موتور بازی

هسته هر بازی رایانه ای از یک موتور گرافیکی(که وظیفه رندرینگ را برعهده دارد) برای ترسیم فیزیکی(مثلا برخوردهای فیزیکی) استفاده می کند. در گذشته که موتور بازی نبود، این کارها به وسیله کد نویسی انجام می شد که وقت گیر و مشکل بود.

3 نوع موتور بازی داریم :

• سطح پایین : شرکت ها بصورت دلخواه تمام قسمت های بازی را تولید می کنند.
• سطح میانی : مثل unreal و Gamebryo . موتور هایی که برنامه نویسی کمی دارند و مراحل توسعه راحت تر از قبلی است.
• سطح بالا : مجموعه کاملی از ابزارها و امکانات مورد نیاز برای خلق یک بازی را در اختیار قرار می دهند. مثل موتورهای : Torquee Game Builder و Game Maker و Unity3d . مشکل این سطح این است که فقط دو سبک بازی اکشن و استراتژیک را ساپورت می کنند. البته در ورژن های جدیدتر بهبود یافته و تا حدودی این مشکل را برطرف کرده اند.

لازم به ذکر است با زبان سی شارپ در موتور Unity3d کد نویسی ها را انجام داد.

سیستم های پیشنهاد دهنده (Recommender Systems)

سیستم های پیشنهاد دهنده سیستم هایی هستند که در پیدا کردن و انتخاب نمودن آیتم های مورد نظر کاربران به آنها کمک می کنند. طبیعی است که این سیستم ها بدون در اختیار داشتن اطلاعات کافی و صحیح در مورد کاربران و آیتم های مورد نظر آنها (بعنوان مثال فیلم، موزیک، کتاب و ...)  قادر به پیشنهاد دادن نمی باشند. بنابراین یکی از اساسی ترین اهداف آنها جمع آوری اطلاعات گوناگون در رابطه با صلایق کاربران و آیتم های موجود در سیستم است. منابع و روش های گوناگونی برای جمع آوری چنین اطلاعاتی وجود  دارد. یک روش جمع آوری اطلاعات بصورت صریح که در آن کاربر صراحتا اعلام می کند که به چه چیز هایی علاقه دارد ( بعنوان نمونه با امتیاز دادن (rate) به یک موزیک). روش دیگر روش ضمنی  است که کمی دشوار تر است و در آن سیستم باید صلایق کاربر را با کنترل و دنبال کردن رفتار ها و فعالیت های او بیابد ( بعنوان مثال باید ببینید کاربر به چه موزیک هایی بیشتر گوش می دهد، چه صفحاتی را بازدید می کند، با چه کسانی در ارتباط است و ...). علاوه بر اطلاعات ضمنی و صریح برخی از سیستم ها نیز هستند که از اطلاعات شخصی کاربران استفاده می کنند. بعنوان مثال سن، جنسیت و ملیت کاربران می تواند منبع خوبی برای شناخت کاربر  و ارائه پیشنهاد به وی باشد. به این گونه از اطلاعات Demographic Information گفته می شود که گروهی از سیستم های پیشنهاد دهنده مبتنی بر همین اطلاعات بنا شده اند. با ظهور web 2 و گسترش شبکه های اجتماعی در سال های اخیر محققین به منبع اطلاعاتی دیگری برای بهبود کیفیت پیشنهاد ها پی بردند  که همان اطلاعات موجود در شبکه های اجتماعی بود  و بر همین اساس کار های تحقیقاتی زیادی در این حوزه شکل ریزی گردید.

اهمیت سیستم های پیشنهاد دهنده وقتی بیش از پیش مشخص می شود که کاربران

دست یابی آژانس امنیت ملی آمریکا به رایانه کوانتومی

آژانس امنیت ملی آمریکا (NSA) برای رمزگشایی از گذرواژه‌ها به فن‌آوری تازه‌ای در عرصه صنعت رایانه دست یافته است. با بهره‌گیری از این فن‌آوری تازه، آژانس امنیت ملی آمریکا می‌تواند به کامپیوترهای حکومت‌ها و بانک‌ها و صنایع نفوذ کند.

روزنامه واشنگتن پست گزارش داده است که آژانس امنیت ملی آمریکا (NSA) در عرصه صنعت رایانه و در عرصه ساخت کامپیوترهای کوانتومی به فن‌آوری‌های تازه‌ای دست یافته است که با بهره‌گیری از آن می‌توان کامپیوتری ساخت که از آن به عنوان «سوپرکامپیوتر» یاد می‌شود. این کامپیوتر این توانایی را دارد که از گذرواژه‌های بسیار دشوار رمزگشایی کند و دسترسی به اطلاعات بانک‌ها، مراکز پژوهشی و کامپیوترهای وزارتخانه‌ها را فراهم آورد.

روزنامه واشنگتن پست این اطلاعات را بر اساس اسنادی که ادوارد اسنودن در اختیار این روزنامه قرار داده به‌دست آورده است.

ادوارد اسنودن یک متخصص سی ساله امور رایانه‌ای است که پیش از این برای آژانس امنیت ملی آمریکا کار می‌کرد و به طور غیر قانونی اسنادی را که نمایانگر دامنه فعالیت‌های جاسوسی آژانس امنیت ملی بود منتشر کرد و اکنون در تبعید، در روسیه به‌سر می‌برد.

روزنامه نیویورک تایمز دوم ژانویه