استفاده اوراکل از هوش مصنوعی برای خودکار کردن بازاریابی دیجیتال

 
شرکت اوراکل اعلام کرد از یک سیستم جدید هوش مصنوعی برای خودکار کردن بخش‌های کلیدی فرایند بازاریابی دیجیتال خود استفاده خواهد کرد.
 
به نقل از رویترز، اوراکل که به علت ارائه خدمات نرم افزارهای پایگاه داده شهرت دارد، با شرکت‌هایی مانند ادوب و سیلزفورس در زمینه فروش نرم افزارهای مبتنی بر کلود برای بازاریابی محصولات تجاری رقابت دارد. این نرم افزارها هزاران دلار قیمت دارند و بازاریابی آنها فرایندی دشوار و پیچیده است.
 
مکالمه با افرادی که در مورد خرید چنین نرم افزارهایی تصمیم می‌گیرند فرایندی حساس و دشوار است و شکست در آن زیان‌های مالی زیادی برای شرکت‌هایی مانند اوراکل دارد. از همین رو شرکت مذکور سیستم بازاریابی فیوژن خود را به ابزار هوش مصنوعی مجهز کرده است.
 
این سیستم قادر به طراحی خودکار پیکارهای بازاریابی و تعیین این مساله است که افراد در حال تعامل از طریق ایمیل یا پیام‌های بازرگانی تا چه حد امکان دارد محصولات اوراکل را خریداری کنند.
 
سیستم یادشده داده‌های خود را از منابع مختلفی جمع‌آوری می‌کند که برخی از آنها متعلق به خود اوراکل و برخی دیگر نیز متعلق به افراد و شرکت‌های ثالث است و اوراکل آنها را به مرور زمان به دست آورده است.
 
 

پیامدهای تلفیق هوش مصنوعی و فناوری ۵G

 
 
صاحب نظران حوزه فناوری اطلاعات می‌گویند ظرف 10 سال آینده هوش مصنوعی تمام صنایع جهان را متحول می‌کند و تلفیق آن با فناوری مخابراتی نسل پنجم انبوهی از خلاقیت‌ها را ایجاد می‌کند.
 
 به نقل از زد دی نت، فناوری نسل پنجم به عنوان کاتالیست و تسریع کننده پیشبرد هوش مصنوعی در صنایع گوناگون عمل می‌کند و این دو فناوری استفاده سریع، ایمن و مقرون به صرفه از ابزار و محصولات مبتنی بر اینترنت اشیا و شبکه‌های هوشمند را ممکن می‌کنند.
 
به گفته رونی واسیشتا معاون ارشد شرکت «اِن ویدیا»، شبکه‌های نسل پنجم مبتنی بر هوش مصنوعی، شکل‌گیری موج چهارم انقلاب صنعتی را تسریع کرده و فرصت‌های بی سابقه‌ای را در حوزه کسب و کار و نیز در جامعه خلق می‌کنند.
 
میلیاردها شیء در کل شبکه اینترنت و در مراکز داده قرار دارند. یک شبکه نسل پنجم فراگیر این مراکز داده و اشیای هوشمند را به یکدیگر مرتبط می‌کند و این کار با سرعت، شتاب، هزینه و قدرتی متناسب با نیاز هر برنامه و نرم افزار صورت می‌گیرد.
 
وی می‌افزاید: تمامی این شبکه‌ها به تدریج تغییر می‌کنند تا با استانداردهای نسل پنجم سازگار شوند. این تحول نه تنها مبتنی بر خلاقیت‌های برگرفته از هوش مصنوعی است، بلکه مستلزم مدیریت، سازمان دهی و افزایش بهره‌وری خود این شبکه است.
 
شبکه‌های نسل پنجم بر خلاف استانداردهای قدیمی تر شبکه‌های مخابراتی بی سیم، در عصر همه‌گیری خدمات کلود و اینترنت اشیا متولد شده‌اند و می‌توانند میلیاردها حسگر مانند دوربین‌های ویدئویی را به یکدیگر متصل کنند. از این طریق مراکز داده به اطلاعات کافی برای انجام پردازش‌های مورد نیاز سیستم‌های هوش مصنوعی دسترسی دارند.
 
پیامدهای ترکیب هوش مصنوعی و فناوری ۵G
 
در ادامه چهار مثال عینی از پیامدهای ترکیب هوش مصنوعی و فناوری نسل پنجم ارائه می‌شود:
 
۱. هزاران دوربین بر روند تولید و ساخت خودروهای خودران نظارت می‌کنند: در آینده از نرم افزارهای بررسی و کنترل بصری با قابلیت خودآموزی و هوش مصنوعی برای شناسایی آسیب‌ها و نقص‌های خودروها در خط تولید استفاده می‌شود. خودروسازان از این طریق قادر به تحلیل و شناسایی مشکلات مربوط به کیفیت خودروها در خط تولید خواهند بود.
 
۲. کمک به برنامه‌ریزی شهری و مدیریت ترافیک در شهرهای هوشمند: در محیط‌های شهری که تعداد زیادی از افراد و اشیا در تعامل با یکدیگر هستند، نرم افزارهای هوش مصنوعی بازرسی بصری، قادر به کنترل تمامی موجودات و اشیای متحرک و غیر متحرک بوده و از این طریق امنیت شهر و فضاهای شهری ارتقا یافته و مدیریت شهر و ترافیک تسهیل می‌شود.
 
