Выбор редакции
30 ноября, 17:41

MSI GeForce RTX 2070 Ventus 8G: видеокарта с вентиляторами TORX Fan 2.0

  • 0

Компания MSI анонсировала графический ускоритель GeForce RTX 2070 Ventus 8G, рассчитанный на использование в игровых настольных компьютерах. Основа видеокарты — процессор NVIDIA поколения Turing. Решение содержит 2304 ядра CUDA и 8 Гбайт памяти GDDR6 с 256-битной шиной. Базовая частота ядра чипа составляет 1410 МГц, частота в турбо-режиме — 1620 МГц. Память функционирует на частоте 14 ГГц.

Выбор редакции
30 ноября, 16:45

ELSA GeForce RTX 2080 Erazor Gaming: игровая видеокарта с подсветкой

  • 0

Компания ELSA анонсировала видеокарту GeForce RTX 2080 Erazor Gaming для игровых компьютеров, продажи которой начнутся до конца нынешнего года. «Сердце» графического ускорителя — процессор NVIDIA поколения Turing. Решение насчитывает 2944 ядра CUDA, а объём памяти GDDR6 с 256-битной шиной составляет 8 Гбайт.

Выбор редакции
30 ноября, 12:40

New Strong Sell Stocks for November 21st (Revised)

Here are 5 stocks added to the Zacks Rank #5 (Strong Sell) List today

Выбор редакции
30 ноября, 08:00

Nvidia’s share price reflects the fortunes of AI

Machine learning is useful but does not replace the human mind

Выбор редакции
30 ноября, 01:23

3DMark Port Royal DirectX Ray Tracing Benchmark To Debut In January

Prior to NVIDIA’s RTX-series disclosures, Microsoft announced that it would be introducing DirectX Raytracing – or DXR – and that it would bring it to the DirectX 12 API. The difference between DXR and NVIDIA’s RTX technology is that Microsoft’s DXR will run on any DirectX 12-class GPU.

Выбор редакции
29 ноября, 21:05

Here's Nvidia's New GeForce 'Fortnite' Counterattack Bundle, And How To Get It

NVidia and Epic Games just announced the Counterattack bundle, available with purchases of certain Nvidia Geforce graphics cards.

Выбор редакции
Выбор редакции
29 ноября, 19:26

Видеокарта Colorful iGame GeForce RTX 2070 Ultra OC не производит шума при небольшой нагрузке

Компания Colorful анонсировала графический ускоритель iGame GeForce RTX 2070 Ultra OC, рассчитанный на установку в настольные компьютеры игрового класса. Новинка использует процессор NVIDIA поколения Turing. Конфигурация включает 2304 ядра CUDA и 8 Гбайт памяти GDDR6 с 256-битной шиной. Базовая частота ядра составляет 1410 МГц, повышенная частота — 1620 МГц. Память работает на частоте 14 ГГц.

29 ноября, 16:07

Zacks Market Edge Highlights: Nvidia, Facebook, Microsoft, Planet Fitness and Etsy

Zacks Market Edge Highlights: Nvidia, Facebook, Microsoft, Planet Fitness and Etsy

29 ноября, 15:37

Zacks Earnings Trends Highlights: Nvidia, Amazon, Alphabet and Facebook

Zacks Earnings Trends Highlights: Nvidia, Amazon, Alphabet and Facebook

Выбор редакции
29 ноября, 13:45

Биткойн тянет Nvidia на дно

Акции производителя графических процессоров Nvidia упали в цене вместе с рынком криптовалют. Масштабный обвал произошел в середине ноября и продолжается до сих пор

29 ноября, 10:51

Qualcomm создаст фонд на $100 млн для инвестиций в искусственный интеллект

Американский производитель чипов Qualcomm Inc создал фонд на $100 млн для инвестиций в стартапы, работающие над технологиями искусственного интеллекта, сообщает Reuters.

Выбор редакции
28 ноября, 21:40

Поставки дискретной графики в третьем квартале упали на 16 % в годовом исчислении

Но по сравнению с прошлым кварталом все поставщики графических процессоров смогли нарастить объёмы. Наибольший рост показала компания Intel, которая увеличила поставки своих GPU, являющихся частью её процессоров, более чем на 13 %. Это позволило Intel даже отобрать небольшую долю рынка у AMD и NVIDIA

28 ноября, 18:03

Lessons from Growth Stock Manias

The Nifty 50 were buy-and-hold darlings in the 1960s and 1970s and the big tech titans were the same in the late 1990s. What can investors learn from those manias?

28 ноября, 17:40

Here's Why Altair Engineering (ALTR) Stock is Worth a Bet Now

Solid simulation industry fundamentals, growth prospects and aggressive acquisitions will help Altair Engineering (ALTR) to grow further.

Выбор редакции
28 ноября, 15:53

NVIDIA - пора покупать перепроданные акции

NVIDIA Рекомендация Покупать Целевая цена: $220.0 Текущая цена: $144.7 Потенциал роста: 52.0% NVIDIA – крупнейший в мире разработчик графических ускорителей и процессоров (GPU).

28 ноября, 15:21

NVIDIA не снижает динамики развития

Аналитики ГК "ФИНАМ" актуализировали оценку акций компании NVIDIA – крупнейшего в мире разработчика графических ускорителей и процессоров ( GPU ). Устойчивый спрос на чипы компании обеспечивает высокие темпы роста выручки и прибыли, а также улучшает показатели рентабельности. В свете этого по акциям компании подтверждается рекомендация "Покупать" со среднегодовым потенциалом роста 52,0%. В последние кварталы NVIDIA фиксирует резкий рост спроса на свою продукцию, что позволяет демонстрировать существенное улучшение финансовых показателей. По итогам третьего квартала выручка компании увеличилась на 20,7%, до $3,18 млрд за счет улучшения показателей во всех сегментах, но оказалась ниже консенсус-прогноза на уровне $3,24 млрд. Выручка от продаж игровых графических процессоров увеличилась на 13%, до $1,76 млрд благодаря высокому спросу на продукцию под маркой GeForce.

