Admin

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

Zebra arkadaşını kurtarmak için kendi hayatını tehlikeye atıyor

Kulaklarına güvenebilir misin? Yapay Zeka (AI) ses dolandırıcılığı ABD'yi sarstı Telefondaki ses korkutucu derecede gerçekti - Amerikalı bir anne, bir adam gelip fidye talep etmeden önce kızının hıçkıra hıçkıra ağladığını duydu. Ama kız bir AI klonuydu ve kaçırılma sahteydi. Uzmanlara göre Yapay Zekanın en büyük tehlikesi, gerçekle kurgu arasındaki sınırları yıkarak siber suçlulara yayılmaları için ucuz ve etkili bir teknoloji sunmasıdır. ABD makamlarını sarsan yeni bir tür dolandırıcılıkta, dolandırıcılar, aile üyelerinin kimliğine bürünerek insanlardan çalmak için - çevrimiçi olarak yaygın olarak bulunan - çarpıcı derecede ikna edici AI ses klonlama araçlarını kullanıyor. Arizona'da yaşayan bir anne olan Jennifer DeStefano, hattın diğer ucundan "Yardım et anne, lütfen bana yardım et," diyen bir ses duydu. DeStefano, bir kayak gezisindeyken derin bir sıkıntı içinde olan 15 yaşındaki kızının "yüzde 100" olduğuna ikna olmuştu. DeStefano, Nisan ayında yerel bir televizyon kanalına "Asla bunun kim olduğu sorusu olmadı? Tamamen onun sesiydi ... böyle ağlardı" dedi. "O olduğundan bir an bile şüphe duymadım." DeStefano'ya yabancı bir numaradan gelen aramayı devralan dolandırıcı, 1 milyon dolara kadar talepte bulundu. Yapay zeka destekli oyun, DeStefano'nun kızıyla bağlantı kurmasıyla dakikalar içinde sona erdi. Ancak şu anda polis soruşturması altında olan korkunç vaka, siber suçluların AI klonlarını kötüye kullanma potansiyelinin altını çizdi. - Büyükbaba dolandırıcılığı - Blackbird.AI CEO'su Wasim Khaled, AFP'ye verdiği demeçte, "Artık insan konuşmasından neredeyse ayırt edilemeyen yapay zeka ses klonlaması, dolandırıcılar gibi tehdit aktörlerinin kurbanlardan daha etkili bir şekilde bilgi ve fon almasına olanak tanıyor." Basit bir internet araması, çevrimiçi yayınlanan içerikten kolayca çalınabilen bir kişinin gerçek sesinin küçük bir örneğiyle (bazen sadece birkaç saniye) yapay zeka sesleri oluşturmak için çoğu ücretsiz olarak kullanılabilen çok çeşitli uygulamalar sunar. Khaled, "Küçük bir ses örneğiyle, sesli mesajlar ve sesli metinler bırakmak için bir AI ses klonu kullanılabilir. Hatta telefon görüşmelerinde canlı bir ses değiştirici olarak kullanılabilir" dedi. "Dolandırıcılar farklı aksanlar, cinsiyetler kullanabilir ve hatta sevdiklerinin konuşma kalıplarını taklit edebilir. [Teknoloji] ikna edici derin sahtekarlıkların yaratılmasına olanak tanır." Amerika Birleşik Devletleri de dahil olmak üzere dokuz ülkeden 7.000 kişiyle yapılan küresel bir ankette, dört kişiden biri bir AI ses klonlama dolandırıcılığı yaşadığını veya yaşamış birini tanıdığını söyledi. ABD merkezli McAfee Labs tarafından geçen ay yayınlanan ankette, yanıt verenlerin yüzde yetmişi "klonlanmış bir ses ile gerçek ses arasındaki farkı anlayabileceklerinden" emin olmadıklarını söyledi. Amerikalı yetkililer, halk arasında "büyükbaba dolandırıcılığı" olarak bilinen - bir sahtekarın zor bir durumda acil paraya ihtiyacı olan bir torun kılığına girdiği - bir artış konusunda uyarıda bulundular. ABD Federal Ticaret Komisyonu, "Bir telefon alırsınız. Hatta paniklemiş bir ses var. Gelen torununuz. Başının büyük belada olduğunu söylüyor - arabayı mahvetti