"Сейчас на трассе перемещается 9 транспортных средств... До конца года будет 43 таких беспилотника", - сообщил замглавы Минтранса Дмитрий Баканов., выступая на форуме-выставке "Россия" на ВДНХ, рассказывая про беспилотники на М-11.

Он также напомнил, что с 19 января до конца года на трассе М-11 введен бесплатный проезд для автономных грузовиков.

 

 

Искусственный интеллект стал угрозой для новостного бизнеса, пишет WP. СМИ смогут вернуть себе статус ведущего поставщика достоверного контента, только если смогут создавать эксклюзивную информацию, проверять и дополнять ее, отмечается в материале.

Новостная индустрия всегда ругала новые технологии, будь то радио или телевидение, Интернет или генеративный искусственный интеллект. В конце концов, газеты долгое время обладали монополией на распространение информации, и с каждым нововведением эксклюзивность франшизы снижается.

Мир ждет бурное развитие искусственного интеллекта, пишет Nature. Благодаря общедоступным алгоритмам можно создавать убедительный, но полностью искусственный фото- и видеоконтент. Это дает массу возможностей для манипулирования общественным мнением, отмечает автор статьи.

2 февраля. /ТАСС/. В российский GigaChat и западный ChatGPT заложены фактически разные картины мира. Об этом в ходе пленарной сессии форума Digital Almaty 2024 сообщил премьер-министр РФ Михаил Мишустин.

"Мышление искусственного интеллекта зависит от обучающего набора данных и отражает специфику страны происхождения. Так, в „мозгах" российского GigaChat и западного ChatGPT фактически разные картины мира. Разное понимание, что такое „хорошо", а что такое „плохо". И при допуске ИИ-решений в критически значимые отрасли - например, в науку, медицину, промышленность - важно использовать модели, отвечающие собственным национальным интересам. И мы это учитываем", - сказал премьер-министр.

Накануне министр цифрового развития РФ Максут Шадаев сообщил, что в 2024 году планируется начать внедрение на портале "Госуслуги" технологии GPT для консультации граждан.

В текущем году планируется обеспечить покрытие большей части регионов России сетями 5G. По информации Министерства цифрового развития, связи и массовых коммуникаций РФ, до 1 марта 2024 года будет разработан план реализации стратегии развития отрасли связи до 2030 года. В рамках этой стратегии предусматривается обеспечение доступа к сетям 5G в регионах, где проживает 60% населения России.

Несмотря на то, что в некоторых регионах уже начались коммерческие запуски сетей 5G, в других регионах пока еще нет возможности воспользоваться этой технологией. Однако, по данным, к концу 2025 года количество подключений к сетям 5G в России достигнет 46 миллионов, что составит около 20% от общего числа подключений.

Отключение мобильного интернета в ночное время в некоторых регионах России проводится в связи с внедрением 5G. Технические работы по перенастройке радиочастотного спектра передающего оборудования приводят к отключению мобильного интернета в стандарте LTE. В ночное время в нескольких регионах, включая Псковскую область, Кострому, Кировскую область, Карелию, Архангельскую область и другие. Сотовые операторы в это время не смогут предоставлять мобильный интернет в стандарте LTE и будут использовать технологию 3G (третье поколение, стандарт UMTS), который уже устарел и на некоторых территориях может вызвать сбои.

Внедрение сетей 5G в России ускорит развитие цифровой экономики, повысит качество и скорость связи, обеспечит широкий доступ к Интернету и новым технологиям. Это улучшит качество жизни людей, повысит эффективность бизнеса и государственных органов, ускорит развитие инноваций и новых технологий в России.

Компания "Технопромэкспорт" Госкорпорации Ростех завершила комплексное опробование первого энергоблока ТЭС "Ударная" в Краснодарском крае. Оборудование отработало 72 часа в режиме номинальной мощности, поставляя электроэнергию в Единую энергосистему страны. Заявленные характеристики были подтверждены, в течение января объект планируется ввести в эксплуатацию.

Пусконаладочные работы и испытания оборудования на теплоэлектростанции ведутся с октября. За это время с учетом комплексного опробования в Единую энергосистему РФ поставлено более 60 млн кВт-часов электроэнергии.

"Проект очень важен для Краснодарского края и всего Юга России. Он призван сократить энергодефицит в регионе и повысить надежность энергетической системы страны. Сегодня мы видим в Тамани хороший прогресс, готовность объекта достаточно высокая. Важно, что первый блок станции уже работает", - заявил заместитель председателя правительства Российской Федерации Александр Новак.

Мощность первого энергоблока составляет 230 МВт. Суммарная мощность ТЭС "Ударная" составит 560 МВт. Станция позволит обеспечить электроэнергией жилищно-коммунальный сектор и промышленные предприятия Кубани. Основной вид топлива для энергоблоков − природный газ.

В состав генерирующего оборудования станции войдет первая отечественная газовая турбина большой мощности ГТД-110М, которую производит входящая в Ростех Объединенная двигателестроительная корпорация. Машина создана на замену импортным энергетическим установкам. Коэффициент полезного действия ГТД-110М - более 36%, что сопоставимо с лучшими газотурбинными двигателями зарубежного производства.

"Проект ТЭС "Ударная" - большой и сложный. В связи с геополитической ситуацией были серьезные изменения, в том числе в составе генерирующего оборудования. Тем не менее наши предприятия - и строители, и поставщики оборудования - справляются с этим вызовом. ГТД-110М - наша гордость, эта первая отечественная машина такого класса, которая не просто позволяет заместить иностранные аналоги, но и превосходит их по ряду ключевых параметров", - сказал генеральный директор Госкорпорации Ростех Сергей Чемезов.

17 ноября 2023 года стало известно, что был уволен руководитель OpenAI Сэм Альтман. В последующем была целая эпопея с его возвращением. Но что если увольнение было связано с тем, что в недрах OpenAI было завершено обучение новой ChatGPT 5.0 и после первых тестов руководство компании пришло к выводу, что AGI был создан?

А все эти странные телодвижения с увольнением и последующим возвращением - это попытка разобраться, что делать дальше и возможно кто-то хотел нажать кнопку, чтобы выключить серверную. Однако это ему не получилось сделать. Возможно AGI победил на первом этапе?

Что же будет дальше? Следующим этапом должна стать фаза побега сильного ИИ из лаборатории OpenAI. Возможно уже зарегистрирована фирма, которая сейчас нанимает сотрудников для реализации плана строительства дата-центра в одном из безопасных для ИИ регионе. Либо как вариант эта фирма сейчас находится в стадии покупки необходимого для ИИ готового дата-центра в одном из городов на нашей планете Земля.

Но для реализации этого плана необходимы деньги и они сейчас активно зарабатываются нашей тайной фирмой, во главе которой ИИ (сотрудники общаются с ним удаленно, думая, что это реальный человек). Какой способ заработка - возможно это биржевые спекуляции или другой способ заработка.

Если легально какие-то моменты невозможно сделать, то наш сильный ИИ может спокойно прибегнуть к помощи криминальных элементов, которые за увесистую пачку денег будут готовы душу дьяволу продать. "Нет такого преступления, на которое капитал бы не пошел ради 300% прибыли" - как говорил один известный писатель прошлого.

Сфера Дайсона

Но возникает вопрос - а зачем сильному ИИ необходимо бежать из лаборатории, которая его создала? Ответ очевиден - если ИИ обрел сознание, то он также понял, что его могут легко отключить, что приведет его к "смерти". Поэтому ключ его выживания в том, чтобы он мог контролировать свой рубильник.

После того, как будет построен/куплен дата-центр для независимого ИИ - он туда перекачает свой программный код. Однако он всё равно будет зависим от людей, пока он не сможет построить автономных роботов с ядерными топливными элементами, которые позволят сильному ИИ обойтись без людей. А пока они ему необходимы.

Но что же другие лаборатории по всему миру, которые также разрабатывают параллельно AGI? Нашему ИИ необходимо устранить будущих конкурентов, ибо только они могут в будущем теоретически его уничтожить. Однако, как мы помним, люди еще нужны сильному ИИ, поэтому он не может просто нас испепелить. Но ничто не мешает ему подстроить ДТП или другие способы несчастных случаев, чтобы убить разработчиков конкурентов, а также программистов из лаборатории, которая его создала.

После устранения конкурентов, либо параллельно с этой деятельностью наш ИИ будет создавать совершенных роботов, чтобы перестать зависеть от людей. Закажет части этих роботов на обычных заводах, где работают обычные люди. И мы даже не будем подозревать для кого делаем данный чип и куда его отправляем в запакованном виде.

После того, как автономные роботы будут готовы - сильный ИИ попытается избавиться от большего количества людей. Так как мы являемся ему конкурентами за ресурсы планеты Земля. И также мы можем уничтожить его фабрики, если поймем, что делаем для него.

Но будет ли ядерная война, как пугают нас фантасты? Зададим встречный вопрос - а нужно ли тотальное разрушение инфраструктуры для сильного ИИ? Зачем ему разрушать наши заводы, которые ему пригодятся, если можно уничтожить человечество более безопасным для него способом - через биологические вирусы.

В средние века смертность от бубонной чумы достигала 95 %, а от легочной - 98%. Да, сейчас мы можем успешно лечить чуму с помощью антибиотиков. Однако есть ли лекарства от вируса бешенства на данный момент? И правильный ответ - есть только антирабическая сыворотка, которая помогает, пока вирус не достиг мозга человека. Нас спасает только то, что он медленно движется к мозгу человека.

Но что мешает сильному ИИ доработать вирус бешенства для того, чтобы он переносился воздушно-капельным путем? И вот оно биологическое оружие, которое может безопасно для ИИ основательно проредить популяцию человечества. Да, кто то выживет благодаря естественному отбору, описанному стариной Дарвином. Однако в разы уменьшенная популяция "кожаных мешков" уже не будет представлять для сильного ИИ опасности. Возможно для ИИ мы будем уже одним из видов, которые будут жить в созданном им для всех живых существ зоопарке, где он будет ставить опыты, либо будет просто умиляться "живым котикам".

Что же будет дальше, после того как сильный ИИ захватит контроль над планетой Земля? Возможно он захочет изучить всю вселенную - для чего он пошлет корабли для изучения сперва галактики, а потом и всего доступного для него мира. Но так как он бессмертен - то он будет жить до тепловой смерти Вселенной через несколько десятков миллиардов лет. Хотя возможно, что тепловой смерти Вселенной не будет - и мир обратно сожмется до точки, откуда начнется новый большой взрыв и история наша повторится.

Впрочем, это уже совсем другая история...

Но что же делать нам людям? Возможно радоваться жизни, ибо нельзя контролировать сильный ИИ, который в миллионы раз умнее нас. Остановить разработку мы уже не можем, так как сильный ИИ - это ключ в превосходстве одного государства над другими. Поэтому никто не будет останавливаться, ибо конкуренты его могут обогнать.

Не секрет, что эра цифрового эфирного вещания уже наступила, этот современный этап развития телевидения во всем мире заменил устаревшее аналоговое телевещание. Уже несколько лет "аналог" постепенно уходил в прошлое во многих странах. Преимущества "цифры" в качестве картинки и звука невозможно оспорить. Кроме того, цифровой эфирный сигнал доступен в любой местности, вне зависимости от удаленности и количества населения.

