DATA SCIENCE IE – Telegram
DATA SCIENCE IE
1.51K subscribers
321 photos
54 videos
56 files
54 links
📶 پایگاه رسمی آموزش های آزاد حوزه علم داده

🌐 معرفی منابع
🌐 مقالات
🌐 فرصت های شغلی
🌐 اطلاع از دوره های دانشگاه تهران

◀️ ویژه دانشکده مهندسی صنایع و دانشگاه تهران

ارتباط با ادمین
🆔 @mrpouyannik
لینک گروه
🔘 https://news.1rj.ru/str/joinchat/EfgZ1lLWoQljX6R7
Download Telegram
Top10.png
1.8 MB
Top 10 IT job, @datascienceie
Zuckerberg @Datascienceie
- آقای زاکربرگ آیا می‌توانید بگویید دیشب در چه هتلی بودید؟
- زاکربرگ: همممم نه سناتور… (خنده حضار)
- اگر این هفته به کسی پیغامی دادین می‌توانید نامشان را به ما هم بگویید؟
- نه سناتور به‌طور عمومی نه …
- این همه آن چیزی است که برای آن اینجا جمع شده‌ایم. حفظ حریم شخصی حق شماست.
این بخشی از پرسش و پاسخ یک سناتور در جریان ماراتن ۵ ساعته شهادت مارک زاکربرگ مدیرعامل فیس‌بوک در کنگره آمریکا بود که اوایل صبح روز گذشته برگزار شد.
زاکربرگ در این جلسه در مورد پنج موضوع مختلف صحبت کرد:
مقابله با قدرت انحصاری
سناتور لیندزی گراهام از زاکربرگ درباره رقبایش پرسید مدیرعامل فیس‌بوک اشاره‌ای به هیچ اسمی نکرد. سناتور جمهوری‌خواه دوباره درباره اندازه فیس‌بوک پرسید و سپس سوال کرد آیا فیس‌بوک خیلی قدرت دارد؟ زاکربرگ با درنگی گفت این حس را من ندارم. سوالات این سناتور درباره انحصار و قدرت بیش‌ از اندازه فیس‌بوک بود.
نسخه پولی فیس‌بوک
مدیرعامل فیس‌بوک با تعداد زیادی سوال روبه‌رو شد که در مورد مدل تجاری فیس‌بوک بود و اینکه این شرکت چگونه از اطلاعات کاربرانش محافظت می‌کند. او همچنین سوالاتی هم درمورد نحوه به دست آوردن دیتای کاربران پاسخ گفت و همچنین به این سوال که آیا قصد دارد نسخه پولی و بدون آگهی فیس‌بوک را منتشر کند؟ زاکربرگ گفت که فیس‌بوک همیشه رایگان بوده اما پیشنهاد نسخه پولی هم ارزش فکر کردن دارد و امکان دارد در آینده فیس‌بوک را با یک نسخه پولی ببینیم.
تکیه آینده بر هوش مصنوعی
وقتی درمورد این پرسیده شد که فیس‌بوک می‌خواهد در آینده چگونه از ابزارهای مدرن استفاده کند زاکربرگ به این اشاره کرد که به کمک هوش مصنوعی می‌توان به سرعت محتوای تنفرآمیز یا پست‌های مشکل‌ساز را شناسایی و حذف کرد. به گفته او به نظر می‌رسد هوش مصنوعی می‌تواند در بررسی و پالایش محتوا نقش مهمی داشته باشد اما این عملکرد هنوز ثابت نشده است.
شنود از گوشی برای تبلیغات؟
یک فرضیه در مورد فیس‌بوک این بوده که این شرکت سال‌هاست از طریق بلندگوهای داخلی گوشی به مکالمات کاربر و اطرافیانش گوش می‌دهد و از این طریق متوجه علایق کاربر شده و برای او آگهی‌های مرتبط پخش می‌کند. سناتور دموکرات Gary Peters از زاکربرگ در مورد این موضوع پرسید: «به‌صورت بله یا نه بگویید آیا فیس‌بوک از موبایل کاربران برای شنیدن مکالمات اطراف کاربر استفاده می‌کند؟» زاکر برگ گفت: نه

@datascienceie
اتحادیه جهانی مخابرات شعار روز جهانی ارتباطات سال ۲۰۱۸ را «فعال کردن استفاده مثبت از هوش مصنوعی برای همه» اعلام کرد. ۱۷ مه(۲۷ اردیبهشت ماه) روز جهانی جامعه اطلاعاتی و مخابرات است که اتحادیه جهانی مخابرات همه ساله، با انتخاب یک شعار راهبردی، این روز را گرامی می‌دارد و تمامی کشورهای عضو این اتحادیه برپایه این شعار، برنامه‌های یکساله خود را در حوزه ICT تعیین می‌کنند.

