eitaa logo
نهضت زنجان
4.2هزار دنبال‌کننده
23.8هزار عکس
4.5هزار ویدیو
132 فایل
اداره‌کل تبلیغات اسلامی استان زنجان؛ صفحه رسمی @Ido_zn منبر| هیات| کتاب| مسجد| سینما| تلویزیون| مستند| پژوهش و افکارسنجی| آموزش و شتابدهی| رویدادهای اجتماعی| رسانه| صفحه اصلی سازمان تبلیغات اسلامی @sazmantablighaat ارتباط با ادمین : @Eisabigdeli
مشاهده در ایتا
دانلود
🔴 فرصت شرکت در مسابقه کتابخوانی « سیره عملی شهدای روحانی» ویژه حوزویان برادر سراسر کشور تا تاریخ ۱۰ بهمن ماه تمدید شد. ✅جوایز: ۵ نفر اول هر کدام ۲ میلیون تومان و ۵۰ نفر بعدی هر کدام ۵۰۰ هزار تومان ✔️ شرکت در مسابقه: از طریق سامانه پیشخوان حوزه های علمیه 💬 اطلاعات بیشتر: https://spoh.ir/?p=7175 🌐https://eitaa.com/Ido_zn 🌐http://ido-zn.ir/
43.01M حجم رسانه بالاست
مشاهده در ایتا
🔴 شاهکار حاج صمد قاسمپور و قرائت شعر معروف « غواصلار» در محضر حضرت امام خامنه ای مرکز رسانه و روابط عمومی اداره کل تبلیغات اسلامی استان زنجان 🌐https://www.aparat.com/NEHZAT_ZNJ 🌐https://eitaa.com/Ido_zn 🌐http://ido-zn.ir/ 🌐ble.ir/join/G2QFVCHp9U
🔴 نگاهی به ترور سردار علی شادمانی با هوش مصنوعی و DNA : حقیقت یا داستان‌سرایی؟ 🧬💻 🌀 از زبان مهندس امین مهاجرانی | کارشناس فضای مجازی و هوش مصنوعی استان اصفهان ادعای ترور با استفاده از «ترکیب دوربین‌های شهری، DNA و هوش مصنوعی» فاقد شواهد علمی و فنی معتبر است و نیاز به تحلیل‌های دقیق دارد : ۱. بازسازی چهره و فرم بدن از داده‌های DNA غیرممکن است 🧬 وضعیت کنونی فناوری: تحلیل داده‌های ژنتیکی (DNA) در حال حاضر تنها می‌تواند ویژگی‌های محدود فنوتیپی مانند رنگ چشم، رنگ مو، یا احتمال برخی بیماری‌ها را با دقت نسبی (معمولاً کمتر از ۸۰٪) پیش‌بینی کند. این پیش‌بینی‌ها بر اساس پلی‌مورفیسم‌های تک‌نوکلئوتیدی (SNPs) انجام می‌شود که با ویژگی‌های ظاهری ارتباط دارند. چالش‌های فنی: بازسازی کامل چهره یا فرم بدن نیازمند مدل‌سازی دقیق هزاران ژن و تعاملات پیچیده آن‌ها است که هنوز در علم ژنتیک ممکن نیست. الگوریتم‌های یادگیری عمیق (مانند شبکه‌های مولد مانند GANs) برای بازسازی چهره به داده‌های تصویری گسترده نیاز دارند، نه داده‌های ژنتیکی خام. محدودیت‌های محاسباتی: حتی اگر داده‌های ژنتیکی برای بازسازی چهره استفاده شوند، حجم محاسبات مورد نیاز برای تطبیق با تصاویر مبهم دوربین‌ها فراتر از توان سرورهای کنونی است. برای مثال، مدل‌های پیشرفته مانند DALL-E یا VQ-VAE-2 برای تولید تصاویر به صدها گیگابایت داده آموزشی و توان محاسباتی عظیم نیاز دارند که با ادعای متن (تطبیق لحظه‌ای) سازگار نیست. ۲. شناسایی فرد از تصویر مبهم با دقت ۹۸٪ غیرواقعی است 📸 وضعیت کنونی هوش مصنوعی: فناوری‌های تشخیص چهره (مانند FaceNet یا DeepFace) برای شناسایی افراد به تصاویر باکیفیت با وضوح بالا (حداقل ۱۲۸x۱۲۸ پیکسل) و زوایای مشخص نیاز