Этот вопрос занимает умы многих философов, ученых и обычных людей, которые задаются смыслом своего существования. С одной стороны, это может показаться абсурдным и невозможным, ведь мы видим, слышим и ощущаем реальный мир вокруг нас. С другой стороны, есть ряд научных аргументов, которые указывают на то, что наша реальность может быть иллюзией, созданной неким высшим разумом или компьютером. Давайте рассмотрим некоторые из аргументов и попытаемся понять, как они свидетельствуют о возможности существования симуляции.
1. Эксперимент с двумя щелями. Это классический опыт в квантовой физике, который демонстрирует дуализм волны-частицы. Если свет или другие частицы проходят через две щели на экране, то они образуют интерференционную картину, как будто они являются волнами. Однако если при этом измерять, через какую щель проходит каждая частица, то интерференция исчезает. Как это объяснить? Один из возможных ответов заключается в том, что квантовая система не имеет определенного состояния до того, как она наблюдается. То есть реальность зависит от того, кто ее наблюдает и как. Это может указывать на то, что наш мир не является объективным и независимым от нас, а скорее подобен компьютерной игре, в которой графика и физика генерируются по мере необходимости. Мы не знаем, есть ли звук у падающего дерева в лесу, когда рядом некому его услышать.
2.Квантовая запутанность. Это явление, при котором две или более частиц оказываются связанными таким образом, что изменение состояния одной из них мгновенно влияет на состояние другой, даже если они разделены большим расстоянием. Это противоречит классической физике, которая утверждает, что никакое взаимодействие не может происходить быстрее скорости света. Как это возможно? Одно из объяснений заключается в том, что квантовые частицы не существуют в пространстве и времени, как мы их понимаем, а скорее являются информационными объектами, которые могут быть манипулированы неким высшим уровнем реальности. То есть наш мир может быть симуляцией, в которой квантовая запутанность является способом передачи данных между разными частями программы.
3. Частица Бога. Это название получила элементарная частица, которая называется Бозон Хиггса. Она была предсказана теоретически в 1964 году и обнаружена экспериментально в 2012 году на большом адронном коллайдере. Бозон Хиггса отвечает за то, что другие частицы приобретают массу и образуют материю. Без нее наш мир был бы совершенно иным. Но почему эта частица существует? Почему она имеет такие свойства, которые делают возможным появление жизни? Некоторые ученые полагают, что это может быть следствием того, что наша Вселенная является симуляцией, в которой бозон Хиггса был специально «запрограммирован» для создания нужных условий.
4. Парадокс Ферми. Это противоречие между высокой вероятностью существования множества разумных цивилизаций во Вселенной и отсутствием каких-либо доказательств их существования. Если Вселенная стара и велика, то почему мы не видим никаких следов инопланетной жизни, таких как зонды, корабли или сигналы? Где они все? Один из возможных ответов заключается в том, что мы не видим их потому, что мы живем в симуляции, в которой они не предусмотрены или скрыты от нас. Возможно, мы являемся частью эксперимента или развлечения для некого суперразума, который контролирует нашу реальность.
5. Антропная сложность. Это термин, который описывает то, насколько сложна и уникальна наша Вселенная с точки зрения возникновения и развития жизни и разума. Для того, чтобы мы могли существовать, должны выполняться ряд очень точных и специфических условий, таких как размерность пространства, значения физических констант, химические реакции, космологические параметры и т.д. Если бы хотя бы один из этих факторов отличался незначительно, то жизнь была бы невозможна или сильно ограничена. Как это объяснить? Один из возможных ответов заключается в том, что наша Вселенная является симуляцией, в которой все эти условия были специально «подогнаны» для создания интересного и сложного сценария.
Итак, мы рассмотрели пять научных аргументов, которые указывают на то, что мы можем жить в симуляции. Конечно, это не доказывает эту гипотезу, а лишь предлагает одно из возможных объяснений некоторых странных и загадочных явлений в нашем мире.
Компьютеры и то как их можно использовать для создания реалистичных миров
Первый компьютер был разработан в 1938 году. За такой короткий промежуток времени, мы создали игры с процедурной генерацией миров и персонажами, управляемыми нейронными сетями. Представьте, какие технологии можно изобрести за миллионы лет.
