2014 год в науке и технике: загрузка сознания, кремниевые мозги, киберглаза и ещё семь новых чудес
26 октября 1985 года Марти Макфлай сел в «Делореан» Дока Брауна и отправился в 2015 год. Там его ждали летающий скейт, самозашнуровывающиеся кеды и голографическое продолжение фильма «Челюсти».
Самым сомнительным элементом будущего тогда выглядели игровые автоматы в стиле ретро. Кому они будут нужны через тридцать лет? Но вот 2015 год на пороге — и что бы вы думали? Авторы «Назад в будущее» оказались правы. Мода на крупнопиксельные видеоигры в стиле восьмидесятых действительно вернулась, а «Хоббит» и «Аватар» заменяют нам голографические «Челюсти».
С самозашнуровыванием пока беда, зато на разработку левитирующего скейта в этом году собирали деньги на Kickstarter. Да и в остальном наше настоящее, пожалуй, не менее безумно, чем макфлаевское будущее.
Загрузка сознания червя
Чтобы запустить на современном компьютере приложения или игры, написанные для старинных игровых приставок или доисторических операционных систем, нужны специальные программы — эмуляторы, которые программно моделируют работу «железа» тех времён.
Футурологи надеются, что когда-нибудь тот же подход позволит эмулировать не только рукотворные, но биологические компьютеры — мозг живых существ. Гипотетическая технология, позволяющая оцифровать и запустить модель мозга в компьютере, называется «загрузка сознания» (mind uploading).
Это безумно сложная задача, решения которой никто не знает. Мозг человека состоит из 20 миллиардов нейронов, и пока никому не удавалось разобраться во всех связях между ними. Вдобавок, вычислительные ресурсы, которые необходимы для моделирования мозга, на несколько порядков превосходит возможности даже самых мощных суперкомпьютеров.
Но надо с чего-то начинать. Специалисты считают, что идеальный объект для экспериментов в этой области — примитивный червь, относящийся к виду Caenorhabditis elegans. Его нервная система очень проста и досконально изучена. Учёные давно пересчитали его 302 нейрона и все связи между ними. Осталось разработать точную компьютерную модель, которая повторяет принцип их работы. Это главная задача проекта OpenWorm, который объединяет исследователей из разных стран, включая Россию.
В 2014 году один из основателей OpenWorm Тимоти Базбайс подключил собственную модель нервной системы червя, имитирующую каждый нейрон по отдельности, к роботу, собранному из Lego Mindstorms. Сигналы, поступающие с «нейронов», которые предназначены для управления мускулами, подаются на электромоторы робота, сонар сообщается с чувствительными «нейронами» носа червя, а звук, фиксируемый микрофоном, стимулирует «нейроны», которые отвечают за поиск еды.
Настоящее тело C.elegans, разумеется, куда сложнее робота из Lego, но это не стало проблемой. Устройство реагировало на звуки, прикосновения и препятствия, причём его действия при этом были очень похожи на поведение настоящего червя — поведение, заложенное не в программе, которую написал человек, а в нейронных связях живого существа.
Подробности: Extending the C. Elegans Connectome to Robotics
Выход из тупика фон Неймана
Обычные компьютеры основаны на фон-неймановской архитектуре: программа и данные хранятся в памяти, процессор последовательно считывает инструкции и выполняет их одну за другой. Этот подход отлично годится для обработки относительно небольших массивов данных по заранее известному алгоритму, но ужасно неэффективен для распознавания образов и решения других проблем, связанных с машинным обучением и нейронными сетями.
Нейроны в мозге живых существ не отличаются скоростью. Они срабатывают в миллионы раз медленнее, чем логические вентили кремниевого процессора. Но преимущество кремния обманчиво. Мозг млекопитающих объединяет миллионы, а то и миллиарды нейронов, и все они работают параллельно. Последовательному фон-неймановскому компьютеру едва хватает гигагерцев, чтобы моделировать нейронную сеть примитивного червя, а для моделирования в реальном времени четырёх миллионов нейронов обыкновенной лесной мыши потребуется производительность, которая в девять тысяч раз превышает возможности самого мощного ПК.
