Keinotekoinen älykkyys on outo uusi muusikko: Sense of Smell


Nykypäivän keinotekoiset älykkyysjärjestelmät, mukaan lukien neuronit ja hermoston yhteydet, jotka ovat laajasti innoittamia keinotekoisista hermoverkostoista, toimivat ihanasti tehtävissä, joilla on tunnettuja rajoitteita. He myös vaativat paljon laskentatehoa ja runsaasti koulutustietoja. Tämä kaikki auttaa heitä pelaamaan hienosti pelaamalla shakkia tai Goilla, havaitsemalla, onko kuvassa autoa, eriyttämällä kissojen ja koirien kuvaa. "Mutta he ovat melko säälittäviä musiikin säveltämisessä tai kirjoitettaessa tarinoita", totesi Pennsylvanian yliopistossa Konrad Kording, laskennallinen neurotieteilijä. "Heillä on suuria vaikeuksia järkiperäisessä ajattelussa maailmassa."

Quanta Magazine


kirjoittaja valokuva

Noin

Alkuperäinen tarina on painettu lehtineen Simons-säätiön toimituksellisen itsenäisen julkaisun Quanta Magazinen luvalla, jonka tehtävänä on lisätä tieteen yleistä ymmärrystä kattamalla tutkimustulokset ja matematiikan sekä fysikaalisten ja biotieteiden suuntaukset.

Näiden rajoitusten voittamiseksi jotkut tutkimusryhmät palaavat aivoihin tuoreisiin ideoihin. Mutta kourallinen heistä valitsee, mikä voi aluksi tuntua epätodennäköiseltä lähtökohdalta: tuoksun tunne tai haju. Tutkijat, jotka yrittävät saada parempaa käsitystä siitä, miten organismit käsittelevät kemiallisia tietoja, ovat paljastaneet koodausstrategioita, jotka näyttävät erityisen merkityksellisiltä AI: n ongelmille. Lisäksi hajuhiukkaset kärsivät huomattavia samankaltaisuuksia monimutkaisempien aivojen alueiden kanssa, jotka ovat kiinnostuneita etsimästä parempia koneita.

Tietotekniikan tutkijat ovat nyt alkaneet tutkia näitä havaintoja konekielisessä oppimisessa.

Flukes ja Revolutions

Nykyään käytettävät huipputekniset koneoppimustekniikat rakennettiin ainakin osittain jäljittelemään visuaalisen järjestelmän rakennetta, joka perustuu hierarkkiseen tiedonpoistoon. Kun visuaalinen aivokuori vastaanottaa aistitietoja, se ottaa ensin pienet, tarkkaan määritellyt piirteet: reunat, tekstuurit, värit, joihin liittyy spatiaalinen kartoitus. Neurotieteilijät David Hubel ja Torsten Wiesel löysivät 1950- ja 1960-luvuilla, että visuaalisen järjestelmän erityiset neuronit vastaavat täsmälleen tietyn pikselin sijainteja verkkokalvossa, mikä löytyi Nobelin palkinnoksi.

Kun visuaalinen informaatio siirtyy läpi kortiksen hermosolujen kerrosten läpi, yksityiskohdat reunuksista ja tekstuureista ja väreistä yhdistyvät entistä abstraktisempien esitysten muodostamiseksi panoksesta: että kohde on ihmisen kasvot ja että kasvojen identiteetti on Jane, esimerkiksi . Jokainen verkkokerros auttaa organisaatiota saavuttamaan tämän tavoitteen.

Syvällisiä hermoverkkoja rakennettiin toimimaan samalla hierarkkisella tavalla, mikä johti koneen oppimisen ja AI-tutkimuksen vallankumoukseen. Jos opettaa näitä verkkoja tunnistamaan esineitä, kuten kasvot, ne tuodaan tuhansia näytekuvia. Järjestelmä vahvistaa tai heikentää sen keinotekoisten neuronien välisiä yhteyksiä tarkemmin määrittämällä, että tietyn pikselin kokoelma muodostaa kasvon abstraktin kuvion. Riittävän näytteen avulla se voi tunnistaa kasvot uusissa kuvissa ja konteksteissa, joita se ei ole nähnyt aiemmin.

Tutkijoilla on ollut suuri menestys näiden verkkojen kanssa, ei pelkästään kuva-luokituksessa vaan myös puheentunnistuksessa, kielenkäännöksissä ja muissa konekielisissä sovelluksissa. Silti "haluan ajatella syväverkkoja tavarajunina", sanoi Charles Delahunt, tutkija Washingtonin yliopiston Computational Neuroscience Centerissä. "He ovat hyvin voimakkaita, kunhan sinulla on kohtuullisen tasainen maa, jossa voit asettaa raitoja ja olla valtava infrastruktuuri. Tiedämme kuitenkin, että biologiset järjestelmät eivät tarvitse kaikkea sitä – että he pystyvät käsittelemään vaikeita ongelmia, joita syvät verkot eivät pysty juuri nyt. "

Ota kuuma aihe AI: ssä itsemuruttavissa autoissa. Kun auto navigoi uutta ympäristöä reaaliajassa – ympäristö muuttuu jatkuvasti, se on täynnä melua ja epäselvyyttä – visuaalisen järjestelmän innoittamat perusteelliset oppimismenetelmät saattavat olla lyhyitä. Ehkä menetelmät, jotka perustuvat löyhästi näkemykseen, eivät ole oikea tapa edetä. Tämä visio oli niin hallitseva lähde, joka oli osittain satunnaista, "historiallinen huijaus", sanoi Massachusettsin teknisen instituutin biofyysikko Adam Marblestone. Se oli järjestelmä, jonka tutkijat ymmärsivät parhaiten, selkeillä sovelluksilla kuvapohjaisiin konekielisiin oppimistehtäviin.

Salk-instituutin tietojenkäsittelytieteilijä Saket Navlakha on kehittänyt fly-haju-piiriin perustuvia algoritmeja, toivoen parantavan koneen oppimistekniikoita samankaltaisuuden etsimiseksi ja uutuuden havaitsemiseksi.

Salk Institute

Mutta "kaikenlaisia ​​ärsykkeitä ei käsitellä samalla tavalla", sanoo Säl Institute of Biological Studies Kaliforniassa toimiva tietotekniikan tutkija Saket Navlakha. "Visio ja olfuusio ovat esimerkiksi hyvin erilaisia ​​signaaleja. … Joten voi olla erilaisia ​​strategioita eri tyyppisten tietojen käsittelemiseksi. Mielestäni voisi olla paljon enemmän oppia kuin opiskella miten visuaalinen järjestelmä toimii. "

Hän ja muut alkavat osoittaa, että hyönteisten hajuhiukkaset voivat pitää joitain näistä oppitunnista. Olftaatiotutkimus ei noussut vasta 1990-luvulla, kun biologit Linda Buck ja Richard Axel, molemmat Columbia-yliopistossa tuolloin, löysivät geenien hajujen reseptoreihin. Siitä lähtien kuitenkin hajujärjestelmä on tullut erityisen hyvin ominaista, ja se on jotain, jota voidaan helposti tutkia kärpäsiä ja muita hyönteisiä. On mahdollista, että visuaaliset järjestelmät eivät ole yleisten laskennallisten haasteiden tutkimista varten, jotkut tiedemiehet väittävät.

"Työskentelemme tyytyväisyydestä, koska se on äärellinen järjestelmä, jota pystyt kuvaamaan suhteellisen kokonaan", Delahunt sanoi. "Sinulla on taistelu mahdollisuus."

"Ihmiset voivat jo tehdä tällaisia ​​fantastisia juttuja näkemyksellä", lisäsi Michael Schmuker, laskennallinen neurotieteilijä Englannin yliopistossa Hertfordshiressä. "Ehkä voimme tehdä upeita juttuja myös tyytyväisyydellä."

Satunnainen ja harva verkko

Hölkkäys eroaa monista rintamista. Hajuja ei ole rakennettu. Niillä ei ole reunoja; ne eivät ole kohteita, jotka voidaan ryhmitellä avaruudessa. Ne ovat erilaisten koostumusten ja pitoisuuksien seoksia, ja niitä on vaikea luokitella samanlaisiksi tai erilaisiksi toisistaan. Siksi ei ole aina selvää, millaisia ​​ominaisuuksia pitäisi kiinnittää huomiota.

Näitä hajuja analysoidaan matala, kolmikerroksinen verkko, joka on huomattavasti vähemmän monimutkainen kuin visuaalinen aivokuori. Tuhoalueiden neuronit satunnaisesti näyttävät koko reseptoritilan, ei erityisiä alueita hierarkiassa. Ne käyttävät sitä, mitä Salk-instituutin neurobiologi Charles Stevens kutsuu "antimapiksi". Neurooppaan, kuten visuaalisen aivokuoren, kartoitettuun järjestelmään, paljastuu jotain, mitä tietoja se kantaa. Mutta hajuhaittakuvassa ei ole kyse. Sen sijaan tieto jakautuu koko järjestelmään, ja tietojen lukemiseen kuuluu näytteenotto minimaalisesta hermosolujen määrästä. Antimap on saavutettu tiedossa olevan tiedon harvaan esitykseen korkeammassa ulotteisessa tilassa.

Ota hedelmäkärjen hajupiiri: 50 projisointikurolla vastaanottaa panoksia reseptoreista, jotka ovat kumpikin herkkiä eri molekyyleille. Yksi haju herättää monia erilaisia ​​neuroneja, ja jokainen neuroni edustaa erilaisia ​​hajuja. Se on informaatiota, päällekkäisistä esityksistä, joita tässä vaiheessa edustaa 50-ulotteisessa tilassa. Sitten tiedot siirretään satunnaisesti 2 000 ns. Kenyon-soluun, jotka koodittavat erityisiä tuoksuja. (Nisäkkäissä soluja, joita kutsutaan piriform-korteksiksi, käsittelevät tätä.) Tämä muodostaa 40-kertaisen ulottuvuuden laajenemisen, mikä helpottaa eroosioiden erottamista hermovasteen vasteiden avulla.

Lucy Reading-Ikkanda / Quanta -lehti

"Sanotaan, että sinulla on tuhannet ihmiset ja teet niitä huoneeseen ja yrität järjestää heidät harrastuksilla", Navlakha sanoi. "Toki tässä täynnä tilaa, saatat löytää keino rakentaa nämä ihmiset ryhmäänsä. Mutta nyt, sanokaa, että levität heidät jalkapallokentälle. Sinulla on kaikki tämä ylimääräinen tila pelata ja rakentaa tietoja. "

Kun lentäjän haju-piiri on tehnyt sen, sen on selvitettävä tapa tunnistaa epämiellyttäviä hajuja, joissa ei ole päällekkäisiä neuroneja. Se tekee tämän "spacifying" tietoja. Vain noin 100 000 Kenyon-solua – 5 prosenttia – on erittäin aktiivinen vasteena tiettyihin hajuihin (vähemmän aktiivisia soluja hiljenee), joista jokaisella on ainutlaatuinen tunniste.

Lyhyesti sanottuna, kun taas perinteiset syvät verkot (jotka ottavat taas vihjeitä visuaalisesta järjestelmästä) muuttavat jatkuvasti yhteyksiensä voimakkuutta "oppivat", hajustamisjärjestelmä ei yleensä näytä jännittävän itseään säätämällä projektio-neuronien ja Kenyonin välisiä yhteyksiä soluja.

Thomas Nowotny, Sussexin yliopiston tietotekniikan professori, paljasti samankaltaisia ​​olfattujärjestelmän ja malleja, joita kutsutaan tukivektorikoneiksi. Siitä lähtien hän on edelleen kehittänyt parempaa ymmärrystä siitä, miten tyytyväisyys toimii, pitäen aina mahdolliset AI-sovellukset mielessä.

Thomas Nowotnyn ystävällisyys

Tutkijat tutustuivat 2000-luvun alkupuolella olosuhdekyselyyn, he kehittivät algoritmeja selvittääkseen, kuinka satunnaiset upotukset ja sparsity korkeammissa ulottuvuuksissa auttoivat laskennallisen tehokkuuden. Yksi pari tutkijaa, Thomas Nowotny Sussexin yliopistosta Englannissa ja Ramón Huerta Kalifornian yliopistosta, San Diego, jopa vetosivat yhteyksiään toisenlaiseen koneen oppimismalliin, jota kutsutaan tukivektorikoneeksi. He väittivät, että tavat, joilla sekä luonnolliset että keinotekoiset järjestelmät käsitellyt tiedot käyttävät satunnaista organisointia ja ulottuvuuden laajentamista edustavat monimutkaisia ​​tietoja tehokkaasti, olivat muodollisesti samanarvoisia. AI ja evoluutio olivat yhdensuuntaisia, itsenäisesti, samassa ratkaisussa.

Tämän yhteyden intressi, Nowotny ja hänen kollegansa jatkavat tutkimaan tyydytyksen ja konekielisen oppimisen välistä rajapintaa ja etsivät syvempää yhteyttä näiden kahden välillä. Vuonna 2009 he osoittivat, että hyönteisiin perustuva hajuhaitto, joka alunperin syntyi hajujen tunnistamiseksi, voi myös tunnistaa käsinkirjoitettuja numeroita. Lisäksi valtaosa sen hermosolujen poistamisesta – jäljittelemään miten aivosolut kuolevat ja joita ei korvata – eivät vaikuttaneet liialliseen suorituskykyyn. "Järjestelmän osat saattavat mennä alas, mutta järjestelmä kokonaisuudessaan jatkaisi toimintaa", Nowotny sanoi. Hän ennakoi tällaisen laitteiston toteuttamista Mars-roverin kaltaisessa laitteessa, joka joutuu toimimaan kovissa olosuhteissa.

Mutta jonkin aikaa ei tehty paljon työtä näiden havaintojen seurantaan – vasta äskettäin, kun jotkut tutkijat alkoivat tarkastella uudelleen hajakuormituksen biologista rakennetta siitä, miten tarkempia koneoppimisongelmia voitaisiin parantaa.

