در این نوشته قصد داریم اهمیت بک‌لینک و تاثیر آن بر رتبه سایت در جستجوی گوگل را شرح دهیم. همچنین شما را با اصطلاحات حوزه سئو آشنا کنیم.

به واسطه ذخیره ابری پیام‌های تلگرام، اگر اکانت تان را روی هر دیوایسی باز کنید همچنان تمام چت‌ها حضور خواهند داشت. با این حال به خاطر زمزمه‌هایی مبنی بر فیلترینگ تلگرام، احتمال دارد دسترسی به محتویات این اپلیکیشن پیام رسان در آینده چالش‌های خودش را داشته باشد؛ بنابراین گرفتن نسخه پشتیبان از قسمت‌های مهم این اپ می‌تواند نگرانی‌ها را کاهش دهد. به گزارش دیجیاتو در مطلب پیش رو به سراغ همین موضوع رفته ایم و نگاهی به نحوه گرفتن پشتیبان از محتوای تلگرام انداخته ایم. اگر می‌خواهید با روش‌های بکاپ گرفتن از محتویات این اپلیکیشن اجتماعی محبوب آشنا شوید، تا پایان همراه ما باشید.

راه اول: از افرونه Save Telegram Chat History استفاده کنید

گوگل کروم یک مزیت خیلی خوب دارد؛ برای هر چیزی می‌توانید افزونه بیابید و در این زمینه نیز مرورگر محبوب گوگل نا امیدتان نمی‌کند. برای استفاده از Save Telegram Chat History کافیست ابتدا به فروشگاه افزونه‌های گوگل رفته و سپس افزونه را دانلود کنید.

بعد از اینکار از طریق نسخه وب تلگرام (به آدرس https://web.telegram.org) وارد اکانت تان شوید. در این مرحله روی هر کانتکت یا گروهی که می‌خواهید تاریخچه چت هایش ذخیره شود، کلیک کرده و نهایت افزونه را باز کنید؛ بسته به تعداد پیامی که نگه می‌دارید، پروسه ذخیره کردن مدتی طول می‌کشد.

راه دوم: از چت‌ها پرینت بگیرید

در این روش به دو چیز نیاز دارید: یکی اینکه دوباره از طریق نسخه وب تلگرام وارد اکانت شوید و همچنین از مرورگری استفاده کنید که از فرمت پی دی اف (همانند گوگل کروم) پشتیبانی می‌کند:

۱ - به هر مخاطب یا گروهی که می‌خواهید بروید و مکالمه‌ها را (مشابه اسکرین شات پایین) انتخاب کنید

۲ - روی منو مرورگر (سه خط بالا، سمت راست) کلیک نمایید

۳ - Print را انتخاب کنید تا صفحه جدیدی برای تان باز شود

۴ - در این قسمت، بخش Destination را به Save as PDF تغییر دهید و گزینه‌های Background graphics و Selection only را فعال کنید.

۵ - در نهایت Save را بزنید تا چت‌ها در فرمت فایل پی دی اف ذخیره شوند

بد نیست بدانید از مرحله سه به بعد، احتمال دارد تفاوت‌هایی در بعضی مرورگر‌ها وجود داشته باشد. همچنین این روش برای ذخیره گفت و گو‌های مخفی (Secret Chat) نیز کاربرد زیادی دارد. چون برخلاف پیام‌های عمومی، سکرت چت‌ها فقط در همان دیوایسی که گفت و گو را آغاز کرده اید نمایش داده می‌شوند.

راه سوم: از مخاطبین تلگرام پشتیبان بگیرید

تلگرام حالا به یکی از اصلی‌ترین راه‌های برقراری ارتباط ایرانیان تبدیل شده و به همین خاطر احتمالا خیلی از مخاطبین تان در این اپلیکیشن پیام رسان حضور دارند. برای گرفتن پشتیبان از کانتکت‌های این سرویس می‌توانید از اپلیکیشن Contact to Excel استفاده کنید تا مخاطبین در قالب فایل اکسل ذخیره شوند.

