ما هي آلة Wayback Machine؟ ولماذا هي مهمة؟

يتيح لك موقع Wayback Machine عرض الإصدارات القديمة من موقع الويب، والاطلاع على المحتوى الذي تم تغييره، واستكشاف أخطاء موقعك وإصلاحها، وحتى عرض المحتوى الذي لم يعد موجوداً على الويب.

تعتبر Wayback Machine مهمة للحفاظ على تاريخ الإنترنت.

ما هي آلة Wayback Machine؟

تأسست Wayback Machine بواسطة Internet Archive في 12 أيار 1996، وهي خدمة مجانية عبر الإنترنت تقوم بالزحف وتلتقط لقطات من مواقع الويب على فترات زمنية مختلفة ثم تقوم بأرشفة تلك المواقع، مع الاحتفاظ بتاريخ الإنترنت.

على الرغم من أن Wayback Machine تأسست في عام 1996، فقد تمت خصخصتها بالكامل ولم يتمكن سوى أشخاص معينين من الوصول إلى المحتوى.

لم تكن آلة Wayback متاحة للجمهور حتى عام 2001. في وقت كتابة هذا التقرير، قامت Wayback Machine بأرشفة أكثر من 663 مليار صفحة ويب.

هل آلة Wayback قانونية؟

هناك الكثير من المناطق الرمادية عندما يتعلق الأمر بشرعية Wayback Machine. على سبيل المثال، قد تنظر أوروبا إلى Wayback Machine على أنها انتهاك لقوانين حقوق النشر الخاصة بها، ويمكن لمنشئي المحتوى المؤرشف أن يقرروا ما إذا كانوا يريدون أرشفة محتواهم أم لا.

إذا أراد المنشئ إزالة المحتوى من Wayback Machine، فيجب أن يكون أرشيف الإنترنت ملزماً بذلك.

كانت هناك أيضاً العديد من القضايا القانونية ضد Wayback Machine من منظمات وأفراد، مثل كنيسة Scientology و Healthcare Advocates, Inc.. وغيرها.

حتى أن بعض البلدان حظرت جهاز Wayback تماماً، على الرغم من أن ذلك يعتمد على الرقابة أكثر من أي قضية قانونية فعلية. تم حظر Wayback Machine حالياً في الصين وتم حظرها لفترة قصيرة في روسيا في 2015-2016.

أهمية آلة Wayback:

إن أهمية Wayback Machine واضحة. يعد الاحتفاظ بتاريخ الإنترنت أمراً مهماً بدرجة كافية، ولكن يمكنك أيضاً الرجوع وعرض المصدر الأصلي للمحتوى لمعرفة ما كان عليه قبل إجراء التحديثات على المحتوى.

يمكن أن يكون هذا مفيداً بشكل خاص في عصر المعلومات المتغيرة باستمرار.

يمكنك حتى استخدام Wayback Machine لاستكشاف مشاكل موقع الويب وإصلاحها. وفر موقع Forbes حجة سليمة لاستخدامها في استكشاف مشكلات تحسين محركات البحث التي قد يواجهها موقعك وإصلاحها.

يمكنك حتى استعادة مواقع الويب بالكامل. تمكنت ويكيبيديا، بفضل العديد من الروبوتات والمتطوعين المتفانين، من استبدال 9 ملايين مرجع معطل بفضل Wayback Machine.

بالإضافة إلى ذلك، إذا كان أحد مواقع الويب معطلاً حالياً، فيمكنك استخدام Wayback Machine لعرض موقع الويب. على الرغم من أنه لن يكون هناك أي محتوى جديد على الموقع حتى يحل مالكو الموقع المشكلة، فلا يزال بإمكانك عرض المحتوى الأقدم.

استخدام آخر رائع لـ Wayback Machine هو القدرة على رؤية مواقع الويب التي لم تعد متصلة بالإنترنت. ولكن هناك بعض النواقص هنا.

تأخذ Wayback Machine لقطة سريعة لكيفية ظهور موقع الويب في وقت معين في تاريخ معين. اعتماداً على وقت قيام Wayback Machine بالتقاط اللقطة، قد يكون بعض المحتوى مفقوداً.

هناك أيضاً مشكلة إخفاء المحتوى خلف جدار تسجيل الدخول. أحد الأمثلة التي نعطيها هو موقع PlayOnline.com.

Final Fantasy IX هي لعبة رائعة. ومع ذلك، يُعرف دليل إستراتيجية BradyGames بأنه أسوأ دليل إستراتيجي في الوجود. والسبب هو أنه كان دليلاً غير مكتمل إلى حد كبير.

