تواصل معنا

الذكاء الاصطناعي

التعلم العميق مقابل التعلم الآلي: كيف يؤثر مجال ناشئ على برمجة الكمبيوتر التقليدية

الصورة الرمزية

تم النشر

on

عندما يتشابك مفهومان مختلفان بشكل كبير ، قد يكون من الصعب الفصل بينهما كمواضيع أكاديمية متميزة. قد يفسر هذا سبب صعوبة الفصل التعلم العميق تبدأ من آلة التعلم ككل. بالنظر إلى الدفعة الحالية لكل من الأتمتة وكذلك الإشباع الفوري ، فقد تم تكديس قدر كبير من التركيز المتجدد على هذا الموضوع.

كل شيء من Worfklows التصنيع الآلي إلى الطب الرقمي الشخصي يمكن أن تنمو للاعتماد عليها التعلم العميق تقنية. ومع ذلك ، فإن تحديد الجوانب الدقيقة لهذا الانضباط التقني الذي سيحدث ثورة في هذه الصناعات هو أكثر صعوبة بكثير. ربما يكون من الأفضل التفكير في التعلم العميق في سياق حركة أكبر في علوم الكمبيوتر.

تعريف التعلم العميق كمجموعة فرعية من التعلم الآلي

تعلم الآلة والتعلم العميق وجهان أساسيان لعملة واحدة. تقنيات التعلم العميق هي تخصص محدد ينتمي إلى مجال أكبر بكثير يتضمن مجموعة كبيرة ومتنوعة من وكلاء الذكاء الاصطناعي المدربين الذين يمكنهم التنبؤ بالاستجابة الصحيحة في مجموعة واسعة من المواقف. ومع ذلك ، فإن ما يجعل التعلم العميق مستقلاً عن كل هذه التقنيات الأخرى هو حقيقة أنه يركز بشكل حصري تقريبًا على وكلاء التدريس لتحقيق هدف محدد من خلال تعلم أفضل إجراء ممكن في عدد من البيئات الافتراضية.

عادةً ما تقوم خوارزميات التعلم الآلي التقليدية بتعليم العقد الاصطناعية كيفية الاستجابة للمنبهات عن طريق الحفظ عن ظهر قلب. يشبه هذا إلى حد ما أساليب التدريس البشرية التي تتكون من التكرار البسيط ، وبالتالي يمكن التفكير في المكافئ المحوسب للطالب الذي يمر عبر جداول الضرب حتى يتمكن من قراءتها. في حين أن هذا فعال بطريقة ما ، إلا أن وكلاء الذكاء الاصطناعي المتعلمين بهذه الطريقة قد لا يكونوا قادرين على الاستجابة لأي حافز خارج نطاق مواصفات التصميم الأصلية الخاصة بهم.

هذا هو السبب في أن المتخصصين في التعلم العميق طوروا خوارزميات بديلة تعتبر متفوقة إلى حد ما على هذه الطريقة ، على الرغم من أنها مكثفة للغاية للأجهزة من نواح كثيرة. قد تستند الجسور الفرعية التي يستخدمها وكلاء التعلم العميق حول شبكات الخصومة التوليفية أو هياكل العقدة العصبية التلافيفية أو شكل عملي لآلة بولتزمان المقيدة. هذه تقف في تناقض حاد مع الأشجار الثنائية والقوائم المرتبطة المستخدمة بواسطة البرامج الثابتة التقليدية للتعلم الآلي بالإضافة إلى غالبية أنظمة الملفات الحديثة.

كانت الخرائط ذاتية التنظيم أيضًا في مرحلة التعلم العميق ، على الرغم من أن تطبيقاتها في مجالات أبحاث الذكاء الاصطناعي الأخرى كانت عادةً أقل واعدة. عندما يتعلق الأمر بتعريف ملف التعلم العميق مقابل التعلم الآلي ومع ذلك ، فمن المحتمل جدًا أن يبحث الفنيون عن تطبيقات عملية أكثر من بحث أكاديمي نظري في الأشهر المقبلة. يكفي أن نقول إن التعلم الآلي يشمل كل شيء من أبسط الذكاء الاصطناعي إلى الخوارزميات التنبؤية الأكثر تعقيدًا بينما يشكل التعلم العميق مجموعة فرعية أكثر انتقائية من هذه التقنيات.

تطبيقات عملية لتكنولوجيا التعلم العميق

اعتمادًا على كيفية تأليف برنامج معين ، يمكن نشر تقنيات التعلم العميق على طول الشبكات العصبية الخاضعة للإشراف أو شبه الخاضعة للإشراف. من الناحية النظرية ، سيكون من الممكن أيضًا القيام بذلك عبر تخطيط عقدة غير خاضع للإشراف تمامًا، وهذه التقنية هي التي سرعان ما أصبحت الواعدة. قد تكون الشبكات غير الخاضعة للإشراف مفيدة لتحليل الصور الطبية ، حيث يقدم هذا التطبيق غالبًا أجزاء فريدة من المعلومات الرسومية لبرنامج كمبيوتر يجب اختبارها مقابل المدخلات المعروفة.

شجرة ثنائية تقليدية أو أنظمة التعلم القائمة على blockchain لقد كافح لتحديد الأنماط نفسها في سيناريوهات مختلفة بشكل كبير ، لأن المعلومات تظل مخفية في هيكل كان من الممكن أن يصمم لولا ذلك لتقديم البيانات بفعالية. إنه في الأساس شكل طبيعي من أشكال إخفاء المعلومات ، وقد أربك خوارزميات الكمبيوتر في صناعة الرعاية الصحية. ومع ذلك ، يمكن لهذا النوع الجديد من عقد التعلم غير الخاضعة للإشراف أن يثقف نفسه فعليًا حول كيفية مطابقة هذه الأنماط حتى في بنية البيانات غير المنظمة وفقًا للخطوط العادية التي يتوقعها الكمبيوتر.

اقترح آخرون التنفيذ وكلاء تسويق ذكاء اصطناعيًا شبه خاضعين للإشراف يمكن أن يقضي على الكثير من القلق بشأن الأخلاقيات فيما يتعلق ببرنامج إغلاق الصفقات الحالي. بدلاً من محاولة الوصول إلى قاعدة عملاء كبيرة قدر الإمكان ، فإن هذه الأدوات ستحسب احتمالات أي فرد يحتاج إلى منتج في وقت معين. من أجل القيام بذلك ، ستحتاج إلى أنواع معينة من المعلومات التي تقدمها المنظمة التي تعمل نيابة عنها ، ولكنها ستكون قادرة في النهاية على التنبؤ بجميع الإجراءات الإضافية من تلقاء نفسها.

