Всем привет! Сегодня я расскажу о своих экспериментах с системами частиц. Основной целью было нахождение простых правил, которые бы порождали интересное поведение.

Классический пример системы с простыми правилами и сложным поведением — клеточные автоматы, именно на них я и ориентировался, пытаясь подобрать правила. Конечно же, для клеточных автоматов правила будут в большинстве случаев проще. Но частицы могут быть красивее!

Под катом много мегабайт гифок.

Те же самые коды, требующиеся для предотвращения ошибок в квантовых компьютерах, могут придавать ткани пространства-времени присущую ей прочность

В игрушечных «голографических» вселенных (даже если и не в нашей, настоящей) ткань пространства-времени возникает на основе сети квантовых частиц. Физики обнаружили, что это работает по принципу квантового исправления ошибок.

В 1994-м математик из исследовательского подразделения AT&T по имени Питер Шор мгновенно прославил квантовые компьютеры (КК), открыв, что эти гипотетические устройства могли бы быстро раскладывать большие числа на множители – тем самым ломая большую часть современной криптографии. Но на пути реального создания КК стояла фундаментальная проблема: естественная неустойчивость их физических компонентов.

В отличие от двоичных битов информации обычных компьютеров, кубиты состоят из квантовых частиц, у которых есть вероятность нахождения в одном из двух состояний, обозначаемых |0> и |1>, в одно и то же время. При взаимодействии кубитов их возможные состояния становятся взаимозависимыми, и шансы оказаться в состояниях |0> и |1> зависят друг от друга. Пропорциональные вероятности растут тем более, чем сильнее после каждой операции кубиты становятся запутанными друг с другом. Поддержка и управление этим экспоненциально растущим количеством одновременных возможностей и делают КК теоретически мощными.

Вопрос устройства зрения заметная часть нейробиологии. Данному вопросу посвящены огромные объемы литературы и четыре нобелевские премии, но в сложившейся ситуации нельзя не заметить то, что изложенное в учебниках устройство зрения млекопитающих не справляется с поставленной задачей. Цель данного эссе показать свод причин, почему не стоит закрывать на это глаза. По сути, будет предъявлен портрет тайны зрения, начиная от разнообразия мелких деталей в самом начале потока зрительной информации у млекопитающих, угрозы от их игнорирования, и заканчивая ворохом проблем в понимании обработки мозгом в конце пути.

Устройство системы зрения

На взгляд любого учебника о зрении мы видим в три этапа. Первый этап: свет попадает на сетчатку и преобразуется в нервное возбуждение фоторецепторов – сенсорных нейронов сетчатки. Кроме того глаз нормализует контрастность и яркость, фокусирует изображение.

• Что такое разум, сознание.
• Чем отличается познание от осознания?
• Сознание, самосознание — одно и то же?
• Мысль — что такое мысль?
• Творчество, воображение — что-то загадочное, присущее человеку, или…
• Как устроен разум.
• Мотивация, целеполагание — зачем вообще что-то делать.

Искусственный интеллект — Святой Грааль любого человека, связавшего свою жизнь с ИТ. Венец развития любой автоматизации, программирования, конструирования механизмов — вершина всего. Однако, до сих пор вопрос «Что же такое сознание, интеллект?» остается открытым. Я не понимаю, как огромное количество людей может заниматься предметом, для которого не существует определения, но я действительно не нашел такой концепции, которая удовлетворила бы меня. И мне пришлось придумать ее самому.

Disclaimer: Данный опус не претендует на революцию в парадигме ИИ, или откровение свыше, это просто результат размышлений на данную тему и в какой-то степени самоанализа. Так же я не имею каких-то сколько-нибудь серьезных практических результатов, так что текст более философский, нежели технический.

UPD: Пока готовил статью, наткнулся на несколько очень близких концепций (вот, например, и даже на хабре). С одной стороны — немного обидно, что заново «переоткрыл велосипед». С другой — не так страшно выносить свои мысли на суд общественности, когда они уже не только мои!

Вторая часть.

Джефф Хокинс — ветеран Силиконовой долины, посвятивший последнее десятилетие изучению загадок человеческого мозга, организовал встречу с компанией DeepMind — одной из ведущих ИИ-лабораторий в мире.

