Создана система ИИ, способная распознавать запахи

Intel Loihi (нейроморфный процессор)

Разработчики:Intel
Дата премьеры системы:сентябрь 2017 года
Дата последнего релиза:март 2020 г
Технологии:Процессоры

Содержание

2020: Обучение определению запахов

17 марта 2020 года Intel объявила о том, что Loihi теперь способен распознавать запахи. Для этого компания в сотрудничестве с учёными Корнеллского университета задействовала набор данных об активности 72 химических датчиков, которые затем нейроморфный чип смог использовать, чтобы классифицировать десять потенциально вредных запахов. Также был создан специальный алгоритм, обеспечивающий обучение системы.

Вклад в исследование учёных из Корнельского университета состоял в том, что они, как биологи, которые изучают воздействие запахов (молекул веществ) на обонятельные рецепторы и передачу электрических импульсов в мозг, помогли разработать алгоритмы определения запахов. В Intel, в свою очередь, воплотили алгоритм в машинный код, понятный нейроморфному процессору Loihi.

На момент анонса разработки чип способен узнавать 10 запахов, в том числе те, которые исходят от метана, аммиака и ацетона. Для каждого из этих соединений чип создавал индивидуальную картину нейронной активности.

В Intel утверждают, что Loihi с первой попытки распознал запахи ряда вредных для человека веществ. Причем процессор показал скорость обучения распознаванию значительно выше, чем конкурирующие платформы. Так, устройству Intel потребовалось в 3000 раз меньше обучающих выборок на класс, чем другим подобным устройствам.

По словам специалистов, мозгоподобная структура чипа, наряду со специализированными нейробиологическими алгоритмами, может стать подлинным электронным носом. [1]

Intel — не единственная компания. которая пытается обучить ИИ распознавать запахи. Команда Google Brain Team работает с парфюмерами, чтобы связать молекулы запахов с воспринимаемыми запахами, а российские исследователи используют искусственный интеллект для определения смертельных газовых смесей и воссоздавать их с помощью машинного обучения.

Intel заработала $1 млрд на нейроморфных и других процессорах для ИИ

В 2017 году корпорация Intel заработала $1 млрд на нейроморфных и других процессорах для искусственного интеллекта. О важном для Intel достижении объявил глава подразделения Data Center Group Навин Шеной (Navin Shenoy) на конференции Intel Data Centric Innovation Summit, прошедшем 8 августа 2018 года в штаб-квартире корпорации в городе Санта-Клара (Калифорния, США).

Оценка в $1 млрд основана на информации клиентов, сообщивших о том, для каких задач закупаются процессоры, а также на собственных подсчетах Intel, пояснил агентству Reuters Навин Рао (Naveen Rao), руководитель подразделения Intel по исследованиям в области ИИ. Он подчеркнул, что Intel консервативно подошла к подсчетам и что реальная цифра, скорее всего, существенно выше. [2]

В условиях стагнации на рынке ПК Intel делает все больший упор на оборудование для дата-центров, вычислительные мощности которых обеспечивают работу мобильных и онлайн-приложений, в том числе тех, что с помощью технологий искусственного интеллекта позволяют распознавать изображения и голос.

Intel за последние годы добилась значительного прогресса в плане усовершенствования своих ИИ-чипов. По словам Навина Шеноя, эффективность современных ЦПУ Intel при работе с искусственным интеллектом более чем в 200 раз выше, чем была несколько лет назад. Также он отметил, что процессоры Xeon Cascade Lake, выход которых ожидается позднее в 2018 году, в 11 раз лучше справляются с такими ИИ-задачами, как распознавание изображений, передает VentureBeat. [3]

Кроме того, на мероприятии шла речь о возможностях для роста ЦОД-оринетированного бизнеса Intel. В корпорации рассчитывают, что общий объём целевого рынка в этой сфере к 2022 году достигнет $200 млрд, тогда как прежняя оценка предусматривала показатель на уровне $160 млрд в 2021 году. [4]

Открытое сообщество для развития нейроморфного чипа Loihi

Компания Intel объявила в феврале 2018 года, что организует открытое комьюнити для тестирования и развития самообучающегося нейроморфного чипа Loihi, и предложила добровольцам представить возможные варианты разработки ИИ. Приём заявок на гранты начнётся в апреле 2018 года [5] .

На посвящённой нейроморфным вычислениям профессиональной встрече в Орегоне (Neuro Inspired Computational Elements, NICE) Intel сообщила о достижениях в развитии нейроморфной обработки данных и заявила о том, что планирует открыть желающим доступ для участия в своей дальнейшей работе.

В разработке ИИ компания выбрала направление обучения на основе принципов, по которым это происходит в человеческом мозге: процесс обучения, по мысли разработчиков, должен производить обработку информации, поступающей из окружающей среды. Нейроморфный чип Loihi, как сообщила Intel, во время испытаний показал «стопроцентную функциональность, широкие рабочие границы и всего несколько багов». Loihi способен быстро распознавать трёхмерные объекты с разных углов обзора, осваивать набор данных для обучения за несколько секунд, при этом используя лишь небольшую часть своих возможностей.

Чтобы продолжить совершенствование нейроморфной обработки данных, Intel организовала сообщество INRC (Intel Neuromorphic Research Community), в котором надеется объединить усилия как учёных, так и разработчиков. Работу планируется вести сразу по нескольким направлениям. Это будет и разработка теории и алгоритмов, и попытки адаптировать чип к работе с данными и системами «реального мира», и поиск применения для решения современных технологических задач.

Участникам сообщества компания пообещала доступ к тестовым наработкам и многопользовательской системе на основе Loihi, которую сокращённо назвали NRaaS (Neuromorphic Research as a Service).

Также Intel планирует выдавать гранты участникам сообщества на основе предложений конкретных направлений разработки. Приём предварительных заявок откроется 2 апреля 2018 года.

2017: Анонс

В сентябре 2017 года Intel представила нейроморфный процессор Loihi, с помощью которого, как утверждают в компании, технологии искусственного интеллекта (ИИ) станут более доступными.

В Intel говорят, что Loihi работает по тем же принципам, что и человеческий мозг. Содержащий 130 тыс. искусственных нейронов и 130 млн синапсов процессор обучается, используя разные типы обратной связи. В результате он становится «умнее» непосредственно в процессе работы, исключая привычный для нынешних систем ИИ этап обучения.

Архитектура Loihi напоминает нейронную сеть, в которой импульсы в синапсах служат для создания и укрепления связей между нейронами. Интеллектуальное поведение становится результатом кооперативного и конкурентного взаимодействия между участками сети и внешним миром.

Процессор Loihi может стать основой обучаемого и самообучаемого компьютера, который будет потреблять в тысячу раз меньше энергии, чем обычный ПК, которому для решения задач нужно больше производительности.

