В чём 🏋️♀️ люди всё ещё превосходят 🤖 роботов физически?
Поговорим про человеческую руку, а именно — кисть.
На данный момент инженерная мысль не может создать такую тонкую моторику, чтобы кисть робота двигалась так же, как человеческая.
Одна из проблем — большое число мышц, костей и суставов.
Кроме этого, очень сложно найти искусственные материалы, которые бы сочетали в себе прочность, эластичность и долговечность — особенно это касается суставов и мышц.
И ещё одна проблема — управление всеми мышцами и реализация мелкой моторики. Эволюция за миллионы лет создала сложнейшие нейронные сети в человеческом мозге для этого. А современные модели ИИ и алгоритмы пока не умеют в эффективное управление таким сложным манипулятором, как человеческая кисть.
🌻 Что хочу сказать - хорошо это или плохо, но природа создаёт вещи, которые искусственно до сих невозможно повторить.
Поговорим про человеческую руку, а именно — кисть.
На данный момент инженерная мысль не может создать такую тонкую моторику, чтобы кисть робота двигалась так же, как человеческая.
Одна из проблем — большое число мышц, костей и суставов.
☝️ В человеческой кисти насчитывается 30 мышц, 27 костей и 15 основных суставов.
Кроме этого, очень сложно найти искусственные материалы, которые бы сочетали в себе прочность, эластичность и долговечность — особенно это касается суставов и мышц.
И ещё одна проблема — управление всеми мышцами и реализация мелкой моторики. Эволюция за миллионы лет создала сложнейшие нейронные сети в человеческом мозге для этого. А современные модели ИИ и алгоритмы пока не умеют в эффективное управление таким сложным манипулятором, как человеческая кисть.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9💯7💅6❤2
Хак, который позволил достичь уровня 3D-графики в видеоиграх, невозможного при использовании традиционных алгоритмов.
Речь о быстром вычислении обратного квадратного корня.
💻 В компьютерной графике квадратный корень (а особенно обратный) используется повсеместно: для расчёта освещения, отражений, физики и анимации.
Так вот, в чём суть метода (дальше будет много непонятных слов, а вопросы о том, почему это работает именно так, отсылают нас к гороскопам и эзотерике ☯):
Эта константа была найдена эмпирически и даёт потрясающе точное начальное приближение для обратного квадратного корня.
Этот алгоритм работает в 4 раза быстрее традиционного подхода.
🎮 Благодаря ему в 90-х появились такие игры, как Quake III Arena, и другие проекты на её движке.
Речь о быстром вычислении обратного квадратного корня.
💻 В компьютерной графике квадратный корень (а особенно обратный) используется повсеместно: для расчёта освещения, отражений, физики и анимации.
Так вот, в чём суть метода (дальше будет много непонятных слов, а вопросы о том, почему это работает именно так, отсылают нас к гороскопам и эзотерике ☯):
Входное число X представляется как 32-битный IEEE float — но его биты интерпретируются как целое число.
Затем выполняется особая битовая операция: из «магической константы» 0x5F3759DF вычитается половина этого целочисленного представления.
Эта константа была найдена эмпирически и даёт потрясающе точное начальное приближение для обратного квадратного корня.
Результат снова интерпретируется как float и подаётся на один шаг метода Ньютона — этого достаточно, чтобы значительно повысить точность.
Этот алгоритм работает в 4 раза быстрее традиционного подхода.
🎮 Благодаря ему в 90-х появились такие игры, как Quake III Arena, и другие проекты на её движке.
👍13❤9😱9
This media is not supported in your browser
VIEW IN TELEGRAM
Сегодня расскажу про первую свёрточную нейронную сеть (CNN).
✨ Первая такая сеть была разработана в США Яном Лекуном в конце 80ых и называлась LeNet. А разработка самой передовой версии — LeNet-5 — была завершена в 1995.
Задачей LeNet было распознавание рукописных цифр. Из-за высокой вычислительной нагрузки эта модель не получила широкого распространения. Но ей всё же нашлось несколько практических применений: она использовалась для чтения почтовых индексов и автоматической сортировки⭐️ почты, а также для распознавания чеков.
⭐️ Сейчас, возможно, про неё мало кто знает, но в свое время она заложила основы для развития последующих моделей — таких как AlexNet, VGG, GoogLeNet, ResNet, — которые стали гораздо более точными и широко применимыми.
