هوش مصنوعی هر روز قابلیت های فوق العاده ای از خود رو میکند .اینبار هوش مصنوعی به حوضه ۵جی وارد شده و سعی در ارتقای این فناوری دارد .در این مطلب قصد داریم اینترنت ۵ جی و کمکی که هوش مصنوعی میتواند به آن بکند را به طور کامل توضیح دهیم .باما همراه باشید .
هوش مصنوعی چیست؟
هوش مصنوعی (AI) به مجموعهای از برنامههای کامپیوتری گفته میشود که فرایندهای هوش انسانی را شبیهسازی میکنند. این برنامهها به سه مهارت شناختی اصلی تمرکز میکنند:
– یادگیری (کسب دادهها و ایجاد قوانینی برای مرتبسازی آن دادهها)
– استنتاج (انتخاب دادههای مناسب برای دستیابی به نتیجه موردنظر)
– و خودتنظیمی (تنظیم دقیق مرتبسازی دادهها برای حصول نتایج دقیقتر).
الگوریتمها بهعنوان قوانین مرتبسازی دادهها شناخته میشوند که دستورالعملهای گامبهگامی را برای رسیدن به یک نتیجه خاص ارائه میدهند.
بیشتر بخوانید :با PASSGPTبیشتر آشنا شوید . |
۵G چیست؟
اکثر شرکتهای ارائه دهنده خدمات تلفن همراه در سراسر جهان، در حال حاضر به نسل پنجم تلفن همراه یا ۵G مجهز هستند. استانداردهای ارتباطی این نسل برای اولین بار در پایان سال ۲۰۱۷ تعیین شد. سرویسهای ۵G به سه نوع اصلی با باندهای فرکانسی مختلف تقسیم میشوند: باند پایین، باند متوسط و باند بالا. هر کدام از این سرویسها با عملکردی منحصر به فرد همراه هستند که در قسمت دیگری از متن توضیح داده خواهد شد. باید توجه داشت که حتی اگر تمامی شرکتهای ارائه دهنده خدمات تلفن همراه در حال حاضر خدمات ۵G را ارائه دهند، تغییرات قابل توجهی در خدمات آن به زمان بیشتری نیاز دارد.
برای مقایسه، نسل چهارم تلفن همراه یا ۴G در سال ۲۰۱۰ معرفی شد و در سالهای ۲۰۱۲ و ۲۰۱۳ شبکههای نرمافزاری و ارتباطی اصلی برای استفاده از آن بازار پیدا کردند. در حال حاضر، شرکت اریکسون به عنوان یکی از پیشگامان فناوری اطلاعات و ارتباطات (ICT) برای ارائه دهندگان خدمات، تخمین میزند که تا سال ۲۰۲۴، فقط ۴۰ درصد جهان از طریق شبکه ۵G به شبکه متصل خواهد شد.
حرف “G” در ۵G به معنای “نسل” است. سرویس سلولی آنالوگ اولین نسل یا ۱G بود. فناوریهای دیجیتال سلولی یا ۲G، نسل اولیه از فناوریهای دیجیتال سلولی بودند. فناوریهای سلولی یا ۳G سرعت ارتباطات را از ۲۰۰ کیلوبیت بر ثانیه به چندین مگابیت بر ثانیه افزایش دادند. فناوریهای ۴G در حال حاضر سرعت ارتباطات را تا صدها مگابیت و حتی به سطح گیگابیت افزایش میدهند. ۵G به چندین جنبه جدید توجه میکند: کانالهای بزرگتر برای ارائه سرعتهای بسیار بالا، تأخیر کمتر برای پاسخ دهی سریعتر و همچنین قابلیت اتصال به دستگاههای بیشتر در یک زمان.