Кроме этого, новый Loihi может стать чем-то вроде сопроцессора, снабжающего функциями искусственного интеллекта центральный процессор вычислительной системы.

Отмечается, что Loihi разработан для таких нагрузок, как разработка и тестирование нескольких алгоритмов с высокой алгоритмической эффективностью для следующих задач: например, планирование маршрута, ограничение соответствия, рассеянное шифрование, изучение словарей, динамическое моделирование и адаптация.

Новый чип будет производиться с использованием 14-нм технологического процесса. Первые использующие его устройства появятся на рынке в первой половине 2018 года. Сначала они попадут в научно-исследовательские институты и университеты, занимающиеся разработкой систем искусственного интеллекта. [6]

ТЕХНОЛОГИИ, ИНЖИНИРИНГ, ИННОВАЦИИ

Измеритель диаметра, измеритель эксцентриситета, автоматизация, ГИС, моделирование, разработка программного обеспечения и электроники, БИМ

Пахнущие инновации: запись и синтезирование запахов

На 7-й Московской международной биеннале современного искусства был создан «Аромата интернета». Сделать запах, который ассоциировался бы с интернетом взялась Сиссель Толаас — норвежская художница, химик по образованию. Ее коллекция, одна из крупнейших в мире, насчитывает тысячи ароматов, среди которых можно найти запахи городов, человеческих эмоций и знаковых исторических событий. Запах интернета состоит из частиц озона, металла и обычного воздуха. Распробовать тонкий сетевой аромат можно на выставке в Государственной Третьяковской галерее до 18 января 2018 года. О том, как он появился, о подлинном смысле запахов и передачи информации с помощью благовоний расскажем далее.


Один лишь запах жареного мяса может вызвать у вас слюноотделение и заставит мозг нарисовать соблазнительный образ стейка

  • Наша продукция
  • Презентации по направлениям
  • Инжиниринг
  • Консалтинг
  • Металлообработка
  • Моделирование
  • Разработки

В повседневной жизни мы почти не уделяем внимание запахам. Если вы не охотничий пёс, то львиную долю информации об окружающем мире получаете с помощью зрения. Однако запах остается мощным инструментом воздействия на наше подсознание. Запах меняет поведение, вызывает негативные или положительные эмоции, пробуждает воспоминания.


Уже создан гаджет (в Японии), который может использоваться для измерения запаха ног человека

Наша реакция на запах может быть мгновенной, однако никто не рождается с записанной в ДНК программой реакции на запахи. У нас нет генов, которые говорят нам, какой запах хороший, а какой — грязные носки под кроватью, вонь сточной канавы или пары бензина. Восприятие запахов в первую очередь определяется воспитанием и культурой.

За тысячелетия эволюции запах не поддавался нашим способам фиксации и передачи информации. Даже понять или представить незнакомый запах оказалось трудно. Задача решается с легкостью только синестетиками, особыми людьми, способными «видеть» запахи и умозрительно складывать из них новые сочетания.


Карта, показывающая местоположение запахов общественного транспорта, растений, цветов и деревьев в Барселоне. Часть ароматической карты 25 городов City SmellScape

Сиссель Толаас — не синестетик и даже не парфюмер, но она исследует важность запахов в различных областях науки и искусства. Она самостоятельно разработала «архив запахов», созданный на основе более чем 7000 воздухонепроницаемых пробирок SuperSense.

В коллекцию исследовательницы входят запахи со всего мира. На их основе она строит «запаховые карты» многих городов мира. Сиссель собирает образцы запахов в различных районах города, а затем тщательно отмечает, в каком месте и при каких условиях ее поразил тот или иной аромат. Руководствуясь картой Сиссель можно заново открыть для себя давно знакомые улицы — изучить их на новом уровне восприятия.


Один из крупнейших в мире частных архивов запахов непрерывно пополняется с 1990 года

Проекты City SmellScape или SuperSense можно отнести к экзотической области исследований, но их нельзя считать уникальными. По всему миру исследователи, изобретатели и ученые ведут работы с запахами. Появляются высокотехнологичные стартапы, ставящие перед собой цель обогатить наш опыт восприятия реальности с помощью пахучих веществ. Мы уже научились собирать и синтезировать запахи, но еще предстоит много работы по оцифровке и передаче через каналы связи эссенций пахучести.

Передача и синтез запахов


Meta Cookie – экспериментальный гаджет, который пытается модифицировать восприятие вкуса, изменяя внешний вид пищевого продукта и маскируя его истинный запах другим (смоделированным) запахом. Это действительно причудливый прибор сочетает в себе дополненную реальность с системой испускания запахов перед носом пользователя

Попытки передать дополнительную информацию с помощью запахов и технологий предпринимались за десятки лет до эпохи интернета. В конце 50-х и начале 60-х годов в некоторых американских кинотеатрах распрыскивали духи, чтобы придать картинам дополнительный эффект погружения.

Были представлены две системы имитации запахов — Smell-O-Vision Ханса Лаубе и AromaRama Чарльза Вейса. Обе системы использовали системы кондиционирования кинотеатров для создания ароматического сопровождения кинофильмов. Эксперимент потерпел неудачу, поскольку публика волновалась и отвлекалась от просмотра, реагируя на необычные для кинозала запахи.

В 2000 году компания TriSenx показала концепт устройства FirstSENX, которое распознавало код, обозначающий, в каком соотношении нужно смешивать вкусовые ингредиенты для получения того или иного вкуса или запаха. Вкусовые ингредиенты на водной основе могли наноситься на съедобный носитель (пресную лепешку) и на обычную бумагу. Проект не покинул стенд единственной выставки, на которой был представлен.

Гораздо ближе к реализации задумки оказалась компания DigiScents, выпустившая устройство синтеза запахов iSmell в 2001 году. iSmell или iSmell Personal Scent Synthesizer подключался к ПК и начинал пахнуть, как только пользователь посещал сайт или открывал электронное письмо со встроенным кодом активации. Устройство содержало картридж со 128 «основами ароматов», которые можно было смешивать для создания различных запахов.

В 2006 году iSmell был назван одним из «25 наихудших технических продуктов всех времен». Несмотря на 20 миллионов долларов инвестиций, пользователей не удалось заинтересовать проектом. Возможно, задумка просто опередила свое время.

В 2007 году стартап Scentcom начал работу в области внедрения сенсорного опыта в различных областях (игры, телевидение, автомобили, смартфоны) с использованием гаджета, заменяющего ароматические палочки для дома. Компания применяет технологию ультразвуковых микроизлучателей, которые направляют распыляемые вещества в поток воздуха за пределами устройства, управляемого с помощью мобильного приложения. Удивительно, но проект жив спустя 10 лет после появления.

В 2008 году Nokia показала прототип телефона, который мог определять, передавать и воспроизводить полученные запахи. Аналогичные проекты замечены у израильского стартапа Scent2you.

