Повелитель зверей: как работают компаньоны в Far Cry Primal

Томми Томпсон, автор YouTube-канала AI and Games в блоге на сайте Gamasutra опубликовал расшифровку своего видео о Far Cry Primal. В нём он рассказал, как разработчики из Ubisoft Toronto внедрили в игру механику управления напарниками, не меняя при этом действующих взаимосвязей AI. Смотрите выбранное  главное из этого материала.

Несмотря на то, что Far Cry разрабатывается студией Ubisoft Montreal, искусственный интеллект компаньонов для Primal создавался небольшой командой в Торонто. Она также помогала с созданием Far Cry 4 и самостоятельно работала над Splinter Cell: Blacklist.

В Far Cry 4 команда из Торонто отвечала за сцену в «Шангри-Ла». Это серия из пяти линейных миссий, в которых игрок приручает тигра и получает возможность использовать его в качестве оружия. Эта механика стала основой для Primal, которая в 2014 году, в момент выхода Far Cry 4, находилась на стадии препродакшена.

Серия шутеров от Ubisoft известна тем, что в ней одновременно взаимодействуют множество систем AI: это и напарники, и противники, и средства передвижения. Однако эпизод в «Шангри-Ла» был заскриптован и практически все вышеназванные системы в нём не работали. Поэтому авторам Primal пришлось основательно поработать над механикой приручения и использования диких животных, чтобы та вписалась в уже апробированную экосистему.

Ubisoft предстояло ответить на два вопроса.

• Кем должен чувствовать себя игрок? В данном случае, речь идёт о повелители зверей, который может буквально решать свои проблемы с помощью медведей.
• Какова роль компаньонов?

Нужно было определиться, как именно животные будут поддерживать игрока. Источниками вдохновения стали пёс из Fallout 4 и Элизабет из BioShock Infinite. На ранних этапах разработки планировалось добавить в игру порядка 50 различных зверей, однако до релиза добрались лишь 17 из них.

AI в Far Cry Primal работает на основе древ поведения. Они построены с помощью инструментов, которые кодируют их в XML. Команда из Торонто не хотела менять уже существующий код не только потому, что это могло бы сказаться на работе монреальской, шанхайской и киевской команд, трудящихся над Primal, но и из-за огромного количества различных систем, задействованных в игре. Любые вносимые изменения влияли бы на уже существующие деревья поведения, вступали бы с ними в конфликт.

Разработчики избежали подобных проблем введением динамического древа поведения: время от времени система создаёт новое микродрево на основе команд, которые пользователь даёт компаньону. Таким образом, команда из Торонто могла экспериментировать с поведением AI, не боясь что-то сломать.

Программирование: женское дело

Сейчас много говорится и пишется о женщинах в науке, а также о том, почему их имена редко упоминаются в учебниках, а сегодня разбираемся в сфере кодинга. Место женщины всегда было в программировании: от истоков и первых языков программирования до запуска человека в космос, от первых персональных компьютеров до современныхинженеров крупнейших компаний — женщина всегда кодила. Уничтожаем миф о том, что кодинг — не женское дело.

На самом деле мужчины пришли в IT благодаря женщинам, а никак не наоборот. Двоичный код изобрела математик Ада Августа Лавлейс, она же написала первую программу и ввела ключевые понятия программирования (цикл и рабочая ячейка). Её учителем была автор книги «Взаимосвязь физических наук», астроном и математик Мэри Сомервилль. Математик и офицер ВМФ Грейс Хоппер написала первый компилятор, ещё она работала с первыми электронными компьютерами, внедрила стандартизацию в практику тестирования и развивала идею машинно-независимых языков. Именно под её руководством был создан первый высокоуровневый язык COBOL

Flamie,
андроид-разработчица:
«Никогда не говорите программистке: „Ого, а я думал, девушки не могут в программировании. Ты не такая, как все“».

В то далёкое время, когда компьютерная индустрия ещё только зарождалась, она была далеко не единственной женщиной-программистом. Например, в НАСА были целые команды программисток.

На фотографии — команда женщин, занимавшихся подготовкой к запускам космических аппаратов в шестидесятых*

---

* Здесь можно прочитать о судьбе одной из инженеров, Маргарет Хамильтон, участвовавшей в разработки программы «Аполлон».

---

Статья из «Космополитан» шестидесятых,
которая рассказывает о программистке Энн Ричардсон

Мало кто знает, что знаменитый Стив Джобс пользовался идеями учёного и разработчика языка Smalltalk Адель Голдберг по созданию «идеального компьютера», а голливудская кинозвезда Хэди Ламарр изобрела систему переключения частот. Однако авторство сделанных женщинами открытий нередко приписывается работавшим с ними мужчинам.