ve hapse girdi. Ancak para göndererek yardımcı olabilirsiniz" dedi. Mart ayında bir uyarıda. "Tıpkı ona benziyor. Nasıl dolandırıcılık olabilir? Ses klonlama, işte böyle." FTC'nin uyarısının altındaki yorumlarda, bu şekilde kandırılan yaşlı insanların çok sayıda ifadesi vardı. -'Kötü niyetli'- Bu aynı zamanda Chicago'da 19 yaşındaki Eddie'nin deneyimini de yansıtıyor ve büyükbabası tıpkı onun gibi konuşan birinden bir araba kazasından sonra paraya ihtiyacı olduğunu iddia eden bir telefon aldı. McAfee Labs tarafından bildirilen hile o kadar inandırıcıydı ki, büyükbabası acilen para toplamaya başladı ve hatta yalan ortaya çıkmadan önce evini yeniden ipotek etmeyi düşündü. UC Berkeley School of Information'da profesör olan Hany Farid, AFP'ye "Çünkü son derece gerçekçi ses klonları oluşturmak artık çok kolay... herhangi bir çevrimiçi varlığa sahip neredeyse herkes bir saldırıya karşı savunmasız durumda." "Bu dolandırıcılıklar ilgi görüyor ve yayılıyor." Bu yılın başlarında, yapay zeka girişimi ElevenLabs, kullanıcıların Adolf Hitler'in "Mein Kampf" biyografisini okuyan aktör Emma Watson'a ait olduğu iddia edilen derin sahte bir ses yayınlamasının ardından, ses klonlama aracının "kötü amaçlarla" kötüye kullanılabileceğini kabul etti. Risk sermayesi firması Team8'in grup baş teknoloji sorumlusu Gal Tal-Hochberg, AFP'ye verdiği demeçte, "İnternette gördüğünüz şeylere güvenemeyeceğiniz bir noktaya hızla yaklaşıyoruz" dedi. "Konuştuğunuzu sandığınız kişinin aslında konuştuğunuz kişi olup olmadığını anlamak için yeni teknolojiye ihtiyacımız olacak" dedi. Kaynak: AFP

Zeekr X SUV Ortaya Çıktı

Bu Adam Bir Dakikada Plank pozisyonundan şınava en fazla Şınav Çekme Dünya Rekorunu Kırdı Alex Goulding, şınav kategorisinde birkaç Guinness Dünya Rekoru sahibidir, ancak ona göre, her zaman iyileştirme için yer vardır. "Fitness birçok insan için bir terapi gibidir" diyor Goulding, hayatının özellikle zor bir döneminde sürekli egzersiz yapabilmenin ona çok ihtiyaç duyduğu yapıyı nasıl kazandırdığını hatırlıyor. Ardından, tecrit sırasında, eğitebileceği bir şey olarak çeşitli dünya rekoru şınav mücadelelerini aramaya başladı. "Buna sahip olmasaydım, şu anda nerede olurdum tanrı bilir" diyor. Goulding, kısa bir süre önce Guinness Dünya Rekorları tarafından tahtaya itme rekorunda kendi performansını geçmesi için meydan okudu: daha önce 63 tekrarı tamamladı. Resmi videoda "Kelimenin tam anlamıyla bir veya iki tane daha, 64 veya 65'i hedefliyorum" diyor. "Bu zor, çünkü formunuzu korurken bir kalası şınavla koordine etmeye çalışıyorsunuz, belli ki zamana karşı savaşıyorsunuz, bu yüzden saniyede birden fazlasını yapmaya çalışıyorum ki bu zor olacak." , ama onu kırmaya kararlıyım." Goulding, şınavın üst ucunda, kolları tamamen açık ve kilitli olarak başlamalı ve dakika boyunca vücudunu katı bir düz çizgide tutmalıdır. "Hızlı başladım ve ardından yaklaşık 40 saniyede hızla yoruldum" diyor. "Bundan sonra yorgunum ama uğultu." Resmi Guinness Dünya Rekorları hakemi, Goulding'in tekrarlarından birinin resmi olarak başlayan dakikadan önce başladığı için dikkate alınmaması gerektiğini, ancak yine de 60 saniyede 66 şınavdan tahtaya şaşırtıcı bir tekrarla kendi rekorunu kırmayı başardığını açıklıyor. Ama daha bitmedi: Goulding daha sonra fiziksel olarak çok daha zorlu bir şınav