در حالت عادی، Contact to Excel تمام مخاطبین موبایل را ذخیره می‌کند. اما اگر می‌خواهید تنها کانتکت‌های تلگرام را نگه دارید، راه خیلی سخت تری پیش رو خواهید داشت. در روش دوم ابتدا باید به آدرس contact/setting/export بروید، از مخاطبین خود یک نسخه پشتیبان بگیرید و سپس در موبایل آن‌ها را ذخیره کنید.
بسته به رابط کاربری موبایل ها، روش دوم روی بعضی تلفن‌های هوشمند متفاوت است.

چون در مراحل بعدی مجبورید مخاطبین را پاک نمایید. حالا وارد قسمت contact/setting/contact to display شوید. در اینجا اگر مخاطبین تان در سیم کارت ذخیره شده بودند، تیک sim card را بزنید و در صورتی که آن را روی مموری سیو داشتید تیک device را بزنید. سپس به بخش مخاطبین برگردید و تمام کانکت‌ها را پاک کنید.

چگونه از وردپرس بک آپ بگیریم

با توجه به اینکه قبلا از مخاطبین یک نسخه پشتیبان تهیه کرده اید، بنابراین جای نگرانی وجود ندارد. در واقع این کار را انجام می‌دهید تا مخاطبین شما پاک شوند و تنها کانتکت‌های برنامه‌هایی همانند تلگرام یا بقیه نرم افزار‌های ارتباطی باقی بمانند؛ بنابراین حالا می‌توانید کانتکت‌های تلگرام را به عنوان مخاطبین پیش فرض انتخاب کنید.

اکنون به قسمت contact/setting/contact to display بازگردید و تلگرام را بزنید. دوباره به contact/setting/export رفته و از کانکت‌های تلگرام حالا یک نسخه پشتیبان بگیرید. به contact/setting/export and import بروید و روی گزینه import کلیک نمایید تا فایلی که از مخاطبین تلگرام پشتیبان گرفته بودید را برگردانید.

حالا برنامه Contact to Excel را باز کرده و از مخاطبین پشتیبان بگیرید. بعد از آنکه کارتان تمام شد، به contact/setting/export and import بروید و فایلی که از آن ابتدا بکاپ گرفتید را انتخاب کنید؛ همان مخاطبین اولیه باز می‌گردد.

پژوهشگران علوم کامپیوتر در گوگل برین (Google Brain)، واحد مرکزی هوش مصنوعی گوگل، نشان داده‌اند که نه‌تنها قادر به بهینه‌سازی رزولوشن یا وضوح تصاویر هستند؛ بلکه می‌توانند طی این فرآیند، جزئیات از‌دست‌رفته‌ی تصویر را نیز بازسازی کنند. ۳ پژوهشگر از این شرکت مستقر در سیلی ولی در مقاله‌ی به نام Pixel Recursive Super Resolution، سیستم خود را روی تصاویر کوچک ۸ در ۸ پیکسل از چهره‌ی افراد معروف و تصاویری از اتاق خواب آزمایش کردند.

روند کار بدین صورت بود که یک شبکه‌ی عصبی یادگیرنده و یک شبکه‌ی عصبی اولیه در ترکیب با یکدیگر، تصاویر را تجزیه و تحلیل کردند تا نسخه‌هایی با تفکیک‌پذیری بالاتر ۳۲ در ۳۲ پیکسل تهیه کنند. در این فرآیند، فشرده سازی تصاویر بدون افت کیفیت تار و غیر قابل تشخیص، به تصاویری تبدیل شدند که به‌طور واضح چهره‌ی یک انسان یا یک اتاق خواب را نشان می‌دادند.

این سیستم هوش مصنوعی به‌طور ویژه با بهره‌گیری از یک رویکرد دوجانبه عمل می‌کند. شبکه‌ی یادگیرنده، تصاویر با وضوح پایین را با تصاویر باکیفیت مقایسه می‌کند تا چهره یا اتاق درون تصویر را تشخیص دهد. پژوهشگران توضیح می‌دهند که مقایسه‌ی تصاویر بی‌کیفیت با تصاویر با وضوح بالا، از طریق کاهش سایز تصاویر بزرگ به اندازه‌ی مشابه ۸ در ۸ پیکسل امکان‌پذیر است.

