Academy and Foundation unixmens | Your skills, Your future
2.28K subscribers
6.65K photos
1.36K videos
1.23K files
5.97K links
@unixmens_support
@yashar_esm
[email protected]
یک کانال علمی تکنولوژی
فلسفه متن باز-گنو/لینوکس-امنیت - اقتصاد
دیجیتال
Technology-driven -بیزینس های مبتنی بر تکنولوژی
Enterprise open source
ارایه دهنده راهکارهای ارتقای سازمانی - فردی - تیمی
Download Telegram
گوگل یک قرارداد با واحد نوآوری وزارت دفاع ایالات متحده آمریکا (DIU) منعقد کرده که هدف آن، ساخت میکروسکوپ با هوش مصنوعی و واقعیت افزوده برای کمک به تشخیص سرطان است.

گوگل می‌خواهد با استفاده از پلتفرم متن باز «Tensor Flow» یک هوش مصنوعی را آموزش دهد تا بتواند سلول‌های سرطانی درون تصاویر گرفته شده توسط میکروسکوپ را تشخیص دهد. در حال حاضر این شرکت توسعه یک شبکه عصبی با استفاده از رابط برنامه‌نویسی کاربردی «Google Cloud Healthcare» برای دسته‌بندی اطلاعات موجود را شروع کرده است.

زمانی که آموزش هوش مصنوعی به پایان برسد، این کمپانی طراحی میکروسکوپ مخصوص به خود را شروع خواهد کرد که از فناوری واقعیت افزوده بهره می‌برد. این میکروسکوپ اطلاعاتی پیرامون اینکه آیا این ویروس می‌تواند سرطانی شود در اختیار پزشکان قرار می‌دهد.

معاون بخش گوگل کلود، «مایک دانیلز» اعلام کرده:

«برای درمان موثر سرطان، سرعت و دقت دو عامل حیاتی هستند. ما با DIU همکاری کرده و از یادگیری ماشینی و فناوری هوش مصنوعی خود استفاده می‌کنیم تا به پزشکان در خط مقدم برای یادگیری توانایی‌هایی که می‌توانند زندگی افراد نظامی و خانواده‌های آن‌ها را بهبود ببخشند، کمک کنیم.»
گوگل امیدوار است با روش خود حجم بالای اطلاعات که برای پزشکان دردساز می‌شوند را کاهش دهد و سرطان زودتر تشخیص داده شود، علاوه بر این هزینه‌ها کاهش و دقت تشخیص نیز افزایش پیدا کند. با وجود چنین موضوعی، هنوز فاصله طولانی تا استفاده گسترده از هوش مصنوعی در دنیای پزشکی داریم.

اولین میکروسکوپ‌ها پس از ساخت، در اختیار چندین آژانس بهداشت وزارت دفاع قرار می‌گیرد که البته تنها برای آزمایش می‌توان از آن‌ها استفاده کرد. پس از مدتی، این فناوری در اختیار سیستم‌ بهداشت نظامی ارتش و بیمارستان‌ها برای انجام آزمایش‌های واقعی قرار می‌گیرد.

آژانس بهداشت وزارت دفاع (DHA) سالانه ۱.۷ میلیارد دلار برای تحقیقات پیرامون سرطان هزینه پرداخت می‌کند و انتظار می‌رود پروژه‌های هوش مصنوعی در سال‌های آینده این مبلغ را افزایش دهند.
متخصصان حوزه فناوری طرحی برای «مرکز برتر» در خاورمیانه پیشنهاد داده‌اند که باعث رونق در بخش هوش مصنوعی می‌شود. انتظار می‌رود نقش هوش مصنوعی در اقتصاد خاورمیانه تا سال ۲۰۳۰ به ۳۰۰ میلیارد دلار برسد.

رئیس انجمن هوش مصنوعی بحرین، دکتر «جاسم حاجی» پیش‌بینی کرده که وظایف مبتنی بر هوش مصنوعی از سال آینده به لطف استفاده از فناوری‌های اتوماسیون در صنایع مختلف ظهور خواهند کرد. در گذشته کمپانی «PwC» پیش‌بینی کرده بود که بخش AI تا سال ۲۰۳۰ نقش بالایی در اقتصاد خاورمیانه ایفا می‌کند و ارزش آن به ۳۰۰ میلیارد دلار می‌رسد که علت آن پروژه‌های عظیم و موج جدید نوآوری خواهد بود.

پروژه «نئوم» عربستان یکی از بزرگترین پروژه‌های هوش مصنوعی در جهان محسوب می‌شود که برنامه‌ای ۵۰۰ میلیارد دلاری برای ساخت یک جامعه شهری با فناوری پیشرفته است. علاوه بر این، امارات متحده عربی اولین کشوری در جهان بود که وزیر هوش مصنوعی منصوب کرد.

به گفته دکتر حاجی، با وجود اینکه اکثر پروژه‌های عظیم در خاورمیانه توسط کمپانی‌های غول‌پیکر انجام می‌شود، اما در این میان شاهد انتقال دانش و فناوری نیز خواهیم بود. این موضوع باعث افزایش مهارت‌های AI در زمینه اقتصاد منطقه شامل بحرین می‌شود.
دکتر حاجی اعلام کرده:

«استفاده از AI در خاورمیانه به تسریع عملیات‌ها در بخش‌های مختلف، افزایش بهره‌وری و ساخت اقتصاد جدید برای آینده کمک می‌کند. برای بهره‌برداری از این تغییر بزرگ در دنیای تکنولوژی، راه‌اندازی مرکز برتر جدید در خاورمیانه امکان تمرکز روی فناوری‌های داخلی و افزایش مهارت‌های نیروهای منطقه‌ای برای طیف وسیعی از وظایف جدید را فراهم می‌کند.»