۳. استفاده از هوش مصنوعی برای مکالمه و پردازش زبان‌های طبیعی ارائه خدمات پیشرفته را ممکن می‌کند: چت بات های گفتگو در اینترنت، دستیارهای صوتی هوشمند و دیگر خدمات پیام رسان به صنایع مختلف کمک می‌کنند تا روندهای پشتیبانی از مشتریان را ارتقا دهند. استفاده از هوش مصنوعی برای ارتقای خدمات گپ تحت وب، ارتباط هوشمندانه‌تر با انسان‌ها را از طریق درک حالات چهره آنها و آگاهی از واکنش‌های آنها امکان پذیر می‌سازد.
 
۴. ارتقای واقعیت افزوده و واقعیت مجازی: ارائه خدمات واقعیت افزوده و واقعیت مجازی در آینده بدون استفاده از رایانه‌های غول پیکر و سیم و کابل ممکن خواهد بود. فناوری بی سیم نسل پنجم، به صنایع حرفه‌ای امکان می‌دهد تا به طور آنی تغییرات جدیدی در خدمات واقعیت افزوده و واقعیت مجازی ایجاد کرده و آنها را به صورت بی سیم در هر زمان و مکان ارائه دهند.
 
فناوری هوش مصنوعی و نسل پنجم در ترکیب با یکدیگر اکوسیستم جدیدی را برای استفاده نرم افزار نویسان مستقل و استارت اپ های خلاق به وجود می‌آورند. اِن ویدیا به تازگی با همکاری سرویس کلود گوگل یک آزمایشگاه خلاقیت به نام AI-on-۵G راه اندازی کرده که در آن اپلیکیشن‌های هوش مصنوعی مبتنی بر خدمات نسل پنجم راه اندازی و بررسی می‌شوند.
 
در این آزمایشگاه یک پلتفرم یکپارچه طراحی شده و سرورها، شبکه‌های مجازی نرم افزاری مبتنی بر نسل پنجم، اپلیکیشن‌های تجاری هوش مصنوعی، کیت‌های توسعه نرم افزار و غیره در دسترس قرار گرفته‌اند. قرار است نسخه تجاری این خدمات در نیمه دوم سال جاری میلادی در دسترس صاحبان صنایع قرار بگیرد.
 
تحولات مذکور ارائه خدمات کلود را نیز متحول خواهد کرد و مشاهده و انتقال داده‌ها را با سرعت بسیار زیادی در نقاط مختلف تسهیل می‌کند.
 
بر همین مبنا، اپلیکیشن‌های جدیدی نیز طراحی خواهند شد که وابستگی بیشتری به خدمات کلود خواهند داشت. در عین حال انتظار می‌رود ایمن سازی، کاهش هزینه استفاده و اتکاپذیری این خدمات نیز به میزان قابل ملاحظه‌ای افزایش یابد.

کاربرد هوش مصنوعی در حمل و نقل ریلی چیست؟

 
بکار بردن هوش مصنوعی در صنعت حمل‌ونقل ریلی موجب کاهش تصادفات و ترافیک، افزایش امنیت، کاهش آلودگی هوا و به حداقل رساندن هزینه‌ها شده است.
 
 دیجیتالی سازی صنعت حمل و نقل علاوه بر کاربری های ساده مانند تسهیل ارتباط یا مدیریت منابع، «خلق مدل های کسب و کاری نوین»، «تولید فرآیند های پویا» و «ایجاد انواع جدید تراکنش‌ها و مکان هایی که تراکنش ها در آن شکل می گیرند» را نیز به همراه دارد. این تحول با استفاده از سکوها و فناوری‌های نوینی همچون اینترنت اشیاء، زنجیره بلوکی و هوش مصنوعی، دسترسی به بازارها و منابع درآمدی جدید و افزایش بهره‌وری این صنعت را نوید می‌دهد.  به کار بردن هوش مصنوعی در صنعت حمل‌ونقل موجب کاهش تصادفات و ترافیک، افزایش امنیت، کاهش آلودگی هوا و به حداقل رساندن هزینه‌ها شده است.
 
کاربرد هوش مصنوعی در صنعت حمل و نقل ریلی
 
ابزارهای هوش مصنوعی در صنعت حمل و نقل ریلی چند وجهی است. آنها از سیستم های کمکی مانند رانندگی و کنترل ترمز گرفته تا سیستم های ایمنی مانند حفاظت در برابر تصادف و رانندگی خودکار یا نیمه مستقل را شامل می شوند. علاوه بر این ، تعمیر و نگهداری پیش بینی کننده یا نظارت مبتنی بر شرایط را می توان با الگوریتم های هوش مصنوعی و سخت افزار مناسب کامل کرد. همچنین یک عامل کلیدی در اینجا سیستم های جاسازی شده با قابلیت هوش مصنوعی است. آنها قادرند به طور مستقل بر اساس حجم زیادی از داده های جمع آوری شده ، تصمیمات هوشمندانه ای اتخاذ کنند که فوراً با هم مقایسه و ارزیابی می شوند.
از جمله بارزترین کاربردهای هوش مصنوعی در صنعت حمل و نقل ریلی، کمک به خودکارسازی عملیات قطار یا ATO است. ATO مسئولیت مدیریت عملیات قطار را با درجات مختلفی از خودکار بودن، از راننده به سیستم کنترل واگذار می‌کند. کمسیون بین‌المللی الکتروتکنیکال چهار درجه‌ی استاندارد خودکار بودن قطار را مشخص کرده است که درجه‌ی سوم مربوط به عملیات بدون راننده ولی با حضور اعضای خدمه قطار در کابین و درجه‌ی چهارم مربوط به قطارهای کاملا مستقل و بدون مراقب است.
برای اپراتورهای ریلی و مدیران زیرساخت، آگاهی از خرابی‌های احتمالی قبل از وقوع، برای جلوگیری از هرگونه وقفه‌ در ارائه خدمات بسیار باارزش است. امروزه هوش مصنوعی می‌تواند از قدرت داده‌های ارائه شده توسط سنسورهای مستقر در قطارهای بحرانی یا مؤلفه‌های زیرساخت استفاده کند تا در زمان مناسب اطلاعات را استخراج و اقداماتی را برای نگهداری از قطار پیشنهاد دهد که مزایای زیادی به همراه دارد از جمله تعمیر سریع‌تر، کاهش هزینه‌های نگهداری و رضایت بهتر مشتریان. علاوه بر آن اپراتورهای قطار می‌توانند خدمه رزرو مورد نیاز برای مواقع خرابی را کاهش دهند و از هوش مصنوعی برای افزایش قابلیت اطمینان و اثربخشی استفاده کنند.
 
