همه چیز در بررسی مجله

بررسی مجله - صفحه 10 از 18 - اخبار فناوری و تکنولوژی حاوی مقالات مختلف در حوزه های موبایل، تبلت، لپ تاپ، کامپیوتر و دیگر مباحث حوزه فناوری

امام حسین (ع) : بخشنده ترین مردم کسی است که در هنگام قدرت می بخشد.
لطفا یک افزونه تاریخ نصب کنید.


گوین دی‌بکر، مدیر ارشد امنیتی جف بزوس روز شنبه مدعی شد که دولت عربستان به گوشی شخصی بزوس دسترسی پیدا کرده و اطلاعات شخصی از آن به‌دست آورده بود. دی‌بکر، مشاور امنیتی باسابقه‌ می‌گوید تحقیقات خود پیرامون افشای پیام‌های متنی بین جف بزوس و لورن سانچز، گوینده‌ی تلویزیونی را به‌پایان رسانده است. روزنامه‌ی نشنال انکوایرر (National Enquirer)، فاش‌کننده‌ی این پیام‌ها، ادعا می‌کرد که بزوس و سانچز با یکدیگر رابطه داشته‌اند.

ماه گذشته، بزوس شرکت American Media Inc، صاحب‌امتیاز روزنامه‌ی نشنال انکوایرر را به اخاذی متهم کرد. ظاهرا AMI بزوس را به انتشار «عکس‌های خصوصی» ارسال‌شده توسط او به سانچز تهدید کرده و از مدیرعامل آمازون خواسته تا به‌صورت رسمی اقرار کند که گزارش National Enquirer با انگیزه‌ی سیاسی منتشر نشده است.

دی‌بکر در مقاله‌ای برای وب‌سایت The Daily Beast ادعا می‌کند که شرکت American Media Inc از او خواسته است تا یافتن شواهدی مبنی بر «استراق‌سمع الکترونیکی یا هک‌‌‌شدن فرایند گردآوری خبرشان» را انکار کند. دی‌بکر چنین می‌نویسد:

تحقیقات ما و چندین متخصص، با اطمینان بسیار زیادی نشان از آن دارد که دولت عربستان به گوشی دسترسی پیدا کرده و اطلاعات خصوصی را به‌دست آورده بود. تابه‌امروز مشخص نیست که شرکت American Media Inc.‌ تا چه اندازه از جزئیات اطلاع داشت.

سخنگوی سفارت عربستان در واشینگتن پاسخی به سوالات پیرامون ادعای دی‌بکر ارائه نداد؛ اما در ماه فوریه، وزیر امور خارجه‌ی عربستان سعودی گفت که کشور او «مطلقا هیچ ارتباطی» با گزارش روزنامه‌ی National Enquirer نداشته است.

از سویی دیگر، سخنگوی شرکت American Media Inc. نیز پاسخی به سؤالات نداد. AMI پیش‌تر اعلام کرده بود که بر سر انتشار گزارش مربوط‌به جف بزوس، کاملا قانونی عمل کرده است.

دی‌بکر می‌گوید که یافته‌های خود را بدون اشاره به جزئیات، در اختیار مقامات فدرال ایالات متحده‌ی آمریکا قرار داده است.

آمازون با ایرپاد مبتنی بر الکسا به رقابت با اپل می‌پردازد
پروژه کایپر معرفی شد؛ اینترنت همگانی برای ۹۵ درصد جمعیت زمین
والمارت چگونه به‌‌عنوان رقیب قدرتمند آمازون فعالیت می‌کند؟
رشد چشمگیر فروش اسپیکرهای هوشمند علی بابا، شیائومی و گوگل
اپل در رویداد معرفی سرویس استریم ویدئویی خود چه محتوایی را به‌نمایش خواهد گذاشت؟

خبر های جدید


بی‌شک دوربین گوشی‌های هوشمند، کاربردهایی بسیار بیش از تصویربرداری از مناظر و گرفتن عکس‌های سلفی دارند. کاربران می‌توانند از دوربین گوشی‌های هوشمند به‌عنوان اسکنری قابل حمل برای اسکن اسناد استفاده کنند. گوگل فوتوز (Google Photos) قصد دارد به‌زودی ویژگی جدیدی در اختیار کاربران قرار دهد که به کاربران کمک می‌کند تصاویر اسکن‌شده‌ی تمیزتر و خواناتری را در اختیار داشته باشند. 

گوگل فوتوز

مقاله‌های مرتبط:

  • گوگل لنز به موتور جستجوی این شرکت اضافه می‌شود
  • گوگل فوتوز برای اصلاح و تغییر در تصاویر از هوش مصنوعی بهره بیشتری می‌گیرد

عکس‌هایی که از افراد یا مناظر مختلفی و سوژه‌ها گرفته می‌شود، معمولا نیاز به تمیزکاری و مرتب‌سازی ندارند. ولی وقتی از روی متن یا نوشته‌ای عکس گرفته می‌شود، گاهی لازم است تا عکس گرفته‌شده تمیزکاری شود، گوشه‌های اضافی پس‌زمینه کراپ شده و حتی نیاز به چرخاندن تصویر کم و زیاد کردن نور و گاهی تغییر تصویر از حالت رنگی به سیاه و سفید برای خواناتر شدن متن لازم می‌شود. در نتیجه کاربران لازم است بعد از گرفتن عکس از روی متن‌های نوشتاری برای خواناتر شدن و همچنین تمیزترشدن تصویر نهایی، ویرایش‌هایی را انجام دهند.

ویژگی جدید «کراپ و تنظیم کردن» یا « Crop and Adjust» گوگل فوتوز، به کاربران کمک می‌کند تا تنها با انتخاب این ویژگی بتوانند تصاویر اسکن و تصویربرداری‌شده‌ی خود را به‌راحتی تمیزکاری کرده و تصویری خواناتر و بهتر دراختیار داشته باشند. با کمک این ویژگی جدید، متن اسکن‌شده به‌خوبی و به‌‌شکلی مناسب تنظیم می‌شود که کاربر بتواند به‌راحتی آن را بخواند. گوگل فوتوز در توئیت جدیدی به ویژگی جدید اشاره کرده است:  

ویژگی جدید گوگل فوتوز! با کمک ویژگی جدید گوگل فوتوز می‌توانید عکس‌های مربوط‌به اسناد اسکن‌شده را تنظیم و کراپ کنید، لبه‌هایی اضافی و پس‌زمینه‌ی بلااستفاده‌ی تصویر را از متن حذف کنید. 

۲۸ مارس ۲۰۱۹- گوگل فوتوز

کاربران می‌توانند با استفاده از ویژگی جدید، تصویر اسکن‌شده‌ی مربوط‌به متن مورد نظر خود را به‌صورت کاملا مرتب و تمیزشده و درحالی‌که پس‌زمینه‌ی اضافی آن کراپ شده و به‌شکل درستی تصویر چرخانده شده و متن روی آن قابل خواندن است، در اختیار داشته باشند. ویژگی «Crop and Adjust» به‌زودی در دسترس کاربران هر دو سیستم‌عامل اندروید و iOS قرار خواهد گرفت.

گوگل فوتوز با ویژگی‌هایی جدید، به‌روزرسانی شد
گوگل لنز به موتور جستجوی این شرکت اضافه می‌شود
نسخه وب گوگل فوتوز اکنون ادغام چهره مخاطبان یکسان را پیشنهاد می‌دهد
گوگل فوتوز برای اصلاح و تغییر در تصاویر از هوش مصنوعی بهره بیشتری می‌گیرد
فضای ابری نامحدود گوگل برای آپلود تصاویر پیکسل 2 تا سال ۲۰۲۰ اعتبار دارد

خبر های جدید


CNet، به‌نقل از منابع نزدیک به اپل گزارش داد که جرارد ویلیامز، مهندسی که بر توسعه‌ی پردازنده‌های آیپد و آیفون نظارت داشت، فوریه‌ی گذشته از سمت خود به‌عنوان مدیر ارشد اپل در زمینه‌ی معماری پلتفرم کناره‌گیری کرده است. او در سال ۲۰۱۰ و پس از ۱۲ سال همکاری با ARM در پروژه‌های مختلف، شامل توسعه‌ی تراشه‌های قدیمی ARM و نیز Cortex-A8، Cortex-A15 و پردازنده‌ی نسل بعدی، به اپل پیوسته بود.

تراشه‌ی A7 اپل، اولین پردازنده‌ی ۶۴ بیتی قابل استفاده در موبایل در سطح جهان است

طبق اطلاعاتی که در رزومه‌ی وی در لینکدین آمده است، او در گذشته رهبر تیم طراحی و توسعه در شرکت «تگزاس اینسترومنتس» (Texas Instruments) بود و در اجرای برنامه‌ی میکروکنترلر TI TMS470 نقش داشت. ویلیامز در اپل مسئولیت طراحی اصلی تراشه‌های ساخت اپل، مانند همه‌ی تراشه‌های A7 تا A12X را به عهده داشت؛ A7 به‌عنوان اولین پردازنده‌ی ۶۴ بیتی جهان برای موبایل‌ها در آیفون ۵ اس (iPhone 5s) استفاده شد و A12X نیز در آیپد پرو 2018 اپل به کار گرفته می‌شوند. کوپرتینونشین‌ها معتقدند این تراشه‌ها باعث شده‌اند که محصولاتشان سرعتی بیشتر از ۹۲ درصد از کامپیوترهای جهان داشته باشند.