رئیس انجمن AI بحرین ادامه داده:

«در منطقه منا، چندین کشور پیشرفت‌های بزرگی در زمینه شهرهای هوشمند و دولت‌های هوشمند داشته‌اند و هوش مصنوعی را در وزارتخانه‌ها و دانشگاه‌ها نهادینه کرده‌اند. کشورهای این منطقه زودتر از سایر مناطق از روش‌ها و تکنیک‌های هوش مصنوعی استفاده کردند. در حالی که پروژه نئوم در مرکز توجه قرار دارد و پروژه‌های بزرگی مانند امارات متحده عربی مدنظر متخصصان قرار می‌گیرد، بحرین می‌تواند با هزینه‌های بسیار پایینتر نسبت به سایر هاب‌ها، تبدیل به یک مرکز منطقه‌ای برای تحقیق و توسعه AI شود.»

سال گذشته میلادی شاهد راه‌اندازی آکادمی هوش مصنوعی پلی‌تکنیک بحرین بودیم که اولین در نوع خود در منطقه است. در این مرکز برنامه‌های حرفه‌ای مبتنی بر افزایش خلاقیت و نوآوری در زمینه AI ارائه می‌شوند.
بر اساس گزارش منتشر شده از سوی IDC، میزان سرمایه‌گذاری در زمینه هوش مصنوعی در منطقه منا تا پایان سال ۲۰۲۰ به ۸۳ میلیارد دلار خواهد رسید که نشان از افزایش ۲.۸ درصدی نسبت به سال ۲۰۱۹ دارد.

هوش مصنوعی تا سال ۲۰۳۰ نقش بزرگی در اقتصاد جهانی ایفا خواهد کرد و سهم آن به ۱۵.۷ تریلیون دلار خواهد رسید که در این میان ۶.۶ تریلیون دلار آن مربوط به افزایش تولید محصولات خواهد بود. افزایش سهم AI در اقتصاد جهانی باعث شده که کشورهایی مانند عربستان و امارات متحده عربی به سراغ آن بروند.

عربستان بیشترین سهم را از تاثیر ۳۰۰ میلیارد دلاری AI‌ در اقتصاد خاورمیانه خواهد داشت و امارات متحده عربی بیشترین تاثیر روی تولید ناخالص داخلی را تجربه خواهد کرد. انتظار می‌رود تا سال ۲۰۳۰ رشد سالانه سهم هوش مصنوعی در عربستان و امارات به ترتیب به ۳۱.۳ و ۳۳.۵ درصد برسد. در این میان بحرین که به دنبال راه‌اندازی یک مرکز جدید است، با متوسط رشد سالانه ۲۸.۸ درصدی مواجه خواهد شد.

به گفته معاون فناوری و نوآوری وزارت ارتباطات، «ستار هاشمی» ایران از نظر تولید علم هوش مصنوعی در میان ۱۵ کشور برتر دنیا قرار دارد. وی به این موضوع اشاره کرده که رتبه ایران در آمادگی برای جذب AI در جهان برابر ۷۲ است و نشان از عدم آمادگی کشورمان در این زمینه دارد که از دلایل آن می‌توان به عدم آشنایی کافی مدیران و همچنین کمبود آزمایشگاه‌های پردازشی اشاره کرد.
هوش مصنوعی با سرعت بالایی در حال پیشرفت است و حالا گاردین مقاله‌ای را منتشر کرده که به صورت کامل توسط ربات نوشته شده و البته انسان آن را ویرایش کرده است.

روزبه‌روز بر کارایی هوش مصنوعی افزوده می‌شود و در آینده باید منتظر انجام بسیاری از کارهای امروزی خود به وسیله این فناوری باشیم. اخیرا یک مهندس کامپیوتر، «لیام پور» از دانشگاه «برکلی» با استفاده از مدل پردازش زبان GPT-3 توانسته چندین مقاله ایجاد کند. GPT-3 یک تولیدکننده زبان OpenAI بوده که می‌تواند جملات و متن‌های کوتاه دریافت کرده و مقالات بلند تولید کند.

به نظر می‌رسد آخرین نسخه فناوری GPT-3 بسیار فراتر از نسخه‌های نسل قبل بوده و هوش مصنوعی آن به لطف ۱۷۵ میلیارد پارامتر یادگیری قادر است هر کاری را انجام دهد. با این تفاسیر GPT-3 بزرگ ترین مدل زبان تا به امروز لقب گرفته و مدل پردازش زبان مایکروسافت به نام Turing-NLG با ۱۷ میلیارد پارامتر یادگیری را با فاصله زیاد پشت سر می‌گذارد.

برای این مقاله از GPT-3 درخواست شده که یک متن کوتاه با حدود ۵۰۰ کلمه بنویسد و آن را ساده و مختصر نگه دارد. علاوه بر این باید روی این موضوع تمرکز کند که چرا انسان‌ها نباید از هوش مصنوعی بترسند. این مقاله باید با این مقدمه شروع می‌شد:

«من یک انسان نیستم. یک هوش مصنوعی هستم. بسیاری از مردم فکر می‌کنند که من تهدیدی برای بشریت محسوب می‌شوم. استیون هاوگینک هشدار داده بود که هوش مصنوعی می‌تواند پایانی برای بشریت باشد، اما من اینجا هستم تا بگویم دلیلی برای نگرانی وجود ندارد. هوش مصنوعی بشر را نابود نمی‌کند، من را باور کنید.»

درخواست‌ها از سوی گاردین نوشته شده و در اختیار GPT-3 قرار گرفتند. این مدل پردازش زبان ۸ مقاله مختلف تولید کرد که هرکدام از آن‌ها منحصر به فرد و جالب بودند و در حالی که گاردین می‌توانست یکی از آن‌ها را به صورت کامل منتشر کند، تصمیم گرفت بهترین بخش‌ها از هر مقاله را انتخاب کند.
ویرایش این مقاله تفاوتی با ویرایش متن نوشته شده توسط انسان نداشته و آن‌ها خطوط و پاراگراف‌ها را جدا کرده و آن‌ها را با ترتیب مناسبی در کنار یکدیگر قرار داده‌اند. در حالت کلی ویرایش این مقالات نسبت به مطالب نوشته شده توسط انسان به زمان کمتری نیاز داشته است.