Выбор редакции
14 ноября, 09:07

NVIDIA представила профессиональную видеокарту Quadro RTX 4000

Компания NVIDIA официально представила ещё одну видеокарту на графическом процессоре Turing – NVIDIA Quadro RTX 4000. Это первая видеокарта среднего уровня на базе Turing. Новинка построена на полной версии графического процессора Turing TU106, так же, как и GeForce RTX 2070. Он предлагает 2304 ядра CUDA, 288 тензорных ядер и 36 ядер для обработки трассировки лучей... Читать далее Сергей Орлов

Выбор редакции
Выбор редакции
05 ноября, 18:09

Открытый код и графическая плата ускоряют работу ИИ почти на пару порядков

Открытая библиотека программного обеспечения RAPIDS™ от NVIDIA, позволяя применить графические платы для ускорения решения задач обработки больших данных и машинного обучения, может послужить входным билетом в мир самых перспективных ИТ-приложений. Фейерверк высокоэффективных и высокоприбыльных приложений, который обрушивают на нас деловые и технологические новостные ленты, в немалой степени связан с анализом больших данных и машинным обучением.... Читать далее Михаил Ваннах

02 июня 2017, 01:01

Главный секрет Искусственного Интеллекта: никто не знает как он работает

В прошлом году на тихих дорогах Монмут-Каунти, штат Нью-Джерси, появился странный беспилотный автомобиль. Экспериментальный аппарат, разработанный Nvidia, внешне не отличался от других автономных автомобилей, но тем не менее не был похож на то, что продемонстрировали Google, Tesla или General Motors. Автомобиль не выполнял инструкции инженеров или программистов. Вместо этого он полностью полагался на алгоритм, который учился водить, наблюдая, как человек делает это.Научить автомобиль вести себя подобным образом было внушительным достижением. Однако тревогу вызывает то, что непонятно машина принимает решения. Информация от датчиков автомобиля поступает прямо в огромную сеть искусственных нейронов, которые обрабатывают данные, а затем доставляют команды, необходимые для управления рулевым колесом, тормозами и другими системами. Результат, кажется, соответствует реакциям, которые вы ожидаете от человека-водителя. Но что, если однажды он сделает что-то неожиданное, например, врежется в дерево или заглохнет на зелёном? На данный момент трудно будет понять почему. Система настолько сложна, что даже инженеры, разработавшие её, испытывают сложности в установлении причин отдельных действий. И вы не можете спросить её: нет очевидного способа создать такую ​​систему, чтобы она всегда могла объяснить, почему она сделала то, что она сделала.Таинственный ум этого автомобиля свидетельствует о надвигающейся проблеме. Базирующаяся в автомобиле технология искусственного интеллекта, известная как глубокое обучение, оказалась очень эффективной при решении проблем за последние годы, и она широко применяется для таких задач, как распознавание изображений, голоса и языковой перевод. Сейчас есть надежда, что такие же методы смогут диагностировать смертельные болезни, принимать решения в торговле на миллионы долларов и делать бесчисленное множество других вещей для преобразования целых отраслей.Но этого не произойдёт — или не должно произойти — если мы не найдём способы сделать такие методы, как глубокое обучение, более понятными их создателям и подотчётными пользователям. В противном случае будет трудно предсказать, когда могут произойти сбои, а они неизбежны. Это одна из причин, по которой автомобиль Nvidia все ещё экспериментален.Уже сейчас математические модели используются для определения того, кто заслуживает условно-досрочного освобождения, кто достоин получения кредита, а кого следует взять на работу. Если бы вы могли получить доступ к этим математическим моделям, можно было бы понять их рассуждения. Но банки, военные, работодатели и другие теперь обращают внимание на более сложные подходы, которые могут сделать автоматизированное принятие решений совершенно непостижимым. Глубокое обучение — наиболее распространённый из этих подходов, представляет собой принципиально иной путь программирования компьютеров. «Эта проблема уже актуальна, и в будущем она будет гораздо более актуальной», — говорит Томми Яаккола, профессор Массачусетского технологического института, который работает над приложениями машинного обучения. «Неважно инвестиционное ли это решение, медицинское или, возможно, военное, вы не захотите просто полагаться на метод из «чёрного ящика».Уже существует аргумент по поводу того, что возможность допросить систему ИИ о том, как она пришла к своим выводам, является фундаментальным юридическим правом. Начиная с лета 2018 года, Европейский Союз может потребовать, чтобы компании давали пользователям объяснения решений, которые принимают автоматизированные системы. Это может быть невозможно даже для систем, которые кажутся относительно простыми, таких как приложения и веб-сайты, которые используют глубокое обучение для показа рекламы или рекомендации песен. Компьютеры, которые запускают эти службы, запрограммированы сами собой, и они делают это так, что мы не можем понять. Даже инженеры, которые строят эти приложения, не могут полностью объяснить их поведение.Это поднимает ошеломляющие вопросы. По мере развития технологии, мы, возможно, вскоре пересечём некоторый порог, за которым использование ИИ потребует большего доверия. Конечно, мы, люди, не всегда можем по-настоящему объяснить наши мыслительные процессы — но мы находим способы интуитивно доверять и оценивать поведение других людей. Будет ли это также возможно с машинами, которые думают и принимают решения иначе, чем мы? Человечество никогда раньше не строило машины, которые принимают решения неведомым даже их создателям образом. Насколько мы можем доверять разумным машинам, которые могут быть непредсказуемыми и непостижимыми? Эти вопросы отправили меня в путешествие к самому передовому краю исследований в области алгоритмов искусственного интеллекта, в ходе которых я посетит Google, Apple и многие другие места, а также встретился с одним из великих философов нашего времени.Художник Адам Феррисс создал это и следующее в статье изображение, с помощью программы Deep Dream, которая настраивает картинку так, чтобы глубокой нейронной сети было удобнее его распознавать. Изображения были получены с использованием слоя нейронной сети среднего уровняВ 2015 году исследовательская группа в больнице Маунт Синай в Нью-Йорке решила ​​применять глубокое обучение в обширной базе данных больницы о пациентах. Этот набор данных содержит сотни переменных, взятых из результатов тестирования, визитов к врачу и т. д. Полученная в результате программа, которую исследователи назвали Deep Patient, была обучена с использованием данных примерно 700 000 человек, а при тестировании на новых данных она оказалась невероятно хороша при прогнозировании болезни. Без какой-либо экспертной инструкции Deep Patient обнаружил шаблоны, скрытые в больничных данных, которые указывали на то, что люди находились на пути к широкому спектру заболеваний, включая рак печени. «Существует много замечательных методов прогнозирования заболеваний на основе записей пациента», — говорит Джоэл Дадли, возглавляющий команду Маунт Синай. Но, добавляет он, «Deep Patient просто потрясающ».