Нейроморфные процессоры будут распознавать голос и изображения в мобильных устройствах и искать закономерности в «больших данных»
Исследователи и крупные производители микроэлектроники видят выход из этого тупика в нейроморфных процессорах — специализированных чипах, которые воспроизводят паралеллизированную структуру мозга на уровне «железа». Такие устройства лучше справляются с распознаванием образов или поиском скрытых закономерностей в больших объёмах данных.
Корпорация IBM продемонстрировала нейроморфный процессор в августе. SyNAPSE моделирует в реальном времени миллион нейронов и 256 миллионов программируемых связей между ними. При этом он потребляет всего 70 милливатт — на порядок меньше, чем обычный процессор.
Другая подобная разработка принадлежит учёным из Стэнфорда. Они построили Neurogrid — прототип компьютерной платы, соединяющей шестнадцать специализированных нейроморфных чипов. Neurogrid способен моделировать не миллионы, как SyNAPSE, а миллиарды связей между нейронами. При этом он потребляет в 100 тысяч раз меньше энергии, чем компьютерная система, необходимая для программного моделирования нейронной сети аналогичных масштабов.
Подробности: New IBM SyNAPSE Chip Could Open Era of Vast Neural Networks
Там водятся драконы
Несколько веков назад Земля была таинственным местом. Даже те берега, которые удавалось нанести на карты, скрывали загадки. Никто не знал, что на самом деле происходит в глубине материка или посреди океана. Мифические страны, морские чудовища и люди с собачьими головами — возможно всё.
Что чувствовали средневековые путешественники, вглядываясь в неточные карты, наполовину состоящие из белых пятен? Взгляните на схемы Вселенной, которые составляют современные астрономы, — и всё поймёте сами. Трепет внушают даже названия: галактические нити, Великая Пустота, Великая Стена… Эти невообразимые объекты состоят не из звёзд и даже не из отдельных галактик, а из гигантских скоплений.
В 2014 году учёным удалось составить более точный план нашего региона Вселенной. Для этого они изучили направления и скорости движения тысяч галактик. Оказалось, что скопление Девы, к которому предположительно относится наша галактика, — лишь малая часть куда более крупного сверхскопления, которое получило название Ланиакея.
Ланиакея объединяет около ста тысяч галактик и простирается на 160 миллионов парсеков. В гравитационном центре Ланиакеи прячется Великий Аттрактор — чудовищная аномалия с массой, которая в десятки тысяч раз превышает массу Млечного Пути и влияет на движение галактик на расстоянии миллионов световых лет.
Подробности: Newly Identified Galactic Supercluster Is Home to the Milky Way
Полупроводниковые первопечатники
Надежды, возлагаемые на 3D-принтеры, пока опережают реальные возможности этих машин. В отличие от своих прообразов из научной фантастики, они неспособны автоматически напечатать и собрать любое заданное устройство. Их максимум — отдельные детали, причём изготовленные из очень ограниченного набора материалов — как правило, пластика того или иного сорта.
Со временем подобных ограничений остаётся всё меньше и меньше. В 2014 году исследователям из Принстонского университета впервые удалось напечатать на 3D-принтере миниатюрную полупроводниковую конструкцию: куб, составленный из восьми зелёных и оранжевых светодиодов и встроенный в контактную линзу.
3D-принтеры пока не способны напечатать полноценную микросхему
Принцип действия любого 3D-принтера — послойное напыление нужного материала. Принстонская разработка избирательно напыляет не один, а множество материалов: два различных металла для контактных дорожек, полимеры и кремний в качестве подложки и основу светодиода — так называемые «квантовые точки», крохотные фрагменты полупроводника, которые начинают светиться под действием тока.
Этот метод не выдерживает конкуренции с более традиционными технологиями производства микроэлектроники — по крайней мере, пока. Для того чтобы напечатать микросхему, 3D-принтерам не хватает разрешения. Однако у них есть другое преимущество: при необходимости каждый «отпечаток» может быть уникальным. В некоторых областях — например, медицине — это очень важное качество. Скорее всего, именно там 3D-принтеры найдут применение в первую очередь.
Подробности: 3-D-Printing Bio-Electronic Parts
Глаза «Гугла»
По легенде, полвека назад профессор Марвин Мински, знаменитый специалист по искусственному интеллекту, поручил одному из своих аспирантов разработать за лето систему распознавания графических образов. Осенью аспирант вернулся ни с чем — задача оказалась труднее, чем кажется на первый взгляд. Чтобы хоть немного продвинуться в этой области, потребовались не месяцы, а десятилетия, и даже лучшие алгоритмы было легко ввести в заблуждение.
