Admin

Toyota'nın Yeni Açıklanan EV (Elektrikli Araç) Planı 1450 KM'lik Pilleri İçeriyor Hem eleştirmenlerin hem de yatırımcıların baskısı altında olan Japon otomobil üreticisi, elektrifikasyon oyununu hızlandırıyor gibi görünüyor. Toyota, ürün yelpazesinin elektrifikasyonuna ayak sürüyen yaklaşımı nedeniyle son 12 ayda çevreciler ve hissedarlar tarafından sürekli olarak eleştirildi. Ancak şimdi, 2026'dan itibaren 600 milin (965 kilometre) üzerinde ve 2028'den sonra tek bir şarjla yaklaşık 900 milin (1.448 km) menziline sahip EV'leri öngören iddialı bir planla mücadele ediyor. Japon otomobil grubunun yeni açıklanan planları, yeni nesil EV'nin ilkinin 2026'da bir Lexus olarak piyasaya çıkacağını ve tek bir şarjla 600 milin üzerinde sürüş menzili sunan yeni nesil bir lityum-iyon pil kullanacağını belirtiyor. Otomotiv Haberleri. 2026-2027 için planlanan bir sonraki adım, bir önceki yinelemeye kıyasla maliyetleri yüzde 40 azaltabilen bir iki kutuplu lityum demir fosfat pili içerirken, yüzde 10 daha fazla menzile sahip gelişmiş bir iki kutuplu lityum demir pilin 2027'de üretime girmesi planlanıyor. -2028. Bu teknoloji ile Toyota, 2027'den itibaren katı hal pillerinden yararlanacak olan 2030 yılına kadar yeni geliştirilen, amaca yönelik mimariye dayalı yaklaşık 1,7 milyon EV üreteceğini tahmin ediyor. Japon markasına göre bunlar, yeni nesil lityum iyon paketlerine göre menzili yüzde 20 artırabilirken, 2028'den sonra piyasaya sürülmesi planlanan gelişmiş bir katı hal pil, menzili yüzde 50 artırabilecek ve sonuç olarak 900 milin (1.448 km) üzerinde sıfır emisyonlu sürüş. Ancak hepsi bu kadar değil, çünkü Toyota, Tesla'nın Giga Preslerinden ilham alarak araç üretimini basitleştirmek ve hızlandırmak için giga döküm teknolojilerini kullanmak istiyor ve önümüzdeki iki ila üç yıl içinde sürtünme katsayısı 0,20'nin altında olan ultra aerodinamik tasarımlar geliştirmeyi hedefliyor. Çok noktalı plan, Toyota'nın üst düzey yöneticileri tarafından bu ay ilk kez şirketin Higashi-Fuji Teknik Merkezi'nde "Otomobillerin geleceğini değiştirelim" temasıyla ortaya kondu. Sunumda şirket temsilcileri, Toyota'nın geride kalmasının aksine 2026'dan itibaren sektör lideri EV'ler sunmak için gereken hem teknolojiye hem de üretim sistemine sahip olduğuna dikkat çekti. Baş Teknoloji Sorumlusu Hiroki Nakajima, "Pillerde dünya lideri olmaya kararlıyız" dedi. "Farklı motor çeşitlerimiz olduğu gibi, piller için de çeşitli seçeneklere ihtiyacımız olacak. Bu pilleri her tür modelle uyumlu hale getirmek önemlidir." Japon otomobil üreticisi, 2025'ten itibaren Amerika Birleşik Devletleri'nde sıfır emisyonlu araçlar inşa etmek de dahil olmak üzere EV ayak izini büyük ölçüde iyileştirmek isterken, içten yanmalı motorlu arabaların yanı sıra hidrojenle çalışan araçlar geliştirmeye ve üretmeye devam edeceğini belirtmekte fayda var. Toyota'nın şu anda Amerika Birleşik Devletleri'nde satışta olan tek bir EV'si var, bZ4X crossover, başlangıç fiyatı 42.000 $ ve EPA tarafından tahmin edilen 252 mil menzil sunuyor. Her zaman olduğu gibi, bu konuda ne düşündüğünüzü bilmek istiyoruz, bu nedenle düşüncelerinizi bize iletmek için aşağıdaki yorumlar bölümüne gidin. Kaynak: InsideEVs

NBA 2023 Final Maçları - 5. Maç Miami Heat: 89 - Denver Nuggets: 94 (Maç Sonucu) Ve Denver Nuggets 2023 NBA Şampiyonu (4-1) Maçta Son 3 dakika 2 saniye

Geyin 1 metreden daha uzun bir yılanı hiç umursamadan yemeye çalışıyor.

