Самое знаменитое уравнение Эйнштейна вычисляется более красиво, чем это можно было бы ожидать.

Из специальной теории относительности вытекает, что масса и энергия являются разными проявлениями одного и того же – концепция, среднему уму незнакомая.
— Альберт Эйнштейн

Некоторые научные концепции настолько меняют мир и настолько глубоки, что практически каждый знает о них, даже если полностью и не понимает. Почему бы не поработать над этим вместе? Каждую неделю вы отправляете ваши вопросы и предложения, и на этой неделе я выбрал вопрос Марка Лиюва, который спрашивает:

Эйнштейн вывел уравнение E = mc². Но единицы энергии, массы, времени, длины уже были известны до Эйнштейна. Так как же оно так красиво получается? Почему там нет какой-нибудь константы для длины или времени? Почему это не E = amc², где a – какая-нибудь константа?

Если бы наша Вселенная не была устроена так, как сейчас, то всё могло бы быть по-другому. Давайте посмотрим, что я имею в виду.



С одной стороны, у нас имеются объекты с массой: от галактик, звёзд и планет до самых мелких молекул, атомов и фундаментальных частиц. Хотя они и крохотные, у каждой из компонент того, что известно нам под именем материи, имеется фундаментальное свойство массы, что означает, что даже если исключить его движение, даже если замедлить его до полной остановки, он всё равно будет оказывать влияние на все остальные объекты Вселенной.

Мне кажется, в теории струн произошло столько разных интересных вещей, что она не может быть неправильной. Люди её плохо понимают, но я не верю, что есть какой-то космический заговор, сотворивший такую штуку, которая не имеет ничего общего с реальным миром.

Эдвард Уиттен

Нет сомнения, что с математической точки зрения у нас нет недостатков во всяческих красивых и элегантных математических аппаратах. Но не все они имеют смысл в физической вселенной. На каждую гениальную идею, описывающую то, что мы можем увидеть и измерить, найдётся ещё одна гениальная, которая попытается описать то же самое, но окажется неправильной. Обсуждая на прошлой неделе вопросы, касающиеся альтернатив струнной теории, я нашёл следующее высказывание:

Надеюсь, у вас будет время, чтобы сделать статью о квантовой гравитации. Точнее, мне интересно, есть ли прогресс в этой области за последние 5-10 лет. С моей непрофессиональной точки зрения кажется, что дело застряло с тех пор, когда теория струн начала терять доверие из-за проблем с её проверками и из-за наличия 10⁵⁰⁰ различных вариантов решений. Действительно ли это так?

Во-первых, есть большая разница между квантовой гравитацией, решением теории струн и другими альтернативами.

Начнём с нашей дорогой вселенной. Есть общая теория относительности – наша теория гравитации. Она постулирует, что вся система работает несколько хитрее, нежели простое «дальнодействие», которое придумал Ньютон, у которого все массы во всех местах вселенной испускали силы, действующие друг на друга, обратно пропорциональные квадрату расстояния между ними.

Масса, как объяснил Эйнштейн при помощи принципа эквивалентности E = mc² в 1907, есть лишь одна из форм энергии. Эта энергия заворачивает самую ткань пространства-времени, изменяя путь, по которому движутся тела, и изгибая то, что наблюдатель увидел бы как декартовскую решётку. Объекты не ускоряются невидимой силой, а просто путешествуют по пути, искривлённому различными формами энергии, присутствующими во вселенной.

Это гравитация.

Математику, используемую в науке вообще и в физике в частности, часто сравнивают с языком – а это создаёт впечатление, что в основном она служит секретным кодом для отпугивания чужаков и что это больше неудобство, чем необходимость. И хотя я поддерживаю и высоко ценю популяризацию науки, аккуратное избегание технических терминов и уравнений приводит к тому, что математика воспринимается как нечто необязательное, в лучшем случае – скоропись, а в худшем – инструмент пыток. Но математика – это гораздо большее.

Математика в первую очередь – это дисциплина мыслей. Она очищена от неопределённости языка и служит инструментом вывода последствий из предположений. Она не подвержена человеческим слабостям, не знает жалости и стоит на страже объективности.

Имея патологическую тягу к сантехнической фурнитуре никак не могу приучить себя использовать ее по прямому назначению. Всегда в голову лезут идеи, что сделать из труб, фитингов и переходников так, чтобы уже никогда не использовать их в сантехнике. Так получилось и в этот раз. Делаем высоковольтный генератор Тесла на сантехнической фурнитуре.

Раз уж мы затронули немножко в комментариях к предыдущей статье тему расширения PCI Express и вывода шины за пределы шасси, следует наверное рассказать об этом чуть подробнее.

