چگونه می توان حملات تهدید آمیز مبتنی بر هوش مصنوعی را مهار کرد

هوش مصنوعی (AI) تعداد بی‌پایانی از صنایع و فرآیندهای تجاری را متحول می‌کند، واقعیتی که برای عوامل تهدید امنیت سایبری از بین نرفته است.

هوش مصنوعی در حال حاضر توسط دشمنان سایبری از همه نوع، از آماتور گرفته تا دولت ملی، استفاده می شود. یک تکنیک محبوب استفاده از هوش مصنوعی برای تولید محتوای فیشینگ و spearphishing باورپذیرتر است. با جمع‌آوری اطلاعاتی که به راحتی در منابعی مانند پست‌های رسانه‌های اجتماعی در دسترس هستند، هوش مصنوعی می‌تواند ایمیل‌ها، اسناد و وب‌سایت‌های مخربی ایجاد کند که هم برای افراد هدف قرار می‌گیرند و هم بسیار معتبر هستند.

هدف این است که تشخیص مطمئن این تقلبی‌ها برای کارمندان سخت‌تر شود تا مهاجم بتواند سریع‌تر و آسان‌تر به شبکه نفوذ کند.

این امر بدیهی است که کاربران نهایی برای شناسایی مداوم ایمیل های فیشینگ و وب سایت های جعلی، حتی با آموزش های دوره ای آگاهی از امنیت، تلاش می کنند. مهاجم فقط باید یک بار موفق شود تا وارد شود، و بسیاری از نقش های کارکنان (حساب های پرداختنی، کارمندان دولتی که در معرض دید عموم قرار دارند) مستلزم باز شدن ایمیل های منابع ناشناس است.

با توجه به اینکه حملات فیشینگ موفق بدون هوش مصنوعی رایج بود، نتیجه باید این باشد که رویکردهای جدیدی برای مقابله با سیل حملات تقویت شده با هوش مصنوعی مورد نیاز است.

محافظت در برابر حملات پیشرفته هوش مصنوعی

افزایش حملات مهندسی اجتماعی با هوش مصنوعی نیازمند رویکرد Zero Trust است. همه ایمیل‌های دریافتی یا کلیک‌های روی وب‌سایت‌های غیرقابل اعتماد باید خطرناک تلقی شوند.

این دقیقاً همان فرضی است که توسط فناوری HP's Threat Containment استفاده می شود. این رویکرد فرض می‌کند که نمی‌توان به همه چنین محتوایی اعتماد کرد، و بنابراین آنها را فقط در «ماشین‌های مجازی میکرو» (micro-VM) ایزوله‌ای باز می‌کند که در نرم‌افزار روی نقطه پایانی رایانه شخصی ایجاد شده‌اند. یک میکرو VM که توسط سخت افزار CPU اعمال می شود، برای هر برگه صفحه وب یا پیوست ایمیل باز می شود. سطح حمله به شدت کنترل شده Micro-VM باعث می شود مهاجم نتواند نقطه پایانی رایانه شخصی یا هر دستگاه دیگری را در شبکه به خطر بیندازد. هنگامی که کار تکمیل شد، میکرو VM از بین می رود و بدافزار را با خود همراه می کند.

پنج مزیت حیاتی

برخلاف سایر فناوری‌های امنیت سایبری، Threat Containment پنج مزیت را ارائه می‌کند که شامل مدیریت ریسک، تجربه کاربر و کارایی عملیاتی می‌شود:

حفاظت ذاتی - به طور پیش فرض محافظت می کند، بدون تلاش برای شناسایی حملات. با فرض مخرب بودن همه محتوا، امنیت Zero Trust از جمله در برابر حملات مبتنی بر هوش مصنوعی به دست می آید.
قابلیت مشاهده – بر فعالیت در میکرو VM ها نظارت می کند و اطلاعات اطلاعات تهدید را به کنترل کننده متمرکز Wolf منتقل می کند. این امکانات تجزیه و تحلیل و ادغام با پلتفرم های تحلیل اطلاعات تهدید با استفاده از استانداردهای صنعتی مانند STIX و TAXII.
تجربه کاربری مثبت - کاربران از بار و اضطراب ناشی از تلاش برای شناسایی حملات فیشینگ یا وب سایت های جعلی طراحی شده برای سرقت اعتبار رها می شوند. آن‌ها می‌توانند بدون نگرانی کار کنند و بدانند که HP Threat Containment مانع از استفاده مهاجمان از مهندسی اجتماعی برای فریب آنها می‌شود.
کارایی عملیات امنیتی - حجم بلیط های فوری را به دلیل مثبت کاذب ناشی از نقص فناوری تشخیص کاهش می دهد. همچنین میزان اصلاح مورد نیاز برای نقاط پایانی در معرض خطر را کاهش می دهد. در نهایت، اتکای کمتری به آموزش آگاهی امنیتی برای شناسایی فیشینگ وجود دارد، بنابراین زمان آموزش را می توان دوباره به اهداف با ارزش بالاتر اختصاص داد.
کنترل انطباق کارآمد - دستورالعمل‌های انطباق و ممیزی به اثباتی نیاز دارند که کنترل‌های امنیتی به طور مداوم فعال هستند. مهار تهدید بدون فرآیند پیچیده کار می‌کند و عملیاتی کردن آن را بی‌اهمیت می‌سازد، و بنابراین در صورت درخواست حسابرسان، انطباق را نشان می‌دهد.