Duracell'den Daha mı İyi? Pale Blue Earth AA, AAA Şarj Edilebilir Pil İncelemesi Şarj edilebilir AA pilleri ilk kez 1999'da Nepal'de yaklaşık 2 ay doğa yürüyüşü yaparken kullanmıştım. 1,41 megapiksel Olympus dijital fotoğraf makinem vardı ve başlamak üzere olduğum Annapurna Yürüyüşü sırasında pil bulmanın zor olacağından şüpheleniyordum. REI'den dört adet AA pil ve sekiz adet şarj edilebilir AA pil tutan bir solar şarj kiti satın aldım. Doğa yürüyüşü yaparken bir seti şarj etmek için çantamın üstüne bağladığım güneş kiti, diğer set kameradayken. Her akşam pilleri değiştirdim. Bu sistem zar zor çalıştı. Piller her günün sonunda oldukça tükenmişti. Nikel-metal hidrit (NiMH) kimyası ile güneşten alabildikleri sınırlı miktardaki gücün talihsiz bir bileşimiydi. O yolculuktan eve döndüğümde, o pilleri veya şarj sistemini bir daha asla kullanmadım. O zamandan beri, bir dizi AA ve AAA şarj edilebilir pil sistemi piyasaya çıktı. Ancak, belirli bir şarj cihazı ve NiMH kimyası gerektiren yaygın sınırlamalar, birçoğunda hala sorun olmaya devam ediyor. Pale Blue Earth, bu sorunların bazılarını çözdüğünü veya çözdüğünü iddia ederek kendi şarj edilebilir pil versiyonunu piyasaya sürdü. Onları kendim denemek için bir sete ellerimi koydum. Kısacası: Pale Blue Earth'ün şarj edilebilir AA ve AAA pilleri, çevre açısından doğru yönde atılmış bir adımdır. Standart bir alkalin veya lityum pil kadar pil ömrü veya gücü yoktur. Ve markanın, her şarjın bir AA veya AAA pilin atık akışından yönlendirilmesine eşit olduğu iddiası biraz abartılı olabilir. Ancak diğer marka şarj edilebilir pillerden daha iyi çalışırlar, daha hızlı şarj olurlar ve standart bir şarj cihazı kullanırlar. Genel olarak, pilleri atmaktan sıkılan ve daha sürdürülebilir bir çözüm isteyen kişiler için bu Pale Blue Earth şarj edilebilir AA ve AAA piller iyi bir seçenektir. Sadece sınırlamaları var. Soluk Mavi Toprak USB Şarj Edilebilir Piller Pale Blue Earth USB Şarj Edilebilir AA ve AAA Pil İncelemesi Her yıl, insanlar yalnızca ABD'de 3 milyardan fazla pili çöpe atıyor. Bu, yılda yaklaşık 180.000 ton tehlikeli atık maddenin düzenli depolama alanlarına girmesi anlamına geliyor. Ve bu piller zamanla paslandıkça, içlerindeki kimyasallar toprağa ve suya sızar. Bu nedenle, Pale Blue Earth'ünki gibi şarj edilebilir pillere geçiş çok önemlidir. Ortalama bir Amerikan hanesi ayda yaklaşık 7,5 alkalin pil tüketir. Herkesin işlevsel, yüksek kaliteli şarj edilebilir pillere erişimi olsaydı, bu sayı büyük ölçüde düşerdi ve çevresel etki çok büyük olurdu. Modern Şarj Edilebilir Piller Pale Blue Earth'ün tüm misyonu, çevre sorunlarını tek kullanımlık pillerle ele almaktır. Marka, gezegeni alt üst etmeden kullanıcıların ihtiyaçlarını karşılayan piller yapmak istedi. Ve bu yolda başlamasından bu yana geçen 20 yılda, şarj edilebilir pil teknolojisi çok ilerledi. Pale Blue Earth şarj edilebilir pillerinde kullanılan lityum-iyon kimyası, sektördeki en kararlı ve en güvenli olanlardan biridir. Modern şarj edilebilir pillerin çoğunda standart haline gelmesinin nedeni budur. Pale Blue Earth, bu pillerin 1.000 şarj döngüsüne sahip olduğunu iddia ediyor. Marka, bunun 1.000 alkalin pilin kullanılmasını ve atılmasını önlemek anlamına geldiğini söylüyor. Ancak şunu göz önünde bulundurun: Pale Blue Earth'ün AA lityum-iyon şarj edilebilir pilleri yalnızca 1.700 miliamper saat (mAh) kapasiteye sahiptir. Bu birim, mAh, bir pilin tutabileceği enerji şarjını ve suyunun ne kadar süreceğini ölçer. Pale Blue Earth'ün AA pilleriyle karşılaştırıldığında, alkalin AA piller 2.850 mAh ve düz lityum AA piller 2.700-3.300 mAh kadar tutabilir. Pale Blue Earth'ün AA ve AAA pillerinin 1.000 şarj döngüsü kadar dayanacağına inanıyorum (eğer pillerinizi bu kadar uzun süre kaybetmeyi veya onlara zarar vermeyi önleyebilirseniz). Ancak her şarj döngüsünün bir alkalin veya lityum-iyon pilin çöp sahasına girmesini engellemeye eşit olduğu iddiası biraz abartılı görünüyor. Duracell'in şarj edilebilir NiMH AAA şarj edilebilir pilleriyle karşılaştırıldığında, Pale Blue Earth'ün dikkate değer bir üstünlüğü var. Duracell'in şarj edilebilir pilleri, 900 mAh ve 400 şarj döngüsünün reklamını yapar. Energizer bu pillerin kendi versiyonuna da sahiptir. 2.300 mAh'a sahipler, ancak yalnızca son 100 şarj döngüsü var. Yani, Pale Blue Earth lityum-iyon kimyası en azından rakipleriyle aynı seviyede. Kabul edilirse, bu seçeneklerin her ikisinden de önemli ölçüde daha pahalıdırlar, dörtlü paket için 30 ABD doları. Pale Blue Earth Şarj Edilebilir AA ve AAA Piller: Şarj Süresi Pale Blue Earth'ün C, D ve 9V pilleri gibi, AA ve AAA pillerinde de pilin yan tarafında bir USB-C eklentisi bulunur. Piller, çok kullanışlı bir USB-A'dan dört yollu bir USB-C'ye ayırıcıyla gönderilir ve bu da paketteki dört pilin tamamının aynı anda şarj edilmesini kolaylaştırır. Pillerde USB-C'ye yönelik bu son ilerici adımı takdir ediyorum. Önceki Pale Blue Earth sürümleri, 9V pil boyutunda hala mevcut olan bir mikro USB kullanıyordu. Bir sonraki adım, umarım şarj kablosunun kaynak ucunda bir USB-C seçeneği olacaktır. Pil Kimyası ve Rakipleri Karşılaştırma Kaynak: GearJunkie

Büyük bir kurt otomobile saldırıyor

ABD'de Kaliforniyalı Dahi Çocuk, SpaceX'te yazılım mühendisliği işini kabul etti SpaceX'in en yeni çalışanlarından biri, ilkokulu atlayan ve bu hafta 14 yaşında üniversiteden mezun olacak bir dahi çocuk olarak tanımlandı. Kairan Quazi'nin Instagram'da yayınladığı bir e-postadan alınan bir alıntıya göre, uzay aracı üreticisi bir ay önce Kairan Quazi'ye bir yazılım mühendisliği pozisyonu teklif etti. Bu hafta Santa Clara Üniversitesi'nden mezun olacak olan Bay Area genci, LinkedIn'de yayınlanan bir gönderiye göre, SpaceX işine girebilmek için önümüzdeki ay annesiyle birlikte Redmond, Washington'a taşınacak. Kairan, kısmen "yaşımı olgunluk ve yetenek için keyfi ve modası geçmiş bir vekil olarak kullanmayan ender şirketlerden biri" olduğu için SpaceX'e katılmaktan heyecan duyduğunu söyledi. Washington eyalet yasalarına göre asgari yasal çalışma yaşını karşıladığı için, SpaceX'in genci uçağa almak için özel izin alması gerekmeyecek. Ne Kairan ne de Elon Musk'ın sahibi olduğu SpaceX, Pazartesi günü CBS MoneyWatch'tan gelen yorum taleplerine hemen yanıt vermedi. Kairan, Pleasanton, California'da Bangladeşli-Amerikalı bir ebeveynin çocuğu olarak dünyaya geldi. Annesi Jullia Quazi, San Francisco'daki bir ABC News üyesine, oğlunun 2 yaşında tam cümlelerle konuşmaya başladığında entelektüel olarak yetenekli olduğunu fark etmeye başladığını söyledi. Üçüncü sınıfı bitirdikten sonra ilkokulu bıraktı ve 9 yaşında devlet üniversitesine kaydoldu. Kairan, 11 yaşında Santa Clara Üniversitesi'ne transfer oldu. Üniversitede yapay zeka araştırma görevlisi olarak Intel'de çok yıllı stajyerlik yaptı. San Jose Mercury News'in bildirdiğine göre, Kairan Cumartesi günü SCU'dan bilgisayar bilimi ve mühendisliği lisans derecesini alacak - okulun 172 yıllık tarihindeki en genç mezun olacak. SpaceX'te Kairan, LinkedIn'de şirketin uydu genişbant internet hizmeti Starlink'in mühendislik ekibine atanacağını söyledi. Starlink sistemi, çok sayıda alçak irtifa yörüngesindeki binlerce geniş bant aktarma istasyonunu kullanarak dünyanın herhangi bir yerindeki müşterilere yüksek hızlı internet sağlamak için tasarlanmıştır. Kaynak: CBS News

Arjantin milli takımının kampına katılmak için Çin’e giden Lionel Messi, yaşadığı pasaport krizi nedeniyle ülkeye 2 saatlik gecikmeyle girdi. Kriz Messi'nin Arjantin yerine İspanyol Pasaportunu kullanması nedeniyle oluştuğu belirtildi.