او درباره‌ی پیشینه‌ی شغلی خود در پروفایل لینکدین خود چنین نوشته است:

معمار اصلی در طراحی و توسعه‌ی تمامی سیستم‌های روی یک تراشه و پردازنده‌های اپل؛

مدیر پروژه‌های معماری پردازنده‌های Cyclone ،Typhoon ،Twister ،Hurricane ،Monsoon و Vortex؛

و همچنان مشغول کار روی موضوعات جذاب و جالب دیگر.

مقاله‌ی مرتبط:

  • پردازنده A12X Bionic اپل معرفی شد؛ لیتوگرافی ۷ نانومتری و بهره‌مندی از ۱۰ میلیارد ترانزیستور

پس از ساخت موفقیت‌آمیز A7 توسط اپل، این شرکت اقدام به تولید نسل‌های مختلفی از تراشه‌های سری A کرد که طرح اصلی همه‌ی آن‌ها متعلق به ویلیامز است. برخی از ابتکاراتی که ویلیامز در این تراشه‌ها به‌کار برد، جهان این صنعت را تکان داده و رقبای اپل را به تحرک بیشتری واداشته بود.

وظایف وی در اپل بیش از این‌ها بود و از دو سال پیش، طراحی Layoutهای اجزای تشکیل‌دهنده‌ی سیلیکون سیستم روی یک تراشه (SoC) اپل نیز به مسئولیت‌های وی در خصوص هسته‌های پردازنده اضافه شده بود. بیشتر شدن کارهای ویلیامز ناشی از قطع همکاری مانو گلاتی (Manu Gulati)، معمار SoC اپل، بود که این شرکت را در سال ۲۰۱۷ برای تصاحب شغلی مشابه در گوگل ترک کرد.

جان سروجی (Johny Srouji)، معاون ارشد اپل در گروه «فناوری‌های سخت‌افزاری» که گزارش‌هایی را به‌صورت مستقیم به تیم کوک ارسال می‌کند، جای ویلیامز –که به‌عنوان مغز متفکر گروه تراشه‌های داخلی اپل شناخته می‌شود– را در ترکیب اجرایی شرکت به‌شدت خالی توصیف کرده است.

دلیل کناره‌گیری ویلیامز از سمت خود هنوز آشکار نیست. گفته می‌شود که او هنوز در شرکت دیگری مشغول به کار نشده است.

اپل دانشمند ارشد گوگل را به عنوان مدیر یادگیری ماشین استخدام کرد
آیا تامین نمایشگر OLED اپل واچ سری 5 به ژاپن دیسپلی سپرده می‌شود؟
برنامه AMD برای تصاحب سهم عمده‌ای از بازار پردازنده‌‌های سرور
پاوربیتس پرو معرفی شد؛ با مهم‌ترین محصول بیتس طی چند سال اخیر آشنا شوید
هواوی قصد دارد بزرگترین تولیدکننده گوشی هوشمند جهان شود

خبر های جدید


سال‌ها از ورود نمایشگرهای اولد به دنیای گوشی‌‌ها، تبلت‌ها و تلویزیون‌ها می‌گذرد اما این نمایشگرها کمتر در لپ‌تاپ‌ها مورد استفاده قرار گرفته‌اند. طبق اعلام اچ‌پی، این شرکت در آوریل ۲۰۱۹ (ماه آینده‌ی میلادی) لپ‌تاپ‌های جدید خود با نمایشگر ۱۵.۶ اینچی AMOLED را آماده‌ی فروش خواهد کرد. نخستین میزبانان این نمایشگرها نوت‌بوک‌های تبدیل‌پذیر اسپکتر و سری Envy خواهند بود که ابتدا در اروپا و آمریکا به فروش خواهند رسید.

اچ‌پی در جریان CES 2019 از لپ‌تاپ Spectre x360 با نمایشگر ۱۵.۶ اینچی AMOLED رونمایی کرد؛ اما اچ‌پی هفته‌ی گذشته فاش کرد که نسخه‌ی پرمیوم Envy x360 نیز به چنین پنلی مجهز خواهد شد. این شرکت به‌دنبال معرفی لپ‌تاپ‌های ۱۵.۶ اینچی با ضخامت اندک در فاز بعدی محصولات خود با پنل AMOLED است؛ در حال حاضر اطلاعاتی در مورد مشخصات فنی این محصولات در دست نیست اما بهره‌مندی از پردازنده‌های ویسکی‌لیک اینتل در این لپ‌تاپ‌های جدید قطعی به نظر می‌رسد. البته استفاده از نمایشگرهای گران‌قیمت AMOLED انتظار استفاده از قطعات بالارده در این لپ‌تاپ‌ها را افزایش می‌دهد.

hp envy x360 amoled

اچ‌پی فروش Spectre x360 15 را برای تاریخ ۱۹ آوریل (۳۰ فروردین) ازطریق وب‌سایت خود زمان‌بندی کرده است؛ فروش این محصول در خرده‌فروشی‌های Best Buy نیز احتمالا از ماه می آغاز خواهد شد. لپ‌تاپ اچ‌پی ENVY x360 15 نیز از ماه آینده و ابتدا در اروپا روانه‌ی بازار خواهد شد؛ طبق اعلام اچ‌پی، زمان متفاوتی برای عرضه‌ی این محصول در آمریکا درنظر گرفته شده است. هنوز هیچ اطلاعاتی در مورد قیمت لپ‌تاپ‌‌‌های جدید اچ‌پی در دست نیست.نوع و سازنده‌ی مورد پنل نمایشگر این لپ‌تاپ‌های هنوز مشخص نیست؛ خاطر نشان می‌کنیم سامسونگ دیپسلی تنها شرکتی است که تاکنون از پنل AMOLED با قطر ۱۵.۶ اینچی پرده برداشته است.

hp envy x360 amoled

پنل مذکور ساخت سامسونگ دیسپلی، رزولوشنی ۳۸۴۰ در ۲۱۶۰ پیکسل دارد و روشنایی آن در بین دو مقدار ۰.۰۰۰۵ و ۶۰۰ نیت متغییر است؛ همچنین کنتراست دینامیکی این نمایشگر به ۱۲۰۰۰۰۰:۱ می‌رسد و از نظر زمان پاسخ‌گویی و زاویه‌ی دید افقی توانمند است. خوشبختانه این نمایشگر قادر به بازتولید ۱۰۰ درصد رنگ‌های فضای رنگی گسترده‌ی DCI-P3 است و نسبت به نمونه‌های LCD کنونی بازار دقت بالاتری دارد. مشاهده‌ی نشان DisplayHDR True Black در مشخصات این نمایشگرها، پشتیبانی از استاندارد HDR10 را تضمین می‌کند. استفاده از این پنل در لپ‌تاپ‌های جدید اچ‌پی تنها یک گمانه‌زنی است و این احتمال که شاهد پنل‌های متفاوتی در محصولات نام‌برده باشیم چندان کم نیست.

 

هدست واقعیت مجازی Reverb شرکت HP رقیبی سرسخت برای Vive Pro
اچ پی لپ‌تاپ‌های پروبوک خود را با پردازنده رایزن AMD روانه بازار می‌کند
گارتنر و IDC: اچ پی و لنوو صدرنشین عرضه سیستم‌های کامپیوتری به بازار در سال ۲۰۱۸
اچ پی از کامپیوتر، مانیتور و لپ تاپ جدید سری الیت با فناوری‌های امنیتی پیشرفته رونمایی کرد
نسل جدید دسکتاپ گیمینگ Obelisk‌ اچ پی با پردازنده Core i9 و گرافیک RTX 2080Ti معرفی شد

خبر های جدید


تاکنون اخبار بسیاری در مورد پروژه‌ی مخفی خودروی اپل منتشر شده و سوالات مختلفی در ذهن علاقه‌مندان به این خودروی هوشمند ایجاد شده است. آیا باید منتظر خودرویی با فناوری سیستم خودران باشیم یا اینکه کوپرتینویی‌ها قصد دارند خودروی الکتریکی کاملا خودران به بازار عرضه کنند؟ 

باتوجه به آخرین‌ اخبار، اپل سرپرست بخش موتورهای الکتریکی تسلا را برای توسعه‌ی اپل کار استخدام کرده است. در نتیجه به‌نظر می‌رسد باید منتظر خودرویی کاملا الکتریکی به بازار باشیم. اواخر اسفندماه، خبری در مورد کناره‌گیری یکی از مهندسان ارشد تسلا و سرپرست بخش موتورهای الکتریکی تسلا به نام مایکل شوکوش از این شرکت منتشر شد.

