سری پیکسل گوگل معروف است به اینکه مدت‌ها پس از آنکه سایر شرکت‌ها از گوشی‌های خود دست کشیده‌اند، به‌روزرسانی‌ها را دریافت می‌کند. پیکسل ۴ نیز از این قاعده مستثنا نیست؛ زیرا گوگل قول داده تا سه سال این گوشی به‌روزرسانی می‌شود.

اکنون، Droid-Life صفحه‌ی پشتیبانی به‌روز‌شده‌ای را دیده که دریافت‌ نسخه‌های اندروید و به‌روزرسانی‌های امنیتی پیکسل ۴ را حداقل تا اکتبر ۲۰۲۲ تأیید می‌کند. این ضمانت چشم‌انداز تعهد گوگل را به‌رخ می‌کشد و نشان می‌دهد سری پیکسل ۴ اندروید ۱۱ و ۱۲ و ۱۳ را دریافت می‌کند.

شایان ذکر است سری‌های پیکسل ۳ و پیکسل 3a نیز به‌ترتیب به‌روزرسانی‌های امنیتی و اندروید را تا اکتبر ۲۰۲۱ و مه ۲۰۲۲ دریافت می‌کنند. برای اطلاعات بیشتر جدول زیر را مشاهده کنید.

این تعهد، حداقل تعهد گوگل است و در گذشته گوشی‌هایی از پیکسل به‌روزرسانی‌هایی دریافت کرده‌اند که دیگر واجد شرایط دریافت آن نبوده‌اند. معمولا چنین تعهداتی در فضای اندروید کمیاب است؛ اما شرکت‌هایی مانند وان‌پلاس و نوکیا این روند را در سال‌های اخیر تغییر داده‌ و اندروید ۹ پای را برای دستگاه‌های خیلی قدیمی‌ترشان منتشر کرده‌اند و احتمال می‌رود اندروید ۱۰ را نیز برای آن‌ها منتشر کنند. درهرحال امیدواریم ضمانت دریافت به‌روزرسانی‌های طولانی‌مدت زودتر به قاعده و قانون تبدیل شود.

فایرفاکس، تنها مرورگری است که در این روزها از آژانس امنیت سایبری آلمان (BSI) بهترین امتیاز را درزمینه‌ی امنیت دریافت کرده است. آژانس امنیت سایبری آلمان به‌تازگی مرورگرهای موزیلا فایرفاکس ۶۸، گوگل‌‌ کروم ۷۶، اینترنت‌ اکسپلورر ۱۱ و مایکروسافت اج ۴۴ را زمایش کرده است. ناگفته نماند این آزمایش مرورگرهای دیگری مانند Safari ،Brave ،Opera یا Vivaldi را شامل نمی‌شود.

BSI معمولا این آزمایش را برای مشاوره‌دادن به مراکز دولتی و شرکت‌های خصوصی درباره‌ی استفاده از مرورگرهای ایمن ارائه می‌کند. این آژانس امنیتی اولین راهنمای شناسایی امن‌ترین مرورگر را در سال ۲۰۱۷ منتشر و این بررسی را هرسال به‌روزرسانی کرد. اکنون BSI راهنمای خود را به‌روز کرده است تا اقدامات امنیتی بهبودیافته‌ای را به راهنمای خود اضافه کند كه در مرورگرهای پیشرفته ارائه می‌شود. طبق راهنمایی و بررسی جدید BSI، مرورگر ایمن باید بسیاری از قابلیت‌ها و امکانات امنیتی را داشته باشد. درواقع، مرورگر ایمن باید قابلیت‌های زیر را ارائه دهد:

• باید از TLS پشتیبانی کند؛
• باید حداکثر ۲۱ روز پس از افشای عمومی نقص امنیتی، به‌روزرسانی‌های امنیتی را ارائه دهد و اگر نتواند این کار را انجام دهد، سازمان‌ها باید به‌سراغ مرورگر جدید بروند؛
• باید از مکانیزمی برای بررسی محتوا / آدرس‌های مضر استفاده کند؛
• باید به سازمان‌ها اجازه‌ دهد فهرست‌ سیاهی از URL ایجاد کنند؛
• باید از بخش تنظیماتی پشتیبانی کند که در آن کاربران می‌توانند افزونه‌ها یا برنامه‌های افزودنی یا JavaScript را فعال یا غیرفعال کنند؛
• باید از به‌روزرسانی‌های خودکار پشتیبانی کند؛
• به‌روزرسانی‌های مرورگر باید امضاشده و تأیید‌کردنی باشد؛
• باید از مکانیزم به‌روزرسانی جداگانه‌ای برای مؤلفه‌های مهم و برنامه‌های افزودنی مرورگر پشتیبانی کند؛
• مدیریت رمزعبور مرورگر باید گذرواژه‌ها را به‌صورت رمزگذاری‌شده ذخیره کند؛
• کاربر باید بتواند رمزهای عبور را از بخش مدیریت رمزعبور مرورگر حذف کند؛
• کاربران باید بتوانند پرونده‌های کوکی و تاریخچه‌ی مرورگر را مسدود یا حذف کنند؛
• باید این امکان را دهد تا کاربران بتوانند ویژگی‌های همگام‌سازی را غیرفعال کنند؛
• باید از Sandboxing به‌منظور افزایش امنیت پشتیبانی کند؛
• باید فهرستی از گواهینامه‌های معتبر داشته باشد و از گواهینامه‌های اعتبارسنجی (EV) پشتیبانی کند؛
• باید هنگام ارتباط رمزگذاری‌شده یا ارتباط ساده با سرورهای از راه دور، از نمادها برجسته رنگی استفاده کند؛
• باید از امنیت حمل‌و‌نقل دقیق (HTTP (HSTS) (RFC 6797 پشتیبانی کند؛
• باید از سیاست مبدأ (SOP) و امنیت محتوای CSP) 2.0) پشتیبانی کند؛
• سرپرست‌های سازمانی باید بتوانند از ارسال داده‌های Telemetry در مرورگرها جلوگیری کنند؛
• مرورگرها باید بتوانند تنظیمات پیکربندی مرکزی ایجاد کنند؛
• باید ارتباط بین اجزا فقط ازطریق رابط‌های تعریف‌شده برقرار شود.

براساس بررسی‌های BSI، فایرفاکس مرورگری است که تمامی شرایط ذکرشده را دارد و امنیت فراوانی دراختیار کاربران قرار می‌دهد. ناگفته نماند برخی از ویژگی‌ها در برخی مرورگرها به‌طور کلی ارائه نشده یا با شکست مواجه شده است که درادامه به آن‌ها اشاره خواهیم کرد:

• پشتیبانی‌نکردن از مکانیزم رمزعبور اصلی (Chrome و IE و Edge)
• پشتیبانی‌نکردن از مکانیزم به‌روزرسانی داخلی (IE)
• پشتیبانی‌نکردن از گزینه‌ای برای مسدودکردن مجموعه‌ی Telemetry مرورگر (Chrome و IE و Edge)
• پشتیبانی‌نکردن از SOP (همان سیاست مبدأ) (IE)
• پشتیبانی‌نکردن از CSP (خط‌مشی امنیتی) (IE)
• پشتیبانی‌نکردن از SRI (یکپارچگی زیر منابع) (IE)
• پشتیبانی‌نکردن از پروفایل‌ مرورگر در تنظیمات مختلف (IE و Edge)
• نبود شفافیت سازمانی (Chrome و IE و Edge)

فیلم «میان‌ستاره‌ای» محصول سال ۲۰۱۴ آمریکا جایگاه خاصی برای هواداران فیلم‌ها‌ی علمی‌تخیلی دارد. کیپ تورن، برنده‌ی جایزه‌ی نوبل، تهیه‌کننده‌ و مشاور علمی این فیلم، سوگند خورد هیچ‌یک از اتفاقات فیلم قوانین فیزیک را نقض نمی‌کند و هر اتفاق غیرمعمولی‌ای که در فیلم دیده می‌شود، منشأ علمی دارد. 

مقدمه‌ی فیلم نشان می‌دهد زمین در حال تبدیل به محلی سکونت‌ناپذیر است و انسان‌ها باید سیاره‌ی دیگری برای زندگی پیدا کنند. انسان‌ها به‌صورت اتفاقی سیاه‌چاله‌ای را در نزدیکی زحل پیدا می‌کنند که تونلی را در فضا‌‌زمان ایجاد کرده است. انتها‌ی دیگر تونل به سیاه‌چاله‌ای کلان‌جرم به‌نام «گارگنچوا» (به‌معنی غول‌پیکر) می‌رسد که فاصله‌ی بسیار زیادی نیز با محل سکونت کنونی انسان‌ها دارد.

سیاره‌های زیادی به دور گارگنچوا می‌گردند؛ بنابر‌این، ناسا مأموریت‌ها‌یی برای بررسی دقیق این سیاره‌ها در نظر می‌گیرد تا شاید فضا‌نوردان بتوانند در میان این سیاره‌ها، جایی پیدا کنند که برای سکونت مناسب باشد. درباره‌ی صحت علمی فیلم و سیاه‌چاله‌ها، مطالب زیادی نوشته شده که بیشتر آن‌ها ستودنی است. یکی از فیزیک‌دانان به‌نام میچیو کاکو گفت:

این فیلم استانداردی طلایی است که فیلم‌ها‌ی علمی‌‌تخیلی آینده با آن سنجیده خواهند شد. 

با تمام این‌ها، هنوز هم سؤالی مطرح است: ممکن است سیاره‌ای سکونت‌پذیر به دور سیاه‌چاله بگردد؟ امروزه به‌لطف تلاش‌ها‌ی جرمی اشنیتمن در مرکز پرواز‌ها‌ی فضا‌یی گادرد در گرینبلت ماریلند، می‌توانیم به پاسخ این پرسش برسیم. 

مقاله‌های مرتبط:

• برای سفر در میان ستارگان، به چه فضاپیمایی نیاز خواهیم داشت؟
• سفرهای بین ستاره‌ای و سیاره‌ای؛ ایجاد تمدن انسانی در فضا از رویا تا واقعیت

اشنیتمن با حوصله و اشتیاق بسیار به این پرسش پرداخته و با ارائه‌ی محاسبات دقیق آن را واکاوی کرده است. نتایج محاسبات او بسیار غافل‌گیرکننده است. برای شرح این موضوع، ابتدا باید پیش‌زمینه‌ای از آن داشته باشیم. زیست‌اختر‌شناسان گفت‌و‌گو‌ها و بحث‌ها‌یی طولانی درباره‌ی شرایط لازم و ضروری برای زندگی شبیه زندگی زمینی کرده‌اند. بیشتر افراد بر لزوم وجود آب به‌عنوان یکی از اصلی‌ترین ضروریات زندگی توافق دارند و همین امر محدودیت‌ها‌یی برای دما‌ی سیاره‌ها‌ی بررسی‌شده ایجاد می‌کند.

رهیافت اشنیتمن با این پرسش آغاز می‌شود که کدام منابع انرژی می‌توانند این دما‌ها‌ی خاص را در سیاره‌ای ایجاد کنند که به دور سیاه‌چاله می‌گردد؟ این نوع منابع انرژی باید به‌طور کلی با منابع انرژی زمینی متفاوت باشند. دما‌ی اتمسفر نتیجه‌ی تعادل میان انرژی خورشیدی واردشده به اتمسفر و انرژی خروجی از آن است. به‌نظر می‌رسد این موضوع ارتباطی پیچیده است که یکی از شاخه‌های علمی به‌نام «اقلیم» را به‌خود اختصاص داده است. باوجوداین، بدون خورشید نوری به زمین وارد نمی‌شود و بیشتر انرژی لازم برای حیات از زمین گرفته می‌شود. اشنیتمن گفت:

بدون جریان حرارت ثابت خورشید، اقیانوس‌ها در مدت چند روز منجمد می‌شوند.

به‌نظر می‌رسد سیاره‌ی در حال گردش به دور سیاه‌چاله‌ی عظیم منابع انرژی دیگری دردسترس دارد. همچنین، می‌دانیم سیاه‌چاله‌ها‌ی کلان‌جرم اصلا تاریک نیستند. اشنیتمن گفت:

گاز‌ها‌ی اطراف سیاه‌چاله همواره در حال پیوستن به سیاه‌چاله هستند و همین کار باعث تابش الکترومغناطیسی می‌شود و می‌توانیم این تابش را مشاهده کنیم. ممکن است بعضی افراد تصور کنند با جایگزین‌کردن خورشید با سیاه‌چاله‌ای در حال رشد، خطری برای حیات زمین پیش نمی‌آید. 

شایان ذکر است درباره‌ی انرژی و روشنایی سیاه‌چاله‌ها، تنها نمی‌توان گفت فقط روشن هستند. این سیاه‌چاله‌ها روشن‌ترین منابع تابشی پایدار جهان هستند که به‌ویژه در ناحیه‌ی فرا‌بنفش طیف الکترومغناطیس، بیشترین میزان تابش را دارند. قرص گازی در اطراف این سیاه‌چاله‌ها در حال گردش است و آرام‌آرام داخل سیاه‌چاله فرومی‌رود. شرایط در این قرص‌ها به‌حدی پرتلاطم و دما در آن‌ها به‌حدی زیاد است که آب مایع نمی‌تواند در این حالت وجود داشته باشد. اشنیتمن معتقد است:

اگر تصور کنیم نرخ رشد سیاه‌چاله فقط کسر کوچکی از میزان مشاهده‌شده است، شرایط کمی بهتر می‌شود.  

نتیجه‌ی یافته‌ها این است که هریک از سیاره‌های در حال گردش در نزدیکی سیاه‌چاله‌ای کلان‌جرم در ابری از گاز داغ قرار گرفته است. مسلما سیاره‌ها‌ی نزدیک سیاه‌چاله که در فیلم مدنظر قرار گرفتند، خارج از افق رویداد سیاه‌چاله قرار داشتند. طبق محاسبات اشنیتمن، این سیاره‌ها در میدان ۶ هزار درجه‌ای تابش جسم سیاه قرار دارند؛ بنابر‌این، نمی‌توانند مکان خوبی برای حیات باشند. علاوه‌بر‌این، برای اینکه سیاره دما‌ی معمولی داشته باشد، باید در فاصله‌ی صدبرابری شعاع گرانش سیاه‌چاله قرار داشته باشد.

 بنابر همه‌ی مشاهدات، درظاهر وجود آب در چنین سیاره‌ای امکان‌پذیر است؛ ازاین‌رو، بررسی این موضوع سخت‌تر است که آیا در این مکان‌ها زندگی می‌تواند تحول پیدا کند یا خیر. اشنیتمن گفت:

همه‌ی انواع شناخته شده‌ی حیات برای ادامه پیدا‌کردن به بازه‌ی خاصی از انرژی نیاز دارند؛ بنابر‌این، با وجود میدان تابش جسم سیاه گسترده، شکل‌گرفتن نوعی از حیات پیچیده به‌احتمال زیاد امکان‌پذیر نیست. 

به‌گفته‌ی اشنیتمن، مشکل کوچکی در فیلم وجود دارد. مشکل این است که سیاره خارج از قرص گازی اطراف سیاه‌چاله در حال گردش است و این منطقه ازنظر دینامیکی ناپایدار است. مشکل بزرگ‌تر این است که اگر نرخ رشد سیاه‌چاله کمتر بود، چگالی قرص گازی اطراف آن نیز کمتر می‌شد و همین موضوع تابش قرص گازی را سخت‌تر می‌کرد. اگر قرص چرخان اطراف سیاه‌چاله تابشی نداشته باشد، دما‌ی آن تا حدی افزایش می‌یابد که امکان وجود آب مایع در این وضعیت وجود ندارد. پس، تناقضی اساسی در قلب این داستان وجود دارد که درنهایت آن را بی‌اعتبار می‌کند. 