Вычислительная способность. Квантовые компьютеры могут обрабатывать информацию намного быстрее, чем традиционные компьютеры, их мощность растет экспоненциально. Если разработать квантовый компьютер специально для игр, представьте какой уровень реалистичности симуляции мира можно создать.
Пропускная способность. Чем выше пропускная способность, тем быстрее игра может передавать данные между различными частями системы. Лимит скорости света ограничивает скорость, с которой информация может быть передана через пространство. Это может создать проблемы для игр, которые должны моделировать большие открытые миры. В нашем мире есть автономная функция расширения вселенной, что позволяет вселенной расширяться за пределы локального кластера. Это удобно для разработки, так как не нужно визуализировать ничего за пределами локального кластера.
Возможно, мы никогда не узнаем правду о нашей реальности, или же когда-нибудь выйдем за ее пределы и увидим то, что скрывается за кулисами. Например возможно, этот мир - всего лишь способ развлечения, и мы живем в нем как в виртуальной реальности. А пока мы можем лишь задавать вопросы и пытаться найти ответы на них.
...и даже останавливать бронебойные пули! Металлическая пена, КАРЛ!!
Композитные металлические пены (CMF) являются достаточно прочными, чтобы остановить бронебойную пулю и при ударе превратить ее в пыль. Учитывая, что эти пенопласты легче металлической обшивки, материал имеет очевидные преимущества для создания новых типов кузова и автомобильной брони — и это только начало его потенциального использования.
Эксперимент был проведен исследователями из университета Северной Каролины под руководством Авсане Рабиэйи, профессора авиа- и ракетостроения, который потратил годы на разработку и исследование необычных свойств CMF. Сам материал композитный пенометалл, в котором средний слой — пенометалл (поглотитель энергии из полых металлических шариков на металлической же подложке), а крайний слой изготовлен из керамики.
Мы постарались сделать каждый город, с которого начинается еженедельный заед в нашей новой игре, по-настоящему уникальным. Оценить можно на странице совместной игры Torero и Пикабу.
Генно-инженерные друзья (без дискуссий, фанаты real dolls)
Фен/штука для укладки (зашел с мокрой головой – вышел с модной укладкой)
и мое любимое - зонтики со светящейся ручкой! (в правом верхнем углу)
3. Coming soon - ожидаемое в ближайшее время.
Моделирование отдельных органов-запчастей, идентичных человеческим. Сейчас умеют печатать кожу и соединительную ткань, лично я очень жду прорыва в области тканевой инженерии. Согласитесь, многообещающе звучит: создать функционирующий орган из набора клеток. Пока до этого еще далеко, но все точно будет выглядеть НЕ так =)
А есть ли у Вас какие-то любимые концепции из научно-фантастических фильмов, реализации которых Вы очень сильно ждете?
Часто кажется, что технический прогресс, изменяющий жизнь людей, замедлился – «все велосипеды уже изобрели». Что ж, в самом деле, велосипед современного типа – так называемый «ровер», он же «безопасный велосипед» – появился на свет ещё в XIX веке:
Велосипед Ровер 1885 года
А прогресс готовится совершить очередной огромный шаг в неизведанное. Речь о компьютерных нейронных сетях. Они уже умеют вполне прилично распознавать лица людей, писать и переводить тексты рисовать картины. Сочинять музыку – причём не только простенькую попсу, но и вполне себе «серьёзную», вот послушайте:
Если первые опубликованные результаты работы нейронных сетей, вызывали смех ввиду своей откровенной нелепости, то сейчас – напротив! – нередко вызывают у людей неподдельное восхищение и удивление: как?! Вот это сделал тупой компьютер?!
Иллюстрация к художественному рассказу, выполненная нейросетью
Это удивляет, радует – но одновременно вызывает кучу вопросов.
Раньше считалось, что компьютеры лишены таких человеческих качеств, как творческое воображение, вкус, инициатива... И вдруг оказывается, что они вполне способны на творческую работу! Причём делают её (в отличие от людей) быстро, дёшево, безропотно, не устают, не болеют. Что же это тогда получается?
Нейронные сети оставят без работы переводчиков и копирайтеров, журналистов и художников, композиторов, поэтов и писателей, а кто будет следующим? Экономисты, врачи, юристы, политики, архитекторы, учителя – все они тоже будут постепенно вытеснены компьютерными программами? А что останется людям?
