Русский
Русский
English
Статистика
Реклама

Научно-популярное

Перевод Хакеры взломали разгонный модуль Tesla Model 3 и продают его по сниженной цене

30.06.2020 12:04:28 | Автор: admin
Подписывайтесь на каналы:
@TeslaHackers сообщество российских Tesla-хакеров, прокат и обучение дрифту на Tesla
@AutomotiveRu новости автоиндустрии, железо и психология вождения


image

Уже несколько лет как Tesla продает автомобили с характеристиками, ограниченными на уровне программного обеспечения. Так, аккумуляторные батареи на 75 кВт/ч программно ограничены до 60 кВт/ч, а увеличение подачи энергии доступно только через обновление прошивки.

Самый недавний пример модуль разгона за 2000 долларов для Model 3 Dual Motor.

image

Этот модуль добавляет силовому агрегату Model 3 около 50 лошадиных сил и сокращает ускорение от 0 до 60 миль/ч до 3,9 секунды.

С тех пор, как Tesla начала выпускать эти модули, люди смекнули, что хакеры могут разблокировать эти возможности, убрав необходимость переплачивать за них. Сегодня это не просто стало реальностью, на основе этой идеи появилась целая компания.

Гийом Андре, владелец компании Simon Andr (реселлера и ремонтной мастерской электромобилей), расположенной в Труа-Ривьере (Квебек, Канада), решил выяснить, смогут ли они модернизировать заднеприводную Tesla Model 3 до полноприводной Dual Motor, добавив в нее электромотор.

Им это удалось:



Для этого им пришлось взломать драйвер инвертора Model 3, который был настроен для конфигурации с одним двигателем, и перепрошить его для работы с двумя.

В рамках своих исследований они выяснили, что могут изменять программное обеспечение приводного инвертора, и добиваться большего, чем просто заставлять его работать с одним или двумя двигателями.

Компании удалось разблокировать 50 л.с. в Model 3 Dual Motor Tesla продает этот апгрейд за 2000 долларов в виде модуля Acceleration Boost. Simon Andr даже смогли превратить автомобиль в полноценную Модель 3 Performance.

Tesla не продает обновление программного обеспечения с Model 3 Dual Motor до Модели 3 Performance, хотя сами автомобили практически не имеют отличий. Performance выделяется только 20-дюймовыми колесами, алюминиевыми педалями и более мощными тормозами.

Автопроизводитель грубо оценил разницу в производительности, заключающуюся в немного более быстром ускорении 0-60 миль/ч и повышенной максимальной скорости примерно в 5000 долларов, если речь идет о продаже автомобилей Model 3 Performance без разгонного модуля.

Андре создал компанию Ingenext, предлагающую владельцам Model 3 такие же улучшения производительности по более низкой цене.

Их первый продукт Boost 50, который является их собственной версией Acceleration Boost от Tesla:

image

Предложение Ingenext заключается в том, что вместо того, чтобы платить 2,000 долларов Tesla за разблокировку возможностей, уже встроенных в ваш автомобиль вы можете купить их систему за $1100 и получить разгонный модуль вместе с несколькими бонусами.

Вам нужно подключить этот разъем к вашему MCU (что довольно легко), и вы автоматически получите дополнительные 50 л.с.

Кроме того, так как они уже умеют работать с драйвером инвертора, Ingenext дают вам ряд дополнительных возможностей таких как Режим дрифта, доступный через веб-приложение:

image

Ingenext также утверждает, что их модуль разгона немного быстрее чем у Tesla, так как они достигают ускорения от 0 до 100 км/ч за 3,8 секунды или от 0 до 60 миль/ч за 3,7 секунды.

Кроме того, они также предлагают модернизировать Model 3 Dual Motor до Model 3 Performance, но это уже более сложная услуга, и она требует профессиональной установки.

К сожалению, вы лишитесь и гарантии, и возможности получать официальные обновления программного обеспечения от Tesla, а это, скорее всего, станет барьером для большинства людей.



Подписывайтесь на каналы:
@TeslaHackers сообщество российских Tesla-хакеров, прокат и обучение дрифту на Tesla

@AutomotiveRu новости автоиндустрии, железо и психология вождения




image

О компании ИТЭЛМА
Мы большая компания-разработчик automotive компонентов. В компании трудится около 2500 сотрудников, в том числе 650 инженеров.

Мы, пожалуй, самый сильный в России центр компетенций по разработке автомобильной электроники. Сейчас активно растем и открыли много вакансий (порядка 30, в том числе в регионах), таких как инженер-программист, инженер-конструктор, ведущий инженер-разработчик (DSP-программист) и др.

У нас много интересных задач от автопроизводителей и концернов, двигающих индустрию. Если хотите расти, как специалист, и учиться у лучших, будем рады видеть вас в нашей команде. Также мы готовы делиться экспертизой, самым важным что происходит в automotive. Задавайте нам любые вопросы, ответим, пообсуждаем.

Читать еще полезные статьи:

Подробнее..

Фокус для ИИ

01.07.2020 08:11:29 | Автор: admin
Внимание пожалуй, самая важная составляющая разумной деятельности.

В нашем мозгу порядка 100 триллионов синапсов и десятки миллиардов нейронов. Обмен информацией происходит, по оценкам нейрофизиологов, примерно с частотой 200 Гц в активном режиме.

Считаем: $inline$200 * 100 * 10^{12} = 2 * 10^{16}$inline$ бит. Учитывая, что нейрон это не одна арифметическая операция, а своего рода микропроцессор, то получаем, что у нас петафлопсный суперкомпьютер на борту. А есть мнение, что и эксафлопсный.

Какой бы он ни был мощный ресурсы ограничены. Более того
Большую часть времени наш суперкомпьютер занят расчетами социального взаимодействия.
Речь, слух, зрение, касания, ощущения, эмоции, эмпатия
Ох! Какая пошла!, Ой! Он косо на меня посмотрел!, Каким ты был таким ты и остался.
Это ни плохо, ни хорошо. Этонормально!
Есть, конечно, отклонения, но в основном это так.

Для того, чтобы успешно решить некую задачу или проблему, надо сфокусироваться на ней. Поставить четкие цели. Перестать отвлекаться, прокрастинировать.
Или просто ее (проблему) игнорировать и заниматься ничем.
Нашему мозгу, по сути, все равно: смотреть фильмы, играть в игры или проектировать космический корабль.



Что дает постановка цели и фокусировка:
-ограничение области поиска и снижение комбинаторики возможных решений (в огороде бузина, а в Киеве дядька)
-направление всех мыслительных (вычислительных) ресурсов на решение узкой задачи (целый петафлопс!)
-выбор оптимального инструмента, функционального базиса (кесарю-кесарево)
-фильтрацию, отсечение нерелевантной информации, хотя она бывает полезна, когда не находиться решение (когда я ем я глух и нем).

Выбор цели


Цель оправдываЮт средства. Обратное утверждение скорее ложное.
Есть амбиции это здорово! Вы умеете мечтать отлично! А вот у соседа...
Но невозможно на велосипеде слетать на Луну. Пешком не дойти до Америки. На яблоне бананы не растут.
Собираясь в далекий путь, проведите ревизию в гараже. Может у вас там автомобиля нет. Может самого гаража. В итоге далекий путь будет получасовым походом в магазин.
Цель или целевой вектор легко описывается математически. Это список параметров и их значений (конкретных или диапазон).
Например: высота-100мм, ширина-50мм, вес-0.5кг, скорость-3м/с, количество ног-от 3 до 4шт.
Размер списка так же может варьироваться.

Выбор целевого вектора, конечно, зависит от имеющихся и планируемых в будущем ресурсов. Цель Построить крышу за 10 дней не имеет большого смысла если нет стен, а только фундамент. А если есть пожалуйста.
Включать параметр Оптимальное время кормления кота в целевой вектор, если его у вас нет (кота) бессмысленно, ровно как и Количество воды для полива помидоров, если нет дачи.
Сделать робота с размерами 50х50х50мм невозможно, если в качестве мозга у вас имеется только Raspberry Pi.

Это, на самом деле, здорово! Это ограничивает область поиска. Фокусирует на решении, которое уже подсказывает жизнь, а не вгоняет в некоторое подобие шизофрении А может..., А если....
Инновации это хорошо главное не потратить весь семейный бюджет на создание передового гоночного суперкара.


Установка порога целевой функции, которая выражает некую сумму свертку многомерного целевого вектора.

Когда параметры цели четко определены, то процесс прицеливания, наведения или фокусировки дело техники. Движение вперед (мыслительный процесс) осуществляется прокладыванием маршрута (поиск нейронных связей) с удержанием цели в прицеле, отбрасывая варианты, не ведущие к цели.
Так же не исключается хождение по новым тропинкам, создание новых маршрутов, связей между нейронами или их аналогами в схеме.

Поток


Замечали, когда вы погружаетесь в рабочий процесс, то вам не очень нравится, когда отвлекают?
Это происходит, потому что все мощности заняты, и процесс социального взаимодействия понижается в приоритете. Конечно, можно переключиться, но на это надо некоторое время. Плюс, ко всему прочему, теряется пресловутый Поток, которого так трудно достичь.
Мыслители, ученые, программисты вообще любят уединение таким образом, отсекается ненужная информация.
Потоком в информационной системе будет процесс вычислений.
Без сбоев электричества, остановок, пауз алгоритма и без обрывов связи.
В противном случае можно оборвать процесс в момент близкий с нахождением решения. Результаты покажут, что решения нет, вероятно, модель ошибочна и будет потеряно драгоценное время.

Поиск решения


То, что нам на ум приходят решение это не значит, что мозг их сразу формирует. Происходит перебор вариантов громадных масштабов. Часто проблемы не решаются годами и даже столетиями. Фокус + комбинаторика. Появляются новые технологии расширяется функциональный базис.

Множество людей, занятых решением одинаковых задач, идут к цели разными путями. Если решение находится, то не у всех. И так же верно, что разные люди приходят к похожим решениям и даже к одинаковым.
Если принять за постулат, что поиск решения абсолютно случайный процесс и все эмпирические методики лишь нелепые оправдания научной деятельности, то четкая цель и фокус на ней, по крайней мере, показывает куда мы идем и факт прибытия в пункт назначения.

image

Время. Так же, если мыслить категориями целей, то мы обозначаем разумный временной период их достижений. Обычно у нас это вырабатывается само собой, по крайне мере для простых задач вроде: Сходить в магазин, Повесить люстру, Почистить зубы.
Мы ведь не делаем это неделю, верно?
Время очень удобный параметр для определения таких свойств как: мощность вычислительной системы, достижимость цели при существующих ресурсах, корректность выбранной модели для вычислений.

Мы можем даже сделать такой трюк выполнить расчет по 10% выделенного времени на 10 разных вычислительных архитектурах и увидеть, с высокой долей вероятности, лучшую систему для данной задачи.
Почему? Потому что одна архитектура может не дотянуться до цели и близко.
Это провал, Карл!

Точность. Наверное правильно говорить об ошибке попадания в цель. Если у нас целевой вектор выражен в четких числовых параметрах, то так же мы можем оценить и результат.
$inline$Ошибка = Цель - Результат$inline$

Точность, в процентах, можно определить как: $inline$Точность=100*(Цель-Ошибка)/Цель$inline$. Это как вариант.

Перфекционизм не есть достижение цели. Про это не надо забывать. Это не о движении. Это о точности попадания в цель, близости к целевым координатам. Иначе мы потратим слишком много времени и других ценных ресурсов, но так и не достигнем нужных нам параметров системы.


И, как показывает практика, битва за каждый процент после 80% точности усложняет систему на порядок. После 95% точности разговор уже идет о долях процента.

Обратная сторона фокуса локальный оптимум. Обычно мы разбиваем задачу и решаем ее по частям. Это методика. Она работает. Но, добиваясь нужных нам параметров отдельного модуля, мы не сможем добиться оптимальных параметров системы в целом.
Яркий пример: отделы предприятия. У них у всех разные и достаточно противоречивые цели. И если директор не будет грамотно их регулировать, то получим результат как в басне Лебедь, Щука и Рак.


Баланс. Все вышеперечисленные концепции надо грамотно сбалансировать. Все хорошо в меру.
Выставляются приоритеты целей, которые постоянно меняются. Это нормально.
Хочешь жить умей вертеться!

Если мы сами не ставим себе цели, то внешний Мир делает это за нас.
Многие говорят: Это карма!, когда постоянно попадают в один и те же ситуации. Но если выработать алгоритм поведения в них, решить задачу, проблема обычно уходит. Появляется новая проблема и цикл повторяется.
Ошибки, фрустрация взрыв мозга и срочная перестройка.

Помимо всего, постановка и достижение целей происходит внутри мозга постоянно в малом масштабе. Они сами возникают в результате его деятельности. Таким образом, происходит оптимизация состояния нейросети.

Мотивация


У нас мотивация связана с эмоциями, которые по сути являются суммарной энергией нашей нейросети, частотой работы мозга, ощущениями, которые дают разнообразные гормоны и нейромедиаторы. Но внешняя среда, которая постоянно нас пинает, имеет здесь определяющее значение.



Чем сильнее воздействие (мотив), тем сильнее смещается туда фокус, мобилизуются ресурсы на решение задачи с высшим приоритетом. Примером будет уклонение от летящего в вас мяча, когда вы говорите по телефону. Разговор, скорее всего, прерывается.
Мотивация может быть и внутренней некая абстрактная проблема не дает вам покоя. Вы постоянно думаете о ней, ищите способы ее решения. Порой такие мысли превращаются в мании, а реальные потребности уходят на второй план. Фанаты спорта и рок-групп часто колошматят друг друга, доказывая что их кумиры самые лучшие. Девушкам не нравятся их кучеряшки, парням размер их бицепсов.

Мотивация для ИИ происходит так: подаем на вход ИНС громадный набор данных и добиваемся максимума целевой функции соответствия выходным данным, полученным и проверенным в результате мыслительной деятельности людей.

По сути придаем внешнюю мотивацию. Заставляем обучаться, работать процессор и периферию.
Это работает! Правда такой подход не приводит к созданию чего-то нового.
Если результат нас не устраивает меняем целевые параметры и(или) переобучаем. ИИ остается бесстрастен.
Страсти и эмоции появляются, когда есть свобода выбора.

Выбора целей и способа их достижений.
Опыт так же источник эмоций, он определяет максимум энергии, эмоциональный отклик на ту сферу (набор образов, тензор), с которой постоянно имеет дело биологический или кремниевый мозг.
Профессионал сфокусирован на своей области деятельности: врач лечит, инженер проектирует устройства, клоун развлекает людей.
Между любыми областями есть пересечение, общие закономерности, методы достижения результата.

Все взаимосвязано, поэтому мы ходим по кругу.
Но если у нас есть цель, мы всегда знаем, куда нам идти.
Вот и весь фокус!
Подробнее..

Предсказание будущего нейрокомпьютерная модель распознавания речи

01.07.2020 10:24:00 | Автор: admin


Что есть речь человека? Это слова, комбинации которых позволяют выразить ту или иную информацию. Возникает вопрос, откуда мы знаем, когда заканчивается одно слово и начинается другое? Вопрос довольно странный, подумают многие, ведь мы с рождения слышим речь окружающих людей, учимся говорить, писать и читать. Накопленный багаж лингвистических знаний, конечно, играет важную роль, но помимо этого есть и нейронные сети головного мозга, разделяющие поток речи на составляющие слова и/или слоги. Сегодня мы с вами познакомимся с исследованием, в котором ученые из Женевского университета (Швейцария) создали нейрокомпьютерную модель расшифровки речи за счет предсказания слов и слогов. Какие мозговые процессы стали основой модели, что подразумевается под громким словом предсказание, и насколько эффективна созданная модель? Ответы на эти вопросы ждут нас в докладе ученых. Поехали.

Основа исследования


Для нас, людей, человеческая речь вполне понятна и членораздельна (чаще всего). Но для машины это лишь поток акустической информации, сплошной сигнал, который необходимо декодировать прежде, чем понять.

Мозг человека действует примерно так же, просто это происходит крайне быстро и незаметно для нас. Фундаментов этого и многих других мозговых процессов ученые считают те или иные нейронные колебания, а также их комбинации.

В частности распознавание речи связывают с комбинацией тета и гамма колебаний, поскольку она позволяет иерархически координировать кодирование фонем в слогах без предварительного знания их длительности и временного возникновения, т.е. восходящая обработка* в реальном времени.
Восходящая обработка* (bottom-up) тип обработки информации, основанный на поступлении данных из среды для формирования восприятия.
Естественное распознавание речи также сильно зависит от контекстных сигналов, которые позволяют предвидеть содержание и временную структуру речевого сигнала. Ранее проведенные исследования показали, что во время восприятия непрерывной речи важную роль играет именно механизм прогнозирования. Этот процесс связывают с бета колебаниями.

Еще одной важной составляющей распознавания речевых сигналов можно назвать предиктивное кодирование, когда мозг постоянно генерирует и обновляет ментальную модель окружающей среды. Эта модель используется для генерации прогнозов сенсорного ввода, которые сравниваются с фактическим сенсорным вводом. Сравнение прогнозированного и фактического сигнала приводит к выявлению ошибок, которые служат для обновления и пересмотра ментальной модели.

Другими словами, мозг всегда учится чему-то новому, постоянно обновляя модель окружающего мира. Этот процесс считается критически важным в обработке речевых сигналов.

Ученые отмечают, что во многих теоретических исследованиях поддерживаются как восходящий, так и нисходящий* подходы к обработке речи.
Нисходящая обработка* (top-down) разбор системы на составляющие для получения представления о ее композиционных подсистемах способом обратной инженерии.
Разработанная ранее нейрокомпьютерная модель, включающая соединение реалистичных тета- и гамма- возбуждающих/тормозных сетей, была способна предварительно обрабатывать речь таким образом, чтобы затем ее можно было правильно декодировать.

Другая модель, основанная исключительно на предиктивном кодировании, могла точно распознавать отдельные речевые элементы (такие, как слова или полные предложения, если рассматривать их как один речевой элемент).

Следовательно, обе модели работали, просто в разных направлениях. Одна была сфокусирована на аспекте анализа речи в режиме реального времени, а другая на распознавании изолированных речевых сегментов (анализ не требуется).

Но что, если объединить основные принципы работы этих кардинально разных моделей в одну? По мнению авторов рассматриваемого нами исследования это позволит улучшить производительность и повысить биологический реализм нейрокомпьютерных моделей обработки речи.

В своем труде ученые решили проверить, может ли система распознавания речи на базе предиктивного кодирования получить некую пользу от процессов нейронных колебаний.

Они разработали нейрокомпьютерную модель Precoss (от predictive coding and oscillations for speech), основанную на структуре предиктивного кодирования, в которую добавили тета- и гамма-колебательные функции, чтобы справиться с непрерывной природой естественной речи.

Конкретная цель этой работы заключалась в поиске ответа на вопрос, может ли сочетание предиктивного кодирования и нейронных колебаний быть выгодным для оперативной идентификации слоговых компонентов естественных предложений. В частности, были рассмотрены механизмы, с помощью которых тета-колебания могут взаимодействовать с восходящими и нисходящими информационными потоками, а также проведена оценка влияния этого взаимодействия на эффективность процесса декодирования слогов.

Архитектура Precoss модели


Важной функцией модели является то, что она должна быть в состоянии использовать временные сигналы/информацию, присутствующие в непрерывной речи, для определения границ слога. Ученые предположили, что внутренние генеративные модели, включая временные предсказания, должны извлечь выгоду из таких сигналов. Чтобы учесть эту гипотезу, а также повторяющиеся процессы, происходящие во время распознавания речи, была использована модель кодирования с непрерывным предсказанием.

Разработанная модель четко отделяет чтои когда. Что относится к идентичности слога и его спектральному представлению (не временная, но упорядоченная последовательность спектральных векторов); когда относится к предсказанию времени и продолжительности слогов.

В результате прогнозы принимают две формы: начало слога, сигнализируемое тета-модулем; и длительность слога, сигнализируемая экзогенными/эндогенными тета-колебаниями, которые задают длительность последовательности единиц с гамма-синхронизацией (схема ниже).


Изображение 1

Precoss извлекает сенсорный сигнал из внутренних представлений о его источнике путем обращения к порождающей модели. В этом случае сенсорный ввод соответствует медленной амплитудной модуляции речевого сигнала и 6-канальной слуховой спектрограмме полного натурального предложения, которые модель внутренне генерирует из четырех компонентов:

  • тета-колебание;
  • блок медленной амплитудной модуляции в тета-модуле;
  • пул слоговых единиц (столько слогов, сколько присутствует в естественном вводном предложении, т.е. от 4 до 25);
  • банк из восьми гамма-единиц в спектротемпоральном модуле.

Вместе единицы слогов и гамма-колебания генерируют нисходящие прогнозы относительно входной спектрограммы. Каждая из восьми гамма-единиц представляет собой фазу в слоге; они активируются последовательно, и вся последовательность активации повторяется. Следовательно, каждая единица слога связана с последовательностью из восьми векторов (по одному на гамма-единицу) с шестью компонентами каждый (по одному на частотный канал). Акустическая спектрограмма отдельного слога генерируется путем активации соответствующей единицы слога на протяжении всей продолжительности слога.

В то время как блок слогов кодирует конкретный акустический паттерн, гамма-блоки временно используют соответствующее спектральное предсказание в течение продолжительности слога. Информация о продолжительности слога дается тета-колебанием, так как его мгновенная скорость влияет на скорость/продолжительность гамма-последовательности.

Наконец, накопленные данные о предполагаемом слоге должны быть удалены перед обработкой следующего слога. Для этого последний (восьмой) гамма-блок, который кодирует последнюю часть слога, сбрасывает все слоговые единицы до общего низкого уровня активации, что позволяет собирать новые свидетельства.


Изображение 2

Производительность модели зависит от того, совпадает ли гамма-последовательность с началом слога, и соответствует ли ее длительность продолжительности слога (50600 мс, среднее = 182 мс).

Оценка модели относительно последовательности слогов обеспечивается единицами слогов, которые вместе с гамма-единицами генерируют ожидаемые спектро-темпоральные паттерны (результат работы модели), которые сравниваются с вводной спектрограммой. Модель обновляет свои оценки о текущем слоге, чтобы минимизировать разницу между сгенерированной и фактической спектрограммой. Уровень активности увеличивается в тех слоговых единицах, спектрограмма которых соответствует сенсорному вводу, и уменьшается в других. В идеальном случае минимизация ошибки прогнозирования в режиме реального времени приводит к повышенной активности в одной отдельной единице слога, соответствующей входному слогу.

Результаты моделирования


Представленная выше модель включает физиологически мотивированные тета-колебания, которые управляются медленными амплитудными модуляциями речевого сигнала и передают информацию о начале и продолжительности слога гамма-компоненту.

Эта тета-гамма связь обеспечивает временное выравнивание внутренних сгенерированных предсказаний с границами слога, обнаруженными по входным данным (вариант A на изображении 3).


Изображение 3

Для оценки релевантности синхронизации слогов на основе медленной амплитудной модуляции было проведено сравнение модели А с вариантом В, в котором тета-активность не моделируется колебаниями, а возникает из самоповторения гамма-последовательности.

В модели В длительность гамма-последовательности больше не контролируется экзогенно (за счет внешних факторов) тета-колебаниями, а эндогенно (за счет внутренних факторов) использует предпочтительную гамма-скорость, которая при повторении последовательности приводит к формированию внутреннего тета-ритма. Как и в случае тета-колебаний, длительность гамма-последовательности имеет предпочтительную скорость в тета-диапазоне, которая потенциально может адаптироваться к переменным продолжительностям слогов. В таком случае есть возможность протестировать тета-ритм, возникающий из-за повторения гамма-последовательности.

Чтобы более точно оценить специфические эффекты тета-гаммы соединения и сброса накопленных данных в слоговых единицах, были сделаны дополнительные варианты предыдущих моделей A и B.

Варианты C и D отличались отсутствием предпочтительной скорости гамма-излучения. Варианты E и F дополнительно отличались от вариантов C и D отсутствием сброса накопленных данных о слогах.

Из всех вариантов модели только A имеет истинную тета-гамма связь, где гамма-активность определяется тета-модулем, тогда как в В модели гамма-скорость устанавливается эндогенно.

Необходимо было установить, какой из вариантов модели самый эффективный, для чего было проведено сравнение результатов их работы при наличии общих входных данных (естественные предложения). График на изображении выше показывает среднюю производительность каждой из моделей.

Между вариантами присутствовали значительные отличия. По сравнению с моделями A и B, производительность была значительно ниже в моделях E и F (в среднем на 23%) и C и D (на 15%). Это указывает на то, что стирание накопленных данных о предыдущем слоге перед обработкой нового слога является критически важным фактором кодирования слогового потока в естественной речи.

Сравнение вариантов A и B с вариантами C и D показало, что тета-гамма связь, будь то стимульная (A) или эндогенная (B), значительно улучшает производительность модели (в среднем на 8.6%).

Обобщенно говоря, эксперименты с разными вариантами моделей показали, что оная работала лучше всего, когда единицы слога сбрасывались после завершения каждой последовательности гамма-единиц (на основе внутренней информации о спектральной структуре слога), и когда скорость гамма-излучения определялась тета-гамма связью.

Производительность модели с естественными предложениями, следовательно, не зависит ни от точной сигнализации о начале слогов посредством тета-колебаний, управляемых стимулом, ни от точного механизма связи тета-гамма.

Как признают сами ученые, это довольно удивительное открытие. С другой стороны, отсутствие различий в производительности между управляемой стимулом и эндогенной тета-гамма связью отражает то, что продолжительность слогов в естественной речи очень близка к ожиданиям модели, и в этом случае не будет никакого преимущества для тета-сигнала, управляемого непосредственно вводными данными.

Чтобы лучше понять столь неожиданный поворот событий, ученые провели еще один ряд экспериментов, но со сжатыми речевыми сигналами (х2 и х3). Как показывают поведенческие исследования, понимание речи, сжатой в х2 раза, практически не меняется, но сильно падает при сжатии в 3 раза.

В таком случае стимулируемая тета-гамма связь может стать крайне полезной для разбора и расшифровки слогов. Результаты моделирования представлены ниже.


Изображение 4

Как и ожидалось, общая производительность упала с увеличением коэффициента сжатия. Для сжатия х2 существенной разницы между стимульной и эндогенной тета-гамма связью по-прежнему не было. Но в случае сжатия х3 возникает существенная разница. Это говорит о том, что управляемое стимулом тета-колебание, приводящее в действие тета-гамма-связь, было более выгодным для процесса кодирования слога, чем эндогенно установленная тета-скорость.

Из этого следует, что естественная речь может обрабатываться с помощью относительно фиксированного эндогенного тета-генератора. Но для более сложных вводных речевых сигналов (т.е. когда скорость речи постоянно меняется) требуется управляемый тета-генератор, передающий гамма-кодировщику точную временную информацию о слогах (начало слога и продолжительность слога).

Способность модели точно распознавать слоги во входном предложении не учитывает переменную сложность различных сравниваемых моделей. Потому была проведена оценка байесовского информационного критерия (BIC) для каждой модели. Данный критерий количественно определяет компромисс между точностью и сложностью модели (изображение 5).


Изображение 5

Вариант А показал самые высокие значения BIC. Ранее проведенное сравнение моделей А и В не могло точно различить их производительность. Однако благодаря критерию BIC стало очевидно, что вариант A обеспечивает более уверенное распознавание слогов, чем модель без тета-колебаний, управляемых стимулом (модель В).

