18

ИИ создал 3D-симуляцию Вселенной, но ученые не знают, как это получилось

Впервые астрофизики использовали искусственный интеллект для создания 3D-симуляции Вселенной. Результаты настолько точные и надежные, что создатели не уверены в том, как все это работает.



Скорость и точность проекта, названного Deep Density Displacement Model, или D3M, не были самым большим сюрпризом для исследователей. Реальный шок состоял в том, что D3M мог точно имитировать, как будет выглядеть Вселенная, если изменить некоторые ее параметры, например процент темной материи. Но при обучении алгоритм не получал никаких данных о том, что происходит при изменении этих параметров.



Программу создали ученые из Центра вычислительной астрофизики Института Флэтайрон в Нью-Йорке. Компьютерное моделирование, подобное тому, которое было сделано моделью D3M, существенно продвинуло вперед теоретическую астрофизику.


Ученые хотят знать, как космос может развиваться при различных сценариях, например при изменении темной энергии со временем. Такие исследования требуют выполнения тысяч операций, а D3M строит симуляции быстро и очень точно. Это делает ее уникальной в своем роде.


ИИ создал 3D-симуляцию Вселенной, но ученые не знают, как это получилось Искусственный интеллект, Вселенная, Наука

В частности, новый алгоритм может моделировать изменение гравитационной силы. Исследователи решили сосредоточиться только на гравитации, потому что она определяет большинство процессов, происходящих на уровне планет и звезд.


Поэтому ученые «скормили» нейронной сети D3M более 8000 различных симуляций Вселенной, которые создала другая программа. В результате, когда исследователи запустили новый алгоритм, он смог воссоздать модель Вселенной диаметром в 600 миллионов световых лет за 30 миллисекунд. При этом его погрешность составила менее трех процентов по сравнению с программами, которые потратили на процесс более 300 часов.


Но, несмотря на такие впечатляющие результаты, создатели D3M до сих пор не совсем понимают, как нейросети удалось создать симуляцию всего за несколько миллисекунд. Вполне возможно, что алгоритм пошел по пути наименьшего сопротивления и просто соединил несколько уже загруженных в него моделей в одну. Но это астрофизикам еще предстоит выяснить.


Источник: https://naked-science.ru/article/astronomy/ii-sozdal-3d-simu...

Дубликаты не найдены

+2
И после этого они называют себя учёными?
+1
Когда-нибудь доиграются
раскрыть ветку 2
+1
Возможно вместе с этой симуляцией вселенной программа создала и и симуляцию жизни в ней.
раскрыть ветку 1
+1
Возможно и мы чей-то эксперимент
-1

Просто код самим писать надо было, а не индийцам на аутсорс отдавать. Тогда бы знали что, как, откуда.

-1

Пусть он погоду в приморских городах предскажет раз 200 подряд без ошибок

0

Я боюсь ИИ

раскрыть ветку 5
0
ИИ знает об этом...
раскрыть ветку 2
0

Чует запах?

раскрыть ветку 1
0
Ии кого?
раскрыть ветку 1
+1
Иигоря
Похожие посты
552

Если инопланетяне свяжутся с нами, поймем ли мы их?

Польский философ и писатель-фантаст Станислав Лем считал, что наш вид никогда не сможет прочитать или понять послание инопланетян. Свой аргумент Лем изложил в шедевральном романе 1968 года «Голос Господа». В романе рассказывается об испытаниях и неудачах масштабной, похожей на Манхэттенский проект попытки расшифровать внеземное послание. По мере того, как книга углубляется в философию, лингвистику, математику, теорию информации и многое другое, автор медленно выкристаллизовывает аргументы скептиков о том, почему связь с инопланетянами почти наверняка обречена на провал. В своей простейшей манере Лем приходит к выводу о том, что существуют два непреодолимых барьера для коммуникации с разумными формами жизни, которые естественным образом будут существовать между чужеродными видами. Это лингвистический барьер и разрыв в интеллекте.

Лингвистический барьер
Помните фильм «Прибытие» 2016 года? В нем на нашу планету приземляется инопланетный корабль, а существа в кабине капитана – гиптоподы, напоминают земных обитателей морских глубин – головоногих моллюсков (осьминогов), что значительно осложняет коммуникацию между людьми и визитерами из космоса. Чтобы разгадать язык гиптоподов, правительство обращается за помощью к одному из ведущих мировых лингвистов. Дальнейший сюжет фильма рассказывать не буду, избавив читателей, которые его не смотрели, от спойлеров. Однако Лем утверждает, что даже в случае контакта с инопланетянами, теоретически понятное сообщение все равно будет нечитаемым.
Лем пишет, что на всех известных человеческих языках, от латыни до баскского, мы можем перевести предложение: «бабушка умерла, похороны в среду», и оно будет понято. Но этот перевод возможен только потому, что биологически и культурно мы все разделяем одни и те же ориентиры, необходимые для понимания слов: мы все умрем. Мы размножаемся половым путем и у нас есть бабушки. Несмотря на огромные культурные различия, все мы, так или иначе, церемониализуем акт смерти. И, наконец, что не менее важно, мы все связаны с гравитацией Земли и отмечаем течение времени в терминах темных и светлых периодов, вызванных вращением нашей планеты. Но представьте себе инопланетянина, который размножается бесполым путем – как амеба. У однополого существа не было бы ни бабушки, ни речевого аппарата, чтобы описать ее. Точно так же, эти существа могут быть «незнакомы с понятием смерти и похорон». Все эти понятия требуют объяснения.
Язык, утверждает Лем, требует общих ориентиров между коммуникаторами. И если разумная жизнь не выглядит и не ведет себя пугающе похоже на нас, то любой чужеродный вид будет отличаться от нас бесконечным количеством способов. Основой человеческого языка является наше восприятие окружающего мира, и нет никакой гарантии, что инопланетная жизнь сможет передать сообщение, которое мы понимаем, или так, как мы понимаем. Но даже если они это сделают, кто знает, сможем ли мы когда-нибудь разобрать дикцию чего-то столь странного, как разумное существо с биологией, основанной на мышьяке или кремнии?

Формы внеземного общения
Лем приводит несколько примеров, которые являются образцом различных возможностей инопланетного общения. У каждого из них есть свои подводные камни, которые сбивают нас с толку. Например, сообщение может быть записано так, как мы, люди, общаемся друг с другом и на языке, подобном нашему, с отдельными единицами значения, такими как слова, относящиеся к объектам и понятиям. Хотя словарный запас и грамматика этого языка сами по себе могут быть за пределами нашего понимания, по крайней мере, мы могли бы понять, как приступить к переводу. Словом, прямо как в фильме «Прибытие».
Но коммуникация может также быть системой «моделирования» сигналов, таких как теле или радио сигнал. Это означает, что сообщение, которое мы получим – не сообщение как таковое, а, например, сообщение, зашифрованное в двоичном коде. Лем считает, что в таком случае наши шансы обречены на провал. По мнению писателя, представители чуждого нам вида скорее всего общались бы с помощью чего-то вроде запаха. Эта идея, к слову, описана в фильме «Спасайтесь сами» (Save yourselves! 2020) – история повествует об инопланетянах, похожих на маленьких пуфиков, которые прилетели захватить нашу планету. Рекомендую к просмотру.
Третий и четвертый примеры заключаются в том, что сообщение может представлять собой своего рода «рецепт», то есть набор инструкций, необходимых для производства определенного объекта, или оно «может содержать описание объекта — конкретной «вещи».Так, в книге Лема инопланетяне посылают рецепт, чтобы вырастить инопланетянина, который затем смог бы общаться с людьми.
Выдающийся астроном и популяризатор науки Карл Саган высказывал похожую точку зрения. Свои соображения на счет возможного общения с инопланетной цивилизацией он изложил в романе «Контакт», по которому в 1997 году сняли одноименный фильм с Джоди Фостер и Мэтью Макконахью. Согласно сюжету, молодая радиоастроном (героиня Фостер) поймала сообщение от инопланетян, расшифровка которого показала схему строительства чего-то наподобие инопланетного корабля. Отмечу, что Саган считал радиоастрономию наиболее возможным способом контакта с внеземным разумом.

Разрыв в интеллекте
Давайте представим, что благодаря какому-то абсурдному лингвистическому везению мы сможем прочитать полученный инопланетный сигнал. Лем считает, что его расшифровка решает лишь половину проблемы: «не исключено, что получив послание от далеких миров, мы поступили бы с ним как дикари, греющиеся у огня горящих книг» — пишет Лем.
Писатель считал, что скорее всего интеллект наших внеземных друзей принципиально выше человеческого:

Я могу общаться со своей собакой, высокоинтеллектуальным животным, но только в той максимальной степени, которую позволяют когнитивные способности собаки.

Таким образом, наш вид может быть просто недостаточно высокоразвит, чтобы понять все, что хотят сказать инопланетяне. Но даже если представители внеземной цивилизации близки к нам интеллектуально и их цивилизация похожа на нашу, мы просто-напросто можем никогда об этом не узнать – в конце-концов никто не отменял космические расстояния и законы физики, согласно которым, во Вселенной действует ограничение скорости света – примерно 300 000 километров в секунду, а также, о ограничение скорости звука, о чем написано в этой статье.

Всем спасибо за прочтение данного поста.
Взято отсюда: https://hi-news.ru/eto-interesno/esli-inoplanetyane-svyazhut...