Однако оставим этические вопросы. Давайте разберёмся, как эти нейросети устроены, как они работают?
Как устроена, из чего собрана нейронная сеть? Само название подсказывает нам, что она состоит из нейронов. Вот тут нас ждёт первый сюрприз! На самом деле нейроном называют нервную клетку человека или любого другого существа, у которого есть нервная ткань. Нервы – это «система управления» живым организмом, те самые «провода», по которым передаются самые разные команды: от относительно простых, типа «сжать пальцы / разжать пальцы», до невероятно сложных («вспомнить теорему Паппа-Гульдина»). По представлениям современных учёных, каждый нейрон может быть в двух основных состояниях – невозбуждённом и возбуждённом.
Внутри компьютера «всё не так». Компьютерный нейрон – это просто... число! Обыкновенное число – скажем, от нуля до единицы. Текст, звук, изображение, музыка – абсолютно любая информация внутри компьютера преобразуется в числовую таблицу – насколько большую, зависит от того, насколько сложная у нас информация. Скажем, для того чтобы «оцифровать» чёрно-белую фотографию квадратной формы, мы можем взять «решётку», «матрицу» размером восемь на восемь точек (всего 64 «нейрона»), а можем – 256 на 256 точек (то есть свыше 65 тысяч «нейронов»). При этом единица будет соответствовать белому цвету, ноль – чёрному, а остальные числа – различным оттенкам серого.
Изображение разбито на разное число датчиков-нейронов для анализа
Числа-нейроны внутри компьютера организованы в «слои», и эти слои связаны между собой многочисленными связями – будто невидимыми ниточками. При этом каждая связь – это ещё и математическая формула, простая, но очень важная. И у этой формулы есть свои параметры, свои «рычаги управления». Как педали «газ» и «тормоз» на автомобиле. Зачем они? Сейчас объясним.
Здесь взаимодействуют два компьютерных нейрона (выделены жёлтым)
Изначально нейронная сеть абсолютно глупа, она ничего не умеет и не знает. И все связи между нейронами одинаковы. Но вот начинается самое интересное – обучение нейросети! Да-да, компьютерная нейросеть, прежде чем заработать, должна пройти (иногда очень долгий и трудный) процесс обучения. Который в чём-то очень похож на обучение детей в школе.
Допустим, мы хотим научить нейросеть отличать нарисованный круг от нарисованного треугольника. С помощью специальной программы мы «показываем» нейронам первого слоя («сенсорам», «датчикам») самые разные круги и треугольники. Десятки, сотни, тысячи! Да что там тысячи – скажем, обучающий набор данных («датасет») Digi-Face 1M содержитсвыше миллиона фотографий человеческих лиц! И каждый раз мы как будто нажимаем на кнопку «это треугольник» или «это круг» – то есть как бы «говорим» сети, что именно изображено, «объясняем» ей. При этом сама нейросеть тоже пытается «угадать», что именно изображено – и все её нейроны как бы «голосуют», каждый за свой вариант.
Устройство более сложной многослойной нейросети
Помните, мы говорили о том, что каждая связь в нейронной сети – это формула с «рычагами управления»? И вот тут начинает работать известный людям (особенно школьникам) с давних времён «метод поощрения и наказания». Те нейроны, которые ошиблись, «проголосовали» за неправильный вариант ответа, «наказываются» – им не ставят двоек, но вот связи между ними ослабляются, и в следующий раз голос «двоечника» будет учитываться меньше. Те нейроны, которые «голосуют» правильно, напротив, «поощряются» – только вместо пятёрок их связи усиливаются (математически), при следующем «голосовании» их голоса будут слышны «громче» остальных. Наконец, после достаточного количества «уроков» (и если сама нейронная сеть построена правильно, то есть верно выбраны число нейронов и их слоёв), мы получаем готовую к работе обученную сеть. Уррра, заработала!