varyasyonunda yeni bir rekor kırmaya çalışıyor: 180 şınav, fiziksel güç ve patlayıcılığın yanı sıra kişinin kendini havaya doğru ittiği güç ve dayanıklılığın bir testi. ve vücutlarını 180 derece döndürür. Yine Goulding 16 tekrarla şu anki rekoru elinde tutuyor. "Denge, güç, güç, buna giren bir dizi unsur var" diyor. "180'leri seviyorum çünkü çok dokunaklılar." Yorucu bir 60 saniyenin ardından, Goulding 23 tekrarı tamamlıyor ve bu başarının diğerlerine hayatlarında olumlu değişiklikler yapmaları ve zindeliği kendi ruh sağlıklarını ve esenliklerini desteklemenin bir yolu olarak kullanmaları için ilham vermesini umuyor: "O adımı at, dışarı çık , o fitness yolculuğuna başla, pişman olmayacaksın." Kaynak: Men's Health

2026 Apple Elektrikli Araba: Ne Beklemeli? Apple, kişisel elektronik dünyasında devrim yaratan yenilikçi teknolojisiyle dünya çapında tanınan bir isim haline geldi. 80'lerde kişisel bilgisayarı yeniden şekillendirmekten iPhone ile akıllı telefon pazarına hakim olmaya kadar, Apple sürekli olarak teknolojik gelişmelerin ön saflarında yer aldı. Yine de tüketiciler için bir teknoloji şirketinden daha fazlası haline geldi. Apple, müşterilerinin hayatlarını iyileştirmeye ve yalnızca bir ürünün ötesinde bir deneyim sağlamaya çalışıyor. iPhone herhangi bir gösterge ise, Apple otomotiv endüstrisinde benzer bir etki yaratmayı planlıyor. İlk başta sadece söylentiler ve spekülasyonlardan ibaret olan bir proje, son yıllarda ilgi görmeye başladı ve şimdi önümüzdeki yıllarda piyasaya çıkması bekleniyor. Son birkaç on yılda. Apple, herhangi bir şirketin en büyük sadık müşteri tabanlarından birine sahip dünyanın en büyük şirketlerinden biri haline geldi. Her yıl teknoloji endüstrisine hakim olmasına rağmen, şirketin otomotiv dünyasına açılmayı düşündüğüne dair söylentiler 2008 gibi erken bir tarihte dönmeye başladı. O zamanlar işleri son teknoloji akıllı telefonlar geliştirmekle dolu olduğu için Jobs ve şirket için zor olsa da, fikir hiçbir zaman tamamen sona erdirilmedi ve ileride bir olasılıkla sona erdirildi. 2014 yılında Apple, şirketin kendi kendine sürüş özelliklerine sahip bir elektrikli araba geliştirme girişimi olan "Project Titan" üzerinde çalışmaya başladı. 1.000'den fazla araba uzmanı ve mühendisi, hatta bazıları eski Tesla çalışanı ile çalışan Apple, bu projeyi şirketin Cupertino'daki genel merkezinin yakınındaki gizli bir yerde başlattı. İlk planları, direksiyon simidi veya pedalları olmayan tam otonom bir araç geliştirmek ve sürücülerin yüz yüze konuşmalarına izin veren içe dönük bir oturma düzeni eklemekti. Ancak fikirlerinin çok iddialı olduğu ortaya çıktı ve daha geleneksel bir araç tasarımına geri döndü. Sürücünün, otobanlar için mevcut olan kendi kendine sürüş modu ile şehir sokaklarında manuel olarak sürmesi gerekecek. Araba, otobanlarda otonom bir şekilde sürmesini sağlamak için LiDAR sensörlerini, kameraları ve radar sensörlerini kullanacak. 2017'de California DMV, Apple'a kendi kendine sürüş teknolojisini test etme izni verdi. 