فرهنگ تصویری روزگار ما

 روش‌های تهیه این تصاویر هم به همین اندازه متنوع هستند؛ دوربین‌های عادی، دوربین‌های دیجیتال پیش‌رفته، اسمارت‌فون‌ها و ابزارهای همراه و اسکنرها و ده‌ها روش دیگر. روش‌های انتشار آن‌ها هم متفاوت هستند. این‌که چطور می‌توان از این فرهنگ تصویری استفاده کرد، یکی از پرسش‌های مهم دنیای امروز است. یافتن بهترین راه‌ها برای تعامل با این تصاویر و بهره بردن از آن‌ها در زندگی، ممکن است کمک بزرگی در بهبود سبک زندگی ما باشد. در دنیای دوربین این شماره به چند نمونه اشاره شده است که شاید خیلی ارتباطی به هم نداشته باشند، اما در یک نکته مشترک هستند؛ همه آن‌ها کاربردی هوشمندانه از تصاویر را به‌نمایش می‌گذارند. این‌که از ویدیوهای یوتیوب برای آموزش خودکار سیستم‌های هوشمندمان استفاده کنیم تا بتوانند خود از ما یاد بگیرند، این‌که با کمک گرفتن از پیش‌رفت‌های حوزه تصویربرداری بتوانیم تجربیات جدیدی در اختیار مخاطبان قرار دهیم، این‌که بتوانیم ده‌ها هزار تصویر را به‌طور توزیع شده بررسی کنیم و این‌که بتوانیم قابلیت‌های یک شبکه اشتراک عکس را در تار و پود یک رسانه سنتی جای دهیم؛ همگی نشان‌دهنده تلاش‌هایی در جهت استفاده از فرصت‌های جدید است که دنیای اشباع شده از تصاویر برایمان به‌ارمغان می‌آورد.

گزارش برف
با فراگیر شدن رسانه‌های دیجیتال و حتی رسانه‌های اجتماعی، همیشه این بحث مطرح بوده است که آیا این رسانه‌ها خطری برای رسانه‌های سنتی محسوب می‌شوند یا خیر؟ به‌طور مثال، آیا وب‌سایت‌ها می‌توانند جای نشریات چاپی را بگیرند و تهدیدی برای آن‌ها باشند؟ شاید در دوره‌ای این خطر احساس می‌شد، اما در حال حاضر به‌نظر می‌رسد این رسانه‌ها در حال تکمیل کردن یکدیگر هستند. شاید یکی از نمونه‌های اخیر همکاری مناسب رسانه‌های مجازی (در قالب کلی یک رسانه دیجیتال) و رسانه‌های چاپی (در قالب یک رسانه سنتی) استفاده‌ای بود که روزنامه نیویورک تایمز در جریان بارش برف شدید ماه ژانویه از قابلیت شبکه اجتماعی اینستاگرام کرد. 

 شکل 1: برای نخستین بار، نیویورک تایمز در صفحه اول نسخه چاپی خود از عکس‌هایی استفاده کرده است که خوانندگان گرفته‌اند. این عکس‌ها در اینستاگرام به‌اشتراک گذاشته شده بود.

این نشریه در یکی از شماره‌های خود که به بارش سنگین برف پرداخته بود، از 9 تصویر که کاربران اینستاگرام تهیه کرده بودند، به‌عنوان عکس‌های گزارش خود در صفحه اصلی استفاده کرد. این تصاویر را خوانندگان این نشریه از برف گرفته بودند. برای نخستین بار است که نیویورک تایمز در سابقه چند ساله خود از عکس‌های گرفته شده خوانندگان خود به‌عنوان تصاویر صفحه اصلی نسخه چاپی استفاده کرده است. 
چند روز پیش از انتشار این مطلب، نیویورک تایمز در مقاله‌ای از خوانندگان خود خواسته بود تا عکس‌های خود از کولاک ماه ژانویه را در اینستاگرام و زیر برچسب #NYTsnow به‌اشتراک گذارند. در این مقاله آمده بود: «ما به‌طور پیوسته گلچینی از تصاویر به‌اشتراک گذاشته شده از این طریق را این هفته در سایت خود قرار خواهیم داد.» دو روز بعد، نیویورک تایمز از میان این تصاویر 9 تصویر را به‌عنوان تصاویر روی صفحه اول نسخه چاپی خود برگزید. ظاهراً کاربرانی که تصاویر را در این برچسب اینستاگرام به‌اشتراک گذاشته بودند، اطلاع نداشتند نیویورک تایمز گلچینی از آن‌ها را در صفحه اول چاپ خواهد کرد و همین سبب شد تا برخی از آن‌ها از این امر شگفت‌زده شوند و حتی کسانی که این 9 عکس را گرفته بودند، تبریکاتی نیز دریافت کردند. این نمونه نشان می‌دهد که شاید خیلی هم لازم نباشد در این دوره چیزی از بین برود یا چیزی جای‌گزین دیگری شود. همکاری و تعامل پدیده‌ها، نتایج شگفت‌انگیزی دارد و تجربه نیویورک تایمز از جمله این نتایج است.

