دانلود آهنگ جدید

میکند

امام حسین (ع) : بخشنده ترین مردم کسی است که در هنگام قدرت می بخشد.
لطفا یک افزونه تاریخ نصب کنید.


باتوجه‌به کاهش فروش گوشی‌های هوشمند و کاهش تقاضا در بازار چین، مؤسسه‌ی IDC پیش‌بینی می‌کند درآمد بازار جهانی نیمه‌هادی پس از سه سال تجربه‌ی رشد ثابت، در سال ۲۰۱۹ با کاهش ۷.۲ درصدی رو‌به‌رو می‌شود. 

IDC پیش‌تر نیز گفته بود فروش گوشی‌های هوشمند در سه‌ماهه‌ی اول ۲۰۱۹ کاهش یافته است. در اسفند سال گذشته نیز اخباری درباره‌ی کاهش رشد فروش گوشی‌های هوشمند در ماه‌های پایانی ۲۰۱۸ منتشر شده بود. 

مقاله‌های مرتبط:

  • درآمد هواوی در سه‌ماهه‌ نخست ۲۰۱۹ با رشدی ۳۹ درصدی مواجه شد
  • کاهش ۶ درصدی عرضه‌ گوشی‌های هوشمند در بازار جهانی در فصل سوم ۲۰۱۸

ماریو مورالس، معاونت بخش برنامه‌ریزی نیمه‌هادی در IDC، در‌این‌باره اعلام کرد:

کاهش تقاضای خرید، به‌‌ویژه در بازار چین، از یک طرف و استفاده‌ی طولانی‌مدت از محصولاتی همچون خودرو و گوشی‌های هوشمند و زیرساخت‌های فضای ابری از سوی دیگر، باعث ایجاد رکود در وضعیت بازار فعلی شده است.

IDC پیش‌بینی می‌کند درآمد بازار جهانی صنعت چنین محصولاتی در سال ۲۰۲۰ بهبود خواهد یافت و نرخ رشد سالیانه‌ی ۲ درصد را بین سال‌های ۲۰۱۸ و ۲۰۲۳ ثبت خواهد کرد. همچنین، درآمد بازار صنعت در سال ۲۰۲۳ به رقمی بیش از ۵۲۴ میلیارد دلار می‌رسد.  باتوجه‌به وضعیت موجود، IDC پیش‌بینی می‌کند تا پایان فصل سوم ۲۰۱۹، کاهش درآمد بازار نیمه‌هادی را شاهد خواهیم بود.

IDC انتظار دارد با روشن‌ترشدن وضعیت‌ تعرفه‌ها در اختلافات تجاری بین چین و ایالات‌ متحده، وضعیت باثبات‌تری در بازار پدید آید.

گوشی هوشمند هواوی میت ۲۰ ایکس 5G رسما معرفی شد
ایسوس ذن‌فون ۶ با دوربین چرخان و نمایشگر بدون حاشیه معرفی شد
سامسونگ به دنبال رفع ایراد گلکسی فولد و عرضه مجدد این گوشی تاشدنی است
ردمی Note 7S را سی‌ام اردیبهشت‌ماه معرفی می‌کند
ریل می ایکس اوپو با دوربین سلفی پاپ آپ و دوربین اصلی ۴۸ مگاپیکسلی رونمایی شد

خبر های جدید


عکس‌برداری از فواصل طولانی روی زمین یک چالش پیچیده است. ثبت نور از یک سوژه که در فاصله‌ی طولانی از دوربین قرار دارد، کار آسانی نیست. علاوه‌براین، جو اتمسفر زمین و نیز آلودگی‌ هوای شهرها در نور تحریف ایجاد کرده که عکس را خراب می‌کند. این عوامل باعث شده‌اند تا ثبت عکس از سوژه‌هایی که در فاصله‌ی بیشتر از چند کیلومتر از دوربین قرار دارند، سخت باشد؛ با فرض بر اینکه دوربین در ارتفاعی قرار داده شده باشد که انحنای زمین در مشاهده سوژه تاثیر نگذارد. اما در سال‌های اخیر محققان، تشخیص‌دهنده‌های حساس عکس را توسعه داده‌اند تا عملکرد بهتری در این زمینه داشته باشند. این تشخیص‌دهنده‌ها به‌قدری حساس هستند که می‌توانند تک‌تک فوتون‌ها را از سوژه‌هایی که در فاصله‌ی ۱۰ کیلومتری دوربین قرار دارند، ثبت کرده و از کنارهم‌قراردادن این فوتون‌ها تصویر نهایی را تولید کنند.

مقالات مرتبط:

  • دوربین چه تفاوت‌هایی با چشم انسان دارد؟
  • با این ۶ روش ساده تصاویر بهتری در تعطیلات ثبت کنید

با این اوصاف، فیزیک‌دانان تمایل دارند تا فناوری یادشده را بیشتر بهبود دهند. ژنگ‌پینگ لی و تیمش از دانشگاه علم و فناوری چین در شانگهای نشان دادند که چگونه می‌توان از سوژه‌هایی در فاصله‌ی ۴۵ کیلومتری در یک محیط شهری عکس گرفت. در تکنیک تیم مورد اشاره، تشخیص‌دهنده‌های تک فوتون‌ و یک الگوریتم خاص تصویربرداری محاسباتی ترکیب شده است تا درنهایت بتوان عکس‌هایی با وضوح‌ تصویری بسیار بالا به ثبت رساند. عکس‌های ثبت‌شده با این تکنیک از بازترکیب کم‌ترین داده‌های نقطه‌ای به‌دست می‌آیند.

تکنیک جدید، در اصل روش کارکرد بسیار ساده‌ای دارد. سیستم یادشده براساس تشخیص فاصله لیزری یا تاباندن نور به فاصله با استفاده از لیزر و ایجاد عکس با استفاده از ثبت نور بازتاب‌شده کار می‌کند. یکی از مزایای مهم این نوع روش‌های تصویربرداری این است که فوتون‌های بازتاب‌شده از سوژه در بازه‌ی زمانی خاصی به تشخیص‌دهنده‌ها برمی‌گردند که این بازه‌ی زمانی به فاصله‌ی سوژه بستگی دارد و به همین دلیل نور اضافه‌ی بازتاب‌شده توسط تشخیص‌دهنده‌ی فوتون نادیده گرفته می‌شود.

باتوجه‌به ویژگی‌های روش فوق، نویز ایجادشده‌ی ناشی از فوتون‌های ناخواسته که در محیط وجود دارند، به‌میزان قابل‌توجهی کاهش می‌یابد و سیستم‌های لیدار را قادر می‌سازد تا حساسیت بالایی داشته باشند و فاصله‌ی سوژه را نیز به‌دقت تشخیص دهند.

برای بهبود بیشتر عملکرد این سیستم جدید در محیط‌های شهری، ژنگ‌پینک و افراد تیم وی از یک لیزر مادون‌قرمز با طول موج ۱۵۵۰ نانومتر، نرخ تکرار ۱۰۰ کیلوهرتز و قدرت کم ۱۲۰ میلی‌واتی استفاده کرده‌اند. استفاده از این طول موج باعث شده است تا سیستم مذکور برای چشم ضرر نداشته باشد و بنابراین تیم سازنده را قادر ساخته تا بتوانند فوتون‌های خورشید را در تصویر نهایی فیلتر کنند.

محققان، فوتون‌ها را با دستگاه‌های اپتیکی مشابه‌با یک تلسکوب فضایی معمولی (با گشودگی دیافراگم ۲۸۰ میلی‌متر) ارسال و دریافت می‌کنند. سپس فوتون‌های بازتاب‌شده با یک تشخیص‌دهنده‌ی تکی فوتون معمولی دریافت می‌شوند. همچنین محققان برای ساخت یک تصویر، دامنه‌ی دید را با استفاده از آینه‌های کنترل‌شونده‌ی پیزو (Piezo) بررسی می‌کنند. این آینه‌ها امکان چرخیدن به بالا، پایین و طرفین را دراختیار محققان قرار می‌دهند.

با این روش می‌توان تصاویری دوبعدی ایجاد کرد اما با تغییردادن زمان امکان ثبت فوتون‌های بازتاب‌شده از فواصل مختلف، امکان ایجاد یک تصویر سه‌بعدی نیز فراهم می‌شود.

