود از یادگیری با کیفیت بالاتری بهره مند شوند. استفاده از ربات سخنگوی "جنی" امکان تعامل بیش تر را بین هم کلاسی ها و ارائه کنندگان خدمات دانشگاهی ایجاد می کند.
 
بنابراین، محققان توصیه می کنند هر جایی که نیاز به مشارکت یک انسان در تعامل میان استاد و دانشجو باشد، این ربات ها به خوبی می توانند مورد استفاوه قرار گیرند.
به گزارش سیناپرس، مزایای استفاده از ربات های سخنگو طیف بسیار گسترده ای دارد به طوری که از روشی بسیار ساده برای پاسخگویی هر چه سریع تر پرسش های دانشجویان گرفته تا ارائه حمایت های پیچیده برای حمایت از یادگیری آنها را دربرمی گیرد.
 
ربات های سخنگو از آنجایی ظهور کرده اند که بهتر قادر به درک زبان و احساسات هستند و از آنها می توان برای حمایت از دانشجویان در طول یادگیری استفاده کرد. برخی کارشناسان، استفاده از ربات های سخنگو را در آموزش اخلاقی توصیه می کنند.به گزارش سیناپرس، به عنوان مثال، زمانی که دانشجو احساساتی منفی را بروز می دهد، ربات می تواند علت بروز این احساس را تشخیص داده و ارزیابی کند که آیا دانشجو با رفتار غیرمنصفانه ای مواجه شده یا نه و این گونه می تواند شیوه پیشنهادی کنار آمدن با این مسئله را ارائه دهد. نتایج یه دست آمده نشان می دهد مه این ربات می تواند به خوبی وظایف یک استاد با تجربه تدریس 8 تا 9 سال را تقلید کند.
 
از دیگر مزایای استفاده از ربات های سخنگو می توان به یادگیری زبان اشاره کرد. این ربات ها فرصت های زیادی را برای تمرین مهارت های زبانی در اختیار دانشجویان و فراگیران قرار می دهند. بسیاری از افراد از ترس درک اشتباه یا مورد انتقاد قرار گرفتن از آموختن زبان جدید می ترسند اما با کمک ربات سخنگو این کار بسیار ساده می شود به طوری که تمایل فراگیران را به برقراری ارتباط به زبان دوم تقویت کرده و تمرینات ارزشمندی به آنها می دهد.
 
در میان همه مزایایی که استفاده از ربات های سخنگو به همراه دارند، محققان معتقدند که استفاده از آنها، دانشگاه ها را با چالش هایی هم روبرو می کند. به عنوان مثال، این ربات ها با کمک های فراوانی که می کنند، از بروز مهارت های حیاتی حل مسئله جلوگیری می کنند.
 
محققان بر این باورند در حالی که قابلیت های یادگیری ماشینی بسیار کمک کننده هستند، اما هنوز هم مداخلات انسانی در شیوه های برقراری ارتباط ضروری است و نمی توان آنها را نادیده گرفت.
 
اگر ربات های سخنگو بر ای چالش ها غلبه کنند، می توانند رضایت دانشجویان و موفقیت آنها را بهبود بخشیده و از احتمال بالای اشتغال آنها بعد از فارغ التحصیلی حمایت کنند. این ربات ها، فارغ التحصیلان را برای فضاهای کاری دیجیتال آینده آماده می کنند که در آن دستیاران هوشمند مجازی و ربات های سخنگو به صورت کاملا حرفه ای وارد عمل می شوند.

چاپگری که هولوگرام‌های سه بعدی خانگی تولید می‌کند

/در , , , , , /توسط
محققان دانشگاه ام آی تی موفق به تولید چاپگری سه بعدی برای استفاده خانگی شده‌اند که قادر به طراحی و تولید هولوگرام‌های سه بعدی است.
 
 
 به نقل از نیواطلس، چاپگر یادشده برای تولید انواع هولوگرام‌های سه بعدی متشکل از اشیا و تصاویر مختلف قابل استفاده است. هولوگرام‌های یادشده می‌توانند متشکل از تصاویر انعکاسی هم باشند. همچنین می‌توان تصاویر دو بعدی را در اختیار این چاپگرهای سه بعدی گذاشت تا آنها را به هولوگرام‌های سه بعدی مبدل کنند.
 
