Нейросеть для одессита (13 стр.)
Предоставленный на короткое время самому себе, Зиверт решил пробежаться по каютам экипажа, и, как оказалось, не зря. У старпома профессор нашёл большую коллекцию устаревших и уже давно неиспользуемых в Содружестве баз знаний. Очевидно, что пираты захватили в своё время какого-то увлечённого собирателя, потому что никто из разумных такое старьё себе бы поставить уже не решился.
И хоть к антиквариату он был всегда равнодушен, чемоданчик с базами знаний был немедленно учёным позаимствован. Зиверт прекрасно представлял, как с помощью найденного хлама можно расширить будущие эксперименты.
А затем компаньоны банально распотрошили «Херкус» на месте с помощью промышленного лазера того же шахтёра.
Трюм с «мясом» был безжалостно вырезан из рейдера вместе с жилым модулем, где всё так же безмятежно продолжал спать экипаж пирата. Потом эсбэшник вырезал из многострадального «Херкуса» кусок рубки с шахтой корабельного искина.
— Так обычно поступают Альфамехи, — пояснил Ачиль свои действия, — неплохо будет, если этих безумных жестянок и заподозрят в уничтожении рейдера. Им всё равно, а нам лишним не будет…
— Ребята проснутся уже рабами, — подхватив манипуляторами шахтёра добычу, злобно сообщил Ачиль, подразумевая, видимо, захваченных пиратов, — сами, наверняка, тоже людей много продали… Лучше бы мы их прикончили, — нехорошо ощерившись и странно взглянув на профессора, напоследок добавил эсбэшник.
Зиверту от взгляда Ачиля стало как-то не по себе, но он промолчал. Кровожадность партнёра его несколько царапнула. Но главное, что авантюра удалась, и подопытные добыты…
Кусок рейдера поместился в трюме мобильной лабы впритык. Пусковые имитаторы «Бластов-М» подбирать не стали, просто активировали их системы самоуничтожения.
И в завершение, отойдя на безопасное расстояние, чтобы не схватить случайный осколок, выпустили по истерзанным обломкам «Херкуса» вторую боевую ракету.
Все компаньоны с интересом уставились на голопанель. Миг, и космос озарила яркая вспышка взрыва. Ещё секунда, и сработали самоуничтожители учебных ракетных установок, подсветив пространство вокруг места засады гирляндой кратковременных вспышек.
А затем лаба ушла в гипер. След окончательно запутали возле одной из звёзд с гравитационной аномалией, координаты которых в избытке имелись в полётных картах исследовательского корабля. Там же выбросили и вырезанный из пиратского рейдера искин. Терять время на поиск и удаление вероятных программных закладок Зиверт не хотел, да и лишнее доказательство участия партнёров в уничтожении пиратов было им ни к чему.
На базу вернулись без осложнений. Профессор и лаборант Минору, оперативно заменив пиратам нейросети, полностью погрузились в эксперименты.
Ачиль сумел быстро продать рабов какому-то тёмному фермеру с захудалой планеты, а на часть вырученных кредитов Сквара купила недостающие учёным одноразовые криокапсулы.
Пытливый ум Зиверта быстро нашел решение с проблемой возросшего количества подопытных. Ведь изначально никто не планировал приводить «диких» в сознание. Это вынудило бы партнёров взвалить на себя бремя ухода за испытуемыми, их кормёжки, охраны и всего остального. Конечно, вчетвером такая задача становилась неподъёмной.
Стандартные одноразовые криокапсулы имели несколько режимов функционирования. Кроме прочего, криокапсулы были рассчитаны на вариант поддерживания разумного в состоянии стандартного физиологического сна. Такой режим использовался в основном в медицинских целях, например, когда пациент нуждался в оздоровительном сне. Старение организма шло в этом случае естественным путём.
На возрастные изменения «мяса» Зиверту было откровенно наплевать, а вот режим физиологического сна подходил ему для экспериментов наилучшим способом. Активность мозга и нервной системы во сне хоть и незначительно спадала, но сохранялась. Большего профессору и не надо было…
Как в лучшие времена, учёный полностью отрешился от внешнего мира. «Дикие» были разделены на партии, к каждой из которых применялась своя строгая последовательность инсталляции и активации прототипа «ИБНС-7РЗ». Искусственная бионейронная сеть саморазвивающаяся, модель седьмая, разработка Зиверта…
Как ни странно, стандартным оборудованием Содружества новейшая «ИБНС-7РЗ» определялась как обычная базовая нейросеть, с этим ещё предстояло разобраться.