آخرین پیشرفتی که تیم مورد بحث به‌ آن دست‌ یافته، توسعه‌ی یک الگوریتم برای ایجاد تصویر براساس داده‌های به‌دست‌آمده از تک‌تک فوتون‌های بازتاب‌شده است. این نوع تصویربرداری محاسباتی در سال‌های اخیر به‌صورت آزمایشگاهی توسعه داده شده است و به محققان اجازه می‌دهد تا با مجموعه‌ی مختصری از داده‌ها بتوانند یک تصویر نهایی تولید کنند.

نتیجه‌ی کار واضح است و عمکلرد روش فوق را به‌خوبی نشان می‌دهد. این تیم تحقیقاتی، دوربین جدید خود را در طبقه‌ی بیستم یک ساختمان در جزیره چونگمینگ واقع در شانگهای قرار دادند و با استفاده از آن تصویر ساختمان حمل‌و‌نقل هوایی شهری پودانگ واقع در ۴۵ کیلومتری محل دوربین را ثبت کردند.

عکسبرداری لیدار

عکس‌هایی که در همین شرایط با استفاده از تلسکوپ ثبت می‌شوند، چیزی جز نویز نشان نمی‌دهند. اما این تکنیک جدید تصاویری تولید می‌کند که وضوح فضای آن حدود ۶۰ سانتی‌متر است و جزئیاتی مثل پنجره‌ی ساختمان سوژه را هم نشان می‌دهد. این محققان در مورد روش خود می‌گویند:

این تصاویر قابلیت‌های برتر سیستم‌ لیدار تک‌فوتونی مادون قرمز را به‌وضوح نشان می‌دهد. با استفاده از این تکنیک جدید می‌توان سوژه‌ها را در فاصله‌های خیلی دور نیز به‌خوبی تشخیص داد.

همچنین، این روش به‌میزان قابل‌توجهی بهتر از محدودیت انکسار یک متر در فاصله‌ی ۴۵ کیلومتری بوده و مشخصا بهتر از الگوریتم‌هایی است که اخیرا در این زمینه توسعه داده شده‌اند. تصویری که مشاهده می‌کنید، نشان‌دهنده‌ی ظرفیت تکنیک جدید در روشنایی روز از فاصله‌ی ۲۱ کیلومتری است. ژنگ‌پینگ در بخشی از توضیحات خود در مورد این روش جدید می‌گوید:

 با استفاده از روش جدید ما می‌توان از سوژه‌هایی که در فاصله‌های خیلی دور قرار دارند، با سرعتی زیاد و مصرف انرژی بسیار کم، تصاویر اپتیکی سه‌بعدی ثبت کرد.

این تکنیک جدید کاربردهای وسیعی دارد. محققان همچنین به این مورد اشاره کرده‌اند که تشخیص از راه‌دور، نظارت هوایی و تشخیص سوژه ازجمله کاربردهای تکنیک جدید این تکنیک محسوب می‌شوند. ابعاد کلی این دستگاه در حد یک جعبه‌ی کفش است و به‌همین دلیل امکان جابه‌جایی آن به‌راحتی فراهم است. 

ژنگ‌پینک و تیمش اعلام کرده‌اند که امکان ارتقاء عملکرد تکنیک آن‌ها وجود دارد.

سیستم ما با انجام یک‌سری تغییرات می‌تواند از سوژه‌هایی که در فاصله‌ی چند صدکیلومتری قرار دارند نیز عکسبرداری کند و بنابراین روش جدیدی برای پیشرفت سریع سیستم‌های عکسبرداری لیدار خواهد بود که با کم‌ترین میزان مصرف انرژی و با سرعتی بسیار زیاد می‌تواند تصاویری با وضوح بسیار بالا از فواصل طولانی ثبت کند.

بنابراین لبخند بزنید، شاید این محققان همین حالا درحال تماشای شما باشند. نظر شما در مورد این تکنیک جدید عکسبرداری چیست؟

اشتباه سایت 500px در تشخیص عکس ویرایش نشده باعث تعلیق یکی از کاربران شد
DJI از Osmo Action رقیب جدید دوربین‌های ورزشی گوپرو رونمایی کرد
وان پلاس ویدئوهای مربوط به تست دوربین پاپ آپ وان پلاس 7 پرو را منتشر کرد
المپوس ۱۰۰ ساله شد
گوشی‌های مجهزبه دوربین ۶۴ مگاپیکسلی در راه هستند

خبر های جدید


این هفته، جامعه‌ی محققین هوش مصنوعی به‌مناسبت کنفرانس بین‌المللی دستاوردهای یادگیری (ICLR که آی‌کلیر «eye-clear» تلفظ می‌شود)، در نیواورلئان ( New Orleans) دور هم جمع شدند. این کنفرانس، یکی از گردهمایی‌های بزرگ سالانه‌ی محققین این حوزه محسوب می‌شود. مشارکت ۳ هزار محقق و ارائه ۱۵۰۰ مقاله، این همایش را به یکی از مهم‌ترین رویدادهای تبادل ایده‌ها در حوزه یادگیری عمیق تبدیل می‌کند.

عمده‌ی مقالات پذیرفته‌شده و سخنرانی‌های همایش امسال، پیرامون حل‌وفصل چهار چالش مهم یادگیری عمیق (Deep learning)، یعنی نااُریب بودن (به صفر رساندن ضریب خطای عملکرد)، امنیت، تعمیم‌پذیری و علیت هستند. در این مقاله، از بحث پیرامون چگونگی اریب‌داری و مستعدبودن الگوریتم‌های یادگیری مایشن (machine-learning) فعلی برای حملات خراب‌کارانه و محدودشدن ناباورانه‌ی آن‌ها، به تواناییشان در تعمیم الگوهایی که در داده‌‌های آموزشی، برای اپلیکیشن‌های چندگانه پیدا می‌کنند، صرف‌نظر شده و به چالش نهایی یعنی «علیت»پرداخته می‌شود؛ چراکه درحال حاضر نیز، جامعه‌ی یادگیری ماشین مشغول توسعه‌ی این فناوری جهت برطرف‌کردن ضعف‌های یادشده است.

«علیت» موضوعی است که برای مدت‌ طولانی، ذهن محققین را به خود مشغول کرده است. یادگیری ماشین، توانایی زیادی در پیداکردن همبستگی داده‌ها دارد؛ اما آیا می‌تواند روابط علت و معلولی در داده‌ها را نیز کشف کند؟

چنین دستاوردی می‌تواند نقطه‌ی عطف بزرگی باشد؛ چراکه اگر الگوریتم‌ها بتوانند درمورد علل و اثرات پدیده‌های مختلف در سیستم‌های پیچیده به ما کمک کنند، فهم ما از جهان را عمیق‌تر می‌کنند و ابزار قدرتمندی برای تاثیرگذاری در آن، دراختیار ما قرار می‌دهند.

لئون بوتو (Léon Bottou)، محقق تحسین‌شده‌ی واحد تحقیقات هوش مصنوعی فیسبوک و دانشگاه نیویورک، در نشست روز دوشنبه، چارچوبی از چگونگی دستیابی به هدف فوق ارائه کرد. در ادامه، خلاصه‌ای از نظرات او را با هم می‌خوانیم.

نظریه‌ی نخست: روش جدیدی برای اندیشیدن پیرامون علیت

اولین نظریه‌ی مهم بوتو به شرح زیر است: فرض کنید می‌خواهید یک سیستم بینایی کامپیوتری طراحی کنید که بتواند اعداد دست‌نویس را شناسایی کند (این یک مسئله مقدماتی کلاسیک است که به‌طور گسترده در مجموعه‌ داده‌های «MNIST» که در تصویر زیر مشاهده می‌کنید، استفاده می‌شود). می‌توانید با یک شبکه‌ی عصبی (neural-network)، روی مجموعه‌ی گسترده‌ای از تصاویر اعداد دست‌نویس، که هر کدام با عدد نشان‌داده‌شده در تصویر علامت‌گذاری شده‌اند، شروع کنید ودر پایان سیستم مناسبی داشته باشید که قادر باشد تصاویری را که قبلا مشاهده نکرده است، شناسایی کند.

مجموعه داده MNIST

مجموعه داده‌ی MNIST 

اما دوباره فرض کنید که مجموعه داده‌ی شما کمی‌ تغییر کرده است و هر کدام از اعداد دست‌نویس دارای رنگ‌های قرمز یا سبز هستند. تصور کنید نمی‌دانید کدام‌یک از دو روش رنگ یا شکل علامت‌گذاری، پیش‌بینی‌کننده‌ی بهتری برای عدد نوشته‌شده در تصویر است. روش استانداردی که امروزه به‌کار گرفته می‌شود، این است که هر بخش از مجموعه‌ی داده‌ها را به هر دو شکل فوق، برچسب‌گذاری کند و به شبکه‌ی عصبی می‌دهند تا تصمیم بگیرد.