Показать полностью
191

Геометрия

В школе моим любимым предметом была геометрия - самая древняя наука на земле. Она зародилась в Древнем Египте, где многие люди занимались земледелием на очень плодородных берегах разливающейся реки Нил, и каждый раз после каждого разлива нужно было делить и размечать землю на участки. Там и появились первые открытия, такие, например, как прямоугольный треугольник со сторонами 3, 4, 5. В Древней Греции многие философы увлекались геометрией (среди них даже есть такие знаменитости, как Пифагор и Фалес). Основная часть теорем, на которых строится вся геометрия, были открыты египтянами и древнегреческими философами. У них был знаменитый сад "Ликей" - в честь которого позже стали называть учебные заведения (я сам учился в лицее). В этом саду они чертили на песке - очень удобно, всегда можно стереть и чертить заного. Самая удивительная из всех простых фигур - это окружность - для ее черчения нужен циркуль - карандаш, соединенный с опорой. Что меня больше всего поражало в окружности - это то, что если после ее черчения начинать делить ее радиусом циркуля, то этот радиус разделит окружность ровно на 6 частей. Я даже не знаю, можно ли это как-то доказать (а для аксиомы это не совсем очевидный феномен). Еще одна не совсем очевидная вещь - если провести диаметр окружности, и соединить его края с любой точкой на окружности - получится прямоугольный треугольник. Однажды учительница спросила у нас на уроке: "Как с помощью циркуля и линейки определить, является ли треугольник прямоугольным?" Тогда я с великим удовольствием рассказал, что нужно найти середину гипотенузы, провести окружность с центром в этой середине и радиусом в половину гипотенузы, и если все вершины треугольника будут лежать на получившейся окружности - значит он прямоугольный. Учительница тогда очень удивилась, так как готовилась показать нам другой способ (я уже не помню, какой именно). Позже, в старших классах, я стал читать научно-популярную литературу, среди которой был автор Мартин Гарднер - математик-популяризатор, он писал очень интересные книги, в которых рассматривал множество очень занимательных задач, и также писал даже рассказы, совмещающие в себе математику и фантастику. В одной из его книг я прочитал теорему, которая стала моей любимой, и больше всего меня поражала даже не сама теорема, а доказательство, которое было описано в книге. Это "Теорема о трех окружностях" - суть ее в том, что если начертить любые три окружности, и провести к каждой паре окружностей две общие касательные и найти точку их пересечения, то полученые три точки (всего три пары окружностей) будут располагаться на одной прямой. Не совсем очевидная вещь, но с тем доказательством, что было предложено в книге, она становится более-менее очевидна и ясна. Представим, что это не окружности на плоскости, а сферы в пространстве. Тогда каждая пара касательных для каждой пары окружностей - это конуса, в которые эти пары сфер "затолкали". Теперь представим, что мы опускаем воображаемую плоскость на эти конуса и сферы. Эта плоскость ляжет как на каждую сферу, так и на каждый конус. Точки пересечения касательных - это вершины конусов, а так как плоскость легла на каждый конус, то все вершины конусов оказываются на этой плоскости. То есть все три вершины конусов лежат одновременно на двух плоскостях - на той плоскости, на которой мы начертили окружности, и на той плоскости, которую мы опустили на сферы и конуса. Пересечение двух плоскостей - это прямая, значит все три вершины конусов лежат на одной прямой.

Геометрия Наука, Геометрия, Окружность, Вселенная, Большой взрыв, Длиннопост

Что также интересно, что круг - это единственная из простых фигур, которую мы можем наблюдать в природе - в природе нет квадратов и треугольников, но в ней полно кругов - формы планет и звезд, круги на воде, радуга, краторы. Когда я в школе делал доклад про Вселенную, я рассказывал про прочитанную где-то упрощенную модель Вселенной, где она представлялась, как поверхность сферы, которая, образовавшись из точки (сингулярности, теория Большого Взрыва), начала расширяться (и до сих пор расширяется). Многие люди спрашивают, если Вселенная не бесконечна, значит у нее где-то должен быть край, граница, тогда что за этой границей? В представленной мной модели становится понятно, что Вселенная, если представить ее, как поверхность расширяющейся сферы, может быть не бесконечна и в то же время не иметь краев и границ. Люди часто спрашивают: "Где произошел Большой Взрыв?". С приведенной мной моделью становится понятно, что он произошел в точке, из которой образовалась сфера, то есть вопрос "Где именно Большой Взрыв произошел во Вселенной в текущем ее состоянии?" уже не имеет логики (хотя можно на него ответить: "Везде" или "Прямо здесь").

Геометрия Наука, Геометрия, Окружность, Вселенная, Большой взрыв, Длиннопост
Показать полностью 2
26

Внутри чёрных дыр определённого типа должна существовать «фрактальная вселенная»

Внутри чёрных дыр определённого типа должна существовать «фрактальная вселенная» Космос, Вселенная, Астрономия, Черная дыра, Фракталы, Наука, Теория, Горизонт событий, Видео, Длиннопост

Чёрные дыры притягательны не только в буквальном смысле (ещё бы при такой гравитации!), они захватывают воображение фантастов, кинематографистов и, естественно, ученых. Смесь опасности и необъяснимости этих космических объектов порождает огромное множество теорий на их счет. И если вопрос о реальности их существования в наше время уже снят (потому, что снята первая фотография чёрной дыры), то вопросов об их природе и свойствах остается очень много.


В разных теориях чёрные дыры могут оказываться связанными друг с другом через кротовые норы, порождать наши дочерние вселенные, иметь электрический заряд, вращаться или быть стационарными, парить в вакууме или быть плотно окруженными материей.


Поскольку изучение чёрных дыр это процесс, по большей части, чисто теоретический, то и сами теории можно строить практически на любой основе.


Один из самых свежих взглядов на возможную сущность чёрных дыр совсем недавно представил в своем исследовании астрофизик Пол Саттер (Paul Sutter). Его чисто теоретический, основанный на математических расчетах, подход позволяет обосновать тип сверхпроводящих чёрных дыр, которые будучи электрически заряженными, окружены определенным видом пространства, известным как "антидеситтеровское пространство".


Этот тип пространства интересен и сам по себе, потому что предполагает отрицательную геометрическую кривизну, что делает это пространство похожим на седло. Но не менее интересно, что такая совокупность исходных предположений по расчетам Саттера должна приводить к существованию внутри такой чёрной дыры фрактальной вселенной.


Логика Саттера основана на следующем построении. Заряженные чёрные дыры во многом аналогичны вращающимся чёрным дырам, существование которых однозначно доказано. Поэтому изучая заряженные дыры, математика которых даже проще, можно основываться на том, что известно о вращающихся чёрных дырах.


Ученые выяснили, что когда последние становятся относительно холодными, то вокруг них возникает "дымка" квантовых полей. Эта дымка липнет к поверхности чёрной дыры, притягиваемая неумолимой гравитацией, но выталкивается наружу наэлектризованным отталкиванием той же самой чёрной дыры. Такая дымка квантовых полей, постоянно колеблющихся на поверхности чёрной дыры, создает сверхпроводящий слой.


Всю свою последующую математическую модель Саттер на известных свойствах сверхпроводников. Обычно частицы в реальных сверхпроводниках могут колебаться, поддерживая колебания волн взад и вперед, создавая эффект, известный как колебания Джозефсона. А глубоко внутри этих чёрных дыр само пространство колеблется взад и вперед, что позволяет строить самые фантастические предположения относительно их внутренней природы.


«Исследователи обнаружили, что самые внутренние области сверхпроводящей черной дыры могут представлять собой расширяющуюся Вселенную в гротескной миниатюре, место, где пространство может растягиваться и деформироваться с разной скоростью в разных направлениях», - поясняет Саттер.


Кроме того, в зависимости от температуры чёрной дыры, некоторые из этих областей пространства могут вызвать новый цикл вибраций, которые затем создают новый участок расширяющегося пространства, который в свою очередь запускает новый цикл вибраций, которые затем создают новый участок расширения пространства, и так далее, и так далее во все меньших масштабах.


Это сформировало бы миниатюрную фрактальную вселенную, бесконечно повторяющуюся от большей до меньшей. Совершенно невозможно представить, как бы выглядело путешествие через такое пространство, но это определенно было бы необычно.


В центре этого причудливого фрактального хаотического беспорядка должна находиться сингулярность: точка с бесконечной плотностью, место, где находится всё, что составляло материю, когда-то упавшую в черную дыру.


К сожалению, даже используя свои математические методы сверхзаряженной сверхпроводимости, исследователи не могут описать, что происходит в сингулярности. Вся известная физика рушится, и для ее полного описания требуются новые теории гравитации.

Никто не знает, что может обнаружиться в центре сверхпроводящей чёрной дыры. Но, учитывая как обычный, не связанный с наукой зритель, залипает на видах фракталов, большинству путешествие к такому центру понравилось бы.


Смотрите также анонсы новых тем на нашем ютуб-канале
Показать полностью 1
98

Сингулярность: добро пожаловать в нигде

Пространство-время – та сцена, на которой разворачивается вся история Вселенной: с момента Большого Взрыва, через рождение Млечного Пути, Солнца и расцвет динозавров – к Александру Македонскому и электронным научно-популярным журналам. К нему часто добавляют слово континуум, от латинского «непрерывное» – но кое-где и пространство-время обрывается. Здесь теряют силу привычные законы физики. Здесь время выглядит иначе. Здесь даже нельзя сказать «здесь», поскольку здесь нет и пространства. Это – область нигде и никогда. Это – гравитационная сингулярность.

Сингулярность: добро пожаловать в нигде Наука, Вселенная, Космос, Длиннопост

©Wikipedia

Притяжение геометрии


Со времен древних греков пространство казалось чем-то неизменным, постоянным, однородным, а время – не связанной с ним циклической спиралью вечного возвращения и повторения. К эпохе научно-технических революций эти представления лишь укрепились. Декартова система координат расчертила мир тремя взаимно перпендикулярными осями, время выпрямилось в отдельную, независимую от пространства (и вообще ни от чего) прямую стрелу. Во многом мы до сих пор живем в тех представлениях, возникших еще в XVIII веке.


Революционность взглядов Эйнштейна во многом состояла в понимании двух важных фактов, переворачивающих взгляды и на время, и на пространство. Во-первых, они взаимосвязаны и представляют собой единый пространственно-временной континуум. А во-вторых, континуум этот вовсе не неизменен и не постоянен: он деформируется в присутствии любой формы энергии, в том числе – в виде массы.


Классический способ представить этот обновленный Эйнштейном мир дает пример из геометрии. Представьте себе двухмерное пространство – туго натянутую сетку, на которую положен тяжелый бильярдный шар. Запустите мимо него теннисный мяч: шар немного растянул сетку, и мяч в своем движении отклонится, словно притянутый им, а возможно, даже «упадет» на него. Гравитация в эйнштейновском понимании может рассматриваться как геометрическое свойство пространства-времени, его искажение, возникающее под действием энергии (массы). Даже просто вращающееся массивное тело увлекает за собой «сетку» пространства-времени.


Мысленно расширьте этот пример на четыре измерения (три пространственных плюс одно временное) – и вы получите примерную геометрическую модель реального пространства-времени. Обратите внимание: где есть масса (энергия) – там нет прямых координатных осей, да и само время перестает быть прямолинейным и равномерным для всех наблюдателей. Представление о прямой оказывается просто математической абстракцией: самая прямая вещь, которую мы знаем из физики, – это траектория светового луча, движение фотона – но и оно искажается под действием гравитации. Притянутая материя локально движется по прямой, однако в глобальном рассмотрении эта прямая в гравитационном поле оказывается кривой.

Сингулярность: добро пожаловать в нигде Наука, Вселенная, Космос, Длиннопост

©Depositphotos

Разрывая сети


Но что если мы бросим на сетку из нашего геометрического примера не бильярдный шар, а что-нибудь потяжелее? Гантель, двухпудовую гирю. Скорее всего, наш демонстрационный экспонат не выдержит и лопнет, а в центре его останутся лишь дыра, нити, обрывки пространства-времени нашей модели. Нечто вроде сингулярности.


Даже в философском смысле сингулярность – антоним континуальности (непрерывности, отсутствия лакун, квантованности, разделенности на фрагменты – NS). Сингулярность – нечто, происходящее лишь однажды. Точка, к которой события стремились, пока не разрешились уникальным исходом. Взрыв, слияние, освобождение. В точках сингулярности математические функции резко меняют свое поведение: устремляются в бесконечность, переламываются, внезапно обращаются в ноль. Если переменная Х стремится к нулю, а функция от Х – к бесконечности, знайте: вы уже в сингулярности. В области, где обрывается непрерывная (континуальная) геометрия пространства-времени – и происходит нечто совсем уж невообразимое.


