ولي مگي بسيار خوب عمل مي‌كند: واكنش خوب در برابر پرسش‌هاي سخت، صرف تنها نيم ثانيه براي پاسخگويي به هر مسئله و چهار پاسخ درست از پنج پاسخ، نمونه‌اي از عملكرد خوب اوست.

توانايي مگي در بازي‌كردن را مي‌توان نقطه تلاقي هوش‌مصنوعي و دانش عصب‌شناسي دانست. دانشجوي سال آخر ديگري تحت آموزش‌هاي بوشمن و Michelle Machon، مشغول پژوهش در اين‌باره است كه مغز چگونه مي‌تواند ياد بگيرد و به ساخت قوانين منطقي بپردازد، و اين‌كه چگونه بايد كارايي مغز را در انجام اين وظايف با عملكرد شبكه‌هاي عصبي مصنوعي كه در هوش مصنوعي مورد استفاده قرار مي‌گيرد، مقايسه كرد.

چهل سال پيش، اين ايده وجود داشت كه دانش عصب‌شناسي و هوش مصنوعي بايد همزمان و تواماً در آزمايشگاه‌هايي مانند آنچه كه Miller در آن به پژوهش پرداخته است، مورد مطالعه قرار بگيرد، ولي تصور نمي‌رفت كه اين دو، بتوانند چندان به توسعه هم كمك كنند.  پيشتر، حيطه مطالعاتي اين دو متد بسيار متفاوت از هم بود. عصب شناسي بر كشف و توضيح جزئيات ساختار عصب و فعاليت‌هاي عصبي متمركز بود و هوش مصنوعي مي‌كوشيد با توسعه يك مسير مستقل و فارغ از فرآيندهاي بيولوژيكي، به شبيه‌سازي هوش برسد (از ديدگاه تاريخي، فناوري در واقع نيازي به الهام گرفتن از طبيعت نداشته است؛ نه هواپيماها مانند پرندگان پرواز مي‌كنند و نه خودروها مانند اسب‌ها حركت مي‌كنند.) و به نظر مي‌رسيد هوش مصنوعي با شتاب بيشتري پيشرفت مي‌كند.
با استفاده از دانش عصب‌شناسي به سختي مي‌شد به ماهيت مغز پي برد؛ چه رسد به اين‌كه بتوان بر نحوه عملكرد آن واقف شد. از سوي ديگر،  هر كسي كه كمي اطلاعات علمي داشت، روزي را كه كامپيوترها بتوانند هر آنچه را كه انسان انجام مي‌دهد انجام دهند (شايد هم بهتر از انسان)  دور از دسترس نمي‌دانست. در سال 1962، توجه مقامات به پشتيباني از پروژه‌اي مبني بر طراحي يك سيستم فراگير خودكار جلب شد كه پروژه‌اي جنجالي در ايالات‌متحده محسوب مي‌شد (اين سيستم به Cybernation مشهور بود)؛ چرا كه گمان مي‌رفت با آمدن اين سيستم، تعداد زيادي از مردم كار خود را از دست بدهند.

ولي يك چيز از هيجاني كه هوش مصنوعي برپا كرده بود، كاست. هر چند كامپيوترها مي‌توانستند از پس تشخيص اشياي ساده در يك موقعيت ويژه و تحت شرايط كنترل شده برآيند،  در تشخيص و شناسايي اشياي پيچيده در دنياي حقيقي باز مي‌ماندند. يك ميكروفون مي‌تواند سطوح صدا را تشخيص دهد، ولي مثلا‌ً نمي‌تواند آن را كوتاه و خلاصه كند. يك سيستم خبره مي‌تواند يك شيء جديد و تميز را در ميان مجموعه‌اي از اشياي  قديمي و كثيف  تشخيص دهد، ولي نمي‌تواند يك شيء  قديمي و كثيف را در يك توده درهم و برهم تشخيص دهد. (نمونه ديگر اين موضوع سيستم مورد آزمايش ماروين مينسكي است كه حتي قابليت قرار دادن يك بالش در روكش بالش را هم ندارد.) هنوز نگراني ما از رويارويي انسان‌ها بيش از نگراني ما درباره رويارويي ماشين‌ها با هم است.

بر خلاف هوش مصنوعي كه پيشرفت آن كندتر از آن چيزي بود كه انتظار مي‌رفت، عصب‌شناسي در فهم چگونگي كاركرد مغز به خوبي پيش مي‌رفت. اين حقيقت در هيچ جايي به اندازه پژوهش‌هاي سي و هفت آزمايشگاه از مجموعه مراكز BCS دانشگاه MIT مشهود نيست.
 
گروه پژوهشي اين دانشگاه مشغول ترسيم مسيرهاي عصبي‌اي هستند كه در عملكردهاي سطح بالاي مربوط به ادراك (و پيچيدگي آن‌ها)، شامل يادگيري، حافظه، ساختار رفتارهاي ترتيبي پيچيده، فرم و ذخيره عادت ها، روِياپردازي، مديريت و كنترل عددها، تعيين يك هدف و برنامه‌ريزي، پردازش ايده‌ها و عقايد، و توانايي فهم چيزهايي هستند كه ديگران درباره آن فكر مي كنند.
 
ارمغان اين پژوهش‌ها مي‌تواند بسيار ارزشمند باشد. كشف اين‌كه مغز چگونه كار مي‌كند (منظور فهم دقيق آن است مانند اين‌كه ما مي‌دانيم يك موتور چگونه كار مي‌كند)، مي‌تواند همه كتاب‌هايي را كه تا كنون در اين باره نوشته شده‌اند، نيازمند بازنويسي كند. تنها گوشه‌اي از دستاوردهاي اين كار مي‌تواند انقلابي در قضاوت و جرم‌شناسي، آموزش، تجارت، مراقبت از خانواده و نيز درمان هرگونه اختلال رواني بر پا كند.) Earl Miller) اميدوار است پژوهش هاي انجام شده در آزمايشگاه او در درك پيچيدگي‌هاي مغز كمك زيادي به روانپزشكان بكند). 

چنين پيشرفتي دليلي براي آغاز همكاري هوش مصنوعي و عصب‌شناسي نه تنها در آزمايشگاه Miller، بلكه حتي در MIT است. همچنين پژوهش‌ها درباره پردازش تصوير نشان مي‌دهد كه چگونه اين دو دانش بر يكديگر تأثير مي‌گذارند. James DiCarlo، استاديار عصب شناسي، مي‌گويد: <اين دو رشته مجزا از هم رشد مي‌كنند>، اين روزها، پژوهشگران هوش مصنوعي مشتاقانه به دنبال پيشرفت عصب‌شناسي و ايده مهندسي معكوس مغز هستند كه پيشتر، دور از ذهن به نظر مي‌رسيد.

