خدمات شبکه و پشتیبانی شبکه

هوش مصنوعی شاهکار رامبرانت را بازسازی کرد

تیر ۱۳, ۱۴۰۰/در gasht shabaneh, houshe masnoei, Rembrandt, اینترنت و شبکه, فناوری اطلاعات /توسط ادمین

بسیاری از کارشناسان بر این باورند که یکی از بزرگ‌ترین خرابکاری‌های آثار هنری در سال 1715 میلادی رخ داد و آن زمان مسئولان وقت تصمیم گرفتند بخش‌هایی از تابلوی «گشت شبانه» اثر بزرگ رامبرانت را از یکدیگر جدا کنند تا بوم عظیم نقاشی با اندازه دیوار مورد نظر تطبیق پیدا کند و امکان نصب آن بین دو در ساختمان مرکزی موزه ملی آمستردام فراهم شود. با عملی شدن این اتفاق بخش‌های جدا شده از تابلو مفقود شد و نقاشی اصلی هم از قرن نوزدهم به بعد به‌صورت ناقص در مرکز ساختمان موزه ملی آمستردام در معرض دید عموم قرار گرفت تا علاقه‌مندان از آن دیدن کنند.

هم اکنون پس از گذشت حدود 300 سال، هوش مصنوعی کمک کرد تا علاقه‌مندان به هنر بتوانند تابلوی «گشت شبانه» را با ابعاد واقعی و به همراه بخش‌های از دست رفته در اختیار داشته باشند. این اتفاق که برای نخستین بار در دنیای هنر صورت گرفت، ابعاد بسیار پیچیده و جالب از تابلوی رامبرانت را نمایان کرد.

گشت شبانه هوش مصنوعی

«رامبرانت هارمنزون فان راین» که با نام کوچک خود شناخته می‌شود از نقاشان معروف هلند است که سال 1606 میلادی در خانواده‌ای به دنیا آمد که پدرش آسیابان بود. او از همان ابتدا علاقه فراوانی به هنر داشت و در دوران طلایی هلند، نقاشی معروف «گشت شبانه» را ترسیم کرد که البته از این اثر با نام‌های «نگهبان شب» و «همراهی کاپیتان فرانس بَنینگ کاک با سروان ویلم ون رایتنبرگ» هم یاد می‌شود، است. آن زمان رامبرانت مرد متمولی بود که برای کارهای خود دستمزد بسیار زیاد دریافت می‌کرد و این اثر را به سفارش کوک، شهردار و فرمانده گارد آمستردام کشید و در این کار از فردی که در جلوی تصویر است مبلغ 100 گیلدر پول رایج هلند و در مجموع 1600 گیلدر دریافت کرد که این رقم در تاریخ هلند یک دستمزد افسانه‌ای بود.

این مشهورترین و پرحاشیه‌ترین نقاشی رامبرانت بود. پس از گذشت 73 سال «گشت شبانه» به تالار شهرداری آمستردام منتقل شد و از آنجایی که قرار بود این تابلوی بزرگ بین دو در اصلی ساختمان قرار بگیرد و جای کافی برای نصب آن وجود نداشت، مسئولان تصمیم گرفتند تابلو را به تکه‌های مجزا تبدیل کنند و آن را از هر چهار طرف جدا کنند. این اتفاق موجب شد که بخش‌هایی از تابلو مفقود شود و البته ماجرای «گشت شبانه» به اینجا ختم نشد. در سال 1911 میلادی موقع حمله آلمان نازی به هلند مردی که در یک پناهگاه زیرزمینی پنهان شده بود به این تابلو حمله کرد، در سال 1975 میلادی معلمی که به‌تازگی بیکار شده بود با چاقو به سمت این تابلو حمله‌ور شد و سپس در سال 1990 یک فرد دیگر به این تابلو اسید پاشید.

این اتفاقات در طول تاریخ باعث شد بخش‌هایی از تابلو آسیب ببیند و به‌همین دلیل گروهی از پژوهشگران تصمیم گرفتند با استفاده از فناوری‌های هوش مصنوعی و یادگیری ماشینی، بخش‌های از بین رفته را بازسازی کنند. موز ملی آمستردام برای این اقدام از دو تصویر استفاده کرد تا سیستم هوش مصنوعی را با فضای تابلو آشنا کند و در کنار آن، سیستم یادگیری ماشینی بیاموزد که چگونه در قالب یک «رامبرانت مصنوعی» برای بازسازی بخش‌های آسیب دیده دست به قلم شود. تصویر اول در اصل اسکن تهیه شده از تابلو با وضوح بسیار بالا بود که از نسخه تهیه شد و سپس نسخه دوم به‌عنوان کپی نقاشی شده توسط «گِریت لاندنس» هنرمند مشهور انگلیسی که در موزه ملی لندن از آن نگهداری می‌شود، در اختیار فناوری هوشمند قرار گرفت.

در این اقدام به جای آنکه از یک نقاش حرفه‌ای برای بازسازی تابلو استفاده شود، فناوری هوش مصنوعی و یادگیری ماشینی به کار گرفته شد تا پیکسل به پیکسل اثر به سبک رامبرانت دوباره خلق شود و از عکس‌های اسکن شده به‌عنوان مرجعی برای جزئیات و رنگ‌های استفاده شده در نسخه اصلی الهام گرفته شود. «رابرت اردمان» دانشمند ارشد موزه ملی آمستردام در این خصوص گفت: «تلاش ما در اتفاق مذکور این است که بدون حضور هنرمند بهترین حدس‌ها را بزنیم و با اطمینان کامل بدانیم که در «گشت شبانه» چه اتفاقاتی افتاده است.»