هوش مصنوعی چه نقشی در شبکههای ۵G ایفا خواهد کرد؟
در اجرای شبکههای ۵G، چالشهای زیادی وجود دارد که به منظور برطرف کردن آنها، یکپارچهسازی شبکهها در نظر گرفته میشود. طبق یک بررسی انجامشده توسط شرکت اریکسون، بیش از ۵۰ درصد از مدیران و تصمیمگیران اصلی ۱۳۲ شرکت تلفن همراه در سراسر جهان، انتظار دارند تا در پایان سال ۲۰۲۰، هوش مصنوعی را در شبکههای ۵G خود ادغام کنند. هدف این ادغام، کاهش هزینههای سرمایه، بهینهسازی عملکرد شبکه و ایجاد درآمدهای جدید است. در حدود ۵۵ درصد پرسششوندگان، از هوش مصنوعی برای بهبود خدمات مشتریان، بهبود تجربه مشتری با افزایش کیفیت شبکه و ارائه خدمات شخصیسازیشده استفاده میکنند. اغلب پاسخدهندگان (۷۰ درصد)، بازیابی سرمایهگذاریهای انجامشده در تغییر شبکه به ۵G را بهعنوان بهترین روش برای استفاده از هوش مصنوعی در برنامهریزی شبکه میدانند. بیشتر پاسخدهندگان (۶۴ درصد)، کاربری هوش مصنوعی خود را بر مدیریت عملکرد شبکه متمرکز کردهاند. علاوه بر این حوزهها، مدیریت SLA، چرخه عمر محصول، شبکهها و کنترل و افزایش درآمد نیز از جمله حوزههای دیگری هستند که هوش مصنوعی در آنها قابل بهرهبرداری است. البته چالشهایی نیز در ارتباط با ادغام هوش مصنوعی در شبکههای ۵G وجود دارد. برای جمعآوری، ساختاردهی و تجزیهوتحلیل حجم عظیمی از دادههای جمعآوریشده توسط هوش مصنوعی، مکانیسمهای مؤثری باید ایجاد شود. به همین دلیل، پذیرفتهشدگان اولیه هوش مصنوعی که راهحلهایی برای این چالشها پیدا میکنند، بهعنوان پیشتازان صنعت به نظر میرسند که با ادغام شبکههای ۵G و هوش مصنوعی، پیشی خواهند گرفت.
بیشتر بخوانید : هوش مصنوعی چیست ؟ |
چرا ۵G به حوزه هوش مصنوعی مرتبط است؟
اگرچه اندازه گوشیهای هوشمند ما به صورت روزافزون کوچک شده است، الگوریتمهای اصلی که آنها را اجرا میکنند، تقریباً از دهه ۱۹۹۰ اساساً تغییر نکردهاند. به همین دلیل، سیستمهای ۵G به اندازه بسیار بیشتری نسبت به حد مطلوب انرژی مصرف میکنند و بازده کمتری دارند. استفاده از هوش مصنوعی و یادگیری عمیق به جای الگوریتمهای بیسیم سنتی، منجر به کاهش چشمگیر مصرف انرژی و بهبود قابل توجه عملکرد ۵G میشود. به همین دلیل، کاربرد هوش مصنوعی در ارتباطات ۵G بیشتر از تمرکز بر روی مدیریت شبکه و زمان مورد توجه قرار خواهد گرفت.
یکی از موارد قابل توجه در شبکههای ۵G، محدودیت طبیعی فرکانسهای رادیویی است. این فرکانسها و پهنای باند مورد استفاده در شبکههای سلولی، همزمان توسط برخی سازمانها و دستگاههای دیگر استفاده میشوند. به منظور عدم تداخل بین کاربران امواج رادیویی، قوانین ملی و بینالمللی تنظیم شدهاند و اتحادیه بینالمللی مخابرات (ITU) نظارت میکند. با این حال، نگرانی وجود دارد که استفاده بیشتر از فناوریهای بیسیم، باعث شلوغی در طیف امواج رادیویی شود. یکی از راهحلهای پیشنهادی برای این مشکل، توسعه و بهکارگیری دستگاههای ارتباطی است که با استفاده از الگوریتمهای هوش مصنوعی، همیشه از یک فرکانس ثابت استفاده نمیکنند و به دنبال فرکانسهای آزاد و مناسب برای ارتباط هستند. با بهکارگیری این روش، محدودیت پهنای باند فرکانسی در توسعه شبکههای ارتباطی، برطرف خواهد شد و اپراتورها به راحتی میتوانند از تمام ظرفیت باندهای فرکانسی برای ارائه خدمات استفاده کنند، بدون نگرانی از تداخل فرکانسی.