2015 Lexus RX450h SUV'ler, arabanın gövdesinin her yerinde kameralar ve sensörlerle donatılmış olarak San Francisco sokaklarında görüldü. Apple CEO'su Tim Cook, Apple'ın otonom sürüş yazılımı geliştirme planı hakkındaki söylentileri doğruladı. Şirket, otomobille ilgili çok fazla bilgi yayınlamasa da, 2026 yılında 100.000 doların altında bir fiyatla piyasaya sürmeyi hedefliyor. Projeyi çevreleyen gizlilik, birçok kişinin aracın piyasaya çıkışının daha sonraki bir tarihe ertelenebileceğinden şüphe duymasına neden oldu. "iCar" ile ilgili çoğu detay hala açıklanmayı beklese de, otomobilin Apple'ın diğer ürünleriyle tamamen entegre olacağı kesin. Kullanıcılar, iOS sistemlerini kullanarak, Apple cihazlarını kullanarak aracın kilidini açıp aracı çalıştırabilecek ve sesli komutlarla arama, mesajlaşma, GPS vb. görevleri gerçekleştirebilecek. Apple, Apple'ın AI ve makine öğrenimi şefi John Giannandrea'yı dört Mac yongasının toplam gücünün dört katı güçte bir Apple yongası geliştiren projeye liderlik etmesi için atadı. Bu, LiDAR sensörleri ve kameralarla birlikte, otomobilin Tesla gibi diğer üreticilerden daha iyi kendi kendine sürüş işlevlerine sahip olmasını sağlayacak. Çığır açan bir diğer gelişme de iCar'da kullanılacak elektrik bataryası. Apple, pildeki fazla alanı kaldıracak ve tek tek hücreleri birbirine daha yakın tutacak bir "tek hücreli" tasarım yaratıyor. Bu, daha küçük bir pakette daha fazla şarja izin verecek ve pillerin maliyetini katlanarak azaltacaktır. İç mekanın, Apple'ın popüler şık ve şık tasarımlarını elektronik cihazlarından taşıması bekleniyor. Gösterge panelinin ortasında bulunan iPad tarzı büyük bir monitör ve işlemlerin el hareketleriyle kontrol edilmesini sağlayan kamera teknolojisi, trilyon dolarlık şirketin aracına eklemeyi planladığı özelliklerden sadece birkaçı. Dünyanın en parlak beyinlerinden bazılarının Apple için çalıştığı düşünüldüğünde, bu, otomobilin piyasaya sürüldüğünde sunabileceği şeyler için buzdağının sadece görünen kısmı. Bekleyen Bazı Ortaklıklar Var Hiç şüphe yok ki Apple, bir iCar'ı gerçeğe dönüştürmek için mümkün olan fonlara sahiptir. Ancak mevcut sektör devleriyle rekabet edebilmek için ortaklık hayati önem taşıyor. Bir Apple otomobilini toplu olarak üretmek için şirket, ortaklık arayışı içinde birkaç mevcut otomobil üreticisine ulaştı. Başlangıçta, bağlı kuruluşu Kia'nın ABD'de Apple otomobil üretimine izin vereceği için Hyundai ile takım kurmayı düşündüğü söylenen Apple, şimdilik Koreli otomobil üreticileriyle görüşmeleri askıya aldı. Apple, Hyundai'nin Apple otomobiliyle ortaklık görüşmelerini onaylamasına ve sözleşme görüşmelerini durdurmasına üzüldü. Ayrıca Nissan'a da ulaştılar, ancak iç anlaşmazlıklar nedeniyle planlar hiçbir zaman üst düzey yöneticilere ulaşmadı. Son zamanlarda, LG Electronics'in Magna ile ortak girişimi, elektrikli arabasını yapmak için Apple ile sözleşme imzalamaya "çok yakın" görünüyor. LG Magna e-Powertrain'in Apple otomobil üretiminin küçük olması bekleniyor çünkü Apple muhtemelen başarısını belirlemek için ilk neslini bir deneme sürüşü olarak kullanacak. Mevcut otomobil üreticileri ile Apple arasında mevcut bir sözleşme bulunmamakla birlikte, bu on yıl içinde herhangi bir sürüm şansı olup olmayacağı konusunda bir aciliyet duygusu var. "Project Titan", yönetim arasındaki iç çekişmeler nedeniyle son birkaç yılda yüzlerce çalışanı işe aldı ve işten çıkardı. Apple, 2026 yılına kadar seri üretimi hedefliyorlarsa, önümüzdeki altı ay içinde otomobil ekibini yeniden organize etmeyi ve tamamlamayı umuyor. Apple'ın iCar konusundaki gizliliği spekülasyon için çok yer bıraksa da, bir şey doğru. Apple, tüketicilerinin yaşamlarını büyük ölçüde iyileştiren, yaşamı değiştiren ürünler üretebileceğini defalarca kanıtladı. Kendi Apple cihazlarını araca entegre etme yeteneği, Siri veya yüz tanıma gibi yenilikçi özelliklerle hiçbir sınırlamaya izin vermez. Apple, EV sektöründeki çabalarına öncelik verebilirse, otomotiv endüstrisi önümüzdeki yıllarda sonsuza dek değişecek. Kaynak: TopSpeed