نتیجه گیری: دفاع برتر در برابر حملات تقویت شده با هوش مصنوعی

هوش مصنوعی بازیگران تهدید را با محتوای معتبرتر در حجم و سرعت افزایش می دهد. مهار تهدید HP که در Sure Click Enterprise و Wolf Pro Security استفاده می شود برای شکست دادن چنین حملاتی مناسب است. اعتماد صفر آن، جداسازی محتوای سخت‌افزاری، همه چیز را مشکوک فرض می‌کند و کار غیرممکن «تشخیص» دقیق هر حمله را از بین می‌برد. همچنین مزایای جامعی را در زمینه دید، تجربه کاربر، عملیات امنیتی و انطباق ارائه می دهد. سازمان هایی با هر اندازه ای که به دنبال بهبود دفاع خود در برابر حملات مبتنی بر هوش مصنوعی هستند، باید برای بهترین ترکیب از حفاظت و کارایی عملیاتی، Threat Containment HP را در نظر بگیرند.

CIO

پلاک‌خوان‌ها در شهرستان سن دیگو در حال گسترش هستند

ده ها پلاک خوان دیگر در راه سن دیگو است، یعنی به مناطقی مانند آلپاین، دریاچه، فالبروک، جولیان، رامونا، دره اسپرینگ، 4S Ranch و Valley Center.

کلی مارتینز، کلانتر شهرستان سن دیگو، گفت: «معاونان در این مناطق می توانند از این فناوری به عنوان یک افزایش دهنده سرعت عمل در زمانی که به دنبال افراد مفقود شده، تحقیق در مورد جرم و جنایت و حتی شناسایی فعالیت های انسانی مرتبط با آتش سوزی در مناطق جنگلی هستند، استفاده کنند.

یکی از چندین داستان موفقیتی که کلانتر مارتینز به آن اشاره کرد، زمانی بود که این دوربین‌ها یک مظنون به قتل را در ماه جولای ردیابی کردند.

ماریا هرناندز، مسافر دره اسپرینگ، آرزو می‌کند که ای کاش وقتی کسی در دسامبر گذشته او را کنار زد، اینها در جای خود بود.

او می‌گوید: «خانمی وقتی از ماشین پیاده می‌شدم به من ضربه زد، زیرا به قدری سریع رانندگی می‌کرد که تمام سمت در را گرفت و سعی کرد مرا سرزنش کند.» «بدون دوربین، واقعاً نمی‌توانید چیزی را ثابت کنید. اکنون برای همه چیز به دوربین نیاز دارید.»

منتقدان فناوری دوربین پلاک خوان، این موارد را از دریچه ای متفاوت می بینند.

پاول هنکین، یکی از ساکنان بونیتا، گفت: «این موضوع نگرانی های زیادی در مورد حفظ حریم خصوصی دارد. "اگر دوربین در نزدیکی شما باشد، آنها به راحتی می توانند حیاط خلوت شما را ببینند!"

هنکین گفت که او همچنین نگران هک شدن سیستم ها است.

او گفت: "ما نمی توانیم خواه ناخواه در این مورد عجله کنیم و انتظار عواقب خوبی از این ماجرا داشته باشیم."

مونیکا مونتگومری استپ ناظر شهرستان پاسخ داد؛

او گفت: «من هم معتقدم بسیاری از پیشرفت‌های فناوری به ما در مبارزه با جرم و جنایت کمک می‌کنند، اما همیشه باید تعادلی در حقوق حریم خصوصی هر فرد وجود داشته باشد.»

هیئت مدیره برای ادامه بررسی این حرکت را با آرای 4-1 (از 5 نفر شورا) تصویب کرد، اما این حرکت هنوز برای نصب دوربین های بیشتر نیست و قطعا نیاز به بررسی بیشتر دارد.

نقش فناوری ها علی الخصوص هوش مصنوعی در سلامت روان : سود یا زیان؟

با گسترش نوآوری های دیجیتال در صنایع مختلف، مراقبت های سلامت روان نیز از این قاعده مستثنی نیست و تکنولوژی های نوین در این حیطه نیز کمک یار هستند. از جلسات درمان مجازی گرفته تا ابزارهای تشخیصی مبتنی بر هوش مصنوعی، فن آوری راه های جدیدی را برای حمایت از افرادی که با مشکلات سلامت روان دست و پنجه نرم می کنند، معرفی کرده است. با این حال، در حالی که این پیشرفت ها دسترسی پذیری را افزایش داده اند، متخصصان در این زمینه نسبت به وابستگی بیش از حد به فن آوری به قیمت ارتباط انسانی که در مراقبت های سلامت روان حیاتی است، هشدار می دهند.

