مطلب پیشنهادی
واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)
Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering
واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)
Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineeringنبرد بزرگ آینده: هکرها از هوش مصنوعی استفاده می‌کنند
هکرها از هوش مصنوعی استفاده می‌کنند
29 آذر 1395
کارشناسان
می‌گویند: «تهدید ماشین در برابر ماشین ممکن است در آینده نزدیک به یک
واقعیت ملموس تبدیل شود.» آیا این فرضیه می‌تواند روزگاری به واقعیت تبدیل
شود که ماشین‌های هک‌کننده در مقابل ماشین‌های مدافع بایستند؟
تاکنون مطالب بسیاری درباره مزایا، معایب و تهدیداتی که به واسطه هوش مصنوعی ممکن است آینده ما را در معرض خطر قرار دهد نوشته شده است. اما موضوعی که کمتر به آن پرداخته شده این است که آیا هوش مصنوعی روزگاری در قامت یک هکر این توانایی را به دست خواهد آورد تا به سامانه‌های کامپیوتری حمله کند؟ به طوری که هکرها تنها در نقش یک راهنما در پشت صحنه به فعالیت بپردازند؟ بدون شک در کمتر از ده سال دیگر شاهد حضور الگوریتم‌های هوشمند مخربی خواهیم بود که جایگزین هکرها خواهند شد. در حالی که هوش مصنوعی با شعار راحت‌تر کردن زندگی در حوزه‌های مختلف به ویژه دنیای امنیت پا به میدان گذاشته است، اما این احتمال وجود دارد که در آینده به عنوان یک ابزار نفوذ مورد استفاده قرار گیرد.
ابرکامپیوترهای خطایاب
در ماه آگوست، کنفرانسی تحت عنوان چالش بزرگ سایبری با حمایت سازمان‌های دولتی و نظامی ایالات متحده برگزار شد. در این رویداد نقش و قابلیت‌های هوش مصنوعی در زمینه دفاع سایبری مورد بررسی قرار گرفت. در این رویداد که در نوع خود جالب توجه بود، هفت ابرکامپیوتر در چالشی قرار گرفتند تا هر یک رخنه‌هایی که در نرم‌افزارها وجود دارد را شناسایی کنند و آنها را ترمیم کنند. به لحاظ برنامه‌نویسی این مدل به کارگیری فناوری می‌تواند به یاری شرکت‌های توسعه‌دهنده نرم‌افزارها آماده و نرم‌افزارها را از وجود هرگونه رخنه‌ای که از دید برنامه‌نویسان پنهان مانده است، نجات دهد. این قابلیت فوق‌العاده ابرکامپیوترها دستمایه به وجود آمدن این فرضیه شد که اگر هوش مصنوعی روزگاری در جهت منفی مورد استفاده قرار گیرد این پتانسیل را خواهد داشت تا به عنوان یک ابزار ویران‌گر مورد استفاده هکرها قرار گیرد؟ جواب این پرسش مثبت است.
هوش مصنوعی خوبی و بدی را به یک اندازه مورد حمایت قرار میدهد
هکرها این توانایی را دارند تا از این فناوری در زمینه اسکن نرم‌افزارها و شناسایی آسیب‌پذیری‌های ناشناخته استفاده کرده و بهترین شکل از این رخنه‌ها سوء استفاده کنند. جالب‌تر آنکه هوش مصنوعی این پتانسیل را دارد تا این‌کار را چند مرتبه سریع‌تر و دقیق‌تر از عامل انسانی انجام دهد.
در آینده نزدیک هوش مصنوعی به هکرها اجازه خواهد داد یک استراتژی کامل حمله که شامل برآورد اولیه، تجیهزات موردنیاز و شدت خسارات است را محاسبه کرده و در ادامه یک استراتژی مخرب کامل را در اختیار متقاضیان قرار دهند.
در نتیجه نفوذهای طاقت‌فرسا به زیرساخت‌هایی که به شدت محافظت می‌شوند و بهره‌برداری از این رخنه‌ها که در حال حاضر برای هکرها شبیه به یک کابوس شبانه است، در آینده به متاعی ساده، ارزان و سرشار از سود تبدیل خواهد شد. در حالی که دنیای فناوری به شدت روی طراحی و ساخت ماشین‌های خودران و روبات‌های هوشمند متمرکز شده است، اما در مقابل تمامی کارشناسان امنیتی به خوبی از خطراتی که به واسطه هوش مصنوعی بشریت را تهدید می‌کنند، اطلاع دارند.
دیوید ملسکی، معاون مدیر بخش تحقیق و پژوهش شرکت GrammaTech در این ارتباط گفته است: «فناوری همواره ترسناک است.» شرکت ملسکی یکی از شرکت‌های حاضر در این رویداد بود که ابرکامپیوتر این شرکت موفق شد رخنه‌های بزرگی را در نرم‌افزارها شناسایی کند. این شرکت سعی می‌کند فناوری‌هایی را طراحی کند که به شرکت‌های تولید کننده تجهیزات اینترنت اشیا و همچنین تولیدکنندگان مرورگرهای اینترنتی کمک کند، محصولات ایمن‌تری را تولید کنند. ملسکی در این ارتباط گفته است: «شناسایی رخنه‌ها و آسیب‌پذیری‌ها همانند یک شمشیر دو لبه است. ما در نظر داریم این فرآیند شناسایی را خودکارسازی کنیم.»
مطلب پیشنهادی
هکرها همانند سازمان‌های بزرگ قادر به تولید الگوریتم‌های هوشمند مخرب هستند
کارشناسان امنیتی هشدار دادهاند که نیمه تاریک فناوری همواره در کنار ما قرار دارد. هر کاربری این قابلیت را در اختیار دارد تا هوش مصنوعی را به عنوان یک ابزار تهاجمی مورد استفاده قرار داده و آن‌را کنترل کند. ملسکی در این ارتباط گفته است: «به بدافزارهایی توجه کنید که تجهیزات صنعتی را مورد نفوذ قرار می‌دهند. برای یک لحظه تصور کنید بدافزاری همچون استاکس‌نت به صورت خودکار زیرساخت‌ها را مورد تهاجم قرار دهد. دامنه خسارات وارد شده غیر قابل تصور خواهد بود. این یک هشدار جدی است.»
تومر واینگارتن، مدیرعامل شرکت امنیتی SentinelOne گفته است: «دوست ندارم یک ایده اولیه در اختیار کسی قرار دهم. اما فناوری‌هایی که امروزه به صورت غیر محسوس در اینترنت برای شناسایی آسیب‌پذیری‌ها مورد استفاده قرار می‌گیرند، ممکن است در آینده به عنوان یک ابزار تهاجمی به ما حمله کنند.»