В то же время Deep Patient немного озадачивает. Похоже, что он на удивление хорошо обнаруживает зарождение психических расстройств, таких как шизофрения. Но поскольку шизофрения, как известно, трудно поддаётся предсказанию для медиков, Дадли задался вопросом как это возможно. Он все ещё не знает. Новый инструмент не даёт представления о том, как он это делает. Если что-то вроде Deep Patient на самом деле собирается помочь врачам, в идеале он должен объяснить свой прогноз, дабы убедить их в том, что он является точным и оправдать, скажем, изменение в лекарствах, которые будут назначены. «Мы можем построить эти модели, — печально говорит Дадли, — но мы не знаем, как они работают».Искусственный интеллект не всегда был таким. С самого начала были две мыслительные школы которые спорили по поводу того, насколько понятным или объяснимым должен быть ИИ. Многие думали, что имеет смысл создавать машины, которые рассуждали по правилам и логике, делая их внутренний диалог прозрачным для любого, кто хотел бы изучить код. Другие считали, что интеллект будет легче проявляться, если бы машины будут черпать вдохновение в биологии и будут учиться, наблюдая и переживая. Это означало, что компьютерное программирование должно происходить у него в голове. Вместо написания команд программистом программа генерирует свой собственный алгоритм на основе данных примера и желаемого результата. Технологии машинного обучения, которые позже эволюционировали в самые мощные сегодня системы ИИ, следуют последнему пути: машина, по сути, сама программирует себя.Сначала этот подход имел ограниченное практическое применение, и в 1960-х и 70-х годах он оставался в основном ограниченным. Затем возобновился интерес к компьютеризации многих отраслей и появлению больших массивов данных. Это вдохновило разработку более мощных методов машинного обучения, особенно новых версий одной из них, известной как искусственная нейронная сеть. К 1990-м годам нейронные сети могли автоматически оцифровывать рукописные символы.Но только в начале этого десятилетия, после нескольких хитроумных ухищрений и уточнений, очень большие или «глубокие» нейронные сети продемонстрировали значительное улучшение автоматического восприятия. Именно глубокое обучение «виновно» в сегодняшнем росте возможностей ИИ. Оно дало компьютерам необычайные возможности, такие как способность распознавать произносимые слова почти так же хорошо, как и человек — слишком сложный навык, чтобы вручную обучить ему машину. Глубокое обучение трансформировало компьютерное зрение и значительно улучшило машинный перевод. В настоящее время оно используется для руководства всеми видами ключевых решений в медицине, финансах, производстве и за его пределами.Адам Феррис и DeepDreamРабота любой технологии машинного обучения по своей природе более непрозрачна даже для компьютерных специалистов, чем вручную написанная система. Это не значит, что все будущие техники искусственного интеллекта будут одинаково непознаваемы. Но по своей природе глубокое обучение — особенно глубокий чёрный ящик.Вы не можете просто заглянуть внутрь глубокой нейронной сети, чтобы увидеть, как она работает. Аргументация сети встроена в поведение тысяч смоделированных нейронов, расположенных в десятках или даже сотнях сложно взаимосвязанных слоёв. Каждый нейрон в первом слое получает вводную, как и интенсивность пикселя в изображении, а затем выполняет вычисление перед выводом нового сигнала. Эти выходные сигналы передаются в сложной сети нейронам следующего уровня и так далее, пока не будет получен общий результат. Кроме того, существует процесс, известный как back-propagation, который корректирует вычисления отдельных нейронов таким образом, чтобы сеть научилась производить желаемый результат.Множество уровней в глубокой сети позволяют распознавать вещи разной сложности абстракции. Например, в системе, предназначенной для распознавания собак, нижние слои распознают простые вещи, такие как контуры или цвет; более высокие слои распознают более сложные вещи, такие как мех или глаза; и уже самый верхний слой идентифицирует весь объект как собаку. Такой же подход может быть применён и к другим вводным, которые заставляют машину обучать себя: звукам, которые составляют слова в речи, буквам и словам, которые создают предложения в тексте, движениям рулевого колеса, необходимым для вождения.Использовались оригинальные стратегии, чтобы попытаться отследить и таким образом объяснить более подробно, что происходит в таких системах. В 2015 году исследователи из Google изменили алгоритм распознавания изображений на основе глубокого обучения, чтобы вместо того, чтобы определять объекты на фотографиях, он генерировал или изменял их. За счёт эффективного выполнения алгоритма в обратном порядке, они хотели обнаружить функции, которые программа использует для распознавания, скажем, птиц или зданий. Полученные изображения, созданные проектом, известным как Deep Dream, продемонстрировали гротескных инопланетных животных, появлявшихся из облаков и растений, радужные пагоды, цветущие среди лесов и горных хребтов. Изображения доказали, что глубокое обучение необязательно полностью непостижимо: алгоритмы основываются на знакомых визуальных функциях, таких как птичий клюв или перья. Но изображения также намекали на то, насколько глубокое обучение отличается от человеческого восприятия, и как оно интерпретирует артефакты, которые мы могли бы проигнорировать. Исследователи Google отметили, что когда его алгоритм генерировал изображения гантели, он также генерировал человеческую руку, удерживающую её. Машина пришла к выводу, что рука является частью вещи.Дальнейший прогресс был достигнут благодаря использованию идей, заимствованных из неврологии и когнитивной науки. Группа во главе с доктором из Университета Вайоминга Джеффом Клюном (Jeff Clune) использовала аналоговый эквивалент оптических иллюзий для тестирования глубоких нейронных сетей. В 2015 году группа Клюна продемонстрировала, как определённые изображения могут обмануть такую ​​сеть и заставить её воспринимать вещи, которых там нет, потому что изображения используют низкоуровневые шаблоны, которые ищет система. Один из сотрудников Clune, Джейсон Йосинский, также создал инструмент, который действует как зонд в мозге. Его инструмент нацелен на любой нейрон в середине сети и ищет изображение, которое активирует его больше всего. Изображения, которые появляются, являются абстрактными (представьте, что импрессионисты рисуют фламинго или школьный автобус), вынося на первый план таинственную природу способностей машины воспринимать вещи.Однако нам нужно больше, чем просто заглянуть в мышление ИИ, и простого решения нет. Именно взаимодействие вычислений внутри глубокой нейронной сети имеет решающее значение для распознавания образов более высокого уровня и принятия сложных решений, но эти вычисления являются паутиной математических функций и переменных. «Если бы у вас была очень маленькая нейронная сеть, вы могли бы её понять», — говорит Яаккола. «Но как только она становится очень большой и имеет тысячи единиц на слой при сотнях слоёв, тогда всё становится совершенно непонятным».