سامیت سافایا، رئیس عملیات لیسون هم مزایا و هم مشکلات مداخلات دیجیتالی سلامت روان را برجسته می کند. او تصدیق می کند که فناوری می تواند نقشی اساسی در دستیابی به افرادی داشته باشد که در صورت نبود تکنولوژی ممکن است به مراقبت دسترسی نداشته باشند. سافایا خاطرنشان می‌کند: «نمی‌توان انکار کرد که نوآوری‌های دیجیتال راه‌های جدیدی برای پشتیبانی از طریق اپلیکیشن‌ها، درمان مجازی و مداخلات مبتنی بر هوش مصنوعی ایجاد کرده‌اند. "تکنولوژی می تواند خدمات بهداشت روانی را به ویژه برای افرادی که در مناطق دور افتاده یا دارای برنامه های شلوغ هستند، در دسترس تر کند." با این حال، او همچنین هشدار می دهد که راحتی نباید به قیمت از دست رفتن اصالت و شفقت تمام شود. "این خطر وجود دارد که ما مراقبت های اصیل و دلسوزانه را برای راحتی معامله کنیم. استفاده از هوش مصنوعی در تشخیص مسائل مربوط به سلامت روان نگرانی‌هایی را در مورد دقت، سوگیری و فقدان عمق عاطفی ایجاد می‌کند.

نگرانی‌های سافایا توسط دکتر راجات گوئل، یکی از بنیان‌گذاران Emoneeds، تکرار می‌شود، که بر اهمیت پرداختن به کمبود شدید متخصصان بهداشت روان در هند تأکید می‌کند. گوئل خاطرنشان می کند: «کمبود نگران کننده متخصصان بهداشت روان در هند - فقط 0.3 روانپزشک، 0.07 روانشناس و 0.07 مددکار اجتماعی به ازای هر 100000 نفر - خواستار راه حل های نوآورانه است. "فناوری بدون شک ابزار قدرتمندی برای پر کردن این شکاف است." با این حال، گوئل مانند سافایا معتقد است که فناوری به تنهایی نمی تواند راه حل جامعی ارائه دهد. در حالی که پلتفرم‌های دیجیتال یک نقطه ورود قابل دسترسی را فراهم می‌کنند، نمی‌توانند جایگزین نیاز به ارتباط انسانی، همدلی و مراقبت شخصی شوند.»

هم صفایا و هم گوئل موافق هستند که فن آوری پتانسیل افزایش مراقبت های سلامت روان را دارد اما تاکید می کنند که باید متفکرانه اجرا شود. به گفته صفا، " لازم است اطمینان حاصل کنیم که فن آوری مورد استفاده ما در خدمت نیاز انسان به همدلی، ارتباط و درک است." او اضافه می کند که در بهترین حالت، فن آوری می تواند مکمل مراقبت از انسان باشد، اما بدون توجه دقیق، خطر تضعیف "قدرت عمیق و اغلب در حال تغییر تعاملات واقعی انسانی" را به همراه دارد.

گوئل از یک رویکرد متعادل و دوجانبه حمایت می کند: " برای پرداختن واقعی به بحران سلامت روان در هند، ما به یک استراتژی نیاز داریم که از فن آوری برای گسترش دسترسی و در عین حال تضمین کیفیت و انسانیت مراقبت از طریق متخصصان ماهر استفاده کند." فن آوری می تواند به عنوان یک کاتالیزور عمل کند، اما نیاز به تخصص حرفه ای دارد تا اطمینان حاصل کند که افراد سطح مراقبت مورد نیاز خود را دریافت می کنند.

در دنیایی که راه‌حل‌های دیجیتال به طور فزاینده‌ای برجسته می‌شوند، هر دو متخصص بر تعادل دقیق بین نوآوری و ارزش بی‌بدیل شفقت انسانی تاکید دارند. صفایا آن را به درستی خلاصه می‌کند: «ما باید اطمینان حاصل کنیم که فناوری مراقبت‌های بهداشت روانی را بهبود می‌بخشد، نه اینکه آن‌ها را مبادله‌ای کند.» تنها با حفظ عنصر انسانی در خدمات بهداشت روان می‌توانیم واقعاً به بحران رو به رشد سلامت روان رسیدگی کنیم، به‌ویژه در کشوری مانند هند، که در آن نیاز به دسترسی و کیفیت مراقبت بیش از هر زمان دیگری ضروری است.

news18

مدیر عامل گوگل معتقد است که هوش مصنوعی نمی تواند جایگزین برنامه نویسان شود

طبق یک گزارش که قبلا منتشر شده، هوش مصنوعی گوگل ادعاهای بیکاری را در نوادا پردازش خواهد کرد. در جدیدترین اخبار، ساندار پیچای، مدیر عامل گوگل، نظرات خود را در مورد امکان جایگزینی هوش مصنوعی با برنامه نویسان سطح ابتدایی را به اشتراک می گذارد. به گفته مدیرعامل، این محتمل ترین سناریو نیست. ساندار پیچای مجموعه سخنرانی های رئیس جمهور 2024-25 را در Carnegie Mellon راه اندازی کرده است.

او به دانشگاه کارنگی ملون سفر کرد تا از آزمایشگاه‌های تحقیقاتی بازدید کند، با اساتید و دانشجویان در مورد فناوری‌های نوظهور صحبت کند و اولین رویداد سری سخنرانی‌های رئیس جمهور در سال تحصیلی جدید را به طور رسمی افتتاح کند. این شرکت قبلاً گام‌هایی را در جهت شفافیت در عصر Gen AI برداشته است.

