Например, недавно появились сообщения о том, что в системах безналичной оплаты парковки в Великобритании пожилые водители были несправедливо оштрафованы. Это привело к призывам правительства вмешаться .

Возраст является одним из главных прогнозируемых параметров цифрового исключения . Только 47% людей в возрасте 75 лет и старше регулярно пользуются Интернетом. А из 4 миллионов, которые никогда не пользовались интернетом в Великобритании, только 300 000 человек моложе 55 лет .

Но пожилые люди не единственные, кто чувствует себя отчужденным от новых технологий . Например, исследования показывают, что уязвимые люди , такие как люди с ограниченными возможностями, также отказываются от электронных услуг и оказываются «запертыми» в обществе .

    Цифровой переход

От билетов на поезд до паспортов вакцин — растет ожидание того, что потребители должны использовать технологии для участия в повседневной жизни. Это глобальное явление. Впереди Швеция прогнозирует, что к марту 2023 года ее экономика станет полностью безналичной .

Магазины все чаще используют QR-коды, витрины виртуальной реальности и кассы самообслуживания. Для многих из этих систем требуется смарт-устройство, и набирает обороты внедрение QR-кодов в цифровые ценники , потому что они могут предоставлять покупателям дополнительную информацию, например, о питательной ценности продуктов питания. Замена бумажных этикеток — трудоемкий процесс.

Технологии проникают во все аспекты потребительской жизни. Отправляясь в отпуск, наслаждаясь кино или театром, вступая в спортивные и социальные клубы, люди чувствуют себя частью общества. Но многие популярные артисты теперь используют онлайн-очереди для продажи билетов на свои концерты. Социальные группы используют WhatsApp и Facebook, чтобы держать своих участников в курсе.

Когда дело доходит до бронирования отпуска, количество тур агентов, работающих лично , уменьшается . Это ограничивает социальную поддержку , чтобы сделать лучший выбор, кроме того, это важно для людей с особыми потребностями, таких как люди с проблемами со здоровьем. А во время путешествия экипажи ожидают, что посадочные талоны на рейс и паспорта COVID будут доступны на смартфонах.

Основные услуги, такие как здравоохранение, в которых пожилым и другим людям уже может быть трудно ориентироваться, также переходят в онлайн. Ожидается, что пациенты все чаще будут использовать веб-сайт врачей общей практики или электронную почту, чтобы обратиться к врачу. Приветствуется заказ рецептов через Интернет.

    Не только пожилые люди

Не каждый может позволить себе подключение к Интернету или смарт-технологии. Некоторые регионы, особенно сельские, борются за телефонную связь. Планы британской телефонной сети по переходу на цифровую связь к 2025 году, что сделает традиционные стационарные телефоны излишними, могут отрезать людей, которые полагаются на свои стационарные телефоны.

Опасения по поводу конфиденциальности также могут помешать людям использовать технологии. Сбор данных и нарушения безопасности влияют на доверие людей к организациям. Опрос 2020 года о доверии потребителей к предприятиям показал, что ни одна отрасль не достигла рейтинга доверия 50% в отношении защиты данных. Большинство респондентов (87%) заявили, что не будут иметь дело с компанией, если у них есть опасения по поводу ее методов обеспечения безопасности.

Некоторые люди рассматривают «принудительную» цифровизацию как символ потребительской культуры и будут ограничивать использование своих технологий. Последователи движения Simple Living , набравшего силу в 1980-х годах, стараются свести к минимуму использование технологий. Многие люди придерживаются подхода «меньше значит больше» к технологиям просто потому, что они считают, что они обеспечивают более осмысленное существование.

Однако одной из наиболее распространенных причин цифрового исключения является бедность . Когда в марте 2020 года разразилась пандемия , 51% домохозяйств с доходом от 6000 до 10 000 фунтов стерлингов имели домашний доступ в Интернет по сравнению с 99% домохозяйств с доходом более 40 000 фунтов стерлингов.

Ограниченный доступ к планшетам, смартфонам и ноутбукам может привести к чувству изоляции. Многие пожилые потребители разработали стратегии для решения и преодоления цифровых проблем , связанных с этими устройствами. Но те, кто не может заниматься технологиями, остаются исключенными, если их семья и друзья не живут поблизости.

    Умное изменение:

Решение состоит не только в том, чтобы дать устройства тем, у кого нет смарт-технологий. Несмотря на необходимость предоставления недорогого доступа в Интернет и технологий, а также поддержки в обучении новым навыкам, нам необходимо признать разнообразие в обществе.

Услуги должны предоставлять не цифровые возможности, обеспечивающие равенство. Например, не следует упразднять кассовые системы. Может возникнуть потребность в том, чтобы услуги стали цифровыми, но поставщики услуг должны знать о людях, которые будут изолированы в результате этого перехода.

Розничные торговцы, местные советы, поставщики медицинских услуг и предприятия, занимающиеся туризмом, развлечениями и отдыхом, должны попытаться лучше понять разнообразие своих потребителей. Им необходимо разрабатывать услуги, которые удовлетворяют потребности всех людей, особенно тех, у кого нет доступа к технологиям.