_{Небольшой дисклеймер – информацию обо всем, о чем говорится ниже, можно найти используя Google. Мы, конечно, про некоторые вещи знаем гораздо больше подробностей, чем можем рассказывать исходя из условий NDA.}

Вот так, по мнению Тесла, мог выглядеть боевой беспилотный корабль (источник: United States Patent And Trademark Office)

Американский инженер Мэттью Шройер ( Matthew Schroyer) обнаружил в архивах патентного бюро США патент от 8 ноября 1898 года, автором которого является Никола Тесла. В патенте описываются беспилотные аппараты, которые предлагается использовать во многих сферах, включая военную.

Тесла видел свои беспилотники как «корабли», которые приводятся в движение благодаря беспроводной системе передачи энергии. В описании указано, что автономные корабли могут использоваться для перевозки грузов (почта, продукты питания, инструменты, боеприпасы и т.д.). Также автоматические устройства такого типа могут играть роль базовых систем коммуникаций в удаленных регионах и/или разведывательных систем в тех же регионах.

Проведено исследование работы цифровых мультиметров в режиме вольтметра переменного тока, и стрелочного прибора. В штатных и нештатных режимах, на токах различной формы — как симметричной полярности, так и при наличии постоянной составляющей.

Содержание публикации:

• Описание используемых приборов, и их начальная калибровка
• Тест на синусоидальном токе различной частоты
• Тест током прямоугольной формы
• Тест на прямоугольном токе с постоянной составляющей
• Тест сигналами произвольной формы, в т.ч. импульсным
• Многозначительный вывод
• Голосовалка

Еще не так давно тема стартапов была одной из экзотических в интернет. Но если мы посмотрим на нее сегодня, то увидим тонны информации из этой области. Уже как заезженные пластинки бесконечно прокручиваются темы метрик и бизнес-моделей, лендингов и скриптов разговоров, контентного маркетинга и директа и т.п. Однако остаются еще и нераскрытые темы.

Вот например. Информация о построении стартапов растет в геометрической прогрессии, почему тогда появление новых успешных проектов явно не следует этой тенденции? Так ли важны технические вопросы для успеха проекта или нужно что-то другое? Какой характерной чертой должен обладать стартап и что нужно его основателям чтобы развить бизнес?

Наша облачная платформа Voximplant — это не только телефонные и видео звонки. Это еще и набор «батареек», которые мы постоянно улучшаем и расширяем. Одна из самых популярных функций: возможность синтезировать речь, просто вызвав JavaScript метод say во время звонка. Разрабатывать свой синтезатор речи — на самая лучшая идея, мы все-таки специализируемся на телеком бэкенде, написанном на плюсах и способном обрабатывать тысячи одновременных звонков и снабжать каждый из них JavaScript логикой в реальном времени. Мы используем решения партнеров и внимательно следим за всем новым, что появляется в индустрии. Хочется через несколько лет отойти от мема «Железная Женщина» :) Статья, адаптированный перевод которой мы сделали за эти выходные, рассказывает про WaveNet, модель для генерации звука (звуковых волн). В ней мы рассмотрим как WaveNet может генерировать речь, которая похожа на голос любого человека, а также звучать гораздо натуральнее любых существующих Text-to-Speech систем, улучшив качество более чем на 50%.

Мы также продемонстрируем, что та же самая сеть может использоваться для создания других звуков, включая музыку, и покажем несколько автоматически сгенерированных примеров музыкальных композиций (пианино).

Известный всем тест Тьюринга говорит о том, что понять: мыслит машина или нет, можно по тому отличим ли мы ее в беседе от человека или нет. При этом подразумевается, что вестись будет не светская беседа, а, по сути, допрос с пристрастием в котором мы будем всячески пытаться загнать машину в тупик. Что мы при этом будем проверять? Только одно — понимает ли машина суть задаваемых нами вопросов. Пытается ли она, просто, формально манипулировать словами или она может правильно интерпретировать значения слов, используя при этом знания, полученные ранее в беседе, или, вообще, общеизвестные людям знания.

Пожалуй, во время теста не особо интересно спрашивать у машины: когда была Куликовская битва. Гораздо интереснее что она скажет, например, о том: зачем мы нажимаем сильнее на кнопки пульта, у которого садятся батарейки?

Различие человеческого мышления и большинства компьютерных алгоритмов связано с вопросом понимания смысла. Как правило, в компьютерную программу закладываются достаточно жесткие правила, которые определяют то, как программа воспринимает и интерпретирует входную информацию. С одной стороны, это ограничивает вольность общения с программой, но, с другой стороны, позволяет избежать ошибок, связанных с неправильной трактовкой нечетко сформулированных высказываний.

Речь естественно не идет про промышленных роботов, те прочно заняли свою нишу и у них все хорошо. Но вот «бытовые» роботы, роботы для простых людей как-то до сих пор не получили хоть какое-то приличное распространение.