بينما تعتمد بعض الشركات حاليًا على الأدوات التي تستخدم تقنية التعلم الآلي التقليدية لتحقيق نفس الأهداف ، فإنها غالبًا ما يتم إنشاؤها باستخدام خصوصية والمخاوف الأخلاقية. لقد مكّن ظهور خوارزميات التعلم المنظم العميق مهندسي البرمجيات من ابتكار أنظمة جديدة لا تعاني من هذه العيوب.

تطوير بيئة التعلم الآلي الخاصة

غالبًا ما تكون برامج التعلم الآلي التقليدية خطيرة خصوصية بسبب حقيقة أنهم بحاجة إلى قدر كبير من المدخلات من أجل استخلاص أي استنتاجات قابلة للاستخدام. برنامج التعرف على الصور التعلم العميق تعمل عن طريق معالجة مجموعة فرعية أصغر من المدخلات ، وبالتالي ضمان أنها لا تحتاج إلى الكثير من المعلومات للقيام بها وظيفة. هذا له أهمية خاصة لأولئك الذين يهتمون بـ إمكانية تسريب بيانات المستهلك.

بالنظر إلى المواقف التنظيمية الجديدة بشأن العديد من هذه القضايا ، سرعان ما أصبح شيئًا مهمًا من وجهة نظر الامتثال أيضًا. كما بدأت مختبرات علم السموم باستخدام حزم التعلم العميقة المنظمة التي تركز على النشاط الحيوي، من المحتمل أن يعبر المنظمون عن مخاوف إضافية فيما يتعلق بكمية المعلومات اللازمة لأداء أي مهمة مع هذا النوع من البيانات الحساسة. اضطر علماء الكمبيوتر إلى تقليص ما وصفه البعض بخرطوم حريق حقيقي من البايتات التي تحكي قصة أكثر مما قد يكون مرتاحًا له.

بطريقة ما ، استمعت هذه التطورات إلى وقت سابق عندما كان يعتقد أن كل عملية في نظام يجب أن يكون لها فقط مقدار الامتيازات اللازمة لإكمال وظيفتها. نظرًا لأن مهندسي التعلم الآلي يتبنون هذا النموذج ، فمن المحتمل جدًا أن تكون التطورات المستقبلية أكثر أمانًا لمجرد أنها لا تتطلب المقدار الهائل من التنقيب عن البيانات اللازمة لتشغيل العمليات الحالية الحالية.

حقوق الصورة: toptal.io

كوينسمارت. Beste Bitcoin-Börse في أوروبا
المصدر: https://datafloq.com/read/deep-learning-vs-machine-learning-how-emerging-field-influences-traditional-computer-programming/13652

الذكاء الاصطناعي

توسع DataRobot النظام الأساسي وتعلن عن استحواذها على Zepl

الصورة الرمزية

تم النشر

on

داتا روبوت، الشركة الناشئة للتعلم الآلي الآلي ومقرها بوسطن ، كانت لديها مجموعة من الإعلانات هذا الصباح حيث وسعت نظامها الأساسي لمنح المستخدمين التقنيين وغير التقنيين على حد سواء شيئًا جديدًا. كما أعلنت أنها استحوذت زبل، مما يمنحها بيئة تطوير متقدمة حيث يمكن لعلماء البيانات إحضار التعليمات البرمجية الخاصة بهم إلى DataRobot. ولم تشارك الشركتان في سعر الشراء.

يقول Nenshad Bardoliwalla ، نائب الرئيس الأول للمنتج في DataRobot ، إن شركته تطمح إلى أن تكون رائدة في هذا السوق وتعتقد أن الطريق إلى القيام بذلك يجذب مجموعة واسعة من متطلبات المستخدمين من أولئك الذين لديهم القليل من فهم علم البيانات لأولئك الذين يمكنهم القيام بذلك ترميز التعلم الآلي الخاص بهم في Python و R.

"بينما يحب الناس الأتمتة ، فإنهم يريدون أيضًا أن تكون [مرنة]. إنهم لا يريدون الأتمتة فقط ، لكن بعد ذلك لا يمكنك فعل أي شيء بها. وأوضح باردوليوالا أنهم يريدون أيضًا القدرة على إدارة المقابض وسحب الرافعات.

لحل هذه المشكلة ، بدلاً من إنشاء بيئة تشفير من البداية ، اختارت شراء Zepl ودمج دفتر الترميز الخاص بها في النظام الأساسي في أداة جديدة تسمى Composable ML. قال: "من خلال Composable ML واستحواذ Zepl ، نقدم الآن بيئة من الدرجة الأولى حقًا للأشخاص الذين يرغبون في البرمجة".

تأسست Zepl في عام 2016 وجمعت 13 مليون دولار على طول الطريق ، وفقًا لبيانات Crunchbase. لم ترغب الشركة في الكشف عن عدد الموظفين أو سعر الشراء ، لكن الاستحواذ يمنحها إمكانات متقدمة ، لا سيما بيئة الكمبيوتر المحمول الخاصة بها لجذب هؤلاء المستخدمين الأكثر تقدمًا إلى النظام الأساسي. تخطط الشركة لدمج Zepl في النظام الأساسي ، مع ترك المنتج المستقل في مكانه أيضًا.

قال Bardoliwalla إنهم يرون اقتناء Zepl امتدادًا للجانب الآلي للمنزل ، حيث يمكن لهذه الأدوات العمل جنبًا إلى جنب مع الآلات والبشر الذين يعملون معًا لإنشاء أفضل النماذج. قال Bardoliwalla: "هذا [يولد] مزيجًا عضويًا من أفضل ما يمكن أن يولده النظام باستخدام DataRobot AutoML وأفضل ما يمكن أن يفعله البشر ونوعًا من محاولة تكوين هؤلاء معًا في شيء مثير للاهتمام حقًا [...]".

تقدم الشركة أيضًا أداة إنشاء تطبيقات AI بدون رمز والتي تمكن المستخدمين غير التقنيين من إنشاء تطبيقات من مجموعة البيانات بمكونات السحب والإفلات. بالإضافة إلى ذلك ، فإنه يضيف أداة لمراقبة دقة النموذج بمرور الوقت. في بعض الأحيان ، بعد أن يكون النموذج قيد الإنتاج لبعض الوقت ، يمكن أن تبدأ الدقة في الانهيار لأن البيانات التي يعتمد عليها النموذج لم تعد صالحة. تراقب هذه الأداة بيانات النموذج للتأكد من دقتها وتحذر الفريق عندما يبدأ في الخروج عن الامتثال.