Мы живем в разнообразном мире, и разнообразным потребителям нужен выбор. В конце концов, доступ к обществу и включение в него — это право человека.

    Он-Бар, доцент кафедры электротехники и вычислительной техники инженерного колледжа и младший научный сотрудник Института вычислительной техники и вычислительной техники им. Рафика Б. Харири, и Джимуян Чжан, аспирант кафедры электротехники и вычислительной техники , недавно представили свои исследования на конференции 2021 года по компьютерному зрению и распознаванию образов. Их идея парадигмы обучения возникла из желания расширить обмен данными и сотрудничество между исследователями в своей области – в настоящее время автономным транспортным средствам требуется много часов данных о вождении, чтобы научиться безопасно управлять автомобилем, но некоторые из крупнейших мировых автомобильных компаний сохраняют свои обширные данные. объемы конфиденциальных данных для предотвращения конкуренции. 

    «Каждая компания проходит один и тот же процесс: забирают автомобили, устанавливают на них датчики, платят водителям за управление транспортными средствами, собирают данные и обучают автомобили вождению», – говорит Он-Бар. Обмен данными о вождении может помочь компаниям быстрее создавать безопасные автономные транспортные средства, позволяя всем членам общества получать выгоду от сотрудничества. Он-Бар говорит, что для нормальной работы системам искусственного интеллекта требуется так много данных, что ни одна компания не сможет решить эту проблему в одиночку.

    «Миллиарды миль [данных, собранных в дороге] – всего лишь капля в океане реальных событий и разнообразия», – говорит Он-Бар. «Тем не менее, отсутствующий образец данных может привести к небезопасному поведению и потенциальному сбою».

    Предложенный исследователями алгоритм машинного обучения работает, оценивая точки обзора и слепые зоны других близлежащих автомобилей, для того чтобы создать карту окружающей среды с высоты птичьего полета. Эти карты помогают беспилотным автомобилям обнаруживать препятствия, такие как другие автомобили или пешеходы, и понимать, как другие автомобили поворачивают, преодолевают препятствия и уступают дорогу, не врезаясь ни во что. 

    С помощью этого метода беспилотные автомобили обучаются, переводя действия окружающих транспортных средств в свои собственные системы координат – нейронные сети, работающие на основе алгоритмов машинного обучения. Эти другие автомобили могут быть управляемыми людьми без каких-либо датчиков или автомобилями с автопилотом другой компании. Поскольку наблюдения за всеми окружающими автомобилями в сцене являются центральными для обучения алгоритма, эта парадигма «обучения путем наблюдения» способствует обмену данными и, следовательно, более безопасным автономным транспортным средствам.

   Он-Бар и Чжан протестировали свой алгоритм «смотри и учись», заставив управляемые им автономные автомобили перемещаться по двум виртуальным городам: один с прямыми поворотами и препятствиями, похожими на их тренировочную среду, а другой с неожиданными поворотами, такими как пятиполосные перекрестки. В обоих сценариях исследователи обнаружили, что их беспилотная нейронная сеть попадает в очень мало аварий. Имея всего один час данных о вождении для обучения алгоритма машинного обучения, автономные транспортные средства благополучно прибывали к месту назначения в 92% случаев. 

   «В то время как предыдущие лучшие методы требовали часов, мы были удивлены, что наш метод смог научиться безопасно управлять автомобилем, имея всего 10 минут данных о вождении», – говорит Он-Бар.

   По его словам, эти результаты являются многообещающими, в связи с этим остается несколько открытых проблем в сложных городских условиях. «Очень сложно учитывать резко различающиеся точки зрения на наблюдаемые автомобили, шум и непрозрачность при измерениях датчиков и различных водителей», – говорит он.

   Забегая вперед, команда говорит, что их метод обучения автономных транспортных средств самостоятельному вождению может быть использован и в других технологиях. «Роботы-доставщики или даже дроны могут учиться, наблюдая за другими системами ИИ в их среде», – говорит Он-Бар.

    Доктор Кевин Чан, научный сотрудник Команды развития боевых возможностей армии США, известной как DEVCOM, Лаборатория армейских исследований, и сотрудники исследовательского центра IBM TJ Watson, Имперского колледжа Лондона и Университета штата Пенсильвания получили премию Леонарда Абрахама IEEE за их статья « Адаптивное федеративное обучение в пограничных вычислительных системах с ограниченными ресурсами» . Исследователи опубликовали свои выводы в журнале IEEE Journal on Selected Area in Communications .

     По словам исследователей, совместные усилия стали возможны благодаря международному технологическому альянсу лаборатории распределенной аналитики и информационных наук. Программа направлена ​​на развитие фундаментальных исследований, необходимых для обеспечения безопасной, динамической и семантически ориентированной распределенной аналитики для получения ситуационного понимания операций коалиции. 

Это исследование еще больше расширяет возможности и применимость федеративного обучения – термина, первоначально введенного Google.

      «Критический вариант использования федеративного обучения – операции коалиции, где совместное использование данных может быть запрещено политическими ограничениями, но совместное использование модели может быть разрешено», – сказал д-р Анантрам Свами, научный сотрудник DEVCOM ARL и старший научный сотрудник. «Кроме того, нехватка данных в сценариях, относящихся к армии, делает такое совместное использование моделей важным для повышения точности прогнозов».

