A-PRIZE of the Lifeboat Foundation

A-PRIZE

Purpose

The purpose of the A-PRIZE is to put development of artificial life forms in the open where it should be. Today, many efforts at developing artificial life are not well publicized. The A-PRIZE serves as a clearing house for information about the race to “Break the Carbon Barrier”. With mega-universities and companies racing to create nonbiological life, now is the time for such a clearing house.
 
With the reality that Nanobiotechnology (in its various guises including Synthetic Biology, Artificial Life, Biological Engineering, etc.) is pouring billions per year into the global race to break through the Carbon Barrier, now is the time to focus on this issue.
 
A bacterium with nonstandard DNA would be immune to bacteriophages, and would therefore have a much higher chance of becoming a broadly successful invasive species. That could devastate ecosystems on a scale that we don’t know the limits of. So let’s try to handle the development of artificial life in an open and responsible way by putting development in the open and engaging in development in a safe manner.
 

Overview

The A-PRIZE was developed by our Scientific Advisory Board member Alan H. Goldstein who coauthored the National Research Council’s triennial review of the National Nanotechnology Initiative (NNI). Input was also provided by other members of our Scientific Advisory Board including Mark A. Rothstein. Read our interview with Alan H. Goldstein!
 
It is awarded to the person or organization responsible for creating an Animat/Artificial life form with an emphasis on the safety of the researchers, public, and environment OR the person or organization who shows that an Animat/Artificial life form has been created. (The second case is to uncover unpublicized or unsafe projects.)
 
For nearly half a century, SETI efforts have Searched for Extra-Terrestrial Intelligence. Instead of searching for alien life outside our planet, the Lifeboat Foundation has decided to take the opposite approach and to search for “alien” life on this planet. We call our efforts “Finding Artificial Life Created by Nanobiotechnology” (FALCN, which is pronounced like falcon).
 
In 1978 the Nobel Prize in Physiology or Medicine was awarded to Werner Arber, Daniel Nathans and Hamilton O. Smith for the discovery of restriction enzymes and their application to problems of molecular genetics. In an editorial comment in the journal Gene, Wacław Szybalski wrote: “The work on restriction nucleases not only permits us easily to construct recombinant DNA molecules and to analyze individual genes but also has led us into the new era of synthetic biology where not only existing genes are described and analyzed but also new gene arrangements can be constructed and evaluated”.
 
We feel it is time to begin the search because considerable advancements in synthetic biology have been made recently. For example, we now have an International Conference on Synthetic Biology. At the most recent conference, our Scientific Advisory Board member Stephen M. Maurer was author of a groundbreaking proposal to finally have a code of conduct for the field of synthetic biology which unfortunately was not accepted at that meeting.
 
Because of rejections of proposals such as Maurer’s there is no coherent federal regulation or plans to develop coherent regulation of emerging fields such as nanobiotechnology/synthetic biology/artificial life. Worldwide, the situation is entirely chaotic.
 

What is an Animat?

This term was developed by Alan H. Goldstein. In his article I, Nanobot, he suggested that a new state of life be named after the contraction of the term “anima-materials” — “animats”. This artificial life form (most likely nanobiotechnology based) must meet the following tests:

A = Devices that can survive and function in our ecosphere, for example inside human beings.
 
B = Devices that can derive energy from biological metabolism. Many nanomedical devices will be powered by the fuel available inside the human body. A common idea is to take our own glucose-oxidizing enzymes and use them as a fuel cell for the nanobiobot.
 
C = Devices capable of copying themselves by molecular self-assembly. Note that any information necessary for the animat’s operations cannot be stored in DNA or RNA or any other methods that are discovered to be used naturally by life on Earth. The corollary: If the information necessary to execute the animat’s operations can be stored in DNA or RNA, then the animat is really biological and is not an animat.

So A + B + C = a self-replicating device capable of living in our ecosphere, powered by fuel available in our ecosphere = Animat.
 
Learn more about the Animat Test!
 

A-PRIZE Taxonomic System

Taxonomic System For Current And Near-Future Life Forms On Earth: Because Molecular Engineering (a.k.a. Nanobiotechnology) is already a reality, we must develop careful terminology in order to characterize the novel life forms that will emerge from this revolutionary endeavor. This table may be considered as a first attempt to create a coherent, fully inclusive set of Life Form Types, i.e. to create an expanded taxonomy that can accommodate the products of Molecular Engineering. Life Form Types are defined based on how a given life form functions and how it came into being. It is crucial to recognize that Molecular Engineering will ultimately result in every possible permutation and combination of these Life Form Types.
 
It is unlikely that a fully functional Synthetic Nonbiological Life Form (a.k.a. an Animat — see Type 4 below) will come into being in the near future. Therefore, the Carbon Barrier^TM is defined as the moment in the evolution of human Molecular Engineering when we first create an organism that must execute at least one synthetic nonbiological operation in order to complete its life cycle. The person or group that verifiably creates such an organism with an emphasis on the safety of the researchers, public, and environment, OR the person or group that provides information leading to the discovery that such an organism has been created will win the A-PRIZE.
 
Taxonomy System
 
The Life Form Type Natural Biological has the defining characteristics that Natural Biological Life Forms are limited to organisms wherein all the information necessary to execute the minimum set of physical and chemical operations necessary to complete a life cycle must be stored in DNA and/or RNA. In addition these life forms must either have come about by terrestrial evolution, or via manipulation by Homo sapiens at or above the cellular level of organismal structure.
 
Humans have been genetically manipulating biological life forms such as crop plants for thousands of years via conventional breeding. This definition allows anything down to the product(s) of in vitro fertilization to qualify as a Type 1 Life Form.
 
The Life Form Type Genetically-Engineered Biological has the defining characteristics that Genetically-Engineered Biological Life Forms also conform to the rule that all information necessary to execute the minimum set of physical and chemical operations necessary to complete a life cycle must be stored in DNA and/or RNA. Type 2 Life Forms are created via direct intervention of humans below the cellular level of organization but this intervention uses a “top-down” strategy whereby existing biomolecules are rearranged or chemically modified.
 
