Jump to content
Forum Kopalni Wiedzy
  • ×   Pasted as rich text.   Paste as plain text instead

      Only 75 emoji are allowed.

    ×   Your link has been automatically embedded.   Display as a link instead

    ×   Your previous content has been restored.   Clear editor

    ×   You cannot paste images directly. Upload or insert images from URL.

  • Similar Content

    • By KopalniaWiedzy.pl
      Robot z piórami gołębia to najnowsze dzieło naukowców z Uniwersytetu Stanforda. Korzysta ono z dodatkowego elementu, ułatwiającego ptakom latanie – możliwości manipulowania rozstawem piór i kształtem skrzydeł.
      David Lentink ze Stanforda przyglądał się sposobowi pracy skrzydeł, poruszając skrzydłami martwego gołębia. Zauważył, że najważniejszy dla zmiany kształtu skrzydeł są kąty poruszania się dwóch stawów: palca i nadgarstka. To dzięki ich zmianie sztywne pióra zmieniają kształt tak, że zmienia się cały układ skrzydeł, co znakomicie pomaga w kontroli lotu.
      Korzystając z tych doświadczeń Lentink wraz z zespołem zbudowali robota, którego wyposażyli w prawdziwe pióra gołębia.
      Robot to urządzenie badawcze. Dzięki niemu naukowcy z USA mogą prowadzić eksperymenty bez udziału zwierząt. Zresztą wielu testów i tak nie udało by się przeprowadzić wykorzystując zwierzęta. Na przykład uczeni zastanawiali się, czy gołąb może skręcać poruszając palcem tylko przy jednym skrzydle.
      Problem w tym, że nie wiem, jak wytresować ptaka, by poruszył tylko jednym palcem, a jestem bardzo dobry w tresurze ptaków, mówi Lentink, inżynier i biolog z Uniwersytetu Stanforda. Robotyczne skrzydła rozwiązują ten problem. Testy wykazały, że zgięcie tylko jednego z palców pozwala robotowi na wykonanie zakrętu, a to wskazuje, że ptaki również mogą tak robić.
      Uczeni przeprowadzili też próby chcąc się dowiedzieć, jak ptaki zapobiegają powstaniu zbyt dużych przerw pomiędzy rozłożonymi piórami. Pocierając jedno pióro o drugie zauważyli, że początkowo łatwo się one z siebie ześlizgują, by później się sczepić. Badania mikroskopowe wykazały, że na krawędziach piór znajdują się niewielkie haczyki zapobiegające ich zbytniemu rozłożeniu. Gdy pióra znowu się do siebie zbliżają, haczyki rozczepiają się. W tym tkwi ich tajemnica. Mają kierunkowe rzepy, które utrzymują pióra razem, mówi Lentink.
      Uczeni, aby potwierdzić swoje spostrzeżenia, odwrócili pióra i tak skonstruowane skrzydło umieścili w tunelu aerodynamicznym. Pęd powietrza utworzył takie przerwy między piórami, że wydajność skrzydła znacznie spadła.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Psy spontanicznie przetwarzają liczby w wydzielonym obszarze mózgu, który blisko odpowiada obszarowi mózgu odpowiedzialnemu za przetwarzanie liczb u ludzi, wykazali naukowcy z Emory University. Nasze badania nie tylko wykazały, że do przetwarzania liczb psy wykorzystują te same obszary mózgu co ludzie, ale pokazały również, że nie muszą być w tym celu szkolone, mówi profesor Gregory Berns.