        В статье и исследованиях впервые рассматриваются несколько важных проблем федеративного обучения, или FL, включая оптимизацию обучения при ограниченных ресурсах, конвергенцию FL с неидентично распределенным распределением данных и валидацию методики путем реализации с использованием реальных периферийных устройств. . По мнению общества, статья исследователей продемонстрировала высокое качество, оригинальность, полезность, своевременность и ясность изложения.

       «Тот факт, что в этой статье можно предложить решение, которое в совокупности решает все эти проблемы, делает ее очень ценным научным вкладом», – сказал доктор Шицян Ван, исследователь из Исследовательского центра IBM Thomas J. Watson.

       Федеративное обучение позволяет мобильным устройствам совместно изучать общую модель прогнозирования, сохраняя при этом все данные обучения на устройстве, отделяя возможность машинного обучения от необходимости хранить данные в облаке, сказал Чан.

        «Вклад нашего исследования заключался в том, чтобы понять, как мы можем проводить федеративное обучение на тактическом уровне», – сказал Чан. «В этой работе изучается, как лучше всего обучаться на больших наборах маломощных устройств, подключенных через сети с ограниченными ресурсами».

        Армия движется к использованию искусственного интеллекта и машинного обучения во всех аспектах операций, особенно в тактических сетевых настройках, где большие объемы данных генерируются на периферии и должны быть поняты, и, несмотря на ограничения вычислительных и сетевых ресурсов, должны использоваться. для поддержки широкого спектра операций, – сказал Чан.

       По его словам, будущие результаты этого исследования позволят солдату быстрее устанавливать и поддерживать ситуационную осведомленность, используя информацию со многих устройств.

       «Аналитические услуги, такие как классификация изображений и распознавание образов, очень важны для поддержки военных операций», – сказал Ван.

       По его словам, эти службы требуют использования большого объема данных, часто принадлежащих разным организациям и доступных в разрозненных местах, для обучения аналитических моделей различным задачам. Такое обучение модели сталкивается со следующими основными ограничениями в тактической среде:

• Владельцы данных могут предпочесть сохранить конфиденциальность данных, не делясь своими данными с другими.
• Ограниченная доступность коммуникационных, вычислительных и других ресурсов часто препятствует передаче всех данных на центральный сервер для процесса обучения.

     Команда решила техническую задачу распределенного обучения с учетом конфиденциальности данных и ограниченных ресурсов. В частности, они разработали ресурсоэффективное федеративное обучение для обучения аналитических моделей, в которых частные данные остаются локальными на граничных узлах сети, а между разными узлами совместно используются только параметры модели.

     По словам исследователей, новый метод включает в себя локальные обновления модели на граничных узлах и агрегирование глобальных параметров центральным сервером. Этот метод направлен на координацию этих различных операций FL для достижения наиболее эффективного обучения модели с учетом ограничений.

     «Что касается применения в оборонных приложениях, эта новая технология обеспечивает распределенное обучение или адаптацию аналитических моделей в средах с ограниченными ресурсами, чтобы позволить партнерам по коалиции (или военным подразделениям) помогать друг другу в изучении аналогичных задач без необходимости обмена конфиденциальными данными из-за соображений конфиденциальности или отсутствия коммуникационных ресурсов “, – сказал профессор Кин Леунг, факультет электротехники, электроники и вычислительной техники Имперского колледжа Лондона. «Новый подход обеспечивает передовые возможности над нашими противниками».

     Федеративное обучение является обязательным условием, если силы коалиции хотят объединить выводы из своих независимых данных для создания более совершенных моделей ИИ, – сказал д-р Динеш Верма, сотрудник IBM, возглавляющий группу, работающую в области распределенного ИИ.

     «Такие типы совместного использования могут быть очень сложными на тактическом уровне из-за ограниченной пропускной способности», – сказал Верма. «Инновации, предложенные в этом исследовании, решают многие из этих трудностей, делая такое совместное использование возможным в коалиционных тактических сетях. Технология имеет применимость за пределами тактических сетей – в любой среде, где несколько организаций обмениваются знаниями в среде с ограниченной пропускной способностью, включая автомобилестроение, производство, лесное хозяйство и др. горнодобывающая промышленность “.

     Команда примет награду на виртуальной презентации на Международной конференции IEEE по коммуникациям 15 июня.

     «Для меня большая честь получить признание IEEE Communications Society за наши успешные исследования и его вклад в сообщество исследователей коммуникаций и сетей», – сказал Чан. «Для меня большая честь быть присужденным этой наградой нескольким учреждениям, с которыми ARL активно сотрудничает. Сотрудниками также являются исследователи, с которыми я лично работал в течение многих лет, так что это здорово, что меня признают как команду».

      В этой статье заложена важная основа FL для края с ограниченными ресурсами, – сказал Ван.