Такого плана сети используются в самых разных областях — от медицины (распознавание 🩻 рентгеновских снимков и т. д.) до систем безопасности (например, распознавание оставленных предметов,⭐️ подозрительного поведения людей и т. д.).
Мы видим как сейчас повсеместно хайпуют модели, основанные на архитектуре трансформер (все те нейронки, которые генерят нам классные картинки и видео), но реальные полезные вещи уже несколько десятков лет выполняют другие модели, про которые пишут гораздо меньше и реже.
Рассказать о других типах сетей в следующих постах?
Свёрточные сети работают по принципу зрительной коры мозга - каждый нейрон реагирует на простые признаки в изображении, а сочетание признаков позволяет интерпретировать изображение в целом.
Задачей LeNet было распознавание рукописных цифр. Из-за высокой вычислительной нагрузки эта модель не получила широкого распространения. Но ей всё же нашлось несколько практических применений: она использовалась для чтения почтовых индексов и автоматической сортировки
Такого плана сети используются в самых разных областях — от медицины (распознавание 🩻 рентгеновских снимков и т. д.) до систем безопасности (например, распознавание оставленных предметов,
Мы видим как сейчас повсеместно хайпуют модели, основанные на архитектуре трансформер (все те нейронки, которые генерят нам классные картинки и видео), но реальные полезные вещи уже несколько десятков лет выполняют другие модели, про которые пишут гораздо меньше и реже.
Рассказать о других типах сетей в следующих постах?
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10👏7😁5
Nvidia инвестирует $100,000,000,000 в OpenAI 🤑
Вчера было объявлено о стратегическом партнёрстве между Nvidia и OpenAI.
Помимо этого, снова прозвучали 🙄разговоры о суперинтеллекте, а Дженсен Хуанг (глава Nvidia) в очередной раз сообщил нам, что ИИ заменит всех нас, и лучше идти учиться на водопроводчика🤯
Но реальность, на мой взгляд, куда более прозаична.
Скорее всего, в ближайшей перспективе многие крупные потребители ИИ-ускорителей найдут альтернативы, и у Nvidia могут возникнуть проблемы.
Тогда, получается, Nvidia делает этот шаг, чтобы сохранить зависимость от своей продукции у самой передовой и крупной ИИ-компании в мире — OpenAI — и тем самым обеспечить себе стабильные продажи.
А ещё давайте вспомним, что OpenAI участвуют в проекте «Старгейт» с бюджетом в $500,000,000,000🍸
Вот вам ещё одна причина, почему Nvidia хочет войти в такое тесное сотрудничество с OpenAI.
Вчера было объявлено о стратегическом партнёрстве между Nvidia и OpenAI.
Помимо этого, снова прозвучали 🙄разговоры о суперинтеллекте, а Дженсен Хуанг (глава Nvidia) в очередной раз сообщил нам, что ИИ заменит всех нас, и лучше идти учиться на водопроводчика
Но реальность, на мой взгляд, куда более прозаична.
Значительная часть выручки Nvidia зависит всего от нескольких крупных клиентов, которым не нравится сильная зависимость от одного поставщика, поэтому они активно ищут альтернативных поставщиков ИИ-ускорителей или разрабатывают свои собственные.
Скорее всего, в ближайшей перспективе многие крупные потребители ИИ-ускорителей найдут альтернативы, и у Nvidia могут возникнуть проблемы.
Тогда, получается, Nvidia делает этот шаг, чтобы сохранить зависимость от своей продукции у самой передовой и крупной ИИ-компании в мире — OpenAI — и тем самым обеспечить себе стабильные продажи.
А ещё давайте вспомним, что OpenAI участвуют в проекте «Старгейт» с бюджетом в $500,000,000,000
Вот вам ещё одна причина, почему Nvidia хочет войти в такое тесное сотрудничество с OpenAI.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9😁5❤4
Media is too big
VIEW IN TELEGRAM
Сегодня расскажу про
🫣 По сравнению с классическими современными двигателями внутреннего сгорания, этот тип имеет несколько существенных преимуществ:
🤔 Как видим, этот тип двигателя решает многие классические проблемы ДВС.
В прошлом посте я писал, что синтетическое топливо может дать шанс ДВС остаться на рынке, а не уйти в историю. Но не только топливо играет роль — новые принципы конструкции тоже могут спасти ДВС.