این چاپگر از لیزر برای چاپ اطلاعات استفاده می‌کند و این کار را به صورت لایه لایه انجام می‌دهد. نتیجه نهایی این کار در قالب تصویری سه بعدی قابل مشاهده است که در صورت مشاهده شدن از زوایای مختلف هم سه بعدی به نظر می‌رسد.
 
از این چاپگرها می‌توان برای تولید برچسب‌های امنیتی مورد استفاده در کارت‌های اعتباری نیز استفاده کرد. با توجه به اینکه تهیه هولوگرام معمولاً نیازمند استفاده از دستگاه‌های صنعتی است، ابداع فناوری یادشده موجب می‌شود تا تولید و استفاده از آنها در منازل و محیط‌های خانگی نیز به سادگی ممکن شود.
 
چاپگر سه بعدی طراحی شده بدین منظور تنها کمی بزرگ‌تر از چاپگرهای خانگی عادی است. انتقال مدل‌های قابل چاپ از سایت‌ها و خدمات آنلاینی مانند Sketchfab، Qloneو غیره به این چاپگر ممکن است و می‌توان این مدل‌ها را به راحتی به هولوگرام مبدل کرد. کاربران حتی می‌توانند طرح‌هایی را از ویدئوهای محبوب خود جدا کنند و آنها را برای چاپ هولوگرام به این چاپگر سه بعدی منتقل کنند.
 
ابعاد هولوگرام‌های تهیه شده بدین شیوه ۱۰.۱ در ۱۲.۷ سانتیمتر است و در هر پیکسل از آنها می‌توان تا ۲۳ تصویر را جای داد. همچنین این هولوگرام‌ها می‌توانند به گونه‌ای تهیه شوند که در صورت تکان دادن متحرک به نظر برسند.
 
 
به نقل از تک‌اکسپلور، کالین جی جانسون می‌گوید: هدف مقاله‌ی ما استفاده از یادگیری ماشینی برای آموختن حل مکعب روبیک بود. مکعب روبیک پازل بسیار پیچیده‌ای است اما بسیاری از این معماها در بیشترین حالت ۲۰ قدم تا حل شدن فاصله دارند و رویکردی که ما پیش گرفته‌ایم تلاش برای حل این مسئله با یادگرفتن هر مرحله به صورت جداگانه است.
 
این روش که توسط جانسون ابداع شده مبتنی بر دو روش اصلی است: یادگیری گام‌به‌گام و استفاده از شبکه‌ی عصبی. در این روش سعی می‌شود تا مکعب روبیک مرحله به مرحله حل شود به جای آن که حل کردن کل آن به یک باره یاد گرفته شود. به عبارت دیگر تغییر دادن بخش‌های آن برای رسیدن به شکلی ساده‌تر و تکرار چندین باره‌ی مراحل تا حل شدن مکعب روبیک.
 
جانسون توضیح می‌دهد: به جای آن که برنامه بیاموزد چگونه یک باره مکعب روبیک را حل کند می‌آموزد که چگونه آن را ساده‌تر کند تا زمانی که کاملا حل شود. در این ساختار هر مرحله از مرحله قبل ساده‌تر خواهد بود بنابراین من ابتدا روشی ابداع کردم که با آن بتوان میزان بهم ریختگی مکعب را تخمین زد. پس از آن که تخمین زده شده مکعب چند بار بهم ریخته شده، روش ابداعی جانسون از یک شبکه‌ی عمیق عصبی استفاده می‌کند تا متوجه شود مکعب چند قدم تا حل شدن فاصله دارد و در نهایت با استفده از این داده‌ها برای حل مکعب روبیک استفاده می‌کند.
 
جانسون این روش را با چند آزمایش بررسی کرد و آن را با روش‌های قبلی که براساس گروهی از الگوریتم‌ها به نام جنگل تصادفی(random forest) و سایر روش‌های کامپیوتری مقایسه کرد. روش او به خوبی با همه‌ی این روش‌ها قبل مقایسه بود و مزیت آن‌ حل مرحله به مرحله‌ی مسئله بود.
 
تاکنون جانسون از این روش تنها برای حل مکعب روبیک استفاده کرده است اما می‌توان آن را در مسائل بزرگ‌تری که به صورت مرحله‌ای حل می‌شوند نیز به کار برد.
 
