It's that special time of year when you can get great discounts on tech for your favorite sysadmin.

via Enable Sysadmin https://ift.tt/36gJ95v

مهندسان کامپیوتر دانشگاه «لافبورو» موفق به توسعه الگوریتم‌های هوش مصنوعی شده‌اند که توانایی‌های بازیکنان فوتبال را در زمین بازی تحلیل می‌کند. این الگوریتم‌ها می‌توانند در پیدا کردن استعدادها به تیم‌ها کمک کنند.

در حال حاضر تحلیل عملکرد بازیکنان توسط افراد صورت می‌گیرد و فرایندی زمانبر است چرا که باید عملکرد هر بازیکن ضبط و برای مدت زمان طولانی مورد بررسی قرار بگیرد. این موضوع علاوه بر اینکه زمان زیادی مصرف می‌کند، می‌تواند به علت تعصبات اجتماعی روی نتیجه نهایی نیز تاثیر منفی یا مثبت داشته باشد.

در حالی که هم اکنون تعدادی فناوری خودکار در این ورزش وجود دارد، تنها می‌توانند بازیکنان را ردیابی کنند. برای رفع چنین مشکلی سرپرست این پروژه، دکتر «Baihua Li» و تیم وی یک سیستم هیبریدی توسعه داده‌اند که اطلاعات بازیکنان توسط روش‌های مبتنی بر دوربین جمع‌آوری می‌شود. محققان از جدیدترین پیشرفت‌ها در حوزه بینایی رایانه‌ای، یادگیری عمیق و هوش مصنوعی برای دستیابی به سه خروجی زیر استفاده کرده‌اند:

- تشخیص حالت بدن و اندام‌ها برای شناسایی حرکات
- ردیابی جداگانه بازیکنان برای دستیابی به اطلاعات عملکردی
- اتصال فیلم‌های دو دوربین ساده مانند GoPro

باید دید در آینده باشگاه‌های فوتبال و همچنین مربیان نسبت به این سیستم چه واکنشی از خود نشان می‌دهند و آیا هوش مصنوعی می‌تواند نسل آینده بازیکنان محبوب‌ترین ورزش جهان را شناسایی کند یا خیر.

تنها چند ظرفیت خالی برای ثبت نام باقی مانده است . به خاطر محدودیت در تعداد ثبت نام اولویت با کسانی است که زودتر ثبت نام نمایند .

👩‍👩‍👧‍👧آیا به فکر ایجاد یک سامانه برای فرایند دورکاری خود همانند شرکت های مطرح از جمله : گوگل و تویتر و ... هستید ؟


• سامانه دورکاری
• سامانه پشتیبانی از راه دور مدیریت شده
• سامانه وب کنفرانس
• ضبط( رکورد) نشست ها برای اهداف امنیتی ، تضمین کیفیت و اهداف آموزشی
• پشتیبانی از تمام سیستم عامل های مرسوم مانند اندروید، iOS ، ویندوز، و لینوکس
• پشتیبانی از همه دستگاههای مرسوم مانند تبلت و موبایل و...
• دارای تمهیدات امنیتی برای جلوگیری از نشت داده
• وجود سیستم مدیریت تیم همانند تریلو از محصولات جیرا
• امکان سینک داده ها در دوایس های مختلف با امکان ورژن کنترل
• امکان اتصال به سیستم احراز هویت مرکزی از جمله : active directory - openldap و ...
• امکان سینک دفتر تلفن و پیغام ها ی sms در سامانه
• وجود برنامه ویرایشگر تحت وب جهت مستندات از جمله ورد و اکسل و ... که نیاز به نصب در سیستم کلاینت را بی نیاز میکند .
• وجود برنامه مدیریت نوت ها
• وجود سیستم مدیریت تسک
و ابزار های متنوع دیگر که برای هر سازمان و کسب و کاری یک نیاز اساسی است .

جهت اطلاعات تکمیلی و مشاهده دمو محصول میتوانید تماس حاصل فرمایید .