А на другом конце света в 2008 году японский сотовый оператор NTT DoCoMo тестировал устройство с картриджами базовых ароматов, позволявшее создавать различные ароматические смеси.

Похоже, что передача запахов является одной из тех навязчивых идей, что никогда не отпустит человечество. Будут ли достигнуты успехи на этом поприще?

Долговременное хранение запахов

Все началось с устройства, которое придумали дизайнеры Эми Рэдклиф и Хелен Комбал-Уэйс. Мы привыкли, что дизайнеры массово генерируют различные концептуальные работы, многие из которых не выдерживают критики с точки зрения инженерии и логики. Однако в данном случае дизайнеры проявили себя настоящими изобретателями и создали камеру, которая запечатляет запахи для их последующего воспроизведения.

Источник запаха помещается под купол устройства. Воздушный насос засасывает запах в специальную колбу, которая затем отправляется в лабораторию, где молекулярная структура запаха расшифровывается с помощью газовой хроматографии и масс-спектрометрии. Выделив молекулы отдельных пахучих веществ, их смешивают с жидкостью и помещают во флакон, который можно всегда носить с собой.

Устройство «Scentography» послужило основной для создания гаджета «Madeleine», сохраняющего в памяти ароматный след любого человека, объекта или места. «Madeleine» работает на основе метода, предложенного в 1975 году швейцарским химиком и парфюмером Романом Кайзером.

Кайзер оказал значительное влияние на анализ натуральных продуктов. Он стал одним из пионеров метода анализа воздуха с помощью газовой хроматографии и многие из восстановленных им природных ароматов нашли применение во всемирно известных духах. Кайзер сейчас занимается восстановлением ароматов исчезающих видов растений, а его изобретения живут своей жизнью.

В «Madeleine» запах обрабатывается практически тем же образом, что и в опытах швейцарского парфюмера 40 лет назад: на объект направляется воронка прибора, включается насос, воздух прокачивается через стеклянную трубку с картриджем, который содержит адсорбент. Разница в том, что современные методы позволяют делать адсорбент из различных новых материалов — например, из пористой ионообменной смолы на основе 2,6-дифенилфенола. Этот материал устойчив к воздействию атмосферной влаги и высоких температур, а средний диаметр пор 200 нм обеспечивает высокую емкость.

Картридж с пробой воздуха проходит обработку в лаборатории, где молекулам природных запахов находят максимально точные пахучие аналоги — восстанавливают запах. Зная химический состав пробы воздуха, мы можем в лаборатории воспроизвести любой запах и делать это столько раз, сколько потребуется.

Телепортация запахов

Группа ученых из Национального Университета Сингапура (NUS) и Университета Кейо, Япония, с 2013 года ведет работу над новой методикой, позволяющей оцифровать вкус и цвет. Перед испытуемым ставили прозрачный стакан с дистиллированной водой. В стакане активировали светодиодную подсветку, повторяющую цвет лимонада. Встроенные в верхнюю часть стакана электроды раздражали вкусовые рецепторы языка, имитируя у дегустатора такие же вкусовые ощущения, как при питье лимонада.

Прототип устройства мог воспроизводить лишь четыре базовых вкуса: сладкий, горький, соленый и кислый (поэтому опыт ставили на лимонаде). Ученые планируют добавить к вкусовым ощущениям запахи, чтобы сделать продукты более реалистичными.

Ученые из университета Йорка (Канада) и университета Варвика (Великобритания) первыми в мире смогли передать текстовое сообщение с помощью запаха. Текст вводился на плате Arduino Uno в двоичном коде. Затем подключенный к Arduino пульверизатор распылял пары изопропилового спирта в сторону приемника. Присутствие паров в воздухе соответствует единице, отсутствие — нулю.

На стороне приемника находился еще один микроконтроллер Arduino Uno с тремя сенсорами для разных веществ. Контроллер декодирует сообщение, распознавая увеличение паров спирта как единицу, а уменьшение — как ноль.

Ставятся и другие эксперименты, цель которых — сохранение запаха и быстрая передача его на расстояние. Но возникает вопрос, какова конечная цель всех изысканий — наука ради науки или создание реального востребованного на рынке продукта?

Реальное применение

Вещь, которая выглядит как первоапрельская шутка. Ученые из Токийского аграрно-технического университета изобрели «пахнущий экран». Запах исходит из конкретной области на экране, соответствующей источнику аромата — например, когда появляется изображение персика, именно этот угол экрана пахнет фруктом.

Из нагреваемых сублимированных гелевых гранул запах попадает в четыре воздушных потока. Система меняет положение вентиляторов, установленных по углам экрана, таким образом, чтобы запах в воздушном потоке следовал в какое-то конкретное место и согласовывался с изображением на экране.

На данный момент система может производить только один запах, но исследователи говорят, что следующая модель будет оснащаться картриджем для получения десятков различных ароматов. Технология средств «доставки» запахов, соответствующих картинке на экране, может значительно усилить восприятие зрителей. Представьте, что вы смотрите серию «Игры престолов», в которой герои смачно поедают жареную курицу. И ваша гостиная наполняется ароматом мяса и специй.

Возможность передавать запахи на расстояние (или только саму информацию о запахах), очевидно, найдет применение во многих областях: игры, маркетинг, медицина, туризм. Для виртуальной реальности искусственный запах — это еще один способ полного погружения человека в цифровой мир.

В повседневной жизни мы не придаем особого значения запаху. Приятно пахнет? Можно есть или просто нюхать. Чувствуете отвратительную вонь? Значит, надо держаться подальше. Для большинства людей эти базовые установки — единственные.

Каждый может вспомнить пример, когда запах служил дополнительным источником информации — сотрудник полиции просит вас дыхнуть, а ревнивая жена мгновенно учует запах чужих духов на пиджаке мужа — однако большинство запахов мимолетны для нашего сознания. В зале кинотеатра запах сладкого попкорна лишь приятно дополняет атмосферу, а запах моря у побережья вряд ли надолго сфокусирует ваше восприятие. Однако ученые из медицинского института Говарда Хьюза и университета Рокфеллера, протестировав добровольцев с использованием «палитры» различных сложных запахов, определили, что наше обоняние способно распознавать как минимум триллион (!) запахов.

В это трудно поверить, но ученые заявляют, что не ошиблись в расчетах. Для сравнения — человеческий глаз способен увидеть до 10 миллионов оттенков, а ухо слышит до 350 000 звуковых частот. Получается, что нос даст нам гораздо больше информации об окружающем мире — если бы мы сами того захотели и развивали соответствующие навыки.

Мы еще только в самом начале пути по развитию сенсорного восприятия мира. Трудно предположить, какие еще данные о запахах узнает наука и как люди смогут распорядиться полученной информацией. Возможно, что благодаря технологиям мы научимся полнее «видеть» и «чувствовать» окружающее пространство — независимо от того, будем ли мы находиться в реальности или VR-мире.

