خرید و فروش 24

ASپسHAROOOON از آنکه هفته‌ی گذشته تو گزارش جدیدی ادعا شد مدیاتک تقلب درون نتایج بنچمارک‌ها را تسهیل می‌کند، جنجال بزرگی جیب گیر این شرکت شد. براساس گزارش‌ها، مدیاتک به انبازی‌های تولیدکننده اجازه می‌رحم برای خبر اپلیکیشن‌های بنچمارک دهی، با استعمال از روشی اسمی‌ به لیست بندی سفید،حالت Sports را در بطی ء افزارهای یادشده فعال کنند.مقاله‌های مرتبط:همدستی مشترک کوالکام با BOE برای ساخت نمایشگرهای ادغام شده با اسکنر اثرانگشتمدیاتک ادوات تقلب داخل بنچمارک را به رخساره سرویس به مشارکت‌ها ارائه می‌کند

پس از سرایت گزارش، مدیاتک از خودش دربرابر اتهامات دفاع کرد و افزود این رویه‌‌‌ای معمول درون صنعت خراش سازی است. همچنین، مدیاتک رقیب مهم خود را نیز در این موضوع مقصر دانست. باتوجه بوسیله اینکه رقیب پا بر جا این انبازی کوالکام است، می‌استعداد حاصل گرفت مدیاتک داخل گفتگو‌هایش این طراح خراش‌ی آمریکایی را شعار قرار داده بود. اکنون کوالکام با ارسال بیانیه‌‌‌ای به وب سایت Android Authority، قاطعانه اقرار می‌کند از نحو لیست بندی سفید اپلیکیشن‌های بنچمارک استفاده نمی‌یواش. این شرکت توضیح می‌دهد:لیست بندی سفید به تکنیک‌هایی اشاره می‌کند که با استفاده از معروفیت اپلیکیشن، تشخیص می‌دهند لازم است حالت تقویت عملکرد در دستگاه فعال شود خواه خیر. صنعت تراشه سازی اعمال لیست بندی سفید در اپلیکیشن بنچمارک را معمولا تقلب محسوب می‌کند؛ چون این اقدام هدف واقعی بنچمارک، یعنی بازتاب تجربه‌ی کاربر تو استفاده‌ی روزانه را خدشه دار می‌کند. کوالکام از روش سواد بندی سفید استفاده نمی‌کند.

این احتمال نیز وجود دارد که عزم مدیاتک از رقیب مهم، تراشه سازهای دیگری همچون سامسونگ یا هواوی باشد. بااین حال، این همدستی‌ها تو بیشتر مواقع فقط تراشه‌های محصولات خودشان را تولید می‌کنند و تنها سامسونگ گه گاهی به تولیدکنندگان دیگر تراشه می‌فروشد. کوالکام، تنها شرکت وقار است که در تمامی‌رده‌های قیمتی تو سراسر دنیا رقیب مستقیم مدیاتک به شمار می‌جوی.

با این اوصاف، داستان مربوط بوسیله تزویر مدیاتک نشان می‌دهد شرکت‌ها هنوز درسشان درباره‌ی افزایش امتیازهای بنچمارک‌ها را به درستی فرانگرفته اند. باتوجه به اینکه تراشه‌های سری Helio G G و پردازنده‌ی پرچم دار Dimensity 1000 مدیاتک روی کاغذ مشخصات بسیار قدرتمندی دارند و نیازی نبود بنچمارک‌های آن‌ها دست موثر شود، چنین اقدامی‌ بوسیله ویژه برای مدیاتک ناامیدکننده.است بیشتر:بخوانید یکه عرب اینتل داخل بازار پردازنده چین با تسهیم بازاری نزدیک به ۸۰ درصدبنچمارک فاش شده از عملکرد بهتر پردازنده Ryzen 9 4900HS نسبت به Core-i9 10900F حکایت داردهمکاری مشترک کوالکام با BOE بخاطر پیدایش نمایشگرهای ادغام شده با اسکنر اثرانگشتمدیاتک وسایل فریبکاری در بنچمارک را به صورت سرویس بوسیله همدستی‌ها ارائه می کنداوپو فایند ایکس 2 پرو در صدر فهرست ۱۰ گوشی پرچم دار ماه مارس از نگاه بنچمارک

Let's block ads! (Why?)

دانلود کتاب صوتی شوهر آهو خانم اثر علی محمد افغانی MP3

بوسیله گزارش همشهری آنلاین، آزاده محمدحسین سردبیر همشهری محله در یادداشتی در نخستین شماره دور متاخر همشهری برزن نوشته است: آمدیم؛ در آستانه بهار و همراه با کاروانی از روزگار که منزلش «نوروز» است. هرچند زخم دارد تن این روزها از نیشتر لبالب زهر بحران‌ها.

بهار ولی خاصیتش رویش است و زایش، زیستن است و رُستن. دربند پیچش‌های زمانه نمی‌ماند لبخند بنفشه، ذاتش شکافتن ابهام خاک است و شکفتن. خزنده می‌آید و «اسفند» با بذر‌های اسپند به استقبالش می‌رود.

ما همچنین عابر بهاریم. آمدیم تا رویشی مجدد را به عرضه بگذاریم. تابستان بود که رفتیم؛ طوفان عصبی مربوط به اعصاب از جنس «کاغذ» کشتی کوچک «محله»مان را درهم شکست، اما امید داشتیم به گذر فصل تلخ. ماندیم، جنگیدیم و سرشار از نرمی‌شدیم با بودن تان. دِینی به خشکی امدن گردن مان داشتیم که مقید بودیم به ادایش؛ دینی از محبت شما همراهان که در روزهای هجران ما، تنهایمان نگذاشتید، پابه پایمان آمدید، درون دنیای غیرکاغذی و لابه لای سطرها و تصاویر دنیای مجازی متعاقب مان کردید و همراه مان ماندید.

بوسیله عشق شما آمدیم و می‌مانیم تا دوباره قصه بگوییم از کوچه‌ها، روایت کنیم از محله‌ها، همنشین شویم با همسایه‌ها و مشت داخل دست شما، گذر کنیم از دل رویدادها، خاطره‌ها، خواسته‌ها و دلخواسته‌های اهالی «تهران» امید که بوی خزنده باز بپیچد داخل گذرهای قدیمی‌و پرخاطره و لبخند شکوفه‌هایش تسکین کند دل تبعه این بخانه برگشتن را.

آمدیم تا کنارتان بمانیم. کنارمان بمانید. برای وارسی این عده همشهری برزن اینجا را کلیک کنید

Let's block ads! (Why?)

نحوه شکل گیری آرم

مایکروسافت اخبار کرد حقوق کارمندان و بیعت کاران ساعتی خود را طبق روال عادی پرداخت خواهد کرد. درواقع، نیروهای این شرکت که قراردادهای ساعتی دارند و به علت شیوع ویروس کرونا، زمانه‌های کارگر آن‌ها کمینه شده است، حقوق اطراف‌ی کنونی را همچون گذشته دریافت می‌کنند. معاهده کاران خدماتی و افراد فعال در جزء‌هایی همچون کافی شاپ و حمل ونقل و نظافت شرکت عموما قراردادهای ساعتی دارند که با شیوع ویروس کرونا و تحول محاکمه‌های کارگر اکثر کارمندان به دورکاری، روزگار فقره این افراد کاهش می‌یابد.مقاله‌های مرتبط:ویروس کرونا؛ شورش متفاوتی که همگی شرکت‌ها را پایین تر تأثیر قرار می‌دهدشیوع ویروس کرونا چه تأثیر اقتصادی روی دنیای فناوری خواهد داشت؟

پس از مایکروسافت، غول‌های دیگر دنیای فناوری همچنین اخبار کردند از کارمندان تأثیرگرفته از سیاست‌های جدید پیشگیرانه دربرابر کرونا حمایت ویژه‌‌‌ای خواهند کرد. چنین تصمیمی‌قطعا داخل تمامی‌کسب وکارها منطقی و ستودنی خواهد بود؛ تصمیمی‌که نه تنها از زوایای سلامتی و امان شکوه دارد؛ بلکه این اطمینان را ایجاد می‌یواش که کارمندان و کارگران ساعتی دچار تأثیر سلبی بیشتری نمی‌شوند. درحقیقت، کاهش ساعت کاری بوسیله دلیل کاهش نیاز دراثر دورکاری اکثر کارمندان دیگر، از کنترل نیروهای خدماتی خارج است و نباید بوسیله مجادله‌های بیشتر بخاطر آن‌ها منجر شود.