Основой методики профессора была концепция искусственного запуска процесса ускоренного эволюционирования головного мозга и нервной системы человека.
Учёный был ярым сторонником теории, что мозг можно «строить», «раскачивать» как мускулы, причём гораздо быстрее, чем это происходит естественным путём и под влиянием стандартных нейросетей. Зиверт проделал колоссальную работу, провёл сотни экспериментов, изучил опыт влияния нейросетей на специализированные способности человека, методики развития мозга, практикуемые различными сектами и движениями в Содружестве. Профессор также исследовал первобытные процессы обучения разумных на варварских планетах, где люди не использовали нейросети и базы знаний…
С учётом технических усовершенствований и наноботов абсолютно передового качественного уровня, учёный полагал, что перегрузив должным образом прототип улучшенной им нейросети сразу после внедрения в человека, он вызовет необходимую реакцию импланта нанофабрики «ИБНС-7РЗ».
Новая нейросеть не просто должна была создать новые нейронные связи. Предполагалось, что критическая перегрузка базами знаний прототипа «ИБНС-7РЗ» в совокупности с высоким потенциалом интеллектуального развития испытуемого вызовет изменение наноботами самой структуры головного мозга, приведению её к необходимому идеалу и дальнейшему развитию.
Процессы, занимавшие ранее тысячелетия, должны были, по задумке профессора, проистекать в десятки, в сотни раз быстрее, привнести изменения в организм человека на генетическом уровне и стать наследственными.
Зиверт понимал, что результат не будет скорым, и не ждал стопроцентного подтверждения своих разработок на следующий же день. Только рабские нейросети полностью активировались в течение нескольких стандартных суток. Выход на полный функционал всех специализированных и индивидуальных нейросетей занимал в среднем до года.
Но качественные изменения, рост активности головного мозга, желаемые изменения в работе прототипа нейросети должны были быть заметны для совершенного оборудования профессора практически сразу. Что уже позволяло утверждать, что задача всей жизни профессора выполнена.
Учёный и его помощник постепенно повышали уровень нагрузки для каждой партии подопытных. Задачей Зиверта было точно определить границы критического массива информации, которая активирует как возможности мозга, так и нейросети, но не приведёт к «перегоранию», а иначе говоря, к смерти человека.
И уже на третьей партии результат превзошёл все ожидания. «ИБНС-7РЗ» заработала! Профессор настолько переутомился, что даже не удивился, когда опытным путём так и не смог достигнуть верхнего рубежа активации новой нейросети и выяснить опасную для жизни человека планку активности «ИБНС-7РЗ». С предыдущим материалом, имеющим низкий показатель ИРа, результаты были другими. Поэтому Зиверт оправданно списал всё на высокий потенциал «мяса» и ещё раз убедился, что возможности человека безграничны.
Уже получив первые позитивные результаты, профессор не удержался от ещё одного ранее незапланированного опыта. Среди «диких» каким-то образом затесался индивидуум с недавно установленной базовой нейросетью, которая не имела идентификатора Содружества.
Прекрасная возможность для опыта! Зиверту было крайне интересно узнать, какова будет реакция мозга на установку «ИБНС-7РЗ» с учётом уже имеющейся нейросети.
По идее, продвинутый имплант «ИБНС-7РЗ» производил более агрессивные наноботы, которые должны были полностью поглотить структуры базовой нейросети и использовать их как строительный материал для его усовершенствованной модели.
Что это давало? Это открывало новые горизонты использования «ИБНС-7РЗ». В идеале получалось, что любого человека можно было «раскачать», используя возможности стандартных нейросетей. И выведя показатели разумного на уровень выше двухсот единиц ИРа, ему можно было поставить «ИБНС-7РЗ» и по уже опробованной методике разогнать способности дальше…
Но всё это было пока в далеко идущих планах Зиверта. Установив «ИБНС-7РЗ» последнему подопытному, профессор загрузил его нейросеть всеми оставшимися базами, ожидаемо не достиг потолка критического массива знаний и вдруг вспомнил о чемоданчике с пиратского рейдера. В своей увлечённости экспериментами, Зиверт совершенно упустил из вида задумки в отношении устаревших баз с «Херкуса».
