سفارش تبلیغ
صبا ویژن

کابل شارژ آیفون، جان یک نوجوان ویتنامی را گرفت

کابل شارژ آیفون، جان یک نوجوان ویتنامی را گرفت
احتمالاً به یاد داشته باشید که در سال 2013، یک جوان 23 ساله مشغول پاسخ به یک تماس تلفنی با آیفون 5 در حال شارژ خود بود که دچار برق گرفتگی شد. با این اتفاق، به مرور زمان گزارش های بیشتری از سوی کاربران آیفون و آیپد به گوش رسید که هنگام استفاده از دستگاه به آنها شوک وارد شده بود. در بسیاری از موارد، مشکل به شارژرهای شخص ثالث باز می گشت.

اواخر همان سال، اپل اعلام کرد که مشتریان می توانند به صورت رایگان شارژرهای شخص ثالث خود را با مدل های رسمی اپل معاوضه کنند و این کار در برخی کشورها مانند ایالات متحده، چین و بریتانیا انجام شد. در حالی که برای مدت ها خبری از یک حادثه دیگر به گوش نرسید، طی هفته ای که گذشت یک دختر 14 ساله ویتنامی با کابل شارژی که به آیفون 6 اش متصل بود در خواب دچار برق گرفتگی شد.

پلیس معتقد است که وی مثل همیشه، شارژر رسمی آیفون خود را به موبایل متصل کرده و سپس به خواب رفته است. یک پارگی کوچک در کابل، بخشی از سیم کشی های داخلی را در معرض لمس قرار داده بود و هنگامی که وی در تخت خود غلت می خورد، دچار برق گرفتگی می شود. والدین این نوجوان، او را بی هوش در تخت یافتند و بعد از انتقال به بیمارستان، مرگ وی اعلام شد.

احتمالاً همین حالا زمان خوبی باشد تا وضعیت کابل شارژ موبایل تان را، فارغ از کمپانی سازنده بررسی کنید و کابل مورد استفاده توسط اعضای خانواده را هم چک کنید. اگر هر گونه ترک یا پارگی روی کابل به چشم می خورد که سیم کشی داخلی را در معرض لمس قرار می دهد، قبل از آنکه دیر شود کابل را دور بیندازید.


سامسونگ به استفاده از لوله های انتقال حرارت در موبایل های پرچمدا


سامسونگ به استفاده از لوله های انتقال حرارت در موبایل های پرچمدارش ادامه می دهد
هرچه کمپانی ها به افزودن قطعات قدرتمند به محصولات خود ادامه می دهند، نیاز به راهکارهای انتقال حرارت هم بیشتر می شود که جلوی داغ شدگی بیش از اندازه دستگاه را می گیرند. طی چند سال اخیر، بسیاری از تولیدکنندگان موبایل های هوشمند به راهکارهای خنک سازی متفاوتی روی آورده اند؛ اما تنها در محصولات پریمیوم که قیمت بالایی دارند.

از طرف دیگر، اسمارت فون های میان رده و اقتصادی به خاطر اینکه اصلاً داغ نمی شوند نیازی به سیستم خنک کننده هم ندارند. سامسونگ یکی از نخستین کمپانی هایی بود که  استفاده از سیستم خنک کننده مبتنی بر لوله های انتقال حرارت را آغاز کرد. در حالی که گفته می شد سامسونگ به استفاده از این راهکار در سال 2018 خاتمه می دهد، منابع زنجیره تامین کنندگان کمپانی کره ای می گویند که این موضوع صحت نداشته و لوله های انتقال حرارت کماکان در پرچمداران سال 2018 سامسونگ باقی می مانند.

بسیاری از تولیدکنندگان حالا ترجیح می دهند از طراحی های متفاوتی برای مدیریت حرارت استفاده کنند که شامل محفظه های بخار می شود. این راهکار، انتقال حرارت را بهینه تر می کند اما وقتی که برای تولید انبوه آماده شود، هزینه ای بالاتر روی دست تولیدکنندگان و سپس مشتریان می گذارد. علاوه بر این، ابعاد محفظه های بخار هم باعث می شود که بسیاری به استفاده از آنها تمایل نشان ندهند. به همین خاطر تامین کنندگان سراسر جهان در حال تلاش برای کاهش قطر این محفظه ها هستند.