درك تشخيص اشيا
بيشتر كارهاي انجام شده در آزمايشگاه DiCarlo، بر تشخيص اشيا متمركز بود كه ما را به تعريف يك شيء (مانند تعريف حيواني چون گاو در مغز) از چند بعد و منظر قادر مي‌كند (گاوي كه در دوردست است، گاوي كه از بالا به آن نگاه مي‌كنيم، گاوي كه در داخل يك كانتينر است) بدون اين‌كه با اشياي ديگر (مانند اسب) تداخل پيدا كند. DiCarlo  و دانشجوي سال آخر او، David Cox، دستاورد پژوهش‌هاي خود را در اواخر آگوست با نام عصب‌شناسي طبيعي
(Nature Neuroscience) منتشر كردند كه بر يكي از اساسي‌ترين پرسش‌ها درباره تشخيص اشيا متمركز بود: چه اندازه از موفقيت ما در تشخيص اشيا، وابسته به ساختار سخت‌افزاري بدن ما، ويژگي‌هاي ذاتي ما هنگام تولد و چيزهايي است كه آموخته‌ايم؟

DiCarlo و Cox پژوهش‌هاي خود را همزمان روي تعدادي از افراد آزمايش كردند. افراد مورد مطالعه، در برابر تجهيزاتي قرار گرفته بودند كه هم قابليت نمايش تصوير اشيا و هم دنبال كردنِ جهتِ نگاه اشخاص را داشتند.  اشيا تصاويري بودند كه توسط كامپيوتر ايجاد شده بودند و تقريباً دسته‌اي از حيوانات را نشان مي‌دادند، ولي اين تصاوير به گونه‌اي طراحي شده بودند كه در نگاه نخست براي اشخاص، آشنا و قابل تشخيص نباشند.  يك شيء مي‌توانست در يك وضعيت از سه وضعيت ممكن روي نمايشگر نشان داده شود و شخص مي‌توانست نگاه خود را به سمت آن شيء برگرداند.

سپس پژوهشگران اشياي جديدي را جايگزين مي‌كردند تا افراد نگاه خود را روي شيء جديد متمركز كنند. براي نمونه، زماني كه شخص به مركز نمايشگر خيره شده بود، موجودي با بدني قلمبه و با گوش‌هاي تيز شده در سمت راست نمايشگر به نمايش درميآمد. زماني كه شخص نگاه خود را به سمت آن معطوف مي‌كرد، پژوهشگران آن تصوير را با تصوير موجودي لاغرتر با گوش‌هاي آويزان جايگزين مي‌كردند. از آنجايي كه انسان هنگام تعويض مكان تمركز چشم در واقع بينايي ندارد، اين اشخاص متوجه جايگزيني اشيا نمي‌شدند، ولي مغز آن‌ها  متوجه اين جايگزيني مي‌شد.

پس از يك يا دو ساعت ادامه اين آزمايش‌ها با اشياي مختلف، و نمايش اين تصاوير در يك موقعيت خاص روي صفحه نمايشگر، دو شيء در دو مكان متفاوت روي صفحه نمايشگر به افراد نشان داده مي‌شد و از آنان خواسته مي‌شد آن‌ها را با هم مقايسه كنند. شايد به نظر برسد كه افراد با مشكل خاصي در تشخيص تفاوت ميان آن دو تصوير مواجه نشده‌اند كه البته تقريباً همين طور بود؛ جز در مقايسه تصاويري كه جابه‌جا شده بودند و اكنون دوباره در همان موقعيتي كه قبلاً جابه‌جايي انجام شده بود، به نمايش در مي‌آمدند.

افراد آن دو شيء را با هم قاطي مي‌كردند: آن‌ها بيشتر تصور مي‌كردند كه موجود قلمبه با گوش‌هاي تيز كه در يك موقعيت و موجود لاغر با گوش‌هاي آويزان در موقعيت ديگري بودند، در واقع يك شيء هستند. DiCarlo بر اين باور است كه چنين اشتباه‌هايي نشان‌دهنده اين است كه مكانيسم مغز در تشخيص اشياي يكسان، ولي در موقعيت‌هاي مكاني مختلف، به تجربه بصري عادي شخص در زمان و مكان خاص بستگي دارد.  او مي گويد: <يافته‌ها نشان مي‌دهد كه حتي شاخص‌هاي اصلي در شناسايي اشيا مي‌تواند به وسيله تجربه‌هاي بصري و در تعامل با دنياي اطرافمان توسعه يابد.>

DiCarlo و تيم او سرگرم طراحي و انجام آزمايش‌هاي مشابهي روي جانوران هستند تا بتوانند الگوهاي فعاليت عصبي را  كه در تشخيص اشيا بسيار حائز اهميت است، مورد بررسي قرار دهند.  (يك نمونه خوب از اين پژوهش ها در چهارم نوامبر 2005 در نشريه Science منتشر شد. در اين آزمايش، DiCarlo و سه تن از همكاران او فعاليت صدها نورون عصبي را در مغز ميمون Macaque ضبط و سپس تحليل كردند. آن‌ها نشان دادند كه پردازش اطلاعات بديهي درباره موجوديت شيء و نوع آن‌ها تنها به فعاليت تعداد كمي از نرون‌ها نياز دارد.)

شناسايي يا تشخيص اشيا از آغاز، يكي از بزرگ‌ترين و سخت‌ترين اهداف هوش مصنوعي بوده است. هرچند كه بينايي ماشين (machine viosion) به يك صنعت تمام عيار تبديل شده است، اما موفقيت‌ها و دستاوردهاي آن در حيطه محدودي از برنامه‌هاي كاربردي و در شرايطِ به شدت كنترل‌شده مانند روِيت شماره پلاك، تشخيص اثر انگشت، تشخيص كاراكترهاي چاپي، و بررسي محصولات مورد استفاده قرار مي‌گيرد (براي نمونه، بررسي ميزان سرخ‌شدگي يك چيپس و توقف سرخ كردن آن در صورت تشخيص اين‌كه اگر بيشتر  سرخ شود، مي‌سوزد.) هر سيستم بينايي ماشين تنها يك نوع شيء خاص را <مي‌بيند>؛ براي نمونه، سيستمي كه شماره پلاك يك خودرو را روِيت مي‌كند، ديگر قادر به تشخيص اثر انگشت نخواهد بود، و بر عكس.

