فارم بوت يقدم روبوت زراعة آلي للغاية وسهل التجميع يبسط عملية زراعة الطعام في المنزل، في المدارس، وحتى في الفضاء.
يستخدمه أكثر من 500 مؤسسة تعليمية ومنظمة مثل ناسا، لتعزيز تعليم العلوم والتكنولوجيا والهندسة والرياضيات والممارسات الزراعية المبتكرة.
توفر نماذج FarmBot، جينيسيس وجينيسيس XL، إنتاجًا غذائيًا مستدامًا مع انبعاثات أقل من ثاني أكسيد الكربون وهي مصممة لتناسب مختلف الأحجام، من الاحتياجات الفردية إلى احتياجات الأسرة.
تلقى الروبوت الزراعي مفتوح المصدر (farm.bot) مراجعات متباينة، حيث تركزت الانتقادات على نقص خبرته في رعاية النباتات، مثل تقنيات الري غير الصحيحة التي قد تؤدي إلى مشاكل فطرية.
يعتقد بعض المستخدمين أن التكنولوجيا يمكن تكييفها ويرون إمكانيات في توسيع نطاقها لتطبيقات أكبر، بينما يجدها آخرون غير عملية للزراعة الجادة.
يُنظر إلى المشروع عمومًا على أنه أداة لهواة أكثر من كونه حلاً قابلاً للتطبيق للزراعة على نطاق واسع.
تدعو المقالة إلى اتباع نهج من الأعلى إلى الأسفل في إدارة المشاريع، مع التأكيد على تقسيم المهام إلى أجزاء أصغر وأكثر قابلية للإدارة لتحقيق إنجاز أسرع.
يسلط الضوء على كيفية أن البرمجة الوظيفية، التي تتجنب الحالة المشتركة، يمكن أن تساعد في هذه العملية، على الرغم من أن البعض يجادل بأن هذه الطريقة هي ممارسة جيدة بشكل عام.
كما يتم التأكيد على المرونة والتكرار، مما يشير إلى أن البدء بمخطط تقريبي وتنقيحه بمرور الوقت يمكن أن يعزز كفاءة وفعالية المشروع.
تدابير الكشف عن العبث ضرورية لاكتشاف الوصول غير المصرح به إلى الأجهزة الإلكترونية، مما يحمي من هجمات 'الخادمة الشريرة'.
تشمل التقنيات استخدام الأختام الفريدة، وطلاء الأظافر اللامع على البراغي، والبرامج الثابتة التي تكشف العبث مثل Heads وAuditor، واكتشاف التسلل المادي باستخدام تطبيقات مثل Haven.
إن دمج طبقات متعددة من الأمان، مثل التخزين الذي يظهر العبث والمراقبة بالفيديو، يعزز بشكل كبير حماية الأجهزة.
تتناول المقالة طرق جعل الأجهزة الإلكترونية قابلة للكشف عن العبث، مسلطة الضوء على أهمية اكتشاف الوصول غير المصرح به أو التعديلات.
شارك مستخدم عمله في استخدام هذه المبادئ لمكافحة الأدوية المزيفة، مشيرًا إلى الحاجة إلى خوارزميات أفضل لتحويل الأنماط العشوائية إلى نص قابل للبحث.
تتناول المحادثة تقنيات ذات صلة مثل الوظائف الفيزيائية غير القابلة للاستنساخ (PUFs) المستخدمة في التشفير وإمكانية استخدام خوارزميات التعرف على الصور للكشف عن العبث.
high_impact هو محرك ألعاب ثنائي الأبعاد جديد مكتوب بلغة C، مستوحى من محرك الألعاب Impact JavaScript لعام 2010، ويدعم منصات متعددة بما في ذلك Windows وMac وLinux وWebAssembly (WASM).
يتميز المحرك بدعم شامل لتطوير الألعاب، بما في ذلك الخرائط المربعة، كائنات اللعبة، الفيزياء، التصادمات، الرسوم المتحركة، النصوص، والصوت، مع التركيز على البساطة وقابلية التوسع.