     «Предлагаемый метод имеет решающее значение для будущих систем Интернета вещей, периферийных вычислений и сотовой связи (5G, 6G и выше), где многие приложения будут управляться ИИ, устройства будут оснащены вычислительными возможностями и возможностями хранения, а конфиденциальность данных будет становится все более важным “, – сказал Ван. “Фактически, статья повлияла на многих других исследователей, о чем свидетельствуют более 400 ссылок на Google Scholar с момента ее публикации в 2019 году.

Стоимость RedmiBook 16 и RedmiBook 14 II

RedmiBook 16 поставляется в двух вариантах. Модель хранилища Core i5 / 16GB RAM / 512GB SSD стоит 4999 юаней (примерно 19 200 грн), а модель Core i7 / 16GB RAM / 512GB SSD – 5699 юаней (примерно 21 900 грн). Он поставляется в сером цвете.

С другой стороны, RedmiBook 14 II поставляется в четырех конфигурациях. Вариант хранилища Core i5 / 8GB RAM / 512GB SSD стоит 4699 юаней (примерно 18 000 грн), а модель Core i5 / 16GB RAM / 512GB SSD со 100-процентным покрытием sRGB – 4999 юаней (примерно 19 200 грн). Core i7 с теми же вариантами оперативной памяти и хранилища стоят 5 399 юаней (примерно 21 700 грн) и 5  699 юаней (примерно 21 900 грн) соответственно. RedmiBook 14 II поставляется в серебристом цвете.

И RedmiBook 16, и RedmiBook 14 II поступят в продажу в Китае с 15 июля. Информации о международной доступности пока нет.

RedmiBook 16, RedmiBook 14 II технические характеристики

Между двумя моделями есть только небольшие различия, основной из которых является размер экрана. Как следует из названия, RedmiBook 14 II оснащен 14-дюймовым дисплеем, а RedmiBook 16 – 16-дюймовым дисплеем. Они оба являются экранами full-HD, и Xiaomi дает возможность выбрать экран с лучшей точностью цветопередачи с RedmiBook 14 II. Оба тонких и легких ноутбука оснащены процессором Core i7-1065G7 10-го поколения, и все варианты поставляются с графическим процессором Nvidia GeForce MX350 с 2 ГБ оперативной памяти GDDR5. Они могут быть оснащены до 16 ГБ оперативной памяти DDR4 с тактовой частотой 3200 МГц и до 512 ГБ для хранения SSD.

Для обеспечения связи и RedmiBook 14 II, и RedmiBook 16 поставляются с поддержкой двухдиапазонного Wi-Fi 6, 2×2 MIMO WLAN, Bluetooth v5.1, двух портов USB Type-C, двух портов USB Type-A, порта HDMI и разъем для наушников 3,5 мм. Оба идут с предустановленной Windows 10 Home. Звук обрабатывается двумя 2W динамиками с обработкой звука DTS.

Аккумулятор RedmiBook 14 II составляет 40 Вт, в то время как RedmiBook 16 получает чуть большую батарею 46 Вт. Оба поддерживают зарядку 65 Вт через порт USB Type-C. Что касается размеров, RedmiBook 14 II имеет размеры 203,1×320,51×16,85 мм и весит 1,3 кг. С другой стороны, RedmiBook 16 имеет размеры 232,86×367,20×17,55 мм и весит 1,8 кг.

     Они добавили: «Результатом является резкое уменьшение толщины и веса: голографическая оптика изгибает свет как линза, но выглядит как тонкая прозрачная наклейка».
Отчет будет официально представлен на ежегодной конференции SIGGRAPH по компьютерной графике и разработкам в виртуальной реальности, которая состоится 19-23 июля. По иронии судьбы, конференция в этом году станет виртуальной, благодаря COVID-19.
Facebook недавно объединил свои усилия в области виртуальной реальности и сосредоточился на автономных наушниках, таких как Oculus Quest. Генеральный директор Марк Цукерберг купил стартап Oculus VR шесть лет назад за 2 миллиарда долларов. В то время он заявил: «У Oculus есть шанс создать самую социальную платформу и изменить способ работы, игры и общения».
Последний прототип предполагает, что компания признает, что, хотя виртуальная реальность включена в быстро расширяющиеся границы социальных сетей, комфорт будет играть ключевую роль. Несмотря на свои впечатляющие возможности, такие гарнитуры, как Oculus Quest и Microsoft HoloLens, не получили широкого распространения во многом из-за их громоздкости и дискомфорта для пользователей, которые обычно носили их в течение длительных периодов времени.
Google наращивает свои усилия в дополненной реальности. Ранее на этой неделе он приобрел компанию North, специализирующуюся на очках дополненной реальности. Он продолжает поддерживать разработку Google Glass, виртуального компьютера в очках. А Apple работает над гарнитурой виртуальной реальности и очками дополненной реальности, выпуск которых запланирован на 2022 год.

     «Незнание того, куда дальше будет течь вода для наводнения, особенно пагубно для тех, кто оказывает первую помощь, которым необходимо измерить уровень наводнения при проведении спасательных работ», – сказал доктор Али Мостафави, доцент кафедры гражданского и экологического строительства в Захри. «Наш новый алгоритм рассматривает подземные дренажные каналы, чтобы обеспечить точное представление о том, как распространяются наводнения. Мы полагаем, что этот инструмент может значительно помочь в ликвидации последствий стихийных бедствий, потому что первые спасатели смогут увидеть, в каком направлении будет течь вода в реальном времени».