به این صورت با فناوری ویژه‌ای که پژوهشگران هلندی در اختیار گرفتند فعالیت خود را آغاز و در مرحله بعد تصاویر مربوطه چاپ شد و در کناره‌های نقاشی اصلی قرار گرفت تا بازدیدکنندگان بتوانند بوم کامل را همان طور که هنرمند در نظر گرفته بود، تصور کنند. بازدیدکنندگان این موزه هم اکنون می‌توانند تغییرات اعمال شده را به این صورت ببینند: سه شکل ترسیم شده در سمت چپ شامل دو مرد و یک پسر، یک کلاه ایمنی کامل در سمت راست نقاشی، نمای واضح‌تر از پسری در پیش زمینه چپ در حال فرار از نظامیان و تغییر وضعیت ترکیب نقاشی.

«پیتر رولوفس» مدیر بخش نقاشی و مجسمه موزه ملی آمستردام در این خصوص گفت: «با نگاه به مفهوم ترکیب متوجه می‌شویم که چگونه رامبرانت به‌عنوان کارگردان یا مجری اثر سعی می‌کند چشمان ما را در بخش‌های مختلف نقاشی به حرکت دربیاورد و از طریق ترکیب رنگ، چشم‌های ما را حرکت دهد تا قطعه اصلی که کاپیتان به‌همراه معاون او در کنار هم ایستاده‌اند، چشمان ما را خیره کند و هوش مصنوعی هم اکنون به ما کمک کرده است درک بهتری از اهداف اصلی رامبرانت داشته باشیم و بتوانیم مفهوم اصلی اثر را درک کنیم.»

این فناوری هنرمند

اواخر ماه گذشته پژوهشگران آزمایشگاه علوم رایانه و هوش مصنوعی دانشگاه ام‌آی‌تی (CSAIL) سامانه هوشمندی مبتنی بر فناوری ماشینی موسوم به «تایم‌کرافت» را معرفی کردند که می‌تواند مراحل کشیده شدن یک تابلوی نقاشی را ردیابی کند و به‌عنوان مثال، به‌صورت کاملاً دقیق محاسبه کند فشار هر یک از ضربات احتمالی قلم مو روی بوم چه اندازه بوده است و نقاش در هنگام خلق اثر چه روحیه و فضای فکری داشته است. این سیستم هوشمند که در مورد آثار نقاشی های بزرگ هم مورد استفاده قرار می‌گیرد، دنیای پشت پرده هر یک از آثار هنری را پس از گذشت سالیان زیاد نمایان می‌کند.

سیستم هوشمند «تایم‌کرافت» که هم اکنون تمام مراحل آزمایشی را با موفقیت پشت سر گذاشته است علاوه بر هوش مصنوعی، فناوری یادگیری ماشینی را هم شامل می‌شود و برای آنکه نتایج قابل قبولی را در اختیار محققان بگذارد، 200 تصویر ویدئویی کوتاه از مراحل کشیده شدن نقاشی‌های آبرنگ و دیجیتالی در اختیار گرفته است تا آموزش‌های لازم را ببیند. پژوهشگران در بخش دیگر یک شبکه عصبی پیچشی در نظر گرفته‌اند تا این سیستم هر یک از مطالبی را که یاد می‌گیرد در مناسب‌ترین زمان به کار برد و هنگام تحلیل آثار هنری بدرستی از آنها استفاده کند.

شرکت گوگل نیز به تازگی مدل ویژه‌ای از فناوری هوشمندی ارائه کرده است که به افراد امکان می‌دهد با رسم خط‌های ساده از تصاویری که در ذهن خود دارند، نقاشی‌های زیبا خلق کنند.

این فناوری که جدیدترین پروژه آزمایشگاه «کریتیو لب» گوگل محسوب می‌شود و دسترسی به آن در سایت اینترنتی «اوتو- دراو» فراهم شده است به کاربران در گروه‌های سنی مختلف کمک می‌کند هر تصویری را که در ذهن خود دارند با خط‌های ساده ترسیم کنند و تنها چند لحظه منتظر بمانند تا هوش مصنوعی بهترین و مرتبط‌ ترین پیشنهادهای مربوط به خطوط رسم شده را ارائه دهد و در نهایت کاربر بتواند تصویر ذهنی خود را در قالب یک نقاشی حرفه‌ای و زیبا در اختیار بگیرد.

به‌گفته گوگل، سیستم جدید حتی می‌تواند خط‌های کج و نامعلوم را هم به یک اثر هنری تبدیل کند تا در نهایت هوش مصنوعی بتواند همه مردم جهان را به نقاشان حرفه‌ای بدل کند.

Copilot ، ابزار هوش مصنوعی گیت‌هاب و OpenAI رونمایی شد

تیر ۱۰, ۱۴۰۰/در barnameh nevisi, Copilot, git hub, houshe masnoei, OpenAI, اینترنت و شبکه, فناوری اطلاعات /توسط ادمین

شرکت‌های گیت‌هاب و OpenAI از ابزاری جدید مبتنی بر هوش مصنوعی به نام Copilot رونمای کردند که می‌تواند به اپلیکیشن ویژوال استودیو کد ادیتور اضافه شود و در کدنویسی به کاربر کامل کند.