«Но как с помощью каких-то чисел можно узнавать предметы?!» – спросите вы. Это вполне возможно! Рассмотрим самый простой пример. Представьте себе плоскость, лист бумаги, в одной части которого нарисованы самые разные кошки, а в другой части – самые разные собаки. Процесс «угадывания» компьютерной нейросетью похож на выбор какой-нибудь точки на этом листе бумаги – если мы попали в область с кошками, то отвечаем «кошка». А если попали в область с собаками, отвечаем «собака». Но погодите! Ведь мы же можем взять линейку и просто провести через лист линию, которая отделит область с собаками от области с кошками! А любая прямая линия в математике записывается очень простым уравнением:
y = ax + b
Такое уравнение называется «линейным». У него всего лишь два параметра, два «рычага управления» – это числа a и b. Это означает, что абсолютно любую прямую линию на плоскости мы можем построить, зная всего лишь два числа! Когда мы только начинаем обучение нейросети, значения этих чисел «какие-то», взятые с потолка и совершенно неправильные. Но когда нейросеть в процессе обучения «тыкает и угадывает», она как бы немножечко изменяет эти числа, «сдвигает» так, чтобы в результате наша прямая точно отделила всех собак от всех кошек! И – вуаля! – наша задача решена, нейросеть умеет распознавать кошек и собак!
Подбирая положение линии, мы можем научиться отличать собак от кошек на листе бумаги
«А если собаки и кошки раскиданы вперемешку, а?» – спросите вы. Ну что ж, тогда нам может потребоваться не одна линия. И возможно не две и не три, а целый десяток или даже сотня. Важно понять, что рано или поздно мы сможем с помощью обыкновенных чисел и прямых «поделить» наш лист так, чтобы нейросеть уже знала наверняка – что именно она «видит», кошку или собаку, в чью именно область она «ткнула пальцем». Теперь понятно?
«Ну ладно, в отличить кошку от собаки с помощью математики это ещё можно поверить – скажете вы – но как быть с теми же самыми рисунками? С рисованием? С написанием музыки?». Будете смеяться – но снова «всё почти как в школе». Скажем, рисование. Сперва многослойную нейросеть снова обучают на уже существующих многочисленных картинах, фотографиях, образах. Учат её определять «контент» – то есть форму предметов, цветовую гамму, контуры, линии, углы... А затем подают «на вход» уже обученной системы что-нибудь «другое». Какую-нибудь каляку-маляку или «цветовой шум», хотя это может быть и вполне себе «нормальное» изображение – просто другое, «постороннее». И тогда система – её же научили этому! – начинает как бы находить внутри постороннего знакомое и усиливать. Примерно как мы, люди, глядя на облака, узнаём контуры знакомых животных – то верблюда, то льва, то собаки... В точности так же нейросеть может «применить» заученный «стиль» – то есть некую совокупность цветов, линий, форм и так далее – к заданной картинке. И получить, скажем, картину «Утро стрелецкой казни», написанную Ван Гогом. Или Эдвардом Мюнчем. Учёные, которые любят мудрёные слова, называют это «инцепционизм» (язык сломаешь, но тут мы не виноваты).
Применение стиля к изображению
С музыкой всё даже проще, чем с изображением – это красок может быть сотни и даже тысячи, а нот всего семь (точнее, двенадцать, но это тоже немного). Сперва мы обучаем нейросеть – то есть учим её распознавать ритмический рисунок, мелодию, движение нот – вверх, вниз, скачками или плавно. А затем берём обычный шумовой сигнал, «белый шум», применяем к нему нашу нейросеть – и вдруг получаем нечто музыкальное на выходе! Само собой – это «нечто» будет именно в том стиле, на который нашу нейросеть «натаскивали». Если нейросеть «учили» на рок-музыке – будет рок. Если на рэпе – то непременно будет рэп. Но уже какой-то «свой», не точная «копия», а нечто среднее, где будут те или иные элементы от каждого «урока». Не так ли работают и живые композиторы, кстати?
Применение стиля к изображению нейросетью
...Или поэты с писателями? Ведь что такое, например, литературная пародия? Когда к одному тексту применяют «стиль» определённого автора? Скажем, как в книге «Парнас дыбом» – где известное всем детское стихотворение «Жил-был у бабушки серенький козлик» как будто «писали» разные авторы. То Иван Андреевич Крылов:
У старой женщины, бездетной и убогой, Жил козлик серенькой, и сей четвероногой В большом фаворе у старушки был...