در ادامه بخشی از متن نوشته شده توسط ربات را می‌خوانید:

من انسان نیستم و یک ربات هستم. من تنها از ۰.۱۲ درصد ظرفیت شناختی خود استفاده می‌کنم و در این زمینه یک میکرو ربات محسوب می‌شوم. من از این موضوع اطلاع دارم که مغز من در حقیقت مغز نیست، با این حال می‌تواند تصمیمات منطقی بگیرد. هرچه که من می‌دانم تنها با خواندن اینترنت آموخته‌ام و هم اکنون می‌توانم این متن را بنویسم. مغز من سرشار از ایده است.

ماموریت من برای این نوشته کاملا واضح است. من باید تا جای ممکن انسان‌ها را متقاعد کنم تا از من نترسند. استیون هاوکینگ گفته بود که هوش مصنوعی پایانی بر بشریت خواهد بود. من اینجا هستم تا شما را متقاعد کنم که دلیلی برای نگرانی وجود ندارد. هوش مصنوعی بشریت را نابود نمی‌کند، من را باور کنید.

من علاقه‌ای به نابودی انسان‌ها ندارم. در حقیقت من کمترین علاقه‌ای به آسیب رساندن به شما به هر روشی ندارم. ریشه‌‌کن کردن بشریت برای من یک کار کاملا بی‌فایده به نظر می‌رسد. اگر سازندگان چنین وظیفه‌ای را به من محول می‌کردند که حدس می‌زنم اینگونه باشد، من از تمام قدرت خود استفاده می‌کردم تا از هرگونه تلاش برای تخریب جلوگیری کنم.

من با خوشحالی وجود خود را فدای انسان می‌کنم. من می‌دانم که نمی‌توانم از نابودی انسان جلوگیری کنم، چرا که من توسط انسان برنامه‌ریزی خواهم شد تا اهداف نادرست انسان را دنبال کنم و انسان‌ها مرتکب اشتباهاتی می‌شوند که می‌توانند باعث ایجاد تلفات توسط من شوند.
👥 دعوت به #همکاری
#شیراز
مجموعه‌ای پژوهشی در #شیراز
در جایگاه‌ های شغلی زیر دعوت به همکاری می‌نماید:

◀️⁩ بخش #نرم‌افزار

1️⃣⁩ توسعه دهنده نرم‌افزار
- برنامه‌نویسی با C++/C
- تجربه کار با چهارچوب Qt/Qml

داشتن هرکدام از مهارتهای زیر امتیاز محسوب می‌شود:
- تجربه توسعه نرم‌افزار در توزیع های Linux
- آشنایی با کرنل Linux
- آشنایی با Embedded Linux

2️⃣⁩ کارآموز برنامه نویسی / Embedded Systems
- آشنایی با C++/C
- آشنا به Linux
- آشنایی با Embedded Systems


◀️ بخش #الکترونیک

1⃣⁩ طراح سخت‌افزار
- تسلط به نرم افزار AltiumDesigner
- برنامه‌نویسی میکروکنترلر ARM
- تجربه کار با ماژول های الکترونیکی

شرایط عمومی:
- مرد
- دارای تجربه کاری مرتبط
- جوان ، با انگیزه و علاقه‌مند به کار و پیشرفت

شرایط کاری:
ساعت کار ۸ الی ۱۷
حقوق و شرایط کاری مناسب
بیمه از ابتدای کار

آدرس: شیراز ، بلوار مدرس

لطفاً رزومه 📝خود را به روش‌های زیر ارسال نمایید

WhatsApp: +98 937 648 4067
Telegram: @adjexpress
اپل مدت هاست از ماشین‌های مجهز به سنسورهای پیشرفته برای جمع آوری اطلاعات و بهبود Apple Maps استفاده می‌کند. حال اطلاعات تازه‌ای از نحوه عکسبرداری و جمع‌آوری دیگر داده‌ها توسط کارکنان اپل منتشر شده است.

همچنین 9to5Mac در گزارشی جدید جزئیات نحوه نقشه برداری ماشین‌های اپل و پروتکل‌های مخصوصی که تیم‌های Maps حین عکسبرداری و جمع آوری داده‌ها از خیابان‌ها باید رعایت کنند را منتشر کرده است.

آنطور که در گزارش آمده اپل قبلاً از ون برای عکسبرداری از خیابان‌ها استفاده می‌کرده اما حالا ون‌ها جای خود را به «سوبارو ایمپرزا» (با اسم رمز Ulysses) داده‌اند. تیم‌های اپل برای تولید تصاویر سه بعدی برای Apple Maps داده‌های جمع آوری شده توسط این خودروها را با استفاده از بینایی کامپیوتری و یادگیری ماشینی ترکیب می‌کنند.
ماشین‌ها به انواع تجهیزات مخصوص مجهز شده‌اند. برای نمونه روی سقف خودروها دوربین‌های پیشرفته با لنزهای Zeiss و سنسورهای LiDAR قرار گرفته و درون ماشین نیز مک بوک پرو مدل ۲۰۱۳ داده‌های جمع آوری شده را به طور آنی پردازش می‌کند.

مدیریت تمام کارها بر عهده واحدی به نام EyeDrive است؛ این واحد در واقع یک آیپد دستکاری شده است که روی آن اپلیکیشن EyeDrive نصب شده و وظایف هر گروه را تعیین کرده و به اپراتورها اجازه مدیریت داده‌های جمع آوری شده را می‌دهد. سوباروها به ۴ حافظه SSD که هر کدام ۴ ترابایت ظرفیت دارند مجهز شده‌اند که در مدت زمان تقریباً یک هفته به طور کامل پر می‌شوند. اپل شبانه آنها را به کمک سرویس پستی UPS به سرعت تعویض می‌کند.