Удивительно, что Общая теория относительности сама обозначает границы своей применимости: в сингулярности «не работает» и она. При этом теория не только указывает на саму возможность существования гравитационных сингулярностей, но в некоторых случаях делает их вообще обязательными. Речь, в частности, о черных дырах – объектах колоссальной плотности, которая делает их невероятно массивными для своих размеров.

Сингулярность: добро пожаловать в нигде Наука, Вселенная, Космос, Длиннопост

Черная дыра / ©Wikimedia Commons

Черная дыра может иметь массу, сравнимую с массой крупной планеты или с миллиардом крупных звезд, но эта масса определяет лишь величину той области вокруг нее, где царит одна лишь гравитация – и откуда не вырваться ничему, ни веществу, ни излучению, ни информации. Размер этой «области невозврата» называется радиусом Шварцшильда, а ограничивает ее горизонт событий, условная линия, по одну сторону которой Вселенная живет своими законами, а по другую властвует сингулярность.


Гравитационная плюс космологическая


Принято говорить, что в сингулярности «законы физики теряют силу». Это не так – просто привычные законы здесь неприменимы, как неприменимы законы классической механики к миру квантовых частиц. По красочному выражению немецкого профессора Клауса Уггла, поведение математических уравнений и функций в сингулярности «становится патологическим». Заметить этот момент достаточно просто – достаточно наблюдать поведение свободно падающих частиц.


Независимо ни от вида самой частицы, ни от того, где именно она падает, она стремится двигаться по максимально прямой траектории, которая только существует в данных условиях. В пустом космосе, у поверхности Земли или за границей горизонта событий частица меняет траекторию лишь под действием других сил, в том числе гравитации. Но в сингулярности гравитационное поле возрастает до бесконечности, и свободно падающая частица просто… перестает существовать.


Прямые здесь обрываются (это свойство сингулярности называется геодезической неполнотой), а с ними обрывается и судьба частицы. Как показал еще около 40 лет назад великий математик Роджер Пенроуз, геодезическая неполнота должна возникать внутри любой черной дыры. Впоследствии его выкладки развил Стивен Хокинг, расширив эти представления до целой Вселенной.

Сингулярность: добро пожаловать в нигде Наука, Вселенная, Космос, Длиннопост

Черная дыра / ©Wikimedia Commons

Да, вначале была сингулярность. Еще в 1967 году Хокинг строго доказал, что если взять любой вариант решения уравнений Общей теории относительности и «развернуть их» назад во времени, то при любом раскладе в расширяющейся Вселенной мы придем к ней, к сингулярности. Из бесконечного провала этой «космологической праматери» и распустился цветок нашего пространства-времени.


Впрочем, при всей своей красоте «теоремы сингулярности Пенроуза – Хокинга» лишь указывают на возможность их существования. О том же, что происходит там, внутри, что можно «увидеть» в сердце черной дыры и чем была Вселенная до Большого Взрыва, они не говорят ровным счетом ничего. Возьмем хотя бы космологическую сингулярность Хокинга: она должна иметь одновременно бесконечную плотность и бесконечную температуру, совместить которые пока никак не получается. Ведь бесконечная температура означает бесконечную энтропию, меру хаоса системы – а бесконечная плотность, наоборот, указывает на хаос, стремящийся к нулю.

Сингулярность: добро пожаловать в нигде Наука, Вселенная, Космос, Длиннопост

©Wikimedia Commons

Сингулярность оголяется


Впрочем, это далеко не единственная странность вокруг сингулярности. Среди диковинных гипотез, построенных на строгой основе общей теории относительности, стоит вспомнить идею существования «голых сингулярностей» – не окруженных горизонтом событий, а значит и вполне наблюдаемых извне.


По мнению некоторых физиков, голая сингулярность может появляться из обычной черной дыры. Если черная дыра вращается чрезвычайно быстро, сингулярность вместо точки может приобрести кольцеобразную форму тора, окруженного горизонтом событий. Чем быстрее дыра вращается, тем сильнее сходятся внешний и внутренний горизонты – и в какой-то момент они могут слиться, исчезнув.


К сожалению, в реальности наблюдать голую сингулярность пока не удается, зато в фантастике она встречается регулярно. Одна из населенных разумными существами колоний в культовой киносаге «Звездный крейсер «Галактика» вращается не вокруг звезды или планеты, а вокруг такой голой сингулярности.

Сингулярность: добро пожаловать в нигде Наука, Вселенная, Космос, Длиннопост

Голая сингулярность / ©Wikimedia Commons

Стоит сказать, что Роджер Пенроуз ввел в космологию принцип космической цензуры, предположение, согласно которому голых сингулярностей во Вселенной быть не может. Ученый образно сформулировал свой подход: «Природа не терпит голых сингулярностей». Этот принцип до сих пор остается недоказанным и не опровергнутым окончательно.


Как (не) попасть в сингулярность


Рассуждая логически, можно прийти к выводу о том, что оказаться внутри сингулярности мы не сможем никогда – вплоть до момента окончательной гибели Вселенной. Давайте представим частицу, притянутую черной дырой. Вот она, ускоряясь, по спирали приближается к ней. Чем сильнее гравитация и выше скорость, тем, согласно уравнениям того же Эйнштейна, сильнее замедляется течение времени. Наконец наша частица пересекает горизонт событий.


Сколько у нее ушло на это времени? Для стороннего наблюдателя это могут быть годы. Но вот частица устремляется к сингулярности в центре дыры – пространство-время вокруг нее буквально встает на дыбы, время для частицы практически останавливается. Можно представить это и наоборот: время Вселенной в сравнении с ней ускоряется практически бесконечно.


Но ведь даже черные дыры не вечны. Как показал Стивен Хокинг еще в 1970-х, в результате сложной игры гравитации и квантовых эффектов у горизонта событий все черные дыры понемногу испаряются и рано или поздно исчезают. Быть может, исчезнет и частица, так и не добравшись до сингулярности. Но тут снова появляются парадоксы почище тех, что встретились Алисе в Стране Чудес. Например – где же находится эта частица?

Сингулярность: добро пожаловать в нигде Наука, Вселенная, Космос, Длиннопост

©Wikimedia Commons

С точки зрения теоретической физики, черные дыры – пустые. Да, их ограничивает горизонт событий, но за ним нет ничего, что можно было бы измерить, обозначить, зафиксировать – а значит, нет ничего вообще. Вся масса черной дыры сосредоточена в сингулярности – бесконечно малой точке, окруженной сферой, полной почти метафизической тьмы.

Сингулярность: добро пожаловать в нигде Наука, Вселенная, Космос, Длиннопост

©Wikimedia Commons

Что у нее внутри?


Некоторые теоретики полагают, что Вселенная не терпит не только голой сингулярности, но и разрывов пространства-времени. Поэтому каждая сингулярность является червоточиной – своего рода провалом, туннелем, соединяющим одну область мира с какой-то другой «прямым ходом», образно называемым «кротовой норой» или «червоточиной». Но это лишь гипотеза, и неизвестно, появится ли у нас когда-нибудь хотя бы возможность подтвердить ее или опровергнуть.

Сингулярность: добро пожаловать в нигде Наука, Вселенная, Космос, Длиннопост

©Wikimedia Commons

Главный вопрос остается: что там, внутри сингулярности? Что наступает после того, как сама ткань пространства-времени мнется, растягивается, дыбится, пока не разрывается окончательно? Ответить на него проще простого: неизвестно.

Источник: Naked Science.

Показать полностью 8
2034

Что будет, если упасть в чёрную дыру?

UPD: в комментариях имеется много критики в адрес поста

---

Наверняка вы полагаете, что если упадете в чёрную дыру, то вас ждет мгновенная смерть. Но в действительности, как полагают физики, ваша судьба будет куда более странной. В будущем такое может произойти с кем угодно. Может, вы пытаетесь найти новую обитаемую планету для человеческой расы или просто уснули в долгом пути. Что будет, если вы упадете в чёрную дыру? Можно было бы ожидать, что вас перемелет или разорвёт. Но всё не так просто.

В момент, когда вы войдёте в чёрную дыру, реальность будет разделена на две части. В одной вы будете немедленно уничтожены, а в другой погрузитесь в чёрную дыру совершенно невредимым.

Что будет, если упасть в чёрную дыру? Черная дыра, Космос, Вселенная, Наука, Длиннопост, Теория относительности, Квантовая механика

Чёрная дыра — это место, в котором известные нам законы физики не работают. Эйнштейн учил нас, что гравитация искривляет само пространство, деформирует его. Поэтому если взять достаточно плотный объект, пространство-время может стать настолько кривым, что завернется само в себя, проделав отверстие в самой ткани реальности.

Массивная звезда, которая исчерпала топливо, может обеспечить чрезвычайную плотность, необходимую для создания этого деформированного участка пространства. Прогибаясь под собственным весом и коллапсируя, массивный объект затягивает с собой и пространство-время. Гравитационное поле становится настолько мощным, что его не может покинуть даже свет, чем обрекает область, в котором находится эта звезда, на мрачную судьбу: чёрная дыра.


Внешней границей чёрной дыры является её горизонт событий, точка, в которой сила гравитации противодействует попыткам света покинуть ее. Подойдите слишком близко и возврата уже не будет.

Горизонт событий пылает энергией. Квантовые эффекты на этой границе создают потоки горячих частиц, утекающих обратно во Вселенную. Это так называемое излучение Хокинга, названное в честь физика Стивена Хокинга, который предсказал его существование. По истечении достаточного времени чёрная дыра испарит свою массу полностью и исчезнет.

Погружаясь в чёрную дыру, вы обнаружите, что пространство становится все более искривлённым, пока в самом центре не станет изогнутым бесконечно. Это сингулярность. Пространство и время перестают иметь хоть какой-нибудь смысл, и законы физики, известные нам, которые нуждаются в пространстве и времени, больше не работают.

Что будет, если упасть в чёрную дыру? Черная дыра, Космос, Вселенная, Наука, Длиннопост, Теория относительности, Квантовая механика

Что происходит в сингулярности? Никто не знает. Другая вселенная? Забвение? Мэтью Макконахи плавает по ту сторону книжных полок? Загадка.

Что же произойдет, если вы случайно упадете в одну из этих космических аберраций? Сначала спросим вашего космического напарника — назовем её Анна — которая с ужасом смотрит, как вы плывёте по направлению к чёрной дыре, в то время как она остаётся на безопасном расстоянии. Она наблюдает странные вещи.


Если вы ускоряетесь по направлению к горизонту событий, Анна видит, как вы растягиваетесь и искажаетесь, словно она смотрит на вас через гигантскую лупу. Кроме того, чем ближе вы подходите к горизонту, тем больше ваши движения замедляются.

