Нейрогармониум, или как звучит мозг 🧠🎵
Визуализация данных - прекрасный источник вдохновения для science art. В Музее современного искусства PERMM сейчас выставляют еще более художественное воплощение методики, похожей на Лица Чернова, - нейрогармониум.
Создатели описывают этот инструмент, как электроакустический спектральный синтезатор. Он преобразует спектрограммы белкового состава различных областей мозга (которые вообще-то обычно пристально рассматривают глазами) в причудливые неземные звуки.
Закодированная в этих спектрах информация сложна для визуального восприятия, но скрытые закономерности можно уловить с помощью уха. На слух легко и без подготовки различаешь образцы мозговой ткани в здоровом и патологическом состояниях.
Жаль, я не догадался записать звучание этого необычного инструмента, но вы можете услышать пример на отметке 01:04:00 в подробной двухчасовой лекции на YouTube.
#scienceart #наука #искусство #нейронаука #PERMM
Визуализация данных - прекрасный источник вдохновения для science art. В Музее современного искусства PERMM сейчас выставляют еще более художественное воплощение методики, похожей на Лица Чернова, - нейрогармониум.
Создатели описывают этот инструмент, как электроакустический спектральный синтезатор. Он преобразует спектрограммы белкового состава различных областей мозга (которые вообще-то обычно пристально рассматривают глазами) в причудливые неземные звуки.
Закодированная в этих спектрах информация сложна для визуального восприятия, но скрытые закономерности можно уловить с помощью уха. На слух легко и без подготовки различаешь образцы мозговой ткани в здоровом и патологическом состояниях.
Жаль, я не догадался записать звучание этого необычного инструмента, но вы можете услышать пример на отметке 01:04:00 в подробной двухчасовой лекции на YouTube.
#scienceart #наука #искусство #нейронаука #PERMM
The-Augmented-City.pdf
20.3 MB
🌆 Дополненная городская реальность
Сразу признаюсь – документ на 140 страниц, и пока я его лишь бегло просмотрел. Но, это серьёзное академическое исследование из Корнельского университета, которое поднимает важные вопросы:
- Как внедрять AR/смешанную реальность в городскую среду;
- Плюсы и минусы этих технологий для общественных пространств;
- Как регулировать их использование.
Наконец-то появилось что-то стоящее вместо бесконечной болтовни про "умные города", о которых последние 10 лет вещают с высоких трибун разнообразные чиновники.
Навскидку могу назвать десяток компаний, которым стоит как минимум задуматься над этими вопросами.
#урбанистика #AR #технологии #города #исследования
Сразу признаюсь – документ на 140 страниц, и пока я его лишь бегло просмотрел. Но, это серьёзное академическое исследование из Корнельского университета, которое поднимает важные вопросы:
- Как внедрять AR/смешанную реальность в городскую среду;
- Плюсы и минусы этих технологий для общественных пространств;
- Как регулировать их использование.
Наконец-то появилось что-то стоящее вместо бесконечной болтовни про "умные города", о которых последние 10 лет вещают с высоких трибун разнообразные чиновники.
Навскидку могу назвать десяток компаний, которым стоит как минимум задуматься над этими вопросами.
#урбанистика #AR #технологии #города #исследования
This media is not supported in your browser
VIEW IN TELEGRAM
🕵️♂️ От шпионских стрекоз до агротеха
В закромах ЦРУ можно найти удивительные штуки. Например, в 1970-х они собрали миниатюрную механическую стрекозу с бензиновым двигателем — этакий микробеспилотник для шпионажа. Если верить агентству, она могла пролететь до 200 метров за 60 секунд. Для управления и передачи данных использовали лазер — вероятно, звук считывали с приемника через модуляции отраженного луча. Правда, при малейшем ветре стрекоза сбивалась с курса, и проект пришлось свернуть. Но идея механических насекомых не умерла.
Полвека спустя Инженеры MIT создали нового робота-насекомое. И этот малыш уже совсем другого уровня — держится в воздухе целых 17 минут и выполняет сложные акробатические трюки.
🌾 Зачем это сейчас? Главная цель уже не шпионаж, а спасение сельского хозяйства. В вертикальных фермах будущего критически нужны опылители, а живых пчел уже не хватает — в Калифорнию их свозят фурами во время цветения миндаля. Роботы-опылители могут стать решением этой проблемы.