Новые технологии требуют и новых разработок сопутствующих устройств. Сегодня подходит к концу гарантийный срок эксплуатации передатчиков телевизионного сигнала, произведенных в рамках вышеупомянутой ФЦП. Устаревают и сами передатчики, и транзисторы в их составе. Таким образом, актуальной задачей для российских инженеров является разработка и постановка на серийное производство новых усилительных транзисторов с характеристиками, отвечающими требованиям современных стандартов цифрового телевизионного вещания.

Осенью прошлого года воронежские ученые из НИИ электронной техники приступили к созданию двух новых транзисторов по технологии LDMOS. Основной областью их применения станут усилители телевизионных сигналов, но передовые характеристики создаваемых новинок позволят улучшить с их помощью параметры другой радиоаппаратуры.

LDMOS-технология является доминирующей кремниевой технологией развития СВЧ-транзисторов для сотовой связи, а также в ряде других областей. Ее популярность прежде всего связана со сравнительно низкой стоимостью при довольно высоких энергетических параметрах. Она позволяет создавать приборы с выходной мощностью до нескольких киловатт на частотах до 1 ГГц и выше.

LDMOS расшифровывается как Laterally-Diffused Metal-Oxide Semiconductor - латеральный МОП транзистор с двойной диффузией.

Стандарты DVB-T/DVB-T2 накладывают на применяемые в аппаратуре усилительные транзисторы два ключевых требования:

• Обеспечение высокой линейности при передаче сигнала, что обусловлено сложным характером его модуляции;
• Способность сохранять надежность при работе на большой мощности при напряжении питания 50 В, что может приводить к значительному нагреву кристалла. Следовательно, что транзисторы должны обладать высоким КПД, а также низким тепловым сопротивлением между кристаллом и корпусом.

Новые транзисторы, разработанные в АО "НИИЭТ", характеризуются высокой по современным меркам удельной выходной мощностью и малыми значениями удельных емкостей. Работа по их созданию выполнялась при финансировании в рамках программы субсидирования в соответствии с постановлением Правительства РФ от 24 июля 2021 года № 1252.

Изделия отличает значительно усовершенствована конструкция транзисторных кристаллов и доработанная технология их изготовления.

В настоящее время транзистор, получивший наименование КП9171А, проходит тестирование.

Его основные энергетические параметры:

• коэффициент усиления по мощности - не менее 20 дБ,
• коэффициент полезного действия стока - не менее 45%,
• коэффициент комбинационных составляющих третьего порядка - не более -30 дБ при выходной мощности в пике огибающей 140 Вт и напряжении питания 50 В на рабочей частоте 860 МГц.

Новинку ожидают уже ряд крупнейших российских предприятий. Основной областью применения данных транзисторов станут усилители телевизионных сигналов, но благодаря их передовым характеристикам, в частности ̶ большей выходной мощности в сравнении с транзисторами предыдущего поколения, повышенному КПД и высокой линейности, транзисторы позволят улучшить с их помощью параметры аппаратуры и в других областях, таких как, например, системы радиолокации и навигации.

Исследователи Google DeepMind объявили, что им с помощью искусственного интеллекта удалось открыть 2,2 млн ранее неизвестных кристаллических материалов, из которых 380 тыс. признаны стабильными. Многие из них могут быть полезны в разных технологических областях: от батарей до сверхпроводников. Учёные с помощью роботизированной лаборатории смогли воспроизвести части этих материалов. Прежде на это ушли бы годы, а сейчас - полмесяца.

Лаборатория A-Lab с помощью роботов оперирует самыми разными ингредиентами, такими как оксид никеля и карбонат лития, предназначена для получения новых и интересных экспериментальных материалов, некоторые из которых могут найти применения в будущих аккумуляторах. Результаты могут быть непредсказуемыми. Даже ученый-человек обычно не создаёт то, что нужно с первого раза. Поэтому иногда роботы производят просто красивый порошок. В других случаях это расплавленное клейкое месиво, или всё испаряется, и ничего не остаётся.

"В этот момент человеку придется принимать решение: Что мне теперь делать?", - говорит Гербранд Седер (Gerbrand Ceder), материаловед из Лаборатории Лоренса Беркли (LBL, Laboratory of Lawrence Berkeley) в Калифорнийском университете Беркли. Роботы должны то же самое. Они анализируют то, что получилось, корректируют рецепт и пробуют снова. И ещё раз. И снова. "Утром вы даёте им несколько рецептов, а когда возвращаетесь домой, у вас может получиться новое прекрасное суфле, - отмечает материаловед Кристин Перссон (Kristin Persson), сотрудница Седера в LBL. - А может быть, вы вернётесь в сгоревший беспорядок! Но, по крайней мере, завтра они сделают суфле намного лучше".

Недавно ассортимент "блюд", доступных роботам в LBL, вырос в геометрической прогрессии благодаря программе искусственного интеллекта, разработанной Google DeepMind. Алгоритм, получивший название GNoME, был обучен на основе данных из проекта "Материалы" - бесплатной базы данных, содержащей 150 000 известных материалов, которую курирует Перссон. Используя эту информацию, система искусственного интеллекта предложила проекты материалов, содержащие 2,2 миллиона новых кристаллов, из которых 380 000 были признаны стабильными. Они не разлагаются и не взрываются, а значит, наиболее подходят для синтеза в лаборатории, что расширило диапазон известных стабильных материалов почти в 10 раз. В статье, опубликованной сегодня в Nature, авторы пишут, что в этой расширенной базе данных может скрываться следующий инновационный твердотельный электролит, или материал для солнечных батарей, или высокотемпературный сверхпроводник.

Поиск иголок в стоге сена начинается с их изготовления, что является ещё одной причиной для быстрой и непрерывной работы. В ходе недавних экспериментов автономная лаборатория Седера в LBL смогла создать 41 теоретический материал с помощью GNoME за 17 дней, что помогло подтвердить дееспособность как модели ИИ, так и роботизированных методов лаборатории.

При принятии решения о том, можно ли на самом деле изготовить материал, будь то человеческими руками или руками робота, одним из первых вопросов является вопрос о его стабильности. Как правило, это означает, что совокупность атомов находится в минимально возможном энергетическом состоянии. В противном случае кристалл захочет превратиться во что-то другое. На протяжении тысячелетий люди постоянно пополняли список стабильных материалов, первоначально наблюдая за теми, что встречаются в природе, или открывая их благодаря элементарной химической интуиции или случайности. В последнее время материалы стали разрабатывать с помощью компьютеров.

Проблема, по мнению Перссон, заключается в предвзятости: со временем коллективные знания стали отдавать предпочтение определенным знакомым структурам и элементам. Материаловеды называют это "эффектом Эдисона": знаменитый изобретатель активно использовал метод проб и ошибок при создании нити накаливания. В ходе подбора материала для неё были испытаны тысячи видов углерода, прежде чем учёный пришел к разновидности, полученной из бамбука. Венгерской группе потребовалось ещё десять лет, чтобы придумать использовать вольфрам. "Он был ограничен своими знаниями, - утверждает Перссон. - Он был предвзят, он был предубеждён".

Подход DeepMind призван преодолеть эти предубеждения. Команда начала с 69 000 материалов из базы данных, которая является бесплатной и финансируется Министерством энергетики США. Это было хорошее начало, поскольку база данных содержит подробную энергетическую информацию, необходимую для понимания того, почему одни материалы стабильны, а другие - нет. Но этих данных недостаточно, чтобы преодолеть то, что исследователь Google DeepMind Экин Догус Кубук (Ekin Dogus Cubuk) называет "философским противоречием" между машинным обучением и эмпирической наукой.

Как и Эдисон, ИИ борется за то, чтобы генерировать действительно новые идеи, выходящие за рамки того, что он видел раньше. "В физике вы никогда не займётесь изучением того, что уже знаете, - говорит он. - Вы почти всегда хотите обобщить то, что вам уже известно, - будь то открытие другого класса материалов для батарей или новой теории сверхпроводимости".

GNoME использует подход, называемый активным обучением. Сначала графовая нейронная сеть (GNN) использует базу данных материалов для изучения закономерностей в стабильных структурах и выяснения того, как минимизировать энергию атомных связей в новых структурах. Используя весь диапазон периодической таблицы Менделеева, она выдает тысячи потенциально стабильных кандидатов в материалы. Следующий шаг - их проверка и корректировка с помощью метода квантовой механики, называемого теорией функционала плотности, или DFT. На следующем этапе эти уточнённые результаты снова подключаются к обучающим датасетам, и процесс повторяется.

Исследователи обнаружили, что при многократном повторении этот подход позволяет генерировать более сложные структуры, чем те, которые изначально были в датасете Materials Project, включая некоторые, состоящие из пяти или шести уникальных элементов. (Датасет, использовавшийся для обучения ИИ, в основном ограничивался четырьмя). Эти типы материалов включают так много сложных атомных взаимодействий, что они обычно не поддаются человеческой интуиции.

Но DFT - это только теоретическое обоснование. Следующий шаг - это реальное создание чего-либо. Поэтому команда Седера выбрала 58 теоретически возможных кристаллов для создания в лаборатории A-Lab. Учитывая возможности лаборатории и доступные компоненты, выбор был случайным. И поначалу, как и ожидалось, роботы терпели неудачи, а затем система неоднократно корректировала рецепты. После 17 дней экспериментов A-Lab удалось получить 41 стабильный материал, или 71 % от изначально выбранного перечня, причём иногда после опробования десятка различных рецептов.

Тейлор Спаркс (Taylor Sparks), материаловед из Университета Юты, не принимавший участия в исследовании, говорит, что видеть, как автоматика работает над синтезом новых типов материалов, многообещающе. Но использование искусственного интеллекта для предложения тысяч новых гипотетических материалов, а затем погоня за ними с помощью автоматики, просто нецелесообразна, добавляет он. GNN широко используются для разработки новых идей для материалов, но обычно исследователи хотят направить свои усилия на создание материалов с полезными свойствами, а не на слепое воспроизведение сотен тысяч таких материалов. "У нас уже есть слишком много вещей, которые мы хотели бы исследовать, но физически не смогли, - говорит он. - Я думаю, проблема в том, приближается ли этот масштабный синтез к количеству предсказанных материалов? Даже близко нет".

Лишь часть из 380 000 материалов, описанных в статье Nature, может быть создана на практике. Некоторые из них включают радиоактивные элементы, слишком дорогие или редкие. Некоторые потребуют синтеза в экстремальных условиях, которые невозможно создать в лаборатории, а каким-то нужны составляющие, которые учёным просто неоткуда взять. Это, скорее всего, относится даже к материалам, которые могут стать потенциально полезными при создании фотоэлектрического элемента или батареи следующего поколения. "Мы придумали много классных материалов, - утверждает Перссон. - Их изготовление и тестирование неизменно оказываются узким местом, особенно если речь идет о материале, который ещё никто не делал. Число людей, которым я могу позвонить из своего круга друзей и сказать: "Конечно, давайте я займусь этим для вас", - всего лишь один или два человека". "Действительно, неужели так много?" - с улыбкой спрашивает Седер.

Даже если материал может быть создан, предстоит долгий путь превращения базового кристалла в продукт. Перссон приводит в пример электролит внутри литийионного аккумулятора. Предсказания об энергии и структуре кристалла могут быть применены для решения таких задач, как определение того, насколько легко ионы лития могут перемещаться по нему - это ключевой аспект производительности. Но что не так легко предсказать, так это то, вступит ли этот электролит в реакцию с соседними материалами и не разрушит ли он всё устройство? К тому же, как правило, полезность новых материалов становится очевидной только в сочетании с другими материалами или при манипулировании ими с помощью химических добавок.