هر چند به نظر مي‌رسد فناوري كنوني براي ساخت ماشين‌هايي كه بتوانند  هر شيء خاصي را تشخيص دهند، به اندازه كافي  توانمند است، ولي بيشتر مشاغل در بيشتر صنايع مانند مونتاژ، ساخت، بهداشت، حمل و نقل، و امنيت،  نيازمند پيشرفت‌هايي بهتر از اين است. كاركنان يك كارخانه صنعتي مي‌توانند يك چكش، يك پيچ‌‌گوشتي و يك آچار را بدون توجه به تفاوت‌هاي آن‌ها از نظر ميزان شفافيت سطح آن، ويژگي‌هاي شيء، و آلودگي‌ها و جرمي كه شايد سطح آن‌ها را پوشانده است، از هم تشخيص دهند.

اشتباه در ساخت چنين ماشين‌هايي مي‌تواند اشتباه‌هايي چون عدم توانايي در تشخيص پرنده‌اي مانند كلاغ يا جانوري مانند موش را به همراه داشته باشد كه همه حاكي از نياز به دانش سطح بالاتري از فناوري امروزي است. تفكر ديگري نيز وجود دارد و آن اين‌كه، انسان نمي‌تواند ماشين‌هايي را بسازد كه به اندازه خودش هوشمند باشند. بديهي است كه در وراي اين نوع تفكر، خودخواهي و تعصب انسان نسبت به وجود خود، حاكم است،  ولي اين‌كه هنوز ماشيني ساخته نشده كه دست كم به اندازه يك كبوتر هوشمند باشد، باعث شرمساري است!

چندين سال است كه پژوهشگران هوش‌مصنوعي روي الگوهاي بصري با هدف بررسي معاني يا موجوديت‌ها كار مي‌كنند. اين يكي از شاخه‌هايي است كه هوش مصنوعي و عصب شناسي در يك نقطه به هم مي‌رسند: عصب‌شناسي، نقش مغز در تشخيص اشيا را مورد بررسي قرار مي‌دهد، و هوش مصنوعي اين موضوع را بررسي مي‌كند كه يك سيستم نيازمند طي چه مراحلي براي حل چنين مسئله‌اي است. پس از سپري شدن چندين دهه، اين دو علم رفته رفته به هم نزديك‌تر مي‌شوند. 

 DiCarlo به اين فكر مي‌كند كه آيا زمان تولد دانش جديدي كه شامل هر دو شاخه (هوش مصنوعي و عصب‌شناسي) باشد فرارسيده است، دانشي كه شايد بتوان آن را بينايي بيولوژيكي ماشين (Biologically Inspired Machine Vision) ناميد.

هيچ دانشگاهي به اندازه MIT در رسيدن به اين نقطه مشترك، كه در آن همكاري مشترك علم و مهندسي به يك عمليات علمي و دانشگاهي تبديل مي‌شود، پيشتاز نيست. DiCarlo نيز دليل آمدنش به MIT را همين نكته ذكر مي‌كند و انتظار وقوع انقلابي علمي را در اين مكان دارد.

مدلسازي تشخيص بي‌درنگ‌
يكي از نمونه‌هاي عيني بر اظهارات مورد اشاره DiCarlo را مي‌توان در آزمايشگاه‌هاي Tomaso Poggio پيدا كرد.Poggio، يكي از مسئولان مركز يادگيري‌هاي بيولوژيكي  و محاسباتي دانشگاه ام‌آي‌تي است كه چهار دهه به بررسي موضوع بينايي پرداخته است.

وي نخست در انستيتوي Max Planck واقع در Tubingen در آلمان و سپس در آزمايشگاه هوش مصنوعي دانشگاه ام‌آي‌تي (كه بعدها به آزمايشگاه علوم كامپيوتر و هوش مصنوعي تغيير يافت) مشغول تحقيق بوده است، و هم اكنون در بخش مغز و علومِ ادراكي به پژوهش‌هاي خود ادامه مي‌دهد. Poggio در پروژه تست ميمون Macaque كه در آغاز اين نوشته به آن اشاره شد، با DiCarlo همكاري كرده است.)


او بيشتر وقت خود را به هدايت يك گروه پژوهشي عصب‌شناسي و يك گروه پژوهشي بينايي ماشين گذرانده است و در آن زمان دليلي نمي‌ديد كه اين دو گروه را با هم تلفيق كند. او مي‌گويد: <ما چيز زيادي نمي‌دانستيم. من هميشه فكر مي‌كردم اين يك اشتباه است كه از دانش عصب‌شناسي انتظار زيادي داشته باشيم.> ولي نتايج اخير كه از انجام پروژه‌اي توسط Thomas Serre، فارغ التحصيل دكترا، و Aude Oliva، استاديار عصب‌شناسي ادراكي در مركز BCS به دست آمد، نظر او را تغيير داد.

آزمايشگاه Poggio هم اكنون روي يك پروژه شناسايي موسوم به شناسايي بي‌درنگ متمركز شده است. اين موضوع كمتر شناخته شده، نخستين بار در سال 1969 در يك مقاله و طي  سميناري در دانشگاه ام‌آي‌تي توسط Mary Potter (استاد فعلي روان‌شناسي مركز BCS) و دستيار او Ellen Levy ارائه شد. شناسايي بي‌درنگ نوع سريع‌تري از شناسايي است. شخصي كه بايد در تست شناسايي بي‌درنگ كلاسيك مورد آزمون قرار گيرد، پيش از نمايش تصاوير روي نمايشگر و درخواست از وي براي فشار دادن يك يا دو دكمه براي واكنش نشان دادن به هر تصوير و تعيين اين‌كه آيا آن تصوير متعلق به يك حيوان است يا نه، درآنجا نشانده مي شود.

براي اطمينان از اين‌كه نگاه افراد به يك تصوير به تشخيص آن‌ها هنگام نگاه كردن به تصاوير ديگر كمك نكند، پژوهشگران از تصاويري استفاده مي‌كنند كه بسيار متفاوت از يكديگرند؛ مانند يك دسته جانور در پس‌زمينه‌هاي مختلف كه هر كدام در جهت و پرسپكتيوخاصي قرار گرفته‌اند. اين تصاوير تنها چند دهم ثانيه روي نمايشگر ظاهر مي‌شوند. در يكي از اين تست‌ها ، يكي از كساني كه مورد آزمايش قرار مي‌گرفت، تقريباً هيچ چيز از تصاويري كه به سرعت ظاهر و سپس ناپديد مي‌شدند، نفهميد؛ چه رسد به شناسايي آن. جالب اين است كه اين اشخاص بيشتر كليد درست را فشار مي‌دادند. آن‌ها مرتباً در طول آزمايش پيشرفت مي‌كنند و هشياري آن‌ها هنگام نمايش تصاوير رفته رفته بيشتر مي‌شود. مكانيسمي در مغز وجود دارد كه مي‌تواند اشيا را پيش از آن كه شخص نسبت به تصويري كه ديده است آگاه شود، شناسايي و دسته بندي كند.