گیت‌هاب اعلام کرد که ابزار Copilot قادر به ارائه عملکردی فراتر از ارائه کدهای از پیش‌ تعریف‌شده به آن است. بدین معنی که می‌تواند کدی را که پیشتر نوشته‌ شده را تجزیه و تحلیل کرده و یک کد جدید مطابق با آن را ایجاد کند.

نمونه‌هایی که در وب‌سایت این پروژه ثبت شده، نشان می‌دهد که این ابزار قادر است به صورت خودکار، کدهایی را برای ایمپورت (وارد) کردن توییت‌ها، ترسیم نقشه‌های پراکندگی و به دست آوردن رتبه در Goodreads را بنویسد.

به گفته نت فریمن، مدیرعامل گیت‌هاب، ابزار Copilot با زبان‌های برنامه‌نویسی پایتون، جاوا اسکریپ، تایپ اسکریپ، رابی (Ruby) و Go سازگار است. گیت‌ها از این دستاورد به عنوان تحولی بزرگ در برنامه‌نویسی دو نفره یاد می‌کند. جایی که دو کدنویس روی یک پروژه کار می‌کنند و اشکالات یکدیگر را اصلاح کنند و فرآیند توسعه را سرعت ببخشند. در اینجا، ابزار Copilot نقش کدنویس دوم را ایفا و به صورت مجازی همراهی می‌کند.

توسعه این ابزار، اولین پروژه بزرگ حاصل از سرمایه‌گذاری یک میلیارد دلاری مایکروسافت در شرکت OpenAI که اکنون تحت مدیریت سم آلتمن فعالیت دارد، محسوب می‌شود. ابزار Copilot مبتنی بر پلتفرمی‌جدید تحت عنوان OpenAI Codex ساخته شده است.

تلاش IBM برای مبارزه با تبعیض بواسطه هوش مصنوعی

تیر ۵, ۱۴۰۰/در houshe masnoei, IBM, اینترنت و شبکه, فناوری اطلاعات /توسط ادمین

صنعت تبلیغات یکی از صنایع پردرآمد جهان است و در قرن ۲۱ تبلیغات دیجیتال با روش‌هایی مثل تبلیغات هدفمند و رفتارشناسی کاربران به یکی از پربازده ترین روش‌های تبلیغات تبدیل شده و سهم خود در تبلیغات را افزایش داده است. گزارش‌ها نشان می‌ددهد که تبلیغات در این بازار دچار تبعیض‌هایی شده است که کار را برای گروهی نسبت به گروه دیگر سختر‌تر می‌کند. حال شرکت IBM در حال توسعه ابزار‌هایی است که تضمین می‌کند الگوریتم‌های تبلیغات آنلاین را به صورت غیرمنصفانه نمایش ندهند و قرار است نگرانی‌های موجود درمورد تبعیض در این صنعت با کمک هوش مصنوعی رفع کند.

طبق گزارش استاتیستا (Statista) در سراسر جهان نزدیک به ۳۸۰ میلیارد دلار صرف تبلیغات دیجتال شده است و این آمار هر سال در حال رشد است و موضوعی مثل پاندمی کرونا که بسیاری از تجارت‌ها را با مشکل مواجه کرد بر این بخش تاثیری نداشته و حتی می‌توان گفت حکم شتاب دهنده را داشته است.

اما در یک دهه اخیر ناظران بازار متوجه یک سری تبعیض‌ها علیه گروه‌ها و گاهی اقلیت‌ها شده‌اند که شاید برای شرکت‌ها بازده مالی داشته باشد اما از لحاظ اخلاقی، اجتماعی و در برخی موارد قانونی درست نیست.

براساس گزارش رویترز، شرکت IBM در حال توسعه ابزار‌هایی است که تضمین می‌کند الگوریتم‌های تبلیغات آنلاین تبلیغات را به صورت غیرمنصفانه به گروه‌های خاصی مثل عمدتا مرد یا ثروتمند نمایش ندهند و قرار است نگرانی‌های موجود درمورد تبعیض در این صنعت را رفع کند.

این شرکت روز پنجشنبه ۲۴ ژوئن در مصاحبه با رویترز اعلام کرد که تیمی متشکل از ۱۴ نفر مسئله «انصاف» در تبلیغات را به مدت شش ماه بررسی کرده و روش‌های شناسایی و جلوگیری از تبعیض ناخواسته از جمله در مخاطبان و پیغام‌ها را بررسی می‌کنند.

محققان و گروه‌های حقوق بشری در مطالعات مختلف دریافتند که مخاطبانی مثل سیاه پوستان یا بانوان از تبلیغاتی مثل مشاغل، مسکن و برخی تبلیغات دیگر کنار گذاشته می‌شوند.

در سال ۲۰۱۶ پروپابلیکا (ProPublica)، یک مرکز خبری خیریه که موضوعات مربوط به منافع اجتماعی را بررسی می‌کند، نگاه دقیقی به پلتفرم تبلیغاتی فیسبوک که یکی از بزرگترین بازیگران تبلیغات دیجیتال است داشت و نشان داد که ابزار‌های هدفگیری تبلیغات این شرکت به خریداران تبلیغات اجازه می‌دهد تا سیاه پوستان را از تبلیغات تبلیغات فروش مسکن مستثنی کنند که نقض قوانین فدرال است. فیسبوک در آن زمان گزینه‌هایی را تحت عنوان «قرابت قومی» برای هدفگیری تبلیغات داشت و مدعی بود که قرابت قومی کاربر برای یک سری صفحات، گروه‌ها و دیگر محتوای فیسبوک ارتباطی با پس زمینه نژادی یا مذهبی آنها ندارد.