افزون براین، فیسبوک نیز متعهد شده است حقوق نیروهای حصه بهداشتی خویشتن را طبق روال معمولی پرداخت نرم. آمازون و گوگل و توییتر همچنین این طور تصمیمی‌گرفته اند؛ هنوز از اپل خبر مشابهی دریافت نشده است. آمازون در بیانیه‌‌‌ای درباره‌ی حمایت از نیروهای انسانی خود نوشت:داخل دوره‌‌‌ای که اکثر کارمندان به کارکردن درون خانه ملزم شده اند، حقوق کارمندان ساعتی کمپ‌های خود در سیاتل و بلویو را بوسیله صورت منظم و متشابه قبل پرداخت می‌کنیم. کارمندان فعال تو بخش‌های گوناگون از خدمات تغذیه تا امنیت و سرایداری حقوقشان را تمام گرفتن خواهند کرد و اجاره‌ی کسب وکارهای کوچکی که به نشانی مستأجر در کمپ‌های ما ساکن هستند، یک ماه بخشیده می‌شود.

همان طورکه گفته شد، گوگل و توییتر نیز بیانیه‌های مشابهی با هدف ایمنی از کارمندان خود منتشر کرده اند. لول و تصمیم اخیر شرکت‌های دنیای فناوری حرکتی پیش گامانه در دنیای کسب وکار محسوب می‌شود که ستایش انجمن‌های کارگری را به همراه داشته است. اداره‌های مرتبط همه‌ی انبازی‌های حاضر درون منطقه‌ی سیلیکون ولی را تشویق می‌کنند خسران و ضربه‌ی واردشده به کارمندان ساعتی را در دوران فساد کنونی کاهش دهند.

شورش پیش آمده برای برخی از نیروهای انسانی، حتی نفوذ سناتور دموکرات ویرجینیا، مارک وارنر را هم به همراه داشته است. او به انبازی‌های فناوری همچون اوبر، لیفت، پست میتس و دوردش فشار می‌آورد سیاست‌هایی برای تکرار خسارت‌های واردشده به کارمندان تو عهد کرونا اتخاذ کنند. وارنر داخل بیانیه‌‌‌ای مرتبط نوشت:بوسیله شدت اصرار می‌کنم راهی بخاطر درک دشواری‌های اقتصادی احتمالی کارمندانتان بیابید که در این دوران یا بیمار هستند یا تو قرنطینه‌ی شوهردار به شیوه می‌برند. شرکت ‌های پلتفرمی‌می‌توانند با سیاست‌های کاربردی علامت دهند رویکردهای اشتی اشتراکی تأثیر کمی‌بر پایداری اقتصادی افراد گذاشته است و بدین ترتیب، از نگرانی‌ها براثر عالمگیر COVID-19 بکاهند.بیشتر بخوانید:پس از مایکروسافت، اپل هم از کارکنانش خواست به صورت دورکاری فعالیت کنندنکات ضروری برای کاهش خطر ابتلا به کرونا در استفاده از ادوات نقلیه عمومیاظهارات هیئت اعزامی‌سازمان بهداشت جهانی سپس از بازدید از ایرانهمه گیری ویروس کرونا در ایران از نگاه آمار و ارقام [به روزرسانی: ۱۷ اسفند ۹۸]کنفرانس SXSW با کمال مطلوب جلوگیری از مسری ویروس کرونا لغو شد

Let's block ads! (Why?)

نوبتی هم باشه نوبت انتقاده...

چند هفته بعد از رونمایی شاسی اهتزاز جنسیس GV80، نسخه‌ی سدان از این سری با کد G80 نیز معرفی کردن شد. مدل سازی بدنه و مشخصات فنی این خودروها نکات مشترک بسیاری دارد و سبک خاصی از محصولات لوکس کره‌‌‌ای را به بازار جهانی ارائه می‌کند.

چراغ‌های باریک دوگانه داخل طرفین با جلوپنجره‌ی ارشد و مشبک تمام فلزی زبان طراحی جدید جنسیس است که داخل G80 نیز دیده می‌شود. از نمای جانبی هم نورافشانی با دو خط موازی در چراغ‌های مقابل و دنبال و پشت گِل گیر جلو حیات دارد. بیش از هرچیز، شباهت بدنه‌ی جنسیس G80 با نسل دوم مرسدس بنز CLS (ساخت ۲۰۱۰ تا ۲۰۱۸) انکارناپذیر است. دشت کره‌‌‌ای درپوش مجری کوتاه و چرخ‌های ۲۰ اینچ طرح اسپرت پنج پر نیز دارد.

در فضای داخلی، تفاوت یدکی بین سدان G80 و شاسی بلند GV80 دیده نمی‌شود. سبک نقشه کشی مینیمال با کلیدهای کم تعداد عرشه داشبورد و خروجی هوای سرتاسری با تزیینات چوب و فلز، مهم ترین مشخصات ظاهری داخل حجره G80 هستند. مقدر شدن میانی کنسول با تنظیم دنده‌ی الکترونیکی و جوی استیک برای مدیریت جهیز سرگرمی‌کاملا مشابه GV80 است. ساختار نمایشگر لمسی ۱۴/۵ اینچی جدا از سطح و ایستاده روی داشبورد است تا جنسیس G80 از این دیدن هم زیبا و البته بوسیله رقبای آلمانی شباهت داشته باشد. نقشه کشی امر و تودری‌ها با مواد زیاد مرغوب داخل چرم و چوب کابین، کیفیت تاسیس زیاد مطلوب جنسیس G80 را نشان می‌دهد.

هنوز داده‌ها دقیقی از مشخصات فنی محصول جدید جنسیس منتشر نشده است؛ اما می‌استعداد مطمئن وجود مانند شاسی بلند GV80 باشد. جهیز‌های معاون راننده و کروز کنترل هوشمند و فناوری جدید کنترل صدای مزاحم داخل کابین، احتمالا برای خریدار G80 نیز دردسترس خواهد بود.

قرار است تا یک ماه آینده، جزئیات بیشتری از سدان لوکس جنسیس G80 اطلاع رسانی شود. اولین آستان رسمی‌این محصول دربرابر عموم، برای نمایشگاه خودرو نیویورک ۲۰۲۰ برنامه ریزی شده وجود که البته امکان پذیر است با عالمگیر کرونا لغو شود.بیشتر بخوانید:استون مارتین V12 اسپیدستر رونمایی شدبنتلی بکلار مولینر رونمایی شدسدان لوکس و هیبریدی دی اس 9 معرفی کردن شدجزئیات مالیات هفتگی کنار خودروهای لوکس منتشر شدگزارش مالی فراری منتشر شد؛ بیع بیش از ۱۰ هزار خودرو در سال ۲۰۱۹

Let's block ads! (Why?)