مثال‌های کاربردی کاربرد هوش مصنوعی در حمل و نقل ریلی
 
در سال 2018 حدود 1000 کیلومتر خط متروی خودکار در 41 شهر 19 کشور جهان وجود داشت و پیش‌بینی می‌شود در سال 2025 مقدار آن به بیش از 2300 کیلومتر خط خودکار با استفاده از فناوری هوش مصنوعی برسد. همچنین موسسه فناوری Railenium (فرانسوی، با حروف اختصاری SNCF) دو کنسرسیوم برای توسعه دو نمونه قطار بدون راننده راه‌اندازی کرده‌است: اولین کنسرسیوم وظیفه طراحی قطار باربری خودمختار و دومی وظیفه طراحی قطار مسافربری پرسرعت خودمختار را برعهده دارد. در حالت دوم، هدف طراحی ماژولی است که عملکرد مسافران در سکوهای راه‌آهن را درک کرده و امکان بسته‌شدن بی‌خطر درب واگن‌های‌ قطار را فراهم کند. SNCF تصمیم دارد قطارهای نیمه‌ خودمختار را تا پایان سال 2023 راه‌اندازی کند. نمونه دیگر موسسه SurferLab است؛ از جمله پروژه‌های هوش مصنوعی این موسسه امکان ارسال «وضعیت امنیت و سلامت» قطار به سرپرست ناوگان است تا بتواند از راه دور و از طریق نرم‌افزارهای تشخیص صدا، تعمیر و نگهداری قطار را ساماندهی کند. همچنین در برخی از شهرهای چین با استفاده از هوش مصنوعی در مترو، عبور از گیت مترو به آسانی صورت گرفته است.
 
نکته آخر اینکه تعلل در بهره‌گیری از این فناوری‌ها نه تنها موجب تسلط نمونه‌های مشابه خارجی بر این صنعت می‌شود، بلکه خطر از دست دادن بازارهای ترانزیتی موجود و امکان دسترسی و نفوذ شرکت های بزرگ فناوری بر داده های حمل و نقل به خصوص در بخشی ریلی در کشور و سوء استفاده از آن را به دنبال خواهد داشت.

هوش مصنوعی فیس‌بوک سیاه پوستان را به عنوان میمون دسته بندی کرد

 
فیس‌بوک پس از آنکه هوش مصنوعی این شرکت تعدادی سیاه پوست را در یک فایل ویدئویی به عنوان میمون طبقه بندی کرد، مجبور به عذرخواهی شد.
 
 به نقل از انگجت، کاربرانی که در روزهای اخیر یک فایل ویدئویی را در سایت دیلی میل مشاهده کرده بودند بعد از مشاهده بخش ابتدایی این ویدئو با پیام روبرو مواجه می‌شدند: آیا دوست دارید به تماشای ویدئوهایی در مورد نخستی سانان ادامه دهید؟ نخستی سانان یا primate ها، یکی از انواع پستانداران هستند که شامل تمامی انواع میمون‌ها، میمون‌های انسان نما و انسان‌های خردمند هستند.
 
فیس‌بوک این رویداد را یک خطای غیرقابل پذیرش اعلام کرده و قابلیت ارائه توصیه هوش مصنوعی خود را که موجب انتشار پیام مذکور شده، از کار انداخته است. این شرکت می‌گوید در حال بررسی عامل وقوع این مشکل است تا از وقوع خطاهای مشابه از این دست جلوگیری کند.
 
سخنگوی فیس‌بوک در این مورد گفته است: هوش مصنوعی فیس‌بوک در حال ارتقا است. اما ما می‌دانیم که این فناوری کامل نیست. ما از هر کسی که این توصیه توهین‌آمیز را مشاهده کرده عذرخواهی می‌کنیم.
 
خطاهای مکرر سیستم‌های هوش مصنوعی فیس‌بوک و گوگل در زمینه شناسایی دقیق افراد سیاه پوست و زنان تا به حال بارها خبرساز شده است.
 
علت آن است که این دو شرکت و شرکت‌های فناوری آمریکایی مشابه برای طراحی و تکمیل سیستم‌های هوش مصنوعی خود بیشتر از مردان سفید پوست استفاده می‌کنند.