Michael Jordan'ın Kafasına Darbe Aldığı Sırada Üç Pistonlu Oyuncunun Üzerine Smaç Yapması Onun Ne Kadar Durdurulamaz Olduğunu Gösteriyor

Hyundai Ioniq 7'yi En Havalı Tam Boy SUV Yapan Nedir? Zaman geçtikçe, Hyundai'nin nihayet otomotiv sahnesinde önde gelen bir rakip olarak öne çıkmaya hazır olduğu görülüyor. Elektrik devrimi, ev üreticisinde yeni bir ateş yakmış gibi görünüyor ve Ioniq serisinde kesinlikle kendini gösterdi. Tesla Model Y ve Model 3 ile Ioniq 5 ve Ioniq 6 ile karşı karşıya geldikten sonra, Hyundai bu sefer işleri daha da ileri götürmeye karar verdi. Ioniq 7, Hyundai'nin 2024 yılına kadar ABD'de piyasaya sürülmesi planlanan tamamen elektrikli, tam boyutlu, üç sıralı, yedi koltuklu SUV'sidir. Yeni devasa EV, göz kamaştırıcı yeni bir görünüm ve tonlarca potansiyel ve hem rakipler hem de tüketiciler için standartları bir kez daha yeniden tanımlıyor. Ioniq 7'nin fiyatı veya bu konudaki kesin güç özellikleri henüz bize verilmemiş olsa da, yaklaşık değerler hala umut verici görünüyor. Temel donanım için yaklaşık 50.000 $ ve üst varyant için yaklaşık 60.000 $'dan başlayacağı tahmin ediliyor. Dolayısıyla fiyat aralığı, SUV'u Cadillac Lyriq, Volvo XC40 Recharge ve yakında çıkacak olan Fisker Ocean ile doğrudan rekabete sokuyor. Neyse ki, adının yedincisi silahsız gelmiyor. 2025 Ioniq 7, tonlarca incelik, bol miktarda lüks ve çok çeşitli yüksek teknoloji özellikleri sunmanın yanı sıra, belirli bir bölümde daha da öne çıkıyor: şehirdeki en havalı SUV olmak. Ioniq 7, Gezici Fütüristik Bir Salon Panoply'nin retro tasarımlı önceki modellerinden farklı olarak Ioniq 7, daha gösterişli, modern bir görünümle karşımıza çıkıyor. Bununla birlikte, seleflerinin aerodinamik eğrileri ve pikselli ışıkları, buluşma noktasında mevcuttur. Gövde, köşeli, ilginç bir şekle sahiptir ve piyasadaki en büyük arka cam olması gereken şeyin hakimiyetindedir. Yine de cam kapağın konsept modeli geçmesi pek olası değil. Ve modern abartılı görünüm herkesin hoşuna gitmese de, SUV yine de bunu klasik stilden adil bir pay alarak dengeliyor ve böylece her zevke hitap ediyor. Şimdi, bu pikseller hakkında. Ioniq 7, ön farlardan arka lambalara kadar 700 Parametrik Piksel ile doludur. Bize Chevy Equinox EV'yi hatırlatan şaşı farlar, 81 inç (tahmini) genişliği tamamen kaplayan ve şaşkın seyircilerin anında dikkatini çeken heybetli bir ızgaranın üzerine oturuyor. Hilelerin ötesinde, Ioniq 7'nin Hyundai Mobis tarafından tasarlanan dijital HD farlara da sahip olması bekleniyor. Bu yüksek tanımlı farlar yol yüzeyine işaretleri, talimatları ve hatta "kaldırımları" yansıtmak için kullanılabilir. Konsept aynı zamanda her iki tarafta üretim modeline uygun olsun ya da olmasın iki büyük araba kapısına sahiptir. Şimdi boyutlar açısından, Ioniq 7'nin 70 inç yüksekliği ve 195 inç toplam uzunluğu için 122 inç dingil mesafesi ile heybetli bir auraya sahip olması ve bu nedenle geniş diz mesafesi ile mükemmel bir aile aracı olması bekleniyor. Ek olarak, üst düzey nazik dev, ikinci ve üçüncü sıraları tekerlekli bir oturma alanına dönüştürmek için düzenlenebilen döner koltuklarla birlikte gelir; bu, iş toplantıları, aile zamanı ve hatta sadece yalnız dinlenmek için idealdir. Yeşil SUV aynı zamanda aerodinamiğe büyük saygı gösterilerek tasarlandı ve optimum kullanım ve verimliliği garanti etmek için hafif alüminyumdan özenle üretildi. Ancak odadaki büyük fil, hiçbir yerde bulunamayan direksiyon simididir. Ioniq 7, tüm arabayı hareket ettiren kendi geri çekilebilir joystick'i ile Yoke Steering'i geride bırakıyor. Bununla birlikte, çarşı benzeri kolun konsept aşamasını geçip geçmediğini göreceğiz. Ioniq 7, En Son Teknolojiyle Donatıldı Concept Ioniq 7'nin içi, aralarından seçim yapabileceğiniz 64 renk ve altı tema sunan Çift Renkli Ortam Aydınlatması ile (o fiyat aralığında) olabildiğince bereketli görünüyor. Ancak Ioniq 7, en son teknolojiyi ve yeşil önlemleri bir araya getirdiği için gösterişli bir arabadan daha fazlasıdır. Kolçaklardan koltuklara ve kapı döşemelerine kadar kabinin kendisi, geri dönüştürülmüş şişeler, balık ağları ve bitki bazlı özlerle eko-işlenmiş deri içeren 2023 Ioniq 6 gibi muhtemelen çevre dostu malzemelerden yapılacak. Ioniq 7'nin ayrıca iç mekanın genel atmosferini aracın hızına göre ayarlayan bir teknoloji olan Speed Sync Lighting ile gelmesi bekleniyor. Motor gürültüsü meraklıları, arabanın hızına, yoğunluğuna ve tork durumuna göre ses çıkaran Elektrikli Aktif Ses Tasarımını da takdir etmelidir. Genesis G90'a benzer şekilde, Ioniq 7 de Highway Driving Pilot (HDP) tarafından desteklenen Seviye 3 Otonom özellikli bir otomobil olabilir. Hyundai'nin HDP'si, Tesla'nınkine doğrudan rakip olan ve Ön Çarpışma Yardımı, Akıllı Hız Sınırı Yardımı ve Otonom Park Etme ile tamamlanan bir Sürücü Yardım Sistemidir. Geçmişten kalma bir başka olası patlama, Ioniq 5'te bulunan Yüklenecek Araç (V2L) seçeneğidir. V2L özelliği, ev aletlerine, pil paketlerine ve hatta akıllı telefonunuza güç vermenizi sağlar; senin araban. Üstüne üstlük, tüketiciler ayrıca panoramik açılır tavana da sahip olacak. Çığır Açan E-GMP'ye Sahiptir Menzil açısından, Ioniq 7, tam şarjla kolayca yaklaşık 300 mil sağlayabilir, Ioniq 5 ile aynı seviyeye, Model Y'nin biraz altına ve vuracak olan 65.995 $ Chevy Blazer SS'in üzerine yerleştirmelidir. sokaklar bu yıl sonra. SUV ayrıca 350 kWh hızlı şarj kapasitesini de destekleyecek ve pili yalnızca 18 dakikada yüzde 10'dan yüzde 80'e kadar doldurmanıza izin verecek. Bu başarı, Ioniq 6 ve Kia EV6'da da bulunan Hyundai'nin Elektrikli Küresel Modüler Platformu (E-GMP) sayesinde mümkün oldu. E-GMP, 800V şarj kapasitesine sahiptir ve bir sonraki seviye güvenlik sunar. Platformun çerçevesi sağlam çelikten yapılmıştır ve aracın düşük ağırlık merkezini korumasına yardımcı olur, bu da yolda daha iyi denge anlamına gelir. Kabini sağlam tutmak ve içerideki herkesi korumak için en büyük yükü aldığından, platform çarpışma durumunda da kullanışlıdır. E-GMP ile çalışan Ioniq 7'nin, yakında Hyundai araçlarında yer alacak olan yeni silisyum karbür (SiC) güç modülleriyle donatılmış olarak gelmesi de oldukça olası. STMicroelectronics tarafından üretilen yeni SiC güç modülleri, enerji verimliliğini ve dolayısıyla aracın genel menzilini artırmaya yardımcı oluyor. Bu, Ioniq 7'nin mevcut menzili ve güç tahminlerinin, otomobilin sunabileceği yeterli güce sahip olmaması durumunda, gelecekte büyük ölçüde aşılabileceği anlamına gelir. Güç ve performansa gelince, yaklaşmakta olan Ioniq'in en güçlü triminde yaklaşık 379 beygir gücüne ve 700 Nm torka sahip olacağı tahmin ediliyor. 0-100 km/s hızlanma süreleri henüz açıklanmadı, ancak Ioniq 5'in bunu 4,7 saniyede yapabileceği düşünülürse, bu boyuttaki bir SUV için makul rakamlar bekliyoruz! Kaynak: TopSpeed