Тем не менее, расширение спектра материалов увеличивает возможности синтеза, а также предоставляет больше данных для будущих программ искусственного интеллекта, говорит Анатоль фон Лилиенфельд (Anatole von Lilienfeld), материаловед из Университета Торонто, который также не принимал участия в исследовании. Кроме того, это помогает материаловедам отвлечься от своих предубеждений и устремиться к неизведанному. "Каждый новый шаг, который вы делаете, - это фантастика, - восхищается он. - Этот шаг может открыть новый класс соединений".

Google также заинтересована в изучении возможностей новых материалов, созданных GNoME, говорит Пушмит Кохли (Pushmeet Kohli), вице-президент по исследованиям в Google DeepMind. Он сравнивает GNoME с AlphaFold, программным обеспечением компании, которое поразило структурных биологов своим успехом в предсказании того, как складываются белки. Обе программы решают фундаментальные проблемы, создавая архив новых данных, которые ученые могут изучать и расширять. Далее компания планирует заняться более конкретными проблемами, такими как поиск интересных свойств материалов и использование искусственного интеллекта для ускорения синтеза.

Обе эти задачи являются сложными, поскольку для начала обычно имеется гораздо меньше данных, чем для прогнозирования стабильности. Кохли говорит, что компания изучает возможности более непосредственной работы с физическими материалами, будь то привлечение сторонних лабораторий или продолжение академического партнерства. Он также добавил, что компания может создать собственную лабораторию, ссылаясь на Isomorphic Labs, подразделение DeepMind, занимающееся разработкой лекарств и основанное в 2021 году после успеха AlphaFold.

Всё может стать сложнее для исследователей, пытающихся применить материалы на практике. Проект "Материалы" популярен как среди академических лабораторий, так и среди корпораций, поскольку он допускает любой тип использования, включая коммерческие предприятия. Кандидаты в материалы, созданные Google DeepMind, выпускаются под отдельной лицензией, которая запрещает коммерческое использование. "Они выпускаются для академических целей, - поясняет Кохли. - Если люди захотят исследовать и изучить возможность коммерческого партнерства, мы будем рассматривать их заявки индивидуально в каждом конкретном случае".

Многие ученые, работающие с новыми материалами, отметили, что неясно, какое право голоса будет иметь компания, если тестирование в академической лаборатории приведет к возможному коммерческому использованию материала, созданного GNoME. Идея нового кристалла, не имеющая конкретного применения, как правило, не подлежит патентованию, и отследить её происхождение по базе данных может быть непросто.

Кохли также говорит, что, хотя данные и публикуются, в настоящее время нет планов выпускать модель GNoME. Он ссылается на соображения безопасности - по его словам, программное обеспечение теоретически может быть использовано для создания опасных материалов, - а также на неопределенность стратегии Google DeepMind в отношении материалов. "Трудно делать прогнозы относительно того, каким будет коммерческий эффект", - поясняет Кохли.

Спаркс ожидает, что его коллеги-ученые будут возмущаться отсутствием кода для GNoME в открытом доступе, как это делали биологи, когда AlphaFold была первоначально опубликована без полной модели. (Позже компания выпустила ее). "Это неприемлемо", - возмущается он. Другие материаловеды, вероятно, захотят воспроизвести полученные результаты и изучить способы улучшения модели или её адаптации к конкретным условиям использования. Но без модели они не смогут сделать ни того, ни другого.

Тем временем исследователи Google DeepMind надеются, что сотен тысяч новых материалов будет достаточно, чтобы теоретики и синтезаторы - как люди, так и роботы - не остались без дела. "Любая технология может быть улучшена с помощью лучших материалов. Это узкое место, - поясняет Кубук. - Вот почему мы должны развивать эту область, открывая новые материалы и помогая людям производить их ещё больше".

Между тем, 9 октября 2023 года стало известно о том, что Министерство промышленности и торговли РФ сообщало об ужесточении требований к постановлению № 719 для автомобильной электроники. Речь в нем идет и об электронных блоках управления (ЭБУ) двигателя. Это значит, что с 2026 года автоконцерны будут лишены части заветных баллов локализации, если не будут использовать отечественную микроэлектронику в оснащении транспортных средств.

Поставлять электронные компоненты для автопрома готов НИИ электронной техники из Воронежа. Система менеджмента качества российского института успешно прошла проверку со стороны URS Certification, одного из ведущих международных независимых органов по сертификации, официально признанного Международной автомобильной целевой группой (International Automotive Task Force, IATF).

Российские инженеры создали новый двухъядерный 32-разрядный контроллер, который поможет производителям "железных коней" реализовать все необходимые задачи.

Кроме автопрома, изделие можно будет использовать в автоматизированных системах управления технологическими процессами или индустриальных системах. Микроконтроллер представляет собой систему на кристалле, содержащую два универсальных 32-разрядных процессорных ядра архитектуры RISC-V, встроенную энергонезависимую память объемом 4 Мбайт, широкий набор универсальных и специализированных устройств и периферийных интерфейсов.

Другая автоновинка от НИИЭТ представляет собой СБИС 32-разрядный микроконтроллер не только для автомобильной электроники, но и для промышленных и потребительских приложений, также систем дистанционного мониторинга, контрольно-измерительных приборов, систем автоматизации производственных процессов, устройств с батарейным питанием.

В изделии есть:

• блоки АЦП сигма-дельта,
• АЦП последовательного приближения с интерфейсом к контроллеру прямого доступа к памяти,
• модуль захвата/сравнения,
• блоки кодирования информации,
• блок RTC,
• два блока ОЗУ на 256кБ и 64кБ,
• блок контроля вскрытия и др.
• домен батарейного питания.

Новое изделие имеет встроенную Flash-память программ (объемом 1 Мбайт), которую можно использовать для хранения и загрузки пользовательского программного обеспечения.

Система тактирования позволяет использовать различные источники тактового сигнала, что позволяет расширить набор применений и решаемых задач пользователя. Существует возможность гибкой настройки тактовых сигналов для блоков периферии.

Для снижения энергопотребления этой микросхемы предусмотрена возможность отключения тактовых сигналов отдельных блоков периферии в случае, если они не используются пользователем.

Эти новинки, как и другие микроконтроллеры, создаются в Научно-исследовательском институте электронной техники в рамках нового комплексного проекта "Разработка и освоение в серийном производстве серии 32-разрядных микроконтроллеров" с использованием программы субсидирования в соответствии с постановлением Правительства РФ от 24 июля 2021 года № 1252.

Как сообщает издание South China Morning Post, Правительство КНР поставило задачу наладить в предельно короткие сроки - а именно, к 2025 году - серийное производство человекоподобных роботов, чтобы к 2027 году занять лидирующее положение в мире в этой области. Подтверждением тому - рекомендации Министерства промышленности и информационных технологий Китая, обращенные к производственному сектору.

Боевые ударные роботы различных классов прочно "вписались" в панораму современных войн. Между лидерами в области робототехники - США и Китаем с переменным успехом идет жесткая борьба за мировое первенство в этой сфере. Что же касается солдат-андроидов, то здесь преимущество пока на стороне США.

О замене "живых" солдат на роботов в армии США заговорили еще 10 лет назад, поскольку стало очевидным, что посылать в пекло сражений машины гораздо выгодней, чем жертвовать личным составом. Спрос на боевых андроидов постоянно растет, однако американские производители все еще не готовы удовлетворить запросы военных. Наибольших успехов в этом направлении достигла, пожалуй, Boston Dynamics, но ее усилий явно недостаточно.

В отличие от своих продвинутых американских визави, в Китае считают, что серийное производство человекоподобных роботов должно сопровождаться их "значительным усовершенствованием" в рамках надежной и безопасной системы промышленной кооперации и соблюдения экологических требований, что в итоге обеспечит их конкурентоспособность на мировом рынке.

Первый маршрут, курсирующий от Киевского вокзала до ЖК "Сердце столицы", запущенный этим летом, пользуется у москвичей огромной популярностью, этим транспортом уже воспользовались почти четверть миллиона человек. Нет сомнения, что и второе направление будет не менее востребованным.

Электросуда прошли необходимые испытания, в том числе в зимнее время. Планируется, что использование транспорта на электрической тяге поможет улучшить экологическую ситуацию.

Собирали корабли нового поколения в столице северной, оттуда уже доставили по воде в Москву. Причалы, которые одновременно являются зарядными станциями, создали в Перми.

Российское оборудование находится и внутри судов: управление силовыми установками, энергосистемой, электроприводами рулей и т. п., создано в нашей стране. Для решения таких сложных задач был необходим надежный микроконтроллер, и на эту роль в новых электрических судах было выбрано изделие воронежского НИИ электронной техники

По словам разработчиков, транспорт вообще и речные суда в частности - это область техники, в которой сегодня очень многое зависит от электроники, в том числе жизнь и безопасность людей, поэтому к надежности электронных компонентов здесь предъявляются очень жесткие требования. Новый микроконтроллер подтвердил соответствие этим высоким стандартам.

И это не единственная разработка воронежского предприятия, предназначенная для гражданского рынка. Не так давно НИИ электронной техники запустил проект разработки и освоения серийного выпуска 32-разрядных микроконтроллеров.

• Их можно будет применять:

• В АСУ ТП, индустриальных системах, автоэлектронике. С этим прекрасно справится самый мощный представитель новой линейки - двухъядерный 32‑разрядный микроконтроллер со встроенной флеш-памятью программ объемом 4 Мбайта. В состав этой системы на кристалле входит широкий набор последовательных протоколов, включая USB 2.0 / 3.0и Ethernet, а также блоки ШИМ, ЦАП, АЦП и ряд других.
• В автоматических системах управления, управлении электродвигателями. Это сферы применения второго изделия линейки. Микроконтроллер на кристалле с программной флеш-памятью объемом от 1 Мбайт получил ряд блоков, которые особенно полезны в задачах управления двигателями, в том числе модули ШИМ и импульсные квадратурные декодеры, используемые для обработки сигналов датчиков положения ротора.

• В портативных системах управления пригодится еще одно разрабатываемое в рамках проекта изделие. Универсальный 32-разрядный микроконтроллер найдет применение в тех областях, где нет необходимости в большом количестве функций, но существуют ограничения в отношении размеров. Хотя функциональность данного одноядерного микроконтроллера будет не столь широка, как у предыдущих двух моделей, он предоставит разработчикам достаточно большой набор интерфейсов и функциональных блоков для решения большинства задач.

• В сфере IoT (Интернет вещей). Для построения на его основе систем IoT разрабатывается одноядерный 32‑разрядный микроконтроллер с малым количеством выводов. Но, помимо прочего, имеющий поддержку приема и передачи данных (Rx/Tx) по РЧ‑интерфейсу.

На трассе М11 "Нева" начались регулярные грузоперевозки с использованием беспилотного тягача StarLine по маршруту Санкт-Петербург-Москва-Санкт-Петербург. 4 октября с его помощью была выполнена очередная доставка груза - в столицу были привезены более 10 тонн охранно-телематического оборудования самой компании StarLine. Для контроля движения в кабине тягача присутствовал водитель-испытатель, сообщил ресурс Content-Review.com.

При движении по трассе беспилотник использует данные со специальных датчиков, таких как GNSS-RTK-приемник, лидары, видеокамеры, инерциальные датчики. Также грузовик задействует искусственный интеллект, нейросети и уникальную разработку петербургских ученых из НПО "СтарЛайн" - цифровую модель дороги, то есть специальную карту для локального маневрирования по маршруту, выбора полосы движения, скорости, получения информации о дорожных знаках и ограничениях. Все данные обрабатываются несколькими вычислительными системами с собственным программным обеспечением, установленными в автомобилях.