Откуда взялся миф, что кодинг — не женское дело

Как сообщает The Guardian, «исследователи рассмотрели около 3 000 000 запросов на рассмотрение кода, поданных на GitHub, и обнаружили, что написанные женщинами коды одобряли чаще (78,6 процента), чем написанные мужчинами (74,6 процента)». Но эта разница существовала только в том случае, если пол отправителей был скрыт.

«Предубеждение против женщин-программистов всё равно существует», — констатируют исследователи.

Gram Atir,
разработчица Ruby/PHP:

«В ИТ-сфере есть два варианта отношения к необходимой половой принадлежности айтишников. Первый — это старый добрый, про неженское дело: женщина не может освоить даже программирование, а если может, то в ущерб своему простому женскому счастью. Второй — „современный и прогрессивный“: программирование, по большей части, вполне себе „женская профессия“, потому что освоить PHP может „даже твоя мама“. И потому некоторые области программирования медленно, но верно переходят в женские руки, становясь низкооплачиваемыми, что когда-то произошло с врачебным делом. Так что при текущей системе восприятия женщины существенного различия для нашего положения не несёт никакое отношение к „половому делу“ программирования, пока это отношение диктуют мужчины».

В среднем мужской мозг на 8-10% больше женского, что не удивительно: голова мужчины, как правило, больше женской. Мужской и женский мозг различаются не только размерами, но и уровнями активности: женский оказывается более активным. В 2005 году исследователи Гарвардского университета обнаружили, что части лобной доли мозга, отвечающие за принятие решений и разрешение проблем, пропорционально больше у женщин.

Могут ли нейронные сети читать мысли, Или о том, как подгонять картинки к моделям

Guohua Shen/ATR

Shen et al., 2017

Недавно в новости попали японские исследователи из ATR Computational Neuroscience Labs в Киото и из Университета Киото. Их статья под названием «Глубокие нейронные сети для реконструкции изображений по активности человеческого мозга» (Shen et al., 2017), по сути, утверждает, что они разработали модель машинного обучения, которая может прочесть ваши мысли (примеры реконструированных из мыслей картинок показаны выше). Что все это значит? Может, пора уже привыкать думать только правильные мысли? Чтобы понять, что на самом деле означает эта новость, придется начать с кратких пояснений.

Как читать мысли глубоких нейросетей

У нейронных сетей всегда была одна большая проблема — непрозрачность: конечный результат увидеть можно, но очень трудно понять, что же там внутри происходит. Это проблема относится ко всем архитектурам, но давайте сейчас сосредоточимся на сверточных нейронных сетях (convolutional neural networks, CNN), которые постоянно используются для обработки изображений и вообще данных с пространственной структурой.

Очень грубо говоря, CNN — это многослойные (глубокие) нейронные сети, в которых каждый слой обрабатывает свой вход маленькими окнами, извлекая локальные признаки. Последовательно, уровень за уровнем, локальные признаки обобщаются и становятся глобальными: признаки на высоких уровнях сети «видят» гораздо большую часть изображения, чем на низких. Вот как это работает в очень простой CNN (картинку я взял из вот этого текста, который рекомендую прочесть полностью):

WILDML

В конце концов, через несколько (иногда несколько сотен) слоев мы получаем глобальные признаки, которые уже «смотрят» на все исходное изображение целиком, и уже их на последних слоях сети мы комбинируем так, чтобы получить метки классов (распознать, кошечка это, собачка или моторная лодка). Но как нам понять, что конкретно распознают эти признаки? Можем ли мы их интерпретировать?

Один возможный способ это понять — посмотреть на картинки, которые активируют конкретные нейроны в этой нейросети. Можно надеяться, что у этих картинок будет что-то общее. Эту идею развили, в частности, в знаменитой работе «Визуализация и понимание сверточных сетей». Вот посмотрите: на картинке ниже показаны окна из реальных изображений (справа), которые дают самые большие активации разным нейронам на одном из высоких уровней сверточной сети, а слева показаны пиксели, которые участвуют в этих активациях. Видно, что такой выбор картинок, подходящих под конкретные признаки, действительно позволяет многие нейроны неплохо интерпретировать:

Rob Fergus

Затем появилась другая простая, но очень интересная идея, которая тоже неплохо работает для интерпретации признаков. Весь процесс обучения модели устроен так: мы берем данные (скажем, размеченные изображения) и подгоняем веса модели так, чтобы модель как можно лучше эти данные описывала. Изображения при этом остаются фиксированными, а меняются веса сети, параметры тех самых сверточных слоев, о которых мы говорили выше.