شناسايي بي‌درنگ از آن جهت براي پژوهشگران حائز اهميت است كه ساده‌ترين امكان براي بررسي شناسايي عمومي اشيا است. فرآيند شناسايي بي‌درنگ چنان سريع اتفاق مي‌افتد كه موجب فعاليت تعداد بسيار زيادي از نورون‌هاي عصبي، پردازش اطلاعات بسيار يا ارسال و دريافت درخواست‌هاي زياد در يك فضاي بيش از يك سانتي‌متري در مغز مي‌شود. اطلاعات جمعآوري شده از طريق چرخش چشم به اطراف، كه در انواع ديگر شناسايي (مانند آنچه كه DiCarlo انجام داده بود) موردي كليدي محسوب مي‌شود، در شناسايي بي‌درنگ نقشي ندارد.

با اين وجود، بيشتر اشخاص مورد آزمايش در هنگام تست كليد درست را فشار مي‌دهند، كه نشان مي‌دهد نوع خاصي از شناسايي اشيا مي‌تواند با استفاده از تعداد كمي از نورون‌هاي عصبي و با آرايش ساده و نه‌چندان پيچيده نورون‌ها  انجام شود.

Poggie به همراه دكتر Riesenhuber، و بعدها Grad دانشجوي سال آخر در دانشگاه ام آي‌تي و هم اكنون نيز  استاد دانشگاه جورج تاون به توسعه يك تئوري درباره كاركرد بخشي از لايه بيروني مغز كه مسئول شناسايي بي‌درنگ است، پرداختند. پژوهش و نگرش آن‌ها درباره پردازش تصوير با نگرش مهندسي به بينايي ماشين متفاوت بود. براي نمونه، بيشتر نرم‌افزارهاي بينايي ماشين شامل يك پردازشگر براي اجراي مجموعه‌اي از دستورات به صورت يكي پس از ديگري و ساختاري موسوم به پردازش سريال است. از سوي ديگر، مغز از پردازش موازي استفاده مي‌كند، فرآيندي كه طي آن، <مسئله> به چندين بخش شكسته مي‌شود و هر بخش، جداگانه توسط پردازنده مخصوص خود بررسي مي‌شود، و پس از پردازش آن‌ها، بسته به نوع مسئله اين بخش‌ها به هم متصل و به عنوان پاسخ باز گردانده مي‌شوند.

از لحاظ تئوري، مهندسان مي‌بايست براي برنامه‌هاي بينايي ماشين از پردازش موازي استفاده كنند (گاه تلاش كرده‌اند اين كار را انجام دهند)، ولي در عمل شكستن يك سؤال به چند بخش و اتصال دوباره آن‌ها به هم، به ندرت انجام مي‌شود. با اين حال بينايي بيولوژيكي (Biological vision) اين مشكل را به چند طريق مختلف مرتفع كرده است. يكي از آن راه‌ها به گفته گروه Poggio، سازماندهي و كنترل پردازش است. به‌گونه‌اي كه پردازش شامل دو عمليات ساده باشد و سپس جايگزين‌كردن اين عمليات با يك ترتيب مشخص در لايه‌هاي نورون‌هاي عصبي. لايه A  بايد ورودي‌هاي اصلي از عصب نوري چشم را فيلتر كند؛ لايه B نيز نتايجي را كه از سلول‌ها در لايه A جمعآوري شده با هم تركيب مي‌كند؛ لايه C ورودي‌ها از لايه B را فيلتر مي‌كند. لايه D نيز نتايج لايه C را به هم متصل مي‌كند و به همين ترتيب كار ادامه پيدا مي‌كند.

در اثر افزايش سيگنال‌ها در لايه‌هاي گفته شده، خروجي‌هاي پردازه‌هايي كه به صورت موازي پردازش شده‌اند، به آرامي به هم متصل و موجوديت‌ها با هم ادغام مي‌شوند و نويزها (پارازيت‌ها) از ميان مي‌روند. Serre و Poggio از اين روش لايه‌بندي استفاده كردند تا مدل پيشنهادي خود را قادر به پردازش موازي كنند.

روش ديگري كه آن‌ها براي پياده‌سازي آن از زيست‌شناسي استفاده كردند، افزايش تعداد اتصالاتي بود كه به واحدهاي سوييچينگ اصلي آن‌ها وصل مي‌شد. واحدهاي سوييچينگ در كامپيوترهاي رايج امروزي داراي اتصالات بسيار كم، (در حدود سه اتصال)، هستند؛ ولي تعداد نورون‌هاي عصبي كه به مثابه واحدهاي سوييچينگ مغز هستند، به هزاران و گاه حتي ده‌ها هزار عدد مي‌رسد. Serre و Poggio در مدل خود از سوييچ‌هاي منطقي با تعداد معقول استفاده كردند. همچنين گاه از حدس‌ها و آموخته‌هايي مبتني بر تجربيات خود از ساختار نورون‌ها استفاده كردند كه البته هنوز از ديد علمي قابل توضيح نيست.

Serre و Poggie براي تست تئوري خود، به توسعه يك برنامه كامپيوتري ويژه شناسايي بي‌درنگ پرداختند كه مي‌توانست تصاوير ديجيتال را تحليل كند. وقتي فايل‌هاي تصوير ديجيتال به برنامه داده مي‌شود، برنامه اطلاعات آن را به لايه‌هاي چندگانه فيلتركننده (كه در بالا به آن‌ها اشاره شد) و سلول‌هاي متصل كننده مي‌رساند تا با اين‌كار، برنامه خودش را براي شناسايي و دسته بندي تصاويرآموزش دهد. Serre مي‌گويد: <نكته كليدي اين است كه در اين روش، پيچيدگي به آهستگي پيش ميآيد.> وي مي افزايد، <استفاده شتابزده از اين هوشمندي اشتباه بزرگي است.> پژوهش‌هاي گذشته درباره هوش مصنوعي، شناسايي را شتابزده و بدون توجه به اطلاعات كليدي بررسي مي كرد؛ اطلاعاتي كه مي‌توانست در همان زمان آن‌ها را به نتيجه برساند.