#технологии #роботы #будущее #агротех
В закромах ЦРУ можно найти удивительные штуки. Например, в 1970-х они собрали миниатюрную механическую стрекозу с бензиновым двигателем — этакий микробеспилотник для шпионажа. Если верить агентству, она могла пролететь до 200 метров за 60 секунд. Для управления и передачи данных использовали лазер — вероятно, звук считывали с приемника через модуляции отраженного луча. Правда, при малейшем ветре стрекоза сбивалась с курса, и проект пришлось свернуть. Но идея механических насекомых не умерла.
Полвека спустя Инженеры MIT создали нового робота-насекомое. И этот малыш уже совсем другого уровня — держится в воздухе целых 17 минут и выполняет сложные акробатические трюки.
🌾 Зачем это сейчас? Главная цель уже не шпионаж, а спасение сельского хозяйства. В вертикальных фермах будущего критически нужны опылители, а живых пчел уже не хватает — в Калифорнию их свозят фурами во время цветения миндаля. Роботы-опылители могут стать решением этой проблемы.
#технологии #роботы #будущее #агротех
Forwarded from e/acc
This media is not supported in your browser
VIEW IN TELEGRAM
Альтман объявил что неизбежно нужно будет менять социальный контракт
ИИ-модели, что сверх-ярко показывает R1, внезапно стали доступными всем, везде, дешевыми и легко масштабируемыми. А волна Операторов сделает из них не помощников, а акторов. Любая старая схема, где "экспертиза — это дорогой дефицит", летит в корзину.
Комбинация этих двух явлений — бесконечно дешевого интеллекта и автоматизации без участия человека — перекраивает все. Горизонтальные структуры бизнеса, привычные workflow-процессы, даже сама идея "труда" больше не выглядят незыблемыми. Правда, как я писал, это займет годы: не из-за технологии, а инертности экономики.
Рано или поздно это станет новой нормой, то прежняя логика "человек — главный фактор производства" рухнет. Грядут не просто волны перемен, а катастрофический прилив, после которого социальный контракт в привычном виде уже не собрать. И возникает вопрос: а зачем он вообще нужен?
ИИ-модели, что сверх-ярко показывает R1, внезапно стали доступными всем, везде, дешевыми и легко масштабируемыми. А волна Операторов сделает из них не помощников, а акторов. Любая старая схема, где "экспертиза — это дорогой дефицит", летит в корзину.
Комбинация этих двух явлений — бесконечно дешевого интеллекта и автоматизации без участия человека — перекраивает все. Горизонтальные структуры бизнеса, привычные workflow-процессы, даже сама идея "труда" больше не выглядят незыблемыми. Правда, как я писал, это займет годы: не из-за технологии, а инертности экономики.
Рано или поздно это станет новой нормой, то прежняя логика "человек — главный фактор производства" рухнет. Грядут не просто волны перемен, а катастрофический прилив, после которого социальный контракт в привычном виде уже не собрать. И возникает вопрос: а зачем он вообще нужен?
Трудно понять, где в заявлениях руководителей технологических компаний заканчивается правда и начинается маркетинг. Однако нельзя игнорировать слова менеджера, которому пообещали выделить 500 миллиардов долларов на создание крупнейшей AI-инфраструктуры в США, и, возможно, в мире. Первые 100 миллиардов в рамках проекта Stargate компания OpenAI получит немедленно, остальные средства - в течение четырех лет. В telegram уже сравнили эти инвестиции с программой Apollo и Манхэттенским проектом, но, чтобы осознать масштаб, стоит рассмотреть их в ином контексте.
Российское правительство выделило на Федеральный проект «Искусственный интеллект», начатый в 2021 году, 24,1 млрд рублей. При курсе доллара 100 рублей это составляет 0,241 миллиарда долларов.
По некоторым оценкам, объем рынка больших языковых моделей в России достигает 35 млрд рублей (0,35 миллиарда долларов). Объем всего рынка полупроводников в стране составляет 289 млрд рублей (2,89 миллиарда долларов).
Достоверных актуальных оценок объема индустрии ИИ в России я пока не нашел. Чиновники называли цифру в 650 млрд рублей на 2023 год — 6,5 миллиарда долларов. Впрочем, направление развития ИИ в РФ хорошо иллюстрирует казус со словом "родное".
В федеральном бюджете России на 2025 год на образование выделено 1,6 триллиона рублей (около 16 миллиардов долларов), на национальную оборону — 13,1 триллиона рублей (примерно 131 миллиард долларов).