أخيرًا ، تعلن الشركة عن أداة مراقبة التحيز النموذجية للمساعدة في استئصال التحيز النموذجي الذي يمكن أن يقدم افتراضات عنصرية أو جنسية أو غيرها في النموذج. لتجنب ذلك ، قامت الشركة ببناء أداة لتحديد متى ترى هذا يحدث في كل من مرحلة بناء النموذج وفي الإنتاج. يحذر الفريق من التحيز المحتمل ، بينما يزودهم باقتراحات لتعديل النموذج لإزالته.

يقع مقر شركة داتا روبوت في بوسطن وتأسست في عام 2012. وقد جمعت أكثر من 750 مليون دولار وتقدر قيمتها بأكثر من 2.8 مليار دولار ، وفقًا لبيتش بوك.

كوينسمارت. Beste Bitcoin-Börse في أوروبا
المصدر: https://techcrunch.com/2021/05/11/datarobot-expands-platform-and-announce-zepl-acquisition/

مواصلة القراءة

الذكاء الاصطناعي

دعم الموجة التالية من ابتكارات الرعاية الصحية باستخدام الذكاء الاصطناعي

الصورة الرمزية

تم النشر

on

AI للرعاية الصحية
شكل توضيحي: © IoT For All

ليس هناك شك في أن البيانات مهيأة لتحويل الرعاية الصحية كما هو الحال في العديد من القطاعات الأخرى ، لكنها ستحتاج إلى يد العون. اليوم ، يجمع مقدمو الرعاية الصحية إكسابايت من بيانات المريض من المستشفيات والعيادات ومختبرات التصوير وعلم الأمراض والمزيد. تحتوي هذه البيانات على ثروة من البصيرة في صحة الإنسان ، لكن افتقارها إلى البنية والحجم الهائل يعني أنها تتجاوز حدود قدرة الإنسان على فك تشفيرها.

لحسن الحظ ، يمكن أن تحمل حلول التعلم الآلي والذكاء الاصطناعي المتطورة شعلة الابتكار.

في الرعاية الصحية ، قيمة آلة التعلم هي قدرتها على معالجة مجموعات البيانات الضخمة التي تتجاوز نطاق قدرة الإنسان. يتم إدخال البيانات الأولية غير المنظمة ، وتظهر الرؤى السريرية ، مما يساعد الأطباء على التخطيط وتقديم رعاية أفضل بتكلفة أقل. في حين أن السماء هي الحد الأقصى فيما يتعلق بفوائد التعلم الآلي ، فإن بناء هذه الخوارزميات المعقدة يستغرق وقتًا. في السنوات الخمس إلى العشر القادمة ، نتوقع أن نرى المتخصصين الطبيين يجنون ثمار الابتكار القائم على الرعاية الصحية في هذه المجالات:

التحليل المتقدم للصور

المهنيون الطبيون مدربون تدريباً عالياً ، وبعض أعمالهم تعكس قيمتها المضافة الهائلة. ومع ذلك ، لا تزال هناك حاجة للمحترفين لقضاء بعض الوقت في المهام المتكررة مثل تحليل الصور. في علم الأشعة ، على سبيل المثال ، يقضي الأطباء وقتًا في النظر إلى الصور المأخوذة من فحوصات التصوير المقطعي المحوسب ، والتصوير بالرنين المغناطيسي ، والموجات فوق الصوتية ، والتصوير المقطعي بالإصدار البوزيتروني ، والتصوير الشعاعي للثدي ، وغير ذلك. تستخدم حلول التصوير بمساعدة الذكاء الاصطناعي قدرات التكنولوجيا المتقدمة للتعرف على الأنماط لتسليط الضوء على ميزات الصورة ، وتحديد المؤشرات المبكرة للسرطان ، وتحديد أولويات الحالات ، وتقليل حجم العمل المطلوب لإجراء تشخيصات دقيقة. نظرًا لأن الذكاء الاصطناعي يعالج المزيد والمزيد من مجموعات البيانات ، فإن التكنولوجيا ستفوق حتماً قدرة الأطباء البشريين على اكتشاف علامات المرض في أقرب وقت ممكن.

كشف المرض

نظرًا لارتفاع تكلفته ، لا يتم تصوير الرعاية الصحية بشكل عام إلا لتأكيد التشخيص. إنه حل فعال ، لكنه حل يعد الذكاء الاصطناعي بقلبه واستبداله. من خلال إجراء تحليل متعمق لكميات ضخمة من البيانات التاريخية ، يمكن للذكاء الاصطناعي أن يتنبأ بإمكانية الإصابة بالمرض أو المرض في مراحل مبكرة بشكل لا يصدق. على سبيل المثال ، من خلال النظر إلى مجموعة كاملة من المرضى تتطابق بشكل وثيق مع التركيبة السكانية لفرد معين بالإضافة إلى التاريخ الطبي للأقارب ، يمكن للذكاء الاصطناعي أن يستنتج أن المريض من المحتمل جدًا أن يصاب بمرض مثل أمراض القلب قبل سنوات من قيام الطبيب بذلك. من أي وقت مضى بدقة التشخيص.

اكتشاف المخدرات

لقد رأينا جميعًا بشكل مباشر مدى أهمية تصميم وإنتاج عقاقير ولقاحات فعالة لمكافحة مرض تم اكتشافه حديثًا. من الناحية التاريخية ، استغرقت هذه العملية استثمارات ضخمة من الوقت والمال ، مع امتداد الجداول الزمنية للتطوير إلى أكثر من عقد في بعض الحالات. إن قدرة الذكاء الاصطناعي على الإحالة المرجعية للأدوية المعروفة بأنها آمنة وفعالة وتكرار أجزاء من صيغها لاقتراح تكرارات جديدة يمكن أن تكون رائدة ، ومن المحتمل أن تنقذ أرواحًا لا تعد ولا تحصى وتساعد على منع الجائحة العالمية التالية.

الاستشارات الرقمية

حفز الوباء بلا شك الابتكار في مساحة الرعاية الصحية عن بعد. ومع ذلك ، لا يزال هناك طريق طويل لنقطعه لجعل الزيارات الافتراضية فعالة مثل الزيارة الفعلية إلى مكتب الطبيب. يمكن أن يساعد الذكاء الاصطناعي في سد هذه الفجوة بعدة طرق. سيساعد التعلم الآلي ومعالجة اللغة الطبيعية (NLP) ، على سبيل المثال ، في تسهيل جمع الأعراض باستخدام صوت المريض فقط. بالاقتران مع تحليل السجل الصحي الإلكتروني للمريض ، يمكن للذكاء الاصطناعي تسليط الضوء على المخاوف الصحية المحتملة على الأطباء لمراجعتها. من خلال معالجة المعلومات في وقت مبكر ، يزيد الذكاء الاصطناعي من حجم المرضى الذين يمكن للأطباء التعامل معهم ، ويحسن فعالية الزيارات الافتراضية ، بل ويقلل من مخاطر العدوى من التفاعلات الجسدية نتيجة لذلك.