در آینده این روش مرحله‌ای می‌تواند برای حل بسیاری از مشکلات دیگر که ریشه در علم و مهندسی دارد مورد استفاده قرار گیرد. برای مثال از آن می‌توان برای مطالعه‌ و درک بهتر نحوه‌ی قرارگیری پروتئین‌ها در درون سلول استفاده کرد.
'>

ابداع روش‌ یادگیری عمیق برای حل مکعب روبیک

/در , , , , , /توسط
 
 
کالین جی جانسون(Colin G. Johnson)، دانشیار دانشگاه ناتینگهام به تازگی روش یادگیری عمیقی ابداع کرده است که می‌تواند از تعدادی راه‌حل نمونه برای حل یک مشکل کلی استفاده کرده و اصطلاحا "عملکرد مناسب" را بیاموزد. این روش که در مقاله‌ای در مجله‌ی "Wiley's Expert Systems" به چاپ رسیده است ابتدا برای حل مکعب روبیک طراحی شده بود.
 
به نقل از تک‌اکسپلور، کالین جی جانسون می‌گوید: هدف مقاله‌ی ما استفاده از یادگیری ماشینی برای آموختن حل مکعب روبیک بود. مکعب روبیک پازل بسیار پیچیده‌ای است اما بسیاری از این معماها در بیشترین حالت ۲۰ قدم تا حل شدن فاصله دارند و رویکردی که ما پیش گرفته‌ایم تلاش برای حل این مسئله با یادگرفتن هر مرحله به صورت جداگانه است.
 
این روش که توسط جانسون ابداع شده مبتنی بر دو روش اصلی است: یادگیری گام‌به‌گام و استفاده از شبکه‌ی عصبی. در این روش سعی می‌شود تا مکعب روبیک مرحله به مرحله حل شود به جای آن که حل کردن کل آن به یک باره یاد گرفته شود. به عبارت دیگر تغییر دادن بخش‌های آن برای رسیدن به شکلی ساده‌تر و تکرار چندین باره‌ی مراحل تا حل شدن مکعب روبیک.
 
جانسون توضیح می‌دهد: به جای آن که برنامه بیاموزد چگونه یک باره مکعب روبیک را حل کند می‌آموزد که چگونه آن را ساده‌تر کند تا زمانی که کاملا حل شود. در این ساختار هر مرحله از مرحله قبل ساده‌تر خواهد بود بنابراین من ابتدا روشی ابداع کردم که با آن بتوان میزان بهم ریختگی مکعب را تخمین زد. پس از آن که تخمین زده شده مکعب چند بار بهم ریخته شده، روش ابداعی جانسون از یک شبکه‌ی عمیق عصبی استفاده می‌کند تا متوجه شود مکعب چند قدم تا حل شدن فاصله دارد و در نهایت با استفده از این داده‌ها برای حل مکعب روبیک استفاده می‌کند.
 
جانسون این روش را با چند آزمایش بررسی کرد و آن را با روش‌های قبلی که براساس گروهی از الگوریتم‌ها به نام جنگل تصادفی(random forest) و سایر روش‌های کامپیوتری مقایسه کرد. روش او به خوبی با همه‌ی این روش‌ها قبل مقایسه بود و مزیت آن‌ حل مرحله به مرحله‌ی مسئله بود.
 
تاکنون جانسون از این روش تنها برای حل مکعب روبیک استفاده کرده است اما می‌توان آن را در مسائل بزرگ‌تری که به صورت مرحله‌ای حل می‌شوند نیز به کار برد.
 
در آینده این روش مرحله‌ای می‌تواند برای حل بسیاری از مشکلات دیگر که ریشه در علم و مهندسی دارد مورد استفاده قرار گیرد. برای مثال از آن می‌توان برای مطالعه‌ و درک بهتر نحوه‌ی قرارگیری پروتئین‌ها در درون سلول استفاده کرد.
 
به نقل از تک‌اکسپلور، کالین جی جانسون می‌گوید: هدف مقاله‌ی ما استفاده از یادگیری ماشینی برای آموختن حل مکعب روبیک بود. مکعب روبیک پازل بسیار پیچیده‌ای است اما بسیاری از این معماها در بیشترین حالت ۲۰ قدم تا حل شدن فاصله دارند و رویکردی که ما پیش گرفته‌ایم تلاش برای حل این مسئله با یادگرفتن هر مرحله به صورت جداگانه است.
 