آهنگ سرایت ( بزودی )

کنت استنلی، دانشمند علوم کامپیوتر دانشگاه فلوریدای مرکزی، درون سال ۲۰۰۷ روی سایتی به نام Picbreeder امر می‌کرد که همراه با دانشجویان خود برای پژوهشی موردی طراحی کرده بود؛ اما دیدن شان فرازمینی که به خودرویی فتنه‌‌‌ای تبدیل شده بود، خوش نویسی زندگی استنلی را تغییر داد.

کاربران تو سایت Picbreeder، آرایه‌‌‌ای از ۱۵ تصویر مشابه را می‌بینند که از لباس‌های هندسی و الگوهای پیچان تشکیل شده اند. تمام تصاویر نمونه‌های متغیری از یک زمینه هستند. گاهی اوقات فدایی شکل‌ها مشابه شکل‌های واقعی مثل پروانه یا چهره به دید می‌رسند. استنلی از کاربرها امید روی اشکالی که برایشان جذاب است، کلیک کنند. پس از این کار، کلکسیون‌‌‌ای جدید از تصاویر براساس گزینش آن‌ها فاش شدند. نتیجه‌ی بازپسین این بررسی، کاتالوگی از تصاویر وهمی‌بود.

عنصر حجر بنا، روشی برای تزریق خلاقیت به هوش قلابی است

استنلی در یکی از زمینه‌های هوش مصنوعی به نام تکامل عصبی، پیشتاز است. در این حوزه از طرز‌های تکامل بیولوژیکی بخاطر طراحی الگوریتم‌های هوشمند مصرف می‌شود. هر کدام از تصاویر سایت Picbreeder خروجی سیستمی‌محاسباتی مشابهشبکه‌ی عصبی هستند. وقتی تصویری باریک می‌شود، شبکه‌ی زیرساخت آن به ۱۵ شکل متنوع تحول هویدا می‌کند که مولود‌ی هر کدام، تصویری جدید است. هدف استنلی از ساخت Picbreeder تولید تصویر مشخصی نبود. تنها هدف او آموزش نکات متاخر درباره‌ی تکامل و فهم مصنوعی بوسیله کاربران سایت وجود.مقاله‌های مرتبط:تأثیر فهمیدن مصنوعی کنار تغییر پژوهش‌های علمی‌ابا ناپذیر استیادگیری عمیق چگونه صنعت رسانه را متحول می‌کند؟

یکروز استنلی در میان تصاویر، چهره‌‌‌ای شبیه پایگاه فضایی را دید و نخست به تکامل آن کرد. به طور اتفاقی، چشم‌های گرد بوسیله سمت پائین لول کردند و شبیه چرخ‌های یک خودرو شدند. استنلی به کار خود ادامه عدالت و یک خودروی اسپرت زیبا تاسیس. این روانی اندیشه او را مبتلا کرد و از خود پرسید اگر از همان ابتدا بوسیله جای تصویر موجود فضایی، برای پیدایش شمایل خودرو مجاهدت می‌کرد شاید هرگز به نتیجه می‌رسید. این اتفاق یک پیام برای او داشت: چرا باید مسائل را به عارض مستقیم حل کرد. بوسیله این ترتیب بوسیله سراغ تصاویر جالب دیگری رفت که داخل Picbreeder مشهود شده بودند، خطوط آن‌ها را دنبال کرد و مخبر شد تمام تصاویر از شکلی کاملا متفاوت بوسیله تکامل رسیده اند.

درک استنلی به نخست‌ی عنصر سنگ بنا برای مدل سازی الگوریتم‌ها دگرگونی شد. الگوریتم‌هایی که پتانسیل خلاقیت بی نهایت تکامل زیستی را دربرمی‌گیرند. الگوریتم‌های تکاملی، موضوع جدیدی نیستند. همیشه از این الگوریتم‌ها بخاطر حل مسائلی مشخص استفاده شده است. در هر نسل، براساس معیارهایی مشخص، راه حل‌هایی با بهترین عملکرد انتخاب شدند (برای مثال توانایی کنترل یک ربات دو پایی) و محصولی را تولید کرده اند. الگوریتم‌های تکاملی با حیات موفقیت تو چندی نمونه‌ها، از نظر محاسباتی می‌توانند بسیار سنگین نم از روش‌هایی مانندیادگیری عمیق باشند که در سال‌های اخیر به محبوبیت زیادی گویا است.

عنصر سنگ بنا، فراتر از راه‌های سنتی تکاملی عمل می‌نرم. برای شهید بوسیله جای بهینه سازی برای هدفی مشخص، جستجوی خلاق طولانی نحو محلول‌های ممکن را در نظر می‌گیرد. این روش به نتایج بی سابقه‌‌‌ای مشت یافته است. در سال گذشته، سیستمی‌براساس اصل سنگ بنا موفق شد تو دو بازی ویدئویی به تسلط برسد. داخل این ورزش‌ها از اسلوب‌های محبوب و رایج یادگیری سامان استفاده شده بود. از طرفی، شرکت DeepMind که تو شالوده‌ی درک قدر یا بهای چیزی جعلی و استفاده تحصیل عمیق برای حل مسائلی مثل بازی Go مهارت دارد، موفق به ترکیب تحصیل ژرف با تکامل مجموعه‌‌‌ای از نحو حل‌های متنوع شد.از تکامل زیستی می‌توان برای توسعه‌ی هوش مصنوعی نزدیک به آدم استفاده کرد

پتانسیل اصل سنگ بنا در مقایسه با تکامل زیستی آشکار می‌شود. درون طبیعت، درخت زندگی هیچ شعار جامعی ندارد و استعداد‌هایی که برای یک اجرا یا فرایند خاص داخل نظر محزون می‌شوند مقدور است تو فرایندی کاملا متفاوت هم نقش داشته باشند. بخاطر مثال، پرها به عنوان مانع به تکامل رسیدند اما بعدها به وسیله ‌‌‌ای برای پرواز هم تحول شدند.

تکامل بیولوژیکی، عزب سیستم موجود برای تولید فهمیدن انسانی و رویای نهایی بسیاری از پژوهشگران شعور تقلبی است. استنلی و دیگر پژوهشگران این حوزه، معتقدند براساس سوابق زیستی برای ساختالگوریتمیکه بتواند دنیای مدنی و فیزیکی را به آسانی کنترل کند، باید از صنع تقلید کرد. به جای کدنویسی ابدار (روشی برای توسعه‌ی یواش ادوات) قوانین استنتاج یا کامپیوترهایی که براساس معیارهای عملکردی قادر به درجه بندی باشند، باید از کلکسیون‌ی وضع حل‌ها کاربرد کرد. باید ویژگی‌هایی مانند نوآوری و جذابیت را به جای اقتدار‌های متد عدول کردن یا صحبت کردن تو رجحان صبر انصاف. درنتیجه می‌توان بوسیله مسیری غیرمستقیم و مجموعه‌‌‌ای از سنگ بناها مشت یافت و از آن‌ها بخاطر بهبود راه رفتن یا مصاحبت هم استعمال کرد که شاید از روش‌های مستقیم امکان پذیر نباشند.

چهره‌ی موجودی فضایی که تو Picbreeder مصنوع شده است (جانب چپ) پس از تکامل، به خودروی مسابقه‌‌‌ای سمت حق تبدیل شد جدید، جذاب، متنوع

استنلی پس از تجربه‌ی Picbreeder برای تایید تکامل عصبی، در سطح گسترده‌‌‌ای مجاهدت کرد. او می‌گوید:نقشه کشی الگوریتمی‌که نتوان میزان خلاقیت آن را پیش بینی کرد، از دیدگاه پژوهشی جذاب است اما معامله تجاری آن کار محظور است.