In addition to recombinant DNA and the other standard molecular biology tools of biotechnology (e.g. protein engineering, pathway engineering etc.) Type 2 Life Forms would include those created by subcellular methods such as somatic nuclear transfer.
 
The Life Form Type Synthetic Biological has the defining characteristics that Synthetic Biological Life Forms also conform to the rule that all information necessary to execute the minimum set of physical and chemical operations necessary to complete a life cycle must be stored in DNA and/or RNA. Rather than use pre-existing biomolecules, Type 3 Life Forms are created via direct human intervention using a ‘bottom-up’ strategy whereby the minimum number of biomolecules necessary to initiate life cycling (DNA, RNA, proteins, the bounding membrane of a synthetic cell, etc.) are synthesized and assembled in the laboratory de novo from nonliving chemical precursors.
 
The definition of a Type 3 Life Form brings up many interesting questions. For example, if we could synthesize and assemble all the components of a specific strain of E. coli (say K-12) and it began to grow and divide, would it’s progeny be considered Type 3 or Type 1 Life Forms? These issues can only be addressed after we have developed a coherent set of life form definitions.
 
The Life Form Type Synthetic Nonbiological (Animat) has the defining characteristics that Synthetic Nonbiological Life Forms absolutely must not conform to the rule that all information necessary to execute the minimum set of physical and chemical operations necessary to complete a life cycle must be stored in DNA and/or RNA. In fact, the exact opposite condition must be imposed as a taxonomic requirement. A completely Synthetic Nonbiological Life Form would not use any biomolecules to store information or execute life cycle operations. Any such organism would be considered a fully functional Animat.
 
The highest probability is that the first Synthetic Nonbiological Life on Earth will appear in hybrid organisms where one or more essential life cycle operations must be carried out using chemistry outside the parameters set for of the Biological Life. In fact, over the next decade we will see the emergence of Multi-hybrid Life Forms containing Natural, Genetically Engineered, and Synthetic Biological components as well as one or more Synthetic Nonbiological components.
 

What is the Carbon Barrier?

Nanobiotechnology is expected to eliminate the difference between living and nonliving materials, thereby ending biology’s monopoly on life… Alan H. Goldstein has termed that monopoly the “Carbon Barrier”.
 

Judges

The first phase of judging is to determine if proper safety precautions have been taken. Our safety judges are: Russell Blackford, Alan H. Goldstein, Joseph D. Miller, and Philippe Van Nedervelde. All judges must agree that proper safety precautions have been taken for an award to be given. Let us know if you are qualified to be a safety judge!
 
The second phase of judging is to determine if an animat has been created. Our animat judges are: Alan H. Goldstein and Joseph D. Miller. All judges must agree that an animat has been created for an award to be given. Let us know if you are qualified to be a animat judge!
 

Prize

Besides creating an animat, two additional items must be submitted to receive the prize: (1) a description of the measures taken by the researchers to ensure the safety of researchers, the public, and the environment during the course of the research; and (2) an analysis of the ethical, legal, and social implications of the research, along with an indication of what societal measures are needed to maximize the benefits and eliminate or minimize the possible harms flowing from the discovery.
 
We are looking for donors to add to the prize total. To collect the prize money, submit winning entries to [e-mail].
 

Notes and References

Artificial Life Likely in 3 to 10 Years, Seth Borenstein, AP – August 19, 2007.
 
I am creating artificial life, declares US gene pioneer, Ed Pilkington, The Guardian, October 6, 2007.
 
I, Nanobot by Alan H. Goldstein – March 9, 2006.
 
Life, Reinvented: A group of MIT engineers wanted to model the biological world. But, damn, some of nature’s designs were complicated! So they started rebuilding from the ground up — and gave birth to synthetic biology, Oliver Morton, Wired – January, 2005.
 
Regenesis, Matthew Herper, Forbes – August 18, 2006.
 
Tweaking Genes in the Basement, Allen Riddell – July 6, 2006.
 
The Ultimate Right to Life Debate: Synthetic biologists know the meaning of life, but do they know the meaning of synthetic biology? by Alan H. Goldstein – September, 2006.

ساخت باتری آزمایشی با هوا و دی‌اکسیدکربن

ساخت باتری با هوا و دی‌اکسیدکربن

محققان دانشگاه ایالتی پنسیلوانیا روش جدیدی را برای تولید انرژی از دی‌اکسیدکربن ابداع کرده‌اند که صدها برابر قوی‌تر از انواع دیگر است.

به گزارش ایسنا به نقل از انگجت، دانشمندان یک باتری سلولی شناور ارزان تولید کرده‌اند که بیشتر از محلول‌های آب حاوی دی‌اکسیدکربن محلول یا هوای عادی محلول استفاده می‌کند. از آنجایی که مایعات حاوی غلظت‌های متفاوت دی‌اکسیدکربن هستند، سطوح PH متفاوتی هم دارند و این عدم تعادل باعث تولید برق می‌شود.

در یک باتری سلولی شناور، دو مایع توسط یک غشا از هم جدا می‌شوند تا با یکدیگر ترکیب نشوند اما یون‌ها در میان آن‌ها جریان پیدا می‌کنند. با تبادل یون‌ها بین محلول غلیظ‌تر دی‌اکسیدکربن و محلول هوای عادی، ولتاژ در الکترودهای اکسیدمنگنز هر دو مخزن تغییر می‌کند. این کار به شبیه‌سازی جریان الکترون‌ها میان دو الکترود متصل پرداخته و در نتیجه تولید برق می‌شود.

زمانی که تمرکز یون‌ها عادی می‌شود، می‌توان بطور موثری باتری را با پر کردن مجدد هر مخزن با محلول متضاد و معکوس کردن جریان الکترون‌ها، دوباره شارژ کرد. محققان توانستند این کار را بیش از 50 بار انجام دهند و پس از آن، کاهش عملکرد مشاهده شد.

این باتری در دمای اتاق به کار پرداخته و از مواد و فرآیندهای ارزان استفاده می‌کند. با این حال محققان معتقدند که استفاده از دستاورد آنها در مقیاس بزرگ هنوز مقرون‌ بصرفه نیست. آن‌ها امیدوارند بتوانند این باتری‌ها را به ایستگاههای نیروی سوخت فسیلی ادغام کنند تا از انتشارات گازهای دی‌اکسیدکربن آن‌ها برای تولید انرژی بیشتر استفاده کنند.