مدیر عامل گوگل معتقد است حتی برنامه نویسان سطح ابتدایی نیز می توانند هوش مصنوعی را به عنوان یک ابزار مشارکتی ببینند

به گفته مدیر عامل گوگل، هوش مصنوعی باید بیشتر به عنوان یک ابزار مشارکتی به جای چیزی برای رقابت در نظر گرفته شود. پس از اینکه دانش‌آموزان از او پرسیدند که آیا هوش مصنوعی جایگزین برنامه‌نویسان سطح پایه می‌شود، پیچای با بیان این که «نسخه‌ای از این سؤال وجود دارد که می‌توان در بسیاری از رشته‌ها پرسیده شود، شروع به کار کرد».

وی افزود: محتمل ترین سناریو در همه این موارد این است که به مردم کمک کند. این هر دو به برنامه نویسان موجود کمک می کند تا کارهای خود را انجام دهند، جایی که بیشتر انرژی و زمان آنها صرف جنبه های بالاتر کار می شود. به جای اینکه بدانید یک باگ را بارها و بارها یا چیزی شبیه به آن برطرف کنید، درست است.

مدیرعامل می گوید که قبلاً افزایش کارایی را در گوگل تجربه کرده است. او با استناد به ویرایشگر کد مبتنی بر هوش مصنوعی Cursor AI، گفت: «این فقط موانع را برای افرادی که می‌توانند برنامه‌نویسی کنند، کاهش می‌دهد، مثل اینکه چگونه می‌توانید بیشتر، در یک رسانه زبان طبیعی، تعامل داشته باشید. بنابراین، برنامه نویسی بیشتر شبیه یک ابزار خلاقانه می شود. من فکر می‌کنم که آن را برای افراد بیشتری فعال و قابل دسترس خواهد کرد.»

برای کسانی که آشنایی ندارند، Cursor AI یک ویرایشگر کد مبتنی بر هوش مصنوعی است که به توسعه‌دهندگان کمک می‌کند کدهای بهتری را با کارآمدتر بنویسند. ویژگی‌های مختلفی را برای کمک به کدنویسی ارائه می‌کند، از جمله پیشنهاد کد هوشمند، تولید کد و شناسایی اشکال. یک ردیف Hobby رایگان، یک ردیف Pro با 20 دلار در ماه و یک ردیف Business با 40 دلار برای هر کاربر در ماه وجود دارد.

گوگل همچنین استفاده از انرژی پاک را برای توسعه هوش مصنوعی در اولویت قرار داده است

او نه تنها در مورد دیدگاه های خود در مورد استفاده از هوش مصنوعی صحبت کرد، بلکه در مورد نقش انرژی پاک در توسعه آن نیز صحبت کرد. این شامل تامین انرژی مراکز داده عظیم است. او علاقه روزافزون به راکتورهای کوچک مدولار (SMR) برای انرژی هسته ای را تایید کرد. طبق گزارش‌ها، سرمایه‌گذاری سرمایه‌ای به سمت توسعه منابع انرژی جایگزین برای تأمین انرژی پاکیزه تأسیسات محاسباتی جریان داشت.

او در سال 2004 به گوگل پیوست و به توسعه نوار ابزار گوگل کمک کرد. بعداً او توسعه Google Chrome را رهبری کرد که تبدیل به محبوب ترین مرورگر اینترنتی جهان شد. او در آگوست 2015 مدیر عامل گوگل و در دسامبر 2019 مدیر عامل آلفابت شد.

androidheadlines

یوتوب ابزارهایی برای محافظت از تولیدکنندگان محتوا در مقابل هوش مصنوعی می‌سازد

کپی‌برداری از محتوای تولید شده به یکی از دغدغه‌های جدی فعالان در یوتوب تبدیل شده‌ است؛ اما این پلتفرم اخیراً اعلام کرده است که ابزارهایی اختصاصی برای مقابله با چنین پدیده‌ای در دست ساخت دارد و آن‌ها را به‌زودی در اختیار تولیدکنندگان محتوا قرار خواهد داد.

یوتوب چگونه می‌تواند از آثار مقابل هوش‌مصنوعی محافظت کند؟

پست جدید یوتوب، خبر از توسعه ابزارهایی داده است که به تولیدکنندگان محتوا امکان کنترل بیشتر روی آثار خود را می‌دهد و از سوءاستفاده‌های احتمالی توسط هوش‌مصنوعی جلوگیری به عمل می‌آورد. طبق اعلام رسمی یوتوب، ابزارهای مدیریتی جدید به کاربران اجازه خواهند داد تا از پتانسیل‌های خلاقانه هوش‌مصنوعی بهره ببرند و استفاده مسئولانه از ابزارهای مبتنی‌بر این فناوری را رواج دهند؛ درحالی‌که به‌صورت هم‌زمان می‌تواند کپی‌برداری از صدا یا سایر موارد دارای مالکیت معنوی در ویدیوها توسط سرویس‌های خودکار را کاهش دهد.

یکی از ابزارهای جدید یوتوب با نام «فناوری تشخیص بازخوانی مصنوعی» به هنرمندان و تولیدکنندگان محتوا اجازه می‌دهد تا محتوایی که از صدای آنها با استفاده از هوش‌مصنوعی مولد جهت خواندن دیگر ترانه‌ها یا بازخوانی استفاده کرده‌اند را شناسایی کنند. یوتوب اشاره کرده است که این ابزار به‌عنوان زیرمجموعه‌ای از سیستم Content ID ارائه خواهد شد و احتمالاً از سال آینده میلادی در قالب یک برنامه آزمایشی ارائه می‌شود.