استنلی امیدوار است با استفاده از ایده‌های تکامل عصبی، الگوریتم‌ها نه تنها بتوانند انواع نتایج را تولید کنند بلکه قادر به محلول مسائل حزن باشند. استنلی می‌خواهد ثابت کند گاهی بی سابقه دریافت هدف بیشتر از دنبال کردن آن، ما را بوسیله هدف نزدیک می‌کند. او این کار را از طریق روشی بوسیله نام جستجوی نوآورانه (novelty search) انجام می‌دهد.

درون جستجوی نوآورانه، سیستمی‌با شبکه‌‌‌ای عصبی راه اندازی می‌شود که ترکیبی از عناصر محاسباتی کوچک به نام نورون‌های متصل در لایه‌ها است. خروجی یک لایه از نورون‌ها از طریق اتصال‌هایی با حد‌های متنوع بوسیله لایه‌ی بعدی منتقل می‌شود. در میزان‌‌‌ای ساده، داده‌های ورودی از یکسره تصاویر می‌توانند بوسیله شبکه‌های عصبی ملتفت شوند. با عبور اطلاعات تمثال از لایه‌‌‌ای به لایه‌‌‌ای دیگر، شبکه به استخراج داده‌ها انتزاعی درباره‌ی محتوای خود می‌پردازد. در نهایت، لایه ‌ی نهایی به لحاظ ‌ی سطح بالاترین اطلاعات می‌پردازد: برچسبی برای تصویر.

درون تکامل نورونی، حکم با انحصار مقادیر تصادفی به اندازه‌های بین لایه‌ها آغاز می‌شود. خاصیت تصادفی به معنی عملکرد خیر چندان خوب شبکه است؛ ولی از همین حالت ناگهانی می‌قابلیت به کلکسیون‌ی دیگری از جهش‌های ناگهانی رسید (شبکه‌های خشمناک با معادل‌های متفاوت) و بعد بوسیله تقویم قابلیت آن‌ها پرداخت. می‌قابلیت نیکوترین جهش‌ها را حفظ کرد، محصولات بیشتری را تولید کرد و سپس همین روانی را اعاده کرد. (استراتژی‌های تکامل عصبی پیشرفته تر منجر به تولید تیک‌هایی براساس تعداد و آرایش نورون‌ها و پیوند آن‌ها می‌شوند). تکامل نورونی از نوع فراالگوریتم است؛ یعنی الگوریتمی‌که برای مدل سازی الگوریتم‌های دیگر طراحی شده است و در نهایت هر کدام از الگوریتم‌ها عملکرد خوبی خواهند داشت.

برای کنت استنلی، دانشمند کامپیوتر در آزمایشگاه Uber AI و دانشگاه فلوریدای مرکزی، اصل حجر بنا به انتزاعی نوآوری است

استنلی و دانشجوی او جوئل لمان، بخاطر تست عنصر سنگ بنا، فرایند برگزینی را دگرگونی دادند. جستجوی نوآورانه به جای انتخاب شبکه‌هایی که در وظیفه‌‌‌ای خاص عملکرد نواخت دارند، شبکه‌ها را براساس تضاد آن‌ها با شبکه‌های مشابه انتخاب می‌کنند (برای مثال داخل Picbreeder، جذابیت برای افراد مهم حیات. در اینجا جستجوی نوآورانه به نوآوری به نشانی واسطه‌‌‌ای برای انتخاب جذابیت عطیه می‌دهد).

استنلی و همکارانش درون یکی از تست‌ها، ربات‌های چرخدار را در یک هزارتو استراحت دارند و بوسیله تکامل الگوریتم‌های کنترل کننده‌ی ربات‌ها پرداختند. آن‌ها امیدوار بودند بوسیله این ترتیب ربات بتواند راه خروج از هزارتو را واضح یواش. آن‌ها تکامل را ۴۰ مرتبه از ابتدا اجرا کردند. تو برنامه‌‌‌ای مقایسه ای، ربات‌ها براساس معیار مباشرت با راه خروجی انتخاب می‌شدند، در این برنامه ربات داخل چهل مرتبه اجرا تنها سه گانه طبقه موفق شد راه خروجی را برملا کند ولی در جستجوی نوآورانه که معیار معاشرت ربات‌ها به راه خروج را نادیده می‌گیرد، ۳۹ وهله فیروز شد. برهان موفقیت این جست وجو، اجتناب ربات‌ها از بن بست بود. به جای اینکه فرض کنند بنیاد بست همان متد خروج است، به بخش‌های ناشناس گام می‌گذاشتند، گونه‌های میانبر را پیدا می‌کردند و بوسیله قیافه تصادفی تیز می‌شدند. جولیان توگلیوس، دانشمند کامپیوتر دانشگاه نیویورک، می‌گوید: «جستجوی نوآورانه همه چیز را به پشت می‌کند؛ و در زمانی که هدفی بود ندارد می‌پرسد چه اتفاقی افتاده است؟»الگوریتم‌های تکاملی، مجموعه‌‌‌ای از راه حل‌های برنده را تولید می‌کنند

در مرحله‌‌‌ای از تست، تعقیب اهداف می‌توانست عایق از پیوستن بوسیله آن‌ها شود، بنابراین استنلی بوسیله تعاقب گونه‌های هوشمندانه تری برای ترکیب جستجوی نوآورانه و اهداف خاص رفت. او و لمان سیستمی‌را برای تقلید از نوآوری‌های تکاملی طبیعی ساختند. تو این روش، الگوریتم‌ها عزب با الگوریتم‌های مانند خود رقابت می‌کنند. همان نعوظ که سخاوت‌ها با وال‌ها رقابت نمی‌کنند، سیستم حزن دارای موقعیت‌های الگوریتمی‌مجزایی است که هر کدام نحو‌های خود را تولید می‌کنند.

الگوریتم‌های تکاملی رقابتی محلی، تو مواردی مثل پردازش پیکسل‌ها، کنترل بازوی ربات و کمک بوسیله تطبیق ربات ریه پا پس از حذف یکی از پاها (مشابه رفتار حیوانات)، عملکرد بهینه‌‌‌ای دارند. یکی از عناصر کلیدی چنین الگوریتم‌هایی، توسعه‌ی حجر بناها است. آن‌ها به جای اولویت بندی مستمر نیکوترین راه حل، مجموعه‌ی متنوعی از رویه حل‌ها را حفظ می‌کنند که هرکدام می‌توانند شامل یک برنده باشند. بهترین راه محلول هم از میان همین مجموعه‌ها انتخاب می‌شود.تکامل بخاطر برد

برای استنلی که حالا تو آزمایشگاه Uber AI فعالیت می‌کند، عنصر سنگ بنا نشان دهنده‌ی نوآوری است: اگر با کامپیوتری مدرن بوسیله گذشته بازگردید و بوسیله مردم بگویید بوسیله جای تولید کامپیوتر روی لپ تاپ‌ها تمرکز کنند، امروز هیچ کدام از آن‌ها را نداشتید. همچنین این اصل توصیف کننده‌ی تکامل است: آدم از موهبت‌های مسطح به تکامل رسا اند. گرچه این موجودات هوشمند نیستند، دارای تقارن دو طرفه هستند. به گفته‌ی استنلی:هنوز مشخص حلق کشف تقارن دو طرفه درون گذشته ربطی به فهم داشته است؛ اما امروز این ارتباط آشکار است.