Ученые из DeepMind, принадлежащей материнской компании Google — холдингу Alphabet, хотят создавать машины, способные делать все, что может делать мозг. Хокинс основал небольшую компанию с одной целью — выяснить, как работает мозг, а затем воссоздать его, исходя из полученных знаний.

Наличие способности находить короткий путь, самый прямой из точки «А» в точку «Б» не выглядит сегодня впечатляющим тестом разумности. Тем не менее, согласно новому отчету, который был опубликован в журнале Nature некоторое время назад, в котором исследователи рассказали о своей навигационной системе искусственного интеллекта, способность исследовать сложные симулированные пространства и находить кратчайший маршрут к цели, ставит системы такого рода на один уровень с человеком и другими животными.

Монин Илья Алексеевич, к.т.н., МГТУ им.Баумана., imoninpgd@gmail.com

Критика существующего Теоретического объяснения Подъёмной Силы на крыле самолёта

Прослушав курс лекций МФТИ Факультет аэромеханики и летательной техники (ФАЛТ) «Введение в Аэродинамику» и прочитав несколько разных ВУЗовских учеников по «Аэродинамике» [1-3], я был озадачен рядом явных противоречий в объяснениях физики процесса обтекания потоком воздуха (газа или идеальной жидкости) различных твёрдых предметов и формирования подъёмной силы на крыле.

1. Основной тиражируемой Версией образования подъёмной силы на крыле заявляется разность скоростей течения воздуха (жидкости) над крылом и под крылом, и вследствие этого возникает перепад давления согласно Закону Бернулли. При этом однозначно связывают через закон Бернулли расчётную скорость потока на поверхности крыла с инструментально регистрируемым давлением на крыло, игнорируя другие возможные объяснения на основе не менее базовых законов физики.
2. При анализе обтекания идеальной невязкой жидкостью профилей в плоских течениях удивительным образом получали кратное повышение скоростей потока в сравнение с базовой скоростью V0. То есть опровергается закон сохранения энергии, так как энергия на разгон потока берётся ниоткуда, кратно превышая энергию набегающего на крыло потока. При этом игнорируется постулат гидродинамики, что по тому же закону Бернулли при истечении струи из-под уровня скоростной напор однозначно ограничивается сверху статическим напором в сосуде, то есть скоростной напор струи после разгона на крыле не может превысить статического давление сжатой при торможении среды.

Данная статья посвящена состоянию сознания без внутреннего «Я». Такое состояние при определенной тренировке может испытать каждый человек на личном опыте. Восприятие в данном состоянии сознания сильно отличается от восприятия в обычном состоянии, и некоторыми своими аспектами может помочь решить различные вопросы касательно человеческого разума, которые возникают в том числе при обсуждении технологий переноса сознания в машину, создания искусственного мозга или копирования мозга человека и т.д.

Мысленный эксперимент

Представьте, что вы проснулись в странной комнате. Это не уютная спальня, в которой вы засыпали, а тускло освещенная камера с холодным влажным полом. На стенах потрескавшаяся штукатурка. И единственным входом и выходом предположительно является массивная железная дверь, запертая навесным замком изнутри. Немного выше на стене зарешеченное окно, пропускающее немного света. Если окинув взглядом всё вокруг вы пришли бы к выводу что вы в ловушке, это было бы вполне разумно. Выглядит это ужасно.

Столкнулся с необходимостью опубликовать своё мобильное приложение и при этом же столкнулся с тем, что в рунете нет ресурса, где бы были собраны вместе хотя бы более-менее значительные площадки для размещения собственных творений. Может быть и есть такой ресурс, но он спрятан где-то глубоко в паутине интернета так, что в первых страницах поисковой выдачи не показывается.



Поисковики соответствующий запрос с упорной настойчивостью вопрос «где» конвертируют в ответ «как...», предлагая ноль информации. Результат дал запрос «markets for publishing mobile apps» на английском языке и, среди прочего, выдал отличную актуальную статью, которую, дабы не потерять и каждый раз не прыгать в Google translator, решил перевести и опубликовать основное здесь. Кроме всего, в статье довольно много интересной и полезной другой информации.

Итак «App Stores List 2018» с сайта businessofapps.com. Ну, то есть,

Список магазинов мобильных приложений 2018

Исследователи из норвежского Института Системной Нейронауки им. Кавли (Kavli Institute for Systems Neuroscience) обнаружили сеть из клеток мозга которые определяют наше чувство времени в переживаниях (опыте) и воспоминаниях.