Для более детального ознакомления с нюансами исследования рекомендую заглянуть в доклад ученых и дополнительные материалы к нему.

Эпилог


Суммируя вышеописанные результаты, можно сказать, что успешность модели зависит от двух основных факторов. Первый и самый важный сброс накопленных данных, основанных на информации модели о содержании слога (в данном случае это его спектральная структура). Вторым фактором является связь между тета- и гамма-процессами, которая обеспечивает включение гамма-активности в тета-цикл, соответствующий ожидаемой продолжительности слога.

По сути своей, разработанная модель имитировала работу мозга человека. Звук, поступающий в систему, модулировался тета волной, напоминающей активность нейронов. Это позволяет определить границы слогов. Далее более быстрые гамма-волны помогают кодировать слог. В процессе система предлагает возможные варианты слогов и корректирует выбор при необходимости. Перескакивая между первым и вторым уровнями (тета и гамма), система обнаруживает правильный вариант слога, а потом обнуляется, чтобы начать процесс заново для следующего слога.

Во время практических испытаний удалось успешно расшифровать 2888 слогов (220 предложений естественной речи, использовался английский язык).

Данное исследование не только объединило в себе две противоположные теории, реализовав их на практике в виде единой системы, но и позволило лучше понять, как наш мозг воспринимает речевые сигналы. Нам кажется, что мы воспринимаем речь как есть, т.е. без каких-либо сложных вспомогательных процессов. Однако, учитывая результаты моделирования, получается, что нейронные тета и гамма колебания позволяют нашему мозгу делать небольшие предсказания относительно того, какой именно слог мы слышим, на основе которых и формируется восприятие речи.

Кто бы что ни говорил, но мозг человека порой кажется куда таинственнее и непонятнее, чем неизведанные уголки Вселенной или беспросветные глубины Мирового океана.

Благодарю за внимание, оставайтесь любопытствующими и хорошей всем рабочей недели, ребята. :)

Немного рекламы


Спасибо, что остаётесь с нами. Вам нравятся наши статьи? Хотите видеть больше интересных материалов? Поддержите нас, оформив заказ или порекомендовав знакомым, облачные VPS для разработчиков от $4.99, уникальный аналог entry-level серверов, который был придуман нами для Вас: Вся правда о VPS (KVM) E5-2697 v3 (6 Cores) 10GB DDR4 480GB SSD 1Gbps от $19 или как правильно делить сервер? (доступны варианты с RAID1 и RAID10, до 24 ядер и до 40GB DDR4).

Dell R730xd в 2 раза дешевле в дата-центре Equinix Tier IV в Амстердаме? Только у нас 2 х Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 ТВ от $199 в Нидерландах! Dell R420 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB от $99! Читайте о том Как построить инфраструктуру корп. класса c применением серверов Dell R730xd Е5-2650 v4 стоимостью 9000 евро за копейки?
Подробнее..

Перевод Почему астрономы сомневаются, что в Солнечной системе есть неоткрытая Девятая планета

01.07.2020 16:06:10 | Автор: admin
Привет, читатель! Меня зовут Ирина, я веду телеграм-канал об астрофизике и квантовой механике Quant.

Наверняка, многие слышали о Девятой планете, которая пока не обнаружена, но имеет большое влияние на поведение объектов Солнечной системы. Некоторые астрономы согласны с этой гипотезой и тщательно осматривают космическое пространство в поисках Девятой планеты, другие отрицают эту гипотезу и приводят свои доказательства в пользу этого.

Сегодня я подготовила перевод статьи, в которой отрицается существование Девятой планеты, и тому приводятся аргументы.

Приятного чтения!



Представление художника о гипотетической планете с далеким Cолнцем.

Девятая планета это теоретическая неоткрытая гигантская планета в таинственных дальних уголках нашей Солнечной системы.

Гипотеза о существовании Девятой планеты объясняет все от наклона оси вращения Солнца до очевидного скопления на орбитах маленьких ледяных астероидов за Нептуном.

Но существует ли на самом деле Девятая планета?

Открытия на краю нашей Солнечной системы

Пояс Койпера это совокупность небольших ледяных тел, которые вращаются вокруг Солнца за пределами Нептуна на расстояниях, превышающих 30 а.е. (одна астрономическая единица или а.е. это расстояние между Землей и Солнцем). Размер объектов пояса Койпера (ОПК) варьируются от крупных валунов до 2000 км в поперечнике. ОПК это оставшиеся маленькие кусочки планетного материала, которые не были использованы для формирования планет, равно как и пояс астероидов.

Открытия, сделанные в ходе самого успешного на сегодняшний день исследования пояса Койпера исследования происхождения внешней Солнечной системы (OSSOS), дают более хитрое объяснение орбитам, которые мы видим. Было обнаружено, что многие из этих ОПК имеют очень эллиптические и наклонные орбиты, такие как у Плутона.

Математические расчеты и детальное компьютерное моделирование показали, что орбиты, которые мы видим в поясе Койпера, могут быть созданы только в том случае, если Нептун первоначально сформировался на несколько а.е. ближе к Солнцу и мигрировал наружу на свою нынешнюю орбиту. Миграция Нептуна объясняет распространенность высокоэллиптических орбит в поясе Койпера и может объяснить все орбиты ОПК, которые мы наблюдали, за исключением нескольких ОПК на экстремальных орбитах, которые всегда остаются по крайней мере на 10 а.е. дальше Нептуна.

Второй объект пояса Койпера (после Плутона) 1992 QB1 был открыт в 1992 году американскими астрономами Дэвидом Джевиттом и Джейн Луу с помощью 2,2-метрового телескопа в Мауна-Кеа на Гавайях.

Доказывает ли это существование Девятой планеты?

Эти экстремальные орбиты лучше всего подтверждают существование Девятой Планеты. Первые несколько из них были открыты только в одном квадранте Солнечной системы. Астрономы ожидают увидеть орбиты с различными ориентациями, если только их не ограничивает внешняя сила. Обнаружение нескольких крайних ОПК на орбитах, направленных в одном направлении, было намеком на то, что что-то происходит. Две отдельные группы исследователей подсчитали, что только большая, очень далекая планета может удерживать все орбиты, ограниченные частью Солнечной системы, отсюда и родилась теория Девятой планеты.

Согласно теории, Девятая планета в 5-10 раз массивнее Земли, а ее орбита колеблется в пределах 300-700 а.е. Было опубликовано несколько предсказаний ее местоположения в Солнечной системе, но ни одна из поисковых групп до сих пор не обнаружила ее. После четырехлетних поисков все еще есть только косвенные доказательства в пользу существования Девятой планеты.

Поиск ОПК

Поиск ОПК требует тщательного планирования, точных расчетов и внимательного наблюдения. Я (Samantha Lawler) являюсь частью OSSOS, совместной работы 40 астрономов из восьми стран. Мы использовали канадско-франко-гавайский телескоп в течение пяти лет, чтобы обнаружить и отследить более 800 новых ОПК, почти удвоив число известных ОПК с хорошо измеренными орбитами. ОПК, обнаруженные OSSOS, варьируются по размерам от нескольких до более чем 100 км, а по дальности обнаружения от нескольких до более чем 100 а.е., причем большинство из них находится на уровне 40-42 а.е. в основной части пояса Койпера.

ОПК не излучают свой собственный свет: эти маленькие ледяные тела отражают только свет Солнца. Таким образом, если вы переместите ОПК в 10 раз дальше, его станет видно в 10 000 раз хуже. И в силу законов физики, ОПК на эллиптических орбитах будут проводить большую часть времени в самых отдаленных частях своих орбит. Таким образом, легко найти ОПК на эллиптических орбитах, когда они близки к Солнцу и ярки, но большую часть времени они проводят вдали, где они менее заметны.

Это означает, что ОПК на эллиптических орбитах трудно обнаружить, особенно экстремальные, которые всегда находятся относительно далеко от Солнца. На сегодняшний день найдено лишь несколько из них, и с помощью современных телескопов мы можем обнаружить их только тогда, когда они находятся вблизи перицентра ближайшей точки к Солнцу на своей орбите.

Это приводит к еще одной трудности, которая исторически игнорировалась во многих исследованиях: ОПК в каждой части Солнечной системы могут быть обнаружены только в определенное время года. Наземные телескопы дополнительно ограничены сезонной погодой, причем открытия наименее вероятны во время облачных, дождливых или ветреных условий. Открытия ОПК также гораздо менее вероятны вблизи плоскости галактики Млечный Путь, где бесчисленные звезды затрудняют поиск неярких, ледяных странников.

Все известные ОПК с орбитами больше 250 а.е. Орбиты ОПК, обнаруженные OSSОS и DES, располагаются во многих направлениях; предыдущие исследования с неизвестными уклонами обнаружили их в том же направлении.

Корректирование смещений

OSSOS обнаружил несколько новых экстремальных ОПК, половина из которых находится за пределами ограниченной области и статистически согласуется с равномерным распределением. Новое исследование подтверждает некластеризованные открытия OSSOS. Группа астрономов, используя данные исследования темной энергии (DES), обнаружила более 300 новых ОПК без кластеризации орбит. Так что теперь два независимых исследования оба из которых тщательно отслеживали и сообщали о смещениях при обнаружении экстремальных ОПК не нашли никаких доказательств кластеризации орбит.

Все экстремальные ОПК, которые были обнаружены до OSSOS и DES, были получены из исследований, которые не полностью сообщают об их отклонениях в направлении. Таким образом, мы не знаем, были ли все эти ОПК обнаружены в одном и том же квадранте Солнечной системы, потому что они на самом деле ограничены, или потому, что никакие исследования не искали достаточно глубоко в других квадрантах. Мы провели дополнительные симуляции, которые показали, что если наблюдения производятся только в один сезон с одного телескопа, то экстремальные ОПК, естественно, будут обнаружены только в одном квадранте Солнечной системы.

Далее, проверяя теорию Девятой планеты, мы подробно рассмотрели орбиты всех известных экстремальных ОПК и обнаружили, что все, кроме двух самых высоких ОПК в перицентре, могут быть объяснены известными физическими эффектами. Эти два ОПК являются аномальными, но наше предыдущее детальное компьютерное моделирование пояса Койпера, которое включало гравитационные эффекты Девятой планеты, произвело набор экстремальных ОПК с перицентрами плавно варьирующимися от 40 до более чем 100 а.е.

Эти симуляции предполагают, что должно быть много ОПК с перицентрами, такими же большими, как два аномальных, но также много ОПК с меньшими перицентрами, которые можно намного легче обнаружить. Почему открытия на орбите не совпадают с предположениями? Ответ может заключаться в том, что теория Девятой планеты не соответствует подробным наблюдениям.

Наши тщательные наблюдения обнаружили ОПК, которые не ограничены Девятой планетой, и наши симуляции показывают, что пояс Койпера должен содержать и другие орбиты, в отличие от тех, которые мы наблюдаем, если Девятая планета существует. Для объяснения экстремальных ОПК с высоким перицентром необходимо использовать другие теории, и в научной литературе нет недостатка в предлагаемых теориях.

Много красивых и удивительных объектов еще предстоит обнаружить в таинственной внешней Солнечной системе, но я не верю, что Девятая планета одна из них.
Подробнее..

Нефтянка для инженеров, программистов, математиков и широких масс трудящихся, часть 4

02.07.2020 08:05:44 | Автор: admin
image

Это четвертая часть из серии статей для будущих математиков-программистов, которым предстоит решать задачи, связанные с моделированием нефтедобычи и разработкой инженерного ПО в области сопровождения нефтедобычи.

Сегодня мы расскажем о том, зачем нужны модели месторождений, и как их строить. Модель это тот самый план действий, который обязательно должен быть и предполагаемый результат этих действий.


Моделирование, прогноз, неопределённость


Все перечисленные в предыдущих статьях (раз, два, три) физические эффекты важно понимать не просто для того, чтобы знать, как устроен мир. Скорее всего их придётся учитывать при построении модели, которая умеет правильно предсказывать будущее. Зачем нам уметь предсказывать будущее в нефтедобыче, если цену нефти и коронавирус всё равно не предсказать? Да затем же, зачем и везде: чтобы принимать правильные решения.

image

В случае с месторождением мы не можем непосредственно наблюдать, что происходит под землёй между скважинами. Почти всё, что нам доступно, привязано к скважинам, то есть к редким точкам на необъятных просторах болот (все что мы можем измерить заключено примерно в 0.5% породы, о свойствах остальных 99.5% мы можем только догадываться). Это проведённые измерения на скважинах тогда, когда скважина строилась. Это показания приборов, которые на скважинах установлены (давление на забое, доля нефти воды и газа в получаемой продукции). И это измеряемые и задаваемые параметры работы скважин когда включать, когда выключать, с какой скоростью качать.

Правильная модель это такая модель, которая правильно предсказывает будущее. Но так как будущее ещё не наступило, а понять, хороша ли модель, хочется уже сейчас, то поступают так: вкладывают в модель всю имеющуюся фактическую информацию о месторождении, в соответствии с предположениями добавляют свои догадки о неизвестной информации (крылатая фраза два геолога три мнения как раз об этих догадках) и выполняют симуляцию происходивших под землей процессов фильтрации, перераспределения давления и так далее. Модель выдаёт, какие должны были наблюдаться показатели работы скважин, и они сравниваются с реально наблюдавшимися показателями. Другими словами, мы пытаемся построить такую модель, которая воспроизводит историю.
Вообще-то, можно схитрить и просто потребовать от модели, чтобы она выдавала такие данные, какие надо. Но, во-первых, так делать нельзя, а во-вторых, всё равно заметят (эксперты в тех самых гос.органах, куда модель нужно сдавать).

image

Если модель не может воспроизвести историю, необходимо менять её входные данные, но какие? Фактические данные менять нельзя: это результат наблюдения и измерения реальности данные с приборов. Приборы, конечно, имеют свою погрешность, да и используются приборы людьми, которые тоже могут и накосячить, и приврать, но неопределённость фактических данных в модели, как правило, мала. Менять можно и нужно то, что имеет наибольшую неопределённость: наши предположения о том, что происходит между скважинами. В этом смысле построение модели это попытка уменьшить неопределённость в наших знаниях о реальности (в математике этот процесс известен как решение обратной задачи, и обратных задач в нашей области как велосипедов в Пекине!).

Если модель достаточно корректно воспроизводит историю, у нас есть надежда, что наши знания о реальности, вложенные в модель, не сильно от этой самой реальности отличаются. Тогда и только тогда мы можем такую модель запустить на прогноз, в будущее, и такому прогнозу у нас будет больше оснований верить.

Что если удалось сделать не одну, а несколько разных моделей, которые все достаточно хорошо воспроизводят историю, но при этом дают разный прогноз? Нам ничего не остаётся, как жить с этой неопределённостью, принимать решения, имея её в виду. Более того, имея несколько моделей, дающих спектр возможных прогнозов, мы можем попытаться количественно оценить риски принятия того или иного решения, тогда как имея одну модель, мы будем пребывать в неоправданной уверенности в том, что всё будет так, как модель предсказывает.

Модели в жизни месторождения


Для того, чтобы принимать решения в процессе разработки месторождения, нужна целостная модель всего месторождения. Более того, сейчас без такой модели разрабатывать месторождение вообще нельзя: такую модель требуют государственные органы РФ.

image

Всё начинается с сейсмической модели, которая создаётся по результатам сейсморазведки. Такая модель позволяет увидеть под землей трехмерные поверхности специфические слои, от которых хорошо отражаются сейсмические волны. Она не даёт почти никакой информации о нужных нам свойствах (пористости, проницаемости, насыщении, и т. д.), но зато показывает, как изгибаются в пространстве некоторые слои. Если вы сделали многослойный бутерброд, а потом как-то его изогнули (ну или кто-то на него сел), то у вас есть все основания считать, что все слои изогнулись примерно одинаково. Поэтому мы можем понять, как изогнулся слоёный пирог из различных нападавших на дно океана осадков, даже если на сейсмической модели увидим только один из слоёв, по счастливой случайности хорошо отражающий сейсмические волны. На этом месте дата-сайнс инженеры оживились, потому что автоматическое выделение таких отражающих горизонтов в кубе, чем и занимались участники одного из наших хакатонов, классическая задача распознавания образов.

image

Затем начинается разведочное бурение, и по мере бурения скважин в них спускают на кабеле приборы, измеряющие всякие разные показатели вдоль ствола скважины, то есть проводят ГИС (геофизические исследования скважин). Результат такого исследования каротаж ГИС, то есть кривая определённой физической величины, измеренная с определённым шагом вдоль всего ствола скважины. Разные приборы измеряют разные величины, а обученные инженеры затем проводят интерпретацию этих кривых, получая значимую информацию. Один прибор измеряет естественную гамма-радиоактивность породы. Глины фонят сильнее, песчаник фонит слабее это знает любой инженер-интерпретатор и выделяет на каротажной кривой: тут глины, тут слой песчаника, тут что-то среднее. Другой прибор измеряет естественный электрический потенциал между соседними точками, возникающий при проникновении в породу бурового раствора. Высокий потенциал показывает наличие фильтрационной связи между точками пласта, знает инженер и подтверждает наличие проницаемой породы. Третий прибор измеряет сопротивление насыщающего породу флюида: солёная вода ток пропускает, нефть ток не пропускает и позволяет отделить нефтенасыщенные породы от водонасыщенных и так далее.
На этом месте дата-сайнс инженеры снова оживились, потому что входные данные у этой задачи это простые численные кривые, а заменить инженера-интерпретатора какой-нибудь ML-моделью, умеющей вместо инженера по форме кривой сделать вывод о свойствах породы это значит решить классическую задачу классификации. Это только потом у дата-сайнс инженеров начинает дергаться глаз, когда выясняется, что часть этих накопленных кривых со старых скважин есть только в виде длинных бумажных портянок.

image

Кроме этого, при бурении из скважины достают керн образцы более или менее целой (если повезло) и неразрушенной при бурении породы. Эти образцы отправляют в лабораторию, где определят их пористость, проницаемость, насыщение и всякие разные механические свойства. Если известно (а при правильном проведении это должно быть известно), с какой глубины был поднят конкретный образец керна, то когда придут данные из лаборатории, можно будет сопоставить, какие значения на этой глубине показывали все геофизические приборы, и какие значения пористости, проницаемости и насыщенности имела порода на этой глубине по данным лабораторных исследований керна. Таким образом можно пристрелять показания геофизических приборов и затем только по их данным, не имея керна, делать вывод о таких нужных нам для построения модели свойствах породы. Весь дьявол в деталях: приборы замеряют не совсем то, что определяют в лаборатории, но это уже совсем другая история.

Таким образом, пробурив несколько скважин и проведя исследования, мы можем достаточно уверенно утверждать, какая порода и с какими свойствами находится там, где эти скважины были пробурены. Проблема в том, что мы не знаем, что происходит между скважинами. И вот тут нам на помощь приходит сейсмическая модель.

image

На скважинах мы точно знаем, какие свойства имеет порода на какой глубине, но не знаем, как слои породы, наблюдаемые на скважинах, распространяются и изгибаются между ними. Сейсмическая модель не позволяет точно определить, какой слой на какой глубине расположен, но зато уверенно показывает характер распространения и изгиба всех сразу слоёв, характер напластования. Тогда инженеры отмечают на скважинах определённые характерные точки, ставя на определённой глубине маркеры: на этой скважине на этой глубине кровля пласта, на этой глубине подошва. А поверхность кровли и подошвы между скважинами, грубо говоря, рисуют параллельно той поверхности, которую видят в сейсмической модели. В итоге получается набор трёхмерных поверхностей, которые охватывают в пространстве интересующие нас, а нас интересуют, конечно же, пласты, содержащие нефть. То, что получилось, называется структурной моделью, потому что она описывает структуру пласта, но не его внутреннее содержание. О пористости и проницаемости, насыщении и давлении внутри пласта структурная модель не говорит ничего.

image

Затем наступает этап дискретизации, при котором область пространства, занимаемая месторождением, разбивается на такой изогнутый в соответствии с залеганием слоёв (характер которого виден ещё на сейсмической модели!) параллелепипед из ячеек. Каждая ячейка этого изогнутого параллелепипеда однозначно определяется тремя номерами, I, J и K. Все слои этого изогнутого параллелепипеда лежат согласно распространению слоёв, а количество слоёв по K и количество ячеек по I и J определяется детальностью, которую мы можем себе позволить.
Насколько детальная информация о породе у нас есть вдоль ствола скважины, то есть по вертикали? Настолько детальная, насколько часто делал замеры своей величины геофизический прибор при движении по стволу скважины, то есть, как правило, каждые 20-40 см, поэтому каждый слой может быть и 40 см, и 1 м.

Насколько детальная у нас есть информация по латерали, то есть в сторону от скважины? Ни насколько: в сторону от скважины у нас информации нет, поэтому смысла разбивать на очень маленькие ячейки по I и J, как правило, нет, и чаще всего они бывают по 50 или 100 м по обеим координатам. Выбор размера этих ячеек является одной из важных инженерных задач.

image

После того, как вся область пространства разбита на ячейки, делается ожидаемое упрощение: в пределах каждой ячейки значение любого из параметров (пористость, проницаемость, давление, насыщенность и т. д.) считается постоянным. Конечно в реальности это не так, но раз мы знаем, что напластование осадков на дно моря шло слоями, то свойства породы будут гораздо сильнее меняться по вертикали, чем по горизонтали.

image

Итак, у нас есть сетка ячеек, в каждой ячейке своё (неизвестное нам) значение каждого из важных параметров, описывающих как породу, так и её насыщение. Пока эта сетка пустая, но через некоторые ячейки проходят скважины, в которых мы прошли прибором и получили значения кривых геофизических параметров. Инженеры-интерпретаторы с помощью лабораторных исследований керна, корреляций, опыта и такой-то матери, значения кривых геофизических параметров переводят в значения нужных нам характеристик породы и насыщающего флюида, и переносят эти значения со скважины на ячейки сетки, через которые эта скважина проходит. Получается сетка, у которой в некоторых местах в ячейках есть значения, а в большинстве ячеек значений всё ещё нет. Значения во всех остальных ячейках придётся воображать с помощью интерполяции и экстраполяции. Опыт геолога, его знания о том, как свойства породы распространяются обычно, позволяют выбрать правильные алгоритмы интерполяции и правильно заполнить их параметры. Но в любом случае приходится помнить, что всё это догадки о неизвестности, которая лежит между скважинами, и не зря говорят, ещё раз эту прописную истину напомню, что у двух геологов по поводу одной и той же залежи будет три разных мнения.

Результатом этой работы будет геологическая модель трёхмерный изогнутый параллелепипед, разбитый на ячейки, описывающий структуру месторождения и несколько трёхмерных массивов свойств в этих ячейках: чаще всего это массивы пористости, проницаемости, насыщения и признака песчаник-глина.

image

Затем за работу берутся специалисты-гидродинамики. Они могут укрупнить геологическую модель, объединив несколько слоёв по вертикали и пересчитав свойства породы (это называется апскейлинг, и представляет собой отдельную непростую задачу). Потом они добавляют остальные нужные свойства для того, чтобы гидродинамический симулятор мог моделировать, что куда будет перетекать: кроме пористости, проницаемости, нефте-, водо-, газонасыщенности, это будут давление, газосодержание и так далее. Они добавят в модель скважины и внесут по ним информацию о том, когда и в каком режиме они работали. Вы ещё не забыли, что мы пытаемся воспроизвести историю, чтобы иметь надежду на корректный прогноз? Гидродинамики возьмут отчёты из лаборатории и добавят в модель физико-химические свойства нефти, воды, газа и породы, всяческие зависимости их (чаще всего от давления) и всё, что получилось, а это будет гидродинамическая модель, отправят в гидродинамический симулятор. Тот честно рассчитает, из какой ячейки в какую всё будет в какой момент времени перетекать, выдаст графики технологических показателей на каждой скважине и скрупулёзно сравнит их с реальными историческими данными. Гидродинамик вздохнёт, глядя на их расхождение, и пойдёт изменять всё неопределённые параметры, которые он пытается угадать так, чтобы при следующем запуске симулятора получить что-то близкое к реально наблюдавшимся данным. А может при следующем запуске. А может при следующем и так далее.

image

Инженер, готовящий модель поверхностного обустройства, возьмёт те дебиты, которые месторождение по результатам моделирования будет выдавать, и поместит их уже в свою модель, которая рассчитает, в каком трубопроводе будет какое давление и сможет ли имеющаяся система трубопроводов переварить добычу месторождения: очистить добытую нефть, подготовить нужный объём закачиваемой воды и так далее.

И наконец, на самом верхнем уровне, на уровне экономической модели, экономист рассчитает поток расходов на строительство и обслуживание скважин, электроэнергию на работу насосов и трубопроводов и поток дохода от сдачи добытой нефти в систему трубопроводов, умножит на нужную степень коэффициента дисконтирования и получит суммарный NPV от готового проекта разработки месторождения.

Подготовка всех этих моделей, разумеется, требует активного использования баз данных для хранения информации, специализированного инженерного программного обеспечения, реализующего обработку всей входной информации и собственно моделирования, то есть предсказания будущего по прошлому.

Для построения каждой из перечисленных выше моделей используется свой отдельный программный продукт, чаще всего буржуйский, часто практически безальтернативный и поэтому очень дорогой. Такие продукты развиваются десятилетиями, и повторить их путь силами небольшого института дело бессмысленное. Но ведь и динозавров съели не другие динозавры, а маленькие, голодные, целеустремлённые хорьки. Важно то, что, как в случае экселя для ежедневной работы нужны только 10% функциональности, и наши дубли, как у Стругацких, будут только и умеющие, что но зато уж умеющие это делать хорошо как раз эти 10%. В общем, мы полны надежд, для которых определённые основания уже есть.

В этой статье описан только один, столбовой путь жизненного цикла модели всего месторождения, и уже тут есть, где разгуляться разработчикам ПО, а с текущими моделями ценообразования у конкурентов работы хватит надолго. В следующей статье будет spin-off Изгой-один про некоторые частные задачи инженерного моделирования: моделирование гидроразрыва пласта и гибкие насосно-компрессорные трубы.

Продолжение следует
Подробнее..

Ученые создали Lamphone используя фотодиод и телескоп исследователи превратили лампочки в жучки для прослушки

01.07.2020 02:19:17 | Автор: admin
Если вы впечатляетесь оригинальностью разработок Льва Термена в области скрытого съема звуковой информации, иными словами, прослушки, такими как Буран и Златоуст, вас, наверняка, впечатлит описанный ниже опыт израильских исследователей. Бен Насси (Ben Nassi), Аарон Пирутин (Yaron Pirutin), Ювл Эловици (Yuval Elovici), Борис Задов (Boris Zadov) из университета Бен-Гуриона в Негеве (Ben-Gurion University of the Negev), а также Ади Шамир (Adi Shamir) из Вайзмановского научного института (Weizmann Institute of Science) разработали устройство, способное дистанционно прослушивать речь и другие звуки по вибрациям лампочки, висящей под потолком. Устройство расшифровывает данные в реальном времени и позволяет получать информацию практически мгновенно.