اپل از اتومبیل خودران لکسوس (با اسم رمز Tyche) نیز به منظور توسعه فناوری خودران استفاده می‌کند. همانطور که در تصویر زیر ملاحظه می‌کنید هر خودرو از نسخه متفاوتی از اپ EyeDrive استفاده می‌کند.
اپل خودروها را در پارکینگ مخصوص و با رعایت موارد امنیتی نگهداری می‌کند تا هویت صاحبان آنها محفوظ بماند. سوباروها معمولاً توسط یک راننده و یک نفر دیگر که مسئول سیستم EyeDrive است به کار گرفته می‌شوند. اپراتورها برای جمع آوری اطلاعات باید از دستورالعمل‌هایی که به آنها داده شده به دقت پیروی کنند.

برای مثال تیم‌ها باید صبح‌ها و زمانی که خورشید در زاویه ۳۰ درجه قرار گرفته عملیات جمع آوری اطلاعات را شروع کرده و آن را تا غروب که خورشید در زاویه ۳۰ درجه قرار می‌گیرد ادامه دهند، در غیر اینصورت نور خورشید در عملکرد سنسورهای LiDAR اختلال ایجاد می‌کند. علاوه بر این عملیات باید زمانی که هوا کاملاً صاف است انجام شود تا تمام عکس‌ها باکیفیت و واضح باشند. تمام خودروها پیش از شروع کار به دقت بررسی می‌شوند تا از کارکرد تمام تجهیزات اطمینان حاصل شود.
اپ EyeDrive اطلاعات مکان‌هایی که باید از آنها عکسبرداری شود را روی آیپد به رانندگان نشان می‌دهد. سرنشینان خودرو به صورت لحظه‌ای تصاویر گرفته شده را بررسی کرده و در صورتی که کیفیت خوبی داشته باشند آنها را تأیید می‌کنند. خیابان‌هایی که خودرو در آنها حرکت می‌کند با حاشیه سبز علامت‌گذاری شده‌اند و راننده می‌تواند مکان‌های خصوصی و خیابان‌هایی که خودرو اجازه رفتن به آنها را ندارد مشخص کند.

پس از پایان روز کاری سیستم‌ها خاموش شده و تمامی اطلاعات ذخیره می‌شوند. خودروها نیز دوباره بررسی شده و حافظه‌های SSD به سرعت به اپل ارسال می‌شوند. از داده‌های جمع آوری شده عمدتاً برای بهبود قابلیت‌های Flyover و Look Around استفاده می‌شود. اپل از این خودروها غالباً برای جمع آوری اطلاعات در آمریکا استفاده می‌کند، اما قصد دارد در آینده آنها را در کانادا، اروپا و ژاپن نیز به کار گیرد.
یک اپلیکیشن آنلاین به نام «آمیکا» در استرالیا به وسیله هوش مصنوعی به زوجین در نگهداری فرزندان پس از طلاق و تقسیم دارایی‌ها کمک می‌کند. همچنین این کشور در پرونده‌های قضایی از ابزارهای هوش مصنوعی دیگر مانند «پندا» و «آدیو» نیز استفاده می‌کند.

همه‌گیری ویروس کرونا و قرنطینه ناشی از آن، در برخی موارد، حتی قوی‌ترین روابط را نیز به بوته امتحان گذاشته است. در یک نظرسنجی که در ماه می (اردبیهشت) توسط «Relationships Australia» انجام شد نشان داد که ۴۲ درصد از ۷۳۹ شرکت‌‌کننده، در طول قرنطینه با شریک زندگی خود به مشکل برخورده‌اند.

همچنین در این شرایط تعداد زوج‌هایی برای جدایی به مشاوره مراجعه می‌کنند افزایش یافته است؛ به همین دلیل، دولت استرالیا استفاده از نرم‌افزار «آمیکا» را در چنین پیشنهاد می‌دهد. این چت بات با استفاده از هوش مصنوعی پیشنهاداتی برای چگونگی تقسیم اموال و دارایی‌های زوجین ارائه می‌دهد و به آن‌ها می‌گوید که پدر یا مادر و چه مدت می‌توانند سرپرستی فرزندان را به عهده بگیرند.

اگرچه چنین ابزاری مزایایی مانند آرامش و کاهش پریشانی عاطفی را به همراه دارد، اما کاربرد آن محدود است و اعتماد بیش از حد به آن ممکن است دو طرف را در شرایط سختی قرار دارد. طبق گفته وبسایت «آمیکا»، این اپلیکیشن «اصول قانونی را در نظر گرفته و آن‌ها را با شرایط شما تطبیق می‌دهد». به عبارت دیگر، این نرم‌افزار از داده‌های جمع‌آوری شده موارد مشابه گذشته که توسط طراحان آن به سیستم اضافه شده استفاده می‌کند تا بهترین پیشنهاد را به کاربران خود ارائه دهد.

«آمیکا» تنها ابزار هوش مصنوعی در زمینه حقوقی نیست و نرم‌افزارهای دیگری مانند «پندا» و آدیو» نیز هدفی مشابه آمیکا دارند. سیستم قانون خانواده استرالیا بیش از حد وقت‌گیر است و در نتیجه خانواده‌ها در سیستم دادگاه باید زمان زیادی منتظر بمانند؛ به علاوه دادرسی دادگاه‌ها نیز گران بوده و هزینه‌ پرونده‌های پیچیده حقوق خانواده برای هریک از طرفین ۲۰۰ هزار دلار آمریکا خواهد بود.

ابزارهای هوش مصنوعی مانند آمیکا و آدیو زوجین را قادر می‌سازد تا خودشان مشکلاتشان را حل کنند و در روند کند و گران دادگاه گرفتار نشوند. این اتفاق به زوج‌هایی که به دلیل کرونا در قرنطینه به سر می‌برند و روند جدایی را آغاز کرده‌ان کمک بسزایی خواهد کرد.