فناوری جدید انویدیا صداهای هوش مصنوعی را به طبیعی‌ترین حالت ممکن در می‌آورد

 
انویدیا اخیرا در کنفرانس Interspeech 2021 از نتایج تحقیقات و ابزارهایی رونمایی کرده که می‌توانند شاخصه‌های گفتار طبیعی را به دست آورده و به شما اجازه دهند سیستم‌های هوش مصنوعی را با صدای خود آموزش دهید.
 
تیم تحقیقاتی تبدیل متن به گفتار انویدیا برای بهبود ترکیب صدای هوش مصنوعی مدلی به نام RAD-TTS را توسعه داده که می‌تواند واقع‌گرایانه‌ترین آواتارهای ممکن را بسازد. این سیستم می‌گذارد افراد مدل‌های تبدیل متن به گفتار را با ویژگی‌های مختلف صدای خود آموزش دهند.
 
یکی از قابلیت‌های مدل RAD-TTS تبدیل صداست که به کاربر اجازه می‌دهد کلمات گوینده را با صدای شخص دیگری ادا کند. این رابط کنترل مناسب گام، طول و انرژی صدا را در اختیار فرد قرار می‌دهد. محققان انویدیا با استفاده از این فناوری برای سری ویدیوهای I Am AI روایتی صوتی ساخته‌اند که بیش از هر زمان دیگری شبیه صدای انسان‌های واقعی است.
 
 
هدف از این کار دستیابی به روایتی بود که به لحن و سبک نمایش ویدیو نزدیک باشد. اکثر ویدیوهایی که با هوش مصنوعی روایت می‌شوند فعلا فاقد چنین کیفیتی هستند. ویدیوی حاضر نیز هنوز کمی رباتی به نظر می‌رسد اما بهتر از تمام هوش مصنوعی‌هایی است که تاکنون با آن‌ها مواجه بوده‌اید.
 
انویدیا می‌گوید: «تهیه‌کننده ویدیویی ما با این رابط می‌تواند خودش سناریوی ویدیو را ضبط کرده و بعد با کمک هوش مصنوعی صدا را به راوی زن تبدیل کند. سپس امکان دستیابی صدا و استفاده از حالت‌های حسی مختلف، تاکید روی کلمات و اصلاح سرعت روایت در دسترس قرار می‌گیرد تا بهترین لحن روایی ایجاد شود.»
 
انویدیا نتایج تحقیقات خود را به صورت متن باز در اختیار کسانی قرار داده که مایل به انجام آزمایش‌های مختلف در این حوزه‌اند. این شرکت می‌گوید: «شماری از این مدل‌ها با هزاران ساعت صدا در سیستم‌های NVIDIA DGX آموزش داده شده‌اند. توسعه‌دهندگان می‌توانند مدل‌های مختلف را برای کاربردهای مختلف بهینه‌سازی کرده و سرعت یادگیری را با پردازنده‌های گرافیکی انویدیا Tensor Core افزایش دهند.»

دعوت از استارت‌آپ‌های هوش مصنوعی برای حضور درجایزه سال هوشمندسازی

ستاد توسعه فناوری های اقتصاد دیجیتال و هوشمندسازی از مجموعه‌های دانش‌بنیان و استارت‌آپ‌های فعال در حوزه‌ اینترنت اشیا و هوش مصنوعی برای شرکت در جایزه سال هوشمندسازی دعوت کرد.
 
 رویداد جایزه سال هوشمندسازی با حمایت ستاد توسعه فناوری‌های اقتصاد دیجیتال و هوشمندسازی معاونت علمی و فناوری برگزار می‌شود.
 
۱۵ شهریورماه آخرین فرصت ارسال ایده‌ها است.
 
محورهای این فراخوان شامل «کاهش آلودگی هوای کلان‌شهرها»، «مراقبت‌های بهداشتی درمانی بهینه در زمان کرونا»، «بهینه‌سازی توزیع محصولات کشاورزی»، «کاهش معضل کمبود منابع آبی»، «کاهش خسارات تصادفات جاده‌ای»، «مبارزه با قاچاق»، «مدیریت و کنترل ترافیک کلان شهرها»، «مدیریت مصرف سوخت»، «مدیریت مصرف انرژی (برق گاز)» و «کاهش هزینه نهاده‌های تولید در کشاورزی» می‌شود.
 
یکی از بخش‌های مهم رویداد ملی جایزه سال هوشمندسازی، برگزاری جلسات تخصصی (به صورت مجازی) است که در آن جلسات مسئولان و مدیران ارشد هر کدام از حوزه‌ها به بیان جزئیات و ابعاد مختلف معضلات ملی خواهند پرداخت.
 
حضور فعال در این رویداد برای ثبت نام کنندگان این امکان را فراهم می‌کند تا با چالش‌ها، نیازها و اولویت‌های مدیران و دست‌اندرکاران هر حوزه و نیز جزئیات کامل و دقیق‌تر معضلات ملی آشنا شوند.
 
مجموعه‌های دانش‌بنیان و استارت‌آپ‌های فعال در حوزه‌های اینترنت اشیا و هوش مصنوعی می‌توانند در این رویداد مشارکت داشته باشند.
 
علاقه‌مندان باید برای کسب اطلاعات بیشتر و ثبت نام به آدرس اینترنتی http://iraniotforum.org/?p=۷۲۴۵ مراجعه کنند.