مطالعه دیگری از پروپابلیکا نشان داد که هدف گیری تبلیغات براساس جغرافیا باعث شده تا آسیایی‌های ساکن آمریکا برای محصولی یکسان قیمت پیشنهادی بالاتری را نسبت به دیگر شهروندان آمریکایی دریافت کنند.

مطالعه دیگری توسط مجله تجاری هاروارد (HBR) نشان داد که چطور تصمیم گیری الگوریتم درمورد قیمت‌ها باعث تبعیض می‌شود. آنها با بررسی پاسخ مردم آمریکا به پیشنهادهای قیمت تایید کردند که «افراد مناطق ثروتمند نسبت به مناطق فقیر پاسخ بهتری نسبت به تخفیف‌های تجارت الکترونیک داشتند و از آنجایی که الگوریتم‌های قیمت به گونه‌ای طراحی شده‌اند که به کاربرانی با بیشترین احتمال پاسخ تخفیف پیشنهاد دهند»، پس تخفیف بیشتر و قیمت‌های بهتری به افراد پر درآمد پیشنهاد می‌شود.

پروپابلیکا و چند مرجع خبری دیگر در چندین گزارش نشان دادند که این ابزار‌ها به خریداران تبلیغات اجازه می‌دهد تا گروه‌های قومی مختلفی از جمله گروه‌های قومی، مذهبی و دیگر دسته‌های محافظت شده را نه تنها در تبلیغات مسکن، بلکه در تبلیغات کاری و بیمه نیز نادیده بگیرند. بررسی‌های بیشتر نشان داد که تکنیک‌هایی مثل استفاده از کد پستی و دیگر تکنیک‌های هدف گیری به خریداران تبلیغات اجازه می‌داد یک سری مناطق جغرافیایی را نادیده بگیرند.

فیسبوک و گوگل نهایتا در توافقی با واشنگتن استفاده از دسته‌ بندی‌های نژادی و مذهبی را برای هدف گیری تبلیغات ممنوع کردند و متعهد شدند که با تبعیض‌هایی براساس وضعیت نظامی، نقص عضو، محل تولد و جهت گیری‌های جنسی مقابله کنند.

با وجود تلاش این شرکت‌ها، مشکل همچنان باقی است و مسئله نگرانی درمورد حریم خصوصی داده نیز شکل تازه‌ای به بازار اینترنت می‌دهد.

باب لورد، نماینده ارشد IBM، در مصاحبه با رویترز می‌گوید: «بنیان تبلیغات به مشکل خورده و ما باید این خانه را از نو بسازیم. حالا که باید این کار را انجام دهیم بیایید انصاف را در قلب آن قرار دهیم.»

رابرد ردموند، مسئول طراحی هوش مصنوعی برای تبلیغات، بررسی‌های اولیه IBM روی خرید تبلیغات همین شرکت نشان داد که می توان تبلیغات را منصفانه به تمامی گروه‌ها نمایش داد و این موضوع تاثیری بر شاخص‌هایی مثل درصد کاربرانی که روی تبلیغات کلیک می‌کنند ندارد.

ردموند در یک مثال فرضی توضیح داد که اگر یک تبلیغ کننده در وضعیت فعلی تصمیم بگیرد که تبلیغات را تنها به مردان آمریکایی نمایش دهد، تبلیغات احتمالا به ساکنان شهر‌های بزرگ و سفید پوستان نمایش داده می‌شود زیرا این افراد بیشتر روی تبلیغات کلیک می‌کنند. IBM در حال بررسی است که آیا برنامه‌های هوش مصنوعی می‌توانند این موضوع را شناسایی و سپس تبلیغات را به صورتی برابر هدایت کنند.

این شرکت سپس داده‌های مربوط به بیانیه‌های عمومی کنسول تبلیغات درمورد واکسن‌های کوئید-۱۹ را بررسی کند. لیزا شرمن، نماینده و مدیر اجرایی این کنسول، می‌گوید: «تبعیض سیستماتیک متاسفانه در هر گوشه‌ و کناری از صنعت تبلیغات دیده می‌شود. ما امیدواریم که این تحقیقات گام‌هایی که ما برای رفع تبعیض ناخواسته برمی‌داریم را تایید و قسمت‌هایی که ما و دیگران باید به اصلاح آن بپردازیم را مشخص کنند.»

بازار تکنولوژی «تشخیص چهره» به ۸٫۵ میلیارد دلار خواهد رسید

تیر ۳, ۱۴۰۰/در corona, FRT, houshe masnoei, tashkise chehreh, اینترنت و شبکه, فناوری اطلاعات /توسط ادمین

فناوری تشخیص چهره(FRT) یکی از تکنولوژی‌هایی است که این روزها در جهان توسعه یافته و البته در دوران کرونا هم با توجه به ضرورت تماس حداقلی، این فناوری مبتنی بر هوش مصنوعی مورد توجه ویژه قرار گرفته است. تازه‌ترین گزارش مؤسسه پژوهشی Comparitech نشان می‌دهد ارزش بازار تکنولوژی تشخیص چهره در جهان که در سال 2020 حدود 3.8میلیارد دلار بوده تا سال 2025 دوبرابر شده و به 8.5میلیارد دلار خواهد رسید.