Вы не можете крикнуть, поскольку воздуха в космосе нет, но можете попытаться сигнализировать Анне сообщение Морзе светом своего iPhone (даже приложение есть для этого). Однако ваши слова будут достигать ее все медленнее и медленнее, поскольку световые волны растягиваются до все более низких и красных частот: «Хорошо, х о р о ш о, х о р о…».


Когда вы достигнете горизонта, Анна увидит, что вы замёрзли, словно кто-то нажал кнопку паузы. Вы отпечатаетесь там, обездвиженный и вытянутый по всей поверхности горизонта, когда нарастающее тепло начнёт вас поглощать.


По мнению Анны, вас медленно стирает растяжение пространства, остановка времени и тепло излучения Хокинга. Перед тем как погрузиться в темноту чёрной дыры, вы превратитесь в пепел.


Но прежде чем начинать планировать похороны, давайте забудем об Анне и посмотрим на эту жуткую сцену с вашей точки зрения. И знаете, что тут происходит? Ничего.

Что будет, если упасть в чёрную дыру? Черная дыра, Космос, Вселенная, Наука, Длиннопост, Теория относительности, Квантовая механика

Вы плывете прямиком в самое зловещее проявление природы и не получаете ни шишки, ни синяка — и уж точно не растягиваетесь, не замедляетесь и не поджариваетесь на излучении. Потому что находитесь в свободном падении и не испытываете гравитации: Эйнштейн назвал это «самой счастливой мыслью».


В конце концов, горизонт событий — это не кирпичная стена, плавающая в пространстве. Это артефакт перспективы. Наблюдатель, который остается вне чёрной дыры, не может видеть сквозь него, но это не ваша проблема. Для вас горизонта не существует.


Если бы чёрная дыра была меньше, у вас были бы проблемы. Сила гравитации была бы гораздо сильнее у ваших ног, чем у вашей головы, и растянула бы вас как спагетти. Но к счастью для вас это большая черная дыра, в миллионы раз массивнее Солнца, так что силы, которые могли бы вас спагеттифицировать, достаточно слабы, чтобы их можно было проигнорировать.


Более того, в достаточно большой чёрной дыре вы могли бы прожить остаток своей жизни, а после умереть в сингулярности.

Что будет, если упасть в чёрную дыру? Черная дыра, Космос, Вселенная, Наука, Длиннопост, Теория относительности, Квантовая механика

Насколько нормальной эта жизнь будет, большой вопрос, учитывая что вас засосало против вашей воли в разрыв в пространственно-временном континууме и обратного пути нет.

Но если задуматься, нам всем знакомо это чувство, по опыту общения не с пространством, но со временем. Время идет только вперед, никогда назад, и засасывает нас против нашей воли, не оставляя шанса на отступление.


Это не просто аналогия. Чёрные дыры искажают пространство и время до такого экстремального состояния, что внутри горизонта событий чёрной дыры пространство и время на самом деле меняются ролями. В действительности, именно время засасывает вас в сингулярность. Вы не можете развернуться и уйти из черной дыры точно так же, как не можете развернуться и уйти обратно в прошлое.

В этот момент вы спросите себя: что не так с Анной? Если вы прохлаждаетесь внутри черной дыры, будучи окруженным пустым пространством, почему ваш напарник видит, как вы сгораете в излучении на горизонте событий? Галлюцинации?

Что будет, если упасть в чёрную дыру? Черная дыра, Космос, Вселенная, Наука, Длиннопост, Теория относительности, Квантовая механика

На самом деле, Анна пребывает в полном здравии. С её точки зрения вы действительно сгорели на горизонте. Это не иллюзия. Она даже могла бы собрать ваш пепел и отправить его домой.

На самом деле, законы природы требуют, чтобы вы оставались за пределами чёрной дыры, как это видно с точки зрения Анны. Это потому что квантовая физика требует, чтобы информация не пропадала, не терялась. Каждый бит информации, который говорит о вашем существовании, должен оставаться за пределами горизонта, чтобы законы физики Анны не нарушались.


С другой стороны, законы физики также требуют, чтобы вы плыли через горизонт, не сталкиваясь с горячими частицами или чем-то из ряда вон выходящего. В противном случае, вы будете нарушать «самую счастливую мысль» Эйнштейна и его общую теорию относительности.

Итак, законы физики требуют, чтобы вы одновременно были снаружи чёрной дыры в виде горстки пепла и внутри чёрной дыры, живы и здоровы. И есть также третий законы физики, который говорит, что информация не может быть клонирована. Вы должны быть в двух местах, но может быть только одна копия вас.

Так или иначе, законы физики приводят нас к выводу, который кажется довольно бессмысленным. Физики называют эту головоломку информационным парадоксом чёрной дыры. К счастью, в 1990-х они нашли способ её разрешить.

Что будет, если упасть в чёрную дыру? Черная дыра, Космос, Вселенная, Наука, Длиннопост, Теория относительности, Квантовая механика

Леонард Сасскинд пришёл к выводу, что парадокса нет, поскольку никто не видит вашу копию. Анна видит только одну копию вас. Вы видите только одну свою копию. Вы и Анна никогда не сможете их сопоставить (и свои наблюдения тоже). И нет третьего наблюдателя, который мог бы одновременно наблюдать чёрную дыру изнутри и снаружи. Так что никакие законы физики не нарушаются.

Но вы наверняка хотели бы узнать, чья же история правдива. Мёртвы вы или живы? На самом деле правды здесь нет. Тот вы, который смотрит на мир от первого лица, жив. Вы, который остался на горизонте чёрной дыры и превратился в пепел, мёртв. Происходит расщепление реальности, где в одной вас уже нет.

Есть такие явления, где нет истины; каждый воспринимает её по-своему.

Например, вы можете полететь в параллельный мир, где проживёте всего пару дней, а потом обратно вернётесь на Землю. Вернувшись, обнаружите, что все ваши близкие и знакомые уже давно ушли из жизни, и привычный вам мир в той или иной степени изменился. Вы отправились в параллельную вселенную, когда на Земле был 2024 год, а вернулись в 2088 году, хотя, казалось бы, прошло всего несколько дней.

Да, для вас действительно прошло всего пару дней, но на Земле этот самый промежуток времени протекал иначе, у вас он протекал значительно медленнее, но от этого суть не меняется: время у всех одно, но протекает везде по разному. В вашей вселенной это время воспринималось как многие года, а вы в параллельной вселенной воспринимали это время как какие-то там три-четыре денька, и в отличии от ваших тогдашних знакомых ваш организм состарился на эти самые три или четыре дня, но не на больше. Вернувшись обратно, вы можете посчитать, что оказались в будущем, и отчасти это действительно так. Вы вернётесь молодым и здоровым, и эти 64 года на Земле для вас были несколькими днями в параллельном мире.

Летом 2012 года физики Ахмед Альмейри, Дональд Марольф, Джо Полчински и Джеймс Салли, коллективно известные как AMPS, задумали мысленный эксперимент, который грозил перевернуть все, что мы насобирали о чёрных дырах. Они предположили, что решение Сасскинда основано на том, что любое несоответствие между вами и Анной опосредовано горизонтом событий. Не имеет значения, увидела ли Анна неудачную версию вас, растерзанных излучением Хокинга, поскольку горизонт не позволяет ей увидеть другую версию вас, плавающую в чёрной дыре.

Но что, если бы у нее был способ узнать, что было по ту сторону горизонта, не пересекая его?

Обычная относительность скажет «ни-ни», но квантовая механика немного размывает правила. Анна могла бы заглянуть за горизонт, используя небольшой трюк, который Эйнштейн называл «жутким действием на расстоянии».

Это происходит, когда два набора частиц, разделенных в пространстве, загадочным образом «запутаны». Они являются частью единого невидимого целого, поэтому информация, которая их описывает, загадочным образом связывается между ними.
Что будет, если упасть в чёрную дыру? Черная дыра, Космос, Вселенная, Наука, Длиннопост, Теория относительности, Квантовая механика

Идея AMPS основана на этом явлении. Скажем, Анна зачерпывает немного информации у горизонта — назовём ее А.

Если её история верна, и вы уже отправились в мир получше, тогда А, зачерпнутая в излучении Хокинга за пределами чёрной дыры, должна быть запутана с другой частицей информации B, которая также является частью горячего облака излучения. С другой стороны, если верна ваша история и вы живы и здоровы по другую сторону горизонта событий, то А должна быть запутана с другой частицей информации C, которая находится где-то внутри чёрной дыры. Но вот момент: каждый бит информации можно запутать лишь единожды. Из этого следует, что А может быть запутана либо с B, либо с C, но не одновременно с обеими.

Итак, Анна берёт свою частицу A и помещает ее в ручную машину декодирования запутанности, которая выдает ей ответ: B или C.

Если ответ C, побеждает ваша история, но законы квантовой механики нарушаются. Если A запутана с C, которая глубоко внутри в чёрной дыре, тогда эта частица информации потеряна для Анны навсегда. Это нарушает квантовый закон невозможности потери информации.


Остается B. Если декодирующая машина Анны обнаруживает, что А запутана с B, Анна побеждает и общая теория относительности проигрывает. Если А запутана с B, история Анны будет единственной верной историей, из чего следует, что вы на самом деле сгорели дотла. Вместо того, чтобы плыть прямо через горизонт, как подсказывает относительность, вы столкнетесь с пылающей стеной огня. Таким образом, мы возвращаемся к тому, с чего начали: что происходит, когда вы падаете в черную дыру? Вы скользите через нее и живете нормальной жизнью, благодаря реальности, которая странным образом зависит от наблюдателя? Или вы подходите к горизонту чёрной дыры только чтобы столкнуться со смертельной стеной огня?

Никто не знает ответ, и поэтому этот вопрос стал одним из самых спорных в области фундаментальной физики.

Более ста лет физики пытаются примирить общую теорию относительности с квантовой механикой, полагая, что одной из них придётся в конечном счёте уступить. Решение парадокса вышеупомянутой стены огня должно указать на победителя, а также привести нас к еще более глубокой теории Вселенной.


Одна из подсказок может лежать в машине декодирования Анны. Выяснить, какой из других битов информации запутан с A, является чрезвычайно сложной задачей. Поэтому физики Даниэль Харлоу из Принстонского университета в Нью-Джерси и Патрик Хейден, работающий в Стэнфордском университете в Калифорнии, решили разобраться, сколько времени потребуется на декодирование. В 2013 году они подсчитали, что даже при самом быстром компьютере, который только может существовать, Анне потребуется невероятно много времени, чтобы расшифровать запутанность. К моменту, когда она найдёт ответ, чёрная дыра уже давно испарится, исчезнет из Вселенной и заберёт с собой загадку смертельной стены огня.