توسعه سریع و گسترش روزافزون سرویس‌های مبتنی‌بر هوش‌مصنوعی مولد، بسیاری از هنرمندان را نسبت به کپی‌برداری از آثار یا سوءاستفاده از آنها نگران کرده است. یوتوب در اواخر سال گذشته میلادی به ناشران موسیقی وعده داد که تمهیداتی را جهت جلوگیری از بروز چنین رخدادهایی در پیش خواهد گرفت. همچنین جمعی از هنرمندان در اوایل سال جاری میلادی با انتشار نامه‌ای، نسبت به استفاده بدون اجازه از صدای آنها در ابزارهای هوش‌مصنوعی و لطمه به خلاقیت انسانی، هشدار دادند.

از دیگر ابزارهای یوتوب جهت مبارزه با استفاده‌های نادرست از هوش‌مصنوعی، فناوری تشخیص ویدیوهای جعلی و دیپ‌فیک است. ویژگی مذکور بیشتر روی ویدیوهایی تمرکز دارد که در آن چهره افراد به چشم می‌خورد یا اجرای خوانندگان، بازیگران و سایر هنرمندان روی صحنه را تقلید می‌کنند. البته جزئیاتی از نحوه عملکرد و تاریخ ارائه این ابزار اعلام نشده و ظاهراً یوتوب هنوز مشغول توسعه آن است.

یوتوب بار دیگر موضع خود در مقابل استفاده از ویدیوهای این پلتفرم جهت تمرین مدل‌های هوش‌مصنوعی را هم اعلام کرده است و هرگونه استفاده بدون اجازه از محتوا جهت چنین کاری را مسدود می‌کند. البته با تمامی این شرایط، بسیاری از شرکت‌های فعال در زمینه هوش‌مصنوعی ازجمله OpenAI، اپل، آنتروپیک، انویدیا و Runway از ویدیوهای آپلود شده روی یوتوب برای آموزش مدل‌های خود بهره برده‌اند و مشخص نیست که یوتوب چگونه می‌خواهد از استفاده‌های غیرمجاز آتی جلوگیری به عمل آورد. همچنین قرار است در آینده نزدیک گزینه‌هایی برای صدور اجازه یا تنظیم سطح دسترسی ابزارهای خودکار به ویدیوها در اختیار تولیدکنندگان محتوا قرار بگیرد.

مجوز پارکینگ و تشخیص پلاک : چگونه با هم کار می کنند

اگر مالک یا دارای یک فضای پارکینگ تجاری هستید، ممکن است از قبل با ALPR آشنا باشید. این کلمه مخفف “نرم افزار تشخیص خودکار پلاک خودرو”، این سیستمی است که از دوربین ها برای اسکن و ضبط پلاک ها استفاده می کند.

این نرم افزار کاربردهای زیادی در اجرای قانون و سایر زمینه ها دارد و یکی از کاربردهای رو به رشد آن در مدیریت پارکینگ است. هر منطقه ای که پارکینگ را با مجوز محدود می کند، می تواند از ALPR بهره مند شود.

مجوزهای پارکینگ چگونه با ALPR کار می کنند؟

بررسی پلاک ها ممکن است در برخی از برنامه ها بدیهی به نظر برسد، اما آیا واقعاً با مجوزهای پارکینگ بسیار مفید است؟

وقتی نحوه عملکرد ALPR در پارکینگ‌ها را می‌بینید، متوجه می‌شوید که چگونه می‌تواند کارها را آسان‌تر و راحت‌تر کند.

اجرای خودکار پارکینگ

ماهیت ALPR استفاده از دوربین ها و نرم افزارهای اتوماسیون برای اسکن پلاک ها است. اینکه چه کاری با این اطلاعات انجام می دهید به شما بستگی دارد، اما موارد استفاده معمولی برای نرم افزار پارک خودرو، تشخیص شماره پلاک خواهد بود.

ابتدا می‌توانید پلاک‌های خودرو را در مقابل پرداخت تأیید شده بررسی کنید. هنگامی که شخصی هزینه پارکینگ را پرداخت می کند، پرداخت در یک سرور ابری آپلود می شود که می تواند پلاک خودرو را ثبت کند. وقتی وسیله نقلیه ای از کنار دوربین ALPR می گذرد، پلاک آن در مقابل پرداخت های تایید شده بررسی می شود. شما فورا می دانید که آیا یک وسیله نقلیه مطابقت دارد یا خیر.

راحتی سلف سرویس

یکی دیگر از مزیت های این نوع سیستم های خودکار این است که درهای سلف سرویس را باز می کند. اگر شخصی مجوز پارکینگ می خواهد، می تواند ثبت نام کرده و در یک وب سایت پرداخت کند. آنها حتی نیازی به مجوز فیزیکی برای خودرو ندارند. در عوض، آنها می توانند پلاک خودرو خود را ثبت کنند و سیستم بقیه موارد را مدیریت می کند.

از طرف دیگر، می توانید برای تخلفات پارکینگ نیز پرداخت سلف سرویس را اعمال کنید. هنگامی که یک وسیله نقلیه به دلیل عدم مطابقت علامت گذاری می شود، مالک می تواند جریمه را از طریق همان سیستم خودکار پرداخت کند.