كوينسمارت. Beste Bitcoin-Börse في أوروبا
المصدر: https://www.iotforall.com/powering-the-next-wave-of-healthcare-innovation-with-ai

مواصلة القراءة

الذكاء الاصطناعي

يُظهر باحثو CMU إمكانية تتبع نشاط الحفاظ على الخصوصية باستخدام الرادار

الصورة الرمزية

تم النشر

on

تخيل لو كان بإمكانك تسوية / إعادة إشعال الخلافات المحلية من خلال سؤال مكبر الصوت الذكي الخاص بك عن آخر مرة تم فيها تنظيف الغرفة أو ما إذا كانت الصناديق قد تم إخراجها بالفعل؟

أو - من أجل حالة استخدام صحية تمامًا - ماذا لو كان بإمكانك أن تطلب من مكبر الصوت الخاص بك أن يحتفظ بعدد الممثلين كما تفعل القرفصاء وضغط البنش؟ أو قم بالتبديل إلى وضع "المدرب الشخصي" الكامل - أوامر النباح للتجول بشكل أسرع أثناء قيامك بتدوير الدورات على دراجة تمرين قديمة متربة (من يحتاج إلى بيلوتون!).

وماذا لو كان المتحدث ذكيًا بما يكفي فقط اعلم أنت تأكل العشاء وتعتني بالانزلاق على موسيقى مزاجية صغيرة؟

تخيل الآن ما إذا كانت كل هذه الأنشطة الذكية التي تتبع النشاط تعمل باللمس دون توصيل أي كاميرات متصلة داخل منزلك.

Aالقليل من البحث الرائع من الباحثين في جامعة كارنيجي ميلون مجموعة واجهات المستقبل يفتح هذه الأنواع من الاحتمالات - مما يدل على نهج جديد لتتبع النشاط لا يعتمد على الكاميرات كأداة استشعار. 

يعد تثبيت الكاميرات المتصلة داخل منزلك بالطبع مخاطرة مروعة للخصوصية. ولهذا السبب شرع باحثو جامعة كارنيجي ميلون في التحقيق في إمكانية استخدام رادار دوبلر الموجي المليمتر (mmWave) كوسيط للكشف عن أنواع مختلفة من النشاط البشري.

التحدي الذي احتاجوا للتغلب عليه هو أنه في حين أن mmWave تقدم "ثراء إشارة يقترب من ثراء الميكروفونات والكاميرات" ، على حد تعبيرهم ، فإن مجموعات البيانات لتدريب نماذج الذكاء الاصطناعي على التعرف على الأنشطة البشرية المختلفة حيث أن ضوضاء التردد اللاسلكي غير متاحة بسهولة (كصورة مرئية) بيانات لتدريب أنواع أخرى من نماذج الذكاء الاصطناعي).

لكي لا يتم ردعهم ، فقد شرعوا في تجميع بيانات دوبلر لتغذية نموذج تتبع النشاط البشري - ابتكار خط أنابيب لتدريب نماذج الذكاء الاصطناعي لتتبع نشاط الحفاظ على الخصوصية. 

يمكن رؤية النتائج بتنسيق هذا الفيديو - حيث يتم عرض النموذج بشكل صحيح مع تحديد عدد من الأنشطة المختلفة ، بما في ذلك ركوب الدراجات والتصفيق والتلويح والقرفصاء. بحتة من قدرتها على تفسير إشارة mmWave التي تولدها الحركات - ومجرد كونها مدربة على بيانات الفيديو العامة. 

كتبوا: "لقد أظهرنا كيف يمكن أن تكون هذه الترجمة عبر المجالات ناجحة من خلال سلسلة من النتائج التجريبية". "بشكل عام ، نعتقد أن نهجنا هو نقطة انطلاق مهمة نحو تقليل عبء التدريب بشكل كبير مثل أنظمة الاستشعار البشرية ، ويمكن أن يساعد في تمهيد الاستخدامات في التفاعل بين الإنسان والحاسوب."

يؤكد الباحث كريس هاريسون أن لا يعمل الاستشعار القائم على الرادار mmWave مع "الأشياء الدقيقة للغاية" (مثل اكتشاف تعابير الوجه المختلفة). لكنه يقول إنه حساس بدرجة كافية لاكتشاف نشاط أقل نشاطا - مثل تناول أو قراءة كتاب.

إن قدرة رادار دوبلر على الكشف عن الحركة محدودة أيضًا بالحاجة إلى خط رؤية بين الموضوع وجهاز الاستشعار. (Aka: "لا يمكنها الوصول إلى الزوايا بعد." والتي ، بالنسبة لأولئك المهتمين بقدرات الروبوتات المستقبلية في الكشف البشري ، ستبدو بالتأكيد مطمئنة بعض الشيء).

يتطلب الاكتشاف أجهزة استشعار خاصة ، بالطبع. لكن الأمور تتحرك بالفعل على هذه الجبهة: لقد كانت Google تغوص قدميها بالفعل ، عبر تنفيذ المشاريع سولي - إضافة أ جهاز استشعار الرادار Pixel 4 ، على سبيل المثال.

جوجل عش المحور يدمج أيضًا نفس حاسة الرادار لتتبع جودة النوم.

يقول هاريس لموقع TechCrunch: "أحد الأسباب التي تجعلنا لم نشهد المزيد من اعتماد أجهزة استشعار الرادار في الهواتف هو الافتقار إلى حالات استخدام مقنعة (نوع من مشكلة الدجاج والبيض)". "يساعد بحثنا في اكتشاف النشاط المستند إلى الرادار على فتح المزيد من التطبيقات (على سبيل المثال ، Siris الأكثر ذكاءً ، الذي يعرف متى تأكل ، أو تتناول العشاء ، أو تنظف ، أو تمارس التمارين ، وما إلى ذلك)."

عند سؤاله عما إذا كان يرى إمكانات أكبر في تطبيقات الهاتف المحمول أو التطبيقات الثابتة ، يعتقد هاريس أن هناك حالات استخدام مثيرة للاهتمام لكليهما.

يقول: "أرى حالات استخدام في كل من الجوّال وغير الجوّال". "بالعودة إلى Nest Hub ... المستشعر موجود بالفعل في الغرفة ، فلماذا لا تستخدمه لتشغيل المزيد من الوظائف المتقدمة في مكبر صوت Google الذكي (مثل عدّ مندوب تمارينك).

"هناك مجموعة من أجهزة استشعار الرادار المستخدمة بالفعل في المبنى لاكتشاف الإشغال (ولكن يمكنهم الآن اكتشاف آخر مرة تم فيها تنظيف الغرفة ، على سبيل المثال)."

