Содержание ролика:
01:26 Робот прошёл 5 км на одном заряде
02:51 Новые рекорды Ingenuity
03:38 Пластиковый троянский конь
05:03 Нейросеть учится на распределенной платформе
07:52 Мозг и к*вирус
10:03 Лучшая новость предыдущего выпуска + закрутка МКС
(все ссылки на пруфы и исследования под роликом на ютубе. Короткая текстовая версия ниже)
Робот прошёл 5 км на одном заряде
За последние годы двуногие роботы перестали быть смешными, ну, в основном, и всё больше походят на тех, кому можно поручить очень важные задачи. Конечно же, я имею в виду доставку еды. И пусть роверы без ног и рук уже прекрасно справляются с этим, например в Иннополисе, но получить пиццу из РУК робота станет ещё приятнее. Кроме истории с координацией бипедализма, т.е. двуногой походки, важна ещё и история с автономностью. И вот пожалуйста, робот Кэсси на одном заряде прошёл 5 километров. В идеальных условиях стадиона при движении по восьмёрке это заняло у него около 44 минут. Причём он ни разу не упал на своих страусиных ногах. А вот при передвижении по кампусу Университета он свалился два раза. Один - из-за заноса на повороте, а второй - из-за перегрева электроники. Алгоритмы глубокого машинного обучения с подкреплением выдали прекрасный, хоть и не идеальный результат. Так что кожаные мешки пока могут спать спокойно, двуногие робокурьеры вопрос не завтрашнего дня. И кстати, если вы не до конца понимаете, как эти лягушачьи лапки могут осуществить доставку, то версия с манипуляторами тоже имеется. Хотя данных о её автономности пока нет. По лестницам это тоже может. Так что если не завтра, то послезавтра вполне можно будет встретить этих ребят на улицах.
Новые рекорды Ingenuity
От земных роботов переходим к марсианским. Индженьюити совершил 10ый полёт и поставил очередной рекорд. На этот раз он поднялся на 12 метров, до этого он не поднимался выше 10, и разогнался до 5 метров в секунду, ранее было не более 4х. К тому же он пролетел над поверхностью, весьма интересной с точки зрения геологии, но достаточно рисковой для перемещения Перси - слишком каменистой и неровной. Так что можно сказать, что Индженьюити сделал то, что было недоступно марсоходу. Ну и не забываем, что вертолет сделан из обычных коммерческих материалов и должен был проработать на Марсе всего месяц до середины мая где-то. Нет, явно нельзя верить этим уверениям НАСА, что это приключение на 20 минут, туда и обратно.
Пластиковый троянский конь
Немного тревожная новость из экологической сферы. Речь идёт о микропластике, который попадает в океаны и вообще в воду. Хорошего в этом ничего нет, потому что кроме того, что это вредит организмам, поглощающим пластик, так это вредит и человеку, поглощающему организмы, которые… в общем, как в доме, который построил Джек.
В основном исследования, разбирающиеся в том, сколько какого пластика попадает в ту или иную пищевую цепочку, оперируют так сказать чистым пластиком, на котором не поселились всякие бактерии. Но в реальных условиях пластика, покрытого всякими биопленками из микроорганизмов, в том числе патогенных бактерий, гораздо больше. Когда ученые постарались определить предпочтения устриц в отношении пластика, оказалось, что поглощают они гораздо охотнее пластик, покрытий всякой живностью. Видимо, считают, что раз на нем есть биопленка, то это всё еда. В среднем бактериального пластика в устрицы попадало в 4 раза больше, чем чистого. Может, съедается пластика и не так много, 0,5% от его объема, но всё же суммарно это большая доза, которая может передаваться дальше человеку, да и еще дополнительно с какой-нибудь бактериальной заразой. Да ещё и сами устрицы от этого погибают.
Основной вывод такой: предыдущие исследования о том, сколько микропластика оседает в пищевых цепочках, могут недооценивать реальные масштабы бедствия.
Нейросеть учится на распределенной платформе
Нейросеть смогли обучить при помощи распределенных вычислений. К разработке приложили руку программисты из России, Китая и США.
Некоторые задачи требуют огромных вычислительных мощностей, в идеале суперкомпьютеров. Но суперкомпьютеров на всех не напасешься, поэтому уже пару десятилетий люди объединяют свои простенькие домашние компьютеры в распределенные сети, совокупная мощность самых успешных из них не уступает передовым суперкомпам. Обучение нейросетей, если мы говорим о серьёзных проектах, тоже очень ресурсоёмко. Знаменитый нейрописатель GPT-3 - это нейронная сеть с 170 миллиардами параметров, а обучалась она на 570 гигабайтах данных. Причем не видео или картинках, а на текстах. Распределить обучение нейросеток в целом можно, но тогда каждый домашний комп будет обучать маленькую отдельную модель, а вот обучить одну гигантскую супер-модель, очень умную и мощную нейросеть, раньше так было нельзя.
Ну вы уже поняли, что то было раньше. Ещё в прошлом году появилась архитектура и платформа для обучения нейросетки на распределенных сетях.