کنترل دروازه ورودی

شما همچنین می توانید ALPR را در کنترل های گیت قرار دهید. از پلاک های رو به جلو می توان برای باز کردن قفل دروازه ها بدون نیاز به کد یا ریموت استفاده کرد.

شما حتی می توانید از شر دروازه ها خلاص شوید (زمانی که انجام این کار منطقی باشد)، زیرا سیستم دوربین هر کسی را که بدون مجوز پارک می کند پیدا می کند. سپس می توانید با وسایل نقلیه ناسازگار به طور موثر برخورد کنید و مکانیسم های غیرضروری دروازه را از مکان های پارکینگ پرترافیک حذف کنید.

چگونه ALPR از سیستم های مجوز پارکینگ سود می برد؟

مکانیسم‌های ALPR می‌توانند مزایای با ارزشی را برای سیستم مجوز پارکینگ به ارمغان بیاورند. این می تواند نتیجه نهایی، عملکرد سیستم و انطباق با مجری قانون یا نهادهای نظارتی را تحت تاثیر قرار دهد:

پارکینگ مجاز یک صنعت ۸ میلیارد دلاری است. با این حال، از سال ۲۰۱۷، بازار به طور متوسط ​​۶٫۸ درصد در هر سال کاهش یافته است. با کاهش درآمد، مهم است که در جایی پیشرفت کنید، و اتوماسیون ALPR به این امر کمک می کند.

اول، هزینه های اضافی را با به حداقل رساندن تعداد کارکنان مورد نیاز برای نظارت و اجرای پارکینگ کاهش می دهد. دوم، با هماهنگی بهتر در اجرای پارکینگ، درآمد را بهبود می بخشد. هزینه ها کاهش می یابد. درآمدها بالا می رود. این یک برد-برد است.

همچنین یک واقعیت ساده وجود دارد که اتوماسیون می تواند خطای انسانی را کاهش دهد. حتی تو پارکینگ هم مشکل داره یک فرد ممکن است مجوز پارکینگ را که در واقع به درستی نمایش داده شده است نبیند. یا ممکن است اتومبیلی را که به اشتباه پارک شده است از دست بدهند. آنها ممکن است پلاک خودرو را اشتباه وارد کنند یا اشتباهات دیگری مرتکب شوند.

سیستم های خودکار این اشتباهات را مرتکب نمی شوند. دقت بهبود یافته برای تجربه پارک بهتر است و درآمد را تثبیت می کند.

موضوع انطباق نیز وجود دارد. اگر پارکینگ یا سازه شما با لیست های نظارتی وسایل نقلیه از سوی مجری قانون وظیفه دارد، این لیست ها را می توان در سیستم ALPR وارد کرد. پلاک‌های پرچم‌دار به‌طور خودکار در سیستم ثبت می‌شوند و رعایت آن را از دست نمی‌دهید.

این برای مسئولیت و وظیفه مدنی، همه در یک زمان خوب است.

این سیستم می تواند برای هر لیستی که از پلاک خودرو استفاده می کند کار کند. می‌توانید محموله‌های غیرمجاز، وسایل نقلیه‌ای که از محل ممنوع شده‌اند و هر چیز دیگری که می‌خواهید در سیستم نظارت کنید.

منبع : shahaab-co.com

آیا هوش مصنوعی ما را به سمت یک بحران انرژی سوق می دهد؟

پس از اینکه OpenAI در نوامبر ۲۰۲۲ سرویس ChatGPT را راه اندازی کرد، تصور ما از آنچه هوش مصنوعی می تواند انجام دهد، به طور کامل تغییر کرد. از آن زمان، ما اساسا در همه بخش ها از امور مالی و درمانی گرفته تا سرگرمی و حتی تدریس از هوش مصنوعی استفاده کرده ایم. این کار زندگی ما را بسیار آسان تر می کند.

اما آیا هوش مصنوعی ابزاری است که بتواند به ارائه خود ادامه دهد؟ در واقع، محدودیت های خود را دارد و این محدودیت ها به خصوص در بخش انرژی احساس می شود. با روشی که در آن منابع انرژی را تحت تاثیر قرار می دهد، حتی می توانیم بگوییم که هوش مصنوعی ما را به یک بحران انرژی هدایت می کند.

هوش مصنوعی چگونه موضوع انرژی را تحت تاثیر قرار می دهد

پیش بینی برق ۲۰۲۴ آژانس بین المللی انرژی (IEA)که به عرضه برق، تقاضا و انتشار دی اکسید کربن تا سال ۲۰۲۶ می پردازد، نشان می دهد که ما تازه داریم می بینیم که هوش مصنوعی چگونه بر بخش انرژی تاثیر خواهد گذاشت. در میان یافته های دیگر، مشخص شده است که هر پرسش ChatGPT از ۲.۹ وات ساعت برق استفاده می کند.

این مقدار تقریبا ۱۰ برابر مقدار درخواستی گوگل است که ۰.۳ وات ساعت است. مطالعه ای دیگر پیش بینی می کند که تا سال ۲۰۳۰، مراکز داده هوش مصنوعی می توانند از ۴.۵ درصد تولید انرژی جهانی استفاده کنند.