تسلا

مقاله‌های مرتبط:

  • ناوگان بزرگ خودروهای خودران کالیفرنیا در اختیار اپل
  • اپل با اخراج کارمندان بخش خودروهای خودران، مسیر خود را تاحدودی مشخص کرد

باتوجه به اینکه مایکل شوکوش یکی از باتجربه‌ترین مهندسان تسلا در بخش موتورهای الکتریکی محسوب می‌شود که برنامه‌ی موتورهای الکتریکی را نه‌تنها برای تسلا، بلکه برای کل شرکت‌های این صنعت به‌ارمغان آورده است، درنتیجه خروج وی از تسلا، می‌تواند ضربه‌ای بزرگ برای تسلا باشد. مایکل شوکوش در سال ۲۰۱۵ میلادی به تسلا بازگشت. وی در آن زمان مهندسی با سابقه‌ی درخشان بود و Electrek در گزارشی در مورد مایکل شوکوش نوشت:   

سال گذشته مایکل شوکوش، بعد از دو دهه فعالیت در توسعه‌ی موتورهای الکتریکی برای شرکت‌های شخص ثالث همچون  BorgWarner و GKN Driveline، به تسلا بازگشت تا برنامه‌های توسعه‌ی موتورهای الکتریکی را راهبرد کند. وی اخیرا مدیریت برنامه‌های موتورهای الکتریکی و هیبریدی پورشه ۹۱۸ اسپایدر، BMW i8، و فیات 500eV ولوو  XC90 را در بین وسایل نقلیه‌ی محبوب برعهده گرفته است.

همچنین مایکل شوکوش، سرپرست واحد خودروی تسلا از مرحله‌ی طراحی، مهندسی تولید و ممیزی را برعهده دارد. تمام فعالیت‌های مربوط‌به این حوزه در کارخانه‌ی تسلا در فریمونت کالیفرنیا انجام می‌شود.

مایکل شوکوش در شرکت تسلا در زمینه‌ی توسعه‌ی سیستم‌های پیشرو Drive مانند تسلا Roadster II و Tesla Semi / Tesla Truck همکاری داشته است. براساس آخرین اطلاعات Electrek که ازطریق برخی منابع آگاه نسبت به آن اطلاع پیدا کرده، مایکل شوکوش به «پروژه‌های خاص» اپل محلق شده که پروژه‌ی Titan نیز یکی از پروژه‌های این گروه در اپل است.  

مایکل شوکوش یکی از مهندسان خبره‌ی تسلا است که به «پروژه‌های خاص» اپل ملحق شده است. برای مدت زمان طولانی این تصور وجود داشت که اپل تنها به توسعه‌ی فناوری خودروی خودران مشغول است، اما باتوجه‌به حضور مایکل شوکوش در این پروژه و سابقه‌ی حداقل ده‌ساله‌ی وی در زمینه‌ی موتورهای الکتریکی به‌صورت تخصصی، به‌نظر می‌رسد کوپرتینویی‌هایی برنامه‌هایی برای توسعه‌ی خودروی کاملا الکتریکی در دستور کار خود قرار داده‌اند.

سال گذشته، داگ فیلد که پیش از همکاری با اپل از مهندسان ارشد تسلا بود، به اپل پیوست تا در پروژه‌ی خودروی اپل درکنار  باب مَنسفیلد مشغول فعالیت شود. باب مَنسفیلد نیز، مدیر پیشین بخش سخت‌افزار اپل است که در سال ۲۰۱۶ بازنشسته شد. باب منسفیلد، مدیر پیشین اپل در سال ۱۳۹۵ مجددا به پروژه تایتان بازگشت. 

براساس آخرین اخبار منتشرشده از سوی Electrek، ظاهرا کوپرتینویی‌ها چندین کارمند اسبق تسلا را نیز به‌غیر از مایکل شوکوش و داگ فیلد دعوت به‌ همکاری کرده‌اند. با این حساب به‌نظر می‌رسد باید منتظر جنگ‌های تجاری جدیدی بین دو شرکت اپل و تسلا باشیم. در سال ۲۰۱۵، ایلان ماسک درباره‌ی تسلا گفت: 

اپل، نیروهایی که ما اخراج می‌کنیم را استخدام می‌کند. به مزاح، نام شرکت اپل را «قبرستان تسلا» گذاشته‌ایم.

براساس آخرین اخبار، ظاهرا اخیرا اپل، برخی از مدیران و مهندسان قدیمی تسلا را دعوت به‌ همکاری کرده است. این در حالی است که این افراد هنوز در تسلا مشغول فعالیت هستند. البته تسلا پیش‌تر اعلام کرده بود که سال گذشته، برخی از کارمندان شرکت را اخراج کرده و تعدادی از آن‌ها در حال حاضر با اپل همکاری می‌کنند. 

شوکوش ماه گذشته و پس از تغییرات بسیار در آرایش تیم، به این پروژه پیوست.

تحلیل Electrek از این خبر

کاملا معلوم است که اپل قصد دارد خودروی الکتریکی خود را از نقطه‌ی صفر بسازد. کاملا روشن است که کوپرتینویی‌ها تجربه‌ای در توسعه‌ی وسایل نقلیه ندارند. اما با استخدام نیروهای متخصصی همچون داگ فیلد و مایکل شوکوش قصد دارند نقاط ضعف خود را در این حوزه پوشش دهند. دانش تخصصی درکنار صدها میلیارد سرمایه، به‌علاوه‌ی مهارت‌های نرم‌افزاری و سخت‌افزاری باورنکردنی اپل، می‌تواند راهکاری برای پیروزی کوپرتینویی‌ها در این صنعت شود.

شاید با همه‌ی این تفاسیر، نتوان به توسعه‌ی اپل کار زیاد امیدوار بود، ولی اتفاق یادشده می‌تواند فرصت‌های بیشتری پیش روی اپل برای توسعه‌ی خودروی اسرارآمیزش قرار دهد تا فرایند توسعه‌ی این خودروی هوشمند را تسریع بخشد.

نسخه جدید اتوپایلوت تسلا توانایی تعویض لاین دارد
آیا تامین نمایشگر OLED اپل واچ سری 5 به ژاپن دیسپلی سپرده می‌شود؟
پاوربیتس پرو معرفی شد؛ با مهم‌ترین محصول بیتس طی چند سال اخیر آشنا شوید
هواوی قصد دارد بزرگترین تولیدکننده گوشی هوشمند جهان شود
مینگ چی کو قابلیت شارژ بی‌سیم دوطرفه و باتری بزرگ‌تر در آیفون‌های 2019 را تأیید کرد

خبر های جدید

سود ۸.۸ میلیارد دلاری هواوی در سال ۲۰۱۸ + جدید

دسته بندی : فناوری تاریخ : جمعه 5 آوریل 2019


با وجود تنش‌های اخیر بین هواوی و دولت ایالات متحده‌ی آمریکا، این شرکت چینی روزهای خوبی را سپری می‌کند و ظاهرا تحریم‌های اخیر نتوانسته‌اند تأثیر چندانی روی درآمدهای هواوی بگذارند.

جدیدترین گزارش مالی هواوی نشان می‌دهد که این شرکت در سال ۲۰۱۸ میلادی موفق به کسب سود ۸.۸ میلیارد دلاری شده است؛ این رقم نسبت به سال گذشته‌ی میلادی به‌میزان ۲۵ درصد بیشتر شده که در نوع خود بسیار درخورتوجه است. یکی از اصلی‌ترین دلایل کسب این درآمد، افزایش محبوبیت گوشی‌های هوشمند و دیگر دستگاه‌های هواوی بین کاربران است.

هواوی شرکتی با سهامی عام نیست، اما در بازه‌های زمانی مختلف اقدام به انتشار گزارش‌ مالی می‌کند؛ طبق اعلام رسمی مدیران این شرکت، گزارش‌های مالی این شرکت توسط KPMG حساب‌رسی می‌شوند. یکی از اصلی‌ترین نکات موجود در گزارش مالی جدید هواوی، به این موضوع برمی‌گردد که سازنده‌ی محصولاتی همچون پی ۳۰ پرو، به شرکتی مبتنی بر سخت‌افزار تبدیل شده است.

هواوی میت ۲۰ پرو / Huawei Mate 20 pro

منظور از عبارت مطرح‌شده، این است که هم‌اکنون درآمد حاصل از محصولات الکترونیکی مصرفی (همچون گوشی‌ها و لپ‌تاپ‌ها) از درآمد تجهیزات مخابراتی این شرکت پیشی گرفته است. احتمالا می‌دانید که هواوی ازطریق فروش تجهیزات شبکه به شرکت‌های مختلف نیز برای خود درآمدزایی می‌کند. 

درآمد کلی هواوی در سال ۲۰۱۸ معادل ۱۰۷.۴ میلیارد دلار بوده است؛ به‌عبارتی، چینی‌ها توانسته‌اند طی یک سال اخیر میلادی، رشد ۱۹.۵ درصدی را از لحاظ درآمد، تجربه کنند. 

