امروز روز اول آوریل است، اما این موضوع خنده ندارد. ایالات متحده با یکی از گران ترین تصادفات تاریخ خود دست و پنجه نرم می کند. در 26 مارس، یک کشتی کانتینری چندین بار برق خود را از دست داد و با دو خلبان به پل فرانسیس اسکات کی برخورد کرد. جان ها از دست رفتند و تخمین زده می شود که بازسازی آن 400 میلیون دلار و احتمالاً یک دهه طول بکشد.
من تجربه زیادی در مورد آب داشتم. در 12 سالگی قایقرانی را به خودم یاد دادم، در گشت بندر هم به عنوان نیروی انتظامی و هم آتش نشانی کار کردم و برای مسابقه دادن با قایق های 17 متری آموزش دیدم. بزرگترین قایق من یک کشتی باری 450 فوتی به میکرونزی بود (من در آن خوب نبودم).
اگر پورت به درستی خودکار و توسط هوش مصنوعی اداره می شد، می توانستیم از فاجعه هفته گذشته جلوگیری کنیم. بیایید به نحوه استفاده از هوش مصنوعی برای جلوگیری از این نوع فاجعه بپردازیم، چرا هوش مصنوعی به طور بالقوه برای همه انواع پورت ها ایمن تر است، و چرا مهم است که ما شروع به استفاده تهاجمی از ابزارهای هوش مصنوعی کنیم تا شانس بهتری برای جلوگیری از این نوع از این نوع فاجعه ها داشته باشیم. نتیجه فاجعه بار
ما با محصول هفته من، HP Elite mt645 G8، یک لپ تاپ تین کلاینت جدید از HP که می تواند به طور چشمگیری تشدید پشتیبانی را کاهش دهد و امنیت را در شرکت ها و مدارس بهبود بخشد، پایان می دهیم.
داستان فانتوم شونر من
فاجعه کی بریج مرا به یاد زمانی می اندازد که با یک اسکله بسیار کوچکتر 679 تنی فانتوم در حال حرکت بودم. ناخدای آن کشتی ماجرای زیر را گفت.
آنها اسکرو را در کنار کشتی بزرگتر نروژی کروز لنگر انداخته بودند. کاپیتان Fantome قبلاً کاپیتان NCL بود، بنابراین او می خواست خود را نشان دهد که بندر را ترک می کند. او دستور داد بادبان‌ها را باز کنند، فقط دید که فانتوم به جای چرخش آنطور که باید بچرخد، دقیقاً به سمت کشتی نروژی نشانه رفته است.
Fantome یک کشتی جنگی سابق بود، بنابراین نه تنها یک کمان فولادی جامد، بلکه یک کمان نیز داشت که با حدود سه اینچ از فولاد جنگی محافظت می شد، زیرا به گونه ای طراحی شده بود که بتواند رم کند. کشتی نروژی، در مقابل، حدود .25 اینچ فولاد سبک تری داشت که از آن در میان کشتی محافظت می کرد. مشکل این بود که جفت سوم، که قرار بود بادگیرهای جلو را بالا بیاورد، که قایق را به اطراف هل می داد، در عوض با مسافران معاشقه می کرد.
کاپیتان یک انتخاب داشت: موتورهای بزرگ را روشن کند و فرمان کامل را بدهد، که احتمالاً فقط سوراخی به اندازه یک خانه در کنار کشتی کروز ایجاد می کند، یا دستور کامل جلوتر را بدهد و امیدوار باشد که فرمان کافی برای آوردن کشتی وجود داشته باشد. دور به اندازه کافی برای از دست دادن کامل.
البته، اگر کشتی به اطراف نمی آمد، احتمالاً هر دو کشتی را غرق می کرد. او دستور داد تا جلوتر باشد، اما باز هم با یک ضربه نگاه به کشتی کروز ضربه زد، پهلو را خراش داد و دکل بالایی مربع شکل (به ضخامت من قد بلند و بلوط جامد) را از وسط وصل کرد.