اتحادیه جهانی مخابرات (ITU)، شعار امسال روز جهانی ارتباطات را فعال کردن استفاده مثبت از هوش مصنوعی برای همه اعلام کرده است. بر اساس اطلاعیه ITU، در سال‌های اخیر پیشرفت‌های قابل‌توجهی در فن‌آوری هوش مصنوعی وجود داشته‌ که با پیشرفت‌های شگرف در زمینه‌های مشارکت مانند کلان داده، یادگیری ماشین، توان محاسباتی، ظرفیت ذخیره‌سازی و محاسبات ابری در میان افراد دیگر امکان‌پذیر شده‌است. فناوری‌های مبتنی بر هوش مصنوعی در حال حاضر به‌عنوان جزء کلیدی ابزارهای فعالانه و برنامه‌های کاربردی برای کمک به مردم برای هدایت زندگی بهتر با بهبود بهداشت، آموزش، امور مالی، کشاورزی، حمل و نقل و طیف گسترده‌ای از خدمات دیگر در حال ظهور هستند.
@datascienceie
تحقیقات جدید نشان می‌دهد هوش مصنوعی می‌تواند هویت افراد را از روی لبخندشان تشخیص دهد. این به این دلیل است که لبخند زنان گسترده‌تر از مردان است. این یافته‌ها به پژوهشگران اجازه داده تا یک الگوریتم هوش مصنوعی ایجاد کنند که این سیستم می‌تواند جنسیتافراد را در ۸۶ درصد از موارد شناسایی کند. استاد «حسن اوگیل» (Hassan Ugail)، محقق اصلی این مطالعه گفت: زنان قطعا لبخند گسترده‌تری دارند و هنگام لبخند دهان و ناحیه لب خود را به مراتب بیشتر از مردان باز می‌کنند.

این روش به جای استفاده از یک تصویر ثابت، به حرکات صورت هنگام لبخند زدن نگاه می‌کند. این سیستم با ردیابی حرکت ۴۹نقطه در صورت کار می‌کند. این نشانه‌ها عمدتا به چشم‌ها، دهان و بینی نزدیک است. محققان این آزمایش را روی ۱۰۹ فرد که شامل ۶۹ زن و ۴۰ مرد بودند، انجام دادند. «حسن اوگیل» افزود: از آنجا که این سیستم جنبش عضلانی چهره در حین لبخند زدن را اندازه گیری می‌کند، ما معتقدیم حتی اگر ویژگی‌های فیزیکی خارجی تغییر کند، این پویایی باقی خواهد ماند. این سیستمتشخیص چهره می‌تواند تبدیل به نسل بعدی سیستمتشخیص هویت بیومتریک که عملکردی منحصربه‌فرد دارد، شود. «اوگیل» در ادامه گفت: ما از یک طبقه‌بندی نسبتا ساده ماشینی برای آزمایش طرح مفهومی این سیستم در تحقیق استفاده کردیم، اما هوش مصنوعی پیشرفته‌تر می‌تواند این میزان تشخیص را بهبود بخشد.

@datascienceie
کلاس sql
روزهای پنج شنبه
دانشگاه تهران
ساعت ۱۳ الی ۱۸
مدرس، پویان نیکزاد
@datascienceie
شرکت گوگل از آغاز طرحی برای ورود گسترده صنعت بهداشت و درمان به فضای رایانش ابری خبر داد و از جمله گام‌های جدید آن در این عرصه پلت‌فرم Cloud Healthcare API، محصولات بیشتر سازگار با HIPAA و همکاری‌های بیشتر در این زمینه بود. فناوری‌هایی مانند فضای رایانش ابری، هوش مصنوعی و اینترنت اشیا طی سال‌های اخیر تاثیرات قابل ملاحظه‌ای بر صنعت بهداشت و درمان برجا گذاشتند. این صنعت هم‌اکنون بیش از یک‌ششم اقتصاد آمریکا را در دست دارد و به همین خاطر از اهمیت بالایی برخوردار است.
ورود صنعت سلامت به فضای رایانش ابری