مجموعه داده رنگی MNIST

     مجموعه داده‌ی رنگی MNIST                         

در این صورت، بحث جالب خواهد شد. مجموعه‌ی داده‌ی «MNIST رنگی» گمراه‌کننده تلقی می‌شود؛ چراکه در جهان واقعی، رنگ عدد کاملا بی‌معنی است، اما در این مجموعه داده‌ی خاص، رنگ، پیش‌بینی‌کننده‌ی بسیار بهتری نسبت‌به «شکل» است. بنابراین، شبکه‌ی عصبی ما یاد می‌گیرد که از رنگ به‌عنوان پیش‌بینی‌کننده‌ی اصلی استفاده کند. تا زمانی‌که از این شبکه‌ی عصبی برای شناسایی اعداد دست‌نویس دیگری استفاده کنیم که از الگوی رنگ مشابهی پیروی می‌کنند، این روش جواب می‌دهد؛ اما اگر رنگ‌ها را عوض کنیم، عملکرد سیستم کاملا افت پیدا می‌کند (بوتو این آزمایش را با داده‌های واقعی و شبکه‌ی عصبی واقعی انجام داد، در حالت اول میزان تشخص درست ۸۴/۳ درصد و در حالت دوم تنها ۱۰ درصد بود).

به عبارت دیگر، این شبکه‌ی عصبی به نظر بوتو یک «همبستگی جعلی» را می‌سازد؛ که باعث می‌شود خارج از حوزه‌ای که آموزش دیده است، کاملا بی‌فایده باشد. در حالت نظری، اگر شما بتوانید همه‌ی همبستگی‌های جعلی را در یک مدل یادگیری ماشین از بین ببرید، تنها با حالت‌های «ثابتی» مواجه خواهید بود؛ حالت‌هایی که بی‌توجه به زمینه همواره درست هستند.

بوتو اضافه می‌کند که درعوض، ثبات به شما اجازه می‌دهد تا علیت را درک کنید. اگر ویژگی‌های ثابت یک سیستم را بدانید و از مداخله‌ای که روی سیستم صورت گرفته است، اطلاع داشته باشید؛ باید بتوانید نتیجه این مداخله را حدس بزنید. مثلا، اگر بدانید همیشه شکل یک عدد دست‌نویس معنی آن را تعیین می‌کند، می‌توانید نتیجه بگیرید که تغییرشکل آن (علت)، معنای آن (معلول) را تغییر می‌دهد. به‌عنوان مثال دیگر، اگر بدانید تمام اشیاء از قانون گرانش تبعیت می‌کنند، می‌توانید نتیجه بگیرید که اگر توپی را رها کنید (علت)، به زمین خواهد افتاد (معلول).

بدیهی است که این‌ها، مثال‌های ساده‌ای از روابط علت و معلولی بر پایه‌ی ویژگی‌های ثابت هستند که هم‌اکنون نیز می‌دانیم؛ اما چگونه می توانیم این ایده را به سیستم‌های پیچیده‌ای که هنوز درک نمی‌کنیم تعمیم دهیم؟ به‌عنوان مثال، اگر می توانستیم ویژگی‌های ثابت سیستم‌های اقتصادی را پیدا کنیم، قادر می‌شدیم اثرات پیاده‌سازی سیاست درآمد پایه‌ی جهانی را درک کنیم؛ یا با یافتن ویژگی‌های ثابت سیستم آب‌وهوای جهان، اثرات اقدامات مهندسی آب‌وهوای (geoengineering) مختلف را ارزیابی کنیم.  

نظریه‌ی دوم: رهایی از شر همبستگی جعلی

چگونه می‌توان از شر همبستگی جعلی رها شد؟ جواب این سؤال در نظریه‌ی مهم دیگر بوتو نهفته است. در آموزش یادگیری ماشین کنونی مرسوم است که داده‌های متنوع و مختلف را تا حد ممکن، در داخل یک مجموعه‌ی آموزشی قرار می‌دهند. اما به‌نظر بوتو، این روش می‌تواند زیان‌بار باشد و داده‌هایی که از زمینه‌های مختلف، چه از نظر زمانی و چه مکانی یا در شرایط آزمایشی مختلف جمع می‌شوند، به‌جای ترکیب شدن باید به‌عنوان مجموعه‌های مستقلی درنظر گرفته شوند؛ چراکه در صورت ترکیب شدن، همان‌طور که اکنون معمول است، اطلاعات ضمنی مختلفی از بین می‌روند و احتمال نمایان شدن همبستگی‌های جعلی افزایش پیدا می‌کند.

مقاله‌های مرتبط:

  • یادگیری ماشین شکاف بین دانش و درک را عمیق‌ می‌کند
  • چگونه سیستم‌های یادگیری ماشین ما را غافلگیر می‌کنند

آموزش شبکه‌ی عصبی با چندین مجموعه داده با زمینه‌ی منحصر‌به‌فرد، بسیار متفاوت می‌شود. دیگر شبکه نمی‌تواند همبستگی‌هایی را که فقط در یک مجموعه‌ی داده صدق می‌کنند پیدا کند؛ درعوض باید همبستگی‌هایی  را بیابد که در بین همه‌ی مجموعه داده‌ها ثابت هستند. اگر آن مجموعه‌ داده‌ها به‌صورت هوشمندانه، از طیف گسترده‌ای از زمینه‌ها انتخاب شده باشند، همبستگی ‌نهایی باید با خواص ثابت حقیقت پایه، همخوانی نزدیکی داشته باشد.

اجازه دهید بار دیگر به مثال ساده‌ی MNIST رنگی برگردیم. بوتو به‌منظور تشریح نظریه‌ی خود برای پیدا کردن ویژگی‌های ثابت، آزمایش اصلی خود را دوباره اجرا کرد. این‌بار، او دو مجموعه‌ داده‌ی MNIST رنگی با دو الگوی رنگ متفاوت را استفاده کرد، سپس به شبکه‌ی عصبی خود آموزش داد تا یک همبستگی که در هر دو گروه صادق است را پیدا کند. وقتی بوتو این مدل بهبودیافته را برای اعداد جدید با الگوهای رنگی یکسان و متفاوت آزمایش کرد، میزان تشخیص درست برای هر دو حالت ۷۰ درصد شد. نتایج نشان داد که شبکه‌ی عصبی یاد گرفته است رنگ را نادیده بگیرد و تنها روی شکل علامت‌گذاری تمرکز کند.

بوتو می‌گوید کارش روی این نظریه‌ها تمام نشده است و مدتی طول خواهد کشید تا جامعه‌ی محققین این تکنیک‌ها را روی مسائل پیچیده‌تر از اعداد رنگی نیز آزمایش کند. اما چارچوب کلی این آزمایش‌ به ظرفیت یادگیری عمیق جهت کمک به درک چرایی اتفاق افتادن حوادث و افزایش کنترل ما روی سرنوشتمان اشاره دارد.

گوگل دیتاست آموزش هوش مصنوعی با ۵ میلیون عکس منظره عرضه کرد
مایکروسافت از ابزار یادگیری ماشین مبتنی بر کشیدن و رها کردن رونمایی کرد
هوش مصنوعی IBM با اسکن چشم، گلوکوم را تشخیص می‌دهد
اهمیت طراحی تجربه کاربری در توسعه هوش مصنوعی
تاریخچه ناگفته هوش مصنوعی؛ انسان‌هایی که ماشین‌های هوشمند را ساختند

خبر های جدید


گوشی هوشمند Reno 10x Zoom اوپو (Oppo) در ابتدا تنها با قابلیت بزرگنمایی دیجیتال ۲۰ برابری معرفی شد؛ اما اکنون این شرکت درحال آماده‌سازی به‌روزرسانی دیگری برای این گوشی است که میزان بزرگنمایی دیجیتال را به ۶۰ برابر می‌رساند. قرار است این به‌روزرسانی ابتدا در تایوان ارائه شود.

oppo reno

نحوه‌ی افزایش بزرگنمایی دیجیتال در گوشی یادشده نیازمند توضیحی مختصر است. گوشی جدید Reno، مجهزبه لنز پریسکوپی است که فاصله کانونی را تا ۱۳۰ میلی‌متر (با بزرگنمایی ۵ برابری نسبت‌به لنز اصلی) افزایش می‌دهد. به‌دنبال آن، از یک حالت زوم هیبریدی استفاده می‌شود که بزرگنمایی اپتیکال را به ۱۰ برابر (که علت نام‌گذاری گوشی نیز هست) می‌رساند.

