10 прорывных технологий 2018 года от MIT. Часть 1

10 прорывных технологий 2018 года от MIT. Часть 1

Издание MIT Technology Review ежегодно обновляет список технологий, которые учёные считают чем-то выдающимся. Чему нам предлагают удивиться в этом году?

3D-печать металлом

До сих пор, несмотря на самое широкое распространение, технология 3D-печати обеспечивала в основном печать пластиковых прототипов. Все другие варианты коммерчески доступных 3D-принтеров оставались сравнительно дорогими и медленными.

В 2018 году 3D-принтеры, использующие аддитивные технологии для создания металлических изделий, становятся сравнительно недорогими. В частности, появились принтеры, стоящие менее $100K. Кроме того, они стали работать быстрее — настолько, что их уже можно рассматривать в качестве орудий производства. При массовом внедрении таких изделий можно будет говорить о существенном влиянии аддитивных технологий на производственную сферу, например, место некоторых больших заводов могут занять сравнительно небольшие производства, выпускающие в точности то и тогда, что и когда требуется клиенту.

Искусственные эмбрионы

Учёные из Кембриджского Университета вырастили реалистично выглядящие эмбрионы мыши, не используя для этого яйцеклетки и сперму. Исключительно из стволовых клеток. Клетки при этом продемонстрировали возможность самоорганизации. Возможно, из такого эмбриона пока что нельзя вырастить мышь, но скорее всего учёные уже прошли часть пути к воссозданию мамонта. Попутно осваивается возможности редактирования генов.

Конечно, эти исследования вызывают немало этических вопросов, решение которых обществу только предстоит искать.

Город, который чувствует

О смарт-городах сейчас много пишут и спорят. Но фантазии в основном разбиваются о суровую реальность, когда речь заходит о цене вопроса. Скорее всего, в таких городах смогут жить только очень богатые люди.

В Торонто, в районе Quayside надеются создать что-то иное, что можно назвать переосмыслением пригорода на основе цифровых технологий. В основе проекта — мощная сеть сенсоров, которая собирает данные обо всем, начиная от качества воздуха и уровня шума до анализа деятельности людей. В районе планируется использовать только общественные автономные автомобили, сеть доставки скроется под землей, роль курьеров исполнят роботы.

Как нередко бывает с революционными проектами, возникает множество сомнений и вопросов. Первый из них — не получится ли, что люди жертвуют приватностью в обмен на удобства. И не получится ли просто уютный концлагерь, где властям будет всё известно про каждого человека.

Всё для всех

До сих пор ИИ оставался игрушкой крупных технологических компаний, таких как Alphabet, Amazon, Baidu и Microsoft, а также отдельных стартапов. Сейчас мы на пороге изменений, которые будут связаны с тем, что ИИ становится доступен для всё большего числа желающих экспериментировать с этой технологией.

Инструменты машинного обучения, помещённые в облако, всё доступнее. Вспомним о предложении облачного ИИ Amazon (через AWS), оупенсорсной библиотеке TensorFlow от Google, а также о наборе предобученных алгоритмов Cloud AutoML компании. Azure от Microsoft вряд ли нуждается в представлении, а теперь компания вместе с Amazon предлагает также Gluon — библиотеку алгоритмов глубокого обучения с открытым кодом, на базе которой можно строить нейросети. Всё это дает желающим немалые возможности войти в мир ИИ практически без стартовых вложений.

Состязательные нейросети

ИИ хорошо справляется с идентификацией объектов — покажите алгоритму миллион картинок с подписями, и он сможет сообщить вам, что на миллион первой картинке изображён, например, пешеход, переходящий улицу. Но самостоятельно создать картинку, на которой пешеход переходит улицу, до недавнего времени ИИ не мог.

До появления GAN или генеративно-состязательных сетей, как их называют. Это два схожих алгоритма ИИ, обученных на одном наборе данных. Одну из сетей назначают “генератором”. Она берёт за основу какую-нибудь существующую картинку и её изменяет. Вторая сеть, известная как “дискриминатор”, пытается определить — является ли созданная картинка похожей на что-то ранее ей показанное в процессе обучения, или является исключительно фантазией “генератора”. Со временем “генератор” создаёт картинки, которые “дискриминатор” готов считать реалистичными. С этого момента можно говорить о машине, способной творить, то есть создавать что-то новое.

Тот же подход можно использовать для создания реалистично звучащей машинной речи или синтеза фотографий никогда не существовавших сцен и людей. Многообещающая технология.

Читайте продолжение в канале @pressa через полчаса.