این تحقیق در مجله Environmental Science & Technology Letters منتشر شده است.

---

آخرین اخبار

• دانشگاه استنفورد مهد استارتاپ‌های "تک‌شاخ"
• هوش مصنوعی صد برابر هوشمندتر می‌شود
• وضعیت اینترنت اشیا در ایران
• ابلاغ قانون اساسنامه سازمان انرژی‌های تجدیدپذیر و بهره‌وری انرژی برق ساتبا
• ابداع باتری جریانی که بیش ازده سال کار می کند
• بررسی زمینه‌های همکاری با آژانس بین‌المللی انرژی‌های تجدیدپذیر
• ساخت باتری با هوا و دی‌اکسیدکربن
• نشانه های جنگ قریب الوقوع آمریکا با ایران
• بیش از ۲۰ میلیارد ابزار به اینترنت وصل می شوند
• فرصتی برای بازگشت نخبگان فناوری

---

آخرین آگهی ها

• هیدروپونیک آبکشت hydroponics
• پروژه جنگل صحرا
• آلمریا شهر گلخانه ها
• طرح کاشف- کارآفرینی یک میلیونی
• ایزکس
• گل ارکیده
• شرکت توربوکمپرسور نفت
• خدمات مهندسی

فهرست اساتید دانشگاهی فعال در زمینه های هوش مصنوعی

اساتید فعال در زمینه های هوش مصنوعی

January 21, 2017

به کوشش آقای احمدرضا حسینی Ahmad Reza Hosseiny

---

پردازش تصویر و بینائی ماشین

رضا صفابخشدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوتر

محمد رحمتیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترکریم فائزدانشگاه صنعتی امیرکبیر – دانشکده مهندسی برقاحسان اله کبیردانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوترمحمد حسن قاسمیاندانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوترنصراله مقدم چرکریدانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوتررضا آقائی زاده ظروفیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترحمید سلطانیان زادهدانشگاه تهران – دانشکده مهندسی برق و کامپیوترحمید ابریشمی مقدمدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترشهره کسائیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترمنصور جمزاددانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترفرح ترکمنی آذردانشگاه شهید بهشتی – دانشکده مهندسی برق و کامپیوترمحمود فتحیدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوتر 

پردازش صوت و گفتار

محمدمهدی همایونپوردانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترسیدمحمد احدیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی برقحمید شیخ زادهدانشگاه صنعتی امیرکبیر – دانشکده مهندسی برقابوالقاسم صیادیاندانشگاه صنعتی امیرکبیر – دانشکده مهندسی برقسیدعلی سیدصالحیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی پزشکیفرشاد الماس گنجدانشگاه صنعتی امیرکبیر – دانشکده مهندسی پزشکیبابک ناصرشریفدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترحسین ثامتیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترمحمدحسن ساوجیدانشگاه شهید بهشتی – دانشکده مهندسی برق و کامپیوتراحمد اکبریدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوتر

شبکه های عصبی

رضا صفابخشدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترمحمدباقر منهاجدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترسیدعلی سیدصالحیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی پزشکیمحمد تشنه لبدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوتر

پردازش، تحلیل و شناسایی الگو

محمد رحمتیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوتراحسان اله کبیردانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوتربابک اعرابیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترحمید ابریشمی مقدمدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترمهدیه سلیمانیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترحمیدرضا ربیعیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترمرتضی آنالوییدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوترهادی صادقی یزدیدانشگاه فردوسی – دانشکده مهندسی کامپیوتر

هوش محاسباتی، رایانش نرم

مریم ذکریدانشگاه صنعتی اصفهان – دانشکده مهندسی برق و کامپیوترعبدالرضا میرزائیدانشگاه صنعتی اصفهان – دانشکده مهندسی برق و کامپیوترمحمدرضا میبدیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوتراحمد نیک آبادیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترعلی احمدیدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترحمید بیگیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوتر

سیستم های فازی

فرید شیخ الاسلامدانشگاه صنعتی اصفهان – دانشکده مهندسی برق و کامپیوترمحمدمهدی عبادزادهدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترمحمدباقر منهاجدانشگاه صنعتی امیرکبیر – دانشکده مهندسی برقوحید جوهری مجددانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوتربابک اعرابیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترسعید باقری شورکیدانشگاه صنعتی شریف – دانشکده مهندسی برقاقبال منصوریدانشگاه شیراز – دانشکده مهندسی برق و کامپیوترمنصور ذوالقدریدانشگاه شیراز – دانشکده مهندسی برق و کامپیوترمحمد رضا اکبر زادهدانشگاه فردوسی – دانشکده مهندسی برق

پردازش تکاملی، محاسبات زیستی

محمدمهدی عبادزادهدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوتراحمد نیک آبادیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترامین نیک انجامدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترحمید بیگیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترعادل رحمانیدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوترمحمد رضا اکبر زادهدانشگاه فردوسی – دانشکده مهندسی برقرضا منصفیدانشگاه فردوسی – دانشکده مهندسی کامپیوتر

یادگیری ماشین

سعید شیریدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترشهرام خدیویدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوتراحمد نیک آبادیدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترمریم میریاندانشگاه تهران – دانشکده مهندسی برق و کامپیوترحمید بیگیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترمهدیه سلیمانیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوتر

پردازش زبان طبیعی، ترجمه ماشینی

شهرام خدیویدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترهشام فیلیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترچیترا دادخواهدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترغلامرضا قاسم ثانیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترمهرنوش شمس فرددانشگاه شهید بهشتی – دانشکده مهندسی برق و کامپیوتر

رباتیک

سعید شیریدانشگاه صنعتی امیرکبیر – دانشکده مهندسی کامپیوترسجاد ازگلیدانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوترمجید نیلی احمدآبادیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترحمیدرضا تقی راددانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترمنصور جمزاددانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترسعید باقری شورکیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوترپیمان کبیریدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوترمحمد رضا اکبر زادهدانشگاه فردوسی – دانشکده مهندسی برق