محققان راهی برای تبدیل طرح های اولیه یا اسکیس به پرتره های واقع گرایانه پیدا کرده اند. الگوریتم DeepFaceDrawing که توسط تیمی از محققان آکادمی علوم چین در پکن ساخته شده با کمک هوش مصنوعی به کاربرانی که آموزش های اندکی در زمینه طراحی دیده اند کمک می کند عکس هایی با کیفیت بالا را از روی طرح های ناقص و اسکیس های اولیه بسازند.

نخستین بار نیست که تکنولوژی هایی مانند این ارائه می شوند (ابزار پر کردن خودکار Pix2Pix را که میتوانست از نقاشی های شما عکس های ترسناک بسازد حتما به خاطر دارید). اما روشن است که DeepFaceDrawing پیشرفته ترین آنها تا به امروز است چراکه نیاز به جزئیات زیادی در اسکیس های اولیه ندارد. این الگوریتم تا حدود زیادی بر پایه احتمال کار می کند و برای استفاده از آن مثلا نیازی به ترسیم لب ها و یا پلک کاراکتر مورد نظرتان ندارید و نرم افزار برای طراحی این بخش ها به دیتابیس عظیمی از چهره ها و اجزای چهره رجوع می کند که توسعه دهندگان در اختیارش قرار داده اند و برای انتخاب این اجزا آنها را در کنار دیگر بخش های چهره قرار داده و می سنجد که تا چه اندازه با هم مطابقت دارند. برای این منظور چشم ها، بینی، دهان، شکل چهره و نوع مو به صورت جداگانه بررسی می شوند و سپس در قالب یک چهره واحد کنار هم قرار داده می شوند.
مشخص نیست که الگوریتم DeepFaceDrawing چگونه می خواهد موضوع نژاد را در پرتره های خود مدنظر بگیرد. تا کنون ۱۷ هزار اسکیس در اختیار این برنامه قرار گرفته و به همین تعداد پرتره از روی آنها تولید شده و جالب اینکه اغلب پرتره ها نژادهای قفقازی و چهره های مربوط به آمریکای لاتین را به تصویر کشیده اند. البته این می تواند به خاطر دیتای منبع یا همان دیتابیسی باشد که در اختیار برنامه قرار گرفته است یا سطح پایین جزئیات طرح های اولیه ای که به برنامه داده شده است.

طبق اطلاعات مندرج در وبسایت این برنامه، اسم رمز انتخاب شده برای DeepFaceDrawing عبارت coming soon یا بزودی است و این نشان میدهد که احتمالا اپ مربوط به آن به زودی هم برای سرگرمی و هم سازمان های مجری قانون عرضه می شود.

محققین دانشگاه راتگرز مدلی از هوش مصنوعی طراحی و معرفی کرده‌اند که نه تنها از شبکه‌های عصبی استفاده می‌کند بلکه شامل آستروسیت‌ها نیز می‌شوند که تغذیه و حفاظت یاخته‌های عصبی را بر عهده دارد. این اتفاق رویکردی تازه در زمینه آموزش ربات‌ها (الهام گرفته شده از مغز انسان) خواهد بود.

دانشمندان از مسیر جدیدی برای طراحی نورومورفیک (محاسبات عصبی) استفاده کرده‌اند. آنها با تقلید از ساختار مغز انسان به طور کامل و نه فقط متمرکز روی کار اعصاب، به آنالوگی از آستروسیت‌ها دست یافته‌اند که می‌تواند عملکرد یک ارگان یا سلول‌ها را تنظیم کنند. محققین اشاره دارند که این نخستین بار است که در توسعه مدل‌ها نورون‌ها تنها واحد‌های پردازشگر مغز انسان برای الگوبرداری در علوم در نظر گرفته نشده‌اند.