В офисе рядом с Яакколой работает Регина Барзилай, профессор Массачусетского технологического института, которая намерена применять машинное обучение в медицине. Метод был удивительным сам по себе, но Барзилай был также встревожен тем, что современные методы статистического и машинного обучения не использовались для оказания помощи в онкологических исследованиях или для руководства по лечению пациентов. Она говорит, что ИИ обладает огромным потенциалом для медицины, но понимает, что этот потенциал будет означать выход за рамки одних лишь медицинских записей. Она предлагает использовать больше необработанных данных, которые, по её словам, в настоящее время недостаточно используются: «обработка изображений, данных патологии, всей этой информации».После того, как она закончила изучать лечение рака в прошлом году, Барзилай и её ученики начали работать с врачами в больнице Массачусетса, чтобы разработать систему, способную выявлять патологии и идентифицировать пациентов с определёнными клиническими характеристиками, которые исследователи могли бы хотеть изучить. Тем не менее, Барзилай понял, что системе необходимо будет объяснить свои аргументы. Итак, вместе с Яакколой и учеником она добавила шаг: система извлекает и выделяет отрывки текста, которые являются репрезентативными по найденному шаблону. Барзилай и её ученики также разрабатывают алгоритм глубокого обучения, способный обнаруживать ранние признаки рака молочной железы по изображениям маммограммы, и они направлены на то, чтобы дать этой системе некоторую способность объяснить ёе рассуждения. «Вам действительно нужно создать цикл, в котором машина и человек будут сотрудничать», — говорит Барзилай.Насколько хорошо мы можем поладить с машинами, которые непредсказуемы и непостижимы?Американские военные вкладывают миллиарды в проекты, которые будут использовать машинное обучение для пилотирования транспортных средств и самолетов, выявлять цели и помогать аналитикам просеивать огромные груды разведывательных данных. Здесь больше, чем где-либо ещё, даже больше, чем в медицине, мало места для алгоритмической тайны, и министерство обороны определило объяснимость как ключевой камень преткновения.Дэвид Ганнинг, менеджер программ в Агентстве перспективных исследований обороны, наблюдает за программой под названием Explainable Artificial Intelligence. Ветеран агентства, который ранее курировал проект DARPA, позднее переродившийся в Siri, Ганнинг говорит, что автоматизация примерима в бесчисленных военных областях. Аналитики тестируют машинное обучение как способ выявления закономерностей в огромных количествах шпионских данных. В настоящее время разрабатываются и тестируются многие беспилотные наземные транспортные средства и летательные аппараты. Но солдаты, вероятно, не будут чувствовать себя комфортно в роботизированном танке, который не будет им ничего объяснять, а аналитики будут неохотно работать с информацией без каких-либо рассуждений. «Часто характер этих систем машинного обучения приводит к появлению множества ложных тревог, поэтому аналитику Intel действительно нужна дополнительная помощь, чтобы понять, почему была сделана та или иная рекомендация», — говорит Ганнинг.В марте этого года DARPA выбрало 13 проектов из академических и промышленных кругов для финансирования по программе Ганнинга. Некоторые из них могли опираться на работу, возглавляемую Карлосом Гестрином, профессором Вашингтонского университета. Он и его коллеги разработали способ, позволяющий системам машинного обучения обосновывать свои результаты. По сути, в рамках этого метода компьютер автоматически находит несколько примеров из набора данных и даёт по ним короткое пояснение. Например, система, предназначенная для классификации сообщений электронной почты, поступающих от террориста, может обрабатывать миллионы сообщений при подготовке и принятии решений. Но, используя подход вашингтонской команды, она может выделить определённые ключевые слова в сообщении. Группа Гестрина также разработала способы для систем распознавания изображений, чтобы распознать их алгоритмы, выделив наиболее важные части изображения.Один из недостатков этого подхода и других подобных ему, состоит в том, что предоставленные объяснения всегда будут упрощены, что означает, что некоторые важные сведения могут быть потеряны на этом пути. «Мы не достигли мечты, согласно которой в ИИ беседует с нами и объясняет свои действия», — говорит Гестрин — «мы далеко от истинной интерпретации ИИ».Неясности не должно быть в ситуациях с высокими ставками, таких как диагностика рака или военные манёвры. Знание рассуждений ИИ также будет иметь решающее значение, если технология станет общей и полезной частью нашей повседневной жизни. Том Грубер, возглавляющий команду Siri в Apple, говорит, что объяснимость — это ключевое соображение для его команды, поскольку она пытается сделать Siri более умным и способным виртуальным помощником. Грубер не комментирует конкретные планы относительно будущего Siri, но легко представить, что если вы получите рекомендацию ресторана от Siri, то захотите узнать, на чём были основаны её выводы. Руслан Салахутдинов, директор отдела исследований ИИ в Apple и адъюнкт-профессор Университета Карнеги-Меллона, видит объяснимость в качестве основы эволюции отношений между людьми и интеллектуальными машинами. «Это приведёт к доверию» — говорит он.Так же, как многие аспекты человеческого поведения невозможно объяснить подробно, возможно, и для ИИ не получится объяснить все, что он делает. «Даже если кто-то может дать вам разумное объяснение [его или её действий], оно, вероятно, будет неполно, и то же самое может быть справедливо для ИИ», говорит Кьюн из Университета Вайоминга. «Это может быть только часть природы интеллекта, только часть доступна рациональному объяснению. Некоторые из них просто инстинктивны, или подсознательны, или непостижимы».Если это так, то на каком-то этапе нам, возможно, придётся просто довериться мнению ИИ или обойтись без его использования. Точно так же, как общество строится на контракте ожидаемого поведения, нам нужно будет проектировать системы ИИ, чтобы уважать наши социальные нормы и соответствовать им. Если мы хотим создавать роботизированные танки и другие машины для убийства, важно, чтобы принятие ими решений соответствовало нашим этическим суждениям.Чтобы исследовать эти метафизические концепции, я отправился в Университет Тафтса для встречи с Дэниелом Деннеттом, известным философом и ученым-когнитивистом, который изучает сознание и ум. Глава последней книги Деннетта «От бактерии до Баха и обратно», энциклопедического трактата о сознании, предполагает, что естественная часть эволюции самого интеллекта — это создание систем, способных выполнять задачи, которые их создатели не могут выполнить. «Вопрос в том, что нам нужно сделать, чтобы сделать наше детище разумным: какие стандарты мы требуем от них и от нас самих?» — говорит он мне в своем захламлённом кабинете в идиллическом университетском городке.У него также есть одно предупреждение. «Я думаю, что, если мы собираемся использовать эти вещи и полагаться на них, тогда давайте крепко задумаемся о том, как и почему они дают нам ответы, насколько это возможно», — говорит он. Но так как не может быть идеального ответа, мы должны быть так же осторожны в объяснениях ИИ – также, как и в человеческих обьяснениях — независимо от того, насколько умна машина. «Если она не может достичь успеха в обьяснении нам своей логики, — говорит он, — тогда не доверяйте ей».MIT Technology Review. Автор: Уйилл Кнайт, (с)