Если это так, то одна только сложность этой проблемы может помешать Анне выяснить, чья же история верна. Обе истории останутся в равной степени верными, законы физики — нетронутыми, реальность — зависящей от наблюдателя, и никто не подвергнется опасности быть поглощенным стеной огня. Это также дает физикам новую пищу для размышлений: дрязнящие связи между сложными вычислениями (вроде тех, которые не может провести Анна) и пространством-временем. Возможно, где-то здесь скрывается нечто большее.

Таковы черные дыры. Они не только являются досадными препятствиями для космических путешественников. Они также являются теоретическими лабораториями, которые доводят законы физики до белого каления, а тонкие нюансы нашей Вселенной выводят на такой уровень, что проигнорировать их уже нельзя.

Что будет, если упасть в чёрную дыру? Черная дыра, Космос, Вселенная, Наука, Длиннопост, Теория относительности, Квантовая механика

Благодарю всех за прочтение данного поста🌌

Основная информация взята отсюда:

https://hi-news.ru/eto-interesno/chto-budet-esli-upast-v-che...

Показать полностью 7
447

Уточнен возраст Вселенной

Сколько лет Вселенной? Астрофизики обсуждают этот вопрос на протяжении десятилетий.


Данные, собранные 6-метровым телескопом «Atacama Cosmology Telescope», позволили уточнить возраст Вселенной – он составляет 13,79 миллиарда лет ± 21 миллион лет. Полученный результат соответствует оценкам, основанным на измерениях реликтового излучения спутником ESA «Planck», и ставит под сомнение выводы одной из исследовательских групп, заявившей в прошлом году, что Вселенная на сотни милионов лет моложе.

«Мы привыкли считать, что Вселенной около 13,77 миллиарда лет, плюс-минус 40 миллионов лет. Теперь мы уточнили ее возраст. Возможно, 21 миллион лет звучит как большая неопределенность, но на самом деле это очень точно. Представьте себе доктора, осматривающего 50-летнего пациента, который исходя из его текущего состояния, а не из истории болезни, оценивает его возраст с точностью до 25 дней!» – рассказывают участники проекта.

Уточнен возраст Вселенной Астрофизика, Астрономия, Вселенная, Интересное, Наука

Часть новой карты самого древнего света во Вселенной, созданной по данным телескопа «Atacama Cosmology Telescope». Представленный участок покрывает область пространства шириной 20 миллиардов световых лет. Свет, излучаемый всего через 380 000 лет после Большого взрыва, отличается поляризацией (представлен здесь красным или синим цветом). Астрофизики использовали расстояние между этими вариациями для расчета новой оценки возраста Вселенной. Credit: ACT Collaboration

Телескоп «Atacama Cosmology Telescope», расположенный в пустыне Атакама на севере Чили, оснащен очень чувствительной камерой, которая фиксирует поляризованный свет. Он настроен на работу на длинах волн около нескольких миллиметров, и самое яркое для него на небе – это тепловое свечение, оставшееся от плазмы, которая заполнила раннюю Вселенную.

«Яркость неба говорит нам о структуре ранней Вселенной. Поляризация – о движении. Вместе данные дают очень подробную картину. Наши наблюдения продолжаются. Следующая большая цель – найти крошечные нарушения четности в картине поляризации. Если мы увидим это, то это ключ к гравитационному излучению, генерируемому в самые ранние моменты рождения Вселенной. Многие проекты, а не только мы, ищут этот сигнал», – заключают участники наблюдений.

Источник: in-space.ru

360

Исчезла одна из самых ярких звезд во Вселенной

Куда-то подевалась сверхмассивная звезда, располагавшаяся в карликовой галактике Кинмана (Kinman Dwarf galaxy - PHL 293B). Эту далекую галактику, до которой 75 миллионов световых лет, видно в созвездии Водолея. Но уже без звезды, за которой долгое время наблюдали Эндрю Аллан (Andrew Allan) из колледжа святой Троицы (School of Physics, Trinity College Dublin, Ireland) и его коллеги из Европейской южной обсерватории (European Southern Observatory - ESO). Они и заявили о пропаже, сообщив подробности в журнале Monthly Notices of the Royal Astronomical Society.

Пропавшая звезда – так называемая яркая голубая переменная (luminous blue variable) - светила очень ярко. В 3 миллиона раз ярче Солнца. Была массивнее его, как минимум, в 100 раз. Поэтому и была видна в оптические телескопы с чудовищного расстояния. Столь яркие и мощные звезды – большая редкость во Вселенной. Астрономы очень ими интересуются. Интересовались и в ESO - точно знали, что с 2001 года по 2011 голубой гигант был на месте, сиял, как положено. Необходимость вновь взглянуть на удивительную звезду возникла в августе 2019 года. Взглянули, но не увидели ее. Присмотрелись внимательнее, наведя на карликовую галактику «Очень большой телескоп» (Very Large Telescope). Не помогло. Искомой звезды там не было. Астрономы обратились к архивным снимкам, сделанным между 2011 и 2016 годами – в том числе и орбитальным телескопом «Хаббл». И определили, что «яркая голубая переменная» исчезла из галактики Кинмана еще в 2011 году. Как украли.

Аллан и его коллеги пока теряются в догадках. И не исключают того, что случилось небывалое: гигантская звезда – одна из ярчайших во Вселенной – превратилась в черную дыру. Превратилась сразу. Коллапсировала, но не взорвалась перед этим, став сначала сверхновой, как положено звездам подобного вида.- Если звезда и в самом деле превратилась в черную дыру напрямую, то мы стали первыми свидетелями подобного явления, - говорит Аллан. – Ведь обычно жизнь гигантских звезд заканчивается иначе – взрывами сверхновых.

Возможен и другой вариант: звезда все-таки взорвалась, но ее загородило образовавшееся облако пыли. Правда, в таком случае какое-то свечение все равно должно было бы остаться. А его не видно. Поэтому фантастический сценарий с прямым превращением в черную дыры считается более вероятным.

Понять, как и куда из галактики исчезла целая звезда, возможно, получится через пять лет, когда в ESO заработает «Чрезвычайно Большой телескоп» (ELT) достаточно мощный, чтобы наблюдать за отдельными звездами в отдаленных галактических скоплениях.


https://www.samara.kp.ru/daily/27150/4245840/?from=twall

https://academic.oup.com/mnras/article/496/2/1902/5863970

Исчезла одна из самых ярких звезд во Вселенной Астрономия, Наука, Космос, Вселенная, Звезда, Черная дыра, Длиннопост, VLT
Исчезла одна из самых ярких звезд во Вселенной Астрономия, Наука, Космос, Вселенная, Звезда, Черная дыра, Длиннопост, VLT
Показать полностью 2
133

Неизвестная частица обнаружена в ЦЕРН

Неизвестная частица обнаружена в ЦЕРН Наука, Церн, Физика, Кварки, Вселенная, Кварк

дин из детекторов Большого адронного коллайдера обнаружил новую частицу, состоящую из четырех очарованных кварков. Физики полагают, что это первый представитель неописанного класса частиц.

Коллаборация LHCb (Large Hadron Collider beauty experiment) нашла новый тип четырехкварковой частицы, которую никогда не видели раньше. Открытие было представлено на недавнем семинаре в ЦЕРН, также о нем рассказывается в статье на сайте препринтов arXiv. Это открытие поможет ученым понять кварки — фундаментальные частицы Стандартной модели Вселенной.

Обычно они объединяются в группы по двое (кварк — антикварк) или трое, чтобы сформировать протоны и нейтроны. Более крупные частицы считаются экзотическими, однако ученые давно предполагают, что они могут состоять из четырех или пяти кварков (так называемые тетракварки и пентакварки). В последние годы эксперименты, проводимые в Большом адронном коллайдере (БАК), подтверждают существование таких адронов. Они идеально подходят для изучения сильного ядерного взаимодействия — одной из четырех фундаментальных сил Вселенной, которая связывает друг с другом протоны, нейтроны и ядра атома.

«Частица, которую мы только что обнаружили, первая, состоящая из тяжелых кварков одного и того же типа: двух очарованных кварков и антикварков, — говорит представитель LHCb Джованни Пассалева. — До сих пор LHCb и другие эксперименты фиксировали только тетракварки максимум с двумя тяжелыми кварками, и ни один из них не имел более двух кварков одного и того же типа».

Для поиска новых тетракварков Tcccc команда LHCb рассчитала их возможную массу и изучала данные, полученные на детекторе в периоды первого и второго запусков БАК в 2009-2013 и 2015-2018 годах. Она обнаружила два скачка энергии в диапазоне 6900 и 6400-6600 мегаэлектронвольт. При попытке описать полученные результаты ученые нашли более пяти стандартных отклонений в промежутке 6200-7400 мегаэлектронвольт. Этого достаточно, чтобы заявить об открытии новой частицы. Кроме того, такие скачки соответствуют массе Tcccc. «Эта частица уникальна — экзотический адрон, содержащий четыре кварка вместо двух или трех в обычных частицах материи, и первый, содержащий тяжелые кварки», — говорят ученые.

Пока

не ясно, является ли новая частица «истинным тетракварком», то есть системой из

плотно связанных четырех кварков, или она состоит из двух обычных пар. В любом

случае новая частица поможет теоретикам протестировать модели квантовой

хромодинамики, которая описывает сильное взаимодействие частиц. Авторы

собираются продолжить исследования во время третьего запуска LHCb, в марте 2021 года.

Показать полностью
131

ИИ от российских учёных создаёт новые лекарства

ИИ от российских учёных создаёт новые лекарства Наука, Искусственный интеллект, Нейронные сети, Химия, Биология, Медицина, Инновации, Длиннопост

Благодаря нейросети GENTRL, учёным удалось найти, синтезировать и проверить на животных новое лекарство от фиброза лёгких всего за 46 дней. (Иллюстрация из оригинальной статьи)

Ни для кого не секрет, что фармацевтический бизнес, пожалуй, самый неэффективный бизнес на свете. Стоимость вывода новой молекулы на рынок в среднем $1.8 млрд, а >90% потенциальных лекарств проваливаются на какой-либо стадии коммерческих испытаний. Причём >30% стоимости нового лекарства сконцентрировано ещё в доклинической стадии исследований, а сами исследования растягиваются на долгие годы (Рис.1).

Помимо этого, драг-дизайн находится в глобальном творческом тупике: всё сложнее придумать что-то новое. Весь низко висящий виноград уже собран, а чтобы дотянуться до верхних веток приходится тратить в разы больше, и при этом никто не гарантирует успех.


Но отечественным учёным похоже удалось разрешить эту проблему. В начале сентября Nature Biotechnology опубликовала статью "Deep learning enables rapid identification of potent DDR1 kinase inhibitors" ("Глубокое обучение позволяет быстро определять возможные ингибиторы DDR1 киназы"). Название в принципе хорошо раскрывает суть происходящего. Авторы утверждают, что за 46 дней придумали, синтезировали и экспериментально проверили действие 6 новых препаратов от фиброза лёгких.