علاوه بر سرعت بیشتر، شبکه ۵G با تأخیر کمتر، مزیتهای بیشتری را در اختیار توسعهدهندگان قرار میدهد. به دلیل تأخیر کم و سرعت بالاتر، توسعهدهندگان میتوانند برنامههایی را طراحی کنند که در مواردی مانند انتقال ویدئویی پیشرفتهای بزرگی را نشان دهند، بهطوریکه برای اهداف امنیتی و رویدادهای ورزشی از آن استفاده کنند. همچنین، اتصال ۵G دسترسی به دادههای بلادرنگ از راههای مختلف را فراهم میکند. با استفاده از حسگرهای اینترنت اشیا (IoT) که به مدت طولانی فعال هستند و انرژی بسیار کمی مصرف میکنند، این امکان فراهم میشود که کاربردیهای هوشمندی مانند کشاورزی و آبیاری هوشمند و نظارت بر شرایط تجهیزات در کارخانهها به راحتی انجام شود. همچنین، پزشکان با استفاده از دادههای بیمار، میتوانند به راحتی به تشخیص دسترسی پیدا کنند. با این حال، استفاده از هوش مصنوعی برای بهبود کاربردهای این فناوریها الزامی است.
۵G چگونه به هوش مصنوعی کمک میکند؟
رایانش لبه یا edge computing، روشی است که با ذخیره و پردازش دادهها در نزدیکی منبع یا کاربر نهایی این امکان را فراهم میکند تا پردازش به صورت محلی و با استفاده از سرورها یا سایر سختافزارها در نزدیکی منبع داده صورت گیرد. این روش با علاقهمندی بسیاری همراه بوده و در حال حاضر در صنایع مختلفی مانند صنعت مخابرات و صنایع دیگر به کار گرفته شده است. با این حال، بسیاری معتقدند که ارائه محصولات «متصل»، بازار را به طور قابل توجهی تحریک نکرده است. اما با پیشرفت فناوری هوش مصنوعی، این رویکرد به ارائه خدمات با ارزش افزوده جدیدی برای مصرفکنندگان تبدیل شده است.
شبکه ۵G به دلیل معماری خود، میتواند به پردازش هوش مصنوعی بیشتری کمک کند و سرعت این انقلاب را افزایش میدهد. معماری شبکه ۵G، آینده هوش مصنوعی را تغییر خواهد داد و سرعت و ادغام فناوریهای مختلف را بهبود خواهد بخشید. با استفاده از هوش مصنوعی، ماشینها و سیستمها قادر خواهند بود تا با سطوح هوشی مشابه انسانها کار کنند. به طور خلاصه، فناوری ۵G سرعت خدمات در فضای ابری را افزایش داده و همزمان، هوش مصنوعی به دادهها در جهت تجزیه و تحلیل و یادگیری سریع از آنها کمک خواهد کرد.
بیشتر بخوانید :تکنولوژی هایی که اینده جهان را متحول میکنند . |
یادگیری ماشین چیست؟
یادگیری ماشین به معنای ایجاد الگوریتمها و مدلهای آماری برای انجام یک کار خاص است، که بدون نیاز به برنامهریزی صریح، با تکیه بر الگوها و استنتاج انجام میشود. در این روش، الگوریتمهای ML، با استفاده از دادههای نمونه مانند دادههای آموزش، مدلهای ریاضی را ایجاد میکنند تا بتوانند پیشبینی یا تصمیمگیری را بدون برنامهریزی خاص برای آن کار انجام دهند. الگوریتمهای ML آموخته شده میتوانند سیستمهای بیسیم نسل بعد را با بهبود قابل توجه در چگالی، مصرف انرژی و دقت نسبت به سیستمهای شکننده و دستی فعلی تقویت کنند.
یادگیری عمیق (Deep learning)، نوعی از یادگیری ماشین است که در آن الگوریتمهای بسیاری با سطوح مختلف استفاده میشود و هرکدام تفسیر متفاوتی از دادهها را ارائه میدهند. در این نوع یادگیری، شبکههای عصبی مصنوعی بهعنوان الگوریتمهای بعدی، بسیار شبیه به شبکههای عصبی مغز انسان هستند. این شبکهها با یادگیری روشهای مؤثر در شرایط دشوار، بهسرعت در حال تبدیلشدن به واقعیت هستند.