      Zrozumienie tego mechanizmu, zarówno u ludzi jak i u zwierząt, daje nam wgląd w ewolucje mózgu i jego obecne funkcjonowanie, dodaje współautorka badań, profesor Stella Lourenco. Jak zauważa uczona, dzięki takim badaniom możemy w przyszłości leczyć różne choroby nózgu czy udoskonalać systemy sztucznej inteligencji.
      Eksperyment polegał na obrazowaniu mózgu psów za pomocą funkcjonalnego rezonansu magnetycznego (fMRI) podczas gdy zwierzętom wyświetlano na ekranie rożną liczbę kropek. Badania wykazały istnienie reakcji w korze ciemieniowo-skroniowej w odpowiedzi na zmieniającą się liczbę kropek. Kropki, niezależnie od ich liczby, miały zawsze taką samą powierzchnię, dzięki czemu wiadomo było, że mózg reaguje na zmiany liczby, a nie powierzchni.
      Mózg potrafi zgrubnie oszacować liczbę przedmiotów, dzięki czemu można np. ocenić liczbę zbliżających się drapieżników czy ilość jedzenia. Mamy dowody, że tego typu reakcja zachodzi już u ludzkich niemowląt. Teraz widzimy, że wykazują ją też psy i to w podobnym obszarze mózgu.
      Podstawowa umiejętność oceny liczby przedmiotów nie opiera się na myśleniu symbolicznym ani treningu i wydaje się powszechnie występować u zwierząt. Jednak dotychczas większość badań prowadzono na zwierzętach, które przed eksperymentami były intensywnie trenowane. Wiele takich badań prowadzono np. na małpach, ale nie było wiadomo, czy podobne zdolności wykazują inne zwierzęta poza naczelnymi nieczłowiekowatymi, gdyż małpy były wcześniej trenowane i nagradzane za wybranie obrazka z większą liczbą kropek. Podobne badania na psach wykazały, że i one potrafią odróżniać liczbę przedmiotów. Jednak również w tym wypadku psy były wcześniej trenowane.
      Berns to pomysłodawca Dog Project, w ramach którego badane są różne mechanizmy ewolucyjne u psów. To właśnie w ramach tego projektu przeprowadzono obecne badania. Pierwsze, podczas których kwestię odróżniania liczby przez psy postanowiono sprawdzić za pomocą rezonansu magnetycznego u zwierząt, których wcześniej nie uczono.
      W eksperymencie wzięło udział 11 psów różnych ras. Nauczono je jedynie wchodzenia do maszyny i pozostawania w niej bez ruchu. Następnie zwierzętom wyświetlano różną liczbę kropek. U 8 z 11 psów zauważono większą aktywność kory ciemieniowo-skroniowej w reakcji na zmieniającą się liczbę kropek.
      Odwołaliśmy się do źródła, obserwując bezpośrednio mózgi psów i sprawdzaliśmy, jak reagują neurony na zmiany liczby kropek. Pozwoliło nam to na wyeliminowanie słabości poprzednich badań behawioralnych nad psami i innymi zwierzętami, mówi główna autorka badań, Lauren Aulet.
      Psy i ludzi dzieli 80 milionów lat ewolucji. Badania te dowodzą, że zdolność do postrzegania liczb jest co najmniej tak stara, dodaje Berns. Jesteśmy zdolni do przeprowadzania skomplikowanych obliczeń właśnie dlatego, że posiadamy podstawową zdolność do postrzegania liczby. Zdolność, którą dzielimy z innymi zwierzętami. Chciałabym się dowiedzieć, jak wyewoluowaliśmy umiejętność przeprowadzania złożonych obliczeń i jak zdolność ta rozwija się u każdego z osobna, dodaje Aulet.
       