هوش مصنوعی توزیع شده

مجید نیلی احمدآبادیدانشگاه تهران – دانشکده مهندسی برق و کامپیوترغلامرضا قاسم ثانیدانشگاه صنعتی شریف – دانشکده مهندسی کامپیوتر

سیستم های چندعاملی

وحید جوهری مجددانشگاه تربیت مدرس – دانشکده مهندسی برق و کامپیوترفتانه تقی یارهدانشگاه تهران – دانشکده مهندسی برق و کامپیوترامین نیک انجامدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوتراسلام ناظمیدانشگاه شهید بهشتی – دانشکده مهندسی برق و کامپیوتر

سیستم های خبره، مهندسی دانش، هوش مصنوعی

محمدعلی منتظریدانشگاه صنعتی اصفهان – دانشکده مهندسی برق و کامپیوترمحسن صدیقیدانشگاه صنعتی اصفهان – دانشکده مهندسی برق و کامپیوترچیترا دادخواهدانشگاه صنعتی خواجه نصیر – دانشکده مهندسی برق و کامپیوترشهرام جعفریدانشگاه شیراز – دانشکده مهندسی برق و کامپیوتر

داده کاوی 

بهروز مینائیدانشگاه علم و صنعت ایران – دانشکده مهندسی کامپیوتر

---

• Airoldi, Edoardo – Harvard University. Statistical and computational elements for the analysis of complex graphs and interacting dynamical systems, including yeast molecular biology and social networks. Overview of publications and activities.
• Alkhalifa, Eshaa – University of Bahrain. Multimedia adaptable intelligent tutoring systems, student modeling, cognitive style.
• Allen, James F. – University of Rochester. Natural language understanding, discourse, knowledge representation, common-sense reasoning and planning.
• Bacchus, Fahiem – University of Toronto. Planning systems, temporal logic, constraint satisfaction problems and formal models.
• Bahlmann, Claus – Albert-Ludwigs-University Freiburg, Germany, On-line handwriting recognition.
• Beal, Matthew J. – University at Buffalo, SUNY. Nonparamtric Bayes, bioinformatics, HMMs, probablisitic sensor fusion.
• Benjamin, D. Paul – Pace University. Problem decomposition and theory reformulation, integrated cognitive architectures for autonomous robots, distributed constraint satisfaction problems, semigroup theory and dynamical systems, category theory in software design.
• Biermann, Alan W. – Duke University. Computational linguistics, automatic programming and inference.
• Blum, Avrim – Carnegie Mellon University. Interests include machine learning, approximation algorithms, on-line algorithms and planning systems. Online publications and talks.
• Brachman, Ron – Director of the Information Processing Technology Office (IPTO) at DARPA. Knowledge representation, machine learning, information retrieval, natural language processing.
• Calvin, William H. – Theoretical neurophysiologist and author of “The Cerebral Code”, and “How Brains Think”.
• Carberry, Sandra – University of Delaware. Department of Computer and Information Sciences Chair. Computational linguistics, dialog systems, machine learning, planning and plan recognition, medical informatics, user modeling.
• Carpenter, Julie – University of Washington (Educational Psychology/Learning Sciences/LIFE Center). Human-robot attachment; robot-human interaction in stressful conditions, especially in dyad teamwork or collaborative situations.
• Carreras, Xavier – Universitat Politechnica de Catalunya, PhD student, machine learning, natural language processing.
• Carroll, John A. – University of Sussex. Natural language parsing, acquisition of lexical information from text, automatic generation of text from semantic representations.
• Cassell, Justine – Carnegie Mellon University. Gesture and narrative language, animated agents, intonation, facial expression, computer vision.
• Cer, Daniel – University of Colorado – Boulder. Acoustic and lexical features of emphatic speech.
• Charniak, Eugene – Brown University. Part-of-speech tagging, probabilistic context-free grammar induction, syntactic disambiguation through word statistics, efficient syntactic parsing, and lexical resource acquisition through statistical means.
• Chavez, Guillermo Camara – Federal University of Minas Gerais (UFMG), Brazil. Pattern recognition, invariante pattern recognition, neural networks, image content-base retrieval, digital image processing, computer vision.
• Chiang, Yao-Yi – Geosemble Technologies. Computer vision, image processing, pattern recognition, geospatial information integration.
• Clough, Paul D. – University of Sheffield. Information retrieval.
• Conati, Cristina – University of British Columbia. User modeling, emotionally intelligent agents, adaptive user interfaces, Bayesian network student models.
• Conitzer, Vincent – Carnegie Mellon School of Computer Science. Phd Student. Intersection of computer science and game theory, computer science and economics, multiagent systems, automated negotiation and contracting.
• Cortes, Nareli Cruz – CINVESTAV-IPN. Artificial immune system optimization, genetic algorithms, evolutionary computation.
• Danescu, Radu – Technical University of Cluj. Image processing, stereovision, intelligent vehicles.
• De Baets, Bernard – Fuzzy Relations and Preference Modelling
• Delord, Christophe – ENSEEIHT, France, Computer Science engineer, Artificial Intelligence (dialogue simulation, speech acts, PROLOG), Python, lexical and syntactic parsing.
• Di Eugenio, Barbara – University of Illinois at Chicago. Interpretation and generation of instructional text, computational models of tutorial dialogue, modeling collaboration in human-human and computer-human dialogues, referential expressions.
• Dorigo, Marco – Université Libre de Bruxelles, Belgium. Research projects in Ant algorithms, metaheuristics for combinatorial optimization, robot shaping and behavior engineering.
• Dorst, Leo – University of Amsterdam. Applications of geometric (Clifford) algebra, exploration, reasoning with uncertainty in robotics.
• Dror, Gideon – Academic College of Tel-Aviv-Yaffo. Text categorization, machine learning applications in bioinformatics, medicine, machine vision and high energy physics, feature selection for categorization and regression problems, artificial neural networks.
• Elliott, Clark – DePaul University. Affective reasoning, synthetic characters, animated tutoring agents, emotion representation.
• Faltings, Boi – Director of Artificial Intelligence Laboratory, EPFL, President of Swiss AI Society. Software agents, constraint-based reasoning, case-based reasoning.
• Finn, Aidan – School of Computer Science and Informatics, University College Dublin. Automated information extraction using convergent boundary classification, machine learning for automatic genre classification, active learning for information extraction.
• Fodor, János – Basics of fuzzy sets and connectives
• Fournier-Viger, Philippe – University of Quebec at Montreal. Learning objects, cognitive modelling, virtual learning environments and intelligent tutoring systems.
• Franklin, Stan – University of Memphis. Conscious software, intelligent agents.
• Frasconi, Paolo – Università di Firenze. Machine learning for sequential and structured data, bioinformatics, text and natural language, pattern recognition.
• Forbus, Kenneth – Northwestern University. Qualitative physics, spatial reasoning, cognitive simulation of analogical processing.
• Funge, John – iKuni, Inc. Game AI, machine learning, and knowledge representation.
• Furcy, David – University of Wisconsin Oshkosh. Heuristic search, planning and re-planning, reinforcement learning.
• Galassi, Ugo – University of Eastern Piedmont. User profiling, hierarchical HMMs, learning regular expressions.
• Geczy, Peter – RIKEN Brain Science Institute. Neural networks, artificial intelligence, neuroscience, fuzzy logic, rule acquisition, rule extraction from neural networks, Autonomous Connectionistic Engine (ACE), neural network resources.