Платформа распределяет задачи по машинам, объединенным в сеть, в зависимости от их технических характеристик. Среди задач есть собственное обучение нейросети, расчёт потерь, градиентный спуск и оптимизация весов после этапов обучения. В общем, всё, что нужно, чтобы распределенная сеть работала, как один большой компьютер. Опробовать платформу решили на тривиальной задаче - предобучение языковой модели для обработки бенгальского языка. Для этого собрали распределенную сеть из 90 машин, в которой были видеокарты от самых обычных до предназначенных для задач повышенной сложности. Обучение проводилось на данных из Бенгальской вики, она небольшая, всего 650 мегабайт, и еще на одном датасете OSCAR, его бенгальская часть весит уже 6 гигов. Чтобы сразу не пришлось качать весь объем, сделали ещё и стриминговый сервер. Платформа позволяла участникам отключаться от работы, передавая текущие задачи оставшимся звеньям. За 9 дней задача обучения была решена, и вот так выглядел вклад участников. Качество обучения сравнили с другими способами: строчка sahajBERT, как видите, не уступает другим моделям. Мне очень хотелось бы сказать, что теперь, ИскИн, выпущенный в интернет, сможет самообучиться и поскайнетить, но, к сожалению, слишком большие модели, вроде той же GPT-3, на такой платформе не обучить. Всё равно внутри сети должен быть компьютер, способный запустить на себе всю модель. Но зато распределяются разнородные задачи, ускоряется обучение и, я уверен, о потенциале этой платформы мы ещё услышим.
COVID-19 снизил когнитивные функции
Довольно тревожное исследование было опубликовано под патронажем The Lancet. После опроса 80 тысяч человек, проходивших тесты на когнитивные способности, выяснилось, что те, кто тяжело переболел ковидом-19, продемонстрировали серьезные когнитивные нарушения.
Тест состоял из набора заданий на пространственное восприятие, рабочую память, семантическое мышление, внимание и ещё ряд способностей. Называется он Great British Intelligence Test, и он достаточно показателен. Почти 13 тысяч из 80 проходивших тестирование, отметили что имели симптомы ковида от легких до требующих ИВЛ. Естественно, исследователи учли все иные факторы - возраст, пол, уровень образования и подобные, чтобы исключить их влияние на результаты по отношению к тем, кто не имел ковида. Основные когнитивные нарушения, отмечавшиеся в опросах, это туман в голове, проблемы с концентрацией, сложность в подборе обычных слов.
Это и некоторые предыдущие исследования указывают на влияние вируса на наши когнитивные функции, но не указывают на причину. Вероятно, где-то оказываются задеты нервные клетки. Примерно как в случае с вкусовыми и обонятельными рецепторами.
Также исследователи отметили корреляцию между глубиной проблем и тяжестью течения болезни. Наименьшее снижение когнитивных функций наблюдалось у тех, кто имел симптомы ковида, но без респираторных. Левый столбик. Более серьезно всё было у тех, у кого были респираторные, то есть затруднения дыхания, но не было потребности в больничном лечении. Второй и третий столбцы. Ну и более всех были задеты способности тех, кто попал в больницу, не нуждаясь и нуждаясь в ИВЛ - четвертый и пятый столбцы. Максимальное снижение функций соответствовало примерно 7 пунктам IQ. Ну то есть до 7% от среднего уровня. Из этого всего самое паршивое то, что, повторюсь, не ясна причина таких последствий.
А вдобавок ко всему, по исследованиям, когнитивные функции не спешат восстанавливаться. По крайней мере в течение 9 месяцев исследований этого не происходило. То есть здесь вероятна связка с так называемым долгим ковидом, когда симптомы сохраняются на протяжении месяцев.
Самой интересной новостью прошлого выпуска вы признали новость про то, как российский модуль для МКС «Наука», испытывая затруднения с работой топливной системы, поднимался с опорной орбиты до орбиты МКС. В итоге Наука 28го июля подняла свою орбиту именно при помощи основных двигателей. На высокую долю уверенности в успехе стыковки указывала и отстыковка модуля Пирс 26го июля. После этого при помощи камеры на манипуляторе провели обследование стыковочного узла Звезды и выяснили, что с ним всё в порядке, хотя Пирс был пристыкован к Звезде целых 20 лет. Пирс, кстати, вместе с транспортным грузовым кораблем Прогресс, а точнее их останки, успешно затонули на кладбище космических кораблей в Тихом океане. А вот Наука успешно заняла Пирса, пристыковавшись к МКС 29 июля по расписанию. Впереди ещё ручное соединение коммуникаций модуля, установка внешнего манипулятора и другие работы, для чего потребуются выходы в открытый космос. Но Наука теперь на своём месте. Все неполадки были оперативно устранены. Выдохнули. На секундочку, конечно, вдохнули, потому что неожиданно, уже через несколько часов после стыковки, когда космонавты собирались открывать люки между модулями, Наука включила вспомогательные двигатели и хаотично закрутила МКС. Автоматика станции не справилась с противодействием, и в дело вступил российский ЦУП, ему пришлось включать двигатели Звезды и Прогресса для компенсации нежелательного движения. Двигатели Науки пытались отключить 45 минут, при этом угловая скорость вращения МКС достигала 30 градусов в минуту. К слову Наука так и не послушалась ЦУПа и вырубила движки сама, когда израсходовала остатки топлива. У МКС всё обошлось без повреждений. Причиной вальса назвали сбой в программном обеспечении. Тот случай, когда включить движки лучше никогда, чем поздно.