این روش که توسط جانسون ابداع شده مبتنی بر دو روش اصلی است: یادگیری گام‌به‌گام و استفاده از شبکه‌ی عصبی. در این روش سعی می‌شود تا مکعب روبیک مرحله به مرحله حل شود به جای آن که حل کردن کل آن به یک باره یاد گرفته شود. به عبارت دیگر تغییر دادن بخش‌های آن برای رسیدن به شکلی ساده‌تر و تکرار چندین باره‌ی مراحل تا حل شدن مکعب روبیک.
 
جانسون توضیح می‌دهد: به جای آن که برنامه بیاموزد چگونه یک باره مکعب روبیک را حل کند می‌آموزد که چگونه آن را ساده‌تر کند تا زمانی که کاملا حل شود. در این ساختار هر مرحله از مرحله قبل ساده‌تر خواهد بود بنابراین من ابتدا روشی ابداع کردم که با آن بتوان میزان بهم ریختگی مکعب را تخمین زد. پس از آن که تخمین زده شده مکعب چند بار بهم ریخته شده، روش ابداعی جانسون از یک شبکه‌ی عمیق عصبی استفاده می‌کند تا متوجه شود مکعب چند قدم تا حل شدن فاصله دارد و در نهایت با استفده از این داده‌ها برای حل مکعب روبیک استفاده می‌کند.
 
جانسون این روش را با چند آزمایش بررسی کرد و آن را با روش‌های قبلی که براساس گروهی از الگوریتم‌ها به نام جنگل تصادفی(random forest) و سایر روش‌های کامپیوتری مقایسه کرد. روش او به خوبی با همه‌ی این روش‌ها قبل مقایسه بود و مزیت آن‌ حل مرحله به مرحله‌ی مسئله بود.
 
تاکنون جانسون از این روش تنها برای حل مکعب روبیک استفاده کرده است اما می‌توان آن را در مسائل بزرگ‌تری که به صورت مرحله‌ای حل می‌شوند نیز به کار برد.
 
در آینده این روش مرحله‌ای می‌تواند برای حل بسیاری از مشکلات دیگر که ریشه در علم و مهندسی دارد مورد استفاده قرار گیرد. برای مثال از آن می‌توان برای مطالعه‌ و درک بهتر نحوه‌ی قرارگیری پروتئین‌ها در درون سلول استفاده کرد.
'>

ابداع روش‌ یادگیری عمیق برای حل مکعب روبیک

/در , , , , , /توسط
 
 
کالین جی جانسون(Colin G. Johnson)، دانشیار دانشگاه ناتینگهام به تازگی روش یادگیری عمیقی ابداع کرده است که می‌تواند از تعدادی راه‌حل نمونه برای حل یک مشکل کلی استفاده کرده و اصطلاحا "عملکرد مناسب" را بیاموزد. این روش که در مقاله‌ای در مجله‌ی "Wiley's Expert Systems" به چاپ رسیده است ابتدا برای حل مکعب روبیک طراحی شده بود.
 
به نقل از تک‌اکسپلور، کالین جی جانسون می‌گوید: هدف مقاله‌ی ما استفاده از یادگیری ماشینی برای آموختن حل مکعب روبیک بود. مکعب روبیک پازل بسیار پیچیده‌ای است اما بسیاری از این معماها در بیشترین حالت ۲۰ قدم تا حل شدن فاصله دارند و رویکردی که ما پیش گرفته‌ایم تلاش برای حل این مسئله با یادگرفتن هر مرحله به صورت جداگانه است.
 
این روش که توسط جانسون ابداع شده مبتنی بر دو روش اصلی است: یادگیری گام‌به‌گام و استفاده از شبکه‌ی عصبی. در این روش سعی می‌شود تا مکعب روبیک مرحله به مرحله حل شود به جای آن که حل کردن کل آن به یک باره یاد گرفته شود. به عبارت دیگر تغییر دادن بخش‌های آن برای رسیدن به شکلی ساده‌تر و تکرار چندین باره‌ی مراحل تا حل شدن مکعب روبیک.
 