مطلب پیشنهادی
آینده تاریک به آرامی در حال شکل‌گیری است
نشانه‌های عملیاتی شدن این چنین تهدیداتی به آرامی در حال شکل‌گیری است. هکرهایی که در بازارهای زیرزمینی سرویسهای مخرب را اجاره می‌دهند، سایت‌هایی که از رابط‌های کاربری جذاب فریبنده استفاده می‌کنند و تنها با چند دستور ساده قادر هستند سامانه‌های کامپیوتری را به یک باج‌افزار خطرناک آلوده کنند، تنها چند نشانه کوچک از شکل‌گیری این تهدیدات خودکار است. واینگارتن در این ارتباط گفته است: «این احتمال وجود دارد که در آینده این سرویس‌ها و ابزارهای مخرب با فناوری هوش‌مصنوعی ترکیب شوند و از پایه قادر به پیاده‌سازی یک استراتژی حمله، اجرا و برآورد خسارات جانبی شوند. در این مرحله است که مجرمان سایبری همانند همتایان خود در جبهه مخالف طعم خوش به کارگیری هوش مصنوعی در بعد مخرب را تجربه خواهند کرد.»
هکرها هر زمان تشخیص دهند هوش مصنوعی را به خدمت می‌گیرند
شرکت امنیتی Cylance از جمله شرکت‌هایی است که از الگوریتم یادگیری ماشینی برای متوقف کردن فعالیت بدافزارها استفاده می‌کند. این شرکت نمونه‌های اولیه بدافزارها را دریافت می‌کند و یک مدل ریاضی را بر مبنای آنها ایجاد می‌کند. در ادامه این مدل می‌تواند رفتار عادی و غیرعادی یک سامانه را تشخیص داده و یک تهدید را دفع کند. جان میلر کارشناس ارشد این شرکت در این ارتباط گفته است: «ما همواره یک احتمال را در اختیار مشتریان خود قرار می‌دهیم که نشان میدهد یک فایل رفتار مسالمت‌آمیزی دارد یا مخرب است. یادگیری ماشینی در 99 درصد موارد به خوبی قادر به شناسایی تهدیدات بوده است. ما همواره در حال جمع‌آوری نمونه‌های اولیه هستیم، به دلیل اینکه هرچه مدل با داده‌های بیشتری آموزش ببیند، با دقت بیشتری تهدیدات را شناسایی می‌کند.»
پیاده‌سازی مدل‌های دفاعی مبتنی بر یادگیری ماشینی هزینه‌بر هستند
میلر در این ارتباط گفته است: «ما برای آنکه بتوانیم این مدل‌های یادگیری ماشینی را پیاده‌سازی کنیم هر ماه نزدیک به نیم میلیون دلار هزینه می‌کنیم. این هزینه‌ای است که بابت سرویسهای رایانشی ابری آمازون باید پرداخت شود. در حالی که پرداخت این هزینه در مقطع فعلی برای بسیاری از هکرها امکان‌پذیر نیست، اما در آینده هزینه‌های مربوط به محاسبات ابری به شکل چشم‌گیری کاهش پیدا خواهد کرد.»
هکرها هر زمان تشخیص دهند از هوش مصنوعی استفاده می‌کنند
میلر می‌گوید: «شاید تعجب کنید که چرا هکرها هنوز از هوش مصنوعی استفاده نکرده‌اند. جواب مشخص هست. هنوز نیازی به این کار نیست. ارسال ایمیل‌های فیشینگ، گذرواژه‌های ضعیف، سامانه‌های آسیب‌پذیر، نرم‌افزارهای آلوده به درب‌های پشتی همگی به سادگی در اختیار هکرها قرار دارند. امروزه اگر بخواهید به یک سامانه نفوذ کنید این‌کار به سادگی هرچه تمام‌تر انجام می‌شود. اما زمانی که شرکت‌ها به طور کامل از هوش مصنوعی در زمینه طراحی نرم‌افزارها استفاده کنند و همچنین محاسبات کوانتومی به میدان وارد شوند، آن‌گاه هکرها نیز به سراغ هوش مصنوعی خواهند رفت.»
==============================
شاید به این مقالات هم علاقمند باشید:
برچسب:
با ساخت قطعه جدید "ممریستور" دانشمندان قدمی دیگر به ساخت رایانه “مغز مانند” نزدیک شدند
دانشمندان قدمی دیگر به ساخت رایانه “مغز مانند” نزدیک شدند
نوروسافاری|
تیمی از دانشمندان دانشگاه نورث‌وسترن به موفقیتی جدید دست یافته‌اند که امکان ارائه توانایی‌های محاسباتی در سطح مغز انسان را فراهم می‌کند.
به گزارش نوروسافاری به نقل از ایسنا، ممریستور(memristor) ها برای ساخت رایانه‌های مغزمانند، سیستم‌های هیجان‌انگیزی محسوب می‌شوند و برخلاف فلش مموری‌ها، بسیار سریع عمل می‌کنند. آنها همچنین زمانی که برق قطع می‌شود، بر خلاف حافظه رم (RAM)، وضعیتشان را حفظ می‌کنند و تمامی اطلاعات را در خود نگه می‌دارند.
ممریستورها به انرژی برق کمتری برای عملکرد نیاز دارند، به ندرت خراش برمی‌دارند و در مقابل تشعشع ایمن هستند. با این حال، این ابزار الکترونیکی دو پایانه‌ای هستند که نقطه ضعف آنها محسوب می‌شود؛ چنین موضوعی موجب می‌شود آنها فقط از طریق بروز تغییرات در ولتاژ اعمال‌شده از خارج، قابل‌تنظیم باشند.
دانشمندان نورث‌وسترن، ممریستورها را از ابزاری الکترونیکی دو پایانه‌ای به سه‌پایانه‌ای متحول کرده و این موضوع، امکان استفاده از آنها در مدارها و سیستم‌های الکترونیکی پیچیده‌تر را فراهم می‌سازد.
ممریستورهای معمولی به عنوان ابزاری دوپایانه‌ای، فقط امکان کنترل محدود بر روی جریان برق عبورکرده در سیستم را فراهم می‌کنند، اما الکترود سوم به کاررفته توسط تیم دانشگاه نورث‌وسترن به عنوان یک گیت عمل می‌کند و در نهایت مقاومت سیستم را کنترل می‌کند.