چگونه میتوانیم از یادگیری ماشین و هوش مصنوعی برای ۵G استفاده کنیم؟
بدون یادگیری ماشین و هوش مصنوعی نمیتوان شبکه ۵G را به طور کامل عملیاتی کرد. ترکیب یادگیری ماشین و هوش مصنوعی با رایانش لبه ۵G میتواند باعث بهبود عملکرد سرورها شود. شبکه ۵G امکان اتصال همزمان چندین دستگاه IoT را فراهم میکند و حجم زیادی از دادهها را تولید میکند که باید با استفاده از یادگیری ماشین و هوش مصنوعی پردازش شوند.
وقتی ML و AI با MEC در رایانش لبه ۵G ترکیب میشوند، ارائهدهندگان بیسیم قادر خواهند بود:
– سطوح بالای اتوماسیون از ساختارتوزیعشده یادگیری ماشین و هوش مصنوعی در لبه شبکه را فراهم کنند.
– هدایت ترافیک با استفاده از برنامه در سراسر شبکههای دسترسی را پشتیبانی کنند.
– و با برش شبکه پویا، سناریوهای مختلف براساس نیازهای متفاوت کیفیت خدمات را به عنوان یک اجرای منعطف فراهم کنند.
چرا یادگیری ماشین برای سیستمهای بیسیم ۵G مهم است؟
شبکههای ۴G از پروتکل اینترنت (IP) استفاده میکنند برای اتصالات پهنباند و انتقال دادهها که کارایی آن نسبتاً ضعیف و محدود است. با یادگیری ماشین و هوش مصنوعی در شبکههای ۵G، قابلیت پیشبینی و عدم وابستگی شبکهها به دادههای ورودی فراهم میشود. این قابلیتها برای بهبود عملکرد شبکههای ۵G ضروری هستند. با ترکیب یادگیری ماشین در فناوری ۵G، سایتهای هوشمند قادر خواهند بود تصمیمهای خود را بگیرند و دستگاههای همراه نیز با توجه به دادههای آموختهشده، خوشههای سازگار و پویا ایجاد کنند. این کار باعث بهبود کارایی، کاهش تأخیر و افزایش قابلیت اطمینان برنامههای شبکه خواهد شد.
پتانسیلها و محدودیتهای یادگیری ماشین برای ارتباطات ۵G
همانطور که شبکه ۵G به پیچیدگی بیشتری میرسد و کاربردهای جدیدی مانند خودروهای خودران، اتوماسیون صنعتی، واقعیت مجازی، سلامت الکترونیک و دیگر کاربردهای نوظهور ظهور میکنند، یادگیری ماشین در تحقق چشمانداز ۵G بسیار ضروریتر خواهد شد. همانند هر فناوری جدید، یادگیری ماشین در این موضوع نیز پتانسیلهای قابلتوجهی دارد و در عین حال محدودیتهایی نیز وجود دارد که باید با آنها برخورد شود.
پتانسیلهای یادگیری ماشین برای ارتباطات ۵G شامل موارد زیر است:
پهنای باند همراه پیشرفته (eMBB: enhanced Mobile Broad band):
بهبود تجربه کاربری در سرویسهایی که نیازمند نرخ بیت بالا هستند، با گسترش شبکه فعلی موبایلهای با باند وسیع دستیابی به نرخ داده بالاتر را جلب میکند. به عنوان مثال، پخش ویدئو با کیفیت فوقالعاده بالا و ارائه واقعیت مجازی آنلاین به طور موثر تر امکانپذیر خواهد بود.
ارتباطات عظیم ماشینی (mMTC: Massive Machine type communication):
در این ردهبندی، تجهیزات مختلفی مانند سنسورهای کنترل از دور، پهپادها، تجهیزات متحرک و دستگاههای مانیتورینگ مختلف قرار دارند. ویژگی مشترک و حائز اهمیت این تجهیزات، هزینه بسیار کم و مصرف انرژی پایین آنها است. این تجهیزات باید قادر به ارائه عمر باتری بیشتر و زمان فعالیت طولانیتر باشند تا بتوانند خدمات را ارائه دهند. در حالی که هر یک از این تجهیزات حجم داده بسیار کمی تولید میکنند، با افزایش تعداد آنها، حجم داده تولید شده به طور چشمگیری افزایش مییابد و شبکه واسط رادیویی باید قابلیت انتقال این حجم عظیم از دادهها را داشته باشد. یکی از ویژگیهای اصلی خدمات ارتباطی ۵G، تقاضای اتصال مقیاسپذیر برای گسترش تعداد دستگاههای بیسیم با انتقال کارآمد مقادیر کمی داده در مناطق پوشش است. mMTC باید قادر به پشتیبانی از کاربردهای جدید و غیرمنتظره باشد.