يتضمن المشروع نسخة من لعبة Biolab Disaster الأصلية ومحرر مستويات محدث، Weltmeister، لعرض قدرات المحرك ودعوة المساهمات لمزيد من التطوير.
أجلت شركة Nvidia إصدار شريحتها الجديدة للذكاء الاصطناعي بسبب عيب في التصميم، مما أثار نقاشات على موقع The Verge حول العوامل الحقيقية التي تحد من تقدم الذكاء الاصطناعي.
يجادل بعض المستخدمين بأن معالجة البيانات وهندسة النماذج هي عنق الزجاجة الأكثر أهمية من قوة الحوسبة الخام، بينما يشكك آخرون في التحسينات المحتملة حتى مع زيادة كبيرة في عدد وحدات معالجة الرسومات.
كما يستكشف النقاش أيضًا إمكانيات النماذج الذكاء الاصطناعي الأصغر والأكثر كفاءة وتأثير التقدم في الأجهزة على أبحاث الذكاء الاصطناعي.
لعبة Jet Rocket من سيجا، التي أُصدرت في عام 1970، كانت لعبة أركيد رائدة تحاكي الطيران والقتال دون استخدام جهاز كمبيوتر أو شاشة.
استخدمت اللعبة نظامًا ميكانيكيًا يتضمن قماشًا يشبه الحزام الناقل، ومرايا، وأضواء لمحاكاة إطلاق الصواريخ واكتشاف الإصابات.
على الرغم من شعبيته الأولية، أثرت النسخ غير المرخصة على مبيعاته في أمريكا الشمالية، واليوم، توجد وحدات قليلة تعمل بشكل جيد، وتُقدَّر النسخ المستعادة لقيمتها التاريخية وابتكارها الميكانيكي.
لعبة سيجا جيت روكيت، وهي لعبة أركيد من السبعينيات، تبرز لعدم احتوائها على جهاز كمبيوتر أو شاشة، بل تعتمد على التكنولوجيا الكهروميكانيكية بدلاً من ذلك.
اللعبة جزء من اتجاه أوسع في السبعينيات حيث استخدمت ألعاب الأركيد مثل سيجا هيليشوتر وكيلر شارك أنظمة كهروميكانيكية مشابهة، مما سبق عصر الرسومات الرقمية.
هذا الاهتمام المتجدد يبرز الهندسة المبتكرة لألعاب الأركيد المبكرة وتأثيرها على تطوير ألعاب الفيديو اللاحقة.
العلاج بالقراءة، وهو ممارسة استخدام الكتب لأغراض علاجية، له جذور تاريخية تعود إلى اليونان القديمة واكتسب شهرة بعد الحرب العالمية الأولى.
تشير الأبحاث إلى أن قراءة الروايات يمكن أن تعزز التعاطف والمهارات الاجتماعية من خلال تحفيز مناطق الدماغ المرتبطة بتجربة الأحداث بشكل مباشر.
على الرغم من بعض الشكوك حول تأثيرها في الحياة الواقعية، تقدم العلاج بالقراءة فوائد صحية شخصية، مثل تقليل التوتر وتحسين النوم، وتساعد الأفراد في اختيار قراءاتهم لتحقيق الراحة العاطفية.
يمكن للقراءة أن تعزز التعاطف من خلال توفير تجربة غامرة لا يمكن للأفلام والتلفزيون أن تضاهيها، مما يسمح للقراء بالعيش جنبًا إلى جنب مع الشخصيات واكتساب فهم أعمق لأنفسهم وللآخرين.
يختلف تأثير القراءة بين الأفراد، حيث توسع غالبًا من آفاقهم وتوفر صدى عاطفيًا، على الرغم من أن الاعتدال مهم لتجنب استخدام القراءة كوسيلة للهروب من الواقع.
يمكن للكتب المناسبة أن تعزز التعاطف والوعي الذاتي، مما يسهم في السعادة العامة.