И именно этот двигатель вдохновляет: одновременно и красивая абстракция, и реальное воплощение новых идей.
революционный ДВС — Flower Engine от Ahiravata, проходящий в данный момент лабораторные испытания. 🔻 КПД выше до 50%
🔻 Повышенная износостойкость
🔻 Замена масла требуется примерно раз в 50–60 тысяч км (то есть примерно как у коробки передач)
🔻 Пониженный уровень шума и вибраций
🔻 Увеличенный ресурс двигателя
🔻 Максимальная передача крутящего момента почти на всём ходу поршня
🔻 Компактные размеры
В прошлом посте я писал, что синтетическое топливо может дать шанс ДВС остаться на рынке, а не уйти в историю. Но не только топливо играет роль — новые принципы конструкции тоже могут спасти ДВС.
И именно этот двигатель вдохновляет: одновременно и красивая абстракция, и реальное воплощение новых идей.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍19🔥14❤6
This media is not supported in your browser
VIEW IN TELEGRAM
Когда на созвоне внезапно спросили, что там с твоей задачей, и ты делаешь вид будто со связью проблемы и картинка зависла ⭐️
Please open Telegram to view this post
VIEW IN TELEGRAM
😁9🤣6❤5🙈1
Я уже рассказывал здесь про такой замечательный металл как титан. И обещал рассказать ещё немного уже про его производство.
⚙ Поэтому сегодня читаем о его открытии, и как почти 200 лет (до середины 20го века) не было способа получать чистый титан для промышленного производства.
📜 История титана начинается с того, как в 1791 году английский священник Уильям Грегор выделил оксид неизвестного металла из корнвалийского минерала менакканита.
Спустя несколько лет уже немецкий химик Мартин Генрих Клапрот, исследовавший минерал рутил, выделил новый элемент, который и назвал титаном - в честь титанов из древнегреческой 🏺 мифологии (прямая связь со свойствами нового металла - невероятная природная прочность, лёгкость и устойчивость к коррозии).
Однако вплоть до начала 20 века все попытки получить чистый титан оборачивались неудачей.
🏋 Первый значимый прорыв в получении титана произошел только в 1910 году, когда американский инженер Мэтью Хантер восстановил титан из тетрахлорида титана (TiCl4) с использованием натрия.
А промышленное производство титана стала возможным лишь в 1946 году с изобретением процесса Кролла.
Сейчас производство титанового сырья выглядит вкратце так:
🎞 На фото к посту можно увидеть титановую руду, титановую губку и готовые трубы (например, на химическом заводе по таким трубам транспортируют агрессивные химические вещества).
Из бытового применения - у меня дома есть титановый пинцет. Супер лёгкий, прочный, идеален для мелкой работы с микросхемами.
⚙ Поэтому сегодня читаем о его открытии, и как почти 200 лет (до середины 20го века) не было способа получать чистый титан для промышленного производства.
📜 История титана начинается с того, как в 1791 году английский священник Уильям Грегор выделил оксид неизвестного металла из корнвалийского минерала менакканита.
Менакканит - титанистый железняк. Устаревшее название для ильменита, происходит от места его первой находки - город Манаккан в Англии.
Спустя несколько лет уже немецкий химик Мартин Генрих Клапрот, исследовавший минерал рутил, выделил новый элемент, который и назвал титаном - в честь титанов из древнегреческой 🏺 мифологии (прямая связь со свойствами нового металла - невероятная природная прочность, лёгкость и устойчивость к коррозии).
Однако вплоть до начала 20 века все попытки получить чистый титан оборачивались неудачей.
🏋 Первый значимый прорыв в получении титана произошел только в 1910 году, когда американский инженер Мэтью Хантер восстановил титан из тетрахлорида титана (TiCl4) с использованием натрия.
А промышленное производство титана стала возможным лишь в 1946 году с изобретением процесса Кролла.
Сейчас производство титанового сырья выглядит вкратце так:
Сначала происходит добыча руды, потом ее переработка и очистка. Затем с помощью процесса Кролла титан превращается в губку. Губку затем плавят и отливают в слитки.
🎞 На фото к посту можно увидеть титановую руду, титановую губку и готовые трубы (например, на химическом заводе по таким трубам транспортируют агрессивные химические вещества).
Из бытового применения - у меня дома есть титановый пинцет. Супер лёгкий, прочный, идеален для мелкой работы с микросхемами.