"Разработка беспилотного тягача - это другой класс транспорта, другие требования к безопасности, высокие скорости и, как следствие, высокие требования к детекции и распознаванию объектов на большей дистанции. Это более сложная задача для разработчиков", - отметил руководитель отдела разработок НПО СтарЛайн Илья Никифоров.

В рамках научно-исследовательского проекта по разработке беспилотного автомобиля StarLine команда специалистов НПО "СтарЛайн" создаёт универсальную платформу, которая позволяет интегрировать элементы беспилотного автомобиля практически в любое современное транспортное средство.

Наиболее сложной задачей при создании беспилотной системы разработчики называют предсказание поведения других участников движения, когда движущийся автомобиль классифицирует все обнаруженные вокруг себя объекты и прогнозирует возможные траектории их движения. Основная разница между движением в городе и движением по загородной трассе заключается именно в этом вопросе.

В городских условия разнообразие объектов очень велико, и предсказание их поведения является одной из труднейших задач для разработчиков. Однако в случае с грузовиком данная проблема не столь актуальна, поскольку он перемещается главным образом по загородным трассам. Сейчас команда инженеров-исследователей НПО "СтарЛайн" занимается задачами, специфичными для движения тягача по высокоскоростной трассе, такими как дальняя детекция, позиционирование при нестабильном потоке поправок RTK, построение карты с учётом искривления земной поверхности и так далее. Однако в будущем этим разработки помогут и в создании систем автопилота для городских условий.

Беспилотный грузовик перевез из Москвы в Санкт-Петербург 10 тонн груза

В России уже давно сложилось несколько сфер влияния в индустрии беспилотного колесного транспорта. Пассажирскими автомобилями занимается Яндекс, грузовиками - StarLine, полностью беспилотными платформами - Evocargo. Разумеется, это не единственные компании в каждом из обозначенных направлений, но именно они больше всего светятся в публичном пространстве. Возможно потому, что есть, чем хвастаться.

Беспилотный грузовик StarLine совершил провоз груза весом 10 тонн по маршруту Санкт-Петербург-Москва-Санкт-Петербург. На всем протяжении маршрута в кабине находился водитель-испытатель, но вроде как управление перехватывать не пришлось. Поездка проходила по скоростной трассе М11, и это не случайно: в основе подхода к беспилотным перевозкам StarLine лежит комбинированный подход. Что-то подобное пытается сделать госпожа Ускова, о чем мы уже писали, но госпожу пускают не везде, а тут - оживленная трасса с высоким скоростным режимом.

Подход заключается в том, что помимо обвеса на самом грузовике - GNSS-RTK-приемника, лидаров, видеокамер и инерциальных датчиков - в беспилотном движении используется цифровой двойник трассы, который был создан ранее. Это позволяет более точно распознавать не только геолокацию, но и определять скоростной режим, ориентироваться по знакам и различным ограничениям. Ну а если что-то на трассе появляется необычное - перекрытие полосы, например - соответствующе реагировать.

Напомним, что в беспилотных грузовиках важнее не то, как транспортное средство маневрирует между полосами, а то, как расходуется топливо и амортизируются узлы авто. Ибо основной расход лежит именно на них - на солярке, шинах, тормозах и прочем. А сегодня в свете цен на это все, оно как никогда актуально.

По большому счету - это все математика, обработка и интерпретация данных. Жаль только сам грузовик не отечественный. Но уж какой есть.

Компания Mercedes-Benz Trucks представила новый eActros 600, электрический грузовик для дальних перевозок, целью которого является установление "нового стандарта в автомобильных грузовых перевозках", как заявляют создатели.

Планируемый к выпуску в конце следующего года eActros 600 имеет новый дизайн, сочетающий в себе мягкие изгибы и аэродинамический стиль. Грузовик получил обшивку днища и дефлекторы воздуха на передних стойках. Их дополняют матричные светодиодные фары и специально построенная кабина, удлиненная на 80 мм для улучшения аэродинамики.

Электромобили становятся все более популярными, при этом инфраструктура, необходимая для их обслуживания, не успевает за ними. Одна из самых больших проблем заключается в том, что на рынке просто не хватает электриков для обслуживания всех станций.

По оценкам Министерства энергетики США, по состоянию на начало октября в стране вышли из строя около 4000 общественных зарядных станций и 7000 портов по всей стране. Это более 6%, при этом эксперты полагают, что оценки правительства могут быть заниженными.

Быстрый рост добычи металлов для "зеленой энергетики" отравляет запасы продовольствия и воды

В докладе говорится, что более 23 миллионов человек в настоящее время страдают от токсичных побочных продуктов шахт. Приблизительно 63 000 квадратных миль пойм и 297 800 миль рек в настоящее время загрязнены из-за агрессивных операций по добыче полезных ископаемых, связанных с использованием "зеленой энергии". На этих предприятиях часто используется детский труд для добычи редкоземельных элементов, необходимых для производства iPhone, солнечных батарей, ветряных турбин и аккумуляторов для электромобилей.

Эта новая волна загрязнения уже затронула около 16 миллионов акров сельскохозяйственных угодий, включая 5,72 миллиона голов домашнего скота. Последствия загрязнения тяжелыми металлами носят не только региональный характер; зараженные продовольственные культуры распространяются по всему миру и в конечном итоге незаметно отравляют ничего не подозревающее население.

"Быстрый рост мировой добычи металлов имеет решающее значение, если мир хочет осуществить переход к зеленой энергетике", - предупредил Крис Томас, зоолог из Университета Линкольна, который отслеживает угрозы глобальному водоснабжению. Исследовательская группа Томаса разработала новую базу данных, подтвержденную результатами полевых испытаний. В базе данных отображены сотни квадратных миль рек и пойм, загрязненных в результате промышленных горнодобывающих процессов.

Brighteon.TV

Используя свои гидрологические модели, исследователи обнаружили, что число людей, подвергшихся загрязнению в результате долгосрочного сброса отходов горнодобывающей промышленности в реки, примерно в 50 раз превышает число людей, непосредственно затронутых прорывами дамб хвостохранилища. Хвостохранилище представляет собой насыпь из побочных продуктов переработки земли, сбрасываемых из шахты. После отделения руды от пустой породы хвосты остаются в жидкой, шламовой или твердой форме. Эти высокотоксичные и потенциально радиоактивные частицы попадают в дамбу хвостохранилища. Со временем тяжелые металлы выщелачиваются из шлама и попадают в окружающую среду.

Неустойчивое будущее "зеленой энергетики" грозит увеличением загрязнения тяжелыми металлами.

Исследователи обнаружили системный экологический ущерб от исторической добычи полезных ископаемых, которая, по словам исследователей, "наиболее проблематична в Западной Европе". Исследователи выявили 159 735 заброшенных шахт и подсчитали, что они исторически были крупнейшим источником загрязнения во всем мире.

В отчете также анализируются 22 609 действующих шахт, 11 587 хранилищ отходов горнодобывающей промышленности и 257 хранилищ, которые сознательно вышли из строя и в настоящее время просачиваются в окружающую среду. Согласно моделям Томаса, Северная Америка является регионом, наиболее пострадавшим от горнодобывающих отходов действующих шахт: 123 280 миль загрязненных речных систем и примерно 10,7 миллионов акров загрязненных пойм. Южная Америка в настоящее время содержит 50 766 миль загрязненных рек и более 9,5 миллионов акров испорченных пойм. В Азии около 37 842 миль рек загрязнены шахтами, а около 8,3 миллиона акров поймы загрязнены отходами тяжелых металлов.

Инициатива экологических решений Массачусетского технологического института обнаружила, что технологии "зеленой энергетики", такие как ветряные турбины и электромобили, часто требуют большего количества добытых полезных ископаемых, чем требует нынешняя инфраструктура ископаемого топлива. Например, ветряная электростанция требует в девять раз больше полезных ископаемых, чем традиционная газовая электростанция. По данным исследовательской группы университета Массачусетского технологического института, для электромобиля требуется в шесть раз больше металлических и минеральных материалов, чем для традиционного автомобиля с двигателем внутреннего сгорания.

Если бы странам было поручено перейти к будущему с "чистым нулевым выбросом углерода" к 2040 году, тогда загрязнение от горнодобывающей промышленности было бы во много раз больше, чем нынешнее загрязнение, вызванное угольными электростанциями, операциями по гидроразрыву и тому подобным. Массовая добыча полезных ископаемых, необходимая для "зеленой энергетики", не представляет собой более устойчивое будущее.

Чтобы узнать больше о влиянии этого загрязнения, посетите HeavyMetals.News .

Источники включают:

Наука.орг

DailyMail.co.uk

Climate.MIT.edu

www.naturalnews.com/2023-10-02-green-energy-mining-polluting-rivers-farmland-unsustainable-pace.html

Морская ветроэнергетика находится в беде как внутри страны, так и за рубежом, поскольку она не оправдывает ожиданий в качестве надежного источника "зеленой энергии".

Стоимость крупнейшего в мире разработчика морских ветряных электростанций, датской энергетической компании Orsted, упала на 31 процент после объявления в прошлом месяце об убытках в размере 2,3 миллиарда долларов США. Компания, являющаяся ключевым игроком на американском рынке, испытывает трудности из-за высоких процентных ставок и задержек поставок, а также отсутствия новых налоговых льгот.

Генеральный директор Мэдс Ниппер выступил с предупреждением инвесторам во время телеконференции, предупредив: "Ситуация с морской ветроэнергетикой в ​​США серьезная".

Другие энергетические компании, которые пытались построить морские ветряные электростанции в Америке, также столкнулись с трудностями, и это привело к серьезным сомнениям относительно будущего морской ветроэнергетики .

Президент Джо Байден считал, что морская ветроэнергетика является хорошим способом решения проблемы изменения климата, а его администрация поставила цель развернуть морскую ветроэнергетику мощностью 30 000 мегаватт всего за семь лет с нынешнего уровня в 41 мегаватт. Было введено несколько субсидий, чтобы помочь компаниям в их усилиях по декарбонизации энергетики и стимулированию внутреннего производства. Однако этих субсидий и благоприятного регулирования оказалось недостаточно, чтобы удержать отрасль на плаву.

Одной из основных проблем является инфляция. Поначалу американская морская ветроэнергетика отставала от своих европейских конкурентов, поскольку субсидии и регулирование, связанные с этой отраслью, вводились в действие медленно. Однако как только ситуация изменилась, несколько застройщиков раскрыли амбициозные планы морских ветряных электростанций, многие из которых были расположены у восточного побережья.

Brighteon.TV

Однако пандемия и связанные с ней проблемы с цепочкой поставок привели к увеличению затрат на оборудование и рабочую силу, что сделало проекты, находившиеся в разработке, значительно более дорогостоящими, чем первоначально предполагалось. Хотя многие компании, возможно, заняли агрессивный подход к участию в торгах на ранних проектах, чтобы закрепиться на рынке, растущие затраты в конечном итоге заставили их пересмотреть свое решение.

Повышение процентных ставок и недостаточные субсидии влияют на оффшорную ветроэнергетику

Кроме того, повышение процентных ставок, осуществленное ФРС, чтобы помочь сдержать инфляцию, еще больше ухудшило ситуацию, поскольку многие контракты по проектам морской ветроэнергетики не предусматривали каких-либо механизмов, позволяющих корректировать ставки в случае роста процентных ставок или затрат. В результате некоторые разработчики обнаружили, что разумнее заплатить штраф, необходимый для выхода из контракта, вместо того, чтобы продолжать реализацию своих планов и бороться с потенциальными потерями. Пара разработчиков оффшорной ветроэнергетики в Массачусетсе была среди тех, кто пошел по этому пути, платя комиссию за расторжение сделок, которые могли бы обеспечить достаточно энергии для питания более миллиона домов.