معایب یک فناوری

با وجود موفقیت‌های این تکنولوژی بویژه در دوران کرونا، نام فناوری تشخیص چهره با نگرانی‌هایی بابت نقض احتمالی حریم خصوصی گره خورده و بسیاری معتقدند تنها در صورتی می‌توان این فناوری را پذیرفت که این تکنولوژی با روش اخلاقی و تحت یک نظارت صحیح توسعه یابد و حقوق شهروندی کاملاً رعایت شود. از بزرگترین کمپانی‌های جهان که در حال توسعه نرم افزار اسکن چهره هستند می‌توان به آلفابت شرکت مادرتخصصی گوگل، اپل، کمپانی چینی تنسنت، آمازون و هلدینگ علی بابا اشاره کرد که البته این شرکت‌ها تاکنون در این مسیر با مشکلاتی هم مواجه بوده‌اند.

به‌عنوان مثال پس از قتل جورج فلوید در مینه سوتا و به راه افتادن موج اعتراضات علیه خشونت پلیس در مقابل افراد رنگین پوست، شرکت آمازون زیر فشار مدافعان حقوق مدنی، مجبور شد استفاده از نرم افزار تشخیص چهره خود را به مدت یک سال متوقف کند. این مدافعان معتقد بودند تطبیق نادرست چهره می‌تواند منجر به دستگیری‌های اشتباه و سرکوب آزادی بیان شود.گفتنی است آمازون این تعلیق را برای مدتی نامعلوم تمدید کرده است.

اشتباهات سیستم شناسایی چهره برای متقاضیان بیمه بیکاری هم دردسرساز شده است. به‌عنوان مثال ازآنجاکه هویت متقاضیان در امریکا با سیستم ID.me تأیید می‌شود، مشکلات این سیستم سبب شده است تا گاه برخی از این شهروندان شانس دریافت این کمک مالی را از دست بدهند. علاوه بر اشتباهات احتمالی، این فناوری تاکنون متهم شده که کاملاً جنسیتی و نژادی عمل می‌کند چراکه سیاه پوستان بویژه زنان، بیشترین میزان خطای شناسایی را در این فناوری داشته‌اند و گاه به‌دلیل تشخیص غلط برای آنها دردسرهایی درست شده است.درامریکا علاوه بر این موارد، نگرانی‌های دیگری هم وجود دارد و آن هم نفوذ چین است و درنهایت کمیسیون ارتباطات فدرال، ممنوعیت دوربین‌های نظارتی ساخته شده توسط پنج شرکت چینی از جمله هایک ویژن و هوآوی را پیشنهاد داد.

کرونا و فناوری تشخیص چهره

اما این فناوری در چه مواردی مورد استفاده قرار می‌گیرد؟ برای بررسی این موضوع، تیم محققان مؤسسه Comparitechحدود 100 کشور پرجمعیت جهان را برای استفاده از فناوری تشخیص چهره در دولت، پلیس، فرودگاه‌ها، مدارس، بانک‌ها، محل کار و اتوبوس‌ها و قطارها و... مورد تجزیه و تحلیل قرار دادند و به طور مشخص عنوان شد که بیش از 40 درصد کشورها به نوعی برای شناسایی، ردیابی یا کاهش انتقال کووید19 از فناوری تشخیص چهره استفاده می‌کنند.

از مزایای این فناوری می‌توان به استفاده کمپانی‌های بزرگ هم از آن در تبلیغاتشان اشاره کرد. برخی کشورها ازجمله مکزیک نیز تاکنون از این تکنولوژی برای جلوگیری از تقلب در انتخابات بهره گرفته‌اند.

استفاده از FRT تنها به این موارد محدود نمی‌شود و یکی از بزرگترین جایگاه استفاده از آن، مرزها هستند. به‌عنوان مثال ایسلند از سال 2020 همه تلاش خود را به کار گرفته تا در مرزهایش از این تکنولوژی بهره بگیرد و در کل می‌توان گفت 20 درصد از کشورهایی که توسط مؤسسه Comparitech مورد تجزیه و تحلیل قرار گرفته‌اند، از فناوری تشخیص چهره به طور گسترده در مرزهای ملی و بین‌المللی استفاده می‌کنند.

همچنین استفاده از تشخیص چهره در انواع بانکداری در بیشتر کشورهای امریکایی، اقیانوسیه، آسیا و اروپا رواج دارد و کاربران برای پرداخت پول، باز کردن حساب و... از این تکنولوژی استفاده می‌کنند. این درحالی است که Comparitech شواهدی برای استفاده روزافزون از این تکنولوژی در کشورهای آفریقای شمالی پیدا نکرده است. در این میان بلژیک تنها کشور مورد مطالعه در این گزارش به شمار می‌رود که استفاده از فناوری تشخیص چهره در آن ممنوع شده است. با این که 70درصد نیروهای پلیس جهان به این تکنولوژی دسترسی دارند اما قوانینی بسیار سختگیرانه برای نیروی پلیس این کشور به منظور استفاده از فناوری تشخیص چهره وجود دارد. همچنین بیشتر کشورهایی که نیروی پلیس آنها به این فناوری دسترسی ندارد در آفریقا واقع شده‌اند.

همچنین نتایج تحقیق مؤسسه Comparitechنشان می‌دهد60 درصد کشورها در برخی از فرودگاه‌ها دارای فناوری تشخیص چهره هستند و این رقم برای مدارس به 20درصد می‌رسد. تقریباً 80 درصد کشورها از FRT در برخی از مؤسسات بانکی استفاده می‌کنند وحدود 40 درصد کشورها هم FRT را در برخی از محل‌های کار اجرا کرده‌اند.20 درصد کشورها در اتوبوس‌ها FRT دارند در حالی که 30 درصد آنها در برخی از قطارها و متروها از آن بهره می‌گیرند.