متأسفانه، او در دریا با غرق شدن Fantome چند ماه بعد در طوفان عظیم جان خود را از دست داد – اما اجتناب از یک تصادف “تقریباً” اجتناب ناپذیر چیزی است که یک کاپیتان با تجربه قادر به انجام آن است و به خوبی در حد توانایی یک هوش مصنوعی آموزش دیده است.
نظر من این است که اکثر کاپیتان ها ریسک پذیر نیستند، به ندرت مجبور به مقابله با فجایع هستند، به طور منظم در شبیه سازها آموزش نمی بینند یا گواهینامه دریافت نمی کنند، و به طور کلی برای مشکلاتی مانند برخورد پل یا داستان فانتوم من آماده نیستند.
با این حال، کاپیتان‌های استثنایی از همتایان خود یاد می‌گیرند، انتظار مشکلات را دارند و تمرین‌های مختلفی را برای اطمینان از نتایج مثبت انجام می‌دهند. هوش مصنوعی می‌تواند هر کاپیتانی را به یک کاپیتان بزرگ تبدیل کند، اگر به درستی آموزش داده شود و اجرا شود، و می‌تواند با سرعت ماشین بسیار سریع‌تر از انسان عمل کند.
استفاده از هوش مصنوعی برای جلوگیری از فاجعه پل دیگر
در حالی که احتمالاً بیشتر تلاش‌های پس از برخورد را صرف جستجوی افراد مقصر می‌کنیم، در دنیای من، ابتدا باید هم مشکل را درک کنیم و هم فوراً برای جلوگیری از تکرار آن حرکت کنیم.
به نظر می رسد مشکل این است که علت مشکل به موقع شناسایی نشده است، خدمه آموزش ندیده اند که در صورت وقوع یک قطع برق فاجعه بار در نزدیکی (اگرچه ظاهراً دو خلبان اینگونه بودند) چه کاری انجام دهند. اعلان‌ها برای کمک بسیار دیرتر از آنچه که باید منتشر می‌شوند، که مانع از موثر بودن بیشتر تلاش‌های کاهشی غیر از مسدود کردن پل و درخواست یدک کش – که انجام شد – شد.
کشتی های مدرن دارای حسگرهای گسترده ای هستند که به پل گزارش می دهند. با این حال، بر خلاف هواپیماهای تجاری که در زمان واقعی به تعدادی از ایستگاه‌های نظارت از راه دور نیز گزارش می‌دهند، این داده‌ها معمولاً در زمان واقعی به کسی که در کشتی نیست منتقل نمی‌شود. یک مقام بندری معمولی به طور کلی فاقد سطح کارکنان مورد نیاز برای نظارت از راه دور موثر است، حتی اگر آنها این داده ها را دریافت کنند. بنابراین، صرفاً نیاز به جریان داده به مرجع بندر احتمالاً نتیجه را تغییر نمی دهد.
اینجاست که هوش مصنوعی یا در این مورد چندین AI وارد می شود.
اگر خدمه پل به یک هوش مصنوعی آموزش‌دیده دسترسی داشتند، آن هوش مصنوعی، بسته به اجرا، آنچه را که احتمالاً رخ می‌داد مدل‌سازی می‌کرد، خسارت و مسئولیت هر یک از پیامدهای بالقوه بسیاری را تخمین می‌زد و سپس طرح را توصیه یا اجرا می‌کرد. بهترین پتانسیل برای کاهش آسیب و نجات جان – احتمالاً با انداختن فوری لنگرها و سفارش راه اندازی مجدد موتور و کامل عقب.
علاوه بر این، احتمالاً به محض اینکه موتورها شروع به رفتار بد و خوب قبل از خرابی موتور می کردند، اقدامات هشدار و کاهش را آغاز می کرد.
هوش مصنوعی اداره بندر، از طریق نظارت از راه دور، همین مشکل را شناسایی کرده و بلافاصله با دستور بسته شدن و تخلیه پل به منظور ایمنی، به یدک کش ها (که می تواند رباتیک باشد) هشدار دهد که فوراً کشتی کانتینری را مستقر کرده و متوقف و نگه دارند، و به سرعت پاسخ دهد. هر دو منابع آتش و گشت را برای استقرار و ایستادن در صورت لزوم.
