مشكلة حجم البيانات في السيارات ذاتية القيادة

وحدة من مشاكل السيارات ذاتية القيادة هي حجم البيانات .
طبعا كبداية السيارات الذكية او ذاتية القيادة يصنفوها خمس اصناف حسب نسبة القيادة الذاتية .
يعني مثلا الصنف الاول تكون القيادة الذاتية فيها بسيطة مثلا تقدم السيارة للامام او للخلف اما الصنف الخامس فمعناه قيادة السيارة وتحركها بالطرق تكون ذاتية ولحد الان للوصول للصنف الخامس هناك عدة تحديات ابرزها البيانات ، شلون ؟
كلما تكون السيارة ذاتية القيادة تماما معناه تحتاج الى حساسات كثيرة وكاميرات عدة عالية الدقة وثلاثية الابعاد ، وكل هذه الحساسات والكاميرات هي مصادر توليد بيانات مستمرة كلما تحركت السيارة ، هذه البيانات يتم معالجتها من خلال نموذج ذكاء اصطناعي كسوفتوير (Reinforcement Learning ( اما الهاردوير فيكون على كارت شاشة GPU ذو مواصفات عالية وهنا تتنافس NVIDIA و AMD بهذا المجال .
المشكلة هذه البيانات وين تتخزن ؟
الخيارات المطروحة اما كل حساس او كاميرا يكون بيها خزن ، او الخيار الاخر تكون خزن مركزي لكل هذه الاجهزة ، والمشكلة الاخرى شلون تنتقل هذه البيانات بين الاجهزة .
بوحدة من الاختبارات وصل حجم البيانات المتولدة من الحساسات والكاميرات خلال يوم واحد الى ١٠٠ تيرا !!!
شركة Seagate المتخصصة بصناعة اجهزة الخزن تقول ممكن تكون كلفة اجهزة الخزن عشرات الالاف من الدولارات وبالتالي ستكون السيارة مكلفة ومعناه فشل هذا المشروع .
حاليا هذه المعضلة مفتوحة للبحث العلمي ،وبنفس الوقت هناك تعاون بين الشركات لحلها فمثلا seagate و IBM و NVidia عدهم مشروع مشترك لطرح حل رخيص وناجح لهذه المشكلة .
للمهتمين الموضوع اعلاه يعتبر من ضمن مجال System on Chip SoC و AI.

ماهي تقنية Automated Offside technology

بما ان الغالبية هذي الفترة متابع لكأس العالم بقطر ، فاليوم نسولف عن واحدة من التقنيات الجديدة التي استخدمت لأول مرة بهذه البطولة وربما سوف تعمم على باقي البطولات وهي تكنولوجيا تحديد التسلل Automated offside technology .
من ضمن المجالات الفرعية بالذكاء الاصطناعي اكو مجال اسمه انظمة صناعة القرار المعتمدة على الذكاء الاصطناعي ،وهذي فكرتها ننطي بيانات لنظام ذكاء اصطناعي بالزمن الحقيقي ويحلل البيانات وينطي القرار بدقة عالية جدا وبسرعة كبيرة .
هنا الفيفا استعانت ببعض الشركات ورادت تستفاد من الذكاء الاصطناعي بموضوع التسلل لان اغلب اخطاء الحكام تقع فيه ، فأخترعوا حل وهو تكنلوجيا تحديد التسلل الي هي تطبيق من تطبيقات انظمة صناعة القرار .
فكرة هذي التكنلوجيا انو نصبوا ١٢ كاميرا عالية الدقة بسقف الملعب وظيفتها تتبع حساس مزروع  بالكرة (بالعراقي الطوبة) وايضا تتبع ٢٩ نقطة بجسم كل لاعب مثلا ( الرأس ، القدم ، اليد ..الخ ) وموقع النقاط بالملعب (خمسين صورة تاخذ بالثانية الواحدة) ، وترسل البيانات لنظام موجود على خادم Server الي بدوره يحلل هذي البيانات ويحدد اذا اكو تسلل او لا ويرسل تنبية وصور الى شاشات غرفة الفار الي بيها حكام يشوفون الصور وينطون خبر لحكم الساحة لهذا تلاحظ دائما يتأخر حكم الساحة بأتخاذ قرار التسلل لان ينتظر النتائج من حكام الفار .
عموما هذي التقنية اثبتت نجاحها وخصوصا في مباراة المنتخب السعودي والارجنتيني وربما تتوسع تطبيقها لتشمل اكثر من التسلل .
وبنفس الوقت ارى زيادة تطبيق التكنولوجيا بكرة القدم تفقدنا متعة مشاهدة مباريات كرة القدم .

الكشف عن بصمات الاصابع المزورة

تزوير بصمة الإصبع Fingerprint اليوم تعتبر واحدة من أكبر التحديات الي تواجه الانظمة البايومترية وهذي نقصد بيها الانظمة الي تعتمد على بصمات الأصابع في التحقق من المستخدم مثل الي موجودة بالموبايلات .
على العموم السؤال الاهم كيف نميز بين البصمات الحقيقية والمزوره ؟ طبعا من المستحيل نقدر نميز بينهم بالعين المجردة ، ونقصد بالبصمة المزورة Fake fingerprint يعني مثلا اثر بصمتك على شاشة التلفون ممكن اي شخص بأستخدام مواد سيلكونية يسحبها وتكون عنده بصمتك .
نرجع للسؤال والاجابه عليه تحتاج كلام لساعات لكن بالمختصر هناك طريقتين
الأولى : تكون عن طريق استخدام حساسات وكاميرات عالية الدقة ، وبأستطاعتها تميز البصمة الحقيقة عن المزورة لكن المشكلة هذي مكلفة جدا .
يعني مثلا لو أردنا تطبيقها بأجهزة الموبايل ذات المواصفات البسيطة والأسعار الرخيصة بالتالي تكون كلفتها أغلى من سعر الموبايل.
الثانية : تكون عن طريق برمجيات ، وهذي حاليا كنز للبحوث ، فالطرق المقترحة باستخدام المشين ليرننك او خوارزميات الديب ليرننك تكون عن طريق استخراج سمات من صورة البصمة(سواء مزورة او حقيقية ) ومقارنتها مع البصمة الاصلية لكن المشكلة لازالت دقة النتائج دون المطلوب .

السطر الأعلى من الصورة بصمات حقيقية ، والاسفل بصمات مزورة .