«Эта сеть предоставляет временные отметки для событий и следит за порядком событий в пережитом опыте» — говорит профессор Эдвард Мозер (Edvard Moser), лауреат Нобелевской премии и директор Института Кавли, который расположен в Норвежском Университете Науки и Технологии (Norwegian University of Science and Technology, NTNU). Область мозга, которая чувствует время, расположена в непосредственной близости с областью, отвечающей за восприятие пространства.

Поэзия — та же добыча радия.
В грамм добыча, в годы труды.
Изводишь единого слова ради
Тысячи тонн словесной руды.
Но как испепеляюще слов этих жжение
Рядом с тлением слова-сырца.
Эти слова приводят в движение
Тысячи лет миллионов сердца.

Владимир Маяковский

Напомню, что наша ближайшая задача — показать алгоритм универсального обобщения. Такое обобщение должно удовлетворять всем требованиям, сформулированным ранее в десятой части. Кроме того, оно должно быть свободно от традиционных для многих методов машинного обучения недостатков (комбинаторный взрыв, переобучение, схождение к локальному минимуму, дилемма стабильности-пластичности и тому подобное). При этом механизм такого обобщения должен не противоречить нашим знаниям о работе реальных нейронов живого мозга.

Сделаем еще один шаг в сторону универсального обобщения. Опишем идею комбинаторного пространства и то, как это пространство помогает искать закономерности и тем самым решать задачу обучения с учителем.

Привет всем! Хочу поделиться с Вами своей идеей машинного обучения.

Большие достижения в области машинного обучения, впечатляют. Сверточные сети и LSTM это круто. Но почти все современные технологии основаны на обратном распространении ошибки. На основе этого метода вряд ли получится построить думающую машину. Нейронные сети получаются чем-то вроде замороженного мозга, обученного раз и навсегда, неспособным меняться размышлять.

Я подумал, почему бы не попробовать создать что-то похожее на живой мозг. Этакий реинжиниринг. Поскольку у всех животных, несмотря на различия в интеллекте, мозг состоит из примерно одинаковых нейронов, в основе его работы должен лежать какой-то базовый принцип.

В марте 2016 года Роберт Дж. Лемке-Оливер и Каннан Соундарараджан из Стэнфордского университета открыли новый шаблон в распределении простых чисел. Оказалось, что простые числа специфически распределяются по числовому пространству. Подробнее см. перевод статьи «Структура и случайность простых чисел» на Хабре.

К изучению темы подключились специалисты из других областей, в том числе химии. И успешно. Профессор теоретической химии Сальваторе Торкуато вместе с теоретиком чисел Мэтью де Курси-Айрлэнд нашли новые шаблоны в распределении простых чисел, о которых раньше не было известно. Оказалось, что распределение простых чисел образует фракталоподобную дифракционную картину, чем-то похожую на картину дифракции у экзотических квазикристаллов.

27 октября 2017 года появилась статья доктора Джофри Хинтона с соавторами из Google Brain. Хинтон — более чем известный ученый в области машинного обучения. Он в свое время разработал математику обратного распространения ошибок, был научным руководителем Яна Лекуна — автора архитектуры сверточных сетей.

Хоть презентация была достаточно скромная, корректно говорить о революционном изменении подхода к искусственным нейронным сетям (ИНС). Назвали новый подход «капсульные сети». Пока в российском сегменте интернета мало информации о них, поэтому восполню этот пробел.

Достоинства, проблемы и ограничения сверточных нейронных сетей (CNN) в настоящее время достаточно неплохо изучены. Прошло уже около 5 лет после признания их сообществом инженеров и первое впечатление «вот теперь решим все задачи», хочется верить, уже прошло. А значит, пришло время искать идеи, которые позволят сделать следующий шаг в области ИИ. Хинтон, например, предложил CapsuleNet.
Вместе с Алексеем Редозубовым, опираясь на его идеи об устройстве мозга, мы тоже решили отступить от мейнстрима. И сейчас у меня есть что показать: архитектуру (идёт заглавной картинкой для привлечения внимания) и исходники на Tensorflow для MNIST.

Более формально, результат описан в статье на arxiv.