في كل قسم تقريباً، في محاولة لجذب المزيد من المستخدمين إلى موقع الويب الخاص بهم، سيضيفون ملاحظة جانبية توضح شيئاً ما على غرار “لمزيد من المعلومات، قم بزيارة PlayOnline.com وأدخل هذا الرمز: BS103”.

كان هذا، بالطبع، مشكلة للعديد من اللاعبين الذين اشتروا الدليل، حيث لم يكن الوصول إلى الإنترنت سهلاً للعديد من الأشخاص في عام 2000 كما هو الحال اليوم.

الموقع غير موجود حتى اليوم. إذا اشتريت دليل الإستراتيجية منذ سنوات، فلن يحالفك الحظ. لذلك، حاولنا الوصول إليه من خلال Wayback Machine.

لسوء الحظ، كان يجب أن يكون لديك حساب لتسجيل الدخول إلى PlayOnline. بطريقة ما كنا لا نزال قادرين على إنشاء حساب حقيقي، لكنه أرسلنا في حلقة تسجيل دخول لا نهائية. لم نتمكن في الواقع من تسجيل الدخول والوصول إلى المحتوى.

بغض النظر عن أوجه القصور القليلة، فإن فوائد Wayback Machine هائلة وستثبت دائماً أنها واحدة من أكثر الموارد المفيدة للحفاظ على تاريخ الإنترنت.

ما هو التعلم الآلي Machine Learning؟

لتعلم مهارة، نحتاج لجمع المعرفة والتدرب بعناية، ومراقبة أدائنا. في النهاية، نصبح أفضل في هذا النشاط. التعلم الآلي هو أسلوب يسمح لأجهزة الكمبيوتر بالقيام بذلك.

هل يمكن لأجهزة الكمبيوتر أن تتعلم؟

تعريف الذكاء صعب. نعلم جميعاً ما نعنيه بالذكاء عندما نقولها، لكن وصفها يمثل مشكلة.

بغض النظر عن العاطفة والوعي الذاتي، يمكن أن يكون التوصيف العملي هو القدرة على تعلم مهارات جديدة واستيعاب المعرفة وتطبيقها على مواقف جديدة لتحقيق النتيجة المرجوة.

نظراً لصعوبة تعريف الذكاء، لن يكون تعريف الذكاء الاصطناعي أسهل. لذا، سنلتف على الموضوع قليلاً. إذا كان جهاز الكمبيوتر قادراً على القيام بشيء يتطلب عادةً التفكير البشري والذكاء، فسنقول أنه يستخدم الذكاء الاصطناعي!

على سبيل المثال، يمكن للمتحدثين الأذكياء مثل Amazon Echo و Google Nest سماع تعليماتنا المنطوقة، وتفسير الأصوات على أنها كلمات، واستخراج معنى الكلمات، ثم محاولة تلبية طلبنا. قد نطلب منه تشغيل الموسيقى أو الإجابة على سؤال أو إطفاء الأضواء.

يتم نقل أوامرك المنطوقة إلى أجهزة كمبيوتر قوية في سحابات الشركات المصنعة، حيث يتم تنفيذ الأوامر التي تتطلب الذكاء الاصطناعي.

يتم تحليل الأمر واستخراج المعنى وإعداد الاستجابة وإرسالها مرة أخرى إلى السماعة الذكية.

يدعم التعلم الآلي غالبية أنظمة الذكاء الاصطناعي التي نتفاعل معها. بعض هذه العناصر موجودة في منزلك مثل الأجهزة الذكية، والبعض الآخر جزء من الخدمات التي نستخدمها عبر الإنترنت.

تستخدم توصيات الفيديو على يوتيوب YouTube ونتفليكس Netflix وقوائم التشغيل التلقائية على سبوتيفاي Spotify التعلم الآلي.

تعتمد محركات البحث على التعلم الآلي، ويستخدم التسوق عبر الإنترنت التعلم الآلي ليقدم لك اقتراحات الشراء بناءً على سجل التصفح وسجل الشراء.

يمكن لأجهزة الكمبيوتر الوصول إلى مجموعات بيانات هائلة. يمكنهم تكرار العمليات بلا كلل آلاف المرات في الوقت الذي سيستغرقه الإنسان لإجراء تكرار واحد، هذا إذا تمكن الإنسان من القيام بذلك مرة واحدة.

لذلك، إذا كان التعلم يتطلب المعرفة والممارسة وردود الفعل على الأداء، فيجب أن يكون الكمبيوتر هو المرشح المثالي.