مسلماً، بسیاری از این موارد به ارتباطات یکپارچه نیز نیاز داشت، که ظاهراً وجود نداشت، زیرا تا زمان نگارش این مقاله، به نظر می‌رسد هیچ‌کس قبل از فروریختن به خدمه پل اطلاع نداده است.
چنین اقداماتی می‌تواند لایه‌های حفاظتی را برای پل اضافه کند، به اطمینان حاصل شود که هیچ جانی از دست نمی‌رود، و از فاجعه‌ای که احتمالاً میلیاردها هزینه در بر خواهد داشت، جلوگیری می‌کند و هزینه آموزش و استقرار هوش مصنوعی هم در کشتی و هم در اداره بندر در مقایسه با آن ناچیز است. .
به همان اندازه مهم، سیستم‌های هوش مصنوعی می‌توانند تمام اقدامات و درس‌های آموخته شده از این حادثه را با کشتی‌ها و بنادر دیگر به اشتراک بگذارند و خطر حوادث مشابه را بیشتر کاهش دهند. این رویکرد کاملاً در تضاد با وضعیت فعلی است، جایی که دانش به دست آمده از این فاجعه ممکن است هرگز به خدمه‌هایی که از این بندر خاص بازدید نمی‌کنند برسد.
برای دیدگاه، یک کشتی کانتینری جدید معمولاً بین 50 تا 200 میلیون دلار هزینه دارد. هزینه ایجاد یک هوش مصنوعی مولد سفارشی حدود 100 میلیون دلار است و در صورتی که فقط از یک حادثه مانند Key Bridge جلوگیری کند، قابل توجیه است. پس از آموزش، این هوش مصنوعی می تواند در چندین کشتی با تغییرات نسبتا کمی استفاده شود. این یک حادثه احتمالاً مسئولیتی در حدود 1 میلیارد دلار به همراه خواهد داشت و این استدلال را تأیید می کند که ارزش پول استفاده از هوش مصنوعی را دارد تا اطمینان حاصل شود که چنین چیزی هرگز دوباره اتفاق نمی افتد.
بسته بندی
هوش مصنوعی برای رانندگی خودکار وسایل نقلیه در هر اندازه ای توسعه یافته است. آی‌بی‌ام مدتی است که اتوماسیون هوش مصنوعی را روی کشتی‌ها آزمایش می‌کند و هسته اصلی اجرای آن، مفهومی تویوتا است که زمانی فرشته نگهبان نامیده می‌شد.
این ویژگی به گونه‌ای طراحی شده است که در هنگام بحران وارد عمل شود و هر کاری را که برای محافظت از مردم و وسیله نقلیه لازم است با استفاده از قرن‌ها آموزش راننده/ناوبر ارائه شده از طریق ابزارهایی مانند Omniverse Nvidia انجام دهد. برای فاجعه ای مانند این، آن لبه اضافی، که به صورت مستقل یا از طریق ستاد فرماندهی عمل می کند، می تواند و خواهد تفاوت بین داستانی از دست رفته مانند Fantome و فروریختن پل غم انگیز را ایجاد کند.
توانایی هوش مصنوعی برای مداخله موثر در مواقع اضطراری، با استفاده از آموزش شبیه سازی شده برای محافظت از افراد و وسایل نقلیه، بر ضرورت استقرار گسترده تر آن تاکید می کند. هیچ کس برای هر مشکل مهمی آماده نیست، اما هوش مصنوعی می تواند بسیار بیشتر از هر انسانی به آن نزدیک شود و همه ما می توانیم از یک فرشته نگهبان واقعی استفاده کنیم.