  • Наша продукция
  • Презентации по направлениям
  • Инжиниринг
  • Консалтинг
  • Металлообработка
  • Моделирование
  • Разработки

Понравилась статья? Тогда поддержите нас, поделитесь с друзьями и заглядывайте по рекламным ссылкам!

Нейросеть-криминалист, программа-ботаник и электронный нос: чему искусственный интеллект научился за последнее время

Мы начинаем серию партнерских материалов с телеграм-каналом Funscience, про технологии, гаджеты, науку и космос — последние и самые качественные подборки научно-популярных статей из разных источников.

«Нож» уже писал, что искусственный интеллект (ИИ) научился выявлять сексуальную ориентацию людей по фото и делает это теперь гораздо лучше нас с вами: программа правильно определила предпочтения с фотографий 81 % мужчин и 74 % женщин, тогда как люди смогли угадать лишь 61 и 54 процента соответственно.

Тем временем международный аэропорт Пекина Шоуду заключил контракт с Baidu на установку оборудования с технологией искусственного интеллекта для опознавания пассажиров при контроле. Теперь во время посадки в самолет пассажирам больше не нужен будет посадочный талон или удостоверение личности — система распознавания лиц сама будет идентифицировать людей и обеспечивать им необходимый допуск. А лица всех проходящих в аэропорт будут сравниваться с базой данных, чтобы обеспечить безопасность и не допустить в здание террористов.

Полиция штата Нью-Йорк недавно отчиталась, что за последние семь лет раскрыла почти 21 тысячу преступлений благодаря системе распознавания лиц. Причем треть случаев, 7 тысяч, отработаны в 2016–2017 годах. Все благодаря камерам с ИИ, которые помогли распознать водителей-лихачей, мошенников, похитителей личных данных с банкоматов и прочих злодеев.

В середине августа исследователи из Национального института стандартов и технологий из Мичиганского университета сообщили, что разрабатывают алгоритм на основе искусственного интеллекта, который автоматизирует поиск людей по отпечаткам пальцев, снятых с места преступления. ИИ будет самостоятельно определять, какие отпечатки имеют ценность, а какие нет смысла изучать, чтобы ускорить процесс расследования.

И еще одно важное событие в сфере ИИ. На конференции IEEE (Institute of Electrical and Electronics Engineers Conference on Computer Vision and Pattern Recognition), которая проходила в Гонолулу, была представлена программа SurfNet для составления трехмерных карт окружающего пространства и помещений. Эти карты — будущая база компьютерных интерфейсов, где управление осуществляется при помощи движений и жестов рук.

То есть ИИ уже сегодня научился превращать двухмерные фотоснимки в трехмерное представление реальных объектов, а там и до 3D-печати рисунков художников недалеко.

Да что там трехмерные карты для ИИ! Программы, работающие на основе искусственного интеллекта, уже сорняки научились отличать от культурных растений. Один такой стартап был выкуплен американским производителем сельхозтехники John Deere за $305 миллионов. Теперь тракторы во время движения будут фотографировать побеги растений и опрыскивать только сорные и больные всходы, благодаря возможности отличать одно от другого.


Искусственный интеллект работает не только с видимыми физическими явлениями, но и со звуком. Он уже сейчас составляет конкуренцию композиторам и музыкантам современности.

Вспомнить хотя бы нашумевший альбом американской певицы Тэрин Саузерн с песней Break Free, которая была написана программой Amper. Причем в прошлом году умная программа под названием Flow Machine от Sony создала с помощью ИИ песню в стиле The Beetles — Daddy’s car — и опыт прошел на ура.

Еще ИИ может следить за нашим сном с помощью радиоволн, которые считывают частоту движения, дыхания и пульса. Исследователи из Массачусетского технологического института, которые разработали эту технологию бесконтактного отслеживания сна, говорят, что система поможет исследовать различные нарушения в организме человека и находить пути решения проблем.

Но не только за рубежом идут бурные разработки в ИИ. Российские исследователи из ВШЭ, например, придумали «электронный нос», который может распознавать запахи с помощью нейросетей. Логика работы прибора похожа на обоняние живых существ, которые запоминают запахи и потом узнают их.

В Лаборатории нейронных систем и глубокого обучения Московского физико-технического института создали первый в мире суперкомпьютер для обучения ИИ вербальной речи. Таким образом, скоро появится разговорный искусственный интеллект iPavlov, который будет способен вести содержательный диалог с человеком. Сбербанк, который финансирует разработки, по крайней мере уже вовсю анонсирует эту тему.

И в России же прямо сейчас идут опыты над тем, чтобы разработать компьютер на основе мемристоров, которые не только хранят, но и обрабатывают информацию подобно нейронам мозга человека. Это именно тот уровень, к которому стремятся ученые со всего мира и чего так боятся они же. Мемристоры могут стать основой для нового подхода к обработке информации — так называемого мемкомпьютинга, способа обработки информации, когда оперативная память и «долговременная» (жесткий диск) осуществляется одними и теми же элементами, как это сейчас происходит с помощью нейронов в головном мозге Homo sapiens.

ИИ — вообще удивительная штука, его возможности поражают. Помните, в начале прошлого месяца ребята из Facebook Artificial Intelligence Research Lab (FAIR) подняли тревогу, мол, ИИ вышел из-под контроля и начал говорить на понятном только ему языке в чатике? Хотя на самом деле это была ошибка программистов в алгоритмах, но страха нагнали на весь мир.

Однако такие люди, как Илон Маск и Мустафа Сулейман, всерьез говорят о своих опасениях относительно саморазвития искусственного интеллекта.

Только в последнее время Илон сделал несколько заявлений с предостережением человечества от заигрывания с ИИ, хотя он сам спонсирует лабораторию OpenAI, которая помогает искусственному интеллекту обучаться самостоятельно по примеру гугловского DeepMind.

  1. После встречи Путина со школьниками глава Tesla и SpaceX написал в Твиттере, что технологическая гонка России, Китая и других стран в разработке ИИ на национальном уровне может стать причиной Третьей мировой войны.
  2. Призывал ООН не допустить революции в военном деле, так как «технологии могут стать оружием террора, которое деспоты и террористы могут использовать против невинного населения», в совместном письме с Мустафой Сулейманом (главой Google DeepMind) и 114 другими специалистами по искусственному интеллекту и робототехнике.
  3. На встрече Национальной ассоциации губернаторов США в Род-Айленде Маск даже заявил, что роботы и алгоритмы могут выйти из-под контроля человека и «отправятся на улицы убивать людей». Человечество к этой ситуации не будет готово, так как пока большинство считает восстание машин фантастической и маловероятной перспективой.