Но можно попробовать наоборот: давайте зафиксируем сеть и изменим изображение так, чтобы сеть на нем выдавала то, что нам надо!

Для целей интерпретации нейронных сетей эта идея была развита, например, в работе «Интерпретация нейронных сетей при помощи глубокой визуализации». Результаты оптимизации картинок под конкретные цели очень похожи на знаменитые «deep dreams», и это, конечно, не случайно. Вот, например, картинки, специально оптимизированные с целью как можно сильнее активировать те или иные классы:

Jason Yosinski

Немного узнаваемо, но довольно странно выглядит, правда? Похожие эффекты мы увидим и в картинках из «чтения мыслей».

Другое важное применение той же идеи — антагонистические примеры (adversarial examples) для сверточных сетей: раз уж мы научились подгонять картинки под нейронную сеть, а не наоборот, давайте попробуем подогнать картинки так, чтобы обмануть сеть. Так можно получить примеры наподобие вот этого:

Jason Yosinski

Слева на этой картинке — самое обычное изображение, и оно вполне корректно распознается как крышка от бутылки. А справа — «антагонистическое» изображение: разницу между ними трудно заметить, даже когда они стоят рядом, но та же самая сеть, которая картинку слева распознавала как крышку, картинку справа уверенно распознает как… карликового пуделя.

На самом деле картинка справа получилась из картинки слева добавлением специального шума, очень маленьких изменений, которые выглядят абсолютно случайными, но на самом деле все направляют сеть в одну и ту же сторону — в сторону карликового пуделя. Это делается как раз при помощи оптимизации картинок под сеть, в данном случае — под один из ее выходов.

"Cypher"- киберфизическая скульптурная инсталляция

Ozel Office, архитектурная студия из Калифорнии, создала скульптуру-робота, которая самостоятельно видоизменяется в зависимости от окружения.

Название "киберфизической скульптурной инсталляции" - "Cypher". Она контролируется с помощью сенсоров, сканеров и технологии виртуальной реальности - надувается и сдувается, когда неподалеку находятся люди или другие объекты. Но на форму влияет не только наличие кого-то поблизости. На то, как выглядит этот пузырчатый объем зависят и движения человека, на котором надет особый шлем.

Сейчас реальность и виртуальный мир считаются чем-то отдельным и четко ограниченным, но архитекторы Ozel Office хотят разрушить эти границы. 

"Cypher создает мост между физическим и цифровым мирами, соединяя их в одинаковой плоскости опыта благодаря комбинации виртуальной симулированной реальности и взаимодействии робота и человека на основе сенсоров", - утверждают в студии.

Основа скульптуры - алюминиевая рама со стальными "суставами", напечатанными на 2D-принтере. Внутри расположен компьютер - "мозг" скульптуры - и компрессор воздуха. Эти элементы соединены с сенсорами, клапанами, приводами и другими компонентами, которые играют роль в создании движения.

В качестве оболочки команда использовала гибкие панели из силикона и термопластика на основе карбоновых волокон. Шипастая фактура была вдохновлена кожей животных и призвана поменять эстетически ожидания от роботов. "Черный глянцевый цвет был использован, чтобы усилить мистику объекта, размывая морфологические свойства скульптуры через игру отражений и отсутствия света", - так команда объясняет жуткий внешний вид скульптуры.

Что «видит» вычислительная система, когда мы просматриваем фильм

Арт-проект Бенджамина Гроссера показывает, что «видит» вычислительная система, когда мы просматриваем фильм. Видео может выглядеть как абстракция или как попытка показывать цвет глазами дальтоника; в реальности это множество временных эскизов, которые синхронизируются со звуком, где фиксирован сам процесс создания компьютером схематического изображения.

Художник создал программу с использованием алгоритма искусственного интеллекта (AIR) и компьютерного зрения (CVA), чтоб дать системе некую степень автономии — компьютер сам выберет то, что «захочет посмотреть».

Гроссер задаёт зрителю трудные вопросы: «почему мы видим то, что мы видим, когда мы видим?». Как говорит автор, его больше всего волнует демонстрация «разницы в пути культурного развития машин и людей».

Бенджамин Гроссер:

Обсуждения о «компьютерном видении» часто фокусируются на использовании камер и программном обеспечении для навигации и интерпретации физического мира.