Общие прогнозируемые доходы России на 2025 год составляют 40,3 триллиона рублей — 403 миллиарда долларов США.
Итак, на проект Stargate планируется направить сумму, превышающую годовой доход Российского государства при удачном раскладе. Особенно впечатляет, что эти средства поступят от частных инвесторов и предназначены для одной компании. Натуральный киберпанк, где корпорации располагают ресурсами, превосходящими возможности целых государств.
Если прогнозы Альтмана реализуются хотя бы частично, Россия окажется в ситуации, когда Штаты получат достаточно мощный рычаг, чтобы опрокинуть шахматную доску "геополитики" и придумать новые правила игры. Ресурсы, которые так отчаянно вкладываются в порох и железо, пропадут впустую, прежние стратегии потеряют всякий смысл.
Даже при таком развитии событий, и несмотря на катастрофическое отставание в микроэлектронике, у России остается возможность интегрироваться в дивный новый мир благодаря наработкам в ядерной энергетике. Но боюсь, что в высоких кабинетах настолько увлеклись борьбой за суверенное право игнорировать прогресс, что мы потеряем и этот, возможно, последний шанс на такое желанное глобальное лидерство.
Российское правительство выделило на Федеральный проект «Искусственный интеллект», начатый в 2021 году, 24,1 млрд рублей. При курсе доллара 100 рублей это составляет 0,241 миллиарда долларов.
По некоторым оценкам, объем рынка больших языковых моделей в России достигает 35 млрд рублей (0,35 миллиарда долларов). Объем всего рынка полупроводников в стране составляет 289 млрд рублей (2,89 миллиарда долларов).
Достоверных актуальных оценок объема индустрии ИИ в России я пока не нашел. Чиновники называли цифру в 650 млрд рублей на 2023 год — 6,5 миллиарда долларов. Впрочем, направление развития ИИ в РФ хорошо иллюстрирует казус со словом "родное".
В федеральном бюджете России на 2025 год на образование выделено 1,6 триллиона рублей (около 16 миллиардов долларов), на национальную оборону — 13,1 триллиона рублей (примерно 131 миллиард долларов).
Общие прогнозируемые доходы России на 2025 год составляют 40,3 триллиона рублей — 403 миллиарда долларов США.
Итак, на проект Stargate планируется направить сумму, превышающую годовой доход Российского государства при удачном раскладе. Особенно впечатляет, что эти средства поступят от частных инвесторов и предназначены для одной компании. Натуральный киберпанк, где корпорации располагают ресурсами, превосходящими возможности целых государств.
Если прогнозы Альтмана реализуются хотя бы частично, Россия окажется в ситуации, когда Штаты получат достаточно мощный рычаг, чтобы опрокинуть шахматную доску "геополитики" и придумать новые правила игры. Ресурсы, которые так отчаянно вкладываются в порох и железо, пропадут впустую, прежние стратегии потеряют всякий смысл.
Даже при таком развитии событий, и несмотря на катастрофическое отставание в микроэлектронике, у России остается возможность интегрироваться в дивный новый мир благодаря наработкам в ядерной энергетике. Но боюсь, что в высоких кабинетах настолько увлеклись борьбой за суверенное право игнорировать прогресс, что мы потеряем и этот, возможно, последний шанс на такое желанное глобальное лидерство.
Автономная наука 🔬🤖
Помните, как выглядят исследования в стратегических компьютерных играх? Выбираете направление, тратите ресурсы, ждете и получаете гарантированный результат. Последнего обещать не могу, но автоматизация лабораторий приближает нас к похожему сценарию.
Суть автономной науки проста: компьютеры генерируют и анализируют гипотезы, а роботы проводят эксперименты. Майкл Бронштейн (Michael Bronstein) из DeepMind описывает эволюцию научного процесса от нулевого поколения (люди с пробирками), до четвертого поколения, в котором искусственный интеллект полностью управляет циклом научных открытий. Это стало возможным благодаря трем важным прорывам:
Во-первых, машинное обучение. Во-вторых, цены на роботизированные манипуляторы снизились с 30 тысяч до 500 долларов. В-третьих, появились технологии создания лабораторий на чипах.
Передовые лаборатории внедряют полуавтономные системы для медицинских исследований и синтеза новых материалов, но самые интересные сценарии вероятно реализуются там, где человеческих возможностей не хватает.