با این همه، هنوز همه‌چیز تمام نشده است. منبع انرژی دیگری به‌نام تابش زمینه‌ی کیهانی نیز وجود دارد که پژواکی از مه‌بانگ (بیگ‌بنگ) است. طبق اندازه‌گیری ستاره‌شناسان، دما‌ی این تابش تنها به ۲.۷ کلوین (منفی ۲۷۰ درجه‌ی سانتی‌گراد) می‌رسد که به‌هیچ‌وجه برای باقی‌ماندن آب در حالت مایع کفایت نمی‌کند. اینجا است که جادوی نسبیت به کمک می‌آید. همان‌گونه که در فیلم مشخص است، زمان برای مشاهده‌گر‌ها‌ی واقع در روی سطح سیاره به‌کندی پیش می‌رود و این موضوع اثری به‌نام انتقال به آبی را در پی دارد که باعث افزایش دما‌ی سیاره می‌شود. بنابر‌این، هرچه سیاره به سیاه‌چاله نزدیک‌تر باشد، این اثر نیز بیشتر است. 

طبق محاسبات اشنیتمن، سیاره‌ای که در خارج از شعاع گرانشی سیاه‌چاله قرار دارد، انرژی کافی برای حفظ آب در حالت مایع را از تابش زمینه‌ی کیهانی دریافت می‌کند. به‌گفته‌ی اشنیتمن، شرایط این جهان شبیه به سیاره‌ای است که در فاصله‌ی ۰/۲ واحد نجومی (تقریبا ۳۰ میلیون کیلومتر) از کوتوله‌‌سفیدی در حال گردش است. در این وضعیت، ممکن است انرژی کافی برای نگه‌داشتن آب در حالت مایع وجود داشته باشد؛ اما سیاره درمعرض سطح خطرناکی از تابش فرابنفش قرار می‌گیرد. 

منبع انرژی دیگری که می‌توانیم در نظر بگیریم، تابش ستاره‌ها است. شب‌هنگام زمین تاریک است؛ زیرا سیاره‌ی ما در یکی از بازو‌ها‌ی تقریبا نا‌متراکم کهکشان راه شیری قرار دارد. بااین‌حال، معمولا سیاه‌چاله‌ها‌ی کلان‌جرم در مرکز کهکشان‌ها قرار دارند که چگالی ستاره‌ها در این نواحی بیشتر است. شب سیاره‌ای که به دور سیاه‌چاله‌ی کلان‌جرم کهکشان خودمان می‌گردد، صدهزار برابر روشن‌تر از شب زمین است. 

تابش ستاره‌ها می‌تواند پس‌زمینه‌ی درخورتوجهی از امواج فرا‌بنفش و پرتو‌ها‌ی ایکس ایجاد کند. اشنیتمن تمدن پیشرفته‌ای را تصور می‌کند که بتواند کره‌ی دایسون معکوس بسازد و به این وسیله انرژی ستاره‌ها را بازتاب کند. اشنیتمن امیدوارانه گفت:

استفاده از کره‌ی دایسون معکوس امکان وجود حیات در سیاره‌ای نزدیک‌تر به سیاه‌چاله‌ی کلان‌جرم را فراهم و حتی از تابش زمینه‌ی گسترده‌ی پرتو‌ها‌ی ایکس و UV نیز جلو‌گیری می‌کند.

اشنیتمن افزود: 

حتی با وجود این پوشش محافظ، سیاره هنوزهم از تابش نوترینو‌ها در امان نخواهد بود که قاتلان خاموش و روح‌مانند طبیعت هستند. 

نوترینو‌ها بر‌هم‌کنش چندانی با ماده‌ی معمولی ندارند؛ اما زمانی‌که میزان زیادی از آن‌ها در جایی جمع شده باشند، می‌توانند تأثیرات چشمگیری بگذارند. بعضی از دانشمندان بر این عقیده‌اند پدیده‌ها‌ی نابودی جرم که روی زمین اتفاق می‌افتد، به‌وسیله‌ی فوران‌ها‌ی نوترینو‌ حاصل از ابر‌نو‌اختر‌ها‌ی نزدیک اتفاق افتاده است و تابش نوترینو‌ سیاه‌چاله‌ای کلان‌جرم به‌حدی است که می‌تواند در هر سیاره‌ای جشن ارواح برگزار کند. با‌این‌حال، نوترینو‌ها می‌توانند به گرمایش زمین منجر شوند. اشنیتمن گفت:

بر‌خلاف تابش UV و ایکس مضر حاصل از امواج الکترو‌متغناطیس انتقال به آبی، نوترینو‌ها‌یی که مرکز سیاره را گرم می‌کنند، می‌توانند باعث به‌وجودآمدن گونه‌ها‌یی از حیات شوند که بیشتر شبیه گونه‌ها‌یی است که در نزدیکی شکاف‌ها‌ی اقیانوس‌ها‌ی زمین به‌وجود آمدند. 

درابتدا، این موضوع امیدوارکننده به‌نظر می‌رسد؛ اما همین که اشنیتمن دلایل دیگر خود را بیان می‌کند، این حس امیدواری از بین می‌رود. در نزدیکی سیاه‌چاله، امواج گرانشی محیطی از لرزش‌ها‌ی ویران‌کننده به‌وجود می‌آورند و ماده‌‌تاریک هم درصورت وجود می‌تواند شرایط را سخت‌تر کند. اشنیتمن مراقب است احتمال وجود سیاره‌ی سکونت‌پذیر در نزدیکی سیاه‌چاله‌ی کلان‌جرم را به‌طور کلی رد نکند؛ اما نکته‌ای که به‌وضوح مشاهده می‌شود، این است که امکان وجود حیات در این مناطق بسیار کم است. اگر قرار باشد انسان‌ها جایی در کیهان به‌دنبال سیاره‌ی سکونت‌پذیر بگردند، بهتر است تا‌حدممکن از سیاه‌چاله‌ی کلان‌جرم دور شوند.

هر هفته، جالب‌ترین و برترین عکس‌های علمی از سراسر جهان را از نگاه زومیت تقدیم شما خوانندگان گرانقدر می‌کنیم. در دنیای پر رسانه‌ی امروز، تصاویری هستند که به دلیل اهمیت رسانه‌ای خود بارها و بارها دیده می‌شوند و به اشتراک گذاشته می‌شوند. اما از سوی دیگر، برخی از این تصاویر اگرچه با اهمیت باشند، مهجورانه به دست فراموشی سپرده می‌شوند. گاهی برخی از همین تصاویر، گفتنی‌هایی بیش‌ از گزارش‌ها و مقالات پر بازدید دنیای پر خبر امروز دارند. در ادامه به بررسی برخی از تصاویر علمی منتخب هفته به‌همراه داستان نهفته در پَس هر کدام خواهیم پرداخت. با ما همراه باشد:

الکسی لئونوف، نخستین انسانی که راهپیمایی فضایی را انجام داد

امروزه راهپیمایی فضایی از وظایف عادی کاوش‌های فضایی محسوب می‌شود، اما زمانی‌که الکسی لئونوف اولین راهپیمایی فضایی تاریخ را انجام داد، این گونه مأموریت‌ها به‌سادگی حالا انجام نبودند. در این تصویر الکسی لئونوف، کیهان‌نورد روسی را می‌بینید که هفته گذشته در سن ۸۵ سالگی از دنیا رفت. این تصویر که به مناسبت مرگ او از بایگانی‌های «فدراسیون بین‌المللی هوانوردی (FAI)« در لوزان سوئیس بیرون کشیده شده، لئونوف را در هنگام اولین راهپیمایی فضایی‌اش که روز ۱۸ مارس ۱۹۶۵ (۲۷ اسفند ۱۳۴۳) انجام گرفت نشان می‌دهد.

لئونوف این راهپیمایی تاریخی را در هنگام ماموریتش با مدارگرد وسخود-۲ که هفدهمین مأموریت سرنشین‌دار دنیا به حساب می‌آمد انجام داد. لئونوف در مصاحبه‌ای که به مناسبت پنجاهمین سالگرد راهپیمایی فضایی‌اش انجام شد، گفته بود:

زمین گِرد بود، و ستارگان در همه‌ی جوانب از راست، چپ و بالا و پائین به چشم می‌خوردند. نور خورشید هم خیلی شدید بود، طوری که حس کردم بخشی از صورتم که بی‌محافظ بود داغ شده است. اما آنچه حالا از آن روز به یادم مانده،‌ سکوت خارق‌العاده‌ی (فضا) است.

ناسا از لباس‌‌های فضانوردی فضانوردان زن مسافر ماه رونمایی کرد

ناسا روز سه‌شنبه هفته جاری از نمونه‌های جدیدی از لباس‌های فضانوردی رونمایی کرد که قرار است اولین فضانورد زنی که روی ماه قدم می‌گذارد بپوشد. در رویدادی که در مقر اصلی ناسا در شهر واشنگتن برگزار شد، جیم برایدنستاین، رئیس ناسا و مهندسان و طراحان لباس فضانوردی حضور داشتند و توضیحاتی را در مورد لباس فضانوردی برنامه آرتمیس ناسا دادند. هدف برنامه آرتمیس این است که تا سال ۲۰۲۴ اولین فضانورد زن و به عبارتی اولین انسان بعد از دهه‌ی ۱۹۷۰ را دوباره روی ماه فرود بیاورد.

برایدنستاین در خلال این مراسم اعلام کرد که ناسا تا سال ۲۰۲۴ به ماه خواهد رفت و قصد دارد در آنجا باقی بماند. برایدنستاین در ادامه افزود که ماه برای ناسا حکم آزمایشگاهی را خواهد داشت که می‌تواند برای رفتن به سوی سیارات دوردست در منظومه شمسی به کار رود.

برایدنستاین در ادامه گفت:

در نهایت هدف سفر به مریخ است و برای رفتن مریخ، باید بتوانیم از ماه به‌عنوان جایی برای آزمایش تجهیزات و فناوری‌های خود بهره ببریم.

در عکسی که مشاهده می‌کنید، اِمی راس، مهندس لباس فضانوردی در سمت چپ دیده می‌شود، در کنار او برایدنستاین رئیس ناسا و نفر سوم و چهارم از سمت چپ هم کریستین دیویس، مهندس لباس فضانوردی از مرکز فضایی جانسون ناسا که نمونه اولیه‌ی لباس فضانوردی موسوم به «اکتشافات برون ناوی (xEMU)» را پوشیده و داستین گومرت، مدیر پروژه سامانه‌های بقای فضانوردان مأموریت «اوریون (Orion)» ناسا هم لباس مخصوص فضاپیمای اوریون را پوشیده است.

دو نمونه‌ی اولیه لباس فضانوردی که ناسا در این مراسم به نمایش گذاشت، برای دو بخش جداگانه از مأموریت‌های فضانوردان در ماه طراحی شده‌اند. لباس فضانوردی اکتشافات برون ناوی که دیوس پوشیده، همان لباس یکدست سفید با نوارهایی به رنگ‌های قرمز و آبی، در هنگام کاوش سطح ماه به‌ویژه در هنگام کاوش قطب جنوب ماه پوشیده خواهد شد. قطب جنوب ماه محل فرود فضانوردان مأموریت آتی به ماه خواهد بود. دومین لباس رونمایی شده نیز که به رنگ نارنجی است، لباس فضانوردی است که فضانوردن در هنگان پرواز با فضاپیمای اوریون و بازگشت به زمین خواهند پوشید.

نگاهی به سیاره سنگی خارج از منظومه شمسی

سیاره LHS 3844b که در فاصله ۴۸٫۶ سال نوری از زمین قرار دارد، در سال ۲۰۱۸ توسط ماهواره نقشه‌بردار فراخورشیدی گذران ناسا موسوم به «تس (TESS)» کشف شد. این سیاره‌ی فراخورشیدی ۱٫۳برابر زمین شعاع دارد و به دور ستاره‌ی کوچک و سردی موسوم «کوتوله سرخ» گردش می‌کند. کوتوله‌های سرخ که به کوتوله‌های دسته ام نیز مشهور هستند، جرمی کمتر نصف خورشید دارند و معمولا برای میزبانی از سیارات بالقوه قابل‌سکونت مناسب هستند. این دست ستارگان فراوان‌ترین ستارگان کهکشان راه شیری هستند و ممکن است میزبان درصد بالایی از سیارات کهکشان نیز باشند.

در پژوهشی که مرداد امسال با بهره بردن از اطلاعات گردآوری شده تلسکوپ فضایی اسپیتزر، انجام گرفت، اخترشناسان به این نتیجه رسیدند که این سیاره شبیه به ماه یا سیاره عطارد است. اخترشناسان نتیجه گرفتند که این سیاره‌ی فراخورشیدی احتمالا جو ندارد و ممکن است از مواد آتشفشانی سردی مانند آنچه در دریاوارهای ماه (همان پهنه‌های تیره رنگی که در ماه می‌بینیم) پوشیده شده باشد.

استیون هاوکینگ، مردی که نگرش ما نسبت به جهان را تغییر داد

وب‌سایت رسمی ناسا هفته گذشته به مناسبت ماه «آگاهی عمومی نسبت به کارکنان معلول» که هر سال در ماه اکتبر (مهر) در آمریکا گرامی‌ داشته می‌شود، این عکس را از پروفسور استیون هاوکینگ منتشر کرد. کیهان‌شناس مشهور که سال گذشته در سن ۷۶ سالگی از دنیا رفت،‌ با وجود ابتلا به بیماری اسکلروز جانبی آمیوتروفیک، با نظریات خود سهم عمده‌ای در درک کنونی ما از جهان داشت. پروفسور هاوکینگ علاوه بر این با انتشار آثاری در حوزه‌ی علم عامه‌پسند، توانست میلیون‌ها خواننده را در سرتاسر جهان به مسائل علمی آشنا کند.

در عکسی که مشاهده می‌کنید، پروفسور هاوکینگ در حال ایراد سخنرانی با عنوان «چرا باید به فضا برویم؟» است که برای بزرگداشت پنجاه سالگی تأسیس ناسا در سال ۲۰۰۸ انجام گرفت. سمت راست او دخترش لوسی دیده می‌شود که در کنار پدرش حضور داشت. لوسی هاوکینگ که فارغ‌التحصیل رشته روزنامه‌نگاری از دانشگاه لندن‌سیتی است، نویسنده چندین کتاب علمی و رمان‌هایی برای کودکان است.

کاوشگر شناسایی آب ماه

آنچه مشاهده می‌کنید، نمونه‌ی اولیه‌ای از کاوشگر شناسایی آب در ماه است که ناسا به دلایل قبلا در سال ۲۰۱۸ توسعه آن را متوقف کرده بود. اما با شروع برنامه آرتمیس و اعلام اینکه ناسا می‌خواهد تا سال ۲۰۲۲ نخستین کاوشگرهای رباتیک را به ماه بفرستد،‌ برنامه توسعه این کاوشگر هم دوباره از سر گرفته شد. کاوشگر شناسایی آب که «وایپر (VIPER)» نام دارد و قرار است طی سال‌های آینده به نواحی قطبی ماه برود و به جست‌وجو و شناسایی آب و سایر مواد قمر زمین بپردازد. ناسا قصد دارد تا سال ۲۰۲۴، نخستین فضانوردان را نیز به ماه بفرستد. اگر بتوان به‌نحوی از آب‌یخ موجود در ماه برای سوخت و همچنین به‌عنوان آب آشامیدنی استفاده کرد، برنامه‌ ساخت ایستگاه دائمی در ماه می‌تواند به لحاظ انرژی به خودکفایی لازم دست پیدا کند.