      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Problem trzech ciał, czyli ruchu trzech ciał oddziałujących na siebie przez grawitację, stanowi poważne wyzwanie obliczeniowe od czasu sformułowania go przez Newtona. Obecnie, dzięki komputerom. możemy poznać dokładne rozwiązanie problemu, jednak nawet nowoczesnym maszynom obliczenia zajmują całe tygodnie, a nawet miesiące.
      Grupa naukowców z Uniwersytetów w Lejdzie, Aveiro, Edynburgu i Cambridge zaprzęgła do obliczeń sztuczną inteligencję. Okazało się, że sieci neuronowe radzą sobie z obliczeniami nawet 100 milionów razy szybciej niż najbardziej zaawansowany obecnie algorytm Brutus. Jak mówi Chris Foley z University of Cambridge, to pokazuje, że sieci neuronowe mogą zostać wykorzystane do badania zachowania gromad gwiazd i lepszego poznania wszechświata.
      Jak czytamy w opublikowanym w arXiv artykule pod tytułem „Newton vs the machine: solving the chaotic three-body problem using deep neural networks [PDF]”, równania takie odgrywają główną rolę w rozwiązaniu wielu klasycznych problemów fizyki. Na przykład wyjaśniają one dynamiczną ewolucję gromad kulistych i jąder galaktycznych, które są uważane za miejsca powstawania układów podwójnych czarnych dziur, które w końcu łączą się, wytwarzając fale grawitacyjne. Los tych systemów zależy od interakcji trzech ciał, układów podwójnych czarnych dziur i pojedynczej czarnej dziury. Interakcje pomiędzy nimi zachodzą zwykle w ściśle określonym przedziale czasu i, biorąc pod uwagę silne interakcje pomiędzy tymi trzema ciałami, można zignorować wpływ innych ciał, co oznacza, że interakcje pomiędzy trzema ciałami można obliczać w izolacji od innych interakcji.
      Foley zauważa, że jeśli potwierdzi się, że sieć neuronowa pozwala na dokonanie precyzyjnych obliczeń w bardo krótkim czasie, to będziemy mogli myśleć o odpowiedziach na znacznie głębsze pytania, jak np. te o powstawanie fal grawitacyjnych.
      Jako, że sieci neuronowe wymagają odpowiedniego treningu przed zaprzęgnięciem ich do pracy Foley i jego koledzy – Philip G. Breen, Tjarda Boekholt i Simon Portegies Zwart – przygotowali za pomocą Brutusa 9900 uproszczonych scenariuszy dotyczących problemu trzech ciał. One posłużyły do treningu. Następnie przetestowali swoją sieć neuronową dając jej do rozwiązania 5000 kolejnych problemów tego typu, z którymi wcześniej się nie zetknęła. Okazało się, że wykonane przez nią obliczenia dały bardzo podobne wyniki, jak te, które uzyskano z Brutusa. O ile jednak Brutus potrzebował na rozwiązanie każdego z tych 5000 problemów około 2 minut, sieć neuronowa radziła sobie z nimi w ułamku sekundy.
      Christopher Foley wyjaśnia, że Brutus i podobne mu algorytmy są znacznie wolniejsze od SI, gdyż prowadzą obliczenia dla każdego niewielkiego przesunięcia się każdego z ciał w układzie. Tymczasem sztuczna inteligencja przygląda się ruchowi i poszukuje wzorców, które pozwolą na przewidzenie przyszłego zachowania ciał.
      Uczony zauważa, że problemem może być skalowanie możliwości sieci neuronowej. Musi ona bowiem się uczyć na istniejącym zestawie danych. Teraz była trenowana na uproszczonych scenariuszach. Jeśli jednak będzie potrzeba nauczenia jej radzenia sobie z bardziej złożonymi scenariuszami, czy z układami czterech lub nawet pięciu ciał, konieczne będzie wcześniejsze przygotowanie scenariuszy treningowych. A te trzeba będzie wykonać za pomocą powolnego Brutusa. Tu właśnie dochodzimy do momentu, gdy z jednej strony możemy trenować fantastycznie pracującą sieć neuronową, a z drugiej potrzebujemy danych treningowych. To wąskie gardło, stwierdza Foley. Sposobem na poradzenie sobie z tym problemem byłoby stworzenie całego zestawu danych uzyskanych za pomocą takich programów jak Brutus. To jednak oznacza, że najpierw musiałyby powstać standardowe protokoły, dzięki którym dane uzyskane od różnych programów będą spełniały te same wymagania i zostaną zapisane w tych samych formatach.
      Innym problemem jest fakt, że sieć neuronowa może zostać uruchomiona na określony czas. Nie sposób jednak przewidzieć, jak długo potrwają konkretne obliczenia zatem sieć może przestać działać zanim dostarczy wyników. Foley przewiduje powstawanie hybryd, w których część pracy wykonają programy takie jak Brutus, a sieci neuronowe zajmą się przetwarzaniem tylko najbardziej wymagających obliczeń. Za każdym razem gdy podczas obliczeń Brutus się zatnie, może włączać się sieć neuronowa i popchnie obliczenia do przodu, a gdy Brutus znowu będzie gotów do pracy, podejmie ją na nowo.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Autorzy nowych badań twierdzą, że ojczyzną współczesnych ludzi jest Botswana. To właśnie tam, w delcie rzeki Okawango, miała przed 200 000 laty pojawić się i rozwijać pierwsza populacja człowieka współczesnego.