Представьте будущее где алгоритмы непрерывно берут пробы, анализируют патогены, отслеживают их эволюцию и синтезируют вакцины. Автономные подземные и космические лаборатории проводят эксперименты с альтернативной эволюцией. Роботы создают персональные лекарства, проверяя эффективность на клеточных культурах конкретного пациента.
Однажды исследования в этих замкнутых системах создадут петлю обратной связи: искусственный интеллект генерирует данные, эти данные улучшают его работу, а усовершенствованные модели находят неочевидные связи для новых прорывов.
Но что, если однажды эта петля затянется слишком сильно? Что скажете, готовы ли вы доверить науку машинам?
#AI #наука #будущее #биотех #автоматизация
Помните, как выглядят исследования в стратегических компьютерных играх? Выбираете направление, тратите ресурсы, ждете и получаете гарантированный результат. Последнего обещать не могу, но автоматизация лабораторий приближает нас к похожему сценарию.
Суть автономной науки проста: компьютеры генерируют и анализируют гипотезы, а роботы проводят эксперименты. Майкл Бронштейн (Michael Bronstein) из DeepMind описывает эволюцию научного процесса от нулевого поколения (люди с пробирками), до четвертого поколения, в котором искусственный интеллект полностью управляет циклом научных открытий. Это стало возможным благодаря трем важным прорывам:
Во-первых, машинное обучение. Во-вторых, цены на роботизированные манипуляторы снизились с 30 тысяч до 500 долларов. В-третьих, появились технологии создания лабораторий на чипах.
Передовые лаборатории внедряют полуавтономные системы для медицинских исследований и синтеза новых материалов, но самые интересные сценарии вероятно реализуются там, где человеческих возможностей не хватает.
Представьте будущее где алгоритмы непрерывно берут пробы, анализируют патогены, отслеживают их эволюцию и синтезируют вакцины. Автономные подземные и космические лаборатории проводят эксперименты с альтернативной эволюцией. Роботы создают персональные лекарства, проверяя эффективность на клеточных культурах конкретного пациента.
Однажды исследования в этих замкнутых системах создадут петлю обратной связи: искусственный интеллект генерирует данные, эти данные улучшают его работу, а усовершенствованные модели находят неочевидные связи для новых прорывов.
Но что, если однажды эта петля затянется слишком сильно? Что скажете, готовы ли вы доверить науку машинам?
#AI #наука #будущее #биотех #автоматизация
Substack
Commercializing Autonomous Science
Generation 4 Bio AI
Forwarded from Denis Sexy IT 🤖
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Мой новостной поток в последнее время:
Ученые добыли из винограда плазму и применили его квантовых датчиках — круто, пару лет назад развлекался, зажигая их в микроволновке.
Кожуру помело можно использовать для создания сенсорных устройств — хм, iPhone с цитрусовым сенсором. Занятно, но как бы не остаться без фруктов.
Биогибридный дрон использует антенки бабочки шелкопряда для навигации по запаху — сперва они делали тараканов на радиоуправлении, а теперь вот.
Свиной желатин используется в роботизированной руке для выполнения деликатных задач — а может лучше не надо?
Будущие биогибридные роботы, будут питаться живой тканью — надеюсь, они не придут за моей мышечной массой.
Этот робот изготовлен из клеток человека и контролируется машиной, — ооох…
Ученые добыли из винограда плазму и применили его квантовых датчиках — круто, пару лет назад развлекался, зажигая их в микроволновке.
Кожуру помело можно использовать для создания сенсорных устройств — хм, iPhone с цитрусовым сенсором. Занятно, но как бы не остаться без фруктов.
Биогибридный дрон использует антенки бабочки шелкопряда для навигации по запаху — сперва они делали тараканов на радиоуправлении, а теперь вот.
Свиной желатин используется в роботизированной руке для выполнения деликатных задач — а может лучше не надо?
Будущие биогибридные роботы, будут питаться живой тканью — надеюсь, они не придут за моей мышечной массой.
Этот робот изготовлен из клеток человека и контролируется машиной, — ооох…
Сестра, у него острый Баадер — Майнхоф. Три кубика офлайна внутривенно!
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 "Упал, отжался!" Роботы-гуманоиды научились вставать после падения
Помните, как старичок Atlas от Boston Dynamics перепрыгивал препятствия и крутил сальто? За кадром осталось, то, как инженеры поднимали его после падений. Долгое время это была непреодолимая сложность для роботов.