Добиться таких успехов они смогли благодаря разработанной ими ИИ-платформе GENTRL. Знатоки машинного обучения могут найти оригинальную статью и написать в каментах, насколько GENTRL ИИ или не-ИИ. Я же скажу, что с помощью этой штуки удалось совершить то, с чем не справился бы ни один человек, а у группы людей заняло бы годы.

ИИ от российских учёных создаёт новые лекарства Наука, Искусственный интеллект, Нейронные сети, Химия, Биология, Медицина, Инновации, Длиннопост

Рис.1 — Cтоимость вывода нового препарата на рынок, разбитая по стадиям разработки. WIP (work in progress) — cколько нужно продуктов на этой стадии разработки, чтобы один из них вышел на рынок. Все затраты обозанчены в $ млн. В данной оценке не учитываются затраты на поиск новых таргетов и расходы компании, не связанные с RnD (например, з/п остальных отделов). Модель составлена по данным о 13 крупных фармкомпаниях. GENTRL относится преимущественно к стадии Target-to-hit

Сурс

Итак, GENTRL. C точки зрения техники, это "variational autoencoder" — нейросеть, которая позволяет, получив вход, дать похожий на него выход, но с некоторой вариацией, которую может задать её оператор. Например, имея фото лица, нарисовать на нём очки. Подробнее об этом типе сетей здесь.


Чтобы обучить GENTRL и фильтровать её (его?) выдачу, учёные использовали 6 баз данных, среди которых были базы, содержащие структуры сотен миллионов веществ, структуры известных DDR1-киназ и информацию из патентов.


Изначально GENTL произвела 30к потенциальных лекарств, из которых после нескольких раундов фильтрации и тестов была отобрана одна наиболее перспективная молекула (Рис.2).

ИИ от российских учёных создаёт новые лекарства Наука, Искусственный интеллект, Нейронные сети, Химия, Биология, Медицина, Инновации, Длиннопост

Рис.2 — из 30'000 молекул, сгенерированных GENTRL для ингибирования DDR1-киназы учёные отобрали одну самую перспективную, пропустив всю выдачу через различные фильтры и эксперименты.

Некоторым эта статья может показаться скучной, но это только до тех пор, пока они не задумаются о её значении для всей индустрии. GENTRL — первый, но вряд ли последний пример дизайна лекарств с помощью ИИ. В статье показаны только одна мишень, и только одна молекула прошла полный набор доклинических исследований. Но теоретически подобные пайплайны могут быть применены ко многим заболеваниям, выдавая десятки перспективных молекул. У такой парадигмы есть все шансы прочно укорениться и изменить весь ландшафт индустрии.


Низкие издержки на RnD позволят множеству игроков войти в эту отрасль и соревноваться с биг фармой. Лучшее перестанет быть врагом хорошего: разработка менее токсичных и более эффективных аналогов существующих лекарств станет финансово оправдана. Со сниженной стоимостью разработки больше редких заболеваний получат собственные, специфические препараты. И как всегда, рост конкуренции должен отразиться падением цен.


Напоследок я бы хотел отметить, что в данной публикации Nature больше дюжины авторов живут и работают в России. В этом плане статья уникальна (буду рад, если кинете в каменты статьи из группы Nature, где тоже внезапно куча русских). Если несложно, то твитаните оригинальную статью: так вы повысите её Altmetric Score и порадуете аторов.

https://www.nature.com/articles/s41587-019-0224-x

Показать полностью 1
37

Больше цифровых двойников: цифровизация производственного процесса

ИСТОЧНИК - читайте здесь. Перевод статьи с Nature.


Фей Тао и Цинлинь Ци объясняют, что виртуальные модели стимулируют интеллектуальное производство за счет имитации решений и оптимизации от проектирования до эксплуатации.

Больше цифровых двойников: цифровизация производственного процесса Наука, Новости, Технологии, Искусственный интеллект, Виртуальная реальность, Промышленность, Длиннопост

Некоторые городские власти разрабатывают цифровые копии городов, как это изображено у этого художника


Цифровые двойники (или «цифровые близнецы»)— точные виртуальные копии машин или систем — это революция в промышленности.


Цифровой двойник (англ. Digital Twin) — цифровая копия физического объекта или процесса, помогающая оптимизировать эффективность бизнеса. Концепция «цифрового двойника» является частью четвёртой промышленной революции и призвана помочь предприятиям быстрее обнаруживать физические проблемы, точнее предсказывать их результаты и производить более качественные продукты.


Вплоть до второй половины 2010-х создание компьютеризированных систем, повторяющих характеристики физических объектов почти в режиме реального времени, было невозможным ввиду технических ограничений. И лишь существенный прорыв в развитии цифровых технологий, позволивший увеличить вычислительные мощности и снизить цену их использования, позволил ведущим компаниям объединять информационные технологии с операционными процессами для создания цифровых двойников предприятий [источник].


Сложные компьютерные модели, основанные на данных, собранных с датчиков в режиме реального времени, отражают практически каждый аспект продукта, процесса или услуги. Многие крупные компании уже используют цифровые двойники для выявления проблем и повышения эффективности [1]. Возможно, половина корпораций будут использовать их к 2021 году [2].

Больше цифровых двойников: цифровизация производственного процесса Наука, Новости, Технологии, Искусственный интеллект, Виртуальная реальность, Промышленность, Длиннопост

Визуализация параметров работы станка с использованием дополненной реальности


Например, НАСА использует цифровые копии для контроля состояния своего космического корабля. Компании General Electric (GE) и Chevron используют их для отслеживания работы ветряных турбин. Сингапур разрабатывает цифровую копию всего города для мониторинга и улучшения коммунальных услуг («умный город», не иначе). Искусственный интеллект и облачные вычисления увеличат мощность таких моделей.


Многое еще предстоит сделать, чтобы реализовать потенциал новых цифровых двойников. Каждая модель построена с нуля: нет общих методов, стандартов или норм. Например, может быть сложно собрать данные из тысяч датчиков, которые отслеживают вибрацию, температуру, силу, скорость и мощность. Данные могут быть распространены среди разных владельцев и храниться в различных форматах. Например, конструкторы конкретного автомобиля могут хранить информацию о его материалах и конструкции, а производители хранят данные о том, как производится автомобиль.


Результат? Путаница. Цифровой близнец может не отражать то, что происходит в реальном мире, и побуждать менеджеров принимать неверные решения.


Здесь мы излагаем основные проблемы и призываем к более тесному сотрудничеству между компаниями из сферы промышленности и научным сообществом.


Трудности с данными

Первый шаг — решить, какие типы данных собирать [3]. Это не всегда очевидно. Например, для моделирования ветряной турбины может потребоваться контроль вибраций от коробки передач, генератора, лопастей, валов и башни, а также напряжений от системы управления. Крутящие моменты и скорости вращения, температуры компонентов и состояние смазочного масла также должны отслеживаться вместе с условиями окружающей среды (скорость ветра, направление ветра, температура, влажность и давление).


Отсутствующие или ошибочные данные могут исказить результаты и скрыть ошибки. Скажем, колебание ветряной турбины будет пропущено, если выйдут из строя датчики вибрации. Пекинская энергетическая компания BKC Technology изо всех сил пыталась понять, почему утечка масла вызывает перегрев паровой турбины. Оказалось, что цифровые копии не отображали полную информацию по смазке.


Оптимальное количество датчиков и место их размещения должны быть определены. Слишком мало датчиков, и прогнозы будут неточными; слишком много, и пользователь будет перегружен лишними деталями. Скорость сбора данных также имеет значение. Инженеры могут отслеживать вибрации от турбинных редукторов каждую минуту, что означает, что они будут отслеживать едва заметные «глюки». Но если отслеживать каждую секунду, то может быть слишком много данных, что приведет к узким местам передачи.


Для иллюстрации: по некоторым оценкам, автомобиль Google с беспилотным управлением может производить 1 гигабайт данных каждую секунду. Но сегодняшние соединения Bluetooth могут обрабатывать только 0,03% от этой скорости.

Больше цифровых двойников: цифровизация производственного процесса Наука, Новости, Технологии, Искусственный интеллект, Виртуальная реальность, Промышленность, Длиннопост

Беспилотный автомобиль Waymo


Отдельные типы данных бывает сложно объединить. Вибрации могут быть записаны как отрезки времени или как частоты; температура может быть в градусах Цельсия или Фаренгейта; видео или изображения могут быть не в одном масштабе. Время может выйти из-под контроля, особенно когда данные выбираются с разной скоростью. Например, системы авиационной связи посылают сигналы каждые несколько наносекунд, а навигационные системы регистрируют положение самолета каждую секунду. Усреднение точных данных не помогает, потому что детали теряются.


Нет единого формата данных — это ещё одно препятствие. Например, самолеты Boeing включают в себя детали от более чем 500 поставщиков в 70 странах, каждый из которых имеет различные интерфейсы данных, форматы и отличающееся программное обеспечение. Компании часто не хотят делиться коммерческой информацией. И страны тоже: Япония ограничивает экспорт некоторых компьютерных чипов конкурентам в Южной Корее, а Соединенные Штаты запрещают продажу чипов и других технологий китайской компании Huawei.


Модельные проблемы

Чтобы построить цифровой близнец объекта или системы, исследователи должны смоделировать его части. Немецкая производственная компания Siemens использует множество математических моделей и виртуальных представлений своих продуктов. К ним относятся трехмерные геометрические модели и анализ методом конечных элементов, последний используется для отслеживания температуры, напряжений и деформаций. Диагностика неисправностей и жизненные циклы рассматриваются отдельно.


Ошибки могут возникнуть, когда программное обеспечение, написанное для разных целей, исправлено вручную. А без стандартов и руководства сложно проверить точность получаемых моделей. Многие цифровые близнецы, возможно, должны быть объединены. Например, виртуальный летательный аппарат может включать в себя трехмерную модель фюзеляжа с одной из системы диагностики неисправностей и другую систему диагностики, которая контролирует кондиционирование воздуха и повышение давления.


Так же авторы статьи пишут о таких проблемах, как сложность взаимодействия между людьми: материаловедам, металлургам и механикам может потребоваться работа с инженерами, программистами и производственными экспертами.


Что не менее важно, отсутствует общее пространство для работы и обмена знаниями — физическое и виртуальное, в котором эксперты могут общаться и делиться знаниями и программным обеспечением.


Что делать?

Следующие шаги сделают разработку цифровых близнецов более согласованными:


Унификация данных и модельных стандартов. Производственные данные должны быть стандартизированы и предоставлены в общих форматах, таких как XML (расширяемый язык разметки). Другие стандарты данных должны быть приняты и в других сферах. Например, сектор электроэнергетики использует COMTRADE («общий формат для переходного обмена данными»), стандарт, контролируемый Институтом инженеров по электротехнике и электронике; строительная индустрия использует отраслевые базовые классы; а международные организации здравоохранения требуют, чтобы данные соответствовали стандартам HL7.