مهندسین مدل‌های محاسبه‌گری طراحی کرده‌اند که آنچه در تماس یک آستروسیت با نورون‌ها در جریان دریافت و ارسال نبض اتفاق می‌افتد را توصیف می‌کند. آنها سپس از این مدل‌ها برای ساخت بلوک‌های ساختاری و شبکه‌های آستروسیت عصبی استفاده کردند، که منجر به طراحی چیپ‌های نورومورفیک با امکان کنترل ربات شده است.
دانشمندان در یادداشت خود ذکر کرده‌اند: «از آنجایی که آستروسیت‌ها نقش مهمی در مغز بازی می‌کنند، مطالعات و پیاده‌سازی آنها در یک ماشین بسیار هیجان‌انگیز و البته مفید خواهد بود. هدف اصلی ما از این تحقیقات این است که بفهمیم نورون‌ها و آستروسیت‌ها چگونه با یکدیگر ارتباط برقرار کرده و الگوریتم‌هایی می ‌سازند که به بدن اجازه می‌دهد خیلی از فعالیت‌ها را انجام دهد.»

آستروسیت‌ها می‌توانند فعالیت‌های عصبی و رفتار ربات‌ها را دست‌خوش تغییر کنند. این مدل از انتقال نبض توسط نورون‌ها، به شکل بنیادین با الگوریتم‌های یادگیری که فقط می‌توانند ساختار شبکه را تغییر دهند متفاوت است. بنابراین این محققین اولین افرادی بودند که از سلول‌هایی با توانایی آموزش رفتار پیچیده‌تر به ربات‌ها صحبت به میان آوردند.

این تیم عملکرد و بهره‌وری مدل طراحی شده را با کنترل کردن یک ربات با شش بازو در محیط به نمایش گذاشته‌اند. این سیستم به ربات مورد بحث اجازه داده تا سرعت‌های مختلف را تجربه کند و به صورت خودکار از موانع عبور کند. بدون شک مجموعه تحقیقات انجام شده فرصت‌ها و افق وسیعی را پیش روی محققین شاخه هوش مصنوعی قرار داده است.

⭐️ویژگی جدید Union types
با استفاده از این ویژگی، می‌توانید به راحتی برای پارامتر ورودی تابع خود، چندین نوع داده (type) تعریف کنید که در نهایت یکی از آن‌ها اعمال شود.

⭐️کامپایلر JIT (مخفف کلمات Just In Time) به افزایش و بهبود کارایی سرعت پروژه ها بصورت غیرمستقیم کمک می‌کند.

⭐️آرگومان‌های نام گذاری یا Name argumentها به ما ‌این امکان را می‌دهند با آوردن نام پارامترها، پارامترهای یک تابع را بدون ترتیب نیز مقدار دهی کنیم و مجبور به مقداردهی تمامی پارامترها به ترتیب تعریف شده نباشیم.

⭐️بهبود ویژگی تابع constructor در شی گرایی

⭐️برگرداندن(return) نوع جدید static

⭐️قابلیت throw expression
قبل از PHP 8 این امکان نبود که شما یک exception را در کد تک خطی‌تان که ممکن بود یک exception رخ دهد را throw کنید. اما اکنون با آمدن نسخه‌‌ی جدید PHP 8 شما می‌توانید با تمامی عبارت‌ها یا expressionها یک exception را Throw کنید.

⭐️قابلیت Non-capturing catches
شما می‌توانید بدون آوردن متغیر، Exception خود را استفاده کنید.

فایل لایو بالا


#linux #network #live

محققان در ایالات متحده آمریکا توانسته‌اند مشکل حمله هکرها به مدل‌های هوش مصنوعی را برطرف کنند. آن‌ها برای دستیابی به این هدف، از مدل دیگری برای فریب شبکه عصبی و اجبار برای تحلیل تصاویر ویرایش شده استفاده کردند.

بنابر گزارش MIT Technology Review، محققان در دانشگاه «ایلینوی» اعلام کرده‌اند یکی از بزرگترین نقص‌ها در آموزش هوش مصنوعی، آسیب‌پذیری آن‌ها در برابر حملات هکرها است. در این زمینه سیستم‌های تشخیص عکس یا بازسازی تصاویر با بیشترین حملات مواجه می‌شوند.