Во время соревнований DARPA Robotics Challenge 25 из 26 упавших машин превратились в беспомощные груды металла и нуждались в человеческой помощи. 🤷♂️
Дело в том, что подъем на ноги как инженерная задача радикально отличается от ходьбы. В отличие от циклических шагов при ходьбе, подъем требует непериодического поведения. Робот сталкивается с множественными точками контакта тела с поверхностью и большим разнообразием ситуаций. Возникает проблема разреженности наградных сигналов — алгоритму сложно понять, какие действия привели к успеху, потому что положительная обратная связь приходит только после целого комплекса действий, когда робот наконец устойчиво стоит на ногах.
👨🔬 Инженеры из Университета Иллинойса придумали, как обойти проблему недостатка мотивации. Они разделили одну крайне сложную задачу на две попроще: сначала найти траектории, чтобы "просто как-нибудь подняться", а затем оптимизировать решение — сделать движения плавными, энергоэффективными и подходящими к различным поверхностям. Вместо одного сложного процесса обучения с редкими подкреплениями получается две последовательных задачи, каждая из которых решается эффективнее.
В результате полевые испытания Unitree G1 выглядят как занятия в хореографическом училище — робот демонстрирует почти органическую пластику.
Unitree G1 уверенно поднимается на разных поверхностях: от гладкого бетона до скользкого снега и травянистых склонов с уклоном до 10°. Успешность — 78,3%. Причем алгоритм учитывает особенности конструкции и больше использует мощные ноги (с моторами на 83 Н), чем слабые руки (всего 25 Н).
По словам разработчиков алгоритма, это "первая успешная демонстрация обученных алгоритмов подъема для гуманоидных роботов человеческого размера в реальном мире". Ещё один шаг к автономным машинам, способным работать в сложных человеческих средах.
Интересно, подадут ли они руку, когда мы упадем? 🤔
#роботы #AI #будущее
Помните, как старичок Atlas от Boston Dynamics перепрыгивал препятствия и крутил сальто? За кадром осталось, то, как инженеры поднимали его после падений. Долгое время это была непреодолимая сложность для роботов.
Во время соревнований DARPA Robotics Challenge 25 из 26 упавших машин превратились в беспомощные груды металла и нуждались в человеческой помощи. 🤷♂️
Дело в том, что подъем на ноги как инженерная задача радикально отличается от ходьбы. В отличие от циклических шагов при ходьбе, подъем требует непериодического поведения. Робот сталкивается с множественными точками контакта тела с поверхностью и большим разнообразием ситуаций. Возникает проблема разреженности наградных сигналов — алгоритму сложно понять, какие действия привели к успеху, потому что положительная обратная связь приходит только после целого комплекса действий, когда робот наконец устойчиво стоит на ногах.
👨🔬 Инженеры из Университета Иллинойса придумали, как обойти проблему недостатка мотивации. Они разделили одну крайне сложную задачу на две попроще: сначала найти траектории, чтобы "просто как-нибудь подняться", а затем оптимизировать решение — сделать движения плавными, энергоэффективными и подходящими к различным поверхностям. Вместо одного сложного процесса обучения с редкими подкреплениями получается две последовательных задачи, каждая из которых решается эффективнее.
В результате полевые испытания Unitree G1 выглядят как занятия в хореографическом училище — робот демонстрирует почти органическую пластику.
Unitree G1 уверенно поднимается на разных поверхностях: от гладкого бетона до скользкого снега и травянистых склонов с уклоном до 10°. Успешность — 78,3%. Причем алгоритм учитывает особенности конструкции и больше использует мощные ноги (с моторами на 83 Н), чем слабые руки (всего 25 Н).
По словам разработчиков алгоритма, это "первая успешная демонстрация обученных алгоритмов подъема для гуманоидных роботов человеческого размера в реальном мире". Ещё один шаг к автономным машинам, способным работать в сложных человеческих средах.
Интересно, подадут ли они руку, когда мы упадем? 🤔
#роботы #AI #будущее
Дорогая, я уменьшил мотор!
В 1959 году Ричард Фейнман в знаменитой речи "Внизу много места" предложил тысячу долларов тому, кто создаст работающий электрический мотор размером 1/64 кубического дюйма (~0,062 мм³). Спустя год в его кабинет вошел незнакомец с коробкой в руках.
Это был Билл Маклеллан, выпускник Калифорнийского технологического 1950 года, работавший в промышленности над гальванометрами.