Padma Lakshmi

Emily Atack

Salma Hayek

Elizabeth Hurley

Elon Musk, Apple'ın Vision Pro'su Kötü Dalga Geçti - Fiyatıyla Alay Etti Elon Musk, Apple'ın yeni karma gerçeklik kulaklığının fiyatıyla dalga geçti. Apple, sekiz yıldır şirketin ilk büyük ürünü olan Vision Pro'yu geçen hafta piyasaya sürdü. Bununla birlikte, fiyat, birçok fanatik hayran için hassas bir nokta olmuştur. Apple'ın yeni Vision Pro kulaklığının 3.499 dolarlık fiyat etiketi, dünyanın en zengin adamı Elon Musk için bile çok yüksek olabilir. Tesla CEO'su, Twitter'da artırılmış gerçeklik kulaklığının fiyatıyla dalga geçen bir mem yayınladı. Görüntü, Apple'ın yeni kulaklığını bir mantar torbasıyla karşılaştırdı ve şu metinle: "Apple 3.500 $ artırılmış gerçeklik VS. 20 $ artırılmış gerçeklik." Musk daha sonra, Apple'ınkine benzer şekle sahip ve yeni ürüne gönderme yapıyor gibi görünen bir kulaklığın yer aldığı başka bir mem yayınladı. Apple, sekiz yıldır ilk büyük ürünü olan Vision Pro'yu geçen hafta piyasaya sürdü. Bununla birlikte, fiyat, birçok fanatik hayran için hassas bir nokta olmuştur. Insider'dan Pete Syme'ın bildirdiği gibi, teknoloji devi Dünya Çapında Geliştirici Konferansı'nda karma gerçeklik başlığını duyurduğunda, izleyiciler yüksek fiyata inlemeler, iç çekmeler ve kahkahalarla karşılık verdi. Toplu tepkinin videoları sosyal medyada geniş çapta paylaşıldı. Musk, geçen yılın sonlarında Big Tech şirketi ile bir tartışmaya girdi. Kasım ayında Tesla CEO'su, Apple'ın Twitter'da reklam vermeyi "çoğunlukla" durdurduğunu ve tweet'inde Tim Cook'u etiketlediğini söyledi. Daha sonra Apple'ın %30 App Store ücretini hedef aldı, bunu "İnternette %30 vergi" olarak nitelendirdi ve teknoloji deviyle savaşa girdiğini ima eden bir fotoğrafı tweet'ledi. Apple temsilcileri, Insider'ın normal çalışma saatleri dışında yaptığı yorum talebine hemen yanıt vermedi. Kaynak: Business Insider

Google, 'Imagen Editor' adlı yeni yapay zeka (AI) fotoğraf düzenleme uygulamasını tanıttı DALL-E ve Stable Difüzyon gibi metinden görüntüye yapay zekaların, bildiğimiz şekliyle fotoğraf ve görüntü üretiminin manzarasını değiştirmesiyle, son birkaç yılın yapay zeka söz konusu olduğunda bir devrimden başka bir şey olmaması şaşırtıcı değil. . Şimdi, bu çabalara paralel olarak, Google kısa bir süre önce, kullanıcıların resmin geri kalanını değiştirmeden metin istemlerine dayalı olarak görüntülerde belirli değişiklikler yapmasına olanak tanıyan Imagen Editor adlı yeni bir AI aracını tanıttı. Düzenlemenin yeni bir yolu Yeni aracın en önemli özelliklerinden biri basitliğidir, çünkü kullanıcıların yalnızca resimlerini yüklemeleri, düzenlemek istedikleri bölgeyi seçmeleri ve o belirli alan için istenen değişiklikleri açıklamaları yeterlidir. Örneğin, bir kullanıcı bir görselde bir köpeğin vücudunu vurgulayıp "beyaz yıldızlı kırmızı bir uzay giysisi" istediğinde, araç uzay giysisini doğru bir şekilde seçilen alana dahil eder. Başka bir örnekte araç, köpeğin görüntüsüne "kartondan yapılmış bir roket" ve "mavi oyun kulaklığı" ekledi. Google'ın nesne silicisine benzer şekilde, kullanıcılar bir fotoğrafın arka planındaki istenmeyen öğeleri silebilir, böylece ana konuyu vurgulayabilir ve dikkat dağıtıcı unsurları ortadan kaldırabilir. Ek olarak Imagen Editor aracı, bir fotoğraftaki gökyüzünün rengini değiştirme olanağı da sunar. Örneğin, bir gün batımı resminiz varsa ve görsel etkisini artırmak istiyorsanız, araç gökyüzünü mavinin daha canlı ve büyüleyici bir tonuna dönüştürerek görüntüye derinlik ve güzellik katabilir. Henüz çıkış tarihi yok Imagen Editor'ın özellikleri fotoğraf düzenleme ve fotoğrafçılık dünyasını dönüştürme potansiyeline sahip olsa da Google, sorumlu yapay zeka ve kötü aktörlerin görüntüleri manipüle etmek için potansiyel olarak kötüye kullanmasına ilişkin endişeler nedeniyle aracı halka sunmamaya karar verdi. Bu nedenle, Google aracı halka yayınlamayı planlıyorsa, şirket görüntüleri araç aracılığıyla işlerken uygun görüntü etiketleme ve işaretleme gibi katı önlemler almalıdır. Kaynak: Android Headlines