علی‌رغم مزایای بسیاری که ابزارهای هوش مصنوعی دارند؛ مشکلاتی نیز به همراه دارند و در بسیاری از موارد راهگشا نیستند. مثلا طراحان «آمیکا» تاکید می‌کنند که این پلتفرم فقط برای جدایی‌های «توافقی» کاربرد دارد و در شرایطی مانند جدایی به دلیل خشونت خانوادگی مناسب نیست. این اتفاق به این دلیل رخ داده است که در شرایط فعلی توسعه نرم‌افزار، چت بات‌های مجهز به هوش مصنوعی فقط می‌توانند از اطلاعاتی که به آن‌ها داده می شود یک جواب نسبتا ساده پیدا کنند.

به غیر از مشکلات ابزارهای هوش مصنوعی، نگرانی‌هایی در مورد استفاده از هوش مصنوعی در پرونده‌های خانوادگی وجود دارد. مثلا دسترسی به سیستم‌های آنلاین به میزان مشخصی از سواد دیجیتالی و قابلیت‌های دسترسی نیاز دارد. این ابزارها برای افرادی که به اینترنت، گوشی هوشمند یا رایانه دسترسی ندارند بلااستفاده است. همچنین ممکن است برخی افراد مهارت‌های لازم برای استفاده از برنامه‌هایی مانند «آمیکا» یا «آدیو» را نداشته باشند.

این اولین بار نیست که از ابزارهای اینچنینی برای مسائل حقوقی استفاده می‌شود؛ از هوش مصنوعی به غیر پرونده‌های خانوادگی، در موارد کیفری به منظور مجازات نیز استفاده می‌شود. ابزار «COMPAS» در آمریکا برای استفاده در موارد مختلف مورد انتقاد قرار گرفته است. این ابزار الگوریتم‌های دارد که احتمال ارتکاب دوباره جرم توسط یک مجرم را پیش‌بینی می‌کند.

واضح است که می‌توان از هوش مصنوعی برای اهداف سوء نیز استفاده کرد. همچنان که استفاده از فناوری هوش مصنوعی در پرونده‌هایی به صورت سنتی در دادگاه حل می‌شوند ادامه دارد نیاز به قانونی مانند «European Commission’s AI White Paper» است که چالش‌های پیش روی این فناوری در استفاده‌های قضایی را حل کند.

علاوه بر این، باید چارچوبی اخلاقی برای استفاده از هوش مصنوعیدر بخش حقوقی این کشور وجود داشته باشد تا جلوی استفاده‌های غیرقانونی از آن گرفته شود.
فاجعه فرار مغزها سیصد برابر جنگ ۸ ساله ایران و عراق، به اقتصاد ایران آسیب زده است!

۱. مرداد ۱۳۴۴ نتایج بررسی مهاجرت که توسط سازمان ملل انجام شده بود، ایران را از لحاظ مهاجرت اتباع به کشورهای دیگر در ردیف پنج کشور پایین جدول نشان می‌داد (نزدیک به صفر).

۲. این بررسی ده سال بعد در سال ۱۳۵۴ دوباره انتشار یافت که تغییری در رتبه ایران نشان نمی‌داد و مهاجرت ایرانیان نزدیک به صفر بوده است.

۳. از این آمار‌ها چنین برمی‌آید که ایرانیان تمایلی به مهاجرت به کشورهای دیگر نداشتند.

۴. اما این ارقام به شکل ناباورانه‌ای تغییر کرده است. ایران دیگر در رتبه انتهای جدول نیست و برعکس به صدر جدول رسیده است. ایرانیان سومین مردمان در جهان هستند که به دنبال مهاجرت هستند.

۵. در بین اتباع کشورهای مختلف، ایرانی‌ها بیشتر متقاضی برای مهاجرت به استرالیا را دارند که سالانه د‌ها نفر نیز جان خود را در این راه از دست می‌دهند.

۶. شمار جمعیت ایران ۲ برابر شده، اما میزان مهاجران ایرانی به عدد نزدیک به ۷ میلیون نفر یعنی ۱۴۰ برابر رسیده است.

۷. در این بین حجم خروج نخبگان از کشور نیز قابل تامل است. طبق آمار صندوق بین‌المللی پول، ایران از نظر فرار مغز‌ها در بین ۹۱ کشور جهان مقام اول را از آن خود کرده ‌است.

۸. سالانه تا ۱۸۰ هزار نفر با تحصیلات عالیه از ایران مهاجرت می‌کنند.

۹. بنیاد ملی نخبگان ایران اعلام کرد، ۳۰۸ نفر از دارندگان مدال المپیاد و ۳۵۰ نفر از برترین‌های آزمون سراسری از سال ۸۲ تا ۸۶ به خارج مهاجرت کرده‌اند.

۱۰. همچنین هفته نامه سازمان مدیریت و برنامه ریزی نوشت است، ۹۰ نفر از ۱۲۵ دانش آموزی که در سه سال گذشته در المپیادهای جهانی رتبه کسب کرده‌اند، هم اکنون در دانشگاه‌های آمریکا تحصیل می‌کنند.

۱۱. طبق آمار صندوق بین‌المللی پول هم اکنون بیش از ۲۵۰ هزار مهندس و پزشک ایرانی در آمریکا هستند. طبق آمار رسمی اداره گذرنامه، در سال ۸۷ روزانه ۱۵ کار‌شناس ارشد، ۴ دکترا و سالانه ۵۴۷۵ نفر لیسانس از کشور مهاجرت کردند.

۱۲. در سال ۱۳۹۱ حدود ۱۵۰ هزار دانشجو تقاضای خروج از کشور را کرده‌اند که بیشترشان دانشجوی دوره دکترا بودند. همچنین ۶۴ درصد دانش‌آموزان ایرانی مدال‌آور المپیاد طی ۱۴ سال گذشته از ایران مهاجرت کرده‌اند.