کسب درآمد ۱۰۷.۴ دلاری در سال ۲۰۱۸ نشان از روند صعودی هواوی دارد

هواوی می‌گوید درآمد کسب‌شده از محصولات الکترونیکی مصرفی طی سال اخیر با رشدی ۴۵ درصدی مواجه شده و به ۵۲ میلیارد دلار رسیده است. از طرفی، درآمد تجهیزات شبکه افتی ۱.۳ درصدی را تجربه کرده و به ۴۳.۸ میلیارد دلار رسیده است. درضمن سرویس‌های سازمانی هواوی توانسته‌اند سومین منبع درآمدزایی این شرکت باشند.

البته همان‌طور که می‌شد حدس زد، هواوی هنوز به بازار چین وابستگی شدیدی است؛ درواقع آمار رسمی می‌گویند که ۵۲ درصد از کل درآمد هواوی در سال ۲۰۱۸، ازطریق بازار چین به‌دست آمده است. البته درآمد این شرکت در اقصی‌نقاط دنیا با پیشرفت مواجه شده و این موضوع روند صعودی محبوبیت محصولات هواوی را در مناطق مختلف دنیا نشان می‌دهد. 

شرایط کسب‌و‌کار هواوی در آمریکا در مقایسه با مناطقی همچون اروپا و خاورمیانه، تعریف چندانی ندارد و پیش‌بینی می‌‌کنیم باتوجه‌به تنش‌های اخیر، این موضوع همچنان ادامه‌دار باشد. 

درآمد هواوی در سال 2018

هواوی طی سال‌های اخیر با پیشرفتی چشم‌گیر توانسته یکی از اصلی‌ترین حاضران بازار محصولات الکترونیکی نظیر گوشی و لپ‌تاپ باشد. جدیدترین محصول این شرکت یعنی هواوی پی ۳۰ دستگاهی رده‌بالا با طراحی جذاب است که به‌لطف بهره‌مندی از ویژگی‌هایی جالب، قطعا ظرفیت خوبی برای فروش دارد. 

پژوهش اخیر مؤسسه‌ی IDC نشان می‌دهد که هواوی توانسته به‌لطف برند آنر (Honor)،‌ میزان فروش دستگاه‌هایش را به‌میزان ۳۳.۶ درصد افزایش دهد. این مؤسسه هواوی را در رده‌ی سوم رده‌بندی برترین شرکت‌های صنعت گوشی از لحاظ سهم بازار قرار داده است؛ ظاهرا هواوی هم‌اکنون ۱۶.۱ درصد از سهم بازار را در اختیار دارد.

البته فراموش نکنید که هواوی از سمت کسب‌و‌کار مربوط‌به تجهیزات مخابراتی‌اش، شدیدا توسط آمریکا تحت‌فشار است. روند تنش‌های اخیر هم به‌شکلی بوده که فکر نمی‌کنیم به‌این‌ زودی‌ها حل شوند. با این اوصاف باید دید که چینی‌ها در ادامه‌ی کار چه‌عملکردی از خود نشان خواهند داد.

نظر شما کاربران زومیت در مورد این خبر چیست؟

مایکروسافت آسیب‌پذیری «در پشتی» جدیدی در میت‌بوک‌های هواوی کشف کرد
نگاه نزدیک ویدیویی به هواوی میت ایکس
هواوی قصد دارد بزرگترین تولیدکننده گوشی هوشمند جهان شود
تا سال ۲۰۲۱، نیمی از پرچمداران هواوی با نمایشگر تاشدنی معرفی می‌شوند
هواوی میت 30 پرو در مرحله تست قرار دارد؛ معرفی در شهریور یا مهرماه

خبر های جدید


کیفیت خروجی زبان‌های برنامه‌نویسی، بسته به نوع آن‌ها و حتی مهارت برنامه‌نویس، با هم تفاوت دارد. مصرف برق، یکی دیگر از فاکتورهای دخیل در کارایی سیستم‌عامل‌ها است که برخی اوقات، دست‌کم گرفته می‌شود. اکنون این سؤال ایجاد می‌شود که آیا مصرف انرژی، نشان‌دهنده‌ی کیفیت یک زبان برنامه‌نویسی هست یا خیر؟

گروهی متشکل از محققان ۳ دانشگاه مختلف در پرتقال، سال گذشته‌ی میلادی تحقیقی را برای پاسخ به سؤال فوق انجام دادند که منجر به مقاله‌ای به‌نام Energy Efficiency Across Programming Languages شد. آن‌ها آزمایش خود را روی ۱۰ مسئله‌ی نرم‌افزاری بین ۲۷ زبان برنامه‌نویسی انجام دادند و در حین اجرای نرم‌افزار حاصل، مقدار مصرف برق هریک از آن‌ها را بررسی کردند. به‌علاوه، سرعت و مقدار اشغال حافظه‌ی رم نیز مورد بررسی قرار گرفت.

مقایسه زبان های برنامه نویسی

مقاله‌های مرتبط:

  • زبان‌ های برنامه‌ نویسی آینده و کسب‌و‌کار برنامه‌نویسی
  • اینفوگرافیک: کدام زبان برنامه‌نویسی برای شما مناسب است؟

محققان پروژه‌ی تحقیقاتی، ۱۰ مسئله‌ی آزمایشی را در سرویس Computer Language Benchmark Game اجرا کردند. آن سرویس، یک پروژه‌ی نرم‌افزاری آزاد است که برای مقایسه‌ی کارایی زبان‌های برنامه‌نویسی استفاده می‌شود و تعدادی مسئله‌های الگوریتمی در خود دارد. به‌علاوه، فریمورکی برای اجرای آزمایش‌ها نیز به کاربر عرضه می‌شود.

سرویس مورد استفاده، قبلا به‌نام The Great Computer Language Shootout شناخته می‌شد. محققان اعتقاد دارند استفاده از سرویس بنچمارک، به آن‌ها امکان داد تا تعدادی برنامه‌ی قابل‌ مقایسه و توسعه‌یافته را در دسترس داشته باشند. به‌علاوه، سرویس، نسخه‌های مختلف کامپایلر و راهکارهای متعدد اجرا را نیز در اختیار آن‌ها قرار می‌داد.

پیاده‌سازی انواع مختلف بنچمارک، برای آزمایش کارایی و مصرف برق، حیاتی بود. درواقع، نتایج آزمایش‌ها بسته به نوع تست، تغییر می‌کرد و باید گستره‌ای جامع مورد آزمایش قرار می‌گرفت. به‌عنوان مثال، زبان برنامه‌نویسی C از لحاظ کلی، سریع‌ترین زبان با مصرف بهینه‌ی برق بود، اما در آزمایشی شامل اسکن پایگاه داده‌ی DNA برای یافتن ژنتیک خاص، زبان Rust نتایج بهتری داشت و C در رتبه‌ی سوم مصرف انرژی قرار گرفت.

در همان آزمایش DNA، انتخاب بهترین زبان، به معیارهای آزمایش نیز بستگی داشت. در معیار سرعت، C پس از Rust در رتبه‌ی دوم قرار گرفت، اما در معیار اشغال حافظه‌ی رم، Rust سقوطی ۹ پله‌ای داشت. زبان فورترن، در بررسی براساس معیار مصرف انرژی، رتبه‌ی دوم را داشت، اما با مرتب کردن نتایج براساس زمان مورد نیاز برای اجرای فرایند،۶ پله سقوط کرد.

مقایسه زبان های برنامه نویسی

جدول کامل مقایسه‌ی زبان‌های برنامه‌نویسی براساس زمان، انرژی و اشغال حافظه‌ی رم

محققان در مقاله‌ی خود تأکید کردند که با دقت از راهنمای استاندارد سرویس CLBG در انتخاب نسخه‌ی کامپایلر برنامه‌ها و روندهای بهینه‌سازی، پیروی کردند. مصرف برق هر آزمایش نیز توسط ابزاری از اینتل به‌نام Running Average Power Limit استفاده شد. برای بهینه‌سازی نتایج و محاسبه‌ی بهتر میانگین، همچنین خارج کردن فاکتورهایی همچون کش یا سریع‌تر بودن در اجرای اولیه،‌ هر آزمایش ۱۰ بار تکرار شد. به‌همین دلیل، محققان ادعا می‌کنند که نتایج، قابل اعتماد هستند.

