Дуэль нейросетей. Искусственные эмбрионы. Облачный И. И. Прогресс не стоит на месте, и каждый год ученые и инженеры со всего мира удивляют нас новыми чудесами, которые раньше существовали лишь на страницах научно-фантастических романов. Сегодня «Популярная механика» расскажет вам о самых интересных технологических прорывах, которые навсегда изменили нашу жизнь.
Василий Макаров

3D-печать металлов

Технология трехмерной печати существует уже несколько десятилетий, однако долгое время ей пользовались разве что дизайнеры и просто любители. Печатать объекты из чего-то, кроме пластмасс, было мучительно медленно, да и качество изделий оставляло желать лучшего. Сейчас же технология объемной печати серьезно претендует на то, чтобы стать новым способом массового производства металлических деталей. Она несет в себе массу преимуществ: в частности, малым производителям не нужно создавать и хранить на складах запасы товара: все запчасти могут быть распечатаны по мере поступления заказов в кратчайшие сроки. Кроме того, эта технология позволяет создавать более легкие, прочные и сложные детали, которые попросту невозможно получить с использованием традиционных методов — пользователь 3D-принтера получает более точный контроль над микроструктурой металлов.

К примеру, В 2017 году исследователи из Национальной лаборатории Лоуренса Ливермора объявили, что разработали метод трехмерной печати для создания деталей из нержавеющей стали, которые в два раза качественнее изготовленных традиционным способом. Также в 2017 году компания Markforged, — небольшой стартап, специализирующийся на 3D-печати, — выпустила первый принтер для печати металлов стоимостью менее 100 000$.

Искусственные эмбрионы

Эмбриологи, работающие в Кембриджском университете в Великобритании, с помощью одних только стволовых клеток смогли вырастить реалистично выглядящих зародышей мыши. Никакой спермы, никаких яйцеклеток — только клеточная сыворотка, взятая у другого эмбриона. Работа вызвала большой резонанс среди ученых: возможно, именно она станет тем шагом, который позволит качественно улучшить наше понимание явления жизни как таковой. Больше всего это похоже на сборку конструктора: исследователи аккуратно помещали стволовые клетки на трехмерный каркас и наблюдали за тем, как они начинали развиваться и взаимодействовать друг с другом. Магделена Зерница-Гёц (Magdelena Zernicka­-Goetz), возглавляющая команду, поделилась своими впечатлениями: «Мы знали, что потенциал стволовых клеток очень велик, но и представить не могли, что они могут самостоятельно организовываться в такие аккуратные, прекрасные структуры».

По мнению самих исследователей, на данном этапе развитие эмбрионов в полноценных мышей вряд ли возможно. Но это лишь вопрос времени: следующим шагом будет создание искусственного зародыша человека и, как знать, может именно он знаменует собой начало эры массового клонирования и выращивания органов для трансплантации. Само собой, эта технология ставит ряд очень важных этических вопросов: чем именно отличаются будущие клоны от нас с вами? Когда в эмбриональном развитии наступает та стадия, во время которого зародыш начинает чувствовать боль? Наконец, когда в нем зарождается разум и можно ли считать операцию на эмбрионах этические приемлемой? Для ответа на них ученым нужно лишь время.

Умный город

Концепция города, в котором все управляется суперсовременными технологиями и направлено на улучшение благосостояния его граждан, тоже существует уже очень давно. Такие проекты всегда сталкиваются с рядом весьма очевидных проблем: огромная стоимость, сложность и многоплановость реализации, социальные и культурные особенности городской среды… Однако новый проект в Торонто, получивший название Quayside, поставил своей целью переосмыслить понятие «городской квартал» с нуля и перестроить его по новейшим цифровым технологиям.