فاصله پنج ساله با خودروهای تمام خودران

 تقریبا کسی شک ندارد که خودروهای خودران به زودی سهم بزرگی از بازار خودرو را در اختیار خواهند گرفت. البته یک دهه قبل برخی پیش‌بینی می‌کردند در کمتر از پنج سال شاهد خودروهای کاملا خودران خواهیم بود، اما امروز در سال ۲۰۲۱ هنوز چنین خودرویی را در خیابان‌ها نمی‌بینیم. به لطف توسعه هوش مصنوعی حالا این خط کوچک و محدود خودرویی به یکی از پرقابلیت‌ترین ترندهای تکنولوژی در آینده صنعت حمل‌و‌نقل تبدیل شده است. بر اساس گزارش Intrado ارزش بازار خودروهای خودران در سال ۲۰۲۰ به ۹‌/ ۲۰ میلیارد دلار رسید و انتظار می‌رود تا سال ۲۰۲۶ ارزش این بازار با متوسط نرخ رشد سالانه۷‌/ ۲۲ درصد به بیش از ۶۱ میلیارد دلار برسد. بر اساس همین گزارش این رشد در حالی اتفاق می‌افتد که پاندمی باعث افت تحقیق و توسعه در این صنعت شده است.
 
 
 
آنچه صنعت خودرو را در پوست‌اندازی به خودروهای هوشمند توانمند کرده، رشد بخش‌هایی چون هوش مصنوعی، یادگیری ماشینی و توسعه سنسورهای RADAR، LIDAR و همچنین GPS و بینایی کامپیوتری است. مجموعه این تکنولوژی‌ها رده‌بندی‌های مختلفی از هوشمندی و رانندگی بدون راننده را به همراه داشته است. در حال حاضر عمده پیشرفت‌های حاصل شده در حوزه خودروهای بدون راننده در رده‌بندی ۲‌و۳ رخ داده که شامل سیستم‌های کمک رانندگی مثل شناسایی موانع، هشدار خروج از خطوط و سیستم انطباق‌‌پذیری کروزکنترل است. گفته می‌شود رسیدن تکنولوژی خودران به رده‌بندی‌های چهار و پنج به طور کامل حداقل تا سال ۲۰۳۰ به طول بینجامد. همچنین شاهد سیستم‌های خودران حداقل تا زمانی که بحث امنیت خودروها در برابر حملات سایبری اتفاق نیفتد، نخواهیم بود، با این حال نشانه‌های مثبتی در رسیدن به نقطه مورد نظر صنعت خودرو را در این حوزه می‌توان دید.
 
تنها طی پنج سال اخیر شرکت‌های بزرگ سازنده خودرو و استارت‌آپ‌های فعال در این بخش بالغ بر ۵۰ میلیارد دلار در بخش خودران سرمایه‌گذاری کرده‌اند و نکته جالب اینکه ۷۰ درصد این سرمایه از خارج از صنعت خودرو تامین شده است. در همین حال به نظر می‌رسد مقررات‌گذاران و دولت‌ها تمایل زیادی دارند تا نگرانی‌های این عرصه برطرف نشده، مجوزهای لازم برای راندن این خودروها را در خیابان‌ها صادر نکنند.
 
   تکنولوژی‌های مهم در صنعت خودران
مهم‌ترین اجزای مربوط به خودروهای خودران ترکیب سنسورها و دوربین‌های تعبیه شده در خودروهاست، از جمله آنها می‌توان به تکنولوژی LIDAR اشاره کرد (اخیرا برخی گوشی‌های هوشمند هم به این سنسور مجهزند) که همانند چشم خودرو عمل می‌کند و پهنه‌‌ ۳۶۰ درجه‌ای از کل فضای اطراف خودرو را پوشش می‌دهد. این تکنولوژی امروزه روی بسیاری از خودروهای خودران مورد استفاده قرار می‌گیرد و کمک می‌کند خودرو در لحظه بتواند تصویر دقیقی از اطراف خود داشته باشد. تکنولوژی لایدار می‌تواند فاصله سوژه با خودرو را تخمین بزند و این می‌تواند از چند سانتی‌متری خودرو تا ۶۰ متری آن را شامل شود. به‌طور واضح‌تر این تکنولوژی یک تصویر سه‌بعدی از اطراف فضای خودرو ایجاد می‌کند که به درک و پیش‌بینی رخدادهای اطراف خودرو کمک می‌کند.
 
یکی از مهم‌ترین موضوعات مربوط به بخش سنسورهای لایدار این است که در عرصه‌های متنوع این تکنولوژی امکان بهبود وجود دارد و با این بهبودها می‌توان در آینده به تولید ارزان‌تر این سنسورها در کنار برد آن (تا مسافت ۲۰۰ متری) امیدوار بود. امروزه تکنولوژی‌های خودران رده یک را می‌توان در خودروهای برخی از مشهورترین سازندگان خودرو دید. برخی از مشهورترین سیستم‌های خودران موجود در بازار عبارتند از Pilot Assist ساخت شرکت ولوو،
 
Drive Pilot ساخت شرکت مرسدس بنز، اتوپایلوت ساخت شرکت تسلا و سوپرکروز ساخت شرکت کادیلاک.
 
در آوریل سال ۲۰۲۱ شرکت سیتروئن هم یک سیستم خودران برای خودروهای C۵ X SUV خود معرفی کرد.
 
به جز اینها بسیاری از شرکت‌های بزرگ تکنولوژی دنیا هم مشغول توسعه تکنولوژی خودران هستند، از جمله آنها می‌توان به گوگل، اپل و مایکروسافت اشاره کرد. از این میان اپل در سال ۲۰۲۰ توانست تست جاده‌ای خودروی خودران خود را هم با موفقیت پشت سر بگذارد.
 