آنها این موفقیت را با استفاده از نانوماده نیمه‌رسانایی موسوم به دی‌سولفید مولیبدن بدست آورده‌اند که اتم‌های آن در جهت متفاوتی نسبت به ممریستورها آرایش شده‌اند.
در این جا، نوعی مرز اتمی بین ورقه دی‌سولفید مولیبدن و الکترود فلزی قرار دارد که به عنوان رابطی برای اتم‌ها عمل می‌کند؛ چنین مرزهایی بر جریان برق اثر گذاشته و می‌توانند به عنوان ابزاری برای تنظیم‌کردن مقاومت به کار روند.
مرز اتمی زمانی حرکت می‌کند که یک میدان الکتریکی بزرگ به ممریستور اعمال شود که این امر موجب بروز تغییر در مقاومت می‌شود. چنین موضوعی همچنین امکان سطح جدید از عملکرد و پیچیدگی را فراهم کرده که می‌تواند به قدرت محاسباتی مغزمانند منجر شود.
جزئیات این دستاورد فناورانه در مجله Nature Nanotechnology منتشر شد:
Gate-tunable memristive phenomena mediated by grain boundaries in single-layer MoS2
گزارش کامل این تحقیق در سایت دانشگاه نورث وسترن:
Computers that Mimic the Function of the Brain
آینده دنیای فناوری در دستان مدارهای مجتمع دیجیتال برنامه‌پذیر مایکروسافت
تراشه‌های فرمان‌پذیر در خدمت انسان‌ها
در
دسامبر 2012، داگ برگر، پژوهشگر تراشه‌های کامپیوتری که نزدیک به چهار سال
پیش از آن، به شرکت مایکروسافت ملحق شده بود، مقابل استیو بالمر ایستاده
بود و تلاش می‌کرد آینده را پیش‌بینی کند. بالمر، مدیرعامل جسور، خشن و
بی‌پروای مایکروسافت در اتاق کنفرانس این شرکت واقع در طبقه همکف ساختمان
99 نشسته بود. در این اتاق معاونان ارشد بالمر، وی را احاطه کرده بودند.
برگر در حال ارائه ایده جدید خود به مدیران این شرکت بود؛ ایده وی پروژه
Catapult نام داشت.
برگر صحبت‌های خود را این‌گونه آغاز کرد: «دنیای فناوری در حال حرکت به سمت مدار جدیدی است. در آینده، تعدادی از غول‌های بزرگ دنیای اینترنت، سرویسهای اینترنتی بسیار پیچیده، عظیم و متفاوتی را عرضه خواهند کرد. این غول‌های اینترنتی برای ارائه چنین خدمات عظیمی، معماری کاملاً جدیدی را پایه‌ریزی کرده و به مرحله اجرا در خواهند آورد. آنها نه فقط نرم‌افزارهایی را برای این سرویس‌ها ایجاد خواهند کرد، بلکه سخت‌افزارهایی همچون سرورها و تجهیزات مربوط به شبکه را نیز به صورت سفارشی طراحی خواهند کرد. پروژه Catapult همه سرورهای مایکروسافت یا به عبارت دقیق‌تر میلیون‌ها عدد از آنها را به تراشه‌های تخصصی مجهز خواهد کرد. تراشه‌هایی که می‌توان بر مبنای وظایف تخصصی مایکروسافت آنها را مجدداً برنامه‌ریزی کرد.» پیش از آنکه برگر مجال پیدا کند تا درباره این تراشه‌ها صحبت‌های خود را ادامه دهد، بالمر نگاهش را از روی لپ‌تاپش برگرداند و گفت: «انتظار داشتم به‌روزرسانی‌های جالب توجهی در بخش تحقیقات و توسعه مشاهده کنم، نه اینکه در یک جلسه استراتژیک شرکت کنم.» برگر بعدها در این باره گفت: «او با این حرفش من را شوکه کرد.» بالمر در ادامه صحبت‌های خود افزود: «مایکروسافت نزدیک به 40 سال است، وقت خود را صرف ساخت نرم‌افزارهای کامپیوتری همچون ویندوز، ورد و اکسل کرده است و این پروژه تنها به منظور پیدا کردن جای پایی در دنیای اینترنت است. کاملاً مشخص است مایکروسافت ابزارها و مهندسانی که بتوانند این تراشه‌های کامپیوتری برنامه‌پذیر را آماده کنند، در اختیار ندارد. این کار مشکل و هزینه‌بر است، زمان زیادی می‌طلبد و عجیب به نظر می‌رسد. برنامه‌ریزی تراشه‌های کامپیوتری توسط مایکروسافت همانند آن است که شرکت کوکاکولا، سوپ بال کوسه تولید کند.»
مطلب پیشنهادی
برگر کاملاً مودبانه و بر مبنای گزارشی تحلیلی، همانند بسیاری از مهندسان خوب مایکروسافت به عقب رانده شد. او به بالمر گفت: «شرکت‌هایی همچون گوگل و آمازون از مدت‌ها قبل حرکت به سمت این جریان را آغاز کرده‌اند. سازندگان بزرگ دنیای سخت‌افزار در سراسر جهان، چیزی را که مایکروسافت برای اجرای سرویسهای آنلاین خود به آنها نیاز دارد، تولید نمی‌کنند. اگر مایکروسافت نتواند سخت‌افزار موردنیاز خود را تولید کند، به مرور زمان و به‌آرامی فرو خواهد ریخت.» با وجود این، بالمر باز هم به حرف‌های برگر اعتنایی نکرد.
شکل 1: داگ برگر؛ خالق تراشه برنامه‌پذیر مایکروسافت
بعد از گذشت اندک زمانی، فرد دیگری گفته‌های برگر را
تأیید کرد؛ آن شخص کسی نبود جز چی لو (Qi Lu). چی لو مسئولیت مدیریت موتور
جست‌وجوگر بینگ را بر عهده داشت. گروه تحت سرپرستی چی لو به مدت دو سال
درباره تراشه‌های کامپیوتری برنامه‌پذیر با برگر جلسات هم‌اندیشی برگزار
کردند. این جلسات نشان دادند پروژه Catapult بیش از پیش به واقعیت نزدیک
شده است. لو در این باره گفته است: «گروه تحت سرپرستی من از همان ابتدا،
کار روی این پروژه را آغاز کردند.» امروز، برگر و لو بر این باور هستند که
این تراشه‌های برنامه‌پذیر دنیای فناوری را دستخوش تغییر خواهند کرد.
