مجله هفتگی سایبرنما با معرفی آخرین و مهم ترین رخدادهای تکنولوژیک دنیا و تبیین اهمیتِ آن‌ها در آینده‌ی بشریت، شما را با مسیر انقلاب تمدنی سایبری آشنا می کند.
💠 خبر‌های این هفته‌ی سایبرنما با خبری از انویدیا آغاز می‌شود: تبدیلِ عکسِ ۲ بعدی به یک فضای ۳ بعدی تنها در عرضِ چند ثانیه.
💠 سپس به حشرات و سوسک‌های سایبری‌ای خواهیم پرداخت که در مواقع بحران، مانند زلزله، می‌توانند نجات‌بخشِ جانِ انسان‌ها باشند.
💠 سومین خبر این هفته‌ی سایبرنما به روباتی اختصاص دارد که طی ۹ مرحله‌ی نفس‌گیر پوست کردنِ موز را یاد گرفته است: پیشرفتی بزرگ برای صنعتِ روباتیک.
💠 در ادامه از تولید یک مغز مصنوعی با ۸۶ میلیارد نورون و ۵۰۰ ترلیون سیناپس فیزیکی سخن خواهیم گفت.
💠 و در آخرین خبر این هفته به کشف ماده‌ای جدید از جنسِ «تیتانیت» توسط هوش مصنوعی خواهیم پرداخت.
تبدیل عکس‌های دو بعدی به صحنه‌ای سه بعدی تنها در عرض چند ثانیه
حدود ۸۰ سال پیش بود که عکس‌های پلوراید (عکس‌های فوری) انقلابی را در صنعت عکاسی به پا کرد. دیگر لازم نبود که کاربرانِ دوربین‌های عکاسی فیلم‌های نگاتیو را به عکاس‌خانه‌ها ببرند تا عکس‌ها چاپ بشوند؛ دوربین‌های عکاسی پلوراید به طور خودکار عکس‌ها را چاپ‌شده تحویل می‌دادند. همین روند در تلفن‌های هوشمند و «دسترسی در لحظه به عکس» نیز ادامه یافت. در ادامه‌ی همان مسیر، انویدیا هوشی را معرفی کرده است که می‌تواند با استفاده از تعدادِ محدودی عکس و تنها در عرض چند ثانیه عکس‌های دو بعدی را به صحنه‌های سه بعدی تبدیل کند. این اتفاق را می‌توان مانند همان انقلاب پلورایدی یا تلفن‌های هوشمند در زمینه‌ی تصویر در نظر گرفت. مهم‌ترین کاربرد این تکنولوژی در صنعت خودروهای خودران (تبدیل چند عکس به یک محیط سه بعدی و درکِ صحیح‌تر از محیط. همکاری انویدیا و BMW را به خاطر دارید؟) و روباتیک (لجستیک انویدیا) است. همچنین پیش‌بینی می‌شود که این تکنیک تولید فیلم‌های سینمایی و بازی‌‌های ویدئویی را هم متحول کند. در نهایت سایبرنما نیز پیش‌بینی می‌کند که چنین تکنیک‌هایی برای تولیدِ امکاناتِ جدیدِ بصری‌سازی باید به عنوانِ مقدماتِ اصلی و محوریِ «جهان‌های سایبری آینده» (به خصوص متاورس‌ها) در نظر گرفته شوند.
حشرات سایبری را جدی بگیرید!