"Большинство техников по гальванометрам раньше были часовщиками, и я многому научился у них", — рассказывал изобретатель. Например, они придумали, как делать в несколько раз более тонкую проволоку, чем доступна в продаже, — прокатывая ее между двумя предметными стеклами микроскопа.
После пяти месяцев труда за миниатюрным токарным станком и примитивными инструментами — зубочисткой и тонкой кистью — Маклеллан собрал 13 отдельных компонентов в работающий мотор. К нему тянулись провода толщиной 1/80 миллиметра.
Билл отнес изобретение знаменитому физику. "Фейнман видел много чудаков, которые не понимали задачу. Когда я принес большую коробку, он сказал: 'О, вот еще один из них'. Но я открыл деревянную коробку, а там был микроскоп. Он удивился: 'Ого, никто другой не приносил микроскоп'".
"Я все настроил, — вспоминал Маклеллан, — и он немного поиграл с мотором". В итоге "Фейнман выписал чек и в сопроводительном письме указал, что устройство соответствует спецификациям".
Физик был немного огорчен — но не потому, что потерял деньги. "Дело в том, что это испытание не привело к открытию новых методов создания наномашин", — рассказывал Маклеллан. Правда, Фрейман сразу повеселел, когда изобретатель подарил ему мотор. Всего он сделал десять экземпляров, и все они вскоре были сломаны. Например, тот, что Маклеллан одолжил BBC для съемок, случайно раздавили линзой микроскопа при настройке фокуса.
#DIY #история #инженерия
В 1959 году Ричард Фейнман в знаменитой речи "Внизу много места" предложил тысячу долларов тому, кто создаст работающий электрический мотор размером 1/64 кубического дюйма (~0,062 мм³). Спустя год в его кабинет вошел незнакомец с коробкой в руках.
Это был Билл Маклеллан, выпускник Калифорнийского технологического 1950 года, работавший в промышленности над гальванометрами.
"Большинство техников по гальванометрам раньше были часовщиками, и я многому научился у них", — рассказывал изобретатель. Например, они придумали, как делать в несколько раз более тонкую проволоку, чем доступна в продаже, — прокатывая ее между двумя предметными стеклами микроскопа.
После пяти месяцев труда за миниатюрным токарным станком и примитивными инструментами — зубочисткой и тонкой кистью — Маклеллан собрал 13 отдельных компонентов в работающий мотор. К нему тянулись провода толщиной 1/80 миллиметра.
Билл отнес изобретение знаменитому физику. "Фейнман видел много чудаков, которые не понимали задачу. Когда я принес большую коробку, он сказал: 'О, вот еще один из них'. Но я открыл деревянную коробку, а там был микроскоп. Он удивился: 'Ого, никто другой не приносил микроскоп'".
"Я все настроил, — вспоминал Маклеллан, — и он немного поиграл с мотором". В итоге "Фейнман выписал чек и в сопроводительном письме указал, что устройство соответствует спецификациям".
Физик был немного огорчен — но не потому, что потерял деньги. "Дело в том, что это испытание не привело к открытию новых методов создания наномашин", — рассказывал Маклеллан. Правда, Фрейман сразу повеселел, когда изобретатель подарил ему мотор. Всего он сделал десять экземпляров, и все они вскоре были сломаны. Например, тот, что Маклеллан одолжил BBC для съемок, случайно раздавили линзой микроскопа при настройке фокуса.
#DIY #история #инженерия
Билл Маклеллан говорил, что его микромотор можно было бы "использовать для приведения в движение карусели в блошином цирке", и все же, это потрясающий технологический артефакт. Недавно автор канала Chronova Engineering на YouTube попытался воспроизвести эту конструкцию. Казалось бы, сегодня повторить этот подвиг должно быть легко, верно?
Вот только все детали невероятно малы. Диаметр вала ротора — 90 микрометров, а четыре катушки требуют намотки невероятно тонкой проволоки в масштабах, где стандартные методы производства неприменимы. Для этого требуется огромное терпение, творческий подход и лучший стереомикроскоп, какой только можно найти. Но даже с современной оптикой и материалами эта попытка удалась лишь частично (но видео все равно получилось захватывающим).
Кстати, второй вызов Фейнмана заключался в воспроизведении книжной страницы на площади в 25 000 раз меньше, чем при стандартной печати (в таком масштабе содержимое Энциклопедии Британника могло бы уместиться на головке булавки).