Нисколько не сомневаясь в правильности действий, учёный принял решение загрузить их на нейросеть последнего образца материала. Испытуемый должен был либо погибнуть, либо ещё больше раздвинуть границы возможностей «ИБНС-7РЗ».
И тот и другой результат был для профессора приемлемым.
Организм Зиверта выключил его сознание именно после загрузки последней базы знаний тому «дикому». Учёный помнил, что подопытный ещё оставался жив, когда его собственная нейросеть выдала очередное предупреждение, которое профессор привычно свернул, не читая. И тут же переутомление буквально свалило Зиверта с ног…
…Удовлетворённый зуммер кибердока и открывающаяся крышка медкапсулы вернули учёного в реальность.
Над профессором сразу же склонилась возбуждённая ожиданием новостей верная помощница.
Зиверт почувствовал, как его окутал тонкий аромат тела любимой женщины, и он ощутил нарастающий прилив нежности к Скваре. Какая же радость обладать таким совершенством.
— Зиви. Дорогой! Скажи, что всё было не зря. — не вытерпела любовница.
Источник
Теперь даже ракеты 🚀 в космос запускают нейросети
Говорим о том, как Data Science помогает исследовать космос. Спойлер: речь не только о новом американском марсоходе, но о нём в статье тоже есть.
Инструменты Data Science уже применяются на всех этапах исследований далёких миров — от запуска ракет-носителей до управления автоматическими аппаратами и анализа полученных ими данных. Наглядная демонстрация этого — успешная посадка марсохода Perseverance в феврале 2021 года. Поговорим о нескольких впечатляющих примерах использования Data Science в космической технике.
Запустить ракету
Космические ракеты состоят из огромного количества сложных деталей. Требуются тщательная подготовка и множество проверок, чтобы всё это многообразие элементов при запуске успешно работало. Процесс сборки ракеты-носителя на стартовой площадке обычно занимает 30–40 дней и требует участия нескольких сотен специалистов.
Ирония в том, что ракетная техника, считающаяся одной из передовых, до сих пор использует методы, разработанные во времена первых космических полётов. Долгое время конструкторы бились, чтобы увеличить грузоподъёмность и топливную экономичность, но не спешили внедрять современные компьютерные технологии. Многие ракеты-носители до сих пор полагаются на проверенные временем технические решения 1960-х годов.
Изменить эту ситуацию взялись японские конструкторы. Впервые технологии искусственного интеллекта в ракетную технику массово внедрили именно они — при создании ракеты-носителя «Эпсилон». Благодаря использованию интеллектуальных систем проверка готовности ракеты к старту происходит автоматически и практически не требует участия людей.
Японское аэрокосмическое агентство (JAXA) называет своё детище ракетой-роботом. Для пуска «Эпсилона» требуется всего восемь человек, в то время как для запуска ракет предыдущего поколения нужно было не менее 150 высококвалифицированных сотрудников. Время сборки на стартовой площадке сократилось до одной недели.
Ракеты предыдущих поколений можно сравнить со старыми автомобилями. В случае неисправности на приборной панели такой машины лишь загоралась красная лампочка. Причину неисправности специалистам приходилось искать самостоятельно, что отнимало много времени и сил.
«Эпсилон» в этом смысле более похож на суперсовременный японский автомобиль, оснащённый мощным бортовым компьютером и интеллектуальной системой самодиагностики. Такая система не только сигнализирует о неисправности, но и выдаёт детальное описание, что именно работает не так. При этом система способна самостоятельно исправить обнаруженную неполадку, если её в принципе можно устранить с помощью программных средств без непосредственного участия человека.
«Эпсилон» оснащён высокоскоростной шиной передачи данных , связывающей все основные элементы ракеты в единую компьютерную сеть. Получается что-то вроде небольшого внутриракетного интернета. По этой сети интеллектуальные алгоритмы могут следить за состоянием ракеты. С её помощью можно практически мгновенно проанализировать огромный массив данных, поступающих от всех деталей, провести диагностику и оперативно дистанционно устранить обнаруженные сбои.
Один из разработчиков ракеты, профессор Ясухиро Морита, в интервью рассказал о системе управления соплом двигателя. Её работа зависит от электрических сигналов, получаемых от множества датчиков. Отклонение сопла может привести к тому, что ракета собьётся с курса. Искусственный интеллект «Эпсилон» контролирует показания датчиков, чтобы убедиться в работоспособности системы управления, а также калибрует её действия под реальные показания приборов до старта ракеты.