Yapay Zekada (AI) Öğrenme Türleri, Açıklandı AI, teknolojide çığır açan bir gelişme olarak lanse ediliyor ve bunun iyi bir nedeni var. Zaman alan, pahalı veya monoton görevleri otomatikleştirme yeteneği inanılmaz. ChatGPT gibi uygulamalar üzerinden oluşturulan vızıltılara bir göz atın. Kişiselleştirme, hem pazarlama hem de eğlence açısından AI'nın bir başka büyük avantajıdır. Gelecekteki sonuçları tahmin etmek, yapay zekanın öne çıktığı başka bir alandır. Ancak yapay zeka, bazılarının düşündüğü kadar güçlü değildir. Bir AI modelinin etkili ve verimli bir şekilde çalışmasını sağlamak için önce bir veya daha fazla veri kümesi üzerinde eğitilmesi gerekir. Bunun yanı sıra, modele kullanması için bazı yönergeler ve algoritmalar verilmelidir. Bu alan yapay zeka öğrenimi olarak bilinir ve bu alanda pek çok öğrenme kategorisi vardır. Başlıca AI öğrenme türlerini ve bunların nasıl kullanıldığını, ayrıca avantajlarını ve dezavantajlarını keşfetmek için okumaya devam edin. Yapay Zekada Öğrenme Nedir ve Neden Önemlidir? Yapay zeka öğreniminden bahsederken, yapay zeka modellerinin belirli görevlerde performanslarını artırmak için eğitilme şeklini kastediyoruz. Çoğu durumda, modele bazı girdi verileri sağlanır. Bu, doğru çıktıyla etiketlenebilir veya etiketlenmemiş olabilir. Ana fikir, AI modelinin bu verilerden öğrenmesi ve genellikle uygun bir işlevi hesaplamasıdır. Bu daha sonra yeni girdi verilerine dayalı olarak gelecekteki çıktıları tahmin etmek için kullanılabilir. Modele, işini yapması için genellikle belirli algoritmalar da sağlanır. Yapay zeka öğreniminin önemi, yapay zeka modellerinin doğruluğunu ve tutarlılığını iyileştirmenin gerekli olmasıdır. Bu, birçok uygulamada çok önemlidir, ancak özellikle yüksek doğruluğun gerekli olduğu uygulamalarda - tıbbi teşhis, sürücüsüz araçlar veya finansal planlama gibi. AI modellerini iyi eğitmek, onların çok yönlü olmalarına ve yeni durumlara uygulanmalarına da yardımcı olabilir. Yapay Zeka Öğreniminin Ana Kategorileri Nelerdir? Yüksek düzeyde, AI'da 4 ana öğrenme kategorisi vardır: denetimli, yarı denetimli, denetimsiz ve takviyeli öğrenme. Bunların ne anlama geldiğini daha sonra açıklayacağız. Denetimli Öğrenme Bu, makinenin üzerinde eğitilmekte olduğu veri kümesinin zaten etiketlenmiş girdilere sahip olduğu bir öğrenme biçimidir. Girdiler çıktılara eşlendiğinden, makinenin burada bir yardımı vardır. Buradaki fikir, makinenin eğitilmesi ve girdi ile çıktı arasındaki ilişkileri tanımasının ardından, denetim olmaksızın çıktıları hesaplayabilmesidir. Örneğin, bir makineyi hisse senedi fiyatlarıyla ilgili girdi verileri üzerinde eğitebiliriz. Bu veri kümesi, yüzlerce veya binlerce girdi örneğiyle çok geniş olacaktır. Başarılı olursa, makine girdileri çıktılara eşleyebilen bir işlevi hesaplar ve bunu gelecekteki hisse senedi fiyatlarını tahmin etmek için kullanır. Genel olarak, denetimli öğrenmede kullanılan iki tür algoritma vardır: sınıflandırma algoritmaları ve regresyon algoritmaları. Sınıflandırma algoritmaları sonlu, ayrık verilerle, yani renkler veya şekillerle ilgilidir, regresyon algoritmaları sürekli verilerle, yani sayılarla çalışır. Bu arada, denetimli öğrenme potansiyel olarak bize kesin bir cevap verebilir, ancak çok fazla hesaplama gücü gerektirir. Denetimli öğrenme genellikle görüntü ve konuşma tanıma, tıbbi teşhis ve dolandırıcılık tespitinde kullanılır. Yarı Denetimli Öğrenme Bu, denetimli öğrenmeye benzer, ancak çok fazla girdi etiketlenmemiştir ve bunlar bile tam olarak doğru olmayabilir. Yarı denetimli öğrenme, çoğunlukla girdileri tamamen etiketlemenin hesaplama açısından pahalı olacağı veya etiketlemenin özellikle zor olduğu durumlarda kullanılan bir AI öğrenme türüdür. Ek olarak, etiketli veriler yetersizse veya çok fazla gürültü içeriyorsa, etiketlenmemiş veriler bunu hafifletmeye yardımcı olabilir. Ancak, yarı denetimli öğrenme, tam denetimli öğrenme kadar yüksek doğruluğa sahip olamaz. Genel olarak, yarı denetimli öğrenme, doğruluk ve hesaplama maliyetleri arasında bir denge kurmayı amaçlar. Gerçek hayattan bir benzetme, bir öğrencinin bir öğretmenden destek alması, ancak daha sonra edindiği bilgilere dayalı olarak sorunları çözmeye bırakılmasıdır. Bu tür öğrenme, görüntü ve metin sınıflandırmasının yanı sıra konuşma tanımada da kullanılır. Denetimsiz Öğrenme Gözetimsiz öğrenmenin, girdi verilerinin etiketlenmediği öğrenme anlamına geldiğini düşünebilirsiniz. Bu durumda haklısın. Uygun işlevleri kendi başına bulması gereken makineye hiçbir figüratif öğretmen rehberlik etmiyor. Şaşırtıcı olmayan bir şekilde, bu, denetimli öğrenmeye göre yürütülmesi çok daha karmaşık bir süreçtir, ancak buradaki potansiyel sonuçlar çok daha fazladır. Teorik olarak, denetimsiz öğrenmede uzmanlaşmak, makineler tamamen kendi kendilerine öğretebileceklerinden, yapay zeka yeteneklerinde üstel sıçramalara yol açacaktır. Doğal olarak, makine tamamen kendi mantığına güvenmek zorunda olduğu için bunu başarmak son derece zordur. Örnek olarak, çeşitli şekiller alın. Bunların köşe ve kenar sayıları, iç ve dış açıları gibi farklılıkları olacaktır. Makine, gelecekteki çıktıları tahmin etmek için bu farklılıkları ve şekillerin modellerini anlamaya çalışacaktır. Denetimsiz öğrenme temel olarak benzer veri noktalarını gruplandırmak (kümeleme olarak bilinir), verilerdeki anormallikleri tespit etmek veya yeni verilerin oluşturulabilmesi için üretken modelleri incelemek istediğimiz yerlerde kullanılır. Sonuç olarak, denetimsiz öğrenme, denetimli öğrenmeye göre daha karmaşık görevlerde kullanılabilir, ancak daha yanlış ve zor olma eğilimindedir. Anormallik algılama, bilgi çıkarma ve ağ analizi gibi uygulamalarda kullanılır. Takviyeli