08 августа 2012, 20:00

20 военных проектов, которые могут изменить привычную нам жизнь

Источник перевод для mixednews – CowancheeИсследовательское агентство передовых оборонных проектов (DARPA) получает многомиллионное спонсирование на развитие науки и технологического будущего военных сил.Именно этому агентству мы обязаны GPS, интернетом и стелс-самолётами.Мы представляем вам список активных проектов агентства, которые могут иметь огромное гражданское значение, если они когда-нибудь будут доведены до промышленного производства.Управляемая лазерная пушка «Экскалибур»Управление обороны всегда озабочено вопросом  применения конвенционального оружия в условиях городской войны. Проблема заключается в ограничении повреждений противникам и их оружию и в избегании побочного ущерба.Это является одной из многих причин, почему военные очень, очень хотят получить лазерное оружие. И DARPA планирует дать его им.Программа «Экскалибур» разрабатывает лазерное оружие, которое в десять раз легче существующих боевых лазеров. Оно является практически ручным. Цель DARPA заключается в получении стокиловаттного устройства, которое способно со снайперской точностью поражать цели на земле и в воздухе.Способ очистки крови, подобный диализу, но удаляющий из крови возбудителей инфекцийСогласно официальным данным, инфекции крови поразили более полутора тысяч служащих военных в одном только 2009 году.DARPA разрабатывает переносное устройство, которое будет способно удалять заражённую кровь из тела, очищать её от вредоносных включений, и возвращать «чистую» кровь обратно в тело, подобно тому, как машины для диализа удаляют токсины из тела пациента.Исследователи также хорошо понимают значение подобной технологии для гражданского применения. DARPA заявляет, что это устройство потенциально может спасать «тысячи жизней и миллионы долларов в Соединённых штатах каждый год».Наноботы в человеческом теле, которые отслеживают состояние здоровья своего носителяХотя внешнее наблюдение за состоянием здоровья крайне важно, DARPA работает над системой, которая позволяла бы делать это изнутри.Программа «In Vivo Nanoplatforms» пытается разработать классы наночастиц, которые были бы способны распознавать и лечить заболевания и инфекции изнутри человеческого тела.Данная технология включает в себя имплантируемые наночастицы, которые способны улавливать определённые молекулы – биологические индикаторы. DARPA работает над полной демонстрацией системы на крупном животном.Данная система будет охлаждать чипы изнутри без громоздких вентиляторовПотребность в громких и хрупких вентиляторах в компьютерных системах проистекает из необходимости удерживать мощные чипы от перегрева. По мере того как микросхемы становятся всё более и более компактными, они также начинают и сильнее нагреваться. Таким образом растёт и потребность в эффективном охлаждении, и в определённой точке оно станет уже неэффективным.Именно к этой ситуации DARPA и готовит свою программу «Intrachip Enhanced Cooling (ICECOOL)». Эта технология отвергает идею воздушного охлаждения чипов, и вместо этого нацелена на интеграцию системы управления температурой непосредственно в кремний.В данный момент DARPA выставляет предложения. Решение данной задачи может сделать перегревающуюся электронику уделом прошлого.Чрезвычайно дешёвая система теплового виденияТепловое видение имеет много военных применений. Однако эта технология до сих пор является сравнительно дорогостоящей, что предотвращает Управление обороны от настолько масштабного её применения, как ему того хотелось бы.Программа производства экономичного тепловизора пытается сделать эту технологию дешёвой и доступной. DARPA не видит никаких причин, почему системы тепловидения не могут быть встроены в сотовые телефоны, очки, беспилотные самолёты, оптические прицелы, и шлемы.А поскольку целью DARPA является камера на базе микрочипа, новые тепловые камеры могут найти применение во многих гражданских областях.DARPA хочет создать машину для массовой генной терапииУправлению обороны не нравится то количество ресурсов, которое необходимо для совершения новаторского биологического открытия. К примеру, разработка и массовое производство антималярийного препарата на основе бактериальных секреций потребовала годы работы и сотни миллионов долларов.DARPA хочет получить собственные средства производства и поставить их с ног на голову. С помощью программы «Living Foundries» Агентство хочет разработать технологии и новые отрасли науки, которые смогут программировать человеческую биологию.Это невероятно амбициозная задача, но возможность массового производства биологических решений звучит, по меньшей мере, заманчиво.Данная программа намерена обеспечить полную интеграцию технологии с нервной системой человекаКохлеарный имплантатDARPA с большим интересом относится к идее кибернетических технологий. Агентство заинтриговано успехом кохлеарных имплантатов – искусственных ушей, которые позволяют глухим людям слышать. Но одним из самых больших препятствий для технологического усовершенствования человека является точка соприкосновения человека и машины.Программа DARPA  «Reliable Neural-Interface Technology (RE-NET)» нацелена на разработку имплантатов и кибернетических улучшений, которые могут оставаться подсоединёнными к человеческой нервной системе на протяжении десятилетий. Военные хотят получить в своё распоряжение усовершенствования, которые могут обеспечивать улучшенное восприятие и с высокими скоростями.Сфера гражданского применения подобной технологии невероятно обширна, с учётом её медицинского и возможного рекреационного применения.Микротехнология для навигации без GPSОчень многое оборудование Управления обороны зависит от GPS, что в целом вполне предсказуемо. Но один факт следует учитывать, когда вы обнаруживаете себя в подобной зависимости. Системы подавления и зоны затруднённого приёма могут помешать работать вооружению, которое требует для работы непрерывного контакта с GPS.Программа DARPA «Micro-technology for Positioning, Navigation, and Timing (MICRO-PNT)» призвана разработать решение этой проблемы. Её целью является создание оборудования, которое позволит GPS-зависимым технологиям продолжать работать даже после потери сигнала. Оно будет вычислять информацию, которую должен был бы предоставить GPS, на основании последней известной позиции, траектории и скорости движения.Подобная технология имеет множество гражданских применений. Только представьте себе Google Maps в метро или в любой другой зоне прерывистого сигнала.Данная программа будет проверять, что импортные чипы не скомпрометированы, не являются подделкой или мусоромПоскольку большая часть производства первичных микротехнологических компонентов отдана на заокеанский аутсорсинг, Управление обороны беспокоится о целостности систем, в которых используются импортированные микросхемы.А поскольку Управление никак не может мониторить производство каждого отдельного чипа, DARPA разрабатывает программу «Integrity and Reliability of Integrated Circuits (IRIS)», нацеленную на создание технологии, способной проверять функции каждой отдельной микросхемы, не разрушая её.Это означает, что DARPA будет способно взглянуть на схему и удостовериться, что она делает именно то, что она предназначена делать.Это может дать гражданским пользователям возможность проверять, что их компьютерное оборудование свободно от интегрированных кейлоггеров или поддельных устройств. Плюс, эта технология может пригодиться для ремонта гражданских компьютеров, если она окажется коммерчески доступной.Простой способ обнаружения биооружия и химических атакНа данный момент технология, необходимая для сканирования и поиска химического и биологического оружия, является большой, тяжёлой и крайне дорогой для использования.Программа DARPA «Compact Mid-ultraviolet technology» намерена сделать систему идентификации такого оружия гораздо более компактной и мобильной. Её целью является разработка устройства, которое будет использовать ультрафиолетовый свет, и любой прогресс в этой программе будет иметь применение как в сфере отслеживания биологического оружия, так и в гражданской сфере – в частности, в очистке питьевой воды.