В последнее время, впрочем, эта проблема начала сдавать свои позиции. Похоже, решение совсем близко. Нейронные сети, вернувшие интерес научного сообщества, и современные технологии обработки «больших данных» позволили достичь результатов, о которых сложно было и мечтать.
В левом столбце примеры изображений, которые алгоритм Google описал со стопроцентной точностью, в правом — комически неверные описания
Пару лет назад исследователи из Google отчитались о разработке системы на базе нейронной сети, которая научилась отыскивать в интернете фотографии котов. А недавно стало известно о новых достижениях Google в области распознавания образов. Специалистам компании удалось существенно улучшить качество алгоритмов выделения, классификации и описания объектов, изображённых на фотографиях. Новая система способна объяснять на естественном языке, что изображено на картинке, причём её не смущают ни странные ракурсы, ни объекты, которые не умещаются в кадре целиком. Порой она ошибается, но это не беда — с людьми такое тоже случается.
Подробности: A picture is worth a thousand (coherent) words: building a natural description of images
Посадка на комету
В ноябре 2014 года космический зонд Philae, построенный Европейским космическим агентством, высадился на комете Чурюмова-Герасименко. Аппарат Rosetta, несущий Philae, добирался до своей цели больше десяти лет. Огромное расстояние до Земли сделало дистанционное управление невозможным, поэтому зонд совершал посадку автоматически. Предполагалось, что он зацепится за поверхность кометы гарпуном, но что-то пошло не так. Гарпун не сработал, и Philae не сумел удержаться на поверхности кометы. Совершив два гигантских прыжка (ничего не поделаешь — низкая гравитация), зонд только чудом не улетел в межпланетное пространство. На этом его удача, увы, закончилась.
Место, где он очутился, накрывает тень, которая делает солнечные батареи зонда бесполезными. Научную программу пришлось отрабатывать в ускоренном режиме. Через два с половиной дня энергия закончилась, и зонд замолчал. Тем не менее, миссию признали успешной. Philae — первый в истории аппарат, который совершил посадку на комету.
Подробнее читайте в статье «Чужие: странная архитектура инопланетных компьютеров»
Коллективное хозяйство
Люди склонны переоценивать важность иерархии и строгой организации. Коллективные животные обходятся без начальников и совещаний. Никто не руководит муравьями, которые строят муравейник. У перелётных птиц нет вожака, который решает, куда лететь стае. Каждое животное действует самостоятельно и не советуется с другими. Несмотря на это, все вместе они неизменно достигают цели. Как?
Без малого тридцать лет назад специалист по компьютерной графике Крейг Рейнольдс продемонстрировал, что стайное поведение птиц или рыб на уровне отдельных организмов раскладывается на три простых правила: каждый участник стаи должен стремиться туда, где больше других, избегать тесноты и двигаться в том же направлении, что и остальные. Похожие принципы лежат в основе сложного коллективного поведения муравьёв или пчёл.
В 2014 году исследователи из Гарвардского университета, изучающие самоорганизацию больших коллективов, поставили интересный эксперимент. Они построили самый многочисленный в истории рой роботов, которые совместными усилиями выполняют поставленную перед ними задачу, но при этом, как и муравьи или пчёлы, не имеют иерархии или организации.
Гарвардский рой состоит из 1024 миниатюрных роботов — «килоботов». Каждый килобот снабжён двумя вибромоторами. Когда работают оба, машинка движется вперёд, один выключен — поворот. Кроме того, у килоботов имеются инфракрасные светодиоды и приёмники. Этим их способности, впрочем, и ограничиваются. Они не знают, где находятся, и не понимают, когда упираются в препятствие. Для этого им недостаёт датчиков.
Своё примитивное устройство килоботы компенсируют внимательностью. Они следят за яркостью светодиодов соседей и по её изменению просчитывают свои и чужие перемещения в пространстве. Если килобот пытается двигаться, но яркость не меняется, он понимает, что застрял, и может что-то предпринять для решения проблемы.