ارتباطات بسیار مطمئن با تأخیر کم (URLLC: Very low latency, very high reliability and availability):
طبق تعریف سوم نسل انجمن ۳GPP، شبکه موبایل پنجمین نسل باید به کاربران خود کمترین تأخیر و بالاترین در دسترس بودن را ارائه دهد. این قابلیت شامل امنیت و حفاظت اطلاعات کاربران، نظارت خودکار بر نحوه رفع خرابیها و نگهداری سیستم و اتوماسیون کارخانهای میشود. برنامههای بهداشتی متصل، جراحی از راه دور، برنامههای کاربردی حیاتی، خودروهای خودران، ارتباطات وسیله نقلیه به وسیله نقلیه (V2V)، اتصال قطار سریع السیر و برنامههای کاربردی صنعت هوشمند، اولویت بندی شدهاند که باعث بهبود قابلیت اطمینان میشوند.
محدودیتهای ML برای ارتباطات ۵G عبارتند از:
داده: جهت استفاده از برنامههای کاربردی ML، دادههای با کیفیت عالی ضروری هستند و نوع دادهها (با برچسب یا بدون برچسب) در تصمیمگیری برای استفاده از نوع یادگیری، عامل مهمی به شمار میآیند. ML به خوبی از دادههایی که دریافت میکند، بهره میبرد.
قضیه هیچ ناهاری مجانی نیست:
این مسئله بیان میکند که اگر همه توزیعهای تولیدشده توسط دادههای ممکن بهطور میانگین محاسبه شوند، هر الگوریتم یادگیری ماشینی در هنگام پیشبینی دادههای جدید، عملکرد یکسانی خواهد داشت. این بدان معنی است که هدف یادگیری ماشینی جستجوی بهترین الگوریتم یادگیری مطلق نیست، بلکه درک نوع توزیع مربوط به یک برنامه خاص ۵G است و اینکه کدام الگوریتم یادگیری ماشینی بهترین عملکرد را در آن داده خاص دارد.
(در علوم کامپیوتر مواقعی پیش میآید که خروجی تمام روندهایی که مشغول حل یک نوع مسئله خاص هستند، از لحاظ آماری مشابه هم باشند. «دیوید ولپرت» و «ویلیام مک ردی» بیان زیبایی را برای چنین وضعیتی در مسائل جستجو [و بهینهسازی] ارائه دادهاند و آن هم این بود که از «ناهار مجانی خبری نیست». ولپرت قبلاً راهکار «هیچ ناهار مجانی» را برای یادگیری ماشینی بهدست آورده بود. قبل از اینکه مقاله ولپرت منتشر شود، «کالن شفر» خلاصهای از کار منتشرنشده ولپرت را با اصطلاحات مختلف به جامعه علمی ارائه داد.)
انتخاب Hyperparameters :
پارامترهای افزوده در الگوریتمهای یادگیری ماشینی به نام “ابرپارامتر” شناخته میشوند. بر خلاف پارامترهای عادی، این مقادیر باید قبل از شروع عملیات آموزش تنظیم شوند و همچنین با دقت حساب شوند، زیرا بر نتیجه نهایی یادگیری تأثیر مستقیم دارند.
تفسیرپذیری در مقابل دقت:
از دیدگاه ذینفعان، درک تعاملات پیچیده میان متغیرهای مستقل، به دلیل پیچیدگی و عدم قطعیت، ممکن است دشوار باشد. بنابراین، باید همواره بین تفسیر دادهها و دقت کامل یک دادوستد و همچنین مبادله دادهها، تعادلی را ایجاد کرد.
حریم خصوصی و امنیت:
الگوریتمهای یادگیری ماشینی ممکن است تحت حملات خصمانه قرار بگیرند؛ به عنوان مثال، اصلاح یک نمونه ورودی برای مجبور کردن مدل به طبقهبندی آن در دستهای متفاوت از کلاس اصلیاش.