دیوارنگاره‌ای که نبرد خونین گلادیاتورها را نشان می‌دهد

هفته گذشته در شهر باستانی پمپئی، ایتالیا، دیوارنگاره‌ای دیدنی کشف شد که تصویری از نبرد بین دو گلادیاتور را با جزئیات و وضوح عجیبی نشان می‌داد. در صحنه‌ای که در این دیوارنگاره تصور شده، دو گلادیاتور تراکیان و موریلو به‌نبرد هم رفته‌اند که از ظاهر امر آن‌طور برمی‌آید که گلادیاتور موریلو (گلادیاتور سمت راست) به‌شدت زخمی شده است. این دیوارنگاره در زیر راه‌پله عشرتگاهی باستانی کشف شد که احتمالا محل تردد گلادیاتورها بوده است.

ماسیمو اوسانا، مدیر محوطه‌ی باستان‌شناسی پمپئی در مورد این دیوارنگاره ابراز داشت:

 نکته جالب واقع‌گرایی این دیوارنگاری است که زخم‌های روی مچ دست و سینه گلادیاتوری که زخمی شده را به خوبی به تصور کشیده است. البته نتیجه نبرد مشخص نیست ممکن است، (گلادیاتور نگون‌بخت) مُرده باشد یا اینکه مورد عفو قرار گرفته باشد.

کاوش‌ها و حفاری‌های انجام گرفته در ناحیه پنجم پمپئی از زمان شروع به کار در سال ۲۰۱۸ که با بودجه اتحادیه اروپا انجام می‌گیرند، موجب کشف ده‌ها اثر باستانی دیدنی شده است. باستان‌شناسان چند ماه قبل، یک پیشخوان اغذیه‌فروشی یا ترموپولیوم مزین به دیوارنگاره‌هایی ۲ هزار ساله را کشف کردند. باستان‌شناسان پائیز سال گذشته هم دیوارنگاره‌ای از نارسیس را کشف کردند. قبل از آن هم اسکلت‌های ۲ زن و ۳ کودک و همچنین بقایای یک اسب به‌همراه زین و مهار در همین ناحیه کشف شده بود. اوسانا در ادامه افزود که کشف این نقاشی نشان می‌دهد که پمپئی معدن فوق‌العاده‌ای مملو از اکتشافات و دانش برای باستان‌شناسان امروز و فردا است.

کشف ۲۰ تابوت چوبی دست‌نخورده در مصر

براساس اعلام وزارت ابنیه و آثار باستانی مصر، باستان‌شناسان موفق به کشف مجموعه‌ای بی‌نظیر از ۲۰ تابوت چوبی در شهر عساسیف شدند. مقامات وزارت ابنیه و آثار باستانی مصر اعلام کرد، این تابوت‌ها که بدون دست‌خوردگی کشف شدند، در دو لایه روی هم قرار گرفته بودند. محوطه‌ای که این تابوت‌های چوبی در آن کشف شدند، زمانی بخشی از شهر باستانی تبس را تشکیل می‌داد که ویرانه‌های آن در کنار شهر کنونی الاقصر قرار دارند. به عقیده باستان‌شناسان، اشراف و مقامات در عساسیف دفن می‌شدند. باستان‌شناسان قبلا این گورستان‌ باستانی را متعلق به دودمان هجدهم مصر که از سال ۱۵۳۹ پیش از عصر حاضر می‌شود دانسته بودند. اما در مورد کشف اخیر هنوز جزئیاتی منتشر نشده است.  

تنها وزارت ابنیه و آثار باستانی مصر در بیانیه‌ای اعلام کرد که، کشف اخیر «یکی از بزرگ‌ترین و مهم‌ترین کشفیات چند سال گذشته مصر» است. وزارت ابنیه و آثار باستانی مصر خبر این کشف را روز سه‌شنبه اعلام کرد و تصاویری از دکتر خالد العناني، وزیر آثار باستانی مصر را نیز در کنار تابوت‌ها منتشر کرد. خبر این کشف کمتر از یک هفته پس از کشف منطقه‌ باستانی الاقصر اعلام می‌شود. باستان‌شناسان تنها چند روز قبل خبر از کشف ناحیه‌ای صنعتی در دره‌ی جنوبی الاقصر را داده بودند.

فلیست، اولین گربه‌ی فضانورد

درست چنین روزی، یعنی روز ۲۶ مهر سال ۱۳۴۲ (۱۸ اکتبر ۱۹۶۳)، فلیست به اولین گربه فضایی جهان بدل شد. در حالی که ایالات متحده و اتحاد جماهیر شوروی سخت مشغول فرستادن میمون، گربه و انسان به فضا بودند، فرانسوی‌ها تصمیم گرفتند یک گربه را به فضا بفرستند. فلیست، یک گربه ولگرد در خیابان‌های پاریس بود که در لحظات آخر جایگزین فلیکس شد که درست روز پرتاب به نحوی فرار کرد. فلیست به‌همراه یک موشک ورونیک ای‌جی-۱ تا ارتفاع ۲۵۰ کیلومتری زمین صعود کرد و در حالی که انتظار نمی‌رفت زنده به زمین بازگردد، توانست برخلاف حیوانات دیگری که در آن زمان در فضا می‌مردند صحیح و سالم به زمین بازگردد.

مرکز پر ازدحام کهکشان راه شیری

در میانه‌ی کهکشان راه شیری، ابرهای ضخیمی از گرد و غبار و گازهای بین ستاره‌ای جمع شدند، به همین دلیل مشاهده این بخش از کهکشان با اتکا به تلسکوپ‌های نوری امکان‌پذیر نیست. تصویری که مشاهده می‌کنید، به‌وسیله‌ی دوربین مادون قرمز تلسکوپ فضایی اسپیتزر ناسا ثبت شده که ستارگان این منطقه شلوغِ کهکشان راه شیری را به خوبی نشان می‌دهد. تلسکوپ فضایی جیمز وب که قرار است طی ماه‌های آتی مأموریت خود را شروع کند، به دلیل دوربین‌های مادون قرمز پیشرفته‌تری که دارد، می‌تواند تصاویری با جزئیات بیشتر و وضوح بالاتر از این ستارگان ثبت کند. تلسکوپ فضایی جیمز وب ناسا برای اخترشناسی مادون‌قرمز مورد استفاده قرار خواهد گرفت که برای چشم انسان قابل مشاهده نیست، اما برای اجرام نجومی که به‌وسیله غبار و گاز پنهان شده‌اند اهمیت زیادالوصفی دارد.

ویرجین گلکتیک از لباس گردشگران فضایی رونمایی کرد

ویرجین گلکتیک با همکاری آندر آرمور، شرکت تولید پوشاک و لوازم ورزشی از لباس گردشگران فضایی رونمایی کرد. گردشگران آینده این لباس‌ها در هنگام پرواز به وسیله هواپیمای فضایی «اسپیس‌شیپ-۲» خواهد پوشیده که احتمالا از سال ۲۰۲۰ پروازهای فضایی خود را آغاز خواهد کرد. لباس گردشگران فضایی که ویرجین گلکتیک از آن رونمایی کرد، شامل لباس فضایی، کفش، لباس تمرین و همچنین روپوش‌های مخصوصی بود.

سِر ریچارد برانسون، بنیانگذار ویرجین گلکتیک روز چهارشنبه این لباس‌های فضانوردی را طی مراسمی ويژه معرفی کرد. برانسون ویرجین گلکتیک را در سال ۲۰۰۴ تأسیس کرد تا بتواند اولین شرکتی باشد که پروازهای فضایی تجاری را امکان‌پذیر می‌کند. در پروازهای این شرکت طبق برنامه، هواپیمای فضایی به همراه ۸ نفر، ۶ گردشگر و دو خلبان به ارتفاع ۸۰ کیلومتر زمین می‌رود و به زمین بازمی‌گردد. بلیط هر پرواز به وسیله هواپیمای فضایی شرکت در حال حاضر، ۲۵۰ هزار دلار اعلام شده،‌ اما گفته می‌شود، این قیمت‌گذاری در آینده افزایش خواهد یافت. در طول سفرهای ویرجین گلکتیک، مسافران فضایی فرصت مشاهده زمین از فضا و همین‌طور تجربه غوطه‌وری در شرایط بدون وزن را خواهند داشت.  

تصویر دیدنی نیک هاگ از کره‌زمین

نیک هاگ، فضانورد ناسا که هفته گذشته به همراه الکسی اووچینین، کیهان‌نورد روس و هزارع المنصوری، نخستین فضانورد امارات متحده عربی به زمین بازگشت، در آخرین روزهای حضور خود در ایستگاه فضایی بین‌المللی این عکس دیدنی را از سیاره ما ثبت کرد. هاگ در توضیح این عکس نوشت:

امروز آخرین دوشنبه من در آزمایشگاه مداری است و من هم آخرین نماهای خود از زمین را ثبت می‌کنم. ایستگاه فضایی واقعا شاهکار مهندسی است.

نیک هاگ مأموریت ۲۰۳ روزه‌ای را در ایستگاه فضایی گذراندند. او در طول دوره‌ی حضور خود در ایستگاه فضایی، ۳۲۴۸ بار به دور کره زمین سفر کرد.

باکتری‌ها موجودات پروکاریوتی هستند که در اکثر زیستگاه‌های روی زمین یافت می‌شوند. آن‌ها میکروارگانیسم‌های تک‌سلولی هستند. باکتری‌ها می‌توانند در شرایط سختی مانند چشمه‌های اسیدی دارای آب داغ، زباله‌های رادیواکتیو و در اعماق پوسته‌ی زمین زندگی کنند. باکتری‌ها با اتصال به سطوح مختلف، جمعیت‌های متراکمی به نام زیست‌لایه را تشکیل می‌دهند.

باکتری‌ها بسیار متنوع بوده و اشکال و ویژگی‌های ساختاری بسیار مختلفی دارند. باکتری‌ها می‌توانند درون یا روی بدن انسان زندگی کنند. فقط تعداد انگشت‌شماری از باکتری‌ها در انسان‌ها موجب بروز عفونت می‌شوند. این باکتری‌ها را باکتری‌های پاتوژن یا باکتری‌های بیماری‌زا می‌نامند.

برخی از اشکال رایج ویروس‌ها (سمت راست) و باکتری‌ها (سمت چپ)

ویروس ذره‌ای است که خصوصیات یک موجود زنده را نداشته و بنابراین، زنده درنظر گرفته نمی‌شود. ویروس‌ها تنفس و متابولیسمی از خود نشان نمی‌دهند. یک ویروس از ماده‌ای ژنتیکی از جنس DNA یا RNA تشکیل شده است که به‌وسیله‌ی یک هسته‌ی پروتئینی پوشانده شده است. ویروس‌ها معمولا عواملی عفونی هستند که برای تکثیر خود نیاز به یک میزبان دارند. آن‌ها تمام اشکال حیات شامل جانوران، گیاهان، باکتری‌ها و آرکیاها را آلوده می‌کنند. ویروس‌ها تقریبا در تمام اکوسیستم‌های روی زمین یافت می‌شوند. آن‌ها فراوان‌ترین موجودیت بیولوژیکی روی زمین هستند. همچون باکتری‌ها، آن‌ها نیز بسیار متنوع بوده و دارای اشکال و ویژگی‌های مختلفی هستند. ویروس‌ها زندگی انگلی دارند، به این معنا که برای رشد خود وابسته به سلول‌ها یا بافت‌های زنده هستند. ویروس‌ها می‌توانند به سلول‌های میزبان حمله کرده و با استفاده از اجزای این سلول‌های رشد و تکثیر پیدا کنند. برخی از ویروس‌ها به‌عنوان بخشی از چرخه‌ی زندگی خود، موجب مرگ سلول‌های میزبان می‌شوند.

تفاوت بین باکتری‌ها و ویروس‌ها

اگرچه باکتری‌ها و ویروس‌ها هر دو آنقدر کوچک هستند که بدون استفاده از میکروسکوپ دیده نمی‌شوند اما اختلاف بین آن‌ها بسیار زیاد است. باکتری‌ها موجودات نسبتا پیچیده و تک‌سلولی هستند که بسیاری از آن‌ها دارای یک دیواره‌ی سخت و یک غشای نازک و لاستیک‌مانندی هستند که در اطراف مایع درون سلول قرار گرفته است. آن‌ها می‌توانند به‌تنهایی تولیدمثل کنند. رکوردهای فسیلی نشان می‌دهد که باکتری‌ها حدود ۳/۵ میلیارد سال است که وجود دارند. باکتری‌ها در میحط های مختلفی مانند گرما و سرمای شدید زندگی می‌کنند. بیشتر باکتری‌ها بی‌ضرر بوده و برخی حتی به هضم غذا و تخریب میکروب‌های بیماری‌زا، مبارزه با سلول‌های سرطانی و فراهم کردن مواد مغذی ضروری کمک می‌کنند. کمتر از یک درصد از باکتری‌ها موجب بروز بیماری در انسان می‌شوند.

ویروس‌ها کوچک‌تر هستند: بزرگ‌ترین ویروس‌ها، از کوچک‌ترین باکتری‌ها نیز کوچک‌تر هستند. همه‌ی آن‌ها دارای یک پوشش پروتئینی و هسته‌ای از مواد ژنتیکی از جنس DAN یا RNA هستند. برخلاف باکتری، ویروس بدون میزبان زنده نمی‌ماند. آن‌ها فقط با چبسیدن به سلول‌های میزبان می‌توانند خود را تکثیر کنند. در بیشتر موارد، ویروس‌ها برای تولید ویروس‌های جدید، سلول میزبان را مجددا برنامه‌ریزی می‌کنند تا زمانی‌که درنهایت سلول متلاشی شده و می‌میرد. در موارد دیگر، سلول‌های طبیعی را به سلول‌های بدخیم یا سرطانی تبدیل می‌کنند. همچنین برخلاف باکتری‌ها، بیشتر ویروس‌ها موجب بیماری می‌شوند و نسبت‌به سلول‌هایی که به آن‌ها حمله می‌کنند، کاملا اختصاصی هستند. برای مثال ویروس‌های خاصی به سلول‌های موجود در کبد، سیستم تنفسی یا خون حمله می‌کنند. در برخی موارد نیز ویروس‌ها، باکتری‌ها را مورد هدف قرار می‌دهند.

نحوه‌ی انتشار عفونت‌های باکتریایی

بسیاری از عفونت‌های باکتریایی مسری هستند یعنی می‌توانند از فردی به فرد دیگر انتقال پیدا کنند. راه‌هایی زیادی برای انتقال این عفونت‌ها وجود دارد، ازجمله:

• تماس نزدیک با فردی که دارای عفونت باکتریایی است مانند لمس کردن و بوسیدن
• تماس با مایعات بدن فرد آلوده به‌خصوص تماس جنسی یا تنفس در هوایی که یک فرد آلوده در آن سرفه یا عطسه کرده است
• انتقال از مادر به فرزند در طول دوران بارداری یا زایمان
• تماس با سطوح آلوده

علاوه‌بر انتشار فرد به فرد، عفونت‌های باکتریایی می‌توانند ازطریق حشرات آلوده نیز منتقل شوند. مصرف غذا یا آب آلوده نیز منجر به بروز عفونت می‌شود.