حملات گسترده به این سیستم‌ها زنگ خطری برای مقامات در بخش مراقبت‌های پزشکی محسوب می‌شود، جایی که اغلب این روش برای بازسازی تصاویر پزشکی مورد استفاده قرار می‌گیرد. در صورتی که هوش مصنوعی تصویر اشتباهی دریافت کند، نتیجه آن تشخیص غلط نوع بیماری خواهد بود.

برای جلوگیری از چنین مشکلی، دانشمندان روش جدیدی برای آموزش سیستم‌های یادگیری عمیق ارائه کرده‌اند که آن‌ها را در برابر خطا مقاوم‌تر می‌کند و همچنین آن‌ها را در زمانی که مسائل امنیتی اهمیت بالایی دارند، قابل اطمینان‌تر می‌کند.
محققان برای دستیابی به این روش، شبکه عصبی مسئول بازسازی تصاویر را به یک مدل با امکان تولید نمونه‌های رقابتی (تصاویر با تفاوت‌های اندک نسبت به عکس‌های اصلی) متصل کردند. در طی آموزش، یکی از هوش‌های مصنوعی بدنبال فریب دیگری با نمایش تصاویر متفاوت نسبت به نمونه‌های اصلی بود.

در طی این آزمایش، مدل مخصوص بازسازی تصاویر دائما در حال تحلیل تصاویر بود تا بتواند تغییرات در آن‌ها را تشخیص دهد و متوجه شود با یک تصویر ویرایش شده روبه‌رو است یا خیر. در نهایت این سیستم توانست تمام تصاویر ویرایش شده را شناسایی کند که از عملکرد بهتر آن نسبت به سایر شبکه‌های عصبی خبر می‌دهد.

دانشمندان در هنگام آزمایش‌ها سعی کردند به صورت دستی سیستم را هک کرده و تصاویر ویرایش شده را به آن نشان دهند که تمام آن‌ها از سوی هوش مصنوعی رد شدند.

#hack #ai #deep_learning #deeplearning

Enable Sysadmin's very best of November 2020Stack your plate with all the of our best content from November 2020.tcarriga Tue, 12/1/2020 at 9:46pmImagethanksgiving dinnerPhoto by Karolina Grabowska via PexelsThis past month was a fantastic time for the Enable Sysadmin community. We published 34 new articles, garnered 467k page views, saw more than 308k unique visitors, and grew our community of writers. Needless to say, we have a lot to be thankful for this year. In case you missed any of the great guides and tutorials from November, take a look back at our top 10 performers from the month. You will find Linux command line help for beginners, using Ansible to automate configurations and server deployments, interpreting Wireshark, and much more.Topics:   Linux  

via Enable Sysadmin https://ift.tt/2I0PNn9

مهندسین آمریکایی موفق شده‌اند هوش مصنوعی جدیدی طراحی کنند که می‌تواند پهپادها را در فضایی ناشناخته یا اتاق‌های کوچک و تنگ هدایت و کنترل نماید. محققان مطمئن هستند گجت‌های مبتنی بر هوش مصنوعی یاد شده حتی در محیط‌هایی بسیار کوچک تصادفی نخواهند داشت و به یکدیگر صدمه وارد نمی‌کنند.
محققین موسسه تکنولوژی کالیفرنیا در واقع راه جدیدی برای پرواز پهپادها طراحی کرده‌اند تا بتوان از آنها برای پرواز در نقاط ناشناخته و پیش بینی نشده نیز استفاده کرد. این سیستم در واقع از الگوریتم یادگیری ماشین پیروی می‌کند که اجازه می‌دهد پهپادها در محیط‌هایی ناآشنا و تنگ به صورت خودکار مسیریابی کنند. در حقیقت این مکانیزم به نوعی به هر کدام از پهپادها تا حدودی استقلال می‌دهد تا اجازه داشته باشد خودشان را با محیط همگام سازند.
به عبارت دیگر این پهپادها به جای اینکه متکی بر نقشه‌ها و مسیرهای از پیش تعیین شده باشند، دارای مدلی خواهند بود که می‌توانند به صورت مستقل و آزادانه در فضای ارائه شده بگردند، حتی اگر اجسام پرنده دیگری در آن محدوده حضور داشته باشند. مدل غیرمتمرکز طراحی شده برای این سیستم اجازه می‌دهد پهپادها بداهه پردازی کرده و در مواجهه با سایر اجسام پرنده واکنش منطقی نشان دهند.
یک کنترلر دنبال کننده جانبی هم می‌تواند به این دست از پهپادها در زمینه حفظ تعادل و تعاملات آیرودینامیکی کمک کند. طی آزمایش‌های اولیه، استفاده از این کنترلر بهره‌وری کلی پهپادها را به اندازه قابل توجهی بهبود بخشید.
از این تکنیک می‌توان در عملیات‌های جستجو و نجات استفاده کرد، چراکه پهپادها قادر خواهند بود به شکلی ایمن در فضای پیرامون مورد نظر گشته و در عین حال به خاطر تجهیز به سیستم خودکار هوش مصنوعی از برخورد با موانع و سایر اجسام پرنده خودداری کنند. محققین معتقدند این متد همچنان نیاز به مطالعات آزمایشگاهی بیشتری داشته، اما طی چند سال آینده می‌تواند به فاز بهره‌برداری برسد.