جانسون توضیح می‌دهد: به جای آن که برنامه بیاموزد چگونه یک باره مکعب روبیک را حل کند می‌آموزد که چگونه آن را ساده‌تر کند تا زمانی که کاملا حل شود. در این ساختار هر مرحله از مرحله قبل ساده‌تر خواهد بود بنابراین من ابتدا روشی ابداع کردم که با آن بتوان میزان بهم ریختگی مکعب را تخمین زد. پس از آن که تخمین زده شده مکعب چند بار بهم ریخته شده، روش ابداعی جانسون از یک شبکه‌ی عمیق عصبی استفاده می‌کند تا متوجه شود مکعب چند قدم تا حل شدن فاصله دارد و در نهایت با استفده از این داده‌ها برای حل مکعب روبیک استفاده می‌کند.
 
جانسون این روش را با چند آزمایش بررسی کرد و آن را با روش‌های قبلی که براساس گروهی از الگوریتم‌ها به نام جنگل تصادفی(random forest) و سایر روش‌های کامپیوتری مقایسه کرد. روش او به خوبی با همه‌ی این روش‌ها قبل مقایسه بود و مزیت آن‌ حل مرحله به مرحله‌ی مسئله بود.
 
تاکنون جانسون از این روش تنها برای حل مکعب روبیک استفاده کرده است اما می‌توان آن را در مسائل بزرگ‌تری که به صورت مرحله‌ای حل می‌شوند نیز به کار برد.
 
در آینده این روش مرحله‌ای می‌تواند برای حل بسیاری از مشکلات دیگر که ریشه در علم و مهندسی دارد مورد استفاده قرار گیرد. برای مثال از آن می‌توان برای مطالعه‌ و درک بهتر نحوه‌ی قرارگیری پروتئین‌ها در درون سلول استفاده کرد.

فناوری هوش مصنوعی مردگان را زنده می‌کند

/در , , , , , /توسط
یک شرکت تجاری فناوری هوش مصنوعی جدیدی را ابداع کرده که با دریافت عکس‌های قدیمی می‌تواند آنها را به فایل‌های ویدئویی تبدیل کرده و مردگان را زنده کند.
 
 به نقل از نیواطلس، شرکت مای هریتیج این فناوری موسوم به نوستالژی عمیق را از طریق سایت خود در دسترس علاقمندان قرار داده است. سیستم یادشده عکس‌های اقوام و خویشان درگذشته را دریافت می‌کند و آنها را به فایل‌های متحرک مبدل می‌کند. افراد در این فایل‌ها در حال لبخند زدن، پلک زدن و حرکت دادن سر و صورت خود به اطراف هستند.
 
فناوری هوش مصنوعی و یکی از انواع آن موسوم به جعل عمیق یا دیپ فیک به سرعت در حال گسترش بوده و هر روز کاربردهای تازه ای پیدا می‌کند. از این فناوری می‌توان برای تهیه انواع عکس و ویدئوی جعلی از افراد مختلف استفاده کرد و گفتار و اظهارات غیرواقعی را به اشخاص نسبت داد. اما فناوری یادشده این بار کارکردی خاطره انگیز پیدا کرده است.
 
 
سایت مای هریتیج به فاصله کوتاهی بعد از دریافت عکس، آن را بررسی و بهینه سازی می‌کند و سپس حرکات مختلف را به عکس اضافه می‌کند و در نهایت فایلی را با فرمت mp۴ تحویل می‌دهد. برای استفاده از این خدمات باید از حساب کاربری گوگل یا فیس بوک خود استفاده کنید.
 
کیفیت تصویر متحرک سازی نهایی شده وابستگی زیادی به عکس اولیه ارائه شده توسط کاربر دارد و بهتر است عکسی آپلود شود که در آن صورت فرد به طور کامل مشخص باشد و وی در حال نگاه مستقیم به روبرو باشد. به فاصله ۴۸ ساعت از راه اندازی وب سایت مای هریتیج برای ارائه این خدمات بیش از یک میلیوند عکس در آن آپلود شد.
 

فناوری هوش مصنوعی مردگان را زنده می‌کند

/در , , , , , /توسط
یک شرکت تجاری فناوری هوش مصنوعی جدیدی را ابداع کرده که با دریافت عکس‌های قدیمی می‌تواند آنها را به فایل‌های ویدئویی تبدیل کرده و مردگان را زنده کند.
 
