سلفی جدید «کنجکاوی» از رصد آب در مریخ
دیجیتال ترندز| مریخ نورد کنجکاوی به وسیله یک بازوی رباتیک و حفاری، نمونه‌هایی از گل موجود در سیاره را جمع‌آوری کرده است.این رویداد نشان می‌دهد قبلا در مریخ آب وجود داشته است. مریخ نورد کنجکاوی ناسا مشغول جمع‌آوری گل در سیاره سرخ است. جالب آنکه این کاوشگر همزمان با جمع‌آوری نمونه گل از خود سلفی گرفته است. برای ساخت تصویر سلفی محققان ۵۷ تصویر مختلف را کنار هم چسباندند که ابزار MAHLI کاوشگر ثبت کرده بود. این ابزار در حقیقت یک دوربین است که در انتهای بازوی رباتیک کاوشگر نصب شده است.
با کمی دقت در تصویر می‌توان دو حفره کوچک در کنار عکس مشاهده کرد. این سوراخ‌ها «ابرلیدی» و «کیلماری» نام دارند و مریخ نورد کنجکاوی برای جمع‌آوری نمونه آنها را حفر کرده است. مریخ نورد مذکور هم‌اکنون در منطقه‌ای مملو از گل به آرامی حرکت می‌کند و به سمت منطقه Mount Sharp می‌رود. این منطقه به دلیل وجود گل بسیار مورد توجه کارشناسان است. زیرا گل نشان‌دهنده وجود آب در خاک است. آنها معتقدند احتمالاً میلیاردها سال قبل زیر سطح مریخ آب وجود داشته است. بررسی گلی که روی سطح سیاره وجود داره نیز احتمالاً جزییاتی درباره حیات در سیاره مریخ را نشان می‌دهد. علاوه برآن، مریخ نورد کنجکاوی برای بررسی نمونه‌ها از ابزار CheMinاستفاده می‌کند که می‌تواند مواد معدنی مختلف و میزان آنها در صخره‌های مریخ را اندازه‌گیری کند. این ابزار علاوه بر گل سطح بسیار پایینی از ماده هماتیت (نوعی اکسید آهن) را در گل رصد کرده است.
این یافته‌های جدید حاکی از آن است که زمانی در این منطقه آب وجود داشته است. اما محققان همچنان از شیوه واکنش آب و صخره‌ها با یکدیگر بی‌اطلاع هستند. احتمال دارد صخره‌ها زمانی به وجود آمده باشند که آب دریاچه‌هایی به وجود آورد و در ته آنها رسوباتی ایجاد شد. با گذر زمان این رسوبات به صخره تبدیل شدند و امروز در سطح سیاره وجود دارند.
مقابله با باج افزارها از طریق مسافرت در زمان
تک اکسپلورر| یکی از خطرناک‌ترین انواع حملات سایبری حملات باج افزاری است که موجب قفل شدن فایل‌های کاربران می‌شود، اما محققان امنیتی مسافرت در زمان را برای مقابله با این حملات پیشنهاد کرده‌اند.
تعدادی از دانشجویان دانشگاه ایلینویز از برنامه‌ریزی برای طراحی هارد دیسک خاصی در قالب طرح آلماناک خبر داده‌اند که می‌توان زمان آن را به گونه‌ای جابه‌جا کرد که به قبل از زمان حمله باج افزاری بازگردد و فعالیت خود را بطور عادی انجام دهد.
به گفته این دانشجویان هارددیسک یادشده را می‌توان به گونه‌ای تولید کرد که روی انواع لپ تاپ‌ها، رایانه‌های رومیزی، گوشی‌های هوشمند و حتی محصولات سازگار با اینترنت اشیا قابل نصب باشد و اگر چه در زمان حال به سر می‌برد ولی در عمل بتوان زمان فعال بودن آن را به گذشته‌ای بازگرداند که هاردیسک هنوز به باج افزار آلوده نشده بود و از این طریق بتوان فایل‌های قفل شده توسط هکرها را احیا کرد.
هارد یادشده برای این کار به جای پاک کردن نسخه قدیمی هر فایل بعد از تغییر یا اصلاح آن، نسخه‌ای از آن را نگهداری می‌کند و این نسخه‌های قدیمی در صورت حمله باج افزاری به منظور دسترسی به فایل‌ها و نجات آنها مورد استفاده قرار می‌گیرند.
ابزار خاصی که برای سفر در زمان و احیای فایل‌های قفل شده با استفاده از فایل‌های قدیمی طراحی شده، می‌تواند حتی در صورت پاک شدن تصادفی فایل‌ها توسط کاربر به احیا و بازگرداندن آنها کمک کند. البته هنوز مشخص نیست که این هارددیسک‌ها چه زمانی تولید شده و قیمت آنها به چه میزان خواهد بود.
شکست انسان از هوش مصنوعی در بازی رایانه‌ای
تک اکسپلورر| با افزایش هوشمندی الگوریتم‌های هوش مصنوعی، سرانجام یکی از این الگوریتم‌ها توانست بطور مستقل نحوه اجرای موفق یک بازی رایانه‌ای را یاد گرفته و انسان را در این رقابت شکست دهد. ارتقای الگوریتم‌های هوش مصنوعی مورد استفاده برای پیشبرد بازی‌های رایانه‌ای اهمیت زیادی دارد، زیرا آنها از این طریق تعامل بهتر در محیط‌های پیچیده را یاد گرفته و می‌توانند فرایندهای مختلفی را به پیش ببرند. همچنین از این طریق می‌توان الگوریتم‌های هوش مصنوعی رانندگی و هدایت و ناوبری را آموخت. پژوهشگران انگلیسی با همکاری گوگل روش جدیدی را برای آموزش الگوریتم‌های هوش مصنوعی ابداع کرده‌اند تا سطح عملکرد آنها را در بازی‌های چند نفره سه بعدی ارتقا بخشند. این الگوریتم با موفقیت برای شکست انسان در نسخه‌ای به روز شده از بازی Quake III Arena مورد استفاده قرار گرفت. در این بازی دو گروه رقیب باید پرچم خود را در سرزمین‌های مختلفی نصب کنند تا گروهی که بیشترین پرچم را نصب کند، به عنوان برنده اعلام شود. در این شرایط صدور دستورات صحیح و انجام تصمیم‌گیری‌های پیچیده به صورت صحیح، بهره مندی از توانایی پیش بینی و واکنش مناسب به اقدامات بازیکنان طرف مقابل از اهمیت زیادی برخوردار است. محققان بازی یادشده ۳۰ ربات هوش مصنوعی نرم افزاری را طراحی کردند که هر یک با بررسی شرایط بازی و خودآموزی توانستند نه تنها شیوه درست انجام بازی را به خود بیاموزند، بلکه موفق شدند به بقیه ربات‌های هم گروهی برای انجام بازی به شیوه‌هایی بهتر کمک کنند. در نهایت این رویکرد به شکست گروهی از انسان‌های حرفه‌ای منجر شد. گروه سازنده قصد دارند این تجربه موفق را بر روی چند بازی رایانه‌ای دیگر هم تکرار کنند.