Проект был запущен в октябре 2017 года, а непосредственно строительство намечено на 2019. За реализацию отвечает Alphab’s Sidewalk Labs, базирующаяся в Нью-Йорке и сотрудничающая с правительством Канады. Одна из целей проекта состоит в том, чтобы изменить облик промышленного района, расположенного на набережной Торонто. Информация должна поступать отовсюду: обширная сеть датчиков будет собирать данные по самым разным показателям, от качества воздуха и уровня шума до деятельности отдельных граждан. План предусматривает также, что все транспортные средства будут автономными и предназначенными для совместного использования. «Грязную» работу возложат на плечи роботов: они займутся уборкой, мелким ремонтом и даже будут разносить письма. Sidewalk Labs заявляет, что откроет доступ к программному обеспечению и системам, которые оно создает, чтобы другие компании могли создавать собственные сервисы поверх них, как сейчас создаются приложения для мобильных телефонов.

Искусственный интеллект в массы

До сих пор ИИ был главным образом игрушкой крупных технологических корпораций, таких как Amazon, Baidu, Google и Microsoft, а также некоторых крупных стартапов. Для многих компаний и исследовательских центров системы, необходимые для поддержания и исследования ИИ, слишком дороги, и экономический фактор долгое время был основной проблемой, препятствующей массовому распространению искусственного интеллекта.

Однако решение в итоге все же было найдено: ИИ «переехал» в облако, что позволило привлечь к его разработке намного больше людей. Раньше доминирующее положение в этом вопросе занимал Amazon, владеющей облачными серверами ИИ компании AWS. Google решил не отставать от конкурента и открыл доступ к исходному коду библиотеки AI TensorFlow, которая может быть использована для создания ПО в рамках машинного обучения. Недавно Google также анонсировал Cloud AutoML, набор предварительно подготовленных систем, которые могли бы сделать ИИ более простым в использовании.

В дело вступила и Microsoft, которая объединилась с Amazon и выпустила Gluon, библиотеку глубокого обучения с открытым исходным кодом. Предполагается, что Gluon создаст базу для нейронных сетей — ключевую технологию искусственного интеллекта, которая обучается по тому же принципу, что и человеческий мозг. Пользоваться этой системой будет так же просто, как создавать приложения для смартфонов.

Дуэль нейросетей

Искусственный интеллект очень хорошо разбирается в предметах: покажите ему миллион фотографий, и он может сказать вам с необычной точностью, на которой из них изображен пешеход, переходящий дорогу. Однако ИИ сам по себе не может сгенерировать даже примитивную картинку с таким пешеходом. Зачем это нужно? Например для того, чтобы у автопилота автомобилей будущего была база, по которой система могла бы отличить пустую дорогу от той, по которой в настоящий момент движутся люди.

Решение этой проблемы впервые придумал Иан Гудфеллоу (Ian Goodfellow), аспиранта Монреальского университета, во время академического спора в баре в 2014 году. Метод, известный как генеративно-состязательная сеть (англ. GAN), оперирует двумя нейросетями и заставляет их играть друг против друга в своего рода «кошки-мышки». Работает это так: обе сети обучаются на одном и том же наборе данных. Одной, называемой «генератором», поручено создавать варианты изображений определенного характера, к примеру вышеназванного пешехода на дороге. Второй, известной как «дискриминатор», поручают определять, насколько картинки первой сети соответствуют изначальным примерам: например, если она видит человека с тремя ногами — тут же обвиняет первую сеть в мошенничестве.

Со временем это приводит к тому, что генератор начинает создавать настолько точные изображения, что дискриминатор уже не видит в них подделку. Именно так технологии совершенствуют сами себя: в качестве еще одного убедительного примера, исследователи из Nvidia загрузили в GAN фотографии знаменитостей и позволили программе сгенерировать на их основе сотни реалистичных лиц людей, не существующих в реальности. Более того, в настоящее время GAN уже научились перерисовывать изображения, подменяя их местами: солнечную погоду они могут превратить в снежную, а пустыню — в заснеженную арктическую пустошь.

Понравилась статья?
Подпишись на новости и будь в курсе самых интересных и полезных новостей.