 به نقل از نیواطلس، شرکت مای هریتیج این فناوری موسوم به نوستالژی عمیق را از طریق سایت خود در دسترس علاقمندان قرار داده است. سیستم یادشده عکس‌های اقوام و خویشان درگذشته را دریافت می‌کند و آنها را به فایل‌های متحرک مبدل می‌کند. افراد در این فایل‌ها در حال لبخند زدن، پلک زدن و حرکت دادن سر و صورت خود به اطراف هستند.
 
فناوری هوش مصنوعی و یکی از انواع آن موسوم به جعل عمیق یا دیپ فیک به سرعت در حال گسترش بوده و هر روز کاربردهای تازه ای پیدا می‌کند. از این فناوری می‌توان برای تهیه انواع عکس و ویدئوی جعلی از افراد مختلف استفاده کرد و گفتار و اظهارات غیرواقعی را به اشخاص نسبت داد. اما فناوری یادشده این بار کارکردی خاطره انگیز پیدا کرده است.
 
 
سایت مای هریتیج به فاصله کوتاهی بعد از دریافت عکس، آن را بررسی و بهینه سازی می‌کند و سپس حرکات مختلف را به عکس اضافه می‌کند و در نهایت فایلی را با فرمت mp۴ تحویل می‌دهد. برای استفاده از این خدمات باید از حساب کاربری گوگل یا فیس بوک خود استفاده کنید.
 
کیفیت تصویر متحرک سازی نهایی شده وابستگی زیادی به عکس اولیه ارائه شده توسط کاربر دارد و بهتر است عکسی آپلود شود که در آن صورت فرد به طور کامل مشخص باشد و وی در حال نگاه مستقیم به روبرو باشد. به فاصله ۴۸ ساعت از راه اندازی وب سایت مای هریتیج برای ارائه این خدمات بیش از یک میلیوند عکس در آن آپلود شد.
 

ابداع دوربین فیلم برداری زنده از جراحی بیماران

/در , , , , , , , /توسط
یک شرکت تجاری از ابداع یک سیستم تصویربرداری جدید مادون قرمز برای فیلم برداری زنده از بیماران در حین جراحی با دقت بالا خبر داده است.
 
 
 
به نقل از نیواطلس، این سیستم که ام آی پی اس نام دارد، با دقت هرگونه تغییر در ابعاد و وضعیت ارگان های در حال جراحی را به طور خودکار پیگیری می کند و تصاویر مربوط به آنها را به طور مستقیم در دسترس جراحان قرار می دهد تا آنها بتوانند در زمان انجام اعمال جراحی پیچیده مناسب ترین تصمیم ها را بگیرند.
 
تصاویر یادشده همگی سه بعدی بوده و دقت بالایی دارند. دوربین یادشده که توسط شرکت پاناسونیک تولید شده حتی می تواند رگ ها و شریان ها اجزای حساسی مانند کبد را به جراحان نشان دهد و مزیت مهم آن نمایش تصاویر بر روی سطح بدن بیمار در فاصله اندکی از محل انجام جراحی است.
 
سیستم های قبلی تصویربرداری، فیلم ویدئویی را بر روی دیوار منعکس می کردند و جراح مجبور بود مرتبا سرش را از روی بدن بیمار بالا آورده و روبرو را نگاه کند. اما سیستم جدید با استفاده از بدن بیمار به عنوان بوم نمایش تصویر، تصاویر گرفته شده توسط دوربین مادون قرمز را پردازش کرده و بر روی بیمار در یک قالب قابل تنظیم که توسط جراح قابل مشاهده است ، نمایش می دهد. انتظار می رود استفاده عملیاتی از این سیستم در آینده نزدیک آغاز شود.
 

ابداع دوربین فیلم برداری زنده از جراحی بیماران

/در , , , , , , , /توسط
یک شرکت تجاری از ابداع یک سیستم تصویربرداری جدید مادون قرمز برای فیلم برداری زنده از بیماران در حین جراحی با دقت بالا خبر داده است.
 
 
 
به نقل از نیواطلس، این سیستم که ام آی پی اس نام دارد، با دقت هرگونه تغییر در ابعاد و وضعیت ارگان های در حال جراحی را به طور خودکار پیگیری می کند و تصاویر مربوط به آنها را به طور مستقیم در دسترس جراحان قرار می دهد تا آنها بتوانند در زمان انجام اعمال جراحی پیچیده مناسب ترین تصمیم ها را بگیرند.
 