مقالات مرتبط:

  • اوپو رینو و اوپو رینو 10x زوم با دوربین سلفی کشویی به‌شکل باله‌ی کوسه رونمایی شدند
  • اوپو رینو ، اوپو رینو 10 ایکس زوم و اوپو رینو 5G در بازارهای جهانی عرضه می‌شوند

در ادامه، با استفاده از یک مرحله زوم دیجیتال، حداکثر میزان بزرگنمایی فعلی ۲۰ برابری محقق می‌شود. اوپو قصد دارد در آخرین به‌روزرسانی، میزان زوم دیجیتال را در این مرحله به ۶۰ برابر افزایش دهد؛ در این حالت، فاصله کانونی به ۱۵۶۰ میلی‌متر می‌رسد. برای مقایسه، گوشی P30 Pro هواوی با یک لنز پریسکوپ ۱۲۵ میلی‌متری و قابلیت زوم دیجیتال ۵۰ برابری عرضه می‌شود. در این شرایط فاصله کانونی به ۱۲۵۰ میلی‌متر می‌رسد.

اوپو با این اقدام، امکان نگاهی نزدیک به اشیای دوردست را فراهم می‌کند. درمورد کیفیت تصاویر به‌دست‌آمده در این مقدار زوم هنوز چیزی نمی‌توان گفت و باید نتایج عکاسی با دوربین جذاب این دستگاه هوشمند به‌طورمستقل آزموده شود.

باید و نبایدهای تمیزکردن صفحه‌ نمایش گوشی
سامسونگ مشغول کار روی دوربین سلفی زیر نمایشگر گوشی‌های هوشمند است
IDC: فروش گوشی های هوشمند در سه ماهه اول 2019 کاهش یافته است
نمایشگر وان پلاس 7 پرو امتیاز +A را از دیسپلی میت دریافت کرد
سازنده‌ی گوشی‌های یوتافون اعلام ورشکستگی کرد

خبر های جدید


فروشگاه کتاب صوتی Audible که تحت مالکیت آمازون قرار دارد، اکنون قصد دارد شکلی بی‌نظیر از دسترسی به الکسا را با ارائه خدمات پشتیبانی مشتریان صوتی فراهم کند. به‌گفته‌ی این سرویس اشتراک کتاب صوتی که یک دهه پیش توسط آمازون خریداری شد، مشتریان از امروز می‌توانند با دادن دستور صوتی به الکسا، با یکی از اعضای تیم پشتیبانی مشتریان Audible ارتباط بگیرند. در این ارتباط، مشتری قادر خواهد بود تا برای رفع مشکلات فنی، دریافت پیشنهاد کتاب و سایر خدمات عیب‌یابی درخواست کمک کند. 

مقاله‌های مرتبط:

  • آمازون با سرویس رایگان استریم موسیقی خود با اپل موزیک و اسپاتیفای رقابت می‌کند
  • آمازون با ایرپاد مبتنی بر الکسا به رقابت با اپل می‌پردازد

براساس اطلاعات منتشر شده، این سرویس اولین سیستم پشتیبانی مشتریان است که از توانایی‌های الکسا برای مقاصد خود بهره می‌برد. البته این به‌معنای ریشه‌کن کردن پلتفرم پشتیبانی مشتری توسط الکسا نخواهد بود؛ اما اولین باری خواهد بود که الکسا به مرکز پشتیبانی متصل می‌شود و این امکان اکنون به یک شرکت تحت مالکیت آمازون اعطا شده است. به هر حال این اولین قدم برای دستیار صوتی آمازون است تا به چیزی شبیه به سرویس صوتی خودکار دوپلکس گوگل تبدیل شود.

در سرویس صوتی دوپلکس، کاربر می‌تواند با استفاده از گوگل اسیستنت کارهایی مانند تعیین ساعت ملاقات، رزرو رستوران و سایر درخواست‌های مربوط‌به گفتگوی انسانی، که معمولا با گوشی انجام می‌شود را انجام دهد. در این مورد، کاربر از الکسا به‌عنوان روشی برای ارتباط با یک پلتفرم موجود بهره می‌گیرد.

بااین‌حال Audible ادعا می‌کند که این سرویس فقط برای گرفتن شماره خدمات پشتیبانی مشتریان توسعه نیافته است. این شرکت همچنین می‌گوید که به‌منظور ساخت یک ابزار داخلی به‌خصوص برای آن دسته از مشترکان Audible که اسپیکر هوشمند آمازون اکو دارند، با الکسا همکاری کرده است‌.

هنوز از جزییات زیادی در این‌باره مطلع نیستیم اما Audible از این سرویس به‌عنوان یک تجربه‌ی جدید یاد می‌کند که مارا به سمت عصری جدید از خدمات مشتریان سوق می‌دهد. در آینده امکانات دیگری نیز به این سرویس جدید اضافه خواهد شد؛ برای مثال کاربران قادر خواهند بود پخش کتاب صوتی خود را ازطریق فرمان صوتی کنترل کنند و برای کتاب‌های صوتی رایگان موجود در فروشگاه نیز درخواست به‌روزرسانی بدهند.

سیستم نظارت بر کارگران انبار آمازون مجوز اخراج خودکار دارد
آمازون با سرویس استریم موسیقی جدید خود به‌دنبال کیفیتی مسحور‌کننده است
عملکرد آمازون طی زمستان ۲۰۱۹ از پیش‌بینی خوشبین‌ترین کارشناسان نیز بالاتر بود
اپل هر ماه ۳۰ میلیون دلار به آمازون پرداخت می‌کند
خرید با بیت کوین از آمازون؛ آیا توسعه‌دهنده‌ها از این قابلیت راضی هستند؟

خبر های جدید


تیم تحقیق‌وتوسعه‌ی فیسبوک در حوزه‌ی هوش‌مصنوعی، سرویسی به‌نام Vid2Play طراحی کرده است که از ویدیوهای کاربران کاراکترهای بازی می‌سازد؛ نسخه‌‌ای پیشرفته‌تر از بازی‌های FMV یا «full-motion video» دهه‌ی ۸۰ همچون Night Trap. شبکه‌های عصبی می‌توانند ویدیوهای تصادفی از حرکات خاص کاربران را تجزیه‌وتحلیل کرده، سپس آن کاراکتر و حرکاتش را در محیط‌های دیگر بازسازی کنند و امکان کنترل آن‌ها به‌‌کمک جوی‌استیک را در اختیار کاربر قرار دهند.

مقاله‌های مرتبط:

  • فیسبوک و گوگل، ارتباط زبانی بین دو سیستم هوش مصنوعی را کشف کردند
  • فیسبوک برای شناسایی الگوهای رفتاری توهین‌آمیز، هوش مصنوعی توسعه می‌دهد

تیم پژوهشی فیسبوک از دو شبکه‌ی عصبی به‌نام‌های Pose2Pose و Pose2Frame استفاده کرده است. ابتدا یک ویدئو به شبکه‌ی عصبی Pose2Pose که برای حرکاتی خاص مانند رقص، تنیس و شمشیربازی طراحی شده، ارسال می‌شود. سپس این سیستم محل قرارگیری شخص موجود در ویدئو را نسبت به پس‌زمینه تشخیص می‌دهد و آن شخص و حرکاتش را از پس‌زمینه ویدئو متمایز می‌کند. در مرحله‌ی بعد، شبکه‌ی عصبی Pose2Frame، شخص را به همراه سایه و اشیائی که در دست دارد، دراختیار می‌گیرد و آن‌ها را در صحنه‌ای تقریبا طبیعی قرار می‌دهد. اکنون ‌می‌توان حرکات آن‌ها را با کیبورد یا جوی‌استیک و براساس حالات بدنشان در ویدئو کنترل کرد.

برای آموزش سیستم Vid2Play فقط چند ویدئوی کوتاه از فعالیت‌هایی همچون شمشیربازی، رقص و تنیس موردنیاز است. این سیستم می‌تواند افراد دیگر موجود در ویدئو را فیلتر و در سایر زاویه‌های دوربین نیز قرار دهد. پروژه‌ی فیسبوک شباهت بسیاری به قابلیت content-aware Fill ادوبی دارد که برای حذف عناصر مانند توریست‌ها یا قوطی‌های زباله از ویدئو، از هوش‌مصنوعی استفاده می‌کند.