Но возможности, которые открывает ИИ и нейронные сети, столь велики и перспективны, что крупные корпорации готовы оплачивать повсеместное развитие ИИ из своего кармана. К примеру, недавно Sony выпустила программное обеспечение Neural Network Console, которое позволит новичкам создавать собственные технологии на основе искусственного интеллекта; Microsoft запустила Project Brainwave для ускорения глубокого обучения искусственного интеллекта, которую собирается в следующем году выложить в облако для всех своих клиентов.

Ну что ж, дорогие читатели, вам выбирать, в какую сторону склоняться: противостоять прогрессу и отрицать ИИ или бросаться на амбразуры разработок в этой сфере. А наша задача — рассказывать вам новые научные сказки с неоспоримыми фактами из жизни.

В следующем материале — генные эксперименты с эмбрионами, программы, которые предсказывают возможность болезни Альцгеймера, и улучшение человеческих чувств с помощью компьютеров.

«Электронный нос» на базе искусственного интеллекта распознаёт свежесть мяса

Группа учёных, в которую вошли представители Наньянского технологического университета в Сингапуре (Nanyang Technological University, NTU Singapore, 南洋理工大学), китайского Университета Цзяннань (江南大学) и австралийского Университета Монаш (Monash University), создала искусственную систему, имитирующую обонятельный аппарат млекопитающих.

Область применения разработанной системы — точная оценка свежести мяса. Тестирование на коммерчески упакованных и оставленных портиться образцах курятины, рыбы и говядины показало, что свёрточная нейронная сеть способна предсказывать свежесть мяса со средней точностью 98,5%.

«Электронный нос» (e-nose) включает систему штрихкодов, которые со временем меняют цвет, вступая в реакцию с газами, выделяемыми мясом по мере разложения. Со штрихкодами работает установленное на смартфон приложение. «Электронный нос» обучен распознавать и предсказывать свежесть мяса на основе большой библиотеки цветов штрихкодов.

О разработке можно узнать из статьи, опубликованной в журнале Advanced Materials. Её авторы полагают, что созданный ими электронный нос может помочь сократить пищевые отходы, так как он точнее, чем этикетка «Годен до», показывает потребителям, подходит ли мясо для употребления в пищу.

По словам одного из ведущих авторов статьи, директора Инновационного центра гибких устройств в NTU профессора Чэня Сяодуна (陈晓东), экспериментальная искусственная обонятельная система, протестированная исследователями в реальных условиях, может быть легко интегрирована в упаковочные материалы и будет выдавать результаты быстро и без специальных гаджетов, используемых в «электронных носах», разработанных ранее.

«Эти штрихкоды помогут потребителям экономить деньги, гарантируя, что они не выбрасывают продукты, ещё пригодные для употребления, а также облегчат бремя потребления для окружающей среды. К тому же биоразлагаемый и нетоксичный характер штрихкодов означает, что их можно безопасно применять на всём протяжении цепи поставок продуктов питания для обеспечения свежести продуктов».

На новый метод мониторинга свежести продуктов питания в режиме реального времени подан патент, и теперь команда работает с сингапурской агропромышленной компанией, чтобы приспособить технологию к другим типам скоропортящихся продуктов.

«Электронный нос», разработанный учёными из NTU и их партнёрами, состоит из двух элементов: цветного штрихкода, вступающего в реакцию с газами, образующимися при разложении мяса, и «считывателя» штрихкода, использующего ИИ для интерпретации получающейся при этом комбинации цветов. Чтобы сделать «электронный нос» портативным, учёные интегрировали его в приложение для смартфона, способное выдать результат за 30 секунд.

Электронный нос имитирует то, как работает нос млекопитающих: когда газы, образующиеся при разложении мяса, связываются с рецепторами в носу, те производят сигналы и передают их в мозг. Затем мозг собирает эти отклики и группирует их в шаблоны, позволяя млекопитающему определять запах, появляющийся при старении и гниении мяса.

В штрихкоде «электронного носа» — 20 полос, работающих как рецепторы. Каждая полоса изготовлена из хитозана, встроенного в производные целлюлозы и наполнена разными видами красителей. Красители вступают в реакцию с газами, выделяемыми мясом при разложении, и меняют цвет в зависимости от типа газа и его концентрации. Уникальная комбинация цветов служит «отпечатком запаха» для состояния любого мяса.

Например, первая полоска штрих-кода содержит слабокислый жёлтый краситель. При взаимодействии с азотсодержащими соединениями (биоаминами), образующимися при разложении мяса, она становится синей. Интенсивность цвета меняется с увеличением концентрации биоаминов по мере разложения мяса.

Опираясь на международный стандарт, определяющий свежесть мяса, учёные разработали систему классификации (свежее, менее свежее или испорченное). Свежесть мяса, согласно этому стандарту, определяется количеством выделяемого аммиака или, в случае с рыбой, двух других биоаминов, которые обычно встречаются в упакованной в ПВХ рыбе. Свежесть определялась при хранении при 4°C в течение пяти дней с разными интервалами.

Штрихкоды наклеивались на внутреннюю сторону ПВХ-плёнки так, чтобы они не касались продукта. Далее штрихкоды фотографировали с разным интервалом в течение пяти дней. Затем, для выявления закономерностей в образцах запаха, соответствующих разным категориям свежести, на базе полученных изображений различных штрихкодов была обучена система искусственного интеллекта — глубокая свёрточная нейронная сеть.

Чтобы оценить точность прогноза, выдаваемого электронным носом, проверялась свежесть упакованной в коммерческих условиях курицы, рыбы и говядины, которые хранились при температуре 25°C. На всю упаковку исследователи наклеили штрихкоды. Более 4000 штрихкодов с шести упаковок с мясом было сфотографировано в разные промежутки времени в течение 48 часов без открытия упаковок.

Чтобы добиться точности, исследовательская группа обучила систему на 3475 образцах штрихкодов.

В результате точность выявления испорченного мяса составила 98,5—100%, а отличить свежее мясо от не очень свежего получилось в 96—99% случаев.

Метод анализа информации со штрихкода сравнили с другим. Исследовательская группа случайным образом выбрала 20 штрихкодов из каждой категории свежести и на них исследовала точность прогноза, которую даёт кластерный анализ с евклидовой метрикой (такой метод широко используется для оценки выходных данных различных сенсоров). Этот метод показал общую точность в 61,7%.

Профессор Чэнь Сяодун прокомментировал:

«Несмотря на то, что тему «электронных носов» активно изучают, до сих пор существуют препятствия на пути к их коммерциализации. Они возникают из-за того, что у текущих прототипов возникают проблемы с точностью обнаружения и распознавания запаха. Поэтому нужна система, которая имела бы как технически надёжный сенсор, так и хороший метод анализа данных, который мог бы точно классифицировать образцы запахов. Именно этим и хорош наш электронный нос. Он может неинвазивно, автоматически и в реальном времени мониторить запахи. Также он может быть использован для распознавания типов газов, выделяемых другими скоропортящимися продуктами по мере того, как они становятся менее свежими. Таким образом, новая платформа потенциально имеет широкое применение в области контроля качества пищевых продуктов».