تصاویر یادشده همگی سه بعدی بوده و دقت بالایی دارند. دوربین یادشده که توسط شرکت پاناسونیک تولید شده حتی می تواند رگ ها و شریان ها اجزای حساسی مانند کبد را به جراحان نشان دهد و مزیت مهم آن نمایش تصاویر بر روی سطح بدن بیمار در فاصله اندکی از محل انجام جراحی است.
 
سیستم های قبلی تصویربرداری، فیلم ویدئویی را بر روی دیوار منعکس می کردند و جراح مجبور بود مرتبا سرش را از روی بدن بیمار بالا آورده و روبرو را نگاه کند. اما سیستم جدید با استفاده از بدن بیمار به عنوان بوم نمایش تصویر، تصاویر گرفته شده توسط دوربین مادون قرمز را پردازش کرده و بر روی بیمار در یک قالب قابل تنظیم که توسط جراح قابل مشاهده است ، نمایش می دهد. انتظار می رود استفاده عملیاتی از این سیستم در آینده نزدیک آغاز شود.
 

خودنمایی تکنولوژی در مسابقات تنیس اوپن استرالیا

/در , , , , , , , /توسط
 نقش تکنولوژی در مسابقات تنیس اوپن استرالیا کجاست؟ مسابقات تنیس اوپن استرالیا این روزها در کشور کانگوروها و در شهر ملبورن درحال برگزاری است. رقابتی که در دومین ماه سال ۲۰۲۱ میلادی، بزرگان این رشته ورزشی را گرد هم آورده و نگاه میلیون‌ها علاقه‌مند در سراسر جهان را به خود جلب کرده است. اما حضور پررنگ فناوری و استفاده از جدیدترین نوآوری‌ها در این میدان رقابت، جذابیت‌های این مسابقات را برای مخاطبان دوچندان کرده است. شرکت Infosys که در زمینه ارائه نسل جدید خدمات دیجیتال جزو پیشگامان به‌شمار می‌رود، از جمله شرکت‌هایی است که پای فناوری‌ها و دانش مهندسان خود را به این رقابت‌ها باز کرده است. این شرکت به‌عنوان یکی از شرکای مسابقات تنیس آزاد استرالیا با برگزارکنندگان این رویداد همکاری می‌کند و سعی دارد از طریق فناوری‌های بدیع خود، تجربه لذت‌بخش و عمیقی از تماشای این مسابقات برای تماشاگران و همچنین آنهایی که شانس حضور در این کشور را پیدا نکردند، فراهم کند.
در واقع، این شرکت سعی کرده است تا با بهره‌گیری از فناوری و قابلیت‌های دیجیتال، نقش یک پل ارتباطی را میان علاقه‌مندان و محل برگزاری مسابقات ایفا کند. Infosys برای تحقق این هدف، از فناوری‌های متعددی همچون کلاد، هوش مصنوعی، تجربیات مجازی و غیره استفاده کرده است. بن‌اسلک (Ben Slack)، از مدیران مسابقات تنیس آزاد استرالیا در این باره می‌گوید: طی یک سال گذشته، ضرورت استفاده از ظرفیت‌های فضای دیجیتال برای ارتباطات بهتر میان این مسابقات و طرفداران، بازیکنان، مدیران، رسانه‌ها و شرکایمان احساس می‌شد. امسال تمرکز ما به ارائه تجربیات و نگاهی دیجیتال نسبت به این مسابقات معطوف شده که برای همه افراد از هر نقطه‌ای از جهان قابل دسترسی خواهد بود. وی ادامه داد: به لطف حضور Infosys به‌عنوان شریک نوآوری دیجیتال در این مسابقات، توانستیم مشارکت و درگیری بیشتری را برای تمامی‌گروه‌ها به ارمغان آوریم. نه‌تنها طرفداران و بازیکنان و مربیان این رشته ورزشی، بلکه شرکای ما در پخش این مسابقات و همچنین اسپانسرهایمان نیز از امکان‌ به‌وجود آمده بهره‌مند شدند.
 
همان‌طور که اشاره شد، این فناوری‌ها می‌توانند با ارائه جزئیات و اطلاعات دقیق‌تری از آنچه در زمین‌های مسابقات تنیس می‌گذرد، تجربه لذت‌بخش‌تری را از تماشای این بازی‌ها برای طرفداران تنیس رقم بزنند. در ادامه نگاهی خواهیم داشت به برخی از این موارد.
 