С этим заданием справился аспирант Том Ньюман в 1985 году — он написал первую страницу романа Чарльза Диккенса "Повесть о двух городах" в требуемом масштабе с помощью пучка электронов. Основной проблемой перед получением приза стал поиск страницы после написания: головка булавки оказалась огромным пустым пространством по сравнению с нанесенным на нее текстом.
#DIY #история #нанотехнологии
Вот только все детали невероятно малы. Диаметр вала ротора — 90 микрометров, а четыре катушки требуют намотки невероятно тонкой проволоки в масштабах, где стандартные методы производства неприменимы. Для этого требуется огромное терпение, творческий подход и лучший стереомикроскоп, какой только можно найти. Но даже с современной оптикой и материалами эта попытка удалась лишь частично (но видео все равно получилось захватывающим).
Кстати, второй вызов Фейнмана заключался в воспроизведении книжной страницы на площади в 25 000 раз меньше, чем при стандартной печати (в таком масштабе содержимое Энциклопедии Британника могло бы уместиться на головке булавки).
С этим заданием справился аспирант Том Ньюман в 1985 году — он написал первую страницу романа Чарльза Диккенса "Повесть о двух городах" в требуемом масштабе с помощью пучка электронов. Основной проблемой перед получением приза стал поиск страницы после написания: головка булавки оказалась огромным пустым пространством по сравнению с нанесенным на нее текстом.
#DIY #история #нанотехнологии
YouTube
Attempting to Make the World's Smallest* Electric Motor
Become a Patreon supporter at: https://www.patreon.com/ChronovaEngineering
In this video, Mike attempts to reproduce the famous McLellan electric motor that fits within a 0.4 mm cube.
*Although smaller devices have been made with lithography, the McLellan…
In this video, Mike attempts to reproduce the famous McLellan electric motor that fits within a 0.4 mm cube.
*Although smaller devices have been made with lithography, the McLellan…
Какие каналы про науку и технологии вы читаете?
Присылайте ссылки в комментарии.
Условие для отсечения ботов: напишите порядковый номер перед названием канала. Например, так:
1. Квантовая картошка – объясняют физику на корнеплодах. Люблю их фирменный рецепт пюре!
2. Синхрофазотрон твоего бати - записки из-за гаражей ЦЕРНа. Очень интересно пишут об элементарных частицах.
Если ваш номер совпадет с уже использованным – поздравляю, вы бот. Ну или не дочитали этот пост до конца. Такие рекомендации безжалостно удалю.
Присылайте ссылки в комментарии.
Условие для отсечения ботов: напишите порядковый номер перед названием канала. Например, так:
1. Квантовая картошка – объясняют физику на корнеплодах. Люблю их фирменный рецепт пюре!
2. Синхрофазотрон твоего бати - записки из-за гаражей ЦЕРНа. Очень интересно пишут об элементарных частицах.
Если ваш номер совпадет с уже использованным – поздравляю, вы бот. Ну или не дочитали этот пост до конца. Такие рекомендации безжалостно удалю.
This media is not supported in your browser
VIEW IN TELEGRAM
The Next Big Thing
Инженеры Disney Research не скрывают восторга, создавая дроидов из вселенной «Звёздных войн». А теперь, благодаря Антуану Пирроне, каждый может собрать мини-дроида примерно за 400 долларов. И хотя он выглядит как забавная игрушка, подобные роботы имеют все шансы перешагнуть границы тематических парков и войти в повседневную жизнь.
Похоже, в робототехнике произошел тот самый скачок из количества в качество, о котором талдычили на философии. Машины теперь без особых усилий осваивают навыки, которые раньше приходилось жестко прописывать в коде.
Исследователи из Columbia Engineering недавно продемонстрировали это наглядно: их роботы самостоятельно изучают структуру собственного тела и принципы движения, просто наблюдая за собой через камеру. Буквально смотрят в зеркало и познают себя!
Компания Figure показала Helix — универсальную модель машинного обучения типа Vision-Language-Action (VLA) для гуманоидных роботов. Эта система одновременно обрабатывает изображения и команды на обычном человеческом языке, а затем управляет роботами в реальном времени. Благодаря Helix роботы могут узнавать и работать с тысячами обычных домашних предметов. Кроме того, Figure объявила о создании BotQ — завода по производству роботов. Для начала он будет выпускать до 12 000 гуманоидов ежегодно.