При этом фантастические произведения, да и так сказать теоретическая концепция робототехники, рисовали нам радужные картины повсеместного использования роботов. Роботы должны были помогать людям, беря на себя сложную либо муторную работу.

Однако, когда дело дошло до собственно разработок, разработчики натолкнулись на отсутствие нормальных идей по использованию роботов. При том, что с технологической стороны всё, в общем, неплохо, но вот куда применять этот опыт не очень понятно, а те попытки, что есть, выглядят неубедительно.

Но все по порядку, и начну я, собственно, с того хорошего, что есть.

Когнитивная система IBM Watson может работать врачом, поваром, специалистом по информационной безопасности и ученым. Теперь Watson стал еще и синоптиком. Точнее, ранее система уже умела делать прогнозы, но сейчас, если так можно выразиться, Watson пошел на повышение.

Наша компания заключила договор о сотрудничестве с компанией Weather Underground, которая составляет свои прогнозы погоды на основе данных 200000 метеостанций. Эти станции распределены по всему миру, включая Азию, Южную Америку, Африку. Сейчас эти данные планируется анализировать при помощи IBM Watsonдля того чтобы составлять еще более точные прогнозы.

Многие из детей, чьи результаты вошли в 1% лучших в стране по математическому разделу SAT, добились определённого успеха во взрослой жизни. На фотографиях — трое из тех, кто прошёл через центр Хопкинса для одарённых детей в 1980-е и 1990-е годы

Пошёл 45-й год долговременного эксперимента SMPY (Study of Mathematically Precocious Youth). Почти полвека учёные внимательно изучают и фиксируют достижения 5000 человек, которые в юном возрасте показали максимальные оценки по математическому тесту.

«Нравится вам или нет, но эти люди реально контролируют наше общество, — говорит Джонатан Вай (Jonathan Wai), психолог из программы выявления юных талантов Университета Дьюка. — Ребята, которые входят в верхний 1% по математическому тесту, как правило, становятся выдающимися учёными и академиками, руководителями крупнейших корпораций, федеральными судьями, сенаторами и миллиардерами». Разумеется, речь идёт про США, где хорошо работает социальный лифт.

Бумага кажется совсем безобидной, но каждый, кто перезаполнял копировальную машину или быстро листал книгу, знает, что этот скромный материал таит в себе зловещий секрет. При правильном применении она превращается в серьёзное оружие: бумажные порезы хуже всего.

Научных исследований по поводу боли от бумажных порезов проведено не так много, наверно, потому что никто не захочет записаться на контролируемый эксперимент со случайной выборкой, в котором исследователи будут резать испытуемых. Но согласно доктору Хэйли Голдбах [Hayley Goldbach], врачу-дерматологу из Калифорнийского университета в Лос-Анджелесе, «для этого мы можем использовать наши познания в анатомии. Всё зависит от анатомии».

Всё зависит от нервных окончаний. В кончиках пальцев находится гораздо больше нервных окончаний, чем в большинстве остальных мест вашего тела. Правда, Голдбах уточняет, что «наверное, также будет больно, если порезать бумагой лицо или гениталии». Так что, в то время как порез руки, бедра или лодыжки может быть неприятным, он будет более обыденным, чем адский порез кончика пальца бумагой.

Введение

Свёрточные нейронные сети (СНС). Звучит как странное сочетание биологии и математики с примесью информатики, но как бы оно не звучало, эти сети — одни из самых влиятельных инноваций в области компьютерного зрения. Впервые нейронные сети привлекли всеобщее внимание в 2012 году, когда Алекс Крижевски благодаря им выиграл конкурс ImageNet (грубо говоря, это ежегодная олимпиада по машинному зрению), снизив рекорд ошибок классификации с 26% до 15%, что тогда стало прорывом. Сегодня глубинное обучения лежит в основе услуг многих компаний: Facebook использует нейронные сети для алгоритмов автоматического проставления тегов, Google — для поиска среди фотографий пользователя, Amazon — для генерации рекомендаций товаров, Pinterest — для персонализации домашней страницы пользователя, а Instagram — для поисковой инфраструктуры.

Но классический, и, возможно, самый популярный вариант использования сетей это обработка изображений. Давайте посмотрим, как СНС используются для классификации изображений.

Задача

Задача классификации изображений — это приём начального изображения и вывод его класса (кошка, собака и т.д.) или группы вероятных классов, которая лучше всего характеризует изображение. Для людей это один из первых навыков, который они начинают осваивать с рождения.