روبات‌های آشپز 
روباتی را تصور کنید که هر روز صبح صبحانه شما را آماده می‌کند. حال تصور کنید نیازی نیست به این روبات آموزش دهید چطور غذا بپزد، بلکه می‌تواند با دیدن ویدیوهای یوتیوب، خودش روش آشپزی را یاد بگیرد. گروهی از محققان دانشگاه مریلند روی چنین روبات‌هایی کار می‌کنند. چنین روبات‌هایی قادرند با تماشای ویدیوهای آنلاین، حرکات پیچیده‌ای نظیر آن‌چه برای آشپزی لازم است را یاد بگیرند. نکته مهم درباره این روبات‌ها این است که آن‌ها می‌توانند تصمیم بگیرند و بهترین حرکات را برای رسیدن به هدف خود انتخاب کنند. این محققان با ترکیب سه حوزه متفاوت تحقیقاتی بینایی کامپیوتری، هوش مصنوعی و پردازش زبان طبیعی، موفق به کسب چنین دستاوردی شده‌اند. یانیس آلویمونوس استاد علوم کامپیوتر دانشگاه مریلند و مدیر آزمایشگاه بینایی کامپیوتری این دانشگاه می‌گوید: «به این دلیل از ویدیوهای آشپزی استفاده می‌کنیم که هر کسی می‌تواند آن را انجام دهد و درک کند.

 شکل 2: روبات دانشگاه مریلند که از ویدیوهای یوتیوب آشپزی می‌آموزد.

با این حال، آشپزی از جنبه‌هایی نظیر مراحل انجام و ابزارهایی که باید استفاده شود، کاری پیچیده محسوب می‌شود. به‌عنوان مثال، اگر بخواهید چیزی را برش بزنید، باید چاقو را بردارید، آن را به محل مورد نظر برسانید، برش بزنید و نتیجه را مشاهده کنید تا مطمئن شوید کار به‌طور صحیح انجام شده است.» یکی از چالش‌های اصلی اجرای این پروژه، یافتن راهی بود تا روبات در حالی که اطلاعات را از طریق مشاهده ویدیوها دریافت می‌کند، بتواند به‌طور مناسب مراحل مجزا را از هم تفکیک کند. لازم است روبات هر مرحله مجزا را تشخیص دهد، آن را به‌عنوان یک قانون تفسیر کند و به‌عمل درآورد و با کنار هم قرار دادن رفتارهای مناسب به هدف برسد. کورنلیا فرمولر یکی از محققان دانشگاه مریلند می‌گوید: «ما سعی در ایجاد فناوری ویژه‌ای داریم که در نهایت روبات‌ها را قادر سازد با انسان تعامل داشته باشند. برای رسیدن به این هدف، روبات باید رفتار و اعمال انسان را درک کند. بنابراین، نیاز به ابزارهایی داریم تا روبات بتواند اعمال انسان را در دنیای واقعی ردیابی کند.»
منبع

تجربه‌ای جدید برای بیننده
امروزه پخش رقابت‌های ورزشی نسبت به سال‌های پیش پیش‌رفت‌های محسوسی داشته است. کیفیت تصاویر بالاتر رفته وگوناگونی دوربین‌ها تنوع نماهای زیادی را برای مخاطب به‌ارمغان آورده است. اما هنوز فضا برای پیش‌رفت وجود دارد و همچنان می‌توان تجربیات جدیدتری را در اختیار بیننده قرار داد. دیدن تصاویر از نمای دید بازیکنان در یک میدان ورزشی، شاید یکی از جذاب‌ترین تجربیات بصری برای بیننده‌های تلویزیونی باشد. دوربین‌های پوشیدنی در حال کوچک‌تر شدن، سبک‌تر شدن و قدرتمندتر شدن هستند و اکنون این امکان فراهم شده است که چنین گزینه‌هایی را نیز در عمل امتحان کنیم. شرکت GoPro که دوربین‌های ورزشی و پوشیدنی این شرکت از محبوبیت زیادی برخوردار است، قصد دارد با همکاری لیگ ملی هاکی (NHL) نمای جدیدی را از ورزش هاکی برای بیننده‌ها فراهم کند.