     Ураганы печально известны тем, что наносят ущерб береговой линии, сваливают деревья, разрушают линии электропередач и, что самое главное, вызывают сильные наводнения. Традиционно ученые использовали физические модели, чтобы предсказать, где вода может собираться, переливаться и вызывать наводнения. По сути, эти модели показывают, как физические особенности земной поверхности и городских ландшафтов влияют на поток воды над землей.

     Несмотря на то, что Мустафави твердо предсказывал, когда и где произойдут наводнения при большинстве условий выпадения осадков, Мостафави сказал, что эти традиционные модели не так хороши при прогнозировании наводнений во время случаев проливных дождей, таких как ураган Харви.

     «Физические модели предлагают одну точку зрения о том, как могут распространяться наводнения, что чрезвычайно полезно, но картина, которую они предоставляют, несколько неполна», – сказал он. «Мы хотели использовать существующие данные о том, как прошлые наводнения распространились по дренажным каналам, для разработки модели, которая могла бы предсказать, в пределах определенного уровня точности, как будущие наводнения будут распространяться».

     Дренажные каналы представляют собой сложную сеть переплетенных каналов, которые встречаются в узлах, называемых узлами. Таким образом, наводнение в одном канале может прямо или косвенно влиять на другие каналы и вызывать распространение наводнений, подобно эффекту домино.

     Чтобы предсказать, каким образом паводковая вода будет течь по дренажным каналам и вызывать затопление, Мостафави и его команда разработали модель, основанную на вероятности, которая в качестве одного из входных данных использовала показания уровня воды на датчиках наводнения. Эти показания были для разных моментов времени во время двух крупных наводнений в Техасе – урагана Харви в 2017 году и наводнения в День памяти Хьюстона в 2015 году.

     После того, как их алгоритм был обучен схемам потока воды через дренажную сеть для этих явлений сильных дождей, исследователи проверили, работает ли их модель, проверив, может ли она предсказать схемы наводнений, которые наблюдались во время наводнения в Хьюстонский день в 2016 г.

     Они обнаружили, что их модель достигла точности 85% в прогнозировании того, как наводнение распространялось через дренажную систему города во время наводнения в День налогов. Хотя модель была подтверждена с использованием события прошлого наводнения, Мостафави сказал, что успех модели предполагает, что она также сможет предсказать, как новые наводнения будут распространяться через дренажные сети города. Это понимание может помочь аварийным службам предпринять упреждающие шаги к эвакуации, сказал он.

     Отметив предостережения своей модели , Мостафави сказал, что производительность их алгоритма может быть скомпрометирована, если датчики на измерительных приборах выйдут из строя. Тем не менее, дополнение прогнозов, основанных на физических моделях, к новым алгоритмам их команды может еще раз восстановить точность прогнозирования наводнений.

     «Традиционные модели и наши модели, основанные на данных, могут использоваться для дополнения друг друга, чтобы дать более точное представление о том, куда пойдут паводковые воды» , – сказал Мостафави. «Ураганы такого масштаба, как Харви или Катрина, как правило, считаются событием« один на тысячу лет », но они могут быть не такими редкими, если мы рассмотрим изменения в глобальных погодных условиях из-за изменения климата. Но теперь у нас больше надежные инструменты, чтобы выдержать шторм “.

     В рамках исследовательского проекта ученые во главе с профессором доктором инж. Себастьян Стобер из Лаборатории искусственного интеллекта в Университете Магдебурга будет применять методы из когнитивной нейробиологии для анализа искусственных нейронных сетей и лучшего понимания того, как они работают.

     Когнитивная нейробиология, вдохновленная технологиями для исследовательского проекта ИИ, или, если коротко, CogXAI, который продлится три года, получит более миллиона евро от Федерального министерства образования и исследований Германии.

     Искусственные нейронные сети, или сокращенно ANN, являются самообучающимися интеллектуальными системами, которые вдохновлены структурой естественного мозга. Они, как и биологические нервные системы, способны учиться на собственном опыте, чтобы самостоятельно решать сложные проблемы.

     «В то время как в нашем мозгу эти сети состоят из миллионов нервных клеток, взаимодействующих друг с другом посредством химических и электрических сигналов , искусственные нейронные сети можно понимать как компьютерные программы», – говорит профессор Стобер. «Благодаря своим сильным способностям к обучению и гибкости, в последние годы искусственные нейронные сети под термином« глубокое обучение »зарекомендовали себя как популярный выбор для разработки интеллектуальных систем ».

     Стобер и его команда исследуют, как найти разные области в искусственной нейронной сети , которая, как и в биологическом мозге, отвечает за определенные функции. Как и в случае записи сканирования мозга в сканере магнитно-резонансной томографии (МРТ), эксперты по искусственному интеллекту стремятся идентифицировать определенные области ИНС, чтобы лучше понять, как они работают.