• Gini, Maria – University of Minnesota. Distributed intelligence, cooperation of miniature robots, robot navigation, multi-agent systems for e-commerce and supply-chain, economic agents.
• Goel, Ashok K. – Georgia Tech. Knowledge-based reasoning and learning, design cognition and computing, creativity, self-adaptation.
• Goyal, Ram Dayal – Intigma India. Data mining, natural language processing, data mining, neural networks, image processing.
• Goel, Ashok – Ashok Goel is an Associate Professor of Computer and Cognitive Science at Georgia Institute of Technology. Research in various aspects of design includes investigation of the creative exploration involved in solving problems.
• Gonzalez-Fierro, Miguel – University Carlos III of Madrid and King’s College London. Machine learning, deep learning, computer vision, humanoid robots and artificial intelligence in startups.
• Guinn, Curry I. – University of North Carolina at Wilmington. Natural language processing, spoken dialog systems, conversational agents, affective computing.
• Guvenir, H. Altay – Bilkent University. Machine learning, data mining, and computer-aided language learning.
• Grasso, Floriana – University of Liverpool. Computational models of natural argument, affective natural language generation, conflict resolution.
• Green, Nancy – University of North Carolina at Greensboro. Intelligent multimedia presentation systems, argumentation models, automatic generation of textual summaries of graphs, interactive narrative, conversation agents, user modeling.
• Hagelbäck, Johan – AIGuy.org
• Harmelen, Frank van – Vrije Universiteit, Amsterdam. Approximate reasoning, medical protocols, semantic web, specification languages for KBS.
• Hassabis, Demis – DeepMind Technologies and now working with Google
• Hayes-Roth, Barbara – Stanford University. Extempo Systems. Intelligent interactive characters, interactive story telling, adaptive intelligent agents.
• Hearst, Marti – University of California at Berkeley. Data mining, information retrieval, user interfaces, web search.
• Honavar, Vasant – Does research on machine learning, knowledge representation, data mining, big data, information integration, probabilistic models, bioinformatics, social informatics, and health informatics.
• Honavar, Vasant – Artificial Intelligence Research Laboratory, Iowa State University.
• Hoos, Holger H. – University of British Columbia. Preference elicitation, dynamic constraint optimization, satisfiability problems in propositional logic, computational musicology.
• Horvitz, Eric – Microsoft Research. Decision theory, reasoning systems, user modeling, reasoning under uncertainty.
• Jacob, Rob – Tufts University. Human-computer interaction, tangible user interfaces, virtual environments, eye-gaze tracking.
• Kadri, Faisal – Affective computing, computational models of human emotion.
• Katirai, Hooman – MIT / Harvard. Machine learning applied to medicine, eHealth, and Electronic Medical Records (EHR) and Patient Health Records.
• Ketter, Wolfgang – University of Minnesota. Computer science and economics, multiagent systems, automated negotiation and contracting.
• Koenig, Sven – University of Southern California. Decision making, situated agents, distributed agents.
• Krogt, Roman van der – Post-doctoral researcher at the Cork Constraint Computation Centre (4C). Working on multiagent planning methods as well as scheduling for manufacturing.
• Lambert, Lynn – Christopher Newport University. Natural language processing, planning and plan recognition, belief models, negotiation.
• LeCun, Yann – director of Facebook AI Research
• Lenski, Richard – Michigan State University. Interests: self-replicating computer programs that mutate at random.
• Lisetti, Christine – Florida International University. Emotional intelligence, computational models of emotions and affective processes, affective computing.
• Litman, Diane J. – University of Pittsburgh. Spoken dialogue for intelligent tutoring systems, reinforcement learning for optimizing spoken dialogue agents, prosodic analysis of misrecognitions and corrections, plan recognition.
• Littman, Michael – Rutgers. Planning under uncertainty, markov decision processes, reinforcement learning, latent semantic indexing, text retrieval.
• Liu, Hugo – MIT Media Laboratory. Philosophically motivated AI, commonsense reasoning, aesthetics and AI, assistive software agents, lexical semantics, story understanding.
• Liu, Jundong – Ohio University. School of Electrical Engineering and Computer Science. Medical image analysis, computer vision.
• Makris, Dimitrios – Kingston University. Senior lecturer and member of the Digital Imaging Research Centre. Research in 3D pose recovery, motion analysis and multi-camera tracking.
• Manning, Christopher – Stanford University. Probabilistic parsing, grammar induction, text categorization and clustering, electronic dictionaries, information extraction and presentation, and linguistic typology.
• Mantaras, Ramon Lopez de – Spanish Council for Scientific Research (CSIC) and Deputy Director of the Artificial Intelligence Research Institute of the CSIC. AI and music, qualitative approaches to landmark-based robot navigation.
• Martin, James – University of Colorado, Boulder. Empirical metaphor research, latent semantic analysis, information retrieval, co-author of “Speech and Language Processing” with Dan Jurafsky.
• McCoy, Kathleen – University of Delaware. Rehabilitation engineering, writing tool for American Sign Language, natural language generation, text summarization, graph summarization.
• McGuinness, Deborah – Researcher in Knowledge Representation and Reasoning Systems. Co-designer and developer of CLASSIC and Chimaera among others. Associate Director of the Knowledge Systems Laboratory at Stanford University.
• Mencar, Corrado – Neuro-fuzzy classifiers
• Meila, Marina – University of Washington. Machine learning, probabilistic reasoning, graphical probability models, tree belief networks and mixtures of trees, maximum entropy discrimination, spectral clustering and image segmentation.
• Minsky, Marvin – Growing biography, with links to many related topics. [Wikipedia]
• Mitchell, Melanie – Currently at the Santa Fe Institute. Melanie Mitchell developed Copycat as part of her dissertation work with Douglas Hofstadter on cognitive modeling of high-level perception and analogy-making.
• Mitrovic, Nikola – University of Zaragoza. Ph.D. student. Mobile agents, intelligent user interfaces, adaptive user interfaces, mobile applications.
• Monz, Christof – Research interests: Computational Linguistics, Information Retrieval, Automated Deduction. Site lists on-line publications, projects, activities, and contact info.
• Moore, Johanna D. – University of Edinburgh. Computational modeling of tutorial dialogue, multimedia explanation, integrated techniques for interpretation and generation, patient education.
• Nebel, Bernhard – Albert-Ludwigs-Universität, Freiburg, Germany. Professor. Knowledge representation, planning, and robotics, with an emphasis on robotic soccer.
• Ng, Andrew – is Chief Scientist at Baidu Research in Silicon Valley. In addition, he is an associate professor in the Department of Computer Science and the Department of Electrical Engineering by courtesy at Stanford University. He is chairman of the board of Coursera, an online education platform that he co-founded with Daphne Koller.
• Norvig, Peter – Artificial Intelligence, natural language, Lisp and Java in AI. Computational Sciences Division, NASA Ames Research Center.