یک کمیسیون فدرال ایالات متحده آمریکا که توسط مدیرعامل سابق گوگل، «اریک اشمیت» و قائم مقام سابق وزارت دفاع این کشور، «رابرت او. ورک» مدیریت می‌شود، بدنبال تاسیس یک دانشگاه برای آموزش نسل آینده برنامه‌نویس‌های دولتی است.

به گزارش Medium، این دانشگاه که «U.S. Digital Service Academy» نامگذاری می‌شود، یک مرکز آموزشی معتبر خواهد بود که به دانشجویان خود مدرک می‌دهد و افراد در زمینه‌های مختلف مانند امنیت سایبری و هوش مصنوعی آموزش می‌بینند. در این دانشگاه، دانشجویان یکسال تحصیلی خواهند داشت و در طول تابستان در بخش‌ دولتی و خصوصی دوره‌های کارآموزی را طی خواهند کرد.

این دانشگاه نسل جدید برنامه‌نویسان را پرورش می‌دهد و با مراکز مطرح، MIT و استنفورد رقابت می‌کند. اغلب فارغ‌التحصیلان این دانشگاه‌ها بخش‌های خصوصی را برای کار انتخاب می‌کنند، البته می‌توانند در بخش‌های دولتی نیز مشغول به کار شوند.

این کمیسیون تاسیس یک موسسه جدید با نام «کمیسیون امنیت ملی هوش مصنوعی» «NSCAI» را پیشنهاد داده بود که کنگره در سال ۲۰۱۸ آن را با هدف مقابله با سرمایه‌گذاری گسترده چین در هوش مصنوعی تاسیس کرد. به گفته کمیسر NSCAI و رئیس سابق FCC، هر سازمانی که کنگره ایجاد کرده باید تلاش کند تا در زمینه استخدام موفق باشد:

«استعدادها در اشکال مختلف و از محل‌های متفاوت می‌آیند و اگر استخدام تنها در محل‌هایی که مسیر هموار است، انجام شود، فرصت‌ها و استعدادهای زیادی را از دست داده‌اید.»

در حال حاضر دانشگاه‌های MIT و استنفورد که موسسان گوگل در آن تحصیل کرده‌اند، اولین مقصد استعدادها در سراسر جهان محسوب می‌شوند. دانشگاه جدید باید با این مراکز آموزشی رقابت کند، اما احتمالا تبدیل به سومین مقصد می‌شود و دانشجویان آن پس از فارغ‌التحصیلی در شغل‌های دولتی کار خود را ادامه می‌دهند.

اریک اشمیت از سال ۲۰۰۱ تا ۲۰۱۱ مدیرعامل گوگل بود و در فوریه امسال از سمت خود به عنوان مشاور فنی کناره‌گیری کرد. دلیل استعفای اشمیت مشخص نشده، اما به نظر می‌رسد این کار با هدف افزایش فعالیت‌های وی در زمینه نظامی و دولتی صورت گرفته است.