به گزارش کافه دانشگاهیان: سانفرانسیسکو از اولین محصول خود به نام Ai Pin رونمایی کرد، ابزاری پوشیدنی که فناوری را به سطحی نوآورانه می‌رساند. این دستگاه رابط کاربری بدون صفحه که برای اتصال به لباس طراحی شده است، به عنوان یک دستیار مجازی عمل می‌کند که توسط مایکروسافت و فناوری Open AI پشتیبانی می‌شود.

Ai Pin که به عنوان یک جایگزین ۷۰۰ دلاری برای گوشی‌های هوشمند معرفی می‌شود، قابلیت‌هایی مانند عکس‌برداری، ارسال پیامک و نمایش یک رابط بصری در کف دست کاربر ارائه می‌دهد. این پردازنده توسط یک SoC ناشناخته اسنپدراگون تامین می شود. این ابزار پوشیدنی از ۱۶ نوامبر به فروش می رسد و سفارشات آن در اوایل سال ۲۰۲۴ ارسال می‌شود.

این ابزار پوشیدنی، گامی جسورانه در طراحی فناوری‌های شخصی است که از مدل رایج گوشی‌محور فاصله زیادی دارد. طراحی آن، بدون صفحه نمایش، به کاربران اجازه می‌دهد با هوش مصنوعی به شیوه‌ای طبیعی‌تر درگیر شوند. این امر از طریق دستورات صوتی و حرکات دست مستقیم روی کف دست کاربر به دست می‌آید. Ai Pin را می توان به طور محتاطانه به لباس خود سنجاق و این فناوری را به همراهی محبوب در زندگی روزمره تبدیل کرد.

باوجود طراحی نوآورانه، قیمت و مدل اشتراک Ai Pin ممکن است باعث ایجاد انتقاداتی شود. با ۶۹۹ دلار به علاوه ۲۴ دلار هزینه ماهانه برای دریافت خدمات از طریق T-Mobile، واضح است که Ai Pin بخشی از بازار را هدف قرار می‌دهد که به فناوری پیشرفته اهمیت زیادی داده و مایل به سرمایه‌گذاری در بخش‌های مختلف آن است.

هزینه‌ای که مشتری می‌پردازد شامل دو تقویت کننده باتری، یک پد شارژ، کیس، کابل و آداپتور است که ماهیت باکیفیت این دستگاه را نشان می‌دهد. اشتراک ماهانه ۲۴ دلاری این دستگاه ممکن است برای مصرف‌کنندگانی که به خرید کردن به شیوه امروزی عادت کرده‌اند، مشکل باشد. در حالی که اشتراک ماهانه شامل تماس نامحدود، پیامک و استفاده از اینترنت است، باید دید آیا ویژگی‌های منحصر به فرد Ai Pin به اندازه کافی قانع کننده خواهد بود که کاربران را متقاعد کند تا هزینه‌های تکراری دیگری را به بودجه خود اضافه کنند یا نه؟

طراحی و پذیرش اجتماعی

از نظر طراحی، Ai Pin با پوشیدنی‌های فناورانه معمول فاصله زیادی دارد. رابط بدون صفحه نمایش آن گواهی بر تعهد این شرکت به ادغام هوش مصنوعی در زندگی ماست. انتخاب سه رنگ، به همراه طراحی سبک وزن، نشان‌دهنده توجه متفکرانه به زیبایی شناسی و راحتی کاربر است. Ai Pin با وزن تنها ۳۴ گرم و ۲۰ گرم اضافی برای تقویت باتری، برای استفاده در تمام روز طراحی شده است.

با این حال، مسئله پذیرش اجتماعی نیز وجود دارد. وجه تمایز این دستگاه می‌تواند یک شمشیر دو لبه باشد. در حالی که برخی ممکن است از ظاهر منحصر به فرد آن قدردانی کنند، برخی دیگر ممکن است آن را نقد کنند. آزمایش واقعی زمانی رخ خواهد داد که Ai Pin در دست مشتریان دیده شود و یقه‌های آن‌ها را زینت دهد.