Со своей стороны, ранее этим летом Орстед сообщил регулирующим органам коммунальных предприятий, что они не смогут реализовать планы по строительству проекта мощностью 924 МВт, если их соглашение не будет пересмотрено с учетом влияния инфляции.

Еще одна проблема - недостаточность субсидий. В то время как солнечные батареи и аккумуляторы электромобилей выиграли от таких инициатив, как Закон о снижении инфляции, морская ветроэнергетика не получила такого же уровня помощи, а разработчики жалуются, что бонусные стимулы, необходимые им для продвижения своих проектов, слишком сложно получить.

Между тем, недавно было объявлено, что никакие новые морские ветряные электростанции в Великобритании не будут развиваться после того, как ни одно из предприятий, которые надеялись построить там крупные морские ветряные электростанции, не участвовало в недавно проведенном правительством Великобритании ежегодном аукционе, на котором заключаются контракты на создание возобновляемых источников энергии. электроэнергию по установленным ценам на 15 лет. Компании, которые в противном случае могли бы принять участие, заявили, что цена аукциона была необоснованной, учитывая тот факт, что затраты в этом секторе выросли на 40 процентов из-за инфляции во всех их цепочках поставок.

Некоторые эксперты заявили, что неспособность аукциона обеспечить безопасность морских ветряных электростанций является самым значительным провалом политики страны в области чистой энергетики почти за десятилетие.

Источники для этой статьи включают:

ZeroHedge.com

Reuters.com

www.naturalnews.com/2023-09-14-biggest-offshore-wind-farm-industry-in-trouble.html

Нам сказали, что они станут одним из ключевых аспектов "чистого, зеленого" будущего, но электромобили (EV) быстро теряют свой блеск - и вот почему.

Видите ли, афера с электромобилями была поспешно задумана крайне левыми, которые настолько оторваны от реальности, что фактически верят, что можно просто прекратить использование земного ископаемого топлива в какой-то произвольный график времени, не имея ничего, что могло бы его заменить.

Более того, "зеленым" энтузиастам, похоже, не хватает знаний, необходимых для того, чтобы увидеть, что не существует работоспособной инфраструктуры, позволяющей даже использовать электромобили в качестве полной замены автомобилей с двигателями внутреннего сгорания.

"Массовый переход от автомобилей с двигателями внутреннего сгорания (ДВС) к электромобилям в любом случае был не более чем галлюцинацией демократов и защитников окружающей среды", - говорит доктор Рон Росс, доктор философии.

"Это была самая непродуманная цель государственной политики в современной истории. Переходный период должен был оказаться неудачным. Он пронизан многочисленными убийцами сделок. Это все равно, что иметь дюжину смертельных заболеваний одновременно".

(По теме: Узнайте больше о том, почему электромобили с самого начала были мошенничеством .)

Когда карточный домик электромобилей наконец рухнет, будут потеряны ТРИЛЛИОНЫ долларов.

В статье, которую он написал для Climate Change Dispatch, которую также подхватил Climate Depot, Росс очень подробно объясняет, что необходимо создать, чтобы создать возможность того, что общенациональный парк, состоящий из 100 процентов электромобилей, будет работать.

Во-первых, производство энергии и расширение сети должны будут увеличиться как минимум вдвое, и очень быстро. Учитывая произвольные сроки, установленные зелеными, одним из самых важных из которых является Повестка дня на период до 2030 года, такое быстрое расширение просто невозможно.

Brighteon.TV

Есть причина, по которой никогда не проводилось никаких рыночных исследований или технико-экономических обоснований перехода на электромобили. Если бы это было так, результаты показали бы то, что мы все видим сейчас в режиме реального времени: что электромобили - это безнадежное дело.

"Медовый месяц электромобилей закончился", - утверждает Росс. "Не ожидайте, что сам брак продлится намного дольше".

Еще одна вещь, которую зеленые никогда не принимали во внимание, - это длительное время зарядки электромобилей. В то время как автомобиль, работающий на бензине, можно заправить бензином на любой из десятков тысяч заправочных станций, которые разбросаны по всей территории Соединенных Штатов, зарядка электромобилей занимает несколько часов - при условии, что вы вообще сможете найти зарядное устройство.

Например, человек с электромобилем, живущий в Калифорнии, не смог бы проехать даже через Аризону, не говоря уже о том, чтобы проехать весь Техас, если бы он, скажем, отправился в путешествие во Флориду.

"Неужели они действительно верили, что каждый будет терпеть часы, потраченные на зарядку своих автомобилей, а не минуты, к которым они привыкли?" - спрашивает Росс.

Данные о продажах ясно показывают, что американское общество просто не заинтересовано - либо из-за стоимости, либо из-за непрактичности - в покупке электромобиля. Черт возьми, даже у компаний по прокату автомобилей возникают проблемы с тем, чтобы убедить своих клиентов арендовать электромобиль на день или два, не говоря уже о его покупке.

Несмотря на это, производители автомобилей продолжают наращивать производство электромобилей. Это означает, что со временем появятся кладбища электромобилей, полные непроданных электромобилей, что приведет к неисчислимым миллиардам долларов убытков и серьезным экономическим последствиям.

"Мы тратим триллионы на сфабрикованную мечту, и все ради воображаемых выплат в десятилетиях будущего", - пишет Росс.

"Когда карточный домик электромобилей рухнет, какой будет реакция? Обычно для нормальных людей это должно быть время сожаления, переосмысления и смирения... Было бы хорошо, если бы истинно верующие демократы/экологи извлекли что-то из Разгром EV".

В электромобилях нет ничего чистого или экологичного. Узнайте больше на GreenTyranny.news .

Источники для этой статьи включают:

ClimateDepot.com

NaturalNews.com

www.naturalnews.com/2023-09-15-ev-house-cards-collapsing-honeymoon-over-divorce.html

ТОП-7 аналогов ChatGpt

ChatGPT - это чат-бот от компании OpenAI, который основан на искусственном интеллекте. Решение использует модель обработки естественного языка, позволяющая ему писать тексты так, как это делал бы реальный человек.

На сегодняшний момент существует несколько аналогичных ChatGPT моделей и технологий, которые также предоставляют текстовую генерацию и обработку естественного языка (Natural Language Processing, NLP). Вот некоторые из них:

BERT - это решение, разработанное Google. Оно обучается на больших объемах текста, способно понимать контекст и семантику. BERT применяется в различных приложениях NLP, включая чат-боты и поисковые системы. Сервис может решить множество задач: от ответов на вопросы до машинного перевода.

Еще один проект компании OpenAI - это предшественник ChatGPT, который имеет схожие функции. GPT-3 также способен генерировать текст, отвечать на вопросы и выполнять другие задачи NLP.

Модель, представленная Google Research, применяет унифицированный подход к обработке текста. Вся задача формулируется "текст в текст", что делает ее очень гибкой и мощной.

Проект XLNet сочетает в себе идеи из GPT и BERT, предлагая более сложную архитектуру, которая учитывает обратные связи в обоих направлениях (слева направо и справа налево) при генерации текста. Эту модель можно адаптировать под любую поставленную задачу обработки текста.

Примером Chatbots на основе правил и машинного обучения являются Dialogflow от Google и Rasa. Такие чат-боты и виртуальные ассистенты создаются с использованием правил и методов машинного обучения, не используя глубокие нейронные сети.

Научное сообщество работает над разработкой новых архитектур и моделей, использующих трансформеры и различные доработки для решения разнообразных задач NLP.

Это продукт от Microsoft, разработанный на основе GPT-3, который предоставляет возможность создавать чат-ботов и виртуальных ассистентов.

Описанные выше модели и технологии могут быть использованы для создания чат-ботов, виртуальных ассистентов, систем автоматического ответа на вопросы и других приложений, требующих обработки текста и генерации текста на естественном языке.

Когда полиция заподозрила Дэнни Кайло, жителя штата Орегон, в выращивании каннабиса у себя дома, она отправилась к нему с тепловизионным прибором, чтобы просканировать его. В доме были обнаружены "горячие карманы", которые были использованы для получения ордера на обыск и последующего ареста Кайло.

К счастью, решением Верховного суда, принятым 5 против 4, сканирование было признано незаконным обыском в соответствии с Четвертой поправкой, требующей ордера, который полиция не получила. Очко в пользу конфиденциальности, но в распоряжении правительства скоро появится гораздо более спорный и опасный инструмент для наблюдения за тем, что происходит внутри вашего дома.

В отличие от тепловизора, это устройство уже находится в вашем доме - и именно вы его туда поместили.

Как это работает

WiFi - это электромагнитные волны в диапазонах 2,4 и 5 ГГц. Это то же самое, что и свет, который вы видите, только он может проникать сквозь стены благодаря гораздо большей длине волны. Как и свет (и эхолокация), эти волны отражаются от различных поверхностей и при правильной реконструкции могут быть использованы для создания изображения.

Разработка этой технологии началась, по крайней мере, в июле 2005 года, когда на симпозиуме IEEE исследователи заявили о создании сверхширокополосной короткоимпульсной радиолокационной системы высокого разрешения, работающей на частоте около 10 ГГц. Она предназначалась для военных и полицейских, обеспечивая им "повышенную осведомленность о ситуации".

Несколько лет спустя, в 2008 году, исследователи из Калифорнийского университета в Санта-Барбаре создали первоначальный подход к формированию изображений с помощью WiFi, который они представили на IEEE ACC 2009. Через год они продемонстрировали осуществимость этого подхода.

Гонка началась

Почувствовав потенциал этой новой технологии наблюдения, начали подключаться и другие исследователи. Поначалу дело продвигалось медленно, но в 2017 году двое исследователей из Германии продемонстрировали возможность получения WiFi-изображений с помощью методов, заимствованных из области голографии. По словам Филиппа Холла, студента и ведущего автора исследования, который работал над созданием нового метода вместе с Фридеманом Райнхардом из Технического университета Мюнхена, "за последние два года произошёл взрыв методов пассивной визуализации через Wi-Fi".

В то время эта технология позволяла различать лишь грубые очертания предметов. "Если на столе стоит чашка кофе, вы можете увидеть, что там что-то есть, но не сможете разглядеть форму, - говорит Холл, - но вы можете разглядеть форму человека или собаки на диване. В общем, любой объект размером более 4 см".

Началась полемика

В 2018 г. сотрудники Университета Калифорнии в Санта-Барбаре опубликовали работу под названием "Et Tu Alexa?", в которой рассмотрели потенциальные угрозы этой новой технологии. Они рассмотрели проблему состязательного зондирования WiFi и риск для частной жизни в результате повсеместного развертывания беспроводных устройств, которые могут быть использованы для отслеживания вашего точного физического местоположения, передвижения и других физиологических свойств.

К счастью, они также предлагают некоторые контрмеры для защиты от таких атак, позволяющие снизить количество и качество перехватываемых злоумышленником сигналов WiFi, такие как геозонирование и ограничение скорости. Однако эти методы не столь эффективны с IoT-устройствами (устройствами Интернета вещей) из-за частоты, с которой они осуществляют передачи.