منابع می گویند که محفظه های بخار تا سال 2019 میلادی برای استفاده در اسمارت فون های پرچمدار آماده خواهند بود؛ اما فراگیری آنها به میزان کاهش ابعادشان و نیز قیمت احتمالی شان وابسته است.


عرضه هوم پاد اپل تا اوایل 2018 به تعویق افتاد

عرضه هوم پاد اپل تا اوایل 2018 به تعویق افتاد
اگر برای خرید هوم پاد اپل طی ماه آتی برنامه ریزی کرده بودید، حالا باید زمان بیشتری منتظر باقی بمانید. اپل امروز در بیانیه تازه ای اعلام کرده که گرچه نمی تواند برای استفاده مردم از این اسپیکر هوشمند صبر کند اما نیازمند زمان بیشتری برای آماده سازی هوم پاد برای مصرف کنندگان است. این دستگاه قرار بود طی ماه آتی میلادی با قیمت 349 دلار عرضه شود.

اپل حالا می گوید که عرضه دستگاه به اوایل سال 2018 میلادی موکول شده است. هوم پاد به گونه ای طراحی شده که مانند ورژن پریمیوم نخستین اسپیکرهای هوشمند آمازون با سری آمازون اکو به نظر می رسد. در ابتدایی ترین حالت، این محصول اسپیکر و دستیار دیجیتالی را با یکدیگر ادغام می کند. در حالی که آمازون از دستیار دیجیتالی الکسا در محصولاتش استفاده می کند، هوم پاد اپل همراه با سیری به دست مشتریان می رسد.

هوم پاد اپل به چیپست A8 مجهز شده که پیشتر در آیفون 6 یافت می شد. اسپیکر مورد اشاره از یک ووفر 4 اینچی، شش میکروفون و 7 توییتر بهره می برد و می تواند با تشخیص محل قرارگیری خود در خانه، صدا را تنظیم کند تا بهترین تجربه از پخش موسیقی کسب شود. حتی اگر دو هوم پاد را در یک اتاق قرار دهید، دو دستگاه از وجود یکدیگر مطلع می شوند و به کمک یکدیگر قابلیت هایشان را بهبود می دهند.

به جز آمازون و هوم پاد اپل، از جمله دیگر اسپیکرهای هوشمند می توان به سری گوگل هوم، مایکروسافت اینووک و محصولاتی از سامسونگ و سونی که هنوز عرضه نشده اند اشاره کرد.


وان پلاس می گوید پرچمدار 5T سریع ترین موبایل جهان است


وان پلاس می گوید پرچمدار 5T سریع ترین موبایل جهان است
روز گذشته بود که کمپانی وان پلاس از تازه ترین اسمارت فون پرچمدار خود، یعنی وان پلاس 5T رونمایی کرد. این موبایل 6 اینچی، برای نخستین بار در میان دیوایس های کمپانی چینی از نمایشگر بدون حاشیه بهره می برد و کاری می کند که موبایل وان پلاس 5، بسیار قدیمی به نظر برسد.

گذشته از طراحی شاداب، وان پلاس 5T از نظر مشخصات سخت افزاری تفاوت چندانی با وان پلاس 5 ندارد و از همان چیپست اسنپدراگون 835 و 6 یا 8 گیگابایت حافظه رم بهره می برد. با این حال وان پلاس مدعی شده که به لطف این سخت افزار قدرتمند و بهینه سازی های نرم افزاری OxygenOS (مبتنی بر اندروید 7.1 نوقا)، پرچمدار جدیدش سریع ترین موبایلی است که تا به امروز ساخته شده.

این کمپانی در واقع در حساب توییتر خود نوشته است: «هیچ اسمارت فون دیگری اپلیکیشن ها و بازی ها را سریع تر از وان پلاس 5T اجرا نمی کند. به محض اینکه به سرعت و روانی یک دستگاه وان پلاس عادت کنید، برگشتن به هرچیز دیگری برایتان سخت است.»

نکته قابل توجه اینست که کمپانی چینی نمی گوید «هیچ موبایل اندرویدی دیگری» و خیلی ساده می گوید «هیچ موبایل دیگری». بنابراین وان پلاس مسلماً عقیده دارد که 5T از پرچمداران اخیر اپل هم سریع تر است. در هر صورت این ادعایی است که برای بررسی آن باید تا چند روز دیگر و عرضه رسمی اسمارت فون 5T صبر کنیم.