     Кроме того, исследование мозга также дает важные выводы об обучающем поведении человеческого мозга. В компьютерном ученых использует этот богатый опыт , чтобы позволить искусственные нейронным сети для получения быстрого и эффективного обучения поведения. Передавая концепции человеческого восприятия и обработки сигналов в искусственные нейронные сети, они намереваются выяснить, как эти самообучающиеся системы делают прогнозы и / или почему они делают ошибки.

     «Естественный мозг исследуется более 50 лет», – объясняет профессор Стобер. «Однако в настоящее время этот потенциал практически не используется при разработке архитектур искусственного интеллекта. Благодаря передаче нейронаучных методов для изучения искусственных нейронных сетей их процессы обучения также станут более прозрачными и более простыми для понимания. Таким образом, станет возможным выявлять неисправности искусственных нейронов на ранней стадии в процессе обучения и исправлять их во время обучения ».

     По словам Стобера, развитие искусственных нейронных сетей быстро прогрессирует. «Благодаря использованию высокопроизводительных компьютеров все большее количество искусственных нейронов можно использовать для обучения. Однако растущая сложность этих сетей затрудняет даже экспертам понимание их внутренних процессов и процесса принятия решений», – объясняет ученый. и лидер проекта CogXAI. «Однако, если мы хотим иметь возможность безопасно использовать искусственный интеллект в будущем, важно полностью понять, как он работает».

     Теперь исследователи из Университета Иллинойса в Урбана-Шампейн продемонстрировали новый тип воздушно-струйного кулера, который преодолевает предыдущие барьеры для систем струйного охлаждения . Используя аддитивное производство , исследователи создали систему воздушно-струйного охлаждения в одном компоненте, которая может направлять высокоскоростной воздух в несколько горячих точек электроники. Исследователи изготовили систему охлаждения из прочных полимерных материалов, которые могут противостоять суровым условиям, связанным с высокоскоростными воздушными струями.

     «Свобода проектирования аддитивного производства позволяет нам создавать решения для охлаждения, размеры и формы которых ранее были невозможны», – сказал Уильям Кинг, председатель Andersen и профессор кафедры механики и техники. «Это действительно открывает новый мир возможностей для управления температурным режимом».

Исследования были направлены на отвод тепла от мощных электронных устройств. «Острые проблемы терморегулирования мощных электронных устройств появляются во множестве приложений, особенно в современных дата-центрах, а также в электромобилях, включая самолеты, автомобили и внедорожники», – сказал Ненад Милькович, доцент кафедры механических наук. и Engineering в Иллинойсе и соавтор опубликованного исследования.

     Применения мощных электронных устройств быстро растут – в электромобилях , системах солнечной энергии, связи 5G и вычислительных мощностях с использованием графических процессоров (GPU) и других. Электронные устройства в этих системах генерируют тепло, которое необходимо отводить для эффективной и надежной работы. В целом, более высокая мощность приводит к более высокой производительности. К сожалению, более высокая мощность также затрудняет отвод тепла. Новые технологии охлаждения необходимы для поддержки роста электрических систем.

     Статья «Воздухоструйное охлаждение электронных устройств с использованием насадок аддитивного производства» была опубликована в журнале IEEE Transactions по компонентам, упаковке и технологии производства .

     «Новизна нашего алгоритма заключается в том, что он предоставляет сложный инструмент принятия решений, который может использоваться инженерами проекта для выбора между конкурирующими проектами для своих установок химической обработки», – сказал д-р Прерна Джейн, работавший в Mary Kay O’Connor Центр безопасности процессов – аспирант в Texas A & M и в настоящее время инженер в нефтегазовой компании. «Наш инструмент объединяет данные о потенциальных опасностях оборудования, экономические данные и, что более важно, сложные взаимодействия человек-машина для создания единого числового результата. Это число указывает на конструкцию, которая максимизирует прибыль при одновременном снижении воздействия на окружающую среду и опасности».

     Статья о результатах исследовательской группы была опубликована в октябре в ACS Sustainable Chemistry and Engineering.

     Прежде чем продукты на основе нефти используются в повседневных целях, таких как отопление домов или заправка автомобилей, сырая нефть проходит серию этапов обработки для очистки и упаковки. Тем не менее, каждая фаза обработки может быть разработана различными способами с использованием различных технологий и различного количества рабочей силы. И так, каждый дизайн может значительно отличаться с точки зрения стоимости, безопасности, воздействия на окружающую среду и технического обслуживания.

     Чтобы выбрать один из множества возможных вариантов, инженеры часто прибегают к числовому значению, которое называется окупаемостью инвестиций. Этот показатель в своей простейшей версии указывает на финансовую выгоду или прибыль, полученную в результате определенных первоначальных денежных вложений в данный дизайн. Тем не менее, инженеры часто используют более обширные алгоритмы, которые включают такие факторы, как воздействие на окружающую среду и безопасность работников, для расчета рентабельности инвестиций.

     Но Джейн отметил, что даже эти более сложные алгоритмы в значительной степени упускают из виду социальные факторы , такие как то, как часто обновляются руководства по процедурам на химическом заводе или как часто проводится техническое обслуживание оборудования. По ее словам, этот человеческий фактор важно учитывать при расчете окупаемости инвестиций, потому что неисправные взаимодействия между оборудованием и оборудованием часто лежат в основе бедствий химических предприятий, таких как пожары и взрывы.