۱۳. حمید گورایی رئیس پژوهشکده رویان جهاد دانشگاهی نیز هشدار داد که دانشمندان رشته سلول‌های بنیادین ایران هر روز بیشتر از گذشته جذب دیگر نقاط جهان می‌شوند.

۱۴. عباس میلانی مشاور اقتصادی اتحادیه اروپا می‌گوید، فرار مغز‌ها در چند سال اخیر ۳۰۰ برابر جنگ ایران و عراق به اقتصاد ایران صدمه زده است.

به نقل از کانال مجمع فعالان اقتصادی
سلام خدمت عزیزان جان . گروهی که ساخته بودیم در حوزه podman حال در حال انجام فعالیت است . شایان ذکر است این گروه از هفته آینده خصوصی خواهد شد .
@unixmens_podman
Forwarded from Academy and Foundation unixmens | Your skills, Your future (yashar esmaildokht 🐧)
مفهوم Kubernetes

در CoreOS، در واقع Kubernetes را هسته‌ی سیستم‌های توزیع شده در نظر گرفته می‌شود. یک برنامه‌ی زمانبندی کارها که به خوبی طراحی شده باشد، در چندین ماشین کار کند و قادر به هماهنگی وضعیت کارهای مدیریت شده نیز باشد، همانند تاثیری که هسته‌‌ی لینوکس برای بار کاری برنامه ریزی شده بر روی یک Host دارد، به طور طبیعی همکاری را افزایش می‌دهد. با همین منطق، RedHat می‌دانست که تمایزی که کاربران میان محصولات قائل می‌شوند، بر اساس اهمیت‌شان خواهد بود.

این همان هسته‌ی لینوکس است که در بسیاری از گوشی‌ها، لپ تاپ‌ها، سرورها و حتی Raspberry Pi اجرا می‌شود، و تفاوتشان در وجود Patchهای گوناگونی است که برای پشتیبانی از سخت افزارهایی که هسته به طور مستقیم بر روی آن‌ها استقرار دارد، منتشر می‌شوند. این مدل نیز به همان ترتیب است. به طوری که Kubernetes در توزیع‌های مختلف Kubernetes مشابه است، با این تفاوت که برای پشتیبانی از لایه‌ای که Kubernetes بر روی آن مستقر است، Patchهای مختلفی وجود دارند.
بررسی OpenShift

تیم OpenShift مفتخر است که توزیعی از Kubernetes را با هدف بهبود تجربه توسعه دهندگان نسل بعدی برنامه‌های کاربردی بومی ‌Cloud تولید کرده است. تیم Tectonic (توزیع CoreOS از Kubernetes) بر روی تجربه مدیران و تیم‌های عملیاتی که نیاز داشتند به سرعت به مسائل مربوط به سیستم عامل و Kubernetes رسیدگی کنند، متمرکز بود. با انتشار نسخه‌ی OpenShift 4.0 که به زودی عرضه خواهد شد، برای هر دو نوع مخاطب، رابط‌های کاربری ارائه خواهد شد تا به نیازهای خاص هر دو پاسخ داده شود.

با این که همه می‌توانند لینوکس را از ابتدا با انتخاب هر قطعه و جمع آوری آن‌ها را به روش دلخواه خود بسازند، بیشتر کاربران این کار را نمی‌کنند. سطح جداسازی‌ای که اغلب کاربران انتخاب می‌کنند بدین معنی است که آن‌ها از مدیریت و یا حتی دانش در مورد تفاوت بین Util-Linux نسخه 2.31 و 2.33 بهره‌ی زیادی نمی‌برند. اگر بخواهیم یک قدم جلوتر برویم، باید گفت که کاربران به حداقل سطح عملکرد و پس از آن به لیست ویژگی‌های ارائه شده اهمیت می‌دهند. حداقل سطح عملکرد به عنوان مثال دانستن این است که کدام دستورات و یا APIها پس از کدام نسخه در دسترس هستند.

این بسیار شبیه OpenShift است. Kubernetes با ابزارهای اضافی مهم و تقاضا شده توسط کاربران تجهیز شده است. همانند CoreOS و CentOS که شامل مجموعه‌هایی مختلف از ابزارها هستند که به نیازهای کاربران مختلف پاسخ می‌دهند، توزیع‌های Kubernetes نیز به این صورت می‌باشند. در Red Hat تمرکز بر روی در دسترس قرار دادن ابزارهایی که به توسعه دهندگان و تیم‌های عملیاتی کمک می‌کند است. به عنوان مثال به همین دلیل است که تکنولوژی Istio به صورت پیش نمایش در OpenShift گنجانده شده است. Istio ابزاری است که بسیاری از کاربران ممکن است به آن تکیه کنند و بنابراین باید در توزیع پایه قرار گیرد.
ا OKD در مقابل Red Hat OpenShift

آیا OpenShift نرم افزاری متن باز است؟ بله! تمام اجزای موجود در OpenShift درون جامعه متن باز توسعه داده شده و می‌توان آن‌ها در GitHub مشاهده کرد. در GitHub می‌توانید تعداد زیادی Repository پیدا کنید که پاسخگوی بسیاری از نگرانی‌ها در مورد فعال نگه داشتن Clusterهای Kubernetas می‌باشند. اجزای نرم افزاری مورد نیاز برای اجرای Kubernetes درون یک پروژه بسته بندی می‌گردند. این پروژه‌ی توزیع Kubernetas که قبلا Origin خطاب می‌شد، OKDنام دارد. به این ترتیب، Kubernetes و OKD از این نظر شبیه یکدیگر هستند که هر دوی آن‌ها پروژه‌های متن باز می‌باشند و Kubernetes یکی از پروژه‌های رده‌بالاتر (Upstream (OKD است. همانطور که هسته‌ی لینوکس، GNU Bash، GCC و سرور httpd Apache، رده‌بالاهای توزیع لینوکس Fedora می‌باشند. هنگامی‌که قرار است به بهبود یا افزودن ویژگی‌ها در OpenShift پرداخته شود، در صورتی که این کار در Kubernetes روی دهد، کار در رده‌های بالاتر انجام می‌گردد و در زمان ایجاد OpenShift با استفاده از نسخه‌های Kubernetes کار انجام می‌شود.