10 کشور نخست

اما کدام کشورها بیشترین میزان استفاده از فناوری تشخیص چهره را داشته اند؟ در گزارش مؤسسه Comparitech امتیاز کشورها با شاخص عدد 40 مشخص شده است و هرچه عدد اختصاص یافته به کشور مورد نظر بالاتر باشد به این معناست که نشانه کمتری از استفاده گسترده ازفناوری FRT در این کشور دیده می‌شود. بالطبع هرچه هم نمره اختصاص یافته به یک کشور پایین‌تر باشد بدین معناست که شواهدی مبنی بر استفاده گسترده‌تر و گاه تهاجمی‌تر از این فناوری در چنین کشورهایی بیشتر دیده می‌شود. چین کشوری است که امتیاز 5 را از 40 دریافت کرده و در جایگاه نخست قرار گرفته است. چین به‌عنوان بزرگ‌ترین تأمین کننده فناوری تشخیص چهره شناخته می‌شود و دولت و پلیس این کشور به‌طور گسترده و غالباً با تاکتیک‌های نظارتی از این فناوری استفاده می‌کنند.

دومین کشور این لیست روسیه است که امتیاز 9 را از 40 کسب کرده است. این کشور مدت زمان زیادی است که از فناوری تشخیص چهره بهره می‌برد و حتی شایعاتی مبنی بر شناسایی و بازداشت معترضان از طریق FRT در تظاهرات مربوط به زندانی کردن الکسی ناوالنی، رهبر مخالفان روسیه وجود دارد.

امارات متحده عربی هم امتیاز 10 را در این گزارش دریافت کرده است. در این کشور از خدمات دولتی گرفته تا ثبت‌نام در مدارس از این فناوری استفاده می‌شود و همچنین خودروهای گشتی پلیس در ابوظبی برای شناسایی افراد مشکوک و تحت تعقیب به FRT مجهز هستند.

ژاپن، هند و شیلی هم امتیاز 12 را کسب کرده‌اند. بیشترین استفاده ژاپن از این فناوری، ردیابی مجرمان است. در شیلی هم بیشتر شهروندان تا سال 2022 کارت ‌های شناسایی الکترونیک خواهند داشت که در ساختار آن از فناوری شناسایی چهره استفاده می‌شود. در هند نیز حدود 16 سیستم FRT مختلف در دولت‌های مرکزی و ایالتی استفاده می‌شود و 17 مورد دیگر نیز در حال توسعه است.

در این گزارش به استرالیا و برزیل هم امتیاز 13 داده شده است. پلیس استرالیا از فناوری بحث برانگیز تشخیص چهره Clearview که مشخص شد از تصاویر شبکه‌های اجتماعی برای ایجاد پایگاه داده خود استفاده کرده است، بهره می‌گیرد. در برزیل هم استفاده از FRT توسط دولت و پلیس، مدارس و حمل‌ونقل عمومی در حال افزایش است.

آرژانتین با امتیاز 16 در رده بعدی جای گرفته و البته FRT به یک پایگاه داده که شامل مظنونان نوجوان است، پیوند داده شده است. در این کشور بازداشت غیرقانونی افراد پس از شناسایی نادرست از طریق سیستم تشخیص چهره دیده می‌شود و بسیاری مخالف آن هستند.

امتیاز 17 هم ازآن فرانسه، مجارستان، مالزی و انگلستان شده است. هرچهار کشور در دولت، پلیس، بانکداری و در فرودگاه‌ها از این فناوری استفاده می‌کنند اما فرانسه، انگلیس و مجارستان هیچ FRT شناخته شده‌ای در مدارس ندارند و مالزی هم FRT را روی اتوبوس‌ها نصب نکرده است. گفتنی است مکزیک و ایالات متحده هم امتیاز 18را کسب کرده‌اند.

گوگل با هوش مصنوعی تراشه‌ها را سریع‌تر از انسان طراحی می‌کند

تیر ۲, ۱۴۰۰/در chip, Google, houshe masnoei, tarasheh, اینترنت و شبکه, سخت‌افزار, فناوری اطلاعات /توسط ادمین

گوگل می‌گوید نرم‌افزارهای هوش مصنوعی را به گونه‌ای توسعه داده که به کمک آنها می‌تواند تراشه‌های رایانه‌ای را سریع‌تر از انسان طراحی کند.

این غول نرم‌افزاری روز گذشته با انتشار مقاله‌ای در نشریه «نِیچر» توضیح داد تراشه‌ای که طراحی آن برای انسان ماه‌ها به طول می‌انجامد، با هوش مصنوعی جدید این شرکت می‌تواند در کمتر از 6 ساعت طراحی و تکمیل شود.

شرکت گوگل توضیح داد هوش مصنوعی پیش‌تر برای توسعه تراشه‌های واحد پردازش تنسور این شرکت مورد استفاده قرار می‌گرفت و برای اجرای فعالیت‌های مربوط به هوش مصنوعی استفاده می‌شد.پپ

گزارش نهایی گوگل توسط «آزالیا میرحسینی» و «آنا گلدای» مدیران مرکز یادگیری ماشینی گوگل مخصوص سیستم‌ها نوشته شده و در نشریه «نِیچر» به چاپ رسیده است. در این گزارش گفته شد: «از روش ما برای تولید نسل بعدی سیستم TPU گوگل استفاده می‌شود».