با وجود بروز پاندمی در سراسر جهان خودروهای دارای رده ۲ خودران در سال ۲۰۲۰ با رشد فروش ۷۸ درصدی نسبت به سال ۲۰۱۹ روبه‌رو شدند.
 
بسیاری از سازندگان خودروهای خودران قراردادهای مشارکت و همکاری با شرکت‌های تاکسی اینترنتی امضا کرده‌اند. اوبر البته در این میان خود در حال توسعه سیستم خودران است، ولی در ماه آوریل ۲۰۲۱ شرکت ولوو با تاکسی اینترنتی DIDI (بزرگ‌ترین تاکسی اینترنتی چین) قرارداد همکاری استراتژیک امضا کردند تا خودروهای شرکت DIDI را به سیستم خودران مجهز کنند. در هند هم قرارداد مشابهی بین سازندگان خودرو و تاکسی‌های اینترنتی فعال در این کشور امضا شده است در ماه مارس ۲۰۲۱ MG Motors India برای تحقیق و توسعه در این زمینه به مرکز تحقیقات توسعه خودران دهلی (CART) پیوست.
 
   بازیگران بزرگ صنعت خودران
صنعت خودران را می‌توان یک صنعت تلفیقی به حساب آورد چراکه بازیگران متعددی حالا در آن حضور دارند اعم از تولیدکنندگان سنتی بازار خودرو تا شرکت‌ها و استارت‌آپ‌هایی که به تازگی به این عرصه قدم گذاشته‌اند.
 
برخی از بزرگ‌ترین سازندگان خودروهای خودران عبارتند از بی‌ام دبلیو، تسلا، فورد، جنرال موتورز، نیسان، دایملر، تویوتا، فولکس واگن، ولوو و Waymo.
 
شرکت بی‌ام‌و در سال ۲۰۱۶ اعلام کرد با همکاری شرکت‌های اینتل و Mobileye تولید سری خودروهای کاملا خودران را از سال ۲۰۲۱ آغاز خواهد کرد.
 
در سال ۲۰۱۶ شرکت BMW همکاری خود با اینتل و Mobileye را برای توسعه خودرو‌های خود اعلام کرده و هدف بلند‌پروازانه‌ای برای وارد کردن خودکار و کاملا خودکار به تولید سری را تا سال ۲۰۲۱ آغاز کرد. با این حال این شرکت اعلام کرد که با همکاری با شرکت دایملر (شرکت مادر مرسدس بنز) خودروهای رده ۴ خودران را تا سال ۲۰۲۴ عرضه می‌کند. شرکت‌های هوندا، فورد، تویوتا و Waymo نیز هدف‌گذاری مشابهی را اعلام کرده‌اند. ماجرای تولید و تست این خودروها پیچیدگی‌های زیادی را بر سر راه بازیگران آن به وجود آورده و باعث شده بسیاری از پیش‌بینی‌ها در این زمینه مورد تجدید نظر قرار گیرد.
 
از تصادفات مختلف گرفته تا بروز اشکالات در تولید خودروها و تجهیزات خودران همه مشخص‌کننده این است که مسیر تولید این خودروها به آن شکلی که بازیگران آن تصور می‌کردند، نیست. همین هفته ایلان ماسک، مدیرعامل تسلا که رشد سهام شرکتش او را به نزدیکی صدر جدول ثروتمندترین افراد جهان رسانده، اعتراف کرد که آخرین نسخه اتوپایلوت (سیستم خودران تسلا) ایراد دارد.  ماسک در توییت خود نوشت: «FSD Beta ۹. ۲ در واقع یک نرم‌افزار ناوبری عالی نیست، اما تیم‌های خلبان خودکار و هوش مصنوعی در تلاش هستند تا آن را در اسرع وقت بهبود بخشند. ما در تلاش هستیم تا یک مدل برای بزرگراه‌ها و خیابان‌های شهر داشته باشیم، اما نیاز به بازآموزی گسترده دارد.»
 
تسلا پیش از این چندین مورد تصادف را ثبت کرده و همین انتقادها را از این سیستم افزایش داده است هرچند اتوپایلوت فعلا به صورت کمک خودران در خودروهای این شرکت مورد استفاده قرار می‌گیرد.
 
توییت ایلان ماسک در روز دوشنبه تنها چند روز پس از آن منتشر شد که او در رویدادی به نام «روز تسلا AI» درباره تسلا در سیستم‌ها و اجزای خودگردان سخن گفته بود. همچنین همزمان با آغاز تحقیقات رسمی درباره سیستم خودران در خودروهای تسلا توسط مقامات فدرال ایمنی وسایل نقلیه در ایالات متحده آغاز شد.
 
یکی دیگر از بازیگران بزرگ این عرصه شرکت Waymo است که تحت مالکیت شرکت آلفابت (گوگل) فعالیت می‌کند. Waymo اخیرا اعلام کرده که می‌خواهد سرویس خودران خود را برای عده‌ای از ساکنان سانفرانسیسکو ارائه کند.
 
این شرکت امیدوار است تا ۳ سال دیگر سرویس تاکسی روباتیک را در این شهر افتتاح کند. همین موضوع نشان می‌دهد هنوز فرصت زیادی با استفاده از سیستم تمام خودران این شرکت باقی مانده است.
 