Немного об истории фотоакустической прослушки


Корнями методы прослушки такого типа уходят в глубь вековисследования инженера закрытого туполевского КБ и пионера электронной музыки, Льва Термена. Который ещё в середине сороковых годов прошлого столетия разработал систему Буран, которая при помощи отраженных ИК-лучей была способна осуществлять прослушку по вибрации оконных стекол. Этот же принцип в дальнейшем лег в основу лазерных микрофонов. Однако метод был не совершенен. Наличие звукопоглотительных преград перед источником звука предотвратило достаточное дрожание стекла для того, чтобы осуществлять сколько-нибудь полезный съём информации.


лазерный микрофон конца 80-х

Появление видеокамер с высоким разрешением и частотой обновления кадров открыли новые возможности для прослушки. Звуковые волны, сталкиваясь с поверхностью предметов, вызывают незаметные глазу колебания.



Для их распознания может применятся камера с высоким разрешением и частотой обновления кадров от 60 fps. Три года назад группа исследователей из Массачусетского технологического смогли преобразовать видео, снятое с частотой 2200 fps в звук мелодии, которая проигрывалась в помещении в момент съемки. В дальнейшем было обнаружено, что с меньшей эффективностью метод можно применять даже с частотой обновления 60 fps.



У этого метода также были ограничения. Во первых это стоимость камер с высокой и сверхвысокой частотой обновления. Во вторых есть проблемы со скоростью обработки изображения, снятого с такой частотой кадров, объемные видеофайлы требуют долгой обработки, длительность которой напрямую зависит от аппаратных мощностей. Это ограничивает возможность использования метода realtime.
Камеры с существующим разрешением практически не позволяют использовать съём на значительном расстоянии, ограничивая его 5-6 метрами до объекта.

Суть нового метода


Израильские ученые решили усовершенствовать метод американцев, сфокусировали съем на конкретном объекте при помощи телескопа и заменили дорогую камеру на недорогой фотодиод. Дрожание воздуха при разговоре вызывает микровибрации лампочки, что в свою очередь вызывает не заметные, но существенные для чувствительной аппаратуры изменения освещённости. Свет улавливается телескопом и преобразуется фотодиодом в электрический сигнал. При помощи программного аналогово-цифрового преобразователя сигнал записывают в виде спектрограммы, которая обрабатывается написанным исследователями алгоритмом и затем конвертируется в звук.

Работоспособность метода исследователи проверили лабораторным опытом, в котором прикрепили к лампочке гироскоп и воспроизводили звуки с частотой от 100 до 400 Гц в одном сантиметре от объекта. Колебания лампочки были небольшими и составляли от 0,005 до 0,06 градуса (отклонение составляла в среднем от 300 до 950 микрон), но главное было в том, что они значительно отличались в зависимости от частоты и уровня звукового давления, а соответственно, существует зависимость колебаний от характеристик распространяющихся звуковых волн.



Колебания в вертикальной и горизонтальной плоскости были очень маленькими (300950 микрон), но изменялись в зависимости от частоты и громкости подаваемого звука, что означает, что лампочка, пусть и едва заметно, но все же колеблется от распространяющихся рядом звуковых волн, а ее колебания зависят от их характеристик.

Измерения и эксперимент


Измерения данных с фотодиода показали приблизительные изменения тока при колебаниях лампочки на разных расстояниях между ней и телескопом. Выяснили, что при использовании 24-битного преобразования колебания лампочки на 300 микрон в плоскости вызывают изменение напряжения на 54 микровольта, чего вполне достаточно для передачи тестового спектра (100 400 Гц) на значительном (несколько десятков метров) расстоянии при помощи оптики использованного телескопа. Также отсутствие звука отражается на спектрограмме оптического сигнала от лампочки в виде пика в 100 Герц (что вызвано её частотой мерцания). Эту особенность также внесли в алгоритм.



Сам алгоритм действует последовательно. На первом этапе он работает как фильтр информационно не значимых частот, таких как частота мерцания, а затем выделяет спектр, соответствующий речи. После этого устраняет частотные признаки посторонних шумов, подобно стандартным денойзерам в диктофонах и студийных рекордерах. Обработанная таким образом спектрограмма конвертируется в звук сторонней программой.



Созданный учеными Lamphone в текущей версии позволяет в реальном времени восстанавливать речь и музыку из помещения, находящегося в 25 метрах от места наблюдения. Это объективно доказано следующим экспериментом, установку, оснащенную любительским телескопом с 20-см объективом установили на мосту, в 25 метрах от окна в комнату, где размещалась лампа. Неподалеку от лампы воспроизвели песни The Beatles Let It Be и Coldplay Clocks, а также запись фрагмента речи Д.Трампа с фразой We will make America great again.



В итоге, записи звука, восстановленные по спектрограммам оказались вполне различимыми, мелодии без труда угадывались сервисом Shazam, а слова распознавались открытым API Google для распознавания текста.

Сухие остатки


Устройство работает. Ни о чем подобном раньше никем не сообщалось. Это в чем-то упростит работы спецслужб, а всем, кому есть чего опасаться, следует принимать новые меры предосторожности. Пока не ясно, сможет ли работать система с чем-то кроме подвижного источника света. Израильские исследователи планируют продолжить свои изыскания.

Использован визуальный контент и материалы
Подробнее..

Полная карта неба от Спектра-РГ. Чем она важна

29.06.2020 16:21:22 | Автор: admin

www.roscosmos.ru/media/img/2020/June/rgb_final_annotated_fig1.png

Может быть я ошибаюсь, но такое чувство, что знаковое событие во внеатмосферной астрономии, произошедшее 10 июня, прошло практически незамеченным. Речь про то, что космический флагман нашей и немецкой астрономии телескоп Спектр-РГ завершил первое полное сканирование всего неба.

Попробую это исправить. Для этого постараюсь объяснить в двух словах чем отличаются разные телескопы, чем важен для мировой науки этот аппарат и описать особенности его работы. Тем более, что судя по тем публикациям прошедшим публикациям, порой авторы не понимают, что означает фраза о его рекордной точности, относя ее вообще ко всем телескопам подобного диапазона.

Дело в том, что орбитальные телескопы уже достаточно давно разбираются на два типа: обзорные и детальные. Первые, предназначены для поиска новых объектов на небесной сфере, желательно с составлением полной карты неба. Вторые, уже нужны для детального изучения выявленных новых источников с выяснением их физической природы и дополнительных характеристик.

Для первых, допустимо использовать широкоугольные оптические системы, для вторых системы, с как можно меньшим углом. Кроме зоны осмотра, это часто задает ограничения времени наблюдения. Самым близким аналогом является выдержка в фотографии. Чем более широкий угол объектива, тем меньше выдержка для получения одного снимка и наоборот. Ниже это будет показано на примере.

Перед пуском вторых, должны идти первые станции. Именно это позволит ученым управляющим первыми аппаратами, как сказал мне один астрофизик, рассказывая про Спектр-РГ: Перестать тыкаться наудачу, как слепые котята.

Лучше всего это можно показать на примере реальных телескопов. Например, первым обзорным аппаратом в диапазоне жесткого гамма-излучения был COS-B, запущенный в 1975 году. Он имел поле зрения порядка 30х30 градусов, то есть для полного перекрытия небесной сферы ему нужно было сделать 50 наблюдений. Из-за специфики его орбиты ожидалось, что он построит карту неба в гамма лучах за 4 года, а в реальности за 6 лет работы только около половины всего неба. Но и это был очень весомый результат.

image

Для примера детальной станции можно взять НЕАО-2 Эйнштейн изучавшей в 1978-1981 годах мягкий рентгеновский диапазон. Ее поле зрения было порядка 1 градуса, разрешение до 2 угловых секунд, а чувствительность датчиков требовало выдержки около 104 секунд (2.7 часа).

image

Если бы от этого телескопа потребовали составить карту всего неба, ему бы понадобилось для этого порядка 100 лет. За время своей работы он просмотрел только 3% неба, но, с качественной точки зрения, это были очень важные 3%. Он изучил почти всех представителей классов рентгеновских источников и даже открыл новые.

И он бы не смог это сделать, если бы ученые не знали заранее, куда смотреть, благодаря пусть и менее детальным картам всего неба, полученным обзорными телескопами.

Так как обзор всего неба это качественный результат, повторять его другим аппаратам с тем же результатом обычно не имеет смысла. В отличии от детальных станций. Последних желательно иметь, как можно больше, пусть и с равным разрешением. Это позволит быстрее изучить открытые районы.

В обзорных системах, для каждой следующей карты желательно повышать разрешение на порядки, что весьма не просто. И проблема даже не в том, что нужно переварить на порядок больший трафик аппарата.

С технической точки зрения обзорный аппарат нужно делать стабилизированным вращением, чтобы за один виток он снимал узкую полосу на небе. И после каждого оборота новую. Именно эта схема и была реализована для Спектра-РГ. Он был впервые для наших аппаратов выведен в точку Лагранжа, после чего занял постоянную ориентацию на Солнце и начал сканировать небо. Это хорошо видно на схеме из Вестника НПО им Лавочкина.

image

Полный период обращения аппарата вокруг своей оси составляет порядка 4 часов. За эти часы благодаря движения Земли, плоскость вращения аппарата изменилась приблизительно на 0.17 градуса и в поле зрения телескопов попали новые области неба.

Выглядит просто, но каждая следующая карта, дается со все большим трудом. Видно, что время сканирования, передачи и параметров сканирующей системы должны быть жестко синхронизированы.

Но чем более узкое поле зрения, тем быстрее проходит объект через него. Скажем, при угле зрения 10х10 градусов, объект из плоскости эклиптики будет в поле зрения 105 секунд (почти сутки), а при угле 1х1 градус, максимально возможная выдержка падает в сто раз до 103 секунд (16 минут). Требования к приемникам возросли в 100 раз, а линейное разрешение всего в 10 раз. А если потребуем сделать следующий шаг, что максимально возможная выдержка снизиться до считанных минут. А при такой выдержке даже в оптическом диапазоне могут быть проблемы, не говоря о рентгеновском.

В результате, если изначально на обзорных аппаратах были достаточно простые приемники, то на том же Спектре-РГ применены сложнейшие телескопы косого падения некоторые элементы которых буквально могут изготовить всего несколько предприятий в мире. И не факт, что когда все научные открытия Спектра-РГ будут изучены детальными телескопами, создание следующей обзорной станции будет упираться только в финансовые проблемы, а не встретит сложные технические и научные ограничения.

image
Сравнение одного участка неба с разных телескопов. АРТ-П/Гранат(детальный), ART-XC/Спектр-РГ (обзорный), NuSTAR (детальный)

Впрочем, до этого еще далеко. Первая обзорная карта неба в рентгеновском диапазоне построена, за следующие несколько лет станция ее дополнительно уточнит, просканирует небо несколько раз. После чего на десятилетия затянутся изучение новых объектов, как по данным Спектра-РГ, так и при помощи более детальных станций.
Подробнее..

Играем в Бога, причиняем непрошеную помощь науке и немножечко Сингулярности

29.06.2020 18:10:05 | Автор: admin
Если вы хотя бы на пол шишечки интересуетесь современной наукой, то знаете кто такой Марков. Лауреат премии Просветитель, реально просветитель, автор кучи прекрасных книг, и афигенных роликов на ютубе, а ещё основной двигатель сайта elementy.ru, отличающегося тем, что статьи готовят профессионалы, а не журналисты, со ссылками на первоисточники и никогда никакого хайпа, что очень хорошо для мозговой гигиены. В общем он не только изучает увеличение мозга хомосапиенсов, но и реально его наполняет всяким интересным.



Так вот Марков выкатил новую свою работу Коэволюция мозга и культуры, абстракт на элементах, доклад на ютубе и оригинал в рецензируемом журнале на басурманском наречии. И мне захотелось поиграть его моделями и пооптимизировать его код. К чему я вас и приглашаю.

Суть работы если коротко, в гипотезе, что изобретение новых интересных мемов повышает эволюционный спрос на большой мозг, а большой мозг в свою очередь позволяет знать больше интересных мемов навыков полезного поведения. И уж коли нашлась экологическая ниша где интересных мемов может быть много то начинается самоподдерживающийся процесс, от которого наш мозг раздуло как фурункул на попе наших менее удачливых конкурентов в эволюционной гонке.

Для того чтобы этот процесс показать была написана на C# моделька, в которой сотни особей живут, умирают, передают друг-другу гены, изобретают всякие мемы, и учатся им друг у друга. Искусственная жизнь умеет совместно охотиться или отлынивать от работы, убеждать соплеменников отдать больше совместно нажитой добычи, учиться более эффективно охотиться и кооперироваться с другими охотниками. Конкурировать с соседними племенами за еду. Хотеть и уметь учиться у других, а так же хотеть и уметь учить. Стремиться наказывать халявщиков не желающих охотится, и отдельно учится определять того ли ты наказал. Ещё будущие геты умеют заниматься всякой бессмысленной фигнёй, и отращивать себе память в мозгу. Всё это они умеют как в виде генов, которые они передают потомству при заведении виртуальных детёнышей, так и приобретая соответствующие приёмы мемы, которые живут в популяции свой жизнью, используя мозги обитателей симуляции как свою среду обитания. В общем запуская симуляцию вы делаете примерно то же самое, что забыв в раковине не помытую посуду ставите эволюционный эксперимент. Только с графиками и возможностью сравнить свои результаты с результатами серьёзных учёных.

В общем, хватит заниматься пересказом, лучше сходите и посмотрите оригинальный доклад.

Часть первая, про Оптимизацию.


Make it work, Make it right, Make it fast! Kent Beck
Автором симулятора был сын нашего учителя Михаил JellicleFencer Марков. В комментариях под статьей он выложил ссылку на репозиторий: jelliclefencer.visualstudio.com/_git/TribeSim. Написать то он её написал, причём так чтобы происходящее внутри было понятно любому биологу без комментариев. Но времени на то чтобы заниматься оптимизацией у него явно не было. В результате залезши внутрь я в порядке хобби ускорил работу симуляции в 10-20 раз даже не прибегая к unsafe коду и прочим излишествам и потрогав пока только половину тормозящих мест. Читаемость снизилась, надеюсь, не критично. Азур меня почему-то не любит, поэтому я форкнулся на гитхаб вот сюда: github.com/kraidiky/TribeSim и там можно по коммитам проследить как я отъедал в куче мест по 5-15% прироста.

Я планирую ещё какое-то время продолжить этим заниматься и приглашаю желающих поучаствовать в этом занятии. Для этого надо форкнуть репозиторий, сделать коду хорошо, после чего отправить Pull Request. Честно то говоря никогда раньше так не делал за больше чем 20 лет программистской карьеры. Так что если я что-то делаю неправильно поправляйте.

Только давайте с развёрнутыми комментариями, без unsafe и экстримизма. Представьте, что читать и использовать этот код предстоит универовскому профессору, у которого в руках ваша зачётка. :)

Александр Владимирович планирует дальше развивать эту модель. С Михаилом я связался, он теперь контребьютор в этом репозитории, так что оптимизация, которая для вас всего лишь развлечение и хобби сможет реально помочь науке, а Маркову-старшему высвободит ещё чуточку времени и возможно он запишет ещё какой-нибудь шикарный ролик наподобие "Эволюционной биологии любви".

Есть ещё одно занятие, которое я давно хочу: стримы с разбором кода. Это как транслировать свои игры в твиче, только с аудиторией в 1000 раз меньше. :)))


Вот в среду вечером можно будет присоединиться к трансляции, и увидеть как я медленно открываю дифы своих коммитов, плавно двигаю по ним мышкой и тихим голосом рассказываю, почему я сделал именно так, а не иначе.

Я не большой спец по оптимизации, со мной в моей жизни работали люди сильно покруче, но среднего уровня программист на C# наверняка вынесет для себя кучу полезного. Потому что примерно то же самое я вижу не только в домашних проектиках в свободное время, но и в больших игровых проектах с миллионными бюджетами.

Часть вторая, про Биологию.


Настройки программы хранятся в файлах *.trsim, и в репозитории я оставил только два использующихся для измерения производительности кода, Один с минимальным набором фич и другой в котором всё, кроме комплексной культуры и сбора статистики наоборот включено. Оба файла используются для профилирования, поэтому в них стоит галочка не использовать многопоточность. Не забудьте снять если решите заняться своими экспериментами на их основе. Попрошу ещё Михаила подкинуть парочку trsim-ов соответствующих экспериментам описанным в статье, если они у него сохранились. Примеры заполнения настроек программы использовавшиеся Марковым-старшим для статьи можно можно посмотреть в приложении к оригинальной статье, правда не в виде файла а в виде текстовых табличек, и написаных по буржуински.

Если вам интересно позапускать симуляцию с разными настройками и посмотреть какую культуру вам вырастит свой собственный легион Гетов добро пожаловать в комментарии. Выкладывайте свои trsim-ы, показывайте графики с наблюдениями и сравнениями, какие ваши изменения приводят к каким эффектам. Удалось ли воспроизвести результаты показанные Марковым к статье? Какие опыты вы бы сами хотели поставить?

Я хотел тут расписать значение всяких параметров модели, но это длинно и не очень интересно. Вместо этого поставьте брейкпоинт в функции World.SimulateYear, загрузите trsim allFeatures и пройдите один год симуляции по шагам. Сразу поймёте что там к чему и зачем.

Часть третья, про Мечты.



У меня вот есть такой опыт мечты, я сейчас закончу с оптимизацией и попробую его прикрутить к симулятору, чтобы посмотреть при каких параметрах то о чём я давно раздумываю действительно имеет смысл:

Представьте, что не во всех комбинациях мемы одинаково полезны. Существуют мемплексы комплексы мемов которые взаимно дополняют друг-друга и дают хороший результат. Но если смешать шаблоны поведения из двух разных культур, отвечающие за решение одних и тех же задач, может изредка получится оригинальный симбмоз, но чаще всего получается неработоспособная каша.

В генетике такое представлено в полный рост, неспособность дать плодовитое потомство является самым простым критерием вида, лишь иногда дающим сбои в виде лигров. Мало кто знает, что то же самое наблюдается и внутри одного вида. Некоторые существа научились оценивать своё генетическое расстояние до потенциального партнёра и корректировать в связи с этим свои репродуктивные стратегии. Самый запомнившийся мне пример, когда дрозофилы оказавшись в состоянии пищевого стресса чаще выбирают в партнёры своих ближайших родственников, я ссылочки сейчас найти не могу, к сожалению, может позже отыщется. Но интересно что поведение мух очень логично, близкородственное скрещивание позволяет легче проявится странным рецессивным мутациям среди которых может найтись что-то полезное в сложившейся непростой жизненной ситуации. Люди селекционеры поступают точно так же. И мухи не только научились узнавать степень родства, но и научились этим пользоваться. Вообще не стоит мушек недооценивать. Строго показано, что у них может вырабатываться культура и передаваться из поколения в поколение.

В статье Маркова и Куликова (см. обзор: "Видообразование личное дело каждого" ) описывается распространённое сейчас предположение, что оценка генетического расстояния делается по запаху молекул имунной системы и приводятся примеры других животных которые так умеют. Например рыбы колюшки и мы с вами. Некоторые исследования показывают что люди с помощью вомероназального органа способны по запаху неосознанно оценить потенциального партнёра на степень родства слишком близкие и слишком далёкие непривлекательны на запах. Есть правда и другие исследования. Тема продолжает изучаться.

Так вот, возвращаясь к мемам: комплексы взаимодополняющих и взаимно мешающих шаблонов поведения очевидно есть, и у меня есть предположение, что как и в генетике люди научились определять на сколько сильно по меметическому базису отстоит от них потенциальный пример для подражания, и соответственно этому легко перенимать его стереотипы поведения или же напротив всесторонне его мемы проверять и изучать с сильно меньшей скоростью. Предполагаю, что этот механизм позволяет при отсутствии репродуктивной изоляции поддерживать некоторую целостность мемплексов. Или наоборот некоторый небольшой процент населения может предпочитать заимствовать чужую культуру, становясь для эволюции мемов чашками петри для изолированных экспериментов по заимствованию. Хочется убедиться, что в определённых условиях такое разделение свой-чужой может быть чрезвычайно полезно. Если это так внезапно получается, что разделение людей на своих и чужих, причём именно без учёта генетической составляющей не только вредная ксенофобия, но и очень полезная особенность, нужная для развития эффективных культур. Будучи подтверждённым такое предположение имело бы огромную не только биологическую, но и культурную и политическую значимость.

А есть ли у вас какие-нибудь интересные идеи, которые можно проверить в моделировании с помощью марковского симулятора после небольшой доработки. Делимся идеями, обсуждаем в комментах.

Часть третья, про Сингулярность.


Сам Александр Владимирович оговаривается, что в их модели не получилось увидеть стремительного гиперболического разгона мощности культуры, свойственного истории человечества. Также он упомянул, что есть идея поискать условия такого роста в виде комплексов взаимно усиливающих друг друга мемов. У меня же есть несколько иное предположение. Посмотреть про сингулярность можно очень меня вдохновившее выступление Панова на GF2045. А с ещё более скептическим взглядом ознакомиться в паре статьей Сергея Карелова "Техносингулярность становится технорелигией" и её второй части.

Ну так вот. Кроме того что наша культура развивается со всё более нарастающим темпом, точно то же самое происходит с нашей численностью населения. Капица (младший) в своей книге "Парадоксы роста" показывает, что суммарная численность населения земли более легко предсказуема, чем численность населения в любой отдельно взятой стране, и долгие столетия, тысячелетия и десятки и сотни тысяч лет она росла по гиперболическому закону, пока несколько десятков лет назад не начала стабилизироваться и выходить на константу, причём демографический переход случается в том числе и в странах с самым разным уровнем развития экономики и самой разной культурой.

Можно предположить, что быстрый экспоненциальный, или гиперболический (их не так легко различить вдали от асимптоты) рост наблюдается до тех пор, пока наш вид не заполнил полностью экологическую нишу, в которой мозги способны приносить пользу.

Понятно, что чтобы это проверить, в первую очередь потребуется изменить зашитый в модель способ конкуренции за ресурсы. Сейчас буквально задано максимальное количество ресурсов, которое наши геты могут выжать из кормящей территории, и после короткого участка в самом начале эволюции развитие идёт только в том чтобы отжать больше ресурсов у соседнего племени. Реальная же палеолитическая революция радикально изменила продуктивность кормящего ландшафта и вместе с ней нашу численность. То есть с соседями надо конкурировать за контроль над условными гектарами земли, а сколько центнеров можно собрать со своего гектара определять с помощью дополнительной фичи, зависящей как от генов так и от мемов. Сейчас такой Эффективности природопользования нет, но её легко добавить в модель.

Проблема в том, что на нынешнем симуляторе этап роста численности толком не увидишь. Разумные скорости моделирования наблюдаются пока количество особей порядка тысяч, а начальная популяция обычно десятки-сотни. В реальности же наша численность на интересующем промежутке времени поменялась на 5-6 порядков. Вот что и как нужно поменять в программе чтобы можно было успешно смоделировать рост численности агентов на 5 порядков вопрос конечно интересный. С удовольствием обсужу его в комментариях. Пока у меня из идей только какие-то сомнительные группировки похожих особей. Ну или всё нафиг переписать с нуля для вычислений на GPU с помощью CUDA. В общем если кому есть что сказать добро пожаловать в комментарии.

Заключение:


На этом творческий коллектив нашей передачи прощается с вами, и желает чтобы у вас тоже чесались руки поучаствовать в чём-то действительно важном, вместо того чтобы круглые сутки пилить интерфейсики для ограниченных потребностей, за которые нам всем платят ресусики сильно непропорционально нашей HuntingEfficiency.
Подробнее..

Чешуйчатый Икар кинематика полета древесной змеи

03.07.2020 10:08:54 | Автор: admin


Рожденный ползать летать не может. Эту фразу можно применять как в метафорическом смысле, так и в буквальном, ибо существа без крыльев (или подобных по функционалу частей тела) действительно не способны покорять небеса. По крайней мере, большинство из них. Правило не было бы правилом, если бы не было исключений. В аспекте бескрылых полетов исключения также имеются украшенные древесные змеи (Chrysopelea). Представители этого рода змей способны парить крайне полезный навык учитывая, что живут они в кронах деревьев высоко над землей. Ученые из Политехнического университета Виргинии (США) решили рассмотреть полет змеи с точки зрения кинематики. Какие анатомические особенности позволяют змеям летать (контролировано падать, если точнее), что происходит во время полета с точки зрения кинематики, и как данное исследование может помочь в робототехнике? Ответы на эти вопросы ждут нас в докладе ученых. Поехали.

Основа исследования


Украшенные древесные змеи это род змей из семейства ужеобразных, обитающие в Южной и Юго-Восточной Азии. Представители этого рода не могут похвастаться большими габаритами (длина тела всего лишь от 0.6 до 1.5 м) и смертоносным ядом. Хотя добыча, на которую они охотятся в дневное время, не согласилась бы с последним. Учитывая место обитания (кроны деревьев), у данных змей крайне мало врагов, потому особой нужды в сильном яде у них нет. К тому же у них есть куда более эффектная тактика они умеют планировать.



Летающие змеи, как их еще называют в народе, ползают по деревьям, используя жесткие чешуйки вдоль живота, позволяющие им двигаться вертикально. Если змея желает перебраться с одного дерева на другое, она в первую очередь подползает к краю ветки, затем складывает тело в форму латинской буквы J, чтобы прицелиться (определить желаемый угол взлета и место посадки). Сказав поехали, змея толкает свое тело вперед и вверх, втягивая живот и выпячивая ребра (так ее тело становится более плоским и слегка вогнутым). Во время планирования змея постоянно совершает серпантиновидные движения телом из стороны в сторону, что позволяет ей контролировать полет и мягко приземлиться.


Вид сбоку на длинное планирование летающей змеи Chrysopelea paradisi.

Дополнительным плюсом столь необычного для змей метода передвижения является внушительная экономия энергии, ведь перелет гораздо быстрее (и безопаснее) медленного переползания с дерева на дерево по земле. Из одно лишь этого короткого описания понятно, что в механике полета змеи имеется множество важных элементов; угол взлета, форма тела во время взлета и полета, движения телом в полете и т.д.

Самым ярким, особенно для наблюдателей, аспектом полета змеи является волнистое движение тела. Эта техника применяется множеством существ на планете для перемещения по земле и по воде. Далеко ходить не надо, ибо сами змеи ею прекрасно пользуются. Ученые отмечают, что волнистое движение по суше и воде изучено довольно хорошо, а вот подобные пируэты в воздухе пока остаются загадкой.

У змей Chrysopelea волнистость характеризуется S-образной формой тела, низкой частотой волнистости (12 Гц) и уплощенным аэродинамическим поперечным сечением тела.


Изображение 1

По сути воздушная волнистость непрерывно перестраивает тело змеи, превращая его по форме в крыло (). Ранее проведенные исследования показали, что летающие змеи всегда исполняют волнистые движения в полете. Однако остается неясным, является ли волнистость основной частью успешного полета или это просто привычка, т.е. поведенческий аспект перемещения по суше, перекочевавший в полет без каких-либо намерений.

Если учитывать волнистость на суше и воде, то можно предположить, что и в воздухе она генерирует тягу. На твердых средах волнообразное движение происходит благодаря распределенным контактным силам над вентральными и латеральными областями тела, а в воде смещение или всасывание жидкости вдоль тела вызывает движение вперед. В обоих случаях чистая движущая сила действует преимущественно в плоскости волнистости. Модуляция тела вне плоскости (в вертикальном направлении) может использоваться для вторичных целей, таких как уменьшение сопротивления или увеличение нормальной силы.