امروزه، این تراشه‌ها که مدارهای مجتمع دیجیتال برنامه‌پذیر (FPGA) سرنام
field programmable gate arrays نامیده می‌شوند، سنگ بنای بینگ را تشکیل
می‌دهند و در هفته‌های آینده این تراشه‌ها الگوریتم‌های جست‌وجوی جدیدی را
که بر مبنای شبکه‌های عمیق عصبی کار می‌کنند، خط‌دهی خواهند کرد. این
تراشه‌های عمیق عصبی ساختاری مشابه با مغز انسان دارند. تراشه‌های جدید
می‌توانند چند برابر سریع‌تر از تراشه‌های امروزی به محاوره‌ها رسیدگی کنند
و به جای چهار ثانیه، در مدت‌زمان 23 میلی‌ثانیه هر چیزی را در صفحه نمایش
مقابل دیدگان کاربر قرار دهند. مدارهای مجتمع دیجیتال برنامه‌پذیر در آژر،
سرویس رایانش ابری مایکروسافت نیز استفاده خواهند شد. همچنین در سالهای
پیش‌رو، تقریباً هر سرور جدید مایکروسافت به یک مدار مجتمع دیجیتال
برنامه‌پذیر مجهز خواهد شد و در آینده میلیون‌ها ماشین در سراسر جهان از آن
استفاده خواهند کرد. برگر در این باره گفته است: «این تراشه‌ها ظرفیت عظیم
و انعطاف‌پذیری را در اختیار ما قرار می‌دهند؛ ضمن اینکه این کار، یک حرکت
اقتصادی نیز به شمار می‌رود. این استاندارد مایکروسافت بر اساس معماری
جهانی است.»
این معماری تنها محدود به بینگ نبوده یا به‌منظور رویارویی با گوگل آماده
نشده است. پروژه Catapult سیگنال‌هایی را مخابره کرده است که نشان میدهد
اکوسیستم جهانی در آینده چگونه عمل خواهد کرد. از آمازون در ایالات متحده
تا بایدو در چین، همه غول‌های اینترنتی در سراسر جهان در حال مجهز کردن
سرورهایشان به تراشه‌های استانداردی هستند که خودشان آنها را طراحی
کرده‌اند؛ این تراشه‌های سفارشی سیلیکونی در قالب مکملی در کنار واحد
پردازش مرکزی (CPU) استفاده خواهند شد. تراشه‌هایی که می‌توانند خود را با
تغییرات بسیار سریع هوش مصنوعی تطبیق دهند. مایکروسافت هر ساله نزدیک به
پنج تا شش میلیون دلار برای سخت‌افزارهایی که در امپراتوری خود به آنها
نیاز دارد، هزینه می‌کند. ساتیا نادلا در این باره گفته است: «این دیگر
محدود به یک پروژه تحقیقاتی نیست و اولویتی اساسی و جدی است. این موضوع
مهمی است که برگر تلاش می‌کرد در ساختمان 99 درباره آن توضیح دهد. پروژه‌ای
که او و گروه تحت سرپرستی وی برای چند سال از آن دست کشیده بودند، مجدداً
طراحی شد تا گونه جدیدی از ابررایانه‌های جهانی را تولید کند.»
در دسامبر 2010، اندرو پوتنام، پژوهشگر مایکروسافت، سیاتل را برای گذراندن
تعطیلات کریسمس به مقصد کلرادو ترک کرد. دو روز قبل از کریسمس هنوز خریدهای
خود را انجام نداده بود. زمانی‌که وارد بازار شد، برگر، رئیسش، با وی تماس
گرفت و گفت که مایل است بعد از تعطیلات با مدیر اجرایی بینگ ملاقات کند.
او به طرحی برای سخت‌افزار ویژه‌ای نیاز داشت تا بتواند الگوریتم‌های
یادگیری ماشینی بینگ را روی مدارهای مجتمع دیجیتال برنامه‌پذیر اجرا کند.
پوتنام به نزدیک‌ترین کافی‌شاپ رفت و طرح‌های خود را رسم کرد. این طراحی
پنج ساعت از زمان او را گرفت.
شکل 2: آدریان کالفید، اریک چانگ، داگ برگر و اندرو پوتنام؛ اعضای گروه Catapult
برگر 47 ساله و پوتنام 39 ساله، هم‌دانشگاهی‌های سابق بودند. برگر 9 سال از وقت خود را به عنوان پروفسور علوم کامپیوتر در دانشگاه آستین واقع در تگزاس، صرف پژوهش درباره تراشه‌ها و طراحی گونه‌های جدیدی از تراشه‌ها موسوم به EDGE کرد. پوتنام پیش از آنکه به مایکروسافت ملحق شود، پنج سال به عنوان پژوهشگر دانشگاه واشینگتن، مطالعات دقیقی را درباره تراشه‌های FPGA انجام داد؛ تراشه‌های برنامهپذیری که چند دهه از عمر آنها می‌گذرد، اما عمدتاً به‌منظور تولید نمونه‌های اولیه برای پردازشگرهای دیگر استفاده شده‌اند. برگر، در سال 2009 پوتنام را به مایکروسافت معرفی کرد؛ جایی که آنها فرایند بررسی ایده‌ای را درباره تراشه‌هایی آغاز کردند که بتوانند شتاب بیشتری به خدمات آنلاین ارائه کنند. پیتر لی، معاون بخش تحقیقات مایکروسافت که بر روند کار گروه برگر نظارت داشت، در این خصوص گفته است: «آنها پس از دو سال پروژه تراشه‌های مجتمع دیجیتال برنامه‌پذیر را به سرانجام رسانند.» برگر و گروه او معتقد بودند که این ایده قدیمی از راه رسیده است و موتور جست‌وجوگر بینگ گزینه مناسبی برای آزمایش آن است. موتور جست‌وجوگر مایکروسافت سرویس آنلاینی است که روی هزاران ماشین اجرا می‌شود. هر ماشین توسط یک پردازشگر مرکزی هدایت می‌شود و اگرچه شرکت‌هایی همچون اینتل روند بهبود آنها را توسعه دادهاند، این تراشه‌ها همگام با پیشرفت دنیای نرم‌افزار توسعه پیدا نکرده‌اند؛ به‌ویژه در بخش‌هایی همچون موج جدید هوش مصنوعی که هم‌اکنون ظهور یافته است. سرویس‌هایی همچون بینگ از قانون مور که می‌گوید تعداد تراتزیستورها در یک تراشه هر 18 ماه دو برابر می‌شوند، عبور کرده‌اند. این بدان معنا است که نمی‌توانید برای حل مشکل پاسخ‌گویی سریع و انعطاف‌پذیری زیاد، تنها بر تعداد پردازشگرها متکی باشید. با وجود این، در حالت کلی این امکان وجود ندارد تا برای هر مشکلی که پیش می‌آید، تراشه‌های تخصصی تولید کنید؛ به دلیل اینکه فرایندی هزینه‌بر است. اما مدارهای مجتمع دیجیتال برنامه‌پذیر می‌توانند این شکاف را پر کنند. آنها نه تنها به مهندسان اجازه ساخت تراشه‌های پرسرعت‌تر و کم‌مصرف‌تری را در مقایسه با خط مونتاژ پردازشگرهای مرکزی همه‌منظوره می‌دهند، بلکه به آنها اجازه می‌دهند این تراشه‌ها را برای حل مشکلات جدید، تغییراتی که در دنیای فناوری رخ میدهد یا مدل‌های تجاری جدید، مجدداً برنامه‌ریزی کنند.