۲۵ سال پیش بود که مفهومِ حشرات سایبری با تولید اولین نوع سوسک‌های سایبری توسط پروفسور ساتو هیروتاکا به جهان معرفی شد. از آن زمان تا کنون حشرات نقش مهمی در توسعه‌ی تکنولوژی‌های سایبری داشته‌اند. ما انسان‌ها می‌توانیم ۱) از ساختار سلولی یا DNA حشرات برای طراحی روبات‌های خودمان استفاده کنیم، ۲) از ساختار حشرات برای طراحی روبات‌های حشره‌گون استفاده کنیم، ۳) از عملکرد جمعی حشرات برای ساختنِ «توده‌های خودمختار روباتیک» (مانند حشرات جنگجو) بهره ببریم و ۴) خودِ حشرات را هم مانندِ انسان‌ها سایبورگ کنیم. خبر این هفته‌ی ما مربوط به روندِ چهارم است. به گزارش اکونومیست، پروفسور ساتو هیروتاکا نسل جدیدی از سوسک‌های روباتیک را عرضه کرده است که توانایی‌های بسیار بالایی برای کاوش و جست و جو (به خصوص در خرابه‌های پس از زلزله) دارند. این پروفسور ژاپنی کوله‌پشتی‌ای متشکل از یک چیپ ارتباطی، سنسور دی‌اکسید کربن، سنسور حرکتی، دوربین مادون قرمز و یک باطری کوچک را برای این سوسک‌ها تدارک دیده است. در شرایطی مانند زلزله، این سوسک‌ها به خرابه‌ها سرازیر می‌شوند و می‌توانند اطلاعات بسیار مفیدی را در مورد میزانِ تلفات و یا احیانا بازماندگانِ زیرِ آوار به نیروهای نجات انتقال دهند. بیوروباتیک یکی از مهم‌ترین روند‌های آینده‌ی سایبری است و به همان اندازه که «انسان-روبات‌ها» را در آینده خواهیم دید، «حیوان-روبات‌ها» نیز قابلِ مشاهده خواهند بود.
پس من یک موز برداشتم: روبات‌های موز‌پوست‌کن
فرض کنید که در خانه نشستید و از روبات خدمتکارتان تقاضا می‌کنید که برایتان یک موز پوست بگیرد یا از روباتِ آشپزتان با آن بازوهای غول‌پیکرش می‌خواهید که برایتان سیب‌زمینی سرخ‌کرده درست کند. خب، متاسفانه باید بگوییم که با وجود تمام پیشرفت‌های روباتیک در زمینه‌ی روبات‌های خدمتکار، این کار تا به حال نشدنی بود. روبات‌های یادگیرنده‌ی خدمتکار یا آشپز نمی‌توانند یک موز یا سیب‌زمینی را پوست بگیرند. مسئله فقط زمختی و «آدم آهنی بودنِ» این روبات‌ها نبود. باور بکنید یا نه، یادگرفتنِ «پوست‌کردنِ موز» به مراتب سخت‌تر از یادگرفتنِ تمیز‌کردنِ کفِ خانه است؛ زیرا کاری «ظریف‌تر» و «دقیق‌تر» محسوب می‌شود. اما نگران نباشید. دانشمندان بالاخره به بازوهای روباتیک یاد دادند که موز‌ها را پوست بکنند. روبات برای کندنِ پوستِ یک موز باید ۹ مرحله یادگیری را پشتِ سر می‌گذاشت: شاملِ بلند‌کردنِ موز از روی میز با یک دست، گرفتنِ بالای موز با دستِ دیگر، کشیدنِ پوستِ موز به سمتِ پایین، چرخاندنِ موز برای کندنِ باقیِ پوست‌ها. روبات‌های دانشگاهِ توکیو این کار را تقریبا در ۳ دقیقه انجام می‌دهند که هر چند برای روبات‌ها بسیار خوب محسوب می‌شود، اما احتمالا برای انسان‌هایی که منتظرِ موزشان هستند، کمی حوصله‌سربر باشد. پوست کردنِ موز، آن هم از طریق یادگیری عمیق، نسلِ جدیدی از روبات‌های دقیق و ظریف را وعده می‌دهد؛ روبات‌هایی که می‌توانند سر و کله زدن با چیز‌های جدید (مثلا یک آووکادو که تا کنون ندیده‌اند) را به راحتی یاد بگیرند.