دارند. دقت این سیستم‌ها در شرایط ایده‌آل به ۹۵-۹۹٪ می‌رسد، اما در تصاویر مبهم (مانند تصویر سایه‌دار و دوربین های شهری در زعفرانیه) دقت به شدت افت می‌کند (معمولاً به زیر ۵۰٪) تحلیل حرکت (Gait Analysis): شناسایی افراد از روی نحوه راه رفتن یا فرم بدن (gait recognition) امکان‌پذیر است، اما به چندین فریم ویدئویی باکیفیت و مدل‌های آموزش‌دیده با داده‌های گسترده نیاز دارد. الگوریتم‌های کنونی مانند OpenPose یا AlphaPose برای تحلیل حرکت به داده‌های واضح و چندزاویه‌ای وابسته‌اند و در تصاویر مبهم دقت آن‌ها به زیر ۲۰٪ می‌رسد. تطبیق با داده‌های ژنتیکی: ادعای تطبیق فرم بدن یا نحوه راه رفتن با داده‌های ژنتیکی کاملاً غیرواقعی است، زیرا هیچ مدل هوش مصنوعی نمی‌تواند داده‌های ژنتیکی را مستقیماً به ویژگی‌های دینامیک مانند حرکت یا فرم جمجمه مرتبط کند. این کار نیازمند پایگاه داده‌ای عظیم از جفت‌های DNA-تصویر است که وجود ندارد. محدویت های الگوریتمی: ادعای دقت ۹۸٪ در چنین سناریویی با اصول آماری و یادگیری ماشین (مانند قانون بیز) ناسازگار است، زیرا نرخ خطا در شرایط مبهم به شدت افزایش می‌یابد. نتیجه فنی: شناسایی فردی با تصویر بی کیفیت و مبهم شهری و دقت ۹۸٪، به‌ویژه با تطبیق داده‌های ژنتیکی، از نظر فنی غیرممکن است و ادعایی تخیلی است. ۳. نفوذ هماهنگ به تمام دوربین‌های شهری 📹 نفوذ به سیستم‌های نظارتی شهری مانند دوربین‌های راهنمایی و رانندگی، پلاک‌خوان، یا دوربین‌های بانک‌ها امکان‌پذیر است، اما هماهنگی تمام این سیستم‌ها و انتقال لحظه‌ای داده‌ها به یک سرور خارجی (مثل حیفا) نیازمند دسترسی به شبکه‌های ناهمگن با پروتکل‌های امنیتی مختلف است. سیستم‌های نظارتی با TLS 1.3 و IDS/IPS (مانند Snort) محافظت می‌شوند . انتقال داده از 10,000 دوربین تهران (چند ترابیت/ثانیه) به حیفا بدون شناسایی غیرممکن است. تاخیر شبکه (100-200ms) پردازش لحظه‌ای را رد می‌کند. ۴. ا GrayBarcode ا فاقد سند است 💾 هیچ منبع معتبری (Kaspersky، Malwarebytes، CERT) بدافزاری به نام GrayBarcode گزارش نکرده است. بدافزارهای واقعی (مانند Stuxnet) مستندند، اما GrayBarcode سابقه‌ای ندارد. ممکن است از حادثه Barcode Scanner 2021 (مالور آگهی) الهام گرفته باشد، که بی‌ارتباط با دوربین‌های شهری است. نفوذ به سیستم‌های نظارتی بدون شناسایی با اصول بدافزارهای هدفمند (مانند Pegasus) ناسازگار است. ۵. انفجار بی‌صدا با موشک حرارتی غیرممکن است 💥 موشک‌های حرارتی (مانند Spike-SR یا Hellfire) انفجارهایی با صدا (~120 دسی‌بل) و شعاع تخریب چند متری تولید می‌کنند. انفجار بی‌صدا با ترمودینامیک و انتشار صوت ناسازگار است. پهپاد Elbit Hermes 450 موشک‌های دقیق حمل می‌کند، اما بی‌صدا نیست. 📢 شایعات سایبری را باور نکنید ، قبل از بازنشر هر مطلب ، منبع آن را چک کنید. 🌐https://eitaa.com/Ido_zn 🌐https://nehzat.ir/provinces/زنجان