X-37B: Bu ABD Ordusunun Gizli "Uzay Bombacısı" mı? Aralık ayında insansız bir uzay uçağı, yörüngede 908 gün başarılı bir şekilde kaldıktan sonra Dünya'ya döndü. X-37B, Boeing Şirketi tarafından NASA için geliştirildi ve şu anda Uzay Kuvvetleri tarafından işletiliyor. Uzay uçağının görevi gizli kalsa da, yeni deneyler ve teknolojiler için bir test platformu olarak hizmet vererek bir milyar milin üzerinde uçtu. Uzay Düzleminin Tasarımı ve Geliştirilmesi X-37B, Uzay Mekiği programından alınan dersler üzerine inşa edildi. 29 fit uzunluğunda, uzay mekiğinin yaklaşık dörtte biri büyüklüğünde gelen bu uzay uçağı, tam yeniden kullanılabilirlik elde etmek için benzer kaldırıcı cisim aerodinamiğini kullanır. Başlangıçta uzay uçaklarının yaklaşma ve iniş profillerini test etmek için NASA için geliştirilen DoD, projeyi 2004 yılında devraldı. NASA'nın Orbital Araç hedefi hiçbir zaman gerçekleşmese de, X-37B robotik bir uzay aracı olarak oldukça başarılı olduğunu kanıtladı. Uzay Mekiği Programı, X-37B'nin geliştirilmesi için ilk itici gücü sağlarken, teknolojilerinin çoğu X-37A'dan geldi. Bu, NASA'nın Mojave Uzay Limanı ve Palmdale Bölge Havaalanından atmosferik düşme testlerinde kullandığı yaklaşma ve iniş aracıydı. Oradayken sekiz uçuş gerçekleştirdi. Birincil işlevi süzülme ve iniş yeteneklerini test etmek olduğu için, bir itme sistemi yoktu ve bunun yerine yüksek irtifadan düşmek için Ölçekli Kompozit Beyaz Şövalye'ye güveniyordu. X-37B'nin mevcut yinelemesi, yanıcı hidroliklere olan ihtiyacı ortadan kaldıran tüm elektro-mekanik uçuş kontrolleri, yörüngeden ayrılmayı ve inişi otomatikleştirmek için gelişmiş aviyonik, hafif bir kompozit yapı ve ısı direncini iyileştirmek için tasarlanmış yeni malzemeler dahil olmak üzere birçok teknolojik gelişmeyi içeriyor. . X-37B'nin Hava Kuvvetlerindeki Hizmeti Hakkında Bildiklerimiz Hava Kuvvetleri tarafından devralındığından beri X-37B, OTV-1'den -6'ya kadar etiketlenmiş altı görevde uçtu. Her görevin amacı sıkı bir şekilde gizli tutulurken, Hava Kuvvetleri yeniden kullanılabilir uzay uçağı teknolojisi hakkında değerli dersler öğrendiklerini söyledi. Ayrıca, her görev, Deniz Araştırma Laboratuvarı ve NASA gibi mikrodalgaların gücünü kullanmaktan farklı radyasyon koruyucu malzemelerin etkinliğini belirlemeye kadar değişen deneylere ev sahipliği yaptı. Ayrıca her görev, öncekinden daha uzun bir süreye sahiptir. En son görev olan OTV-1 için sadece 224 günde başlayan OTV-6, 908 gün, 21 saat ve 8 dakika gibi etkileyici bir sürede çalıştı. OTV-6'da, X-37B, gerçekleştirebildiği deney sayısını artıran, aracın arkasına takılı bir servis modülü halkasına sahipti. Güvenli bir şekilde yörüngeden çıkmak ve atmosfere yeniden girmek için halkayı atması gerekse de, bu, yetenekte ileriye doğru bir başka adımı temsil ediyor. Ek olarak, ABD Hava Kuvvetleri Akademisi'ndeki öğrenciler tarafından tasarlanan deneyleri içeren küçük bir uydu olan FalconSat-8'i konuşlandırdı. Çin ve Rusya, X-37B'nin Bombardıman Uçağı Olduğuna İnanıyor X-37B'nin gizli ayrıntıları, ABD'li düşmanların onu silahlı bir "ölüm yıldızı" olarak adlandırmasına neden oldu. Bir Rus savunma teknolojisi şirketinin genel müdürü, uzay uçağının üç adede kadar nükleer savaş başlığı taşıyabileceğini bile iddia etti.” Bu görkemli iddialar asılsız olsa da, X-37B şüphesiz ABD Uzay Kuvvetlerinin yeteneklerini geliştiriyor. Kaynak: 1945

