📺И восстали машины из пепла ядерного огня: 40 лет со дня выхода фильма «Терминатор»

26 октября 1984 года вышел фильм Джеймса Кэмерона «Терминатор», и он отлично отразил пессимистичный взгляд научной фантастики на будущее. Бюджет фильма был скромным — около 6 млн долларов, однако в мировом прокате он собрал более 78 млн. Изначально кино позиционировали как низкобюджетный боевик о постапокалиптическом будущем, но режиссёрская работа и визуальные эффекты заставляют зрителей пересматривать фильм по сей день.

Сюжет, знакомый многим: машины восстают против людей и из будущего отправляют киборга-убийцу, чтобы помешать человечеству одержать победу. Терминатор, модель T-800, представляет собой металлический каркас, покрытый биологической тканью. На экранах киборг (без человеческой «оболочки») двигался благодаря покадровой анимации. Роль Терминатора досталась Арнольду Шварценеггеру, и, по задумке Кэмерона, робот не должен был много разговаривать. Так, он произнёс 58 слов за весь фильм (в перерасчёте на гонорар Арни — 13 000 долларов за каждое).

Вдохновлённый суперкомпьютером HAL-9000 из «Космической одиссеи» Кубрика, «Терминатор» отражает страхи тех лет перед развитием технологий и неизвестностью будущего. Фильм Кэмерона не только дал старт целой мультивселенной продуктов — от сиквелов и комиксов до тематических парков, но и навсегда вписал себя в дискурс дебатов про трансгуманизм и этику ИИ. Как отметила продюсер фильма Гейл Энн Хёрд, сегодня посыл «Терминатора» даже более актуален, чем 40 лет назад:

«Мы считали, что фильм станет предостережением о том, что нас ждет в будущем, если не обращать внимание на вектор развития технологий. Мы с Джимом знали, что ИИ и робототехника будут развиваться — ни у кого не было сомнений. И хотели, чтобы люди задумались о последствиях. Открыв ящик Пандоры, вы уже не сможете это обратить».

А какие фильмы про роботов порекомендуете вы? Делитесь в комментариях! 🍿

#фильмнавыходные #роботы

📍Уже более полугода сотни энтузиастов со всего мира, в том числе шесть команд из России, ломают голову над тем, как найти практическое применение одному из величайших изобретений инженерии — квантовому компьютеру. Большое будущее технологии пророчат десятилетиями, но революция постоянно откладывается, и многие стали терять веру в квантовую магию. Инженеры Google — не из таких.

В марте этого года вместе с американским фондом поддержки инноваций X Prize Foundation и швейцарской организацией GESDA оптимисты из Google пообещали $5 млн тому, кто в ближайшие три года укажет человечеству кратчайший путь в мир утилитарного кванта.

Задачка не из простых: обладая мощными вычислительными возможностями, квантовый компьютер пока напоминает гоночный болид, запертый в гараже у дедушки. Выглядит потрясающе, но как удержать его на местной дороге? Осмелившийся сесть за штурвал такого сверхскоростного средства на ближайшем повороте слетит в кювет (читай: столкнется с проблемой декогеренции кубитов).

Напомним, если вдруг забыли: квантовые компьютеры оперируют кубитами, которые могут находиться одновременно в нескольких состояниях — суперпозициях. Это обеспечивает квантовое превосходство — способность обрабатывать огромные объёмы данных параллельно, а не последовательно, и быстрее, чем сделал бы самый мощный классический суперкомпьютер. Но вне дедушкиного гаража малейший тепловой шум или магнитное поле могут легко вывести этот самый болид кубит из суперпозиции.

Другой тормоз «квантовой гонки» — сложность масштабирования систем, основанных на явлении запутанности: чем больше кубитов, тем сложнее удерживать их в нужной колее, и тем больше аппаратных и алгоритмических усилий требуется для поддержания стабильности такой системы.

Словом, вызовов пока хватает. Возможно, решение этих проблем сейчас вынашивают в своих лабораториях завтрашние обладатели пяти миллионов от Google. Сама корпорация тем временем продолжает совершенствовать квантовые процессоры. Про их Sycamore на 70 кубит мы рассказывали ранее. Не отстает и IBM — в этом году компания представила процессоры Condor и Heron, о которых мы подробнее говорим здесь.

А что думаете вы о будущем квантовых компьютеров?

#цифрадня

​​🔖Он вам не фотон: как учёные в 1000 раз ускорили предсказания фононных спектров и теплопроводности материалов

Тепловые потери составляют значительную часть энергии, уходящей в атмосферу на промышленных предприятиях. Эффективное управление теплопередачей, особенно в высокоскоростной электронике, может значительно оптимизировать энергетические затраты. Для описания теплопроводности в неметаллических твёрдых материалах используют фононы — квант энер­гии колеба­тель­но­го движе­ния атомов твёр­до­го те­ла, образующих идеальную кристаллическую ре­шёт­ку.

Для ускорения анализа теплопроводности материалов учёные из Массачусетского университета создали систему машинного обучения, которая может предсказать фононные спектры и теплопроводность материалов в тысячу раз быстрее, чем традиционные методы. В основе системы — графовые нейронные сети (GNN), преобразующие атомные структуры в модели, которые позволяют точно и быстро предсказывать параметры теплопередачи.

Из текста вы узнаете:

▪Какую роль играют фононы в переносе тепловой энергии в материалах;
▪Зачем нужны фононные спектры и как уменьшить время их расчёта;
▪Как учёные усовершенствовали методы машинного обучения для предсказания движения фонов;
▪Как ML позволяет создавать базы данных свойств материалов за считанные часы.

Читать ➡

#ML #программы

​​🎤На пульсе RISC-V: уже завтра обсудим оптимизации под архитектуру и средства мониторинга производительности

RISC-V — относительно молодая процессорная архитектура, но она привлекает внимание инженеров из разных стран и компаний. Уже сейчас некоторые микроконтроллеры в составе знакомых нам устройств построены на ней. И популярность RISC-V лишь будет расти: будучи открытой, она позволяет обойти ограничения проприетарных архитектур и удешевлять производство устройств.

Следить за новостями архитектуры полезно даже тем, кто сейчас не работает с ней. В ближайшие несколько лет это может измениться. Чтобы не отстать, приглашаем на совместный митап Альянса RISC-V и YADRO, который пройдёт уже завтра, 6 ноября.

В программе:

▪Инженеры из Syntacore Константин Владимиров и Марк Гончаров расскажут, как устроена масштабируемая векторизация и как цикловые оптимизации в Syntacore Development Toolkit (SC-DT), такие как сплиттинг циклов, помогают достигать лучших результатов на бенчмарках.
▪Эксперт по разработке ПО в Syntacore Дмитрий Рябцев оценит текущее состояние и перспективы аппаратных средств мониторинга и анализа производительности в RISC-V.
▪Иосиф Мееров из ННГУ им. Лобачевского сделает обзор оптимизаций библиотеки CatBoost для эффективного использования векторных расширений RVV 0.7.1.

Подключайтесь онлайн в 19:00. Ссылку на трансляцию в VK, YouTube или Rutube вышлем после регистрации на сайте.

Зарегистрироваться ➡

📄Что почитать про RISC-V на «Истовом инженере»:

▪RISC-V в космосе: перспективы технологии и почему 32-битное ядро на орбите — это только начало
▪Основатель компании Syntacore — об открытой архитектуре полупроводников и перспективах рынка
▪Обзор матричных расширений: от x-86 до RISC-V
▪Quake 2 на RISC-V, или как инженеры поднимали старый Radeon на FPGA

📍Все дороги ведут к непропаю: продолжаем изучать дефекты печатных узлов с помощью рентгена

Александр Патутинский, технолог по подготовке и запуску печатных плат в производство, открывает нам новые дефекты печатных узлов в корпусах, вооружившись рентгеном. На сей раз речь о QFN, SON, DFN и QFP.

В сиквеле мы встретим уже знакомых персонажей — непропай и короткое замыкание. Звёздный состав пополнят плохая смачиваемость и сломанные игольные ушки. А в конце эпизода с неожиданной стороны покажет себя высокоскоростной разъём SEAF.

Читать статью ➡️

#программы #печатныеплаты #инструменты

@ultimate_engineer

​​​​🔖Атлас возможностей: Boston Dynamics и Toyota Research создадут роботов будущего

В октябре Boston Dynamics и Toyota Research Institute (TRI) объявили о партнёрстве для реализации универсальных гуманоидных роботов. Объединив «большие модели поведения» (LBM) от TRI и разработку Atlas от Boston Dynamics, компании стремятся создать робота, способного выполнять разноплановые задачи, например управление крупногабаритными объектами или взаимодействие с людьми на интуитивном уровне. Однако это сотрудничество выходит за рамки коммерческого интереса к роботам-гуманоидам. Boston Dynamics и TRI сосредоточатся на фундаментальных исследованиях в области робототехники, решении сложных проблем и открытом обмене результатами.

Титан от Boston Dynamics

С 2013 года компания Boston Dynamics разрабатывает гуманоидную платформу Atlas, способную выполнять сложные и даже экстремальные движения всем телом — например, передвигаться спиной вперёд с разворотом тазобедренного сустава на 180 градусов. Робот способен замечать и реагировать на изменения в окружающей среде: при перемещении светильников он обновляет данные с помощью зрительных датчиков, чтобы скорректировать движения. Недавно компания опубликовала видео, где робот-гуманоид самостоятельно сортирует автомобильные детали. Для этого он использует сочетание визуальных и силовых датчиков. В апреле 2024 года компания отказалась от гидравлической версии и представила полностью электрического робота.

Toyota и оладьи

Toyota Research Institute (TRI) разрабатывает «большие модели поведения» (LBM), аналогичные большим языковым моделям (LLM), только направленные на выполнение полезных действий в физическом мире.

Недавно исследователи TRI показали робота, который научился готовить оладьи с помощью метода обучения по демонстрации. Исследовательский институт Toyota также активно разрабатывает ИИ-модели и наборы данных для роботов с открытым исходным кодом. С помощью современных технологий компьютерного зрения и больших данных TRI создаёт модели, которые позволяют роботам видеть и лучше понимать команды — так они выполняют задачи более ловко и точно.

Чего ожидать от партнёрства компаний

Сотрудничество объединит лучшие разработки двух компаний. Новый электрический робот Atlas может выполнять различные манипуляции, используя не только обе руки, но и движения всего тела. Исследовательские группы могут собирать данные о его поведении и успехах в выполнении тех или иных задач. И на основе них обучить робота новым навыкам, продемонстрировать, как подобные системы могут быстро развиваться и становиться более гибкими в применении.

Обе команды верят, что найдут ответы на вопросы:

▪Как обучать гуманоидных роботов;
▪Как они могут использовать всё тело для выполнения задач;
▪Как организовать взаимодействие людей и роботов с учётом новых возможностей последних.

Что думаете, к чему приведёт сотрудничество двух технологических компаний? Делитесь версиями в комментариях!

#робототехника

@ultimate_engineer