• Novick, David – University of Texas at El Paso. Department of Computer Science Chair. Spoken dialog models, mediated communication, user interface development methodologies.
• Papert, Seymour – Growing biography, with links to many related topics. [Wikipedia]
• Pelikan, Martin – Director of the Missouri Estimation of Distribution Algorithms Laboratory (MEDAL), University of Missouri in St. Louis. Research interests: Evolutionary computation, Bayesian networks, machine learning.
• Pellier, Damien – CRIP5 – Paris 5 Laboratory. Multi-agent systems, planning and scheduling, distributed problem solving, cooperative robotics.
• Pennock, David M. – Yahoo! Research Labs. Electronic commerce, internet statistics, uncertain reasoning, decision theory, market approaches to group coordination, multiagent systems.
• Picard, Rosalind – MIT. Affective computing, texture and pattern modeling, video and image browsing, retrieval and annotation.
• Pietruszkiewicz, Wieslaw – Szczecin Technical University (Poland). Machine learning and knowledge (data) mining, optimal (kalman) filtering, expert and decision support systems.
• Pinheiro da Silva, Paulo – Stanford University. Explanations for semantic web tasks, semantic web tools and infrastructure, model-based user interfaces, formal specification and verification of interactive systems.
• Popple, James – Australian National University. Legal expert systems.
• Powers, David – The Flinders University of South Australia. Natural language learning, unsupervised learning, data mining, home automation, web search.
• Qu, Yan – Carnegie Mellon University. Information retrieval, extraction and management, natural language processing, Chinese computing, dialog and discourse processing, machine translation, cooperative human-computer interaction.
• Raina, Rajat – Stanford University. Question answering systems, machine learning, probabilistic models, robotics.
• Reitter, David – University of Edinburgh. Multimodal systems, natural language generation, structural priming/alignment in dialogue, rhetorical analysis.
• Riazanov, Alexandre – Computer Scientist and Software Developer. Research interests: Automated Reasoning, Theorem Prover Vampire, Semantic Technologies, Semantic Web, Natural Language Processing.
• Roberts, Steve – Oxford. Robotics Research Group. Machine learning, Bayesian learning, data-driven inference, signal and image processing, bioinformatics, computational and mathematical biology.
• Roubens, Marc – Multicriteria decision aid
• Roweis, Sam – University of Toronto. Researcher in pattern recognition, neural networks, artificial intelligence.
• Rudnicky, Alex – Carnegie Mellon University. Speech recognition, CMU Communicator, dialog systems, speech agents.
• Saffiotti, Alessandro – Head of the mobile robotics lab at Orebro University, Sweden. Research area: integration of cognition and physical embedding in autonomous robots.
• Schütze, Hinrich – Stanford University. Statistical NLP, text mining, Co-author of “Foundations of Statistical Natural Language Processing” with Christopher Manning.
• Seneff, Stephanie – MIT Laboratory for Computer Science. Phonological modelling, auditory modelling, computer speech recognition, statistical language modelling, natural language understanding and generation, discourse and dialogue modelling, and prosodic analysis.
• Simon, Herbert A. – Late Professor at Carnegie Mellon University. One of the founders of Artificial Intelligence. Research mainly in modeling and simulation of human cognition.
• Sims, Karl – Interviews with Karl Sims and a gallery of his works in evolutionary art and artificial evolution.
• Smith, Ronnie W. – East Carolina University. Spoken natural language dialog systems, dialog repairs, mixed-initiative, adaptive user interfaces.
• Spears, William M. – Research into Complex Adaptive Systems: Genetic Algorithms (Evolutionary Algorithms), Neural Networks, and Simulated Annealing. University of Wyoming.
• Staab, Steffen – Research topics: semantic web, knowledge management, and natural language processing. List of his publications, projects, courses taught, contact information.
• Swarup, Samarth – Virginia Tech. Cumulative (lifelong, multi-task) learning and evolution of language.
• Szalas, Andrzej – College of Economics and Computer Science, Olsztyn, Poland. Unmanned aerial vehicles. Autonomous systems.
• Taatgen, Niels – University of Groningen. Cognition, ACT-R, learning rules and productions.
• Tack, Werner H. – Universität des Saarlandes. ACT-R cognitive modeling.
• Tagliarini, Gene – University of North Carolina at Wilmington. Classification of sonar returns, fingerprint matching, image compression, and constraint satisfaction.
• Taylor, Tim – Institute of Perception, Action and Behaviour, University of Edinburgh. Self-repairing robots; artificial evolution systems.
• Terveen, Loren – University of Minnesota. Computer-mediated communication, social data mining, computer-supported cooperative work, recommender system.
• Teuscher, Christof – C.V., list of awards, publications, memberships, projects, and conferences. Interests in neural networks.
• Thornton, Chris – Collection of papers relevant to artificial creativity and intelligence.
• Traum, David R. – USC Institute for Creative Technology. Discourse structure. Grounding in discourse. Dialog and virtual reality agents.
• Treur, Jan – professor of Artificial Intelligence at the Vrije Universiteit in Amsterdam. Research interests include multi-agent systems, compositional modelling, temporal semantics, common sense and nonmonotonic reasoning.
• Tunstall-Pedoe, William – Cambridge, England. Cryptic crossword solving; anagrams; search; computer chess; knowledge representation.
• Turney, Peter D. – Interactive Information Group, National Research Council of Canada. Machine learning applied to natural language processing, lexical semantics from web mining, artificial life.
• Valdes-Perez, Raul – Papers on scientific discovery and applications to chemistry.
• van Delden, Sebastian – University of Central Florida. Partial parsing, natural language information retrieval systems, learning WordNet-based classification rules.
• Vasishth, Shravan – University of Potsdam. Abductive Inference Model, Hindi sentence processing, wide-coverage theories of sentence processing.
• Ventrella, Jeffrey – Gene Pool, Darwin Pond and papers on Artificial Life.
• Versaggi, Matthew R. – Artificial Intelligence Engineer at Imagine One Technology & Mgt LTD.
• Vyas, Amrish – University of Maryland at Baltimore County. Intelligent agents in eBusiness, adaptive agents.
• Wahlster, Wolfgang – Universität des Saarlandes. Multimodal and perceptive user interfaces, user modeling, ambient intelligence, embodied conversational agents, smart navigation systems, semantic web services, and resource-adaptive cognitive technologies, VERMOBIL.
• Weerdt, Mathijs de – Researcher in multi-agent planning at Delft University of Technology. Tutorial on multi-agent planning, list of own publications and publications related to distributed AI.
• Wilks, Yorick – University of Sheffield. Computational pragmatics, belief modeling, lexicons, information extraction.
• Xu, Ke – Beijing University of Aeronautics and Astronautics. Design and analysis of algorithms, phase transitions, logic programming, data mining.
• Yager, Ronald R. – Decision support
• Zadeh, Lotfi A. – inventor of Fuzzy Sets
• Zillman, Marcus P. – Creator/Founder BotSpot.com, Executive Director Virtual Private Library
• Zimmermann, Hans-Jurgen – Fuzzy O.R.
• Zytnicki, Matthias – INRA Toulouse. Bioinformatics, weighted constraint satisfaction problems, non-coding RNAs.