هذا لا يعني أن الكمبيوتر سيكون قادراً حقاً على التفكير بالمعنى البشري، أو الفهم والإدراك كما نفعل نحن. لكنه سيتعلم ويتحسن بالممارسة.

يمكن لنظام التعلم الآلي، المبرمج بمهارة، أن يحقق انطباعاً لائقاً عن كيان واعي وواعي.

اعتدنا أن نسأل، “هل يمكن لأجهزة الكمبيوتر أن تتعلم؟” تحول ذلك في النهاية إلى سؤال عملي أكثر. ما هي التحديات الهندسية التي يجب التغلب عليها للسماح لأجهزة الكمبيوتر بالتعلم؟

الشبكات العصبونية والشبكات العصبونية العميقة:

تحتوي أدمغة الحيوانات على شبكات من الخلايا العصبية. يمكن للخلايا العصبية إرسال إشارات عبر المشبك إلى الخلايا العصبية الأخرى.

هذا العمل الصغير -الذي يتم تكراره ملايين المرات- يؤدي إلى عمليات تفكيرنا وذكرياتنا. من بين العديد من اللبنات الأساسية، خلقت الطبيعة عقولاً واعية والقدرة على التفكير والتذكر.

مستوحاة من الشبكات العصبية البيولوجية، تم إنشاء الشبكات العصبونية الاصطناعية لتقليد بعض خصائص نظيراتها العضوية.

منذ أربعينيات القرن الماضي، تم تطوير الأجهزة والبرامج التي تحتوي على آلاف أو ملايين العقد. تستقبل العقد (مثل الخلايا العصبية) إشارات من العقد الأخرى.

يمكنهم أيضاً إنشاء إشارات لتغذية العقد الأخرى. يمكن للعقد قبول المدخلات من العديد من العقد وإرسال إشارات إليها في وقت واحد.

إذا استنتج حيوان ما أن الحشرات الطائرة الصفراء والسوداء دائماً ما تسبب له لدغة سيئة، فسوف يتجنب كل الحشرات الطائرة الصفراء والسوداء. تستفيد حشرة الحوامة من هذا الشيء.

إنها ذات لون أصفر وأسود مثل الدبور، لكن ليس لها لدغة. الحيوانات التي تشابكت مع الدبابير وتعلمت درساً مؤلماً منها، ستخاف من الحوامة وتفسح لها طريقاً واسعاً أيضاً.

سترى هذه الحيوانات حشرة طائرة ذات ألوان مشابهة للدبور وتقرر أن الوقت قد حان للتراجع. حقيقة أن الحشرة يمكن أن تحوم والدبابير لا تستطيع لا تُؤخَذ بعين الاعتبار.

يستخدم التعلم الآلي الإحصائيات للعثور على أنماط في مجموعات البيانات التي تم التدريب عليها.

قد تحتوي مجموعة البيانات على كلمات أو أرقام أو صور أو تفاعلات المستخدم مثل النقرات على موقع ويب أو أي شيء آخر يمكن التقاطه وتخزينه رقمياً.

يحتاج النظام إلى توصيف العناصر الأساسية للاستعلام ثم مطابقتها مع الأنماط التي اكتشفها في مجموعة البيانات.

إذا كان يحاول التعرف على زهرة، فسيحتاج إلى معرفة طول الساق وحجم الورقة ونمطها ولون وعدد البتلات وما إلى ذلك.

في الواقع، ستحتاج إلى حقائق أكثر بكثير من تلك، ولكن في مثالنا البسيط، سنستخدمها.

بمجرد أن يعرف النظام تلك التفاصيل حول عينة الاختبار، يبدأ عملية اتخاذ القرار التي تنتج تطابقاً من مجموعة البيانات الخاصة به. بشكل مثير للإعجاب، تُنشئ أنظمة التعلم الآلي شجرة القرار بنفسها.

يتعلم نظام التعلم الآلي من أخطائه عن طريق تحديث خوارزمياته لتصحيح العيوب في منطقه. أكثر الشبكات العصبونية تعقيداً هي الشبكات العصبونية العميقة.

من الناحية المفاهيمية، تتكون هذه الشبكات العصبونية من عدد كبير جداً من الشبكات العصبونية الموجودة في طبقات فوق الأخرى. يمنح هذا النظام القدرة على اكتشاف واستخدام حتى الأنماط الصغيرة في عمليات اتخاذ القرار الخاصة به.

تُستخدم الطبقات بشكل شائع لتوفير عمليات الترجيح. يمكن لما يسمى بالطبقات المخفية أن تعمل بمثابة طبقات متخصصة.