عفونت‌های باکتریایی شایع

برخی از عفونت‌های باکتریایی رایج عبارت‌اند از:

• گلودرد استرپتوکوکی
• عفونت مجاری ادراری
• مسمومیت غذایی باکتریایی
• سوزاک
• سل
• مننژیت باکتریایی
• سلولیت
• بیماری لایم
• کزار

نحوه‌ی انتشار عفونت‌های ویروسی

مانند عفونت‌های باکتریایی، بسیاری از عفونت‌های ویروسی نیز مسری هستند. آن‌ها می‌توانند ازطرق مختلفی از فردی به فرد دیگر منتقل شوند:

• تماس نزدیک با فردی که دچار یک عفونت ویروسی است
• تماس با مایعات بدن فردی که دچار عفونت ویروسی است
• انتقال از مادر به فرزند طی دوران بارداری یا زایمان
• تماس با سطوح آلوده

عفونت‌های ویروسی نیز ازطریق نیش حشرات آلوده یا درنتیجه‌ی مصرف غذا یا آب آلوده منتقل می‌شوند

عفونت‌های ویروسی شایع

برخی از انواع عفونت‌های ویروسی رایج عبارت‌اند از:

• آنفلوآنزا
• سرماخوردگی معمولی
• گاستروآنتریت ویروسی
• آبله مرغان
• سرخک
• مننژیت ویروسی
• زگیل‌ها
• نقص ایمنی انسان (HIV)
• هپاتیت ویروسی
• تب زیکا
• تب نیل غربی

سرماخوردگی

سرماخوردگی می‌تواند موجب گرفتگی یا آبریزش بینی، گلودرد و تب کم شود، اما آیا یک عفونت باکتریایی یا ویروسی است؟

سرماخوردگی معمولی به‌وسیله‌ی ویروس‌های مختلفی ایجاد می‌شود، اگرچه اغلب راینو ویروس‌ها مقصر هستند. کار زیادی درزمینه‌ی درمان سرماخوردگی نمی‌توانید، انجام دهید بلکه فقط باید منتظر بمانید و از داروهای بدون نسخه برای کمک به تسکین علائم خود استفاده کنید. در بعضی موارد، یک عفونت باکتریایی ثانویه ممکن است در جریان یا پس از سرماخوردگی ایجاد شود. موارد رایج عفونت‌های باکتریایی ثانویه عبارت‌اند از:

• عفونت‌ سینوس‌ها
• عفونت‌های گوش
• ذات‌الریه

وجود علائم زیر نشان‌دهنده‌ی درگیر شدن شدن با یک عفونت باکتریایی ثانویه است:

۱. وجود علائمی که تا بیش از ۱۰ تا ۱۴ روز ادامه دارد

۲. وجود علائمی که طی چند روز به‌جای بهتر شدن، شروع به بدتر شدن می‌کنند

۳. وجود تب بالا (نسبت‌به تبی که در یک سرماخوردگی معمولی وجود دارد)

آیا رنگ مخاط معیار تعیین‌کننده‌ی نوع عفونت (باکتریایی یا ویروسی) است؟

برای تعیین نوع عفونت نمی‌توان روی رنگ مخاط تکیه کرد. یک باور قدیمی وجود دارد که می‌گوید مخاط سبز نشان‌دهنده‌ی وجود یک عفونت باکتریایی است که نیاز به درمان آنتی‌بیوتیکی دارد. اگرچه مخاط سبز حاصل موادی است که به‌وسیله‌ی سلول‌های ایمنی و در پاسخ به مهاجم خارجی آزاد می‌شود. عوامل زیادی ازجمله ویروس‌ها، باکتری‌ها یا حتی آلرژی‌های فصلی می‌توانند موجب ایجاد مخاط سبز شوند.

میکروب‌های عفونت‌زای معده‌

وقتی شما دچار علائمی مانند تهوع، اسهال یا گرفتگی شکم هستید، احتمالا دچار نوعی عفونت میکروبی معده شده‌اید. اما آیا این عفونت ناشی از یک باکتری یا ویروس است؟ عفونت‌های میکروبی معده معمولا دو نوع هستند:

۱. گاستروآنتریت که عفونت مجرای گوارش است. این عفونت ناشی از تماس با مدفوع یا استفراغ فردی است که به آن عفونت مبتلا است.

۲. مسمومیت غذایی نوع دیگری از عفونت مجرای گوارش است که ناشی از مصرف غذا یا مایعات آلوده است.

گاستروآنتریت و مسمومیت غذایی می‌توانند هم به‌وسیله‌ی ویروس‌ها و هم باکتری‌ها ایجاد شوند. صرف‌نظر از علت، در اغلب موارد با مراقبت خوب علائم طی یکی دو روز برطرف می‌شود. اگرچه علائمی که بیش از سه روز طول بکشد و منجر به اسهال خونی یا کم‌آبی شدید بدن شود، ممکن است نشان‌دهنده‌ی عفونت شدیدتری باشد که نیاز به درمان سریع دارد.

نحوه‌ی تشخیص عفونت‌ها

گاهی اوقات پزشک براساس تاریخچه‌ی پزشکی و علائم می‌تواند مشکل بیمار را تشخیص دهد. به‌عنوان مثال، بیماری‌هایی مانند سرخک یا آبله مرغان دارای علائم بسیار مشخصی هستند که با یک معاینه‌ی ساده‌ی جسمی قابل تشخیص هستند. علاوه‌بر‌این، اگر شیوع بیماری خاصی در آن زمان وجود داشته باشد، پزشک احتمال ابتلا به آن بیماری را در تشخیص خود درنظر می‌گیرد. یک مثال آنفلوآنزا است که دارای شیوع فصلی است و درمواقعی از سال افراد زیادی را درگیر می‌کند.

اگر پزشک بخواهد بداند چه نوع ارگانیسمی موحب بیماری شده است، نمونه‌ای از بیمار گرفته و از آن برای کشت و شناسایی عامل بیماری‌زا استفاده می‌شود. نمونه بسته به حدس پزشک درمورد عامل بیماری‌زا از خون، مخاط یا خلط، ادرار، مدفوع، پوست یا مایع مغزی نخاعی (CSF) تهیه می‌شود.

وقتی میکروارگانیسم کشت داده می‌شود، به پزشک این امکان را می‌دهد که بتواند مشخص کند چه چیزی موجب بیماری شده است. درمورد یک عفونت باکتریایی، این کار می‌تواند در زمینه‌ی تعیین نوع آنتی‌بیوتیک مؤثر نیز سودمند باشند.

کدام عفونت‌ها با آنتی‌بیوتیک درمان می‌شوند؟

آنتی‌بیوتیک‌ها داروهایی هستند که برای درمان عفونت‌های باکتریایی مورد استفاده قرار می‌گیرند. انواع مختلفی از آنتی‌بیوتیک‌ها وجود دارد اما همه‌ی آن‌ها درجهت توقف رشد و تکثیر باکتری‌ها عمل می‌کنند. آن‌ها دربرابر عفونت‌های ویروسی مؤثر نیستند.

اگرچه آنتی‌بیوتیک‌ها فقط باید برای درمان عفونت‌های باکتریایی مورد مصرف قرار گیرند، اما بسیاری از بیماران هنگام ابتلا به عفونت‌های ویروسی اصرار بر مصرف آن‌ها دارند. این امر خطرناک است زیرا تجویز افراطی آنتی‌بیوتیک‌ها می‌تواند منجر به بروز مقامت آنتی‌بیوتیکی شود. مقاومت آنتی‌بیوتیکی زمانی رخ می‌دهد که باکتری قدرت مقاومت دربرابر آنتی‌بیوتیک‌های خاصی را به دست می‌آورد. این امر موجب می‌شود که درمان بسیاری از عفونت‌های باکتریایی دشوار شود.

اگر برای درمان عفونت باکتریایی فردی آنتی‌بیوتیک تجویز شود، لازم است که او کل دوره‌ی درمان را کامل کند حتی اگر پس از چند روز مصرف دارو احساس کند حالش بهتر شده است. قطع مصرف دارو مانع از کشته شدن همه‌ی باکتری‌های بیماری‌زا می‌شود.

مقاومت ضدمیکروبی

مقاومت آنتی‌بیوتیکی زمانی رخ می‌دهد که میکروب‌هایی مانند باکتری‌ها و قارچ‌ها توانایی مقابله‌با با داروهای طراحی شده برای کشتن آن‌ها را کسب می‌کنند. در این وضعیت، میکروب‌ها کشته نشده و به رشد خود ادامه می‌دهند. درمان عفونت‌های ناشی از میکروب‌های مقاوم به آنتی‌بیوتیک دشوار و گاهی حتی غیرممکن است. در بیشتر موارد، عفونت‌های مقاوم به آنتی‌بیوتیک نیاز به ماندن طولانی‌مدت در بیمارستان، مراجعات مکرر به پزشک و انجام رویه‌های درمانی پرهزینه و سمی دارند.

مقاومت آنتی‌بیوتیکی به این معنا نیست که بدن در برابر آنتی‌بیوتیک‌ها مقاوم شده است بلکه به این مفهوم است که باکتری در برابر آنتی‌بیوتیک‌هایی که برای ازبین‌بردن آن طراحی شده است، مقاومت کسب کرده است.

مقاومت آنتی‌بیوتیکی می‌تواند تمام افراد را در هر سنی درگیر کند و نیز صنایع مراقبت‌های بهداشتی، دامپزشکی و کشاورزی را نیز مورد تهدید قرار می‌دهد. کسی نمی‌تواند به‌طور کامل از خطر بروز عفونت‌های مقاوم اجتناب کند اما برخی از افراد مانند کسانی که مبتلا به بیماری‌های مزمن هستند، در معرض خطر بیشتری قرار دارند. اگر آنتی‌بیوتیک‌ها اثربخشی خود را از دست بدهند، ما توانایی درمان عفونت‌ها و کنترل تهدیدات سلامتی عمومی را از دست می‌دهیم. بسیاری از پیشرفت‌های پزشکی ازجمله تعویض مفاصل، پیوند اعضا، درمان سرطان و درمان بیماری‌های مزمنی نظیر دیابت، آسم و روماتیسم مفصلی، وابسته‌به توانایی مبارزه با عفونت با استفاده از آنتی‌بیوتیک‌ها است.

باکتری‌ها چگونه دربرابر آنتی‌بیوتیک‌ها مقاوم می‌شوند؟

مقاومت آنتی‌بیوتیکی زمانی اتفاق می‌افتد که باکتری به‌طریقی تغییر می‌کند و این تغییر باعث کاهش یا از بین رفتن اثربخشی داروها، مواد شیمیایی یا دیکر عوامل طراحی‌شده برای درمان یا پیشگیری از عفونت‌ها می‌شود. در این وضعیت، باکتری‌ها زنده می‌مانند و همچنان تکثیر یافته و موجب آسیب بیشتری می‌شوند. باکتری‌ها این توانایی را ازطریق مکانیسم‌های مختلفی به دست می‌آورند. برخی از باکتری‌ها می‌توانند قبل از اینکه آنتی‌بیوتیک‌ها به آن‌ها صدمه بزنند، آن‌ها را حنثی کنند. برخی سریعا آنتی‌بیوتیک را به خارج می‌رانند و برخی نیز مکان حمله‌ی آنتی‌بیوتیک‌ها را تغییر می‌دهند تا آنتی‌بیوتیک دیگر تأثیری روی آن‌ها نداشته باشد.

آنتی‌بیوتیک‌ها رشد باکتری‌های حساس را متوقف کرده یا آن‌ها را می‌کشند. گاهی اوقات، یکی از باکتری‌ها به‌علت دارا بودن توانایی خنثی کردن یا فرار از اثرات آنتی‌بیوتیک زنده می‌ماند. همان یک باکتری می‌تواند تکثیر پیدا کرده و جایگزین باکتری‌هایی شود که کشته شده‌اند. بنابراین مواجهه با آنتی‌بیوتیک‌ها فشار انتخابی ایجاد می‌کند که موجب می‌شود احتمال مقاوم شدن باکتری‌های زنده مانده بیشتر شود. علاوه‌براین، باکتری‌هایی که زمانی دربرابر یک آنتی‌بیوتیک حساس بوده‌اند، ممکن است در اثر جهش ژنتیکی یا دستیابی به قطعاتی از DNA خارجی که کدکننده‌ی ویژگی‌های مرتبط با مقاومت هستند، مقاومت کسب کنند. قطعه‌ی DNA که کدکننده‌ی مقاومت است، می‌تواند در یک بسته‌ی به‌راحتی قابل انتقال بسته‌بندی شود. این بدان معنا است که باکتری می‌تواند به‌علت دستیابی به یک قطعه از DNA در برابر بسیاری از داروهای ضدمیکروبی مقاوم شود.

عفونت‌های ویروسی چگونه درمان می‌شوند؟

درمان خاصی برای بسیاری از عفونت‌های ویروسی وجود ندارد و معمولا همان‌طور که بدن در حال پاک‌سازی ویروس است، انجام کارهایی برای تسکین علائم توصیه می‌شود:

• نوشیدن مایعات برای پیشگیری از کم‌آبی بدن
• استراحت زیاد
• مصرف داروهایی مسکنی مانند استامینوفن یا ایبوپروفن برای تسکین درد و تب
• مصرف داروهای ضداحتقان برای کمک به گرفتگی یا آبریزش بینی
• استفاده از قرص‌های مکیدنی گلو برای کاهش گلودرد

داروهای ضدویروسی: در برخی موارد، پزشک ممکن است یک داروی ضدویروسی را برای کمک به درمان بیماری تجویز کند. داروهای ضدویروسی چرخه‌ی زندگی ویروسی را مهار می‌کنند. برخی از مثال‌ها شامل داروهایی مانند اسلتامیویر برای درمان عفونت آنفلوآنزا یا والاسیکلوویر برای درمان عفونت‌های ویروسی هرپس سیمپلکس (تبخال) یا هرپس زوستر (زونا) است.

نحوه پیشگیری از عفونت‌ها

برای اجتناب از ابتلا به بیماری‌های ناشی از عفونت‌های باکتریایی یا ویروسی باید موارد زیر مورد توجه قرار گیرد:

رعایت بهداشت

• شستن دست‌ها قبل از خوردن غذا و استفاده از سرویس بهداشتی و نیز قبل و پس از فرایندهای مربوط به آماده کردن غذا
• اجتناب از تماس دست آلوده با با صورت، دهان و بینی
• پرهیز از استفاده‌ی مشترک از وسایل خصوصی

واکسیناسیون

واکسن‌هایی برای پیشگیری از برخی از بیماری‌های ویروسی و باکتریایی موجود است. نمونه‌هایی از بیماری‌های قابل پیشگیری با واکسن عبارت‌اند از:

• سرخک
• آنفلوآنزا
• کزاز
• سیاه سرفه

اگر بیمار هستید، بیرون نروید

اگر دچار بیماری شده‌اید، برای پیشگیری از انتشار عفونت در خانه بمانید. اگر لازم است که بیرون بروید، دست‌های خود را به‌طور منظم بشویید و در دستمال یا آرنج خود عطسه کنید. دستمال مصرف‌شده را به‌طور مناسبی دور بیندازید.

رعایت موارد ایمنی حین رابطه‌ی جنسی

استفاده از ابزارهای حفاظتی برای پیشگیری از بیماری‌های مقاربتی و نیز کاهش شرکای جنسی

اطمینان ازپخته شدن کامل مواد غذایی

• مطمئن شوید که تمام گوشت‌ها در دمای مناسب پخته می‌شوند.
• هر نوع میوه یا سبزی خامی را قبل از مصرف به‌خوبی بشویید.
• باقیمانده‌ی غذایی را که قصد مصرف آن را دارید، در دمای اتاق نگه‌داری نکنید.

محافظت در برابر نیش حشره

اگر قصد دارید به جایی بروید که در آنجا حشراتی مانند پشه‌ها و کنه‌ها زیادند، از دافع حشرات حاوی اجزایی مانند دیت (DEET) یا ایکاریدین استفاده کنید. در صورت امکان شلوار بلند و لباس‌های آستین‌دار بپوشید.

ABT که از معروف‌ترین شرکت تیونینگ محصولات فولکس‌واگن در دنیا بوده، از آخرین به‌روزرسانی خود مربوط به جدیدترین آئودی TT RS رونمایی کرد. هر آئودی TT RS که از کارخانه خارج می‌شود به یک پیشرانه ۲/۵ لیتری ۵ سیلندر توربوشارژ مجهز شده است که می‌تواند رقم شگفت‌انگیز ۳۹۴ اسب‌بخار قدرت و ۴۷۹ نیوتن‌متر گشتاور را تولید کند. این میزان نیرو آن را در رقابت با خودروهای سوپراسپرت قرار می‌دهد.