كانت جوجل في طليعة تطوير الذكاء الاصطناعي والرقائق لأكثر من عقد، مما أدى إلى إنشاء وحدات معالجة Tensor (TPUs) لتلبية الطلبات المتزايدة على حسابات الذكاء الاصطناعي.
تم نشر وحدات معالجة التنسور (TPUs) لأول مرة في عام 2015، وقد تطورت بشكل كبير، حيث عززت الجيل الأحدث، تريليوم، من القوة والكفاءة لنماذج الذكاء الاصطناعي المتقدمة.
أطلقت جوجل وحدات معالجة Tensor في السحابة (Cloud TPUs) في عام 2018، مما أتاح للعملاء تسريع أعباء العمل المتعلقة بالذكاء الاصطناعي، حيث يستخدم أكثر من 60% من الشركات الناشئة الممولة في مجال الذكاء الاصطناعي التوليدي الآن بنية جوجل السحابية للذكاء الاصطناعي.
أثار تطوير وحدة معالجة الموتر (TPU) من جوجل نقاشات حول إمكانية فصلها إلى شركة مستقلة، مما قد يجذب استثمارات كبيرة وقيمة سوقية عالية.
تُعد وحدات معالجة التنسور (TPUs) ثاني أكثر بيئة شيوعًا لتدريب الذكاء الاصطناعي بعد Nvidia، لكن تطوير Google الداخلي لها يعد فعالًا من حيث التكلفة ومتكاملًا بشكل جيد مع نظامها البيئي، مما يعقد إمكانية فصلها.
على الرغم من سوق أجهزة الذكاء الاصطناعي التنافسية وهيمنة شركة Nvidia، فإن وحدات معالجة Tensor من Google تعتبر أساسية لبنيتها التحتية للذكاء الاصطناعي وتستخدم على نطاق واسع من قبل الشركات الناشئة والشركات العملاقة في مجال الذكاء الاصطناعي التوليدي.
كان المونيتاجيوم ممارسة في العصور الوسطى حيث يدفع العامة رسومًا لتجنب تخفيض قيمة العملة، مما كان سيتسبب في التضخم وعدم الاستقرار المالي.
أُدخلت إلى إنجلترا بواسطة ويليام الفاتح، وتطورت إلى تجديد ثلاثي السنوات للعملة، الذي كان غير محبوب وألغاه في النهاية هنري الأول.
كانت هناك ممارسات مشابهة في الدنمارك مع "ضريبة المحراث"، وتواجه الديمقراطيات الحديثة تحديات إيرادات مماثلة، على الرغم من أنها تعتمد على الضرائب بدلاً من تخفيض قيمة العملة.
تستكشف المقالة جهود التجسس الأمريكية لإضعاف التكنولوجيا السوفيتية خلال الحرب الباردة، مشيرة إلى فيديو مفصل من إنتاج Asianometry وكتاب غيرهاردت رونيبيرغر 'Deckname Saale'.
يسلط الضوء على صناعة الكمبيوتر في بلغاريا، التي اعتمدت على التكنولوجيا الغربية المهربة، ويروي عملية لوكالة المخابرات المركزية الأمريكية في عام 1959 تتعلق بمركبة الفضاء السوفيتية لونيك.
تؤكد المقالة على الطبيعة المتبادلة للتجسس، مشيرة إلى سرقات السوفييت للتكنولوجيا الغربية مثل صاروخ سايدويندر ومكوك بوران، وتختتم بمناقشة حول التداعيات الأخلاقية لهذه الأنشطة.
دي-بوت هو نظام جديد يستفيد من نماذج اللغة الكبيرة (LLMs) لتشخيص قواعد البيانات، ويهدف إلى مساعدة مسؤولي قواعد البيانات (DBAs) من خلال أتمتة استخراج المعرفة وتوليد التقارير.
يتضمن النظام تقنيات متقدمة مثل استخراج المعرفة دون اتصال، وتوليد التعليمات التلقائي، وتحليل الأسباب الجذرية باستخدام البحث الشجري، متفوقًا على الأساليب والنماذج التقليدية مثل GPT-4.