تکامل تندخو درون دهه‌ی گذشته در مسیری غیرمستقیم لول کرده است و بوسیله مدت طولانی در سایه‌ی دیگر اشکال AI به بود خود دنباله داده است. بوسیله باور‌ی ریستو میکولاینن، دانشمند کامپیوتر دانشگاه تگزاس (و کارپرداز قبلی دکترای استنلی)، یکی از بزرگ ترین معایب تکامل عصبی، حجم محاسبات مورد نیاز آن است. در یادگیری سامان به روش سنتی، شبکه‌ی خشمناک از طریق آموزش به تدریج گشایش پیدا می‌کند. در تکامل عصبی، وزن‌ها بوسیله عارض ناگهانی تحول می‌کنند بنابراین احتمال خسته شدن عملکرد بی آرامی‌بود دارد.

یکی از دیگر معایب تکامل خشمناک این است که اغلب افراد بوسیله ظهر محلول مسئله‌‌‌ای اختصاص هستند. استراتژی جستجویی که بخاطر بهینه سازی جذابیت جریان به کار برود می‌تواند طرز حلی خلاقانه را برای یک روانی‌ی ویژه عرضه کند؛ ولی ممکن است مخاطب را قبل از استراحت ستاندن در خوش نویسی صحیح، گیج بطی ء.

ورزش ویدئویی Montezuma Revenge اولین بار در سال ۱۹۸۴ منتشر شد

به نعوظ کلی، هیچگاه راهکار بی نقصی حیات ندارد. در پنج سال گذشته، پژوهش‌های مرزوبوم‌های متنوع AI از عموم پرورش عمیق و یادگیری تقویتی به لباس چشمگیری افزودن نمایان کرده اند. تو درس تقویتی، الگوریتم با فضا به تعامل می‌پردازد و بعد از طریق آزمون و جرم به درس می‌پردازد و داخل نهایت رفتار آن نتایج مطلوبی را به دنبال خواهد داشت. بخاطر شهید رباتی که در دنیای واقعی حرکت می‌کند یا گیمرها از این الگوریتم استفاده می‌کنند. همدستی DeepMind از تحصیل تقویتی ژرف برای ساخت برنامه‌‌‌ای استفاده کرد که بتواند بهترین بازیکنان ورزش Go را شکست دهد. درحالی که بسیاری تخیل می‌کردند برای رسیدن بوسیله این هدف، سال‌ها زمان لازم است.

از طرفی ممکن است پرورش تقویتی دچار یکنواختی شود. کارمزد‌های کم خواه پراکنده، بخاطر رسیدن الگوریتم‌ها بوسیله هدف کافی نیستند. پاداش‌های فریبنده (پاداش برای سودهای کوتاه مدتی که جلوگیری کننده از پیشرفت کامل مدت می‌شوند) الگوریتم‌ها را بوسیله دام زمینه عقد می‌اندازند؛ بنابراین تحصیل تقویتی می‌تواند آدم‌ها را به تله بازی‌هایی از نوعSpace Invaders (مهاجمان فضایی) یا Pong بیندازد. این بازی‌ها با بود امتیازها و اهداف مشخص، یکنواخت و قابل پیش بینی هستند.

در سال ۲۰۱۸، هوش مصنوعی براساس اصل سنگ بنا چیره بوسیله حل چالش‌های دیرینه‌‌‌ای شد. در بازی تلافی مونتزوما (Montezuma's Revenge)، پاناما جو، کاراکتر اصلی بازی، تو دخمه‌‌‌ای زیرزمینی بخاطر جمع آوری کلید‌ها و بازکردن درها از اتاقی به اتاقی دیگر می‌رود و در این رویه باید از دشمنان و موانعی مثل مارها و گودال‌های آتش استنکاف کند. استنلی، لمان، جف کلان، جوست هویزینگا و آدرین اکوفت بخاطر شکست این ورزش در آزمایشگاه Uber AI مشغول بوسیله حکم شدند و سیستمی‌را طراحی کردند که پاناما جو در آن با ضربان وجو در اطراف به رخساره تصادفی، کارهای مختلفی را اجرا می‌دهد. با هر بار رسیدن بوسیله وضعیتی جدید، آن را به همراه کلکسیون‌‌‌ای از عملیات متوجه حافظه اش می‌کند. تو رخ یافتن مسیری زننده تر به همان وضعیت، آن سطر را جایگزین وضعیت سابق تو حافظه می‌نرم. پاناما مجرای لنف در طول آموزش، بوسیله رخساره تکراری یکی از وضعیت‌های پس انداز شده را انتخاب می‌کند، به عارض تصادفی به خیز وجو می‌پردازد و وضعیت‌های جدید را بوسیله حافظه اش افزودن می‌درنگ.در حوزه‌ی درایت جعلی هیچگاه روش بی نقصی وجود ندارد و بهتر است اسلوب‌ها را ترکیب کرد

در نهایت یکی از همین وضعیت‌ها به وضعیت برنده‌ی ورزش تبدیل می‌شود. درون این مرحله، پاناما جو طولانی عملیات لازم برای رسیدن به کمال مطلوب را ذهن خود دارد. او کار خود را عاری هیچگاه گونه شبکه‌ی عصبی یا یادگیری تقویتی ادا می‌دهد. هیچگاه پاداشی بخاطر جمع آوری کلید‌ها یا نزدیک شدن به پایان دخمه وجود ندارد. فقط فرایند جستجوی تصادفی و راهی هوشمندانه بخاطر جمع آوری و یگانگی سنگ بناها دیده می‌شود. این اسلوب نه عزب برای ضعف بهترین الگوریتم‌ها بلکه بخاطر شکست رکورد انسانی بازی تنظیم شده است.

طرز مشابهی به معروفیت Go-Explore برای قدرت بر خبره‌های انسانی بازی Pitfall به کار رفت. در این بازی پیتفال هری، در جنگلی به جستجوی گنج می‌پردازد و درون این راه باید از کروکودیل‌ها و دام‌ها دوری نرم. به مگر این روش، هیچگاه کدام از انواع هوش تدریس ماشین قاهر به گرفتن تشخیص بالاتر از صفر نشدند.

امروزه تا اینکه DeepMind، به نشانی منبع فراگیری تقویتی، تعلق‌ی خود به تکامل خشمناک را مدال داده است. تیم دیپ مایند درون ماه ژانویه از نرم وسایل AlphaStar رونمایی کردند که می‌تواند ورزشکار‌های صنف‌‌‌ای بازی پیچیده‌ی StarCraft II را انقراض دهد. داخل این ورزش دو رقیب بوسیله کنترل سلاح و تجهیزات می‌پردازند و بخاطر تسلط بر منظره‌ی دیجیتالی بوسیله تاسیس کلونی می‌پردازند. AlphaStar کلکسیون‌‌‌ای از بازیکنان را به تکامل رسانده است که با یکدیگر رقابت می‌کنند و از یکدیگر یاد می‌گیرند. بوسیله گفته‌ی پژوهشگران دیپ مایند، نسخه‌ی به روزشده‌ی AlphaStar داخل میان ۰/۲ درصد بازیکنان کسی را عزیز خطاب کردن StarCraft II قرار خمود است. آلفااستار اولین جنس ادراک مصنوعی است که بدون هیچ محدودیتی بوسیله بالاترین لایه‌ی رقابت‌های ورزش‌های الکترونیکی دست واضح می‌کند. مکس جادربرگ، دانشمند کامپیوتر دیپ مایند و یکی از پژوهشگران پروژه می‌گوید:عامل‌های بازی AlphaStar پس از مدت‌ها فقره بهبود یافته اند. با آموزش یک عامل می‌توان عملکرد میانگین آن را بهبود داد، البته نیاز دارید روی عامل‌های ضد و پیدا کردن خال ضعف‌ها حزن فرمان کنید.

سفت مانند بازی سنگ، کاغذ، قیچی، هیچ اسلوب برتری تو بازیStar Craft II وجود ندارد؛ بنابراین DeepMind غصه مجموعه عامل‌های خود را برای تکامل انواع رویه‌ها تشویق می‌کند. برای مثال وقتی آلفااستار می‌تواند دو بازیکن حرفه‌‌‌ای را بیشتر از پنج وعده شکست دهد، یعنی روش‌های پنج عامل مختلف از مجموعه‌ی خود را خیساندن کرده است. پنج عامل بوسیله وضع‌‌‌ای تفویض می‌شوند که طولانی آن‌ها نسبت به راهبردهای هماورد آسیب پذیر نباشند. نقطه‌ی خوراک آن‌ها هم تنوعشان است.هوش تقلبی تکامل یافته می‌تواند هوش‌های دیگری را تولید بطی ء

آلفااستار یکی از کاربردهای اصلی الگوریتم‌های تکاملی را مدال می‌دهد: حفظ پری رویه محلول‌های مختلف. پروژه‌ی جدید دیگری از DeepMind، مصرف دیگری از تکامل عصبی را علامت می‌دهد: بهینه سازی راه حل واحد. آلفابت با همکاری پروژه‌ی خودروی خودگردان Waymo، روی تکامل الگوریتم‌هایی برای خبر پیاده روها فقره می‌کند. این اسلوب عملکرد نسبتا احسان دارد ولی بهترین روش ممکن نیست. بوسیله همین دلیل پژوهشگرها برای اجتناب از زمینه بست، زیرمجموعه‌هایی را تشکیل داده اند تا اجراکنندگان قبل از رسیدن بوسیله بن بست، زمان کافی را بخاطر توسعه داشته باشند.

محبوبیت الگوریتم‌های جمعیت محور در سال‌های اخیر افزایش یافته است. به گفته‌ی اریا‌هادسل، دانشمند پژوهشی و سرپرست رباتیک DeepMind، یکی از دلایل این محبوبیت، غلبه تطبیق این الگوریتم‌ها با گوناگون محاسبات است.‌هادسل درون ماه ژوئن سال گذشته از کلان، لمان و استنلی طلبیدن کرد تا در مجمع بین المللی درس سامان درباره‌ی کارهای خود صحبت کنند. او می‌گوید: «معتقدم تکامل خشمناک یکی از مرزوبوم‌های مهم تو پژوهش‌های فهم جعلی و مکملی برای نحو‌های یادگیری عمیق است.»

هوش مصنوعی که قادر بوسیله تولید هوش مصنوعی است

تمام الگوریتم‌های یادشده، محدودیت خلاق دارند. AlphaStar عزب می‌تواند راهبردهای جدیدی را بخاطر بازی StarCraft II ارائه دهد. راه جستجوی نوآورانه تو یک زمان تنها قادر به انجام یک کار است که می‌تواند حل هزارتو یا وضع رفتن ربات باشد.

از سوی دیگر، تکامل بیولوژیکی دارای نوآوری بی انتها است. درون این نوع تکامل، باکتری‌ها، موجودات دریایی، پرندگان و آدم‌ها نقش دارند. با تکامل راه حل‌ها، مسئله‌ها غم به تکامل می‌رسند. زرافه درون پاسخ به مسئله‌ی درخت به وجود آمده است. نوآوری انسان غم به همین تزیین پیش می‌رود. آدم روند‌ها را بخاطر خود ایجاد می‌کند. برای شهید از خویشتن می‌پرسد: آیا می‌توان انسان را بوسیله ماه فرستاد؟ و پس ازآن بخاطر حل مسئله‌ها سعی می‌نرم.

برای ارائه تعامل بین راه حل‌ها و جریان‌ها، استنلی، کلان و لمان و دیگر همکاران آن‌ها درون اوبر از جمله رویی وانگ در اوایل سال گذشته، الگوریتمی‌به صیت POET (مخفف Paired Open Ended Trailblazer) را منتشر کردند. آن‌ها برای تست این الگوریتم، مجموعه‌‌‌ای از ربات‌های مجازی دوپا را به تکامل رساندند. از طرفی، مجموعه‌‌‌ای از موانع را برای ربات‌ها بوسیله تکامل رساندند که دربرگیرنده تپه‌ها، گودال‌ها و تنه‌ی درخت‌ها هستند. ربات‌ها گاهی اوقات با یکدیگر تعویض می‌شدند و برای فتح زمین‌های جدید تلاش می‌کردند. بخاطر مثال یکی از ربات‌ها، عبور از زمین ضخیم را هم زمان با خم شدن یاد می‌گرفت. پس ازآن به عارض ناگهانی به منظر ه‌‌‌ای با جثه‌های درخت کوتاه می‌رفت و در آنجا باید راه رفتن را یاد می‌گرفت. به این ترتیب، پس از بازگشت بوسیله عایق اول، می‌توانست زننده تر مراحل را طی کند. مسیر غیرمستقیم باعث می‌شود ربات مهارت‌های یکی از پازل‌ها را بهبود دهد و آن را روی پازلی دیگر اجرا یواش.

جف کلان، دانشمند کامپیوتر آزمایشگاه Uber AI و دانشگاه ویومینگ، معتقد است اکتشاف عاقبت باز (مسئله‌‌‌ای که طرز محلول‌های مختلفی بخاطر آن وجود دارد)، سریع ترین طرز دستیابی به ادراک مصنوعی مشابه انسان است

الگوریتم POET قادر است با ابداع چالش‌های مختلف برای خود و سپس حل آن‌ها، لباس‌های جدیدی از هنر را ابداع کند یا به اکتشافات جدید علمی‌برسد. این الگوریتم با توانایی ساخت دنیای خود، می‌تواند بسیار فراتر از محدودیت‌ها انجام نرم. استنلی امیدوار است بتواند الگوریتم‌هایی بسازد که حتی پس از یک میلیارد سال، نوآوری آن‌ها به انتها نرسد. استنلی می‌گوید:تکامل منجر بوسیله تولید بینایی، فتوسنتز، درایت انسانی و در یک گفتار تولید همه چیز تنها با یک الگوریتم شده است. بنابراین، برای فرآیندهای کوچک متجاوز قدرتمندتر عمل خواهد کرد.

کلان معتقد است، اکتشاف پایان باز (نوعی از اکتشاف که تنها یک گونه محلول بخاطر آن وجود ندارد) سریع ترین روش حرکت به سمت هوش جعلی عمومی‌است. هوش بدلی عمومی‌به ماشین‌هایی گفته می‌شود که تقریبا کل توانایی‌های مردم را دارند. هوش بدلی بیشتر متمرکز کنار مدل سازی اجزای سازنده‌ی ماشین‌های هوشمند از عموم انواع مختلف معماری‌های شبکه‌های عصبی و فرآیندهای درس ماشین است؛ ولی هنوز گونه مشخصی بخاطر ترکیب انواع هوش و رسیدن به درک قدر یا بهای چیزی تقلبی وجود ندارد.

از طرفی، کلان متقی است باید بیشتر به درایت ساختگی تولیدکننده‌ی هوش توجه کرد. الگوریتم‌ها می‌توانند با روشی مثل POET، به طراحی و تکامل شبکه‌های عصبی و هوا‌هایی برای یادگیری بپردازند. اکتشاف باز، می‌تواند از ضابطه مسیرهایی غیرقابل پیش دماغ به هوشی در سطح انسان خواه هوشی فرازمینی بینجامد. از چنین هوشی می‌توان برای تحصیل بیشتر درباره‌ی انواع درک قدر یا بهای چیزی هم استفاده کرد. کلان می‌گوید:پس از بخانه برگشتن‌ها سال پژوهش، هنوز حزن الگوریتم‌ها ما را شگفت زده می‌کنند؛ بنابراین نمی‌توانیم با اطمینان بگوییم نتایج کچل فرآیندها را می‌دانیم به ویژه که غلبه آن‌ها روزبه روز افزایش ظاهر می‌بطی ء.

کنترل زیاد از حد پژوهشگرها هم ناحق است. استنلی تو ابتدا سایت Picbreeder را برای مؤسسه‌ی ملی علوم ساخته بود اما این مؤسسه با بهانه‌ی ظاهر نبودن پروژه، آن را رگه کرد. پروژه‌ی استنلی به مقاله‌ها، گفتگوها، تاریخ‌ها و استارتاپ Geometric Intelligence راه برملا کرد که بعدها اوبر آن را خرید و آزمایشگاه Uber AI را تأسیس کرد. استنلی می‌گوید:داستان رسیدن من به این نقطه دقیقا مثل فرایند الگوریتم تکاملی است. الگوریتم تکاملی، نتایجی را تولید می‌کند که خود را به تکامل می‌رسانند.

بیشتر بخوانید:کرمی‌که پاهایش را از دست داد؛ قدیمی‌ترین مقیاس از بازگشت تکاملیفریمن دایسون، فیزیکدان کوانتومی‌مشهور، تو ۹۶ سالگی درگذشتگری کاسپارف بیست و سه سال پس از شکست از AI، به مزایای آن اعتراف کردکشف جانوری که برای زنده ماندن نیازی به اکسیژن نداردانسان‌های ابتدایی در آفریقا با گونه‌‌‌ای اسرارآمیز و منقرض شده تلاقی پیدا کرده اند

Let's block ads! (Why?)

کرونا اینترتیمنت - معرفی بهترین بازی‌های عمرم

به گزارش همشهری آنلاین بوسیله نقل از مجلس خبرنگاران جوان، رقابت‌های وزنه برداری انتخابی المپیک در امارات، یکی از مراحل گزینشی المپیک ۲۰۲۰ توکیو محسوب می‌شود، که از روز ۶ اسفند بوسیله میزبانیامارات متحده عربی آغاز شده و از سطح سیلور (نقره ای) در رنکینگ فدراسیون جهانی وزنه برداری (IWF) برخوردار است.

مشکلات مربوط به ویروس کرونا، تاثیر خویشتن را درون رشته وزنه برداری هم گذاشت و ملک میزبان دستور دخول تیم بانوان و دو تنه از ملی پوشان وزنه برداری مردان کشورمان در این ورزش‌ها را نداد. علی‌هاشمی‌و رضا بیرالوند پس از اینکه گسیل نشدنشان به این بازی‌ها قطعی شد، اردوی تیم ملی را بوسیله سمت شهرهای خود زین کردند و حالا سهراب مرادی عزب نماینده ایران در این دوره از بازی‌ها خواهد بود. ایران با دوپینگ دو کشتی گیر صاحب سهمیه المپیک معادل ۱۲۵ کیلوگرم شد

مرادی پس از ماه‌ها درگیری با مصدومیت کتف، برای اولین بار در یک پرگیر از ورزش‌ها بخاطر کسب عنوان روی تخته می‌رود. حضور او در بازی‌های انتخابی المپیک درون سوئیس تنها بخاطر حذف نشدن از کرهء هوا بازپسین بود و اتفاقا مرادی وزنه‌های نیکی در آن بازی‌ها اهتزاز نکرد. این بار، دارنده مدال المپیک ریو در وزنه برداری، در دوبی شانس خود را آزمایش می‌کند.

رکورد ورودی سهراب مرادی برای این اطراف از ورزش‌ها، ۳۶۰ کیلوگرم است و او با تصرف ۱۳۳۳ امتیاز در جایگاه ۷۸ گیتی در دسته ۹۶ کیلوگرم قرار دارد. مرادی بخاطر راه یابی بوسیله توکیو ۲۰۲۰، تو مجموع چیزی حدود ۳۵۰۰ امتیاز نیاز دارد و این موضوع مشخص می‌یواش که دارنده مدال طلای المپیک ۲۰۱۶ ریو، از ۲ رقابت گزینشی دیگری که در پیش دارد، داخل هر هم چشمی‌به صورت تقریبی نیازمند ۱۰۸۳ امتیاز است. سهمیه تیمی‌ایران تو المپیک قطعی شد

کسب این طور امتیازی، نیازمند این است که سهراب مرادی تو رقابت فردای خود به رکورد مجموع ۴۰۵ کیلوگرم مشت یابد. فتنه سهراب مرادی تو دسته ۹۶ کیلوگرم رقابت‌های وزنه برداری غرب آسیا، از ساعت ۱۷:۳۰ آغاز می‌شود و ۳ وزنه بردار از کشورهای عربستان، ازبکستان و یمنرقبای نماینده کشورمان خواهند بود.

نکته جالب توجه در المپیک پیش رو، حضرت یک نماینده از هر کشور درون هر دسته از بازی‌ها است. به این ترتیب درصورتی که کیانوش رستمی‌و سهراب مرادی بتوانند سهمیه حضور در المپیک توکیو را بوسیله دست بیاوند (هر ۲ ملی پوش یکی از ۸ نفر لایق دسته ۹۶ کیلوگرم باشند)، تنها یک نفر راهی رقابت‌های المپیک می‌شود. کیانوش رستمی، دیگر ملی پوش وزنه برداری کشورمان در این دسته، تو حال حاضر با کسب ۲۸۵۲ امتیاز، در رله بیست و دوم راحتی دارد و او نیز همانند مرادی، چشم امید آینده است. اگر «کرونا» مهار نشود، المپیک توکیو تیمار باطل سازی می‌شود

Let's block ads! (Why?)

مجموعه کتابهای حقوق عمومی و خصوصی

همشهری آنلاین - رضانیکنام: با توجه بوسیله شیوع بلای ناگهانی کرونا مدل رجوع شهروندان به مراکز اهدای خون کاهش چشمگیری مشخص کرده که اگر این مسئله ادامه پیدا کند مطمئن فراورده‌های خونی بخاطر بیماران خاص قرین هموفیلی، تالاسمی، سرطان و افرادی که باید تحت عمل جراحی فراغت گیرند با مشکلات جدی روبه رو خواهد شد. در این باره با حکیم«محمد رضا مهدی زاده» مدیرکل سازمان احاله خون تهران گفت و گوی عام کردیم.

شرایط اهدای خون شهروندان تهرانی چگونه است؟

از ابتدای هفته شاهد افت و کاهش چشمگیر مراجعه شهروندان به مراکز مربوطه برای اهدای خون بودیم که دلیل حقیقی آن مسائل مربوط بوسیله شیوع مصیبت کروناست. در این ایام به مردم موعظه می‌شود که کمینه در مجامع و محل‌های انباشته رفت و آمد حاضر شوند. حتی مدارس و دانشگاه‌ها تعطیل شده تا به نوعی از گسترش این بلای ناگهانی تو جامعه جلوگیری شود. اما تو همین شرایط وی‍ژه باید در نظر داشته باشیم بیمارانی نیازمند شهود خون سالم بخاطر ادامه حیات هستند و نباید از آنها بی خبر باشیم. البته بررسی‌ها نشان می‌دهد قدیم ماه پایانی سال وضعیت اهدا و دریافت خون اضطراری است.

معمولا درون این ایام انسان مبتلا خانه تکانی، معامله مهمانی و تدارک نوروز هستند و تجربه سنوات گذشته نشان می‌دهد که میزان مراجعه شهروندان نیز به مراکز اهدای خون کاهش پدیدار می‌کند، ولی با این حال میزان اهدای خون درون هفته اول اسفند ماه سیال کاهش بسیاری نسبت به مدت زمان شبیه در سال‌های قبل داشته که می‌تواند کمی‌نگران کننده باشد. در مقابل مقدر شدن اضافی از بیماران خاص از عموم تالاسمی، هموفیلی، سرطان و... بخاطر زندگی بوسیله فرآورده‌های خونی نیاز دارند و شهروندان نه و فیض بخش باید به آن توجه داشته باشند. نکته بعدی، افزایش میزان عمل جراحی داخل اسفندماه است که باعث می‌شود ظرفیت نیازهای خونین بیشتر شود. علت این است که پزشکان و بیماران اولویت می‌دهند که قبل از سال جدید عمل جراحی شان را انجام دهند و این حکم را به ماه‌های آتی نیندازند. بنابراین از شهروندان خواهشمندیم بخاطر رفع افت منابع خونی مثل همیشه یاری کنند و با اهدای خون تندرست نجات بخش انسان‌های بیمار باشند. آیا شهروندان می‌توانند با خیال مایه تسلی به مراکز انتقال خون مراجعه کنند؟

همه مراکز ما در تهران برای میزبانی از شهروندان خیر و نیکوکار آمادگی طولانی دارند. جالب اینکه جزو قلیل دستگاه‌هایی هستیم که پرسنل و کارکنان آن تعطیل نیستند و در ساعات اداری به شهروندان خدمات رسانی می‌کنند. با توجه به جریان کنترل و پیشگیری از بیماری کرونا همه وسایل، امکانات و برگ سازمان و مراکز تابعه واگذاری خون با مواد ضدعفونی کننده، استریل و پاکیزه شده و با ایجاد فضایی حمایت و کاملا استریل، هیچگونه نگرانی از بابت رجوع شهروندان به این مراکز و اهدای خون بود ندارد. اگر داخل میان مراجعه کنندگان به موارد مشکوک تلاقی کنید چه فرمان می‌کنید؟

معمولا افرادی که دچار علائمی‌مشابه سرماخوردگی و... هستند برای اهدای خون مراجعه نمی‌کنند. اما پرسنل و کارکنان داخل صورت مشاهده افراد ناتندرست ضمن مشاوره از ستاندن خون اهدایی آنها جلوگیری می‌کنند. از آنجایی که از ورودی مراکز تا بخش‌های دیگر آن مرتب مورد پاکسازی و ضد عفونی قرار می‌گیرد شهروندان نباید هیچ نگرانی داخل این شالوده داشته باشند. آیا انتقال بلای ناگهانی کرونا از طریق خون و خواه فرآورده‌های آن بود دارد؟

طبق آخرین یافته‌ها و تحقیقات انجام شده این بیماری از طریق خون بوسیله سایرین احاله پیدا نمی‌کند. آیا شرایط اهدای خون در منزل شهروندان وجود دارد؟

نه تنها تو تهران بلکه در ایران و دنیا جایی را سراغ نداریم که برای قبض خون اهدایی شهروندان بوسیله منازل و نگرش زندگی گیرایی مراجعه کنند. تو واقع این نوع کار و خدمات، نیازمند برخورداری از امکانات و تجهیزات ویژه است. البته این را باید گفت که ما داخل شهر تهران از تیم‌های سیار اهدای خون برای خدمات رسانی بوسیله کارکنان و جمعی اداره‌ها، ارگان‌ها و کارخانه‌ها و سایر مراکز مصرف می‌کنیم که بدبختانه درخواست مدیران ارگان‌ها و نهادها نیز برای تثبیت آویشن‌های سیار اداره انتقال خون بوسیله استاندارد قابل توجهی کاهش داشته است. بوسیله رویت شما بهترین وضع برای اهدای خون و کمک به بیماران نیازمند چیست؟

ثبت نام اینترنتی برای اهدای خون بهینه و نیکوترین ترین روش است. به این رخساره که شهروندان می‌توانند به سایت سازمان واگذاری خون مراجعه کرده و ضمن ثبت نام برای اهدای خون، حتی زمان مراجعه و حضورشان را تعیین کنند. با این کار از اتلاف و هدر رفتن وقت و کارمایه شهروندان جلوگیری می‌شود.

Let's block ads! (Why?)

نتایج نهایی انتخابات کانون در گیلان | کوچکی نژاد نماینده باقی ماند

به گزارش همشهری آنلاین، نتایج بازپسین انتخابات مجلس یازدهم درون گیلان تطویل والا است:

* در حوزه انتخابیه شهرستان‌های لاهیجان و سیاهکل رسول فرخی میکال با ۱۸ هزاره و ۶۲۰ رای از تعداد ۶۰ هزار و ۶۴۲ رای بی عیب

* تو حوزه انتخابیه شهرستان‌های طوالش، رضوانشهر و ماسال حسن محمدیاری با ۳۰ هزاره و ۸۲۷ رای از تعداد ۱۲۶ هزار و ۷۹۴ رای صحیح

* داخل حوزه انتخابیه شهرستان رشت جبار کوچکی نژاد با ۵۰ هزار و ۶۸۵ رای، سیدعلی آقازاده دافساری با ۴۷ هزاره و ۵۷ رای و محمدرضا احمدی با ۳۳ هزار و ۹۹۲ رای از مجموع ۱۶۲ هزاره و ۵۶۲ ارای بی عیب

* در مرزوبوم انتخابیه شهرستان صومعه سرا کاظم دلخوش اباتری با ۲۸ هزار و ۱۷۶ رای از تعداد ۵۳ هزاره و ۷۸۷ رای بی عیب

* داخل مرزوبوم انتخابیه شهرستان استانه اشرفیه محمّدعلی رمضانی دستک با ۱۳ هزار و ۹۴۸ رای از تعداد ۳۶ هزار و ۷۶۳ رای بی عیب

* داخل حوزه انتخابیه شهرستان استارا غلامرضا مرحباء با ۱۴هزار و ۸۳۴ رای از ۴۱ هزار و ۱۸ رای بی عیب

* در مملکت انتخابیه شهرستان رودبار مهرداد گودرزوند چگینی با ۱۶هزار و ۱۹۹ رای از مجموع ۵۱هزار و ۹۰۵ رای صحیح

* درون مرزوبوم انتخابیه شهرستان رودسر و املش محمدصفری ملک میان با ۲۵ هزار و ۴۷۴ رای از تعداد ۷۸ هزاره و ۶۲۴ رای

* داخل حوزه انتخابیه شهرستان بندرانزلی احمد دنیامالی با ۱۶ هزار و ۷۳۵ رای از تعداد ۳۴ هزار و ۱۲۱ ارای صحیح

* در حوزه انتخابیه شفت و فومن خلیل بهروزی فر با ۴۷ هزاره و ۸۵۱ رای

* در حوزه انتخابیه شهرستان لنگرود پرویز محمدنژاد با ۲۲ هزار و ۶۳۳ رای منتخب انسان شدند.

استان گیلان ۱۱ حوزه انتخابیه و ۱۳ سپهر در مجلس شورای اسلامی‌دارد.

Let's block ads! (Why?)

فریاد می‌دارد رقیب از دست مشتاقان او