علاوه بر این، از زمان انتشار ChatGPT، شرکت ها در حال تلاش برای ادغام هوش مصنوعی مولد در محصولات و خدمات خود هستند. امروزه، تقریبا هر سرویس آنلاین دارای یک چت بات شخصی سازی شده یا دستیار مجازی است که می تواند تقریبا از پس هر درخواست یا کاری برآید.

کورتانای مایکروسافت یا اریکا از بانک آمریکا مثال هایی از این دست هستند. اما این استفاده کنترل نشده از هوش مصنوعی تا چه زمانی می تواند پایدار بماند؟

SemiAnalysis می گوید: حتی با استفاده مراکز داده هوش مصنوعی از ۴.۵ درصد انرژی جهان تا سال ۲۰۳۰، ما بسیار پایین تر از "سناریوی روز قیامت" استفاده از ۲۴ درصد از کل انرژی تولید شده باقی خواهیم ماند.

با این وجود، این بدان معنا نیست که هزینه انرژی و زیست محیطی هوش مصنوعی قابل توجه نیست یا باید مقررات را برای رسیدگی به آن به تعویق بیندازیم. ردپای اکولوژیکی آن روز به روز در بسیاری از بخش ها افزایش می یابد.

ردپای زیست محیطی هوش مصنوعی

هوش مصنوعی مولد علاوه بر نیاز به انرژی، به مساله رو به رشد کمبود آب شیرین نیز می افزاید. مراکز داده که از پس حجم کاری روزافزون هوش مصنوعی بر می آیند، گرمای زیادی تولید می کنند و برای خنک سازی به آب نیاز دارند. با افزایش استفاده از هوش مصنوعی، تعداد مراکز داده و مقدار آب مورد نیاز برای خنک نگه داشتن آن ها نیز افزایش خواهد یافت. این اتفاق در زمانی رخ می دهد که بسیاری از کشورهای جهان با کمبود آب مواجه هستند.

مایکروسافت در گزارش پایداری زیست محیطی سال ۲۰۲۲ خود از افزایش ۳۴ درصدی مصرف جهانی آب خبر داد، در حالی که در همین بازه زمانی، گوگل از افزایش ۲۰ درصدی مصرف آب خبر داد. این همزمان با زمانی است که تحقیقات در زمینه هوش مصنوعی مولد واقعا در حال پیشرفت بود.

وقتی صحبت از انتشار کربن توسط استفاده از هوش مصنوعی، مرتبط با مصرف انرژی می شود، تاثیر زیست محیطی آن شدید است. در همین گزارش پایداری، گوگل نسبت به سال گذشته ۱۳ درصد افزایش در تولید دی اکسید کربن داشته است.

این در زمانی اتفاق می‌افتد که غول فناوری قصد دارد تا سال 2030 به انتشار خالص صفر در عملیات و زنجیره تامین خود برسد و هوش مصنوعی ممکن است آن را متوقف کند. در واقع، تا سال 2040، صنعت فناوری اطلاعات و ارتباطات (ICT) انتظار می رود 14 درصد از کل انتشار گازهای گلخانه ای جهان را تولید کند.

آیا می توانیم از این بحران انرژی هوش مصنوعی جلوگیری کنیم؟

دانشمندان به طور مداوم به دنبال راه هایی برای به حداقل رساندن آسیب های زیست محیطی ناشی از انسان ها و کارآمدتر کردن تولید و مصرف انرژی هستند. جالب اینجاست که هوش مصنوعی در ارائه راه حل برای این موضوع بسیار خوب عمل می کند.

برای حل بحران هایی مانند تغییرات اقلیمی ناشی از انتشار کربن، ابتدا باید آن ها را به طور کامل درک کنیم و هوش مصنوعی می تواند نقش مهمی در این زمینه ایفا کند. الگوریتم های هوش مصنوعی می توانند حجم عظیمی از داده ها را برای پیش بینی رونده ای آینده در تغییرات اقلیمی یا تشخیص الگوهایی که ممکن است انسان ها از دست بدهند، تجزیه و تحلیل کنند.

این فن آوری در حوزه هایی مانند کربن زدایی مورد استفاده قرار می گیرد که به ردیابی و کاهش انتشار کربن و بهینه سازی انرژی تجدیدپذیر برای بهبود کارایی سیستم های انرژی خورشیدی و بادی کمک می کند. به این ترتیب می توان بحران انرژی هوش مصنوعی را به حداقل رساند.

با این حال، این یک پارادوکس ایجاد می کند. منابع این سیاره برای توسعه ابزاری به نام AI که قرار است در دراز مدت به محیط زیست کمک کند، در حال از بین رفتن است. نکته کلیدی این خواهد بود که ما امروز چگونه هوش مصنوعی را به کار می گیریم و مقرراتی که وضع می کنیم تا اطمینان حاصل کنیم که بدون ایجاد آسیب بیشتر به طبیعت، به نفع ما است.

گام بزرگ ایلان ماسک در حوزه تراشه های هوش مصنوعی

سیستم آموزش هوش مصنوعی شرکت xAI «ابرخوشه ممفیس» نام دارد و از 100 هزار پردازشگر H100 انویدیا تشکیل شده است.