شرکت ABT با تغییر و سفارشی سازی ECU قدرت و گشتاور خروجی پیشرانه را افزایش داده و به و به ۴۵۳ اسب‌بخار قدرت و ۵۲۸ نیوتن‌متر گشتاور رسانده است. این افزایش در قدرت پیشرانه، بدون تغییر در قطعات مکانیکی خواهد بود و بهسادگی قابل بازگشت به وضعیت استاندارد کارخانه خواهد بود. اگر مشتریان خواستار صدای بلندتر و رساتری باشند، ABT اگزوزهایی طراحی کرده است که به جای مدل بیضی‌شکل دوتایی، چهارگانه به رنگ مشکی و ساخته شده از فولاد ضدزنگ هستند.

برای تکمیل به‌روزرسانی، دو نوع رینگ به رنگ‌های مشکی مات یا مشکی براق در اندازه‌های ۱۹ و ۲۰ اینچ نیز در نظر گرفته‌ شده است. همچنین، ادوات فیبر کربن مثل دیفیوزر عقب، اسپلیتر جلو و بالچه‌های سپر جلو هم قابل سفارش هستند. کلیه قطعات ABT دارای ضمانت ۴ سال یا ۱۶۰ هزار کیلومتر است.

غول‌های خودروسازی ژاپن، شامل تویوتا، نیسان و هوندا با وجود فعالیت گسترده در کشورهای مختلف جهان، هرگز بازار داخلی را فراموش نکرده‌اند. بسیاری از برندهای ژاپنی، مدل‌های متنوعی در خط تولید دارند که وارد دیگر کشورهای دنیا نمی‌شود. مثلا شاسی‌بلند تویوتا هریر که از پلتفرم مشترک با لکسوس RX استفاده می‌کند یا هاچبک شهری نیسان دیز (Dayz)، مخصوص بازار ۱۲۶ میلیون نفری ژاپن هستند. همچنین برندهایی مثل دایهاتسو (زیرمجموعه‌ی تویوتا) در این کشور وجود دارند که حجم اصلی تولیدات خود را در بازار داخلی عرضه می‌کنند.

مردم ژاپن به جهت ساختار شهری و سبک زندگی، از گذشته به خودروهای کوچک و ۲نفره علاقه‌مند بوده‌اند. انبوه شرکت‌های تیونینگ و پیست‌های مسابقه در این کشور نیز نشان‌دهنده‌ی محبوبیت مدل‌های اسپرت، میان افراد مختلف در جامعه‌ی ژاپن است. شاید به همین دلیل، دایهاتسو از سال ۲۰۰۲ تصمیم به تولید یک خودروی اسپرت کوچک با نام کوپن گرفت تا ضمن پاسخ به نیاز بازار داخلی، وارد رقابت با هوندا S660 شود.

دپارتمان اختصاصی تویوتا برای بهینه‌سازی خودروهای اسپرت و مدیریت تیم‌های حاضر در مسابقات سرعت، با نام GR مخفف شده‌ی عبارت Gazoo Racing شناخته می‌شود. مهندسان GR به‌تازگی یکی از محصولات دایهاتسو با نام کوپن را بهینه‌سازی کرده‌اند. این خودرو، احتمالا کوچک‌ترین مدل اسپرت بدون سقف جهان است. مشابه هوندا S660، پیشرانه‌ی کوپن هم ۳ سیلندر ۶۶۰ سی‌سی خواهد بود تا قدرت ۶۳ اسب‌بخار و گشتاور ۹۲ نیوتن‌متر تولید کند. محصول دایهاتسو، می‌تواند با جعبه‌دنده‌ی ۵ سرعته‌ی دستی یا CVT خریداری شود.

مهم‌ترین تفاوت کوپن GR با نمونه‌ی استاندارد ساخت دایهاتسو، به تغییرات ظاهری و سیستم تعلیق مربوط است. فرمان‌پذیری این خودرو، سریع‌تر و تیزتر خواهد بود؛ ضمن اینکه فنربندی خشک‌تری خواهد داشت. همچنین، امکان خرید تویوتا یا دایهاتسو کوپن با سقف جمع‌شونده فراهم شده است. مدل اسپرت، مجهز به فرمان‌ برقی حساس به سرعت خواهد بود که برای یک خودروی کوچک در این سبک بدنه، فراتر از انتظار است. کوپن GR می‌تواند با سقف فلزی جمع‌شونده خریداری شود که البته بعد از مخفی شدن این بخش در صندوق عقب، فضای قابل استفاده برای حمل بار، شدیدا کاهش خواهد یافت.

ظاهر کوپن GR، در بدنه و کابین، تفاوت زیادی نسبت به مدل استاندارد دارد. سپرهای جلو و عقب، کاملا اسپرت و تهاجمی به نظر می‌رسند؛ ضمن اینکه صندلی‌های سبک‌وزن از برند مشهور ریکارو، کوپن GR را آماده‌ی در پیست نشان می‌دهند. این خودرو با رینگ‌های اسپرت ساخت BBS و ادوات سیاه‌رنگ در سپرها، جلوپنجره و داخل کاسه‌چراغ‌های جلو و عقب تولید خواهد شد. در تصاویر رسمی، علاوه‌ب قطعات فیبرکربن، فرمان ساخت برند مومو (MOMO) نیز وجود دارد که از معروف‌ترین سازندگان قطعات اسپرت در دنیا محسوب می‌شود.

فروش دایهاتسو کوپن GR اسپرت در ژاپن به‌زودی آغاز می‌شود. نسخه‌ی پایه مجهز به جعبه‌دنده‌ی دستی، ۲۲ هزار هزار و ۵۰۰ دلار قیمت دارد؛ درحالی‌که مدل CVT دنده‌خودکار، ۲۲ هزار دلار قیمت خواهد داشت. بسیاری از ادوات ظاهری این خودرو، مثل رینگ‌ها، سپرها، بال عقب و رکاب‌ها از برندهای مختلف مثل تویوتا TRD، قابل سفارش و شخصی‌سازی هستند.

اتومبیل خودرانی به یک علامت توقف نزدیک می‌شود اما به‌جای اینکه از سرعت خود کم کند، با سرعت زیاد وارد تقاطع شلوغ می‌شود. بعدا، گزارش تصادف نشان می‌دهد که چهار مستطیل کوچک روی علامت توقف چسبیده بود و موجب شد که سیستم هوش مصنوعی اتومبیل، کلمه‌ی توقف را با علامت حداکثر سرعت مجاز ۴۵ کیلومتر اشتباه بگیرد. اگرچه چنین رویدادی درواقعیت اتفاق نیفتاده، اما پتانسیل خرابکاری هوش مصنوعی کاملا واقعی است.

پژوهشگران قبلا نشان داده‌اند که وقتی برچسب‌هایی روی برخی از قسمت‌های تابلوی توقف چسبانده شود، سیستم هوش مصنوعی به‌راحتی فریب می‌خورد. آن‌ها سیستم‌های تشخیص چهره را نیز با چسباندن الگوهای چاپی روی عینک یا کلاه فریب دادند. آن‌ها همچنین با واردکردن الگوهای صدای سفید موجب شدند که سیستم‌ هوش مصنوعی تشخیص گفتار، عبارت‌های خیالی بشنود. این‌ موارد تنها چند مثال است که نشان می‌دهد شکستن تکنولوژی تشخیص الگو در هوش مصنوعی که با ‌عنوان «شبکه‌های عصبی عمیق» شناخته می‌شوند، چقدر ساده است. این سیستم‌ها در طبقه‌بندی صحیح انواع ورودی‌های مختلف شامل تصاویر، گفتار و داده‌های مربوط به اولویت‌های خریداران بسیار موفق عمل کرده‌اند. آن‌ها بخشی از زندگی روزمره‌ی ما هستند و هرچیزی، از سیستم‌های تلفن خودکار گرفته تا توصیه‌های کاربران را روی سرویس سیال نتفلیکس اجرا می‌کنند. با این حال، ایجاد تغییر در ورودی‌ها (به شکل تغییرات ناچیزی که معمولا برای انسان غیرمحسوس است) می‌تواند بهترین شبکه‌های عصبی موجود را هم گیج کند.

دن هندریکس، دانشجوی دکتری علوم کامپیوتر دانشگاه کالیفرنیا نیز مانند بسیاری از دانشمندان، شبکه‌های عصبی عمیق را اساسا شکننده تصور می‌کند: این شبکه‌ها تا زمانی‌که به قلمرو ناشناخته‌ها وارد نشوند، عملکرد درخشانی دارند اما وقتی در شرایط غیرمنتظره‌ای قرار می‌گیرند، به‌شدت شکننده هستند. این امر می‌تواند منجر به بروز مشکلات قابل‌توجهی شود. سیستم‌های یادگیری عمیق در حال خارج شدن از آزمایشگاه و وارد شدن به جهان واقعی هستند. این سیستم‌ها در حوزه‌های مختلفی مانند هدایت اتومبیل‌های خودران، نقشه‌یابی جرم و تشخیص بیماری‌ها مورد استفاده قرار می‌گیرند اما نتایج مطالعه‌ای که امسال منتشر شد، نشان می‌داد که افزودن چند پیکسل به اسکن‌های پزشکی موجب می‌شود که این سیستم‌ها در تشخیص سرطان اشتباه عمل کنند. برخی کارشناسان هم می‌گویند یک هکر می‌تواند از نقاط ضعف سیستم استفاده کرده و الگوریتم‌های مهاجم خود را روی آن اجرا کند. پژوهشگران در تلاش برای پی بردن به اشتباهات ممکن، اطلاعات زیادی درمورد علت ناکامی شبکه‌های عصبی عمیق به دست آورده‌اند. فرانسوا چولیت، مهندس هوش مصنوعی گوگل در مانتین ویو می‌گوید:

راه‌حلی برای ضعف‌های اساسی شبکه‌های عصبی عمیق وجود ندارد.

او و برخی دیگر از کارشناسان معتقدند که برای برطرف کردن این نقایص لازم است قابلیت‌های دیگری نیز به این شبکه‌ها افزوده شود؛ برای مثال، سیستم‌های هوش مصنوعی طراحی شود که خود بتوانند جهان را کشف کنند، کدهای خود را بنویسند و خاطرات را حفظ کنند. برخی از کارشناسان بر این باورند که این نوع سیستم‌ها موضوع پژوهش‌های هوش مصنوعی دهه‌ی آینده هستند.

بررسی واقعیت

در سال ۲۰۱۱، گوگل سیستمی را ارائه داد که می‌توانست گربه‌های موجود در ویدئوهای یوتیوب را تشخیص دهد و بالافاصله پس از آن، موجی از سیستم‌های طبقه‌بندی مبتنی بر شبکه‌های عصبی عمیق ارائه شد. جف کلون از دانشگاه وایومینگ می‌گوید:

همه می‌گفتند این سیستم چقدر شگفت‌انگیز است، کامپیوترها سرانجام می‌توانند جهان را درک کنند.

اما پژوهشگران هوش مصنوعی می‌دانستند که شبکه‌های عصبی عمیق درواقع جهان را نمی‌فهمند. این ساختارهای نرم‌افزاری که تقلیدی ساده از معماری مغز هستند، از تعداد زیادی نورون‌ دیجیتالی ساخته شده‌اند که در لایه‌های زیادی مرتب شده‌اند. هر نورون به نورون‌های لایه‌های بالا و پایین خود وصل می‌شود. ایده این است که ویژگی‌های ورودی خام که وارد لایه‌های زیرین می‌شود (مانند پیکسل‌های یک تصویر) موجب برانگیختگی برخی از نورون‌ها می‌شود و سپس این نورون‌ها طبق قوانین ساده‌ی ریاضی، سیگنالی را به نورون‌های موجود در لایه‌ی بالایی منتقل می‌کنند.

برای آموزش یک شبکه‌ی شبکه‌های عصبی عمیق، آن را در معرض مجموعه‌ی عظیمی از مثال‌های مختلف قرار می‌دهند. طی فرایند آموزش، هر بار، روش اتصال نورون‌ها به هم تغییر می‌کند تا درنهایت پاسخ مورد نظر در لایه‌ی بالایی ایجاد شود، طوری که تصویر یک شیر همیشه به‌عنوان یک شیر تفسیر شود؛ حتی اگر قبل از آن، این تصویر به سیستم ارائه نشده باشد.

اولین بررسی مهم در ارتباط با این مسئله در سال ۲۰۱۳ انجام شد، زمانی‌که کریستین سزگدی و همکارانش گزارش مقدماتی را با عنوان «ویژگی‌های عجیب شبکه‌های عصبی» منتشر کردند. این پژوهشگران نشان دادند که می‌توان مثلا تصویری از یک شیر گرفت که سیستم هوش مصنوعی آن را بشناسد و سپس با تغییر چند پیکسل ماشین را متقاعد کرد که در حال دیدن چیز دیگری مانند یک کتابخانه است. پژوهشگران این تصاویر را «مثال‌های خصمانه» نامیدند. یک سال بعد، کلون و آنه نیگوین به‌همراه جیسون یوسینسکی در دانشگاه کرنل نشان دادند که می‌توان کاری کرد که شبکه‌های عصبی عمیق چیزهایی را ببینند که در آنجا وجود ندارند (مانند پنگوئنی در الگویی از خطوط مواج). یوشوا بنگیو از دانشگاه مونترال، یکی از پیش‌گامان یادگیری عمیق است. او می‌گوید:

هرکسی که با یادگیری ماشین کار کرده باشد، می‌داند که این سیستم‌ها گاهی اشتباهات احمقانه‌ای می‌کنند... چیزی که عجیب بود، نوع اشتباه بود. این نوعی اشتباه است که تصور نمی‌کردیم، پیش آید.

حتی تصاویر طبیعی می‌تواند موجب فریب شبکه‌های عصبی عمیق شود زیرا ممکن است شبکه به‌جای انتخاب ویژگی‌های برجسته‌ای که انسان قادر به تشخیص آن است، روی رنگ، بافت یا پس‌زمینه‌ی تصویر تمرکز کند.

پژوهشگران انواع مختلفی از اشتباهاتی را که در این سیستم‌ها پیش می‌آید، نشان داده‌اند. سال گذشته، نیگوین نشان داد که برخی از بهترین سیستم‌های طبقه‌بندی تصاویر، حتی با چرخش ساده‌ی اشیاء دچار اشتباه می‌شوند. امسال، هندریکس و همکارانش گزارش کردند که حتی تصاویر طبیعی می‌توانند موجب به اشتباه افتادن سیستم‌های پیشرفته‌ی طبقه‌بندی شود. در مثال‌های آن‌ها، سیستم اشتباها یک قارچ را به‌عنوان پرتزل (نوعی نان پخته‌شده به شکل گره) یا یک سنجاقک را به‌عنوان یک دریچه‌ی منهول شناسایی می‌کرد.

این نوع اشتباهات مختص تشخیص اشیاء نیست: هر سیستم هوش مصنوعی که برای طبقه‌بندی ورودی‌هایی مانند گفتار از شبکه‌های عصبی عمیق استفاده می‌کند، ممکن است فریب بخورد. سیستم‌های هوش مصنوعی که بازی می‌کنند نیز می‌توانند خرابکاری کنند: در سال ۲۰۱۷، سندی هوآنگ، دانشجوی دکتری دانشگاه کالیفرنیا به اتفاق همکارانش شبکه‌های عصبی عمیقی را که به روش یادگیری تقویتی آموزش دیده بودند تا بازی‌های ویدئویی آتاری را ببرند، مورد بررسی قرار دادند. در این رویکرد، برای هوش مصنوعی یک هدف تعریف می‌شود و سیستم در پاسخ به طیف وسیعی از ورودی‌ها و ازطریق آزمون و خطا یاد می‌گیرد که برای رسیدن به آن هدف باید چه کاری انجام دهد. این همان تکنولوژی پشت‌صحنه‌ی قهرمانان برنامه‌هایی مانند آلفازیرو و ربات پوکر پلوریبوس است. با این حال، گروه هوآنگ توانست با افزودن یکی دو پیکسل تصادفی به صحنه موجب شکست بازی‌های هوش مصنوعی شود.