Vid2Play

شرکت‌های دیگر مانند انویدیا نیز نوعی هوش مصنوعی مشابه طراحی کرده‌اند که می‌تواند ویدیوهای زندگی واقعی را به مناظر مجازی مناسب برای بازی انتقال دهد.

حرکات شبیه‌سازی‌شده توسط Vid2Play مشکلاتی نیز دارند و این‌گونه به‌نظر می‌رسد که کاراکترها روی یخ حرکت می‌کنند؛ مشکلی که در انیمیشن‌های سه‌بعدی به‌عنوان «foot Slide» از آن یاد می‌شود. علاوه‌بر این، دامنه حرکات نیز کمی محدود است. به هر حال این حرکات روی پس‌زمینه‌ی خود بسیار واقع‌گرایانه ظاهر می‌شوند. پروژه‌ی Vid2Play هنوز در مراحل ابتدایی قرار دارد و ما امیدواریم که تیم پژوهشی فیسبوک مشکلات حرکتی را بهبود ببخشد.

Vid2Game فیسبوک می‌تواند تجربه‌ی بازی را بیش‌ازپیش شخصی‌سازی کند و کاربران را قادر می‌سازد تا کاراکتر خود یا شخصیت‌های محبوب یوتیوب را وارد بازی کنند. تیم توسعه‌دهنده‌ی Vid2Game می‌نویسد:

این پروژه به یک مسئله‌ی محاسباتی حل‌نشده می‌پردازد و درکل مسیر را برای تولید بازی‌هایی با گرافیک واقع‌گرایانه هموار می‌کند. به‌علاوه، کاراکترهای استخراج‌شده از ویدئوهایی مانند ویدئوهای یوتیوب می‌توانند به دنیای مجازی و واقعیت افزوده راه پیدا کنند.

اشتباهات امنیتی جدید فیسبوک، گریبان‌گیر میلیون‌ها کاربر دیگر شد
جزئیات بیشتری از دلایل استعفای بنیان‌گذاران اینستاگرام فاش شد
فیسبوک و چالشی برای تبدیل‌شدن به WeChat
فیسبوک نحوه عملکرد الگوریتم فید فیسبوک را به کاربران نشان می‌دهد
آیا کسب‌وکار رسانه‌ای به‌سمت سقوط حرکت می‌کند؟

خبر های جدید


شرکت تایوانی TSMC از فرایند ساخت تراشه‌ی جدید ۶ نانومتری (6nm) خود پرده برداشت. در این فرایند با به‌کارگیری پرتوهای فرابنفش بسیار قوی (EUV) چگالی تراشه به میزان اندکی افزایش می‌یابد. باتوجه‌به سازگاری قاعده‌ی طراحی در این فرایند با شیوه‌ی ساخت تراشه‌ی ۷ نانومتری، تمامی تجهیزات تولید مورد استفاده در روش 7nm، در فرایند جدید نیز قابل استفاده بوده و راه برای انتقالی سریع به فناوری ساخت بهبودیافته باز است.

اصلاح و توسعه‌ی یک فناوری ساخت قدیمی‌تر به‌ویژه برای شرکت‌های ریخته‌گر سیلیسیم، شیوه‌ی جدیدی نیست. یک مثال خوب در این زمینه، لیتوگرافی ۲۸ نانومتری (28nm) است که در سال ۲۰۱۲ بدون استفاده از فناوری مهم ترانزیستور HKMG محقق شد. شرکت تایوانی در خلال سال‌های بعد از آن رده‌ی محصولات ۲۸ نانومتری خود را با اصلاحاتی در فرایند ساخت نظیر 28HP، 28HPM، 28LP و … به‌طور چشمگیری توسعه داد.

تنها چیزی که در خلال سال‌های اخیر تغییر کرده، تهاجمی‌تر شدن شیوه‌های بازاریابی اصلاحات انجام‌شده در این سطح از فناوری ساخت است که باعث فاصله گرفتن هرچه بیشتر عناوین مورد استفاده و تغییرات واقعی در مشخصه‌های فیزیکی ترانزیستورها شده؛ به عبارت دیگر سنگینی عناوین تبلیغاتی بیش از وزن اصلاحات اعمال‌شده در فناوری ساخت ۲۸ نانومتری است. آخرین افزونه‌ای که به رده‌ی ساخت ۲۸ نانومتری TSMC الحاق شد، فرایند 22nm بود.

مقالات مرتبط:

  • TSMC زیرساخت‌های طراحی تراشه ۵ نانومتری خود را در OIP منتشر کرد
  • پردازنده آیفون 2019 بر نسل جدید لیتوگرافی ۷ نانومتری TSMC مبتنی خواهد بود

در نمونه‌ای مشابه، پردازنده‌ی گرافیکی Volta V100 انویدیا با وجود داشتن چگالی ترانزیستوری معادل روش 16N، برپایه‌ی فرایند 12FNN ساخته می‌شود. شرکت سامسونگ هم از همین شیوه تبعیت می‌کند؛ برای نمونه همه‌ی فرآیندهای 4nm تا 7nm این شرکت در مجموعه‌ی محصولات ۷ نانومتری آن قابل تطبیق است.

شاید ناپسندترین مثال از این دست زمانی اتفاق افتاد که شرکت‌های سازنده‌ی نیمه‌هادی‌ها با صرف‌نظری به یک‌باره از عنوان 20nm، به فناوری ترانزیستورهای FinFET در رده‌ی 16nm یا 14nm روی آوردند. این جهش یک‌باره هم‌چنان عامل عدم تطابق میان نام‌گذاری‌های ۱۰ و ۷ نانومتری اینتل و رقبای این شرکت است. در ادامه‌ی این روند با طیفی از محصولات هفت نانومتری در شرکت TSMC مواجه شدیم. تولید تراشه‌های A12 شرکت اپل آغازگر راه تولید محصولاتی با این فناوری ساخت بود که با ساخت پردازنده‌ی گرافیکی Radeon Instinct MI60 شرکت AMD پیگیری شد. شرکت TSMC تاکنون فرایندهای ساخت 7FF و 7HPC را به‌عنوان شیوه‌های مختلف ارائه‌ی تراشه‌های ۷ نانومتری توسعه داده است؛ اما این صنعت‌گر تایوانی روش 7nm+ را نیز معرفی کرده که در آن از EUV در تعداد کمی از لایه‌های حاصل از فرایند بهره‌گیری می‌کند. مدتی پیش این شرکت افشا کرد که قصد پیاده‌سازی نسل دوم فناوری ساخت 7nm را دارد. اگرچه نام خاصی به فرایند جدید داده نشد؛ اما آخرین شایعات برگرفته از وب‌سایت Digitimes حاکی از به‌کارگیری فناوری 7nm Pro در ساخت تراشه‌های A13 اپل است.

شرکت TSMC چند روز پیش 6nm را به‌عنوان سومین اصلاحیه‌ی فناوری ساخت 7nm (به‌دنبال 7nm+ و 7nm Pro) معرفی کرد. این شرکت قصد دارد نسبت عملکرد به قیمت قابل قبولی را در آخرین سری محصولات خود ایجاد کرده و آن‌ها را هرچه زودتر وارد بازار کند. این کار تنها ازطریق سازگاری قاعده‌ی طراحی جدید با فناوری پیشین 7nm ممکن بوده و بدین ترتیب مهاجرت یکپارچه‌ای از فناوری 7nm به 6nm با چرخه‌ی طراحی کوتاه‌مدت به وقوع می‌پیوندد. TSMC می‌گوید 6nm سطح عملکرد بالاتری نسبت به 7nm داشته و در مقایسه با آن ۱۸ درصد چگالی ترانزیستور بالاتری دارد. 6nm شباهت زیادی به شیوه‌ی ساخت 7nm+ این شرکت دارد که در حال حاضر در مرحله‌ی Risk Production است؛ اما TSMC توضیحی در مورد تفاوت‌های این دو نوع فناوری ساخت نداده است.

tsmc 6nm

سامسونگ هم در روزهای گذشته خبر از ساخت تراشه با لیتوگرافی 6nm داد، اما جزئیات بیشتری در مورد آن ارائه نکرد. با این وجود به نظر می‌رسد فرایند 5nm سامسونگ، معادل فناوری ساخت 6nm شرکت TSMC باشد؛ فناوری ساختی که بنا به‌گفته‌ی سامسونگ مراحل توسعه‌ی آن پایان یافته است.