Например, мы программируем компьютеры «видеть» автомобили для анализа трафика или «идентифицировать» лица для наблюдения. Тем не менее эти виды задач видения по своей сути пытаются заставить компьютер видеть как «мы» делаем.

Assorted Vision является первым в наборе видео, который вместо этого представляет, как компьютеры рассматривают данные на основе изображений для «самих себя», в отличие от нас.

Используя фундаментальный вычислительный метод сортировки массивов значений, это видео посещает каждый пиксель в клипе из The Matrix; результат показывает каждый пиксель оригинала, но переупорядочивается в зависимости от значения его оттенка.

Assorted Vision - это незабываемое усилие моего проекта Autonomous Video Artist.

Google наглядно демонстрирует работу системы ИИ на базе компьютерного зрения, отслеживающей позы человека

Компания Google запустила оригинальный эксперимент под названием Move Mirror, в основе которого лежат технологии искусственного интеллекта. Принять участие в эксперименте могут все желающие.

Для этого требуется посетить сайт Move Mirror и разрешить доступ к камере устройства. После этого камера зафиксирует изображение человека и оценит его позу при помощи модели PoseNet. Затем система ищет в большой базе данных (более 80 тыс. фотографий) наиболее точные соответствия позе пользователя. При этом изображение подобранной фотографии на сайте выводится в режиме реального времени, и когда человек двигается, изменяя позу, автоматически подбирается новое изображение. При желании можно создать GIF изображение изменений поз пользователя и подобранных изображений.

AI Experiments: Move Mirror

В Google отмечают, что для работы Move Mirror используется TensorFlow.js, так что отслеживание поз пользователя осуществляется непосредственно в браузере. Никакие данные не передаются на сервера Google и нигде не сохраняются.

Источник: Engadget

Николас Карр. Делает ли Google нас глупее?

«Дейв, остановись! Да остановись же ты! Стой, Дейв! Ты можешь остановиться?», — умоляет суперкомпьютер HAL непримиримого астронавта Дейва Боумана в знаменитой и необыкновенно драматичной сцене в фильме Стэнли Кубрика «2001: Космическая одиссея». 

Боуман, которого неисправная машина чуть было не обрекла на смерть в глубинах космоса, спокойно и холодно отключает схемы памяти, которые регулируют ее искусственный интеллект. «Дейв, мой разум существует», — говорит HAL сиротливо. «Я чувствую это. Я чувствую».

2001: A Space Odyssey (original title) //

2001 год: Космическая одиссея

Director:
Stanley Kubrick
Writers:
Stanley Kubrick (screenplay), Arthur C. Clarke (screenplay)
Stars:
Keir Dullea, Gary Lockwood, William Sylvester | See full cast & crew

Я тоже это чувствую. Несколько лет назад у меня появилась тревожная мысль, что кто-то или что-то, копалось в моем мозге, перенастраивало нервную систему, перепрограммировало память.

Не то, чтобы я теряю разум – по крайней мере, мне так не кажется, — но он изменяется. Я не думаю так, как я привык думать. Это сильнее всего ощущается во время чтения.

Раньше погрузиться в книгу или длинную статью было просто. Мой ум следовал за повествованием или же проносился по виражам из аргументов, я мог провести часы, гуляя по необъятным просторам текстов. Вряд ли такое ещё случится. Сейчас я часто теряю концентрацию уже после двух-трех страниц. Я суечусь, теряю нить рассуждений, начинаю искать, что бы ещё сделать. Я чувствую, как заставляю свой капризный мозг вернуться к тексту. Вдумчивое и серьезное чтение, которое было естественным, превратилось в проблему.

Я думаю, что знаю, что происходит. Больше десятилетия я провожу много времени онлайн, ищу информацию и прехожу с сайта на сайт, и иногда добавляю что-нибудь в огромные базы данных Интернета.

Сеть – это находка для меня как писателя. Исследование, для которого раньше требовались дни в книгохранилищах или залах периодики библиотек, сейчас осуществляется за минуты. Несколько Google-запросов, кликов на гиперссылки — и готов факт или содержательная цитата. Даже если я не работаю, я захожу в Сеть с тем же удовольствием, если бы тысячу лет не делал этого.

Читаю и пишу e-мейлы, просматриваю заголовки или посты в блогах, смотрю видео и слушаю подкасты, или попросту путешествую с ссылки на ссылку. (В отличие от сносок, с которыми их иногда путают, гиперссылки не только указывают на связанные с ней работы, но уводят вас от них).