سخت‌افزار و سیستم‌عامل همه‌ی زبان‌ها در آزمایش، یکسان بود

فاکتور دیگری که برای بهینه‌سازی نتایج تنظیم شد، سیستم‌عامل و سخت‌افزار مورد استفاده بود. همه‌ی آزمایش‌ها روی دستگاهی با ۱۶ گیگابایت رم، پردازنده‌ی اینتل Core i5 3.20 GHz Haswell و سیستم‌عامل لینوکس اوبونتو سرور با کرنل نسخه‌ی 4.8.0 انجام شد. درنهایت، نتایج تحقیقات، موارد قابل توجهی را روشن کرد. به‌عنوان مثال:

زبان Lisp، به‌طور میانگین ۲.۲۷ برابر C انرژی مصرف می‌کند (۱۳۱.۳۴ ژول). به‌علاوه، در مقایسه با پاسکال، ۲.۴۴ برابر برای اجرای یک برنامه، زمان نیاز دارد (۴۹۲۶.۹۹ میلی ثانیه) و همچنین، ۱.۹۲ برابر حافظه‌ی رم نیاز دارد (۱۲۶.۶۴ مگابیت).

محققان، نتایج را بین زبان‌های کامپایل شده و تفسیر شده هم بررسی کردند. به‌علاوه، دسته‌بندی مجزایی هم برای زبان‌های اجرا شده در ماشین‌های مجازی، در مقاله افزوده شد. دسته‌بندی‌های دیگر در مقاله، شامل مقایسه‌ی پاردایم‌های مختلف برنامه‌نویسی همچون انواع شیٔ‌گرا و اسکریپتی می‌شود.

مقایسه زبان های برنامه نویسی

مقایسه‌ی زمان و انرژی مصرفی

آیا سرعت به‌معنای مصرف انرژی کمتر است؟

مقاله‌ی منتشر شده، به‌طور جدی با نظریه‌ی تأثیر سرعت بر کاهش مصرف انرژی مخالفت کرد. در متن مقاله آمده بود که محاسبه‌ی انرژی مصرفی، فرمولی فیزیکی شبیه به E=T*P نیست که انرژی را به زمان وابسته کند. بخشی از دلیل تناقض نیز، مصرف انرژی به‌صورت غیرمنظم است. درواقع، نرخ ثابتی برای مصرف انرژی یک زبان برنامه‌نویسی، وجود ندارد. درنتیحه، نتایج تحقیق مذکور می‌تواند یافته‌های محققان پیشین و نظریه‌های آن‌ها پیرامون تأثیر سرعت بر مصرف انرژی را تحت تأثیر قرار دهد.

در یکی از آزمایش‌های صورت گرفته، برنامه‌‌ی نوشته شده در زبان Chapel، نسبت به برنامه‌ای به زبان پاسکال، ۵۵ درصد زمان کمتری برای اجرا نیاز داشت. درحالی‌که برنامه‌ی زبان پاسکال، انرژی کمتری (به میزان ۱۰ درصد) مصرف کرد. درنهایت با وجود آن که بسیاری، هنوز سرعت را با مصرف انرژی مرتبط می‌دانند، محققان مذکور در مقاله‌ی خود به‌روشنی اعلام کردند که «یک زبان برنامه‌نویسی سریع‌تر، لزوما مصرف انرژی کمتری ندارد».

سرعت بیشتر لزوما به‌معنای مصرف پایین‌تر انرژی نیست

پاسخ دادن به سؤال این بخش، دشواری‌های زیادی دارد، چرا که مصرف انرژی، به فاکتورهای بسیار متعددی وابسته می‌شود که از آن میان می‌‌توان به کامپایلر و حتی کتابخانه‌‌های مورد استفاده اشاره کرد. محققان در بخش مهم دیگری از مقاله‌ی خود، منبع مصرف انرژی برنامه‌ها را نیز بررسی کردند. آن‌ها می‌گویند که اکثر برق مصرفی (حدود ۸۸ درصد) توسط CPU مصرف می‌شود و ارتباطی هم به کامپایل شدن، تفسیر شدن یا اجرا روی ماشین‌های مجازی ندارد. البته، برنامه‌های تفسیر شده، نتایج متفاوتی را در شرایط مختلف نشان دادند و بازه‌ی تنوع آن‌ها از ۸۱.۵۷ درصد تا ۹۲.۹ درصد، تفاوت داشت.

مقایسه زبان های برنامه نویسی

مقایسه براساس اشغال حافظه‌ی رم

نتیجه‌ی مهم دیگر در تحقیقات مذکور، وابستگی اوج استفاده از DRAM را به انرژی مصرفی، نقض کرد. به‌هرحال، با وجود تمامی یافته‌های بالا، پاسخی تقریبا مثبت به سؤال این بخش داده می‌شود. در مقاله‌ی منتشر شده برای این تحقیق می‌خوانیم:

۵ زبان برنامه‌نویسی اول براساس مصرف انرژی، در دسته‌بندی براساس زمان اجرای برنامه‌ها نیز با تفاوت‌هایی جزئی در همان رتبه‌ها قرار می‌گیرند.

از میان ۱۰ مسئله‌ی آزمایشی انجام شده، در ۹ عدد از آن‌ها، بالاترین امتیاز از لحاظ سرعت و بازدهی، از زبان‌هایی به‌دست آمد که بین ۳ مورد برتر از لحاظ مصرف انرژی قرار داشتند. در بخش دیگری از مقاله گفته شد:

باور عمومی بر آن است که ۳ زبان برتر برنامه‌نویسی یعنی C و ++C و Rust، به‌بهترین نحو بهینه‌سازی شده و بازدهی بالایی دارند. داده‌های ما در تحقیقات نیز همین باور عمومی را تصدیق می‌کنند.

با وجود گفته‌های بالا، وقتی زبان‌های برنامه‌نویسی دیگر را طبق فاکتورهای سرعت و مصرف انرژی مرتب کنیم، نتایج برابری مشاهده نمی‌شود. تنها ۴ زبان، رتبه‌بندی برابری در فهرست زمان و مصرف انرژی داشتند (OCaml، Haskel، Racket و Python).

مقایسه زبان های برنامه نویسی

دسته‌بندی براساس پارادایم‌های برنامه‌نویسی

مزایای زبان‌های کامپایل شده

یکی از نتایج جالب و مهم آزمایش‌ها، درباره‌ی زبان‌های برنامه‌نویسی کامپایل شده بود. آن زبان‌ها، همیشه در بازدهی انرژی و سرعت، بالاتر از سایر تصور می‌شوند. نتایج مقاله نیز تاحدودی آن تصورات را تأیید کرد. به‌‌طور میانگین، زبان‌های کامپایل شده، ۱۲۰ ژول انرژی برای اجرای راهکارهای نرم‌افزاری مصرف کردند، درحالی‌که زبان‌های اجرا شده روی ماشین مجازی یا تفسیری، به‌ترتیب ۵۷۶ و ۲۳۶۵ ژول انرژی نیاز داشتند.

در مقایسه‌ی زمان‌های اجرای برنامه‌ها، زبان‌های کامپایل شده باز هم نتایج مثبتی نشان دادند. در نتایج آن بخش گفته شد که زبان‌های کامپایل شده به‌صورت میانگین ۵۱۰۳ میلی‌ثانیه زمان نیاز داشتند. درحالی‌که، زبان‌های اجرا شده روی ماشین های مجازی عدد ۲۰۶۲۳ میلی‌ثانیه را برای زمان نشان دادند و همین مقدار، برای زبان‌های تفسیری به ۸۷۶۱۴ میلی‌ثانیه رسید. درنهایت، ۴ عدد از ۵ زبان برتر هر ۲ دسته‌بندی زبان‌های کامپایل شده بودند و تنها جاوا، مثال نقض فهرست‌ها بود.

زبان‌های کامپایل شده هم از لحاظ زمان و هم انرژی، بازدهی بیشتری داشتند

در میان زبان‌های برنامه‌نویسی با کمترین سرعت، ۵ زبان کند فهرست، نمونه‌های تفسیری یعنی Lua، Python، Perl، Ruby و Typexcript بودند. به‌علاوه، زبان‌های با بیشترین نرخ مصرف انرژی نیز از همان نوع بودند: Perl، Python، Ruby، JRuby و Lua. البته، در نوعی از برنامه‌نویسی که عبارت‌ها به‌صورت ساده‌سازی شده در زبان‌های تفسیری استفاده شدند، ۳ عدد از آن‌ها، Typescript، JavaScript و PHP در میان برترین زبان‌های با بازدهی انرژی بالا قرار داشتند.

زبان‌های کامپایل شده، در مقایسه‌ی میزان اشغال فضای رم، مانند زمان و مصرف انرژی، بالاترین رتبه‌ها را به خود اختصاص دادند. به‌صورت میانگین، آن زبان‌ها به ۱۲۵ مگابیت حافظه نیاز داشتند و زبان‌های اجرا شده در ماشین‌های محازی، ۲۸۵ مگابیت حافظه اشغال می‌کردند. زبان‌های تفسیری در این بخش نیز امتیاز پایینی داشته و به ۴۲۶ مگابیت حافظه‌ی رم نیاز داشتند. آن زبان‌ها، در رتبه‌بندی اشغال فضای رم، پایین‌ترین رتبه‌ها را به خود اختصاص دادند که به‌عنوان مثال می‌توان JRuby، Dart، Lua و Perl را مثال زد. زبان دیگر در میان پایین‌ترین نمونه‌ها از لحاظ اشغال فضای رم، Erlang بود که البته، زبانی تفسیری نیست.

programming

از لحاظ پارادایم‌های برنامه‌نویسی، زبان‌های دستوری (Imperative) به ۱۱۶ مگابیت حافظه‌ی رم نیاز دارند. زبان‌های شیٔ‌‌گرا همان آزمایش‌ها را با ۲۴۹ مگابیت، زبان‌های تابعی با ۲۵۱ مگابیت و زبان‌های اسکریپتی با ۴۲۱ مگابیت حافظه‌ی رم، انجام می‌دهند. درواقع، زبان‌های دستوری در دسته‌بندی‌های دیگر همچون سرعت و مصرف انرژی نیز رتبه‌های بهتری را به‌خود اختصاص دادند.