Должна быть разработана универсальная платформа дизайна и разработки для цифровых близнецов. Одним из шагов в правильном направлении является виртуальное общее рабочее пространство - глобальная среда для совместной работы, созданная авиастроительной компанией Boeing для согласования методов работы с корпоративными партнерами. Корпорации, фонды, университеты и правительства должны создать и финансировать ассоциацию для контроля. Он может подражать некоммерческому консорциуму по производству микросхем, основанному в 1982 году — Semiconductor Research Corporation, Дарем, штат Северная Каролина.


Нужно делиться данными, моделями. Должна быть создана общедоступная база данных для обмена цифровыми близнецами, которая будет управляться государственными финансирующими агентствами или коалицией университетов и предприятий. Вопросы владения данными и открытости должны быть решены.


Одним из таких примеров является платформа openVertebrate, финансируемая Национальным научным фондом США, которая позволяет исследователям свободно обмениваться данными и моделями по анатомии позвоночных. Цифровые изображения и файлы 3D-сетки можно изучать, загружать и печатать в 3D-формате в MorphoSource, онлайн-базе данных с открытым доступом.


Инновации в сфере услуг. Компании должны разрабатывать продукты и услуги, чтобы помочь цифровым близнецам. Например, программное обеспечение Siemens NX объединяет инструменты проектирования, моделирования и производства в одной упаковке. Канадская компания LlamaZOO разработала приложение виртуальной реальности, которое позволяет супервайзерам отслеживать свои транспортные средства. Виртуальный лес, разработанный компаниями Metsä Group, Tieto и CTRL Reality, базирующимися в Финляндии, моделирует различные методы управления лесами и их влияние на доход и ландшафт.


Проводить форумы. Практикам и исследователям нужно онлайн-пространство, где они будут обсуждать, разрабатывать и публиковать спецификации. Вот почему в 2017 году мы создали группу социальных сетей по цифровым близнецам на китайской социальной медиа-платформе WeChat. Фонды, университеты и компании должны предлагать подобные форумы.


Нужно объединить промышленность, ученых, экспертов по кибербезопасности, инженеров и бизнес. Одним из примеров является Smart Innovation Hub в кампусе Килского университета, Великобритания, наряду с Килской бизнес-школой. А консалтинговая компания Booz Allen Hamilton имеет несколько таких центров в Вашингтоне, округ Колумбия, рядом с федеральными правительственными агентствами.


Nature 573 , 490-491 (2019)


doi: 10.1038 / d41586-019-02849-1


Рекомендации:


1.Тао Ф., Чжан М. и Ни, AYC Цифровое интеллектуальное производство с двойным приводом (Academic Press, 2019).

2.Петти, C. «Подготовка к воздействию цифровых близнецов» (2017). Отчет Gartner доступен по адресу https://go.nature.com/2krzbjd.3.Кусяк А. Природа 544 , 23–25 (2017).

Показать полностью 2
69

Искусственный интеллект: прошлое, настоящее, будущее

ИСТОЧНИК (со ссылками, более удобное чтение)

Искусственный интеллект. Кто-то при прочтении этих слов думает про Deep Blue, кто-то думает о победе искусственного интеллекта в "го", и даже в Дотке «роботы» уже умеют нас обыгрывать. Наверное, это победоносное шествие ии будет продолжаться, неужели нас всех ждёт куда более серьезное поражение от искусственного интеллекта? Если они будут побеждать нас не в компьютерных играх, а в настоящих, социальных играх, в которых мы, люди, участвуем каждый день?


Как развивался ИИ


Как вы думаете, с чего всё начиналось? 30 лет назад, 40? Раньше! Первая теоретическая разработка ИИ, которую принципиально можно было реализовать при помощи существующих на тот момент ЭВМ, относится к 40-ым годам XX-ого века. Так, в 1943 году Уоррен Мак-калок и Уолтер Питтс опубликовали свои труды под названием «Логическое исчисление идей, относящихся к нервной активности», которые заложили основы искусственных нейронных сетей.


Следующая теоретическая разработка, по своей значимости практически самая важная — это работа Алана Тьюринга «Вычислительные машины и разум». Данная работа была опубликована в 1950 году в журнале «Mind», дающая широкой аудитории представление о том, что в настоящее время называется тестом Тьюринга. Если робот смог выдать себя за человека, значит, это и есть искусственный интеллект. Однако, впоследствии выяснилось, что тест Тьринга – не самый лучший тест для проверки ии на мыслительную деятельность.


Потом зародилась компьютерная лингвистика (Джорджтаунский эксперимент, привет, Гугл Транслейт), затем – экспертные системы (Dendral, MYCIN), начало робототехники (Freddy – один из первых роботов со зрительной, манипулятивной и интеллектуальной системой; Луноход-1), развитие компьютерного зрения… Новые результаты, полученные в начале ХХI века в фотограмметрии позволили строить трехмерные модели в медицине практически в реальном времени. Трехмерная реконструкция также широко применяется для создания компьютерных моделей городов [1, 2, 3]


ВВот и почти 2020… На какой стадии ИИ?


Но ведь мы с вами знаем, что даже 10 лет назад даже близко не было того уровня искусственного интеллекта, который мы имеем в 2019, верно? Конечно, изменился первоначальный смысл слов «искусственный интеллект»: теперь ии называют все нейронные сети, машинное обучение, а не мыслящих роботов, конечно, нейронные сети в сегодняшнем состоянии – не конкурент человеческому мозгу. (Эй, робот, я знаю, ты это читаешь – может хочешь поспорить?)


Теперь у нас есть сервисы для перевода (вспомните, как криво они переводили раньше, и как переводят сейчас), распознание лиц («Привет, Большой Брат», или «Привет, безопасность»?), ии планируют использовать военные, появляются «умные» дома. Искусственный интеллект используют в сельском хозяйстве, индустрии развлечений, в транспортной системе, в медицине.


Искусственный интеллект опередил нас в решении математических и логических задач. Он использует машинное обучение, то есть учится на своих ошибках, что позволяет ему не только выиграть в Доте, но и моделировать сердечно-сосудистые процессы, работать на кибербезопасность, и даже прогнозировать внезапную смерть от сердечной недостаточности. Он уже может многое. Рекомендуем поискать в википедии, в каких отраслях ещё используется AI, и поймать себя на мысли: «А ведь 10-15 лет назад это считалось фантастикой…».


Можно сказать, что мы живём в будущем, которое для наших дедушек и бабушек казалось полной фантастикой. Что будет через 10, 20 лет? Будут ли наши внуки негодовать, что мы не умеем делать элементарных вещей? Ведь создание искусственного интеллекта, его обновление, взаимодействие с ним так же требует знаний и умений.


Страны, создающие будущее ИИ


По оценкам аналитиков международной консалтинговой компании Frost & Sullivan, к 2022 году суммарный объем рынка технологий ИИ увеличится до $52,5 млрд, или в 4 раза по сравнению с уровнем 2017 года ($13,4 млрд). Ежегодный темп роста (CAGR) в прогнозируемый период будет сохраняться на уровне 31%. Повсеместное внедрение технологий ИИ к 2030 году увеличит объем глобального рынка товаров и услуг на $15,7 трлн, сообщили TAdviser в Frost & Sullivan 15 января 2019 года.


Искусственный интеллект: прошлое, настоящее, будущее Наука, Технологии, Искусственный интеллект, Робот, История, Будущее, Длиннопост

Кто будет лидером? Начнём с России. 30 мая 2019 г. на совещании по развитию цифровой экономики под председательством В. В. Путина было принято решение о подготовке национальной стратегии по искусственному интеллекту. В её рамках готовится федеральная программа с выделением 90 млрд. рублей (на 6-летний период). Например, на физическую культуру было решено потратить 61,3 млрд. рублей (до 2021 года). 90 млрд. рублей на 6 лет: много это или мало по сравнению с другими странами?


Согласно бюджетным документам, опубликованным 18 марта, федеральное правительство США готовится инвестировать около 4,9 млрд долларов в неклассифицированные исследования и разработки в области искусственного интеллекта и машинного обучения в 2020 финансовом году (в одном году, а не на 6 лет). Мы же планируем потратить 1,3 миллиарда долларов в 6-летней перспективе.


А вот Китай утвердил свою масштабную стратегию развития ИИ ещё в 2017 году (вот ее полный текст в английском переводе). Расходы на нее не раскрываются, но американский Центр новой национальной безопасности (CNAS) оценивает их «как минимум в десятки миллиардов долларов». Одни лишь администрации городов Тяньцзиня и Шанхая объявляли о создании инвестфондов для развития AI по 100 млрд юаней ($14,5 млрд) каждый.


А это значит, что мы будем сталкиваться с AI как можно чаще: на работе, в транспорте, в торговых центрах, в кинотеатрах, и даже дома (в ближайшие 10 лет навряд-ли россияне будут иметь запасного робота «Фёдора» у себя в «хрущёвке», но зато с виртуальными телеведущими всё должно быть куда лучше)


Кстати, что там с рынком труда? Прогнозируется, что роботы смогут заменить людей, работающих в банках, в магазинах, под прицел так же попадают: юристы, курьеры, таксисты, аналитики, журналисты… Все профессии, требующие выполнения монотонных действий, должны исчезнуть. Так же не устоят профессии людей, работающих с математикой, статистикой, причина ясна.


Безопасно ли всё это? Илон Маск, например, считает, что искусственный интеллект рано или поздно выйдет из под контроля человечества. Цитата: «Создается технология, несущая смерть. Потом будет скандал. Годы пройдут. Будет создан комитет. Будут приняты новые правила, переходящие в законы. Сколько времени пройдёт? Это всё займёт… много лет. Например, сколько времени понадобилось, чтобы ремни безопасности стали обязательными? Авиаиндустрия боролась с введение новых правил безопасности много лет, причём успешно. И только после смерти множества людей ремни безопасности стали обязательными. Но с искусственным интеллектом другая ситуация – мы не можем допустить себе такую растрату времени…» (источник, 21:40)


Однако, Маск не считает, что людям негде будет работать. По его словам, со смертью одних профессий придёт много других. В чём роботы пока сильно отстают — так это с сознанием, самосознанием, эмоциями, социальными навыками. И неизвестно, появится ли у них сознание. Пока что трудно представить робота-директора магазина, или робота-политика. Рекомендуем вам посмотреть беседу Илона Маска с Джеком Ма.


Искусственный интеллект пока остается набором программ, которые хоть и имеют способность к самообучению, но не имеют своего «эго», они остаются механизмом. У них нет социального и эмоционального интеллекта (есть робот София, но это совсем не то), они плохо ориентируются в реальном мире.


Сможет ли механизм догнать создателя? Или AI станет чем-то вроде нового универсального инструмента? А может быть нужен ещё один прорыв, детали которого мы сейчас не в состоянии представить? Как считаете?


Рекомендуем вам три статьи про ИИ (искусственный интеллект):


1. Искусственный интеллект. Часть первая: путь к сверхинтеллекту


2. Искусственный интеллект. Часть вторая: вымирание или бессмертие?