Чтобы поставить задачу, исследователи устанавливают четыре исходных килобота, задающих форму фигуры, которую должен построить рой. Остальные килоботы начинают толпиться вокруг них, толкаясь и обходя края группы по кругу в соответствии с заложенными в них правилами, пока наконец не достигнут цели (см. видео).
Исследование самоорганизации больших коллективов имеет более чем практические применения. Именно они закладывают принципы, которые, скорее всего, будут использовать самоуправляемые автомобили, чтобы избегать пробок.
Подробности: A Low Cost Scalable Robot System for Demonstrating Collective Behaviors
Термояд чуть ближе
Термоядерный реактор без особого успеха пытаются построить с середины прошлого века. Шестьдесят лет назад казалось, что для этого потребуется двадцать лет. Время шло, и эти двадцать лет с каждым годом отодвигались всё дальше и дальше в будущее. 2014 год дал небольшую надежду, что этот срок удастся сократить.
Американская военно-промышленная корпорация Lockheed Martin объявила о технологическом прорыве, который позволит в течение десяти лет построить компактный источник энергии, базирующийся на управляемом термоядерном синтезе. Первые испытания пройдут до конца 2015 года, а через пять лет будет готов рабочий прототип.
Предполагается, что реактор будет использовать в качестве топлива дейтериево-тритиевую смесь и выделять значительно меньше вредных отходов, чем обычная ТЭС сравнимой мощности. В более отдалённой перспективе возможен переход на другое топливо, которое исключит появление радиоактивных отходов.
К сожалению, Lockheed Martin не спешит делиться информацией о реакторе, поэтому скептики всё ещё сомневаются в его реалистичности.
Подробности: Lockheed Martin Pursuing Compact Nuclear Fusion Reactor Concept
Радио свободная лампочка
Модная концепция интернета вещей предполагает, что почти каждый предмет будет снабжён датчиками и микроконтроллерами, обменивающимися информацией между собой. Это сулит массу неочевидных, но полезных возможностей. Окружающие нас устройства слегка поумнеют и станут учитывать, что происходит вокруг, осторожнее расходовать свой ресурс и эффективнее тратить энергию.
Реальность ставит этим планам подножку. От единственной компьютеризованной двери, одного мотора с датчиками или лампочки с Wi-Fi больше хлопот, чем пользы. Интернет вещей не проявит себя по-настоящему, пока эта технология не станет повсеместной и незаметной. Но для этого датчики и контроллеры должны быть гораздо дешевле, эффективнее и компактнее, чем сейчас.
В 2014 году инженеры из Стэнфордского университета сделали шаг к этой цели. Они разработали крохотный микроконтроллер, идеально подходящий для интернета вещей. Он способен принимать, выполнять и ретранслировать команды, получаемые по радио, и при этом не требует внешнего питания: ему хватает энергии радиоволн. По своим размерам контроллер сравним с муравьём, а при массовом производстве его стоимость составит всего несколько центов.
Подробности: Stanford engineers aim to connect the world with ant-sized radios
Носимые компьютеры откладываются
Аналитики полагали, что в 2014 году настанет расцвет носимых компьютеров. Первыми ласточками новой тенденции должны были стать фитнес-трекеры вроде Fitbit и Jawbone Up, подсчитывающие шаги и калории. Затем в игру вступят гиганты вроде Apple и Google — и волну будет не остановить.
Moto 360 неплохо выглядят, но их практичность по-прежнему под вопросом
В середине сентября компания Apple продемонстрировала Apple Watch — свою заявку на этот рынок. К тому времени Motorola уже выпустила умные часы Moto 360. Другие производители электроники не отставали. Однако обещанной волны пока не последовало. Громоздкость первого поколения умных часов для многих стало неприятным сюрпризом, а ограниченное время автономной работы подписало смертный приговор. Никому не нужны часы, которые не способны продержаться без подзарядки и суток. Похожие проблемы вынуждают Google бесконечно откладывать дату полноценного релиза Google Glass.
Точка в этой истории пока не поставлена. В конце концов, Apple Watch по-прежнему не поступил в продажу. Партнёры Google к тому времени, скорее всего, успеют усовершенствовать свои разработки. Рано или поздно технические проблемы будут решены. Изменит ли это результат, мы, вероятно, узнаем в 2015 году.