خودروهای برقی جاگوارI-PACE SUV این شرکت برای ساکنان بخش‌های غربی و جنوبی این شهر سرویس‌رسانی می‌کنند. البته راننده‌ای پشت فرمان خودرو حضور دارد و آماده است تا در مواقع اضطراری کنترل وسیله نقلیه خودران را به عهده گیرد. برای استفاده از این سرویس افراد باید در اپلیکیشن وایمو ثبت‌نام کنند.
 
 البته در مرحله بعد شرکت آنها را انتخاب می‌کند. پیش‌بینی می‌شود این سرویس به تدریج برای عده بیشتر و چندصد نفر ارائه ‌‌شود. البته وایمو به این افراد اجازه نمی‌دهد درباره سرویس به‌طور عمومی اظهارنظر کنند.

بزرگترین تراشه جهان اجرای مدل‌های هوش مصنوعی در مقیاس مغز را ممکن می‌کند

 
شرکت «Cerebras» امروز اعلام کرده که بزرگترین تراشه دنیا با یک سیستم می‌تواند از مدل‌های هوش مصنوعی با ۱۲۰ تریلیون سیناپس یا پارامتر پشتیبانی کند که از ۱۰۰ تریلیون سیناپس مغز انسان بالاتر است.
 
در حال حاضر اکثر دستگاه‌های مورد استفاده برای فعالیت‌های هوش مصنوعی با مجموعه‌های GPU از ۱ تریلیون پارامتر پشتیبانی می‌کنند. Cerebras برای دستیابی به چنین موفقیتی از یک سیستم با ۸۵۰ هزار هسته استفاده کرده، اما می‌توان کارهای هوش مصنوعی را به ۱۹۲ سیستم CS-2 با ۱۶۲ میلیون هسته بهینه شده برای هوش مصنوعی هم محول کرد که عملکرد را بهبود می‌دهد.
 
Cerebras CS-2 سریعترین تراشه هوش مصنوعی جهان است که از یکی از نیمه‌رساناهای منحصر به‌فرد در دنیا به حساب می‌آید. این تراشه ۴۶,۲۲۵ میلی‌متری و ۷ نانومتری حاوی ۲.۶ تریلیون ترانزیستور است و از ۸۵۰ هزار هسته بهینه شده با هوش مصنوعی بهره می‌برد.
 
هر یک از این چیپ‌های غول پیکر درون یک سیستم CS-2 تعبیه شده‌اند و از ۴۰ گیگابایت مموری SRAM بهره می‌برند. البته می‌توان به آن‌ها رم بیشتری هم اضافه کرد که اجرای مدل‌های هوش مصنوعی با مقیاس مغز انسان را ممکن می‌کند.
 
مقیاس‌پذیری در چنین سیستمی یک چالش به حساب می‌آید. با ۲۰ پتابایت پهنای باند حافظه، ارتباط بین چندین تراشه با استفاده از تکنیک‌های سنتی که بار را میان پردازنده‌ها به اشتراک می‌گذارد، کاری چالش‌برانگیز است. علاوه بر این، قدرت محاسباتی فوق‌العاده این سیستم مقیاس‌پذیری عملکرد میان چندین سیستم بخصوص با تراشه‌ای که مصرف ۱۵ کیلوواتی دارد را تبدیل به کاری دشوار می‌کند.
 
چنین مصرف انرژی نیاز به منبع تغذیه و همچنین سیستم خنک‌کننده قدرتمندی دارد که قرارگیری تراشه‌ای با این ابعاد درون یک سیستم را به کاری تقریبا غیرممکن تبدیل می‌کند.
 
 
با وجود چنین مشکلاتی، Cerebras رویکرد متفاوتی را در پیش گرفته. این کمپانی پارامترهای مدل را خارج از چیپ روی MemoryX قرار می‌دهد اما خود مدل روی تراشه قرار می‌گیرد. با این رویکرد نه تنها یک سیستم می‌تواند مدل‌های هوش مصنوعی بزرگتر را محاسبه کند، بلکه با مشکل معمول مانند تاخیر و مشکلات پهنای باند حافظه هم مقابله می‌کند. با این روش می‌توان عملکرد را با تقریبا ۱۹۲ سیستم CS-2 افزایش داد.
 
این کمپانی همچنین برای تقسیم کارها میان نودها از فناوری SwarmX Fabric استفاده می‌کند که از ارتباطات بهینه شده توسط هوش مصنوعی بهره می‌برد. هر سوییچ SwarmX می‌تواند از ۳۲ سیستم CS-2 و تقریبا ۱ ترابیت پهنای باند به ازای هر نود پشتیبانی کند.
 
هر سوییچ سیستم‌ها را به باکس MemoryX متصل می‌کند که با ۴ ترابایت تا ۲.۴ پتابایت ظرفیت حافظه همراه است. این باکس همچنین از چند هسته x86 برای اجرای نرم افزار بهره می‌برد.
 
در حالت کلی شرکت‌های تقریبا کمی در جهان به دنبال استفاده از چنین سیستمی خواهند بود، اما Cerebras می‌خواهد اجرای مدل‌های هوش مصنوعی را ساده کند. انتظار می‌رود قدرت بالای این سیستم‌ها بیشتر مورد استفاده سازمان‌های نظامی و امنیتی قرار بگیرد.

تسلا تراشه D1 Dojo را برای تعلیم هوش مصنوعی معرفی کرد

 
تسلا از تراشه D1 Dojo برای تعلیم هوش مصنوعی رونمایی کرد. این تراشه با فرایند ساخت ۷ نانومتری TSMC ساخته شده است و بیش از ۵۰ میلیارد ترانزیستور را در خود جای می‌دهد.
 