اوایل سال جاری، آدام گلیو، دانشجوی دکتری هوش مصنوعی در دانشگاه کالیفرنیا نشان داد که می‌توان عاملی را به محیط هوش مصنوعی وارد کرد که برای ایجاد سردرگمی در پاسخ‌های هوش مصنوعی، سیاست‌های خصمانه‌ای را اجرا کند. برای مثال، یک فوتبالیست هوش مصنوعی که آموزش دیده است در محیط شبیه‌سازی شده توپ را از اطراف دروازه‌بان عبور دهد، وقتی که دروازه‌بان رفتار غیرمنتظره‌ای مانند افتادن روی زمین را از خود نشان می‌دهد، توانایی گلزنی خود را از دست می‌دهد.

یک فوتبالیست هوش مصنوعی در محیط شبیه‌سازی‌شده، هنگام زدن ضربات پنالتی، وقتی که دروازه‌بان رفتار پیش‌بینی‌نشده‌ای مانند افتادن روی کف زمین را از خود نشان می‌دهد، گیج می‌شود

آگاهی از نقاط ضعف شبکه‌های عصبی عمیق موجب می‌شود هکر بتواند بر هوش مصنوعی تسلط پیدا کند. سال گذشته گروهی از پژوهشگران گوگل نشان دادند که استفاده از مثال‌های خصمانه نه‌تنها موجب می‌شود که شبکه‌های عصبی عمیق اشتباه کنند، بلکه این کار می‌تواند حتی موجب برنامه‌ریزی مجدد و تعیین اهداف دیگری برای سیستم شود.

بسیاری از شبکه‌های عصبی مانند سیستم‌هایی که درک زبان را یاد می‌گیرند، می‌توانند برای رمزگذاری دیگر برنامه‌های کامپیوتری مورد استفاد قرار گیرند. کلون می‌گوید ازنظر تئوری، شما می‌توانید یک چت‌بات را به هر برنامه‌ای که می‌خواهید تبدیل کنید. او وضعیتی را در آینده‌ی نزدیک تصور می‌کند که در آن هکرها شبکه‌های عصبی را ربوده و الگوریتم‌های اسپم‌بوت خود را اجرا می‌کنند. ازنظر داون سونگ، دانشمند کامپیوتر دانشگاه کالیفرنیا، شبکه‌های عصبی عمیق بسیار آسیب‌پذیر هستند. او می‌گوید روش‌های بسیار مختلفی برای حمله به یک سیستم وجود دارد و دفاع دربرابر آن‌ها بسیار دشوار است.

چرخاندن اشیاء موجود در یک تصویر موجب گیج شدن شبکه‌ی عصبی عمیق می‌شود، احتمالا به این علت که این تصویرها از تصاویری که برای آموزش شبکه مورد استفاده قرار گرفته است، بسیار متفاوت هستند

شبکه‌های عصبی عمیق قدرتمندند زیرا داشتن لایه‌های زیاد به این معنا است که آن‌ها در هنگام تلاش برای طبقه‌بندی یک ورودی می‌توانند الگوها را براساس ویژگی‌های بسیار مختلفی انتخاب کنند. یک سیستم هوش مصنوعی آموزش‌دیده برای شناسایی هواگرد ممکن است فکر کند، ویژگی‌هایی از قبیل لکه‌های رنگ، بافت یا پس‌زمینه درست به اندازه‌ی خصوصیاتی مانند بال‌ها، پیش‌بینی‌کننده‌های قدرتمندی هستند. اما این امر همچنین بدین معنا است که تغییر بسیار کوچکی در ورودی می‌تواند باعث شود سیستم هوش مصنوعی آن شی را به شکل متفاوتی درک کند.

یک راه‌حل ممکن این است که داده‌های بیشتری در اختیار هوش مصنوعی قرار داده شود، به‌خصوص به‌منظور مواجهه‌ی مکرر هوش مصنوعی با موارد مشکل‌ساز و تصحیح خطاهای آن. در این شکل از آموزش، همان‌طور که یک شبکه یاد می‌گیرد اشیاء را شناسایی کند، سیستم دوم سعی می‌کند ورودی‌های شبکه‌ی اول را به‌گونه‌ای تغییر دهد که موجب اشتباه شود. به این ترتیب، مثال‌های خصمانه بخشی از داده‌های آموزشی شبکه‌های عصبی عمیق می‌شوند.

هندریکس و همکارانش پیشنهاد کرده‌اند که باید قاطعیت شبکه‌های عصبی عمیق دربرابر ایجاد خطا، با آزمون چگونگی عملکرد آن‌ها دربرابر طیف وسیعی از مثال‌های خصمانه مورد آزمایش قرار گیرد. اگرچه به‌عقیده‌ی این دانشمندان، آموزش شبکه برای ایجاد مقاومت دربرابر یک نوع حمله می‌تواند آن را در برابر دیگر حملات تضعیف کند.

پژوهشگرانی تحت هدایت پوشمیت کوهلی در دیپ‌مایند گوگل درحال تلاش برای مقاوم کردن شبکه‌های عصبی عمیق دربرابر اشتباهات هستند. بسیاری از حملات خصمانه با ایجاد تغییرات جزئی در اجزای یک ورودی عمل می‌کنند (مانند تغییر ظریف در رنگ پیکسل‌های یک تصویر). آن‌ها این تغییرات را تا زمانی‌که موجب هدایت شبکه به‌سوی طبقه‌بندی اشتباه شود، ادامه می‌دهند. گروه کوهلی می‌گوید که یک شبکه‌ی عصبی قاطع نباید خروجی خود را به خاطر تغییرات جزئی در ورودی تغییر دهد و شاید بهتر باشد این ویژگی ازنظر ریاضی در شبکه گنجانده شده و چگونگی یادگیری آن را محدود کند.

البته در حال حاضر کسی راه‌حلی برای برطرف کردن مشکل کلی شکنندگی سیستم‌های هوش مصنوعی ندارد. بنگیو می‌گوید ریشه‌ی این مسئله آن است که شبکه‌های عصبی عمیق، مدل خوبی برای چگونگی انتخاب ویژگی‌های مهم ندارند. هنگامی که یک هوش مصنوعی تصویر مستندی از یک شیر را به‌عنوان یک کتابخانه می‌بیند، یک انسان آن را هنوز یک شیر می‌بیند زیرا او دارای یک مدل ذهنی از حیوان بوده که این مدل ذهنی مبتنی بر مجموعه‌ای از ویژگی‌های رده بالا است (گوش‌ها، دم، یال و غیره) که به او اجازه می‌دهد که آن را از ویژگی‌های رده پایین یا جزئیات تصادفی جدا کند. بنگیو می‌گوید:

ما از تجارب گذشته می‌دانیم که کدام ویژگی‌ها مهم هستند و این از درک عمیق ما درمورد ساختار جهان حاصل می‌شود.

یک روش برای پرداختن به این مسئله، ترکیب شبکه‌های عصبی عمیق با هوش مصنوعی سمبلیک است که قبل از یادگیری ماشین، مدل غالب در این زمینه بود. به‌کمک هوش مصنوعی سمبلیک، ماشین‌ها با استفاده از قوانین کدنویسی سخت درمورد چگونگی کار جهان استدلال می‌کنند؛ مانند اینکه این جهان، حاوی اشیاء گسسته‌ای است که به طرق مختلفی با هم در ارتباط هستند.

برخی از پژوهشگران مانند گری مارکوس، روانشناس دانشگاه نیویورک می‌گوید که مدل‌های هوش مصنوعی هیبریدی راه‌حل این مشکل هستند. مارکوس می‌گوید :

یادگیری عمیق در کوتاه‌مدت به‌قدری مفید است که مردم بینش بلندمدت خود را درمورد آن از دست داده‌اند.

در ماه مه، او هم‌بنیان‌گذار استارتاپی به نام Robust AI در کالیفرنیا بود که هدف آن تلفیق یادگیری عمیق با تکنیک‌های هوش مصنوعی مبتنی بر قانون بود. آن‌ها قصد داشتند ربات‌هایی بسازند که بتوانند به‌طور بی‌خطر در کنار مردم کار کنند. البته کاری که دقیقا این شرکت در حال انجام آن است، مشخص نیست.

حتی اگر بتوان قوانینی را در شبکه‌های عصبی عمیق تعبیه کرد، عملکرد آن‌ها وابسته به اطلاعاتی است که براساس آن‌ها آموزش می‌بینند. بنگیو می‌گوید که عوامل هوش مصنوعی باید در محیط‌های غنی‌تری آموزش ببینند. برای مثال، بیشتر سیستم‌هایی بینایی کامپیوتر در تشخیص قوطی نوشیدنی که حالت استوانه‌ای دارد، شکست می‌خورند؛ زیرا آن‌ها براساس مجموعه داده‌های دوبعدی آموزش دیده بودند. نیگوین و همکارانش نیز متوجه شدند که فریب دادن این شبکه‌ها از طریق نشان دادن اشیاء آشنا از نماهای مختلف آسان است. براین اساس، یادگیری در یک محیط سه‌بعدی (واقعی یا شبیه‌سازی‌شده) بهتر است.

نحوه‌ی یادگیری هوش مصنوعی نیز باید تغییر کند. بنگیو می‌گوید:

یادگیری درمورد علیت باید به‌وسیله‌ی عواملی انجام شود که در جهان واقعی کار می‌کنند و می‌توانند آزمایش و اکتشاف کنند.

یورگن اشمیدوبر از مؤسسه‌ی پژوهش‌های هوش مصنوعی دال مول در مانو نیز در همین راستا می‌اندیشد. او می‌گوید تشخیص الگو بسیار قدرتمند است و به آن اندازه خوب است که ارزش بسیار زیادی به شرکت‌های جهانی مانند علی بابا، تنسنت، آمازون، فیسبوک و گوگل می‌بخشد. اما موج بسیار بزرگ‌تری در حال رسیدن است: ماشین‌هایی که جهان را دستکاری می‌کنند و با اعمال خود، داده‌هایی را تولید می‌کنند. درواقع، سیستم‌های هوش‌های مصنوعی که از یادگیری تقویتی برای برد در بازی‌های کامپیوتری استفاده می‌کنند، در حال انجام چنین کاری در محیط‌های مصنوعی هستند: آن‌ها برای رسیدن به هدف و با آزمون و خطا، به روش‌های مجاز، پیکسل‌های روی صفحه‌ی نمایش را دستکاری می‌کنند. اما محیط‌های واقعی بسیار غنی‌تر از مجموعه داده‌های شبیه‌سازی‌شده یا داده‌های سازماندهی‌شده‌ای است که امروزه بیشتر شبکه‌های عصبی عمیق با استفاده از آن‌ها آموزش می‌بینند.

ربات‌هایی که ابتکار عمل دارند

در آزمایشگاهی در دانشگاه کالیفرنیا یک بازوی رباتیک در میان اشیاء درهم به جست‌وجو مشغول است. او یک کاسه‌ی قرمز را برمی‌دارد و با استفاده از آن یک دستکش آبی را چند سانتی‌متر به سمت راست هل می‌دهد. او کاسه را می‌اندازد و یک بطری پلاستیکی خالی را برمی‌دارد. سپس شکل و وزن یک کتاب را بررسی می‌کند. طی چندین روز مکاشفه‌ی بدون وقفه، ربات درمورد این اشیاء بیگانه و کاری که با استفاده از آن‌ها می‌تواند انجام دهد، حسی به دست می‌آورد. این بازوی رباتیک در حال استفاده از یادگیری عمیق درجهت آموزش استفاده از ابزار است. وقتی جعبه‌ای از اشیاء در اختیار او قرار داده می‌شود، او آن‌ها را به نوبت برداشته و به آن‌ها نگاه می‌کند، او می‌بیند که وقتی اشیاء را تکان می‌دهد و آن‌ها را به هم می‌کوبد، چه اتفاقی می‌افتد.

ربات‌هایی که از یادگیری عمیق برای اکتشاف نحوه‌ی استفاده از ابزارهای سه‌بعدی استفاه می‌کنند

هنگامی که پژوهشگران هدفی را برای ربات مشخص می‌کنند (برای مثال به او تصویری از یک جعبه‌ی تقریبا خالی نشان می‌دهند تا او اشیاء را به آن شکل مرتب کند)، ربات ابتکار عمل به خرج داده و می‌تواند با اجسامی کار کند که قبلا اصلا آن‌ها را ندیده است. او می‌تواند از یک اسنفج برای کنار زدن اشیاء استفاده کند. او همچنین دریافته است که استفاده از یک بطری برای ضربه زدن و کنار زدن اشیاء موجود در مسیر بهتر از برداشتن مستقیم آن‌ها است. چلسی فین که قبلا در آزمایشگاه برکلی کار می‌کرد و اکنون در حال ادامه‌ی پژوهش خود در دانشگاه استنفورد است، می‌گوید این نوع یادگیری، درک بسیار غنی‌تری از اشیاء و جهان در اختیار هوش مصنوعی قرار می‌دهد. اگر شما یک بطری آب یا اسنفج را فقط در تصاویر می‌دیدید، شاید می‌توانستند آن‌ها را در تصاویر دیگر نیز تشخیص دهید اما واقعا نمی‌توانستید درک کنید که آن‌ها چه چیزی هستند یا برای چه کاری می‌توان از آن‌ها استفاده کرد. او می‌گوید:

در این حالت درک شما از جهان بسیار سطحی‌تر خواهد بود، نسبت‌به حالتی که می‌توانستید واقعا با آن‌ها تعامل برقرار کنید.

اما این روش یادگیری، فرایند کندی است. در یک محیط شبیه‌سازی‌شده، یک سیستم هوش مصنوعی می‌تواند با سرعت زیادی مثال‌های مختلف را بررسی و درک کند. در سال ۲۰۱۷، آلفازیرو، طی یک روز آموزش دید تا در بازی‌های گو، شطرنج و شوگی (نوعی شطرنج ژاپنی) پیروز شود. او برای هر رویداد بیش از ۲۰ میلیون بازی آموزشی انجام داد.

ربات‌های هوش مصنوعی نمی‌توانند با این سرعت آموزش ببینند. جف ماهلر، هم‌بنیان‌گذار شرکت هوش مصنوعی و رباتیک آمبیدکستروس می‌گوید، تقریبا تمام نتایج مهم یادگیری عمیق متکی بر حجم زیادی از داده هستند. جمع‌آوری ده‌ها میلیون داده نیازمند سال‌ها اجرا روی یک ربات است. از این گذشته، داده‌ها ممکن است چندان قابل اعتماد نباشند؛ زیرا تنظیم حسگرها طی زمان تغییر کرده و سخت‌افزارها نیز ممکن است تخریب شوند. به‌همین دلیل، در بیشتر کارهای رباتیکی که شامل یادگیری عمیق است، برای سرعت بخشیدن به روند آموزش، هنوز از محیط های شبیه‌سازی‌شده استفاده می‌شود. دیوید کنت، دانشجوی دکتری رباتیک مؤسسه‌ی فناوری جورجیا در آتلانتا می‌گوید:

آنچه شما می‌توانید یاد بگیرید، به این موضوع بستگی دارد که شبیه‌سازها چقدر خوب هستند.