Для меня, как и многих других, Сеть становится универсальным медиумом, каналом для большей части информации, которая поступает благодаря зрению и слуху в мозг. Преимуществ мгновенного доступа к такому невероятно богатому арсеналу информации много, и они уже широко описаны и оценены должным образом. «Абсолютный конец кремниевой памяти», --написал Клив Томпсон в журнале Wired, «может оказаться хорошей почвой для размышлений». Но эта почва имеет цену.

Как отметил в 1960-х теоретик медиа Маршалл Маклюэн, медиа — не просто пассивные каналы информации. Они поставляют материал для размышлений, но они также формируют и сам процесс мышления. И, кажется, что интернет урезает мою способность к концентрации и созерцанию. Сейчас мой мозг рассчитывает получать информацию тем же способом, которым Сеть распространяет её: в быстро движущемся потоке частиц. Когда-то я был аквалангистом в море слов. Сейчас я проношусь по поверхности как парень на моторной лодке.

Сеть как способ мышления

И я не один. Когда я рассказываю о своих проблемах с чтением друзьям и знакомым – в большинстве своём это литераторы, многие из них говорят, что замечают за собой что-то подобное. Чем больше они пользуются Сетью, тем чаще вынуждены силой удерживать внимание на длинных кусках текста. Некоторые блогеры, которых я читаю, тоже стали замечать этот феномен. Скот Кап, который ведёт блог об онлайн-медиа, недавно признался что совершенно перестал читать книги. «Я был среди читающего большинства в колледже, настоящим книжным червем», — писал он. «И что произошло?» Он рассуждает над ответом: «Что если я читаю всё онлайн не потому, что мне так удобнее, но из-за изменившегося способа мышления?»

Видео с сортировкой шариков по цветам оказалось компьютерной графикой

Кадр из видео Константина Отрембского:

разноцветные шарики таинственным образом сортируются по цветам

Пользователь YouTube CaptainDisillusion, специализирующийся на анализе и разоблачении различных вирусных видеороликов, в последнем выпуске подробно объяснил и доказал, что видео с сортировкой цветных шариков, на самом деле, — фейк.

Возможно, многие из вас видели ролик, в котором разноцветные шарики «чудесным образом» сортируются по цветам в аппарате, известном как доска Гальтона. Некоторые задавались вопросом, как это происходит, кто-то пытался объяснить эффект разницей в массе и размерах, другие подозревали игру света — шарики на самом деле прозрачные, а контейнеры подсвечены снизу. Одно из самых популярных объяснений затрагивало даже квантовую механику: якобы шарики кварца разного цвета вибрируют на разной частоте и потому одинаковые — притягиваются друг к другу. Кто-то шёл ещё дальше и заявлял, что «так работает Вселенная» и похожие люди находят друг друга по тому же принципу. Правда, как всегда, оказалась намного банальнее: как и подозревали некоторые пользователи, этот ролик — фейк, сгенерированное с помощью специальной программы видео. Пользователь CaptainDisillusion, или, как он себя называет, Captain D, подробно объяснил, по каким чертам, любой достаточно внимательный зритель, мог разобраться, в чём дело.

Ниже представлены основные аргументы и доводы для тех, кто не владеет английским или не может посмотреть видео:

1. Судя по звуку, падает всего пара сотен шариков, а не тысячи. Captain D первым делом отметил, что аудиодорожка не соответствует происходящему на экране. Несмотря на то, что на каждом кадре видно, как от перегородок отскакивают несколько шариков, можно отчётливо расслышать отдельные удары. При таком количестве столкновений звук был бы похож на ровный шум дождя. Помимо этого, ближе к концу, когда бьющихся шариков действительно становится меньше, удары не становятся реже, как должно быть, вместо этого звук просто затихает.

2. В аппарате не хватает деталей. В боковой грани видно ленту, загружающую шарики в верхний контейнер. По идее, она должна крепиться на оси, которая должна вращаться и приводить ленту в действие, однако на видео её нет. Отсутствует и механизм, который должен открыть люк, выпускающий шарики. В оригинальном видео в самом начале в кадре появляется рука и нажимает на кнопку на крышке, но ведёт себя очень странно: палец опускается с размаху, а затем застывает в одном положении на несколько секунд. Обычно, человек сначала кладёт палец на кнопку, а потом нажимает её коротким движением — можете проверить на себе.

Будущее компьютеров: каково оно?

В 1958 году инженер компании «Texas Instruments» по имени Джек Килби нанес узор на поверхность чипа из полупроводникового германия 11 миллиметров в длину, создав, таким образом, первую в мире интегральную схему. Так как эта схема содержала лишь один транзистор – что-то вроде миниатюрного переключателя – чип мог сохранять только один бит информации: либо 1, либо 0 в зависимости от конфигурации транзистора.