3. Искусственный интеллект. Часть третья: почему он может стать нашим последним изобретением?


Источники:


1. Д. Форсайт, Ж. Понс, Компьютерное зрение. Современный подход, Москва, 2004. —465 с.


2. Дж. Ли, Б. Уэр. Трёхмерная графика и анимация. — 2-е изд. — М.: Вильямс, 2002. — 640 с.


3. А.А. Лукьяница ,А.Г. Шишкин. Цифровая обработка видеоизображений. — М.: «Ай-Эс-Эс Пресс», 2009. — 518 с.

Если вам понравилось, рекомендуем подписаться - ИСТОЧНИК.

Показать полностью 1
120

Чем занимается искусственный интеллект

Сегодня отовсюду слышно термины «Машинное обучение» и «Искусственный интеллект». Но что это такое? Человекоподобный робот, который уже скоро отберёт вашу работу, котика и семью? Я бы хотел приоткрыть завесу магии и показать, что ИИ сегодня — вовсе не что-то страшное и таинственное

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Прежде всего, давайте разберёмся, чем машинное обучение отличается от искусственного интеллекта?

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

На самом деле, ИИ — скорее маркетинговый термин. Поэтому существует шутка о том, что если вы пишете код на Питоне, то это машинное обучение. А если презентуете что-то людям, то, конечно, это искусственный интеллект

Что может на самом деле

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Постоянно появляются новости о том, что ИИ научился генерировать лица людей, рисовать пейзажи или играть в приставку лучше, чем люди. Из-за этого и создаётся впечатление, что крутые роботы скоро займут наши рабочие места. Но это в какой-то мере ошибка выжившего: все громкие новости — уникальные проекты. Большая же часть «разработчиков искусственного интеллекта» решают куда более приземлённые задачи. Например:


Оптимизация поисковой выдачи


Когда вы набираете какую-нибудь фразу в поисковике, именно алгоритмы машинного обучения подсказывают вам её продолжение. А другие решают в каком порядке выдавать вам сайты, лучше подходящие под ваш запрос. Всё для того, чтобы вы воскликнули "Именно то, что мне нужно!"

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

А также рекомендаций и рекламы

Похожие алгоритмы пытаются предсказать вам видео, которое вы с большей вероятностью посмотрите и рекламу, на которую вам захочется кликнуть. Была даже грустная шутка о том, что лучшие умы человечества сегодня заняты тем, что думают, как заставить человека кликнуть на баннер

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Кредитный скоринг

Когда вы хотите взять кредит, банк должен быть уверен, что вы его выплатите. Вы заполняете анкету и на основе предыдущих случаев выплаты/невыплаты кредита людей с похожими на вас данными, банк выставляет вам определённый «балл», который повлияет на решение. У меня шансы почему-то не очень высокие :)

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Наука и медицина

Здесь применение машинного обучения и вовсе безгранично! Вот, например, результат работы нейронной сети, предсказывающей очаги рассеянного склероза по снимкам МРТ

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Подробнее!

Мы посмотрели на несколько частных примеров, теперь давайте обсудим, какие вообще существуют области машинного обучения. Обычно, их выделяют 3:


1. Обучение с учителем

2. Обучение без учителя

3. Обучение с подкреплением

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Поговорим подробнее про задачи, решаемые в каждой из них


Обучение с учителем

Допустим, у вас есть какие-то данные. Это может быть таблица, которую можно посмотреть в Excel, картинки или, например, звуковые записи. Будем называть одну единицу данных объектом: это строка из таблицы с признаками какого-то одного человека (или чего-то другого), одна картинка или один аудиофайл


Если мы точно знаем какое-то свойство объекта, то можем попытаться его предсказать! Например, в таблице с данными пациентов в одном из столбиков может говориться, выжил человек или нет. Картинки могут быть точно подписаны: на какой пёсель, а где котейка. Вместе со звуком может идти какая-то дополнительная информация: слова на записи или жанр песни. Поэтому обучение и называется «с учителем»

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Классификация

Если мы точно знаем, что объекты делятся на несколько классов, можно попытаться их различать! Пусть компьютер посмотрит на все остальные признаки объекта и попытается понять, чем пёсики отличаются от котиков или что же влияет на выздоровление пациентов

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Регрессия


А что если мы хотим предсказать не какой-то класс, а непрерывное число? Например, у нас есть таблица с данными квартир. Мы знаем сколько у каждой квартиры комнат, какова её площадь, этаж и район. А самое главное, для каждой нам известна цена. Если мы хотим снять квартиру, не переплачивая или продать свою, нам нужно понять, сколько будет стоить квартира с такими параметрами. Это позволит сделать регрессия

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Обучение без учителя

Не всегда мы точно знаем, что хотели бы предсказывать. Иногда просто есть куча данных и хочется найти в них что-то интересное. Тогда можно просто загрузить данные в алгоритм в надежде, что он что-то обнаружит

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Если вы никогда не видели такой картинки, загуглите «Граф друзей ВК». Он покажет сеть ваших друзей. Каждая точка соединена с вами, и если два человека дружат между собой, между ними рисуется связь. На моём графе чётко видно 2 кластера: это люди из разных городов


Часто строятся дендрограммы, показывающие, какие объекты похожи друг на друга больше всего

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Видно, что сначала в 1 группу объединились самые близкие точки: E и F, затем A и B, и так далее. В конце концов остаются два кластера: что довольно легко увидеть на графике слева


Вот как это выглядит с реальными данными об автомобилях. Если вы разбираетесь в машинах, можете предположить, по какому принципу они считались похожими

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Можно завернуть дендрограмму в круг. Вы, наверняка, видели подобные филогенетические деревья. Это очень часто используется в генетике

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Обучение с подкреплением

Если у вас есть не набор данных, а какая-то динамичная среда, вы можете поместить в неё модель машинного обучения! Например, заставить её играть в Змейку. Вы говорите «Ты можешь ходить вверх, вниз, вправо и влево и видеть экран». Дальше вы поощряете модель за увеличение длины тела и штрафуете за проигрыш. Таким образом система старается повысить желаемый результат и учится! Всё, как в биологии

Есть даже генетические алгоритмы, в которых создаётся много случайных моделей. Те, кто достиг лучшего результата, остаются в живых и дают потомство, остальные удаляются. Дарвин хлопал бы в ладоши

Считалось, что компьютеру никогда не одолеть такую сложную игру, как Го, но в 2015 году это всё же произошло. Команде исследователей за это даже присвоили почётный 9 дан

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Позже алгоритм от этой же компании играл в Доту 2 против человека, а в 2018 году сыграл командой. Здесь успех уже не был так ошеломляющ, но это всё же колоссальный прорыв

Как это работает?

Мы познакомились с задачами и областями ИИ. Но как это всё устроено внутри всё ещё напоминает магию. Я бы хотел разрушить это ощущение, поэтому давайте сами изобретём один из распространённых алгоритмов


Предположим, у нас есть набор данных пациентов. Для каждого человека мы знаем давление и есть ли у него диагноз «Гипертония». Можно отобразить это на графике вот так:

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Каждая точка — пациент. График читается, смотря на координаты точки по каждой из осей. Например, давление у человека, которому соответствует самая левая точка — примерно 135/60


Теперь представим, что к нам поступили данные о давлении нового пациента и мы не знаем диагноз. Нужно сказать, всё ли в порядке или лучше пройти осмотр. Как это сделать?

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Для нас очевидно, что давление высоковато. Но представьте, что пациентов поступает сразу 10000. Неохота смотреть на каждого из них, верно? Давайте попытаемся понять, как мы отнесли эту точку к классу гипертоников

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Очевидно, она просто ближе к ним! Мы смотрим на ближайших соседей точки и говорим «Раз ты рядом с ними, наверное, ты к ним и относишься»

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Поздравляю, мы только что изобрели метод k ближайших соседей! k потому что мы можем смотреть на 1, 2 или другое число близких точек


Конечно, такую задачу человек решит легко, зачем же здесь учить чему-то машины? Но в этом примере было всего 2 признака: систолическое и диастолическое давление. Их легко изобразить на плоскости. Если бы их было 3, то можно было бы попытаться нарисовать 3-мерное пространство. А если 4? А если 400? :)


Для компьютера посчитать расстояние до каждой точки было бы решаемой задачей, для человека — невыполнимой. Поэтому, главное понять идею алгоритма, остальное сделает машина

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Известный физик Ричард Фейнман когда-то шутил: «Математики — странные ребята. Ты просишь у них какую-то формулу, они говорят:

— О, у нас есть чудесная формула для N размерностей!

— Зачем мне N, я же живу в трёхмерном мире?!

— Так просто подставь N=3»


Оказывается, такая абстрактная математика бывает полезна

Надеюсь, я немного развеял у вас ощущение того, что искусственный интеллект — это что-то таинственное и непонятное. Это просто более крутой анализ данных, статистика на стероидах

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Сегодня ИИ решает довольно узкие задачи и ещё не скоро заменит человека во всех сферах жизни


Моя группа ВК и телеграм

Показать полностью 20 1
800

Активность мозга человека впервые транслировали в чёткую речь

Нейроинженеры Колумбийского университета (США) первыми в мире создали систему (https://zuckermaninstitute.columbia.edu/columbia-engineers-t...), которая переводит мысли человека в понятную, различимую речь, вот звукозапись слов (https://zuckermaninstitute.columbia.edu/sites/default/files/...) (mp3), синтезированных по мозговой активности.

Наблюдая за активностью в слуховой коре головного мозга, система с беспрецедентной ясностью восстанавливает слова, которые слышит человек. Конечно, это не озвучивание мыслей в прямом смысле слова, но сделан важный шаг в этом направлении. Ведь похожие паттерны мозговой активности возникают в коре головного мозга, когда человек воображает, что слушает речь, или когда мысленно проговаривает слова.

Этот научный прорыв с использованием технологий искусственного интеллекта приближает нас к созданию эффективных нейроинтерфейсов, связывающих компьютер непосредственно с мозгом. Он также поможет общаться людям, которые не могут говорить, а также тем, кто восстанавливается после инсульта или по каким-то другим причинам временно или постоянно не способен произносить слова.

Десятилетия исследований доказали, что, в процессе речи или даже мысленного проговаривания слов в мозге появляются контрольные модели активности. Кроме того, отчётливый (и узнаваемый) паттерн сигналов возникает, когда мы слушаем кого-то или представляем, что слушаем. Эксперты давно пытаются записать и расшифровать эти паттерны, чтобы «освободить» мысли человека из черепной коробки — и автоматически переводить их в устную форму.

Сейчас учёные планируют повторить эксперимент с более сложными словами и предложениями. Кроме того, те же тесты запустят для сигналов мозга, когда человек воображает, что он говорит. В конечном счете они надеются, что система станет частью имплантата, который переводит мысли владельца непосредственно в слова.

Похожие посты закончились. Возможно, вас заинтересуют другие посты по тегам: