• Теги
    • избранные теги
    • Компании1796
      • Показать ещё
      Разное716
      • Показать ещё
      Страны / Регионы161
      • Показать ещё
      Формат29
      Международные организации7
      • Показать ещё
      Люди34
      • Показать ещё
      Издания14
      • Показать ещё
      Показатели19
      • Показать ещё
      Сферы2
26 июня, 19:01

AI: soon in a store near you

FIVE stores with artificial intelligence machines instead of human cashiers and check-out lines will open in a beta test in Shanghai next month as part of the AI revolution transforming China’s retail

Выбор редакции
26 июня, 16:00

ISC17: HPC Embraces Diversity As AMD & ARM Up The Ante Vs. Intel, IBM And NVIDIA

Intel has long enjoyed a dominant position in HPC, with IBM and NVIDIA grabbing some headlines and modest market share. Now, at ISC17 in Frankfurt this year, AMD re-joined the fray, and ARM partner Cavium showed off its next generation product as well. We explore how this may impact the market for H

Выбор редакции
26 июня, 15:14

Криптовалюты: во время золотой лихорадки продавай лопаты

​На рынке криптовалют сейчас царит настоящий ажиотаж. Только за последние двенадцать месяцев рыночная капитализация восьми сотен наиболее популярных криптовалют увеличилась в 10 раз и составила $117 млрд. При этом, рост крайне неоднороден: доминирующий на рынке биткоин подорожал в пять раз, второй по рыночной капитализации Ethereum вырос в 26 раз, а стоимость, к примеру, Augur поднялась всего в 2 раза. Причины столь высокой волатильности котировок кроются в нескольких особенностях рынка криптовалют. Проще всего их объяснить на примере биткоина – самой первой криптовалюты, появившейся еще в начале 2009 года на пике глобального финансового кризиса. Именно на основе кода биткоина сделано подавляющее количество других валют. Так вот, биткоин, за очень редким исключением, не регулируется ни в одной стране мира и риски встретиться с мошенниками самого разного рода очень велик. К примеру, с биржи криптовалют биткоины могут просто украсть и кому-либо предъявить претензии будет очень сложно. Попытки правительств взять под контроль рынок криптовалют также добавляют рынку нестабильности. Падение котировок биткоина в последние несколько лет нередко происходило из-за ужесточение контроля за рынком со стороны китайских властей, борющихся с оттоком капитала. Но основной причиной нестабильности выступают недостатки самой валюты. Из-за отсутствия единого контрольного центра, такого как центробанк, эти недостатки нельзя исправить. Для этого, как правило, требуется создавать новые криптовалюты. В свою очередь, рынок очень молод и в этом отношении логично, что практически у всех представленных на нем криптовалют есть большое количество врожденных фундаментальных недостатков. Так, из-за недоработки создателей у биткоина установлено слишком жесткое ограничение на обработку транзакций: их количество не может превышать 3-7 в секунду и последние кварталы вся система функционирует на пределе. Для сравнения, у платежной системы VISA, по некоторым оценкам, хватает мощности для обработки до 50 000 транзакций в секунду. Среди недостатков нельзя не упомянуть, что сеть узлов со временем может перестать быть распределенной и капитализация биткоина «схлопнется» из-за недоверия к ней со стороны участников рынка, которые будут опасаться вывода средств третьей стороной. Еще стоит отметить, что система биткоин позволяет выпустить лишь 21 млн денежных единиц. Потом денежная масса биткоинов не будет меняться. В теории, данный факт сделает его широкое внедрение слишком рискованным решением для стран, даже если они не побоятся анонимности платежей т.к. экономика постепенно погрузится в рецессию из-за дефляции и невозможности ЦБ вести контрциклическую монетарную политику. У новых криптовалют недостатков меньше. Например, «биткоин нового поколения» Ethereum вскоре может обойти по рыночной капитализации сам биткоин. Тем не менее, будущее отдельных криптовалют непредсказуемо. Какая именно из сотен представленных на рынке в итоге будет доминировать и приносить наибольшую прибыль инвесторам, пока совершенно непонятно. Будет ли она удобнее доллара в расчетах? Не захотят ли правительства крупнейших стран придумать собственные криптовалюты и запретить хождение остальных? Сложно сказать, и поэтому, если отталкиваться от рынка криптовалют, есть более предсказуемые активы для вложений. Например, интересной идеей является покупка акций компаний NVIDIA и AMD, которые поставляют популярные у «майнеров» криптовалют высокопроизводительные игровые видеокарты. Рост котировок любой из криптовалют подстегивает интерес к майнингу, поскольку параллельно с ними растут и номинальные комиссии за проведение сделок. Помимо этого, как правило, алгоритмы криптовалют так устроены, что для их майнинга всегда требуется только топовое железо. Таким образом, приход новых игроков на олигопольный рынок производителей видеокарт очень маловероятен, а значит — всю прибыль с него получат нынешние игроки. Из-за ажиотажного спроса на свою продукцию, эти производители быстро наращивают продажи, а их акции растут не сильно медленнее котировок биткоина. Тем более, взамен вы получаете реальный актив на руки, который будет дорожать практически при любом направлении эволюции рынка криптовалют. «Во время золотой лихорадки не нанимайтесь на прииски, продавайте лопаты и кирки». Мой канал в Телеграм по об экономике и финансах^ t.me/economicsguru​.

25 июня, 23:15

Strike While Micron Technology, Inc. (MU) Stock Is Hot!

If you bought Micron Technology, Inc. (NASDAQ:MU) at the beginning of 2017, you’re sitting on a 44.8% return through June 23. MU stock is on a big run as a result of stronger business and industry fundamentals — the same ones driving names like Advanced Micro Devices, Inc. (NASDAQ:AMD) and Nvidia Corporation (NASDAQ:NVDA).

25 июня, 12:07

Кто следующий ?

Товарищи инвесторы, такой вопрос глобальный: Какой сектор рынка выстрелит следующий на ближайшие 2-3 года? Имеется ввиду только лонг акций, без плечей, шортов и прочей ереси.   1. Сектор криптовалют в лице NVIDIA и AMD уже выстрелил и покупать по текущим ценам абсолютно не хочется.  2. Банковский сектор тоже довольно сильно вырос. 3. Авиакомпании также дорого стоят. Пока я вижу дешевым сектор офшорных бурильных компаний в лице — RIG, ESV, DO, но для вложения в них жду еще одного дна по нефти в районе 20-35 баксов. Также сейчас считаю отличное время для покупок золотодобытчиков — Лензолото, EGO, AUY (компании очень дешевые). Как известно одни сектора заканчивают рост, начинают расти другие и так постоянно. В какие сектора вы инвестируете на ближайшие 3 года?

Выбор редакции
25 июня, 10:18

China supercomputer fact of the day

A new ranking shows that for the second year running, the world’s fastest supercomputer is TaihuLight, housed at the National Supercomputing Center in Wuxi, China. Capable of performing 93 quadrillion calculations per second, it’s almost three times faster than the second-place Tianhe-2. And in third spot this year is a newly upgraded device, called Piz Dain, at […] The post China supercomputer fact of the day appeared first on Marginal REVOLUTION.

Выбор редакции
24 июня, 23:43

We Are Witnessing The Renaissance Of The High Performance PC

Although there are a myriad of players that manufacture enthusiast-class PC components and accessories, the big three – Intel, AMD, and NVIDIA – steer much of the industry. And all three companies either have new products that just arrived or are on the immediate horizon that have people buzzing.

Выбор редакции
23 июня, 22:57

2-Step Method for Whipping the Bull

Earnings momentum plus solid chart analysis can deliver calculated profits while others simply chase their tails.

23 июня, 18:25

BlackBerry's (BBRY) Q1 Earnings Break Even, Revenues Miss

BlackBerry Limited (BBRY) posted first-quarter fiscal 2018 breakeven earnings (on an adjusted basis) and lower than expected revenues