به گفته «گرِگ مور» مدیر مرکز خدمات درمانی سرویس Cloud گوگل گفت هدف این شرکت از تاکید بیشتر بر صنعت بهداشت و درمان بازتاب گسترده‌تر در این زمینه است تا اطلاعات جهان در عرصه سلامت کاربردی‌تر شوند و امکان دسترسی به آنها از هر نقطه فراهم شود. با این هدف، شرکت گوگل به تازگی سرویس Cloud Healthcare API را راه‌اندازی کرده است تا سازمان‌های فعال در عرصه سلامت بتوانند طیف گسترده‌ای از داده‌ها را مدیریت کنند و از آنها برای تحلیل دقیق و سیستم‌های یادگیری ماشینی استفاده کنند. شرکت گوگل تصمیم دارد این پلت‌فرم را سال آینده به‌صورت گسترده‌تر در اختیار عموم سازمان‌های درمانی قرار دهد. شرکت گوگل همچنین محصولات مرتبط با HIPAA را هم گسترش می‌دهد. سیستم HIPAA در اصل قانون قابلیت انتقال و مسوولیت بیمه سلامت در آمریکا است که غول اینترنتی جهان متناسب با آن سیستم‌های Google App Engine و Cloud Machine Learning Engine را راه‌اندازی کرده است.
@datascienceie
یک شرکت وابسته به گوگل، نرم‌افزار هوش مصنوعی خود را که قادر به درک فرآیند تفکر پشت تصمیمات دیگران و تشخیص عقاید اشتباه است، مورد آزمایش قرار داد. هوش مصنوعی جدیدی که افکار دیگران را درک می‌کند، توسط شرکت پژوهشی موسوم به «ذهن عمیق» (DeepMind)متعلق به گوگل ساخته شده است. شرکت «دیپ‌مایند» که گروهی از پژوهشگران هوش مصنوعی در لندن آن را تشکیل داده اند، روباتی با هدف گسترش نظریه پایه‌ای ذهن ابداع کرده است. این نرم‌افزار، قابلیت پیش‌بینی کار دیگر سیستم‌های هوش مصنوعی را دارد و حتی می‌تواند بفهمد آیا عقاید آنها در مورد دنیای اطرافشان اشتباه است یا خیر.

این نظریه، کلید تعاملات پیچیده اجتماعی محسوب می‌شود و تقلید هوش مصنوعی از انسان یک ضرورت است. این روبات موسوم به «نظریه شبکه ذهن» (Theory of Mind-net) یا « ToM-net» قادر است کار دیگر عاملان هوش مصنوعی را در محیط مجازی پیش‌بینی کند. در این آزمایش‌ها، دو نفر مورد بررسی قرار می‌گیرند که یکی از آنها به نام «آن» (Anne)، دیگری را که «سالی» (Sally) نام دارد، تماشا می‌کند. همچنین، توپی هم در جایی از اتاق مخفی شده است. یک نفر، بدون اینکه سالی ببیند توپ را به نقطه متفاوتی می‌برد و از «آن» که شاهد این ماجرا است، سوال می‌شود به نظر او، سالی کجا را برای پیدا کردن توپ خواهد گشت. «آن» برای گذشتن از این آزمایش باید نشان دهد که می‌تواند بین محل قرار گرفتن توپ و جایی که سالی فکر می‌کند توپ آنجاست، تمییز دهد و این یعنی آن باید بفهمد سالی عقیده اشتباهی درباره جای توپ دارد. پژوهشگران شرکت «دیپ‌مایند» برای آزمایش هوش مصنوعی جدید خود، این آزمایش روان‌شناختی را در محیط مجازی تکرار کردند. در این آزمایش، به " ToM-net" که نقش آن را بازی می‌کند، یک توری ۱۱ در ۱۱ با چهار شیء رنگی و تعداد زیادی دیواره داخلی ارائه شد. بدون اطلاع «ToM-net»، یک عامل هوش مصنوعی به سوی یکی از چهار شیء حرکت کرد و از «ToM-net» خواسته شد آنچه قرار است رخ دهد، پیش‌بینی کند.
@datascienceie
ارتش آمریکا در حال اجرای طرحی موسوم به ماون است که در قالب آن از هوش مصنوعی برای تفسیر و تحلیل تصاویر تهیه شده از طریق پهپادها استفاده می‌شود.