نحوه عملكرد Serre و Poggio موفقيت بزرگي محسوب مي‌شد. از نقطه نظر عصب‌شناسي، برخي از حدس‌ها و گمانه‌زني‌هاي آن‌ها موجب پيش‌بيني برخي از حقايق مهم مانند مشاهده سلول‌ها (موسوم به سلول‌هاي OR)شد كه قوي‌ترين يا پايدارترين سيگنال‌ها را از ميان گروهي از ورودي‌ها برمي‌دارند و آن را به فيبرهاي خروجيشان كپي مي‌كنند. (سه نورون عصبي A ،B و C كه همگي به نورون X از نوع نرون‌هاي OR سيگنال مي‌فرستند را تصور كنيد. اگر هر كدام از اين سيگنال‌ها به ترتيب درسطوح 1، 2 و 3 ارسال شوند، نورون X از ورود سيگنال‌هاي A و Bجلوگيري مي‌كند و سيگنالC  را در خروجي خود كپي مي‌كند. اگر ترتيب سطوح سيگنال‌ها 3، 2 و 1 بود، سيگنال Aدر خروجي X كپي مي‌شد و از ورود سيگنال‌هاي B و C جلوگيري مي‌شد.)

اين نتايج به دست آمده تنها از ديد دانش هوش‌مصنوعي جالب به نظر مي‌رسند. وقتي نرم‌افزار شناسايي بي‌درنگSerre و Poggio تست وجود يا عدم وجود يك جانور را از افراد مورد آزمايش مي گرفت، عملكرد كامپيوتر به خوبي عملكرد انسان بود؛ و بهتر از عملكرد بهترين برنامه‌هاي بينايي ماشين موجود!

(اين نرم افزار در هشتاد و دو درصد مواقع به پاسخ درست مي‌رسيد. جالب آن‌كه، ميزان موفقيت براي انسان‌ها، هشتاددرصد بود.) اين تقريباً نخستين بار بود كه يك برنامه پردازش تصوير عمومي به خوبي انسان عمل مي كرد.
نتايج اميدبخشِ به دست آمده Poggio و Serre را بر آن داشته است به چيزي فراتر از شناسايي بي‌درنگ فكر كنند. Poggio اظهار اميدواري مي‌كند كه اين مدل بتواند به همين خوبي در بررسي حس شنوايي نيز مورد استفاده قرار بگيرد. Serre در انجام چنين ريسكي از اين هم پيشتر مي‌رود و مي‌گويد: شناسايي عمومي اشيا، اساس شناسايي بر اساس حواس است. شايد به همين خاطر است كه وقتي مي‌خواهيم نشان دهيم كه چيزي را فهميده‌ايم يا متوجه شده‌ايم، مي‌گوييم <مي‌بينم> (1)

هر چند توسعه تئوري آن‌ها به حيطه‌هاي جديد، نيازمند پيشرفت‌هاي بيشتري است، مدل پيشنهادي Sierre وPoggio گسترش خود به هر دو دانش هوش مصنوعي و عصب‌شناسي را در دانشگاه ام‌آي‌تي آغاز كرده است. Stan Bileschi دانشجوي سال آخر مهندسي برق، اخيراً در پايان‌نامه دكتراي خود به معرفي مدلي موسوم به تشخيص صحنه (scene recognition) پرداخته است كه اساس قضاوت‌هاي سطح بالاي انسان محسوب مي‌شود. <يك مزرعه را در نظر بگيريد!> اين مدل شامل شناسايي اشياي مجزا از هم، مانند گاو، نرده‌هاي طويل كنار مزرعه و هر آنچه كه در آنجا قرار دارد مي شود. Bileschi بر اين باور است كه تحليل يك صحنه برتر از عملكرد بسياري از برنامه‌هاي پردازش تصوير ماشيني (مانند پاييدن يك شيء) است.

Poggio مي‌گويد تشخيص بي‌درنگ مبنا و اساس شناسايي‌هاي تصوير است، ولي همهِ  چيزي نيست كه ما نيازمند آنيم. سطوح متفاوتي از شناسايي وجود دارد كه تشخيص بي‌درنگ يكي از ساده‌ترين انواع آن است. بسته به وضعيت موجود، يك شيء مي‌تواند به عنوان يك اسباب بازي، يك عروسك، بازتابي از فرهنگ آمريكايي، يك شخصيت يا هر چيز ديگري معرفي شود. (اگر قصد خريد يك عروسك را داشته باشيد، عروسك پشت ويترين براي ما، يك عروسك يا اسباب بازي است، ولي اگر آن عروسك در يك نمايشگاه تجارت و صادرات عرضه شود، به عنوان يك محصول تجاري و صادراتي معرفي مي‌شود. يعني وضعيتي كه در آن قرار داريم، تعريف ما از اشيا را تحت تأثير قرار مي‌دهد.)

به طرز مشابهي در مسائل شطرنج، تشخيص حركت درست ممكن است بسته به آرايش مهره‌ها، به چند ثانيه، دقيقه يا ساعت زمان نياز داشته باشد. مي‌توان گفت هر چه مشكلات بغرنج تر مي‌شوند، مرتفع كردن آن‌ها به كاركردهاي مغزي پيشرفته‌تري نياز پيدا مي‌كند كه نياز به زمان بيشتري خواهد داشت.

يك مدل شناسايي يا تشخيص بي‌درنگ شايد بتواند مسائل بصري‌اي را كه مانع پيش روي توسعه و بهبود ساخت و پايداري روبات‌ها است حل كند. همچنين توسعه اين مدل مي‌تواند كاربردهاي واقعاً ارزشمند ديگري نيز داشته باشد. مانند افزودن  قابليت تشخيص پيچيدگي‌ها ودلايل آن‌ها در تصويري از يك چشم‌انداز يا منظره. روشن است كه اين نوع از شناسايي بسيار سطح بالا محسوب مي شود.

گام بعدي، ساخت مدل‌هاي تشخيص‌دهنده‌اي است كه منابع هر چه بيشتري را به سيستم خود مي‌افزايند و بر همين اساس نياز به زمان بيشتري براي پردازش دارند. Serre مي‌گويد: <ما مي‌دانيم اين مدل بايد چگونه تغيير يابد تا مسئله زمان هم مد نظر قرار بگيرد. اين مورد مي‌تواند ما را به نحوه تفكر مغز نزديك‌تر كند؛ البته شايد.>

پي نوشت:
1- معادلِ فارسي در انگليسي، <مي‌دانم> و زماني به كار مي‌رود كه مي‌خواهيم نشان دهيم چيزي را كه ديگران مي‌دانند يا درباره آن حرف مي‌زنند، ما نيز مي‌دانيم.