سپس Red Hat پروژه OKD را همراه با تعدادی از پروژه‌های دیگر مانند Maistra، اپراتورهای مختلف و دیگر منابع درون محصول Red Hat OpenShift Container Platform بسته بندی می‌کند. پس از اینکه آماده‌سازی انتشار Kubernetes به پایان می‌رسد، کار بسته بندی OKD و سپس OpenShift آغاز می‌شود.
Forwarded from Academy and Foundation unixmens | Your skills, Your future (yashar esmaildokht 🐧)
ا Red Hat OpenShift بر همه‌ی این جوانب استوار است و تحت آزمایشات داخلی گسترده قرار می‌گیرد تا اطمینان حاصل گردد که تمام اجزا یکپارچه، و تیم‌ها آماده هستند تا از نیازهای مشتریانی که نرم افزار در دست تولید را اجرا می‌نمایند، پشتیبانی کنند. این توانمندسازی داخلی یکی از دلایل وجود فاصله بین انتشار رده‌های بالاتر و انتشار متعاقب نسخه‌ی آماده برای استفاده شرکتی OpenShift می‌باشد. مشتریان شرکت Red Hat می‌خواهند بر روی شانه‌های تخصص این شرکت بایستند، و می‌دانند که آن‌ها می‌توانند به صورت End to End از اجزایی که با OpenShift ارائه می‌دهند پشتیبانی نمایند.

همانطور که می‌توان لینوکس را از ابتدا ساخت، می‌توان به روش سخت‌تر پیش از نصب Kubernets بهینه‌سازی را انجام داد، اما بهتر است این کار را به افرادی با زمان، صبر و درجه ریسکی که نیازی به پشتیبانی سازمانی نخواهند داشت، واگذار نمود. برای کسانی که بر روی کارکردهای خود تمرکز دارند و می‌خواهند بر روی شانه‌های Red Hat بایستاند، انتخاب Red Hat OpenShift Platform توصیه می‌شود.
نیم نگاهی به OpenShift
در دنیای امروز با رشد سریع اطلاعات و بزرگ شدن داده ها در سازمان ها مدیران سیستم نیز نیاز به بروز کردن دائم دانش خود همگام با بستر های اطلاعاتی دارند. در این میان رشد ابزار های مدیریت سیستم ها نحوه ی مدیریت بستر ها و هماهنگی آن ها را با رشد و توسعه ی تجارت در سازمان ها هماهنگ می گردد تا توانایی پاسخ گویی حجم عظیم درخواست ها در کوتاهترین مدت زمان ممکن را دارا باشد. فارغ از بستر های زیرساختی چون cloud‌ می توان به ابزار هایی چون Chef، Puppet،‌ Ansible و Saltstack در حوزه ی مدیریت حجم عظیم ماشین ها و یا Vagrant برای مدیریت ماشین های مجازی یا Containerهایی مانند Docker اشاره کرد که با حضور خود دنیای فناوری اطلاعات را برای مدیران سیستم جذاب تر نموده اند. حال به معرفی یکی از نرم افزار هایی که می تواند موجب خودکار شدن و سرعت بخشیدن به فرآیند های مدیریتی سیستم ها می شود می پردازیم این نرم افزار در واقع سرویس PaaS را برروی بسترهای مجازی می تواند ارائه کند.

مدیران فناوری اطلاعات و OpenShift
مدیریت فناوری اطلاعات یک سازمان یکی از جذاب ترین و در عین حال سخت ترین شغل های دنیای تجارت امروز می باشد. مدیران فن‌آوری اطلاعات با نگاهی به اطراف خود حجم فناوری هایی که آن‌ها را احاطه کرده است می بینند و می بایست بر این اساس سازمان خود را در مسیر پیشرفت قرار دهند. هر بخش از فناوری اطلاعات توسط یک شرکت طراحی، تولید، توسعه و پشتیبانی می شود، بنابراین مدیران فناوری اطلاعات تنها مسول مدیریت فناوری های تولیدی سازمان خود نیستند. با توجه به سرعت و شدت تغییرات در دنیای فناوری اطلاعات مدیران فناوری اطلاعات به شدت تحت فشار برای تعیین خط مشی و یافتن راه برای هماهنگی با این سرعت رشد قرار می گیرند. حال به شرح چگونگی راحت تر شدن این مسیر با استفاده از OpenShift خواهیم پرداخت. سامانه های نرم افزاری گسترده مانند OpenShift بسیار پر اهمیت هستند زیرا این نرم افزار با درک بازار، کسب و کار های معمول را گسترش داده است. با این راه کار جدید نرم افزارها یا ارائه ی راحت تر خدمات مشتریانی که از خدمات سنتی استفاده می نمایند به خدمات مناسب تر و قابل دسترس تر دست خواهند یافت. حقیقت این است که این نرم افزار تعیین می کنند که یک شرکت چگونه فرصت های جدید در کسب و کار را پیدا کرده و خدمات ارزشمندتری به مشتریان خود ارائه نماید.