А на прошлой неделе Google DeepMind анонсировала сразу две новые модели: Gemini Robotics с технологией Vision-Language-Action (VLA) и Gemini Robotics-ER с технологией Embodied Reasoning. Обе они работают на базе Google Gemini — многомодальной базовой модели, которая понимает текст, голос и изображения, отвечает на вопросы и дает рекомендации.
Gemini Robotics, в DeepMind назвали "продвинутой системой зрения-языка-действия". Она воспринимает ту же информацию, что и базовая Gemini, но может преобразовывать ее в команды для физических действий робота. Причем она совместима с любым железом. На сайте проекта есть впечатляющие демонстрации работы системы. Интересно узнать больше? Загляните в статью "Внедрение ИИ в физический мир".
К слову, не только Google развивает робототехнику. Apple тоже проявляет интерес — компания показала милую и услужливую роботизированную лампу, и, по слухам, работает над созданием андроидов.
Если нейронные VLA-сети пойдут по тому же пути развития, что и языковые модели (LLM), то скоро в интернете появятся открытые нейросети для управления роботами. И да, эта технология может быть гораздо доступнее, чем многие думают сейчас. По крайней мере частично.
Конечно, собрать в гараже человекоподобного робота пока нереально, но вот с роботизированными манипуляторами дела обстоят иначе. Открытых проектов уже хватает: PAROL6, toolboxrobotics, arctosrobotics, Thor — и это лишь верхушка айсберга. С учетом развития программного обеспечения, идея собрать такую роборуку становится все заманчивее. Лично я планирую научить свою готовить не хуже робошефа Зиппи.
#ИИ #робототехника #DIY #будущее
Инженеры Disney Research не скрывают восторга, создавая дроидов из вселенной «Звёздных войн». А теперь, благодаря Антуану Пирроне, каждый может собрать мини-дроида примерно за 400 долларов. И хотя он выглядит как забавная игрушка, подобные роботы имеют все шансы перешагнуть границы тематических парков и войти в повседневную жизнь.
Похоже, в робототехнике произошел тот самый скачок из количества в качество, о котором талдычили на философии. Машины теперь без особых усилий осваивают навыки, которые раньше приходилось жестко прописывать в коде.
Исследователи из Columbia Engineering недавно продемонстрировали это наглядно: их роботы самостоятельно изучают структуру собственного тела и принципы движения, просто наблюдая за собой через камеру. Буквально смотрят в зеркало и познают себя!
Компания Figure показала Helix — универсальную модель машинного обучения типа Vision-Language-Action (VLA) для гуманоидных роботов. Эта система одновременно обрабатывает изображения и команды на обычном человеческом языке, а затем управляет роботами в реальном времени. Благодаря Helix роботы могут узнавать и работать с тысячами обычных домашних предметов. Кроме того, Figure объявила о создании BotQ — завода по производству роботов. Для начала он будет выпускать до 12 000 гуманоидов ежегодно.
А на прошлой неделе Google DeepMind анонсировала сразу две новые модели: Gemini Robotics с технологией Vision-Language-Action (VLA) и Gemini Robotics-ER с технологией Embodied Reasoning. Обе они работают на базе Google Gemini — многомодальной базовой модели, которая понимает текст, голос и изображения, отвечает на вопросы и дает рекомендации.
Gemini Robotics, в DeepMind назвали "продвинутой системой зрения-языка-действия". Она воспринимает ту же информацию, что и базовая Gemini, но может преобразовывать ее в команды для физических действий робота. Причем она совместима с любым железом. На сайте проекта есть впечатляющие демонстрации работы системы. Интересно узнать больше? Загляните в статью "Внедрение ИИ в физический мир".
К слову, не только Google развивает робототехнику. Apple тоже проявляет интерес — компания показала милую и услужливую роботизированную лампу, и, по слухам, работает над созданием андроидов.
Если нейронные VLA-сети пойдут по тому же пути развития, что и языковые модели (LLM), то скоро в интернете появятся открытые нейросети для управления роботами. И да, эта технология может быть гораздо доступнее, чем многие думают сейчас. По крайней мере частично.
Конечно, собрать в гараже человекоподобного робота пока нереально, но вот с роботизированными манипуляторами дела обстоят иначе. Открытых проектов уже хватает: PAROL6, toolboxrobotics, arctosrobotics, Thor — и это лишь верхушка айсберга. С учетом развития программного обеспечения, идея собрать такую роборуку становится все заманчивее. Лично я планирую научить свою готовить не хуже робошефа Зиппи.
#ИИ #робототехника #DIY #будущее