Выбор редакции
23 июня, 10:08

Colorful выпустила нереференсные карты iGame GTX 1060/1070/1080 Vulcan X OC

На выставке Computex 2017 компания Colorful порадовала своих поклонников несколькими необычно выглядящими видеокартами GeForce GTX 1080 Ti, в том числе моделью Vulcan X OC, основные черты дизайна которой были явно позаимствованы у ускорителей ASUS ROG Strix. Производитель наделил «вулканический» адаптер GTX 1080 Ti массивным трёхслотовым кулером Sworizer со скрытым центральным вентилятором, усиленной системой питания, традиционной для Colorful кнопкой Turbo на задней панели, внушительным заводским разгоном и мягкой подсветкой кожуха. Все вышеупомянутые особенности дизайна Colorful iGame GeForce GTX 1080 Ti Vulcan X OC характерны и для дебютировавших на днях младших решений. Модель iGame GTX 1080 Vulcan X OC на основе графического ядра NVIDIA GP104-400 может динамически разгоняться по чипу с 1607–1733 МГц до 1759–1898 МГц, память при этом тактуется на рекомендованных 1250 (10 000) МГц. Видеокарта оперирует 2560 потоковыми процессорами Pascal, 256-битной шиной памяти и 8 Гбайт VRAM стандарта GDDR5X. За вывод изображения отвечают разъёмы Dual Link DVI-D, HDMI 2.0b (2 шт.) и DisplayPort 1.4 (2 шт.). Питание должно подаваться по двум 8-контактным кабелям PCI-E Power.

23 июня, 08:23

Рынок видеокарт вырастет на 20% из-за криптовалют

Мировой рынок видеокарт закончит текущий квартал с ощутимым ростом из-за растущего интереса к криптовалютам, сообщают Pacific Crest Securities. Добыча биткоина и других цифровых валют при помощи графических ускорителей вызвала резкое увеличение спроса, что вылилось в дефицит видеокарт в нескольких регионах.

23 июня, 02:10

Рынок видеокарт вырастет на 20% из-за криптовалют

Добыча биткоина и других цифровых валют при помощи графических ускорителей вызвала резкое увеличение спроса на эти комплектующие, поэтому эксперты прогнозируют рост мировому рынку видеокарт.

23 июня, 02:07

Рынок видеокарт вырастет на 20% из-за криптовалют

Добыча биткоина и других цифровых валют при помощи графических ускорителей вызвала резкое увеличение спроса на эти комплектующие, поэтому эксперты прогнозируют рост мировому рынку видеокарт.

Выбор редакции
22 июня, 22:25

NVIDIA и AMD пользуются плодами бума криптовалют, но как долго это продлится?

Игроки всёсильнее ненавидят «фермеров» за искусственно созданный дефицит видеокарт. Ноненависть эта бесплодна — быстрого улучшения ситуации не предвидится, темболее, что она играет на руку самим производителям видеокарт и графическихпроцессоров. Эксперты советуют не ждать обвала рынка криптовалют, а значит, еговлияние на рынок GPU ещёболее усугубится

Выбор редакции
22 июня, 21:11

AMD Radeon RX Vega поразит своим энергопотреблением

По мере приближения анонса нового поколения графических ускорителей AMD Radeon RX Vega, вырисовываются всё новые подробности об их характеристиках и, к сожалению, не все они выглядят воодушевляюще. Так, согласно информации, которой невзначай обмолвился директор по маркетингу в Европе компании MSI, Эрик Ван Берден (Eric Van Beurden), карты семейства RX Vega будут требовать «чертовски много энергии». Трудно сказать, какое потребление в понимании представителя MSI является просто высоким, а какое – чертовски высокое, однако о том, что RX Vega имеет все шансы обойти по этой характеристике даже NVIDIA Titan Xp, можно сказать практически наверняка. Это следует не только из высказываний близкого партнёра AMD, но и из характеристик профессиональных карт Radeon Pro Vega Frontier Edition. Такие видеокарты уже появились на онлайн-витринах некоторых интернет-магазинов, и там им приписываются воистину исполнинские характеристики TDP. Так, для профессиональной карты с воздушным кулером обещано TDP на уровне 300 Вт, а вариации с жидкостным охлаждением вменяется расчётное тепловыделение в 375 Вт. Тепловой пакет же самой мощной игровой карты NVIDIA, Titan Xp, напомним, установлен в 250 Вт.

22 июня, 20:10

Главы Apple, Microsoft и Google не вошли в «Топ-10» гендиректоров

Рекрутинговая компания Glassdoor опубликовала рейтинг лучших глав (CEO) крупнейших корпораций на основании результатов опроса их сотрудников. Первое место в списке занял гендиректор Clorox Company Бенно Дорер (Benno Dorer), «серебро» досталось Джиму Кавано (Jim Kavanaugh) из World Wide Technology, а «бронзу» завоевал Майкл Махоуни (Michael Mahoney), руководящий Boston Scientific. Уровень поддержки каждого из тройки лидеров составил 99 %. Такой же рейтинг одобрения (99 %) получил и гендиректор NVIDIA Дженсен Хуанг (Jen-Hsun Huang), помещённый аналитиками из Glassdoor на шестую строчку «Топ-100». А вот главе SpaceX Элону Маску (Elon Musk) удалось расположить к себе 98 % персонала, из-за чего у него только восьмая позиция. Чуть ниже, на десятом месте, находится основатель Facebook Марк Цукерберг (Mark Zuckerberg), чью деятельность одобряют также 98 % подчинённых. Ещё один Марк, но по фамилии Бениофф (Marc Benioff), управляющий компанией Salesforce, имеет рейтинг 97 % и занимает 17 строчку.