Огненный интеллект: как хакер из Черноголовки создал первый в мире файрвол на основе ИИ

Иван Новиков, основатель глобальной компании Wallarm, софт которой обнаруживает и блокирует хакерские атаки, начинал карьеру в сфере безопасности как «этичный хакер». Мечта стать хакером родилась у 11-летнего Ивана, когда он наткнулся на номер печатного журнала «Хакер». Спустя два года он увидел фильм «Пароль «Рыба-меч» с голливудскими звездами Хью Джекманом, Джоном Траволтой и Холли Берри в главных ролях и укрепился в своем решении. «После просмотра я заключил, что хакеры будут управлять миром», — вспоминает 33-летний предприниматель. Постепенно хобби переросло в бизнес. Сегодня основанная им компания Wallarm — один из самых успешных стартапов Кремниевой долины с русскоязычными основателями. Среди клиентов — Mail.ru, Miro, Semrush и другие крупные корпорации. Как парню из Подмосковья удалось построить одну из лидирующих компаний на рынке информационной безопасности и перебраться в США?

Иван Новиков родился в Черноголовке, подмосковном наукограде с населением 21 000 человек, его мать занималась химией, а отец геологией. Хакерством Новиков увлекся в детстве. «Ломать» учился по статьям из журнала «Хакер», который он в шутку сравнивает с книгами Григория Остера «Вредные советы». «Это было практическое пособие, в котором чуваки рассказывали, что и как ломать», — вспоминает Иван. После школы он поступил на физфак МГУ, пошел работать программистом в небольшую московскую компанию. Параллельно Иван, тогда больше известный в Рунете как d0znpp, или Владимир Воронцов, участвовал в официальных программах Bug Bounty — за вознаграждения искал бреши (баги) в кодах веб-приложений. Такие конкурсы проводили Facebook, Yahoo!, Google, Apple, Microsoft, «Яндекс», Mail.ru и другие корпорации. За каждую найденную уязвимость заказчики платили от $200 до $1500. «Это были быстрые деньги, — рассказывает Новиков. — Плюс я мог протестировать свои возможности в боевых, но при этом безопасных условиях».

В 2009 году компания «Битрикс» организовала конкурс для хакеров на компьютерном фестивале Chaos Constructions. Участникам нужно было обойти встроенную защиту и взломать сайт. Победителем стал Новиков. «Конкурс стал трансформирующим, переломным моментом для меня — после него началась вся движуха. Я смог законнектиться с «Битриксом» и выйти на другие компании, которым требовались аудиты безопасности. Из этого уже можно было строить бизнес», — рассказывает Новиков. В том же году он основал консалтинговую компанию Onsec, которая специализировалась на поиске и устранении уязвимостей в веб-приложениях. Параллельно устроился в международную фирму BearingPoint, чтобы понять, как работает консалтинговый бизнес. Развивать Onsec 21-летнему Новикову помогала жена Анастасия. Она взяла на себя операционную часть, включая юридическую поддержку и бухгалтерию. Впрочем, крупные контракты появились только через пару лет: в 2011 году компания подписала договор на четыре месяца с разработчиком софта Parallels. За работу Parallels заплатила около $40 000. Это был самый дорогой контракт для Onsec. «Сумма тогда показалась нам космической. Мы думали, нам на всю жизнь хватит», — вспоминает Новиков.

В том же году он занял первое место в конкурсе «Месяц поиска уязвимостей «Яндекса», уволился из BearingPoint и решил масштабировать бизнес. Клиенты, пользовавшиеся услугами Onsec, часто спрашивали, какую программу для защиты от атак они могли бы установить, рассказывает Анастасия Новикова. Наработки для такого софта у Onsec уже были, но для полноценного продукта требовались инвестиции. В 2012 году Onsec получила $500 000 от фонда Runa Capital. Партнер фонда Дмитрий Гальперин вспоминает, что на тот момент у команды не было даже MVP, но предлагаемое решение было новым для рынка. «На рынке лидировали Imperva, а также платформа ModSecurity (разработанная американской компанией Trustwave SpiderLabs). Но все конкуренты тогда фокусировались на известных наборах уязвимостей. Новиков же предложил создать софт на основе искусственного интеллекта, который анализировал бы работу конкретного веб-приложения и выявлял характерные для него аномалии. То есть команда использовала искусственный интеллект, когда это еще не было модным», — рассказывает инвестор.

Получив инвестиции, Новиков запустил новый проект — Wallarm. Его жена Анастасия стала финансовым директором стартапа, а друг детства Александр Головко, который до этого работал с Onsec на фрилансе, занял позицию СТО. Благодаря инвестициям к концу ноября 2013 года команда представила первую версию продукта — платформы, которая блокировала хакерские атаки. Она также находила уязвимости в коде веб-приложения, которые злоумышленники могли использовать для взлома сайта. В основе платформы лежала технология машинного обучения. Первым клиентом Wallarm стала платежная система QIWI. По словам СТО QIWI Кирилла Ермакова, принимая решение о сотрудничестве, он сравнивал продукт Wallarm с зарубежными аналогами от Imperva, F5. «Конечно, мы рисковали, так как продукт был сырой и требовал доработки. В то же время мы понимали, что мы первый клиент и компания направит все ресурсы, чтобы помочь нам внедрить решение. Так и получилось». В итоге QIWI подписала контракт на три года и до сих пор пользуется сервисом Wallarm.

«Внедренные решения целесообразно менять, когда кто-то создал что-то новое и прорывное. Но никакой новой «вау-технологии» в WAF пока не появилось», — поясняет Кирилл. За контрактом с QIWI последовали и другие. За 2014 год компания подписала десятки клиентов. Из них половина представляла сферу e-commerce.

Поворотным моментом для Wallarm Новиков считает 2016 год. Еще на старте он понимал, что нужно целиться в международный рынок — у сайта Wallarm тогда даже не было российской версии. «Не было смысла делать продукт для локального рынка, потому что в России не было потребности в продукте такого класса и не было денег», — поясняет предприниматель. Американские компании среди клиентов были, но в 2016 году 80% выручки приносили контракты с российскими заказчиками. Чтобы найти американских клиентов, фаундеры регулярно ездили в США, но для работы на американском рынке требовался переезд. Тогда операционный директор Степан Ильин подал заявку в один из самых знаковых американских акселераторов Y Combinator. Среди его выпускников значились Airbnb, Dropbox, DoorDash. «В YC нам рассказали, как строить бизнес в США и искать инвесторов. По сути, нас наделили суперсилой. До переезда в Долину мы, можно сказать, ничего не знали о бизнесе», — рассказывает Иван. Благодаря этому компании удалось привлечь зарубежных клиентов. Она также получила от Y Combinator $120 000 в обмен на долю 7%. За счет этого удалось вдвое увеличить выручку, с $600 000 до $1,2 млн в год.