هوش مصنوعی (AI) یکی از جنبه‌های جدید تکنولوژی به شمار می‌رود و طی سال‌های گذشته اقتباس‌های مختلفی به خود دیده است. تسلا که به‌عنوان یک شرکت فعال در حوزه خودروهای الکتریکی و خودران شناخته می‌شود، همیشه در جنبه‌های مختلف کسب‌و‌کار نگاه ویژه‌ای به هوش مصنوعی داشته و اخیرا به منظور افزایش بار کاری نرم‌افزارهای مرتبط با AI، از تراشه D1 Dojo برای تعلیم هوش مصنوعی رونمایی کرده است.
 
در حال حاضر شرکت‌های زیادی برای بار کاری هوش مصنوعی از تراشه‌های ASIC استفاده می‌کنند؛ از استارتاپ‌های کوچک گرفته تا شرکت‌های عظیمی همچون آمازون، بایدو، اینتل و انویدیا. اما شاید تعداد اندکی از این شرکت‌ها در نهایت موفق شوند روش مناسبی برای هر کاربرد پیاده‌سازی کنند. به همین خاطر است که تسلا به فکر توسعه تراشه ASIC برای تعلیم هوش مصنوعی افتاده است.
 
تراشه جدید که با نام D1 شناخته می‌شود، در واقع بخشی از ابرکامپیوتر Dojo است که برای تعلیم مدل‌های هوش مصنوعی در دفتر مرکزی تسلا به کار گرفته شده و بعدا در کاربردهای مختلف مورد استفاده قرار خواهد گرفت. تراشه مذکور با فرایند ساخت ۷ نانومتری TSMC ساخته شده است و بیش از ۵۰ میلیارد ترانزیستور در دل خود جای داده که مساحت Die این تراشه را به ۶۴۵ میلی‌متر مربع رسانده‌اند.
 
تراشه D1 ادعاهای زیادی در زمینه عملکرد دارد و بر اساس گفته‌های تسلا، می‌تواند تا ۳۶۲ ترافلاپس وظیفه با دقت FP16/CFP8 یا حدود ۲۲٫۵ ترافلاپس وظیفه با دقت FP32 را به انجام برساند. با این اوصاف به نظر می‌رسد تراشه تسلا برای داده‌های نوع FP16 بهینه‌سازی شده است؛ چرا که اگر سطح عملکرد ادعاشده درست باشد، تسلا حتی قدرتمندترین بازیگر در زمینه قدرت پردازشی کامپیوتر یعنی انویدیا را با این تراشه پشت سر خواهد گذاشت. در حال حاضر پردازنده گرافیکی A100 Ampere انویدیا می‌تواند ۳۱۲ ترافلاپس وظیفه با دقت FP16 را به انجام برساند.
 
در مقیاس سیلیکونی، تسلا یک مش متشکل از واحدهای عملکرد (FU) ساخته است که به هم متصل شده‌اند تا این تراشه بزرگ را تشکیل بدهند. هر کدام از این واحدهای عملکرد، متشکل از یک پردازنده ۶۴ بیتی به همراه یک ISA سفارشی است و ۱٫۲۵ مگابایت حافظه محلی SRAM دارد. طراحی پردازنده نیز در واقع به صورت پیاده‌سازی سوپراسکالر (superscalar) انجام شده است. واحدهای عملکرد می‌توانند یک ترافلاپس وظیفه BF16 یا CFP8 یا ۶۴ گیگافلاپس پردازش FP32 را به انجام برسانند و پهنای باند آن‌ها در هرکدام از جهت‌های مش ۵۱۲ گیگابایت بر ثانیه است. مش به این صورت طراحی شده تا واحدهای عملکرد را در یک سیکل کلاک بپیماید و به همین دلیل، تأخیر کاهش و عملکرد بهبود می‌یابد.

زبان برنامه‌نویسی جدید Triton معرفی شد

به گفته شرکت تحقیقاتی هوش مصنوعی OpenAI، برنامه‌نویسی واحدهای پردازش گرافیک در شرکت Nvidia بسیار دشوار است و به طور ویژه با زبان برنامه‌نویسی اختصاصی Nvidia موسوم به CUDA انجام می‌شود.
 
این استارت‌آپ فعال در حوزه هوش مصنوعی که دفتر مرکزی آن در سانفرانسیسکو واقع شده با پشتیبانی مایکروسافت و شرکت سرمایه‌گذاری Khosla Ventures نسخه 1.0 زبان برنامه‌نویسی جدید را در این بخش معرفی کرد.
 
این زبان برنامه‌نویسی جدید که با نام Triton شناخته می‌شود برای کاهش بار مذکور در جریان کدگذاری‌ها ساخته شده هم اکنون با انتشار یک مطلب وبلاگی اعلام شد که کدهای منبع آن در پلتفرم GitHub ارائه شده است.
 
شرکت OpenAI ادعا می‌کند که زبان برنامه‌نویسی Triton می‌تواند سهولت استفاده از کدگذاری در CUDA را برای برخی از وظایف شبکه عصبی در قلب اشکال یادگیری ماشینی و هوش مصنوعی مانند ماتریس به همراه داشته باشد.
 
«فیلیپ تیلت» از محققان مرکز OpenAI که مدیریت پروژه توسعه این زبان برنامه‌نویسی را هم برعهده داشت در این خصوص گفت: «هدف ما این است که جایگزین مناسب برای زبان CUDA ارائه دهیم و از آن در فرآیند یادگیری عمیق استفاده کنیم».