Выбор редакции
Выбор редакции
22 июня, 10:54

nVidia - The Way It's Meant to be Played

      Недавно меня немного озадачили. Знал, что хайп вокург битков огромен, но чтобы настолько. С 1060 gtx / rx480 уже практически полностью смели из магазинов за последние 2 недели. Скрин с авито. Красным это цена в магазине (спойлер: нет в наличии). Остальные б/у. И это за видеокарты годичной давности. 1060/1070 и AMD RX470/480 идеально подходящие для майнинга карты по соотношению затраты/прибыль. Что это означает? А то что в ближайшем будущем, большие дядьки из nVidia (AMD), не пройдут мимо такого жирного лакомого куска. Например: «NVIDIA выпустит 300 тысяч видеоускорителей для майнинга криптовалю» forklog.com/nvidia-vypustit-300-tysyach-videouskoritelej-dlya-majninga-kriptovalyut/ Взять график nVidia% С мая рост на 50%. На волне огромного спроса на видеокарты и пока вся эта пирамида не порушилась, неплохая инвест идея для покупки.

21 июня, 20:41

Есть ли будущее у криптовалют?

Прошлая неделя ознаменовалась настоящим ралли для криптовалют. Еще в понедельник (12.06.2017) котировки Биткоина тестировали исторические отметки в районе $3000, а уже в пятницу, после закрытия американской сессии, они снизились на 19% или на 27%, если учитывать максимальные отметки, достигнутые ранее. Такой запас хода не свойствен даже волатильным инструментам рынка forex. Однако большинство участников биржевых операций только затрагивают тему спекуляций криптовалютами, про что свидетельствует статистика запросов:   Рис.1. Статистика поисковых запросов «bitcointrading» в Google с 2012 годаДа что уж там говорить, такой повышенный интерес заставил и меня разобраться в этой теме.Немного историиБиткоины берут свое начало с 2008 года, где «некий» Сатоши Накамото впервые подал миру эту идею. Почему «некий»? Потому что до сих пор неизвестно это организация или один человек. Сеть построена таким образом, что вся информация о транзакциях, операциях и владельцах спрятана внутри блоков, которые могут только одобрить платеж. Безусловно, можно посмотреть владельца кошелька, но не то, как и кем была совершена первая транзакция или добыча блока.Считается, что первая операция покупки за bitcoin осуществилась за покупку пиццы еще в 2009 году. Но стоимость в каждой истории разная. Где-то 500 bitcoin, а где-то 3000. Но факт есть факт. Даже если купили за 1 bitcoin, то по сегодняшним меркам реально было бы купить как минимум 100 пицц.«Технические характеристики»Купить криптовалюту нельзя ни в магазине, ни в банке, а только во внутренней среде обмена биткоинами. То есть как валюту, нет возможности положить её в свой кошелек или в банку на «черный день». Добывается это чудо только с помощью обработки хэша. И именно добывается. Процесс называют майнингом. Проще говоря, чтобы обслужить всю систему добычи блоков и кода, нужно много ресурса. Чтобы совершить транзакции в блокчейне, нужен хэш, который формируют другие «компьютеры».  Таким образом, чем мощнее у вас железо, тем больше можно добыть биткоинов. За майнинг криптовалюты вам начисляется доли криптовалюты на электронный кошелек. Где-то за месяц такого процесса «добычи» при условии мощного специального железа, а не обычного компьютера, можно добыть примерно 1 биткоин.Отмечу, что данный процесс не бесконечен. Самой системой блокчейн предусмотрен максимальный объём добычи биткоинов в размере 21 млн. штук. На сегодняшний день добыто примерно 14.5 млн. По прогнозам, которые мне удалось найти, в 2021 году будет добыт последний биткоин, и добыча их утратит рентабельность. Сам оборот биткоинов продолжится как средство платежа, но смысл в майнинге пропадет. Конечно же, процесс добычи с каждым этапом усложняется при достижении определенного количества, что замедляет появление количества биткоинов в обороте, но учитывая прирост «майнеров» это будет не так ощутимо. Рис. 2. Статистика майнинга биткоинов: bitkurs.ru/statsСемейство криптовалютНебывалый успех биткоина породил множество различных криптовалют, которые по сути функционируют и добываются аналогично биткоину. Некоторые из них имеют срок жизни даже не более месяца. То есть весь максимум можно намайнить в пределах 30 дней и, скажем так, иметь «контрольный пакет криптовалюты» у себя на руках.