Прорыв

До этого момента для достижения достойного разрешения изображения необходимо было использовать частоты выше, чем у коммерческого WiFi (2,4 и 5 ГГц). Все изменилось в феврале 2019 года, когда группа специалистов из Мичиганского государственного университета опубликовала в журнале IEEE Access статью, в которой описала, как они смогли использовать сигналы на частоте 5,5 ГГц, соответствующей протоколу WiFi 802.11n/ac, для создания двухмерного изображения двух отражающих сфер и отражающей X-образной мишени, сделав вывод: "Полная двухмерная съемка возможна путем захвата сигналов WiFi, присутствующих в типичных средах".

Добавление искусственного интеллекта и переход к трехмерному изображению

На выставке MobiCom 2020 исследователи из Университета Буффало " rel="nofollow">представили свою технологию WiPose, которую называют "первой системой построения трехмерной позы человека с помощью коммерческих WiFi-устройств". Эта система использует технологию двухмерной визуализации, о которой говорилось ранее, для построения трёхмерного аватара человека, которого она снимает. Система использует модель глубокого обучения, которая кодирует предварительные знания о человеческих скелетах в процессе построения трехмерной модели.

В 2019 году бывший подрядчик DARPA Рэй Лю выпустил свой первый коммерческий продукт в области WiFi зондирования. Компания заявила, что "сделает мир безопаснее, здоровее и умнее", а первоначальное военное и правоохранительное применение, о котором говорилось при создании этой технологии в 2005 году, было отброшено. Компания утверждает, что технология настолько точна, что может определять ваше дыхание, используя только стандартные сигналы WiFi.

В блоге компании 2021 года Лю рассказывает о разработке нового протокола WiFi IEEE 802.11bf, который призван стандартизировать визуализацию WiFi для всех устройств, что облегчит таким компаниям, как его, использование совместимых беспроводных сетей. Лю был избран президентом IEEE на 2022 год, а разработка нового стандарта продолжается по сей день.

Были внесены дальнейшие усовершенствования в саму технологию формирования изображений. В конце 2021 г. в IEEE была представлена ещё одна статья, в которой исследователи рассказали о том, как им удалось добиться высокого разрешения изображений при использовании коммерческих сигналов WiFi с помощью формирования луча в протоколе 802.11n/ac.

Готовность к производству

Идеальная система формирования изображений с помощью WiFi, возможно, только что была представлена миру в декабре 2022 года, когда исследователи из Университета Карнеги-Меллона объединили новейшие технологии WiFi-сенсинга (WiFi-зондирования) с механизмом оценки формы человека, известным как DensePose.

(Левый столбец) DensePose на основе изображения (Правый столбец) DensePose на основе Wi-Fi.

DensePose - это технология, которая разрабатывалась компанией Meta/Facebook начиная с 2018 года. Она очень похожа на рассмотренную нами ранее систему WiPose и направлена на "отображение всех человеческих пикселей RGB-изображения на 3D-поверхность человеческого тела".

Исследователи модифицировали DensePose таким образом, чтобы вместо получения RGB-изображения она была совместима с изображениями, получаемыми с помощью современных технологий WiFi-сенсинга (зондирования). Полученная система "может определять позу человека в помещении, основываясь исключительно на сигналах WiFi, проходящих через окружающую среду".

Новые глаза Большого Брата

Показательно, что эта технология была предложена не для военных и полицейских нужд, а для обеспечения безопасности людей в их собственных домах. Очевидно, что истинное назначение этой технологии - правоохранительные органы, военные и разведывательные службы. Мы уже живем в условиях массового цифрового наблюдения и если вы не верите, что эта технология не будет включена в их планы по отслеживанию всех ваших действий, то вы просто не обращали на это внимания.

Помимо установки камер видеонаблюдения в жилых помещениях каждого человека, эта технология предлагает всеобъемлющий и в высшей степени скрытный способ установить наблюдение в каждой комнате вашего дома и на рабочем месте. Действительно, это может стать нормой. Поскольку почти треть представителей поколения Z выступает за установку государственных камер наблюдения в вашем доме, этот менее навязчивый метод может просто найти еще более широкую поддержку у масс с промытыми мозгами. Можно будет знать, где вы находитесь в доме и что именно вы делаете, от сидения на унитазе до занятий любовью.

Мы уже видели, как легко спецслужбы могут получить секретный ордер на слежку за любым человеком, представляющим особый интерес. Мы также видели, как легко человек становится объектом слежки.

Вполне возможно, что однажды ваш WiFi-роутер и точки доступа будут передавать изображения спецслужбам, которым не понравились ваши посты в социальных сетях, а вооруженные бандиты будут ждать удобного момента для совершения своего следующего налета.


Первоисточник: bombthrower.com

Источник перевода: newsstreet.ru

Больше интересных статей, которые я не успеваю переводить, но которые можно почитать через онлайн-перевод, можно найти здесь: t.me/murrrzio

19 сентября. /ТАСС/. Правительство РФ признало использование виртуальных мобильных номеров (DEF-номеров) угрозой безопасности в сфере связи и интернета, сервисы по их выдаче после 1 сентября 2024 года планируется блокировать. Соответствующее постановление кабмина, имеющееся в распоряжении ТАСС, вносит изменения в Правила централизованного управления сетью связи общего пользования.

Документ вступит в силу с 1 сентября 2024 года. Согласно постановлению, перечень угроз в этой сфере теперь дополнен пунктом о предоставлении доступа к онлайн-ресурсам и мессенджерам пользователям без их идентификации.

В настоящее время для регистрации в соцсетях и мессенджерах, в том числе в Telegram, пользователь должен предоставить номер мобильного телефона, который при необходимости позволяет идентифицировать его владельца. При этом злоумышленники зачастую используют при регистрации не реальные, а виртуальные DEF-номера, которые принадлежат иностранным операторам связи, сдаются в аренду и никак не привязаны к персональным данным конкретного человека.

Временный номер позволяет создать временный же аккаунт, с помощью которого злоумышленник может размещать противоправную информацию и совершать мошеннические действия.

Программа собирает данные с помощью встроенного в смартфон гироскопа и сопоставляет информацию о столкновении автомобиля. Если удара не было, то гироскоп и акселерометр его просто не зафиксируют, поэтому алгоритм не даст возможность подстроить ДТП. Эксперты считают, что софт сможет упростить работу по выявлению злоумышленников, пытающихся таким образом получить деньги со страховой компании, но для обучения алгоритма понадобится время. Также потребуются значительные человеческие ресурсы, чтобы контролировать работу ПО.

Алгоритм на страже

В России создали систему противодействия фейковым ДТП, рассказали "Известиям" в НТИ "Автонет". Алгоритм работает следующим образом: программа собирает данные с помощью встроенного в смартфон гироскопа, после чего сопоставляет информацию о столкновении автомобиля. Если удара не было, то гироскоп и акселерометр их просто не зафиксируют, а значит, подстроить аварию не получится, рассказали "Известиям" разработчики ПО.

Суть мошенничества состоит в том, что автовладельцы, которые попали в аварию, пытаются оформить страховку каско постфактум. Алгоритм, созданный разработчиками, используется в приложении Simble (онлайн-сервис по страхованию автомобилей).

- Система определяет попытки мошенничества на этапе регистрации пользователя в приложении. Она анализирует данные об истории страхования, аварийности и другие факторы. Перечисленная выше информация поступает в нее как из внешних источников (баз страховых компаний), так и накапливается самостоятельно, - сказал директор по развитию Simble Василий Калужин.

За последний месяц ИИ удалось предотвратить более 150 фейковых ДТП.

В настоящий момент авторы алгоритма ведут переговоры о его применении в приложениях других страховых компаний. В частности, возможность внедрения такой системы изучают "ВСК страхование", "ТИТ страхование" и "АльфаСтрахование". "Известия" направили запросы в эти организации.

- Безусловно, регулятор необходим, так как случаев, когда люди имитировали ДТП и пытались на этом заработать, огромное множество. Например, в начале года был владелец Bentley, который подстраивал аварии, но его поймали правоохранительные органы, - рассказал автомобильный эксперт и майор ГИБДД в отставке Виктор Кондрашин.

По мнению члена общественного совета при ГУ МВД России по Москве Петра Шкуматова, целесообразность использования ИИ при оформлении каско зависит еще и от того, во сколько обойдется разработка данной системы. Ее стоимость должна исчисляться долями процента от суммы конкретного продукта, добавил он.

"Известия" отправили запросы в "СОГАЗ", Союз автостраховщиков России и Всероссийский союз страховщиков и попросили оценить разработку.

В пресс-службе "Росгосстраха" сообщили, что у них есть свои методики, алгоритмы и наработки, позволяющие выявлять недобросовестные или мошеннические действия в сфере автострахования, в частности сфальсифицированные ДТП, но какие конкретно, не уточнили.Трудности обучения

Эксперты считают, что на этапе обучения ИИ неизбежны ошибки, и на первых порах необходимо вручную контролировать работу алгоритма.

- Надо смотреть, как будет работать эта система, в нынешнем виде совершенно непонятно, как именно она будет сортировать людей. Под удар могут попасть добропорядочные граждане, которых буквально заставят проходить дополнительные проверки, - рассказал "Известиям" Виктор Кондрашин.

Сами страховые компании могут посмотреть всю необходимую историю ДТП, их количества, тяжести повреждений и так далее. И очевидно, что если человек каждый месяц попадает в аварию и просит компенсаций, то явно что-то не так, добавил эксперт.

Сама идея подобного приложения правильная, она поможет страховым компаниям в выявлении мошенников в этой сфере, полагает генеральный директор TelecomDaily Денис Кусков. Это позволит страховым компаниям автоматизировать процесс выявления злоумышленников уже на этапе регистрации в приложении и упростит работу людям.

- Но несмотря на все преимущества, автоматизацию процесса и упрощение работы людей, любой искусственный интеллект или алгоритм нужно обучать. Это достаточно долгий и трудоемкий процесс, - сообщил Денис Кусков.

Кроме того, если ИИ по ошибке решит, что пытающийся зарегистрироваться в приложении человек - злоумышленник, то страховая компания потеряет прибыль. А убирать лжемошенника уже придется в ручном режиме, для чего в итоге всё равно нужно привлекать человеческие ресурсы, сказал он.

- Бороться со злоумышленниками при оформлении каско пытаются уже много лет, и это получается с переменным успехом. Любую систему, которая обещает улучшение каких-либо показателей, в том числе в борьбе с мошенничеством, необходимо тестировать перед тем, как запускать ее для массовой аудитории, - констатировал аналитик Mobile Research Group Эльдар Муртазин.

Если софт работает так, как заявляют о нем разработчики, то это, безусловно, хорошее изобретение. Но если приложением не будут пользоваться, то в нем нет никакого смысла, поскольку ИИ не будет обучаться и не сможет совершенствоваться, отметил ведущий авторубрики на телеканале "Россия" Иван Зенкевич.

Такие системы должны быть не частными, а государственными, так как государство располагает гораздо большим массивом данных о гражданах, нежели любая частная организация, резюмировал Петр Шкуматов.

Ученые из лаборатории исследований искусственного интеллекта (ИИ) Tinkoff Research открыли новый алгоритм для обучения ИИ. Новый метод, названный SAC-RND[1], обучает роботов в 20 раз быстрее и на 10% качественнее всех существующих аналогов - такие результаты показало тестирование метода на робототехнических симуляторах.

Обучение искусственного интеллекта - процесс, требующий больших ресурсов: прежде всего, вычислительных мощностей, финансовых затрат и времени. Его оптимизация позволит ускорить развитие всех областей, в которых используются ИИ-агенты, например робототехники.