مغزی مصنوعی با ۸۶ میلیارد نورونِ فیزیکی
خوانندگان سایبرنما به خوبی می‌دانند که «مغز انسان» یکی از مهم‌ترین محور‌های توسعه‌ی هوش مصنوعی است تا آن‌جایی که ما هوش‌های مصنوعی را مقلدان مغز خواندیم. هر چقدر که ما بیشتر بتوانیم مدل‌های شبیه به مغز (مانند مغز مصنوعی) را توسعه دهیم، از هوش مصنوعی قوی‌تری بهره‌مند خواهیم بود. با این حال عمده‌ی آن چیزی که تقلید از مغز خوانده می‌شود (یعنی «شبکه‌های عصبی») یک «شبکه‌ی فیزیکی» واقعی نیست بلکه مجموعه‌ای از کد‌های تقلیدی در فضاهایی مانندِ پایتون است. همین مسئله برخی از دانشمندان را بر این داشته که به جای تقلیدِ کدبنیادِ شبکه‌ی عصبی مغزی، این شبکه را با صورت فیزیکی بازسازی کنند: مغزی مصنوعی با ۸۶ میلیارد نورونِ فیزیکی (و نه بیولوژیک یا سایبری) و ۵۰۰ ترلیون سیناپس. طبق گفته‌ی سازندگان این مغز، شبکه‌ی فیزیکیِ تولید‌شده هزار برابر کارآمد‌تر از شبکه‌های کدبنیاد است. شبکه‌ی ساخته‌شده به صورت آنالوگ (صفر و یکی) کار می‌کند و این به آن معناست که یک بار دیگر، پس از انسان، هوشمندی دوباره به مرزِ فیزیک، محاسبه و اراده بازگشته است. با توجه به این که شرکت‌های بزرگی مانند انویدیا و IBM هم واردِ بازیِ مغز‌های مصنوعیِ فیزیکی شده‌اند، باید منتظر ماند و دید که آیا روزی این مغز‌های مصنوعی می‌توانند جای هوش‌های مصنوعی فعلی را بگیرند یا خیر؟
هوش‌ها در حال کشف موادِ جدیدِ سایبری هستند
تولیدِ موادِ جدید آن‌قدر مهم هست که حتی جزوِ اولویت‌های تحقیقاتی بزرگ‌ترین سازمان‌های جاسوسی جهان نیز باشد. ماده همه‌ی چیزی است که ما در این جهان می‌توانیم بر پایه‌ی آن توسعه‌های جدیدِ تکنولوژیک را رقم بزنیم و صادقانه آن که موادِ فعلی محدودیت‌های زیادی دارند. پس چه بهتر که از هوش مصنوعی برای تولید موادِ جدید استفاده کنیم. خبر این هفته‌ی سایبرنما نیز به توسعه‌ی مدلی از یادگیری ماشینی اختصاص دارد که می‌تواند ماده‌هایی با الکترون‌های کارآمد برای مصرف انرژی «بسازد». این موادِ جدید به خصوص در کامپیوتر‌های کوانتوم کاربرد دارند: به عنوانِ یک اصل، شما هر چقدر بتوانید موادِ بهتر و رساناتری را برای روندِ پردازش استفاده کنید، می‌توانید کامپیوتر‌های باکیفیت‌تر و با توانایی پردازشِ بالاتر بسازید. در پروژه‌ی موسسه‌ی ویتربی، آن‌ها از مدلِ یادگیری ماشینی خود برای پیاده‌سازی یک شبیه‌سازِ عظیم جهتِ کنترلِ نور در ماده‌ی «تیناتیت» بهره بردند. ویژگی این ماده آن است که به صورت ذاتی قطبش (پولاریزاسیون) الکترونیک دارد. دانشمندان در شبیه‌ساز مصنوعی کشف کرده‌اند که می‌توانند به راحتی با تابش نور به این قطبش، میدان الکترونیکِ این ماده را کنترل کنند و این به آن معناست که این ماده می‌تواند جایگزین بسیار مناسبی برای ساختِ تکنولوژی‌هایی چون سنسور‌ها، ذخایر انرژی و حافظه‌ها باشد.