تدوین اولین قوانین"حقوق روبات ها" در پارلمان اروپا

تدوین "حقوق روبات ها" در پارلمان اروپا!

این مجموعه تدوین شده نخستین نظام حقوقی مرتبط با روبات هاست که تدوین شده و در صورت تصویب در کشورهای عضو اتحادیه اروپا به مورد اجرا درخواهد آمد.

کمیسیونی در پارلمان اروپا نخستین مجموعه از قوانین مربوط به حقوق روبات ها را تصویب و آماده ارایه به صحن کرده است.

---

به گزارش عصر ایران به نقل از "سی ان ان " بر اساس طرح جدید قانون روباتیک که در کمیسیون مربوطه در پارلمان اروپا تصویب شده ، مجموعه ای از قوانین مرتبط با روبات ها برای نخستین بار تدوین شده است که پایه ای برای تنظیم روابط انسان و روبات ها خواهد بود.

این قوانین قرار است پس از تصویب در پارلمان اروپا در پارلمان تک تک کشورهای عضو اتحادیه به تصویب برسد و در نهایت تحت عنوان " قانون روباتیک اتحادیه اروپا" روبات های اتحادیه اروپا را دارای حق و حقوق کند.

از یکی از مهم ترین بخش های مطرح در طرح جدید پارلمان اروپا ، تعبیه "سویچ یا کلید مرگ " برای روبات ها است.

پیشنهاد تعبیه کلید مرگ به منظور حفاظت از انسان در برابر خطرات احتمالی ناشی از روبات ها ارایه شده است. با کلید مرگ صاحب روبات اگر احساس کند فعالیت های روبات مخل امنیت بشر است، با فشار دادن یک کلید برای همیشه به فعالیت روبات خاتمه خواهد داد.

همچنین در طرح جدید پیشنهاد تاسیس "آژانس روباتیک اروپایی" مطرح شده که  کار این آژانس ارایه مشاوره درباره مسایل مرتبط اخلاقی و حقوقی روبات ها به دولتمردان، پژوهشگران و قانونگذاران است.

در طرح جدید پارلمان اروپا همچنین مباحثی درباره آینده فعالیت های روبات ها مطرح شده از جمله اینکه پدیده هوش مصنوعی و روبات ها تا چه میزان می توانند مستقل از بشر به توسعه برسند به نحوی که بر عقل انسانی برتری نجویند.

در این طرح تاکید شده روبات های مستقل هرچقدر هم پیشرفت کنند باید در نهایت در خدمت انسان بوده و قابل کنترل باشند و به عنوان " افراد الکترونیک " دارای حقوق خاص باشند.

همچنین در این طرح پیشنهاد شده در صورت توسعه کاربرد روبات ها ، دارندگان آنها باید یک نظام بیمه اجباری – همچون بیمه حوادث رانندگی – را بپذیرند تا به وسیله آن مسئولیت خطاها و آسیب های رفتاری ناشی از فعالیت های روبات ها علیه انسان ها را متقبل شوند.