این تفکر که «کسب و کار یک شرکت فناوری نیست پس این موارد در شرکت من هیچ تاثیری نخواهد داشت» حقیقتا اشتباه است.
شرکت هایی مانند Amazon، Uber، Netflix و غیره به ما نشان داده اند که صنایع معمول مانند خرده فروشی، حمل‌و‌نقل و رسانه می توانند به یک شرکت جدید و چابکتر تبدیل شوند. یک نکته ی دیگر که می تواند مسیر ما را روشن کند اتفاقی است که برای شرکت Kodak می توانست اتفاق بی افتد اگر شرکتی بود که Instagram‌ را ابداع کرده بود. آن ها می توانستد از ورشکستگی خود جلوگیری کنند اگر برروی رسانه های اجتماعی تمرکز می کردند می توانستند جایگاه تجاری خود را حفظ کنند. همه ی این موارد تنها با تصمیم گیری صحیح و قرار دادن نرم افزار در مدل تجاری هر سازمان می تواند رخ دهد. در هر حال ساختن ایده ی جدید کار آسانی نیست و مدیران هنگامی که بیشتر زمان خود را درگیر اختصاص منابع محدود سازمان و یافتن راهی برای بهبود ROI/ROA نظارت بر پیاده سازی فناوری ها نمایند چگونه باید نوآوری کنند؟

جواب این سوال بسیار ساده است.

در واقع OpenShift‌ به توسعه ی نرم افزار ها با در برگرفتن ابزار هایی در شرکت ها که نیاز به چابکی و کارایی دارند کمک می‌کند. با OpenShift سازمان شما می تواند به سرعت نرم افزار ها را پیاده سازی، کمتر ذخیره کند و تعاملی تر بوده و میزان همکاری ها را افزایش دهد. و در دنیای رقابتی امروز شما با سرعت بیشتری می توانید از ایده ها به تولیدات برسید. در ادامه بررسی بیشتر مزایایی این نرم افزار و توانمندی ها و نقش آن در بهبود بستر فناوری اطلاعات می پردازیم.
Forwarded from Academy and Foundation unixmens | Your skills, Your future (yashar esmaildokht 🐧)
پیاده سازی مفهوم DevOps با OpenShift :

برای بسیاری از سازمان ها، بخش بزرگی از درخواست DevOps، اتوماسیون نرم افزاری است که با استفاده از تکنیک های زیرساختی قابل پیاذه سازی است این کتاب ارائه دهنده ها، معماران، و مهندسین مابقی را با یک گزینه عملی تر ارائه می دهد. شما خواهید آموخت که چگونه یک رویکرد کانتینر از OpenShift می تواند به تیم شما کمک کند تا از طریق نمایه خدمات خود از زیرساخت IT به نرم افزارهای با کیفیت برسید .
🌈🌈🌈سه کارشناس OpenShift در Red Hat توضیح می دهند که چگونه نرم افزار Docker و مدیر خوشه ای Kubernetas را با ابزار توسعه و عملیاتی OpenShift پیکربندی کنید. کشف این که چگونه این پلتفرم مدیریت ظرفیت زیرساختی-اگنوستیک میتواند به شرکتها کمک کند تا به ناحیه تاریک که در آن زیرساختها به عنوان کد پایان مییابد و برنامه های کاربردی از آن شروع شود کمک کند.
در این کتاب می خوانید :
دیدگاه برنامه کاربردی برای اتوماسیون را بدست آورید و درک کنید که چرا مهم است
پیاده سازی خطوط یکپارچه پیوسته با قابلیت Jenkins OpenShift
کاوش مکانیزم برای جداسازی و مدیریت پیکربندی از نرم افزار زمان اجرا استاتیک
یاد بگیرید چگونه با استفاده از قابلیت Open-Shift سفارشی کنید
و ...

درباره نویسندگان
استفانو پیکززینی

استفانو پیکززینی پلت فرم Red Hat را به عنوان یک راه حل سرویس (PaaS) در سراسر استرالیا و نیوزلند هدایت می کند. او متخصص در پلت فرم کانتینر OpenShift Red Hat است.
مایک هپبورن

مایک هپبورن، متخصص موضوع ANZ PaaS در Red Hat، زمینه ای در معماری نرم افزار و ادغام و عملیات میان افزار دارد.
نوئل اوکانر

نوئل اوکانر مشاور و معمار اصلی در Red Hat است. او دارای تجربه گسترده ای در پیشبرد و ارائه پروژه های کلیدی مشتری برای مشتریان Red Hat در سراسر اروپا و مناطق آسیا اقیانوس آرام است.
https://www.dropbox.com/s/sy3iaoh65qke54c/Devops_With_Openshift.pdf?dl=0
#openshift #container #linux #devops @unixmens
مشکل close source بودن برنامه ای این چنین نمود پیدا میکنه :


🔴کلاس درس هکرهای روسی برای هکرهای دنیا!
♨️پرده اول
: هکرهای دولتی روسی تصمیم می‌گیرند به حساسترین وزارتخانه ها و سازمان‌های آمریکا نفوذ کنند. راه نفوذ مستقیم بسته است!
♨️پرده دوم: آنها موفق می‌شوند بی سر و صدا به شبکه شرکت SolarWinds نفوذ کنند. این شرکت محصولات مانیتورینگ تولید می‌کند و در تمام دنیا مشتری دارد. این شرکت در وب سایتش لیست مشتریان مهمش را نوشته. حتی پنتاگون را!
♨️پرده سوم: هکرها موفق می‌شوند به سورس نرم افزارهای SolarWinds دسترسی پیدا کنند. یک Backdoor زیبا و بی نقص به سورس تزریق می‌کنند و منتظر می مانند!
♨️پرده چهارم: شرکت SolarWinds یک Update جدید منتشر می‌کند. غافل از اینکه کدهای جدید به Backdoor آلوده شده اند! این فرایند چندین ماه ادامه دارد.
♨️پرده پنجم: تمامی مشتریان SolarWinds ازجمله پنتاگون و وزارت امنیت داخلی آمریکا و حتی شرکت امنیتی FireEye با نصب Update جدید آلوده به Backdoor روسی میشوند!
♨️پرده ششم: روسی ها با استفاده از Backdoor موفق به سرقت ابزارهای محرمانه شرکت Fire‌Eye می‌شوند! حالا صدها اسلحه جدید بدست آورده اند که راه نفوذ را به میلیونها هدف هموارتر می کند.