Данная программа намерена сделать компьютерные системы в семьдесят пять раз более энергоэффективнымиСкорость компьютерных вычислений измеряется в числе Операций с плавающей точкой в секунду (FLOPS), мерой количества простых операций, которое система может выполнить в секунду. В настоящее время она обычно измеряется в гигафлопс, миллионах операций в секунду. Также имеет практическое значение мера гигафлопс на ватт – единица эффективности использования энергии системой. Как можно улучшить производительность компьютеров в соотношении с эффективным энергопотреблением?DARPA намерена улучшить существующую на данный момент меру около одного гигафлопс/ватт до семидесяти пяти гигафлопс/ватт. Программа «Power Efficiency Revolution For Embedded Computing Technologies (PERFECT)» имеет своей целью революционизировать энергопотребление.Если она окажется успешной, это 7500процентное повышение эффективности может привести к появлению смартфонов, которые работают неделями, и ноутбуков, которым требуется зарядка примерно также часто, как полная заправка автомобилю.Способ надёжного производства нанотехнологийDARPA инвестирует много сил и средств в нанотехнологии. Ключевые концепции в этой области были признаны целесообразными, а технология доступной. Что продолжает составлять затруднения – так это массовое производство.В своей программе «Tip-Based Nanofabrication» DARPA пытается сделать контролируемое производство наноматериалов реальностью. Она уже продемонстрировала, что вполне возможно выращивать «леса» нанотрубок, но целью программы является контроль и управление процессом этого роста.Если эта программа окажется успешной, перед нами встанет целое новое технологическое поле. Управляемое производство нанотрубок, нанопроводов, и квантовых точек позволит конструировать наномашины из недоступных на данный момент первичных материалов. Области медицины и потребительской технологии также с нетерпением ожидают результатов этого проекта.Высокоэффективный и высокомощный лазер для защиты беспилотных аппаратов и для других примененийКак вы вероятно и сами знаете, DARPA очень, очень любит лазеры. Сейчас оно планирует скомбинировать множество лазеров, работающих с разной длиной волны, в единый пучок, который позволит увеличить интенсивность результирующего луча. Команда проекта хочет создать эффективный лазер, который может поддерживать единый луч с заданной интенсивностью.Целью программы «Architecture for Diode High Energy Laser System (ADHELs)» является совершенно новый высокомощный лазер, который может быть немедленно применен для защиты беспилотных аппаратов от атак.С точки зрения гражданского применения, лазеры уже имеют огромное промышленное значение, и появление более мощных разновидностей произведёт большой коммерческий бум.Трёхмерные микросхемы могут стать следующим крупным шагом к созданию более компактных технологийНа настоящий момент интегральные микросхемы являются почти исключительно двумерными объектами. DARPA хочет выйти за тесные рамки двух измерений, и намерена разработать трёхмерные микросхемы.Успех этой программы будет означать, что компьютерные технологии начнут развиваться ещё быстрее, поскольку будет преодолено чрезвычайно значительное ограничение двухмерности. Одной из проблем, которая сдерживает дальнейший прогресс компьютеров, является то, что сложность микросхем дошла до такой степени, что уже скоро на двухмерной плате просто не будет места для всех необходимых соединений.Концепция микросхемы в трёх измерениях – хотя её и чрезвычайно трудно применить на практике – позволит DARPA расширить технологию и сделать её более компактной. «Ультралуч» – первый гамма-лучевой лазер, и он может навсегда изменить медицинуDARPA ведёт несколько посвящённых лазерам проектов прямо сейчас, но данный конкретный проект может иметь самое широкое гражданское применение. «Ультралуч» – это первый гамма-лучевой лазер. Он нравится военным, потому что подобный продвинутый излучатель может использоваться для просвечивания интересующих объектов, например важных контейнеров или персонала.С медицинской точки зрения, его возможности огромны.Компактные гамма-лучевые лазеры могут обеспечить новые типы радиационной терапии и новые методы диагностики.Данная программа попытается вернуть разработку и производство интегральных микросхем обратно в АмерикуВ данный момент почти все первичные компоненты для интегральных плат производятся за океаном, поскольку это самый дешёвый и эффективный способ массового производства компьютерных технологий.Это может иметь огромный потенциальный риск для Управления обороны, поскольку большинство чипов, используемых в военных технологиях, приходят из-за границы и приобретаются на коммерческой основе. Вот почему DARPA запустила программу «LEAP», нацеленную на возвращение производства микросхем обратно в Америку.Эта программа предоставляет доступ к военным полупроводниковым компонентам университетам, исследователям, и местным производителям в надежде на скорое появление собственных американских микросхем.Способ охлаждения продвинутых и мощных микросхемПо мере того, как микросхемы становятся всё более миниатюрными и компактными, они также начинают и сильнее нагреваться. Тепло может убить микрочип, поэтому ему требуются вентиляторы и системы распределения тепла. Но это не соответствует тому уровню амбициозных технологий, которые хочет иметь DARPA.Программа агентства «Thermal Management Technologies» экспериментирует с пятью различными способами управления температурой системы. Они включают в себя адаптированную технологию тепловых трубок, охлаждающую микротехнологию, новые материалы, термоэлектрические кулеры, и усовершенствованные усилители мощности.Наибольший интерес системы распределения тепла представляют для потребительской электроники.Универсальная платформа для производства единых микрочиповОдной из проблем, которая сдерживает развитие компьютеров на настоящий момент, является тот факт, что сейчас компьютерные чипы приходится делать из нескольких различных материалов.Кремний является наиболее распространённым, но специализированные чипы создаются на основе нитрида галлия, арсениде галлия, антимонида, и других типов материалов.Целью программы DARPA «Diverse Accessible Heterogeneous» является создание универсальной базы с единым субстратом для комбинирования чипов и экономии драгоценного времени.Применение подобной технологии в гражданском оборудовании может сделать работу компьютеров более эффективной, поскольку информацию больше не нужно будет передавать между различными типами микрочипов.Программа «AWARE» может изменить фотографию и технологию слежки навсегдаВоенные всегда заинтересованы в усовершенствовании камер. Лучшие камеры означают лучшие разведывательные данные, которые в свою очередь означают лучшее проведение военных миссий. Вот почему DARPA запустила программу «Advanced Wide FOV Architectures For Image Reconstruction and Exploitation (AWARE)».Это камера гигапиксельного диапазона, о которой вы, возможно, слышали. Она комбинирует более ста пятидесяти камер в единой линзе. Её целью является создание снимков с разрешением от десяти до пятидесяти гигапикселей – такое разрешение намного превосходит диапазон, который может видеть человеческий глаз.В гражданской жизни продвинутые изображения имеют множество применений в медицине, коммерции, медиа, технологии, и рекреации.DARPA намерена создать устойчивый и энергоэффективный компьютер, который может программироваться, по сути, любым желающимСуперкомпьютер NASAПрограмма «Ubiquitous High Performance Computing» походит к разработке компьютеров практически с нуля. DARPA намерена разработать новые компьютерные системы, которые устойчивы к кибератакам, более эффективно потребляют электроэнергию, и являются более производительными.Что ещё более важно, эта программа нацелена на создание компьютеров, которые могут программироваться людьми с очень небольшим опытом в программировании. Данный проект является одним из наиболее амбициозных начинаний DARPA, и тот факт, что Intel, Массачусетский технологический институт, NVIDIA, и Sandia National Lab каждая участвует в нём, означает, что агентство относится к этому проекту весьма серьёзно.Ссылка