همکار اصلی در اجرای این طرح گوگل است و به همین منظور از کیت‌های برنامه‌نویسی خاصی موسوم به TensorFlow استفاده می‌شود. وزارت دفاع آمریکا با کاربرد این کیت‌ها می‌تواند به سرعت عکس‌های گرفته شده با استفاده از پهپادها را تجزیه و تحلیل کند و به اطلاعات ذی‌قیمتی دست یابد. گوگل مدعی است که این فناوری هوشمند تنها کاربردی دفاعی دارد و از آن استفاده‌های تهاجمی به عمل نخواهد آمد. البته مطالب تهیه شده توسط هوش مصنوعی گوگل توسط عده‌ای متخصص نظامی مرور و بررسی می‌شود. البته منابع مطلع می‌گویند این همکاری گوگل با ارتش آمریکا با مخالفت و واکنش منفی تند عده‌ای از کارکنان این شرکت مواجه شده که می‌گویند فناوری هوش مصنوعی نباید کاربردهای نظامی پیدا کند. اما ظاهرا مدیران ارشد گوگل برای این مخالفت‌ها و دغدغه‌ها اهمیت چندانی قائل نشده‌اند. وزارت دفاع آمریکا و گوگل هر دو از هرگونه اظهار نظر رسمی در این زمینه خودداری کرده‌اند و انتظار می‌رود عملیاتی شدن نهایی این طرح تا ۶ ماه آینده به طول بینجامد.@datascienceie
به یک نفر مهندس صنایع آشنا به اکسل و مفاهیم برنامه ریزی فروش نیازمندیم

تماس با ما:

تلگرام @hr_alp

ایمیل: cv@alppdc.ir

تلفن: 021-89328247

@datascienceie
وقتی شما بزرگ‌ترین شبکه اجتماعی جهان را هدایت می‌کنید امنیت شما از اولویت بالایی برخوردار است. فیس‌بوک اعلام کرد طی سال ۲۰۱۷ حدود ۳/ ۷ میلیون دلار هزینه امنیت مدیرعاملش زاکربرگ کرده است.
هزینه سنگین برای محافظت از زاکربرگ