Разновидностей криптовалют много. Я приведу 3 наиболее популярных валюты по объему торгов.3. Litecoin: Имеет стоимость в $50 и средний объем торгов в 170 млн.  2. Ethereum: Стоимость составляет $360. За последнее время привлек не мало к себе внимания. А все потому, что каких-то 2 месяца назад его стоимость составляла 12%, а сегодня она увеличилась в 30 раз. Некоторые «профессионалы» заявляют, что данная криптовалюта обойдет в стоимости по уровню капитализации биткоин.1. Bitcoin. Биткоин является неким эталоном среди валют, и любые изменения цены исходят именно от текущего положения его стоимости.Технический анализТехнический анализ криптовалюты и биткоина в частности ничем не отличается от анализа других финансовых инструментов. Скептики заявляют, что провести технический анализ биткоина невозможно. Но как по мне: есть цена, есть график – бери торгуй.Сейчас можно смело заявить, что рынок находится в третьей волне. И будет в нем находиться, пока АО не сойдет ниже линии баланса (что скоро может произойти). Поэтому согласно моей ТС, точек для коротких позиций на D1 я не вижу. Ждем разворотного бара в пятой волне и только после этого шортим в формации АВС. Фундаментальные факторыА таких нет. Криптовалюта биткоин не прикреплена ничем и никем не регулируется. А значит среди воздействия фундаментальных факторов может быть только повышенный ажиотаж вокруг актива. В свою очередь этот повышенный интерес можно сравнить не с мыльным пузырем, как многие называют, а с неким «хайпом» вокруг биткоина.Я отмечу и то, что на рынке присутствуют инвестиционные компании, которые специализируются на криптовалюте и способны развернуть или поддержать цену. Своего рода маркет мейкеры. И безусловно, текущее положение цен их устраивает.ВыводыНемного разобравшись в данном вопросе, можно прийти к следующим выводам:Как инструмент для долгосрочного инвестирования, криптовалюта не подойдет. +20 и -20% в течение двух сессий – это не нормально и может полностью зайти за риски в разрезе портфельного инвестирования. Так как я торговую в среднесрок, а роль долгосрочного удержания у меня выполняет портфель, то криптовалюту я бы не рекомендовал включать в состав инвест портфеля.Как инструмент для среднесрочного и спекулятивного трейдинга подходит более чем. Если грамотно управлять рисками, то можно внутри дня вполне фиксировать недельную доходность. Инструменты анализа полностью подходят для краткосрочного прогнозирования котировок.Майнить выгодно. Но уже сегодня, а лучше вчера. Сложность добычи будет возрастать, а стоимость на видеокарты или айсики для майнинта с каждым днем растут. К примеру, видеокарты GeForce раскупают как горячие пирожки и в большинстве магазинов «нет в наличии» данного товара. Это объясняет рост акций nVidia и AMD.Регулирование. Пока объем оборота биткоина составляет 80 млрд – это капля в море для ряда Центробанков. Но я считаю, что в скором времени некоторые страны будут регулировать эту сферу, а значит майнить в будущем будет еще менее рентабельно. Учитывая окупаемость майнинга (3-6 месяцев), еще можно окупить и заработать. Но в будущем этот процесс, опять-таки, станет мало привлекательным.Общий итог: Как бы там ни было, если рассматривать биткоин как инструмент для спекуляций, то я не вижу в этом никаких проблем. Но если говорить о его будущем – то здесь все туманно. Ибо когда будет добыто 21 млн, с одной стороны будет фиксированное количество, а значит актив должен расти в цене, ведь если кто-то захочет его приобрести, сразу же изменится кривая спроса и увеличится цена. А с другой стороны, будет ли он кому-то нужен через несколько лет? Больше аналитического материала и торговых рекомендаций в моем паблике: Profitable Day Всем прибыльного дня!

02 июня, 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