Öğrenme AI'da bu tür bir öğrenme söz konusu olduğunda, hiçbir eğitim verisi kullanılmaz, ancak makine biraz yardım alır. Kılavuz bir "ortam" biçimindedir, yani hedefler, önceden belirlenmiş eylemler ve performansı hakkında geri bildirim sağlanır. Bir anlamda bu, denetimli öğrenmeye benzer, ancak veri etiketleri yoktur ve alınan geri bildirim oldukça gürültülü olabilir. Makine yalnızca deneme yanılma yoluyla öğrenir ve eylemleri için ödüller ve cezalar yoluyla performansını iyileştirmeye teşvik edilir. Bu nedenle, makine aldığı "puanları" en üst düzeye çıkarmayı öğrenerek verimliliğini artıracaktır. Takviyeli öğrenme, görevleri yerine getirmek veya oyun oynamak için robotları eğitmek, finansal ticaret ve otonom araçlar gibi belirli eylemlerin istendiği senaryolarda kullanılır. Bu öğrenme türünün pek çok avantajı vardır çünkü ayrıntılı problemler için uygundur ve insanların hareket etmeyi öğrenme biçimini yakından simüle eder. Bununla birlikte, çok sayıda hesaplamanın yanı sıra önemli miktarda veri gereklidir. Yapay Zeka Öğreniminde Hangi Algoritmalar Kullanılır? AI öğrenimindeki algoritmaların sayısı çok fazladır, ancak en yaygın olanlardan bazıları burada listelenmiştir. Algoritmalardan bazılarına daha yakından bakmak için denetimli öğrenme hakkındaki makalemize göz atın. Yapay Zekada En Yaygın Öğrenme Türleri Nelerdir? Hiyerarşinin en tepesindeki öğrenme türlerini ele aldığımıza göre, şimdi biraz daha derine inmenin zamanı geldi. Birçok AI öğrenme türü vardır, ancak bazıları diğerlerinden daha yaygındır. Bunlar, düştükleri öğrenme kategorisiyle birlikte aşağıdaki tabloda listelenmiştir. Burada pek çok öğrenme türü var, bu yüzden her birini kısaca inceleyeceğiz. Topluluk Öğrenimi Bu, doğruluğu artırmak için birden fazla modelin birleştirildiği topluluk algoritmalarından yararlanır. Genel olarak, iki tür toplu öğrenme kullanılır. Birincisi, farklı algoritmalar üzerinde eğitilmiş birden çok modelden elde edilen sonuçların birleştirildiği yerdir ve ikincisi, modellerin aynı veriler üzerinde birbiri ardına eğitilerek önceki modelin hatalarını düzelttikleri yerdir. Toplu öğrenme, hem regresyon hem de sınıflandırma görevlerinde kullanılma eğilimindedir. Anormal verilerden daha az etkilenmeleri için modelleri daha sağlam hale getirmeye yardımcı olur. Bununla birlikte, topluluk algoritmaları karmaşık ve zahmetli olabilir ve kullanılan birçok model nedeniyle sonuçların anlaşılması zor olabilir. Öğrenimi Aktar "Aktarım" terimi, makinenin bir görevdeki bilgisini başka bir görevdeki performansını iyileştirmek için kullandığı bu öğrenme ilkesinden gelir. Özünde öğrendiklerini bu yeni duruma “aktarır”. Bu tür, doğal dil işlemede ve görüntü sınıflandırmasında çok kullanılır ve ihtiyaç duyulan hesaplama gücünü azaltmaya yardımcı olur. Model, test verileriyle belirli bir görev üzerinde eğitildiğinden, bu daha sonra işlenecek çok daha fazla veri içeren ilgili görevlere uygulanabilir. Bu, halihazırda eğitilmemiş bir model kullanmaktan daha düşük maliyetler ve daha iyi performans sağlar. Bununla birlikte, herhangi bir modelde olduğu gibi, bazı dezavantajlar vardır. Transfer öğrenimi yalnızca görevler bir şekilde ilişkili olduğunda kullanılabilir ve her zaman daha ucuz bir seçenek değildir. Görev için en iyi modeli bulmak için çok fazla ayarlama yapılması gerekiyorsa, maliyetler kolaylıkla artabilir. Çevrimiçi öğrenme Çevrimiçi öğrenme, artımlı öğrenme olarak da adlandırılabilir. Bunun nedeni, modelin yeni veriler aldıkça kademeli olarak güncellenmesidir. Makine, bu girişleri aldıkça eğitilir ve ilerledikçe parametrelerini günceller. Çevrimiçi öğrenme, bellek kısıtlı olduğunda ve ilgili tüm veriler tek bir örnekte saklanamadığında çok yararlı olabilir. Bu tür, model kendini sistematik olarak güncellediğinden, veriler zaman içinde önemli ölçüde değiştiğinde de yararlıdır. Çevrimiçi öğrenme, metin sınıflandırması ve dolandırıcılık tespiti, siber güvenlik ve verilerin gerçek zamanlı olarak değiştiği çoğu durumda kullanılabilir. Bununla birlikte, bu tür yapay zeka öğrenimi daha fazla ince ayar gerektirebilir ve birbiri ardına girdiler aldığı için kendisini gürültülü veya yanlış verilere uydurmaya eğilimli olabilir. Aktif öğrenme Denetimli öğrenmenin bir alt türü olan aktif öğrenme, modelin eğitilirken insan operatöre sorular sormasına izin verir. Verileri etiketlemenin ve toplamanın pahalı olacağı yerlerde sıklıkla kullanılır ve genellikle yarı denetimli olacak sorunlara yaklaşmak için bir strateji olarak kabul edilebilir. İhtiyaç duyulan veri miktarı, bir insandan destek istenerek en aza indirilebilir. Aktif öğrenme, biyoinformatik (biyolojik verileri yorumlamak için teknolojiyi kullanma alanı), doğal dil işleme ve görüntü tanıma için geçerlidir. Son derece yararlı olmasına rağmen, aktif öğrenme tüm öğrenme problemleri için uygun değildir ve en iyi veri örneklerini seçmek için kullanılan stratejiye çok bağlıdır. Bu nedenle, operatörün yüksek derecede ayırt etmesi gerekir. Transdüktif Öğrenme Transdüktif öğrenme, etiketli verileri kullandığından, denetimli öğrenmenin bir biçimi olarak kabul edilebilir. Ancak, bunu genel bir işlev oluşturmak için değil, belirli girdilere dayalı tahminler yapmak için kullanır. Bu şekilde, transdüktif öğrenme, eğitim veri seti ile test veri seti arasında tutarlılık varsaymaz. Doğal olarak, transdüktif öğrenme, yeni girdilere genelleme yapmak için uygun olmadığı, ancak girdi verilerinin dağılımı değişmeye eğilimli olduğunda kullanışlı olduğu için sınırlıdır. Bu tür, doğal dil işleme, biyoinformatik ve görüntü tanıma alanlarında olduğu gibi aktif öğrenmeye benzer uygulamalara sahiptir. Çoklu Örnek Öğrenme Bu tür bir model, etiketli