08 августа 2012, 20:00

20 военных проектов, которые могут изменить привычную нам жизнь

Источник перевод для mixednews – CowancheeИсследовательское агентство передовых оборонных проектов (DARPA) получает многомиллионное спонсирование на развитие науки и технологического будущего военных сил.Именно этому агентству мы обязаны GPS, интернетом и стелс-самолётами.Мы представляем вам список активных проектов агентства, которые могут иметь огромное гражданское значение, если они когда-нибудь будут доведены до промышленного производства.Управляемая лазерная пушка «Экскалибур»Управление обороны всегда озабочено вопросом  применения конвенционального оружия в условиях городской войны. Проблема заключается в ограничении повреждений противникам и их оружию и в избегании побочного ущерба.Это является одной из многих причин, почему военные очень, очень хотят получить лазерное оружие. И DARPA планирует дать его им.Программа «Экскалибур» разрабатывает лазерное оружие, которое в десять раз легче существующих боевых лазеров. Оно является практически ручным. Цель DARPA заключается в получении стокиловаттного устройства, которое способно со снайперской точностью поражать цели на земле и в воздухе.Способ очистки крови, подобный диализу, но удаляющий из крови возбудителей инфекцийСогласно официальным данным, инфекции крови поразили более полутора тысяч служащих военных в одном только 2009 году.DARPA разрабатывает переносное устройство, которое будет способно удалять заражённую кровь из тела, очищать её от вредоносных включений, и возвращать «чистую» кровь обратно в тело, подобно тому, как машины для диализа удаляют токсины из тела пациента.Исследователи также хорошо понимают значение подобной технологии для гражданского применения. DARPA заявляет, что это устройство потенциально может спасать «тысячи жизней и миллионы долларов в Соединённых штатах каждый год».Наноботы в человеческом теле, которые отслеживают состояние здоровья своего носителяХотя внешнее наблюдение за состоянием здоровья крайне важно, DARPA работает над системой, которая позволяла бы делать это изнутри.Программа «In Vivo Nanoplatforms» пытается разработать классы наночастиц, которые были бы способны распознавать и лечить заболевания и инфекции изнутри человеческого тела.Данная технология включает в себя имплантируемые наночастицы, которые способны улавливать определённые молекулы – биологические индикаторы. DARPA работает над полной демонстрацией системы на крупном животном.Данная система будет охлаждать чипы изнутри без громоздких вентиляторовПотребность в громких и хрупких вентиляторах в компьютерных системах проистекает из необходимости удерживать мощные чипы от перегрева. По мере того как микросхемы становятся всё более и более компактными, они также начинают и сильнее нагреваться. Таким образом растёт и потребность в эффективном охлаждении, и в определённой точке оно станет уже неэффективным.Именно к этой ситуации DARPA и готовит свою программу «Intrachip Enhanced Cooling (ICECOOL)». Эта технология отвергает идею воздушного охлаждения чипов, и вместо этого нацелена на интеграцию системы управления температурой непосредственно в кремний.В данный момент DARPA выставляет предложения. Решение данной задачи может сделать перегревающуюся электронику уделом прошлого.Чрезвычайно дешёвая система теплового виденияТепловое видение имеет много военных применений. Однако эта технология до сих пор является сравнительно дорогостоящей, что предотвращает Управление обороны от настолько масштабного её применения, как ему того хотелось бы.Программа производства экономичного тепловизора пытается сделать эту технологию дешёвой и доступной. DARPA не видит никаких причин, почему системы тепловидения не могут быть встроены в сотовые телефоны, очки, беспилотные самолёты, оптические прицелы, и шлемы.А поскольку целью DARPA является камера на базе микрочипа, новые тепловые камеры могут найти применение во многих гражданских областях.DARPA хочет создать машину для массовой генной терапииУправлению обороны не нравится то количество ресурсов, которое необходимо для совершения новаторского биологического открытия. К примеру, разработка и массовое производство антималярийного препарата на основе бактериальных секреций потребовала годы работы и сотни миллионов долларов.DARPA хочет получить собственные средства производства и поставить их с ног на голову. С помощью программы «Living Foundries» Агентство хочет разработать технологии и новые отрасли науки, которые смогут программировать человеческую биологию.Это невероятно амбициозная задача, но возможность массового производства биологических решений звучит, по меньшей мере, заманчиво.Данная программа намерена обеспечить полную интеграцию технологии с нервной системой человекаКохлеарный имплантатDARPA с большим интересом относится к идее кибернетических технологий. Агентство заинтриговано успехом кохлеарных имплантатов – искусственных ушей, которые позволяют глухим людям слышать. Но одним из самых больших препятствий для технологического усовершенствования человека является точка соприкосновения человека и машины.Программа DARPA  «Reliable Neural-Interface Technology (RE-NET)» нацелена на разработку имплантатов и кибернетических улучшений, которые могут оставаться подсоединёнными к человеческой нервной системе на протяжении десятилетий. Военные хотят получить в своё распоряжение усовершенствования, которые могут обеспечивать улучшенное восприятие и с высокими скоростями.Сфера гражданского применения подобной технологии невероятно обширна, с учётом её медицинского и возможного рекреационного применения.Микротехнология для навигации без GPSОчень многое оборудование Управления обороны зависит от GPS, что в целом вполне предсказуемо. Но один факт следует учитывать, когда вы обнаруживаете себя в подобной зависимости. Системы подавления и зоны затруднённого приёма могут помешать работать вооружению, которое требует для работы непрерывного контакта с GPS.Программа DARPA «Micro-technology for Positioning, Navigation, and Timing (MICRO-PNT)» призвана разработать решение этой проблемы. Её целью является создание оборудования, которое позволит GPS-зависимым технологиям продолжать работать даже после потери сигнала. Оно будет вычислять информацию, которую должен был бы предоставить GPS, на основании последней известной позиции, траектории и скорости движения.Подобная технология имеет множество гражданских применений. Только представьте себе Google Maps в метро или в любой другой зоне прерывистого сигнала.Данная программа будет проверять, что импортные чипы не скомпрометированы, не являются подделкой или мусоромПоскольку большая часть производства первичных микротехнологических компонентов отдана на заокеанский аутсорсинг, Управление обороны беспокоится о целостности систем, в которых используются импортированные микросхемы.А поскольку Управление никак не может мониторить производство каждого отдельного чипа, DARPA разрабатывает программу «Integrity and Reliability of Integrated Circuits (IRIS)», нацеленную на создание технологии, способной проверять функции каждой отдельной микросхемы, не разрушая её.Это означает, что DARPA будет способно взглянуть на схему и удостовериться, что она делает именно то, что она предназначена делать.Это может дать гражданским пользователям возможность проверять, что их компьютерное оборудование свободно от интегрированных кейлоггеров или поддельных устройств. Плюс, эта технология может пригодиться для ремонта гражданских компьютеров, если она окажется коммерчески доступной.Простой способ обнаружения биооружия и химических атакНа данный момент технология, необходимая для сканирования и поиска химического и биологического оружия, является большой, тяжёлой и крайне дорогой для использования.Программа DARPA «Compact Mid-ultraviolet technology» намерена сделать систему идентификации такого оружия гораздо более компактной и мобильной. Её целью является разработка устройства, которое будет использовать ультрафиолетовый свет, и любой прогресс в этой программе будет иметь применение как в сфере отслеживания биологического оружия, так и в гражданской сфере – в частности, в очистке питьевой воды.