  تجزیه و تحلیل‌های عمیق
در این مسابقات، سیستمی ‌به نام ۳D Court Vision به‌کار گرفته شده که این امکان را برای افراد فراهم می‌کند تا مسابقات میان تنیس‌بازها را در حالتی انیمیشنی مشاهده کنند. در واقع، با هر ضربه‌ای که به توپ زده می‌شود، اطلاعات دقیقی همچون سرعت، چرخش، محل زدن سرویس و دیگر جزئیات تنها با یک کلیک نمایش داده خواهد شد. شرکت Infosys از اطلاعات
 
 Hawk Eye برای ایجاد نمای انیمیشنی برای هر ضربه استفاده می‌کند. این کار تقریبا در لحظه و با کمترین تاخیری صورت می‌گیرد که امکان تجزیه و تحلیل آنی بازی و همچنین کسب دقیق‌ترین جزئیات از اتفاقات آن را برای مخاطبان فراهم می‌کند.
 
  افزایش شور طرفداران
ویژگی دیگر در این مسابقات، استفاده از سیستم AO Virtual Span است که هواداران را به‌طور مجازی به ورزشگاه چندمنظوره Rod Laver Arena می‌برد. با کمک این فناوری، دیدی سه بعدی از محیط ورزشگاه و اطلاعات مرتبط با مسابقه، پیش روی هوادار قرار می‌گیرد و حس حضور در این ورزشگاه را به وی القا می‌کند. همچنین اپلیکیشن AO Fan APP نیز برای طرفداران این مسابقات طراحی شده که محتوای غنی‌تر و گشت‌وگذاری اختصاصی‌تر را با توجه به علاقه‌مندی‌های کاربران برای آنها فراهم می‌کند.
 
  دریافت اطلاعات تحلیلی
مورد بعدی به بازیکنان و مربیان مربوط می‌شود. قابلیتی تحت عنوان AI Video Analysis در اپلیکیشن‌های ویژه بازیکنان و مربیان تعبیه شده است که می‌تواند اطلاعات و بررسی‌های تحلیلی دقیقی را از در اختیار بازیکنان و تیم‌هایشان قرار دهد. این ابزار مبتنی بر هوش مصنوعی، قادر است بازیکن و حریف وی را تجزیه و تحلیل کند و جزئیاتی را درخصوص تکنیک‌های هر بازیکن در حین بازی ارائه دهد. درواقع با کمک این اپلیکیشن، مربیان یا اعضای تیم‌های ورزشی که ممکن است به‌دلیل همه‌گیری کرونا، امکان حضور در این مسابقات و همراهی با دیگر اعضا را پیدا نکرده باشند، می‌توانند از راه دور و از طریق این اپلیکیشن با بازیکنان حاضر در بازی‌های تنیس آزاد استرالیا در ارتباط باشند و راهنمایی خود را بر مبنای این اطلاعات، در اختیارشان بگذارند.
 
همچنین ویژگی AI Shot of the Day، با استفاده از فناوری یادگیری ماشینی و بعد از پایان هر روز،‌ هایلایت‌ها و یا همان صحنه‌های جالب بازی را انتخاب می‌کند که در این بین، مواردی همچون سریع‌ترین سرویس، واکنش تماشاگران، احساسات بازیکنان در طول بازی و غیره مشاهده می‌شود.
 
  ایجاد تجربه‌ای جدید و متفاوت
یکی دیگر از تازه‌های تکنولوژی در مسابقات تنیس اوپن استرالیا، ‌هاب ۳D AO Virtual است که به‌منظور از میان برداشتن محدودیت‌های فیزیکی برای شرکا و اسپانسرهای مسابقات طراحی شده است. این‌ هاب امکان دسترسی گسترده و پیشرفته پارتنرهای مسابقات به رویدادهای اختصاصی را فراهم می‌کرد. آنها می‌توانند از این طریق، از اتفاقات پشت صحنه این رویداد مطلع شوند، به کلینیک‌های این مسابقات دسترسی داشته باشند، بازی‌ها را به‌صورت ۳۶۰ درجه ببینند، در جلسات مختلف شرکت کنند و بسیاری از امکانات دیگر که در نوع خود کم‌نظیر است.