در مقایسه‌ی پارادایم‌های برنامه‌نویسی، فاکتورهای متعددی باید مورد بررسی قرار گیرند. کاملا مشخص است که پارادایم‌ها و حتی زبان‌های هر پاردایم، تأثیرات متفاوتی روی مصرف انرژی، زمان و حافظه‌ی مورد نیاز دارند. به‌همین دلیل، اینکه کدام فاکتور برای نتیجه مهم‌تر باشد، به برنامه‌نویس و پروژه‌ی در دست اجرای او بستگی دارد.

برخی از پروژه‌های نرم‌افزاری، نیازمند درنظرگرفتن هم‌زمان ۲ یا چند فاکتور هستند. به‌عنوان مثال، شاید انرژی و زمان اجرا، در پروژه‌‌ای اهمیت بالا داشته باشد. در چنان موردی، C بهترین گزینه خواهد بود چون در هر ۲ بخش، در صدر جدل قرار دارد. در نمونه‌ای دیگر که زمان درکنار مصرف کمتر حافظه‌ی رم، هدف شما باشد، زبان‌های C، Pascal و Go انتخاب‌های مناسبی هستند. اگر هر ۳ مورد بالا یعنی زمان، انرژی و حافظه‌ی رم برای شما اهمیت دارند، باز هم محققان همان ۳ زبان فوق را پیشنهاد می‌دهند.

در پایان مقاله، محققان اعلام کردند که در بررسی‌های آتی، تأثیر گذر زمان بر اشغال حافظه‌ی رم را بررسی خواهند کرد. نتایج کامل تحقیقات انجام شده، در لینک منبع موجود است و علاقه‌مندان می‌توانند برای بررسی‌های عمیق‌تر، از آن استفاده کنند. به‌عنوان مثال، توسعه‌دهنده‌های حوزه‌ی اینترنت اشیاء یا زمینه‌های مشابه، می‌توانند با بررسی نتایج، زبان‌هایی با مصرف انرژی پایین‌تر را انتخاب کنند. 

درنهایت، مقاله‌ی منتشر شده هم برنامه‌نویسان را با ابهام رها می‌کند. محققان می‌گویند که اگر به‌دنبال یک پاسخ ثابت و نسخه‌ای نهایی برای انتخاب زبان برنامه‌نویسی هستید، به پاسخ نخواهید رسید. آن‌ها می‌گویند با وجود اینکه نتایح، برخی زبان‌ها را از لحاظ سرعت و مصرف انرژی بالاتر از سایر قرار می‌دهند، هیچ‌گاه نمی‌توان زبانی را کاملا بهتر از زبان دیگر دانست. درنهایت باید بدانیم که موقعیت و شرایطی که زبان در آن استفاده می‌شود، جنبه‌ای حیاتی در بازدهی مصرف انرژی آن دارد.

الگوریتم‌ها چگونه به‌جای ما تصمیم‌گیری می‌کنند
هفت زبان مناسب برای یادگیری توسعه‌‌ بازی‌های یونیتی
ابررساناها چه زمانی کاربرد خواهند داشت؟
از برنامه‌نویسی به‌مثابه ترجمه چه می‌توان آموخت
پایان برنامه‌نویسی شی‌گرا نزدیک است

خبر های جدید


اولین نسخه‌ی «هندل» (Handle)، ربات‌های چرخ‌دار بوستون داینامیکس (Boston Dynamics)، دو سال پیش معرفی شد؛ ولی نسبت به سایر محصولات شرکت کمتر مورد توجه مشتریان قرار گرفته بودند. این ربات‌های دو پا در مقایسه با سایر تولیدات از جذابیت‌های کمتری برخوردار نیستند، اما همیشه این ربات‌های «اطلس» (Atlas) و «اسپات» / «اسپات مینی» (Spot / Spot Mini) بودند که در ویدیوهای بوستون داینامیکس به چشم می‌خوردند. 

هندل، با استفاده از سیستم آن-بوردی که در آن تعبیه شده است، اجسام را شناسایی و مقصد خود را رهگیری می‌کند

بالاخره پس از دو سال، این ربات فرصتی نه‌چندان عالی برای اثبات توانایی‌های خود به مشتریان به دست آورد. ویدیوی جدیدی توسط این شرکت منتشر شده است که تصویر بهتری از قابلیت‌های این ربات حین حمل کالا در یک انبار را نشان می‌دهد. ویدیویی که در گذشته از این ربات منتشر شده بود نشان می‌داد که آن‌ها می‌توانند تقریبا ۴۵ کیلو بار را از زمین بلند کنند؛ اما نسخه‌ی بازطراحی‌شده‌ی آن‌ها تفاوت‌های آشکاری با پیشینیان خود دارند. قد آن‌ها بلندتر شده و دو بازو‌ی قبلی جای خود را به یک اهرم بزرگ با قدرت مکندگی زیاد در بالای ربات داده‌اند.  جعبه‌هایی که در ویدئو دیده می‌شوند تنها ۵٫۵ کیلو وزن دارند؛ ولی هندل می‌تواند اجسامی به وزن ۱۴ کیلو را از روی زمین بلند کند. با وجود کمتر شدن قدرت هندل، باز هم مهارت، سرعت و حفظ تعادل این ربات‌ها در حین کار در نگاه اول به‌شدت چشمگیر هستند.

مقاله‌های مرتبط:

  • ویدئوی جدیدی از ربات چهارپای بوستون داینامیکس در کارگاه ساختمانی منتشر شد
  • حرکات خارق‌العاده ربات انسان‌نمای اطلس در جدیدترین ویدیوی بوستون داینامیکس
  • از بیگ داگ تا اسپات مینی؛ سیر تکامل ربات‌های چهارپای بوستون داینامیکس

بوستون داینامیکس می‌گوید: 

هندل می‌تواند پس از استقرار و راه‌اندازی در محل مناسب، عملیات چیدمان و مرتب‌سازی پالت‌های SKU را به‌صورت خودران و مستقل انجام بدهد. سیستم آن-بوردی که روی این ربات‌ها نصب شده است، پالت‌های نشانه‌گذاری‌شده برای ناوبری را رهگیری و جعبه‌هایی را که باید برداشته و به‌جای دیگری منتقل شوند، شناسایی می‌کند.

سال گذشته در رویداد برکلی روباتیکس، این شرکت برنامه‌های خود را برای تولید انبوه ربات‌های اسپات مینی اعلام کرد. خرید ربات اسپات مینی بوستون داینامیکس در سال ۲۰۱۹ امکان‌پذیر می‌شود و بخشی از برنامه‌‌های جدید شرکت مذکور برای کسب درآمد از محصولات خود است. همچنین، می‌توان گفت این کار مرحله‌ای از برنامه‌های بوستون داینامیکس در راستای پیوستن به سازمانی بزرگ‌تر محسوب می‌شود؛ منظور از سازمان بزرگ‌تر، در وهله‌ی اول گوگل و سپس، سافت بانک است.

به‌طور یقین، انتشار این ویدئو را نمی‌توان به‌عنوان نشانه‌ای قطعی از گام برداشتن شرکت در این مسیر تلقی کرد. علاوه‌براین، باور آن هم سخت است که انبارها قادر به خرید رباتی به پیشرفتگی و گران‌قیمتی هندل باشند و برای خرید آن، دچار سختی‌های مالی نشوند. بااین‌حال، در عصری که بیشتر ربات‌های انبارهایش صرفا نوعی چرخ‌دستی خودران هستند، وجود ربات‌های سریعی که این قابلیت را دارند که خودشان به‌تنهایی محصولات را از روی قفسه‌ها بردارند و جای دیگری بچینند، یک مزیت عمده به شمار می‌آید.

بوستون داینامیکس، استارتاپ Kinema را برای تجاری‌سازی ربات هندل تصاحب کرد
۲۰ نمونه از کاربردهای هوش مصنوعی در خرده‌فروشی
بازی‌های المپیک ۲۰۲۰ ژاپن با همکاری دو ربات جدید شرکت تویوتا برگزار می‌شود
سیستم ادراکی روباتیک دانشگاه برکلی اجسام را با لمس آن‌ها شناسایی می‌کند
سطح‌نشین اینسایت در سیاره مرگ روی یک تخته سنگ فرود آمده است

خبر های جدید


ریچارد یو، مدیرعامل هواوی در آخرین مصاحبه‌ی خود تأیید کرده که به‌شدت روی توسعه‌ی گوشی‌های هوشمند تاشدنی متمرکز خواهد بود و به‌نظر می‌ رسد غول فناوری کره‌ای روی دستگاه‌های تاشدنی حساب باز کرده است.