С тех пор инженеры с поразительным постоянством ежегодно удваивают количество транзисторов в компьютерных чипах. Им это удается путем уменьшения вполовину размеров самих транзисторов. На сегодняшний день, после десятков повторений этого цикла удвоения и уменьшения вполовину, размеры транзисторов составляют лишь несколько атомов, а обычный компьютерный чип содержит до 9 миллионов таких транзисторов на квадратный миллиметр. Компьютеры с большим количеством транзисторов могут выполнять больше вычислений в секунду и становятся все мощнее. Удвоение мощности компьютеров каждые два года известно как закон Мура в честь инженера компании «Intel» Гордона Мура, первым заметившего эту тенденцию в 1965 году.

Закон Мура объясняет потерю популярности прошлогодних моделей ноутбуков и, несомненно, сделает технические новинки следующего года поразительно маленькими и мощными в сравнении с современными устройствами. Но если не принимать во внимание спрос потребителей, куда же, в конечном счете, направлен этот экспоненциальный рост компьютерной мощности? Станут ли компьютеры в итоге умнее людей? И остановятся ли они когда-либо в развитии мощности?

Сингулярность

Многие ученые считают, что экспоненциальный рост компьютерной мощности неизбежно ведет к моменту в будущем, известного как сингулярность, когда компьютеры достигнут уровня человеческого разума. И, по мнению многих, этот момент не за горами.

Физик Рей Курцвейл, считающий себя футуристом, предвидит, что компьютеры в течение двух десятилетий сравняются с человечеством. В прошлом году он заявил, что инженерам удастся воссоздать мозг человека к середине 2020-х годов, а к концу того же десятилетия компьютеры достигнут уровня человеческого разума.

Вывод основан на основе проецирования закона Мура в будущее. Если мощность компьютеров и далее будет удваиваться каждые два года, то, как объясняет выдающийся профессор компьютерных наук и новатор в сфере компьютерных технологий Питер Деннинг, к 2030 году любая технология, используемая нами, будет значительно меньше. Благодаря этому мы сможем поместить все вычислительные способности человеческого мозга в физический объем размером с сам мозг. По мнению футуристов, именно это и нужно для искусственного разума.

С этого момента компьютер начинает мыслить самостоятельно.

Unity Adam demo - the full film

Adam — короткометражный демо-фильм, лауреат премии Webby Award, полностью созданный на платформе Unity для показа в реальном времени.

Короткометражка от нейросети - «Завод станкостроительных станков»

И если вас удивляет название картины, то приготовьтесь к тому, что удивление будет главной эмоцией в процессе всего просмотра этой видеоработы. Во время просмотра вы услышите из уст героев детективной короткометражки немало странного и вызывающего недоумение. Например, фразу: «Я похудел в стену. Я подхожу к столу» уже многие разорвали на мемчики.

Экспериментальный сценарий был создан нейросетью в рамках хакатона What the Hack 3.0. Сама нейросеть была предварительно натаскана ее создателями при помощи известных мировых киношедевров. Но в итоге получился достаточно неожиданный результат. Такого сценариста назвали бы психом или гением. Благо, речь об ИИ и причислять его нет нужды ни к одному из лагерей. 

Ваш Wi-Fi больше не ваш: вперёд, к цифровому «коммунизму»!

Давать прогнозы — неблагодарное и по большому счёту бесполезное занятие. Чем точней прогноз, тем меньше ему веры: будущее непредсказуемо — слишком многое нужно учесть, чтобы заглянуть на месяцы вперёд. И может быть единственная польза от прогнозирования в том, что благодаря ему оказываются обнажены глубинные процессы, о которых публика не знала, ибо ленилась или боялась нырять так глубоко.

Именно так обстоит дело с прогнозом развития рынка Wi-Fi на следующие пять лет от Juniper Research. Её аналитики обещают, что уже в следующем году каждая третья домашняя точка доступа станет общественной, то есть сможет и будет использоваться посторонними людьми. И вот здесь как раз важны не цифры, а качественный скачок: вдумайтесь, ведь обещают, по сути, WiFi-коммунизм — только не в том смысле, что всё бесплатно, а в том, что своего не будет! Самое время спросить себя: готовы ли лично вы поделиться своим «интернетом»? Ведь будут заставлять!