ويضيف قائلاً: "بشكل عام ، ستنخفض تكلفة هذه المستشعرات إلى بضعة دولارات في وقت قريب جدًا (بعضها على موقع eBay يبلغ بالفعل دولارًا واحدًا) ، لذا يمكنك تضمينها في كل شيء". "وكما يعرض Google مع منتج يتم وضعه في غرفة نومك ، فإن تهديد" مجتمع المراقبة "أقل قلقًا - والبعض الآخر من مستشعرات الكاميرا."

الناشئة مثل VergeSense تستخدم بالفعل أجهزة الاستشعار وتكنولوجيا رؤية الكمبيوتر لتشغيل التحليلات في الوقت الفعلي للمساحة الداخلية والنشاط لسوق B2B (مثل قياس إشغال المكاتب).

ولكن حتى مع المعالجة المحلية لبيانات الصور منخفضة الدقة ، لا يزال هناك تصور لمخاطر الخصوصية حول استخدام مستشعرات الرؤية - وبالتأكيد في بيئات المستهلك.

يوفر الرادار بديلاً لمثل هذه المراقبة المرئية التي يمكن أن تكون مناسبة بشكل أفضل للأجهزة المتصلة بالمستهلك والتي تهدد الخصوصية مثل 'مرايا ذكية".

"إذا تمت معالجتها محليًا ، فهل ستضع كاميرا في غرفة نومك؟ حمام؟ يقول هاريس: ربما أكون حكيمة لكنني لن أفعل ذلك شخصيًا.

كما يشير إلى البحوث السابقة والذي يقول إنه يؤكد على قيمة دمج المزيد من أنواع أجهزة الاستشعار: "كلما زاد عدد أجهزة الاستشعار ، كلما زاد طول ذيل التطبيقات الممتعة التي يمكنك دعمها. لا تستطيع الكاميرات التقاط كل شيء ، ولا تعمل في الظلام ".

"الكاميرات رخيصة جدًا هذه الأيام ، ومن الصعب المنافسة هناك ، حتى لو كان الرادار أرخص قليلاً. أعتقد أن الميزة الأقوى هي الحفاظ على الخصوصية "، يضيف.

بطبيعة الحال ، فإن وجود أي أجهزة استشعار - بصرية أو غير ذلك - يثير مشكلات الخصوصية المحتملة.

قد يكون المستشعر الذي يخبرك عندما تكون غرفة نوم الطفل مشغولاً جيدًا أو سيئًا اعتمادًا على من يمكنه الوصول إلى البيانات ، على سبيل المثال. وجميع أنواع النشاط البشري يمكن أن تولد معلومات حساسة ، اعتمادًا على ما يحدث. (أعني ، هل تريد حقًا أن يعرف المتحدث الذكي الخاص بك عندما تمارس الجنس؟)

لذا ، في حين أن التتبع المستند إلى الرادار قد يكون أقل توغلًا من بعض أنواع أجهزة الاستشعار الأخرى ، فإنه لا يعني أنه لا توجد مخاوف محتملة تتعلق بالخصوصية على الإطلاق.

كما هو الحال دائمًا ، يعتمد الأمر على مكان وكيفية استخدام أجهزة الاستشعار. على الرغم من أنه من الصعب القول بأن البيانات التي يولدها رادار البيانات من المرجح أن تكون أقل حساسية من البيانات المرئية المكافئة في حالة تعرضها من خلال خرق.

يتفق هاريس: "يجب أن يثير أي جهاز استشعار مسألة الخصوصية بشكل طبيعي - إنه طيف وليس سؤال بنعم / لا". عادة ما تكون أجهزة استشعار الرادار غنية بالتفاصيل ، ولكنها مجهولة الهوية ، على عكس الكاميرات. إذا تسربت بيانات رادار دوبلر عبر الإنترنت ، فسيكون من الصعب الشعور بالحرج حيال ذلك. لن يتعرف عليك أحد. إذا تسربت الكاميرات من داخل منزلك عبر الإنترنت ، حسنًا ... "

ماذا عن تكاليف حساب توليف بيانات التدريب ، بالنظر إلى نقص بيانات إشارة دوبلر المتاحة على الفور؟

يقول: "إنه ليس تسليم مفتاح ، ولكن هناك العديد من مجموعات الفيديو الكبيرة التي يمكن الانسحاب منها (بما في ذلك أشياء مثل Youtube-8M)". "إن تنزيل بيانات الفيديو وإنشاء بيانات الرادار الاصطناعية أسرع بكثير من الاضطرار إلى تجنيد الأشخاص للحضور إلى مختبرك لالتقاط بيانات الحركة.

"واحد هو بطبيعته ساعة واحدة يتم إنفاقها لمدة ساعة واحدة من البيانات الجيدة. بينما يمكنك تنزيل مئات الساعات من اللقطات بسهولة تامة من العديد من قواعد بيانات الفيديو المنسقة بشكل ممتاز هذه الأيام. كل ساعة من الفيديو ، تستغرق منا حوالي ساعتين للمعالجة ، ولكن هذا فقط على جهاز سطح مكتب واحد لدينا هنا في المختبر. المفتاح هو أنه يمكنك موازاة ذلك ، باستخدام Amazon AWS أو ما يعادلها ، ومعالجة 1 مقطع فيديو في وقت واحد ، وبالتالي يمكن أن تكون الإنتاجية عالية للغاية. "

وبينما تنعكس إشارة التردد اللاسلكي ، وتقوم بذلك بدرجات مختلفة من الأسطح المختلفة (ويعرف أيضًا باسم "التداخل متعدد المسارات") ، يقول هاريس إن الإشارة التي ينعكسها المستخدم "هي الإشارة السائدة إلى حد بعيد". مما يعني أنهم لم يكونوا بحاجة إلى نمذجة انعكاسات أخرى من أجل تشغيل نموذجهم التجريبي. (على الرغم من أنه يلاحظ أنه يمكن القيام بذلك لزيادة صقل القدرات "من خلال استخراج الأسطح الكبيرة مثل الجدران / السقف / الأرضية / الأثاث برؤية الكمبيوتر وإضافتها إلى مرحلة التوليف".)

"إشارة [دوبلر] في الواقع عالية المستوى ومجردة ، وبالتالي ليس من الصعب معالجتها في الوقت الفعلي (أقل بكثير من" وحدات البكسل "من الكاميرا)." هو يضيف. "تستخدم المعالجات المضمنة في السيارات بيانات الرادار لأشياء مثل كسر الاصطدام ومراقبة النقاط العمياء ، وهذه المعالجات منخفضة النهاية (لا تعلم عميق أو أي شيء)."