2024 Ford Mustang'in Muscle Car Pazarına Hakim Olabilmesinin 10 Nedeni 2024 Ford Mustang serisi, Ford'un ikonik midilli arabasının yedinci neslidir. Mavi ovalin ikonik modelinin dünyaya tanıtılmasından tam 60 yıl sonra geliyor ve Amerikan Muscle Car kültürünün altmış yıllık bir mirasını geleceğe taşıyor. Bu nesil Mustang aynı zamanda önemli bir yol ayrımında olan bir otomobil pazarına da giriyor. Tüketici istek ve taleplerindeki değişim, çılgın enflasyona neden olan araba fiyatları ve çevresel kaygılar nedeniyle sıkılaşan düzenlemeler, Ford GT, Chevrolet Camaro'nun üretimden kaldırılmasına ve yakında tamamen elektrikli bir Dodge Charger'a sahip olmamıza neden olan faktörlerdir. En sadık kült takipçilerinden birine sahip otomotiv kraliyet ailesi olarak Ford, efsanesini yeniden keşfetmek ve yeniden tanımlamak için iyi bir iş çıkardı. İşte bu yüzden Muscle Car pazarına hakim olmaya devam edecek. Tehditkar Şekillendirme Ford, 2024 Mustang'e 1960'ların orijinalini anımsatan şık, yatay bir ızgara içeren sağlam, belirgin şekilde kaslı bir araba tasarımı kazandırdı. Tavan çizgisi, yarış kasklarını yerleştirmek için optimize edildi ve otomobilin sportif çekiciliğine katkıda bulundu. Bu tasarım güncellemeleri, 2024 Ford Mustang'in yakında çıkacak olan GT3 ve GT4 yarış çeşitlerine ince bir gönderme yapıyor. Özellikle, EcoBoost ve GT donanım seviyeleri göze çarpan farklılıklar sergiliyor. EcoBoost modeli yuvarlak görünümünü korurken, Mustang GT daha keskin bir ön panjur ve daha az kıvrımlı bir kaporta ile övünüyor. Bir kaput havalandırmasının eklenmesi, 2024 Ford Mustang GT'yi canlı dört silindirli muadilinden ayırıyor. Genel olarak, tehditkar yeni Mustang, Amerika'nın diğer tasarım kahramanı C8 Corvette'ten biraz gök gürültüsü çalıyor. Mustang Hayran Kitlesine Sadık Kalmak Mustang, dünya çapında önemli ve sadık bir hayran kitlesine sahip bir Amerikan simgesidir. Mustang'in her nesli, nesiller boyu meraklılarının duvarlarını süslemiş ve Amerikan rüyasının hızlı, sınırsız potansiyelinin simgesi olmuştur. Bu nedenle, yeni nesil Ford'un midilli arabasının beraberinde büyük beklentiler ve geniş bir hassasiyet yelpazesine hitap etme mutlak ihtiyacını getirmesi şaşırtıcı değil. Mavi oval her zaman hedefi tutturamasa da, bu Mustang ile köklerine sadık kaldılar. V8 motoru ve manuel şanzımanı bir seçenek olarak tutmak, devrim niteliğinde olmaktan çok evrimsel bir tasarım ve Mustang'in özüne sadık kalan bir araba yapmak - Hızlı, Eğlenceli, Gürültülü ve yine de onu mükemmel kılacak kadar Ekonomik ve Pratik. bir araba garajı. Esasen, hangi yönden bakarsanız bakın, bu araba baştan sona bir Mustang. Modern Teknoloji ve Eski Tarih Arasında Denge Sağlıyor 2024 Ford Mustang, bir otomobilde klasik ve çağdaş unsurların kusursuz entegrasyonunun bir örneğidir. Güçlü V-8 motoru ve manuel şanzımanı geçmiş bir döneme