Первый квартал года компания впервые закрыла с прибылью. После акселерации Wallarm подняла $2,3 млн от фондов Partech, Gagarin Capital, Amino Capital и AltaIR Capital. По словам управляющего партнера фонда Gagarin Capital Михаила Тавера, в 2016-м рынок кибербезопасности активно развивался и Wallarm выделялась на фоне конкурентов. «Одним из преимуществ был возраст компании — она существовала уже три года. Команда успела сделать ряд ошибок и отрефлексировать их, — поясняет инвестор. — Wallarm также тщательно фокусировалась на своей нише и не пыталась объять необъятное, запуская, например, антивирусы, чем нередко грешили некоторые конкуренты». По его словам, большинство конкурентов к тому моменту использовали старомодные «сигнатурные» методы противодействия атакам и не могли реагировать на угрозы с адекватной скоростью. Wallarm же распознавала не только уже описанные атаки, но и их новые вариации. Роль сыграло и попадание в Y Combinator, отмечает Тавер. После окончания программы Новиков обосновался в Сан-Франциско. Это упростило общение с клиентами и инвесторами. В 2018-м компания закрыла раунд А. Его возглавил калифорнийский фонд Toba Capital. Участие приняли Y Combinator, Partech и Gagarin Capital. Общая сумма инвестиций составила $8 млн.

Сейчас у Wallarm 200 клиентов, в основном это крупные корпорации, в том числе интернет-магазины, платежные системы и обменники, IT-компании. Среди них Mail.ru, Parallels, Miro, Semrush. В пресс-службе Semrush отметили, что выбирали из продуктов нескольких компаний, в том числе американских конкурентов — Imperva, F5, Cloudflare. Но Wallarm предлагала решение на основе искусственного интеллекта. «Алгоритмы способны обучаться и, таким образом, сокращать число ложных срабатываний (когда система блокирует пользователя, по ошибке приняв его запрос за атаку)», — говорит представитель Semrush. Суммы контрактов зависят от размера клиентской компании. Анастасия Новикова оценивает самые крупные в $30 000 — 40 000 в месяц. Во время пандемии корпорации заморозили бюджеты на информационную безопасность, и Wallarm переориентировалась на заказчиков поменьше. Это позволило нарастить выручку. В 2020-м выручка российской части компании превысила 181,5 млн рублей. Общие цифры в компании не раскрывают, отмечая, что контракты с российскими компаниями приносят до 20% регулярного годового дохода (ARR).

По оценке принципала венчурного фонда Fort Ross Ventures Дениса Ефремова, общая выручка компании за 2020 год могла составить $15 млн. Михаил Тавер оценивает мировой рынок информационной безопасности в $150–180 млрд, и он растет. Новиков говорит, что ему неоднократно предлагали купить стартап, но выходить из дела он не планирует. «Я смогу уйти только тогда, когда пойму, что не нужен индустрии. А это случится, когда появятся люди, способные создавать рабочие решения, — утверждает предприниматель. — В будущем я бы хотел заниматься чем-то более фундаментальным, чем создавать конкретные технологии и продукты, например наукой и образованием. Кажется, это гораздо прикольнее».

15 бизнесменов, изменивших представление о России. Рейтинг Forbes

Умные помощники. Как искусственный интеллект изменил мир

Искусственный интеллект используется в медицине, финансах и коммерции, промышленности и обеспечении порядка и безопасности — везде, где требуется обрабатывать большие объемы данных, систематизировать и прогнозировать.

Еще десятилетие назад мир воспринимал ИИ больше как утопическое будущее, чем возможную реальность. Ведь в 2010 году далеко не все имели компьютеры и знали, как пользоваться интернетом. Однако будущее оказалось намного ближе, чем думали многие. Сейчас искусственный интеллект практически управляет нашей жизнью. Рассказываем как.

Как работает ИИ

Один из способов создать искусственный интеллект — это построить нейронную сеть. Искусственная нейронная сеть работает по тому же принципу, что и нервные сети в живом организме. В организме в сеть соединяются нервные клетки или нейроны. Искусственная нейросеть устроена почти так же, только вместо нервных клеток у нее простые процессоры.

Нейросети способны обучаться. В этом им помогает технология машинного обучения. Благодаря ей компьютеры могут отличать один объект от другого, сравнивать, анализировать и прогнозировать. Чтобы научиться распознавать, к примеру, кошку, нейросети нужно просмотреть огромное количество картинок с кошками и запомнить набор признаков.

В сад инженера компании Nvidia Роберта Бонда часто забредали соседские кошки и портили насаждения. Бонд написал алгоритм, который включал разбрызгиватель, когда в сад входила кошка. Для этого нейросеть анализировала изображения с видеокамер, сопоставляя части картинок со «знакомыми» признаками домашнего хищника. Если большая часть элементов картинки совпадает с признаками кошки, компьютер сообщает, что нашел кошку.

Точно так же нейросети могут читать написанные от руки буквы и цифры, прогнозировать курс акций на следующий день и определять больной орган.

Где применяется ИИ

Смартфоны и виртуальные помощники

Смартфоны буквально напичканы опциями и приложениями, которые работают на искусственном интеллекте. Каждый раз, когда мы разговариваем с голосовыми помощниками Siri от Apple, Google Assistant и Алисой от Amazon, мы общаемся с ИИ. Помощники рассказывают нам о погоде, прокладывают маршруты поездки и могут поддержать беседу. Разработчики даже научили их «обижаться».

ИИ умеет распознавать лица и отпечатки пальцев, чтобы разблокировать телефон, и делает многое другое. Причем разработчики все больше стараются запускать приложения с ИИ непосредственно на телефонах. Чтобы распознать, к примеру, речь, уже не нужен компьютер. Ваше карманное устройство прекрасно умеет это делать.

В октябре Google представил приложение для смартфонов под названием Recorder. Оно записывает видео и расшифровывает аудио в реальном времени. Recorder различает множество звуков, включая музыку и аплодисменты. Есть поиск по аудио, который позволяет находить отдельные слова.

Чтобы приложение уместилось на смартфоне, пришлось потрудиться. Как сказали в Google — это было нелегко. Требовалось, чтобы несколько чипов работали на самом телефоне, не слишком нагружая его процессор и без потери заряда батареи.

Видеонаблюдение давно является частью охранных систем магазинов, аэропортов, офисов, частных домов и улиц. Сейчас системы наблюдения научились распознавать лица и даже выражения лиц. Нейронные сети сравнивают людей на видео с полицейскими базами данных или с базами предприятий и быстро выдают имена и другую личную информацию. Могут отличить проявления агрессии от выражения любопытства.