Но вот для летающих змей успешное планирование требует генерации аэродинамических сил, необходимых для компенсации веса животного. Силы подъема и сопротивления создаются воздухом, протекающим по сплющенному телу, когда оно ускоряется вниз под действием силы тяжести, при этом возвратно-поступательное движение, вызываемое мышечными сокращениями, вероятно, не увеличивает генерацию силы.


Вид спереди на взлет и уплощение летающей змеи Chrysopelea paradisi.

Результирующие аэродинамические силы должны действовать вне плоскости волнистости, а сама волнистость должна постоянно менять распределение сил на тело змеи. Стоит также учесть, что летающие змеи могут волноваться не только горизонтально, но вертикально. Значит, что в модели полета змеи присутствуют как элементы тангажа*, так и элементы крена*.
Тангаж* угловое движение относительно горизонтальной поперечной оси инерции.

Крен* угловое движение относительно его продольной оси.
В данном исследовании ученые решили детально рассмотреть роль волнистости в полете змеи. Используя записи высокоскоростной съемки полета змеи, ученые смогли количественно измерить воздушную волнистость. Полученные данные позволили создать точную трехмерную модель полета змеи.

Результаты исследования


Воздушная волнистость состоит из связки волн горизонтального и вертикального изгиба. Вдоль тела змей (7 особей), участвовавших в съемке полета (высока взлетной площадки 8.3 м), были размещены 11-17 маркеров. Оценка изменения положения этих маркеров позволяет точно определить структуру волнистости во время полета.


Вид сверху на тестовое планирование летающей змеи Chrysopelea paradisi.


Инфракрасные маркеры, полученные во время планирования летающей змеи Chrysopelea paradisi.

Проведя 36 практических наблюдений, ученые создали трехмерную модель тела змеи ( r ).


Разработка 3D-модели летающей змеи Chrysopelea paradisi по данным захвата движения.

Используя касательный вектор (t = r/s), удалось разложить волнистость на две угловые волны изгиба, которые движутся вдоль тела.

Горизонтальные и вертикальные волны задаются следующими формулами:

(s, t) = -tan-1 t x / t y

и

(s, t) = sin-1 t z

где (s, t) и (s, t) локальные углы, которые тело образует относительно горизонтального и вертикального направлений, как функции длины дуги s и времени t.

Данные показывают, что летающие змеи используют две волны: горизонтальную волну с большой амплитудой и вертикальную волну с меньшей амплитудой, обе из которых последовательно проходят вниз по телу от головы к хвосту (изображение 2).


Изображение 2

Эти волны формируются после начального переходного процесса, когда змея прыгает в относительно прямой позе и затем формирует характерную S-образную позу для планирования.

Существует четыре особенности воздушной волнистости, связывающей вертикальную волну с горизонтальной (). Во-первых, вертикальная волна имеет пространственные и временные частоты, в два раза превышающие частоты горизонтальной волны. Это указывает на то, что у тела в два раза больше вертикальных изгибов, чем боковых (, ). Во-вторых, U-изгибы на теле летающей змеи можно идентифицировать как нулевое пересечение на графике угла изгиба (2b). В-третьих, эти пересечения являются максимумами вертикальной волны, указывая на то, что горизонтальные и вертикальные волны сдвинуты по фазе на 90. В-четвертых, максимальный изгиб вне плоскости происходит на U-изгибах и примерно на середине прямых сегментов. На U-изгибах поперечное сечение крыла змеи сворачивается из-за движения тела вне плоскости (1c, 1d).

Форма бегущих волн изменяется со временем, поскольку змея ускоряется и производит аэродинамические силы, однако некоторые особенности все же остаются общими. Горизонтальная волна представляет собой синусоиду с плоским верхом, амплитуда которой (80-120) зависит от количества пространственных периодов, причем меньшее количество периодов приводит к более высоким горизонтальным углам изгиба. Вертикальная волна представляет собой узкопиковую синусоиду с широкими впадинами с амплитудами в диапазоне от 20 до 45.

Количественная оценка пространственных и временных характеристик волн показала, что змеи используют горизонтальные волны с 11.5 пространственными периодами и частотой волнистости 1-1.7 Гц и вертикальные волны с 23 пространственными периодами и частотой волнистости 23.4 Гц.

В воздушной волнистости есть дополнительный компонент, который ученые назвали дорсо-вентральным изгибом, представляющий движение вверх и вниз задней части тела относительно головы. Угол наклона этого изгиба составил от -20 до 30. Дорсо-вентральной изгиб всегда присутствовал в наблюдаемых полетах, но не имел значимой связи с количеством пространственных периодов.

Чтобы точно определить степень влияния связи горизонтальных и вертикальных волн, а также влияние дорсо-вентрального изгиба на динамику полета, ученые создали анатомически точную модель змеи в полете. Контроль над моделью позволяет, по словам ученых, систематически проверять, как компоненты волнистости (амплитуда горизонтальной волны, количество пространственных периодов и частота волнистости) влияют на краткосрочную и долгосрочную динамику планирования.

Горизонтальная волна моделируется как синусоида с плоской вершиной большой амплитуды, а вертикальная волна как синусоида небольшой амплитуды:



где m and m максимальные горизонтальные и вертикальные углы изгиба; число пространственных периодов; f частота волнистости; фазовый сдвиг; d дорсовентральный угол изгиба; L длина тела (2f, 2g).

Горизонтальные и вертикальные волны связаны в кинематических данных (): = 2, f = 2f и = 2( /2). Это сильно упрощает модель до 5 переменных, определяющих форму тела: m, m, , f и d.

Положение r = [x, y, z] тела относительно центра масс рассчитывается следующим образом: sx = cossin, sy = -coscos и sz = sin.

Положение центра масс R0 и ориентация тела (углы рыскания*, тангажа и крена) определяются путем интегрирования уравнений поступательных и вращательных движения.
Рыскание* угловые движения относительно вертикальной оси.


где fL и fD бесконечно малые силы подъема и сопротивления; MA аэродинамический момент; m масса змеи.

Для подтверждения того, что математическая модель дает физически реалистичные результаты, ученые смоделировали полеты, используя параметры, полученные во время фактических наблюдений планирования реальных змей (сравнение моделирования и наблюдений показано на изображении ниже).


Изображение 3

Судя по сравнению, модель работает, однако имеет некоторые незначительные неточности, которые требуют устранения в будущем.

Для проверки влияния волнистости на характеристики планирования было проведено два моделирования: с f = 0 Гц (без волнистости) и f = 1.2 Гц (средняя частота волнистости у змей). В обоих вариантах варьировались и m ().


Изображение 4

Кинематические данные формы тела змеи в модели позволили получить 121 форму с 1 1.5 объемными волнами и амплитудами горизонтальных волн в диапазоне 90 m 119. Далее из этого массива были выделены наблюдаемые формы тела (средняя часть графика, отделенная по диагонали; 4b). Часть графика, что ниже выделенной, содержит открытые (напоминающие букву S) формы тела, а верхняя закрытые (напоминающие знак бесконечности).

Амплитуда вертикальной волны и дорсовентральный угол поддерживались на постоянном уровне: 20 и 10 соответственно. Моделирование считалось завершенным, когда центр массы тела змеи касался земли (приземление) или когда любой из углов ориентации превышал пороговое значения в 85. Если это происходило, то планирование считалось нестабильным, т.е. не таким, как в природе. В процессе моделирования были протестированы как краткосрочная динамика (высота старта 10 м), так и длительную динамику (высота старта 75 м) с/без волнистости.

Модель показывает, что воздушная волнистость оказывает положительное влияние на характеристики планирования, обычно увеличивая горизонтальные и вертикальные расстояния, пройденные до того, как моделируемая змея станет нестабильной.


Моделирование летящей змеи, планирующей с волнистостью и без нее.

Короткие планирования с высотой запуска 10 м показали хороший коэффициент стабильности при наличии волнистости (94%). Если же волнистость не была включена в модель, то стабильными были лишь 50% полетов. Волнистость также увеличивает расстояние планирования (с 4 м до 4.3 м).

При моделировании планирования с высоты 75 м волнистость увеличила как горизонтальное, так и вертикальное расстояние до того, как проявляется нестабильность в 86% запусков. В данном случае волнистость также увеличивала расстояние полета в 92% запусках. Волнистость также увеличила среднее расстояние по горизонтали на 6.9 м.

Чтобы выяснить влияние амплитуды вертикальной волны и дорсовентрального изгиба на динамику скольжения, были использованы разные значения этих параметров в моделировании и рассмотрены полученные результаты.


Изображение 5

Было смоделировано планирование с m = 0, 10 и 20 и дорсовентральным изгибом от -20 до 20 с шагом в 10 () для 11 различных форм тела.

Вертикальные колебания оказывают относительно небольшое влияние на траекторию планирования, тогда как дорсовентральный изгиб оказывает значимое влияние.

Совершенно плоская змея (m = 0), чего никогда не наблюдалось во время экспериментальных испытаний, показала ожидаемо наихудшие результаты. Увеличение амплитуды вертикальной волны повышало эффективность планирования из-за скручивания поперечного сечения в плоскости, обеспечивающего более выгодный угол для создания силы (2j).

В отличие от амплитуды вертикальной волны дорсовентральный изгиб оказал заметное влияние на характеристики планирования, особенно на тангаж.

При m = 20 с задней частью тела ниже головы планирование не было неглубоким, вместо этого оно становилось нестабильным по высоте до падения на 10 м. При m = 20 с задней частью тела выше головы траектория изогнута назад, при этом некоторые формы тела приземляются позади места прыжка. Столь неудачное планирование обосновано наклоном тела вверх. Тем не менее, планирования с вышеуказанными параметрами обладали неплохой вращательной устойчивостью.

Для проверки связи между дорсовентральным изгибом тела, качкой и характеристиками планирования было проведено моделирование без вращения. Вместо решения связанной нелинейной системы уравнений 4 и 5 ученые провели выборку аэродинамических сил на разных фазах тела в течение цикла волнистости. Далее сюда интегрировали уравнение 4, и рассчитали положение и скорость центра массы.

По сути, эта манипуляция представляет собой эксперимент виртуальной аэродинамической трубы, в котором динамическая модель используется для расчета распределенных сил, действующих на тело при его ускорении. Этот метод позволяет устранить связь поступательного и вращательного движения, чтобы количественно определить отдельные аэродинамические и инерционные вклады во вращательное движение.

При увеличении дорсовентрального изгиба от -20 до 10 позиция посадки моделируемой змеи увеличивается по мере того, как средний шаг тангажа увеличивается в направлении нуля (5d). При дорсовентральном изгибе 20 усредненный по фазе момент тангажа становится положительным, и характеристики планирования снижаются.

Для каждого угла дорсовентрального изгиба эффективность планирования и средний наклонный момент также зависят от используемой формы, в частности от количества пространственных периодов и амплитуды горизонтальной волны. Для любой формы тела в момент планирования дорсовентральный изгиб оказывает большое влияние на средний момент тангажа, и с увеличением числа пространственных периодов моменты расходятся, становясь более положительными или отрицательными в зависимости от d.

Метки усредненных по фазе моментов тангажа на 5e соответствуют наклону вверх или наклону, показанному на 5c, и результирующим характеристикам планирования на 5b. На 5f показан, что для форм тела с наименьшим пространственным периодом средний момент тангажа будет наименьшим.

Из вышеописанных данных можно предположить, что вертикальная волна заставляет тело сворачиваться вне плоскости, изменяя локальную ориентацию сплющенного крыла (форма тела змеи во время планирования) с помощью потока воздуха. Дорсовентральный изгиб контролирует величину и знак аэродинамического основного момента, который воздействует на тело. Летающая змея может контролировать момент тангажа, изменяя во время полета угол изгиба дорсовентрального отдела или форму горизонтальной волны.

Следовательно, дорсовентральный изгиб тела играет крайне важную роль в стабильности планирования, удачной посадке и возможности менять траекторию планирования прямо во время его исполнения.


Изображение 6

Анализ фазы путем усреднения позволяет количественно оценить относительный вклад аэродинамических и инерционных моментов в динамику планирования.

Из уравнений 5 следует, что на ориентацию тела влияют как аэродинамические силы, так и изменяющееся распределение массы. Аэродинамический вклад () увеличивается со временем по мере увеличения скорости, тогда как инерционный вклад (6b) остается постоянным. Оба момента являются периодическими, и только момент тангажа показывает ненулевое среднее значение по фазе.

Около осей тангажа и крена первоначально преобладают инерционные моменты, но в течение одного волнообразного цикла их вклад быстро уменьшается. Инерционные моменты рыскания, как правило, на порядок больше аэродинамических моментов рыскания и больше, чем инерционные моменты вокруг других осей. Инерционные моменты рыскания возникают из-за горизонтальной волны большой амплитуды и широкой S-образной формы тела. Этот результат говорит о том, что летающие змеи могут использовать инерционное вращение в качестве механизма маневрирования.

Для более детального ознакомления с нюансами исследования рекомендую заглянуть в доклад ученых и дополнительные материалы к нему.

А желающие ознакомится с программным обеспечением, использованным для анализа планирования летающей змеи, могут перейти по этой ссылке.

Эпилог


В данном исследовании ученые использовали новейшие методики захвата движения и трехмерного моделирования, что позволило им создать анатомически точную модель летающей змеи.

Понять динамику полета птицы когда-то тоже было сложно, однако она не озадачивала ученых так сильно, как это делает летающая змея. В природе существует не так и много примеров бескрылых полетов, и все они сопряжены с и использованием нестандартных механизмов, позволяющих животному планировать, а не падать камнем на землю.

В случае летающих змей очень важную роль играет волнистость, которая наблюдается в движении ползающих и плавающих змей. Дополнительным механизмом стабилизации планирования является корректировка дорсовентрального угла изгиба тела. Объединив воедино эти элементы, летающие змеи способны перелетать с дерева на дерево, точно зная место будущей посадки.

Авторы сего труда считают, что их данные не только позволили нам лучше понять повадки украшенных древесных змей, но и получить дополнительное вдохновение для создания змееподобных роботов. Да, такие роботы уже есть. Они ползают, могут перемещаться по сложным поверхностям и проникать в труднодоступные места, но могут ли они летать?

С такими рассуждениями наш мир скоро будет похож на город машин из Матрицы, где по стенам ползали крайне необычные (и слегка пугающие) роботизированные существа, назначение которых было сложно понять. Желание человека сделать робо-версию всего, что его окружает, нельзя журить. Такова наша природа все понять, все знать, уметь создавать то, что до нас прекрасно делала природа. Если от роботизированных змей, пауков, собак и других робо-зверей будет намного больше пользы, чем вреда такие исследования полностью оправданы.

Благодарю за внимание, оставайтесь любопытствующими и отличных всем выходных, ребята! :)

Пятничный офф-топ:

Дэвид Аттенборо рассказывает о том, как двигаются некоторые виды змей.

Офф-топ 2.0:

Это одна из самых эпичных сцен погони, которые я когда либо видел :)
Подробнее..

Перевод Математические расчёты, стоящие за феноменом роллинг-шаттера

03.07.2020 18:07:41 | Автор: admin
image


Помню, как однажды увидел фотографию выше на Flickr и сломал мозг, пытаясь понять, что с ней не так. Дело было в том, что пропеллер вращался в то время, когда датчик движения в камере считывал показания, то есть во время экспозиции камеры происходило какое-то движение. Об этом действительно стоит подумать, давайте-ка подумаем вместе.

Многие современные цифровые камеры используют КМОП-матрицу в качестве своего чувствительного устройства, также известную как активный датчик пикселей, который работает путем накопления электронного заряда при падении на него света. По истечении определенного времени времени экспозиции заряд построчно перемещается обратно в камеру для дальнейшей обработки. После этого камера сканирует изображение, построчно сохраняя ряды пикселей. Изображение будет искажено, если во время съемки присутствовало хоть какое-то движение. Для иллюстрации представьте съемку вращающегося пропеллера. В анимациях ниже красная линия соответствует текущему положению считывания, и пропеллер продолжает вращаться по мере считывания. Часть под красной линией это полученное изображение.

Первый пропеллер совершает 1/10 часть вращения во время экспозиции:

image


Подписывайтесь на каналы:
@Ontol самые интересные тексты/видео всех времен и народов, влияющие на картину мира
@META LEARNING где я делюсь своими самыми полезными находками про образование и роль ИТ/игр в образовании (а так же мыслями на эту тему Антона Макаренко, Сеймура Пейперта, Пола Грэма, Джозефа Ликлайдера, Алана Кея)


Изображение немного исказилось, но ничего критичного. Теперь пропеллер будет двигаться в 10 раз быстрее, совершая полное вращение за время экспозиции:

image


Это уже похоже на ту картинку, что мы видели в начале. Пять раз за экспозицию:

image


Это уже немного чересчур, так можно и с катушек съехать. Давайте повеселимся и проверим как будут выглядеть различные объекты при различных скоростях вращения за экспозицию.
Точно такой же пропеллер:

image


Пропеллер с большими лопастями:

image


Колесо автомобиля:

image


Мы можем воспринимать эффект роллинг-шаттера как некое преобразование координат реального объекта из объектного пространства в пространство изображения искаженного объекта. Анимация ниже показывает, что происходит с Декартовой системой координат при увеличении числа оборотов. При малых оборотах деформация незначительна число увеличивается до единицы, и каждая сторона системы координат последовательно перемещается в правую сторону изображения. Это довольно сложная трансформация для восприятия, но легкая в понимании.

image


Пусть изображение будет I(r,), реальный (вращающийся) объект будет f(r,), где (r,) это 2D полярные координаты. Мы выбрали полярные координаты для этой задачи из-за вращательного движения объектов.

Объект вращается с угловой частотой , а шаттер перемещается по изображению со скоростью v по вертикали. В положении (r,) на картинке, дистанция, которую прошел шаттер с начала экспозиции, равна y=rsin, где прошедшее с этого момента время равно (rsin)/v. За это время объект повернулся на (/v)rsin) радианов. Итак, мы получаем

I(r,)=f(r,+(/v)rsin),

что и является требуемой трансформацией. Коэффициент /v пропорционален числу вращений за экспозицию и параметризует трансформацию.

Чтобы получить более глубокое представление об очевидных формах пропеллеров, мы можем рассмотреть объект, состоящий из P пропеллеров, где f является ненулевым только для

=2/P,4/P2=2p/P для 1<p<P.

Изображение I является ненулевым для +(/v)rsin=2p/P или

image

В Декартовой системе координат оно становится

image

и помогает нам в объяснении причины, по которой пропеллеры принимают S-образную форму это просто функция арктангенса в пространстве изображения. Круто. Ниже я построил эту функцию с набором пяти лопастей пропеллера с несколько различными начальными сдвигами, вы можете увидеть это на воспроизведении. Они очень похожи на фигуры из анимаций выше.

image


Раз мы узнали немного больше о процессе, можем ли мы исправить испорченные фотографии? Используя одно из изображений выше, я могу провести через него линию, повернуть назад и вставить эти пиксели в новое изображение. В анимации ниже я сканирую изображение слева, помеченное красной линией, а затем вращаю пиксели вдоль этой линии, получая новое изображение. Так мы можем воссоздать изображение реального объекта, даже если вдруг назойливый роллинг-шаттер испортил вам фотографию.

image


Эх, если бы я лучше владел фотошопом, я бы извлек пропеллеры из первоначальной фотографии на Flickr, отредактировал бы и вернул на фотографию. Кажется, я знаю, чем займусь в будущем.

Если вы хотите узнать реальное количество лопастей на фотографии в начале поста и скорость вращения, можете прочитать этот отличный пост на Tumblr Дэниела Уолша, в котором он дает математическое объяснение.

Он считает, что мы можем подсчитать количество лопастей, вычитая нижние лопасти из верхних, так мы получаем три лопасти на той картинке. Также мы знаем, что пропеллер прокручивается примерно дважды за время экспозиции, поэтому, если мы попытаемся отменить вращение с несколькими различными скоростями, то получим примерно это:

image


Я должен был понять, где находится центр пропеллера, поэтому нарисовал круг. Судя по всему, центр должен быть где-то рядом. К сожалению, одна лопасть отсутствует, но для изображения информации хватает.

Я нашел местечко, где все пересекается больше всего, поэтому, при этой скорости вращения (2.39 оборота за экспозицию), вот как выглядит исходное изображение и лопасти:

image


image


К сожалению, картинка не идеальна, но по крайней мере очень приближена к реальности.

Об авторе: Джейсон Коул аспирант из Лондона, который горит математикой, физикой и визуализацией данных. Здесь его вебсайт. А статья была опубликована здесь.

Обсуждение на Hacker News

доп. видео









Подписывайтесь на каналы:
@Ontol самые интересные тексты/видео всех времен и народов, влияющие на картину мира
@META ОБУЧЕНИЕ, где я делюсь своими самыми полезными находками про образование и роль ИТ/игр в образовании (а так же мыслями на эту тему Антона Макаренко, Сеймура Пейперта, Пола Грэма, Джозефа Ликлайдера, Алана Кея)


image

Узнайте подробности, как получить востребованную профессию с нуля или Level Up по навыкам и зарплате, пройдя платные онлайн-курсы SkillFactory:



Читать еще


Подробнее..

Последняя битва за Сингулярность

04.07.2020 18:11:54 | Автор: admin

Среди футурологов и трансгуманистов про Технологическую Сингулярность много говорят и пишут. Считается, что это такая точка в развитии, когда технологическое развитие становится в принципе неуправляемым и необратимым, что порождает радикальные изменения характера человеческой цивилизации. Обычно ее наступление связывают с появлением технологии сильного искусственного интеллекта, который способен совершенствовать сам себя и в конечном итоге может войти в безудержную реакцию циклов самосовершенствования, создав в конечном счёте суперинтеллект, превосходящий интеллект всего человечества (wiki).

Считается также, что мы стоим на пороге синулярности. Что вот-вот, осталось подождать еще пару десятилетий, и она случится. Однако пока никакого сильного ИИ нет. Различные новые технологии появляются, но относительно медленно. Прогнозы футурологов не спешат сбываться, а то и вовсе оказываются несбыточными мечтами. И всё происходящее выглядит так, как будто ничего особенного не случится ни в ближайшее десятилетие, ни в ближайшее столетие Неужели наши надежды напрасны? И можем ли мы что-то сделать, чтобы реально приблизить Сингулярность?

Примечание: В этой статье нет каких-то практических решений и предложений; нет ответов есть только вопросы. Можно сказать, что данная статья не является самостоятельной, это своего рода обозначение проблемы и одновременно введение в серию статей или даже книгу. Но главное это приглашение к размышлению и обсуждению.

Поле битвы человек


Одна из ключевых проблем заключается в том, что по мере продвижения вперед все более и более узким местом становится сам человек, человеческий мозг, его способность получать, обрабатывать и выдавать информацию. Между возможностями человеческого мозга и задачами, которые требуется решать для движения прогресса, стремительно увеличивается пропасть. Человек умнейшее существо на планете, но вот для решения современных научных сверхзадач мы все чаще упираемся в бутылочное горлышко человеческого разума: слишком низкую скорость получения, обработки и выдачи информации.

Органы чувств


Человек получает информацию из внешнего мира с помощью как минимум 6 органов чувств (зрение, слух, вкус, обоняние, осязание, вестибулярный аппарат). Из этих органов для получения абстрактной информации и обмена абстрактной информацией задействованы лишь два зрение и слух (и частично осязание например азбука Брайля для слепых).

Самый широкий канал получения информации зрение. Считается, что с помощью глаз мы получаем около 80% всей информации. По приблизительным оценкам, разрешение сетчатки каждого глаза составляет примерно 120-140 мегапикселей, частота восприятия около 25 кадров в секунду. С точки зрения современных технологий, это чрезвычайно высокие показатели (можно оценить видеопоток как порядка 6 гигапикселей в секунду). Вы не найдете видеокамер с таким разрешением в продаже если подобные камеры и существуют, то в единичных экземплярах, стоят огромных денег и применяются исключительно в научно-исследовательских задачах.

Слух обеспечивает нам около 16% всей информации. Человеческое ухо способно воспринимать сигналы с частотами от 16 до 20000 Гц и в достаточно большом диапазоне амплитуд от 0 до порога болевого ощущения 120..140дБ. Также, звуковые импульсы, сменяющие друг друга с частотой более 16 Гц мы воспринимаем как непрерывный звук. Однако в отличие от зрения, слух почти одномерен, поэтому объем информации, поступающей в мозг от органов слуха, несколько меньше чем от органов зрения.

Мозг


Мозг состоит из порядка 100 миллиардов нейронов. Для сравнения, в последних процессорах порядка 2 миллиардов транзисторов, и транзистор гораздо более простая структура чем нейрон. Однако скорость передачи нервных импульсов между нейронами невелика: от 0.5 до 120 метров в секунду. В среднем, через один синапс проходит 10 импульсов в секунду, т.е. частота работы порядка 10Гц. Это чрезвычайно мало в сравнении с гигагерцовыми частотами современных процессоров.

Невероятные возможности мозга обеспечиваются лишь беспрецедентной параллельностью в отличие от единственного процессора лишь с несколькими ядрами, в мозгу работает огромное число нейронов одновременно. На теле одного нейрона может располагаться до 5000 синапсов, и если учесть общее количество нейронов, то даже при том что они задействованы не все, получается огромная вычислительная мощность.

Объем памяти нашего мозга по оценкам ученых составляет порядка 1 петабайт информации (например, поисковая система Google обрабатывает ежедневно около 24 петабайт данных).

При этом мозг человека потребляет только 25 ватт энергии, по этому параметру его можно назвать самым эффективным вычислительным устройством на Земле.

Каналы ввода-вывода


Однако, каким бы мощным не был мозг, вся эта мощь в буквальном смысле заперта в черепной коробке. Первая проблема заключается в том, с какой скорсотью человек способен обмениваться абстрактной (главным образом текстовой) информацией с внешним миром.

Начнем со зрения


Средняя скорость чтения человека от 200 до 250 слов в минуту (для английского языка), 128-180 слов в минуту (для русского), в зависимости от языка (данные для не-иероглифических языков).
В символах средней считается скорость 1500 символов в минуту. Если условно принять один символ за один байт (в научной и технической литературе, которая нас в основном интересует, разных символов обычно больше чем в художественной, но все-же в неиероглифических языках мы примерно вмещаемся в байт) то получим канал 200 бит/сек. Это медленнее чем самые первые модемы!

Технологии скорочтения не на много увеличивают эту скорость. Например, президент США Джон Кеннеди мог читать со скоростью примерно 1200 слов в минуту, что соответствует примерно 800 бит/сек.

Скорость восприятия человеческой речи


Согласно исследованиям, оптимальный темп речи для чтения аудиокниг на английском языке соответствует 150160 словам в минуту. Для личной беседы 190 слов в минуту. Как видно, скорость примерно соответствует скорости чтения, так что использование аудиоканала никаких особых преимуществ не добавляет.

И если просто смотреть и слушать человек может всегда (если не спит), то целенаправленная работа с текстовой информацией более трудная задача. В самом деле, можете ли вы читать постоянно, особенно если это не захватывающий приключенческий роман, а сложная для понимания научная или техническая литература?

Скорость вывода информации


Еще хуже обстоят дела с каналом вывода абстрактной информации из мозга во внешний мир. Наиболее распространенный способ в современном мире печать на клавиатуре компьютера. Средняя скорость набора составляет 200 знаков в минуту, что соответствует всего лишь 27 бит/сек! Возможно, здесь немного бы помогли программы распознавания речи ведь скорость речи в среднем соответствует скорости восприятия речи, что больше скорости набора.

Все это весьма неплохо для простой повседневной жизни, подобной жизни наших эволюционных предков приматов, и вполне подходит для качественной жизни множества поколениям людей; но не так уж хорошо для целей достижения Сингулярности.

Абстрактное мышление


Вторая существенная проблема принципиальная неприспособленность человеческого разума для работы со сложной абстрактной информацией.

При обработке абстрактной информации мозг не оперирует такими огромными потоками входящей визуальной информации, которые предоставляет нам зрение, а ограничивается жалкими сотнями бит в секунду. И это касается не только скорости получения информации, но и скорости ее осмысления.

Объем памяти мозга огромен, но в краткосрочной памяти человека может одновременно содержаться лишь около семи объектов.

Почему так происходит? Биологически человек все еще животное. Человеческий мозг по прежнему предназначен для обеспечения выживания особи и вида, преимущественно в дикой саванне. Человеческий мозг изначально не предназначен для чтения, набора текста, работы со сложными абстракциями. Наше зрение способно очень быстро обрабатывать огромные массивы природной визуальной информации но это нужно для того чтобы быстро замечать хищников, притаившихся в джунглях, и другие опасности, а также чтобы находить разнообразную еду; но скорость нашего чтения медленнее чем самые первые модемы, выпускавшиеся в 80-х годах 20-го века! А скорость выдачи информации и того меньше.

Подобно тому, как люди прямоходящие, но скелет человека все еще не до конца приспособлен к прямохождению (отсюда многие заболевания опорно-двигательной системы) аналогично, люди разумны, но все еще не до конца предназначены для научного мышления.

И это узкое горлышко нашей цивилизации, преграждающее нам путь к Сингулярности.

Несовершенство биологической природы человека


Биологическая природа человека тоже накладывает свой отпечаток.

Человеку свойственна усталость, прокрастинация, истощение. Человеческий мозг не может решать сложные научные задачи 24 часа в сутки. Людям требуется отдых, отвлечение, смена обстановки. Наши глаза также подвержены усталости, мы не можем читать слишком быстро и слишком много. Люди периодически хотят спать, у них может болеть голова, они подвержены болезням

Пик нашего развития приходится на возраст 20-40 лет; до этого период детства, когда мозг гибкий, но знаний в нем недостаточно; после период старения, когда сил и здоровья с каждым днем все меньше. И большинство погружается в семейно-бытовые дела и проблемы, наука и прогресс их уже не интересуют.

Поле битвы Цивилизация


Огромный объем знаний


Информации стало слишком много. Мы как цивилизация обладаем огромными знаниями, но наших человеческих ресурсов недостаточно, даже чтобы просто ознакомиться со всеми этими знаниями; современный объем информации настолько огромен, что охватить его физически непосильно для конкретного человека даже за всю жизнь; не прочитать, не прослушать, не просмотреть, не осознать

Наши библиотеки переполнены книгами, но сможем ли мы прочитать эти книги? В мире существует 130 миллионов книг, но вы не сможете прочесть даже сотой доли процента от этого числа! Для этого просто не хватит человеческой жизни.

В мире огромное количество знаний, которые просто недоступны потому что они где-то зарыты, во всем этом ворохе информации. В результате возникает дублирование и куча ненужной работы, которую нередко делают люди, даже не зная друг о друге.

Информационная революция


Одна из важнейших составляющих научно-технической революции компьютерная революция, привнесла в наши жизни компьютеры и глобальную сеть интернет. Без преувеличения, Интернет это прорыв такого же масштаба, как возникновение письменности когда-то. Считается, что человечество накопило 2 трлн гигабайт данных, а годовой объем интернет-трафика составляет порядка 3 зеттабайт. Доступ к Сети имеет 4,54 миллиарда пользователей, каждый из которых в среднем проводит в сети порядка 7 часов в день. Это фантастические цифры, однако что мы имеем в реальности?

Человекоориентированная информация


Большая часть информации не представляет для целей достижения Сингулярности никакой ценности. Мало того эта информация имеет закрытую, неструктурированную природу, для нее в основном доступна лишь одна операция копирование и пересылка. Большая часть трафика видео, аудио и изображения человекоориентированные блобы, с которыми компьютер в основном не может сделать ничего осмысленного.

Но даже простая текстовая информация остается для компьютеров малопонятной. Поисковые системы сложнейшие системы, по сути лишь примитивные костыли, адаптированные под примитивные человеческие текстовые запросы.

Проблема в том, что практически вся информация в мире ориентирована на людей. На тех самых людей со всеми их человеческими недостатками, которые мы рассмотрели выше.

Печатные и электронные книги текст на человеческом языке. Изображения, аудио и видео вообще ориентированы на человеческие органы зрения и слуха и для компьютера представляют собой в общем случае лишь мешанину битов. Вся эта информация ориентирована на человеческий мозг, унаследовавший другой тип восприятия.

В этом огромная проблема. Компьютер оперирует терабайтами информации и не имеет никакого представления о них вообще. Да, компьютеры облегчают нам работу со специальной информацией такой как электрические схемы, чертежи или исходные коды программ, но они не могут работать с общей информацией. В основном они способны лишь развлекать нас.

Между человеком и компьютером по прежнему огромная пропасть.

Лавина сложности


Если же рассматривать только научную информацию, то здесь мы сталкиваемся с другой проблемой: огромной, невероятной сложностью современных научных задач. Времена, когда гениальные одиночки могли совершать научные открытия в домашних лабораториях, давно прошли. Современная наука требует профессиональных лабораторий, сложнейшего и сверхдорогостоящего оборудования такого как Большой Адронный Коллайдер или интерферометр LIGO, и слаженной работы большого числа профессионалов. Это невозможно без поддержки государств или крупнейших транснациональных корпораций.

Говоря о Сингулярности и наиболее важных задачах Трансгуманизма победа над старостью и смертью и получению контроля над биологической природой человека, нельзя не упомянуть огромную сложность биологических систем.

Одна молекула ДНК в среднем состоит из 100 миллиардов атомов. А биологическая клетка содержит в среднем около 100 триллионов атомов. Длина всех молекул ДНК двойного набора хромосом в одной клетке человека равна примерно 2м. Количество вариантов конформаций одной единственной молекулы типичного белка может быть больше, чем количество атомов во Вселенной (источник: Introduction to General, Organic and Biochemistry).

Некоторые примеры сложности


Вот как описывает биологическую сложность профессор Михаил Пантелеев
Превращение одного вещества в другое под действием единичного фермента нередко можно описать довольно простой формулой с хорошей точностью, хотя и тут полно исключений. Два самых простых фермента, воздействуя друг на друга, уже образуют систему с нетривиальным поведением: в ней могут наблюдаться стабилизация, наличие порогов и переключений, автоволны. Без детального математического анализа тяжело сказать, как она себя будет вести. В системе же из трех ферментов мы уже получаем полный букет динамических режимов, включая хаос и странные аттракторы.

Это всего три фермента, а ведь простейшая из реальных биологических систем клетки представляет собой сеть из сотен разных ферментов, кофакторов, метаболитов, которые тысячами способов влияют друг на друга.
(источник: Победить старость, рак и инфаркты; Михаил Пантелеев о биологической сложности)

В 2005 году сотрудникам Лос-Аламосской национальной лаборатории удалось создать динамическую модель работы рибосомы, синтезирующей молекулу белка. Для этого потребовалось 768 микропроцессоров, работавших в течение 260 дней. За это время удалось снять 20 миллионов кадров, отражающих лишь 2 наносекунды из жизни рибосомы.
(источник)

В 2011 году китайские ученые создали симуляцию вируса H1N1 на атомарном уровне. Система на базе GPU Mole-8.5, в котором установлено свыше 2200 графических процессоров NVIDIA Tesla, способна симулировать 770 пикосекунд в день с шагом времени интегрирования в 1 фемтосекунду для 300 миллионов атомов или радикалов.
(источник)

Разумеется, полное моделирование на уровне атомов далеко не всегда целесообразно; в большинстве практических случаев можно ограничиться какими-то приближениями. Однако огромная сложность биологических систем проявляется и на более высоких уровнях.

Например, в 2013 году для симуляции 1 секунды работы 1% человеческого мозга (1,73 млрд нервных клеток и 10,4 трлн синапсов) потребовалось 40 минут на кластере из 82 944 процессоров 10-петафлопсного K computer.
(источник)

А в проекте моделировании мозга habr.com/ru/news/t/429200 в 2018 году современный суперкомпьютер, состоящий из миллиона ядер ARM9, способных обрабатывать 200 триллионов операций в секунду, может моделировать в реальном времени лишь один процент от общего количества нейронов (1 млрд, а не 100 млрд).

Да, прогресс есть; и я не сомневаюсь, что довольно скоро удастся смоделировать и полноценную бактерию на атомном уровне, и многоклеточный организм, и весь человеческий мозг, и много чего еще; а если не хватит вычислительной мощности обычных суперкомпьютеров помогут квантовые. Проблема скорее в другом: в переходе количества в качество. В построении моста от уровня понимания человека (который принципиально умнее не станет) до тех немыслимо огромных объемов информации, которые механически обрабатываются современными суперкомпьютерами без всякого понимания с их стороны.

В завершение


Эта статья не открывает чего-то нового; фактически, это лишь введение в проблему и взгляд на достижение Сингулярности под другим углом.

Скорее всего, технологическая сингулярность не возникнет сама по себе, как простой результат самопроизвольного перехода количества в качество, огромной вычислительной мощности в какое-то подобие сверхинтеллекта, способного бесконечно самосовершенствовать самого себя. Кажется, для достижения Сингулярности мы должны приложить некоторые целенаправленные усилия. Какие именно? Это отдельная тема, очень большая и сложная. Я намеренно не стал включать сюда каких-либо упоминаний возможных действий (хотя разумеется у меня есть определенные мысли на этот счет) иначе получилась бы не статья, а книга:) Но надеюсь, эта статья послужит неким введением и началом для дальнейших исследований.
Подробнее..

Перевод Бенуа Мандельброт на TED Фракталы и искусство изломов

04.07.2020 18:11:54 | Автор: admin
image

Большое спасибо. Прошу прощения за то, что я сижу. Я очень старый человек.

Моя сегодняшняя тема в определённом смысле весьма особенная, потому что она очень древняя. Изломы неотъемлемая часть человеческой жизни, они есть всегда. Об этом писали древние. Эта вещь по большей части нам неподконтрольна. И в каком-то смысле они кажутся крайней степенью усложнения просто сплошной беспорядок.

Есть много видов беспорядка. Так вот, по чистой случайности много лет назад я стал заниматься этой формой усложнения, и, к моему полному удивлению, я нашёл признаки, и, должен сказать, весьма чёткие признаки порядка в изломах. А потому сегодня я хотел бы представить вам несколько примеров того, что это значит. Я предпочитаю слово изломанность слову неровность потому, что для того, кто изучал латынь, как и я в своей далёкой молодости, неровность это противоположность ровности. Но ведь это не так.

Ровность есть противоположное к изломанности, потому что мир по большей части предстаёт нам как полный изломов.

Позвольте показать вам пару объектов. Некоторые их них созданы искусственно. Прочие весьма реальны, в определённом смысле. Вот это реальная вещь.

image

Это цветная капуста. Отчего я показываю вам цветную капусту, это обыденное и древнее растение? Оттого, что, несмотря на свою обыденность и древность, оно сложное и простое. оно сложное и простое. К примеру, взвесить его не представляет труда. Вес имеет значение, если мы собираемся есть её. Но предположим, что мы собираемся измерить её поверхность. Это становится интересным. Вырезав острым ножом один из цветочков цветной капусты, и приглядевшись, нам видится цветная капуста целиком, только меньшего размера. Тогда можно вырезать снова, и снова, и снова, и снова, и снова И получаются всё более маленькие образцы цветной капусты. Человеческий опыт показал что есть формы с таким интересным свойством, что каждая часть подобна целому, но меньшего размера. И что же человек извлёк из этого факта? Очень мало.

В связи с изучением этой проблемы я обнаружил нечто совершенно удивительное: изломанность можно измерить числом, скажем, 2,3 или 1,2, а иногда и намного большим. Однажды, один мой друг принёс фотографию и, полушутя, спросил: Каков излом у этой кривой? Я сказал: Чуть меньше, чем полтора Как оказалось, он был равен 1,48. Это не заняло у меня много времени, поскольку я так долго изучал эти вещи. Числа, о которых идёт речь, означают степень изломанности поверхности.

image

Сразу оговорюсь, что поверхности абсолютно искусственны и создавались на компьютере. Единственным исходным пунктом было число. Это число и есть изломанность. Изломанность слева есть результат копирования с нескольких ландшафтов. Справа я сам задал более высокую изломанность. Если приглядеться, то спустя некоторое время можно распознать различия в этих двух случаях невооружённым глазом.

Человеку пришлось освоиться с понятием изломанности. Вот это очень изломано, а вот это, можно сказать, гладко, а вот это совершенно гладко. Немного вещей можно назвать очень гладкими. Зададимся теперь вопросом: какова поверхность цветной капусты? Можно её измерять и измерять и измерять Чем точнее замер, тем больше поверхность, и так далее, вплоть до очень малых расстояний. Какова длина береговой линии у этих озёр? Чем точнее будет замер, тем длиннее получится. Понятие длины береговой линии, кажущееся столь очевидным оттого, что оно часто приводится, на самом деле абсолютно ошибочно: такой вещи просто нет. Тут должен быть другой подход.

И в чём польза от этого знания? Как ни удивительно, пользы немало. Начнём с того, что искусственные ландшафты, которые я, скажем так, изобрёл, постоянно используются в кинематографе. Нам видятся горы на расстоянии. Это могут быть горы, но это вполне могут быть просто идущие потоком формулы. Этого очень легко добиться. Раньше это требовало много времени, но сейчас это сущий пустяк. Взгляните сюда. Это настоящее лёгкое.

image

Лёгкое очень странный объект. Нам всем прекрасно известно, что оно имеет какой-то вес. Известно также, что объём лёгкого весьма мал. А как насчёт площади лёгкого? Анатомы долго вели по этому поводу дискуссии. Считается, что у нормального мужчины площадь лёгкого равна площади одного баскетбольного мяча. Другие утверждают, что нет, пяти таких мячей. Расхождения колоссальны. Почему? Потому, что площадь лёгкого весьма нечётко определённое понятие. Бронхи разветвляются и разветвляются всё глубже. А перестают они разветвляются не ввиду какого-то принципа, а из-за чисто физических условий, из-за слизи внутри лёгкого. Так образуется намного большее лёгкое: бронхи разветвляются всё глубже, пока просвет между ними примерно одинаковым и для кита, и для человека, и для небольшого грызуна.

Так в чём же от этого польза? Удивительно и даже поразительно, но анатомы плохо себе представляли структуру лёгкого вплоть до недавнего времени. Думаю, мои математические исследования, как ни удивительно, оказали большую помощь хирургам, занятым изучением лёгочных заболеваний, а также болезней печени, где имеются подобные ответвляющиеся системы с отсутствием понятной геометрии. Иными словами, мне пришлось создавать геометрию того, что не имеет своей геометрии. Обнаружилось удивительное качество: очень часто правила этой геометрии являются чрезвычайно краткими. Начинаешь с недлинных формул, применяешь их несколько раз, иногда повторно, снова и снова. Тот же повтор. И в конце концов получается нечто такое.

image

Это облако полностью искусственное, на 100%. Ну ладно, на 99,9%. Единственный естественный элемент тут число, изломанность облака это число взято у природы. Такая сложная вещь, как облако, такая неустойчивая, изменчивая, подчиняется простому правилу. Это простое правило не есть объяснение облачности. Но море облаков должно учитывать это правило. Не знаю, насколько совершенны эти старые фотографии. Я интенсивно занимался этим, но потом моё внимание было направлено на другие явления.

А вот ещё одна довольная любопытная вещь. Одно из революционных событий в истории математики, недостаточно оцененное многими, произошло примерно 130 лет назад, 145 лет назад. Математики начали создавать несуществующие формы. Среди математиков стало цениться, причём в совершенно невообразимой степени, умение человека создать то, чего в природе никогда не было. В частности, они смогли изобрести кривую, которая заполняет всю плоскость до последней точки. Кривая это кривая, плоскость это плоскость, и эти два понятия не стыкуются. Оказалось, что всё-таки стыкуются.

image

Человек по имени Пеано определил такие кривые, и они вызвали исключительный интерес. Они очень важны и вызывают интерес по большей части оттого, что произошло некое разделение математики на ту, что основана на реальности, и ту, что происходит от чистого разума. К сожалению, мне довелось доказать, что то, что стало известно благодаря усилиям чистого разума, на самом деле давно известно в другой форме. Вот тут у меня система ручейков в виде заполняющих плоскость кривых.

image

Само по себе, это история. Это было в период с 1875 по 1925, удивительное время, когда математика готовилась оторваться от реального мира. Иллюстрацией разрыва, со времен моего детства и моих студенческих лет, разрыва между математикой и видимой реальностью служили определённые объекты. Однако мне удалось их переосмыслить, поставить с ног на голову, и с их помощью описать некоторые аспекты усложнённости природы.

image

В 1919-м году человек по имени Хаусдорф определил число, которое можно было считать математической шуткой. Но я обнаружил, что это число хороший инструмент измерения изломанности. Когда я впервые рассказал об этом моим коллегам, они сказали: Не занимайся глупостями. Это же нечто На самом деле я не занимался глупостями.

image

Великий художник Хокусай прекрасно знал это. В нижней части картины водоросли. Хокусай не владел нужной математикой: её тогда просто не существовало. Кроме того, будучи японцем, он [в те времена] не имел контактов с Западом. Но художественное искусство с давних времен содержит фрактальные элементы. Об этом я могу говорить долго.

image

Эйфелева башня имеет фрактальные элементы. Я прочитал книгу Эйфеля о его башне объём его понимания просто потрясающий.

image

Вот беспорядок внутри беспорядка. Броуновская петля. Однажды я решил, что прошла немалая часть моей профессиональной жизни, и столько разного занимало меня, что я решил, что пора бы испытать себя. Могу ли я исследовать объект, который все уже давно исследуют, и найти в нём что-либо радикально новое? Я стал изучать всё, что входит в категорию Броуновского движения. Пытался подойти с разных сторон, пробовал различные методы, и вернулся к тому, с чего начал. Тогда я предложил своему ассистенту: Я тут ничего не вижу. Сможешь закрасить? Он так и сделал, то есть заполнил все внутренности. У меня получилось

image

Но я закричал: Стоп! Стоп! Стоп! Понял: это остров. Удивительно. Броуновское движение имеет изломанность равную двум. Измеряю, получается 1,33. Измеряю заново и заново. Долгие замеры, большие Броуновские движения. Опять: 1,33. Тут же возникает математическая проблема: как это доказать? Моим друзьям для этого понадобилось 20 лет. У троих доказательства были неполные. Они соединили усилия, и вместе им удалось получить доказательство. В результате они удостоились известной [Филдсовской] медали для математиков. В целом, математики получили три медали [Филдса] за доказательство фактов, которые я видел, но не мог доказать.

Сейчас меня всюду спрашивают: Как это всё началось? Как ваши занятия привели вас к таким необычным вещам?

image

Что позволило мне быть одновременно инженером-механиком, географом, математиком и т.п.? Как это ни странно, но я начинал с изучения цен на фондовом рынке.

image

У меня возникла теория, и я написал об этом книги.

image

Движения цен финансовых инструментов Слева вам видны данные за длительный период, справа же, наверху, данные согласно очень и очень модной теории. Это крайне просто и об этом можно очень быстро написать массу книг. (Смех) На эту тему есть тысячи книг. Теперь сравните с реальными движениями цен. И где же они? Дополнительные линии включают реальные движения цен, а также небольшую подделку с моей стороны. Основная идея там состояла в том, что надо уметь делать Как это называется? моделирование колебаний цен. Это прекрасно срабатывало 50 лет назад.

image

В течение 50 лет к моей идее относились с насмешкой, потому что можно было делать проще. Но сейчас, скажу я вам, ко мне стали прислушиваться. (Смех) Эти две кривые представляют средние значения. Синяя индекс Standard and Poors [S&P 500], а красная индекс Standard and Poors, из которого вычтены 5 крупнейших скачков цен. Скачок, безусловно, портит анализ, и во многих исследованиях он считается [не поддающимся анализу] особым случаем. Невероятное совпадение, вмешательство Господа. Ну, мелочь, её можно просто отложить в сторону. Вмешательства Господа на этом графике, а их ровно пять, как оказалось, так же важны, как и всё остальное. Иными словами, вмешательства Господа нельзя откладывать в сторону.

image

Это существо, это сам объект анализа. Если разобраться с ними, то можно разобраться и с движениями цен. Но не разобрался со скачками, то можешь анализировать так называемый шум сколько угодно, но этот анализ не будет иметь смысла. Вот эти кривые показывают влияние.

image

Теперь я перейду к последней теме множество, названное моим именем. В некотором смысле, это история моей жизни. Моё отрочество прошло во Франции, оккупированной в те годы Германией. Поскольку я думал о том, что в любой момент меня может не стать у меня были большие мечты. После войны я вновь встретился с дядей. Мой дядя был выдающимся математиком и он сказал: Вот тебе задача. 25 лет назад я не смог решить её, и никто её не может решить. Это построение одного математика по имени Гастон Джулиа и другого по имени Пьер Фату. Если сможешь найти тут нечто новое, всё что угодно, считай, что твоя карьера обеспечена. Очень просто. Я стал изучать эту проблему, и, как и тысячи тех, кто до меня это пытался с делать, ничего не добился.

Но затем появились компьютеры. И я решил, что надо применить компьютерные возможности не к новым математическим проблемам как, например, эта изгибающаяся штукенция: это новая проблема а к старым проблемам. И я перешёл от так называемых действительных чисел, т.е. от точек на прямой, к комплексным числам, а это точки на плоскости, то есть то, что и требуется в этой задаче. Получилась вот такая фигура.

image

Эта имеет исключительную сложность. В ней скрыто уравнение: z трансформируется в z ^ 2 + c. Так просто и скучно, так неинтересно. Теперь прокрутим это один раз, два раза Два раза достаточно. О чудо! Появляется вот что. Я не собираюсь объяснять здесь эти вещи, но получается вот что и вот что.

image

image

Фигуры такой сложности, такой гармоничности и такой красоты получаются повторно, снова и снова и снова. Моё главное открытие заключалось в том, что эти острова имеют ту же форму, более или менее, как и вся фигура целиком. Получаются такие потрясающие украшения в стиле барокко.

image

И всё из этой короткой формулы, в которой всего сколько там? пять значков. И вот что в результате.

image

Цвет добавлен по двум причинам. Во-первых, оттого что фигуры получаются настолько сложными, что трудно увидеть, какой смысл несут числа. И надо выбрать какую-то систему, чтобы их отразить на плоскости. Потому я взял за принцип всегда представлять фигуры в различных цветах: какой-то цвет означает одно, а другой другое и т.д. Это так сложно.

В 1990-м году я был в Великобритании, в Кембридже, мне там от университета вручали приз. Спустя три дня один лётчик, пролетая над полем, увидел вот это.

image

Откуда бы такая вещь? Ясное дело от пришельцев.

Одна из газет в Кембридже опубликовала статью об этом открытии, и на следующий день получила 5 тысяч писем, в которых говорилось, что это множество Мандельброта, просто очень большое.

image

Позвольте завершить. Эта картина получена посредством чистой математики. Простые правила могут породить бездонное чудо, если их повторять без конца.

Translated by Namik Kasumov
Reviewed by Ekaterina Tsvetkova




image

Узнайте подробности, как получить востребованную профессию с нуля или Level Up по навыкам и зарплате, пройдя платные онлайн-курсы SkillFactory:



Читать еще


Подробнее..

Как сбросить вес, не занимаясь спортом? Личный опыт

05.07.2020 00:18:08 | Автор: admin
Привет, Хабр!

По моим наблюдениям, всех людей можно разделить на три категории: счастливчиков с нормальным телосложением, худых, кто не знает как бы поправиться, и полных, кто не знает как бы похудеть. Мне угораздило попасть в третью категорию, и всю взрослую жизнь мой вес колебался в районе 95кг при росте 1.74м, что соответствует BMI=31.4 или ожирению. И хотя в принципе, это ничуть не мешало, но все же лишний вес накладывает определенные ограничения, как в перспективе состояния здоровья, так и в плане личной жизни. Наконец, в один прекрасный день я решил что пора, и занялся этим вопросом более серьезно.



Думаю, среди IT-шников, работающих в офисе, немало людей с похожими проблемами, и надеюсь, мой опыт будет им полезен.

Обмен веществ


Начнем с основ, с того как организм потребляет и тратит энергию. Я не врач, так что говорить буду с позиций физики, а не медицины. Основной принцип тут простой старый добрый закон сохранения энергии. Всё, реально всё, в итоге упирается в баланс калорий сколько мы получаем, и сколько мы тратим.

В нашем организме мы имеем баланс трех факторов:

  1. Калории, поступающие извне то, что мы едим.
  2. Эффективность переработки еды организмом (наша предрасположенность к полноте, худобе и пр).
  3. Расход калорий, определяемый работой и образом жизни.

К сожалению, мы не можем повлиять на пункт 2. Я не знаю, проводились ли клинические исследования, но лично проверено еще много лет назад на знакомых и родственниках при пребывании на турбазе с одинаковым порционным питанием и одинаковым времяпровождением, один весит 55кг, а другой 90. Мы лишь ограниченно можем повлиять на пункт 3 расход калорий определяется образом жизни, и если приходится 8 часов сидеть за компьютером а потом час сидеть в транспорте, то вариантов тут немного. Для тех, кто любит спорт, оно конечно проще, это энергетически достаточно затратная деятельность, но вот я например, ко всяким штангам и турникам просто равнодушен, и тратить час в день в зале, увы, не готов. Наконец, остается пункт 1 питание, то что мы едим. Как раз это то, что мы можем и должны варьировать, если хотим уменьшить вес.

Калории


Итак, возвращаемся к питанию, т.е. к балансу калорий. Я не призываю их постоянно считать и записывать, главное понять общий смысл. Если вес выше нормы, значит мы получаем больше калорий, чем тратим вывод простой, их количество нужно уменьшить. Причем организму в принципе все равно, как эти калории будут получены. Можно выбирать продукты с меньшим количеством жиров, можно с меньшим количеством углеводов, результат по сути одинаков.

Для примера, приведу калорийность моего обычного питания. Таблицу калорий я брал отсюда.

Завтрак: 400 ккал
Бутерброд с ветчиной 230 ккал
Кофе + Молоко (1 стакан) 100-110 ккал
Сахар (2ч.л.) 2*25 ккал или шоколадная конфета (2шт) 2*65 ккал

Обед: 535 ккал
Каша гречневая с маслом (1 порция) 155 ккал
Сосиска (2шт) 2*130 ккал
Майонез (1ч.л.) 60-70 ккал
Чай + Сахар (2ч.л.) 2*25 ккал

Ужин: 1065 ккал
Куриный суп с лапшой (1 порция) 250 ккал
Свиная котлета 2*270 ккал
Макароны (1 порция) 155 ккал
Чай + сахар (2ч.л.) 2*25 ккал или конфета 2*65 ккал

Фактически у меня обед поменян местами с ужином, но в офис полноценное трехразовое питание таскать лень, поэтому суп и остальные блюда съедаются вечером.

Десерт (вечером или перед сном): 120 ккал
Мороженое пломбир (200г) 140 ккал или Сок апельсиновый (1 стакан) 70-90 ккал или Йогурт (1 стакан) 165 ккал или Чипсы (25г) 120 ккал. Я взял 120 как среднее.

Итого за день: 2120 ккал.

Много это или мало? Судя по этой таблице, вполне нормально для городского человека, занимающегося умственным трудом, и даже чуть ниже нормы в 2600 калорий:



Однако таблица таблицей, но судя по моему весу, даже этих 2120 ккал для моего организма увы, слишком много. Я не обжираюсь, не съедаю в Макдональдсе по 5 гамбургеров, запивая их колой и не ем пачку шоколада с чипсами за один присест, но даже приведенного выше рациона в 2120 ккал лично мне достаточно чтобы иметь BMI, соответствующий ожирению. Грустно, но факт. Что делать? Рецепт один, число калорий нужно уменьшить, причем так чтобы это было полезно и вкусно.

Питание


Еще раз повторюсь, весь баланс массы тела сводится к числу потребленных за день калорий. Можно съесть условно, плитку шоколада на 140 ккал или овощной салат на 120 ккал в качестве обеда, но в первом случае желудок будет пустой и чувство голода никуда не денется.

Соответственно, чтобы уменьшить число калорий и быть при этом сытым и довольным, необходимо перейти к питанию с меньшей плотностью калорийности. Решение тут одно, ничего нового пока не изобрели овощи и фрукты. Но просто грызть одни огурцы с капустой грустно и уныло, меню нужно разнообразить.

Решение: делаем заказ в магазине электроники и разнообразим нашу кухонную технику.

Мультиварка/медленноварка

Очень удобный прибор, позволяющий приготовить те же овощи либо на пару (45 минут), либо в режиме медленного приготовления (3-4 часа при температуре порядка 80С, жрет кстати аппарат в таком режиме всего 200Вт).



Они есть разные, с таймером, разными режимами, удаленным управлением и пр. Просто закладываем внутрь нарезанные овощи (капусту, помидоры, перец) и мясо/колбаски по вкусу, на выходе получаем весьма вкусное блюдо. Мне лень долго готовить, так что просто нарезать и положить продукты внутрь и нажать одну кнопку как раз то, что надо.

Как бонус, приготовленное на пару более полезно для здоровья.

Блендер

Из названия и картинки надеюсь, понятно.



Лучше брать хороший мощный блендер, способный делать не только фруктовые, но и овощные смузи, перемалывать морковку и прочие блюда. Хотя скажу честно, лично мне овощное пюре не особо понравилось, но тут дело вкуса. Зато получаются очень хорошие йогурты если положить в блендер нежирный йогурт без добавок и самостоятельно добавить фруктов (яблоко, клубника, черника, малина, можно все сразу и побольше:), получается в разы вкуснее покупного магазинного с ароматом малины идентичным натуральному.

Наконец, раз уж мы начали затариваться бытовой техникой, нужны хорошие напольные весы для взвешивания себя любимого. Не имея возможности контроля веса, мы так и не поймем, есть какой-то прогресс или нет. Хорошие весы нужны потому, что на дешевые можно встать 3 раза, и все 3 раза получить разные результаты. Опционально, можно выбрать весы с Bluetooth и загрузкой данных в смартфон, хотя по мне, не так уж критично. Любители спорта могут выбрать весы с контролем жира/мышечной массы, в общем, вариантов много.

В результате разных экспериментов, я пришел к следующему режиму питания. Завтрак я оставляю как и раньше, только убираю конфеты/сладости как слишком калорийные. Обед мясо/сосиски + салат из капусты/моркови/огурцов/помидоров, либо те же вариации в мультиварке. Можно варьировать разные режимы приготовления, разные овощи, их на самом деле много разных, той же капусты в магазине 3-4 разных вида, всякие авокадо, брокколи и пр, можно экспериментировать, подбирать то что нравится, чтобы не было однообразно. На ужин йогурт + фрукты в блендере. Опять же, можно варьировать, чтобы не надоедало. Это само по себе получается сладко, и отдельно кофеты сладости тоже не нужны.

Примерный расклад по калориям.

Завтрак: 330 ккал (-70 ккал по сравнению с первоначальным вариантом)
Бутерброд с ветчиной 230 ккал.
Кофе + Молоко (1 стакан) без сахара 100-110 ккал.

Обед: 440 ккал (-95 ккал по сравнению с первоначальным вариантом)
Сосиска (2шт) 2*130 ккал.
Салат 120 ккал или овощи на пару 180 ккал.
Чай без сахара 0 ккал.

Ужин: 293 ккал (-770 ккал по сравнению с первоначальным вариантом)
Фруктовая смесь в блендере: йогурт 120 ккал, яблоко (1 шт) 70 ккал, малина (100 гр) 53 ккал, ананас (100 гр) 50 ккал.

Десерт: пока вес не стабилизировался, от десерта на ночь решено отказаться, так что 0 ккал.

Итого: 1063 ккал. Разумеется, есть какие-то скрытые калории, например можно положить в салат ложку майонеза, и это будет +65 ккал забавно, что одна ложка по калорийности соответствует половине тарелки с капустой. Плюс в выходные можно позволить себе более разнообразное меню, например, блинчики с творогом утром (400 ккал) и фрапуччино в Старбаксе вечером (293 ккал). Кстати, на графике это хорошо видно в виде увеличения после выходных увы, лишние калории сразу влияют на вес.

Кстати, интересно сравнить потребление калорий при разных видах деятельности. Судя по онлайн-калькулятору, 10 минут бега при пульсе 150 уд/мин сжигает всего лишь 131 ккал, а 200 ккал потребляется при часовой ходьбе. В то же время, один гамбургер в Макдональдсе это 250 килокалорий, что выходит эквивалентно 20 минутам бега или больше часа ходьбы! Уже дважды подумаешь, съесть ли по дороге гамбургер, или заменить его чем-то более полезным

Результаты и заключение


Наконец, самое интересное результаты. Думаю, из графика все понятно:



Я вначале думал отложить выпуск статьи до окончательных результатов, когда вес дойдет до нуля порога Normal, но график и так достаточно линейный, так что результаты вполне видно.

В качестве заключения можно отметить:

  • Сбросить вес таки можно, даже тем кто никогда его до этого не сбрасывал.
  • Стоит хоть что-то съесть лишнее, вес увеличивается буквально на следующий день. Так что думать надо не о диете, на которой посидел и забросил, а об образе жизни, т.е. сразу стоит продумать меню так чтобы оно было не только полезным, но и вкусным. При этом лучше планировать меню так, чтобы в будние дни калорий было чуть меньше, зато в выходные позволить себе что-то большее.
  • В моем случае, при переходе от условных макарон к капусте и тушеным овощам, меню нисколько не стало менее вкусным или менее разнообразным. Я не чувствую ни голода, ни слабости, самочувствие совершенно нормальное. Печенек конечно не хватает (скорее морально чем физически), но думаю, их можно будет добавить на этапе поддержания веса, когда его уменьшение будет уже не обязательно.
  • Процесс как можно видеть из графика, весьма медленный. В среднем, получается около 1кг в неделю. Т.е. при избытке веса в 20кг, это займет 20 недель или 5 месяцев.
  • Я не уверен насчет точности приведенных выше цифр калорийности, да оно и не так важно. Хабр это не медицинский журнал, да и это не диссертация, важна лишь общая идея. Некоторые действительно высчитывают калории с кухонными весами, но по мне, так это лишнее, результаты видны и так.
  • Спортом я все-таки занялся. Чуть-чуть. Ходить в зал мне не особо интересно, но сделать на 10-15 минут зарядку, подняться без лифта на 9й этаж и сделать за день 100 отжиманий вполне реально даже ленивому ИТ-шнику.

Если этот материал кого-то вдохновит на улучшение качества своей жизни, буду только рад, собственно, для таких людей оно и писалось.

Для тех, кто заинтересуется, под спойлером несколько видео, которые мне показались полезными при подготовке материала.

Видео




Подробнее..

Перевод Ник Бостром Как уничтожить цивилизацию

05.07.2020 12:20:18 | Автор: admin
image

Крис Андерсон: Ник Бостром, Вы уже делились с нами своими безумными идеями. Пару десятилетий назад, как мне помнится, вы предположили, что мы будем жить в симуляции или мы уже в ней. А относительно недавно вы представили самый наглядный пример того, как может навредить всеобщий искусственный интеллект. И уже в этом году вы собираетесь издавать книгу с самыми уязвимыми мировыми гипотезами. И сегодняшний выпуск должен стать иллюстрированным руководством к ней. Давайте начнём. Что это за гипотезы?

Ник Бостром: Это попытка осмысления структурных компонентов текущего состояния человечества. Вам нравится метафора про урну, поэтому я использую её. Представьте большую урну, наполненную шарами, которые представляют собой идеи, методы и всевозможные технологии. Всю творческую деятельность человечества можно сравнить с погружением в эту урну и вытаскиванием оттуда шариков. И долгие годы мы всегда получали только пользу от этого, верно? Мы изъяли слишком много белых шаров, несколько с оттенками серого, с неоднозначными последствиями. Но нам так давно не попадался чёрный шар технология, которая непременно уничтожит своих создателей. В книге содержатся версии того, что будет внутри чёрного шара.

КА: То есть, вы определяете этот шар как причину гибели цивилизации.

НБ: Пока мы не выйдем из своего стандартного состояния полуанархии, как я это называю.

КА: В качестве доказательства вы приводите несколько контрпримеров. Вы убеждены, что нам везло на протяжении многих лет. И возможно мы, сами того не подозревая, уже вытянули этот шар смерти. Также вы приводите цитату. Что она означает?

НБ: Она только показывает, насколько сложно предусмотреть все последствия базовых открытий. У нас нет такой возможности. Мы хорошо научились вытаскивать шары из урны, но не умеем возвращать их обратно. То есть, мы можем изобретать, но не наоборот. В качестве стратегии у нас есть только надежда на то, что в урне нет шаров чёрного цвета.

КА: Однажды мы его вытащим и не сможем вернуть обратно, и вы считаете нам пока везло. Прокомментируйте примеры, где вы упоминаете несколько типов уязвимости.

image

НБ: Самый простой тип для понимания технология, которая сможет без особого труда вызвать много массовых разрушений. Синтетическая биология может стать богатым источником чёрных шаров подобного рода. Также стоит задуматься о продуктах геоинженерии. Мы можем бороться с глобальным потеплением, но не нужно облегчать себе задачу. Не нужно, чтобы случайный человек и его бабушка имели возможность радикальным образом изменить климат на земле. Или смертоносные беспилотные дроны размером с комара, которые массово производят для уничтожения вредителей Нанотехнологии, всеобщий искусственный интеллект.

КА: В книге есть сомнение, что нам повезло открыть ядерную энергию для создания атомной бомбы. Возможно, это тот случай, когда возможно создать бомбу с помощью более лёгких ресурсов, доступных каждому.

НБ: Вернёмся в 30-е годы ХХ века, когда мы впервые достигли прогресса в ядерной физике. Некоторые выдающиеся учёные выяснили, как создать цепную ядерную реакцию и потом довели её до бомбы. Мы провели исследование. Выяснилось, что для создания атомной бомбы, содержащей в огромном количестве уран и плутоний, которые получить довольно трудно, нужны ультрацентрифуги, нужны реакторы, а также большое количество энергии. Мы предполагаем, что вместо этого существует более лёгкий способ высвободить энергию из атома. А что, если окажется возможным вызвать ядерный взрыв из песка в микроволновке или более простым способом. Сейчас это невозможно с точки зрения физики. Но пока не проведены такие опыты, как узнать, что из этого выйдет?

КА: Согласитесь, для нормального развития жизни на Земле необходима стабильная среда. И если бы имелся более лёгкий способ получения крупных ядерных реакций, то стабильной среды на Земле бы не существовало, и нас здесь не было.

НБ: Да, если бы существовало что-то, созданное специально, а не само по себе. Так мы делаем многое. Мы можем уложить 10 блоков друг на друга, но в природе такого не встретишь.

КА: А сейчас поговорим о том, что волнует нас больше всего. На данный момент, из того, что мы можем предсказать, синтетическая биология кратчайший путь к самоуничтожению.

НБ: И только представьте, как это будет выглядеть, если сказать кому-то, что он может разнести город, готовя что-то на кухне. Трудно представить, как современная цивилизация в привычном нам виде сможет пережить подобное. Потому что среди любого многомилионного населения найдутся те, кто по непонятной причине захотят использовать эту разрушительную силу. И если бы этот любитель апокалипсиса выбрал бы уничтожить город или, что-то хуже, то города были бы разрушены.

КА: Есть другой тип уязвимости. Расскажите о нём, пожалуйста.

image

НБ: Помимо простых для понимания чёрных шаров, которые снесут всё на своем пути, другие будут создавать людям стимул для совершения плохих поступков и причинение вреда. То есть, если подумать о так называемом Типе-2а, то это технология, которая подвигнет великие мировые державы на использование всей своей военной мощи для разрушения. На самом деле, ядерное оружие очень близко к этому, да? Что мы сделали: мы потратили более 10 триллионов долларов на создание 70 тыс. ядерных боеголовок и держим их в состоянии повышенной боевой готовности. Во время Холодной войны мы несколько раз были на грани взаимоуничтожения. Не потому, что люди считают замечательной идеей спустить 10 миллионов долларов на самоуничтожение. Стимулировало то, что мы только ищем себя, и это могло быть худшим. Представьте, если бы первый удар прошёл без особых последствий, то было бы очень сложно в кризисной ситуации воздержаться от запуска всех ядерных ракет. Если не иначе, потому что вы боитесь, что это сделают с другой стороны.

КА: Гарантированное взаимоуничтожение поддерживало стабильность в период холодной войны. Иначе нас бы тут не было.

НБ: Да, это бы сделало её более нестабильной. Тут могла бы проявиться другая сторона технологий. Было бы труднее достигнуть соглашений по вооружению, если бы вместо ядерного оружия существовал какой-нибудь мелкий предмет или менее заметный.

КА: Как и плохие мотивы влиятельных субъектов мира, вы также переживаете из-за плохих побуждений каждого из нас в типе 2б.

image

НБ: Да, тут лучше взять в пример глобальное потепление. Каждый из нас пользуется в быту какими-то современными удобствами, использование которых не имеет значительных последствий, так? Но миллиарды людей делают то же самое, что вместе имеет разрушительное действие сейчас проблема глобального потепления может усугубиться. Существует параметр влияния на климат. Он показывает на сколько усилится потепление при выхлопе определённого количества парниковых газов. Предположим, что при количестве парниковых газов, выпускаемых на данный момент, к 2100 году вместо увеличения температуры всего на 34,5 градуса мы столкнёмся с увеличением на 15 или даже 20 градусов. То есть мы можем оказаться в очень плохом положении. Предположим, что очень сложно создать возобновляемый источник энергии или в земле есть больше ископаемых видов топлива

КА: Утверждаете ли вы, что если тот образ жизни, который мы ведём сегодня со временем приведёт к видимой разнице в 10 градусов, то люди бы уже засуетились и сделали что-нибудь с этим. Возможно, мы и глупы, но не настолько. Но кто знает.

НБ: Я бы не был так уверен.

Подумайте и о других свойствах. На данный момент переключиться на возобновляемые энергоносители и подобные вещи сложно, но возможно. Возможно с использованием немного других физических свойств осуществление этого выйдет намного дороже.

КА: А какое у вас мнение? Находится ли наша планета, человечество со всеми своими техническими возможностями, в уязвимом положении? Есть ли шар смерти в нашем будущем?

НБ: Трудно сказать. Я думаю, что в этой урне с большой вероятностью будут разнообразные чёрные шары. Но также будут и золотые, которые помогут нам в битве против чёрных шаров. Но я не знаю, в каком порядке они будут появляться.

КА: Ваша идея слегка противоречит философской мысли о том, что будущее предопределено и неизбежно, независимо от цвета очередного шара и в некоторой степени мне не хочется верить в такое будущее. Я хочу верить, что будущее не предопределено, что решения, принимаемые нами сегодня, повлияют на цвет шара, который мы вытащим.

НБ: Я думаю, если мы будем продолжать изобретать в конечном итоге мы вытащим все шары. Есть некая слабая форма технологического детерминизма, которая имеет веские основания, то есть вы вряд ли встретите сообщество, где пользуются кремниевыми топорами и реактивными самолетами. Технологии можно считать пакетом возможностей. Технологии позволяют нам делать различные вещи и достигать разнообразных результатов в мире. Как использовать их, зависит только от нашего выбора. Но если задуматься об этих трёх типах уязвимости они могут пошатнуть представление об их использовании Напомню, первый тип уязвимости огромная разрушительная сила и предположение о том, что среди многомиллионного населения найдутся те, кто захотят использовать её для разрушения, довольно слабое.

КА: Меня больше всего беспокоит мысль о том, что мы на данный момент в некотором роде погрузились в эту урну настолько, чтобы понять, что мы обречены. То есть, если вы верите в увеличение мощи, в развитие технологий, в создание техники, которая сделает нас сильнее, то в какой-то момент вы доходите до мысли, что отдельно взятый человек может уничтожить всех нас. И в таком случае нам всем конец. Вас это не тревожит?

НБ: Ах, да

Я считаю Да, мы становимся всё сильнее, и применять эту силу становится всё легче, но мы также можем изобрести технологию, которая позволит нам контролировать использование этой силы людьми

КА: Давайте обсудим это. Поговорим об ответных реакциях. Предположим, размышляя о всех возможностях, которые мы имеем на сегодняшний день, это не только синбиотехнологии, но и вещи вроде кибервойны, искусственный интеллект и т.д. за что, возможно, в будущем нас ожидает серьёзная расплата. Какими будут ответные реакции? Вы упомянули также четыре типа этих ответных реакций.

image

Ограничение разработок

НБ: Ограничение в развитии технического прогресса не вселяет надежды, если мы все имеем в виду остановку технического прогресса в целом. Я думаю, у нас нет ни желания, ни возможности сделать это. Или, возможно, только в некоторых областях вам захочется замедлить технический прогресс Я думаю, вы не захотите быстрого развития биологического оружия или разделения изотопов, что поспособствует более лёгкому созданию ядерного оружия.

КА: Я полностью согласен с вами, но я бы хотел заострить внимание на этом, во-первых, потому что, если посмотреть на историю двух последних десятилетий, мы продвигаемся вперёд на полной скорости, хорошо, что это только наш выбор, но если посмотреть на глобализацию и её стремительный рост, на стратегию двигайся быстрее и ломай преграды и во что это превратилось, а потом на весь потенциал синтетической биологии. Я не уверен, что нам стоит продвигаться настолько быстро, без каких-либо ограничений, в мир, где ДНК-принтер будет в каждом доме и в лаборатории старшей школы Должны быть какие-то ограничения.

НБ: Возможно, первая часть, не самая подходящая. Если люди всё же захотят остановить это, то возникнут проблемы с реализацией. Ничего на деле не выйдет, если население одной страны

КА: Нет, если действует только один народ, но мы уже заключали международные соглашения ранее. Благодаря этому нам удалось устранить ядерную угрозу путём встреч и длительных сложных переговоров. Интересно, не будет ли нам более логично не выходить сюда по важному делу и пытаться обсуждать строгие правила по вопросам синтетических биоисследований. Разве не это вы хотите демократизировать?

НБ: Я полностью согласен. Хотелось бы, например, чтобы ДНК-синтезатор был не устройством, которое будет стоять в каждой лаборатории, а, быть может, сервисом. Допустим, в мире будет всего четыре или пять мест, куда можно будет отправить электронный образец ДНК и вам придут результаты. А потом у вас будет возможность при необходимости получить конечное множество уязвимых мест. Думаю, вы захотите узнать об особых ситуациях, которые можно будет жёстко контролировать.

КА: По сути, ваше мнение в том, что ничего не выйдет, если мы просто замедлим прогресс. Кто-нибудь, где-нибудь, предположим в Северной Корее, найдётся тот, кто захочет добыть именно чёрный шар из урны, если там такой есть.

НБ: В текущих условиях вполне вероятно. И дело не в синтетической биологии. Чёрным шаром могут оказаться абсолютно любые новые серьезные изменения в мире.

КА: Есть ещё вариант развития.

image

Ликвидация опасных людей

НБ: Но вероятность довольно мала. Касательно первого типа уязвимости. Если бы можно было уменьшить количество людей, заинтересованных в уничтожении мира, будь у них доступ к оружию и средства, то было бы прекрасно.

КА: Вы просили показать этот слайд, с дронами с функцией распознавания лиц, летающими по всему миру. И когда обнаружат людей с признаками асоциального поведения, они засыпят их любовью, починят так сказать.

НБ: Всё не так однозначно. Под ликвидацией подразумевается также, например, лишение свободы или уничтожение, или изменение их взглядов на жизнь на более правильные. Смысл в том, что, допустим, вы справились с задачей, сократили количество опасных людей вдвое. Если делать ликвидацию путём убеждения, то вы столкнётесь с другими мощными факторами, влияющими на людей: партиями, религией, образованием. Если число опасных людей сократилось вдвое. Мне кажется риск снизится не на 50%, а только на 5 или 10%.

КА: Вы считаете, что мы не рискуем будущим человечества во втором варианте?

НБ: Думаю нет ничего плохого в попытке разубедить людей, но данный метод не сможет обеспечить безопасность в одиночку.

КА: А третий вариант?

НБ: Существует два основных метода, пользуясь которыми мы сможем укрепить наш мир против целого комплекса возможных уязвимостей. Но, возможно, понадобятся оба. Первый высоко эффективная правоохранительная деятельность полиции,

image

Тотальная слежка

возможность перехвата. Если кто-то захочет пойти на преступление, то было бы возможно перехватить и остановить его. В таком случае потребуется повсеместный надзор, каждый из нас будет находится под наблюдением.

КА: Как в фильме Особое мнение.

НБ: В наблюдении нам могут помочь алгоритмы искусственного интеллекта, огромные центры свободы и т.д.

КА: Вы знаете, термин тотальная слежка сейчас не очень популярен?

НБ: Это будет небольшое устройство с разнонаправленными камерами, встроенное в так называемый чокер, который нужно будет носить постоянно. Чтобы это не казалось обременяющим, просто назовём его чем-то вроде символа свободы.

КА: Хорошо Друзья, именно поэтому наша беседа настолько увлекательная.

НБ: На самом деле об этом можно долго разговаривать, что очевидно. Мы обсуждали риски и проблемы, не так ли? Можем вернуться к этому. И четвёртая,

image

Глобальное управление

последняя возможность для стабилизации заделать бреши в работе правительства. Контроль стал бы недостатком в управлении на микроуровне, мешая кому-либо совершить что-то противозаконное. Конечно, такая же проблема наблюдается и на макроуровне, на глобальном уровне. Однозначно, потребуется компетенция для предотвращения сбоев в глобальной координации, чтобы избежать войны между великими державами, гонки вооружений, общих проблем с катаклизмами, чтобы справится с уязвимостями типа 2а.

КА: Термин глобальное управление сейчас явно не в моде, но вы можете привести довод, что в ходе истории человечества на каждой новой стадии развития технологическая мощь возрастает. Люди преобразовали и сосредоточили эту мощь. Например, когда бродячая преступная группировка может возглавить общество ответ был, что у вас государство-нация и вы сосредоточиваете силы полицейских или армию и Вы не можете так сделать. Логика, возможно, в том, что если отдельно взятый человек или группа людей смогут уничтожить человечество, когда-то мы встанем на этот путь, по крайней мере в некоторых аспектах?

НБ: Однозначно, в ходе развития истории человечества масштабы политического аппарата увеличились. Сначала была группа охотников-собирателей, потом глава племени, города-государства, нации, сейчас существуют международные организации и т.д. Я просто хочу убедиться, что мне удалось подчеркнуть большое количество негативных сторон и риска как в случае тотальной слежки, так и в глобальном управлении. Просто хочу отметить, если нам повезёт, то мир может оказаться таким, что всё вышеперечисленное будет только спасением от чёрного шара.

КА: Как я понимаю, логика данной теории в том, что, надо понимать, что все произойдёт не сразу. Это что-то вроде наивной мечты, которая есть у многих из нас, что технологии всегда используются во благо. Продолжай, не останавливайся, поторопись, если возможно, и не думай о последствиях, которые могут даже не произойти. Это может случится. И если всё же произойдёт, то нам придётся принять и другие сопутствующие обстоятельства, и стать частью гонки вооружений. Если хотите иметь мощь, лучше её ограничить, или выяснить, как её ограничить.

НБ: Думаю, это вариант, причём очень хороший, в некотором смысле даже самый лёгкий и он может сработать. Но это значит мы очень уязвимы перед появлением чёрного шара. Думаю, что добавив немного координации, если бы мы разрешили все проблемы на уровне макро- и микроуправления, то вытащили бы все шары из урны и извлекли немало выгоды.

КА: Какая разница, если мы живём в симуляции? Мы просто перезагружаемся.

НБ: Я не думаю, что это настало.

КА: Как вы считаете? Если сложить всё вместе, какова вероятность, что мы обречены?
(Мне нравится смех людей, когда звучит этот вопрос.)

НБ: На индивидуальном уровне нам придёт конец в любом случае, со временем мы стареем, разлагаемся, и всё в этом духе, да?

На самом деле всй немного сложнее. Если вы хотите посчитать вероятность того, что нам конец, во-первых, кто мы? Если вам много лет, то, возможно, умрёте своей смертью. Если вы молоды, то у вас может быть целых 100 лет. Вероятность индивидуальна. Затем порог, то есть ограничить понятие разрушения цивилизации. В своей книге я не считаю экзистенциальную катастрофу разрушением цивилизации. Это всё вопрос определения. Допустим, будет миллиард погибших или сокращение мирового ВВП на 50%, но от того, как вы обозначите порог, вы получите разную степень вероятности. Думаю, вы назовёте меня запуганным оптимистом.

КА: Вы запуганный оптимист, и я думаю, сейчас вы создали немало себе подобных запуганных людей.

НБ: Живущих в симуляции.

КА: Точно. Ник Бостром, ваши идеи удивляют. Спасибо, что запугали нас до смерти.

Translated by Olia Francia
Reviewed by Natalia Ost




image

Узнайте подробности, как получить востребованную профессию с нуля или Level Up по навыкам и зарплате, пройдя платные онлайн-курсы SkillFactory:



Читать еще


Подробнее..

Перевод Генеративная зоология с нейронными сетями

05.07.2020 14:08:58 | Автор: admin
image

Пару лет назад в моем списке для чтения появилась статья под названием Прогресс и развитие GAN для улучшения качества, стабильности и повышения вариации. В ней описывается постепенный рост генеративно-состязательных сетей, начинавших с создания изображений с низким разрешением и повышавших степень детализации по мере продолжения обучения. Этой теме было посвящено множество публикаций, поскольку авторы использовали свою идею для создания реалистичных и уникальных изображений человеческих лиц.

image

Примеры изображений, созданных GAN

Глядя на эти изображения, кажется, что другим нейронным сетям потребуется изучить множество примеров, чтобы иметь возможность создавать то, что выдают GAN. Некоторые факторы кажутся относительно простыми и обоснованными фактически например, что цвет обоих глаз должен совпадать. Но другие аспекты фантастически сложны, и их очень трудно сформулировать. Так, например, какие детали необходимы для того, чтобы связать воедино глаза, рот и кожу в целостное изображение лица? Конечно, я говорю о статистической машине как о человеке, и наша интуиция может нас обмануть может оказаться, что рабочих вариаций относительно мало, а пространство решений более ограничено, чем мы себе представляем. Наверное, самое интересное это не сами образы, а то жуткое воздействие, которое они оказывают на нас.

Некоторое время спустя в моем любимом подкасте была упомянута PhyloPic база данных силуэтных изображений животных, растений и других жизненных форм. Размышляя над этими строками, я задался вопросом что получится, если обучить систему, вроде той, что описана в статье Прогрессивные GAN, на очень разнообразном наборе подобных данных? Получится множество разновидностей нескольких известных типов животных, или мы получим множество вариаций, которое породит спекулятивную зоологию, управляемую нейронными сетями? Как бы все ни складывалось, я был уверен, что смогу получить из этого несколько хороших рисунков для моей учебной стены, поэтому я решил удовлетворить свое любопытство экспериментом.

Your browser does not support HTML5 video.

Я адаптировал код из статьи о прогрессивных GAN и обучил модель с помощью 12000 итераций, используя мощности Google Cloud (8 графических процессоров NVIDA K80) и весь набор данных PhyloPic. Общее время обучения, включая некоторые ошибки и эксперименты, составило 4 дня. Я использовал окончательную обученную модель для создания 50-килобайтных отдельных изображений, а затем потратил часы на просмотр результатов, категоризацию, фильтрацию и сопоставление изображений. Я также немного редактировал некоторые изображения, повернув их, чтобы все существа были направлены в одну и ту же сторону (чтобы добиться визуального удовлетворения). Этот практический подход означает, что то, что вы видите ниже это своего рода коллаборация между мной и нейронной сетью это была творческая работа, и я вносил в нее свои правки.

image

Летающие насекомые

Первое, что меня удивило, так это то, насколько эстетически приятными были результаты. Многое из этого, безусловно, является отражением хорошего вкуса художников, которые создали оригинальные изображения. Однако, были и приятные неожиданности. Например, кажется, что всякий раз, когда нейронная сеть входит в область неопределенности будь то мелкие кусочки, которые она еще не освоила, или полеты размытой биологической фантазии в изображении появляются хроматические аберрации. Это любопытно, потому что входной набор полностью выполнен в черно-белом цвете, а значит, цвет не может быть решением какой-либо генеративной проблемы, принятым при обучении модели. Любой цвет является чистым артефактом разума машины. Удивительно, что одним из факторов, постоянно вызывающих хроматические аберрации, являются крылья летающих насекомых. Это приводит к тому, что модель порождает сотни вариаций ярко окрашенных бабочек, подобных представленным выше. Интересно, может ли это быть полезным наблюдением если обучать модель, используя только черно-белые изображения, и при этом требовать вывода полноцветных изображений, то цветные пятна могут быть полезным способом для отображения областей, в которых модель не в состоянии точно отобразить тренировочный набор.

Основную часть выходных данных составляет огромное разнообразие полностью узнаваемых силуэтов птицы, различные четвероногие, множество маленьких грациозных хищных динозавров, ящероногих, рыб, жуков, арахноидов и гуманоидов.

image

Птицы

image

Четвероногие

image

Динозавры

image

Рыбы

image

Жуки

image

Гоминиды

Странные вещи



Как только известные нам твари заканчиваются, мы встречаемся с незнакомыми вещами. Один из появившихся у меня вопросов заключался в следующем: будут ли появляться правдоподобные планы тела животных, которых в природе не существует (возможно, гибриды существ, входящих в набор входных данных)? С помощью тщательного поиска и небольшой парейдолии, я обнаружил сотни четвероногих птиц, змееголовых оленей и других фантастических чудовищ.

image

Чудища

Уходя еще дальше в неизвестность, модель породила странные абстрактные шаблоны и неидентифицируемые сущности, создающие некое ощущение их живости.

image

Абстрактные существа

image

Неидентифицируемые

Случайный отбор


Чего не видно на приведенных выше изображениях, так это обилия вариаций в результатах. Я распечатал и и поместил несколько таких наборов изображений в рамки, и эффект, производимый сотней маленьких, детально прорисованных изображений, находящихся бок о бок в масштабе, довольно поразителен. Чтобы дать некоторое представление о масштабах полного набора данных, я включаю один из примеров распечатки ниже это случайная выборка из неотфильтрованного корпуса изображений.

image

image

Узнайте подробности, как получить востребованную профессию с нуля или Level Up по навыкам и зарплате, пройдя платные онлайн-курсы SkillFactory:



Читать еще


Подробнее..

Перевод Новая геометрическая перспектива помогла раскусить старую задачу о прямоугольниках

06.07.2020 10:05:56 | Автор: admin

Джошуа Грин и Эндрю Лобб, скучая на карантине, придумали, как доказать один из вариантов теоремы о прямоугольных колышках


image
Можно ли найти в замкнутой петле все виды прямоугольников?

В середине марта математики Джошуа Грин и Эндрю Лобб оказались в сходном положении закрыты в четырёх стенах, пытаясь приспособиться к росту эпидемии коронавируса. Они решили справиться с ней, углубившись в свои исследования.

Думаю, что пандемия послужила определённым катализатором этого процесса, сказал Грин, профессор Бостонского колледжа. Мы решили, что будет лучше налечь на какую-нибудь совместную работу, которая сможет поддержать нас.

Одна из проблем, которой решили заняться два друга, был вариант геометрического вопроса, остававшегося без ответа более ста лет.

Эту задачу крайне просто сформулировать и понять, однако она очень сложная для решения, сказала Элизабет Денн из Университета Вашингтона и Ли.

Всё начинается с замкнутой петли любого искривлённого пути, у которого совпадают начало и конец. Задача, за которую взялись Грин и Лобб, по сути, утверждает, что в любом таком пути найдутся наборы из четырёх точек, составляющих вершины прямоугольника любой заданной пропорции.

И хотя эта задача с прямоугольными колышками звучит как вопрос, с которым может справиться любой старшеклассник с линейкой и циркулем, он сопротивлялся самым настойчивым попыткам математиков много десятилетий. И когда за него взялись Грин и Лобб, у них не было причин ожидать чего-то другого.

Грин сказал, что из всех сложных проектов, над которыми он работал, этот, по-моему, был наименее многообещающим.

Но пандемия разрасталась, и Грин и Лобб, работающие в Даремском университете в Англии и Окинавском научно-техническом институте, соответственно, еженедельно разговаривали по Zoom и быстро породили несколько идей. И затем 19 мая, когда многие части мира вновь стали открываться, они опубликовали своё решение.

Их итоговое доказательство, где показано, что прямоугольники действительно можно найти, выносит эту проблему на совершенно другой геометрический уровень. И там этот упрямый вопрос поддаётся уже крайне легко.

Это довольно странно, сказал Ричард Шварц из Брауновского университета. Эта идея идеально подошла к этой задаче.

Переосмысливая прямоугольники


Задача о прямоугольных колышках тесно связана с вопросом, поставленным немецким математиком Отто Тёплицем в 1911 году. Он предсказал, что на любой замкнутой кривой можно найти четыре точки, соединяя которые, можно получить квадрат. Этот его вопрос о квадратных колышках остаётся открытым.

Это старая и неприятная задача, которую никак не могут взломать, сказал Грин.

Чтобы понять всю сложность задачи, важно узнать свойства кривых, которые рассматриваются в задаче квадратных колышков это важно и для доказательства Грина и Лобба.

Эта парочка решила задачу для замкнутых кривых, одновременно непрерывных и гладких. Непрерывность означает отсутствие разрывов. Гладкость означает непрерывность и отсутствие углов. Вы, вероятно, нарисуете гладкую непрерывную кривую, если сядете за стол с бумагой и карандашом. С ними легче работать, сказал Грин.

Гладкие непрерывные кривые отличаются от просто непрерывных, но не гладких кривых таких, которые участвуют в гипотезе Тёплица про квадратные колышки. У такой кривой могут быть углы точки, в которых кривая внезапно отклоняется и идёт в другом направлении. Один яркий пример кривой со множеством углов похожая на снежинку фрактальная кривая Коха, по сути, состоящая из одних углов. Снежинка Коха и другие подобные кривые невозможно анализировать алгебраическими методами, из-за чего их особенно тяжело изучать.

Некоторые непрерывные [не гладкие] кривые просто отвратительны, сказала Денн.

Но всё-таки, решённая Грином и Лоббом задача от носится к гладким, и, следовательно, непрерывным кривым. И вместо того, чтобы разбираться в том, всегда ли на таких кривых есть четыре точки, образующие квадрат для гладких непрерывных кривых этот вопрос был решён в 1929 году они изучали другое: всегда ли на таких кривых есть четыре точки, формирующие прямоугольник любых заданных пропорций, т.е. с любым отношением длин сторон. У квадрата это отношение равно 1:2, у телевизоров высокого разрешения 16:9.



Первый серьёзный прорыв в задаче прямоугольных колышков появился в доказательстве, найденном в конце 1970-х Гербертом Воном. Оно предложило новый способ рассмотрения геометрии прямоугольников и дало несколько методов, которыми позже воспользовались другие математики, включая Грина и Лобба.

Это доказательство всем известно, сказал Грин. Оно почти фольклорное, о таких вещах узнаёшь, обсуждая всякое за обеденным столом.

Вместо того, чтобы представлять себе прямоугольник в виде четырёх соединённых точек, Вон представил его как две пары точек, находящихся в определённых отношениях друг с другом.



Представьте себе прямоугольник с вершинами ABCD. В нём расстояние между точками AC (по диагонали) равно расстоянию между точками BD (по другой диагонали). Также эти диагонали пересекаются ровно посередине.

Поэтому при поиске прямоугольников на замкнутой петле можно искать пары точек, лежащих на концах одинаковых отрезков, пересекающихся посередине. А чтобы их найти, важно придумать систематический способ их описания.



Чтобы понять, что это значит, начнём с чего-то попроще. Возьмём числовую прямую. Выберем на ней две точки допустим, числа 7 и 8 и построим их в виде одной точки на числовой плоскости (7, 8). Также мы можем строить точки, представляющие собой пару одинаковых чисел (7, 7). Теперь рассмотрим все возможные пары чисел, которые можно найти на числовой прямой (а их много!). Если мы построим все пары таких чисел, то мы заполним всю числовую плоскость. Другой способ выразить это сказать, что числовая плоскость параметризует, то есть, собирает упорядоченным образом все пары чисел на числовой прямой.

Вон сделал нечто подобное с парами точек на замкнутой кривой. Она, как и числовая прямая, одномерная, только замыкается на себя. Он понял, что если взять пары точек с кривой, и построить из них фигуру (и неважно, какая из них будет координатой х, а какая у), то плоскость не получится. Вместо этого получится неожиданная фигура лента Мёбиуса, двумерная поверхность только с одной стороной.



И в некотором смысле это вполне логично. Чтобы понять, почему выберите пару точек на кривой, и назовите их х и у. Теперь перемещайтесь от х к у, двигаясь по одной части кривой, и одновременно от у к х, двигаясь по противоположной. В процессе вы пройдёте через все пары точек кривой, начав и закончив на неупорядоченной паре (х, у). Но при этом вы вернётесь в самое начало только конечная последовательность точек будет противоположной начальной. Петля неупорядоченных точек, меняющая ориентацию на противоположную и есть суть ленты Мёбиуса.

Эта лента даёт математикам новый объект, который можно анализировать в рамках решения задачи прямоугольных колышков. Вон использовал этот факт для доказательства того, что на любой кривой найдётся хотя бы один набор из четырёх точек, формирующих квадрат.

Четырёхмерные ответы


Доказательство Грина и Лобба основывается на работе Вона. Однако также оно комбинирует несколько дополнительных результатов, некоторые из которых появились относительно недавно. Окончательное доказательство похоже на точный инструмент, желаемый результат работы которого полагается на тщательно выверенную комбинацию идей.

Один из первых основных ингредиентов их доказательства появился в ноябре 2019 года, когда аспирант Принстонского университета Коул Хьюгельмейер опубликовал работу, продемонстрировавшую новый способ анализа ленты Мёбиуса, использованной Воном. В ней использовался математический процесс, известный как вложение это когда мы берём объект и проецируем его на геометрическое пространство. В итоге Грин и Лобб взяли технику Хьюгельмейера и перенесли её ещё в одно геометрическое пространство. Но чтобы понять, что они сделали, сначала нужно разобраться в том, что он сделал.

Приведём простой пример вложения.

Начнём с одномерной прямой. Каждая точка прямой определяется единственным числом. Теперь вложим эту прямую в двумерное пространство то есть, нарисуем её на плоскости.

После вложения прямой на плоскость ху, каждая точка в ней определяется уже двумя числами координатами х и у, описывающими, где конкретно на плоскости находится точка. Теперь можно анализировать прямую при помощи техник из двумерной геометрии.

Идея Хьюгельмейера состояла в том, чтобы взять что-то типа ленты Мёбиуса, но вложить её в четырёхмерное пространство, где свойства четырёхмерной геометрии позволят доказать нужные результаты.

По сути, у вас есть лента Мёбиуса, и каждой её точке нужно присвоить четыре координаты. Это будет что-то вроде адреса точки в четырёхмерном пространстве, сказал Лобб.

Хьюгельмейер так назначил эти адреса, чтобы было проще прийти к основной цели, поиску прямоугольников на кривой. Можно сказать, что он присвоил каждой точке кривой что-то вроде почтового адреса штат, город, название улицы и номер дома.

Для этого он начал с конкретной точки на ленте Мёбиуса и взял две точки на изначальной замкнутой кривой, которые она обозначала. Затем он нашёл середину отрезка, соединяющего эти точки, и определил её координаты х и у. Получились первые два значения четырёхмерного адреса (штат и город).

Затем он измерил расстояние между двумя изначальными точками на кривой. Эта длина стала третьим значением четырёхмерного адреса (название улицы). Наконец, он подсчитал угол между отрезком, соединяющим две изначальных точки и осью х. Этот угол стал четвёртым значением четырёхмерного адреса (номер дома). Четыре этих значения сообщают вам всё о паре точек на кривой.



Это упражнение кажется достаточно сложным, однако оно быстро окупилось. Хьюгельмейер взял вложенную ленту Мёбиуса и повернул её. Повёрнутая лента Мёбиуса сдвинулась относительно изначального положения, и две копии ленты пересеклись. Поскольку поворот произошёл в четырёхмерном пространстве, форму самопересечения ленты Мёбиуса представить сложно но математически описать легко.

Это пересечение представляло большую важность. Когда две копии ленты Мёбиуса налагаются друг на друга, на оригинальной замкнутой кривой можно найти две пары точек, формирующих четыре вершины прямоугольника.

Почему?

Во-первых, вспомните, что прямоугольник можно представить в виде двух пар точек с общим центром пересечения соединяющих их отрезков одинаковой длины. Именно эта информация закодирована в трёх первых значениях четырёхмерного адреса, назначенного каждой точке вложенной ленты Мёбиуса.

Во-вторых, в четырёхмерном пространстве можно так развернуть ленту Мёбиуса, чтобы поменять только одну из координат каждой точки в её четырёхмерном адресе номер дома меняется, но улица, город и штат остаются. В качестве примера вспомните, что если взять кирпич, расположить его перед собой, а потом сдвинуть вправо, то изменится только его координата х, но не у или z.


Лента Мёбиуса в четырёхмерном пространстве тут обозначена двумерной кривой. Точка пересечения двух копий соответствует двум парам точек изначальной замкнутой кривой, формирующим прямоугольник.

Хьюгельмейер объяснил, как следует поворачивать ленту Мёбиуса в четырёхмерном пространстве, чтобы две координаты, обозначающие середину отрезков, соединяющих пары, не менялись как и координаты, обозначающие расстояние между парами точек. Его поворот менял только последнюю координату содержащую информацию об угле, под которым находится соединяющий точки отрезок.

В итоге пересечение повёрнутой копии ленты Мёбиуса и её оригинала точно соответствовало двум парам точек, расположенных на замкнутой кривой, имеющих общий центр (пересечения соединяющих их отрезков) и находящихся на одинаковом расстоянии друг от друга. То есть, это пересечение соответствовало четырём вершинам прямоугольника на кривой.

Стратегию использования пересечения двух пространств для поиска нужных точек давно использовали в работах над задачами квадратных и прямоугольных колышков.

В точке пересечения этих пространств и находится искомое, сказала Денн. Во многих доказательствах из истории квадратных колышков есть такая идея.

Хьюгельмейер использовал стратегию работы с пересечением в четырёхмерном окружении и получил больше, чем удавалось кому-либо до него. Ленту Мёбиуса можно повернуть на любой угол от 0 до 360, и он доказал, что треть из всех этих поворотов даёт пересечение оригинала и повёрнутой копии. Это эквивалентно заявлению о том, что на замкнутой кривой можно найти прямоугольники с третью из всех возможных пропорций сторон.

Отдадим должное Коулу за то, что он догадался поместить ленту Мёбиуса в четырёхмерное пространство и воспользоваться четырёхмерными техниками, сказал Грин.

В то же время результат Хьюгельмейера оказался провокационным: если четырёхмерное пространство настолько полезно для работы с этой задачей, почему оно оказалось полезным только для трети всех прямоугольников?

В конце концов, должен же быть способ достать и оставшиеся две трети, сказал Грин. Но как?

Симплектический подход


Грин и Лобб интересовались проблемой прямоугольных колышков ещё до того, как пандемия разогнала их по домам. В феврале Лобб принимал в Окинавском научно-технологическом институте конференцию, посетителем которой стал и Грин. Эта парочка провела пару дней за разговорами об этой задаче. После этого они ещё неделю обсуждали её, попутно осматривая достопримечательности Токио.

Мы не прекращали обсуждать эту задачу, сказал Лобб. Мы ходили по ресторанам, кафешкам, музеям, и периодически у нас появлялись мысли по этому поводу.

Свои обсуждения они продолжали даже после того, как оказались запертыми по домам. Они надеялись доказать, что любой поворот ленты Мёбиуса даст точку пересечения что эквивалентно тому, что можно найти прямоугольники с любыми пропорциями.

В середине апреля у них сформировалась стратегия. Она подразумевала вложение ленты в особую разновидность четырёхмерного пространства. Обычное вложение подразумевает, что вы размещаете нужный объект любым способом. Представьте, сколькими способами можно вложить одномерную замкнутую кривую в двумерную плоскость их число бесконечно, как бесконечно число способов, которым можно расположить завязанную в петлю ниточку на столе.

Но, допустим, что у двумерной поверхности, в которую вы вкладываете петлю, есть своя структура. Представим, например, карту, стрелочками (или векторами) обозначающую нам, в каком направлении и с какой скоростью дует ветер на поверхности Земли. И вот у вас уже есть двумерная поверхность с дополнительной информацией, или структурой, в каждой точке.

Затем вы можете ввести ограничения одномерную ЗП нужно вкладывать на карту так, чтобы она всегда следовала направлениям стрелочек на карте.

Вы ограничиваете дело так, чтобы кривая следовала за этими векторами, сказал Шварц. И теперь у вас есть уже меньше способов разместить кривую.



Другие геометрические пространства могут налагать другие ограничения. Важным для работы Грина и Лобба оказалось т.н. симплектическим пространством.

Такое геометрическое понятие впервые появилось в XIX веке при изучении таких физических систем, как движущиеся по орбитам планеты. Положение планеты, двигающейся в трёхмерном пространстве, определяют три координаты. Но, как заметил ирландский математик Уильям Роуэн Гамильтон, в каждой точке пути движения планеты можно также разместить и вектор, обозначающий её импульс.

В 1980-х советский и российский математик Владимир Игоревич Арнольд развил изучение симплектической геометрии. Он понял, что геометрические пространства симплектической структуры при повороте пересекаются сами с собой чаще, чем пространства, такой структуры не имеющие.

Это идеально подходило для Грина и Лобба, поскольку они хотели решить задачу прямоугольных колышков для всех пропорций, доказав, что повёрнутая копия параметризующей ленты Мёбиуса тоже часто самопересекается. Поэтому они начали пытаться вложить двумерную ленту Мёбиуса в четырёхмерное симплектическое пространство. Кардинально новой идеей стал подход к этой задаче с точки зрения симплектической геометрии, сказал Грин. И это всё поменяло.

К концу апреля Грин и Лобб определили, что ленту Мёбиуса возможно вложить в четырёхмерное симплектическое пространство так, чтобы она пришла в соответствие с его структурой. После этого они могли начать использовать инструменты симплектической геометрии, многие из которых напрямую связаны с вопросом самопересечений.

Если ленту Мёбиуса можно заставить следовать симплектическим правилам, можно будет использовать некоторые из симплектических теорем, сказал Лобб.

Грин и Лобб были уверены в том, что могут улучшить результат Хьюгельмейера то есть, доказать, что пересечение появляется не только у трети всех поворотов. Это будет значить, что из точек кривой можно будет составить прямоугольники более чем с третью из всех возможных пропорций.

Когда у нас появилась эта идея, стало ясно, что что-то произойдёт, сказал Лобб.

Однако их результат оказался более общим, и появился гораздо быстрее, чем они ожидали. Всё благодаря странному математическому объекту бутылке Клейна, у которой в контексте симплектической геометрии есть одно важное свойство.

Связь с бутылкой Клейна


Бутылка Клейна это двумерная поверхность, похожая на кувшин работы модерниста. У неё, как и у ленты Мёбиуса, только одна поверхность, и её можно сделать, склеив две ленты Мёбиуса. Любая бутылка Клейна, которую можно собрать и поставить у себя на столе (как делают многие математики), пересекает саму себя. Невозможно вложить бутылку Клейна в трёхмерное пространство так, чтобы она себя не пересекала.

Бутылка Клейна должна быть поверхностью, но её ручке, чтобы пройти снаружи внутрь, нужно пробиться через саму бутылку, сказал Шварц.

Однако это не обязательно так. Бутылку Клейна можно вложить в четырёхмерное пространство так, чтобы она не пересекала себя. Четвёртое измерение даёт пространство для манёвра, и бутылка Клейна может обойти себя. Это можно сравнить с тем, как если два человека пойдут навстречу друг другу по одномерной линии, то они не смогут избежать столкновения, но если они пойдут по двумерному полу, они легко смогут отвернуть.



В мае Грин и Лобб вспомнили один факт, касающийся бутылки Клейна её невозможно вложить в четырёхмерное симплектическое пространство так, чтобы она себя не пересекала [из работы ещё одного российского математика, Всеволода Викторовича Шевчишина, касающуюся лагранжева вложения бутылки Клейна в четырёхмерное пространство / прим. перев.]. Иначе говоря, не существует бутылки Клейна без самопересечения, удовлетворяющей всем требованиям симплектического пространства. Этот факт стал ключевым для доказательства. Это была волшебная палочка, сказал Грин.

И вот, почему. Грин и Лобб уже показали, что ленту Мёбиуса возможно вложить в четырёхмерное симплектическое пространство так, чтобы она удовлетворяла его требованиям. Им нужно было только понять, каждый ли поворот ленты Мёбиуса пересекает изначальную копию.

Однако две пересекающиеся ленты Мёбиуса эквивалентны бутылке Клейна, которая в таком пространстве себя пересекает. А если вы повернёте ленту Мёбиуса так, чтобы повёрнутая копия не пересекалась с оригиналом, вы получите бутылку Клейна, не пересекающую себя. Но такой бутылки Клейна в четырёхмерном симплектическом пространстве существовать не может. Следовательно, любой возможный поворот вложенной ленты Мёбиуса тоже должен себя пересекать то есть, на каждой замкнутой гладкой кривой можно найти четыре точки, формирующие прямоугольник любых пропорций.

Окончание доказательства обрушивается на читателя как лавина.

Там сначала идёт настройка, настройка, настройка, а потом хрясь и доказательство готово, сказала Денн.

Доказательство Грина и Лобба хороший пример того, как решение задачи часто зиждется на поиске правильной точки зрения. Поколения математиков не смогли справиться с этим вариантом задачи о прямоугольных колышках, поскольку пытались решить её в более традиционных геометрических условиях. Когда Грин и Лобб перенесли задачу в симплектический мир, она легко решилась.

У этих задач, появлявшихся в 1910-е и 1920-е, не было подходящей платформы, на основе которой можно было бы о них размышлять, сказал Грин. И теперь мы начинаем понимать, что они на самом деле это скрытые воплощения явления симплектичности.
Подробнее..

Из песочницы Как я веду Zettelkasten в Notion уже год стартовый набор и полезные трюки

06.07.2020 12:10:38 | Автор: admin

Zettelkasten крутой метод хранения идей и знаний сейчас на слуху, дошел и до Хабра. Я веду такой в Notion уже год, потому что Notion лучше всех воплощает три главных принципа Zettelkasten: взаимосвязанность, категоризацию, актуальность. Метод улучшил качество моего обучения и исследований, и без него как-то уже не так.

Я почитал русскоязычные и англоязычные ресурсы и не нашел ни нормального шаблона для Notion, ни объяснения как реализовать главные преимущества метода Zettelkasten. Под катом и то, и другое.

Дисклеймер: ни Notion, ни автор метода мне за статью не платили.

Что такое этот ваш Цеттелькастен?


Это метод хранения и систематизации идей, знаний, источников и чего душе угодно. Zettelkasten социолога Никласа Лумана помог ему написать более 70 книг и 400 статей, при том что вел он Zettelkasten на бумаге, а писал не детективы, а книги и работы по социологии. Обязательно прочитайте перевод на Хабре о преимуществах метода.


Так выглядели карточки самого Никласа. Взято из блога Eugene Yan

Мой Zettelkasten выглядит как на картинке в начале статьи, но внешность обманчива Zettelkasten может выглядеть как угодно, и в этом его преимущество. Для этого поста я взял донором мои весенние заметки по Java, поэтому не удивляйтесь специфичности скринов.

Для меня, Zettelkasten базируется на трех главных принципах.

Взаимосвязанность


Заметки в Zettelkasten находятся в ассоциативной сети, прямо как в человеческой памяти (но это не точно), из-за чего их считают продуктивнее обычных заметок. На деле у меня получается придумывать новые идеи, не терять нить размышления при длительном исследовании и находить связи между прочитанным месяцы спустя.

Категоризация и иерархия


Взаимосвязанность обеспечивает то, что все заметки в Zettelkasten связаны. И не только по признаку темы, категории или по тэгам, но и между собой, в иерархии и без нее. Я веду длинные цепочки по мере чтения книги и сортирую данные по темам. Например, вот мои заметки по дженерикам в Java.


Актуальность


Так как вам придется проставлять ассоциации, категории и тэги, Zettelkasten стимулирует вспоминать взаимосвязанные между собой вещи. По моему опыту, это и есть тот момент, когда рождаются новые идеи, а еще и тренируется память.

Еще в Zettelkasten легко искать ответы на вопросы, особенно если его откармливали годами, и теперь он толстый и мудрый.


Мои цели и опыт


Я завел Zettelkasten чтобы учить программирование эффективнее: вести конспекты так, чтобы было легко находить снова и не приходилось перегугливать свои вопросы. Со временем я осознал мощь метода и стал использовать его для всего: своей книги, случайных идей, исследований по работе.

Смешивание помогло: тут же нашлись связи между разными дисциплинами и темами, а еще я я перестал забывать, почему же LinkedHasList был столь важен для меня два месяца назад (чтобы реализовать порядок ходов в настольной игре). Из идей ничего больше не теряется, а значит не приходится изобретать их заново. Это экономит ресурсы мозга, а так как мозг потребляет много калорий, то можно сэкономить и на еде. Полезно в эти темные дни.

Как завести Zettelkasten в Notion?


Я уповаю на то, что читатель знает уже основы Notion, или просто с ними разберется: инструмент не сложный и нынче бесплатный для личного пользования. Я расскажу только неочевидные, как оказалось, основы реализации Zettelkasten.

База данных основа основ


Это сердце Zettelkasten и основа всех преимуществ Notion: без неё можно также реализовать метод в Блокноте. Создается она просто: (1) создается пустая страница, а затем (2) выбирается тип базы данных.

Таблица проще всего для отладки. Это только внешний вид коллекции карточек с метаданными, потом можно его изменить.

Настройка атрибутов карточек


В созданной таблице нужно открыть любую страницу и задать минимальный набор аттрибутов каждой карточки. Эти поля будут доступны затем для каждой новой заметки, и наоборот: добавленные аттрибуты появятся в старых заметках.

Минимальным набором для полной реализации Zettelkasten являются:

  1. Тэги: неограниченное количество тематических меток. Когда будете вводить тэг, Notion предложит существующие или сразу создаст новый, поэтому даже с телефона удобно их добавлять.


    Не нужно пытаться продумать сразу все тэги. Просто добавляйте по мере пользования, и пытайтесь добавлять только такие, которые будете переиспользовать. Я пытался создать себе набор тэгов на старте, и в итоге пришлось удалять неиспользуемые.
  2. Категории: основная тематическая принадлежность заметки. Я выявил на деле, что хотя тэговая, мелкая тема может повторяться (например, math), большинство заметок принадлежат к категорической, большой теме (например, Java). Иногда заметка может менять категорию, например повышаться из Идей в Посты.


  3. Связи. Для этого нужно выбрать продвинутый атрибут Relation (1), выбрать ваш Zettekasten из списка баз данных, а затем выбрать вариант Create a new property: Sync both ways (2). Таким образом, взаимосвязанные карточки будут автоматически генерировать ссылки друг на друга.




На этом создание закончено и надо работать


Да, Zettelkasten уже готов к бою. Но история только начинается.

Вся суть метода в том, что его надо вести. Стоит следовать советам из перевода: например записывать идеи дробно, своими словами и пытаться связать одни записи с другими. По ходу дела вы будете дорабатывать свою киберпамять под нужды.

Например, у меня появился атрибут URL, потому что я пользовался клиппером Notion для сохранения целых статей прямо в Zettelkasten и хотел хранить ссылки на источники. Полезно при работе с академическими журналами по подписке, если вы почему-то не научный пират.

По мере наполнения Zettelkasten, его мощь и полезность будут расти. Для меня первый момент X настал спустя две недели, когда вместо перегугливания процесса создания файла в Java я нашел его в Цеттеле. А второй когда я конспектировал Троцкого и сумел связать его идеи автономной революционности масс с карнавалом Бахтина. Теперь открытия и находки происходят каждый день.

Особенности и преимущества Zettelkasten в Notion


Тут и начинается самая важная часть поста. Оказалось, что даже секундные тормоза забивают гвозди в гроб моей любви к заметкам, и пришлось оптимизировать работу с Zettelkasten. Поэтому эта история об эффективном использовании Notion и убыстрении процесса.

Как пользоваться связями карточек?


Каждый раз, когда вы добавляете одну карточку к другой, в поле Related можно вводить нужный термин, например Boolean. Notion сразу подыщет их в вашем Zettelkasten. А можно выбрать руками.


Потом детей отдельной идеи можно увидеть в авто-генерированном аттрибуте карточки.

Это работает в обе стороны: можно кликнуть на авто-аттрибут и сделать карточку ребенком вручную.

Как создавать виды на записи?


В методе важно иметь способ по-разному взглянуть на собранные знания. В Notion это реализуется через виды и каталоги.

Вид Zettelkasten можно создать с помощью переключателя вида сверху (1). Я пользуюсь, в основном, галереями (это вид карточек) и списками.


Можно иметь несколько видов одного типа: вид это не только стиль выкладки, но и видимые атрибуты, фильтры, сортировка и все ваши настройки. Через меню Properties (2) в виде Галерея можно:

  • Настроить порядок показа атрибутов (например, показывать имя карточки внизу)
  • Изменить размер и что будет показываться на превью.
  • Включать и выключать отображение атрибутов


Как создавать каталоги?


Преимущество Zettelkasten в том, что он позволяет в любой момент собирать каталог по набору тем, признаков или связей между заметками. Это открывает досель неочевидные вещи и соединяет клочки идей в одну историю. А преимущество Notion в том, что это делается в три клика.

В Notion есть блок Связанная база данных (Linked database), которая создаёт проекцию данных из основной базы на отдельную страницу. Связанную базу данных можно создать на отдельной странице и выбрать для неё свои виды. Она будет синхронизироваться с главной, и наоборот.


Теперь следите за руками:

  • Создаем карточку внутри Zettelkasten
  • Вставляем в неё базу данных, связанную с Zettelkasten (так можно)
  • Создаем для неё вид, фильтруя по тэгам или категории.

Получилась архикарточка, прямо как у автора метода Лумана. Для них у меня отдельная категория. Вот, например, мой каталог на тему объектно-ориентированного программирования и полиморфизма.


Настройка происходит через фильтры, и они работают по атрибутам. Увы, пока не по содержимому. Пока фильтры не включены, появляются они только по наводке мыши.


Как ускорить ввод данных в больших базах?


Когда ваш Zettelkasten перевалит за сотню-вторую записей, он начнет загружаться с задержкой и вообще тупить при манипуляциях. Но так как мы умеем создавать связанные базы данных, то ситуация легко исправима.

Я создал отдельную страницу для ввода, вставил в неё связанную базу и отфильтровал её так, чтобы показывались только добавленные сегодня карточки. Она загружается мгновенно с телефона и ПК.


Для пущей скорости я создал для неё ярлык в Chrome и закрепил на панели задач. Для этого надо через настройки Chrome выбрать More tools Create Shortcut. Не забудьте проставить Open as window в диалоговом окне.


Как искать данные?


Это большой провал Notion, но если кликать по кнопке Search вверху самого Zettelkasten, то искать он будет по заголовкам и никак иначе. Чтобы искать по тексту и вложениям как в начале статьи, нужно пользоваться Quick Find, который вызывается по Ctrl/Cmd + P.


Как использовать шаблоны ввода?


Со временем обнаружилось, что я ввожу плюс-минус одинаковые типы новых карточек. Потому я создал шаблоны, которые вызываются по кнопке New в углу и предлагаются при создании новой страницы.


В шаблоне можно поставить атрибуты по-умолчанию, иконки и даже содержимое. Например шаблон каталога сразу содержит связанную базу данных с фильтром для быстрой настройки.


Как создавать резервные копии?


Автор метода вел свой Zettelkasten десятилетиями, и недавно в коментариях я увидел, что Notion слишком скоротечен и ненадежен для такого метода. Мне тоже страшно что Notion вдруг закроется, и потому я регулярно выгружаю данные и отправляю в облако. При экспорте Notion присылает копию на имейл; так получается следовать правилу 3-2-1 без особых усилий.


В архиве есть корневой файл со ссылками на все карточки, и папка с карточками и ресурсами: картинками, файлами и вложениями. В HTML хранятся стили, тэги, категории и остальные атрибуты, так что в случае конца света, можно будет перестроить Zettelkasten самому.


Выводы, шаблоны и ресурсы


Zettelkasten развивает зависимость. Когда не можешь записать идею или узнанный факт прямо тут и сейчас, осознание его ненасытности и щедрости вызывает острую боль. А лень скормить Цеттелю что-либо пробуждает вину. Поборники метода не врут: появляется желание читать ранее тягостные книги и мануалы с целью накормить своего заметочного демона, чтобы тот переварил гранит науки в мягкую кашу.

Я верю, что лучший Zettelkasten построен своими руками. Ни один из шаблонов Notion, которые я видел не пригодился сам по себе. Поэтому я и написал статью вместо размещения очередного шаблона на Реддите.

Тем не менее, я создал шаблон для использования со страницей для быстрого ввода, типовыми карточками (разные категории, каталоги) и примером того как отсылаться к другим страницам. Можно копировать его к себе, а можно посмотреть и сделать свой.

В своём шаблоне я использовал бесплатные иконки для Notion от NuttsLab, мне они нравятся.
Подробнее..

Вторая авария Электрона

06.07.2020 12:10:38 | Автор: admin
Суеверные люди могут праздновать иллюзию своей правоты тринадцатый запуск ракеты-носителя Electron завершился аварией с потерей ракеты и полезной нагрузки. Название миссии Фотки или не было (Pics Or It Didn't Happen) тоже оказалось в тему картинка с бортовых камер пропала, и по трансляции причину аварии установить вряд ли получится.


Кадр из трансляции, изображение Rocket Lab

Четвертого июля, в 21:19 UTC (09:19 местного времени) ракета-носитель Electron с семью спутниками оторвалась от стартового стола новозеландского космодрома на полуострове Махия. В течение трехсот сорока одной секунды полет проходил штатно, но затем картинка с бортовых камер зависла.



Потеря телеметрии штука неприятная, но не фатальная. Однако еще спустя несколько минут компания Rocket Lab, создавшая ракету, опубликовала сообщение о потере носителя и полезной нагрузки. В открытом доступе пока что нет данных кроме трансляции, и по ней можно сделать достаточно надежный вывод о том, что произошло, но не почему.



Может показаться, что вместе с видео пропала и телеметрия, но это не так. Наоборот, отображаемые в правом верхнем углу цифры прекрасно сочетаются с конкретной физической картиной. Если в районе 341 секунды пропала тяга двигателя второй ступени, то, как раз, высота будет некоторое время расти, но потом начнет уменьшаться ракета не вышла на орбиту. А скорость, сначала несколько снижаясь, затем начнет расти, когда ступень будет падать в океан. А вот почему пропала тяга двигателя сказать по трансляции уже вряд ли получится. То, что телеметрия не пропала совсем, говорит, что на борту оставалось какое-то электропитание и отсутствовало катастрофическое разрушение конструкции антенны остались связаны с передатчиками, и данные продолжали поступать. В работе ступени был еще один важный этап горячее переключение на третий батарейный блок (они приводят в действие насосы, подающие топливо в двигатель) и сброс двух отработанных, но до него оставалась еще почти минута полета (штатно сбрасываются на 395 секунде), так что это вряд ли имеет отношение к происшествию.

Это уже вторая авария ракеты-носителя Electron. В первом испытательном полете, 25 мая 2017, случилась трагикомическая история полет исправной ракеты аварийно прекратили из-за неправильно установленного тумблера на наземном оборудовании приема телеметрии.

Rocket Lab пока что ведут себя молодцом в опубликованном вскоре после аварии обращении глава, Питер Бек, заявил, что они перевернут все камни в поисках причины, и, несмотря на то, что никто из них не мог хотеть такого тяжелого дня, компания и персонал к нему готовы. Но удар, конечно, придется выдержать сильный на 2020 год было запланировано 12 пусков. Rocket Lab добились того, что ракета производится за 18 дней, а предыдущий, 12 пуск, состоялся 13 июня, и после него прошло всего три недели. Увы, в этом году у Electron'а уже не получится стать одной из самых часто запускаемых ракет в мире до обнаружения и устранения проблемы полеты возобновлять никак нельзя.


Полезная нагрузка на диспенсере, фото Rocket Lab

С ракетой была потеряна полезная нагрузка семь спутников общей массой примерно 75 кг. Самым большим и тяжелым был CE-SAT-IB (на фото сверху) второй экспериментальный спутник дистанционного зондирования Земли от компании Canon. Первый аппарат был выведен в 2017 на индийской PSLV, а сейчас в разработке компании серийные спутники, заметно отличающиеся по конструкции, так что ущерб для компании не фатален. Пять спутников Super Dove тоже были ДЗЗ и относились к типу Flock 4e компании Planet Labs. Это крупный и давний клиент Rocket Lab, уже имеющий созвездие из десятков аппаратов, запущенных на разных ракетах. Именно потому, что шесть из семи спутников предназначались для фотографирования Земли, миссия и получила название Фотки или не было. Последний аппарат, Faraday 1, был первым экспериментальным спутником компании In-Space Missions, который должен был проверить концепцию предоставления услуг размещения экспериментов на малых спутниках под ключ. По информации самой компании у них уже есть заказы на четыре спутника, так что будем надеяться, что и по ним не нанесен фатальный удар.

Безусловно, будет очень интересно узнать причину аварии, ждем окончания расследования и публикации результатов. К счастью, Rocket Lab уже успела доказать работоспособность своей ракеты более, чем десятком пусков, и, несмотря на действительно неприятное событие, может смотреть в будущее с оптимизмом.
Подробнее..

Реальный спектакль в виртуальной среде Большой драматический театр открыл филиал в Minecraft

06.07.2020 14:13:22 | Автор: admin

14 июня Большой драматический театр им. Г.А. Товстоногова сыграл первый спектакль в среде Minecraft. Для постановки Вишневого сада Чехова понадобился процессор Intel Xeon E5 1650 v3 и два SSD-диска по 480 Гб. На ванильном сервере популярной игры развернулся не только адаптированный сюжет и игра актеров, двигающих свои персонажи. В виртуальной реальности построили и сцену, и весь театр. Рассказываем о техническом закулисье, репетициях перед постановками и о том, как самая знаменитая песочница помогает стряхивать пыль с томов русской классики.

Сначала был театр


Во время пандемии некоторые театры ушли в онлайн. У Большого драматического театра им. Г.А. Товстоногова появился сайт БДТ Digital. Здесь можно слушать новые, созданные специально для онлайн-трансляции радиоспектакли, участвовать в онлайн-встречах с актерами, узнать, чем увлекаются актеры в свободное время.

Во время самоизоляции Minecraft переживает новую волну популярности. Вынужденно заключенные в квартирах, геймеры строят привычный себе мир только из виртуальных блоков. Студенты, оторванные от лекций, строят здания своих университетов, чтобы хотя бы так погулять по привычным аудиториям. Лишенные выпускных школьники проводят их в игре. Другие строят целые избирательные пункты и собирают в игре работающий компьютер.

Российские геймеры не обошли стороной и историческое здание БДТ, спроектированное Людвигом Францевичем Фонтана в XIX веке. В постройке им помогал художник спектаклей в Minecraft Андрей Воронов: он курировал процесс, предоставлял необходимые данные по параметрам, вносил правки. Получилось не сразу первый вариант строения был слишком большим. Но, еще немного поработав киркой, игроки завершили реалистичную копию театра с внутренним убранством и основной сценой. Где сцена, там и спектакль, подумали в БДТ.


Преимущества и ограничения Minecraft


Верные фанаты игры скажут, что в песочнице можно сделать практически все, кроме, пожалуй, идеально круглых предметов. Возможности ограничиваются лишь фантазией пользователя и его знанием игровой платформы. При использовании соответствующих модификаций Minecraft поддерживает аудио- и видеоконтент, здесь можно проводить презентации и прямые трансляции. Современные мощности компьютеров это позволяют.

Для своего digital-театра БДТ выбрал процессор Intel Xeon E5 1650 v3, два SSD-диска по 480 Гб каждый. Оперативная память составила 64 Гб, а пропускная способность канала 1 Гбит/c. В качестве операционной системы Ubuntu 18.04. Необходимую инфраструктуру театр арендовал у Selectel. На дебютный спектакль технические специалисты БДТ поставили ограничение на вход не больше 100 человек. Но последний состоялся без всяких ограничений.

У Minecraft есть свои правила и узнаваемый визуальный стиль. Секрет ее популярности в простоте геймплея. Что может быть понятнее равного со всех сторон куба. Хотя именно из этой простоты выросло масштабное движение игроков, которые строят там целые произведения архитектурного искусства. Вопреки понятным ограничениям. С ними работал и режиссер спектаклей в Minecraft Эдгар Закарян, который, наоборот, постарался трансформировать их в средства театральной выразительности.


Игра актеров


Квадратные человечки в Minecraft не выражают эмоций и ограничены в наборе движений. Они могут ходить, кланяться, поднимать руку, прыгать, строить и рушить. Особо не разгуляешься. Как признался Эдгар Закарян, самыми выразительными действиями персонажей оказались кивание головой и махание рукой. И режиссер искал в текстах пьес места, которые можно было выразить ими.
Очень важен хороший темп. В этой игре нужна динамика, больше движения. Со временем стало ясно, что лучше всего получаются диалоги, когда персонаж может подойти к другому герою, наклониться к нему, нашептать на ухо, например. Артисты озвучивают это в правильной интонации, и зрителю все понятно. С монологами так не получается, к сожалению. Для них нужно использовать 3D-шлемы и VR-очки, чтобы появилась возможность использовать мимику актеров, танец тела, рассказывает Эдгар.
Так как мимику актеров передать было невозможно, большую роль сыграли озвучка и взаимодействие с декорациями. Вместо настоящих слез героиня выстраивает ручей, а высшую степень отчаяния показывает через разбивание стекол в доме. Последние, правда, восстанавливаются одним щелчком мыши.


Особенности площадки преподнесли свои сюрпризы авторам спектакля. Так, во время Вишневого сада некоторые пользователи шутки ради прорывались на сцену (таких хулиганов в игре называют гриферами) и летали по залу. Вышло неожиданное разрушение театральной четвертой стены.
К нам на сервер зашли зрители, чьи знания и возможности в Minecraft превысили знания и возможности наших администраторов. Но мне это даже понравилось: сразу стало понятно, что это не запись, а настоящий живой продукт, все происходит здесь и сейчас, считает архитектор спектакля Андрей Воронов.

Декорации


С одной стороны, функционал игры накладывает ограничения на создание объемного во всех смыслах спектакля. С другой никогда еще не было так легко создавать и рушить декорации.

В постановке по мотивам пьесы Чехова они задавали общую динамику. Возведенный в игре вишневый сад за 15 минут спектакля на глазах зрителя превращался в район с дачными постройками. Сложно представить реализацию этой задумки в невиртуальной жизни.


В Моцарте и Сальери, премьера которого состоялась 28 июня, декорации аккомпанировали репликам актеров. По сравнению с первым спектаклем сценография была более минималистичной: черный вакуум сцены разбавлял лишь импровизированный ринг, выполненный в форме крышки клавесина, и инсталляция из свечей. Зато место действия зажигалось светомузыкой во время выступлений Lil Моцарта (так авторы спектакля назвали композитора), а клавиши клавесина двигались, имитируя игру на инструменте.

Второй спектакль получился более технически сложным. При постановке использовались моды, разработанные для образовательного продукта Школакола, и плагины, которые компания сделала непосредственно под спектакль БДТ.

Репетиции


Все актеры в действительности играют своими персонажами. То есть им приходится и выполнять действия, и зачитывать свои реплики одновременно. Как отмечают в театре, в процессе обсуждался вариант, когда один человек совершает все необходимые движения персонажа, а актер лишь озвучивает их. Однако в итоге создатели выбрали более сложный, но честный вариант.


Подготовка к первому спектаклю заняла около трех недель с ежедневными репетициями по несколько часов. По словам режиссера, сначала всем было непривычно, немного странно, актеры не знали, как им играть. Ведь у них только голос и компьютерная мышь в руках.
Для нас это была совсем новая территория. Но вскоре все встало на свои места. Наш художник Андрей Воронов заметил, что я, мой персонаж в Minecraft, выходил на виртуальную сцену к артистам и показывал им, что и как делать. Так часто бывает на репетициях в жизни, когда режиссер показывает актерам, чего от них хочет. Отсюда выходи, вот так наклоняйся и говори тихо, ты же хочешь ему информацию донести. Все как в настоящем театре, отмечает Эдгар.

Сценарий


Культовый Вишневый сад режиссера Эймунтаса Някрошюса, удостоенный Золотой маски в 2004 году, длился 4 часа 50 минут. Спектакль по мотивам Чехова в Minecraft 15 минут. Создатели посчитали, что дольше будет сложно держать внимание игроков.

Поэтому спектакль в Minecraft во многом переложение классики, краткий пересказ литературного произведения из книжки для подготовки ЕГЭ. Такой формат понятен основной аудитории, к которой обращается театр, это школьники, тинейджеры. Те, кто хорошо знакомы с Minecraft и чуть хуже с Антоном Павловичем. Спектакль попытка разбудить их интерес к первоисточнику.
Безусловно, мы делали спектакль не только для школьников. Мы понимали, что аудитория будет очень разная, в том числе театральная. И в Вишневом саде, и в Моцарте и Сальери мы используем язык тинейджеров. Этот сленг нужен, ведь если бы я сделал речь тоньше в отношении подростков, то более взрослые зрители могли бы вообще не понять, о чем идет речь, говорит Эдгар.

Самое сложное, по мнению режиссера, разобраться, как текст Чехова будет звучать в устах бегающих маленьких квадратиков. Но с Вишневым садом он справился быстро: сценарий, действия, реплики были написаны всего за 8 часов.
Очевидно, что люди в XXI веке, которые играют в компьютерные игры, не могут говорить языком Чехова. Это, пожалуй, было бы еще более абсурдно. Мы решили соединить два, казалось бы, несовместимых мира и в этом есть настоящее волшебство театра, заключает режиссер.

Продолжение следует


Спектакль по маленькой трагедии Пушкина показывали дважды за вечер, чтобы дать возможность посетить театр большему количеству человек. Однако онлайн-трансляцию и ее запись может посмотреть каждый на странице БДТ Вконтакте, на YouTube и в Twitch.

Останавливаться на двух спектаклях БДТdigital не планирует. Несмотря на традиционную критику современного прочтения классики, постановки получили своего зрителя. Трансляции смотрят и активно комментируют. Пока БДТ не раскрывает название и дату следующего спектакля, но режиссер обещает взрывы, спецэффекты и интеграцию зрителей в сценическое действие.
В одной из следующих статей мы дадим актуальные советы по оптимизации сервера Minecraft и пригласим вас в два наших дата-центра, воссозданных в кубическом мире. Подписывайтесь на наш блог и следите за обновленими!
Подробнее..

Перевод В сообществе машинного обучения есть проблема токсичности

06.07.2020 20:09:26 | Автор: admin
Токсичность везде.

Во-первых, нарушен процесс независимой экспертизы (peer review). Четверть работ с конференции NeurIPS выкладывается на arXiv. В DeepMind есть исследователи, которые публично преследуют рецензентов, критикующих их представление ICLR. Кроме того, статьи известных институтов с arXiv принимаются на ведущих конференциях, даже если рецензенты решают отклонить работу. И наоборот, некоторые статьи с большинством положительных отзывов отклоняются (не хочу называть никаких имён, просто взгляните на страницу openreview ICRL этого года).

Во-вторых, существует кризис воспроизводимости. Видимо, настройка гиперпараметров на тестовом наборе стала стандартной практикой в настоящее время. У статей, которые не превосходят лучший на сегодняшний день метод, нулевые шансы быть принятыми на хорошей конференции. В результате гиперпараметры настраиваются тонкими трюками, чтобы получить прирост производительности там, где его нет.

В-третьих, существует проблема поклонения. Каждая статья, имеющая отношение к Стэнфорду или DeepMind, превозносится как прорыв. Например, у BERT цитирований в семь раз больше, чем у ULMfit. Принадлежность к Google придаёт статье очень много доверия и известности. На каждой конференции ICML перед каждым плакатом DeepMind стоит толпа людей, независимо от содержания работы. Та же история с Zoom-встречами на виртуальной конференции ICLR 2020. Более того, NeurIPS 2020 собрала в два раза больше заявок, чем ICML, хотя обе конференции высшего уровня. Почему? Почему слово нейронный так превозносится? Далее, Бенгио, Хинтон и ЛеКун [лауреаты премии Тьюринга 2018 года за исследования в области ИИ прим. пер] действительно являются пионерами глубокого обучения, но называть их крёстными отцами ИИ безумие. Это уже становится культом.

В-четвёртых, Ян ЛеКун довольно мягко высказался о темах предвзятости и справедливости. Однако в ответ получил совершенно неадекватную токсичность и отрицательную реакцию. Избавиться от ЛеКуна и заткнуть человеку рот это не решение.

В-пятых, у машинного обучения и информатики в целом огромная проблема неравенства (diversity). На нашем факультете CS только 30% студентов и 15% профессоров женщины. Уход в отпуск по уходу за ребёнком во время аспирантуры или докторантуры обычно означает конец академической карьеры. Однако этим неравенством часто злоупотребляют как предлогом, чтобы оградить некоторых людей от любой формы критики. Сведение каждого негативного комментария в научной дискуссии к расе и полу создаёт токсичную среду. Люди боятся участвовать в дискуссиях, чтобы их не назвали расистами или сексистами, что, в свою очередь, усиливает проблему неравенства.

В-шестых, мораль и этика устанавливаются произвольно. В любой дискуссии доминирует внутренняя политика США. В этот самый момент тысячи уйгуров попадают в концентрационные лагеря, основанные на алгоритмах компьютерного зрения, изобретённых этим сообществом, и никому, кажется, вообще нет дела до этого. Добавление раздела Более широкое воздействие в конце каждой работы не решит эту проблему. Поднимаются кучи дерьма, когда какой-то исследователь не упомянут в статье. Между тем африканский континент с населением в 1 миллиард человек практически исключён из любого значимого обсуждения ML (кроме нескольких семинаров Indaba).

В-седьмых, распространена ментальность типа публикуйся или умри. Если ты не публикуешь 5+ статей в год на конференциях NeurIPS/ICML, ты неудачник. Исследовательские группы стали настолько большими, что научный руководитель даже не помнит имён всех аспирантов. Некоторые подают на NeurIPS более 50 работ в год. Единственной целью написания статьи стало добавление ещё одной статьи NeurIPS в резюме. Качество вторично; основной целью стало прохождение стадии предварительного просмотра.

Наконец, дискуссии стали неуважительными. Лауреат приза Гельмгольца от Международного общества нейронных сетей Юрген Шмидхубер обзывает вором члена Лондонского королевского общества Джеффри Хинтона, Эфиопско-американский и содиректор группы Ethical Artificial Intelligence Team в Google Тимнит Гебру обзывает белым супрематистом крёстного отца ИИ Яна ЛеКуна, Профессор Калтеха и директор исследований ИИ в Nvidia Анима Анандкумар обзывает сексистом исполнительного директора Geometric Intelligence и автора книг Гари Маркуса. Все подвергаются нападкам, но ничего не улучшается.

Альберт Эйнштейн выступал против квантовой механики. Пожалуйста, можно прекратить демонизировать тех, кто не разделяет наши взгляды в точности? Давайте позволим людям не соглашаться, не перерезая им глотки.

В тот момент, когда мы затыкаем людям рот из-за их мнения, научный и общественный прогресс просто умирает.
Подробнее..

Категории

Последние комментарии

© 2006-2020, personeltest.ru