آیا باید به فناوری تشخیص چهره، تفاوت نژادها را بیاموزیم؟


آیا باید به فناوری تشخیص چهره، تفاوت نژادها را بیاموزیم؟

شرکت های حوزه تکنولوژی چشم به سنگر بعدی خود دوخته اند: چهره انسان. اگر دوست داشته باشید، حالا می توانید صورت یک حیوان را به خودتان بگیرید و ویدیویی با آن چهره از خودتان ضبط کنید.

اگر مبلغ گزافی بپردازید و آیفون X بخرید، می توانید به وسیله صورتتان موبایل را در یک چشم به هم زدن باز کنید. حتی در هانگژو چین، می توانید به یک دوربین لبخند بزنید و ساندویچ مرغ رایگان بگیرید.

و حداقل از هر چهار دپارتمان پلیس در آمریکا، یکی به نرم افزار تشخیص چهره مجهز است که اجازه می دهد صورت افراد را در کسری از ثانیه شناسایی کنند و اقدامات لازم را انجام دهند.

اما این فناوری هنوز کامل نیست. آیفون X شما شاید بعضی وقت ها با این سرعت نتواند موبایل را آنلاک کند، پلیس ها هم ممکن است اشخاص اشتباهی را دستگیر کنند.

اگر قرار باشد نرم افزاری بدون مشکل چهره شما را تشخیص بدهد، باید توالی کاملی از الگوریتم ها کنار هم کار کنند. اول از همه، نرم افزار باید تشخیص دهد که آیا یک تصویر درون خود چهره ای دارد یا نه. اگر شما پلیسی هستید که می خواهید یک کودک گمشده را در تصویری شلوغ پیدا کنید، داشتن چهره ها بر اساس سن و سال می تواند بیشترین کمک را کند.

و در نهایت، شما نیاز به الگوریتمی دارید که می تواند هر چهره را با چهره دیگر در دیتابیس مقایسه کند، آن هم با نورپردازی متفاوت و از زاویه های مختلف و پس از آن باید تشخیص دهد که آیا این تصویر، متعلق به همان شخص است یا خیر.

برای بهبود این الگوریتم ها، محققین از اطلاعات دموگرافیک استفاده می کنند. وقتی آن ها به نرم افزار تشخیص چهره در مورد نژاد، جنسیت و سن شما می آموزند، می تواند کمی بهتر در برخی موارد عمل کند. آنیل جین از دانشگاه ایالت میشیگان می گوید: «این یک نتیجه شگفت آور نیست که اگر شما جمعیت های مختلف را جداگانه مدل کنید، نتیجه بهتری به دست می آید.»

با الگوریتم های بهتر، شاید پلیس ها شخص بیگناه را دستگیر نکنند. خبر خوبی است نه؟ اما چندان ساده نیست. اطلاعات دموگرافیک شاید به دقت الگوریتم ها کمک کند اما مورد استفاده شان را نیز پیچیده تر خواهد کرد.

یک مثال اخیر را بررسی کنیم. پژوهشگران دانشگاه ساری انگلستان و جیانگنان چین سعی دارند تا الگوریتم خاص مورد استفاده در فناوری تشخیص چهره را بهبود بخشند. این الگوریتم که بر اساس مدل سه بعدی قابل تغییر شکل ساخته شده، یک سلفی را به صورت دیجیتالی تبدیل به یک سر سه بعدی می کند آن هم در کمتر از یک ثانیه.

با در دست داشتن این مدل، شما می توانید زاویه سلفی اشخاص را تغییر دهید و با عکس دیگری مقایسه کنید. آیفون X و اسنپ چت نیز از مدل های سه بعدی مشابهی بهره می برند.

پژوهشگران به الگوریتم هایشان یک سری دستورالعمل ابتدایی دادند: این یک قالب از سر است، و این هم قابلیتی است که اجازه می دهد تصویر فشرده شده یا کش بیاید تا عمق چهره برای ساخت یک تصویر 3 بعدی مهیا شود.

قالب مورد استفاده در واقع یک مدل ساده از سر انسان است، فردی با بینی متوسط، فاصله متوسط بین دو چشم و قطر متوسط گونه که از چهره اشخاص عادی گرفته اند. زمانی که این مدل ها در گذشته به دست آمد، اسکن چهره ها کار دشواری بود چون زمان بسیاری می گرفت. بنابراین همه چهره ها را با هم ترکیب کردند تا یک متوسط از کل چهره ها به دست آورند، فارغ از سن و نژاد و جنسیت.