Одним из первых в этом направлении стал Google. В 2014 году компания выпустила небольшую камеру Nest Cam, предназначенную для того, чтобы следить за безопасностью в доме. Она умела распознавать лица людей, видеть в темноте, слышать голоса, а также передавать свои впечатления от происходящего в мобильное приложение хозяев.

Современная умная камера создает 3D-модель помещения и всех предметов в нем. Модель замечает любое изменение в обстановке — движение, перемещение, появление нового объекта. Благодаря машинному обучению камера может распознавать не только объекты, но даже их действия.

Чем дольше камера работает, тем лучше она понимает, что происходит и кто перед ней, может различать своих и чужих. Камера создает базу посетителей с фотографиями под разными углами, сравнивает их и нумерует. Время от времени она может попросить хозяина уточнить статус того или иного человека. Полученные данные камера передает в облачный сервис и в приложение клиента.

Несмотря на всю пользу, эта технология столкнулась с противодействием населения. Людей беспокоят вопросы конфиденциальности и возможных ошибок систем. В 2019 году несколько городов в США запретили городским службам, включая полицию, использовать распознавание лиц. Среди них Сан-Франциско и Окленд в Калифорнии и Сомервилль в Массачусетсе. Между тем в другом американском городе — Бостоне — именно эти системы помогли разыскать исполнителей теракта.

Искусственный интеллект используется для диагностики и лечения всех видов заболеваний. Он может выявить рак легких, способен наблюдать за психическим здоровьем пациентов и следить, к примеру, за изменениями в состоянии желудочно-кишечного тракта.

Стартап Mindstrong Health и подобные компании изучают возможность при помощи ИИ измерять настроение людей. Хотя исследования в этой области еще не завершены, компании уже пробуют использовать приложение для медицинской диагностики.

Компания Auggi, занимающаяся проблемами кишечника, создает приложение для выявления желудочно-кишечных болезней. А стартап Seed Health хочет использовать микробы для лечения пациентов. В ноябре текущего года компании начали собирать фотографии кала у населения. Они хотят научить ИИ распознавать болезни по фотографиям. При помощи такого приложения пациентам больше не придется отслеживать свое состояние, записывая изменения в блокнот.

Может ли искусственный интеллект создавать предметы искусства? Художники, музыканты и другие представители богемы отвечают утвердительно. В конце 2018 года машина, созданная на основе ИИ, написала портрет в духе старых мастеров. Картина была продана на аукционе Christie’s за $432,5 тыс.

А что с акциями

Консенсус Refinitiv рекомендует покупать акции Amazon, Apple и Alphabet (материнская компания Google). Такой совет дало абсолютное большинство аналитиков, вошедших в консенсус. В среднем эксперты ожидают роста акций Amazon и Alphabet. Согласно прогнозам, на горизонте года Amazon подорожает на 21%, до $2167,56, а Alphabet — на 9%, до $1472,28 за бумагу. В отношении ценных бумаг Apple аналитики прогнозируют снижение на 6%, до $266,22 за акцию.

Начать инвестировать можно прямо сейчас на РБК Quote. Проект реализован совместно с банком ВТБ.

Финансовый инстурмент, используемый для привлечения капитала. Основные типы ценных бумаг: акции (предоставляет владельцу право собственности), облигации (долговая ценная бумага) и их производные. Подробнее

Alaka’i Technologies представили свою новейшую разработку – аэротакси

  • Главная
  • Энергия
  • Солнце
  • Ветер
  • Вода
  • Земля
  • Рынок
  • Домой >
  • Транспорт

Водородное летающее такси Alaka`i Skai получало рекордную дальность полета 600 км

  • ” onclick=”window.open(this.href,’win2′,’status=no,toolbar=no,scrollbars=yes,titlebar=no,menubar=no,resizable=yes,width=640,height=480,directories=no,location=no’); return false;” rel=”nofollow”>

Подробности Опубликовано: 30.05.2019 15:36

Компания Alaka`I Technologies рассекретила проект аэротакси с вертикальным взлетом и посадкой, работающего от водородного топливного элемента, который эффективно решает проблему энергоплотности батареи летательного аппарата. Благодаря топливному элементу воздушное такси имеет запас хода до 600 километров и продолжительность полета до четырех часов и может принять на борт до пяти человек.

Водород является спорным топливом для автомобилей, но в авиации водородные элементы легко обходят в конкурентной гонке традиционные элементы питания, так как современные литиевые батареи имеют низкую энергетическую плотность, и это резко снижает возможный запас хода аппарата. Водородный привод почти в десять раз более производительнее и аппарат на таком топливе быстро заправляется. Хотя организация заправки требует транспортной и складской инфраструктуры, эту проблему проще решить в централизованной модели авиационной отрасли, нежели при строительстве заправок для автомобилей в дорожной сети.

Компания Alaka`I Technologies из Массачусетса работала над проектом водородного аэротакси на протяжении четырех лет и, наконец, представила прототип в Калифорнии. У разработчиков есть инвестор, а их транспортное средство прошло все стадии проектирования и создания прототипа и сейчас находится на сертификации в Федеральном управлении авиации. В серийное производство аэротакси Skai планируется запустить уже в конце 2020 года.

Внешне Skai кажется очень простым – это шестивинтовой мультикоптер с достаточно большими лопастями. Дизайн спроектирован студией Designworks (это инновационное подразделение в составе корпорации BMW). На нем нет соосных винтов, двухконтурного двигателя и крыльев или толкающего винта – Skai работает как обычный дрон, которому нужно поддерживать постоянную тягу для удержания баланса в воздухе.

Skai не будет беспилотником, по крайней мере на первом этапе, и вместе с пилотом в салоне помещается пять человек. В будущем компания планирует передоверить управление компьютеру и отдать пятое место пассажиру.

Шесть винтов вместо четырех придают аппарату запас прочности на случай поломки: если два пропеллера выйдут из строя, аппарат продолжит нормальный полет, если же откажут все винты, сработает система планерного парашюта. Эта система безопасности пока является слабым местом аппарата, поскольку даже самому быстрому отстреливащемуся парашюту нужно время и запас высоты для раскрытия, и непонятно, как компания собирается решать проблему «мертвой зоны», то есть высоты с которой аэротакси не сможет ни безопасно сесть самостоятельно, ни смягчить падение парашютом.

Подводя итог, можно смело сказать, что за проектом Alakai`Skai нужно наблюдать дальше: прототип кажется убедительным, а запас хода вне конкуренции в сравнении с аэротакси на батареях, так что у этого аппарата есть шансы стать коммерчески прибыльным воздушным транспортом.

Источник: alakai.com

А вы что думаете по этому поводу? Дайте нам знать – напишите в комментариях!

  • Назад
  • Вперёд

Понравилась статья? Поделитесь ею и будет вам счастье!

Читайте также:  Почему пользователи отказываются от LG и Samsung в пользу Xiaomi: продвинутые телевизоры
Ссылка на основную публикацию