Вопрос эффективного управления своим рабочим временем актуален для любого разработчика. Для технического директора — тем более. CTO одного из британских стартапов, рассказал о самописном решении, позволявшем ему анализировать собственную продуктивность на протяжении более чем 1 года. Далее предлагаем вашему вниманию непосредственно текст публикации, переведенной на русский язык и адаптированной силами редакторов блокчейн-стартапа Wirex.

Я — кофаундер и CTO успешного SaaS стартапа Overleaf. Наш офис расположен в Лондоне. С августа 2014 года по декабрь 2015 я вручную отслеживал свое рабочее время минута за минутой и анализировал данные в R.

Как и большинство людей, занимающихся учетом времени, я ставил целью улучшить собственную продуктивность. Я получил данные, которые помогли ответить на вопросы, не трачу ли я слишком много или слишком мало времени на те или иные виды деятельности. Например, на поддержку пользователей или клиентские проекты. Полученные данные показали, что мое интуитивное ощущение в этих вопросах часто было неверным.

Знаете, что происходит на этой фотографии? Буквально одно из самых важных событий в истории человечества.



А самое удивительное в этой истории то, что в то время практически никто этого не заметил.

Братья Уилбур и Орвилл Райт покорили полёты 17 декабря 1903 года. Мало какие изобретения изменили мир так сильно за последовавший век. Путешествие на поезде из Нью-Йорка в Лос-Анджелес занимало в 1900 году четыре дня. К 1930-м его можно было проделать за 17 часов по воздуху. К 1950-м за шесть часов.

В отличие от, допустим, расшифровки генома, непрофессионал может сразу же осознать чудо полёта для человека. Человек сидел в коробке и превратился в птицу.

Но через несколько дней, месяцев и даже лет после первого полёта Райт, почти никто этого не заметил.

Здравствуй, Geektimes! Я хочу поделиться свой работой над созданием системы позволяющей моделировать рефлекторные и когнитивные процессы, протекающие в нервной системе.

Частично система воплощена в простенькой программе, созданной на игровом движке Unity3D. Это своего рода симулятор нервной системы, благодаря которому возможно имитировать не только простые рефлексы, но и демонстрировать различные явления в нервной системе, такие как привыкание, сенсибилизация и образование условных рефлексов. А также возможно эмулировать временную и долговременную память и её консолидацию, эмоции и эмоциональное поведение. Причем как простые эмоции, к примеру, голод и насыщение, так и более сложные, такие как любопытство, страх или привязанность. Благодаря системе у нас появится возможность разобраться в предназначении различных областей мозга, в том, как происходит распознавание зрительных образов, как происходит обучение и эмоциональная оценка происходящего.

Это самый старый и самый удалённый от нас свет. Но где конкретно он находится?

Сказано было, чтобы мы позволили нашему свету просто светить, и тогда нам не нужно будет рассказывать всем о том, что он светит. Маяки не стреляют из пушек, дабы привлечь внимание к их свету – они просто светят.
— Дуайт Л. Муди

Если взглянуть на удалённые части Вселенной, вы будете смотреть в прошлое, из-за того, что скорость света конечна, хотя и очень велика. Так что, посмотрев на самый дальний объект из видимых, на самый первый свет, воспринимаемый нашим оборудованием, мы должны чего-то достичь. В случае с нашей Вселенной, насколько мы знаем, это будет остаточное свечение Большого взрыва: космическое микроволновое фоновое излучение. Все вы отправили большое количество вопросов, и на этой неделе я решил ответить на вопрос Дэвида Инглиша:

Мы видим популярное изображение КМФИ в виде глобуса. Оно нас окружает. Как я понимаю, что КМФИ – это самое раннее изображение Вселенной. Поскольку мы смотрим в прошлое, когда наблюдаем удалённые объекты, то КМФИ по логике должно быть самым дальним из всех. Это значит, что КМФИ находится в конце Вселенной, но это ведь не так. Пространство бесконечно, насколько мы знаем, и его грань мы не видим. Так где же это КМФИ, если не у конца Вселенной?

Начнём с самого Большого взрыва, чтобы затем прийти к КМФИ.

Где-то год назад я опубликовал цикл лекций («Логика мышления») «Искусственный интеллект как совокупность вопросов» . За время, прошедшее с тех пор, удалось достаточно существенно продвинуться вперед.
На днях мне довелось выступать на семинаре по ИИ, который в Санкт-Петербурге проводит Алексей Потапов, за что ему глубокий респект. Доклад был о природе обобщения, что это за задача, как мозг реализует обобщение во всех его проявлениях и примеры обобщения, касающиеся зрительной системы человека. Так получилось, что в основном разговор шел о тех разработках, на которых я сосредоточен последний год. Так что, если кому-то, кто смотрел «Логику мышления» интересно проследить в какую сторону идет развитие моего направления, то это можно сделать по записи этого выступления.