شبیه‌سازها همواره در حال پیشرفت بوده و پژوهشگران درزمینه‌ی انتقال درس‌های آموخته‌شده در دنیاهای مجازی به دنیای واقعی در حال پیشرفت هستند؛ اگرچه چنین شبیه‌سازی‌هایی هنوز هم با پیچیدگی‌های موجود در جهان واقعی مطابقت ندارند. فین استدلال می‌کند که افزایش مقیاس یادگیری با استفاده از ربات‌ها، آسان‌تر از یادگیری با داده‌های مصنوعی است. ربات او که در حال یادگیری استفاده از ابزار است، برای یادگیری یک وظیفه‌ی نسبتا ساده به چندین روز زمان نیاز دارد اما احتیاجی به نظارت سنگین ندارد. او می‌گوید:

شما ربات را اجرا می‌کنید و هر چند وقت یک بار آن را چک می‌کنید.

او روزی را تصور می‌کند که تعداد زیادی از این ربات‌ها در جهان واقعی به‌طور مستقل و بدون وقفه در حال یادگیری هستند. به‌عقیده‌ی او، این کار باید امکان‌پذیر باشد، چرا که انسان‌ها نیز از همین طریق جهان را درک می‌کنند. اشمیدوبر می‌گوید:

یک کودک ازطریق دانلود کردن اطلاعات از فیسبوک چیزی یاد نمی‌گیرد.

یادگیری با استفاده از داده‌های کمتر

کودک می‌تواند موارد جدید را از روی داده‌های کم تشخیص دهد: حتی اگر هرگز قبلا زرافه ندیده باشد، پس از یکی دوبار دیدن، آن را یاد می‌گیرد. علت این سرعت یادگیری تاحدودی به این موضوع مربوط می‌شود که اگرچه کودک زرافه ندیده، اما موجودات زنده‌ی دیگری را دیده و با ویژگی‌های متمایز آن‌ها آشنا است. یک اصطلاح کامل برای اعطای این نوع قابلیت به هوش مصنوعی، «یادگیری انتقالی» است: ایده انتقال دانش به‌دست‌آمده از دوره‌های قبلی آموزش به وظیفه‌ی بعدی. یک راه برای انجام این کار، استفاده‌ی مجدد از تمام یا بخشی از شبکه‌ی قبلا آموزش‌دیده، به‌عنوان نقطه‌ی آغاز آموزش برای یک وظیفه‌ی جدید است. برای مثال، استفاده‌ی مجدد از قسمت‌هایی از شبکه‌های عصبی عمیق که قبلا برای شناسایی نوعی حیوان استفاده شده است (مثلا لایه‌هایی که شکل اصلی بدن را می‌شناسند)، می‌تواند هنگام یادگیری برای شناسایی یک زرافه اطلاعات مقدماتی مفیدی را در اختیار شبکه قرار دهد.

هدفِ یک شکل افراطی از یادگیری انتقالی، آموزش یک شبکه‌ی جدید ازطریق نشان‌دادن فقط چند مثال و گاهی تنها یک مورد است. این روش که با نام یادگیری یک مرحله‌ای (one-shot) یا چند مرحله‌ای (few-shot) معروف است، به‌شدت متکی بر شبکه‌های عصبی عمیقی است که از قبل آموزش دیده‌اند. تصور کنید که می‌خواهید یک سیستم تشخیص چهره بسازید که افراد را در یک پایگاه داده‌ی جنایی شناسایی کند. یک روش، استفاده از شبکه‌ی عصبی عمیقی است که قبلا میلیون‌ها چهره را دیده‌ است (نه لزوما آن‌هایی در پایگاه داده هستند)، به‌طوری که ایده‌ی خوبی از ویژگی‌های برجسته‌ای نظیر شکل بینی و فک به دست آورده باشد. حال، وقتی که شبکه به چهره‌ی جدیدی نگاه می‌کند، می‌تواند ویژگی‌های مفید آن تصویر را استخراج کرده و سپس این ویژگی‌ها را با خصوصیات تصاویر موجود در پایگاه داده مقایسه کند و شبیه‌ترین مورد را پیدا کند. داشتن این نوع حافظه‌ی از پیش آموزش‌دیده به هوش مصنوعی کمک می‌کند تا بدون نیاز به دیدن الگوهای زیاد، نمونه‌های جدید را تشخیص دهد. این کار موجب افزایش سرعت یادگیری با ربات‌ها می‌شود.

اما چنین شبکه‌هایی هنوز هم ممکن است در مواجهه با موضوعاتی که از تجربه‌ی آن‌ها فاصله‌ی زیادی دارد، دچار مشکل شوند. هنوز قدرت تعمیم چنین شبکه‌هایی مشخص نیست. حتی موفق‌ترین سیستم‌های هوش مصنوعی مانند آلفازیروی دیپ‌مایند نیز محدودیت‌هایی دارند. الگوریتم آلفازیرو می‌تواند آموزش ببیند تا هم گو و هم شطرنج بازی کند اما نمی‌تواند هر دو را به‌صورت هم‌زمان بازی کند. آموزش مجدد ارتباطات و پاسخ‌ها، به گونه‌ای که بتواند در بازی شطرنج برنده شود، موجب تنظیم مجدد هرگونه تجربه‌ی قبلی درمورد بازی گو می‌شود. فین می‌گوید:

اگر شما از منظر یک انسان به این مسئله فکر کنید، خنده‌دار است. انسان‌ها چیزی که یاد گرفته‌اند را به‌راحتی فراموش نمی‌کنند.

یادگیری نحوه یادگیری

موفقیت آلفازیرو در بازی‌ها فقط به خاطر کارآمدی یادگیری تقویتی آن نبود، بلکه همچنین به‌علت استفاده از الگوریتمی بود که به آن کمک می‌کرد تا انتخاب‌های خود را محدودتر کند (براساس تکنیکی به نام درخت جستجوی مونت کارلو تعریف شده بود). به‌عبارت دیگر، هوش مصنوعی در جهت بهترین حالت یادگیری از محیط خود هدایت می‌شد. چولیت فکر می‌کند که مرحله‌ی مهم بعدی در هوش مصنوعی این است که شبکه‌های عصبی عمیق بتوانند به‌جای استفاده از کدهای تهیه‌شده به‌وسیله‌ی انسان‌ها، الگوریتم‌های خود را بنویسند. او استدلال می‌کند که تکمیل توانایی تطبیق الگو با توانایی‌های استدلال می‌تواند هوش مصنوعی را در برخورد با ورودی‌هایی فراتر از تجربه‌ی آن‌ها بهتر کند.

دانشمندان علوم کامپیوتر، مدت‌ها است «سنتز برنامه» را مورد مطالعه قرار داده‌اند که در آن یک کامپیوتر به‌طور خودکار کد تولید می‌کند. چولیت فکر می‌کند که ترکیب این زمینه از علم کامپیوتر با یادگیری ماشین بتواند منجر به توسعه‌ی سیستم‌هایی شود که به سیستم اندیشه‌ی انتزاعی انسان بسیار نزدیک باشد. در این زمینه، کریستن گرامن، دانشمند علوم کامپیوتر مرکز پژوهش‌های هوش مصنوعی فیسبوک و دانشگاه تگزاس درحال آموزش ربات‌ها است تا به بهترین نحو محیط‌های جدید را کشف کنند. این کار می‌تواند شامل انتخاب جهتِ نگاه کردن هنگام دیدن یک صحنه‌ی جدید باشد یا این موضوع باشد که برای دستیابی به بهترین درک درمورد شکل یا هدف یک شی، آن شی را چگونه باید دستکاری کرد. ایده این است که کاری کنیم که هوش مصنوعی بتواند پیش‌بینی کند که کدام نما یا زاویه، مفیدترین داده‌ها را برای یادگیری او مهیا می‌کند.

پژوهشگران می‌گویند که آن‌ها در حال تلاش درجهت حل نواقص یادگیری عمیق هستند اما در عین حال اعتراف می‌کنند که هنوز مشغول به جستجوی تکنیک‌های جدیدی برای کاهش شکنندگی فرایند هستند. سونگ می‌گوید تئوری چندانی پشت یادگیری عمیق وجود ندارد. او می‌گوید:

اگر چیزی کار نکند، درک علت آن دشوار است. کل این حوزه هنوز بسیار تجربی است و شما فقط باید مسائل را امتحان کنید.

اگرچه در حال حاضر، دانشمندان از شکنندگی شبکه‌های عصبی عمیق و اتکای آن‌ها روی حجم عظیم داده‌ها آگاهند، اما اکثر آن‌ها معتقدند که فعلا این تکنیک ماندنی است و به‌گفته‌ی کلون: «کسی واقعا ایده‌ای درمورد چگونگی بهتر شدن آن ندارد.»

اکثر ما هکرها را با لباس‌ هودی سیاه، کلاهی روی سر و نوشتن کدهای نامفهوم در کامپیوتری در یک اتاق تاریک تصور می‌کنیم. تصویری که ما از هکرها داریم، شاید برای مجرمان سایبری و افرادی که با هدف سوءاستفاده به ماشین‌های قربانی حمله می‌کنند، صحیح باشد. منتهی همه‌ی هکرها، متخصصان خراب‌کار نیستند. برخی از آن‌ها حتی زیر چتر حمایت از بشریت فعالیت می‌کنند و عنوان «هک اخلاقی» را برای فعالیت خود انتخاب کرده‌اند. آیا این هکرها فعالیت قانونی دارند؟ آن‌ها چگونه فعالیت خود را در حوزه‌ی قانون حفظ می‌کنند؟ در ادامه‌ی این مطلب زومیت، به پاسخ همین سؤال‌ها و بررسی عمیق‌تر هک اخلاقی می‌پردازیم.

هک اخلاقی چیست؟

شاید ترکیب عبارت هک اخلاقی در نگاه اول متناقض‌نما به نظر برسد، اما چنین رویکردی در دنیای امروز بیش از همیشه واقعی و کاربردی محسوب می‌شود. اگر هک با تعریفی که عموما می‌شناسیم، به‌معنای شکستن رمزهای عبور و کدها برای ورود بدون اجازه به سیستم مالک باشد، هک اخلاقی یعنی شکستن کدی که با مجوز و تأیید مالک صورت می‌گیرد.

در نگاه اول مفهوم اجازه دادن به هک سیستم، عجیب به نظر می‌رسد. چنین رویکردی شبیه به آن خواهد بود که شما به فردی برای دزدی از خانه‌تان مجوز بدهید. به‌هرحال دو دلیل کلی برای چنین اقدامی از سوی افراد دیده می‌شود. اولین دلیل، به‌خاطر مسائل آموزشی است و دومی، اهداف امنیتی را دنبال می‌کند.

هک اخلاقی با رویکرد آموزشی

هک آموزشی زمانی اتفاق می‌افتد که فردی با هدف آموزش موضوع یا نکته، اجازه‌ی نفوذ را به هکر بدهد. چنین مواردی عموما با مجوز هک وب‌سایت شناخته می‌شوند که مفاهیم اولیه‌ی شکستن کدهای امنیتی شبکه را آموزش می‌دهند.

در نگاه اول، وب‌سایت‌های مقصد شبیه به منابعی برای آموزش فعالیت‌های خراب‌کارانه به‌نظر می‌رسند؛ اما درواقع وب‌سایت‌های این‌چنینی با آن هدف توسعه نمی‌یابند. البته این احتمال همیشه وجود دارد که فرد آموزش‌دیده از مهارت‌ها برای اهداف خراب‌کاران استفاده کند.

وب‌سایت‌های قربانی اغلب در بخش معرفی و قوانین خود می‌نویسند که روش مورد نظرشان، آموزش هک به توسعه‌دهنده‌های وب‌ است. چنین آموزشی به توسعه‌دهنده‌ها نشان می‌دهد که هکرهای خراب‌کار، چگونه به سیستم آن‌ها نفوذ می‌کنند. با یادگیری روش مجرمان سایبری، می‌توان راهکارهایی را برای مقابله و جلوگیری از اقدام‌های خراب‌کارانه‌ی آن‌ها به کار گرفت.

هک اخلاقی با رویکرد امنیتی

در دنیای کنونی همه‌ی اتفاق‌ها پیرامون اینترنت رخ می‌دهد. پیاده‌سازی راهکارهای امنیتی سایبری، امروز بیش از همیشه اهمیت دارد. شرکت‌ها برای پیاده‌سازی راهکار کاربردی، یا با گروه‌های امنیتی قرارداد می‌بندند یا کدهای دفاعی را به‌صورت داخلی و به‌کمک تیم داخلی امنیت توسعه می‌دهند.

وقتی راهکارهای دفاعی شرکت‌ها پیاده‌سازی شوند، باید برای آزمایش آن‌ها عملیاتی را انجام داد. بهترین راه برای درک کاربردی بودن دیواره‌ی دفاعی، انجام حمله‌های تقلبی و برنامه‌ریزی‌شده به سیستم سایبری است. قطعا برای انجام حمله‌ی تستی نیز باید با یک هکر قرارداد بست و درنتیجه رویکردی از جنس هک اخلاقی صورت می‌گیرد.

در دوره‌های آموزشی آنلاین، نمونه‌های متعددی از آموزش هک اخلاقی مشاهده می‌کنیم که به‌صورت کاملا رسمی و قانونی هم اجرا می‌شوند. چنین دوره‌هایی چگونه مجوز قانونی دریافت کرده‌اند؟ آیا در دوره‌های مذکور، روش ورود به حساب‌های کاربری و سیستم افراد دیگر آموزش داده می‌شود؟

دوره‌هایی که در بالا اشاره کردیم، قطعا با هدف آموزش هک اخلاقی انجام می‌شوند. البته مجددا یادآور می‌شویم که افراد می‌توانند با استفاده از نکات آموخته‌شده، هر عملکردی داشته باشند؛ اما هدف اصلی دوره‌ها، آموزش فعالیت‌های مجرمانه‌ی سایبری نیست. دوره‌ها با هدف مقابله با جرم‌های سایبری انجام می‌شود و افراد پس از شرکت در آن‌ها، شاید به هکر حرفه‌ای اخلاقی تبدیل شوند.

آیا هک کردن درآمد دارد؟

عبارتی که در بالا تحت عنوان «هکر حرفه‌ای اخلاقی» بیان شد، به‌معنای درآمد و فعالیت رسمی به‌عنوان هکر بود. همه‌ی هکرها، نفوذ را با هدف سرگرمی انجام نمی‌دهند و بسیاری از آن‌ها هک را به چشم یک روش زندگی می‌دانند. درواقع می‌توان با شرکت در برخی دوره‌های هکری و کسب تجربه، رزومه‌ای برای استخدام در شرکت‌های گوناگون فراهم کرد.

شرکت‌ها برای آزمایش سیستم امنیتی خود به هکرهای اخلاقی پول پرداخت می‌کنند و رقم پرداختی هم عموما قابل‌توجه است. آمارهای بین‌المللی از شرکت Infosec نشان می‌دهد که هکرهای اخلاقی تا سالانه ۷۱ هزار دلار درآمد دارند. چنین رقمی در استانداردهای بین‌المللی هم مناسب است و به‌نوعی یک درآمد خوب برای گذران زندگی محسوب می‌شود.

شایان ذکر است، روش درآمدی هک اخلاقی با مجرمان سایبری کاملا تفاوت دارد. مجرمان ابتدا به سیستم‌‌ها نفوذ کرده و سپس درخواست پول می‌کنند. چنین عملکردی قطعا به‌معنای خطر دستگیری، زندان و جریمه‌های سنگین خواهد بود. درمقابل، هکرهای اخلاقی عمومی از طریق آگهی‌ها استخدام خود شرکت‌ها جذب می‌شوند. آن‌ها پس از استخدام، با مجوز خود شرکت‌ها عملیات نفوذ را انجام می‌دهند. شرکت‌ها برای پرداخت هک اخلاقی دو روش دارند؛ آن‌ها یا از هکر می‌خواهند که برای نفوذ به سیستم تلاش کند، یا جوایزی را برای پیداکردن باگ امنیتی در سیستم‌های خود به هکرها پرداخت می‌کنند.