Kiinteän verkon tietämys ja nopea oppiminen

Delahunt ja hänen työtoverinsa ovat toistaneet samanlaisen kokeilun, jonka Nowotny suoritti, käyttäen koehun hajuvesijärjestelmää perustana ja vertaamalla sitä perinteisiin koneen oppimismalleihin. Kun otetaan alle 20 näytettä, lehmäpohjainen malli tunnisti käsin kirjoitetut numerot paremmin, mutta kun heillä oli enemmän harjoittelutietoja, muut mallit osoittautuivat paljon vahvemmiksi ja tarkemmiksi. "Koneen oppimismenetelmät ovat hyviä, kun annetaan erittäin tarkkoja luokittelijoita, kun otetaan huomioon tietomääriä, kun taas hyönteismalli on erittäin hyvä karkea luokitus hyvin nopeasti", Delahunt sanoi.

Hölmö tuntuu toimivan paremmin oppimisen nopeutena, koska siinä tapauksessa "oppiminen" ei enää ole etsimässä ominaisuuksia ja esityksiä, jotka ovat optimaalisia kyseisen tehtävän kannalta. Sen sijaan se vähentää sen tunnistamista, mikä satunnaisista ominaisuuksista on hyötyä ja jotka eivät ole. "Jos voit kouluttaa yhdellä napsautuksella, se olisi paljon kauniimpaa, eikö?" Sanoi Etelä-Medical University of China biologi Etelä-Afrikan biologi Fei Peng.

Itse asiassa olfaction strategia on melkein kuin leipoa joitakin perus-, alkukantaisia ​​käsitteitä malliksi, aivan kuten yleinen käsitys maailmasta on näennäisesti kovaa aaltoa meidän aivoihin. Rakenne itsessään kykenee siis olemaan yksinkertaisia, synnynnäisiä tehtäviä ilman opetusta.

Charles Delahunt (vas.) Ja J. Nathan Kutz (oikea) Washingtonin yliopistosta ovat siirtäneet leikkaavan hajuhaaran rakenteen konekieliseen oppimiseen ja luoneet sen, mitä he kutsuvat "hyönteiskuboiksi".

Gabriella Wolff

Yksi huipentavista esimerkkeistä tästä tuli viime vuonna Navlakhan laboratoriosta. Hän, yhdessä Stevensin ja Sanjoy Dasgupnan kanssa, Kalifornian yliopiston San Diegon tietojenkäsittelytieteilijä, halusi löytää tyydytystä edistävän tavan suorittaa hakuja samankaltaisuuden perusteella. Aivan kuten YouTube voi luoda sivupalkin luettelon videoista käyttäjille sen perusteella, mitä he nyt katsovat, eliöiden on pystyttävä tekemään nopeita ja tarkkoja vertailuja tunnistettaessa hajuja. Fly voi oppia aikaisin, että sen pitäisi lähestyä kypsän banaanin tuoksua ja välttää etikan tuoksua, mutta sen ympäristö on monimutkainen ja täynnä melua – se ei koskaan enää kokene täsmälleen samaa hajua. Kun se havaitsee uuden tuoksun, lentokoneen on selvitettävä, mistä aiemmin oli hajua, tuoksu muistuttaa eniten, jotta se voi muistaa asianmukaisen käyttäytymisen vastauksen.

Navlakha loi olfaktion perustuvan samankaltaisuuden etsintäalgoritmia ja sovelsi sitä kuvatietojoukkoihin. Hän ja hänen tiimensä löysivät, että heidän algoritmiansa olivat parempia kuin joskus kaksi tai kolme kertaa samoin kuin perinteiset ei-biologiset menetelmät, joissa pelkistettiin pelkistettyä pelkistymistä. (Näissä tavallisimmissa tekniikoissa esineitä verrattiin keskittymällä muutamiin perusominaisuuksiin tai mittoihin.) Lentopohjainen lähestymistapa "käytti myös noin suuruusluokkaa pienempää laskentaa saadakseen samanlaiset tarkkuustasot", Navlakha sanoi. "Joten se joko voitti kustannuksia tai suorituskykyä."

Nowotny, Navlakha ja Delahunt osoittivat, että olennaisesti kouluttamaton verkko voisi jo olla hyödyllinen luokittelutapahtumien ja vastaavien tehtävien kannalta. Tällaisen koodausjärjestelmän rakentaminen jättää järjestelmän valmiiksi myöhemmän oppimisen helpottamiseksi. Sitä voitaisiin käyttää tehtävissä, jotka liittyvät navigointiin tai muistiin, esimerkiksi tilanteisiin, joissa muuttuvat olosuhteet (esimerkiksi estetyt polut) eivät ehkä jätä järjestelmään paljon aikaa oppia tai monia esimerkkejä oppimisesta.

Peng ja hänen kollegansa ovat aloittaneet tutkimukset juuri siitä, luoden ant olfactory -mallin päättäessä siitä, miten navigoida tuttu reitti useista päällekkäisistä kuvista.

Tarkastelluissa töissä Navlakha on soveltanut samanlaista hajotusmenetelmää uutuuden havaitsemiseen, sen tunnistamiseen uutena myös sen jälkeen, kun se on paljastunut aiemmin tuhansille samanlaisille kohteille.

Ja Nowotny tutkii, miten hajutinjärjestelmä käsittelee seoksia. Hän näkee jo mahdollisuuksia sovelluksiin muihin konenäköihin. Esimerkiksi organismit havaitsevat joitain hajuja yhdeksi tuoksuksi ja toiset sekoituksiksi: Henkilö voi ottaa kymmeniä kemikaaleja ja tietää, että hän haisee ruusun, tai hän saattaa tuntea saman määrän kemikaaleja läheisestä leipomosta ja erottaa kahvin ja croissantteja. Nowotny ja hänen tiimimme ovat huomanneet, että erotettavia hajuja ei pidetä samanaikaisesti; pikemminkin kahvin ja croissantin hajuja käsitellään hyvin nopeasti vuorotellen.

Tämä näkemys voi olla hyödyllinen myös tekoälylle. Esimerkiksi cocktaileja koskeva ongelma viittaa siihen, kuinka vaikeaa on erottaa lukuisia keskusteluja meluisassa ympäristössä. Koska useita kaiuttimia huoneessa, AI voisi ratkaista tämän ongelman leikkaamalla äänimerkit hyvin pieniksi ikkunoiksi. Jos järjestelmä tunnistaa kaiuttimesta tulevan äänen, se voi yrittää estää syötteet muilta. Vaihtoehtoisesti verkko voisi erottaa keskustelut.

Syötä hyönteiskubibit

Viime kuussa julkaistussa tieteellisessä artikkelissa arxiv.org, Delahunt ja hänen Washingtonin yliopistonsa kollega J. Nathan Kutz ottivat tällaisen tutkimuksen askeleen eteenpäin luomalla mitä he kutsuvat "hyönteiskuboiksi". lepakäyttöön perustuvaa mallia koneen oppimisalgoritmin tuloina ja näki parannuksia järjestelmän kykyyn luokitella kuvat. "Se antaa koneen oppimisalgoritmille paljon voimakkaampaa materiaalia työskentelemään", Delahunt sanoi. "Hieman aivot vetävät jonkin verran erilaista rakennetta, ja tämän erilaisen rakenteen ansiosta koneen oppimisalgoritmi auttaa."

Jotkin tutkijat haluavat nyt käyttää myös tutkimuksia, jotka osoittavat, kuinka monimuotoista oppimista voidaan koordinoida syvemmissä verkostoissa. "Mutta juuri nyt olemme peittäneet vain vähän", Peng sanoi. "En ole aivan varma kuinka parantaa syvällisiä oppimisjärjestelmiä tällä hetkellä."

Salk-instituutin neurobiologi Tatyana Sharpee totesi äskettäin, että hajuja voidaan kartoittaa hyperboliseen tilaan. Hän kysyy, voisiko tämä näkemys kertoa, miten parhaiten rakentaa syvällisiin oppimisjärjestelmiin syötettyjen syötetietojen rakenne.

Salk Institute

Yksi aloituskohde voisi olla paitsi tuoda-pohjaisen arkkitehtuurin toteuttaminen myös selvittää miten järjestelmän panokset määritellään. Science Advancesissa juuri julkaistussa artikkelissa Salk Instituutin Tatyana Sharpeen johtama tiimi etsii keinoa kuvata tuoksuja. Kuvat ovat enemmän tai vähemmän samankaltaisia ​​pikselien välisten etäisyyksien mukaan eräänlaisessa "visuaalisessa tilassa". Tällainen etäisyys ei kuitenkaan koske hajua. Myöskään rakenteelliset korrelaatiot eivät ole luotettavia: Odors, joilla on samankaltaiset kemialliset rakenteet, voidaan pitää erittäin erilaisina, ja hajuja, joilla on hyvin erilaiset kemialliset rakenteet, voidaan havaita samanlaisiksi.

Sharpee ja hänen kollegansa määräsivät sen sijaan haju-molekyylit sen suhteen, kuinka usein heidät löytyvät yhdessä luonnosta (tutkimuksessaan he tutkivat, kuinka usein molekyylit esiintyivät eri hedelmien ja muiden aineiden näytteissä). He sitten luoneet kartan asettamalla haju-molekyylit lähemmäs toisiaan, jos ne pyrkivät yhteistoimintaan ja kauemmas toisistaan, jos he tekivät niin harvoin. He havaitsivat, että juuri kuten kaupungit kuvaavat pallon (maapallon), haju-molekyylit kartoittavat hyperbolisen tilan, pallon, jolla on negatiivinen kaarevuus, joka näyttää satulalta.

Sharpee arveli spekuloidessaan, että hyperbolaarisen rakenteen syötteen syöttäminen konenäkö-algoritmeihin voisi auttaa luokittelemattomien objektien luokittelussa. "Syvällisessä oppimisessa on lähtökohta, jonka mukaan panokset on tehtävä euklidien metrillä", hän sanoi. "Sanoisin, että voisimme yrittää muuttaa metristä hyperboliseksi." Ehkä tällainen rakenne voisi edelleen optimoida syvällisiä oppimisjärjestelmiä.

Yhteinen nimittäjä

Tällä hetkellä suurin osa tästä on teoreettista. Navlakhan ja Delahuntin työtä on syvennettävä huomattavasti vaikeampiin konekielisiin oppimisongelmiin sen selvittämiseksi, ovatko tyytyväisyys-innoittamat mallit erottautumaan. "Tämä kaikki on yhä syntymässä, luulen", Nowotny sanoi. "Näemme kuinka pitkälle se menee."

Mitä tutkijoiden toivoa on, se on silmiinpistävä samanlaisuus kuin hämähäkin järjestelmä rakentaa muille aivojen alueille monien lajien, erityisesti hippokampuksessa, johon liittyy muisti ja navigointi, ja pikkuaivot, joka on vastuussa moottorinohjauksesta. Höyrytys on ikivanha järjestelmä, joka on peräisin bakteerien kemosensoinnista ja jota kaikki organismit käyttävät jossain muodossa niiden ympäristöjen tutkimiseen.

"Se näyttää olevan lähempänä kaikkien sellaisten asioiden evoluutiopohjapisteestä, jota kutsuisimme aivokuoresta yleensä", Marblestone sanoi. Olfuus voisi tarjota yhteistä nimittäjää oppimiselle. "Järjestelmä antaa meille todella konservoituneen arkkitehtuurin, jota käytetään eri tavoin erilaisissa organismeissa", kertoo Columbian neurotieteilijä Ashok Litwin-Kumar. "Siellä on oltava jotain olennaista siellä, joka on hyvä oppimiseen."

Hajuhaara voisi toimia yhdyskäytäväksi ymmärtääkseen hippokampuksen ja pikkuaivojen monimutkaisempia oppimisalgoritmeja ja laskelmia – ja selvittää, miten tällaisia ​​näkemyksiä voidaan soveltaa AI: han. Tutkijat ovat jo alkaneet kääntyä kognitiivisiin prosesseihin, kuten huomiota ja erilaisia ​​muistoja, toivoen voivansa tarjota tapoja parantaa nykyisiä koneen oppimisen arkkitehtuureja ja mekanismeja. Mutta tyytyväisyys voisi tarjota yksinkertaisemman tavan muodostaa yhteydet. "Se on mielenkiintoinen nexus kohta", Marblestone sanoi. "Lähtökohtana ajatella seuraavan sukupolven hermoverkkoja."


Lisää suuria WIRED-tarinoita

Hyvää 10 vuotta, Android – TechCrunch


Se on ollut kymmenen vuotta koska Google otti Wraps pois G1, ensimmäinen Android-puhelin. Siitä lähtien OS on kasvanut bugiselta, nerdy iPhone-vaihtoehdolta, joka on todennäköisesti suosituin (tai ainakin populorganisaatioyksiköiden) tietojenkäsittelyalusta maailmassa. Mutta se varmasti ei ole päässyt sinne ilman lyödä muutamia kuoppia tiellä.

Liity meihin lyhyen retrospektiivin viimeisen vuosikymmenen Android laitteet: hyvä, huono, ja Nexus Q.

HTC G1 (2008)

Tämä on se joka alkoi kaiken, ja minulla on pehmeä paikka sydämessäni vanhan asian suhteen. Tunnettiin myös nimellä HTC Dream – tämä oli taas kun meillä oli HTC, näet – G1 oli melko epätoivoinen debyytti kuin voitte kuvitella. Sen täysi näppäimistö, trackball, hiukan liukas dia-up-näyttö (väärä jopa virallisissa kuvissa), ja huomattava ympyrä merkitsi sen alusta alkaen puhelimena vain todellinen geek voisi rakastaa. Verrattuna iPhoneen, se oli kuin huonosti pukeutunut valas.

Mutta ajoissa sen puolivalmiit ohjelmat kypsyivät ja sen idiosyncrasiat tulivat ilmeisiksi niiden älykkääksi kosketukseksi. Tähän päivään olen joskus kaipaan ratapalloa tai koko näppäimistöä, ja vaikka G1 ei ollut aika kaunis, se oli kovaa kuin helvetti.

Moto Droid (2009)

Tietenkin useimmat ihmiset eivät antaneet Androida toista katsoa, ​​kunnes Moto esitti Droidin, loistavan, ohuemman laitteen kuuluisan RAZR: n valmistajalta. Jälkeenpäin, droidi ei ollut että paljon parempi tai erilainen kuin G1, mutta se oli ohuempi, sillä oli parempi näyttö ja sillä oli valtava markkinointitieto Motorola ja Verizonilta. (Disclosure: Verizon omistaa Valituksen, joka omistaa TechCrunchin, mutta tämä ei vaikuta millään tavalla.)