EmDrive будоражит умы ученых и энтузиастов космических путешествий вот уже 15 лет

НАСА уже довольно долгое время изучает так называемый «невозможный» двигатель. Споры ученых и энтузиастов космического дела не прекращаются вот уже 15 лет, с момента предоставления двигателя его создателем. И спорить действительно есть о чем — ведь EmDrive создает тягу в замкнутом контуре без всякого выхлопа. На первый взгляд, двигатель нарушает закон сохранения импульса. На второй — тоже нарушает. Но вот результаты десятков (а возможно, уже и сотен) испытаний однозначно говорят о том, что двигатель таки работает.

Агентство НАСА решило взять изучение EmDrive в свои руки. После ряда испытаний, включая вакуум, оказалось, что двигатель действительно работает, и о тепловой конвекции здесь и речи быть не может. Не так давно отчет НАСА попал в открытый доступ, но это все же была не официальная публикация, а нечто вроде утечки. Сейчас заключение специалистов агентства опубликовано по всем правилам на сайте издания Journal of Propulsion and Power.

В предыдущей части были сформулированы требования к процедуре универсального обобщения. Одно из требований гласило, что результат обобщения должен не просто содержать набор понятий, кроме этого полученные понятия обязаны формировать некое пространство, в котором сохраняются представление о том, как полученные понятия соотносятся между собой.

Если рассматривать понятия как «точечные» объекты, то такую структуру можно отчасти описать матрицей взаимных расстояний и представить в виде взвешенного графа, где вершины — это понятия, а каждому ребру сопоставлено число, соответствующее расстоянию между понятиями, которые это ребро соединяет.

Ситуация несколько усложняется, когда понятия имеют природу множеств (рисунок ниже). Тогда возможны формулировки типа: «понятие C содержит понятия A и B», «понятия A и B различны», «понятия A и B имеют нечто общее». Если положить, что близость определяется в интервале от 0 до 1, то про рисунок слева можно сказать: «близость A и C равна 1, близость B и C равна 1, близость A и B равна 0).

Захватывающая в своей странности ситуация с «невозможным» двигателем EmDrive на электромагнитных волнах получила развитие после очередного теста НАСА, вновь принесшего положительные результаты. Инженеры агентства уверяют, что провели работу над ошибками и устранили все недочёты, которые могли повлиять на полученный результат в прошлый раз. Тем не менее, работающий на непонятном принципе двигатель продолжает выдавать тягу.

На форуме НАСА инженер Пол Марч [Paul March] 31 октября рассказал о достигнутом на сегодняшний день. Инженеры, в частности, установили в тестовой камере дополнительную электромагнитную изоляцию, по меньшей мере на порядок уменьшившую влияние паразитных магнитных полей, и тем самым исключили возможное влияние на двигатель силы Лоренца. Также было усовершенствовано заземление крутильного маятника, и проведены другие работы над улучшением тестовой установки.

Тем не менее, при мощности излучателя в 80 Вт в установке всё ещё присутствует тяга порядка 100 мкН — как выразился Марч, наблюдаются «аномальные признаки тяги». Инженеры готовят новые тесты и новые усовершенствования – в частности, для компенсации теплового расширения, которое в условиях вакуума достаточно сильно влияет на опытную установку.

Почти полгода прошло с запуска нашей дебютной мобильной игры на (iOS) и (Android), в которой мы предприняли смелую, но наивную попытку изменить устоявшийся подход к монетизации. Подробнее про изначальный эксперимент можно почитать (тут), а про результаты за первый месяц — (тут).

Если вкратце — эксперимент провалился, в людях я в очередной раз разочаровался, а в последующих обновлениях мы пришли к банальной схеме «платежи + реклама». Зато удалось нащупать такой баланс между бесплатным контентом, премиум конктентом и ненавязчивой рекламой, который позволил и не разочаровать игроков (средняя оценка на Android — 4.75 при ~280.000 установок!), и окупить разработку (около 150.000 руб).

О рекламе стоит упомянуть сразу отдельно — в нашем случае это исключительно «видеореклама с вознаграждением за просмотр» (rewarded/incentivized video ads). В конце статьи расскажу, каких значений eCPM можно ожидать при ~10.000 показов в день в России от таких платформ, как UnityAds, Vungle, AdColony и Applovin.