«Вай-фаю» здорово повезло. Он появился ещё в 90-х годах как технология «на вырост»: беспроводных коммуникаций среднего радиуса действия тогда практически не существовало, поскольку не существовало и спроса на них. Но десятилетие спустя, вместе с мобильной электроникой, сформировался массовый спрос: как мастерски его угадали! Затем Wi-Fi повезло с «умными вещами», для которых он тоже стал стандартом де-факто: протоколов масса, но почти каждая домашняя и офисная железка, претендующая на звание умной, ныне поддерживает 802.11 с каким-нибудь буквенным индексом.

И вот теперь, когда своя точка доступа в квартире и офисе стала скорее правилом, чем исключением, история приготовила очередной WiFi-сюрприз, правда, уже не такой приятный. Провайдеры задумались о том, как воспользоваться огромной пропускной способностью и уникальным покрытием образуемой точками доступа воображаемой глобальной сети.

Эксперименты начали ставить ещё два года назад и с тех пор их масштаб только нарастает. Суть проста. Придя к провайдеру, рядовой клиент вместе с подключением к интернету заказывает себе ещё и установку точки доступа Wi-Fi. Удобно: будут подключены к Сети сразу все устройства в квартире/доме/офисе, не придётся возиться с настройками. Но если раньше единственной задачей такой точки была «раздача интернета» лишь подконтрольным клиенту устройствам, теперь всё чаще провайдер настраивает её ещё и на одновременное обслуживание вообще любых своих клиентов.

То есть, если поблизости от вашей квартиры окажется человек, имеющий договор с вашим провайдером, он сможет подключиться к вашей точке доступа и нормально работать через неё — совершенно бесплатно! Точно так же и вы, оказавшись вдали от дома, сможете подключаться к точкам доступа других клиентов, словно к собственной. Учитывая огромную клиентуру у крупных провайдеров, это может быть весьма удобно. Но сами понимаете, коммунизма без подводных камней не бывает. Чем-то придётся поступиться…

Лицо в пятидесяти измерениях

Нейробиологи давно бьются над проблемой, как мозг идентифицирует сложные объекты. Этот процесс, как они полагают, происходит в нижневисочной коре, однако его механизм оставался неизвестным. Определенную ясность внесли результаты, полученные в Калифорнийском технологическом институте под руководством профессора биологии и биоинженерии Дорис Цао (Doris Tsao). Как оказалось, мозг идентифицирует лица с помощью примерно 200 клеток по 50 параметрам. По мнению исследователей, этот механизм весьма прост и эффективен.

Мозг обладает великолепной способностью различать лица и другие сложные объекты. Вот уже несколько десятилетий учёные безрезультатно бьются над задачей и пытаются понять, как происходит такое распознавание — как кодируются и хранятся изображения в мозге. Согласно общепринятым представлениям, процесс распознавания (идентификации объектов) происходит в нижневисочной коре, то есть инферотемпоральной зоне головного мозга. Но до сих пор оставалось непонятным, какую роль в кодировании данных играют отдельные нейроны и какое количество нейронов, собственно, задействуется в процессе.

Двое биологов из Калифорнийского технологического университета опубликовали научную работу, которая во многом проливает свет на то, как работает головной мозг приматов, в том числе человека. Учёные считают, что расшифровали код, которым в мозге кодируется информация о лицах. Доказательством является то, что учёные смогли только по сигналу мозга восстанавливать (угадывать) лица, которые видит обезьяна (и, соответственно, человек).

Разрази меня Борхес, какая история!

Я сейчас такое расскажу, не поверите.

Все уже слышали, наверно, о блокчейне и биткоинах, но мало кто понимает, что же это такое. Я тоже не все понимаю, но суть не в этом.

Я вам сейчас расскажу краткую историю создания «Эфириума» (Ethereum). И знаете, друзья, там такой сюжет, что самое лучшее название для него «Тлен, Укбар, Ethereum».

Найден новый тип кибератак. В опасности Google, Facebook и «Яндекс»

Человек с паролем посередине

Эксперты по безопасности из Израиля представили исследование, посвященное новому типу кибератак — «Сброс пароля человеком посередине». «Человек посередине» (Man-in-the-Middle, MitM) — распространенная разновидность атак, когда злоумышленник перехватывает и подменяет сообщения, которыми обмениваются корреспонденты, причем ни один из последних не догадывается о его присутствии в канале. В данном случае в качестве одного из корреспондентов выступает легитимный сервер, на котором авторизуется пользователь — сервер электронной почты или социальной сети.