Данная программа намерена сделать компьютерные системы в семьдесят пять раз более энергоэффективнымиСкорость компьютерных вычислений измеряется в числе Операций с плавающей точкой в секунду (FLOPS), мерой количества простых операций, которое система может выполнить в секунду. В настоящее время она обычно измеряется в гигафлопс, миллионах операций в секунду. Также имеет практическое значение мера гигафлопс на ватт – единица эффективности использования энергии системой. Как можно улучшить производительность компьютеров в соотношении с эффективным энергопотреблением?DARPA намерена улучшить существующую на данный момент меру около одного гигафлопс/ватт до семидесяти пяти гигафлопс/ватт. Программа «Power Efficiency Revolution For Embedded Computing Technologies (PERFECT)» имеет своей целью революционизировать энергопотребление.Если она окажется успешной, это 7500процентное повышение эффективности может привести к появлению смартфонов, которые работают неделями, и ноутбуков, которым требуется зарядка примерно также часто, как полная заправка автомобилю.Способ надёжного производства нанотехнологийDARPA инвестирует много сил и средств в нанотехнологии. Ключевые концепции в этой области были признаны целесообразными, а технология доступной. Что продолжает составлять затруднения – так это массовое производство.В своей программе «Tip-Based Nanofabrication» DARPA пытается сделать контролируемое производство наноматериалов реальностью. Она уже продемонстрировала, что вполне возможно выращивать «леса» нанотрубок, но целью программы является контроль и управление процессом этого роста.Если эта программа окажется успешной, перед нами встанет целое новое технологическое поле. Управляемое производство нанотрубок, нанопроводов, и квантовых точек позволит конструировать наномашины из недоступных на данный момент первичных материалов. Области медицины и потребительской технологии также с нетерпением ожидают результатов этого проекта.Высокоэффективный и высокомощный лазер для защиты беспилотных аппаратов и для других примененийКак вы вероятно и сами знаете, DARPA очень, очень любит лазеры. Сейчас оно планирует скомбинировать множество лазеров, работающих с разной длиной волны, в единый пучок, который позволит увеличить интенсивность результирующего луча. Команда проекта хочет создать эффективный лазер, который может поддерживать единый луч с заданной интенсивностью.Целью программы «Architecture for Diode High Energy Laser System (ADHELs)» является совершенно новый высокомощный лазер, который может быть немедленно применен для защиты беспилотных аппаратов от атак.С точки зрения гражданского применения, лазеры уже имеют огромное промышленное значение, и появление более мощных разновидностей произведёт большой коммерческий бум.Трёхмерные микросхемы могут стать следующим крупным шагом к созданию более компактных технологийНа настоящий момент интегральные микросхемы являются почти исключительно двумерными объектами. DARPA хочет выйти за тесные рамки двух измерений, и намерена разработать трёхмерные микросхемы.Успех этой программы будет означать, что компьютерные технологии начнут развиваться ещё быстрее, поскольку будет преодолено чрезвычайно значительное ограничение двухмерности. Одной из проблем, которая сдерживает дальнейший прогресс компьютеров, является то, что сложность микросхем дошла до такой степени, что уже скоро на двухмерной плате просто не будет места для всех необходимых соединений.Концепция микросхемы в трёх измерениях – хотя её и чрезвычайно трудно применить на практике – позволит DARPA расширить технологию и сделать её более компактной. «Ультралуч» – первый гамма-лучевой лазер, и он может навсегда изменить медицинуDARPA ведёт несколько посвящённых лазерам проектов прямо сейчас, но данный конкретный проект может иметь самое широкое гражданское применение. «Ультралуч» – это первый гамма-лучевой лазер. Он нравится военным, потому что подобный продвинутый излучатель может использоваться для просвечивания интересующих объектов, например важных контейнеров или персонала.С медицинской точки зрения, его возможности огромны.Компактные гамма-лучевые лазеры могут обеспечить новые типы радиационной терапии и новые методы диагностики.Данная программа попытается вернуть разработку и производство интегральных микросхем обратно в АмерикуВ данный момент почти все первичные компоненты для интегральных плат производятся за океаном, поскольку это самый дешёвый и эффективный способ массового производства компьютерных технологий.Это может иметь огромный потенциальный риск для Управления обороны, поскольку большинство чипов, используемых в военных технологиях, приходят из-за границы и приобретаются на коммерческой основе. Вот почему DARPA запустила программу «LEAP», нацеленную на возвращение производства микросхем обратно в Америку.Эта программа предоставляет доступ к военным полупроводниковым компонентам университетам, исследователям, и местным производителям в надежде на скорое появление собственных американских микросхем.Способ охлаждения продвинутых и мощных микросхемПо мере того, как микросхемы становятся всё более миниатюрными и компактными, они также начинают и сильнее нагреваться. Тепло может убить микрочип, поэтому ему требуются вентиляторы и системы распределения тепла. Но это не соответствует тому уровню амбициозных технологий, которые хочет иметь DARPA.Программа агентства «Thermal Management Technologies» экспериментирует с пятью различными способами управления температурой системы. Они включают в себя адаптированную технологию тепловых трубок, охлаждающую микротехнологию, новые материалы, термоэлектрические кулеры, и усовершенствованные усилители мощности.Наибольший интерес системы распределения тепла представляют для потребительской электроники.Универсальная платформа для производства единых микрочиповОдной из проблем, которая сдерживает развитие компьютеров на настоящий момент, является тот факт, что сейчас компьютерные чипы приходится делать из нескольких различных материалов.Кремний является наиболее распространённым, но специализированные чипы создаются на основе нитрида галлия, арсениде галлия, антимонида, и других типов материалов.Целью программы DARPA «Diverse Accessible Heterogeneous» является создание универсальной базы с единым субстратом для комбинирования чипов и экономии драгоценного времени.Применение подобной технологии в гражданском оборудовании может сделать работу компьютеров более эффективной, поскольку информацию больше не нужно будет передавать между различными типами микрочипов.Программа «AWARE» может изменить фотографию и технологию слежки навсегдаВоенные всегда заинтересованы в усовершенствовании камер. Лучшие камеры означают лучшие разведывательные данные, которые в свою очередь означают лучшее проведение военных миссий. Вот почему DARPA запустила программу «Advanced Wide FOV Architectures For Image Reconstruction and Exploitation (AWARE)».Это камера гигапиксельного диапазона, о которой вы, возможно, слышали. Она комбинирует более ста пятидесяти камер в единой линзе. Её целью является создание снимков с разрешением от десяти до пятидесяти гигапикселей – такое разрешение намного превосходит диапазон, который может видеть человеческий глаз.В гражданской жизни продвинутые изображения имеют множество применений в медицине, коммерции, медиа, технологии, и рекреации.DARPA намерена создать устойчивый и энергоэффективный компьютер, который может программироваться, по сути, любым желающимСуперкомпьютер NASAПрограмма «Ubiquitous High Performance Computing» походит к разработке компьютеров практически с нуля. DARPA намерена разработать новые компьютерные системы, которые устойчивы к кибератакам, более эффективно потребляют электроэнергию, и являются более производительными.Что ещё более важно, эта программа нацелена на создание компьютеров, которые могут программироваться людьми с очень небольшим опытом в программировании. Данный проект является одним из наиболее амбициозных начинаний DARPA, и тот факт, что Intel, Массачусетский технологический институт, NVIDIA, и Sandia National Lab каждая участвует в нём, означает, что агентство относится к этому проекту весьма серьёзно.Ссылка