     Д-р Махмуд эль-Халваги, профессор и Брайан, исследовательский и инженерный факультет на факультете химического машиностроения Арти Макферрин в Техасе A & M, отметил, что социальные факторы и факторы безопасности обычно учитываются после принятия важных проектных решений, касающихся химического завода. «На данном этапе ключевые компоненты дизайна уже доработаны, и становится довольно сложно внести существенные изменения в дизайн», – сказал он.

     Чтобы устранить эти недостатки, Джейн и ее команда разработали еще более сложную математическую основу, которую можно было бы использовать при проектировании установок химической обработки. Кроме того, их алгоритм теперь включает взаимодействие человек-машина.

     В новом алгоритме они включили величину, называемую сопротивляемостью, или способностью химического завода восстанавливаться из напряженного состояния.

     «Подобно тому, как резиновая полоса может быть растянута до предела упругости только до того, как она сломается, химические заводы , если использовать их на полную мощность и без мер безопасности, могут разлагаться, что приводит к катастрофам», – сказал Джайн. «Включая устойчивость в наш алгоритм, мы хотели включить сложные взаимодействия между человеком и технологией, которые могут повлиять на устойчивость и, соответственно, оценку возврата инвестиций».

     Как только алгоритм был полностью разработан, исследователи использовали его для сравнения различных конструкций газокомпрессорных систем, часто используемых на химических заводах. В частности, они сравнили величину возврата инвестиций для компрессионной системы, существующей на химическом заводе, с пятью другими гипотетическими конструкциями.

     Джейн и ее коллеги обнаружили, что после учета социальных факторов наиболее перспективной конструкцией компрессорной системы была не та, которая уже была на существующей установке, а та, которую создали исследователи.

     Джейн отметил, что их наблюдения указывают на возможность использования их алгоритма для оценки новых идей проектирования процессов, которые существуют в теории, но не были проверены на существующей установке.

     «В энергетической отрасли часто не решаются вкладывать средства в новый дизайн процесса, если он еще не оценен», – сказал Джейн. «Благодаря нашему алгоритму у нас теперь есть возможность мозгового штурма идей для разработки новых процессов и их виртуального тестирования, без необходимости их физической настройки и запуска. Более того, мы можем снабдить алгоритм числами, соответствующими различным социальным факторам, относящимся к химические заводы. В этом процессе мы могли бы наткнуться на новый, более совершенный дизайн, более безопасный для работников и более благоприятный для окружающей среды ».

«Конкуренция растет, а цены падают, что делает сейчас лучшее время, чтобы сделать ваш дом», – говорит умный Ютоубер Стив Симс, у которого есть канал под названием «Стив Делает», посвященный обзорам и установке умных домов.

Он предлагает начать с малого, с подключенного динамика, затем добавить интеллектуальные переключатели и лампочки, прежде чем углубляться в дверные звонки и другие продукты.

«Посмотрите, что вам нравится и что вам нужно больше», говорит он. «Не нужно покупать 10 умных штекеров, и вы поймете, что вам нужно только три для того, что вы хотите сделать. К тому времени, как вы воспользуетесь другими семью вилками, что-то более новое, лучшее и более дешевое уже не будет».

Должен ли я получить Google Assistant или Alexa?

Сначала решите, кого вы хотите видеть у себя дома: помощника Google или сервиса Amazon. Alexa доступна на большем количестве устройств, в то время как Google имеет тенденцию быть немного умнее и более разносторонним, отвечая на вопросы о загадочных предметах. Оба будут выполнять основные функции – включать и выключать умные фонари, сообщать, кто у двери, и открывать дверь гаража.

Если вы пользуетесь телефоном на базе Android, вы уже живете в Googleland, и вам может быть удобнее пользоваться Помощником. У Amazon нет смартфона, и он будет отправлять вас назад и вперед в приложение для смартфонов на устройствах Apple и Android, чтобы настроить навыки.

Но не все продукты работают с Google, Amazon или наоборот. Устройство видеочата Facebook Portal для телевизоров работает только с Alexa, как и линейка интеллектуальных наушников Sony с шумоподавлением, в то время как дверной звонок Nest отвечает только на Google.

И хотя динамик Sonos Move работает с обоими, он один или другой. При настройке вы должны выбрать Алекса или Google.

Многие из умных продуктов также работают с Apple HomeKit, что означает личный помощник Siri. В то время как у Apple есть домашний динамик, HomePod, он все еще продается очень плохо и не обновлялся, в то время как Google и Amazon активно продают и продают свои товары.

Какие умные устройства мне нужны?

Amazon Echo Dot и Google Nest Mini – это модели начального уровня, крошечные динамики с жестким звуком, которые сделают эту работу. Dot продается по 25 долларов, а Mini – по 35 долларов, но после праздников у обоих цены снизились. Лучшим в своем классе Echo является Echo Studio, высококачественный динамик, продаваемый за 199 долларов, а Google – Max за 249 долларов. Обе компании также предлагают устройства отображения видео, которые отлично подходят как цифровые фоторамки и средства просмотра видео, такие как Echo Show и Google Nest Hub и Hub Max. Они являются хорошим дополнением к продуктам для умного дома, таким как дверные звонки и камеры видеонаблюдения , чтобы увидеть, кто находится за дверью или бродит по улице.