شرکت TSMC اعلام کرده است که فرایند ساخت 6nm درسه‌ماهه‌ی اول سال ۲۰۲۰ وارد مرحله‌ی Risk Production می‌شود که احتمالاً تأخیر بیشتری نسبت به 5nm سامسونگ خواهد داشت. تولید انبوه این محصول به‌طور معمول حدود یک سال بعد از این مرحله محقق می‌شود؛ لذا با این فرض که لیتوگرافی 5nm متعلق به TSMC در ماه جاری وارد مرحله‌ی Risk Production شود، نمی‌توان 6nm را یک تراشه‌ی پیشتاز از نظر فناوری در میان محصولات این شرکت به حساب آورد. TSMC می‌گوید که فرایند ساخت 5nm با افزایش ۱.۸ برابری در چگالی ترانزیستورها، کاهش کلی ابعاد تراشه را در پی خواهد داشت.

سال گذشته شرکت TSMC با ارائه‌ی فناوری ساخت ۷ نانومتری، جایگاه برتر سامسونگ در صنعت نیمه‌هادی را از نظر چگالی ترانزیستورها از وی گرفت. شرکت کره‌ای این جایگاه را با سبقت گرفتن از رقیب تایوانی خود در فناوری ساخت ۱۰ نانومتری در اوایل سال ۲۰۱۷ تصاحب کرد؛ فناوری ساختی که ۳۰ درصد چگال‌تر از فرایند 14nm تراشه‌های اینتل بود. گفتنی است که شرکت اینتل‌ سال‌ها است که در تقلای آماده‌سازی محصولات ۱۰ نانومتری خود است.

پردازنده آیفون 2019 بر نسل جدید لیتوگرافی ۷ نانومتری TSMC مبتنی خواهد بود
TSMC زیرساخت‌های طراحی تراشه ۵ نانومتری خود را در OIP منتشر کرد
هواوی میت 30 اولین گوشی هوشمند با تراشه کرین 985 و فناوری EUV
آیفون 2020 اپل احتمالا به تراشه A14 با لیتوگرافی ۵ نانومتری TSMC مجهز می‌شود
احتمال عرضه کارت گرافیک GeForce GTX 1650 در ماه آینده

خبر های جدید


به‌دلیل خراب‌کاری‌های احمقانه‌ی رقبا در بازاریابی یکدیگر و رقابت بی‌معنی بین شرکت‌های فناوری بر سر اولین‌بودن درزمینه‌ی 5G، راه‌اندازی نسل پنجم شبکه‌ی ارتباطات بی‌سیم در آمریکا و فراگیرسازی آن در این کشور به‌صورت برنامه‌هایی پراکنده در دست انجام است. باوجوداین، سرعت پیشرفت نسل جدید ارتباطات در بخش دیگری از دنیا هم‌گام با وعده‌های داده‌شده پیش می‌رود و منطقه‌ی اقیانوس اطلس در‌حال قرار‌گرفتن زیرپوشش این فناوری است؛ به‌طوری‌که حتی گله‌های گاو در انگلستان هم از این مزیت بهره‌مند شده‌اند.

به‌گزارش رویترز، سیسکو (Cisco) مشغول آزمایش زیرساخت‌های لازم برای عرضه‌ی جهانی 5G است که در صنایعی کاربرد دارد که به‌طور سنّتی آن‌ها را صنعتی نمی‌دانند؛ ولی درعین‌حال، به سخت‌افزارها و نرم‌افزارهای پیشرفته‌ای وابسته هستند که روزبه‌روز به پیچیدگی آن‌ها اضافه می‌شود. کشاورزی نیز ازجمله‌ی این صنایع است.

کشاورزان با استفاده از قلاده‌های 5G می‌توانند هر زمانی بدون لمس فیزیکی حیوانات را معاینه کنند

درهمین‌زمینه، سیسکو این فناوری را در سه محیط روستایی امتحان و ارزیابی و امکان دسترسی کشاورزان این مناطق را به تجهیزات نظارتی متصل به 5G فراهم کرده است. قلاده‌های گردن و نیز برچسب‌های هوشمندی که روی گوش نصب می‌شوند، داده‌های بیومتریک را به ناظران منتقل می‌کنند تا آن‌ها بتوانند گله را از مسافت دور رصد کنند.

یکی از سه سایتی که در این طرح آزمایشی شرکت کرده‌اند، مرکز نوآوری‌های دقیق مهندسی کشاورزی یا مرکز Agri-EPI در شهر شپتون مالت، شهری کوچک در جنوب‌غربی انگلستان است که با بودجه‌ی دولتی اداره می‌شود. حدود یک‌سوم از ۱۸۰ رأس گاو این مزرعه به قلاده‌ها و برچسب‌های 5G مجهز هستند.

این موضوع زمانی اهمیت می‌یابد که از گستردگی این مزارع مطلع باشید. مزارع مذکور محیطی بسیار بزرگ و گسترده‌ای دارند و گاوها بیشتر وقت‌ها، درحال رفت‌و‌آمد بین چراگاه‌ها و مزرعه‌ها هستند تا کشاورزان بتوانند آن‌ها را راحت‌تر بدوشند یا معاینه کنند. سیسکو می‌گوید کشاورزان با استفاده از قلاده‌های 5G می‌توانند حیوانات را در هر وقت و بدون هیچ لمس فیزیکی معاینه کنند.

مقاله‌های مرتبط:

  • استیصال آمریکا دربرابر احتکار فناوری 5G توسط چین
  • داستان برند: سیسکو، از سرقت نرم‌افزار روتر دانشگاه تا تبدیل به قطب توسعه روتر در جهان

علاوه‌براین، قلاده‌های هوشمند 5G با برقراری ارتباط بی‌سیم با سیستم شیردوشی رباتیک به خودکارسازی فرایند شیردوشی گاوها کمک می‌کنند. در این روند، گاوها به میل و رغبت خود به ایستگاه نزدیک می‌شوند و پس از تشخیص هویت، از میان گیت‌های بازرسی عبور می‌کنند و درکنار ربات متوقف می‌شوند. همه‌ی این کارها بدون دخالت انسان انجام می‌شود.

آینده‌ای که در ارتباطات بی‌سیم انتظار آن را می‌کشیم، آينده‌ای شگفت‌انگیز و پر از رویدادهای باورنکردنی خواهد بود و کشاورزان پیش از دیگران به این آینده گام نهاده است؛ چراکه اگر آن‌ها و محصولات آن‌ها نباشند، انسان‌ها همگی از گرسنگی خواهند مرد.

نیک کرایسوس، یکی از مدیران سیسکو، در یکی از عجیب‌و‌غریب‌ترین اظهارنظرهای شنیده‌شده از مدیران سیسکو به رویترز گفت:

می‌توانیم تک‌تک گاوها را به این شبکه و همه‌ی حیوانات این مزرعه را به نسل پنجم شبکه‌ی ارتباطات بی‌سیم متصل کنیم. فناوری 5G به رهاسازی قدرتی کمک می‌کند که در این مزرعه یا هر جای دیگری در انگلستان و این جهان نهفته است. این همان کاری است که این فناوری می‌تواند برای کشاورزی انجام دهد.

هواوی مذاکره با اپل برای تامین تراشه 5G آیفون را تکذیب کرد
با توافق اپل و کوالکام، اینتل از بازار تراشه‌ 5G خارج می‌شود
بنیانگذار هواوی شایعه فروش تراشه 5G به اپل را تایید کرد
تصاویری منتسب به گوشی 5G وان پلاس 7 پرو رویت شد
ال جی V50 ThinQ 5G از هوش مصنوعی سریع‌ و دقیقی بهره می‌برد

خبر های جدید


پیودی‌پای که لقب محبوب‌ترین خالق ویدیوی پلتفرم یوتیوب را مدت‌ها است یدک می‌کشد، اخیرا در حرکتی تأمل‌برانگیز، خبر مهمی را به‌ اطلاع مخاطبانش رسانده است. او می‌گوید که از این پس قصد دارد به سرویس DLive ملحق شود؛ گفتنی است که DLive یک سرویس استریم مبتنی بر بلاک‌چین به‌شمار می‌آید. 

فلیکس کیلبرگ ملقب به پیودی‌پای (PewDiePie) با ۹۳ میلیون مشترک در یوتیوب (این آمار هم‌چنان در حال رشد است) بدون هیچ شک و شبهه‌ای، بزرگ‌ترین ستاره‌ی این پلتفرم بزرگ به‌حساب می‌آید. دارایی پیودی‌پای بین ۳۰ تا ۵۰ میلیون دلار تخمین زده شده است.