از آمازون در ایالات متحده تا بایدو در چین، همه غول‌های اینترنتی در سراسر جهان در حال مجهز‌کردن سرورهایشان به تراشه‌های استانداردی هستند که خودشان آنها را طراحی کرده‌اند؛ این تراشه‌های سفارشی سیلیکونی در قالب مکملی در کنار واحد پردازش مرکزی (CPU) استفاده خواهند شد
در جلسه‌ای که بعد از تعطیلات برگزار شد، برگر به
مدیران اجرایی بینگ اعلام کرد که تراشه جدید ضمن آنکه از انرژی کمتری
استفاده می‌کند، شتاب خاصی به جست‌وجوها می‌بخشد، اما مدیران اجرایی متقاعد
نشدند. در نتیجه برگر و گروه تحت سرپرستی وی به مدت چند ماه کار روی طراحی
یک نمونه اولیه از این محصول را آغاز کردند تا نشان دهند این تراشه قادر
است الگوریتم‌های یادگیری ماشینی بینگ را صد برابر سریع‌تر اجرا کند. آنها
مجبور شدند از تعطیلات کریسمس
پوتنام نیز استفاده کنند. جیم لارس، یکی از
اعضای این گروه که اکنون رئیس مرکز ملی اکو پلی‌تکنیک سوییس در لوزان است،
در این باره گفته است: «آن مقطع زمانی به‌هیچ‌وجه دلپذیر نبود. آنها
به‌راستی شرایط سختی را برای ما به وجود آوردند.»
نمونه اولیه ساخته‌شده، یک جعبه اختصاصی با شش عدد FPGA بود که با یک رک پر
از سرور به اشتراک گذاشته شده بود. اگر این جعبه قفل می‌کرد یا ماشین‌ها
به بیش از شش عدد FPGA نیاز داشتند، مدل‌های یادگیری ماشینی به طور
فزاینده‌ای پیچیده شده و در نتیجه همه ماشین‌ها با مشکل جدی روبه‌رو
می‌شدند. مهندسان بینگ از این پیشامد بیزار بودند. لارس می‌گوید: «آنها
درست می‌گفتند.»
در نتیجه گروه برگر ماه‌های زیادی را صرف ساخت نمونه آزمایشی دوم کرد.
نمونه دوم، یک صفحه مدار بود که به هر سروری متصل می‌شد و تنها شامل یک
FPGA بود. (شکل 3) اما این توانایی را داشت تا به همه بردهای FPGA که روی
سرورهای دیگر قرار داشتند، متصل شود. این تکنیک مخزن بسیار بزرگی از
تراشه‌های برنامه‌پذیر را به وجود می‌آورد که می‌توانست هر ماشین بینگ را
سرویس‌دهی کند. این نمونه آزمایشی روی میز چی لو قرار گرفت. او هزینه لازم
برای ساخت و آزمایش بیش از 1600 سرور مجهز به تراشه‌های FPGA را در اختیار
برگر قرار داد. گروه شش ماه زمان صرف ساخت سخت‌افزارهای مربوطه کرد. برای
این منظور آنها از کمک‌های تولیدکنندگان چینی و تایوانی استفاده کردند و
در ادامه اولین رک را در مرکز داده آزمایشی مایکروسافت واقع در کمپ
مایکروسافت نصب کردند. شبی بر اثر حادثه‌ای، سامانه دچار حریق شد؛ سه روز
وقت صرف کردند تا رک را به شکل اولیه خود بازگردانند. رک هنوز هم کار
می‌کرد. در خلال سالهای 2013 و 2014 و به مدت چندماه، آزمایش‌هایی انجام
شد و نتایج به‌دست‌آمده نشان داد که درخت تصمیم‌گیری بینگ یا همان
الگوریتم‌های یادگیری ماشینی با استفاده از تراشه‌های جدید 40 مرتبه
سریع‌تر شده‌اند. در تابستان 2014، مایکروسافت اعلام کرد که به زودی این
سخت‌افزار را در مراکز داده بینگ مستقر خواهد کرد.
شکل
3: اولین نسخه از پروژه Catapult. این سخت‌افزاری بود که داگ برگر و گروه
او در مرکز داده مایکروسافت واقع در کمپ سیاتل آن را آزمایش کردند.
جست‌وجویی فراتر از بینگ
بینگ برآیند جاه‌طلبی آنلاین مایکروسافت در یک دهه اخیر است. اما در سال
2015، این شرکت دو سرویس آنلاین پرقدرت را در کنار بینگ در اختیار داشت؛
بسته آفیس 365 که به‌منظور افزایش بهره‌وری کسب‌وکارها ارائه شد و سرویس
رایانش ابری آژر که از جمله سرویسهای آنلاین قدرتمندی به شمار می‌روند که
در کنار بینگ در اختیار مایکروسافت قرار دارند. مدیران مایکروسافت همانند
سایر رقبای خود به حقیقت مهمی که در بطن این سرویس‌ها وجود دارد، پی برده
بودند. آنها به‌خوبی می‌دانستند تنها راهی که ضامن بقای امپراتوری آنها
است و کمک می‌کند همچون گذشته مسیر موفقیت را طی کنند، این است که
زیرساخت‌های مناسبی را برای همه سرویس‌هایی که در حال اجرا هستند، به شکل
مؤثری ایجاد کنند. در نتیجه اگر پروژه Catapult قرار است مایکروسافت را به
سمت جلو هدایت کند، نباید محدود به بینگ شود. این پروژه باید با محصولات
دیگری همچون آفیس 365 و آژر نیز در تعامل باشد. مشکلی که وجود داشت، این
بود که مدیران آژر اهمیت چندانی برای یادگیری ماشینی قائل نبودند. این در
حالی بود که ترافیک سنگینی پیرامون مراکز داده آژر به وجود آمده و این
ترافیک به طور فزاینده‌ای رو به افزایش بود. پردازنده‌های مرکزی این سرویس
نمی‌توانستند با سرعت بالایی به این حجم از درخواست‌ها پاسخ دهند. سرانجام
مارک روسینویچ، مدیر معماری آژر، اعلام کرد که Catapult این ظرفیت را دارد
تا به آنها در این زمینه کمک کند؛ به دلیل اینکه ساختار آن به گونه‌ای
طراحی شده است که تنها مختص بینگ نباشد. گروه او به تراشه‌های برنامهپذیری
نیاز داشتند که بتوانند هر سرور را به شبکه اولیه خود متصل کند. این کار
به آنها اجازه می‌داد تا همه ترافیک را قبل از آنکه به سرور انتقال پیدا
کنند، پردازش کنند. در نتیجه گروه تولیدکننده FPGAها یک‌بار دیگر برای
بازسازی سخت‌افزارهای جدید به میدان وارد شد. با عرضه سومین نمونه آزمایشی،
تراشه‌ها نه تنها می‌توانستند در لبه هر سرور قرار بگیرند و مستقیماً به
شبکه متصل شوند، بلکه این انعطاف‌پذیری را داشتند تا همچنان مخزنی از
FPGAها را برای هر ماشینی که به آنها نیاز داشت، در دسترسش قرار دهند.