كنسول نسل جديد Nintendo Wii با دسته بي‌سيم و حساس به حركت آن.

Nintendo Wii
بگذاريد خودم همين اول كار، اعتراف كنم كه كارايي گرافيكي Wii در مقايسه با PS3 و Xbox 360، خنده‌دار است، ولي با اطمينان مي‌گويم كه گرافيك خوب، همه چيز نيست. لطفاً در دل خود به  من نخنديد كه اين را راي سرپوش گذاشتن روي توان پايين گرافيكي Wii، در مقايسه با دو رقيب ديگر مي‌گويم.
 
حقيقت اين است كه نينتندو با نوآوري در ساخت دسته‌هاي بازي بي‌سيم و حساس به حركت، تجربه‌اي واقعاً لذت‌بخش را  براي  كاربران اين كنسول فراهم كرده است. كافي است با اين دسته‌هاي حساس به حركت به بازي بولينگ يا تنيس بپردازيد تا بپذيريد كه بي راه نگفته‌ام.

با نگاهي به فهرست بازي‌هاي ساخته شده براي اين كنسول، كه بازي‌هايي نظير Resident Evil 4 (شركت كامپك)، Legend of Zelda (شركت نينتندو) و Red Steel (شركت يوبي‌سافت) در ميان آن‌ها ديده مي‌شود، درمي‌يابيم كه Wii آنگونه كه تصور مي‌رود، توان گرافيكي پاييني ندارد.

هم اكنون شركت‌هاي بزرگي چون EAGames نيز بخشي را به طراحي بازي‌هاي ويژه Wii اختصاص داده‌اند. هوشمندي شركت نينتندو در آن است كه به جاي حرص و جوش بر سر رقابت  با رقيب موذي و ثروتمندي چون مايكروسافت و شركت هفت‌جاني چون سوني كه خوره‌هاي بازي و كاربران پولدار را نشانه رفته‌اند، بيشتر به دنبال جذب كاربران كم‌سن ‌و‌سالي ‌است كه دوست دارند در دنياي رنگارنگ بازي‌هاي كلاسيك غوطه‌ور شوند. البته فراموش نكنيد كه يكي از بهترين بازي‌هاي  سال  2006، بازي Resident Evil 4 بود كه نخستين بار روي كنسول‌هايGameCube نينتندو عرضه شد.

بازي‌هاي متنوعي براي Wii طراحي شده است؛ از بازي بولينگ (سمت راست) با گرافيك ساده ولي جذابِ آن گرفته تا بازي Red Steel شركت يوبي‌سافت (سمت چپ) با گرافيك پيشرفته.

جورج هريسون، معاون ارشد بازاريابي و ارتباطات شركت نينتندو، درباره تفاوت ديدگاه‌هاي  اين شركت با رقيب ژاپني خويش، يعني سوني، بر اين باور است كه آن‌ها بر خلاف سوني قصد ندارند اتاق كاربرانشان را به يك مدياسنتر و كنسولشان را علاوه  بر بازي، به‌وسيله‌اي  براي  نمايش تصاوير  يا گشت‌وگذار در اينترنت و اطلاع از وضعيت آب و هوا تبديل كنند.
 
در عوض، با  نوآوري جديدي كه در كنسول Wii انجام گرفته‌ است، كاربران تعامل بيشتري با محيط بازي خواهند داشت. طراحي كنسول جديد نينتندو واقعاً زيبا است و هر چند رنگ سفيد و مشكي به عنوان رنگ‌هاي اصلي آن انتخاب شده است، ولي به رنگ‌هاي شاد و دل‌انگيز ديگري چون سبز فسفري و قرمز براق نيز عرضه مي‌شود.

از ويژگي‌هاي جذاب Wii، تعبيه دو اسپيكر باريك روي دسته‌هاي بازي است كه افكت‌هاي صوتي در بازي‌ها، مانند ضربه زدن به توپ را منتشر مي‌كند. كيفيت  صداها چندان  بالا نيست، ولي به خودي خود قابليت ظريفي است كه در اين  سيستم ها به كار رفته  است. هر دسته بازي توسط دو باتري نوع A تغذيه مي‌شود و تقريباً مي‌توان چهل  ساعت با آن‌ها به بازي كردن ادامه داد.   

Wii، مجهز به يك درايو DVD اكسترنال (قابليت پخش فيلم را ندارد)، يك چيپ‌ست گرافيكي 243 مگاهرتزي ساخت شركت ATI و نيز پردازنده  729 مگاهرتزي است. حافظه گرافيكي آن 64 مگابايت از نوع DDR3 است. يك حافظه فلش داخلي با ظرفيت 512  مگابايت و يك آداپتور 802.11g براي اتصال بي‌سيم واي‌فاي در آن تعبيه شده است. جعبه اصلي Wii را مي‌توان هم به صورت خوابيده و هم ايستاده قرار داد. يك منبع تغذيه نيز كه اندازه‌اي در حدود يك چهارم خود دستگاه دارد، بايد در كنار آن قرار بگيرد.

Wii، كنسول جديد نينتندو

يك اسلات ويژه ديسك نيز كه هم ازديسك‌هاي كوچك كنسول GameCube و هم از DVDهاي Wii پشتيباني مي‌كند، در جلوي دستگاه  تعبيه شده است. از اين رو مي‌توان بازي‌هاي پيشين كنسول‌هاي GameCube را نيز روي آن اجرا كرد.

يك كنترل‌كننده براي اين‌كه والدين نظارت بيشتري بر بازي‌هاي فرزندانشان داشته باشند روي دستگاه، در نظر گرفته شده است كه آن‌ها را قادر مي‌كند با  استفاده  از يك پسورد چهار رقمي بازي‌هايي را كه بر اساس درجه‌بندي ESRB براي رده سني فرزندانشان مناسب نيست، قفل كنند.

از جمله امكانات نرم‌افزاري Wii مي‌توان به يك صفحه ويژه براي تبادل پيغام با ديگر كاربران Wii، پي‌سي و نيز گوشي‌هاي موبايل اشاره كرد كه البته كاربران زماني مي توانند از امكانات آن استفاده كنند كه خودشان  را در وب‌سايت نينتندو رجيستر كرده باشند. تنها كاربران Wii مي‌توانند در كنار متن از تصاوير نيز در پيام‌هايشان استفاده كنند.