فعالیت‌‌های پیودی‌پای در یوتیوب شامل استریم بازی، ولاگ و تولید ویدیوهای سرگرم‌کننده است. او که سال‌ها پیش به یوتیوب ملحق شده، تأثیر به‌سزایی روی بالارفتن محبوبیت این پلتفرم گذاشته است. به‌دنبال موفقیت کیلبرگ، شمار زیادی از مردم به استریم بازی روی آوردند و خواستند موفقیت‌های او را تکرار کنند. بااین‌حال ظاهرا پیودی‌پای می‌خواهد بخش مهمی از فعالیت خود را در سرویس دی‌لایو ادامه دهد؛ کیلبرگ می‌گوید دی‌لایو با او همچون یک «شریکِ کاری واقعی» برخورد می‌کند.

دی‌لایو یک سرویس استریم مبتنی بر بلاک‌چین Lino است و با استفاده از توکن به خالقان محتوای ویدیویی جایزه می‌دهد؛ این رویه‌ی سرویس دی‌لایو، قطعا به‌ ضرر یوتیوب و سیاست‌هایش خواهد بود. شکی نداریم بسیاری از طرفداران وفادار به پیودی‌پای، به‌همراه او به سرویس دی‌لایو مهاجرت خواهند کرد.

یوتیوب / YouTube

مقاله‌ی مرتبط:

  • دوران طلایی یوتیوب به‌پایان رسیده است

کیلبرگ در این رابطه می‌گوید: «از اینکه می‌خواهم دوباره استریم را به‌صورت منظم شروع کنم، هیجان‌زده هستم. دی‌لایو برای من یک سرویس عالی است، چون در اینجا نه‌تنها با من بلکه با دیگر استریمرهای حاضر در این پلتفرم منحصربه‌فرد، همچون یک شریک کاری واقعی رفتار می‌شود.»

پیودی‌پای در ویدیویی که اخیرا منتشر کرده، به‌صورت رسمی همکاری با دی‌لایو و دلایل اتخاذ این تصمیم را برای مخاطبان شرح می‌دهد. این ویدئو تاکنون میلیون‌ها بار تماشا شده و نظرات زیادی در زیر آن گذاشته شده است.

یوتیوب و توییچ دو پلتفرم شناخته‌شده‌ای هستند که به محبوبیت شمار زیادی از استریمرها و ولاگرها کمک شایانی کرده‌اند، بااین‌حال این دو پلتفرم گاهی اوقات با برخی سیاست‌هایشان، کاربرانشان را می‌رنجانند. یکی از مهم‌ترین دلایل اعتراض کاربران یوتیوب و توییچ، این است که دو پلتفرم یادشده بخش زیادی از درآمد استریمرها را برای خودشان بر می‌دارند. گفته می‌شود که توییچ (متعلق به آمازون) ۵۰ درصد از درآمد به‌دست‌آمده از سوی مشترکان کانال‌ها را برای خودش بر می‌دارد.

تاکنون مبلغ پرداختی به پیودی‌پای توسط سرویس دی‌لایو مشخص نشده است، بااین‌حال مدیرعامل این شرکت گفته که آن‌‌ها از همکاری با این استریمر بسیار خشنود هستند. او می‌گوید دی‌لایو به‌هیچ‌وجه سهمی از درآمد کسب‌شده از سوی مشترکان کانال‌ها یا هدیه‌های دیجیتالی، برای خود بر نمی‌دارد. 

pewdiepie

پیودی‌پای محال است به‌این‌سادگی‌ها یک کانال ۹۳ میلیونی را رها کند

او در این زمینه ادامه می‌دهد: «دی‌لایو جایی است که در آن‌، خالقان محتوا به‌جای رقابت با یک‌دیگر، از هم حمایت می‌کنند. پیودی‌پای جزو کسانی بوده که همواره به این موضوع علاقه نشان داده و به چشم‌اندازهای فعلی دی‌لایو اعتقاد دارد.»

پیودی‌پای تاکنون هیچ‌ ویدیویی در سرویس دی‌لایو منتشر نکرده، اما تعداد مشترکین کانال او تا این لحظه مرز ۱۴۶ هزار نفر را رد کرده است؛ شمار دنبال‌کنندگان پیودی‌پای در دی‌لایو‌ همچنان در حال رشد است و پیش‌بینی می‌کنیم این روند فعلا متوقف نشود. پیودی‌پای گفته است که امروز نخستین پخش زنده‌ی خود را ازطریق دی‌لایو انجام می‌دهد تا از این طریق بین ۱۰ تا ۵۰ هزار دلار توکن Lino را بین دیگر خالقان محتوا پخش کند؛ او با این کار می‌خواهد دیگر ویدیوسازان به دی‌لایو روی بیاورند تا از این طریق سرویس استریم یادشده سریع‌تر توسعه پیدا کند.

انجام این کار از سوی پیودی‌پای، قطعا به بالا رفتن محبوبیت دی‌لایو کمک زیادی خواهد کرد. این تصمیم همچنین می‌تواند برای خود پیودی‌پای هم در آینده درآمدزا باشد. او مدت‌ها است که در یوتیوب برای باقی‌ماندن به‌عنوان پرمشترک‌ترین کانال، با کانال T-Series رقابت می‌کند.

کت پیترسون، یکی از اعضای تیم مدیریتی فلیکس کیلبرگ می‌گوید: «این پلتفرم می‌تواند در زمینه‌ی درآمد، از خالقان ویدئو حمایت کند. رویکرد دی‌لایو به‌گونه‌ای است که در انتها به نفع استریمر تمام می‌شود. پیودی‌پای می‌خواهد میزان مشخصی از توکن‌های Lino را به دیگر ویدیوسازان اهدا کند تا دیگر افراد حاضر در پلتفرم هیجان‌زده شوند.»

رابطه‌ی فلیکس کیلبرگ و یوتیوب طی چندوقت اخیر، چندان جالب نبوده و تنش‌هایی در این بین شکل گرفته است. بااین‌حال حتی پس از اینکه پیودی‌پای به تولید برخی فیلم‌های ناخوشایند پرداخت و انتقادات شدیدی را متوجه یوتیوب کرد، این پلتفرم نخواست به‌طور جدی روابطش را با او قطع کند. البته دلیل انجام این کار تا حد زیادی مشخص است؛ پیودی‌پای در درآمدزایی یوتیوب، نقش به‌سزایی دارد.

درآمدزایی از یوتیوب / youtube menotization

بااین‌حال انتقادات تا حدی بالا گرفت که یوتیوب مجبور شد سریال Scare PewDiePie را لغو کند؛ لغو این سریال به‌منزله‌ی پایان قرارداد بین پیودی‌پای و شرکت دیزنی نیز بود. گرچه ویدیوهای پیودی‌پای تاکنون میلیاردها بار تماشا شده‌اند، اما همواره انتقاداتی نظیر نژادپرستی متوجه او شده‌اند. 

یکی از چالش‌های اخیری که پیودی‌پای با آن دست‌و‌پنجه نرم می‌کند، به حادثه‌ی اخیر نیوزیلند مربوط می‌شود. فردی که در یک ویدیوی پخش‌ زنده، ده‌ها نفر از مسلمانان را در یک مسجد به رگبار بست، پیش از انجام کارش به‌مخاطبان گفته بود که در کانال پیودی‌پای عضو شوند. 

با همه‌ی این‌ها، گرچه جزئیات ماجرا به‌طور کامل در اختیار رسانه‌ها قرار نگرفته، اما سخت است باور کنیم پیودی‌پای بخواهد کانالش را با ۹۳ میلیون مشترک ترک کند. درواقع اصل ماجرا این است که او می‌خواهد از این پس برخی از استریم‌هایش را به‌طور اختصاصی ازطریق دی‌لایو پخش کند. 

دیدگاه شما کاربران زومیت در این‌باره چیست؟

دیزنی قیمت و زمان عرضه‌ی سرویس استریم دیزنی پلاس را اعلام کرد
دوران طلایی یوتیوب به پایان رسیده است
سرویس اشتراک تلویزیون اپل تی‌وی پلاس معرفی شد
چه انتظاراتی از رویداد ۵ فروردین اپل داریم؟
اینستاگرام قابلیت تماشای ویدئو به‌همراه دوستان را آزمایش می‌کند

خبر های جدید


هنوز چندماهی به عرضه‌ی رسمی کارت‌های گرافیکی جدید AMD مبتنی بر پردازنده‌ی گرافیکی Navi باقی مانده؛ اما ظاهرا اطلاعات بیشتری از این محصولات افشا شده است. گزارش‌های زیادی درباره‌ی کارت‌های گرافیک Radeon RX موردانتظار AMD برپایه‌ی پردازنده‌های گرافیکی Navi به‌گوش می‌رسد که از عرضه‌ی این پردازنده‌های گرافیکی در نیمه‌ی دوم سال ۲۰۱۹ حکایت می‌کند. کارت‌های گرافیکی مذکور در دسته‌ی اقتصادی و مقرون‌به‌صرفه قرار می‌گیرند؛ اما براساس گزارش RedGamingTech، پردازنده‌ی گرافیکی دوم با معماری Navi در دسته‌ی بالارده طبقه‌بندی می‌شود.