👍9🔥7✍5
Помню, что уже несколько тем задолжал вам ранее. Проголосуйте, пожалуйста, с чего начнём в первую очередь
Final Results
24%
34%
31%
7%
3%
👍13🔥7❤5
This media is not supported in your browser
VIEW IN TELEGRAM
По результатам опроса вижу, что вам интересны сразу несколько тем. Давайте начнем с лидера по голосам - приборы для поиска жизни, которые устанавливают на марсоходы, и почему они такие не точные.
📖 Сразу в одном посте написать про все устройства невозможно, поэтому сегодня расскажу про SHERLOC, установленный на марсоход Perseverance.
SHERLOC установлен на "руку" длиной 2.5 метра и это, конечно, упрощает задачу с доставкой прибора к исследуемым образцам.
Для проведения анализа излучения в состав SHERLOC'а входит спектрометр. А визуальный контроль за процессом осуществляет камера WATSON😊
Хоть это и высокотехнологичный прибор, но суровые условия при перелёте и на поверхности Марса создают множество проблем для работы марсохода и вводят множество ограничений в конструкцию. Поэтому одного SHERLOC'а недостаточно для поиска жизни.
🤯 Буквально невозможно прицепить к марсоходу полноценный прибор (например, как те, что используют учёные у нас на Земле) из-за его веса и габаритов.
На видео изображён манипулятор вместе с SHERLOC.
Если интересно, ставьте реакции🫰 , в следующих постах могу рассказать уже о других интересных приборах в марсоходах.
SHERLOC установлен на "руку" длиной 2.5 метра и это, конечно, упрощает задачу с доставкой прибора к исследуемым образцам.
Принцип его действия довольно интересный: с помощью лазера подсвечивается образец (как правило почва), после чего SHERLOC анализирует излучение на предмет биомаркеров и химического состава.
Для проведения анализа излучения в состав SHERLOC'а входит спектрометр. А визуальный контроль за процессом осуществляет камера WATSON
Хоть это и высокотехнологичный прибор, но суровые условия при перелёте и на поверхности Марса создают множество проблем для работы марсохода и вводят множество ограничений в конструкцию. Поэтому одного SHERLOC'а недостаточно для поиска жизни.
На видео изображён манипулятор вместе с SHERLOC.
Если интересно, ставьте реакции
Please open Telegram to view this post
VIEW IN TELEGRAM
👍11❤7🔥4💋4💩1
Решение воскресной задачи:
🧘♀️ Сначала рассуждение, а потом сам ответ.
Сперва нужно определить число, которое может находиться в центре. Лучше начать с граничных значений.
Так как у нас по условию сумма чисел должна равняться 15, значит нужно взять максимальное число (9) и мы увидим, что есть случаи, когда уже сумма двух чисел даст 15 и больше, и соответственно для третьего числа не останется места.
😼 Тоже самое можно проделать с минимальным числом (1).
Проделав это с другими крайними числами (2, 3) можно заметить, что подходящих вариантов становится больше чем у крайних значений. И так далее.
Значит ответ где-то в середине. И так и есть - правильное число в центре это 5⃣, и пары вокруг него: 9⃣-1⃣, 8⃣-2⃣ и т.д.
Сперва нужно определить число, которое может находиться в центре. Лучше начать с граничных значений.
Так как у нас по условию сумма чисел должна равняться 15, значит нужно взять максимальное число (9) и мы увидим, что есть случаи, когда уже сумма двух чисел даст 15 и больше, и соответственно для третьего числа не останется места.
Проделав это с другими крайними числами (2, 3) можно заметить, что подходящих вариантов становится больше чем у крайних значений. И так далее.
Значит ответ где-то в середине. И так и есть - правильное число в центре это 5⃣, и пары вокруг него: 9⃣-1⃣, 8⃣-2⃣ и т.д.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍18❤12🤔6🔥5
Следующая тема для разбора по результатам опроса - типы нейросетей.
Расскажу об одной из первых по-настоящему популярных архитектур нейросети для генерации изображений — GAN.
Эта архитектура была предложена в 2014 году Иэном Гудфеллоу.
Суть заключалась в следующем: две нейросети состязались👊 между собой, пытаясь достичь противоположных целей.
На рисунке к этому посту можете увидеть схематично как это происходит.