پژوهش‌هاي مؤسسه تحقيقاتي ABI نشان مي‌دهد 46 درصد كاربراني كه هم اكنون از كنسول‌هاي قبلي‌ ‌شركت نينتندو، GameCube، استفاده مي‌كنند اقدام به خريد كنسول نسل جديد Wii خواهند كرد.

قيمت فعلي دستگاه Wii ،250 دلار است. آنچه نينتندو در موفقيت كنسول خود روي آن حساب مي‌كند، قيمت پايين و دسته‌هاي حساس به حركت آن است.

پلي‌استيشن 3 سوني‌
وقتي صحبت از جنس ژاپني باشد، همه منتظر طرحي زيبا و بديع خواهند بود. علت آن نيز تبحر بالايي است آن‌ها در طراحي دارند. فرقي نمي‌كند، ژاپني‌ها هر چيزي را از ميخ گرفته تا لوازم پيشرفته ديجيتال، با جذابيت تمام طراحي مي كنند.

دسته بازي PS3 واقعاً زيبا  است و حركت دكمه‌هاي آن به نرمي صورت مي‌گيرد.

لازم نيست به مارك دستگاهي كه در اين تصوير نشان داده شده است، نگاه كنيد. در همان نگاه نخست پيداست كه كار، كار سوني است. به ديركرد در عرضه آن مي‌ارزد؛ نه؟

اندازه PS3 از رقيب آمريكاييش، بزرگ‌تر است ولي طراحي زيبا و مجللي دارد. يك ويژگي بارز آن استفاده از فناوري Blu-ray است.

با اين سيستم مي‌توانيد فيلم‌هاي ضبط شده با فناوري Blu-ray را تماشا كنيد. با توجه به اين‌كه براي آشكار‌شدن مزاياي فناوري Blue-ray بايد فيلم‌هايي را با آن ديد كه از جلوه‌هاي ويژه متعدد استفاده كرده باشند، هنوز فيلم دندان‌گيري براي عرضه وجود ندارد.

اين روزها در صنايع كامپيوتري كارهايي  از اين دست مد شده است.

همين كه دستگاه را روشن مي‌كنيد، براي بروز كردن اطلاعات چيپ‌ست‌ها از شما مي‌خواهد به وب سايت شركت متصل شويد؛ چنين  پيغامي براي دوستداران PS3 كه مدت زيادي براي عرضه اين كنسول انتظار كشيده‌اند، خوشامدگويي جالبي نيست.

كنسول پلي‌استيشن 3 محصول جديد سوني‌

PS3 نيز مانند رقيب آمريكايي خود شبكه‌اي از كاربران را پديد آورده است تا در آنجا بتوانند به بازي‌هاي تحت‌شبكه و نيز تبادل اطلاعات با يكديگر بپردازند؛ هرچند كاربران امريكايي به اين شبكه دسترسي نخواهند داشت (مسلماً به زودي اين امكان براي آن‌ها نيز فراهم خواهد شد).

فعلاً فروشگاه آنلاين بازي‌هاي PS3، بيشتر به يك بيابان خشك شبيه  است؛ يك دمو از بازي Blast Factor بازي Geometry Wars ،Ridge Racer7 و چند عنوان ديگر؛ همين!

البته Ridge Racer 7 با 160 مسابقه، چهل نوع اتومبيل و گزينه‌هاي بسيار زياد براي سفارشي‌كردن مسابقه‌ها از بازي‌هاي جذاب اين كنسول محسوب مي‌شود.

كمبود بازي براي كنسول جديد سوني طبيعي است. چون  پيش از قطعي‌شدن جزئيات نرم‌افزاري و سخت‌افزاري سيستم، شركت‌هاي بازي‌سازي نمي‌توانستند براي ساخت بازي براي آن اقدام كنند.


PS3 در دو نوع عرضه خواهد شد: نخستين نمونه آن شامل تجهيزات اصلي است كه با قيمت 99/499 دلار به همراه يك هاردديسك بيست گيگابايتي، درايو Blu-ray و چهار درگاه USB عرضه خواهد شد و نوع ديگر آن با قيمت  99/599 دلار با هاردديسك شصت گيگابايتي و چيپ 802.11g براي شبكه‌هاي بي‌سيم واي‌فاي. سوني در آغاز تاريخ عرضه، چهارصد هزار دستگاه PS3 براي بازار ايالات‌متحده در نظر گرفته است، ولي بيشتر تحليلگران دويست هزار دستگاه را براي فروش تخمين مي‌زنند.

تصويري كه توسط پردازنده گرافيكي كنسول PS3 رندر شده است.

برخي از صاحب‌نظران قيمت واقعي دستگاه را  بيش از 805 دلار برآورد مي‌كنند و بر اين باورند كه سوني در عرضه اين كنسول، 306 دلار متحمل زيان مي‌شود (سوني براي رقابت با مايكروسافت نمي‌تواند قيمت  كنسول را به بيش از ششصددلار افزايش دهد؛ هر چند مايكروسافت نيز براي پايين نگهداشتن قيمت كنسول جديد خود همين كار را مي‌كند).

علت گراني PS3، استفاده از ديسك درايو Blu-ray است كه خود به تنهايي 125 دلار براي سوني آب مي‌خورد (اتفاقاً خيلي‌ها براين باورند كه ضعف PS3 هزينه كردن بابت فناوري‌اي است كه هنوز استاندارد نشده).

يك تراشه گرافيكي 129 دلاري ساخت nvidia و يك پردازنده  89 دلاري  ساخت IBM به نام cell را هم كنار آن بگذاريد .متوجه مي‌شويد كه سوني تنها بابت اين سه قطعه بيش از سيصددلار هزينه كرده است.

سوني چند ماه  پيش اظهار داشت كه  انتظار  دارد  بخش  بازي اين شركت به علت هزينه‌هاي  بالاي كنسول PS3، امسال شاهد زياني دويست ميليارد يني (7/1 ميليون دلاري) باشد.

با توجه به آنچه كه گفته شد، ممكن است بپرسيد: پس اين دستگاه به چه دردي مي‌خورد؟ آيا PS3 ارزش ششصد را دارد؟ امسال نه؛ ولي با آغاز سال بعد و انتشار بازي‌هاي بيشتر و نيز گسترش فناوري بلوري، در قدرت نمايي هيولاي سوني شك نكنيد. براي اطمينان از اين موضوع، بگذاريد به برخي از ويژگي‌هاي قابل ستايش آن اشاره كنم: دسته‌هاي بازي دستگاه، از برتري‌هاي آن به شمار مي‌روند. بازي كردن با آن‌ها لذت‌بخش است و حركت دكمه‌هاي آن به نرمي صورت مي‌گيرد.