این گروه از مجموع چهره 942 نفر استفاده کرده که اسکن چهره ها در انگلیس و چین صورت پذیرفته. در عوض ترکیب این 942 چهره، این گروه دسته بندی ها را بر اساس نژاد انجام داده. آن ها برای هر نژاد یک الگو یا قالب متفاوت به دست آورده اند. یک چهره برای آسیایی ها، یک چهره برای سفید پوست ها، یک چهره برای سیاه پوست ها و الگوریتم را بر اساس این سه گروه تنظیم کردند.

اگرچه فقط اسکن چهره از 10 سیاهپوست در دسترس بود اما این رقم برای سفید پوست ها و آسیایی ها به ترتیب بیش از 100 و 800 است. آن ها متوجه شدند که الگوریتم ها این بار بسیار دقیق تر عمل کرده اند نسبت به زمانی که فقط یک الگو در نظر گرفته می شد.

ژنهوا فِنگ از دانشگاه ساری انگلستان می گوید: «فقط بحث نژاد نیست. اگر شما مدل صورت یک نوزاد را داشته باشید، شما می توانید چهره سه بعدی بهتری برای نوزادان بسازید. اگر شما مدل صورت یک فرد پیر را داشته باشید، ساخت چهره سه بعدی برای آن هم ساده تر خواهد شد.»

بنابراین اگر به نرم افزارهای بیومتریک در مورد گروه های مختلف، توضیحات دقیق تری داده شود، می توانند کار را بهتر از قبل به پیش ببرند.

به گفته جین، مدل های سه بعدی به خصوص فِنگ یک الگوریتم ویژه در زمینه فناوری تشخیص چهره به حساب می آیند. الگوریتم های فعلی مورد استفاده از تصاویر دو بعدی استفاده می کنند چون کار کردن با داده های سه بعدی دشوار است.

اما دیگر تکنیک های فراگیر نیز مردم را دسته بندی می کند تا عملکرد بهتری ارائه دهد. یک مدل چهره سه بعدی معمول نیز معمولا از الگوی چهره استفاده می کند. بنا به اینکه شخص موجود در تصویر مرد، زن، نوزاد یا پیرمرد است، این الگوریتم با الگوی متفاوتی کار خود را آغاز می کند.

برای الگوریتم های یادگیری ماشینی دو بعدی به خصوص که تشخیص می دهد یک فرد در دو تصویر وجود دارد، محققان متوجه شده اند اگر ویژگی های به خصوص مثل نژاد، جنسیت و حتی رنگ چشم و حالات صورت کاملا جداگانه بررسی شود، نرم افزار می تواند با دقت بیشتری پاسخگو باشد.

بنابراین، اگر شما به یک الگوریتم در مورد نژادها بیاموزید، آیا آن را تبدیل به یک ماشین نژاد پرست کرده اید؟ نه لزوما. به گفته جامعه شناس دانشگاه کلمبیا، آلوندرا نلسون که اخلاق در فناوری های جدید را مطالعه می کند اینطور نیست. دانشمندان اجتماعی همیشه داده های دموگرافیک را بر اساس دسته بندی ها مطالعه می کنند.

برای مثال، جامعه شناس ها همیشه رفتارها را با معیار جنسیت و نژاد می سنجند. نلسون می گوید: «ما در دنیایی زندگی می کنیم که از نژاد برای همه چیز استفاده می کند.» همین حالا هم اف بی آی از دسته بندی های خاصی برای افراد استفاده می کند. بنابراین اگر قصد عملکرد بهتر الگوریتم ها را داریم، باید چنین چیزی را به آن بیاموزیم.

با این حال، نلسون به اهمیت موضوع دیگری اشاره می کند: «مشکلی نیست اگر دسته بندی ها مثلا چشم آبی، چشم قهوه ای، بینی باریک، بینی نه چندان باریک و موارد این چنینی باشد که اصلا کاری به نژاد ندارد؟»

بنابراین باید دانشمندان فکر کنند که چرا تصمیم گرفته اند نژاد را انتخاب کنند. آیا می توان تفاوت های دیگری را در نظر گرفت که همانند نژاد، تعصب برانگیز و تبعیض گونه به نظر نرسد؟

پژوهشگران باید موارد احتمالی استفاده کارهایشان را در نظر بگیرند، به خصوص آن هایی که دولت ها و سازمان های صاحب قدرت می خواهند برای مواردی که در ابتدا ذکر شد استفاده کنند.