Благодаря обратной связи друг с другом обе нейросети обучались параллельно до достижения равновесия: когда дискриминатор уже не способен уверенно отличать реальные изображения от сгенерированных.
Момент достижения равновесия считается условным завершением обучения. Однако на практике идеального равновесия достичь сложно, поэтому обучение обычно останавливают при достижении определённого качества генерации или после прохождения заданного числа итераций.
🙁 Среди недостатков такого подхода можно выделить:
1) Нестабильность работы генератора — он может выдавать однотипные изображения, что замедляет обучение.
2) Достижение равновесия может занять неопределённое время.
Сегодня GAN-сети постепенно уступают место более предсказуемым и точным диффузионным моделям. Но о них я расскажу как-нибудь в другой раз.
Расскажу об одной из первых по-настоящему популярных архитектур нейросети для генерации изображений — GAN.
Эта архитектура была предложена в 2014 году Иэном Гудфеллоу.
Суть заключалась в следующем: две нейросети состязались
На рисунке к этому посту можете увидеть схематично как это происходит.
Первая нейросеть — генератор — на основе входного шума создавала изображения, максимально приближённые к реальным, чтобы их нельзя было отличить.
Вторая нейросеть — дискриминатор — получала на вход изображения и должна была определить: это настоящее изображение или сгенерированное.
Благодаря обратной связи друг с другом обе нейросети обучались параллельно до достижения равновесия: когда дискриминатор уже не способен уверенно отличать реальные изображения от сгенерированных.
Момент достижения равновесия считается условным завершением обучения. Однако на практике идеального равновесия достичь сложно, поэтому обучение обычно останавливают при достижении определённого качества генерации или после прохождения заданного числа итераций.
1) Нестабильность работы генератора — он может выдавать однотипные изображения, что замедляет обучение.
2) Достижение равновесия может занять неопределённое время.
Сегодня GAN-сети постепенно уступают место более предсказуемым и точным диффузионным моделям. Но о них я расскажу как-нибудь в другой раз.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍17🔥14💯10👏7
Предлагаю сегодня немного передохнуть от серьезных тем и почитать серию постов про 🖱 компьютерную мышку.
Для многих, думаю, не секрет, почему ее так назвали. Было замечено некоторое сходство устройства с 🐀 мышью - вытянутое тело и провод-хвостик.
Сейчас, когда на рынке представлены беспроводные, вертикальные или даже мыши необычных форм и пропорций (😼 привет мышь от Apple), трудно увидеть сходство с реальной мышью.
Но и посмотрев на первую модель компьютерной мыши, тоже сложно угадать в ней известного всем грызуна.
И всё же в 1965 году, инженер Билл Инглиш впервые использовал слово "мышь" в контексте манипулятора в своей статье "Computer-Aided Display Control". А Дуглас Энгельбарт (коллега Билла) провел первую презентацию компьютерной мышки в 1968 году. На картинке к этому посту изображена та самая модель мыши от Дугласа.
Устройство имело 2 колесика под деревянным корпусом: одно использовалось для движения курсора по горизонтали, другое - по вертикали.
Завтра расскажу про следующую ступень🐔 эволюции компьютерной мыши и появление шарикового механизма.
Для многих, думаю, не секрет, почему ее так назвали. Было замечено некоторое сходство устройства с 🐀 мышью - вытянутое тело и провод-хвостик.
Сейчас, когда на рынке представлены беспроводные, вертикальные или даже мыши необычных форм и пропорций (
Но и посмотрев на первую модель компьютерной мыши, тоже сложно угадать в ней известного всем грызуна.
В то время компьютерная мышь представляла собой прямоугольный угловатый гробик, при взгляде на который можно было легко поверить, что создатели этого устройства объявили войну эргономике👨💻
И всё же в 1965 году, инженер Билл Инглиш впервые использовал слово "мышь" в контексте манипулятора в своей статье "Computer-Aided Display Control". А Дуглас Энгельбарт (коллега Билла) провел первую презентацию компьютерной мышки в 1968 году. На картинке к этому посту изображена та самая модель мыши от Дугласа.
Устройство имело 2 колесика под деревянным корпусом: одно использовалось для движения курсора по горизонтали, другое - по вертикали.
Завтра расскажу про следующую ступень
Please open Telegram to view this post
VIEW IN TELEGRAM
👍26🔥26❤22👏16😁7🤩2💯2