يتم تقديم البحث في مؤتمر ACM CHI ، إلى جانب مشروع آخر للمجموعة يسمى بوز أون ذا جو - التي تستخدم مستشعرات الهاتف الذكي لتقريب وضع الجسم بالكامل دون الحاجة إلى أجهزة استشعار يمكن ارتداؤها.

باحثو CMU من المجموعة أيضا أظهر سابقا طريقة لاستشعار "المنزل الذكي" في الأماكن المغلقة بسعر رخيص (أيضًا دون الحاجة إلى كاميرات) ، وكذلك - العام الماضي - يوضح كيف يمكن استخدام كاميرات الهواتف الذكية لمنح مساعد AI على الجهاز مزيدًا من المعرفة بالسياق.

في السنوات الأخيرة قاموا أيضًا بالتحقيق في استخدام قياس اهتزاز الليزر و ضوضاء كهرومغناطيسية لمنح الأجهزة الذكية وعيًا بيئيًا ووظائف سياقية أفضل. تشمل الأبحاث الأخرى المثيرة للاهتمام خارج المجموعة استخدام طلاء بخاخ موصل ل تحويل أي شيء إلى شاشة تعمل باللمس. وطرق مختلفة لتوسيع الإمكانات التفاعلية للأجهزة القابلة للارتداء - مثل استخدام الليزر لعرض الأزرار الافتراضية على ذراع مستخدم الجهاز أو دمج جهاز آخر قابل للارتداء (خاتم) في المزيج.

يبدو من المؤكد أن مستقبل تفاعل الإنسان مع الكمبيوتر سيكون أكثر دراية بالسياق - حتى لو كانت الأجهزة "الذكية" من الجيل الحالي لا تزال تتعثر في الأساسيات وتبدو أكثر من مجرد غبية.

كوينسمارت. Beste Bitcoin-Börse في أوروبا
المصدر: https://techcrunch.com/2021/05/11/cmu-researchers-show-potential-of-privacy-preserving-activity-tracking-using-radar/

مواصلة القراءة

الذكاء الاصطناعي

يُظهر باحثو CMU إمكانية تتبع نشاط الحفاظ على الخصوصية باستخدام الرادار

الصورة الرمزية

تم النشر

on

تخيل لو كان بإمكانك تسوية / إعادة إشعال الخلافات المحلية من خلال سؤال مكبر الصوت الذكي الخاص بك عن آخر مرة تم فيها تنظيف الغرفة أو ما إذا كانت الصناديق قد تم إخراجها بالفعل؟

أو - من أجل حالة استخدام صحية تمامًا - ماذا لو كان بإمكانك أن تطلب من مكبر الصوت الخاص بك أن يحتفظ بعدد الممثلين كما تفعل القرفصاء وضغط البنش؟ أو قم بالتبديل إلى وضع "المدرب الشخصي" الكامل - أوامر النباح للتجول بشكل أسرع أثناء قيامك بتدوير الدورات على دراجة تمرين قديمة متربة (من يحتاج إلى بيلوتون!).

وماذا لو كان المتحدث ذكيًا بما يكفي فقط اعلم أنت تأكل العشاء وتعتني بالانزلاق على موسيقى مزاجية صغيرة؟

تخيل الآن ما إذا كانت كل هذه الأنشطة الذكية التي تتبع النشاط تعمل باللمس دون توصيل أي كاميرات متصلة داخل منزلك.

Aالقليل من البحث الرائع من الباحثين في جامعة كارنيجي ميلون مجموعة واجهات المستقبل يفتح هذه الأنواع من الاحتمالات - مما يدل على نهج جديد لتتبع النشاط لا يعتمد على الكاميرات كأداة استشعار. 

يعد تثبيت الكاميرات المتصلة داخل منزلك بالطبع مخاطرة مروعة للخصوصية. ولهذا السبب شرع باحثو جامعة كارنيجي ميلون في التحقيق في إمكانية استخدام رادار دوبلر الموجي المليمتر (mmWave) كوسيط للكشف عن أنواع مختلفة من النشاط البشري.

التحدي الذي احتاجوا للتغلب عليه هو أنه في حين أن mmWave تقدم "ثراء إشارة يقترب من ثراء الميكروفونات والكاميرات" ، على حد تعبيرهم ، فإن مجموعات البيانات لتدريب نماذج الذكاء الاصطناعي على التعرف على الأنشطة البشرية المختلفة حيث أن ضوضاء التردد اللاسلكي غير متاحة بسهولة (كصورة مرئية) بيانات لتدريب أنواع أخرى من نماذج الذكاء الاصطناعي).

لكي لا يتم ردعهم ، فقد شرعوا في تجميع بيانات دوبلر لتغذية نموذج تتبع النشاط البشري - ابتكار خط أنابيب لتدريب نماذج الذكاء الاصطناعي لتتبع نشاط الحفاظ على الخصوصية. 

يمكن رؤية النتائج بتنسيق هذا الفيديو - حيث يتم عرض النموذج بشكل صحيح مع تحديد عدد من الأنشطة المختلفة ، بما في ذلك ركوب الدراجات والتصفيق والتلويح والقرفصاء. بحتة من قدرتها على تفسير إشارة mmWave التي تولدها الحركات - ومجرد كونها مدربة على بيانات الفيديو العامة. 

كتبوا: "لقد أظهرنا كيف يمكن أن تكون هذه الترجمة عبر المجالات ناجحة من خلال سلسلة من النتائج التجريبية". "بشكل عام ، نعتقد أن نهجنا هو نقطة انطلاق مهمة نحو تقليل عبء التدريب بشكل كبير مثل أنظمة الاستشعار البشرية ، ويمكن أن يساعد في تمهيد الاستخدامات في التفاعل بين الإنسان والحاسوب."

يؤكد الباحث كريس هاريسون أن لا يعمل الاستشعار القائم على الرادار mmWave مع "الأشياء الدقيقة للغاية" (مثل اكتشاف تعابير الوجه المختلفة). لكنه يقول إنه حساس بدرجة كافية لاكتشاف نشاط أقل نشاطا - مثل تناول أو قراءة كتاب.

إن قدرة رادار دوبلر على الكشف عن الحركة محدودة أيضًا بالحاجة إلى خط رؤية بين الموضوع وجهاز الاستشعار. (Aka: "لا يمكنها الوصول إلى الزوايا بعد." والتي ، بالنسبة لأولئك المهتمين بقدرات الروبوتات المستقبلية في الكشف البشري ، ستبدو بالتأكيد مطمئنة بعض الشيء).