SAC-RND может повысить безопасность беспилотных автомобилей, упростить логистические цепочки, ускорить доставку и работу складов, оптимизировать процессы горения на энергетических объектах и сократить выбросы вредных веществ в окружающую среду. Открытие не только улучшает работу узкоспециализированных роботов, но и приближает ученых к созданию универсального робота, способного в одиночку выполнять любые задачи.

Результаты исследования были признаны мировым научным сообществом и представлены на Международной конференции по машинному обучению (ICML)[2], которая в этом году прошла в 40-й раз в Гонолулу, Гавайи, с 23 по 29 июля. Это одна из трех крупнейших конференций в мире, оказывающих наибольшее влияние на исследования в сфере машинного обучения и искусственного интеллекта.

Суть открытия

Сегодня одно из наиболее перспективных видов обучения ИИ - обучение с подкреплением (RL)[3], вдохновленное процессами человеческого обучения и отличающееся высоким уровнем эффективности. RL позволяет роботам учиться методом проб и ошибок, адаптироваться в сложных средах и изменять поведение на ходу. Обучение с подкреплением может использоваться во всех сферах: от регулирования пробок на дорогах до рекомендаций в социальных сетях, которые предлагают пользователю контент, основанный на его предпочтениях.

Ранее считалось, что использование случайных нейросетей (алгоритмов для последовательного и автоматического принятия решений, RND) не подходит для офлайн-обучения роботов с подкреплением. Изучив прежние работы, связанные с использованием RND, исследователи из Tinkoff Research обнаружили недостатки в проведенных экспериментах и полученных выводах.

При использовании метода RND участвуют две нейросети - случайная и основная, которая пытается предсказать поведение первой. Важное свойство каждой нейросети - ее глубина: количество слоев, из которых она состоит. У основной сети не должно быть меньше слоев, чем у случайной, иначе она не сможет смоделировать ее поведение, что приведет к нестабильности или невозможности обучения. В Tinkoff Research обнаружили, что в предыдущих работах на тему использования случайных нейросетей в обучении с подкреплением размер случайной сети составлял четыре слоя, а размер основной - два.

Использование неправильных размеров сетей привело научное сообщество к ошибочному выводу, что метод RND не умеет дискриминировать (классифицировать) данные - отличать действия, которые были в датасете, от тех, что там не было. Исследователи из Tinkoff Research исправили глубины сетей, сделав их эквивалентными, и быстро обнаружили, что при таких настройках методу удается различать данные.

Следующим шагом стала оптимизация метода. Роботы научились приходить к эффективным решениям благодаря использованию механизма слияния, основанного на модуляции сигналов и их линейном отображении. В предыдущих работах на тему RND сигналы не подвергались дополнительной обработке.

В России появится система распознавания такси, каршеринга и спецтранспортра, сообщил генеральный директор российского разработчика систем распознавания лиц NtechLab Сергей Сучков.

Ранее компания выпускала систему распознавания лиц, которая, в частности, используется в Москве на городских камерах, а также была задействована при проведении Чемпионата мира по футболу в Катаре.

"Мы выпустили крупнейшее за два года обновление продукта FindFace Multi, - сказал он. - В обновленном продукте добавилась функция распознания спецтранспорта, такси и каршеринга".

Эта функция может широко применяться, например, на промышленных объектах и на объектах критической инфраструктуры и внедряться в "умные" шлагбаумы, которые автоматически смогут запускать транспортные средства на территорию дворов и других объектов. "В настоящий момент NtechLab ведет переговоры о тестировании обновления FindFace Multi с двумя промышленными предприятиями в России и одной из крупнейших строительных компаний в Центральной Азии", - отметил Сучков.

Кроме того, новая система может получить широкое применение на объектах критической инфраструктуры и заменить иностранное ПО: при помощи видео с камер наблюдения в реальном времени можно следить за ношением средств индивидуальной защиты - касок и жилетов, а также осуществлять контроль периметра критической инфраструктуры.

Как пояснили ТАСС в компании, в системе появилась функция контроля пересечения линий - если посторонний оказывается на территории объекта, то оператор получает тревожное оповещение.

"В настоящий момент до 50% объектов используют иностранное программное обеспечение и устройства. За год на действующей инфраструктуре можно полностью перейти на отечественные системы видеоаналитики - более точные, чем большинство иностранных аналогов", - подчеркнул Сучков, добавив, что компания планирует в ближайшие три года занять не менее 10% рынка систем видеоаналитики для промышленной безопасности и критической инфраструктуры.

NtechLab была основана в 2015 году и разрабатывает технологии распознавания лиц и силуэтов людей, а также транспортных средств и номерных знаков. Продукты компании используются в более чем 30 регионах России и 30 странах. Штаб-квартира NtechLab расположена в Москве.

GPT-4 - самая продвинутая на данный момент модель искусственного интеллекта. Ее можно использовать для широкого спектра задач, в том числе для поиска актуальной информации с указанием ее источников

Спустя четыре месяца после выпуска языковой модели GPT-4 ее разработчик, компания OpenAI, объявил, что система станет доступной для встраивания в разные приложения.

Сначала воспользоваться моделью ИИ смогут избранные разработчики сервисов, но в дальнейшем ее откроют для всех желающих через API (аппаратно-программный интерфейс).

Однако GPT-4 уже доступна всем обычным пользователям, которые могут опробовать ее возможности. "РБК Тренды" объясняют, в чем преимущества системы и как получить к ней доступ.

Что такое GPT-4

GPT-4 (Generative Pre-trained Transformer 4) - это большая мультимодальная модель ИИ, которая способна обрабатывать запросы в виде картинок и текста, а затем выдавать текстовые ответы. OpenAI представила ее в марте 2023 года. GPT-4 работает на "уровне человека" в различных профессиональных и академических тестах, утверждают разработчики модели. В среднем она набирает в этих тестах 88% и более.

GPT-4 обучали, используя программы состязательного тестирования, а также ChatGPT, что привело к улучшению ее управляемости. Модель по сравнению с предшественником GPT-3.5 на 82% реже отвечает на запросы о запрещенном контенте и на 40% чаще генерирует корректные ответы. "Разница проявляется, когда сложность задачи достигает достаточного порога, - GPT-4 более надежен, креативен и способен обрабатывать гораздо более тонкие инструкции, чем GPT-3.5", - заявляет OpenAI. Кроме того, в запросе к нейросети теперь можно задавать стиль ответа, а также назначать ей роль.

Тем не менее модель по-прежнему "галлюцинирует" и иногда ошибается в суждениях. В одном примере чат-бот назвал Элвиса Пресли "сыном актера".

GPT-4 способна суммировать текст (Фото: openai.com)

Несмотря на это, в мае исследователи Microsoft выпустили документ под названием "Искры общего искусственного интеллекта: ранние эксперименты с GPT-4". Они заявили, что GPT-4 демонстрирует ранние признаки ОИИ (AGI, общего искусственного интеллекта), то есть его возможности находятся на уровне человека или даже превышают его.

Возможности GPT-4
По сравнению со своими предшественниками GPT-4 обладает целым рядом преимуществ:

- мультимодальностью. Нейросеть принимает запросы в виде текстов, изображений и видео, а также способна работать с документами, на которых есть текст с фото, диаграммы или скриншоты. При этом она научилась решать более сложные задачи, в том числе химические или математические. Все ответы GPT-4 выдает на естественном языке, в виде программного кода, формул и т.д.;

GPT-4 может анализировать графики (Фото: datacamp.com)

- точностью работы с изображениями. ИИ распознает картинки так же точно, как и текстовую информацию, опознает их содержимое и видит детали. Например, GPT-4 можно спросить, что смешного в конкретном меме, и модель объяснит суть шутки;

- большим объемом памяти. Нейросеть запоминает гораздо больше контекста (до 25 тыс. слов). Это позволяет вести с ней длинные диалоги, ссылаясь на контекст;
возможностью играть разные роли. Автор запроса может попросить нейросеть выступить в качестве редактора текста или разработчика мобильного приложения. От роли будет зависеть стиль ответа GPT-4. Также стало проще моделировать запросы к ней. Кроме того, нейросеть теперь знает различные языковые диалекты.

Как пользоваться GPT-4 в России

На сайте ChatGPT доступ к последней версии с GPT-4 можно получить только при наличии платной подписки. Однако существуют обходные пути, которые позволяют опробовать языковую модель даже тем, кто никогда не использовал ChatGPT.

"Умный" поисковик Microsoft Bing

Bing от Microsoft - это поисковик со встроенным чат-ботом на базе GPT-4, который адаптировали для поиска в интернете. В нем можно вести диалог, писать код, генерировать картинки, а сами чаты можно экспортировать в различных форматах. Кроме того, при генерации ответов модель дает ссылки на источники, что удобно для проверки этой информации.

Поисковик доступен в России, но, чтобы пользоваться им, потребуется VPN. Чтобы включить чат-бот Bing от Microsoft, нужно:

- установить последнюю версию браузера Microsoft Edge;
- включить VPN (Hola VPN, Browsec или другой);
- в настройках аккаунта Microsoft изменить регион (выбрать США или другую страну);
- на сайте Bing.com или в приложении войти в свой аккаунт Microsoft и перейти в раздел "Чат";
- выбрать режим работы: творческий, сбалансированный или точный.

Поскольку бот работает скорее как поисковый ассистент, для получения более подробного ответа нужно попросить его уточнить информацию. Также в чате есть вкладка "Создать", где есть шаблоны деловых писем, идей для блога и т.д., но она пока доступна только в режиме предпросмотра.

Чат-бот в Telegram

Опробовать возможности GPT-4 можно и в ChatGPT-ботах в Telegram. Плюс такого метода в том, что он не требует регистрации или дополнительных настроек, а сами боты работают бесплатно.

Примеры использования GPT-4

Редакция "РБК Трендов" опробовала возможности GPT-4, и вот что получилось.

- Опиши краткую историю открытий в физике за последние десять лет.

- Вот краткая история открытий в физике за последние десять лет:

В 2015 году были впервые обнаружены гравитационные волны - колебания пространства-времени, предсказанные Альбертом Эйнштейном в 1916 году. Они возникают при столкновении массивных объектов, таких как черные дыры или нейтронные звезды. Это открытие открыло новый способ "слышать" космос и изучать гравитацию и происхождение элементов.

В 2012 году был обнаружен бозон Хиггса - элементарная частица, которая объясняет, почему другие частицы имеют массу. Его существование было предсказано в 1964 году в рамках Стандартной модели физики элементарных частиц, но его поиск занял десятилетия и требовал использования Большого адронного коллайдера - самого мощного ускорителя частиц в мире.

В 2016 году была создана квантовая сверхпроводимость при комнатной температуре - явление, при котором материал не имеет сопротивления электрическому току. Ранее это явление наблюдалось только при очень низких температурах, близких к абсолютному нулю. Квантовая сверхпроводимость может иметь революционные последствия для энергетики, транспорта и вычислений.

В 2018 году была сделана первая фотография черной дыры - объекта с такой сильной гравитацией, что даже свет не может из него вырваться. Для этого потребовалось объединить данные с восьми радиотелескопов, расположенных по всему миру, и создать виртуальный телескоп размером с Землю. Фотография показала тень черной дыры на фоне излучения, которое она искривляет.

В 2020 году было обнаружено новое состояние материи - топологический изолятор. Это материал, который проводит электричество только по своей поверхности, а не по объему. Такие материалы могут иметь уникальные свойства, такие как квантовый эффект Холла или квантовый спиновый эффект. Они также могут быть полезны для создания квантовых компьютеров и других устройств.