جزئیات ارائه‌شده به دو بخش تقسیم می‌شود: اولین بخش درباره‌ی کارت‌های گرافیکی AMD Navi ابتدایی است که از معماری پردازنده‌ی گرافیکی Navi 10 بهره می‌برند و دومین بخش به کارت‌های حرفه‌ای و بالارده‌ای بازمی‌گردد که مبتنی بر Navi 20 هستند. بنابر ادعای وب‌سایت RedGamingTech، در جمع‌آوری این اطلاعات از منابع موثقی بهره گرفته شده که پیش‌تر اطلاعات دقیقی در زمینه‌های مشابه مطرح کرده بودند.

براساس اطلاعات ارائه‌شده، راجا کودوری، مدیر اسبق گروه فناوری‌های رادئون، پیش از ترک این شرکت مأموریت داشت بسیاری از ضعف‌های معماری GCN را برطرف کند. چنین روندی به گروه فناوری‌های رادئون AMD اجازه می‌داد هم‌زمان هم بر ایجاد معماری نسل بعد خود متمرکز شود و کار روی نسخه‌های بعدی معماری GCN را ادامه دهد و قدرت رقابت خود را دربرابر سبد محصولات GeForce و Quadro حفظ کند. در‌حال‌حاضر، راهبرد AMD در بازار محصولات عمومی به‌خوبی عمل کرده؛ اما محصولات پرچم‌دار شرکت AMD از چنین موقعیتی برخوردار نیست. AMD در این بازارها از صدرنشینی فاصله دارد و درواقع، بیشتر جایگزینی برای محصولات حرفه‌ای انویدیا به‌شمار می‌آید.

دلیل اینکه معماری Vega آن‌گونه که بایدوشاید عمل نکرده، این است که در زمان پیوستن راجا به گروه فناوری‌های رادئون، طراحی پردازنده‌‌های گرافیکی وگا در مراحل بلوغ خود بود و راجا فضای زیادی برای کار روی این معماری گرافیکی نداشت. بنابر گزارش RedGamingTech، هدف اصلی راجا آن بود که روی پردازنده‌های گرافیکی Navi کار کند که اگرچه همچنان مبتنی بر معماری موجود GCN بود، اصلاحاتی در بطن موتور هندسی خود اعمال کرد.

AMD Radeon Vega Frontier

حال به‌احتمال بسیار زیاد AMD پیش‌ازآنکه راجا گروه فناوری‌های رادئون را ترک کرده باشد، کار روی معماری Navi را به‌اتمام رسانده؛ اما با شدت‌گرفتن شایعات درباره‌ی تاریخ عرضه‌ی اولین گروه از کارت‌های گرافیکی Radeon RX برپایه‌ی معماری Navi در اواسط سال ۲۰۱۹، بیشتر به پاسخ این پرسش نزدیک می‌شویم‌ که چه اتفاقاتی در مرحله‌ی توسعه‌ی معماری Navi درحال‌وقوع است.

جزئیات ذکرشده درباره‌ی پردازنده‌های گرافیکی Navi 20 گویای پشتیبانی این پردازنده‌ها از قابلیت رهگیری پرتو است و اگر بخواهیم صادقانه صحبت کنیم، شرکت AMD راهبرد انحصاری خود را درزمینه‌ی رهگیری پرتو ارائه خواهد کرد؛ به‌ویژه اینکه اخیرا شرکت کرایتک در قالب دمویی ویدئویی جلوه‌های حاصل از رهگیری پرتو را برپایه‌ی موتور ساخت بازی Cryengine و با استفاده از کارت گرافیکی AMD Radeon RX Vega 56 نمایش داده است.‏ AMD به پشتیبانی از DXR API مایکروسافت تمایل دارد و ویژگی رهگیری پرتو را به‌صورت منبع باز دراختیار عموم توسعه‌دهندگان قرار خواهد داد؛ همان‌گونه که این کار را قبلا برای فناوری‌های دیگری مانند TressFX و Freesync و OpenCL انجام داده است.

گفته می‌شود میزان کارایی پردازنده‌های گرافیکی جدید AMD در ارائه‌ی قابلیت رهگیری پرتو بسیار مناسب به‌نظر می‌رسد و Navi 20 ممکن است بتواند در این آوردگاه در حدواندازه‌ی کارت‌های گرافیک قدرتمند و پرچم‌دار از سری GeForce RTX انویدیا نظیر RTX 2080 Ti ظاهر شود.

ظاهرا کارت‌های شتاب‌دهنده‌ی گرافیکی مراکز داده یا HPC برپایه‌ی معماری پردازنده‌ی گرافیکی Navi درمقایسه‌با محصولات مصارف عادی بسیار متفاوت ظاهر خواهد شد. در این کارت‌های گرافیکی، از طراحی SOC سفارشی‌تر استفاده خواهد شد که تاحدی شبیه به آن چیزی است که شرکت انویدیا در کارت‌های رده‌بالای سرور Tesla اجرا می‌کند.

مقاله‌های مرتبط:

  • AMD قصد دارد استیلای انویدیا بر بازار پردازنده‌های گرافیکی را در هم بشکند
  • نام چهار پردازنده گرافیکی AMD با معماری Navi فاش شد

با تمام این‌ها، باید توجه کرد پردازنده‌های گرافیکی Navi 20 به فاصله‌ی یک سال از کارت‌های عمومی Navi 10 عرضه خواهد شد. پس، عرضه‌ی پردازنده‌های گرافیکی حرفه‌ای‌تر به مقطعی از سال ۲۰۲۰ موکول خواهد شد که فاصله‌ی زمانی زیادی با آن داریم. در همین حال، شرکت انویدیا اعلام کرده عجله‌ای برای روی‌آوردن به فناوری ۷ نانومتری ندارد؛ چراکه آمار توان مصرفی حاصل با فرایند ۱۲ نانومتری FinFET در‌حال‌حاضر به‌خوبی توان رقابت با نمونه‌های رقیب را دارد. همچنین، فناوری‌های به‌کاررفته همراه‌با معماری تورینگ این شرکت بسیار برای مصرف‌کنندگان متقاعدکننده است. شاید انویدیا با صرف‌نظر از فرایند ساخت ۷ نانومتری به ساخت تراشه‌های 7nm+ بهبودیافته یا تراشه‌های ۵ نانومتری روی بیاورد.

گذشته از آن، گزارش‌هایی به‌گوش می‌رسد که پردازنده‌های گرافیکی AMD Navi از قابلیت‌های دیگری نظیر سایه‌زنی با نرخ متغیر در درون معماری Navi برخوردار است که امکان افزایش نرخ فریم و جزئیات گرافیکی را هم‌زمان با کاهش منابع سیستمی موردنیاز برای اجرای بازی فراهم خواهد ساخت. افزون‌براین، گزارش‌هایی درباره‌ی استفاده از پردازنده‌های گرافیکی Navi در ساخت کنسول‌های نسل بعد سونی و مایکروسافت به‌گوش می‌رسد.

به‌نظر می‌رسد معماری پردازنده‌‌ی گرافیکی Navi که آخرین نسل مبتنی بر GCN است، درنهایت سهم بهتری از بازار کارت‌های گرافیک برای AMD می‌تواند به‌ارمغان آورد و هم‌زمان وارد رقابتی تنگاتنگ با سبد محصولات رقیب شود.

احتمالا معماری Zen 2 شرکت AMD در نمایشگاه کامپیوتکس ۲۰۱۹ از راه می‌رسد
برنامه AMD برای تصاحب سهم عمده‌ای از بازار پردازنده‌‌های سرور
اینتل معماری تراشه‌های مجتمع گرافیکی نسل ۱۱ خود را رونمایی کرد
AMD تأیید کرد پردازنده‌هایش دربرابر اسپویلر ایمن هستند
اینتل در ادامه سال با مشکل کمبود پردازنده‌های ۱۴ نانومتری درگیر خواهد بود

خبر های جدید


مطالب محبوب