«ایلان ماسک»، بنیان‌گذار استارتاپ هوش مصنوعی xAI، اعلام کرد قوی‌ترین خوشه تراشه‌های آموزش هوش مصنوعی در جهان آغاز به‌ کار کرده است. این خوشه که «ابرخوشه ممفیس» نام دارد، از 100 هزار پردازشگر H100 انویدیا تشکیل شده است.

براساس پست ایلان ماسک در ایکس، آموزش هوش مصنوعی شرکت xAI با سیستم ابرخوشه ممفیس آغاز شد. این ابرخوشه متشکل از 100 هزار پردازشگر H100 انویدیا است که به گفته ماسک، قوی‌ترین خوشه آموزش هوش مصنوعی در جهان است. این ابرخوشه در بخش جنوب‌غربی شهر ممفیس در ایالت تنسی آمریکا واقع شده و در تاریخ این شهر، بزرگ‌ترین سرمایه‌گذاری استارتاپ تازه‌تأسیس محسوب می‌شود.

ایجاد قوی‌ترین سیستم آموزش هوش مصنوعی توسط ایلان ماسک

ایلان ماسک می‌گوید این خوشه روی RDMA یا «دسترسی مستقیم حافظه از راه دور» کار می‌کند که باعث کارآمدتر شدن و تأخیر کمتر انتقال داده‌ها بین گره‌های محاسباتی می‌شود. مسلماً xAI قصد دارد با کمک این خوشه عظیم هوش مصنوعی قدرتمندی توسعه دهد.

همچنین ایلان ماسک در پست دیگری می‌گوید این شرکت قصد دارد «قدرتمندترین هوش مصنوعی جهان در هر متر و معیاری» آموزش دهد و این کار را «تا دسامبر امسال» (آذرماه 1403) انجام دهد.

ایلان ماسک باوجود همه جاه‌طلبی‌ها و موفقیت‌های بسیاری که دارد، به‌دلیل وعده‌های عملی‌نشده‌اش کمی بدنام است. دراین‌باره می‌توان تأخیر در رونمایی از روبوتاکسی، استفاده از ربات‌های اپتیموس در کارخانه‌های تسلا و بردن انسان به مریخ را مثال زد؛ به همین دلیل بعید نیست دسامبر 2024 خبری از رونمایی «قدرتمندترین هوش مصنوعی جهان» نباشد.

بااین‌حال، باتوجه‌به اینکه مایکروسافت، گوگل، انتروپیک، متا و OpenAI همگی به‌دنبال توسعه مدل‌های زبانی بزرگ و کوچک قدرتمندتر و مقرون‌به‌صرفه‌اند، xAI نیز اگر بخواهد در این رقابت فزاینده حرفی برای گفتن داشته باشد، نیاز به مدلی جدید و کارآمد خواهد داشت.

نمایندگان شهرستان واگونر مردی را در خودروی سرقتی با استفاده از دوربین های Flock دستگیر کردند

نمایندگان شهرستان واگنر یک وسیله نقلیه سرقتی را کشف کردند و به لطف دوربین های پلاک خوان FLOCK دستگیر شدند.

به گفته کلانتر شهرستان واگونر (WCSO)، در 11 ژوئیه، نمایندگان یک اخطار Flock ALPR از یک وسیله نقلیه سرقتی در Broken Arrow دریافت کردند.

نمایندگان به منطقه پاسخ دادند و خودرو را در حال حرکت به سمت جنوب در خیابان 305 شرقی جنوبی یافتند.

WCSO گفت که یک توقف تردد در خودروی سرقتی انجام شد.

آندرو د لا کروز پرز بدون هیچ حادثه ای بازداشت شد.

پرز به دلیل در اختیار داشتن یک وسیله نقلیه سرقتی و رانندگی بدون گواهینامه رانندگی به بازداشتگاه شهرستان واگونر منتقل و زندانی شد.

بازرسان گفتند پرز اهل باتون روژ، لوئیزیانا است.

گزارش گیری نرم افزار پلاک خوان آی پلاک

سلام

روز شما بخیر باشه

توی آموزش های قبلی نحوه پلاک خوانی از روی ویدیو ها و تصاویر دوربین ها رو دیدیم.

اما اگه بخوایم شماره یه پلاک رو جستجو کنیم و ببینیم که چه ساعت هایی تردد داشته چی؟ اگه بخوایم توی  یه بازه مشخص گزارش تردد ها رو ببینیم باید چیکار کنیم؟

نرم افزار پلاک خوان آی پلاک  قابلیت های کامل و متنوعی در زمینه پلاک خوانی داره. ما میتونیم از طریق این نرم افزار بر اساس جزئی ترین پارامتر ها تردد های انجام شده رو جستجو و گزارش گیری کنیم.

اما بریم ببییم گزارش گیری نرم افزار چجوری انجام میشه

اول از طریق تب های بالای نرم افزار، وارد تب گزارشات میشیم.

با وارد شدن به این تب، صفحه گزارشات رو میبینیم که فیلتر ها و پارامتر های مختلفی برای جستجو به ما میده.

برای جستجوی گزارشات، باید از فیلتر های سمت راست، بازه زمانی مد نظرمون رو انتخاب کنیم و گزینه جستجو رو بزنیم. من بازه زمانی رو روی یک ماه میذارم و جستجو رو کلیک می کنم.