HP Elite mt645 G8 Mobile Thin Client
تقریباً همزمان با ورود رایانه شخصی IBM به بازار، کار در زمینه فناوری را شروع کردم. زمانی که برای آی‌بی‌ام کار می‌کردم، تجربه وحشتناکی را داشتم که به‌طور موقت از رایانه شخصی به ترمینال منتقل شدم. اینکه بگویم از آن حرکت متنفرم، دست کم گرفتن بزرگی خواهد بود.
با این وجود، ترمینال ها چندین مزیت داشتند. آنها کد را اجرا نمی کردند، بنابراین گرفتن ویروس ها نگران کننده نبود، و ماهیت دستگاه مانند آنها به این معنی بود که پس از گرم شدن (آنها از نمایشگرهای CRT تلویزیون مانند لوله قدیمی استفاده می کردند)، هرگز به نظر نمی رسید که شکسته شوند. اگرچه هرگز نفهمیدم چرا به یک مانیتور رنگی یا یک خودکار نور نیاز دارم.
با این حال، رایانه‌های شخصی انعطاف‌پذیری و آزادی بسیار بیشتری را فراهم کردند، بنابراین ما امنیت، قابلیت اطمینان و سهولت استفاده از پایانه‌ها را با رایانه‌های شخصی سخت‌تر که به ما آزادی بیشتری می‌دادند، مبادله کردیم. از آن زمان، صنعت در تلاش است تا مزایای ترمینال را دوباره به دست آورد و در عین حال آزادی رایانه شخصی را حفظ کند. نزدیک‌ترین چیزی که به آن دست یافت، «تین کلاینت» بود، که اساساً رایانه‌ای است که همه چیز را ابتدا از یک سرویس میزبانی شده و اکنون عمدتاً از فضای ابری اجرا می‌کرد.
مسئله تاریخی تین کلاینت ها این است که آنها تمایل داشتند ارزان به نظر برسید. آنها با تأخیر قابل توجهی کند بودند (به نظر می رسید که شما همیشه منتظر آنها بودید)، و آنها برای کار به یک اتصال سیمی نیاز داشتند، به این معنی که نمی توانستند موبایل باشند.
با این حال، با ظهور 4G و Wi-Fi مدرن، مشکلات تأخیر و کندی تصحیح شده است و تجربه کاربر اکنون به چیزی نزدیک است که در یک رایانه شخصی مستقل وجود دارد. اما همچنان به طرز شرم آور ارزانی به نظر می رسیدند و کاربران فکر می کردند که مجازات می شوند.
خوب، HP Elite mt645 G8 نه تنها از Windows IoT یا Linux (ThinPro) استفاده می کند، بلکه مانند هر لپ تاپ حرفه ای پریمیوم HP دیگر به نظر می رسد. دارای Wolf Security، از جمله تراشه امنیتی منحصربه‌فرد Wolf، و با نمایشگر 1000 نیت Sure View برای کار بیرونی امن قابل تنظیم است.
لپ تاپ تین کلاینت موبایل HP Elite mt645 G8 (اعتبار تصویر: HP)
این دستگاه تین کلاینت موبایل دارای سازگاری با Wi-Fi 6e و گزینه 4G (من انتظار دارم 5G در راه است)، گرافیک رایزن، دوربین 5 مگاپیکسلی، پشته نرم افزار بهینه سازی شده برای مجازی سازی و Office 365، و در حالی که در ابتدا از ویندوز IoT 10 استفاده می کند، به زودی گزینه انتقال به Windows IoT 11 را خواهد داشت.
استفاده نسبتاً سنگینی از مواد بازیافتی و قابل بازیافت دارد و دارای گواهینامه طلایی EPEAT برای پایداری است. به علاوه، با توجه به اینکه اگر به یک سرویس متصل نباشد و داده‌ها را به صورت محلی ذخیره نکند، بی‌فایده است، اگر به سرقت برود، در معرض دید شما محدود است و دزد فقط با یک لپ‌تاپ آجری با ظاهری زیبا روبرو می‌شود که نمی‌توانند از آن استفاده کنند. .
HP Elite mt645 G8 به زودی عرضه می شود. این بهترین لپ‌تاپ تین کلاینت است که دیده‌ام و محصول هفته من است.