مشارکت افراد سرسخت صنعت تکنولوژی و فناوری مانند جاناتان آیو که به خاطر کارش در اپل شهرت دارد، نشان می‌دهد Ai Pin فقط یک ابزار فناورانه معمولی نیست. شاکله اصلی تیم Humane، متشکل از مدیران سابق اپل، اعتبار قابل توجهی به این محصول بخشیده است. این ارتباط ممکن است مشتریان بالقوه را در مورد کیفیت و دقتی که برای ساخت Ai Pin به کار گرفته شده است، مطمئن کند.

مبادلات و چالش‌ها

این دستگاه همچنین نگرانی‌های مربوط به حریم خصوصی و پتانسیل اتکای بیش از حد به فناوری هوش مصنوعی را زیر سوال می‌برد. در حالی که «چراغ اعتماد» دستگاه نشان می‌دهد میکروفون یا دوربین چه زمانی فعال است و برخی نگرانی‌های مربوط به حریم خصوصی را برطرف می‌کند، باید دید که بازار چگونه به هوش مصنوعی پوشیدنی که همیشه در دسترس است، چه به معنای واقعی کلمه و چه به صورت مجازی، واکنش نشان می‌دهد. تاکید Humane بر حفظ حریم خصوصی و وعده «در لحظه زندگی بیشتری داشته باشید» عوامل کلیدی در موفقیت یا شکست آن خواهد بود.

از آنجا که پیش‌سفارش‌ها از ۱۶ نوامبر (۲۵ آبان) آغاز می‌شود، جامعه فناوری و مصرف‌کنندگان به طور یکسان از نزدیک آن را تماشا خواهند کرد. موفقیت Ai Pin نه تنها به عملکرد و طراحی آن بستگی دارد، بلکه به توانایی آن در آمیخته شدن با کاربران در سطح عملی و احساسی نیز بستگی دارد. آیا این ابزار بدون صفحه‌نمایش و مبتنی بر هوش مصنوعی به یک عنصر اصلی در کمد لباس فناوری ما تبدیل خواهد شد؟ فقط زمان می تواند مشخص کند. 

این دانشکده در زمینه مهندسی متالورژی (Metallurgical Engineering) در صدر دانشگاه‌های ایران قرار دارد و تنها مرکز پژوهشی کشور است که توانسته این موفقیت را کسب کند.

همچنین دانشکده مهندسی متالورژی و مواد دانشگاه تهران واقع در دانشکدگان فنی توانسته است پروژه‌های دانشجویی و صنعتی فراوانی را در این‌باره به سرانجام برساند که پژوهش‌های به‌روز آن یکی از علت‌های کسب این جایگاه توسط این دانشکده بشمار می‌رود.

مقالات پژوهشی بسیاری هم در دانشکده مهندسی متالورژی و مواد دانشگاه تهران به نگارش در آمده که به کسب این جایگاه منجر شده است.

براساس اعلام دانشگاه تهران، این رتبه‌بندی به آدرس https://www.shanghairanking.com/institution/university-of-tehran قابل دسترسی است. (به نقل از ایرنا)

دکتر عارف شیرازی دانش‌آموخته دانشگاه صنعتی امیرکبیر و مجری طرح تلفیق روش‌‏های تحلیلی هوشمند به منظور مدل‏ سازی ژئوشیمیایی و شناسایی کلیدهای اکتشافی در مورد طرح خود توضیح داد: شناسایی مناطق مهم معدنی از نظر کانی زایی، اولین مرحله از چرخه عمر معدن به شمار می ‏آید؛ بنابراین به طور مستقیم یا غیرمستقیم، مراحل بعدی را تحت تأثیر نتایج خود قرار می‌‏دهد. ارائه یک مدل یکپارچه از ویژگی‌های مختلف مربوط به کانی ‏زایی به منظور اکتشاف ذخایر اقتصادی مس به وسیله روش‌های مبتنی بر هوش مصنوعی هدف این پروژه بوده است.