 شکل 3: با قرار گرفتن دوربین‌های GoPro روی کلاه بازیکنان هاکی، بینندگان تلویزیونی می‌توانند نمایی مشابه این تصویر را از بازی مشاهده کنند.

قرار است با نصب دوربین‌های GoPro روی کلاه بازیکنان هاکی، امکان تصویربرداری از نمای دید بازیکنان فراهم شود. برای نخستین بار است که شرکت GoPro با یک لیگ حرفه‌ای همکاری می‌کند. NHL قول «نماهایی که تاکنون تجربه نشده‌اند» را داده است. در این همکاری، از یک فرستنده جدید تصاویر با کیفیت بالا استفاده می‌شود که شرکت GoPro آن را توسعه داده است. همچنین، نخستین بار است که تصاویر ویدیویی HD دوربین‌های GoPro در حال ذخیره روی کارت حافظه به‌طور زنده هم پخش می‌شود و این قابلیت شبکه‌های تلویزیونی را قادر می‌سازد تا از نماهای جدیدی در برنامه‌های زنده خود استفاده کنند. چنین تصاویری علاوه بر این‌که برای تماشاگران تلویزیونی تجربه‌ای جدید محسوب می‌شود، برای تحلیل‌گران بازی‌ها نیز فرصت مناسبی خواهد بود تا بازی و حرکات بازیکنان را از زوایایی جدید ببینند. 
منبع

سی هزار تصویر
شبکه‌ای بزرگ متشکل از پزشکان و متخصصان علم اعصاب، بیش از سی هزار اسکن مغز را با دی‌ان‌ای افراد مقایسه کرده‌اند و نتیجه این تجزیه و تحلیل گسترده، یافتن چند ژن بوده است که می‌تواند پاسخی برای پرسش‌های محققان در زمینه هوش و حافظه انسان باشد. 
با وجود این‌که هنوز اهمیت علمی این یافته‌ها به‌طور کامل مشخص نیست، اما این گروه که خود را Enigma می‌نامد، اعلام کرده است که این پروژه یک نمایش عالی از میزان کارایی محاسبات توزیع شده در تجزیه و تحلیل حجم بالایی از داده‌ها است. اسکن‌های ام‌آرآی گران‌قیمت هستند و تجزیه و تحلیل آن‌ها نیازمند محاسبات زیادی است و وقتی این داده‌ها با اطلاعات دی‌ان‌ای ترکیب شود، کار دشوارتر هم می‌شود؛ زیرا انتقال این حجم زیاد داده از طریق اینترنت کار ساده‌ای نخواهد بود و همچنین در برخی موارد الزامات امنیتی، مانع فرستادن اطلاعات از یک کشور به کشور دیگر می‌شود.

اما گروه محققان Enigma این مشکل را با محاسبات توزیع شده برطرف کرده‌اند. روشی که هر مرکز را قادر می‌سازد با استفاده از یک الگوریتم مشترک تصاویر را تحلیل کند. در پیش گرفتن چنین راهبردی محاسبات توزیع شده‌ای، محققان را قادر می‌سازد شمار بسیار وسیعی از اسکن‌های ام‌آرآی و آزمایش‌های دی‌ان‌ای را طبقه‌بندی کنند. پل تامپسون متخصصی که این تحقیق را سازماندهی کرده است، بیان می‌کند: «آن‌چه Enigma انجام می‌دهد، ترکیب پیکسل به پیکسل هر اسکن و مقایسه آن با هر ژن است. این یک نقشه راه است برای این‌که چطور چنین کاری انجام شود.» وی که مدیر Imaging Genetics Center دانشگاه کالیفرنیای جنوبی است، معتقد است کار انجام شده در قالب Enigma بزرگ‌ترین همکاری صورت گرفته برای مطالعه مغز است. این مطالعه دربردارنده تجزیه و تحلیل 30717 اسکن مغز و اطلاعات مربوط به دی‌ان‌ای جمع‌آوری شده به وسیله محققان در چند کشور از جمله کامبوج، افریقای جنوبی و امریکا است. 
منبع