پردازنده اصلي PS3 يك پردازنده 2/3 گيگاهرتزي مجهز به هفت هستهِ پردازش كمكي متقارن با توان محاسباتي 208 ميليارد مميز شناور در ثانيه است.

پردارنده گرافيكي RSX نيز با قدرت پردازشي 550 مگاهرتز از ويژگي‌هاي بارز اين كنسول است. صحنه‌هاي رندرشده توسط اين  پردازشگر، در نمايشگاه E3 سال 2005، بازديدكنندگان را به وجد آورد. 

كارايي گرافيكي و پردازشي بالا به همراه طراحي جذاب، از PS3 يك كنسول بي‌بديل ساخته است. پژوهش‌هاي مؤسسه تحقيقاتي ABI نشان مي‌دهد شصت درصد كاربراني كه هم اكنون از كنسول‌هاي PS2 استفاده مي‌كنند، اقدام به خريد كنسول نسل جديد PS3 خواهند كرد. اين آمار را با آمار چهل و شش درصدي كاربران گيم كيوب و چهل و پنج درصدي كاربران اكس باكس مقايسه كنيد تا به ميزان مقبوليت كنسول جديد سوني در ميان دوستدارانش پي ببريد.

سوني روي هواداران بسيار زياد و نيز شهرت نام تجاري خود حساب ويژه‌اي باز كرده است. توان‌ گرافيكي و پردازشي سيستم نيز شايد در برخي موارد به پاي اكس‌باكس نرسد، ولي در پاره‌اي موارد ديگر بهتر از آن عمل مي‌كند.

اكس‌باكس 360 نوع پلا‌تنيوم با قيمت چهارصددلار

اكس‌باكس 360 مايكروسافت‌
رسيديم به مايكروسافت. لطفاً  تأخير در عرضه ويندوز ويستا و  وصله پينه‌هاي اينترنت اكسپلورر را با اكس‌باكس 360 قاطي نكنيد. چون  كنسول نسل جديد مايكروسافت دير كه نكرده هيچ، زودتر از بقيه نيز وارد گود شده است؛ همچنين برخلاف مرورگر وب كم‌جلوه اين  شركت، بخش بازي و سرگرمي مايكروسافت در ساخت و طراحي اكس‌باكس360 واقعاً هنرمندانه كار كرده است.

مايكروسافت در نمايشگاه E3 در سال 2005 نخستين بار و رسماً به معرفي كنسول اكس‌باكس 360  پرداخت.

اين شركت برآورد كرده است كه از ماه دسامبر امسال تا پايان فوريه سال 2007، سه ميليون دستگاه از اين كنسول‌ها را به فروش برساند. اكس‌باكس360 از پردازنده‌اي با يك مگابايت حافظه L2 cache و سه هسته متقارن، هر كدام  با فركانس 2/3  گيگاهرتز استفاده  كرده  است (تعداد  بسيار زيادي از بازي‌هاي منتشر شدهِ فعلي تنها  از يك‌سوم اين توان پردازشي استفاده مي‌كنند).
 
پردازنده گرافيكي پانصد مگاهرتزي اكس‌باكس 360 ساخت شركت ATI  موسوم به C1 يا Xenos است كه در ساختار آن از  337 ميليون ترانزيستور استفاده شده است.

در اكس‌باكس360، CPU و GPU (پردازنده گرافيكي) مي‌توانند 512 مگابايت حافظه گرافيكي از نوع DDR3 را به اشتراك بگذارند كه در طراحي حافظه منحصربه فرد است. اين كنسول با يك هاردديسك بيست ‌گيگابايتي عرضه مي‌شود.

سيستم  صوتي آن  مي‌تواند در وضعيت مونو، استريو يا دالبي 1/5 كانالي تنظيم شود. سه پورت USB براي اتصال  دسته‌هاي بازي يا ديگر دستگاه‌ها تعبيه شده است و مانند دو رقيب ژاپني خود، براي اتصال به انواع شبكه از پورت اترنت و نيز نوع گسترده‌تر اتصال بي‌سيم از آداپتور 802.11a/b/g بهره برده است. تعداد بازي‌هاي منتشر شده براي اين كنسول به علت يك سال سپري شدن از عرضه آن بسيار زياد است.

پژوهش‌هاي مؤسسه تحقيقاتي ABI نشان مي‌دهد چهل‌و‌پنج ‌درصد كاربراني كه هم اكنون از كنسول‌هاي قديمي اكس‌باكس استفاده مي‌كنند، اقدام به خريد كنسول نسل جديد اكس‌باكس360 خواهند كرد.

آنچه مايكروسافت در موفقيت كنسول خود روي آن حساب مي‌كند، قدرت گرافيكي و پردازشي زياد، قيمت پايين‌تر و بازي‌هاي منتشر شده بيشتر نسبت به PS3 و شبكه گسترده كاربران آنلاين آن است. 

اكس‌باكس 360 در دو نوع و با دو قيمت عرضه مي‌شود: نمونه استاندارد آن با قيمت سيصددلار و نوع ديگر، پلا‌تنيوم، با امكانات ديگري چون هاردديسگ بيست گيگابايتي با قيمت چهارصددلار عرضه مي‌شود.

شركت اچ‌پي در هفته‌هاي اخير از جديدترين محصولات خود پرده‌برداري نمود كه در ميان آن‌ها دو چاپگر توجه همه را به خود جلب نموده‌اند. HP CM 8060 چاپگر رنگي ليزري است كه مي‌تواند 70 تا 71 برگ A4 را در دقيقه چاپ كند. سرعت متوسط اين چاپگر شصت پرينت سياه و سفيد و پنجاه پرينت رنگي در دقيقه است.

شركت اچ‌پي محصول ديگري با نام CM 8050 را نيز معرفي نموده است كه از سرعت چاپ كمتري نسبت به مدل قبلي برخوردار است. اين دو چاپگر فوق سريع در رده چاپگرهاي چندكاره يا MFP قرار گرفته‌اند و در آن‌ها از فناوري جديد Edgeline استفاده شده است. اين فناوري از Ink Jet برتر است و امكان چاپ با كيفيت بهتر و در سرعت بيشتر را فراهم مي‌كند. اين چاپگرها براي شركت‌هاي تجاري بزرگ مناسب هستند.