Monille Droid ja sen välittömät jälkeläiset olivat ensimmäiset Android-puhelimet, joita heillä oli – jotain uutta ja mielenkiintoista, joka puhalsi Palmista ulos vedestä, mutta myös sattui olemaan paljon halvempaa kuin iPhone.

HTC / Google Nexus One (2010)

Tämä oli hedelmä Googlen jatkuvaa yhteistyötä ja HTC, ja ensimmäinen puhelin Google merkin ja myydään itse. Nexus One oli tarkoitus olla loistava, laadukas laite, joka lopulta kilpailisi toe-to-toe kanssa iPhone. Se irrotti näppäimistön, sai viileän uuden OLED-näytön ja oli hieno sileä muotoilu. Valitettavasti se tapahtui kahteen ongelmaan.

Ensinnäkin Android-ekosysteemi alkoi saada täynnä. Ihmisillä oli paljon valintoja ja voinut noutaa puhelimia edulliseen, mikä tekisi perusteet. Miksi maksaa käteisen rahaa hienoiselle uudelle? Ja toiseksi, Apple pian vapauttaa iPhone 4: n, joka – ja olin Android fanboy silloin – objektiivisesti puhalsi Nexus One ja kaikki muut vedestä. Apple oli tuonut aseita veitsen taisteluun.

HTC Evo 4G (2010)

Toinen HTC? No, tämä oli pääaika nyt kuolleelle yhtiölle. He riskit eivät kukaan muu, ja Evo 4G ei ollut poikkeus. Se oli, valtava: iPhonella oli 3,5 tuuman näyttö, ja useimmat Android-laitteet eivät olleet paljon suurempia, jos ne eivät olleet pienempiä.

Evo 4G on jotenkin selviytynyt kritiikistämme (hälytys näyttää nyt äärimmäisen viehättävältä, kun otetaan huomioon keskikokoisen puhelimen koko) ja oli kohtuullisen suosittu puhelin, mutta viime kädessä se ei ole merkittävää, että se rikkoisi myyntitietoja, mutta rikkoisi sinettiä siitä, että puhelin voi olla iso ja silti järkevää. (Arvoisa maininta menee Droid X: lle.)

Samsung Galaxy S (2010)

Samsungin iso debyytti teki helvetin roiskumisen, ja puhelimen muokatut versiot näkyvät käytännössä jokaisen liikenteenharjoittajan myymälöissä, joista jokaisella on oma nimi ja muotoilu: AT & T Captivate, T-Mobile Vihreä, Verizon Fascinate ja Sprint Epic 4G. Ikään kuin Android-kokoonpano ei ollut jo tarpeeksi sekava jo tuolloin!

Vaikka S oli kiinteä puhelin, se ei ollut ilman puutteita, ja iPhone 4 teki erittäin kovaa kilpailua. Mutta vahva myynti vahvisti Samsungin sitoutumista alustalle, ja Galaxy-sarja on edelleen vahva tänään.

Motorola Xoom (2011)

Tämä oli aikakausi, jossa Android-laitteet vastasivat Appleen, eikä päinvastoin kuin löydämme tänään. Joten ei ole mikään yllätys, että kuumaa alkuperäiskappaleen kantapäässä löysimme Googlen työntää tablet-kohdennetun Android-version kumppaninsa Motorola, joka vapaaehtoisesti on marsu, jolla on lyhytikäinen Xoom-tabletti.

Vaikka Android-tabletteja on vielä myynnissä tänään, Xoom edusti umpikujaa kehityksessä – yrittää poistaa palan markkinoilta, jonka Apple oli keksinyt ja pian hallitseva. Android-tabletit Motorola, HTC, Samsung ja muut olivat harvoin kaikkea muuta kuin riittävät, vaikka ne myytiin jonkin aikaa riittävän hyvin. Tämä havainnollisti "takaa taaksepäin" mahdottomuuden ja kehotti laitevalmistajia erikoistumaan pikemminkin kuin osallistumaan raaka-aineen melee.

Amazon Kindle Fire (2011)

Ja kuka kuvata paremmin kuin Amazon? Sen panos Android-maailmaan oli Fire-sarja tabletteja, jotka erosivat toisistaan ​​äärimmäisen halvalla ja keskittyivät suoraan digitaalisen median kuluttamiseen. Vain 200 dollaria käynnistyksessä ja paljon vähemmän myöhemmin, Fire-laitteet huolehtivat tavalliselle Amazon-asiakkaalle, jonka lapset heittivät heitä saadakseen tabletin, Hedelmä Ninja tai Vihaiset linnut, mutta jotka eivät halunneet pudota iPadia.

Näyttää siltä, ​​että tämä oli viisas strategia, ja tietenkin yksi Amazon oli ainutlaatuinen asema sen valtavaa läsnäoloa verkkokaupassa ja kykyä tuentaa hinta pois kilpailun ulottuvilta. Palo-tabletit eivät koskaan olleet erityisen hyviä, mutta ne olivat hyviä tarpeeksi, ja maksamasi hinnasta, se oli eräänlainen ihme.

Xperia Play (2011)

Sony on aina ollut vaikeaa Androidin kanssa. Sen Xperia puhelinlinjaa vuosia pidettiin pätevänä – olen omistanut muutaman itseni – ja epäilemättä alan johtava kameraosasto. Mutta kukaan ei ostanut niitä. Ja se, jonka he ostivat vähiten, tai ainakin verrannollinen hypeen, on oltava Xperia Play. Tämän oli tarkoitus olla mobiilipelaamisen alusta, ja idea liukuvasta näppäimistöstä on hienoa – mutta koko asia on pohjimmiltaan kraatteroitunut.

Mitä Sony oli kuvannut oli, että et voinut pelkästään pelata Androidin suosioon ja monimuotoisuuteen ja käynnistää mitä helvettiä haluat. Puhelimet eivät ole myyneet itseään, ja vaikka idea Playstation-pelien pelaamisesta puhelimellasi olisi saattanut kuulostaa viileältä muutamille niskatuille, se ei koskaan riittäisi tekemään sitä miljoonista myyjistä. Ja yhä useammat puhelimet tarvitsevat.

Samsung Galaxy Note (2012)

Jonkinlainen luonnollinen huipentuma turvotuspuhelimen suuntaukselle, Samsung meni kaikki ulos ensimmäisellä "phablet" -tapahtumalla ja huolimatta protestien herjauksista huolimatta puhelin ei ainoastaan ​​myynyt, vaan tuli Galaxy-sarjan katkottua. Itse asiassa se ei kestäisi kauan ennen kuin Apple seurasi ja tuottaa oman Plus-kokoisen puhelimen.

Huomautus edusti myös askelta puhelimen käyttämiseen vakavasta tuottavuudesta, ei pelkästään päivittäisistä älypuhelimista. Se ei ollut täysin onnistunut – Android ei juuri ollut valmis olemaan erittäin tuottava – mutta takautuvasti se oli eteenpäin ajatella Samsungin siirtyä siihen ja aloittaa tuottavuuden ydinosaamisen Galaxy-sarjassa.

Google Nexus Q (2012)

Tämä Googlen epäonnistunut pyrkimys levittää Android ulos alustalle oli osa tuhansia harkittuja valintoja tuolloin. Kukaan ei tosiasiassa tiennyt Googlelta tai missään muualla maailmassa, mitä tämän pitäisi tehdä. En vieläkään. Kuten kirjoitimme tuolloin:

Tässä on ongelma Nexus Q: n kanssa: se on hämmästyttävän kaunis laite, jonka ohjelmistoa hallitsee.

Se oli tehty tai pikemminkin lähes USA: ssa, joten se oli sitä varten.

HTC First – "Facebook-puhelin" (2013)

Ensimmäinen sai huonoa kättä. Puhelin itsessään oli hieno laitteisto, jossa oli vähäpätöinen muotoilu ja rohkeat värit, jotka juuttivat. Mutta sen oletusohjelma, tuomittu Facebook Koti, oli toivottomasti huono.

Kuinka paha? Ilmoitettu huhtikuussa, keskeytettiin toukokuussa. Muistan AT & T-myymälän vierailun tämän lyhyen ajanjakson aikana, ja sitten henkilökunta oli saanut ohjeet siitä, kuinka Facebookin käynnistyslaite poistetaan käytöstä ja paljastaa täysin hyvän puhelimen alla. Hyvä uutinen oli, että niin vähän näistä puhelimista myi uutta, että koko osakekeskus alkoi myydä maapähkinöitä Ebaylle ja vastaaville. Ostin kaksi ja käytin niitä varhaisiin kokeiluihini ROM-levyihin. Ei valitettavaa.

HTC One / M8 (2014)

Tämä oli loppupää HTC: lle, mutta viime vuosina he päivittivät muotoilusuunnitelmansa jotain, joka todella ristiriidassa Applen kanssa. One ja sen seuraajat olivat hyviä puhelimia, mutta HTC ylitti Ultrapixel-kameran, joka osoittautui olemaan niin hyvä, puhumattakaan iPhone-pelaamisesta.

Kuten Samsung hallitsee yhä enemmän, Sony on kytketty pois ja LG ja kiinalaiset yritykset joutuivat yhä enemmän törmäykseen, HTC oli pahoinpideltynä ja jopa kiinteä puhelin-sarja, kuten Yksi ei voinut kilpailla. Vuosi 2014 oli siirtymävaihe, jossa vanhat valmistajat kuolivat ja hallitsevat siirtyivät, mikä viittasi lopulta markkinoille, jolla meillä on tänään.

Google / LG Nexus 5X ja Huawei 6P (2015)

Tämä oli linja, joka toi Googlen laitteistokilpailuun vakavasti. Nexus Q: n käynnistymisen jälkeen Googlen tarvitsi tulla ulos heiluttaen, ja he tekivät sen tekemällä naimalla heidän jalankulkijoilleen laitteistollaan joidenkin ohjelmistojen avulla, jotka todella räpyttelivät. Android 5 oli unelma, Marshmallowilla oli ominaisuuksia, joita me rakastimme … ja puhelimista tuli esineitä, joita me ihastuimme.

Me kutsuttiin 6P "Android-laitteiden kruununjalokivi". Tämä oli, kun Google otti puhelimensa seuraavalle tasolle eikä koskaan katsonut taaksepäin.

Google Pixel (2016)

Jos Nexus oli tosissaan Googlen laitteistokilpailuun pääsemiseksi, Pixel-linja voisi olla sen voiton kierros. Se on rehellinen jumalalle kilpailija Apple-puhelimeen.

Poissa ovat ne ajat, jolloin Google pelaa ominaisuuksia Appleen, sen sijaan Google on itsenäinen kilpailijansa. Puhelimen kamera on hämmästyttävä. Ohjelmisto toimii suhteellisen saumattomasti (palauta guest-tila!) Ja puhelimen koko ja teho ovat kaikki, mitä kukaan voisi pyytää. Tarrojen hinta, kuten Applen uusimmat iPhones, on edelleen hieman shokki, mutta tämä puhelin on teleologinen loppupiste Android-pelissä, joka kilpailee kuuluisan hedelmällisen kilpailijan kanssa.

Katsotaanpa, mitä seuraavat kymmenen vuotta tuo.

Keinotekoinen älykkyys on outo uusi muusikko: Sense of Smell


Nykypäivän keinotekoiset älykkyysjärjestelmät, mukaan lukien neuronit ja hermoston yhteydet, jotka ovat laajasti innoittamia keinotekoisista hermoverkostoista, toimivat ihanasti tehtävissä, joilla on tunnettuja rajoitteita. He myös vaativat paljon laskentatehoa ja runsaasti koulutustietoja. Tämä kaikki auttaa heitä pelaamaan hienosti pelaamalla shakkia tai Goilla, havaitsemalla, onko kuvassa autoa, eriyttämällä kissojen ja koirien kuvaa. "Mutta he ovat melko säälittäviä musiikin säveltämisessä tai kirjoitettaessa tarinoita", totesi Pennsylvanian yliopistossa Konrad Kording, laskennallinen neurotieteilijä. "Heillä on suuria vaikeuksia järkiperäisessä ajattelussa maailmassa."

Quanta Magazine


kirjoittaja valokuva

Noin

Alkuperäinen tarina on painettu lehtineen Simons-säätiön toimituksellisen itsenäisen julkaisun Quanta Magazinen luvalla, jonka tehtävänä on lisätä tieteen yleistä ymmärrystä kattamalla tutkimustulokset ja matematiikan sekä fysikaalisten ja biotieteiden suuntaukset.

Näiden rajoitusten voittamiseksi jotkut tutkimusryhmät palaavat aivoihin tuoreisiin ideoihin. Mutta kourallinen heistä valitsee, mikä voi aluksi tuntua epätodennäköiseltä lähtökohdalta: tuoksun tunne tai haju. Tutkijat, jotka yrittävät saada parempaa käsitystä siitä, miten organismit käsittelevät kemiallisia tietoja, ovat paljastaneet koodausstrategioita, jotka näyttävät erityisen merkityksellisiltä AI: n ongelmille. Lisäksi hajuhiukkaset kärsivät huomattavia samankaltaisuuksia monimutkaisempien aivojen alueiden kanssa, jotka ovat kiinnostuneita etsimästä parempia koneita.

Tietotekniikan tutkijat ovat nyt alkaneet tutkia näitä havaintoja konekielisessä oppimisessa.

Flukes ja Revolutions

Nykyään käytettävät huipputekniset koneoppimustekniikat rakennettiin ainakin osittain jäljittelemään visuaalisen järjestelmän rakennetta, joka perustuu hierarkkiseen tiedonpoistoon. Kun visuaalinen aivokuori vastaanottaa aistitietoja, se ottaa ensin pienet, tarkkaan määritellyt piirteet: reunat, tekstuurit, värit, joihin liittyy spatiaalinen kartoitus. Neurotieteilijät David Hubel ja Torsten Wiesel löysivät 1950- ja 1960-luvuilla, että visuaalisen järjestelmän erityiset neuronit vastaavat täsmälleen tietyn pikselin sijainteja verkkokalvossa, mikä löytyi Nobelin palkinnoksi.

Kun visuaalinen informaatio siirtyy läpi kortiksen hermosolujen kerrosten läpi, yksityiskohdat reunuksista ja tekstuureista ja väreistä yhdistyvät entistä abstraktisempien esitysten muodostamiseksi panoksesta: että kohde on ihmisen kasvot ja että kasvojen identiteetti on Jane, esimerkiksi . Jokainen verkkokerros auttaa organisaatiota saavuttamaan tämän tavoitteen.