«Эпсилон» относится к лёгкому классу ракет , его грузоподъёмность примерно в пять раз меньше, чем у наших «Союзов». Японское аэрокосмическое агентство применяет «Эпсилон» для запуска небольших спутников. Состоялось четыре успешных запуска: в 2013-м, 2016-м, 2018-м и 2019-м. Модифицированные версии ракет этого типа планируется использовать для отправки исследовательских аппаратов к Луне и Марсу.
Несмотря на небольшие размеры, «Эпсилон» — отличная модель использования Data Science в ракетостроении. Решения, аналогичные применённым в японской разработке, могут использоваться при создании новых образцов космических носителей с большой грузоподъёмностью. Например, в ракетах Falcon компании SpaceX или в нашей «Ангаре». Пока в этом плане они уступают «Эпсилону» и полагаются на ручной труд обслуживающего персонала.
Автор статей про IT-технологии. Преподаватель, доцент. Инженер по первому образованию, по второму — журналист. Кандидат технических наук.
Посадить марсоход
Автоматическая посадка исследовательского зонда на Марс — задача необычайно сложная. И статистика подтверждает это: примерно 60% миссий, отправленных человечеством к Красной планете, завершились неудачно. Проблема заключается в том, что из-за огромного расстояния радиосигнал добирается до нашей планеты со значительным запаздыванием: от трёх до двадцати четырёх минут. Поэтому спуск аппарата невозможно контролировать с Земли.
Путешествие от нашей планеты до Марса длится примерно семь месяцев. Посадка на поверхность — всего семь минут. Но именно в этот момент вероятность гибели дорогостоящего аппарата достигает максимума. Поэтому спуск на поверхность называют «семью минутами ужаса».
Создатели нового американского марсохода «Персеверанс» (Perseverance) , конечно, знали об этой проблеме и начали готовиться к её решению заранее. Они разработали систему TRN (Terrain Relative Navigation), осуществляющую автоматическую навигацию посадочного модуля во время спуска на поверхность. Система позволяет бортовому компьютеру в режиме реального времени оценивать положение спускаемого аппарата и выбирать место для посадки, избегая опасных участков, грозящих марсоходу гибелью.
«Персеверанс» стал пятым марсоходом, отправленным НАСА на Красную планету. В первых миссиях аппараты использовали надувные баллоны, действующие подобно автомобильным подушкам безопасности. Они наполнялись газом перед приземлением и смягчали удар посадочного модуля о поверхность планеты. Такой подход впервые использовали советские конструкторы в лунных станциях . Но он не подходит для тяжёлого Perseverance с чувствительным оборудованием, который весит больше тонны.
Уже на его предшественнике «Кьюриосити» НАСА применило новый посадочный механизм под названием «небесный кран» (Sky Crane). Это платформа, снабжённая восемью ракетными двигателями. Платформа вместе с марсоходом отделяется от посадочного модуля. За счёт направленных вниз двигателей зависает в нескольких метрах над поверхностью Красной планеты и нежно опускает планетоход при помощи нейлоновых тросов. Затем отлетает в сторону, чтобы не задеть марсоход, отключает двигатели и падает.
Но при этом способе точность довольно низкая. Отклонение от предполагаемой точки посадки — два-три километра. При таком отклонении марсоход может погибнуть, если попадёт на скалы или в глубокий кратер, из которого не сможет выбраться.
Для Perseverance инженеры разработали автоматическую систему навигации TRN, которая увеличила точность посадки. Теперь отклонение не превышает 40 метров. В основе системы лежат интеллектуальные алгоритмы анализа изображений.
Учёные использовали полученные ранее от орбитальных аппаратов фотографии места предполагаемой посадки марсохода, обработали их и загрузили в память управляющего компьютера TRN, получив карту поверхности планеты. На ней специалисты по анализу данных предварительно отметили места, пригодные для посадки, и опасные зоны, где аппарат может погибнуть.
Посадочная платформа Perseverance оснащена скоростными фотокамерами высокого разрешения. При подлёте к поверхности аппарат делает снимки местности, над которой он сейчас находится, и сравнивает изображения с картой опасных участков, хранящейся в памяти бортового компьютера.