به بیان دیگر، گوگل از هوش مصنوعی برای طراحی تراشه‌هایی استفاده می‌کند که می‌توانند برای ایجاد سیستم‌های پیشرفته هوش مصنوعی نیز مورد استفاده قرار گیرند.

به طور ویژه هوش مصنوعی جدید گوگل می‌تواند برای طراحی یک تراشه پایه و زیرساختی مورد استفاده قرار گیرد. این امر اساسا شامل نقشه‎‌کشی در مکانی می‌شود که پردازشگر مرکزی، پردازشگر گرافیکی و سیستم حافظه روی سیلیکون مستقر می‌شوند و نسبت به یکدیگر عکس العمل نشان می‌دهند.

موقعیت این بخش‌ها روی این صفحه‌های کوچک از اهمیت زیادی برخوردار است. زیرا این سطح می‌تواند روی مصرف انرژی تراشه و سرعت پردازش اطلاعات تاثیر بگذارد.

اروپا استفاده از هوش مصنوعی در اماکن عمومی را کنترل می کند

تیر ۱, ۱۴۰۰/در European Union, ghanon, hakemiyat cyberi, houshe masnoei, امنیت, اینترنت و شبکه, فناوری اطلاعات /توسط ادمین

دو سازمان ناظر بر حریم خصوصی اتحادیه اروپا خواهان عدم استفاده از فناوری شناسایی صورت و هرگونه فناوری‌های هوش مصنوعی جهت شناسایی خودکار ویژگی‌های انسانی در اماکن عمومی شده اند.

به نقل از رویترز، دو سازمان ناظر بر حریم خصوصی اروپا خواستار ممنوعیت استفاده از فناوری شناسایی صورت در اماکن عمومی شده‌اند. حال آنکه چنین درخواستی با پیش نویس قوانین اتحادیه اروپا مغایرت دارد که طبق آن استفاده از فناوری در اماکن عمومی بلامانع است.

«هیئت حفاظت از داده‌های اروپا» (EDPB) و «ناظر حفاظت از داده‌های اروپا» (EDPS) درباره ریسک‌های مربوط به استفاده از فناوری‌های شناسایی هویت بیومتریک از راه دور در خصوص افراد در محیط‌های عمومی هشدار داده‌اند.

این دو سازمان در بیانیه‌ای مشترک نوشته‌اند: EDPB وEDPB خواهان ممنوعیت کلی هرگونه استفاده از فناوری‌های هوش مصنوعی جهت شناسایی خودکار ویژگی‌های انسانی در محیط‌های عمومی مانند شناسایی صورت، اثرانگشت، دی ان ای، صوت و دیگر سیگنال‌های بیومتریک یا رفتاری هستند.

آنها معتقدند سیستم‌های هوش مصنوعی که با استفاده از اطلاعات بیومتریک افراد را براساس قومیت، جنسیت، اعتقادات سیاسی دسته بندی می‌کنند، باید ممنوع شوند.

همچنین استفاده از این فناوری برای درک احساسات فرد به جز در موارد خاص مانند مقاصد بهداشتی، نیز باید غیرقانونی اعلام شود.

کمیسیون اتحادیه اروپا در آوریل قوانینی برای کاربردهای هوش مصنوعی از جمله ممنوعیت استفاده از آن برای نظارت ارائه کرد. هدف این اقدام ایجاد استانداردی جهانی برای فناوری‌هایی بود که در اختیار آمریکا و چین قرار دارد.

البته در قوانین پیشنهادی اجازه داده شده در حوزه‌های پر ریسک هوش مصنوعی مانند مهاجرت و اجرای قانون از این فناوری استفاده شود. اما اقدامات امنیتی سختگیرانه ای نیز وضع شده و در صورت نقض آن، جریمه ای تا ۶ درصد درآمد شرکت در سطح جهان وضع می‌شود.

البته قرار است قبل از تبدیل شدن این پیشنهادات به قانون، کشورهای عضو اتحادیه درباره آن مذاکراتی انجام دهند.

اپل و گوگل از هوش مصنوعی برای ارتقای امنیت اطلاعات کاربران کمک می‌گیرند

خرداد ۲۸, ۱۴۰۰/در apple, Google, houshe masnoei, اینترنت و شبکه, تجارت الکترونیک, فناوری اطلاعات /توسط ادمین

این روزها بسیاری از قابلیت‌‌های پیشرفته گوشی‌‌های هوشمند از جمله آیفون‌‌های اپل، با بهره‌گیری از ظرفیت‌‌های کلود انجام ‌‌می‌شود. بدین معنی که اپلیکیشن‌‌ها، به‌منظور ارائه سرویس و یا قابلیتی خاص به کاربران، ‌‌می‌بایست اطلاعات خود را به کلود ارسال کنند تا پردازش در این فضا صورت گیرد.

اما اکنون شرکت‌‌های اپل و گوگل معتقدند که گوشی‌‌های امروزی به اندازه کافی باهوش و هوشمند هستند که بتوانند برخی از این کارهای مبتنی بر فناوری یادگیری ماشینی را خودشان و بدون نیاز به کلود انجام دهند. اپل در خلال رویداد WWDC 2021 اعلام کرد که دستیار صوتی سیری این شرکت قادر است در برخی از مدل‌‌های جدید آیفون و آیپد، بدون نیاز به کلود، برخی از دستورات را اجرا کند.