أنها توفر إشارات مرجحة حول خاصية واحدة لموضوع الاختبار. ربما يستخدم مثال تعريف الزهرة لدينا طبقات مخفية مخصصة لشكل الأوراق أو حجم البراعم أو أطوال السداة.

أنواع التعلم المختلفة:

هناك ثلاث تقنيات واسعة تُستخدم لتدريب أنظمة التعلم الآلي: التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم المعزز.

التعلم الخاضع للإشراف:

التعلم الخاضع للإشراف هو أكثر أشكال التعلم استخداماً. هذا ليس لأنه متفوق بطبيعته على التقنيات الأخرى. يتعلق الأمر أكثر بمدى ملاءمة هذا النوع من التعلم لمجموعات البيانات المستخدمة في أنظمة التعلم الآلي التي تتم كتابتها اليوم.

في التعلم الخاضع للإشراف، يتم تصنيف البيانات وتنظيمها بحيث يتم تحديد المعايير المستخدمة في عملية صنع القرار لنظام التعلم الآلي. هذا هو نوع التعلم المستخدم في أنظمة التعلم الآلي وراء اقتراحات قوائم تشغيل يوتيوب YouTube.

تعليم غير مشرف عليه:

لا يتطلب التعلم غير الخاضع للإشراف إعداد البيانات. لم يتم تصنيف البيانات. يقوم النظام بمسح البيانات، ويكشف عن الأنماط الخاصة به، ويشتق معايير التشغيل.

تم تطبيق تقنيات التعلم غير الخاضعة للإشراف على الأمن السيبراني مع معدلات نجاح عالية. يمكن لأنظمة الكشف عن الدخيل التي تم تحسينها بواسطة التعلم الآلي أن تكتشف نشاط الشبكة غير المصرح به للمتطفل لأنه لا يتطابق مع أنماط السلوك التي لوحظت سابقاً للمستخدمين المصرح لهم.

التعلم المعزز:

التعلم المعزز هو الأحدث بين التقنيات الثلاثة. ببساطة، تستخدم خوارزمية التعلم المعزز التجربة والخطأ وردود الفعل للوصول إلى نموذج السلوك الأمثل لتحقيق هدف معين.

وهذا يتطلب ردود فعل من البشر الذين يسجلون جهود النظام وفقاً لما إذا كان سلوكه له تأثير إيجابي أو سلبي في تحقيق هدفه.

الجانب العملي من الذكاء الاصطناعي:

نظراً لأنه منتشر جداً وله نجاحات يمكن إثباتها في العالم الحقيقي، بما في ذلك النجاحات التجارية، فقد أطلق على التعلم الآلي اسم الجانب العملي للذكاء الاصطناعي.

إنه نشاط تجاري ضخم، وهناك العديد من الأطر التجارية القابلة للتطوير والتي تتيح لك دمج التعلم الآلي في عمليات التطوير أو المنتجات.

إذا لم تكن لديك حاجة فورية لهذا النوع من القوة ولكنك مهتم بالبحث عن نظام للتعلم الآلي بلغة برمجة مثل Python، فهناك موارد مجانية ممتازة لذلك أيضاً.

  • Torch هو إطار عمل مفتوح المصدر للتعلم الآلي معروف بسرعته.
  • Scikit-Learn عبارة عن مجموعة من أدوات التعلم الآلي، خاصة للاستخدام مع لغة Python.
  • Caffe هو إطار عمل للتعلم العميق، وهو متخصص بشكل خاص في معالجة الصور.
  • Keras عبارة عن إطار عمل للتعلم العميق بواجهة Python.

مقالات قد تعجبك:

ما الأفضل . التعاريف المدمجة في Windows مسبقاً أم تعاريف الشركة المصنعة ؟
كيفية تنصيب التعاريف لجميع الأجهزة في حاسوبك من الإنترنت على مختلف أنظمة Windows
كيفية تحسين أداء الألعاب عند استخدام كروت الشاشة من نوع Intel
كيفية ترقية أو استبدال بطاقة واي فاي للكمبيوتر المحمول
كيفية ترقية أو استبدال بطاقة واي فاي للكمبيوتر المكتبي

أجهزة ماك الجديدة لن تدعم نظام ويندوز

ستبدأ آبل Apple في استخدام معالجاتها القائمة على بنية ARM في أجهزة ماك Mac الخاصة بها في وقت لاحق من هذا العام، ولكنها لن تتمكن من تشغيل نظام ويندوز Windows في وضع Boot Camp عليها.

تقوم مايكروسوفت Microsoft فقط بترخيص نظام Windows 10 على بنية ARM لصانعي أجهزة الكمبيوتر للتثبيت المسبق على الأجهزة الجديدة، ولم تقم الشركة بتوفير نسخ من نظام التشغيل لأي شخص لترخيصه أو تثبيته بحرية.

