Новые технологии 2018 года по версии MIT

Соревнующиеся нейронные сети, искусственные эмбрионы, искусственный интеллект в облаке — это самые новые технологии, которые развиваются уже сейчас.

Мы расскажем о технологических прорывах 2018 года. Это инновационные технологии, которые, вероятнее всего, сильно повлияют на нашу жизнь в ближайшем будущем.
Новые технологии в 2018 году

3D-печать металла

3D-печать металла

Становится дешево и просто использовать 3D-печать, чтобы изготавливать детали и запчасти. Если ее начнут использовать по всему миру, это изменит массовое производство.

В кратковременной перспективе это значит, что производителям не нужно будет поддерживать большой склад. Они смогут напечатать предмет на замену — например, запчасть на устаревшую машину.

В долговременной перспективе большим заводам, которые массово производят ограниченное количество деталей, на смену придут маленькие. Небольшие заводы смогут производить большее количество деталей, ориентируясь на нужды клиентов.

Благодаря 3D-печати можно создавать более легкие и крепкие детали и сложные формы, которые нельзя изготовить традиционными методами. При 3D-печати также можно четче контролировать микроструктуру металла.

В 2017 году исследователи из национальной лаборатории Lawrence Livermore разработали усовершенствованный метод 3D-печати. С помощью него они создают детали из нержавеющей стали в 2 раза крепче, чем детали, изготовленные традиционные способом.

В 2017 году компания Markforged, небольшой стартап возле Бостона, выпустила первый 3D-принтер для металла стоимостью ниже $100,000.

Другой стартап в Бостоне, Desktop Metal, начал предоставлять первые принтеры по созданию металлических прототипов в декабре 2017. Они планируют начать продавать большие принтеры для производства, которые работают в 100 раз быстрее, чем предыдущие методы печати металла.

Распечатывать металлические детали тоже становится легче. Desktop Metal сейчас предоставляет ПО, которое генерирует дизайны под 3D-печать. Пользователи задают характеристики объекта, который они хотят распечатать, а ПО создает компьютерную модель для 3D-печати.

Искусственные эмбрионы

Искусственные эмбрионы

Искусственные эмбрионы входят в топ технологий 2018 года.

Эмбриологи из Кембриджского университета вырастили реалистично выглядящих эмбрионов мыши, используя только стволовые клетки. Исследователи поместили клетки в трехмерную структуру и наблюдали, как они начинали общаться и выстраиваться в четкую форму мышиного эмбриона.

Ученые хотят изучить, как клетки раннего эмбриона приобретают специализированные роли. Следующий шаг — создать искусственного эмбриона из стволовых клеток человека.

Искусственно выращенные человеческие эмбрионы были бы находкой для ученых. Так как эмбрионы состоят из легко манипулируемых стволовых клеток, ученые попробовали бы редактировать геном и наблюдать за ростом эмбрионов.

Город из сенсоров

Город из сенсоров

Проект Sidewalk Labs компании Alphabet нацелен на то, чтобы принимать решения о дизайне, политике и технологиях на основе информации от обширной сети сенсоров. Сенсоры будут собирать данные обо всем — качестве воздуха, уровне шума, занятиях людей.

Представители Sidewalk Labs говорят, что они откроют доступ к ПО и системам, которые они создают — чтобы другие компании могли строить сервисы на их основе.

В списке городов, в которых Sidewalk Labs хочет установить сенсоры — Сан-Франциско, Денвер, Лос Анджелес и Бостон.

Город из сенсоров — это технологии будущего 2018 года.

Искусственный интеллект для всех

Искусственный интеллект для всех

Для большинства компаний искусственный интеллект — слишком дорогое и сложное удовольствие.

Недорогим решением могут стать инструменты машинного обучения в облаке. Google, например, разработал TensorFlow. Это библиотека искусственного интеллекта с открытым кодом, которая помогает создавать ПО для машинного обучения.

Microsoft объединяется с Amazon, чтобы создать Gluon — библиотеку глубокого обучения с открытым кодом. Предполагается, что Gluon будет строить нейронные сети — ключевую технологию в ИИ, которая грубо имитирует то, как учится человеческий мозг.

Пока непонятно, какая из компаний станет лидером облачных услуг на базе искусственного интеллекта. Но эти продукты будут необходимы, если искусственный интеллект будет использоваться в разных сферах экономики.

Сейчас искусственный интеллект используется в основном в сфере технологий. Но такие сферы, как медицина, производство, энергетика, кардинально бы изменились если бы могли использовать ИИ в полной мере.

В большинстве компаний не хватает людей, которые умеют использовать облачный ИИ. Поэтому Amazon и Google создают сейчас услуги по консалтингу в ИИ. Как только облачные технологии станут доступны почти всем, начнется настоящая революция искусственного интеллекта.

Соревнующиеся нейронные сети

Соревнующиеся нейронные сети

Искусственный интеллект все лучше различает объекты — покажите ему миллион картинок, и он точно угадает, на какой из них изображен пешеход, переходящий улицу. Но у искусственного интеллекта не получается генерировать картинки пешеходов самому. Если бы он мог это делать, он бы создал кучу реалистичных картинок пешеходов в разных контекстах. А беспилотные автомобили могли бы их использовать для тренировок, даже не выезжая на дорогу.

Проблема в том, что для создания чего-то абсолютно новое нужно воображение. До недавнего времени это была самая большая проблема искусственного интеллекта.

Решение придумал Ian Goodfellow из Монреальского университета во время научного спора в баре в 2014 году. Он придумал генеративно-состязательную сеть, или ГСС. В чем суть: берутся две нейронные сети — упрощенные математические модели человеческого мозга. Их ставят друг против друга в цифровой игре кошки-мышки.

Обе сети тренируются на одном наборе данных. Одна сеть — генератор. Ее задача: создавать вариации картинок на базе тех, которые она уже видела — например, картинку с трехруким пешеходом. Вторая сеть — распознаватель. Она должна определить — пример, который она видит, совпадает с картинками набора данных, или нет. Попросту говоря, она должна определить, насколько реален трехрукий человек.

Со временем генератор учится так хорошо создавать картинки, что распознаватель не распознает подделку. В итоге генератор учится сначала распознавать, а потом создавать реалистичные картинки пешеходов.

Эта технология стала одним из самых многообещающих прорывов в сфере ИИ за последнее десятилетие.

Генеративно-состязательные сети используют, чтобы воссоздавать реалистично звучащую речь и реалистичные картинки-подделки. Исследователи из Nvidia загрузили в генеративно-состязательную сеть фотографии знаменитостей, чтобы та создала сотни реалистично выглядящих людей, которые не существуют.

В будущем генеративно-состязательные сети смогут генерировать картинки, меняя контекст — превращать освещенную дорогу в заснеженную или лошадей в зебр.

Результаты сетей не всегда идеальны. Они могут добавлять велосипедам два руля, или путать местами глаза и брови. Но так как картинки и звуки, которые они создают, часто ошеломляюще реалистичны, эксперты считают, что сети начинают понимать фундаментальную структуру мира, который они видят и слышат.

Источник: статья в MIT Technology Review

Понравилась статья? Оставь свой голос!
Звёзд: 1Звёзд: 2Звёзд: 3Звёзд: 4Звёзд: 5 (Пока оценок нет)
Загрузка...