فیس بوک این عدد را در گزارش اعلامی به کمیسیون بورس و اوراق بهادار فدرال (SEC) فاش کرده است. این تقریبا ۵۰ درصد بیشتر از ۸/ ۴ میلیون دلاری است که فیس‌بوک در سال ۲۰۱۶ هزینه امنیت زاکربرگ کرده است. شرکت فیس‌بوک اعلام کرده ۵/ ۱ میلیون دلار هزینه هواپیمای خصوصی مدیرعامل آن شده است. سال گذشته فیس‌بوک ۸۷۰ هزار دلار برای این موضوع هزینه کرده بود. در بیانیه فیس‌بوک آمده که این هزینه برای شرکت ضروری بوده چراکه زاکربرگ نقش کلیدی در آینده و موفقیت فیس‌بوک دارد. بر اساس گزارش فیس‌بوک به کمیسیون بورس حقوق زاکربرگ همچنان یک دلار در سال است.
@datascienceie
گوگل با استفاده از هوش مصنوعی، سیستمی طراحی کرد که می‌تواند صدای افراد مختلف را از هم تمیز دهد. حتی اگر آنها در یک محیط پراز سر و صدا حضور داشته باشند. معمولا انسان‌ها قادرند یک صدا را حتی در میان شلوغی نیز تشخیص دهند اما تاکنون این توانایی در رایانه‌های موجود متداول نبوده است. کافی است در یک مهمانی یا یک مکان پر سر و صدا با دستیار صوتی گوشی هوشمند خود صحبت کنید تا ناتوانی گوشی را برای تفکیک صدا مشاهده کنید. در همین راستا گوگل یک راه حل شگفت‌آور ارائه داده است و محققان آن یک سیستم عمیق یادگیری تولید کرده‌اند که می‌تواند با تماشای چهره مردم هنگام صحبت کردن، صدای آنها را تشخیص دهد و بیاید. این تیم تحقیقاتی در ابتدا مدل شبکه عصبی این فناوری را به نحوی طراحی کردند که بتواند افرادی را که با خودشان در حال صحبت کردن هستند تشخیص دهد، سپس این مدل را به یک «میهمانی مجازی» تغییر داده و در پیش‌زمینه آن صداهای گوناگونی را افزود. @datascienceie
اپل در یادداشتی به کارمندان درباره نشت اطلاعات داخلی به رسانه هشدار داده است. همچنین در یادداشت ذکرشده تاکنون ۱۲ نفر از افرادی که اطلاعات را فاش کرده‌اند، بازداشت شده‌اند. این یادداشت در شبکه داخلی اپل پست شده است. اپل در یادداشت خود اعلام کرده در سال ۲۰۱۷ میلادی ۲۹ نفر از فاش‌کنندگان اطلاعات داخلی را دستگیر کرده که از این تعداد ۱۲ نفر بازداشت شده‌اند. همچنین فردی که فاش کرده بود ارائه برخی از ویژگی‌های جدید iOS تا سال ۲۰۱۹ به تعویق می‌افتد، نیز بین افراد بوده است. در این یادداشت آمده است: افرادی که اطلاعات را نشت می‌کنند، خواه کارمند، پیمانکار یا تهیه‌کننده اپل باشد، حتما دستگیر می‌شوند. همچنین در آن توضیح داده شده تحلیلگران رسانه‌ها، وبلاگ نویسان از این نشت اطلاعات منفعت مالی می‌برند اما فاش‌کنندگان آن همه چیز را ازدست می‌دهند. این شرکت توضیح داده با تحقیقات داخلی فاش‌کنندگان اطلاعات را زودتر ردیابی می‌کند. در همین راستا بسیاری از کارمندان از اپل اخراج شده‌اند و در برخی موارد، شرکت از افراد شکایت کرده است. @datascienceie
شرکت اسپیس ایکس آماده است ماهواره سیاره یاب جدید ناسا را به مدار زمین ببرد. درهمین راستا یک موشک فالکون ۹ این ماهواره را فردا به مدار زمین می‌برد. شرکت اسپیس ایکس قصد دارد نسل آتی ماهواره سیاره یاب ناسا را به مدار زمین ببرد. این ماهواره فضا را برای وجود سیارات خارج از منظومه شمسی رصد می‌کند. این شرکت آزمایش پرتاب موشک فالکون ۹ را در مقر کیپ کارناوال فلوریدا با موفقیت انجام داد. از سوی دیگر ناسا نیز ماهواره Transit Exoplanet Survey Satelite یا TESS را به مقر فضایی کندی برده تا همراه این موشک به مدار زمین ارسال شود. ماهواره سیاره یاب مذکور در واحد Orbital ATK در ویرجینیا ساخته شده است. TESS پس از پرتاب به جست‌وجوی سیگنال سیاراتی می‌پردازد که دور ۲۰۰ هزار ستاره مدار می‌زنند. جیمز وب، تلسکوپ نسل آتی ناسا نیز با استفاده از همین شیوه اعماق فضا را جست‌وجو خواهد کرد. @datascienceie
machine learning
@datascienceie
فناوری رایانش ابری با DNAها و CDNهای قدرتمند توانسته حجم عظیم اطلاعات را در یک فضای ابری یا اینترنتی ذخیره‌سازی و در مواقع درخواست کاربران آنها را پردازش کند. در غیر این صورت سایت‌های ارائه ویدئو آنلاین باید فضایی به اندازه یک شهر را به هاردها و سخت‌افزارهای بزرگ ذخیره اطلاعات اختصاص دهند. امروزه گروه‌های امنیتی مختص شرکت‌ها فضای ابری را به‌عنوان یک محیط امن معرفی می‌کنند، در حالی که سوءتفاهم در مورد محیط‌های ابری در حال فراگیری است.

