По-другому искусственные ледники называют ледяными ступами. Эти сооружения на самом деле очень помогают планете и человечеству. О том, как именно - в статье.

Искусственные ледники создают при нехватке воды на какой-либо территории. Это даёт возможность избежать засухи в летнее время и смягчить последствия глобального потепления.

Делают такие ледники при помощи ирригационной системы, которая предназначена для хранения пресной воды. Эта вода позже будет использоваться в жаркое время. Такая разработка, например, стала спасением для фермеров весной, во время посевного сезона в Ладакхе (регион, расположенный на краю Гималаев). На этой территории живут почти 300 тысяч человек, а вот осадков выпадает в год всего примерно 10 см.

Кроме того, как показало исследование, опубликованное в издании Cryosphere, за 2010-е годы наша планета потеряла более 1,2 триллиона тонн льда. А с 1994 по 2017 год Земля утратила 28 триллионов тонн. Для решения этой проблемы специалисты придумали замораживать и хранить пресную воду в больших сооружениях. Автором подобной технологии считается Сонам Вангчук.

Создание искусственного ледника происходит в пять стадий.

Подача пресной воды в зимнее время. Вода подаётся с высокого склона, и проходит она по полиэтиленовым трубам.

Переход воды в железную трубу. Из полиэтиленовой конструкции вода направляется в вертикальную трубу, изготовленную из оцинкованного железа.

Перекачивание воды при падении температуры. Когда ночью температура снижается, вода через разбрызгиватель в верхней части железной трубы перекачивается.

Образование структуры, похожей на сталагмит. Это происходит после того, как вся вода замёрзнет. Также по мере накопления льда есть возможность добавлять в конструкцию дополнительные трубопроводы, чтобы хранить больше воды.

Высвобождение пресной воды. Когда становится теплее, лёд постепенно начинает таять. В результате у местных жителей появляется источник пресной воды, подходящий для орошения.

Источник: ferra.ru

Искусственный интеллект, использующий нейронную сеть, сделал попытку создать изображение кота «с нуля». Результаты оказались котострофичными.

Ранее нейросеть более чем успешно справилась с аналогичной задачей, создавая, в частности, лица человека, причем отличить искусственно созданное изображение от настоящего лица не удается.

За основу были взять фотографии реальных людей, а для генерации изображений использовался алгоритм StyleGAN. Работой занимались два независимых потока. Один генерировал изображения, а второй – оценивал результат и сравнивал его с тестовыми изображениями.

Алгоритм анализировал исходные изображения, разделял лица в соответствии с заранее заданным списком стилей, в частности, положение головы, возраст, цвет кожи, форма глаз, носа, рта и т. п. После того, как все составные части были распознаны, алгоритм мог создавать на их основе новые лица самостоятельно, без участия человека. В результате получились фотореалистичные изображения, неотличимые от реальных.

После этого была предпринята попытка выполнить ту же работу с кошачьими – получить реалистичные фото котиков, созданные компьютером. В качестве исходных данных использовались тысячи фото разнообразных котов и кошек, и алгоритм должен был работать так же, как и в случае с изображениями людей.

В результате получились довольно жуткие изображения животных, у которых деформированы головы, количество глаз и лап, порой, не соответствовало оригиналу, а тела могли принимать весьма замысловатые формы и размеры.

Правда, исходные данные не вполне соответствовали тому, что было при генерации человеческих лиц. Если на фото людей были только головы, причем все они были сфотографированы в одном ракурсе и с одним положением головы, изображения котов были самыми разнообразными - от портретов «морды лица» до фото целиком кота «в интерьере».

Проблема оказалась в том, что распознать кота на исходной фотографии оказалось для алгоритма StyleGAN не всегда просто, т. к. на одном изображении был один кот, на другом – несколько, или даже в компании с человеком.

Все это не позволило алгоритму точно понять, как же в действительности выглядит кот. Как таковой, алгоритм может хорошо анализировать предоставленные эталонные фотографии. Сгенерировать точное изображение меха, его текстуру, воспроизвести, например, форму кошачьего уха и прочие мелкие детали, но вот собрать все это воедино не удалось.

«Нейронная сеть не понимает, что такое кошки. Она не понимает, сколько у них ног. На самом деле неясно, сколько у них глаз или куда уходит вся их анатомия»,

- заявляют разработчики.

Ист.