وی با بیان اینکه مدل یکپارچه پتانسیل معدنی مس از اعتبار بالایی برخوردار است به طوری که بر اساس روش ماتریکس در‏هم‌ریختگی، صحت میانگین بیش از هشتاد درصد محاسبه شده است، گفت: به عبارت ساده تر مدل ارائه شده مبتنی بر هوش مصنوعی توانسته است با اعتبار بالایی پتانسیل های کانی زایی مس را بارزسازی کند. نتایج حاصل از این پژوهش، گامی بزرگ جهت صرفه‌جویی در منابع مدیریتی در بخش اکتشافات مواد معدنی است.

محقق دانشگاه صنعتی امیرکبیر خاطرنشان کرد: بر اساس بررسی‌‏ها، کلیدهای اکتشافی مربوط به کانی ‏زایی مس ‏سولفید‏ توده‌‏ای در قالب پنج لایه ‏اطلاعاتی آماده شد. این لایه‏‌های اطلاعاتی عبارتند از ‏زمین‏ شناسی ساختاری، دگرسانی، ‏لیتولوژی، ژئوشیمی و زمین‏‌گاه ‏شناسی که در روند مطالعاتی هر یک، از روش‌های تحلیلی و مبتنی بر هوش مصنوعی استفاده شده است.

وی گفت: از جمله روش‏‌های بکار رفته در تحلیل لایه‏ های اطلاعاتی می‏ توان به آمار کلاسیک، زمین ‌آمار، هندسه فرکتالی، شبکه عصبی مصنوعی، یادگیری ماشین و خوشه ‏بندی اشاره ‏کرد. در نهایت برای شناسایی نواحی پرپتانسیل کانی ‏زایی مس، لایه‌های اکتشافی مطالعه شده، به روش ابداعی فرآیند تحلیل سلسله مراتبی - عصبی فازی (NFAHP) یکپارچه شد.

شیرازی خاطرنشان کرد: صحت‌‏سنجی مدل پتانسیل معدنی مس‏‌سولفید ‏توده‌‏ای در ناحیه سهل‌آباد، با رویکرد ماتریکس درهم ‏ریختگی و ضریب توافق کاپا ارزیابی شد. میزان صحت کلی برای کلاس‏‌های پتانسیل بالا، متوسط و پایین به ترتیب ۸۰، ۸۳ و ۸۳ درصد و ضریب توافق کاپا ۶۵/۰ محاسبه شده است. این نتیجه تاییدی است بر اعتبار مدل پتانسیل کانی ‏زایی مس در ناحیه سهل‌آباد است.

وی افزود: سیستم مدیریت اکتشافات معدنی کشور، باید خود را با روش ‏های روز دنیا از جمله روش های مبتنی بر هوش مصنوعی همراه کند. مدل‌‏های تلفیقی بهینه سازی شده بر مبنای هوش مصنوعی، می ‏تواند تا حد زیادی در صرفه جویی منابع مالی و زمانی موثر باشد. این مهم به عنوان گام نخست در شناسایی ذخایر معدنی، به طور کلی تاثیر به‌سزایی بر روند رشد صنایع کشور خواهد داشت.

این محقق دانشگاه امیرکبیر گفت: از کاربردهای این طرح می توان به افزایش صحت مناطق مستعد کانی زایی شناسایی شده، استفاده همزمان از روش های داده محور و دانش محور، ارائه رویکردی جدید از کاربرد روش خوشه بندی کا-میانگین در تفکیک جوامع آماری و جدایش آنومالی از زمینه، ارائه روش ابداعی فرآیند تحلیل سلسله مراتبی فازی عصبی (Neuro-Fuzzy- Analytic Hierarchy Process) یا به اختصار NFAHP به عنوان روشی جدید در یکپارچه سازی لایه های اطلاعاتی اشاره کرد. این روش به طور کلی قابلیت تلفیق و یکپارچه‌سازی هرگونه لایه اطلاعاتی را دارد که در طرح حاضر به صورت کاربردی در اکتشاف معدن استفاده شده است.

استاد راهنمای این طرح پروفسور اردشیر هزارخانی عضو هیات علمی دانشگاه صنعتی امیرکبیر است. (به نقل از ایرنا)