veri gruplarımızın olduğu, ancak bireysel girdilerin etiketlenmemiş olduğu bir durumda kullanılır. Bu genellikle, girdiler çoğaltılabileceği için yapılır, yani birkaç veri değeri aynı olabilir. Bu verileri tek tek değil de “çantalarda” etiketlenmiş olarak düşünebilirsiniz. Bu nedenle, çok örnekli öğrenme, bu "çantaları" kategorize etmeyi amaçlar ve her girdiyi etiketlemenin pahalı veya zaman alıcı olacağı durumlarda avantajlıdır. Bu, doğruluğu azaltabilir, ancak öğrenme türü, tıbbi teşhisin yanı sıra görüntü ve konuşma tanıma için hala yararlıdır. Model, örneğin, bir hastanın bir bütün olarak tıbbi geçmişine dayalı olarak belirli bir hastalığı olup olmadığını tahmin etmeyi amaçlayabilir. Çok Görevli Öğrenme Çok örnekli öğrenmenin aksine, çok görevli öğrenme bir veri kümesiyle çalışır ancak aynı anda birden çok sorunu çözmeyi amaçlar. Buradaki amaç, modeli her görevin sonuçlarından bilgilendirerek görevler arasında daha doğru genelleme yapmaktır. Çoklu görev öğrenimi, görevlerin genellikle temel benzerliklere sahip olduğu doğal dil işlemede kullanılabilir. Ancak görevler ilgisiz olduğunda, bu öğrenme türü uygun olmayacaktır. Model ayrıca her bir görevi tamamlama arasında denge sağlamalıdır, bu da ortalamanın altında performansa yol açabilir. Genel olarak, yine de, görevler birbiriyle ilişkiliyse bu daha verimli bir model sağlar. Tümdengelimli Öğrenme Genel bir kuraldan belirli bir sonuç belirlemeye çalıştığımızda, tümdengelimli akıl yürütme kullandığımız söylenir. Bu nedenle, tümdengelimli öğrenme, mantık kullanarak bir dizi genel öncül verildiğinde belirli bir sonuca ulaşmakla ilgilidir. Bu, yapılandırılmamış metinden belirli anlamları deşifre etmek istediğimiz doğal dil işlemede kullanılabilir. Tümdengelimli öğrenme, bilginin özel tavsiyeler vermek için yeni durumlara uygulandığı bilgiye dayalı sistemlerde de kullanılır. Örnekler, bir uzmanın her zaman mevcut olmayabileceği finansal planlama ve tıbbi teşhis olabilir. Bununla birlikte, tümdengelimli öğrenme, izlemesi gereken bilgi ve kurallarla sınırlıdır ve bu nedenle, bu verilere büyük ölçüde bağlıdır ve belirsizliği ele alma konusunda nispeten yetersizdir. Endüktif Öğrenme Tümevarımsal muhakeme, daha genelleştirilmiş sonuçları tahmin etmek için belirli durumları kullandığımız zaman anlamına gelir. Bu, tümdengelimli öğrenmenin zıttı bir süreç olarak düşünülebilir. Bu şekilde, tümevarımsal öğrenme, önceden var olan verilerden yeni verileri genelleştirmeye çalışır. Açık olmak gerekirse, tümevarımsal öğrenme, ele aldığımız diğer birçok AI öğrenme türünde kullanılır. İstisna, tümdengelimli öğrenme olacaktır. Bu nedenle, tümevarımsal öğrenme, daha önce tartışılan hemen hemen tüm uygulamalarda kullanılır. Denetimsiz öğrenme için nadiren kullanılır, ancak algoritmanın girdi verilerinde tanımladığı kalıpları kullanarak verileri kümeleyebilmesi mümkündür. Kendi Kendine Denetimli Öğrenme Son olarak, öz denetimli öğrenmeyi tartışalım. Bu neredeyse denetimsiz ve denetimli öğrenmenin bir karışımıdır. Genellikle denetimsiz öğrenme sorunu olarak kabul edilen bir sorun, denetimli öğrenme sorunu olarak temsil edilir. Model, tahminlerde bulunmak için verileri kullandığından, yaklaşım benzerdir. Ancak veriler, değiştirilmiş girdi verileri biçiminde gelir. İlk görev, orijinal girdi verilerini yeniden oluşturmaktır. Bu nedenle, girdi verilerinden tahminler oluşturmak için etiketleme verileri gerekli değildir. Bu, daha fazla veri ve kaynağa ihtiyaç duyulmasına neden olabilir. Ancak bu, etiketli verilerin az olduğu ve etiketlenmemiş verilerin bol olduğu durumlarda kullanışlıdır. Çoğu yapay zeka öğrenme uygulaması, çok sayıda etiketli veri gerektirenler dışında, kendi kendini denetleyen öğrenmeden yararlanabilir. Dar Yapay Zeka ile Genel Yapay Zeka Arasındaki Fark Nedir? Kullanılan ana AI öğrenme türleri hakkında konuştuk. Dolayısıyla, bu aşamada “dar” ve “genel” AI arasında ayrım yapmak faydalı olacaktır. Burada bahsedilen tüm öğrenme türleri, dar yapay zeka kapsamına girer. Bunun nedeni, modellerin belirli görevleri yerine getirmek için tasarlanmış olması, ancak bu bilgiyi tamamen yeni alanlara uygulayamamasıdır. Öte yandan, genel yapay zeka, genel zeka olarak bilinen şeye sahip olmayı amaçlar. Bu genellikle insan zekasına yakın olarak görülür. Bu anlamda, genel zeka, bir insanın yapabileceği herhangi bir görevi başarıyla yerine getirebilmek için öğrenme ve daha sonra kazanılan beceri ve bilgileri tamamen yeni senaryolara uygulama becerisini ifade eder. En yeni yaklaşımlardan biri derin öğrenmedir. İnsan beyninin yapısına dayanan bir sinir ağının oluşturulduğu yer burasıdır. Bir sinir ağında, birbirine bağlı düğümler beynin nöronlarını taklit eder. Genel olarak, genel AI, AI gelişiminin nihai hedeflerinden biri olarak görülüyor. Bu konuda ümit verici ilerlemeler kaydedilmiştir. Ancak, genel yapay zekayı gerçekleştirmeye yaklaşmadan önce daha birçok ilerlemeye ihtiyaç duyulacak. Yapay Zeka Öğrenimi: Sonuç Sonuç olarak, yapay zeka öğrenimi alanında denetimli, denetimsiz, yarı denetimli veya pekiştirmeli öğrenim olarak kabul edilebilecek çok çeşitli öğrenme türleri vardır. Tüm dar yapay zeka türlerinin kendi artıları ve eksileri vardır, bu nedenle hangisinin sizin için uygun olduğu eldeki göreve bağlıdır. Bunların hepsi etkileyici ilerlemeler olsa da ve kendi yerlerine sahip olsalar da, yapay zeka alanındaki birçok insanın kapsayıcı hedefi, insan benzeri zekaya sahip olabilecek genel yapay zeka geliştirmektir. Oraya varıp varamayacağımızı bekleyip görmemiz gerekecek, ancak şu ana kadar dar yapay zekada kaydedilen ilerleme kesinlikle etkileyici ve şimdiden teknolojik dünyamızı şekillendirdi. Kaynak: History Computer