نوآوریهای برتر ۵G در افق پیش رو
با این همه پتانسیل برای بهرهگیری از یادگیری ماشینی و هوش مصنوعی و ادغام آنها با شبکههای ۵G، صنایع مختلف درحال کار به سوی نوآوری با استفاده از ۵G هستند. برخی از نوآوریهای برجسته در آینده عبارتند از:
ورزش: ۵G قابلیتهای پیشرفتهای مانند مشاهده سهبعدی و نماهای پرسپکتیو مختلف را از یک بازی زنده ارائه میدهد.
واقعیت مجازی بیسیم (VR): با ۵G، کاربران میتوانند در هرجایی و در هر زمان از محتوای واقعیت مجازی لذت ببرند.
واقعیت افزوده (AR): 5G خدمات واقعیت افزوده مانند باغوحشهای مجازی، آزمایشگاه مجازی، کلاسهای مجازی و… را ارائه میدهد.
پخش زنده: ۵G پخش زنده با کیفیت بسیار بالایی را از دستگاههای بیسیم ارائه میدهد.
پخش جریانی بازی: بازیهای ابری میتوانند از طریق ۵G پردازش شوند و در حین اجازه ورودی از دیگران، پخش شوند.
با توجه به پتانسیل بالای استفاده از یادگیری ماشینی و هوش مصنوعی و ارتباط آنها با شبکههای ۵G، بسیاری از صنایع در حال کار به سمت نوآوری با استفاده از ۵G هستند. برخی از نوآوریهای برجسته در آینده عبارتند از:
اجرای آنلاین موسیقی: با استفاده از قابلیتهای ۵G، میتوان به صورت آنلاین با دیگران به اجرای موسیقی بپردازیم.
ماشینهای خودران: این فناوری به قدرت محاسباتی بالایی نیاز دارد که تنها با شبکههای ۵G و هوش مصنوعی بهدست خواهد آمد. با این ترکیب، نقشههای سهبعدی شهرها به صورت همزمان روی وسایل نقلیه آپلود میشوند، ترافیک بهروزرسانی میشود و نرمافزارها به صورت خودکار بهروزرسانی خواهند شد.
خانه بیسیم: برخی از دستگاههای ۵G دارای هاتاسپات بیسیم برای تمام خانه هستند.
اسکنرهای کممصرف مانند برخی تجهیزات مزارع کشاورزی هوشمند، دستگاههای خودپرداز، تجهیزات پزشکی و ماشینآلات سنگین کنترل از راه دور: این اقلام نیازی به اتصال دائمی ندارند و بنابراین میتوانند به مدت ۱۰ سال با یک باتری کار کنند؛ درحالیکه دادههای خود را بهصورت دورهای ارسال میکنند.
امنیت عمومی و زیرساخت: شهرهای هوشمند و دیگر زیرساختهای خدمات شهری میتوانند با استفاده از شبکههای ۵G کارآمدتر عمل کنند. شرکتهای خدماتی قادر خواهند بود بر کیفیت خدمات خود از راه دور نظارت کنند. با استفاده از سنسورهای نصبشده، میتوان بهسرعت از وقوع آتشسوزی، سیل و حتی سوختن چراغهای معابر عمومی مطلع شد و شهرداریها با استفاده از اتصالات ۵G بهسرعت و بهطور ارزانقیمت دوربینهای نظارتی و ترافیکی نصب کنند.
با توجه به پتانسیل بالای استفاده از یادگیری ماشینی و هوش مصنوعی و ارتباط آنها با شبکههای ۵G، بسیاری از صنایع در حال کار به سمت نوآوری با استفاده از ۵G هستند. برخی از نوآوریهای برجسته در آینده عبارتند از:
مراقبتهای بهداشتی: دوربینهای پزشکی از راه دور، ساماندهی مراقبتهای بهداشتی از راه دور، استفاده از فناوری AR برای فیزیوتراپی، انجام عمل جراحی دقیق و حتی انجام عمل جراحی از راه دور همگی امکاناتی هستند که شبکههای ۵G در اختیار قرار خواهند داد. بیمارستانها قادر خواهند بود شبکههای حسگر را برای نظارت بر بیماران ایجاد کنند. پزشکان می توانند داروهای هوشمند را با قابلیت ردیابی در بدن تجویز کنند و شرکتهای بیمه میتوانند اعضای خود را برای تعیین بهترین درمانها و فرایندهای مناسب نظارت کنند.