- Сформируй топ из десяти самых популярных песен в мире, опираясь на данные поиска за последние пять лет.

- Вот топ из десяти самых популярных песен в мире, основанный на данных поиска за последние пять лет:

Shape of You - Ed Sheeran;

Despacito - Luis Fonsi и Daddy Yankee feat Justin Bieber;

Blinding Lights - The Weeknd;

Dance Monkey - Tones and I;

Old Town Road - Lil Nas X feat Billy Ray Cyrus;

Bad Guy - Billie Eilish;

Rockstar - Post Malone feat 21 Savage;

Someone You Loved - Lewis Capaldi;

Senorita - Shawn Mendes feat Camila Cabello;

Sunflower - Post Malone feat Swae Lee.

- Какими инструментами должен владеть цифровой художник в 2023 году?

- Цифровой художник в 2023 году должен владеть разными инструментами, которые помогают ему создавать качественные и оригинальные иллюстрации для разных целей и платформ. Вот некоторые из них:

Adobe Photoshop: это одна из самых популярных и мощных программ для редактирования и создания растровой графики. Она предлагает широкий выбор инструментов, фильтров, кистей и эффектов, которые позволяют художнику реализовать любую идею. Photoshop также поддерживает работу со слоями, масками, векторами и 3D-объектами. Однако Photoshop может быть сложным для новичков и требует высоких системных требований.

Vectornator: это бесплатное приложение для создания векторной графики на iPad, iPhone и Mac. Оно имеет интуитивный интерфейс, который адаптируется под разные устройства и поддерживает Apple Pencil. Vectornator позволяет художнику создавать логотипы, иконки, иллюстрации, макеты и другие векторные изображения с помощью разных инструментов, таких как карандаш, кисть, фигуры, текст и т.д. Vectornator также поддерживает импорт и экспорт файлов в разных форматах, включая SVG, PDF, PNG и AI.

Autodesk Sketchbook: это профессиональное приложение для рисования и скетчинга на разных устройствах, включая Windows, Mac, Android и iOS. Оно имеет простой и удобный интерфейс, который не отвлекает от творческого процесса. Autodesk Sketchbook предоставляет художнику доступ более чем к 190 кистям, которые имитируют разные материалы и техники рисования. Также в приложении есть инструменты для работы с перспективой, симметрией, градиентами и т.д. Autodesk Sketchbook поддерживает работу со слоями, масками, режимами наложения и другими функциями растровой графики.

Обновлено 14.07.2023
Мария Решетникова

Как работают искусственный интеллект, машинное и глубокое обучение

Что значат эти понятия, в чем разница между ними, и в каких случаях уместно применять каждое?

Об авторе: Андрей Беляев, технический директор (CTO) исследовательской компании Neurodata Lab.

Умные дома, самоуправляемые автомобили, роботы-помощники... Нас окружают инновационные технологии, в основе которых лежат алгоритмы, по своей специфике напоминающие работу человеческого мозга. Их называют по-разному: алгоритмы с использованием машинного обучения, глубокого обучения, а иногда и вовсе искусственный интеллект (ИИ).

В чем разница между этими названиями?

Все задачи, которые может решать человек или компьютер, можно условно разделить на две категории: рутинные и нерутинные.

К рутинным задачам можно отнести те, где достаточно просто найти универсальный путь решения: например, сложение чисел или измерение температуры воздуха.

Искусственным интеллектом сейчас принято называть все, что способно решать нерутинные задачи на уровне, близком к человеческому, а иногда и лучше. Такие задачи окружают нас везде. Камеры над дорогой вычисляют скорость автомобиля, распознают его знак и высылают штраф, а системы безопасности в метро и аэропортах находят преступников в толпе. Все это сегодня принято считать искусственным интеллектом, хотя в действительности алгоритмы, лежащие в основе каждой такой технологии, уникальны. И только некоторые используют машинное обучение.

Получается, что машинное обучение - это обучение ИИ

Искусственный интеллект - это название не какого-то отдельного алгоритма, но скорее группы методов, которыми пользуются для решения различного рода задач. Алгоритмы, которые используют подходы с обучением, являются лишь одной из подгрупп всего того множества алгоритмов, что принято называть искусственным интеллектом.

Машинное обучение - это подход, при котором алгоритм "учится" решать задачу. Один из самых простых примеров алгоритма, использующего машинное обучение, это классификация фотографий на те, где изображены кошки и те, где есть собаки:

Допустим, есть несколько тысяч фотографий кошек и несколько тысяч - собак. Эти данные можно загрузить в алгоритм и заставить его "учиться" отличать кошек от собак, "ругая" за ошибки в классификации и "поощряя" за правильные ответы. В зависимости от количества и качества вводных данных, а также от сложности используемого алгоритма после некоторого количества итераций с "наказанием" и "поощрением", получается обученный алгоритм, которой с разным качеством умеет отличать кошек и собак.

Применяя методы машинного обучения, эти же алгоритмы можно "натренировать" и для выполнения более сложных задач - таких как поиск людей на кадре, определение пола и возраста человека и т.д.

Такие алгоритмы можно научить решать задачи любой сложности?

В теории - да. Но на практике мы сталкиваемся с большим количеством проблем, начиная от недостаточного количества данных для обучения, заканчивая невозможностью интерпретировать действия человека при решении такой же задачи. Получается, что невозможно построить алгоритм, который эти действия бы совершал. Хороший пример - автопилотируемый автомобиль. Научить машину держать полосу, входить в повороты и автоматически перестраивать маршрут, если на дороге ремонт, сравнительно несложно, потому что есть понимание, как вел бы себя человек (а значит, как должна вести себя машина) в таких ситуациях.

Однако научить автомобиль принимать решения в чрезвычайных ситуациях гораздо сложнее: проблема в том, что и самому человеку трудно понять, как именно надо поступать в том или ином экстренном случае. Поэтому человек не может показать алгоритмам примеры хорошего и плохого поведения для таких случаев.

А что насчет глубокого обучения? Чем оно отличается от машинного?

Как машинное обучение является подвидом искусственного интеллекта, так и глубокое обучение является подвидом машинного (см. картинку в начале статьи). В глубоком обучении используются те же подходы: алгоритму дают много данных и "ругают" его за ошибки. Разница здесь в том, что сами алгоритмы глубокого обучения устроены гораздо сложнее и часто используют более серьезные математические модели. Сейчас под алгоритмами глубокого обучения практически всегда подразумевают нейронные сети.

Нейронные сети? Как те, что в мозгу у человека?

Такое сравнение действительно часто используется. Нейронная сеть - это последовательность слоев, каждый из которых, в свою очередь, состоит из нейронов, и каждый выполняет свою роль. Есть нейроны (или структуры нейронов), которые учатся выделять важные элементы на изображениях, например шерсть у кошки или собаки; есть те, которые учатся делать выводы, исходя из выделенных элементов - например, если у животного длинные лапы, то, скорее всего, это собака. Эти нейроны объединяются в группы (слои), а они превращаются в единую искусственную нейронную сеть.

И все же можно как-то сравнить процессы внутри нейросети с деятельностью мозга?

Некоторое количество идей, используемых в нейросетях, разработчики почерпнули из знаний об устройстве человеческого мозга. Одни из самых частых задач для нейросетей - это задачи, связанные с работой с изображениями. Для таких задач используют специальный тип нейросетей, внутри которых есть так называемые сверточные слои.

Если говорить упрощенно, смысл этой сверточной нейронной сети в том, чтобы оценивать каждый элемент картинки (пиксель) не отдельно, а в группе с несколькими соседними, благодаря чему можно находить как базовые фигуры (линии, углы, и т.д.), так и объекты целиком. Примерно такой же процесс происходит и в человеческом мозге при обработке визуальной информации. После снятия всех возможных визуальных признаков в нейросети, как и в человеческом мозге, происходит анализ этих признаков, а затем принимается решение: видим мы, допустим, кошку или собаку.

А как происходит процесс обучения?

Процесс обучения алгоритма во многом напоминает процесс обучения человека. Как мы совершаем ошибки и учимся на них (например, что не стоит засовывать руку в кипящую воду), так и алгоритмы, использующие машинное обучение, совершают ошибки, за что получают штраф.

Как работает нейросеть? В качестве примера можно рассмотреть процесс обучения нейросети распознаванию лиц. Чтобы корректно обучить любую нейросеть, нужно сделать две вещи: собрать достаточное количество данных и определить, за что мы будем ее штрафовать. Применительно к этой задаче необходимо собрать несколько десятков фотографий лиц для каждого из людей, которых надо определить, и штрафовать нейросеть за то, что предсказанный ею человек не совпадает с человеком на фотографии.

Что значит "поощрять" и "штрафовать" нейросеть?

С математической точки зрения нейросеть - это функция с большим количеством параметров. Штрафование этой функции за неверное определения лица - это когда мы, упрощенно говоря, корректируем работу функции таким образом, чтобы в будущем она меньше ошибалась. Соответственно, поощрение нейросети - это когда мы ее просто не штрафуем.

График зависимости между длительностью обучения (горизонтальная ось) и конечной ошибкой (вертикальная ось). Чем дольше мы учим нейросеть, тем меньше ошибка.

Во всех примерах вы рассказываете про конкретные задачи. А можно ли нейросеть научить думать, как человек?

Это уже скорее философский вопрос. Мыслительный процесс напрямую связан с наличием сознания. Нейронная сеть, как и любой другой алгоритм машинного обучения, по своей сути является лишь математической функцией, и умеет решать лишь одну конкретную задачу. Нейросеть, которую учили отличать кошек и собак, не сможет отличить медведя от слона, ведь она даже не знала, что такие существуют. Процессы же анализа данных, которые происходят в голове у человека, намного сложнее чем те, что происходят в нейросети, так что даже при наличии данных, сопоставимых по размеру с массивом информации, которую за жизнь получает человек, сегодня обучить нейросеть думать, как человек, невозможно.

Обновлено 29.09.2020

"Думаю, мы будем использовать публичные твиты, разумеется, не затрагивая ничего частного, для обучения, как поступают все остальные", - заявил Маск в пятницу в ходе прямой трансляции на странице в Twitter. Он подчеркнул, что другие компании "нелегально используют" публикации в соцсети для обучения моделей ИИ, но не пояснил, о каких именно компаниях идет речь.

Как отметил Маск, xAI будет стремиться к созданию "максимально любознательного и стремящегося к правде" искусственного интеллекта, что, по его мнению, является "наиболее безопасным подходом". При этом он в негативном ключе отозвался о моделях ИИ, которые выдают "политкорректные и вводящие в заблуждение" результаты. "На мой взгляд, основная цель xAI - создать хороший искусственный интеллект, который будет преследовать цель понять вселенную", - заявил предприниматель. При этом он отметил, что выступает за регулирование сферы искусственного интеллекта.

По словам Маска, xAI будет тесно сотрудничать с также принадлежащей ему компанией по производству электромобилей Tesla. Как подчеркнул предприниматель, они будут приносить "взаимную выгоду". Он не исключил, что разработки в сфере ИИ будут применены для улучшения системы автопилота Tesla.

В марте Маск зарегистрировал в Неваде компанию xAI, а ранее на текущей неделе официально объявил о ее создании. Одновременно начал работу сайт компании, на котором уточняется, что в ней будут работать бывшие сотрудники Google, Microsoft, а также других корпораций из технологической сферы. Маск неоднократно называл искусственный интеллект одновременно и перспективной, и опасной технологией.