Интеллектуальный алгоритм в режиме реального времени анализирует изображение, выбирает ближайшее подходящее для посадки место и даёт двигателям команды на корректировку траектории снижения. В результате посадочный модуль идёт к самой безопасной точке посадки из возможных. Затем «небесный кран» опускает марсоход на поверхность и улетает в сторону.
«Персеверанс» успешно сел на Марс 18 февраля 2021 года и уже передаёт первые изображения. НАСА опубликовало впечатляющее видео процесса приземления аппарата. Это не компьютерная графика, а реально снятые кадры. Впервые люди наблюдали столь детальный видеоотчёт о посадке автоматического аппарата на Марс. И в успехе Perseverance есть заслуга Data Science.
Обнаружить воду на Марсе
С тех пор как люди начали изучать Марс, они постоянно искали там воду. Потому что понимали: где есть вода, там возможна и жизнь. Красная планета подавала в этом плане большие надежды: астрономы долгое время наблюдали в телескопы знаменитые марсианские каналы.
Когда космические аппараты добрались до Марса и передали детальные снимки, стало понятно, что воды в жидком виде там нет. А каналы были всего лишь оптической иллюзией.
Только в начале XXI века, анализируя данные автоматических станций, учёные смогли доказать, что вода на Марсе всё-таки есть. Правда, находится она под поверхностью планеты в виде льда. Толщина слоя вечной мерзлоты местами достигает десятков и даже сотен метров.
На орбите Марса сейчас много искусственных спутников. Они передали на Землю огромный массив снимков марсианской поверхности. Но обнаружить скопления льда на фотографиях очень тяжело. Видны только полярные шапки льда, а основные запасы замёрзшей воды скрыты под слоем грунта.
И вновь на помощь учёным приходит Data Science. Благодаря искусственному спутнику Красной планеты «Марс Одиссей» (Mars Odyssey) исследователи НАСА получили более 20 тысяч снимков поверхности Марса и составили его точную карту. Установленный на Mars Odyssey прибор THEMIS (Thermal Emission Imaging System) позволяет измерять температуру поверхности планеты по исходящему от неё инфракрасному излучению .
Ожидаемую температуру отдельных участков Марса можно рассчитать по количеству получаемой от Солнца энергии. Но находящийся под грунтом лёд снижает её. Специалисты по анализу данных сравнили фактически измеренную температуру поверхности с расчётной. Если участок холоднее, чем ожидалось, то под ним находится водяной лёд. По значению этой разницы можно определить глубину залегания вечной мерзлоты и толщину льда.
Таким образом учёные НАСА создали карту расположения льда под поверхностью Марса и опубликовали результаты исследования в научной статье.
Однако искать замёрзшую воду по разнице температур достаточно сложно. Не всегда есть возможность провести соответствующие измерения и расчёты. В некоммерческом стартапе MaritimeAI сейчас ищут способ искать лёд под поверхностью Марса по обычным орбитальным снимкам. Для анализа изображений они применяют искусственные нейронные сети.
Команда MaritimeAI уже занималась обнаружением затонувших кораблей и скоплений льда на спутниковых снимках морской поверхности. Сейчас они пытаются применить опробованные нейросетевые методы для поиска замёрзшей воды на Красной планете.
Для того чтобы нейросеть могла анализировать изображения, её вначале следует обучить — то есть подать в неё несколько сотен изображений, на которых отмечено расположение льда под поверхностью. Фотографии для обучения, конечно, можно разметить вручную, но это долгая и скучная работа.
Есть способ лучше: совместить снимки Марса с картой скоплений льда, полученной учёными НАСА при исследовании разницы температур. На этих данных нейронную сеть можно относительно легко обучить. После этого в неё уже можно загружать новые изображения марсианского грунта, о котором неизвестно, есть ли под ним лёд. И сеть будет выдавать ответ с высокой точностью.
На своём сайте ребята из MaritimeAI опубликовали изображение поверхности Марса, на котором их нейронная сеть обнаружила лёд и даже обрисовала контуры его скоплений («полигоны»).
В перспективе такой метод позволит легко находить запасы замёрзшей воды на Марсе по орбитальным снимкам. Это поможет будущим марсианским экспедициям подобрать подходящее место для посадки пилотируемых станций. Колонистам не придётся везти запасы воды с собой — её можно будет добывать на планете. Где есть вода, там возможна и жизнь.
Nerthuz / freestyle images / Kathy Hutchins / Sergey Ogaryov / Shutterstock / Полина Суворова для Skillbox
Источник