(شکل 4) مشابه همین مکانیزم در آفیس 365 به مرحله اجرا درآمد. اکنون پروژه
Catapult آماده بود تا به طور زنده استفاده شود. لارس در این باره گفته
است: «طراحی‌های زیادی در این زمینه انجام شد که درست همانند ادامه پیدا
کردن کابوس شبانه بود؛ نه فقط به این دلیل که نیاز به ساخت سخت‌افزار جدید
ضروری بود، بلکه به این دلیل که با هر بار تغییر طرح، مجبور بودیم FPGAها
را دوباره برنامه‌ریزی کنیم. این واقعا وحشتناک و بدتر از برنامه‌نویسی یک
نرم‌افزار است. این کار به‌مراتب سخت‌تر از برنامه‌نویسی بوده و همچنین
برطرف کردن مشکلات نیز به همان شدت سخت است. اما در نهایت خروجی کار جذاب
بود. این کار درست همانند این بود که قصد داشته باشید تغییرات کوچکی در
گیت‌هایی که روی یک تراشه قرار دارند، ایجاد کنید.»
شکل 4: نمایی از سه نمونه اولیه ساخته‌شده از FPGAها، همراه با معماری آنها
هزینه سخت‌افزاری Catapult حدود 30 درصد کمتر از سرورهایی است که مایکروسافت به‌طور معمول از آنها استفاده می‌کند. این سخت‌افزارها، 10 درصد انرژی کمتری استفاده می‌کنند و فرایند پردازش داده‌ها را دو برابر سریع‌تر از زمانی که این شرکت سخت‌افزارهای جدید در اختیار نداشت، مدیریت می‌کنند. مایکروسافت آژر از این تراشه‌های برنامه‌پذیر برای تعیین مسیر داده‌ها استفاده می‌کند. این تراشه‌ها روند ورود به عصر جدیدی را که درباره هوش مصنوعی و شبکه‌های عمیق عصبی است، برای موتور جست‌وجوی بینگ تسهیل می‌کنند که حدود 20 درصد بازار جست‌وجوی جهانی مرتبط با ماشین‌های دسکتاپ و شش درصد بازار جست‌وجوی جهانی مرتبط با دستگاه‌های همراه را از آن خود کرده است. آن‌گونه که یکی از کارمندان مایکروسافت گفته است، آفیس 365 در حال حرکت به سمت FPGAهایی است که به‌منظور رمزنگاری، فشرده‌سازی و همچنین یادگیری ماشینی استفاده می‌شوند. این تغییر رویکرد به‌منظور سرویس‌دهی مناسب به 23.1 میلیون کاربری است که از آفیس 365 استفاده می‌کنند؛ کاربرانی که عمدتاً سازمان‌های بزرگ تجاری هستند. برگر در این باره گفته است: «این تراشه‌ها به تمامی سرویسهای مایکروسافت قدرت خواهند بخشید.»
صبر کنید؛ آیا دستاورد جدید واقعا کار می‌کند؟
پیتر لی گفته است: «این تراشه‌ها هنوز هم من را شگفت‌زده می‌کنند. ما
مایکروسافت را متقاعد کردیم که این کار را انجام دهد.» لی مسئولیت نظارت بر
یک سازمان درونی در واحد تحقیقات مایکروسافت موسوم به NExT، سرنام New
Experiences and Technologies را بر عهده دارد. پس از اینکه ساتیا نادلا به
سمت مدیرعاملی مایکروسافت منصوب شد، فشار زیادی وارد کرد تا این سازمان
جدید در مایکروسافت ایجاد شود. این پافشاری برای تأسیس یک سازمان جدید،
نشان‌دهنده تغییر رویکرد نسبت به سلطنت 10 ساله بالمر بود. هدف او از به
وجود آوردن این سازمان، شتاب بخشیدن به روند توسعه پژوهش‌هایی بود که دیر
یا زود به حقیقت مبدل می‌شوند. پژوهش‌هایی که می‌توانند در عصر جدید، فصل
جدیدی را برای مایکروسافت رقم بزنند. پروژه Catapult تنها اولین نمونه از
این ایده‌های نوین بود. Catapult بخشی از یک تغییر بسیار بزرگ در صنعت است.
برگر در این باره گفته است: «این یک جهش پیش‌برنده است. ما در حال ورود به
عصر فناوری‌هایی هستیم که وابستگی کمتری به پردازشگرهای مرکزی خواهند
داشت.» شکل پنج، نمایی از نسخه نهایی سخت‌افزار جدید را نشان میدهد.
همه غول‌های اینترنتی همچون مایکروسافت، در کنار پردازشگرهای مرکزی و
گرافیکی، به‌منظور رندر کردن تصاویر ویژه بازی‌ها و دیگر برنامه‌های
کاربردی که به جلوه‌های بصری نیازمند هستند، از مکمل‌هایی که همان
تراشه‌هایی هستند که خودشان طراحی کرده‌اند، استفاده می‌کنند. گوگل از
مدت‌ها قبل کار روی طراحی پردازنده مختص خودش را که مربوط به اجرای
شبکه‌های عصبی است و واحد پردازشی تانسور (TPU) نامیده می‌شود، به مرحله اجرا در
آورده است.