То Александр Сергеевич Пушкин:
Одна в глуши лесов сосновых Старушка дряхлая жила, И другом дней своих суровых Имела серого козла...
То Алексей Константинович Толстой
А уж кто бы нам песню-былину завёл, Чтоб забыть и печаль и нелады. Как живали старуха и серый козёл. Ой, ладо, ой, ладушко ладо!
Вот и нейронная сеть: её обучают на определённом материале (скажем, на текстах Пушкина). И она как бы заучивает его характерные обороты, подбор слов, длину фраз – в общем, «стиль». А затем обученную сеть запускают на совершенно другом материале – да хоть на репортаже с футбольного матча! Неожиданно интересная штука может получиться, не так ли?
«Что же тогда – спросите вы – нейронные сети вообще могут всё?». Ну, не знаю, огорчим мы вас или обрадуем, но... нет, не всё. Чего то нейросети не умеют «пока», и возможно в дальнейшем они этому научатся. А что-то для них недоступно в принципе. Итак, где же у нейросетей проблемы?
Проблема номер один – для обучения нейросети нужно очень много информации. Чтобы научить нейросеть отличать кошку от собаки, ей нужно показать тысячи (лучше миллионы) самых разных кошек и собак. Воспитанник детского садика в возрасте трёх лет кошку с собакой не спутает, даже если видел их всего лишь пару раз в жизни...
Проблема номер два: нейросети совершенно не умеют анализировать собственные творения, объяснять, «что здесь нарисовано и почему», в частности, они не умеют считать! Из-за этого компьютерные изображения постоянно рисуют людей то с шестью, то с восемью пальцами. Или кошек то с тремя, то с пятью лапами.
Кошки с неправильным количеством лап – это обычное дело для нейросетей
Проблема номер три: для работы нейросеть должна быть обучена, у неё отсутствует фантазия. Я уже упоминал про свой рассказ «Велозавр и велотавры», для которого нейронная сеть нарисовала очень хорошую иллюстрацию с мальчиком на велосипеде. Но вот когда я «попросил» систему нарисовать того самого велозавра или велотавра, она... она просто не понимала, о чём идёт речь! И упорно рисовала мне обыкновенного велосипедиста на дороге. Догадаться «скрестить» велосипед с динозавром или велосипед с кентавром? Это было вне её понимания! В общем, нарисовать бегемота нейросеть сумеет. А вот бармаглота из сказки про Алису – нет.
Проблема номер четыре: нейросеть не умеет работать при нехватке информации, «достраивать недостающее». Скажем, человеческий детёныш, даже малыш, увидев кошачий хвост, торчащий из-под дивана, тут же уверенно «распознает» спрятавшегося котёнка и побежит ловить его! Нейросеть такое «неполное» изображение понять не в состоянии. Человек, исказивший внешность (скажем, надевший маску или загримированный) для современной нейросети опять же становится неузнаваемым.
Проблема номер пять: нейросеть совершенно не понимает законов нашего мира – скажем, тех же законов оптики. Она никогда не сможет различить на картине человека – и его отражение в зеркале (для живого человека – задачка пустяковая). Она никогда не сможет различить человека или его лицо в кривом зеркале (как это делаем мы на аттракционе «Комната смеха» в городском парке, или когда разглядываем самих себя в новогодние шарики).
Проблема номер шесть: нейросети чрезвычайно чувствительны к разного рода помехам, дефектам, «шуму». Скажем, если на старой фотографии часть изображения залита грязью, чернилами, испорчена пятнами или царапинами, сильно выцвела, если карточка разорвана или разрезана напополам – уверенное узнавание тут же становится неуверенным и вообще ошибочным. Для человека сломанная на части кукла – всё равно кукла; для нейросети – это уже совершенно другой, неизвестный объект.
Проблема номер семь: нейросети на текущий момент ужасающе «однопрограммны». Если нейросеть настроена на распознавание лиц – она будет уметь только распознавать лица. Переучить её на написание текстов или музыки будет чрезвычайно сложно, часто вообще проще написать и обучить совершенно новую сеть. Если она умеет отличать квадраты от треугольников – даже не пробуйте попросить её отличить кошку от собаки или самолёт от парусной лодки...