Syvällisiä hermoverkkoja rakennettiin toimimaan samalla hierarkkisella tavalla, mikä johti koneen oppimisen ja AI-tutkimuksen vallankumoukseen. Jos opettaa näitä verkkoja tunnistamaan esineitä, kuten kasvot, ne tuodaan tuhansia näytekuvia. Järjestelmä vahvistaa tai heikentää sen keinotekoisten neuronien välisiä yhteyksiä tarkemmin määrittämällä, että tietyn pikselin kokoelma muodostaa kasvon abstraktin kuvion. Riittävän näytteen avulla se voi tunnistaa kasvot uusissa kuvissa ja konteksteissa, joita se ei ole nähnyt aiemmin.

Tutkijoilla on ollut suuri menestys näiden verkkojen kanssa, ei pelkästään kuva-luokituksessa vaan myös puheentunnistuksessa, kielenkäännöksissä ja muissa konekielisissä sovelluksissa. Silti "haluan ajatella syväverkkoja tavarajunina", sanoi Charles Delahunt, tutkija Washingtonin yliopiston Computational Neuroscience Centerissä. "He ovat hyvin voimakkaita, kunhan sinulla on kohtuullisen tasainen maa, jossa voit asettaa raitoja ja olla valtava infrastruktuuri. Tiedämme kuitenkin, että biologiset järjestelmät eivät tarvitse kaikkea sitä – että he pystyvät käsittelemään vaikeita ongelmia, joita syvät verkot eivät pysty juuri nyt. "

Ota kuuma aihe AI: ssä itsemuruttavissa autoissa. Kun auto navigoi uutta ympäristöä reaaliajassa – ympäristö muuttuu jatkuvasti, se on täynnä melua ja epäselvyyttä – visuaalisen järjestelmän innoittamat perusteelliset oppimismenetelmät saattavat olla lyhyitä. Ehkä menetelmät, jotka perustuvat löyhästi näkemykseen, eivät ole oikea tapa edetä. Tämä visio oli niin hallitseva lähde, joka oli osittain satunnaista, "historiallinen huijaus", sanoi Massachusettsin teknisen instituutin biofyysikko Adam Marblestone. Se oli järjestelmä, jonka tutkijat ymmärsivät parhaiten, selkeillä sovelluksilla kuvapohjaisiin konekielisiin oppimistehtäviin.

Salk-instituutin tietojenkäsittelytieteilijä Saket Navlakha on kehittänyt fly-haju-piiriin perustuvia algoritmeja, toivoen parantavan koneen oppimistekniikoita samankaltaisuuden etsimiseksi ja uutuuden havaitsemiseksi.

Salk Institute

Mutta "kaikenlaisia ​​ärsykkeitä ei käsitellä samalla tavalla", sanoo Säl Institute of Biological Studies Kaliforniassa toimiva tietotekniikan tutkija Saket Navlakha. "Visio ja olfuusio ovat esimerkiksi hyvin erilaisia ​​signaaleja. … Joten voi olla erilaisia ​​strategioita eri tyyppisten tietojen käsittelemiseksi. Mielestäni voisi olla paljon enemmän oppia kuin opiskella miten visuaalinen järjestelmä toimii. "

Hän ja muut alkavat osoittaa, että hyönteisten hajuhiukkaset voivat pitää joitain näistä oppitunnista. Olftaatiotutkimus ei noussut vasta 1990-luvulla, kun biologit Linda Buck ja Richard Axel, molemmat Columbia-yliopistossa tuolloin, löysivät geenien hajujen reseptoreihin. Siitä lähtien kuitenkin hajujärjestelmä on tullut erityisen hyvin ominaista, ja se on jotain, jota voidaan helposti tutkia kärpäsiä ja muita hyönteisiä. On mahdollista, että visuaaliset järjestelmät eivät ole yleisten laskennallisten haasteiden tutkimista varten, jotkut tiedemiehet väittävät.

"Työskentelemme tyytyväisyydestä, koska se on äärellinen järjestelmä, jota pystyt kuvaamaan suhteellisen kokonaan", Delahunt sanoi. "Sinulla on taistelu mahdollisuus."

"Ihmiset voivat jo tehdä tällaisia ​​fantastisia juttuja näkemyksellä", lisäsi Michael Schmuker, laskennallinen neurotieteilijä Englannin yliopistossa Hertfordshiressä. "Ehkä voimme tehdä upeita juttuja myös tyytyväisyydellä."

Satunnainen ja harva verkko

Hölkkäys eroaa monista rintamista. Hajuja ei ole rakennettu. Niillä ei ole reunoja; ne eivät ole kohteita, jotka voidaan ryhmitellä avaruudessa. Ne ovat erilaisten koostumusten ja pitoisuuksien seoksia, ja niitä on vaikea luokitella samanlaisiksi tai erilaisiksi toisistaan. Siksi ei ole aina selvää, millaisia ​​ominaisuuksia pitäisi kiinnittää huomiota.

Näitä hajuja analysoidaan matala, kolmikerroksinen verkko, joka on huomattavasti vähemmän monimutkainen kuin visuaalinen aivokuori. Tuhoalueiden neuronit satunnaisesti näyttävät koko reseptoritilan, ei erityisiä alueita hierarkiassa. Ne käyttävät sitä, mitä Salk-instituutin neurobiologi Charles Stevens kutsuu "antimapiksi". Neurooppaan, kuten visuaalisen aivokuoren, kartoitettuun järjestelmään, paljastuu jotain, mitä tietoja se kantaa. Mutta hajuhaittakuvassa ei ole kyse. Sen sijaan tieto jakautuu koko järjestelmään, ja tietojen lukemiseen kuuluu näytteenotto minimaalisesta hermosolujen määrästä. Antimap on saavutettu tiedossa olevan tiedon harvaan esitykseen korkeammassa ulotteisessa tilassa.

Ota hedelmäkärjen hajupiiri: 50 projisointikurolla vastaanottaa panoksia reseptoreista, jotka ovat kumpikin herkkiä eri molekyyleille. Yksi haju herättää monia erilaisia ​​neuroneja, ja jokainen neuroni edustaa erilaisia ​​hajuja. Se on informaatiota, päällekkäisistä esityksistä, joita tässä vaiheessa edustaa 50-ulotteisessa tilassa. Sitten tiedot siirretään satunnaisesti 2 000 ns. Kenyon-soluun, jotka koodittavat erityisiä tuoksuja. (Nisäkkäissä soluja, joita kutsutaan piriform-korteksiksi, käsittelevät tätä.) Tämä muodostaa 40-kertaisen ulottuvuuden laajenemisen, mikä helpottaa eroosioiden erottamista hermovasteen vasteiden avulla.

Lucy Reading-Ikkanda / Quanta -lehti

"Sanotaan, että sinulla on tuhannet ihmiset ja teet niitä huoneeseen ja yrität järjestää heidät harrastuksilla", Navlakha sanoi. "Toki tässä täynnä tilaa, saatat löytää keino rakentaa nämä ihmiset ryhmäänsä. Mutta nyt, sanokaa, että levität heidät jalkapallokentälle. Sinulla on kaikki tämä ylimääräinen tila pelata ja rakentaa tietoja. "

Kun lentäjän haju-piiri on tehnyt sen, sen on selvitettävä tapa tunnistaa epämiellyttäviä hajuja, joissa ei ole päällekkäisiä neuroneja. Se tekee tämän "spacifying" tietoja. Vain noin 100 000 Kenyon-solua – 5 prosenttia – on erittäin aktiivinen vasteena tiettyihin hajuihin (vähemmän aktiivisia soluja hiljenee), joista jokaisella on ainutlaatuinen tunniste.

Lyhyesti sanottuna, kun taas perinteiset syvät verkot (jotka ottavat taas vihjeitä visuaalisesta järjestelmästä) muuttavat jatkuvasti yhteyksiensä voimakkuutta "oppivat", hajustamisjärjestelmä ei yleensä näytä jännittävän itseään säätämällä projektio-neuronien ja Kenyonin välisiä yhteyksiä soluja.

Thomas Nowotny, Sussexin yliopiston tietotekniikan professori, paljasti samankaltaisia ​​olfattujärjestelmän ja malleja, joita kutsutaan tukivektorikoneiksi. Siitä lähtien hän on edelleen kehittänyt parempaa ymmärrystä siitä, miten tyytyväisyys toimii, pitäen aina mahdolliset AI-sovellukset mielessä.

Thomas Nowotnyn ystävällisyys

Tutkijat tutustuivat 2000-luvun alkupuolella olosuhdekyselyyn, he kehittivät algoritmeja selvittääkseen, kuinka satunnaiset upotukset ja sparsity korkeammissa ulottuvuuksissa auttoivat laskennallisen tehokkuuden. Yksi pari tutkijaa, Thomas Nowotny Sussexin yliopistosta Englannissa ja Ramón Huerta Kalifornian yliopistosta, San Diego, jopa vetosivat yhteyksiään toisenlaiseen koneen oppimismalliin, jota kutsutaan tukivektorikoneeksi. He väittivät, että tavat, joilla sekä luonnolliset että keinotekoiset järjestelmät käsitellyt tiedot käyttävät satunnaista organisointia ja ulottuvuuden laajentamista edustavat monimutkaisia ​​tietoja tehokkaasti, olivat muodollisesti samanarvoisia. AI ja evoluutio olivat yhdensuuntaisia, itsenäisesti, samassa ratkaisussa.

Tämän yhteyden intressi, Nowotny ja hänen kollegansa jatkavat tutkimaan tyydytyksen ja konekielisen oppimisen välistä rajapintaa ja etsivät syvempää yhteyttä näiden kahden välillä. Vuonna 2009 he osoittivat, että hyönteisiin perustuva hajuhaitto, joka alunperin syntyi hajujen tunnistamiseksi, voi myös tunnistaa käsinkirjoitettuja numeroita. Lisäksi valtaosa sen hermosolujen poistamisesta – jäljittelemään miten aivosolut kuolevat ja joita ei korvata – eivät vaikuttaneet liialliseen suorituskykyyn. "Järjestelmän osat saattavat mennä alas, mutta järjestelmä kokonaisuudessaan jatkaisi toimintaa", Nowotny sanoi. Hän ennakoi tällaisen laitteiston toteuttamista Mars-roverin kaltaisessa laitteessa, joka joutuu toimimaan kovissa olosuhteissa.

Mutta jonkin aikaa ei tehty paljon työtä näiden havaintojen seurantaan – vasta äskettäin, kun jotkut tutkijat alkoivat tarkastella uudelleen hajakuormituksen biologista rakennetta siitä, miten tarkempia koneoppimisongelmia voitaisiin parantaa.

Kiinteän verkon tietämys ja nopea oppiminen

Delahunt ja hänen työtoverinsa ovat toistaneet samanlaisen kokeilun, jonka Nowotny suoritti, käyttäen koehun hajuvesijärjestelmää perustana ja vertaamalla sitä perinteisiin koneen oppimismalleihin. Kun otetaan alle 20 näytettä, lehmäpohjainen malli tunnisti käsin kirjoitetut numerot paremmin, mutta kun heillä oli enemmän harjoittelutietoja, muut mallit osoittautuivat paljon vahvemmiksi ja tarkemmiksi. "Koneen oppimismenetelmät ovat hyviä, kun annetaan erittäin tarkkoja luokittelijoita, kun otetaan huomioon tietomääriä, kun taas hyönteismalli on erittäin hyvä karkea luokitus hyvin nopeasti", Delahunt sanoi.

Hölmö tuntuu toimivan paremmin oppimisen nopeutena, koska siinä tapauksessa "oppiminen" ei enää ole etsimässä ominaisuuksia ja esityksiä, jotka ovat optimaalisia kyseisen tehtävän kannalta. Sen sijaan se vähentää sen tunnistamista, mikä satunnaisista ominaisuuksista on hyötyä ja jotka eivät ole. "Jos voit kouluttaa yhdellä napsautuksella, se olisi paljon kauniimpaa, eikö?" Sanoi Etelä-Medical University of China biologi Etelä-Afrikan biologi Fei Peng.

Itse asiassa olfaction strategia on melkein kuin leipoa joitakin perus-, alkukantaisia ​​käsitteitä malliksi, aivan kuten yleinen käsitys maailmasta on näennäisesti kovaa aaltoa meidän aivoihin. Rakenne itsessään kykenee siis olemaan yksinkertaisia, synnynnäisiä tehtäviä ilman opetusta.

Charles Delahunt (vas.) Ja J. Nathan Kutz (oikea) Washingtonin yliopistosta ovat siirtäneet leikkaavan hajuhaaran rakenteen konekieliseen oppimiseen ja luoneet sen, mitä he kutsuvat "hyönteiskuboiksi".

Gabriella Wolff

Yksi huipentavista esimerkkeistä tästä tuli viime vuonna Navlakhan laboratoriosta. Hän, yhdessä Stevensin ja Sanjoy Dasgupnan kanssa, Kalifornian yliopiston San Diegon tietojenkäsittelytieteilijä, halusi löytää tyydytystä edistävän tavan suorittaa hakuja samankaltaisuuden perusteella. Aivan kuten YouTube voi luoda sivupalkin luettelon videoista käyttäjille sen perusteella, mitä he nyt katsovat, eliöiden on pystyttävä tekemään nopeita ja tarkkoja vertailuja tunnistettaessa hajuja. Fly voi oppia aikaisin, että sen pitäisi lähestyä kypsän banaanin tuoksua ja välttää etikan tuoksua, mutta sen ympäristö on monimutkainen ja täynnä melua – se ei koskaan enää kokene täsmälleen samaa hajua. Kun se havaitsee uuden tuoksun, lentokoneen on selvitettävä, mistä aiemmin oli hajua, tuoksu muistuttaa eniten, jotta se voi muistaa asianmukaisen käyttäytymisen vastauksen.

Navlakha loi olfaktion perustuvan samankaltaisuuden etsintäalgoritmia ja sovelsi sitä kuvatietojoukkoihin. Hän ja hänen tiimensä löysivät, että heidän algoritmiansa olivat parempia kuin joskus kaksi tai kolme kertaa samoin kuin perinteiset ei-biologiset menetelmät, joissa pelkistettiin pelkistettyä pelkistymistä. (Näissä tavallisimmissa tekniikoissa esineitä verrattiin keskittymällä muutamiin perusominaisuuksiin tai mittoihin.) Lentopohjainen lähestymistapa "käytti myös noin suuruusluokkaa pienempää laskentaa saadakseen samanlaiset tarkkuustasot", Navlakha sanoi. "Joten se joko voitti kustannuksia tai suorituskykyä."

Nowotny, Navlakha ja Delahunt osoittivat, että olennaisesti kouluttamaton verkko voisi jo olla hyödyllinen luokittelutapahtumien ja vastaavien tehtävien kannalta. Tällaisen koodausjärjestelmän rakentaminen jättää järjestelmän valmiiksi myöhemmän oppimisen helpottamiseksi. Sitä voitaisiin käyttää tehtävissä, jotka liittyvät navigointiin tai muistiin, esimerkiksi tilanteisiin, joissa muuttuvat olosuhteet (esimerkiksi estetyt polut) eivät ehkä jätä järjestelmään paljon aikaa oppia tai monia esimerkkejä oppimisesta.

Peng ja hänen kollegansa ovat aloittaneet tutkimukset juuri siitä, luoden ant olfactory -mallin päättäessä siitä, miten navigoida tuttu reitti useista päällekkäisistä kuvista.

Tarkastelluissa töissä Navlakha on soveltanut samanlaista hajotusmenetelmää uutuuden havaitsemiseen, sen tunnistamiseen uutena myös sen jälkeen, kun se on paljastunut aiemmin tuhansille samanlaisille kohteille.

Ja Nowotny tutkii, miten hajutinjärjestelmä käsittelee seoksia. Hän näkee jo mahdollisuuksia sovelluksiin muihin konenäköihin. Esimerkiksi organismit havaitsevat joitain hajuja yhdeksi tuoksuksi ja toiset sekoituksiksi: Henkilö voi ottaa kymmeniä kemikaaleja ja tietää, että hän haisee ruusun, tai hän saattaa tuntea saman määrän kemikaaleja läheisestä leipomosta ja erottaa kahvin ja croissantteja. Nowotny ja hänen tiimimme ovat huomanneet, että erotettavia hajuja ei pidetä samanaikaisesti; pikemminkin kahvin ja croissantin hajuja käsitellään hyvin nopeasti vuorotellen.

Tämä näkemys voi olla hyödyllinen myös tekoälylle. Esimerkiksi cocktaileja koskeva ongelma viittaa siihen, kuinka vaikeaa on erottaa lukuisia keskusteluja meluisassa ympäristössä. Koska useita kaiuttimia huoneessa, AI voisi ratkaista tämän ongelman leikkaamalla äänimerkit hyvin pieniksi ikkunoiksi. Jos järjestelmä tunnistaa kaiuttimesta tulevan äänen, se voi yrittää estää syötteet muilta. Vaihtoehtoisesti verkko voisi erottaa keskustelut.

Syötä hyönteiskubibit

Viime kuussa julkaistussa tieteellisessä artikkelissa arxiv.org, Delahunt ja hänen Washingtonin yliopistonsa kollega J. Nathan Kutz ottivat tällaisen tutkimuksen askeleen eteenpäin luomalla mitä he kutsuvat "hyönteiskuboiksi". lepakäyttöön perustuvaa mallia koneen oppimisalgoritmin tuloina ja näki parannuksia järjestelmän kykyyn luokitella kuvat. "Se antaa koneen oppimisalgoritmille paljon voimakkaampaa materiaalia työskentelemään", Delahunt sanoi. "Hieman aivot vetävät jonkin verran erilaista rakennetta, ja tämän erilaisen rakenteen ansiosta koneen oppimisalgoritmi auttaa."

Jotkin tutkijat haluavat nyt käyttää myös tutkimuksia, jotka osoittavat, kuinka monimuotoista oppimista voidaan koordinoida syvemmissä verkostoissa. "Mutta juuri nyt olemme peittäneet vain vähän", Peng sanoi. "En ole aivan varma kuinka parantaa syvällisiä oppimisjärjestelmiä tällä hetkellä."

Salk-instituutin neurobiologi Tatyana Sharpee totesi äskettäin, että hajuja voidaan kartoittaa hyperboliseen tilaan. Hän kysyy, voisiko tämä näkemys kertoa, miten parhaiten rakentaa syvällisiin oppimisjärjestelmiin syötettyjen syötetietojen rakenne.

Salk Institute

Yksi aloituskohde voisi olla paitsi tuoda-pohjaisen arkkitehtuurin toteuttaminen myös selvittää miten järjestelmän panokset määritellään. Science Advancesissa juuri julkaistussa artikkelissa Salk Instituutin Tatyana Sharpeen johtama tiimi etsii keinoa kuvata tuoksuja. Kuvat ovat enemmän tai vähemmän samankaltaisia ​​pikselien välisten etäisyyksien mukaan eräänlaisessa "visuaalisessa tilassa". Tällainen etäisyys ei kuitenkaan koske hajua. Myöskään rakenteelliset korrelaatiot eivät ole luotettavia: Odors, joilla on samankaltaiset kemialliset rakenteet, voidaan pitää erittäin erilaisina, ja hajuja, joilla on hyvin erilaiset kemialliset rakenteet, voidaan havaita samanlaisiksi.

Sharpee ja hänen kollegansa määräsivät sen sijaan haju-molekyylit sen suhteen, kuinka usein heidät löytyvät yhdessä luonnosta (tutkimuksessaan he tutkivat, kuinka usein molekyylit esiintyivät eri hedelmien ja muiden aineiden näytteissä). He sitten luoneet kartan asettamalla haju-molekyylit lähemmäs toisiaan, jos ne pyrkivät yhteistoimintaan ja kauemmas toisistaan, jos he tekivät niin harvoin. He havaitsivat, että juuri kuten kaupungit kuvaavat pallon (maapallon), haju-molekyylit kartoittavat hyperbolisen tilan, pallon, jolla on negatiivinen kaarevuus, joka näyttää satulalta.

Sharpee arveli spekuloidessaan, että hyperbolaarisen rakenteen syötteen syöttäminen konenäkö-algoritmeihin voisi auttaa luokittelemattomien objektien luokittelussa. "Syvällisessä oppimisessa on lähtökohta, jonka mukaan panokset on tehtävä euklidien metrillä", hän sanoi. "Sanoisin, että voisimme yrittää muuttaa metristä hyperboliseksi." Ehkä tällainen rakenne voisi edelleen optimoida syvällisiä oppimisjärjestelmiä.

Yhteinen nimittäjä

Tällä hetkellä suurin osa tästä on teoreettista. Navlakhan ja Delahuntin työtä on syvennettävä huomattavasti vaikeampiin konekielisiin oppimisongelmiin sen selvittämiseksi, ovatko tyytyväisyys-innoittamat mallit erottautumaan. "Tämä kaikki on yhä syntymässä, luulen", Nowotny sanoi. "Näemme kuinka pitkälle se menee."

Mitä tutkijoiden toivoa on, se on silmiinpistävä samanlaisuus kuin hämähäkin järjestelmä rakentaa muille aivojen alueille monien lajien, erityisesti hippokampuksessa, johon liittyy muisti ja navigointi, ja pikkuaivot, joka on vastuussa moottorinohjauksesta. Höyrytys on ikivanha järjestelmä, joka on peräisin bakteerien kemosensoinnista ja jota kaikki organismit käyttävät jossain muodossa niiden ympäristöjen tutkimiseen.

"Se näyttää olevan lähempänä kaikkien sellaisten asioiden evoluutiopohjapisteestä, jota kutsuisimme aivokuoresta yleensä", Marblestone sanoi. Olfuus voisi tarjota yhteistä nimittäjää oppimiselle. "Järjestelmä antaa meille todella konservoituneen arkkitehtuurin, jota käytetään eri tavoin erilaisissa organismeissa", kertoo Columbian neurotieteilijä Ashok Litwin-Kumar. "Siellä on oltava jotain olennaista siellä, joka on hyvä oppimiseen."

Hajuhaara voisi toimia yhdyskäytäväksi ymmärtääkseen hippokampuksen ja pikkuaivojen monimutkaisempia oppimisalgoritmeja ja laskelmia – ja selvittää, miten tällaisia ​​näkemyksiä voidaan soveltaa AI: han. Tutkijat ovat jo alkaneet kääntyä kognitiivisiin prosesseihin, kuten huomiota ja erilaisia ​​muistoja, toivoen voivansa tarjota tapoja parantaa nykyisiä koneen oppimisen arkkitehtuureja ja mekanismeja. Mutta tyytyväisyys voisi tarjota yksinkertaisemman tavan muodostaa yhteydet. "Se on mielenkiintoinen nexus kohta", Marblestone sanoi. "Lähtökohtana ajatella seuraavan sukupolven hermoverkkoja."


Lisää suuria WIRED-tarinoita

Tämä viikkoa autojen tulevaisuudessa: Electric Start


Kuulkaa, sähköinen auto! EV: llä on ollut runsaasti puoli vuosikymmentä säätelyä, ja suuret maat, kuten Kiina ja Yhdysvallat, antavat uudelle teknologialle vauhtia omien ilmastotavoitteidensa toteuttamisessa. Joten tällä viikolla ei ollut niin paljon lähtöä kuin jännittävä jatko trendille. Audi julkaisi E-tron-maastoautonsa, jossa oli täynnä hämmästyttävää 1500 ihmisen puoluetta Bayn alueella. Sen lisäksi, että tarkastelimme uutta ratsastusta, otimme esiin kaikki uudet akkuvaraavat autot markkinoilla. Porsche jatkaa ilmoituksia Taycan-sedanista, joka vuodelta 2020: Nyt sanotaan, että auto on erittäin nopea laturi. Lisäksi Tesla jatkaa uutisia, joista osa on hyvää – malli 3 sai moitteettoman katsauksen amerikkalaisista turvallisuusviranomaisista – ja osa siitä on pahaa – se on kuulemma oikeusministeriön tutkimuksen tavoite. Voita jotkut, menettää.

Muissa uutisissa vanhempi kirjailija Jack Stewart seurasi Saksassa itsemurullista raitiovaunu-kokeilua. Tarkastelin, miten kaupungit ajattelevat skootterin tietoja, ja tarkastelimme viimeisimpiä polkupyöränvuokrausnumeroita. Se on ollut viikko; saavutamme sinut kiinni.

pääotsikot

  • Teslan outo kolmas vuosineljännes jatkaa kertomusta, jonka mukaan sähköautoyritys joutuu oikeusministeriön rikosoikeudelliseen tutkimukseen Elon Muskin "rahoituksen turvaamisesta" tweeteistä. Tesla sanoo, että DOJ on toistaiseksi hakenut yhtiön asiakirjoja, mikä kertoo, että yksi asianajaja kertoo WIRED: lle, että se vain "nousuttaa ympäriinsä" juuri nyt. Mutta koetin on vielä toinen pilvi – ja itsestään loistava! – että yrityksen täytyy työskennellä, kun se yrittää nostaa mallin 3 tuotantoa.

  • Positiivisemmassa Teslan uutisessa: Yrityksen malli 3 sai jokaisesta luokasta viiden tähden törmäysluokan National Highway Traffic- ja Safety Administration -yhtiöstä.

  • Kiitos kaikille sähkökäyttöisille Audi E-tronille, joka on Saksan autonvalmistajan ensimmäinen akustiikkamalli. WIRED-avustaja Eric Adams murtaa tietotyypit ja vanhempi kirjailija Jack Stewart näkee, kuinka E-tron pinoa toiseen sähköiseen kilpailuun.

  • Sähköautomarkkinoiden vakava kuumeneminen merkitsee, että autonvalmistajien on löydettävä keinoja erottaa uusimmat tarjoukset. Porsche on julkaissut sähköisen Taycanin Yhdysvalloissa noin 2020, ja sen on julkaissut ainakin yhden: sähköisen latausaseman, joka pystyy lataamaan zoomausyksikön 250 kilometrin latauksella vain 15 minuutissa.

  • OK, kyllä, sähkölaitteet ovat viileitä automakerilla. Mutta niin on vanhanaikainen nopeus. Ferrari julkaisi tällä viikolla Icona-linjansa, jossa aloitettiin kaksi autoa, jotka yhdistävät vintage-muotoilun 0-60-kertaan alle kolme sekuntia. Mutta onnea todella ostaa yksi, vaikka sinulla on seitsemää kuvaa makaamassa-näyttää siltä, ​​koko rivi on loppuunmyyty.

  • Automaattitrukit tapahtuvat lopulta. Mutta missä tulevatko ne tapahtumaan? Liikenteen analysointiyhtiö Inrix käyttää laivastotietojensa tietoja siitä, missä itseajoneuvovaunujen tärkeimmät ominaisuudet – turvallisuuden lisääminen ja nopeat kuljetukset – ovat eniten tarvittavia. Aikooko säännökset auttaa helpottamaan uuden teknologian kehittämistä oikeilla paikoilla?

  • Potsdamissa, Saksassa, Siemensin innokkaat insinöörit testaavat kuljettajan raitiovaunua. (Kuten nytkin, ajoneuvot ovat myös matkustajien vapaita.) Yritys, kuten Waymo, toivoo täydentävän itsenäistä teknologiaa suhteellisen epämiellyttävässä ympäristössä – jossa ajoneuvo kulkee samalla reitillä päivittäin kappaleita.

  • Kaupungit ovat saaneet paljon savvier, koska Uber ja Lyft ilmestyivät kaduilleen alle kymmenen vuotta sitten. Koska pyöräily- ja skootteriyhtiöt jatkavat pyörimistään koko Amerikan kaupunkitiloissa, monet hallituksen virkamiehet vaativat aloittelijoita luovuttamaan matkatiedot, kerron.

  • Amerikkalaisen yhteisön kyselyn uusimmat numerot osoittavat, että sykliyhdyskäyttäytyminen on hieman alhaalla – ja kaupunkien (ja alueiden) dramaattinen pyöräilykausi jatkuu.

  • WIREDin 25-vuotisjuhla pyysi 25 WIRED-kuvaketta nimeämään 25 ihmistä, jotka muokkaavat alan tulevaisuutta. Ja tietenkin kuvakkeet halusivat puhua droneja. 23e Anne Anne Wojcicki nimeää Ziplinen perustaja ja toimitusjohtaja Keller Rinaudo, joka käyttää itsenäisiä lentokoneita lääketieteellisten tarvikkeiden, kuten rokotteiden ja verenluovutusten, kuljettamiseen vaikeasti tavoitettaviin paikkoihin. Zipline täyttää Ruandan maaseutuväestöön verenluvut noin viidenneksellä maan hallituksen kanssa tehdyn sopimuksen ansiosta.

Viikon IPO

Ei ole koskaan liian myöhäistä julkisuutta. Aston-Martin, 105-vuotias brittiläinen autonvalmistaja, joka on kulkenut 007 ympäri 1964 lähtien Kultasormi, ilmoitti tällä viikolla suunnitelmistaan ​​lokakuun alkupuolella julkisella ostotarjouksella 23,24 dollari – 29,88 dollaria per osake. Tämä tekisi yritykselle – joka on tehnyt hienoja, myöhässä olevia autoita noin 5,3 miljardilla dollarilla 6,7 ​​miljardiin dollariin.

Viikon stat

29,6 viikkoa
Aika, keskimäärin myöhäinen malli Toyota Prius C viettää paljon, joten se on nopeimmin myyty käytetty ajoneuvo Amerikassa, iSeeCars.comin tekemän tutkimuksen mukaan.

Pakollinen lukeminen

Uutiset muualta internetistä

Taaksepäin

Olennaiset tarinat WIREDin menneisyydestäLangattomat 25 kierrosta tässä kuussa, mikä tarkoittaa, että olemme harjoittaneet arkistoidemme läpi nähdäksesi, missä olemme olleet – ja selville, mihin olemme menossa. Tarkastele tämän vuoden 1997 polttoainekäyttöisten ajoneuvojen tulevaisuutta, jossa on tekninen toteuttaja, joka ohjaa kirjailijamme ottamaan siemurin bussipakokaasusta. (Jokainen selviää.)

The Science Behind Home Disaster Preparedness Kit on katastrofi


Helikopterit pääsivät Wilmington, North Carolina, eristysaikan jälkeen; Hurrikaani Firenzen rantautui siellä, ja kaupunki, yhdellä jalalla Atlantilla ja toisella Cape Fear -joella, tuli pian saarelta. Sen päätiet veden alla, Wilmington meni ilman apua, kunnes veneet ja hakkurit pääsivät sen lääketieteellisiin tarvikkeisiin, veteen ja ruokaan.

Mutta se kesti vain päivän. Liittovaltion mukaan tämä on varsin nopea. 11. syyskuuta 2001 tapahtuneiden terrori-iskujen jälkeen – tai ainakin hirmumyrsky Katrina osuma New Orleansista vuonna 2005 – hallitus on kehottanut meitä kaikkia, kaikkia ihmisiä, olemaan valmiita menemään ilman apua vähintään kolmen päivän ajan katastrofi. Sinulla on oltava paketteja autossa ja kotona … ehkä ei ostoskoria Tie, mutta vain, ole valmis, OK? Ja nyt Firenzen kanssa vähentynyt uhka, mutta tulipalot ja myrskyt ilmeisesti pysyvä osa maapallon muuttuneesta ilmastosta (ja maanjäristykset, tulivuorot ja terrori aina mahdollista), säännöt näyttävät muuttuvan hieman uudelleen. Uusi viesti: Ole valmis 14 päivää omillasi. Kaksi viikkoa.

Se on paljon tarvikkeita ostaa ja varastoida – varsinkin kun koko ajatus kotiin liittyvistä katastrofivalmiustarpeista perustuu paljon enemmän perinteiseen viisauteen kuin todellisiin tietoihin. Toisaalta, saatat säästää elämääsi. Onnea kaikille!

Suositukset siitä, mitä näiden sarjojen pitäisi mennä, vaihtelevat, mutta pohjimmiltaan se on gallonaa vettä päivässä ja ruokaa sekä lääkkeitä, huopia ja makuupussia, ehkä teltta, ylimääräisiä silmälaseja, paljon paristoja, jotain valoa jossa jotain tulipaloa, ehkä kädessä kiertävällä radiolla.

Kaikki tämä on järkevää. "Ei ole realistista, vaikka kehittyneissä maissa, odottaa, että hallituksen infrastruktuuri pystyy tavoittamaan kaikki muutamassa tunnissa", kertoo Johns Hopkins Bloombergin terveyskeskuksen katastrofivalmiustutkija Daniel Barnett. "Yksilöillä on oltava itsensä kestävyys". Vähintään haluatte ottaa mahdollisimman paljon paineita ensihuojasta, jotta he voisivat tehokkaasti triagea, osallistua elämästä uhkaaviin tilanteisiin, kun taas jäähdyttät takapihasi, jos pystyt . Se on osa tukea sitä, millaisia ​​katastrofeja ammattilaiset kutsuvat "joustavuuteen", yhteisön tai alueen kykyyn kestää kaiken sen, mitä se joutuu kärsimään. Sen on tarkoitus olla ihmissuhde, naapuri naapuri.

Ongelma kaiken kanssa, kuten Barnett ja hänen kollegansa osoittivat kirjallisuuden vuoden 2012 katsauksessa, melkein kukaan ei todellakaan rakenna sarjoja. No, ehkä alle puolet kokonaismäärästä, mutta tulokset vaihtelivat aluekohtaisesti – alle 7,4 prosenttia Alabamaa, paljon enemmän Katrina New Orleansissa (85 prosenttia kyselyyn osallistuneista oli katastrofisuunnitelmaa, mutta vain 22 prosenttia oli pakki ). Osittain tämä on inertia, laiskuutta, pelkoa – kaikkia asioita, jotka pitävät kaikki valmistautumasta mihinkään. Mutta myös vanhemmat, paremmin koulutetut, vauraammat, kotona ownier-ihmiset joutuivat todennäköisemmin pakkoihin kuin nuoremmat, vähemmän koulutetut ja köyhät ihmiset. Ja tietenkin köyhät ihmiset ovat niitä, jotka kärsivät eniten katastrofeista.

Pari vuotta sitten asiat muuttuivat entistä monimutkaisemmiksi. Vuonna 2016 Washingtonin sotilasosasto, lähinnä valtion valtiovarainministeriö, suoritti harjoituksen nimeltä Cascadia Rising. Ajatuksena oli jäljitellä vastausta maanjäristykseen ja sen jälkeiseen tsunamiin, joka oli peräisin Cascadia Subduction Zone -alueelta Tyynenmeren luoteisosasta. New Yorkilainen edellisen vuoden artikkelista. "Cascadia Rising oli massiivinen silmän avaaja", sanoo Washingtonin sotilasosaston varapuheenjohtaja Karina Shagren. "Tiesimme, että siellä olisi yhteisöllisiä taskuja, jotka eivät saa apua monta päivää, ellei useita viikkoja." Washingtonin rannikkoyhteisöt menettäisivät siltoja, jotka liittävät heidät muuhun maailmaan. Heidän pitäisi odottaa apua ilmaa tai merta.

Joten Washington ja Oregon lisäsivät arvioitaan. Ihmisten pitäisi odottaa olevansa itsenäisesti vähintään kolme päivää, mutta vähintään kaksi koko viikkoa.

Tämä viestintä on nyt Washingtonin hätätilanteessa. Se on myös hävittänyt kansallisesti, vaikkakin hieman sekava. FEMA: n tiedottaja sanoo, että virasto suosittelee nyt "vähintään kolme päivää ruokaa, vettä ja lääkkeitä", mutta enemmän vettä, jos se on todella kuuma ja "jopa kaksi viikkoa tarvikkeita valmistautuessaan katastrofaalisiin tapahtumiin". tautien torjunnan ja ennaltaehkäisyn keskuksista, pandemioiden tai bioterroriskujen tapauksessa, sanoo viraston antamien suositusten kaiku FEMA: n. Amerikan Punaisen Ristin katastrofien ohjelmistokehityksestä vastaava Tom Heneghan sanoo kotitalouksille ja yrityksille, että kotitalouksilla ja yrityksillä pitäisi olla kolmen päivän toimitukset, jos ihmiset joutuvat evakuoimaan mutta kahden viikon arvot, jos ihmiset ovat turvassa paikallaan.

Riskiviestintä on kovaa, ja katastrofit ovat monimutkaisia, mutta kaikki neuvo on turhauttavaa. Ehkä kolme päivää on laukku? Maanjäristyksen maalaislapsina halusin sanoa, että kahden viikon toimitushakemus Big Onein jälkimainingeille näyttää hyvin erilaiselta kuin biovahoista pandemian tarkistuslista. Tie prepper madness on päällystetty ylijäämä MREs, tarps, ja kanava nauha. (Suosittelen gaffer-teippiä, itse asiassa DM minua.)

Yhden neljän hengen perheen osalta gallonanvettä per henkilö per päivä 14 päivän ajan on 56 gallonaa vettä, teollisuuskokoista rumpua. Se on myös yli 100 täyttä ateriaa, tai ruokakomero täynnä tölkkejä, naudanlihaa, riisiä ja niin edelleen. Se on täydellinen täydennys retkeilyvälineet. Ja kaiken on oltava jonnekin saatavilla, eikä ihanteellisesti ole haavoittuva millekään odottamalle katastrofille. Ja mikään näistä tavaroista ei ole ilmaista. "On olemassa massiivisia pääsyn ja oikeudenmukaisuuden kysymyksiä siitä, miten ihmiset voivat varastoida jopa pari päivää tarvikkeita, paljon vähemmän kuin 14", kertoo RAND: n katastrofitutkija Anita Chandra. "Kun puhutaan katastrofeista, puhutaan tapahtumista, jotka vaikuttavat suhteettomasti niihin, joilla on vähiten pääsy omaaville." (Washingtonin osavaltio on huolissaan, Shagren sanoo, että he suosittelevat ihmisten rakentavan salat niin paljon kuin he voivat.)

Tässä on pahin osa: Kukaan ei tiedä, jos katastrofivalmius-paketit todella auttavat. He saattavat! Sinulla on vielä pakki, jos voit tehdä sen. "Toimielimet ovat huolissaan siitä, etteivät he voi päästä ihmisiin ajoissa … erityisesti ihmisiä, jotka elävät köyhyysrajan alapuolella tai lähellä", Chandra sanoo. "Se tulee huolestuneesta siitä, että resurssit ovat hyvin vastaamatta tarpeeseen." Toisin sanoen valtion virastoilla ei ole rahaa lähettää palokuntoa jokaiseen taloon maanjäristyksen tai hurrikaanin jälkeen. Ihmisten on kyettävä auttamaan itseään.

Mutta samanaikaisesti viestin muutoksen riski on se, että se viittaa siihen, että hallitus kumoaa velvollisuutensa joko epäpätevyydestä tai jonkinlaisesta karu-individualismi-sanomasta. "Mikä on katastrofivalmiuden ja palautumisen kannalta tärkeä yhteisöyhteys ja sosiaalinen yhteenkuuluvuus", Chandra sanoo. "Tämän keskustelun kielteinen puoli on ollut ajatuksen kiertäminen," mene huolehtimaan itsestäsi. "Se ei ollut koskaan aikomus."

Vankka yksilöllisyys on epäonnistunut jo kerran. Kylmän sodan aikana Yhdysvaltain hallitus yritti saada ihmisiä rakentamaan pakenevarastoja heidän takapihastaan. "Sosiaalinen haavoittuvuus ei juuri tullut mukaan. Kukaan ei rakentanut niitä. Se ei kuulunut ihmisiin vieläkään silloin, "kertoo Delexel-yliopiston katastrofitutkija Scott Knowles. "1960-luvun puolivälissä väestönsuojeluviranomaiset olivat tuottaneet tämän, ja he alkoivat kerätä tavaraa tavaroihin". Kaupungit nimettiin tai rakensivat kommunikointikatokset, jotka oli varustettu sängyillä ja tarvikkeilla. "Jos haluamme todella, että ihmiset selviytyvät, emme voi luottaa heihin keräämään kaikki tavarat kodeissaan. Se ei ole järkevä. Ehkä tämä on jotain hallitukselle, Knowles sanoo.

Onko olemassa asioita, joiden pitäisi todennäköisesti päästä kotiisi? Varma. Kopiot henkilöllisyystodistuksista. Reseptilääkkeet. Hyvä pilli. Lightsticks. Vedenpuhdistustekniikka. Vipupalkki. (Sävelinpalkin tarvitsema aika on oikea aika, todella tarvitset sorkkaraudan.)

Mutta kova totuus on, että paikallisyhteisöt voivat ja niiden pitäisi todennäköisesti täyttää puutteet, joita hallituksen neuvoja ehdottaa ovat yksilön vastuuta. Keskeinen näkemys, joka herätti täydellistä tutkimusta katastrofien sosiologiasta ja niiden vastauksesta, oli se, että ihmiset taipuvat auttamaan toisiaan ahdistuksessa. Katastrofitutkijat ja riskienhallinta eivät halua vaarantaa tätä liitosta. Silti se on syvempi riski kertoa ihmisille, että he ovat koukussa puolustamaan omia linnoitaan kahden viikon ajan katastrofin jälkeen.

Kyllä, täytä ne kellariin kellarissa veteen ja hanki aurinkokennot valmiiksi, mutta kun katastrofi osuu, jaa vesi. Tarjoa naapurisi maksutta. Ehkä he käyvät kauppaa pureman. Mutta ei ole väärin etsiä kohti paikallisia viranomaisia, ellei alueellista ja kansallista apua. Kaupunkien rakentaminen tapoja, jotka eivät pahentaa vaaratekijöitä, on alku, kuten vähemmän läpäisemätön pinta, vähemmän rakennuksia luonnonkauniilla kaupunkiympäristössä ja rannikkoalueiden ja vesistöjen kehityksen edistäminen. Auttaa heikoimmassa asemassa olevia ihmisiä yhteisössä nyt sillä on humanitaarista arvoa, mutta myös taloudellista arvoa – he ovat turvallisia katastrofin aikana ja sen jälkeen, eivät tarvitse pelastusta ja voivat auttaa elpymisen ansiosta.

Se on todellinen oppitunti katastrofisarjan kokoamiseksi. Se on jokaiselle, joka tarvitsee sitä. Jonain päivänä se voisi olla sinä; joskus se saattaa olla naapureitasi. Kunnes helikopterit tulevat, olemme kaikki yhdessä.


Lisää suuria WIRED-tarinoita

Apple Watch palopinta on tehty varsinaisella tulella – TechCrunch


Apple Watch-sarjan 4, Apple esitteli uuden, suuremman näytön. Siinä on nyt pyöreät reunat ja ohuemmat kehykset. Ja yritys hyödynsi tätä näyttöä uusien tulen, veden, nestemetallin ja höyryn kasvojen käyttöön. Apple ei käyttänyt CGI: tä luomaan näitä kasvoja – he ampuivat kyseiset kasvot studiossa.

Monet yritykset olisivat tehneet nämä vaikutukset tietokoneeseen näytön koon mukaan. Mutta nämä ovat todellisia videoleikkeitä.

Cool Hunting jakoi videon varsinaisesta prosessista, ja se on hullu:

Kuten näette, Apple käytti liekinheittimen läpinäkyvää pintaa vasten, räjähti ilmapallon altaan yläosassa, teki sylinterin väriainepuhalluksen ja pyöritti pienen metallisen nesteen pehmeää.

Se kertoo paljon Applen suunnittelukulttuurista – he eivät ota pikavalintoja ja heillä on paljon rahaa.

Tässä on esittelyvideo uudelle Apple Watch:

Instagram voi jakaa hashtagit tekstistä ja lopettaa ylikuormituksen – TechCrunch


Geofenced-jakaminen, tietokilpailu tarroja, Stories Highlight-tarroja ja erillinen käyttöliittymä, jolla lisätään hashtags postit, ovat joukossa uusia ominaisuuksia Instagram on prototyyppinen tai testaa nyt. Viimeinen voisi vihdoinkin #cure #hashtag #madness, joka on saastuttanut monia Instagramin miljardin käyttäjiä, aiheuttaen heitä epätoivoisesti täyttämään kuvatekstinsä merkityillä sanoilla, jotka tekevät rehun luettavaksi toivoen saavuttaa muutamia ylimääräisiä näkemyksiä tai seuraajia. [Update: Instagram has also confirmed the launch of GIFs in Direct messaging. Details below.]

Instagramissa iteraation tahti on huikea ja auttaa sitä jättämään Snapchatin pölyltä. Facebookin syvät taskut rahoittavat tuote-, suunnittelu- ja suunnittelutiimiään, Instagram pystyy säilyttämään sovelluksensa täynnä tuoreita leluja. Tässä on kolme prototyyppiä, yksi testi ja yksi vahvistettu Instagramista

Hashtag-valitsin

Ominaisuutta ei julkaista tai edes testata välttämättä, ja Instagram kieltäytyi kommentoimasta sitä. Mutta usein TechCrunch-kärki ja mobiili tutkija Jane Manchun Wong pystyi kaivaamaan nimetyn hashtag valitsin prototyypin ulos Instagram Android -sovelluksen koodista. Se näyttää omistettu "Lisää Hashtags" -vaihtoehto otsakkeen säveltäjän ja ihmisten tunnisteen alla. Wongin aikaisemmat löydöt ovat johtaneet TechCrunchin laukaisuihin Instagram-videopuhelun, nimilappujen, musiikkitarrojen ja muiden mahdollisten julkaisujen mahdollisesta julkaisemisesta, vaikka Instagram on aina mahdollisuus poistaa tämän ominaisuuden ennen kuin se käynnistyy.

Kuvatekstilliset hashtagit tekstistä voivat lisätä niiden lisäämistä vähemmän invasiivisiin ja häiritseviin viesteihin ja saada näin enemmän käyttäjiä. Tämä voisi puolestaan ​​auttaa Instagram-virittäessä sen syöttöalgoritmia näyttämään sinulle enemmän virkoja hashtagilla, joista näytät huolta, saat enemmän käyttäjiä seuraamaan hashtagia, anna sen paremmin lajitella Explore -sivun uusilla aihekanavilla kuten Urheilu, Kauneus ja Ostokset. Mutta ehkä tärkeintä, se voisi vain tehdä Instagramin vähemmän ärsyttävää. Jokaisella on sellainen ystävä, joka surmaa niin monta hashtagia, että heidän nimensä muuttuvat epäyhtenäiseksi sotkuksi.

Geofencedin viestit

Wong myös kaivasi voimakkaan uuden ominaisuuden, joka auttaisi sosiaalisen median johtajia, yrityksiä ja pro-tekijöitä tavoittamaan oikean yleisön. Instagram on prototyyppisi "Valitse paikkakunnat" -vaihtoehdon viestit, joiden avulla voit valita luettelon maista, joissa haluat viestisi näkyvän. Instagram kieltäytyi kommentoimasta.

Geofencing-ominaisuuden avulla Instagrammers voivat suunnitella erilaisia ​​sisältöjä ja kuvatekstejä eri maille ja kielille. Facebook on tarjonnut geofencing postit monta vuotta, ja Instagram tarjoaa jo mainoksen kohdistaminen alas postinumerolle tai mailin säteelle. Mutta jos tämä sijainninvalitsin julkaistaan ​​kaikkien toimien kohdalla, se voi antaa ihmisille ja ammattiosastoille oman prismamaisen identiteettinsä eri tavoin eri puolilla maailmaa.

Tarinat Highlight-tarrat

Instagram antoi minulle vahvistuksen siitä, että Wongin lopullinen löytö on virallisesti testauksessa. Sen avulla käyttäjät voivat muuttaa jonkun toisen Stories Highlightin profiilistaan ​​tarraan peittääkseen oman tarinansa. Se on laajentaminen Quote-tweet-tyylipiirre Instagram aloitti testauksen maaliskuussa, jonka avulla voit kääntää ihmisten julkisia syötteitä Stories-tarroihin, jotta voit lisätä kommenttisi – tai pudottaa joku tyhmä. Tarinat Highlight-tarrat voisivat luoda uuden polun viralille aloituskäyriäjille, jotka voisivat vakuuttaa seuraajansa jakamaan uudelleen kohokohtiaan ja kääntämään ystävänsä faneille.

Tietovisa tarroja

Tämä prototyyppi löytyi WABetaInfoTwitter-tilin avulla käyttäjät voivat kysyä kysymykseensä tarinassa ja nimetä oikean vastauksen. Quiz-tarra toimii samalla tavoin kuin Instagramin äskettäin lisätty Kysely- ja Kysymys-tarrat, mutta sen sijaan, että kerrot tuloksista tai annat lähettää uudelleen jonkun vastauksen, he näkevät heti, ansaitsevatko he oikean vastauksen testiin. Tämä liittyy Instagramin strategiaan murskata Snapchat tekemällä omat tarinat interaktiivisiksi ja kääntämällä fanien ja seuraajien välinen yhteys kaksisuuntaiseen kadulle.

Videomerkintä

Instagram vahvisti yhden uuden ominaisuuden käynnistämisen, joka merkitsi ihmisiä videoihin. TechCrunch havaitsi viime viikolla ja Instagram sanoi testaten, mutta kyselyn mukaan meidät on nyt täysin avattu. Videomerkinnät saattavat aiheuttaa ylimääräisiä vierailuja Instagramille, koska harva henkilöllä on tahdonvoimaa jättää ilmoitus siitä, että heidät on nimetty uuteen sisältöön. Ominaisuus voi myös auttaa Instagramia selvittämään, kuka näyttää videot myös sallimalla sen sijoittaa ne suurelle joukolle tunnettujen ihmisten parhaat ystävät.

GIF-tiedostoja suoraan

Tänään Instagram vahvisti myös, että GIF-levyt siirtyvät Suoramainontaan iOS- ja Android-laitteilla, joten voit hakea GIPHY-powered -artikkelia animoitujen kuvien kautta tai pyyhkäistä kehystyissä GIF-osiossa. Voit myös napauttaa "satunnaista" -painiketta syöttämällä joitain avainsanoja saadaksesi yllätyksen, jonka GIF lisätään keskusteluusi. Ja aikaisemmin hämmästyttämällä, kuka todella on tehnyt kyseiset GIF-tiedostot, käyttäjät voivat nyt napauttaa ja pitää heidät katsomassa luojaa ja muita GIF-tiedostoja, joita he ovat tehneet. Instagram tarjosi ensimmäisenä tammikuussa Tarinat-tarroja GF: lle ja Wong oli aikaisemmin heitä suoraan Instagram-koodissa heinäkuussa. On selvää, että rasistinen GIF-fiasko, joka johti Instagramia sulkemaan tilapäisesti GIF-tarroja, ei ole estänyt sitä laajentamasta kumppanuuttaan GIPHY: n kanssa.

Yhdistetty, tämä uusien ja potentiaalisten ominaisuuksien hurmaus osoittaa, että Instagram ei salli sen hallitsevuutta vähentää toimitusten aikataulua. Se osoittaa myös, että Instagram VP tuote Kevin Weil siirtyy Facebookin blockchain tiimi hänen korvaavan entinen News Feed VP Adam Mosseri ei ole häirinnyt App nopea innovaatio.

Tuomaristo on vielä selvittämässä, onko Instagramin suurimmat uudet aloitteet poistu. IGTV on hidastunut hitaasti, mutta se tarvitsee aikaa rakentaa pitkän videon arkisto kilpailemaan YouTubesta. Ja meidän on odotettava ja katsottava, tulevatko käyttäjät kasvaa Instagram Explorein uuden Shopping -kanavan varaan. Mutta jatkuvasti päivittäminen app painostaa pois jokaisen ominaisuuden kantaa paino miljardin ihmisen silmät. Kuka haluaa rakentaa suora kilpailija jotain, joka kehittyy nopeasti?

Alt-Right ovat miellyttäviä Internet-käyttäjiä. Älä anna heille yllättää sinua


Kauas oikea YouTube on Internetin ikä vastaa konservatiivista keskusteluradiota: Se on paikka, jossa ultra-konservatiiviset kommentaattorit voivat reagoida kiihkeästi, henkilökohtaisesti, emotionaalisesti päivän uutisiin ja amerikkalaisen progressiivismin horjuviin kauhuihin. Mutta kun kommentaattorit – jotka ovat ideologiassa valtavirrasta libertarian ja avoimesti national national – ovat varmasti velkaa Glenn Beck ja Sean Hannity heidän sävy ja tyyli, niiden strategia on kaikki Pewdiepie ja Jeffree Star ja Team Ten. Toisin sanoen he pelaavat YouTuben algoritmeihin, aivan kuten kuka tahansa, joka yrittää tulla tähti.

Äskettäinen tutkimus Data & Society, Alternative Influence: Lähetystoiminnan oikeuksien lähettäminen YouTubessa kertoo, miten oikeat YouTube-tuottajat tuottavat authencityä ja vastakulttuurista valintaa, pelata huomiotekniikkaa vahvistaakseen näkemyksiään ja käyttää tätä vaikutusta rakentaakseen tukea (ja joskus tuottoisaa ) verkkoon itselleen.

Jos olet perehtynyt vaikuttavaan talouteen, nämä lyönnit tuntuvat tutulta. Alex Jonesin liiketoimintamalli ei ole niin erilainen kuin Kardashianin – hän myy vain erilaisia ​​vitamiineja. Kauas oikea YouTube on lopulta vain YouTube; rasistit ja salaliittolaiset, jotka ovat löytäneet asuntoja, eivät ole vain hulluja kampaajia, he vaikuttavat. Saattaisi tuntua oudolta, että ihmiset voivat liittyä rasistisiin rantareihin samassa läheisessä suhteessa, kun toiset liittyvät makeisten gurut, mutta se ei ole. Riippumatta siitä, syövätkö vihamielesi tai näytätkö Target-haulista, YouTuben palkitsemisjärjestelmät toimivat käyttäytymiseen perustuen, erottamatta sisältöä – jotain tarkkailun määrää ei korjata.

Alex Jonesin liiketoimintamalli ei ole niin erilainen kuin ideologiasta
kuin Kardashianin – hän vain myy erilaisia ​​vitamiineja.

Usein oikeanpuoleisten ryhmien digitaaliset työstöt on kuvattu tapahtuvan varjopaikoilla, kuten 4chan, mutta kaukaa oikeat YouTube-sivut eivät piilota mitään – he puolustavat "rotujen realistit" (lue: unabashed rasistit) ja miesten oikeuksien aktivisteja toiseksi suosituimmassa sosiaalisen median foorumissa uutisissa. "Se saa vähemmän valtavirran huomiota, koska siellä on tämä oletus, että ihmiset haluavat vain sotkeutua virallisiin uutislähteisiin", sanotaan paperin kirjailija Rebecca Lewis viitaten venäläiseen väärään tietoon ja robotit ja peikot yrittävät kumota toimittajat. "Mutta tosiasiassa on tämä koko erillinen maailma, joka ei noudata uutisia, mutta siellä ihmiset saavat tietonsa."

Hän kutsuu sitä YouTuben Alternative Influence Network -verkostoksi, ja se on tuskin tyhjennetty Internet-takaisku. Lewisin mukaan tämä verkosto koostuu noin 65 poliittisesta vaikuttajasta 81 kanavalla, jotka edustavat oikeanpuoleisten ideologioiden kirjoa, mutta yhdistyvät niiden epämuodollisuudesta esimerkiksi poliittisen oikeellisuuden ja "sosiaalisen oikeudenmukaisen soturit" ja heidän lähestymisensä leviämiseen ideoita. Sen sijaan, että valitsisivat journalistien tekniikat, nämä kaukaa tuottavat oikeudet jäljittelevät muita vaikuttajia. He vahvistavat aitoudensa, kuten kaikki vloggerit: Katso suoraan kameraan, jonka olet asettanut intiimelliseen paikkaan, kuten makuuhuoneeseen, osoitat yleisöäsi kavereiksi ja kutoo suuria ideoita yhdessä oman elämänne anekdootteineen.

Kun uskosi on muodostettu yleisösi, voit käyttää tätä painostusta kutsumalla arvostelijasi "väärennetyksi" ja odottamaan, paitsi uskottavuutta, myös vastavallanvastaisuutta. Niinpä Pewdiepien tuhoisa antisemitismi paljastaa ja kuinka Tana Mongeau kääntyi Vidconin pilkaksi mahdollisuudeksi houkutella tuhansia teini-ikäisiä omaan tapahtumaansa, skandaalisesti huonosti suunniteltuun Tanaconiin. Se on myös, kuinka kaukaa oikeat YouTube-käyttäjät vakuuttavat katsojansa jättämään mainstream-mediaa huomiotta.

Mutta YouTube määrittää, mitä sisältöä edistetään ja kaupallistetaan. YouTuben vaihtoehtoinen vaikuttamisverkosto on myös oppinut myymään ideoitaan kuten muut YouTubers -tuotteet myyvät. He antavat lausuntoja siitä, kuinka paljon oikeaa oikeaa politiikkaa hän on tehnyt heille, he käyttävät omaa julkkistansa antamaan ideansa glamourille, kaappaamaan avainsanoja varmistaakseen he keksivät haut ja suunnittelevat pieniä skandaaleja, jotta heidät olisivat uutisarvoisia.

Ja koska YouTube on sitoutunut taloudellisiin kannustimiinsa paitsi YouTube-katseluun, mutta myös yleisön kasvuun, kaikki foorumin käyttäjät yrittävät houkutella äärettömän määrän katsojia. Kun ylität tuhannen tilaajan kynnyksen (ja 4000 katselukerran kynnys), olet oikeutettu YouTuben kumppaniohjelmaan, ja voit aloittaa pienen leikkauksen videomainosten näyttämisestä saadusta rahoista. Leikkaus kasvaa kanavan kasvaessa. Huolimatta heidän kiistanalaisista ja (mielestäni) brändi-epäystävällisistä aiheista, jotkut näistä Far-Right YouTubersista ovat valmistuneet jopa korkeammille tasoille palkkiojärjestelmän palkitsemisesta. Infowarsin Paul Joseph Watson sai kulkeman Gold Play Button -peiton, jonka YouTube lähettää tekijöille, jotka ovat saavuttaneet miljoona seuraajaa rikkomatta yhteisön normeja. Toiset ovat sponsoroineet suurista nimistä, kuten Koch Brothers.

Ilman YouTube-apuasi on vaikea pysäyttää ihmisiä
huonoja ideoita käyttää foorumia täsmälleen tapa, jolla heillä on tarkoitus.

Se on huomionarvoinen talous: Ei ole väliä, mitä sanot, kunhan ihmiset kuuntelevat ja haluavat ostaa asioita. Joka jättää vahtikoirat lyhyille ratkaisuille. Ilman YouTube-ohjelmaa on vaikea estää huonoja ideoita käyttäviä käyttäjiä käyttämään foorumia juuri sellaisenaan, kuin heidän pitäisi. "Tosiseikat eivät ratkaise tätä, eivätkä lähde vahvistamista. Heidän vetoomuksensa on, että he ovat näiden valtavirtajärjestelmien ulkopuolella ", Lewis sanoo. "Pyydämme Facebookia ja Twitterä käsittelemään järjestelmällisiä ongelmia, jotka on paistettu heidän alustoilleen. On tärkeää, että teemme samoin Youtubein. "

Joillakin YouTube-apuilla jokainen ratkaisu, joka ei ole ikuinen peli, sisällön maltillisuus, sekasotku on vuosikausia. Joten on aika lopettaa yllättäen, kun kaukopuhelu on hyvä Internetissä. On aika odottaa näkevän heitä kehittymässä ja pitämään alustat vastuullisina, kun he tekevät.


Lisää suuria WIRED-tarinoita

Haluatko robotti todella saada otteen? Tee se kuin Baymax


Octopus on ainutlaatuinen eläinten välillä, koska se voi olennaisesti muuttua itsestään nestemäiseksi, Terminator tyyli. Hanki itsellesi 600-punta polttopuu ja jätä se valvomatta, ja asia puristaa itsensä neljäsosaiseen putkeen ja sulaa tiensä vapauteen. Ja sen manipulointi supersuoritukset ovat legendaarisia – pudota se pulloon ja irrottaa sen ulos. Joten se menee, kun sinulla ei ole luita.

Ja loosey-goosey mustekupit voivat opettaa meille kaksi tai muuta robotista. Soft Robotics -yritys on kehittänyt puhallettavaa, pääjalkaisista innoittamatonta tarttujaa, joka on valmistettu joustavista polymeerisormeista. Pumppu ilmassa ja tartunta nopeasti täyttyy, tarttuu kohdepumppuun ilman takaisin ja sormet palaavat alkuperäiseen muotoonsa pudottamalla esineen. Nämä muokattavat sormet tekevät laitteesta mukautuvan monenlaisiin muotoihin, munista raaka liha kynät. Ja tämän käsihahmon suorittamiseksi Soft Robotics ottaa yksinkertaisen lähestymistavan robottien manipulointiin, antaen mahtavan materiaalin tehdä työtä sen sijaan, että opettaa perinteisesti robotti kädessä, miten tarttua jokaiseen esineeseen, johon se kohtaakin.

Pehmeä robotiikan työ on tärkeä, koska manipulointi on edelleen haaste robotiikan alalla. Ihmisille rakennetussa maailmassa koneet ovat helvetin aikaa saada aseen käsiksi – onnea, joka toistaa ihmiskunnan kätevyyden. Se oli, että joudut ohjelmoimaan robottia manipuloimaan kaikkia uusia esineitä, joita se törmäsivät, mutta se muuttuu koneen oppimismenetelmien ansiosta. Voit esimerkiksi tehdä robotin käden kokeilla paljon ja paljon tapoja manipuloida kuution simulointiin, kunnes se oppii parhaan otteen omasta. Sitten se siirtää tämän tiedon todelliseksi keinotekoiseksi kädeksi. Se on kuitenkin aikaa vievää, ja on vaikea siirtyä täydellisesti fyysiseen käteen.

Pehmeä ja höyrytetty tarkoittaa kuitenkin sitä, että käsi voi enemmän tai vähemmän ympäröi esineitä, joita se yrittää tarttua, sen sijaan, että manipuloisi asiaa hienosti. Tämä Baymax-lähestymistapa on erityisen hyödyllinen, esimerkiksi laitoksessa, joka jalostaa elintarvikkeita, poiminta tuottaa kuljetushihnan ja sijoittaa sen laatikoihin. Soft Robotics sanoo, että sen käsi voi valita ja valita 133 kirsikkatomaattia minuutissa – se on kaksi sekuntia. Ihminen voi vain hallita 100 poimijaa. Robotin avulla konenäköä voi nähdä, mitä se manipuloi, vaikka sillä ei ole käsitystä luonto mitä se manipuloi.

"Robotti ei todellakaan tarvitse tietää, mitä se kerää, koska pehmeä robotiikka tulee reaaliaikaisiin vaatimuksiin", sanoo Carl Vause Soft Roboticsin toimitusjohtaja. Joten, enemmän Baymax ympäröi esinettä kuin Arnold metallisten sormiensa ympärillä jonkun kaulaan.

Tämä ei tarkoita, että robo-claws ovat vanhentuneita. Jäykät robottitulpat ovat aina paikallaan – ne ovat vahvempia ja tarkempia ja johdonmukaisempia. Pehmeät tarttujat ovat hyviä mansikoiden poimimiseen räjähtämättömiä, kun taas kovat tarttujat ovat hyviä autojen kokoamiseen.

Pehmeät tarttujat kovettuvat kuitenkin materiaalitieteen parantuessa. Esimerkiksi Belgiassa tutkijat ovat kehittäneet pehmeän robotin käden iholla, joka paranee lämpöä levittäessäsi. Tällaiset materiaalit ovat pehmeä robotiikan etu, koska voit käyttää eri materiaaleja eri sovelluksiin. "Jos yrität tehdä jotain erittäin jäykkä ja erittäin kestävä, voit käyttää teollisia uretaaneja", Vause sanoo. "Jos haluat poimia hyvin pehmeitä asioita, voit käyttää lääketieteellisiä laatuja."

Puhallettavat kädet voivat olla monipuolisia, mutta toistaiseksi ne eivät ole erityisen vahvoja: ilmanpaine ei voi tuottaa samaa tehoa kuin perinteinen sähkömoottori. Pehmeä robotiikka sanoo, että sen voimakkain tuotantokapasiteetti voi parantua 13 kiloa, mikä sopii hienoksi jauhojen pussin nostamiseen. Mutta jos haluat robottia nostamaan auton ovet paikalleen kokoonpanolinjalla, sinun kannattaa mennä sähköisesti, ei pneumaattisesti. Tutkijat edistyvät kuitenkin vahvuuskysymyksessä. MIT: n tiimi on antanut pehmeille robotteille 3-D painetut origami-luurangot, jotka laajentavat ja sopivat kuten harmonikoita, joiden ansiosta ne pystyvät parantamaan oman painonsa 1000 kertaa.

Niillä ei ehkä ole kovia vahvuuksia, mutta pehmeät tarttujien kyky automaattisesti noudattaa eri muotoja on valtava etu. "Se vähentää niiden antureiden lukumäärää, joita sinulla on järjestelmässäsi", kertoo Eric Acome, joka perehtyy pehmeään robotiikkaan Colorado Coloradon yliopistossa. "Jos sinun ei tarvitse huolehtia," aionko puristaa tämän mansikan liian kovaa? "" Se tekee tällaisten robottien kehittämisestä huomattavasti vähemmän monimutkaisempia kuin yrittää antaa perinteiselle robottivälineelle valta tuntea.

Mutta jos nämä asiat menevät hallitsemattomista ympäristöistä, kuten varastoista ja tulevat meidän kaoottisiin koteihin, heidän on oltava herkempiä. "Se on, että pehmeys yksin, että noudattaminen, ei saada sinut tarpeeksi pitkälle", Nicholas Kellaris, robotiikan Colorado Springsin yliopistossa. "Mitä se tahtoa tee silti yhä enemmän sietokykyä virheestä – et räpäytä lasia pudottamalla siihen hieman liian kovaa. "

Se on maailma, joka muokkautuu Baymaxille, vähemmän Terminatorille. Ja luulen, että voimme kaikki saada käsiimme sen ympärille.


Lisää suuria WIRED-tarinoita

Uber laskee omat liikennearviot polttoaineiden kysyntään autojen ulkopuolella – TechCrunch


Jos koko kartta on punainen ja se on lyhyt matka, ehkä haluat mieluummin Uberin JUMP Bike sijaan UberX. Tai ainakin, jos päätyy jumissa puskuri-puskurin varoitukseen, saatat olla vähemmän todennäköistä saada hullun keskilento ja ottaa se pois kuljettajan luokituksesta.

Tällä viikolla TechCrunch havaitsi Uberin sinisen, keltaisen ja punaisen liikennetiedotuksen yläreunukset reittikarttasi ennen kuin joudut. TechCrunchin kyselyyn vastatessaan Uber vahvisti, että liikenteen arvioita on testattu hiljaa Android-ratsastajille viime kuukausina ja pilottiohjelma hiljattain laajeni iOS-käyttäjien osajoukoksi. Se on jo elävä kaikille kuljettajille.

Ylikuormituksen indikaattorit perustuvat Uberin omiin liikennetietoihin, jotka on vedetty historiallisista matkatiedoista noin 10 miljardilla ratsastuksella ja ajantasaisimmillaan sen kuljettajien puhelimista, eikä Googlen arvioista, jotka Uberin kartat ovat jo tehneet.

Jos liikennetiedot estävät liikenteen, ne saattavat tehdä käyttäjistä suvaitsevaisempia pidemmistä ETA-päivityksistä ja heikentää todennäköisesti kilpailevaa sovellusta, koska he tietävät, että heidän kuljettajansa voi kestää kauemmin poimia ne, koska ruuhkat ovat syyllisiä Uberin algoritmin sijaan. Ratsastuksen aikana he saattavat olla kärsivällisiä tukkeutuneiden kaduilla.

Uberin tutkimus Intian liikenteestä

Mutta mielenkiintoisin, kun liikenneolosuhteet voivat auttaa käyttäjiä valitsemaan, kun on aika ottaa yksi Uberin ei-auton valinnoista. He voisivat purjehtia liikennettä Uberin uusiin sähköisiin JUMP-pyöriin tai ostaa julkisen liikenteen lipun Uberista uuteen yhteistyöhön Masabin kanssa uuden New Yorkin MTA: n ja muiden kaupunkien linja-autojen ja junien kanssa. Uberissa halvemmat ja vähemmän työvoimavaltaiset, nämä vaihtoehdot ovat järkevämpiä ratsastajille, mitä enemmän liikenteessä on. Yrityksen etu on ohjata käyttäjiä kohti kaikkein tyydyttävämpää liikennemuotoa ja liikennetiedot saattavat osoittaa ne oikeaan suuntaan.

Uber Movement -ohjelman kautta yritys alkoi jakaa liikennetietojaan kaupunkivaltioiden kanssa viime vuoden alussa. Tavoitteena oli antaa kaupunkisuunnittelijoille todisteet, joita he tarvitsevat tehostaakseen kaduillaan. Uber on jo pitkään väittänyt, että se voi auttaa vähentämään liikennettä tekemällä ihmisiä yhteisiin ratsastuksiin ja poistamalla pyöriä etsimään pysäköintiä. Mutta uusi tutkimus osoitti, että Uberin ja Lyftin henkilökohtaisen ajamisen jokaisella kilometrillä eliminoitiin lisätty 4,2 kilometriä ammatillista ajoa – 180 prosentin kasvua kokonaisliikenteessä.

Uber on edelleen oppimassa, pitävätkö käyttäjät liikenteen arvioita hyödyllisiksi ennen kuin hän katsoo, että heidät siirretään pysyvästi kaikille. Juuri nyt he näyttävät vain pienelle prosenttiosuudelle käyttäjistä, jotka ovat jakamattomia UberX-, Black-, XL-, SUV- ja Taksi-reittejä ennen kuin joudut. Mutta Uberin tiedottaja vahvisti, että yhtiön pitkäaikainen tavoite on pystyä kertomaan käyttäjille, että halvinta tapa päästä sinne on vaihtoehto X, nopein vaihtoehto Y ja mukavin vaihtoehto Z. Liikenteen arvioinnit ovat avain tähän. Ja nyt, että sillä on niin paljon autoa tien päällä niin kauan, sillä on tarvittavat signaalit, joiden avulla voidaan ennustaa, mitkä kadut ovat sileitä ja jotka juuttuvat tiettyyn tuntiin.

Vuosien ajan Uber nimesi itselleen logistiikkayrityksen, ei ratsastajayrityksen. Useimmat ihmiset antoivat sille tietävän kynnen. Jokainen Silicon Valley -yritys pyrkii vahvistamaan sen merkitystä väittäen valloittavan korkeamman abstraktin tason. Mutta henkilökohtaisten liikennemuotojen, kuten pyöräilyn ja skootterien, myötä Uber on valmis ansaamaan otsikon saamalla meidät pisteestä A pisteeseen B, mutta me kuitenkin haluamme.