يتطلب الاكتشاف أجهزة استشعار خاصة ، بالطبع. لكن الأمور تتحرك بالفعل على هذه الجبهة: لقد كانت Google تغوص قدميها بالفعل ، عبر تنفيذ المشاريع سولي - إضافة أ جهاز استشعار الرادار Pixel 4 ، على سبيل المثال.

جوجل عش المحور يدمج أيضًا نفس حاسة الرادار لتتبع جودة النوم.

يقول هاريس لموقع TechCrunch: "أحد الأسباب التي تجعلنا لم نشهد المزيد من اعتماد أجهزة استشعار الرادار في الهواتف هو الافتقار إلى حالات استخدام مقنعة (نوع من مشكلة الدجاج والبيض)". "يساعد بحثنا في اكتشاف النشاط المستند إلى الرادار على فتح المزيد من التطبيقات (على سبيل المثال ، Siris الأكثر ذكاءً ، الذي يعرف متى تأكل ، أو تتناول العشاء ، أو تنظف ، أو تمارس التمارين ، وما إلى ذلك)."

عند سؤاله عما إذا كان يرى إمكانات أكبر في تطبيقات الهاتف المحمول أو التطبيقات الثابتة ، يعتقد هاريس أن هناك حالات استخدام مثيرة للاهتمام لكليهما.

يقول: "أرى حالات استخدام في كل من الجوّال وغير الجوّال". "بالعودة إلى Nest Hub ... المستشعر موجود بالفعل في الغرفة ، فلماذا لا تستخدمه لتشغيل المزيد من الوظائف المتقدمة في مكبر صوت Google الذكي (مثل عدّ مندوب تمارينك).

"هناك مجموعة من أجهزة استشعار الرادار المستخدمة بالفعل في المبنى لاكتشاف الإشغال (ولكن يمكنهم الآن اكتشاف آخر مرة تم فيها تنظيف الغرفة ، على سبيل المثال)."

ويضيف قائلاً: "بشكل عام ، ستنخفض تكلفة هذه المستشعرات إلى بضعة دولارات في وقت قريب جدًا (بعضها على موقع eBay يبلغ بالفعل دولارًا واحدًا) ، لذا يمكنك تضمينها في كل شيء". "وكما يعرض Google مع منتج يتم وضعه في غرفة نومك ، فإن تهديد" مجتمع المراقبة "أقل قلقًا - والبعض الآخر من مستشعرات الكاميرا."

الناشئة مثل VergeSense تستخدم بالفعل أجهزة الاستشعار وتكنولوجيا رؤية الكمبيوتر لتشغيل التحليلات في الوقت الفعلي للمساحة الداخلية والنشاط لسوق B2B (مثل قياس إشغال المكاتب).

ولكن حتى مع المعالجة المحلية لبيانات الصور منخفضة الدقة ، لا يزال هناك تصور لمخاطر الخصوصية حول استخدام مستشعرات الرؤية - وبالتأكيد في بيئات المستهلك.

يوفر الرادار بديلاً لمثل هذه المراقبة المرئية التي يمكن أن تكون مناسبة بشكل أفضل للأجهزة المتصلة بالمستهلك والتي تهدد الخصوصية مثل 'مرايا ذكية".

"إذا تمت معالجتها محليًا ، فهل ستضع كاميرا في غرفة نومك؟ حمام؟ يقول هاريس: ربما أكون حكيمة لكنني لن أفعل ذلك شخصيًا.

كما يشير إلى البحوث السابقة والذي يقول إنه يؤكد على قيمة دمج المزيد من أنواع أجهزة الاستشعار: "كلما زاد عدد أجهزة الاستشعار ، كلما زاد طول ذيل التطبيقات الممتعة التي يمكنك دعمها. لا تستطيع الكاميرات التقاط كل شيء ، ولا تعمل في الظلام ".

"الكاميرات رخيصة جدًا هذه الأيام ، ومن الصعب المنافسة هناك ، حتى لو كان الرادار أرخص قليلاً. أعتقد أن الميزة الأقوى هي الحفاظ على الخصوصية "، يضيف.

بطبيعة الحال ، فإن وجود أي أجهزة استشعار - بصرية أو غير ذلك - يثير مشكلات الخصوصية المحتملة.

قد يكون المستشعر الذي يخبرك عندما تكون غرفة نوم الطفل مشغولاً جيدًا أو سيئًا اعتمادًا على من يمكنه الوصول إلى البيانات ، على سبيل المثال. وجميع أنواع النشاط البشري يمكن أن تولد معلومات حساسة ، اعتمادًا على ما يحدث. (أعني ، هل تريد حقًا أن يعرف المتحدث الذكي الخاص بك عندما تمارس الجنس؟)

لذا ، في حين أن التتبع المستند إلى الرادار قد يكون أقل توغلًا من بعض أنواع أجهزة الاستشعار الأخرى ، فإنه لا يعني أنه لا توجد مخاوف محتملة تتعلق بالخصوصية على الإطلاق.

كما هو الحال دائمًا ، يعتمد الأمر على مكان وكيفية استخدام أجهزة الاستشعار. على الرغم من أنه من الصعب القول بأن البيانات التي يولدها رادار البيانات من المرجح أن تكون أقل حساسية من البيانات المرئية المكافئة في حالة تعرضها من خلال خرق.

يتفق هاريس: "يجب أن يثير أي جهاز استشعار مسألة الخصوصية بشكل طبيعي - إنه طيف وليس سؤال بنعم / لا". عادة ما تكون أجهزة استشعار الرادار غنية بالتفاصيل ، ولكنها مجهولة الهوية ، على عكس الكاميرات. إذا تسربت بيانات رادار دوبلر عبر الإنترنت ، فسيكون من الصعب الشعور بالحرج حيال ذلك. لن يتعرف عليك أحد. إذا تسربت الكاميرات من داخل منزلك عبر الإنترنت ، حسنًا ... "

ماذا عن تكاليف حساب توليف بيانات التدريب ، بالنظر إلى نقص بيانات إشارة دوبلر المتاحة على الفور؟

يقول: "إنه ليس تسليم مفتاح ، ولكن هناك العديد من مجموعات الفيديو الكبيرة التي يمكن الانسحاب منها (بما في ذلك أشياء مثل Youtube-8M)". "إن تنزيل بيانات الفيديو وإنشاء بيانات الرادار الاصطناعية أسرع بكثير من الاضطرار إلى تجنيد الأشخاص للحضور إلى مختبرك لالتقاط بيانات الحركة.