این پژوهشگران در مقاله‌ی خود می‌نویسند:

هنگامی که برخی از جزئیات در تصاویر منبع موجود نباشد، نه‌تنها شفاف‌سازی تصویر به یک چالش تبدیل می‌شود؛ بلکه بازسازی جزئیات تصویر جدید به نحوی که برای یک ناظر انسانی قابل قبول به نظر برسد، چالش بعدی به‌حساب می‌آید.

هنگامی که هر دو تصویر به یک اندازه باشند، تشخیص پیکسل‌ها و چهره‌های مشابه بین نسخه‌های متفاوت، برای هوش مصنوعی نسبتا آسان می‌شود. برای مثال، این سیستم می‌تواند گوش یک چهره‌ی به‌خصوص را تشخیص دهد و آن را با پیکسل‌ها در تصاویر دیگر مقایسه کند.

به‌محض آنکه نخستین شبکه‌ی هوش مصنوعی نقش خود را به اتمام رساند، پژوهشگران گوگل از پیکسل‌سی‌ان‌اناستفاده می‌کنند تا پیکسل‌های اضافه را به تصویر ۸ در ۸ پیکسل بیفزایند. آن‌طور که وب‌سایت Ars Technica توضیح می‌دهد، پیکسل‌سی‌ان‌ان با بهره‌گیری از آنچه درباره‌ی انواع تصاویر مشخص می‌داند، جزئیات را اضافه می‌کند. لب‌ها ظاهرا سایه‌ای از رنگ صورتی دارند؛ در نتیجه پیکسل‌های صورتی به نقاطی که به همان صورت شناسایی شده‌اند، افزوده می‌شود.

در پایان فرآیند هر یک از شبکه‌های عصبی، پژوهشگران گوگل نتایج را ترکیب می‌کنند تا یک تصویر نهایی به‌وجود آورند. آن‌ها فرآیند افزودن جزئیات را به نحوه‌ی کار یک هنرمند تشبیه می‌کنند. آن‌ها می‌نویسند: «یک هنرمند با ترکیب دانش قبلی از چهره‌ها و تغییرات معمول آن‌ها، می‌تواند با جزئیات قابل قبول نقاشی کند.»

پژوهشگران به‌منظور اثبات قابل قبول بودن تصاویر ساخته‌شده، سیستم‌شان را روی داوطلبان انسانی آزمایش کردند. آن‌ها به گروهی از شرکت‌کنندگان، یک تصویر واقعی از چهره‌ی افراد معروف در کنار تصویر ساخته‌شده توسط هوش مصنوعی نشان دادند. سپس از آن‌ها خواسته شد حدس بزنند که کدام تصویر با دوربین گرفته شده است. در نهایت، ۱۰ درصد مواقع داوطلبان فریب خوردند (۵۰ درصد امتیاز کامل به‌حساب می‌آید). برای تصاویر اتاق خواب، ۲۸ درصد افراد توسط تصویر مصنوعی فریب خوردند. هر دوی این ارقام در مقایسه با روش مقیاس‌بندی دومکعبی معمولی که قادر به فریب هیچ انسانی نیست، امتیازهایی قابل توجه به‌حساب می‌آیند.

در آینده و با پیشرفت بیشتر، امکان توسعه‌ی سیستم‌های مشابه به‌منظور افزودن جزئیات به فیلم‌ها و ویدئوهای بی‌کیفیت نیز وجود خواهد داشت. این فناوری می‌تواند در بهبود تصاویر بی‌کیفیت ثبت‌شده با دوربین‌های امنیتی و مداربسته، تأثیر فراوانی داشته باشد و به شناسایی مجرمان کمک کند. با این حال، این روش هنوز با تمام پایگاه‌های داده‌ی تصاویر آزمایش نشده است و در حال حاضر تولیدات هوش مصنوعی در واقع «بهترین حدس ماشین» محسوب می‌شوند، نه تصاویری کاملا دقیق.

منبع زومیت

در یک پایان‌نامه با استفاده از حوزه جدیدی از پردازش سیگنال‌ها به نام حوزه تُنک و الگوریتم جدید یادگیری دیکشنری "RLS-DLA" دو الگوریتم نوین برای فشرده‌سازی تصاویر چهره ارائه شد.