تم اختباره على معايير حقيقية، يمكن لـ D-Bot توليد تقارير التشخيص في غضون 10 دقائق، مما يبرز كفاءته وفعاليته في التعامل مع الشذوذات المعقدة في قواعد البيانات.
تتناول المقالة إمكانية استخدام نماذج اللغة الكبيرة (LLMs) كمسؤولين عن قواعد البيانات (DBAs)، مسلطة الضوء على دراسة بعنوان "نظام تشخيص قواعد البيانات باستخدام نماذج اللغة الكبيرة".
تُظهر الدراسة أنه في حين يمكن لنماذج اللغة الكبيرة (LLMs) المساعدة في مهام إدارة قواعد البيانات، إلا أنها ليست متفوقة بعد على مديري قواعد البيانات المبتدئين من البشر، لكنها توفر مزايا في السرعة وتقلل من الأعمال الروتينية.
يساعد استخدام استخراج المعرفة المستندة إلى الأشجار ونماذج Sentence-BERT في الدراسة على التخفيف من المشكلات الشائعة في نماذج اللغة الكبيرة مثل الهلوسة، مما يجعل النظام أكثر موثوقية وقابلية للتدقيق.
كتب مؤلف يبلغ من العمر 16 عامًا، يُدعى ILyesMk2، كتابًا عن مكونات الحاسوب الداخلية، مع التركيز على الذاكرة العشوائية (RAM) ووحدة المعالجة المركزية (CPU)، وشاركه على GitHub.
لقد نال الكتاب استحسانًا لسهولة قراءته ونبرته الجذابة، ويتميز بالمصطلحات الرئيسية والرسوم التوضيحية المصممة باستخدام Figma.
المشروع، الذي استغرق ما يقرب من ستة أشهر، يهدف إلى تثقيف الأجيال الشابة حول كيفية عمل أجهزة الكمبيوتر وقد أثار اهتمام المؤلف بتصميم الويب.
تتناول المقالة تقييم فئة من المجاميع اللانهائية في شكل مغلق، خاصة عندما يكون k عددًا صحيحًا غير سالب وc عددًا نسبيًا بحيث |c| > 1.
يقدم دالة اللوغاريتم المتعدد Lis(z) ويشرح أنه على الرغم من أن تقييم Lis(z) بشكل مغلق يكون عادةً صعبًا، إلا أنه يمكن تحقيقه عندما يكون s عددًا صحيحًا سالبًا.
تقدم المشاركة مثالًا حيث يكون المجموع مساويًا لـ Li−3(1/2)، مما ينتج عنه 26، وتلاحظ أن المجموع يكون دائمًا عددًا نسبيًا وأحيانًا عددًا صحيحًا لقيم معينة من c.
USB Sniffer Lite for RP2040 هو جهاز تعقب USB بسيط يعتمد على Raspberry Pi RP2040، يدعم أوضاع السرعة المنخفضة والسرعة الكاملة، ولا يتطلب أي برامج إضافية.
يتصل مباشرة بدبابيس وحدة التحكم الدقيقة (MCU) ويمكن إعداده باستخدام ملف UF2 وأداة bin2uf2، مع توفير تفاصيل الاتصالات والإعدادات الخاصة بالأجهزة.
لوحة مخصصة مع محور USB مدمج FE8.1 تبسط الإعداد، وتتوفر إعدادات وأوامر التقاط متنوعة للاستخدام المرن.
يتيح USB Sniffer Lite لـ RP2040 للمطورين رؤية حزم USB الخام، وهو مفيد لتطوير البرامج الثابتة لأجهزة USB والتجسس على حركة مرور USB بين أجهزة المضيف المختلفة.
يحتوي RP2040 على نوى ARM Cortex-M0+، ولا توجد حاليًا إصدارات غير ARM متاحة، على الرغم من أن RISC-V يتم استكشافه كبديل.
يمكن للأداة التقاط حزم USB ولها تطبيقات محتملة في اكتشاف الكابلات/الشواحن السيئة وتوصيل أجهزة USB لاسلكيًا عبر WiFi أو Bluetooth.