براساس تحقیقات صورت گرفته سازمانی که در سال ۲۰۱۸ از موسسه iboss (موسسه تامین‌کننده امنیت سایبری شرکت‌ها) انجام شد و بررسی‌کنندگان، تصمیم‌گیرندگان و کارکنان دفتر در شرکت‌های ایالات‌متحده را مورد بررسی قرار داده،‌ مشخص شد ۶۴ درصد از تصمیم‌گیرندگان در عرصه فناوری اطلاعات معتقدند سرعت استفاده از نرم‌افزار به‌عنوان یک خدمت کاربردی در سازمان SaaS منجر به افزایش امنیت در سازمان آنها شده، به همراه فشارهای فزاینده از سوی کارکنان بخش IT و کارکنان تلفن همراه، ۹۱ درصد از تصمیم‌گیرندگان در مورد نیاز سازمان‌ها و شرکت‌ها به به‌روزرسانی سیاست‌های امنیتی برای حفاظت از فضای ابری کاربران خود توافق دارند. با این‌حال، تصورات غلطی در مورد نحوه تغییر جهش فضای ابری از مزیت به چالش وجود دارد؛ طبق گزارش پلیس فتا، به‌طور متوسط، تصمیم‌گیرندگان حوزه فناوری اطلاعات معتقدند ۳۶ درصد کارکنان فضای ابری سیاست‌های امنیتی را دور می‌زنند؛ درواقع، ۴۸ درصد از کاربران فضای ابری که جزو کارکنان اداری یک سازمان هستند و دورکاری می‌کنند نیز سیاست‌های امنیتی این حوزه را دور می‌زنند؛ این در حالی است که ۸۲ درصد از کارکنان اداری که دورکاری می‌کنند اعتراف کرده‌اند که هنگام کار از VPN استفاده می‌کنند.

حدود ۶۲ درصد از کارکنان اداری مشغول در سازمان‌ها برای دسترسی به یک برنامه کاری در سازمان خود از قوانین امنیتی فناوری اطلاعات، اطلاع درستی ندارند و تقریبا ۸۰ درصد از تصمیم‌گیرندگان فناوری اطلاعات این نوع سایه فناوری اطلاعات را مهم‌ترین نگرانی امنیتی می‌دانند. نتایج این نظرسنجی همچنین نشان می‌دهد تقریبا نیمی از تصمیم‌گیرندگان حوزه فناوری اطلاعات به خاطر مسائل امنیتی علاقه چندانی به گرایش افراد و سازمان‌ها به سمت استفاده از فضای ابری ندارند. نگرانی اصلی متخصصان حوزه IT در هنگام بررسی گرایش کاربران به سمت فضای ابری، حفظ حریم خصوصی داده‌ها، هزینه تعمیر و نگهداری، هزینه‌های انتقال اطلاعات برای ذخیره در این فضا، نگرانی‌ها در مورد ادغام زیرساخت‌های انتقال داده‌ها و مقررات انطباق و حفاظت از داده‌ها است.
@datascienceie
نمونه اولیه دستبندی ساخته شده که با کمک الگوریتم‌های ماشین یادگیری حرکات معمول کاربر را ردیابی می‌کند و با مشاهده وضعیت غیر معمول حمله مهاجم به وی را ردیابی و به رهگذران هشدار می‌دهد. ساخت زیورآلاتی که هنگام حمله به صاحبشان پیام هشدار ارسال می‌کنند، پدیده چندان تازه‌ای نیست. در همین راستا جدیدترین نمونه زیور آلات حفاظتی یعنی دستبند Smart Jewelry ساخته شده است.