Geyik Çitin üstünden atlamak istiyor ama sıçraması biraz kısa kalıyor

Jeff Bezos, 20 yılı aşkın bir süredir ilk kez Amazon hissesi satın aldı. Elon Musk tarzı trollük yapıyor olabilir. Jeff Bezos, şaşırtıcı bir hamleyle Mayıs ayı sonlarında Amazon'un tek hissesini yaklaşık 115 dolara satın aldı. Bezos, ticaretin zamanlaması göz önüne alındığında, Elon Musk tarzı bir trollük yapıyor olabilir. Dosyalar, Amazon kurucusunun yirmi yılı aşkın süredir şirketinin hisselerini satın almadığını gösteriyor. Jeff Bezos, Mayıs ayı sonlarında beklenmedik bir şekilde tek bir Amazon hissesi satın alarak yirmi yılı aşkın bir süredir şirketin bilinen ilk hissesini satın almış oldu. Elon Musk'a kanallık yapıyor ve Wall Street'i trolliyor olabilir. Amazon'un milyarder kurucusu ve yönetim kurulu başkanı, 25 Mayıs'taki ticareti saat 16.20'de Menkul Kıymetler ve Borsa Komisyonu'na bildirdi. Ertesi gün E.T. Aynı dosyada kar amacı gütmeyen bir kuruluşa 69.000'den fazla hisse hediye ettiğini de açıkladı. Tuhaf tek hisse alımı ve raporlama zamanı ile hisse senedi bağışının ima ettiği rakamlar - 4:20 ve 69 - Bezos'un rakibi Musk'ı taklit ediyor olabileceği yönündeki spekülasyonları ateşledi. Tesla ve SpaceX şefi, 20 Nisan'daki Yabani Ot Günü'ne atıfta bulunan ve "Bir Otostopçunun Dünyaya Yönelik Rehberi"nde "yaşam, evren ve her şey hakkındaki nihai sorunun" yanıtı olan "42" sayısına bolca şakacı göndermeler yaptı. Galaxy" - ve son yıllarda "69". Örneğin, geçen yıl 44 milyar dolarlık anlaşmayı imzalamadan önce, başlangıçta Twitter'ı 42 milyar dolara satın almayı teklif etti. Bezos, Amazon hissesi için 114,77 dolar ödedi. Bağışladığı hisseleri çıkardığınızda hissesi Cuma günkü kapanış itibariyle 122 milyar dolar değerinde 990.476.371 hisseye ulaştı. Amazon'un hisse senedi fiyatı o zamandan beri 123,43 dolara yükseldi, bu da Bezos'un alışılmadık yatırımdan yaklaşık 9 dolar kazandığı anlamına geliyor. Amazon hissesi bu yıl %47 artarak e-ticaret ve bulut hizmetleri devinin piyasa değerini 1,3 trilyon dolara çıkardı. Bezos'un yaklaşık 990 milyon hissesi, şirkette yaklaşık %10'luk bir hisseyi temsil ediyor ve Bloomberg Milyarderler Endeksi tarafından tahmin edildiği üzere, Bezos'un 147 milyar dolarlık net değerinin çoğunu oluşturuyor. Bezos'un son satın alımı dikkate değer çünkü son 20 yıldır ezici bir çoğunlukla Amazon hissesi satıcısı. Gerçekten de, Bloomberg'e göre Blue Origin roket şirketini finanse etmek ve diğer kişisel ve ticari çıkarlarını finanse etmek için yaklaşık 30 milyar dolarlık hisse senedini nakde çevirdi. Yatırımcılar önde gelen ABD teknoloji şirketlerinin yapay zeka patlamasından kâr elde edeceğine bahse girdikçe, Big Tech hisselerinin daha geniş bir rallisi bu yıl Amazon hisselerini yükseltti. Bezos'un hisse alımı 26 Mayıs'ta bir SEC dosyasında açıklandı, ancak son günlerde bir Bloomberg raporunun ardından yeni ilgi gördü. Kaynak: Markets Insider

Bu ultra hafif lityum-iyon piller yalnızca 4.5 kg ağırlığındadır ve geleceğin uçaklarına güç sağlayabilirler. True Blue Power, daha küçük genel havacılık uçakları için tasarlanmış iki lityum iyon pili piyasaya sürdü. Şirket, havacılık için lityum iyon pilleri tasarlayan ve onaylayan dünyanın ilk şirketi olduğunu iddia ediyor. Nisan ayında Aircraft Electronics Association Convention'da tanıtılan piller, 14 ve 28 voltluk elektrik sistemleri için mevcut. Dick Sunderland, EarthX, Inc. tarafından çevrimiçi olarak yeniden yayınlanan bir SportAviation dergisi makalesinde, "Lityum piller, önemli ölçüde daha hafif olmaları, geliştirilmiş başlangıç performansları ve daha uzun ömürleri nedeniyle, deneysel uçaklarda artan sayıda kullanılmaktadır." True Blue Power, daha küçük, sabit kanatlı uçaklar için özel olarak tasarlanmış TB14 ve TB28–12V modellerini tanıttı. Perakende olarak her biri 2.499 dolara satılan bu pillerin sekiz yıllık bir kullanım ömrüne sahip olduğu tahmin ediliyor. AINonline'a göre teknoloji, bir arıza veya başka bir sorun olduğunda kokpitle iletişim kuruyor ve bakım maliyetleri kabaca %90 oranında azaltılabiliyor. Geleneksel pil teknolojisiyle karşılaştırıldığında, lityum-iyon piller daha hızlı, daha güçlü ve daha kompakttır - tüm bunların yanı sıra daha uzun ve daha sürdürülebilir bir ömre sahiptir. True Blue Power'ın ana şirketi Mid-Continent Instruments and Avionics'in basın açıklamasına göre, özellikle yeni True Blue Power pilleri sadece 10 pound ağırlığında ve bu da onları şirketin en küçük ve en hafif uçak pilleri yapıyor. Ortaya çıkan ağırlık azaltımı, pil başına 20 libreye kadar olabilir, bu daha küçük uçaklar için önemli bir farktır. Bu boşluk, diğer faydalı yükleri barındırmak için daha fazla alan sağlar. Pilotlar ayrıca bu lityum iyon pillerden daha hızlı ve daha güvenilir motor çalıştırmanın yanı sıra yolculukları onları çöle veya tundraya götürürse aşırı sıcaklıklarda güvenilir performans bekleyebilirler. Ticari, askeri, ticari ve hatta deneysel uçaklar dahil olmak üzere uygulamalarla, True Blue Power'ın daha sürdürülebilir pillerindeki en son ürünü, misyonlarını gökleri ele geçirmeye bir adım daha yaklaştırıyor. True Blue Power'ın başkanı ve CEO'su Todd Winter, "True Blue Power, en yüksek kalite ve güvenilirliğiyle tanınan, lityum piller için dünyanın pazar lideri olarak biliniyor" dedi. Kaynak: The Cool Down