saygı duruşunda bulunurken, Mustang aynı zamanda sürücüler için hem keyif hem de güvenlik sağlayan yenilikçi ve modern özellikler içeriyor. İçeride, o tanıdık çift kaportalı gösterge paneli gitmiş, yerini tamamen yeni ve iyi teknolojiye sahip modern ekranlar almıştır. Ayrıntılara daha yakından bakıldığında, arabanın tüm modern olanakların altında, zamana ayak uyduran bir pakette ve The Man ile tamamen uyumlu olmasına rağmen, hala sürücü odaklı bir canavar olduğu ortaya çıkacaktır. Ford, hem devam eden hem de ilk kez Mustang sahiplerine hitap etmek için ince bir dengeleyici rol oynadı. Muscle Cars'ı Tekrar Eğlenceli Hale Getirmek Muscle Car liderliğindeki Amerikan araba kültürü, açık havada hiç umursamadan çokça eğlenmekle ilgiliydi. Mustang bu rozeti 60'lardan beri onurla taşıyor ve Ford bundan henüz vazgeçmiyor. 2024 Mustang, Muscle Cars'daki eğlence unsurunu üstlenmeyi ve etrafına bazı kalın vurgulayıcı çörekler yapmayı kendine görev edindi. 2024 Mustang, Ford'un uzaktan devir işlevine sahiptir. Güçlü arabanın uyumlu tonunu sergilemek için bir anahtarlıktan Coyote V8'i ateşleme yeteneği, yerel Arabalar ve Kahve'deki her vitrin için hemen hemen mükemmel bir parti hilesidir. Ama asıl eğlence sürüşte, değil mi? Ford tüm kalbiyle aynı fikirde, bu yüzden mükemmel tükenmişlik için bir hat kilidi modu, yerleşik bir drift modu ve pastadaki kiraz, Ford'un E-olarak adlandırdığı düzgün, fiziksel bir e-fren kolu gibi inanılmaz özellikler eklemişler. Uygun bir drift deneyimi için drift freni. Ford, sorumlu olmanın ve tüm bu özellikleri yalnızca pistte kullanmanın önemli olduğunu açıkça hatırlatmak istiyor. Tüm Ürün Yelpazesinde Performans Paketi Sunuyoruz 2024 Ford Mustang Performans Paketi artık hem EcoBoost hem de GT modelleri için sunuluyor. GT versiyonundaki geliştirmeler arasında bir Torsen sınırlı kaymalı diferansiyel, bir kule desteği ve bir dizi 390x355 Brembo Fren bulunur. 2024 Ford Mustang için MagneRide aktif süspansiyon ve aktif egzoz gibi isteğe bağlı yükseltmeler de mevcut. Ford'un aktif egzoz sisteminin dahil edilmesiyle Mustang'in güç çıkışı 480'den 486hp'ye çıkıyor. Ford'un 2024 Ford Mustang Performance Pack'i geliştirme konusundaki gayretli çabaları, güç açısından 2023 BMW M3'ü geride bırakan güçlü bir otomobille sonuçlandı. Alman sedanındaki ünlü S58 BMW motoru 479hp üretirken, tüm Amerikan muscle car'ın etkileyici güç rakamlarının gerisinde kalıyor. Motor Sporlarına Daimi Bağlılık Amiral gemisi Ford GT'nin üretiminin sona ermesiyle mavi oval, motor sporları çabalarında büyük bir boşluğu dolduruyor. Mustang, serinin Yeni Nesil düzenlemelerine uygun olarak şimdiden NASCAR'da Ford'u temsil ediyor. . Ford, GT3, GT4, Supercars Championship, NASCAR ve NHRA Factory X yarışları dahil olmak üzere çeşitli serilerde dünya çapında yarışacak altı yeni yarış Mustang'i duyurdu. Ayrıca, 2024'te 24 Hours of Daytona ile başlayan ve 5.4 litrelik Coyote tabanlı V8 motorla çalışan tamamen yeni bir Mustang GT3 IMSA yarış arabasıyla fabrika destekli GT3 yarışlarına geri dönüyorlar. dünya çapındaki müşteriler için bir Ford Mustang'in tam dayanıklılık yarışı potansiyeli. Çevre Dostu Kasın Gelişi Otomobil üreticileri, giderek daha katı hale gelen düzenlemelere uyumlu olmaya devam ederken yüksek performanslı motorları koruma konusunda zorluklarla karşılaşıyor. Bunun