ریچارد یو برنامه‌هایی جدیدی برای توسعه و عرضه‌ی گوشی‌های هوشمند تاشدنی دارد. در جریان کنگره جهانی موبایل، میت ایکس، گوشی تاشدنی هواوی با نمایشگر تمام‌صفحه و مودم 5G معرفی شد. انتظار می‌رود این گوشی هوشمند هواوی ماه ژوئن (خردادماه) به بازار عرضه شود.

Huawei Mate X / هواوی میت ایکس

مقاله‌های مرتبط:

  • گلکسی فولد، گوشی تاشدنی سامسونگ معرفی شد
  • هواوی میت ایکس دربرابر گلکسی فولد؛ مقایسه دو محصول از آینده

باوجودی که غول فناوری چینی نیز معتقد است که گوشی تاشدنی هواوی میت ایکس دستگاهی نسبتا گران‌قیمت است، اما چینی‌ها بر عرضه و فروش دستگاه تاشدنی خود تمرکز کرده‌اند. البته انتظار می‌رود که به‌مرور زمان و عرضه‌ی گوشی‌های هوشمند تاشدنی به بازار، قیمت چنین دستگاه‌هایی سیر نزولی داشته باشند.

در عرض دو سال آینده، گوشی‌های هوشمند پرچم‌دار هواوی با نمایشگر تاشدنی، قیمت بسیار بالاتری نسبت به گوشی‌های هوشمند معمولی نخواهند داشت و به‌تدریج قیمت چنین دستگاه‌هایی نیز روند نزولی را در بازار طی خواهد کرد. در نتیجه، گوشی‌های تاشدنی بیشتری به بازار عرضه خواهد شد. انتظار می‌رود تا سال ۲۰۲۱، نیمی از گوشی‌های پرچم‌دار هواوی با نمایشگر تاشدنی به بازار عرضه شوند. همچنین به‌نظر می‌رسد که یکی از این گوشی‌های هوشمند تاشدنی ابعادی کوچک‌تر از هواوی میت ایکس و هواوی پی ۳۰ پرو داشته باشند.

بی‌شک دستگاه‌های تاشدنی در سال‌های پیش‌رو، از اهمیت ویژه‌ای برای هواوی برخوردار خواهند بود و غول فناوری چینی قصد دارد توجه بیشتری به گوشی‌‌هایی با نمایشگر تاشدنی نشان دهد. البته هواوی به این نکته نیز توجه دارد که همه‌ی کاربران به طراحی گوشی تاشدنی ممکن است علاقه‌مند نباشند. برخی از کاربران کماکان گوشی‌های هوشمند سنتی را ترجیح می‌دهند. در نتیجه،به‌نظر می‌رسد گوشی‌های هوشمند با طراحی سنتی کماکان به بازار عرضه خواهند شد. 

هواوی قصد دارد بزرگترین تولیدکننده گوشی هوشمند جهان شود
سود ۸.۸ میلیارد دلاری هواوی در سال ۲۰۱۸
ویدئویی از مراحل تست نمایشگر تاشدنی گلکسی فولد منتشر شد
هواوی میت 30 پرو در مرحله تست قرار دارد؛ معرفی در شهریور یا مهرماه
هواوی میت 30 احتمالاً از 5G پشتیبانی می‌کند

خبر های جدید


در دنیای امروز فناوری، اخبار و مقاله‌های پیرامون یادگیری ماشین، بیش از همیشه ما را احاطه کرده‌اند. تقریبا هر صنعتی از این فناوری صحبت می‌کند. اکثر متخصصان و کارشناسان نیز تلاش می‌کنند تا از مزایای یادگیری ماشین، برای بهبود وضعیت خود در بازارها استفاده کنند.

پیش از پیاده‌سازی هر نوعی از فناوری مذکور، ابتدا باید از خود بپرسیم که یادگیری ماشین چیست؟ طبق تعریف Hewlett Packard:

یادگیری ماشین به فرایندی اشاره می‌کند که کامپیوترها، شناسایی الگویی را فرا می‌گیرند. به‌علاوه، کسب توانایی توسط آن‌ها برای یادگیری مستمر و ارائه‌ی پیش‌بینی براساس داده نیز در این تعریف قرار می‌گیرد. ماشین‌ها در ادامه‌ی یادگیری، تعدیل و اصلاح پیش‌بینی‌ها و بیانات خود را نیز بدون نیاز به برنامه‌نویسی اختصاصی برای آن موضوع انجام می‌دهند.

به‌بیان ساد‌ه‌تر، یادگیری یعنی ماشین‌ها تحلیل و اقدام براساس حجم‌های بالای اطلاعات را انجام داده و همچنین، به یادگیری و بهبود عملکرد خود در طول زمان ادامه دهند.

مقاله‌های مرتبط:

  • یادگیری ماشین چگونه بازاریابی را بهبود می‌دهد
  • چگونه یادگیری ماشین در کسب و کارها مورد استفاده قرار می‌گیرد؟

به‌عنوان نمونه‌ای از کاربردهای عملی یادگیری ماشین، می‌توان فناوری تشخیص چهره را مثال زد. همه‌ی ما می‌دانیم که این فناوری، روز‌به‌روز پیشرفته‌تر می‌شود. امروز، کاربران گوشی‌های آیفون، قفل گجت‌های خود را با شناسایی چهره باز می‌کنند. به‌علاوه، مقامات قانونی نیز از فناوری تشخیص چهره برای شناسایی رفتارهای خلافکارانه و دستگیری مجرمان بهره می‌برند. در مقالی دیگر، گوگل فوتوز و سرویس‌های مشابه، به کاربران امکان می‌دهند که تصاویر را براساس افراد حاضر در آن‌ها دسته‌بندی کنند. الگوریتم‌های گفته‌شده در گذشته دقت بالایی نداشتند، اما به‌مرور، حرفه‌ای‌تر و دقیق‌تر شدند و تبحر خود را مرهون یادگیری ماشینی هستند.

یادگیری ماشین

یادگیری و هوشی که در بالا شرح دادیم، با هوش انسانی تفاوت دارد. می‌توان آن را یادگیری برنامه‌نویسی‌شده هم نامید که قطعا کاربردهایش فراتر از تشخیص چهره است و در تمامی صنایع نفوذ می‌یابد. به‌عنوان مثال، می‌توان بازاریابی را بیان کرد. بازاریاب‌های امروزی، همه‌ی تلاش خود را به‌کار می‌گیرند تا پیام و تصویری مناسب هر مخاطب به او ارائه کنند. قطعا انسان‌ها نمی‌توانند در مقیاس‌های بزرگ با تک‌تک مخاطبان ارتباط برقرار کنند، اما ماشین‌ها این توانایی را دارند. شاید تصور پیاده‌سازی آن روش‌ها روشن نباشد، اما در ادامه‌ی این مقاله‌ی زومیت، روش‌های برای استفاده‌ی کاربردی از یادگیری ماشین در حوزه‌ی بازاریابی را شرح می‌دهیم.

۱- پیشنهاد بهترین محصولات یا محتوا

پیشنهادها براساس خصوصیات منحصر‌به‌فرد هر مشتری به او ارائه می‌شوند

پیشنهاد محتوا و محصول مرتبط، از دیرباز به‌عنوان ابزاری کاربردی در دست بازاریابان شناخته می‌شود. در گذشته و اکنون، پیشنهادها توسط نیرو و تفکر انسانی آماده می‌شدند و از ۱۰ سال گذشته، الگوریتم‌های ساده‌ای برای پیشنهادهای تقریبا اتوماتیک به کار گرفته شده‌اند. الگوریتم‌هایی که پیشنهادها را تنها براساس خریدهای دیگر مشتریان به مشتری دیگر ارائه می‌دهند.

یادگیری ماشین، می‌تواند در بهینه‌سازی الگوریتم‌های کنونی پیشنهاد محصول و محتوای مرتبط، کمک شایانی ارائه دهد. با استفاده از این فناوری می‌توان تمامی اطلاعاتی که از یک شخص داریم، مانند سابقه‌ی خرید، فعالیت کنونی در وب، ارتباطات ایمیلی، موقعیت، صنعت فعالیت، ویژگی‌‌های سنی و جنسیتی و موارد مشابه را با هم ترکیب کند و بهترین و نزدیک‌ترین محصول و محتوا را به او پیشنهاد دهد. یادگیری ماشین، دسته‌بندی، قیمت و مشخصات مختلف محصول را با علاقه‌مندی‌ها و سوابق فرد مورد نظر ترکیب کرده و بهترین پیشنهاد را به او می‌دهد. به‌همین ‌دلیل، پیشنهادها هم روز‌به‌روز بهتر می‌شوند.