جایوان پاتل یکی از دانشجویان دانشگاه آلاباما این دستبند را ساخته که هم‌اکنون فقط نمونه اولیه آن تولید شده است. در این دستبند یک میکروکنترلر کوچک (Adafruit Circuit Playground) همراه ژیروسکوپ، سرعت سنج، حسگر دما و فشار، جی پی اس و میکروفن وجود دارد. گجت مذکور به کمک حسگرها فعالیت‌ها و علائم حیاتی کاربر را به‌طور مداوم رصد می‌کند. همچنین می‌تواند وضعیت او (کاربر ایستاده یا دراز کشیده) را تشخیص دهد. از سوی دیگر یک الگوریتم ماشین یادگیری حرکات معمول کاربر را ردیابی می‌کند و میان آنها با حرکات غیر منتظره و ناگهانی (که احتمالا نشانگر حمله مهاجم است) تمایز قائل می‌شود. دستبند هنگام ردیابی حرکات غیر منتظره صدای بوق بلندی از خود منتشر می‌کند و چراغ‌های ال‌ای دی قرمز رنگ آن چشمک می‌زنند تا توجه رهگذران را جلب کنند. همچنین گجت به وسیله بلوتوث به موبایل کاربر متصل می‌شود و پیامی به پلیس و شماره تماس افرادی از پیش تعیین شده می‌فرستد. این پیام حاوی موقعیت مکانی کاربر نیز است.
@datascienceie
هوش مصنوعی چه چیزهایی را می‌توانداز سگ‌ها بیاموزد؟ خیلی چیزها. محققان دانشگاه واشنگتن و انستیتوی هوش مصنوعی Allen (انستیتویی که توسط پل الن یکی از بنیانگذاران مایکروسافت پایه گذاری شده) حالا مدلی از دید بصری کامپیوتری را که از تحقیق روی نگاه و رفتار یک سگ برداشت شده برای توسعه مدلی از هوش بصری ارائه کرده‌اند.
یادگرفتن از سگ‌ها برای توسعه هوش مصنوعی

کیانا احسانی، حسام باقری نژاد، روزبه متقی، علی فرهادی و جوزف ردمون این تحقیق را در دانشگاه Cornell ثبت کرده‌اند آنها در توضیح تحقیقاتشان نوشته‌اند: « ما یک عامل بصری هوشمند را مدل کرده‌ایم. دید کامپیوتری به‌طور عمومی روی حل مشکلات ریز مربوط به هوش بصری تمرکز دارد ما از این رویکرد استاندارد به دید کامپیوتری رد شده‌ایم و در عوض یک عامل بصری هوشمند را مدل کرده‌ایم. مدل ما اطلاعات بصری را به عنوان ورودی می‌گیرد و به‌طور مستقیم عملکردهای عامل را پیش‌بینی می‌کند.» کیانا احسانی که این تیم تحقیقاتی را هدایت کرده به سایت The Verge گفته برای اینکه هوش مصنوعی بتواند شبیه یک سگ فکر کند نیاز به دیتا داشتیم به همین منظور با استفاده از یک دوربین GoPro متصل شده به یک سگ به نام Kelp بالغ بر ۳۸۰ فیلم کوتاه تهیه شد. همچنین سنسورهایی هم به پا و بدن این سگ متصل بود. فیلم‌ها از راه رفتن عادی، بازی کردن و حرکات او در پارک و خیابان تهیه و مورد تجزیه و تحلیل قرار گرفت. با کمک این داده‌ها محققان رفتار Kelp را با استفاده از داده‌کاوی عمیق (Deep Learning) مورد بررسی قرار دادند.

کیانا احسانی که دانشجوی دکترای دانشگاه واشنگتن است می‌گوید: قدرت پیش‌بینی سیستم آنها در فواصل کوتاه بسیار دقیق است با این حال زندگی به راحتی قابل پیش‌بینی نیست مثلا اگر شما پله‌ای را در تصویر نمای سگ ببینید می‌گویید از پله‌ها بالا می‌رود اما از کجا معلوم که سگ همان موقع یک اسباب بازی یا یک شیء دیگری را نبیند که بخواهد به سمت آن برود. کسی نمی‌داند. کیانا احسانی می‌گوید یکی از دلایلی که سگ را برای موضوع تحقیق انتخاب کردیم این است که آنها برای قدم زدن بسیار مناسبند برای پیدا کردن چیزی در هنگام راه رفتن و اینکه کجا اجازه دارند بروند و کجا نه. به گفته این محقق این موضوع برای کامپیوتر بسیار پیچیده است چون نیاز به پیش دانش بسیاری دارد. در نهایت تحقیقات این تیم می‌تواند به قدرت بیشتر هوش مصنوعی و توسعه روباتیک کمک کند. هرچند این تحقیق فعلا یک بخش بسیار کوچک از چیزی است که ممکن است در آینده برای توسعه هوش مصنوعی از حیوانات آموخته شود.
@datascienceie