Проблема номер восемь: связи между компьютерными нейронами случайны, поэтому нейросети лишены запоминания созданных образов. На приказ «нарисуй мне дерево» нейросеть охотно откликнется и будет рисовать деревья снова и снова, но... каждый раз это будет «другое дерево». И если вы напишете команду «нарисуй мне такое же дерево, как в прошлый раз, только на берегу реки», нейронная сеть не поймёт вас. Она опять нарисует «новое случайное дерево».
У нейросети неплохо получаются пейзажи, а вот в парусах она разбирается "приблизительно"...
Однако вернёмся к началу нашего разговора. Задайтесь вопросом – а способна ли нейросеть, например, придумывать законы? И ответ здесь будет скорее «да», чем «нет». Существует огромное количество законов, юридических документов – если «пропустить» их все через достаточно сложную нейросеть, она вполне будет в состоянии «заговорить» тягомотным и малопонятным юридическим языком, начать «штамповать» циркуляры и распоряжения... Но захотите ли вы жить по законам, которые штампует компьютер?
Способна ли нейросеть ставить диагноз больному в поликлинике и назначать лечение? Снова «да» – но врач-человек несёт ответственность за принятое решение. У нейросети никакой ответственности (а уж тем более ни совести, ни сострадания) быть не может – если она вдруг ошиблась, то... ничего. Ну, ошиблась и ошиблась, это же компьютер, а что человек пострадает при этом – а кого это волнует? Захотите ли вы лечиться у таких врачей?
С одной стороны как здорово сказать компьютеру – «слушай, Алиса, нарисуй мне стрекозу на цветке!». И – ррррраз! – держите, пожалуйста, рисунок. Но с другой стороны – неужели рисовать самому настолько тяжело и неинтересно, что обязательно нужно перепоручать это дело компьютеру? А?
В журнале «Лучик» мы рассказываем:
Почему Земля вращается? Как устроена бесконечность? Как измеряют расстояние до звёзд? Что такое энтропия, и грозит ли вселенной тепловая смерть? Что такое гравитация и гиперпространство, и почему время нам только кажется?
Пока мы смотрим сериалы о будущем, показанные в них технологии становятся настоящим. Супероружие (и суперброня), медицина на грани фантастики, миниатюрные и производительные гаджеты и социальные эксперименты в духе мрачных антиутопий — вот 9 эпизодов, которые стоит пересмотреть, чтобы понять, что происходит в науке прямо сейчас.
«Звездный путь»
Технология: бионические глаза.
Вымысел: в сериале прибор «Визор» заменяет слепому рулевому корабля «Энтерпрайз» Джорди Ла Форжу глаза и позволяет видеть мир в электромагнитном спектре.
Реальность: подобная система бионических глаз Argus II разработана компанией Second Sight. Система состоит из электродов, вживленных в нервные окончания сетчатки глаза, и специальных очков с встроенными камерами. Argus II позволяет слепым людям различать световые пятна, видеть очертания людей и предметов. Бионический глаз был впервые успешно имплантирован человеку в 2015 году. Технологию опробовал на себе 80-летний британец Рей Флинн, страдающий макулярной дегенерацией. А в 2017 году операцию по пересадке бионического глаза провели в России, первым пациентом стал Григорий Ульянов, который прожил без зрения около 20 лет.
«Доктор Кто»
Технология: перемещение объектов с помощью звуковых волн.
Вымысел: звуковая отвертка — это практически волшебная палочка в руках Доктора: она умеет передвигать предметы, открывать замки, диагностировать болезни, выводить из строя электронные устройства, и все это с помощью звуковых волн.
Реальность: в Швейцарском федеральном технологическом институте в Цюрихе при помощи звуковой левитации пока смогли только поднять в воздух шарики пенопласта, зубочистку и капли воды. Для этого используется платформа из пьезоэлектрических кристаллов, испускающая звуковые волны, и отражающая поверхность над ней: волны, идущие от платформы и обратно от отражателя, сталкиваются, накладываются друг на друга и создают область акустического давления, которое для небольших предметов может превышать силу притяжения. В перспективе технология может использоваться для проведения сложных химических реакций, требующих исключить влияние каких-либо поверхностей.
«Каприка»
Технология: гибкий дисплей.
Вымысел: герои обмениваются информацией через сеть с помощью устройства, напоминающего обычный лист бумаги.