Что нужно знать о умных штекерах

Самый простой аксессуар для умного дома должен стать вашей первой покупкой. С умным штекером, доступным примерно за 25 долларов США, от различных компаний, таких как WEMO и фирменный бренд Amazon, вы подключаете его к своей обычной розетке, а затем добавляете в умные обычные «тупые» устаревшие продукты, такие как кофейники, лампы и тому подобное. подключи. Теперь вы можете использовать приложение (или голосовые команды), чтобы включить их. Новое дополнение в этом году на многих полках умножает умные штекеры на более крупный, более функциональный аксессуар в умной полоске.

Kasa от TP-Link продается за $ 59,99 и имеет шесть торговых точек для запуска вентиляторов, рождественских огней, ламп и т.п. из одного центрального места. Кроме того, вы получаете сетевой фильтр и розетки для зарядки трех USB-устройств. Как и «умный» штекер, вы можете использовать голосовую команду для включения и выключения продуктов.

Плюсы и минусы умных фонарей

Просить Алекса или Google изменить цвет лампы с белого на красный – это так же круто, как кажется. И как трудно быть умным, когда вы можете купить умную лампочку в вашем местном магазине, подключить ее, подключиться к приложению и позволить своему голосу делать то, что ваши пальцы делали на выключателе света?

В теории да. Линейка Hue от Philips является самой популярной, но у нее есть одна загвоздка: вам нужно подключить концентратор к маршрутизатору, для которого у вас может быть или нет места.

Преимущество концентратора в том, что он может выполнять более сложные настройки, например, настраивать освещение в кинотеатре в гостиной. Недостатком является то, что это еще один продукт, требующий занять ценную недвижимость на ваших электрических планках. Штекер на концентраторе Philips, который компания отправила на проверку, настолько велик, что занял два места на шестиполюсной полосе, и его также необходимо было физически подключить к маршрутизатору. У вас есть открытый слот в вашем маршрутизаторе для добавления концентратора?

Лампа Lifx продается всего за 20 долларов и рекламируется как «не требуется хаб». Его можно включать и выключать и затемнять, просто белым светом. Сравнимый свет, который меняет цвет, обойдется вам в дополнительные 60 долларов, в 79,99 долларов.

Умные телевизоры и потоковое

Многие умные телевизоры теперь поддерживают голосовые команды от Google (Android TV) и Alexa (Fire TV Edition от Toshia и Insignia), и есть продукты, которые могут передавать голос на «тупой» телевизор. Новый Fire TV Blaster от Amazon (35 долларов) делает это, подключая его непосредственно к телевизору, а потоковые джойстики Amazon TV TV (начиная с 25 долларов) предлагают голосовые команды через пульт дистанционного управления.

Что нужно в умном дверном звонке

Ring, которой владеет Amazon, является наиболее заметным производителем дверных звонков, чья привлекательность показывает вам, кто находится у двери, и вам не нужно ее открывать. Вы можете проверить приложение или устройство отображения видео, такое как Amazon Echo Show или Google Nest Hub Max. Соперники протолкнули копировальных аппаратов, таких как Remobell за 99 долларов от Remo, который предлагает бесплатное облачное хранилище сгенерированного видео с дверного звонка. Ринг взимает 30 долларов в год за ту же услугу.

Кольцо подверглось критике со стороны групп конфиденциальности за то, что у него есть продукт, который легко взломать. Недавно одна из семей в Миссисипи заявила, что хакер получил доступ к камере Ring, установленной в комнате их 8-летней дочери, и начал с ней разговаривать. Ринг говорит, что клиенты должны быть более бдительными в отношении надежных паролей как для устройства, так и для домашней сети.

Умные альтернативы дверного звонка

А что, если вам нравится идея дверного звонка, который может ответить откуда угодно, но вам не нужно видео? Arlo, бренд роутерной компании Netgear, предлагает Audio Doorbell за 56 долларов, что на 43 доллара дешевле, чем продукт Ring начального уровня. Однако, это не сработает, если вы не соедините его с Basestation от Arlo, который обойдется вам еще в 70 долларов.

Но если вы хотите купить камеры видеонаблюдения у компании, базовая станция запустит их все.

Некоторые из более сложных дверных звонков требуют знания проводки. Если это не так, к вам придут сайты технической поддержки, такие как Geek Squad от Best Buy и HelloTech.

Опции для камер видеонаблюдения

Это просто настроить. Подключите и подключитесь к Wi-Fi, если только вы не покупаете версию с питанием от батареи, для которой не требуется розетка.

Уличная установка от Blink, XT2, продается за три камеры за 184 доллара, а внутренняя камера от Wyze для наблюдения за домашними животными, детьми или чем-то еще внутри – за 24,49 доллара. Wyze запишет ваше видео бесплатно и сохранит его в течение 14 дней. Внутренняя камера Ring взимает 3 доллара в месяц, чтобы записать действие, и, в отличие от Wyze, работает только с Alexa, а не с Google Assistant.