Злоумышленнику для успешной атаки потребуется заманить пользователя на вредоносный сайт, внешне имитирующий легитимный ресурс. Также понадобится серверное приложение, которое будет перехватывать отправляемые пользователем данные, менять их и перенаправлять на регистрационные формы системы управления паролем на другом сайте.

Синаптический транзистор обучается во время вычислений

В нашем головном мозге – более 86 миллиардов нейронов, связанных местами контакта, которые называются синапсами. Нейроны не просто обеспечивают умственную и физическую деятельность, но и постоянно адаптируются к стимулам, ослабляя одни связи и усиливая другие. Благодаря такому процессу обучения в мозге могут происходить быстрые и высокоэффективные вычислительные процессы.

Ученые научились управлять насекомыми на расстоянии

Наверняка, когда вы были ребенком, вам казалось, что таинственный пульт дистанционного управления – это самая классная вещь во всем мире. Может быть, вы даже были счастливым обладателем машинки или лодки на дистанционном управлении, а самолет с пультом был недостижимой радостью. Но что же приготовили технологии для детей будущего?

Итак, благодаря ученым из Государственного университета Северной Каролины, США, вполне реальным вариантом могут стать тараканы с телеуправлением.

Язык до Киева довезет

Этот пирсинг даст свободу передвижения

Новое устройство позволяет парализованным людям управлять инвалидным креслом, используя собственный язык как джойстик. Авторы уже провели клинические испытания изобретения.

Закончены клинические испытания нового устройства Tongue Drive System для управления инвалидным креслом, команды которому парализованные больные передают движением языка. Эта система управления предназначена для людей, не способных двигать ни руками, ни ногами, — в медицине такое состояние называется тетраплегия или квадриплегия.

В ходе испытаний новое устройство сравнивали с наиболее популярной у таких больных системой управления sip-and-puff, пользуясь которой люди дуют в трубочку, вмонтированную в кресло, или всасывают из нее воздух, подавая компьютеру одну из четырех основных команд: «стоп», «вперед», «направо» и «налево». Испытания показали, что кресло слушается «языкового руля» намного быстрее, чем трубочку, хотя точность выполнения команд в обоих случая была одинаковой.

Вдобавок к этому беспроводная система Tongue Drive System обеспечивает парализованному больному больше степени свободы, позволяя отдавать креслу не четыре, а восемь команд.

Система Tongue Drive System была разработана группой инженеров из Технологического института Джорджии во главе с адьюнкт-профессором Мэйсамом Джованлоо. Об ее устройстве и результатах клинических испытаний, проведенных в Реабилитационном институте Чикаго вместе с коллегами из Шефердовского центра в Атланте и Медицинского центра Северо-западного университета, исследователи рассказали в статье, опубликованной в журнале Science Translational Medicine.

Система представляет собой миниатюрный магнитный язычок, который, будучи прикреплен к верхней поверхности языка, работает как джойстик.

Система представляет собой миниатюрный магнитный язычок, который, будучи прикреплен к верхней поверхности языка, работает как джойстик.

Человек двигает языком вправо-влево, вперед-назад, передавая команды наголовному приемному устройству, отдаленно напоминающему наушники с микрофонами, а оно, в свою очередь, сообщает компьютеру, что делать.

Контрольной группе, состоящей из здоровых людей, в частности, предложили сравнить возможности системы Tongue Drive System с системой, где управление креслом производится непосредственно через компьютер, то есть через клавиатуру и мышку. Например, от них требовалось добраться до цели не в кресле, а на экране компьютера. В ходе решения таких задач мозг перерабатывает нешуточное количество информации. Результаты в обоих случаях оказались очень близкими.

Армия США вооружится роботом-блохой

Робот Sand Flea («Песчаная блоха»)

Sand Flea («Песчаная блоха») был построен по заказу Управления перспективных исследований Министерства обороны США (DARPA) инженерами компаний Sandia National Laboratories и Boston Dynamics. Последняя известна поставками в армию четвероногих грузовых машин BigDog, а также разработкой робота-гепарда и безголового андроида PETMAN, предназначенного для реалистичных испытаний униформы и средств защиты солдатского тела.

Human Brain Project и первый шаг к искусственному интеллекту

Роса Мария Бадия, "архитектор" проекта: 

 "Все предыдущие исследования в области искусственного интеллекта меркнут перед проектом Human Brain Project (Швейцария). Одно из самых амбициозных начинаний в истории нейробиологии обещает воссоздать полноценную действующую модель человеческого мозга, а ученые надеются, что она позволит справиться с неизлечимыми болезням и приблизить появление по-настоящему разумных машин."