گوگل در نیز در کنفراس توسعه‌دهندگان امسال خود اعلام کرد که در نسخه جدید سیستم عامل اندروید، قابلیتی تعبیه شده که فرآیند پردازش اطلاعات حساس و مهم توسط خود دستگاه انجام ‌‌می‌شود. این قابلیت Private Compute Core نام دارد.

اپل و گوگل اعلام کردند که ارائه قابلیت‌‌های یادگیری ماشینی روی دستگاه‌‌های هوشمند ‌‌می‌تواند منجر به ارتقای امنیت اطلاعات و حفظ بیشتر حریم شخصی کاربران شود. در واقع، عدم انتقال اطلاعات به کلود، علاوه بر به حداقل رساندن هرگونه سوءاستفاده‌‌های احتمالی، ‌‌می‌تواند در زمان نیز صرفه‌جویی کند و مدت زمان انتظار کاربران را کاهش دهد.

همچنین، حفظ این اطلاعات روی دستگاه‌‌های هوشمند و پردازش خصوص آن‌‌ها، باعث ‌‌می‌شود تا کاربران اطمینان بیشتری به شرکت‌‌های تولیدکننده دستگاه‌‌های هوشمند داشته باشند و در برابر درخواست‌‌هایی مبنی بر اشتراک بیشتر اطلاعات، راحت‌تر موافقت کنند.

این فرآیند یعنی پردازش‌‌های یادگیری ماشینی روی دستگاه‌‌ها، نتیجه سال‌‌ها تلاش و سرمایه‌گذاری شرکت‌‌ها به منظور محدود کردن ارسال اطلاعات به فضاهای کلود است. اخیرا دو شرکت اپل و گوگل، موفق به توسعه فناوری جدیدی به نام Federated Learning شده‌اند که به سیستم یادگیری ماشینی مبتنی بر کلود این اجازه را ‌‌می‌دهد تا بدون دسترسی به اطلاعات خام کاربران، خود را به‌روزرسانی کند. به عبارتی، در این روش، پردازش اطلاعات درون دستگاه صورت ‌‌می‌گیرد و تنها چکیده‌ای از اطلاعات با کلود به اشتراک گذاشته ‌‌می‌شود.

گوگل از این روش برای ارائه پیشنهادهایی در حین تایپ در موبایل استفاده کرده و اپل نیز از فناوری مذکور، در بروزرسانی مدل‌‌های تشخیص صدا بهره گرفته است. راشل کامینگز، از محققان دانشگاه کلمبیا که پیشتر، خدمات مشاوره‌ای را به منظور حفظ حریم خصوصی کاربران به اپل ارائه داده، معتقد است که این تغییر بزرگ یعنی سپردن پردازش اطلاعات به دستگاه و نه کلود، اقدا‌‌می‌مهم و قابل توجه در زمینه ارتقای امنیتی اطلاعات کاربران محسوب ‌‌می‌شود.

این فرآیند نه‌تنها به پیشرفت‌‌هایی در زمینه علوم رایانه‌ای نیازمند است، بلکه شرکت‌‌های تولیدکننده محصولات هوشمند نیز ‌‌می‌بایست به چالش‌‌های پردازش اطلاعات توسط دستگاه‌‌هایی که در اختیار کاربران قرار دارند، تن دهند. بدین معنی که این فرآیند ‌‌می‌بایست در عمل، پیاده‌سازی شود.

گوگل اخیرا اعلام کرد سیستم یادگیری ماشینی Federated Learning که پردازش درون دستگاهی را انجام ‌‌می‌دهد، تنها در زمانی‌‌هایی که گوشی کاربر روشن است و یا به ارتباط اینترنت رایگان متصل شده، فعال خواهد شد و این فرآیند از طریق پردازنده‌‌های قوی که در دل محصولات این شرکت تعبیه شده، صورت ‌‌می‌گیرد. ناگفته نماند که از این فناوری به صورت محدود مورد استفاده قرار ‌‌می‌گیرد و هنوز به طول کامل، توسعه نیافته است.

گوگل همچنین در سال 2019 اعلام کرد که در گوشی‌‌های جدید پیکسل این شرکت، پردازش‌‌های دستیار صوتی این شرکت صرفا درون دستگاه و بدون نیاز به کلود انجام ‌‌می‌شود. همانطور که ‌‌می‌دانید، اپل نیز در جریان کنفرانس توسعه دهندگان امسال خود اعلام کرد که دستیار صوتی سیری با بهره‌گیری از فناوری موتور عصبی (Neural Engine) که به پردازنده‌‌های موبایلی این شرکت اضافه شده، ‌‌می‌تواند الگوریتم‌‌های یادگیری ماشینی را مدیریت کرده و پردازش‌‌ها را بر عهده بگیرد.

به گفته کارشناسان، این قابلیت جدید سیری تحسین‌برانگیز است چراکه هرگونه نگرانی پیرامون انتقال فرامین صوتی کاربران به کلود را رفع ‌‌می‌کند و در نتیجه، کاربران اطمینان بیشتری به این دستیارهای صوتی خواهند کرد.

شرکت گوگل نیز دستیابی به پردازش درون دستگاهی را مزیتی بزرگ برای حفظ حریم شخصی و امنیت اطلاعات کاربران توصیف و عنوان کرد که به تلاش‌‌های خود برای ارتقای این قابلیت ادامه خواهد داشت. این شرکت امیدوار است که شرکت‌‌هایی همچون سامسونگ، قابلیت جدید Privacy Compute Core اندروید را در دستگاه‌‌های اندرویدی خود تعبیه و از آن برای حفاظت از اطلاعات حساس و محرمانه کاربران استفاده کنند.