همچنین در این طرح پیش بینی شده در صورت جایگزینی گسترده روبات های کارگر در مشاغل انسانی ، کمیسیون اروپا قادر باشد از دارندگان آنها مالیات بگیرد و یا دارندگان روبات ها موظف به توسعه و ارتقای امنیت (تأمین) اجتماعی شوند.

در نخستین مجموعه قوانین روباتیک به قانون سه گانه "آیزاک آسیموف" (نویسنده معروف قرن بیستم) درباره فعالیت های روباتیک اشاره کرده و سه اصل مطرح شده از سوی آسیموف درباره فعالیت های روبات ها را یادآور شده است:

1- روبات ها نباید به انسان ها آسیب بزنند (ممنوعیت قطعی و کلی ساخت روبات های قاتل)همچنین یک روبات نباید با خودداری از اقدام، سبب آسیب رساندن به انسان ها شود.

2- روبات ها باید صرفا از فرمان‌های انسانی پیروی کنند، تنها استثنای این فرمان پذیری مغایرت آن با قانون اول (بند بالا) است.

3- روبات ها حق دفاع از بقای خود را دارند مادامی که این حق مغایر با دو قانون نخست نباشد.

پهپادی پرنده سان که بال می‌زند!

ترکیب یک پرنده و یک هواپیما منجر به ساخت یک پهباد می‌شود

پهبادی که بال می‌زند!

22 دى 1395

• حمیدرضا تائبی

• روبات

آیا هواپیمایی که در سال 2009 در رودخانه هادسون فرود آمد و دست مایه ساخت فیلم سالی با بازی تام هنکس و کارگردانی کلینت ایستوود شد را به یاد می‌آورید؟ در آن حادثه گروهی از غازهای کانادایی با موتورهای جت هواپیما برخورد کردند و باعث از کار افتادن موتورها شدند. هر چند آن حادثه سرانجام خوبی داشت و همه مسافران زنده ماندند، اما این اتفاق ناگوار دستمایه ساخت پهباد ویژه‌ای شد.

حضور پرندگان در فرودگاه‌ها می‌تواند یک مصبیت بزرگ و وحشتناک باشد. برای همین جای تعجب نیست که می‌شنویم فرودگاه‌ها هزینه‌های سنگینی از بابت دور نگه داشتن پرندگان متحمل می‌شوند. اما به نظر می‌رسد فناوری در این زمینه به یاری صنعت حمل و نقل آمده است. Robird پهبادی است که از سوی شرکت Clear Fight Solutions طراحی شده است. این پهباد به گونه‌ای طراحی شده است که به حفظ امنیت حمل و نقل هوایی کمک کند، به دلیل این‌که همانند یک عقاب در آسمان قادر است بال‌های خود را حرکت داده و باعث ترس پرندگان شود. به طور سنتی، فرودگاه‌ها و مزارع میوه در فصل برداشت و نمونه‌های مشابه از پرندگان شکاری بسیار ماهر همچون شاهین برای شکار پرندگان استفاده می‌کنند. در این رویکرد حیوانات آموزش دیده همانند یک نگهبان در آسمان به پرواز در می‌آیند و یک منطقه را به راحتی زیرنظر می‌گیرند.

---

مطلب پیشنهادی

پهباد شرکت Uvify آماده است با هر پهبادی مسابقه دهد

سریع‌ترین پهباد دنیا رونمایی شد + عکس

---

 اما Robird یک پهباد قابل کنترل از راه دور بوده که دقیقا قادر است همین وظیفه را بر عهده بگیرد. وسل استارتمن یکی از مهندسان سازنده این پهباد گفته است: «ایده کار این پهباد ساده است. پرندگان به خوبی پرندگان شکاری را می‌شناسند. زمانی که ما پهباد Robird را در آسمان به پرواز درآوردیم، پرندگان به سرعت متوجه شدند که یک خطر در آسمان وجود دارد و باید از آن فاصله بگیرند. این رویکرد به ما نشان داد که پهباد فوق می‌تواند معضل وجود پرندگان در فرودگاه‌ها و زمین‌های کشاورزی را حل کند.»

 

Robird به تقلید از رپتور طراحی شده است. این پهباد قادر است در آسمان پرواز کرده و بال‌های خود را تکان دهد. این پهباد به شکل دقیقی طراحی شده است به دلیل این‌که می‌تواند از جریان هوا استفاده کرده برای چند لحظه در هوا بدون تکان دادن بال‌های خود پرواز کند. این رویکرد درست همانند عملی است که پرندگان شکاری در هنگام شکار پرندگان از آن استفاده می‌کنند.

---

مطلب پیشنهادی

پهبادی کمی بزرگ تر از یک زنبور عسل بزرگ

پهباد فوق‌العاده کوچکی که تخصص‌اش عکس سلفی گرفتن است

---

رابرت جانکر، مهندس عملیاتی این شرکت در این ارتباط گفته است: «ما به شکل دقیقی می‌توانیم پرندگان را در مسیری که می‌خواهیم قرار داده و آن‌ها را هدایت کنیم. درست به همان شکلی که سگ گله این‌کار را انجام می‌دهد.» این شرکت برای آن‌که بتواند یک پهباد پرنده بسازد، به شکلی که قادر باشد بال‌های خود را در آسمان تکان دهد نزدیک به 15 سال زمان صرف کرده است. پس از کامل شدن فرآیند آزمایش این پهباد در کشور هلند این وسیله پرنده اکنون آماده است تا به شکل بین‌المللی مورد استفاده قرار گیرد. جانکر گفته است: «محصولی که ما آن‌را آماده کرده‌ایم برای فروش نیست. بلکه این محصول قرار است به شکل سرویس در اختیار متقاضیان قرار بگیرد.» این شرکت در مورد این‌که هزینه این سرویس چقدر خواهد بود و این سرویس‌ قرار است چگونه به دست مشتریان برسد، چیزی نگفته است. 

---

برچسب: 

• پهباد - Robird - فرودگاه‌ - Clear Fight Solutions