"واحد هو بطبيعته ساعة واحدة يتم إنفاقها لمدة ساعة واحدة من البيانات الجيدة. بينما يمكنك تنزيل مئات الساعات من اللقطات بسهولة تامة من العديد من قواعد بيانات الفيديو المنسقة بشكل ممتاز هذه الأيام. كل ساعة من الفيديو ، تستغرق منا حوالي ساعتين للمعالجة ، ولكن هذا فقط على جهاز سطح مكتب واحد لدينا هنا في المختبر. المفتاح هو أنه يمكنك موازاة ذلك ، باستخدام Amazon AWS أو ما يعادلها ، ومعالجة 1 مقطع فيديو في وقت واحد ، وبالتالي يمكن أن تكون الإنتاجية عالية للغاية. "

وبينما تنعكس إشارة التردد اللاسلكي ، وتقوم بذلك بدرجات مختلفة من الأسطح المختلفة (ويعرف أيضًا باسم "التداخل متعدد المسارات") ، يقول هاريس إن الإشارة التي ينعكسها المستخدم "هي الإشارة السائدة إلى حد بعيد". مما يعني أنهم لم يكونوا بحاجة إلى نمذجة انعكاسات أخرى من أجل تشغيل نموذجهم التجريبي. (على الرغم من أنه يلاحظ أنه يمكن القيام بذلك لزيادة صقل القدرات "من خلال استخراج الأسطح الكبيرة مثل الجدران / السقف / الأرضية / الأثاث برؤية الكمبيوتر وإضافتها إلى مرحلة التوليف".)

"إشارة [دوبلر] في الواقع عالية المستوى ومجردة ، وبالتالي ليس من الصعب معالجتها في الوقت الفعلي (أقل بكثير من" وحدات البكسل "من الكاميرا)." هو يضيف. "تستخدم المعالجات المضمنة في السيارات بيانات الرادار لأشياء مثل كسر الاصطدام ومراقبة النقاط العمياء ، وهذه المعالجات منخفضة النهاية (لا تعلم عميق أو أي شيء)."

يتم تقديم البحث في مؤتمر ACM CHI ، إلى جانب مشروع آخر للمجموعة يسمى بوز أون ذا جو - التي تستخدم مستشعرات الهاتف الذكي لتقريب وضع الجسم بالكامل دون الحاجة إلى أجهزة استشعار يمكن ارتداؤها.

باحثو CMU من المجموعة أيضا أظهر سابقا طريقة لاستشعار "المنزل الذكي" في الأماكن المغلقة بسعر رخيص (أيضًا دون الحاجة إلى كاميرات) ، وكذلك - العام الماضي - يوضح كيف يمكن استخدام كاميرات الهواتف الذكية لمنح مساعد AI على الجهاز مزيدًا من المعرفة بالسياق.

في السنوات الأخيرة قاموا أيضًا بالتحقيق في استخدام قياس اهتزاز الليزر و ضوضاء كهرومغناطيسية لمنح الأجهزة الذكية وعيًا بيئيًا ووظائف سياقية أفضل. تشمل الأبحاث الأخرى المثيرة للاهتمام خارج المجموعة استخدام طلاء بخاخ موصل ل تحويل أي شيء إلى شاشة تعمل باللمس. وطرق مختلفة لتوسيع الإمكانات التفاعلية للأجهزة القابلة للارتداء - مثل استخدام الليزر لعرض الأزرار الافتراضية على ذراع مستخدم الجهاز أو دمج جهاز آخر قابل للارتداء (خاتم) في المزيج.

يبدو من المؤكد أن مستقبل تفاعل الإنسان مع الكمبيوتر سيكون أكثر دراية بالسياق - حتى لو كانت الأجهزة "الذكية" من الجيل الحالي لا تزال تتعثر في الأساسيات وتبدو أكثر من مجرد غبية.

كوينسمارت. Beste Bitcoin-Börse في أوروبا
المصدر: https://techcrunch.com/2021/05/11/cmu-researchers-show-potential-of-privacy-preserving-activity-tracking-using-radar/

مواصلة القراءة
العلاقات العامة وكالة الأنباءقبل أيام

تبلغ قيمة سوق رغوة البوليسترين 32.2 مليار دولار بحلول عام 2026 - تقرير حصري من MarketsandMarkets ™

طيرانقبل أيام

ماذا حدث لطائرة لوفتهانزا بوينج 707؟

كتلة سلسلةقبل أيام

إطلاق فريق تداول العملات المشفرة بواسطة Goldman Sachs

الأمن السيبرانيقبل أيام

كيف تصبح Cryptographer: دليل مهني كامل

AR / VRقبل أيام

تقدم Apple لشركة ليزر تبني بعضًا من تقنيات AR الخاصة بها 410 مليون دولار

طيرانقبل أيام

عودة جيت بلو في طيران إيسترن على رحلات الإكوادور

الأمن السيبرانيقبل أيام

درجات الأمن السيبراني في ماساتشوستس - دليلك لاختيار المدرسة

طرق الدفعقبل أيام

مبادرة G20 TechSprint تدعو الشركة لمعالجة التمويل الأخضر

سعر الريبل XRP
كتلة سلسلةقبل أيام

رسم بياني: تموج (XRP) يتحول إلى اللون الأخضر ، وإليك السبب الذي يجعل الثيران يستهدفون 2 دولار

الأمن السيبرانيقبل أيام

كيفية إلغاء حظر مواقع القمار؟

كتلة سلسلةقبل أيام

الشريك المؤسس لشركة DOGE يكشف الأسباب الكامنة وراء ارتفاع سعرها

كتلة سلسلةقبل أيام

Miten tekoälyä käytetään videopeleissä ja mitä tulevaisuudessa على Odotettavissa

كتلة سلسلةقبل أيام

تضيف أكبر شركة تجارة إلكترونية في أمريكا الجنوبية قيمة بيتكوين بقيمة 7.8 مليون دولار إلى ميزانيتها العمومية

كتلة سلسلةقبل أيام

يقول مايكل سايلور إن البيتكوين ليس لديه تهديدات وجودية

طيرانقبل أيام

الخطوط الجوية المتحدة تستخدم الأزمة لتنويع شبكة أمريكا اللاتينية

الأمن السيبرانيقبل أيام

نشرت الولايات المتحدة والمملكة المتحدة الهجوم على شركة إدارة تكنولوجيا المعلومات SolarWinds

FINTECHقبل أيام

تعزز التكنولوجيا المالية الإسبانية Pecunpay مكانتها كشركة رائدة في إصدار برامج الشركات

كتلة سلسلةقبل أيام

"الخصوصية هي" امتياز "يجب أن يعتز به المستخدمون": Elena Nadoliksi

كتلة سلسلةقبل أيام

كاردانو (ADA) ستيكينج لايف في بورصة كراكن الأمريكية

الأسهم الخاصةقبل أيام

ستدفع لك وظيفة الأحلام هذه للمقامرة في لاس فيغاس على عشرة سنتات للشركة

منتجات شائعة