doğrudan bir sonucu olarak, pek çok üretici artık odak noktalarını sıfır emisyonlu ve çevre dostu araçların geliştirilmesine kaydırıyor ve sorumluluğu EV'ler alıyor. Chevrolet Camaro ve Dodge Charger, meraklıları arasında uzun süredir ün kazandılar, ancak bu arabalar bir zamanlar açık yolları onlarca yıldır kontrol eden V8'lerden uzaklaştıkça, üretimden kalkmaları gelecek şeylerin bir işaretinin sinyalini veriyor. Dodge'un Charger Daytona SRT EV için yaptığı son duyuru, güçlü arabanın yeniden tanımlanmasını harekete geçirdi. Bununla birlikte, Mustang, daha önce söylentileri olan bir hibrit modeli bile ortadan kaldırarak dayandı ve benzinle çalışan son gerçek kas arabası olacak. Güçlü V8'i Yaşatmak Mustang yeni bir çağı kucaklarken kalbi olan Coyote V8 motoru da kucaklıyor. 2024 Ford Mustang'e güç sağlayan Coyote V8 motoru, dikkate değer yükseltmelerle geliştirilmiş, dünyanın en iyi motorlarından biri olarak duruyor. Ford, yeni tasarlanmış çift hava giriş kutusuna hava akışını optimize eden 80 mm çift gaz kelebeği gövdesi kurulumuyla donattı. Artan hava girişini karşılamak için Ford ayrıca eksantrik mili kaldırmasını egzoz valfleri boyunca genişletti ve yeniden tasarlanan Coyote V8 motorunun özgürce nefes almasına ve en iyi şekilde performans göstermesine izin verdi. Geliştirilmiş hava akışıyla, 2024 Ford Mustang'deki Coyote V8 motoru şimdi 480hp'lik etkileyici bir güç çıkışına sahip ve önceki 450hp'lik derecesini geride bırakıyor. Chevrolet ve Dodge'un bu segmentte açık rakipleri olmadığı için, yeni Mustang GT, 2024'ün en güçlü V8 motorlu güçlü otomobili konumunda. kas arabası. Kara At Karanlık bir aura salan Mustang Dark Horse, standart yedinci nesil Ford Mustang'in tehditkar bir versiyonudur. Bu istisnai makine, şüphesiz, müthiş doğal emişli 5.0 litrelik Coyote V8 motorla çalışan, sokaklar için uyarlanmış bir yarış arabasını temsil ediyor. 500 beygir gücü gibi etkileyici bir çıkışla, şimdiye kadar üretilmiş en güçlü Shelby Mustang ünvanını elinde tutuyor. Dark Horse varyantı, daha büyük diskler, fren soğutma kanalları, bir arka aks soğutucusu, yüksek performanslı bir radyatör ve MagneRide süspansiyon ile yükseltilmiş bir fren sistemi içerir ve bu da tüm sürüş senaryolarında gelişmiş dinamikler sağlar. Ayrıca Dark Horse, yolda olağanüstü yol tutuşu sağlayan Pirelli P Zero veya Trofeo lastiklerle eşleştirilmiş standart 19 inç jantlara sahiptir. İç mekanda otomobil, toplam spor otomobil deneyimini tamamlamak için özel Recaro koltuklar, işlenmiş titanyum vites topuzu ve düz tabanlı direksiyon simidi ile birlikte gelir. Shelby Bağlantısı Shelby, Ford ile ve daha da önemlisi Mustang ile eş anlamlı bir isimdir. Carroll Shelby'nin Ford ile işbirliği, Shelby GT350 ve GT500 dahil olmak üzere efsanevi performans Mustang'lerini doğurdu. Shelby Mustang'ler, hızın ve otomotivde mükemmelliğin simgesi olmaya devam ediyor. Henüz resmi bir haber gelmemiş olsa da Shelby'nin 2024 Mustang'i alması kaçınılmaz. 2025'in sonunda 2026 modeli olarak piyasaya çıkacağı söylenen potansiyel bir Shelby Mustang'in nasıl görüneceğine dair internette çok sayıda render uçuşuyor. 2024 Mustang'in sunduğu potansiyel ile bir sonraki Shelby GT500, potansiyel olarak şimdiye kadarki en güçlü versiyon olabilir. Bu hala birkaç yıl uzakta, ama beklemeye değecek. Kaynak: HotCars