حسام حداد تکنولوژی، برنامه‌نویسی، هوش مصنوعی

مطلبی در گذشته با عنوان «درسی که از نظریه بازی‌ها گرفتم» در وبلاگ منتشر شد که در آن به ابعاد اجتماعی نظریه بازی‌ها پرداختیم. به تازگی متوجه شدم که یک بازی برای درک بهتر این مفاهیم توسط آقای نیکی کیس ساخته شده که حامد سیدعلائی به فارسی آنرا ترجمه کرده است. این بازی که با جاوا اسکریپت نوشته شده و در وب قابل اجراست حدود سی دقیقه وقت می‌گیرد و یک سری مفاهیم اجتماعی را به سادگی آموزش می‌دهد.

در انتهای بازی یک حالت گسترش یافته نظریه بازی‌ها را می‌بینیم که در آن ممکن است بر اساس احتمال کسی اشتباه کند و برعکس استراتژی‌ای که در بازی دارد عملکردی را انجام دهد. چیزی که در اجتماع ممکن است رخ بدهد اما در مدل‌هایی که قبل از این گفته بودیم به آن نپرداختیم.

مدتی پیش خبری منتشر شد که در بخشی از سرورهای توئیتر کلمه عبور به صورت مستقیم بخاطر یک گزارش‌گیری ذخیره می‌شدند این مساله منجر به هشدار امنیتی توئیتر به کاربران شد و همچنین یک درصد سهام توئیتر افت کرد. ذخیره کلمه عبور به صورت مستقیم یک ایراد امنیتی در سرویس‌های آنلاین است یکی از ایراداتی که می‌تواند در سیستم‌هایی که به این صورت پسورد را ذخیره می‌کنند اتفاق بیافتد این است که کاربر از این رمز عبور در سیستم‌های دیگری نیز استفاده کرده باشد و در نتیجه بعد از اینکه هکرها دسترسی به پایگاه داده این سیستم پیدا کردند با به دست آوردن این رمز عبور ایمیل و بسیاری از حساب‌های دیگر کاربر را نیز هک کنند. توصیه می‌شود که کاربران برای حساب‌های مختلفشان رمزهای عبور مختلفی انتخاب نمایند. در ادامه ما سرویس و ابزاری را معرفی می‌کنیم که امکان دسترسی به پسورد واقعی شما حتی در سیستم‌هایی که پسورد را به صورت مستقیم ذخیره می‌کنند سخت‌تر می‌کند.


ادامه مطلب

شبکه‌های عصبی که انواعی از آنها با نام یادگیری ژرف نیز شناخته می‌شوند توانسته‌اند در زمینه‌های مختلف برای شناسایی الگو و طبقه‌بندی بهترین نتایج را کسب کنند. این مدل‌ها از واحد‌های کوچکی به نام نورون ساخته می‌شوند که ساده شده سلول‌های نورونی مغز هستند و با دریافت ورودی تا حد مشخصی بر اساس یک تابع فعال ساز فعال شده و به نورون‌های بعدی سیگنال می‌فرستند. این مدل‌ها از میلیون‌ها متغیر ساخته شده‌اند که بر اساس داده‌های آموزشی و الگوریتم‌هایی مانند backpropagation مقدار دهی می‌شوند.  این شبکه‌ها حتی توانستند در مواردی مانند یک نتیجه از DeepMind گوگل از انسان هم بهتر رابطه بین اشیا در تصاویر را تشخیص دهند. اما این به معنای کامل بودن مدل‌های شبکه عصبی نیست.