بازاریابی

پیشنهادهای براساس یادگیری ماشین، به محصول و محتوا خلاصه نمی‌شوند. شما با به‌کارگیری فناوری می‌توانید حتی برند، دسته‌بندی محصول، مشخصات فنی، موضوع، نویسنده و انواع دیگر موارد را به کاربر پیشنهاد دهید. درنهایت، به‌کارگیری یادگیری ماشین به شما امکان می‌دهد که تجربه‌ای جذاب را در وبسایت یا ایمیل‌های تبلیغاتی خود ایجاد کنید که مخاطب، بتواند به‌کمک آن‌ها، موارد مورد علاقه‌ی خود را بهتر پیدا کند.

۲- شناسایی گروه‌های مهم مشتریان

با وجود آنکه یادگیری ماشین، پیشنهاد‌ها مرتبط خوبی را به مشتریان ارائه می‌کند، شناسایی دسته‌بندی‌های مهم آن‌ها براساس تفاوت‌های بسیار افراد، هنوز مسئله‌ای حیاتی برای بازاریاب‌ها است. آن‌ها باید گروهی که بیش از همه به خرید محصولات راغب می‌شوند را زودتر از رقبا شناسایی کنند و آن‌ها را هدف قرار دهند. تشخیص تفاوت‌های مشهود مشتریان همچون مشتری جدید یا وفادار، برای انسان‌ها به‌راحتی انجام می‌شود، اما بسیاری از تفاوت‌ها هستند که در حجم بالای داده‌ی مرتبط با مشتری، از دید ما پنهان می‌مانند.

یادگیری ماشین به بازاریاب کمک می‌کند که دسته‌بندی‌های جدیدی را در میان مشتری‌ها کشف کند که قبلا به آن‌ها توجه نمی‌کرد. به‌علاوه، می‌توان از آن اطلاعات استفاده کرده و پیشنهادانت مرتبط‌تری به مشتریان ارائه کرد.

customer

به‌عنوان مثال، یادگیری ماشین تشخیص می‌دهد که نسل جوانی که قصد نوسازی خانه‌ی خود را دارند، رفتارهای مشخصی از خود نشان می‌دهند. با آن اطلاعات، می‌توان پیام‌های بهینه‌تری را برای آن دسته از مشتریان آماده و ارسال کرد. می‌توان زبان صحبت با آن‌ها را متفاوت از افراد دیگر در نظر گرفت. به‌علاوه، به محض نشان دادن رفتارهای مشابه از سوی مشتریان دیگر نیز می‌توان آن‌ها را به این دسته‌بندی اضافه کرد.

۳- شناسایی و عمل در مقابل مشکلات احتمالی

کمپین‌‌های بازاریابی، داده‌های زیادی تولید می‌کنند. مثلا، ایمیل‌هایی که روزانه توسط یک شرکت بزرگ ارسال می‌شود را در نظر بگیرید. می‌توان تعداد کاربران وبسایت را نیز به‌عنوان نمادی از داده‌های عظیم در نظر گرفت. تمامی آن ارتباط‌ها، داده تولید می‌کنند که قطعا هیچ انسانی نمی‌تواند همه‌ی آن‌ها را مشاهده و تحلیل کند. به‌علاوه، مشکلات احتمالی و چالش‌‌های عملکردی نیز قابل تشخیص نیستند. یادگیری ماشین می‌تواند مشکلات را پیش‌بینی کند و پیش از وقوع، به شما اطلاع دهد.

هوش انسانی توانایی تحلیل حجم بالای داده را ندارد

به‌عنوان مثالی کاربردی، تصور کنید کمپینی ایمیلی برای افزایش فروش یک فروشگاه اینترنتی پیاده‌سازی کرده‌اید. در ایمیلی‌های ارسالی، یک لینک اشتباه قرار دارد که به صفحه‌ی مورد نظر از سایت شما منتقل نمی‌شود. یادگیری ماشینی با بررسی ورودی‌ها از لینک‌های ایمیلی، متوجه پایین بودن نرخ آن‌ها بسته به ارسال می‌شود و شما را مطلع می‌کند. درنهایت، شما با اطلاع از مشکل، پیش از اوج گرفتن بحران در کمپین ایمیلی، رویکردهای اصلاحی را انجام می‌دهید.

یادگیری عمیق

۴- تکامل تست‌های A/B

آزمایش روندهای مختلف بازاریابی هم با به‌کارگیری یادگیری ماشین بهبود می‌یابد. تست‌های سنتی A/B به شما امکان می‌دهند که ۲ یا چند تجربه‌ی دیجیتال را در مخاطبان تصادفی آزمایش کنید. سپس بهترین راهکار با بیشترین بازده را انتخاب کنید و با همان، ادامه دهید. آن رویکردها قطعا کاربردهای مثبتی دارند، اما تمامی تفاوت‌های گروه‌‌های مختلف را مد نظر قرار نمی‌دهند. در تست‌های مذکور، یک نمونه را برای گروهی نمایش می‌دهید و شاید آن‌ها هیچ‌گاه نمونه‌ی مورد علاقه‌ی خود را مشاهده نکنند. یادگیری ماشین، آن رویکرد را تغییر می‌دهد. 

مقاله‌های مرتبط:

  • آموزش: تست A/B چیست و چگونه طراحی می‌شود

به‌عنوان مثال، با یادگیری ماشین، به‌جای پیاده‌سازی ۲ طراحی متفاوت صفحه‌ی اول وبسایت و انتظار برای بازدید و انتخاب بهترین طراحی از میان آن‌ها، می‌توانید تجربه را به هوش مصنوعی بسپارید. الگوریتم، با استفاده از اطلاعات افراد، بهترین نمونه را برای هر کدام از آن‌ها پیشنهاد می‌دهد. در ادامه، با استفاده از اطلاعات تجربه‌ی اولیه‌ی کاربران با طراحی مورد نظر، تصمیم‌های آتی اتخاذ می‌شود.

همان رویکرد بالا را می‌توان در تبلیغ‌ها نیز به کار گرفت. به‌جای آنکه تخفیف ثابت ۲۰ درصدی به همه‌ی کاربران داده شود، الگوریتم هوش مصنوعی، تخفیف را تنها به افرادی ارائه می‌کند که نیاز به انگیزه‌ای بیشتر برای خرید دارند. برای افراد دیگر نیز می‌توان تبلیغ‌های متفاوت، مثلا محصولی جدید در دسته‌بندی مورد علاقه‌ی آن‌ها، ارائه کرد.

بازاریابی محتوا

۵- انتخاب نحوه‌ی تعامل با افراد

شما چگونه زمان و محل ارتباط با یک مشتری بالقوه را تشخیص می‌دهید؟ به‌علاوه، روش ارتباط چگونه انتخاب می‌شود؟ آیا او ایمیل را ترجیح می‌دهد؟ آیا اعلان‌های موبایلی، پیامک یا تماس برای او بهتر هستند؟ در چه فواصلی باید با مشتری تماس بگیرید؟ تمامی این سؤال‌ها را می‌توان با استفاده از یادگیری ماشین پاسخ داد.

به‌جای استفاده از روش‌های سنتی و ارسال انبوه ایمیل‌های ثابت برای همه‌ی مشتریان بالقوه، می‌توان از یادگیری ماشین استفاده کرد. الگوریتم‌های تشخیص می‌دهند که آیا یک ایمیل مشخص توسط یک کاربر مشخص باز شده یا نادیده گرفته می‌شود. با استفاده از این اطلاعات، می‌توان ایمیل‌ها یا پیام‌ها را با طراحی بهتر و در زمان مناسب‌تر ارسال کرد.

درنهایت باید بدانید که یادگیری ماشین، بیش از همه‌چیز در تفسیر داده‌های انبوه و استخراج اطلاعات مفید، کاربرد نهایی خود را نشان می‌دهد. در دنیایی که داده‌ها، بیش از توان ما در تفسیر و بررسی جمع‌آوری می‌شوند، فناوری مذکور کاربرد بالایی دارد. به‌علاوه تمایل به شناخت بهتر مشتریان و ارتباط شخصی با آن‌ها هم روز‌به‌روز بیشتر می‌شود. در چنین وضعیتی، قطعا به‌کارگیری یادگیری ماشین، مزیت‌های زیادی به‌همراه خواهد داشت. 

استونی می‌خواهد از قاضی هوش مصنوعی در دادگاه‌های خود استفاده کند
مک‌ دونالد با خرید ۳۰۰ میلیون دلاری به حوزه کلان‌داده وارد می‌شود
اکثر کاربران از شیوه کاری تبلیغات فیسبوک اطلاع ندارند
آیا می‌توان از فروشگاه‌های زنجیره‌ای بدون صندوق دزدی کرد؟
هوش مصنوعی به تشخیص بهتر بیماری‌ روانی کمک می‌کند

خبر های جدید


مطالب محبوب
تبلیغات متنی