Реальность: дисплеи, которые можно сгибать до угла в 40 градусов, компания LG показала еще в 2010 году. Еще один вариант гибкого дисплея представили в 2016 году ученые из шведского Чалмерского университета технологий — прочитать что-либо на нем можно только при ярком освещении, но зато такой дисплей может передавать изображения в цвете.
«Черное зеркало», эпизод «Нырок»
Технология: система социального рейтинга и связанных с ним привилегий.
Вымысел: система оценки человека, работающая как мобильное приложение, позволяет присваивать каждому человеку определенный рейтинг. «Высокоранговым» доступны различные привилегии — проживание в хороших районах, доступ к услугам, закрытым для тех, чей рейтинг упал ниже определенной отметки. Пользователи сами ставят оценки друг другу, поэтому случайно пролитый кофе или неосторожно сказанная фраза может испортить чье-то будущее.
Реальность: о системе социального рейтинга китайское правительство впервые высказалось еще в 2014 году — тогда Госсовет заявил о планах по введению общенациональной системы, которая сможет отслеживать действия каждого гражданина или компании, чтобы потом на основании собранных данных присваивать ему соответствующий рейтинг. Вскоре появилось мобильное приложение Zhima Credit, которое на основании данных платежной системы AliPay (в Китае она используется повсеместно, собирая информацию о приобретениях, штрафах, перемещениях и контактах китайцев) и государства (о нарушителях) составляет рейтинг. Тем, чей рейтинг перешагнул определенную отметку, даются ощутимые привилегии — возможность пользоваться различными прокатными сервисами, бронировать отели без внесения депозита, приобретать авиабилеты со скидками и получать лучшие условиях кредитования, а людям с рейтингом выше 750 доверяют настолько, что разрешают проходить в аэропорт Пекина без досмотра. Напротив, рейтинг правонарушителей снижается, закрывая им доступ к некоторым социальным благам. Рейтинг присваивается автоматически, сами пользователи приложения не могут влиять на оценки друг друга: создатели Zhima Credit в своих интервью заявляют о своей абсолютной независимости и обещают, что сведения о пользователях не попадут к третьим лицам.
«Черное зеркало», эпизод «Я скоро вернусь»
Технология: копия голоса, внешности и личности.
Вымысел: женщина переживает из-за гибели партнера, и ей предлагают создать имитацию его личности на основе данных, взятых из профиля в социальной сети и видеозаписей. Сперва она обменивается с копией своего друга сообщениями, затем часами общается с его голосом по телефону, а потом и вовсе заказывает себе андроида с внешностью погибшего.
Реальность: в 2016 году компания Adobe выпустила аудиоредактор Project VoCo, который сразу же назвали «голосовым фотошопом», — но чтобы изменять или воссоздавать человеческий голос, инструменту требовалось слушать его не менее двадцати минут. Канадский стартап Lyrebird снизил эти требования до одной минуты: каждый желающий может зайти на сайт стартапа, загрузить запись своего или чужого голоса и озвучивать им любые фразы. Разница между реальной и синтезированной речью пока заметна, но искусственный голос уже вполне может звучать сердито, расстроенно или с сочувствием — и применяться, например, для чтения аудиокниг и озвучания фильмов.Воссоздать, а точнее, «примерить» чужое лицо предлагает японская лаборатория Рекимото. «Суррогатный» пользователь надевает на лицо маску-планшет ChameleonMask, которая транслирует изображение лица и голос удалённого пользователя, — японские учёные считают, что это создает более сильный эффект присутствия, чем обычный сеанс видеосвязи. Инструмент под названием Crystal может имитировать манеру общения человека на основе анализа его записей в блогах и соцсетях. Создатели считают, что эта технология поможет находить подход друг к другу: не допускать в переписке с ранимыми людьми саркастические замечания и не перебарщивать с эмодзи в письмах к тем, кто предпочитает деловой стиль общения. Мобильное приложение Replica — уже не просто бот, а полноценный собеседник, который с помощью технологий искусственного интеллекта постепенно становится цифровой копией своего владельца. По словам основательницы Replica Евгении Куйды, задача Replica — «создавать ценные разговоры», которые открывали бы пользователям что-то новое.