ادامه مطلب

یک نکته خوب که در نرم‌افزار و ارتباط با کامپیوتر وجود دارد این است که بمرور انجام کارهای سخت و تخصصی برای اکثریت افراد امکان پذیر می‌شود. همین چندسال قبل بود که طراحی یک وبسایت زیبا بسیار و واکنشگرا زمانبر و تخصصی محسوب می‌شد. و سازنده می‌بایست به HTML و CSS و تا حدی Java Script مسلط می‌بود اما بعد از آن کتابخانه‌های زیادی مانند Bootstrap بوجود آمدند که انجام اینکار را برای سازنده ساده کنند همچنین وبسایت‌هایی مانند wix.com هم ساخت یک وبسایت را به راحتی Drag & Drop چند ایتم رساندند. این موضوع در مورد یادگیری ماشین نیز صادق است کتابخانه‌های خوبی مانند Theano و Tensorflow و Torch بوجود آمدند که در کار با شبکه‌های عصبی کاربر نیاز به دانستن جزئیات پیاده‌سازی مدل‌ها روی GPU نباشد سپس کتابخانه‌هایی مانند Keras برپایه Tensorflow و Torch ساخته شد که در سطح انتزاعی بالاتری کار می‌کرد و کار با آن ساده بود به تازگی گوگل پروژه‌ای به نام Teachable Machine را ساخته است که به کاربران عادی کامپیوتر تجربه ساخت و استفاده از یک مدل توسط دوربین کامپیوترشان و بدون نیاز به برنامه نویسی می‌دهد. از پروژه‌های مشابه می‌توان به Azure Machine Learning Studio که توسط مایکروسافت ساخته شده است اشاره کرد که توانایی ساخت یک مدل طبقه‌بند یا Classification ، درونیاب یا Regression و خوشه‌بند یا Clustering را به کاربر نهایی بدون برنامه نویسی و با چند Drag & Drop ساده می‌دهد. همچنین بعد از ساخت این مدل مایکروسافت این امکان را فراهم می‌کند که به صورت Web Service از این مدل ساخته شده در نرم‌افزارهایی که مورد نیاز است استفاده شود.

اهمیت موضوع

به مرور الگوریتم‌های یادگیری ماشین و که در خط مقدم هوش مصنوعی قرار دارند در حال افزایش تاثیرشان در زندگی روزمره کاربران هستند. می‌توان در این میان به سیستم‌های ترجمه ماشینی و پیشنهاد موسیقی مورد علاقه اشاره کرد. هرچند این سیستم‌ها برای کاربران نهایی ارزشمند هستند اما این کاربران نمی‌توانند متوجه چگونگی کارکرد این سیستم‌ها شوند، درک این موضوع برای کاربران نهایی باعث می‌شود با دانستن واقعیات و بدور از توقعات غیرواقعی بتوانند رابطه بهتری با این سیستم‌ها برقرار نمایند. پروژه Teachable Machine یا ماشین یادگیرنده گوگل به منظور تجربه ساخت یک تجربه از پردازش تصویر توسط کاربران ساخته شده است.

ادامه مطلب

تصور کنید دنیایی را که در آن هیچ نرم‌افزاری متن‌باز وجود نداشته باشد، در چنین جهانی پیشرفت صنعت نرم‌افزار کاملا انحصاری بوده و کند می‌شود. همه افراد بدون اینکه بدانند در حال استفاده از نرم‌افزارهای متن باز هستند حالا چه کلاینت تلگرام باشد چه نرم‌افزاری مثل VLC، چه به عنوان سیستم‌عامل کامپیوتر شخصی، چه سیستم‌عامل سروری که توسط آن سرویس‌های روزمره را دریافت می‌کنند. دنیای بدون Open Source یا متن‌باز دنیای بدون اشتراک گذاری است. در چندین هزار سال بشر از اشتراک گذاری تکنولوژی و نحوه ساخت صنعت بهرمند شده و توانسته جوامع را بر این اساس بسازد و حالا این مفهوم به ظاهر جدید یعنی متن‌باز یا Open Source می‌خواهد مارا به آن واقعیت کهن برگرداند. به بیان ساده دنیای بدون متن‌باز دنیای بدون اشتراک گذاری است.

ادامه مطلب

کمتر از یک روز گذشته بود که آسیب پذیری امنیتی جدید دروپال که یکی از امن‌ترین سیستم‌های مدیریت محتوای متن‌باز موجود است منتشر شد. معمولا اولین واکنش‌های بعد از این چنین رویدادهایی این است که در گروه‌ها و انجمن‌های مختلف بحث پیرامون ارتباط امنیت با متن‌باز و یا متن‌بسته بودن نرم‌افزار شکل می‌گیرد. در این میان مهم است که به چند نکته که در ادامه می‌خوانیم توجه کنیم.

ادامه مطلب

یک ماه گذشته بود که ونزوئلا ارز دیجیتالی با پشتوانه نفت به نام Petro را پیشفروش کرد و قصد داشت از این طریق اقتصادش را بهبود بدهد. این ارز دیجیتال در ابتدای کار خودش توانست ۷۳۵ میلیون دلار جذب سرمایه کند. حالا به تازگی رئیس جمهور آمریکا دونالد ترامپ در فرمانی این ارز دیجیتال و تمامی تراکنش‌های مرتبط با آن را غیرقانونی خوانده و تحریم کرده است. پیش از این هم هشدار داده شده بود که آمریکایی‌هایی که از Petro استفاده کنند ممکن است به نقض تحریم محکوم شوند به این دلیل که این ارز به نوعی اعتبار بخشی به دولت ونزوئلا می‌باشد. اما سوالی که مطرح می‌شود این است که آیا اصلا درست است Petro را یک ارز دیجیتال بنامیم؟ درست است که از لحاظ فنی و ساختاری Petro یک ارز دیجیتال است اما تفاوت‌های آشکار زیادی با ارزهای دیجیتال دیگر دارد.

بیت‌کوین، خبرساز و بزرگترین بازیکن عرصه ارزهای دیجیتال، به پشتوانه تنها یک مانیفست و یک پروتکل بنا شده است برخی از اشکالات ارزهای رایج جهانی مانند عدم کنترل در تولید را هدف گرفت و به نوعی راه حل فنی برای آن ارائه داد. نقاط تاریک اقتصاد، نرم‌افزارهای باج گیری، فروش آنلاین مواد مخدر، فروش آنلاین آسیب پذیری‌های Zero-Day، پول شویی، فرار مالیاتی، دور زدن تحریم همگی در تعامل با بیت‌کوین قرار گرفته و در کنار توزیع عادلانه ثروت و آرمان‌های بلند پروازانه این ارز دیجیتال، به پیشرفت آن کمک روزانه کردند. بررسی کردن بیت‌کوین به صورت تک عاملی منطقی نیست. شدت وفاداری به پروتکل بیت‌کوین به حدی است که وقتی در سال ۲۰۱۷ برخی از توسعه دهندگان خواستند به علت اینکه اندازه ۱ مگابایتی اندازه بلاک این ارز دیجیتال را به ۸ مگابایت افزایش دهند تا تراکنش‌ها در صف‌هایی طولانی مدت قرار نگیرند، برخی دیگر از توسعه‌دهنده این را مخالف با نسخه اصلی ساتوشی خواندند و رد کردند. این مساله موجب به وجود آمدن یک ارز دیگر به نام bitcoincash شد. این ارز دیجیتال مشتق شده از بیت‌کوین بوده و تا تاریخ ۱ اوت سال ۲۰۱۷ تمامی تراکنش‌های این دو یکی است بعد از آن به دو شاخه جدا از هم تقسیم شده‌اند. روزی که این مقاله نوشته می‌شود قیمت هر یک بیت‌کوین ۹۱۳۸ دلار و هر یک بیت‌کوین‌کش ۱۰۷۷ دلار است و این ارزش بیت‌کوین‌کش آن را بر اساس ظرفیت بازاری برابر با ۱۸ میلیارد دلار چهارمین ارز دیجیتال بزرگ دنیا ساخته است. بیت‌کوین بخاطر نوآوری و آرمان‌هایش مورد تقدیس است بیت‌کوین‌کش ضمن حفظ آن آرمان‌ها و استقلال‌ها از حکومت‌ها یکی از ایرادات بیت‌کوین را برطرف کرد و تا حد خوبی مورد استقبال نیز قرار گرفت. اما این مساله در مورد Petro برقرار نیست، در واقع تنها ابتکار Petro پشتوانه‌اش به نفت بود میزان اهمیت این موضوع در طولانی مدت مشخص می‌شود اما دنیای ارزهای دیجیتال تا الان فقط با پشتوانه آرمان‌ها و وفاداری سفت و سخت به پروتکل پیش آمده است، مساله‌ای که وقتی پای یک دولت در ارزدیجیتال به میان باشد وجود ندارد.

در انگلیسی کامپیوتر به معنای محاسبه‌گر است، و این معنی خواه و ناخواه به آن ماهیتی از جنس اعداد و ارقام و محاسبه سود و زیان و کشیدن نمودار می‌بخشد. هرچند که با رشد کامپیوترهای شخصی شاهد استفاده از آن در بخش سرگرمی مانند بازی‌های کامپیوتری و دیدن فیلم و گوش سپردن به موسیقی نیز بوده‌ایم و برایمان جای تعجبی ندارد. اما استفاده جدیدتری از کامپیوتر در حال گسترش است که باری دیگر می‌تواند نگاه ما را به این وسیله تغییر دهد. دسته‌ای از هنرمندان مانند آقای Mario Klingemann هستند که در حال ارائه تعریفی جدید از هنر توسط کامپیوترها هستند. این‌ها از الگوریتم‌ها و فریم‌ورک‌های کامپیوتری که اکثرا مبتنی بر شبکه عصبی و Deep Learning بوده کمک گرفته و در برخی موارد از ایده‌ Generative Adversarial Networkها استفاده می‌کنند تا یک تصویر هنری تولید نمایند. در بخش عظیمی از این فرآیند تولید هنر، کامپیوتر و گیت‌های منطقی اثر گذاشته‌اند. روزی فکر می‌شد که کامپیوتر یک ماشین حساب پیشرفته است، روزی دیگر وسیله سرگرمی شد و حالا به نوعی می‌توانیم آنرا یک مبتکر و هنرمند بدانیم. دلیل پیشرفت‌های هوش مصنوعی به این سمت در سالهای اخیر متاثر از ارائه تکنیک‌هایی نظری برای افزایش کیفیت، گسترش فریمورک‌های سطح بالا و افزایش قدرت محاسباتی در شبکه‌های عصبی بخصوص به کمک کارت‌های گرافیکی و GPUها بوده است.

سرویس و پروژه ostagram
پروژه‌ای جالب و قابل توجه در این راستا به نام ostagram توسط آقای Sergey Morugin ایجاد و تکمیل شده است. که از یک شبکه عصبی کانولوشنی، یا convolutional neural network و همچنین الگوریتم استایل هنری که توسط Leon A. Gatys و Alexander S. Ecker و Matthias Bethge استفاده کرده و بر اساس یک عکس الگو و یک عکس ورودی، یک عکس خروجی متشکل از اعمال آن الگو در عکس ورودی را خروجی می‌دهد. شاید بپرسید چه تفاوتی با آن همه Effectهایی که در برنامه‌های مختلف ویرایش عکس داشتیم ایجاد کرده است؟ آن Effectها همگی برنامه‌نویسی شده و به صورت کاملا قطعی به کامپیوتر دستور داده شده بودند و شاید حاصل هفته‌ها تلاش یک برنامه‌نویس برای بهبود بوده باشند و به هیچ‌وجه اینگونه نبود که برنامه‌نویس از خروجی کار و ابتکاری که شبکه عصبی به آن داده شگفت زده شود. اما اینجا تصاویری تولید می‌شوند که برای همگان هرچند که متخصص همین حوزه نیز باشند شگفت‌آور است. شما نیز می‌توانید با ثبت نام در سایت ostagram.ru پس از ثبت‌نام با ارائه عکس ورودی و الگوی مدنظر خودتان، خروجی مطلوب را دریافت نمایید. در ادامه برخی از تصاویر صفحه اینستاگرامی ostagram.ru را با هم مرور می‌کنیم. برای دیدن تصاویر بیشتر می‌توانید از صفحه اینستاگرام ostagram.ru دیدن فرمایید.
ادامه مطلب

مقدمه
تئوری بازی‌ها مطالعه درگیری‌ها و همکاری‌ها بین تصمیم گیرندگان منطقی و هوشمند توسط مدلهای ریاضی است. ناگفته نماند که در اقتصاد و سیاست و علوم کامپیوتر و روانشناسی استفاده بالایی دارد. بازیکن‌های مدل شده ممکن است اشخاص، دولت‌ها، شرکت‌ها باشند تصمیمشان ممکن است انتخاب اینکه یک درگیری را پایان دهند، یک سهام را بفروشند، با طرف مقابل همکاری انجام دهند باشد. انگیزه‌هایشان ممکن است سود یا اهمیت دادن به دیگر بازیگرها باشد. این مدل‌سازی‌ها و دانستن آنها به ما کمک می‌کند در شرایطی که تضاد منافع وجود دارد چگونه تصمیم گیری نماییم و استراتژی‌های آن هرچند در سطح بسیار ساده اینجا مطرح می‌شود و فاقد اعتبار علمی لازم در علم تئوری بازی‌هاست اما به نظرم می‌تواند برای خواننده تا حدی راهگشا باشد.

ادامه مطلب