با استفاده از TPUها، گوگل انعطاف‌پذیری خاصی در زمینه سرعت به دست
می‌آورد. این تراشه‌ها باعث می‌شوند زمانی‌که فرمان‌های صوتی از طریق
گوشی‌های هوشمند ارسال می‌شوند، زمان تأخیر درک فرمان‌ها به صفر برسد. اما
مشکل کار این است که اگر مدل شبکه عصبی تغییر یابد، گوگل باید تراشه
جدیدی تولید کند. اما مایکروسافت همراه با FPGAها در حال انجام بازی دیگری
است که البته راه طولانی در این زمینه پیش‌رو دارد. هر چند FPGA در مقایسه
با نمونه سفارشی گوگل سرعت کمتری دارد، اما مایکروسافت می‌تواند هر زمان به
بازبرنامه‌ریزی این تراشه‌ها بر مبنای هدف جدیدی نیازی داشت، این کار را
انجام دهد. مایکروسافت نه تنها می‌تواند این تراشه‌ها را در راستای مدل‌های
جدید هوش مصنوعی برنامه‌ریزی کند، بلکه این توانایی را دارد تا آنها را
برای هر کاربرد دیگری دومرتبه برنامه‌ریزی کند. اگر مایکروسافت احساس کند
هر یک از آن طرح‌ها این ظرفیت را دارند تا برای سالهای متمادی مفید واقع
شود، همواره می‌تواند FPGAها را مجدداً برنامه‌ریزی کرده و تراشه خاص خودش
را طراحی کند. سرویسهای مایکروسافت بسیار گسترده‌اند و در نتیجه این شرکت
به FPGAهای زیادی نیاز دارد. همین موضوع باعث می‌شود تا بازار تراشه‌ها در
سراسر جهان دستخوش تغییراتی شوند. FPGAها را شرکتی به نام Altera آماده
می‌کند. دایان برایانت، معاون اجرایی اینتل در این باره گفته است: «به همین
دلیل است که اینتل، شرکت Altera را در تابستان سال گذشته به ارزش 16.7
میلیارد دلار خریداری کرد. این بزرگ‌ترین خرید تولیدکنندگان تراشه‌های
کامپیوتری در جهان به شمار می‌رود. تا سال 2020 یک‌سوم همه سرورهای جهان در
مراکز محاسباتی خود از سرورهایی استفاده خواهند کرد که به تراشه‌های
FPGAها مجهز شده‌اند.»
شکل 5: سخت‌افزار جدید کارتی است که به‌راحتی درون اسلات هر یک از سرورهای مایکروسافت وارد شده و مستقیماً به یک شبکه متصل می‌شود.
به نظر می‌رسد با دنیایی از کلمات اختصاری مختلف همچون CPUها، GPUها، TPUها و FPGAها روبه‌رو شده‌ایم و باید با این مفاهیم آشنایی ضمنی داشته باشیم. همراه با رایانش ابری، شرکت‌هایی همچون مایکروسافت، آمازون و گوگل در حال هدایت دنیای فناوری به سمتی هستند که از تراشه‌های جایگزینی خودشان برای سرویس‌دهی به برنامه‌ها و سرویسهای آنلاین در سراسر جهان استفاده کنند. لی می‌گوید: «پروژه Catapult به مایکروسافت اجازه خواهد داد تا سال 2030 بر قدرت ابرکامپیوترها بیفزاید. بعد از این تاریخ، مایکروسافت می‌تواند به سمت رایانش کوانتومی حرکت کند.»
==============================
شاید به این مقالات هم علاقمند باشید:
برچسب:
- مایکروسافت - بینگ - FPGA - تراشه - مدارهای مجتمع برنامه‌پذیر
چهار ابزار رایگان رمزگشایی باج‌افزارها عرضه شدند + لینک دانلود
مبارزه رایگان با تهدیدات باج‌افزاری
26 آذر 1395
همان‌گونه
که اطلاع دارید، در سال جاری میلادی طیف گسترده‌ای از کاربران فضای مجازی
چه در خارج از کشور و چه در داخل کشور قربانی باج‌افزارها شدند. پدیده شومی
که در یک قدمی هر یک از ما قرار دارد و به راحتی دسترسی به اطلاعات را
غیرممکن می‌سازد. اما برای حل این مشکل شرکت Avast چهار ابزار رایگان
رمزگشایی باج‌افزاری را عرضه کرده است.
باج‌افزارها و بدافزارها به هکرها این توانایی را می‌دهند تا یک سامانه کامپیوتری را غیر فعال کنند یا داده‌های یک سامانه را رمزگذاری کرده و تنها زمانی که کاربر باج مربوطه را پرداخت کرد اجازه دسترسی به داده‌ها را در اختیار او قرار دهند. این مشکل به سرعت در حال گسترش است. اگر شما هم قربانی این مدل از حملات بوده‌اید، باید بدانید ابزارهای رایگانی که برای این منظور عرضه شدند ممکن است هم اکنون به یاری شما آماده یا شاید در آینده روزی به کار شما آیند و یک روز وحشتناک شما را محو کنند.
مطلب پیشنهادی
این ابزارهای رمزگشا از سوی شرکت امنیتی Avast عرضه شده‌اند. این ابزارها رایگان بوده و به راحتی قابل استفاده هستند. ابزارهای ارائه شده این توانایی را دارند تا برای مقابله با یکسری از شناخته شده‌ترین تهدیدات باج‌افزار مورد استفاده قرار گرفته و این تهدیدات را برطرف کنند. چهار ابزاری که از سوی این شرکت ارائه شده است این توانایی را دارند تا قفل فایل‌ها را باز کرده و به بازیابی فایل‌هایی به پردازند که در یک سامانه کامپیوتری به باج‌افزارها آلوده شده‌اند.
باج‌افزارهایی که توسط این ابزارها قفل گشایی می‌شوند عبارتند از: Alcatraz Locker، Apocalypse، BadBlock، Bart، Crypt888، CrySiS، Globe، Legion، NoobCrypt، SZFLocker و TeslaCrypt.
شرکت Avast امیدوار است که این ابزارها را برای مقابله با حملات باج‌افزاری که در حال تکامل هستند، به‌روزرسانی کند. برای اطلاعات بیشتر در خصوص باج‌افزارها به آدرس learn more about how each strain of ransomware works at their blog here مراجعه کنید.
همچنین برای دانلود رایگان ابزارهای رمزگشا ارائه شده از سوی این شرکت به آدرس Free Ransomware Decryption Tools مراجعه کنید.
یکی از پنج مشکل فناورانه بزرگ دنیا را حل کنید و میلیاردر شوید!
فناوری در خدمت ثروتمند شدن
اگر
تصور می‌کنید زندگی افرادی همچون مارک زاکربرگ یا بیل گیتس شیرین و راحت
است، کافی است تلاش کنید تا یکی از پنج مشکل رایجی که جهان امروز با آن
روبرو است را حل کرده و به این شکل میلیاردر شوید.
برای آنکه بتوانیم میلیاردر شویم به چه چیزی نیاز داریم؟
زمانی که این سوال مطرح می‌شود، همواره راهکارها و استراتژ‌هایی مطرح می‌شوند که مسیر موفقیت و شکست را به ما نشان می‌دهند. هر چند برنامه‌ریزی برای رسیدن به یک هدف مهم است، اما اولین گام مشخص کردن نقطه شروع است و اینکه در نظر دارید چه مشکلی را که مردم با آن روبرو هستند حل کنید. دنیای امروزی ما با مشکلات عدیده‌ای روبرو است. اما به نظر می‌رسد پنج مشکلی که در ادامه با آنها آشنا خواهید شد، بیش از سایر موارد ذهن دانشمندان و پژوهشگران را به خود مشغول کرده است. یک اصل کلی در این ارتباط وجود دارد، همواره سعی کنید وقت خود را صرف مشکلاتی کنید که ذهن مهندسان را بیش از یک دهه است که به خود مشغول کرده است. در ادامه پنج مشکلی را برای شما تشریح خواهیم کرد که در انتظار یک راهحل کلیدی و جامع هستند.
انرژی بی‌سیم و انتقال انرژی بی‌سیم
بهتر است فکر خود را درگیر باتری‌ها و اینکه چه باتری‌هایی از کارایی بهتری برخوردار هستند، نکنید. دنیای آینده به دنبال اسمارت‌فون‌ها، تبلت‌ها و دیگر تجهیزات الکترونیکی است که قادر باشند از انرژی بی‌سیم استفاده کنند. سعی کنید به دنبال کشف این موضوع باشید که چگونه می‌توانید تلویزیون یا شبکه کابلی خود را به یک منبع انرژی متصل کنید. برای شروع کار به این موضوع توجه داشته باشید که این فناوری بر مبنای امواج میکروویو و لیزر کار می‌کند.
اینترنت از راه دور ویژه مناطق روستایی
اینترنت منطقه‌ای هنوز هم به عنوان یک مشکل شناخته می‌شود. ارائه اینترنت به مناطق روستایی و همچنین کشورهای در حال توسعه هنوز هم به عنوان یک مشکل اساسی شناخته می‌شود. اما حل این مشکل یک چالش بزرگ به شمار می‌رود. گوگل و فیسبوک در تلاش هستند تا رهبری بازار در ارتباط با حل این مشکل را بر عهده بگیرند. بالون‌های گوگل و پهباد خورشیدی فیسبوک از جمله راه‌حل‌هایی هستند که برای حل این مشکل پیشنهاد شده‌اند. اگر بتوانید یک رویکرد سریع‌تر و ارزان‌تر را نسبت به راهحل گوگل ارائه کنید، بدون شک به یک میلیاردر تبدیل خواهید شد.
سلولهای خورشیدی ارزان‌قیمت و گسترش‌پذیر
امروزه پانل‌ها و سلولهای خورشیدی در جای جای این کره خاکی مورد استفاده قرار می‌گیرند. چندی پیش گوگل اعلام کرد که در نظر دارد از انرژی‌های پاک استفاده کند. در حالی که دنیای صنعت به دنبال آن است تا بهترین استفاده را از این پانل‌ها داشته باشد، اما در مقیاس محدودتر و خانگی این پانل‌ها را ممکن است عمدتا در محله‌های مجلل مشاهده کنید. هنوز هم نصب این پانل‌ها گران است. همین موضوع باعث شده است تا به کارگیری آنها در مقیاس‌های جزیی‌تر امکان‌پذیر نباشد و در نتیجه طبقه متوسط و اقشار ضعیف جامعه قادر به استفاده از آنها نباشند. طراحی سلولهای خورشیدی ارزان قیمت و بسیار کارآمد باعث می‌شود تا شما نیروی شگفت‌انگیز برق را در دستان خود داشته باشید.
تهیه آب شیرین و مقرون به صرفه
خشکسالی و کمبود آب یک مشکل بزرگ است. این مشکل مختص یک کشور خاص نیست و بسیاری از کشورهای جهان درگیر این معضل هستند. اما اگر بتوانیم آب اقیانوس‌ها را به آب شیرین تبدیل کنید، آن‌گاه همانند یک دستگاه آب سردکن که در تابستان آب خنکی را در اختیار ما قرار میدهد، این توانایی را به دست خواهیم آورد تا مشکل بی آبی را در سراسر جهان حل کنیم . تاکنون، هیچ انسانی موفق نشده است دستگاهی را طراحی کند تا به لحاظ اقتصادی مقرون به صرفه آب شیرین را در اختیار ما قرار دهد. شما می‌توانید اولین نفر در جهان باشید که این مشکل را حل خواهد کرد. در نتیجه مشکل عدیده بسیاری از مردم سراسر جهان را حل خواهید کرد.
بهبود عمده پیش‌بینی وضع هوا
همان‌گونه که اطلاع دارید، پیش‌بینی اوضاع جوی به سختی امکان‌پذیر است. اما حوادث بزرگی شبیه به زلزله، طوفان و گردباد هر ساله میلیاردها دلار خسارت وارد می‌کنند. در حالی که امروزه حسگرهایی برای پیش‌بینی رانش زمین طراحی شده و مورد استفاده قرار می‌گیرند، اما طراحی و توسعه مدلی که بتواند این پیش‌بینی‌ها را بهتر انجام دهد، به شما اجازه میدهد، به بسیاری از مردم جهان کمک کنید و در مقابل میلیاردها دلار را برای خود پس‌انداز کنید.
مواردی که در این مقاله به آنها اشاره کردیم جزء اولویت‌های اساسی زندگی امروز بشری به شمار می‌روند. حال آنکه مسائل دیگری در ارتباط با هوش مصنوعی، دستیابی به منابعی که در کرات دیگر وجود دارند، طراحی کاوشگرهای فضایی پیشرفته و بهبود فرآیند تولید مواد غذایی نیز از دیگر مسائلی هستند که طراحی یک راهحل ابداعی برای آنها زمینه‌ساز ثروتمند شدن شما می‌شوند.
==============================
شاید به این مقالات هم علاقمند باشید:
برچسب: