5 самых новых и интересных технологий: будущее уже наступило

К примеру, В 2017 году исследователи из Национальной лаборатории Лоуренса Ливермора объявили, что разработали метод трехмерной печати для создания деталей из нержавеющей стали, которые в два раза качественнее изготовленных традиционным способом. Также в 2017 году компания Markforged, — небольшой стартап, специализирующийся на 3D-печати, — выпустила первый принтер для печати металлов стоимостью менее 100 000$.

Эмбриологи, работающие в Кембриджском университете в Великобритании, с помощью одних только стволовых клеток смогли вырастить реалистично выглядящих зародышей мыши. Никакой спермы, никаких яйцеклеток — только клеточная сыворотка, взятая у другого эмбриона. Работа вызвала большой резонанс среди ученых: возможно, именно она станет тем шагом, который позволит качественно улучшить наше понимание явления жизни как таковой. Больше всего это похоже на сборку конструктора: исследователи аккуратно помещали стволовые клетки на трехмерный каркас и наблюдали за тем, как они начинали развиваться и взаимодействовать друг с другом. Магделена Зерница-Гёц (Magdelena Zernicka­-Goetz), возглавляющая команду, поделилась своими впечатлениями: «Мы знали, что потенциал стволовых клеток очень велик, но и представить не могли, что они могут самостоятельно организовываться в такие аккуратные, прекрасные структуры».

По мнению самих исследователей, на данном этапе развитие эмбрионов в полноценных мышей вряд ли возможно. Но это лишь вопрос времени: следующим шагом будет создание искусственного зародыша человека и, как знать, может именно он знаменует собой начало эры массового клонирования и выращивания органов для трансплантации. Само собой, эта технология ставит ряд очень важных этических вопросов: чем именно отличаются будущие клоны от нас с вами? Когда в эмбриональном развитии наступает та стадия, во время которого зародыш начинает чувствовать боль? Наконец, когда в нем зарождается разум и можно ли считать операцию на эмбрионах этические приемлемой? Для ответа на них ученым нужно лишь время.

Концепция города, в котором все управляется суперсовременными технологиями и направлено на улучшение благосостояния его граждан, тоже существует уже очень давно. Такие проекты всегда сталкиваются с рядом весьма очевидных проблем: огромная стоимость, сложность и многоплановость реализации, социальные и культурные особенности городской среды... Однако новый проект в Торонто, получивший название Quayside, поставил своей целью переосмыслить понятие «городской квартал» с нуля и перестроить его по новейшим цифровым технологиям.

Проект был запущен в октябре 2017 года, а непосредственно строительство намечено на 2019. За реализацию отвечает Alphab's Sidewalk Labs, базирующаяся в Нью-Йорке и сотрудничающая с правительством Канады. Одна из целей проекта состоит в том, чтобы изменить облик промышленного района, расположенного на набережной Торонто. Информация должна поступать отовсюду: обширная сеть датчиков будет собирать данные по самым разным показателям, от качества воздуха и уровня шума до деятельности отдельных граждан. План предусматривает также, что все транспортные средства будут автономными и предназначенными для совместного использования. «Грязную» работу возложат на плечи роботов: они займутся уборкой, мелким ремонтом и даже будут разносить письма. Sidewalk Labs заявляет, что откроет доступ к программному обеспечению и системам, которые оно создает, чтобы другие компании могли создавать собственные сервисы поверх них, как сейчас создаются приложения для мобильных телефонов.

До сих пор ИИ был главным образом игрушкой крупных технологических корпораций, таких как Amazon, Baidu, Google и Microsoft, а также некоторых крупных стартапов. Для многих компаний и исследовательских центров системы, необходимые для поддержания и исследования ИИ, слишком дороги, и экономический фактор долгое время был основной проблемой, препятствующей массовому распространению искусственного интеллекта.

Однако решение в итоге все же было найдено: ИИ «переехал» в облако, что позволило привлечь к его разработке намного больше людей. Раньше доминирующее положение в этом вопросе занимал Amazon, владеющей облачными серверами ИИ компании AWS. Google решил не отставать от конкурента и открыл доступ к исходному коду библиотеки AI TensorFlow, которая может быть использована для создания ПО в рамках машинного обучения. Недавно Google также анонсировал Cloud AutoML, набор предварительно подготовленных систем, которые могли бы сделать ИИ более простым в использовании.

В дело вступила и Microsoft, которая объединилась с Amazon и выпустила Gluon, библиотеку глубокого обучения с открытым исходным кодом. Предполагается, что Gluon создаст базу для нейронных сетей — ключевую технологию искусственного интеллекта, которая обучается по тому же принципу, что и человеческий мозг. Пользоваться этой системой будет так же просто, как создавать приложения для смартфонов.

Искусственный интеллект очень хорошо разбирается в предметах: покажите ему миллион фотографий, и он может сказать вам с необычной точностью, на которой из них изображен пешеход, переходящий дорогу. Однако ИИ сам по себе не может сгенерировать даже примитивную картинку с таким пешеходом. Зачем это нужно? Например для того, чтобы у автопилота автомобилей будущего была база, по которой система могла бы отличить пустую дорогу от той, по которой в настоящий момент движутся люди.

Решение этой проблемы впервые придумал Иан Гудфеллоу (Ian Goodfellow), аспиранта Монреальского университета, во время академического спора в баре в 2014 году. Метод, известный как генеративно-состязательная сеть (англ. GAN), оперирует двумя нейросетями и заставляет их играть друг против друга в своего рода «кошки-мышки». Работает это так: обе сети обучаются на одном и том же наборе данных. Одной, называемой «генератором», поручено создавать варианты изображений определенного характера, к примеру вышеназванного пешехода на дороге. Второй, известной как «дискриминатор», поручают определять, насколько картинки первой сети соответствуют изначальным примерам: например, если она видит человека с тремя ногами — тут же обвиняет первую сеть в мошенничестве.

Со временем это приводит к тому, что генератор начинает создавать настолько точные изображения, что дискриминатор уже не видит в них подделку. Именно так технологии совершенствуют сами себя: в качестве еще одного убедительного примера, исследователи из Nvidia загрузили в GAN фотографии знаменитостей и позволили программе сгенерировать на их основе сотни реалистичных лиц людей, не существующих в реальности. Более того, в настоящее время GAN уже научились перерисовывать изображения, подменяя их местами: солнечную погоду они могут превратить в снежную, а пустыню — в заснеженную арктическую пустошь.