يقول متحدث باسم مايكروسوفت Microsoft في بيان له:

تقوم مايكروسوفت بترخيص نظام  Windows 10على بنية ARM فقط للشركات المصنّعة الأصلية OEMs.

وفي سؤال لمايكروسوفت Microsoft عما إذا كانت تخطط لتغيير هذه السياسة للسماح بدعم نظام التشغيل ويندوز Windows 10 على أجهزة ماك Mac المستندة إلى بنية ARM، تقول الشركة “ليس لدينا أي شيء آخر لمشاركته في الوقت الحالي”.

تعمل آبل Apple بشكل وثيق مع مايكروسوفت Microsoft لضمان جاهزية أوفيس Office للعمل على أجهزة ماك Mac المستندة إلى بنية ARM في وقت لاحق من هذا العام، لكن الشركة لم تذكر افتقارها إلى دعم Boot Camp في مؤتمر المطوّرين WWDC.

أكدت آبل Apple لاحقاً أنها لا تخطط لدعم Boot Camp على أجهزة ماك Mac المستندة إلى بنية ARM في فيديو على قناة Daring Fireballعلى اليوتيوب.

يقول Craig Federighi، نائب الرئيس الأول لهندسة البرمجيات في آبل Apple:

نحن لا نقوم مباشرة بتشغيل نظام تشغيل بديل. المحاكاة الافتراضية هي الحل، يمكن أن تكون برامج الآلات الافتراضية Virtual Machines هذه فعالة للغاية، لذا لا يجب أن تكون الحاجة إلى الإقلاع المباشر مصدر القلق حقاً.

ستشمل الطرق الأخرى لتشغيل ويندوز Windows على أجهزة ماك Mac المستندة إلى بنية ARM المحاكاة الافتراضية باستخدام تطبيقات مثل VMWare أو Parallels، ولكن لن تدعمها تقنية الترجمة Rosetta 2 من آبل Apple.

ستحتاج تطبيقات الآلة الافتراضية Virtual Machine إلى إعادة بنائها بالكامل لأجهزة ماك Mac المستندة إلى بنية ARM، وليس من الواضح على الفور ما إذا كان هذا حلاً عملياً لنظام ويندوز Windows على بنية ARM (بالنظر إلى تعقيدات الترخيص) أو ما إذا كان VMWare و Parallels وغيرها سيلتزمون ببناء هذه التطبيقات مع دعم ويندوز Windows.

قامت شركة آبل Apple بشرح برنامج Parallels Desktop الذي يعمل بنظام لينكس Linux في جهاز افتراضي، ولكن لم يكن هناك ذكر لدعم نظام ويندوز Windows.

سألت شركة VMWare مجتمعها عن كيفية استخدام المحاكاة الافتراضية لـ Fusion على أجهزة ماك Mac المستندة إلى بنية ARM، ولكن ليس هناك التزام ببناء التطبيق حتى الآن.

لذا فإن وضع ويندوز Windows على أجهزة ماك Mac المستندة إلى بنية ARM يبدو معقداً في أحسن الأحوال ومستحيلاً في أسوأ الأحوال.

أفضل أمل هو أن تقوم مايكروسوفت Microsoft بتغيير نموذج الترخيص الصارم الخاص بها لأجهزة ماك Mac المستندة إلى بنية ARM، ولكن لا يزال من المحتمل أن تطلب من آبل Apple بناء ويندوز Windows على برامج تشغيل بنية ARM لأجهزة ماك Mac المستقبلية الخاصة بها لطرق المحاكاة الافتراضية.

بالنظر إلى النسبة المئوية الصغيرة لمستخدمي macOS الذين يستخدمون Boot Camp بالفعل وقاعدة تثبيت ما يقرب من 100 مليون من أجهزة ماك Mac، فإن تشغيل نظام Windows 10 على بنية ARM بشكل أصلي على أجهزة ماك Mac المستندة إلى بنية ARM من آبل Apple لم يكن من أولويات آبل Apple.

مقالات قد تعجبك:

سماعات أذن لاسلكية جديدة ذاتية التنظيف من LG
خريطة صغيرة خاصة قادمة إلى ببجي موبايل PUBG Mobile
جوجل ستدفع المال لبعض الناشرين مقابل مقالاتهم
كيفية حذف جميع الصور في آيفون أو آيباد بسهولة
كيفية تفعيل أو إلغاء التحديثات التلقائية في آيفون وآيباد
هل هنالك استخدام صحيح لبطارية الهاتف الذكي؟