تعطیلی دوره‌های آموزشی هک

تصور کنید که تعدادی از شرکت‌کننده‌ها در کلاس‌های امنیتی، از نکته‌های آموخته شده برای اهداف مخرب استفاده کنند. آیا اگر دوره‌های آموزشی متوقف شوند، تعداد چنین افرادی در جامعه هم کاهش پیدا می‌کند؟ مشکل ایده، در شناسایی منبع آموزشی و اطلاعاتی مجرمان سایبری دیده می‌شود. بله، قطعا تعطیلی کلاس‌های هک، منجر به کاهش افرادی می‌شود که از طریق کلاس به دنیای هک سیاه وارد می‌شوند. البته، قطعا همه‌ی هکرهای مجرم از ابتدا با شرکت در کلاس‌ها وارد این حوزه نمی‌شوند. درواقع جامعه‌ای پویا در دارک وب حضور دارند که انواع نکته‌های نفوذ مجرمانه را با هم تبادل می‌کنند. آن‌ها با چنین رویکردی، به‌نوعی کلاس‌ها هک مخفیانه برگزار کرده‌اند.

با توجه به فرضیه‌ی بالا، با تعطیلی کلاس‌های هک، افراد برای یادگیری نکته‌ها به دارک وب مراجعه می‌کنند. دراین‌میان، افراد با اهداف اخلاقی، دیگر به منابع آموزشی دسترسی نخواهند داشت. آن‌ها باید یادگیری را با منابع و دوره‌های ضعیف‌تر ادامه دهند و درنهایت عملکردی نه‌چندان کاربردی و حرفه‌ای دربرابر مجرمان خواهند داشت.

چرا هک اخلاقی باید قانونی باشد؟

با وجود مزایای متعدد، هنوز بسیاری از افراد با دوره‌های آموزشی شکستن رمز و هک آن‌چنان موافق نیستند. به‌هرحال چنین آموزش‌هایی الزامی هستند و بدون وجود آن‌ها، افراد در برابر مجرمان سایبری، راهی برای دفاع حرفه‌ای نخواهند داشت.

کسب‌وکارها همیشه نیازی اساسی به هکرهای اخلاقی دارند. همان‌طور که گفته شد، استخدام آن‌ها با هدف نفوذ آزمایشی به سیستم‌ها انجام می‌شود. با ادامه دادن رویکردهای این‌چنینی، افراد بیشتری به یادگیری روش‌های امنیتی و فعالیت در این حوزه علاقه‌‌مند می‌شوند. به‌علاوه با پرداخت هزینه‌های مناسب،‌ تمایل به گزارش ضعف‌های امنیتی به‌جای سوءاستفاده از آن‌ها هم بیشتر می‌شود. به‌همین خاطر باید رویکردهایی رسمی در جهت قانونی کردن هک اخلاقی صورت بگیرد.

اگر آموزش و عملکرد هک اخلاقی قانونی نشود، افراد علاقه‌‌مند راهی برای انجام صحیح کارهای خود نخواهند داشت. به‌علاوه آن‌ها از مجوزها و تأییدیه‌های رسمی هم محروم می‌شوند؛ تأییدیه‌هایی که برای کسب شغل‌های امنیتی حیاتی هستند.

هکرهای اخلاقی، به‌‌نام هکرهای کلاه سفید هم شناخته می‌شوند. آن‌ها در اغلب موارد با تصوری که از هک و نفوذ داریم، تفاوت دارند. آن‌ها در اکثر مواقع به‌صورت رسمی با شرکت‌ها قرارداد امضا می‌کنند و حتی به‌عنوان کارمند در برخی از آن‌ها استخدام می‌شوند. چنین افرادی قطعا به آموزش‌های رسمی و قانونی نیاز دارند تا از تغییر مسیر به دارک وب و فعالیت‌های مخرب پیامدی آن دور شوند.

براساس گزارش منتشرشده از سوی رسانه‌ی بلومبرگ، ادوبی کار توسعه‌ی نسخه‌ی آیپد اپلیکیشن فتوشاپ (Adobe Photoshop) را به‌اتمام رسانده است و قصد دارد به‌زودی نسخه‌ی نهایی آن را منتشر کند. این خبر درحالی منتشر می‌شود که حدودا یک سال از زمان معرفی فتوشاپ برای تبلت آیپد اپل می‌گذرد و طی این مدت، شاهد انتشار نسخه‌ی نهایی این اپلیکیشن نبوده‌ایم. ادوبی و برخی از کسانی که توانسته‌اند شانس کار با فتوشاپ آیپد را پیدا کنند، اعلام کرده‌اند که این نسخه از برخی ویژگی‌های کلیدی نسخه‌ی دسکتاپ بهره‌مند نخواهد بود.

ادوبی پیش‌تر اعلام کرده است که قصد دارد در اوایل ماه نوامبر ۲۰۱۹ (اواسط آبان ۱۳۹۸) کنفرانس سالانه‌ی Adobe Max را در شهر لس‌آنجلس برگزار کند تا در این کنفرانس به ارائه‌ی جزئياتی بیشتر درمورد نسخه‌ی آیپد اپلیکیشن فتوشاپ بپردازد.

طبق گفته‌های اسکات بلسکی، مدیر محصول ارشد بخش Creative Cloud شرکت ادوبی، این اپلیکیشن موبایلی که در سال ۲۰۱۸ در جریان برگزاری کنفرانس Adobe Max 2018 معرفی شده بود، در حال گذراندن مراحل پایانی توسعه است و احتمالا تا پایان سال جاری میلادی به‌صورت گسترده برای تمامی کاربران در دسترس قرار خواهد گرفت. ادوبی از زمان معرفی رسمی فتوشاپ آیپد تاکنون هیچ‌گونه بیانیه‌‌ای رسمی برای مشخص‌کردن تاریخ دقیق انتشار این اپلیکیشن منتشر نکرده است.

ادوبی از اوایل سال ۲۰۱۹ تاکنون، فتوشاپ آیپد را با کدنام Rocket با گروه کوچکی از کاربران به‌منظور رفع نواقص، موردبررسی و آزمایش قرار می‌دهد. برخی از کسانی که شانس کار با فتوشاپ آیپد را پیدا کرده‌اند، در گفت‌و‌گو با وب‌سایت بلومبرگ گفته‌اند که برخی از نسخه‌های بتای فتوشاپ، از ویژگی‌های خوب و کاربردی که آن‌ها انتظارش را داشته‌اند، بهره‌مند نبوده‌اند. این کاربران مدعی شده‌اند که برخی از ویژگی‌های فتوشاپ آیپد نظیر فیلترها، ابزار قلم و ابزار قلم‌مو در مقایسه با نسخه‌ی دسکتاپ، کمتر پیشرفته هستند یا اینکه اصلا در نسخه‌ی آیپد وجود ندارند.

آن‌ها همچنین به موارد دیگری نظیر نقاشی از طریق وکتور، فضاهای رنگی، ویرایش عکس‌های RAW، اشیاء هوشمند، استایل لایه‌ها و برخی تنظیمات در ابزار ایجاد ماسک اشاره کرده‌اند که یا نسبت به نسخه‌ی دسکتاپ کمتر پیشرفته هستند یا اینکه به‌طور کلی در فتوشاپ آیپد دیده نمی‌شوند. ناامیدی این کاربران از نسخه‌ی آیپد فتوشاپ بیشتر به این دلیل بروز کرده است که همواره از این اپلیکیشن به‌عنوان بهترین اپلیکیشن ویرایش تصویر در دسکتاپ یاد می‌شود. در واقع کاربران انتظار دارند، فتوشاپ با همین رویکرد پا به آیپد بگذارد.

یکی از آزمایش‌کنندگان فتوشاپ آیپد که نخواسته‌ است نامش فاش شود، درمورد آن می‌گوید: «نسخه‌ی آیپد فتوشاپ برخلاف تبلیغات انجام‌شده از سوی ادوبی، از لحاظ ویژگی‌‌هایش همچون نسخه‌ی تقویت‌شده‌ی مبتنی بر فضای ابری برخی از اپلیکیشن‌های فعلی آیپد به‌نظر می‌رسد، نه نسخه‌ی واقعی فتوشاپ. این را می‌دانم که نسخه‌ی آیپد نیز براساس کد نسخه‌ی دسکتاپ طراحی شده است، اما در حال حاضر نسخه‌ی آیپد حسی شبیه به نسخه‌ی دسکتاپ را به شما منتقل نمی‌کند.»

در ضمن برخی دیگر از کسانی که شانس کار با فتوشاپ آیپد را پیدا کرده‌اند، از آن به‌عنوان اپلیکیشنی ناقص که در مراحل اولیه‌اش است یاد می‌کنند و مدعی هستند که در مقایسه با اپلیکیشن‌های ویرایش تصویر فعلی آیپد نظیر Procreate و Affinity، عملکرد ضعیف‌تری از خود برجای می‌گذارد.

بلسکی می‌گوید که مجموعه‌ی فعلی ویژگی‌های نسخه‌ی بتای فتوشاپ آیپد قرار نیست در نسخه‌ی نهایی اپلیکیشن قرار بگیرند. در ضمن او می‌گوید که ادوبی باید بیشتر با اپل همکاری کند تا بتواند قرارگیری برخی از ویژگی‌های کلیدی را در نسخه‌ی نهایی امکان‌پذیر کند. بلسکی مدعی است که فتوشاپ آیپد در هنگام انتشار رسمی فاقد برخی از ویژگی‌های محبوب فتوشاپ دسکتاپ خواهد بود.

بااین‌حال نسخه‌ی موردبحث، نسخه‌ی اولیه است و در طول زمان بهبودهایی روی آن صورت خواهد گرفت. بلسکی در ادامه‌ی حرف‌هایش می‌گوید که آوردن تک‌تک ویژگی‌های فتوشاپ دسکتاپ که طی چندین سال در این اپلیکیشن جای گرفته‌اند به آیپد در همان روز اول، نمی‌تواند بهترین کار باشد.

او همچنین می‌گوید که طریقه‌ی استفاده از فتوشاپ در آیپد و دسکتاپ، کاملا شبیه‌ به هم نیست و تفاوت‌هایی در این بین دیده می‌شود. به‌علاوه او تأکید کرده است که ادوبی در طول زمان قابلیت‌های فتوشاپ آیپد را افزایش خواهد داد و امکانات جدیدی را به آن اضافه خواهد کرد.

اپل از زمان معرفی رسمی فتوشاپ برای آیپد، مانور ویژه‌ای روی آن داده و سعی کرده است این اپلیکیشن را به‌عنوان دلیلی به کاربران به‌منظور خرید آیپد پروهای جدید جلوه دهد. اهالی کوپرتینو هنگام رونمایی جدیدترین نسل از تبلت‌های خانواده‌ی آیپد پرو به‌طور مستقیم به نسخه‌ی آیپد اپلیکیشن فتوشاپ اشاره کردند. در ضمن اپل در شرایطی که نسخه‌ی نهایی ادوبی فتوشاپ برای آیپد آماده نبود و کاربران امکان دانلود آن را نداشتند، به‌سرعت تصاویری را از این اپلیکیشن روی وب‌سایت رسمی خودش قرار داد تا نشان دهد که اهمیت بسیار ویژه‌ای برای آن قائل است. 

ادوبی طی سال‌های اخیر برای رونق‌بخشیدن به بخش Creative Cloud سعی کرده است استراتژی‌های خود را برای اپلیکیشن‌های موبایلی تقویت کند و اهمیت بیشتری برای آن قائل شود. بخش Creative Cloud شامل مجموعه‌‌ای از اپلیکیشن‌های پرکاربرد است که امروزه پرچم‌دار بازار طراحی به‌شمار می‌آیند. بیشتر درآمد شرکت ادوبی از طریق همین ابزارها به‌دست می‌آید؛ البته آمار نشان می‌دهد که سرعت رشد درآمد ادوبی از این ابزار طی یک سال اخیر میلادی با کاهش مواجه شده است.

ادوبی مدتی پیش، اپلیکیشن Lightroom CC را برای آیفون‌ها و آیپدهای اپل منتشر کرد. در ضمن این شرکت تاکنون چندین اپلیکیشن موبایلی مستقل را نیز معرفی کرده است تا از طریق آن‌ها بتواند شمار بیشتری از کاربران را به‌سمت سرویس‌هایش جذب کند. در واقع عمده‌ی کاربران تنها اپلیکیشن‌های Creative Cloud ادوبی را می‌شناسند و با آن‌ها کار می‌کنند، به همین دلیل این شرکت تصمیم گرفته است با برخی اپلیکیشن‌های مستقل، شمار کاربرانش را بیشتر از قبل کند.

ظاهرا مهندسین شاغل در شرکت ادوبی قابلیت‌های مختلف فتوشاپ دسکتاپ را براساس میزان کاربردی‌بودن آن‌ها اولویت‌بندی کرده‌اند تا در هنگام انتشار نسخه‌ی اولیه‌ی فتوشاپ آیپد، ویژگی‌های موردبحث را به این اپلیکیشن بیاورند.

به‌علاوه، فتوشاپ آیپد می‌تواند تمامی فایل‌های فتوشاپ را باز کند و این‌گونه نیست که نشود فایل‌های نسخه‌ی دسکتاپ را روی آیپد باز کرد. در ضمن تمامی لایه‌های تصاویر به‌گونه‌ای در فتوشاپ آیپد تنظیم خواهند شد که تخریب نشوند و مشکلی برای آن‌ها پیش نیاید.

گرچه نسخه‌ی آیپد فتوشاپ براساس کد نسخه‌ی دسکتاپ نوشته شده است و سازگاری بسیار زیادی با آن دارد، اما نسخه‌ی موبایلی از فایل‌هایی که سه‌بعدی باشند پشتیبانی نمی‌کند. بلسکی می‌گوید این موضوع باعث می‌شود کار با فتوشاپ نسخه‌ی موبایل برای تازه‌کاران بسیار ساده شود، اما همچنان برای انجام پروژه‌های حرفه‌ای نیز محصولی قدرتمند به‌شمار می‌آید. افزون بر این‌ها، این نسخه از فتوشاپ می‌تواند فایل‌های نسخه‌ی دسکتاپ و ویرایش‌های صورت‌گرفته روی آن‌ها را از طریق Creative Cloud همگام‌سازی کند.

اپل از همان زمان معرفی فتوشاپ آیپد از این اپلیکیشن به‌عنوان «فتوشاپ واقعی» یاد کرد و مدعی شد که نسخه‌ی موردبحث قابلیت‌های متنوع نسخه‌ی دسکتاپ را به‌ارمغان می‌آورد. بسیاری از کاربران حرفه‌ای فتوشاپ از عبارت «فتوشاپ واقعی» مفهوم «نسخه‌ی کامل فتوشاپ» را برداشت کردند، اما ظاهرا این برداشت درست نبوده است.

بلسکی در این رابطه می‌گوید: «حرفی که می‌خواهم بزنم این است که فتوشاپ آیپد بهترین محصول دنیا برای انجام برخی کارهای خاص است و به‌همین دلیل مجبور نیستیم به‌خاطر کامل نبودن ویژگی‌هایش از کسی عذرخواهی کنیم؛ زیرا مصرف‌کنندگان‌مان به چنین چیزی نیاز ندارند.» او همچنین در ادامه‌ی صحبت‌هایش اعلام کرده است که نسخه‌ی جدید فتوشاپ قرار است به برخی ویژگی‌های کاملا جدیدی مجهز شود که تنها در انحصار آیپد هستند؛ این ویژگی‌ها به‌لطف قابلیت‌های مختلف آیپد نظیر قلم لمسی و صفحه‌‌نمایش لمسی فراهم خواهند شد.