      W artykule, opublikowanym na łamach Nature, czytamy: anatomicznie współcześni ludzie pojawili się w Afryce około 200 000 lat temu. Chociaż niektóre najstarsze szczątki sugerują, że pochodzili oni ze wschodu Afryki, to południe Afryki jest domem populacji, która reprezentuje najwcześniejszą gałąź filogenetyczną. W ramach naszej pracy stworzyliśmy największą, o ile nam wiadomo, bazę słabo reprezentowanej macierzystej gałęzi L0 mitochondrialnego DNA pobranego od współczesnych mieszkańców południa Afryki. Dzięki odtworzeniu w czasie częstotliwości oraz rozkładu występowania, wykazaliśmy, że gałąź L0 pojawiła się na mokradłach Makgadikgadi-Okawango przed około 200 000 lat. Autorzy badań stwierdzili, że przedstawiciele tej linii genetycznej pozostawali na wspomnianym obszarze przez około 70 000 lat, następnie zaczęli się rozprzestrzeniać. Jest to zgodne z tym, co wiemy o ówczesnym klimacie. W tym bowiem czasie stawał się on coraz bardziej wilgotny, dzięki czemu powstały korytarze sprzyjające migracji.
      Ci pierwsi anatomicznie współcześni ludzie byli niewielką grupą łowców-zbieraczy ludu Khoisan. Zamieszkiwali oni obszar wielkości współczesnej Szwajcarii. Wówczas cały region Makgadikgadi-Okawango stanowiły mokradła. Jak mówi główna autorka badań, Vanessa M. Hayes, genetyk z australijskiego Garvan Institute of Medical Research, tamtejsza społeczność była wyjątkowo stabilna i przez 70 000 lat zamieszkiwała niemal niezmienione tereny przypominające dzisiejszą deltę Okawango.
      Autorzy badań oparli je na mitochondrialnym genomie 1217 współczesnych mieszkańców południa Afryki. Skupili się na badaniu najstarszej znanej linii mitochondrialnej L0. Badanie akumulowania się mutacji pozwala na określenie czasu, w jakim zachodziły zmiany. Zmiany takie zostały zidentyfikowane i datowane. Okazało się, że datowanie koreluje z datowaniem zmian klimatycznych oraz z archeologicznymi dowodami na migrację człowieka.
      Jak mówią naukowcy, najpierw przed około 130 000 laty, w wyniku zwiększania się opadów, otworzył się korytarz, który umożliwił migrację na północny-wschód. Około 110 000 lat temu obszar Makgadikgadi-Okawango stawał się coraz bardziej suchy, a jednocześnie otworzył się korytarz do migracji na południe. Dowodami na takie migracje są, zdaniem uczonych, istniejące do dzisiaj izolowane linie genetyczne L0k i L0d1'2.
      Te nowe badania pasują do wcześniej zdobytych dowodów genetycznych, wskazujących na istnienie migracji z południa do Afryki Wschodniej, do mieszania się z tamtejszymi populacjami i migracji poza Afrykę. Jeszcze inne, tegoroczne badania, sugerują, że migracja z południa Afryki na wschód bezpośrednio poprzedzała dużą migrację poza Afrykę.
      James Cole, archeolog z angielskiego University of Brighton, który nie brał udziału w badaniach grupy Hayes, chwali Australijczyków za ich osiągnięcia. Jednak zauważa, że nie uwzględnili oni w swojej pracy tak ważnych dowodów, jak np. liczący sobie 315 000 lat szkielet człowieka współczesnego znaleziony w Maroku. Hayes odpowiada, że w swoich badaniach skupiła się wyłącznie na populacji bezpośrednich przodków współcześnie żyjących ludzi, a wobec braku DNA ze szkieletu z Maroka nie znamy jego związków z dzisiejszymi H.sapiens.
      Na braki zwraca też uwagę Milford Wolpoff, paleonatropolog z University of Michgan. Jego zdaniem zespół Hayes zbyt wąsko podszedł do problemu. Opieranie się jedynie na dowodach mitochondrialnych może wprowadzić w błąd. Na przykład nasze związki genetyczne z neandertalczykami są widoczne wyłącznie w DNA jądrowym, a zupełnie brak ich w DNA mitochondrialnym. DNA jądrowe składa się z trzech miliardów par zasad i może ono opowiadać zupełnie inną historię o pochodzeniu człowieka współczesnego niż to, czego możemy dowiedzieć się z mitochondrialnego DNA składającego się z 16 000 par.
      Jak obrazowo powiedział James Cole: mamy do czynienia z puzzlami składającymi się z miliona części. Ułożyliśmy może 100 pierwszych. Paleogenetyka znacząco zwiększyła skalę problemu. Gdy mieliśmy do czynienia z danymi paleontologicznymi i archeologicznymi, wydawało się, że to układanka z 1000 puzzli. Genetyka miała pozwolić na ich całkowite ułożenie. Zamiast tego okazało się, że ten obraz jest znacznie bardziej skomplikowany niż sądziliśmy.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Inżynierowie z amerykańsko-chińskiego zespołu zbudowali miękkiego robota z funkcjami neurobiomimetycznymi. Naukowcy twierdzą, że to pierwszy krok w kierunku bardziej złożonego sztucznego układu nerwowego.
      Prof. Cunjiang Yu z Uniwersytetu w Houston podkreśla, że dzięki temu w przyszłości powstaną protezy, które będą się bezpośrednio łączyć z nerwami obwodowymi w tkankach biologicznych, zapewniając sztucznym kończynom funkcje neurologiczne. Osiągnięcie autorów publikacji z pisma Science Advances przybliża też perspektywę miękkich robotów, które będą potrafiły myśleć i podejmować decyzje.
      Akademicy z ekipy Yu dodają, że ich odkrycia przydadzą się zarówno specjalistom z dziedziny neuroprotetyki, jak i obliczeń neuromorficznych (chodzi o przetwarzanie dużych ilości danych przy niewielkim zużyciu energii; a wszystko to za pomocą urządzeń naśladujących elektryczne działanie sieci nerwowych).
      Czerpiąc inspiracje z natury, naukowcy zaprojektowali tranzystory synaptyczne, czyli tranzystory działające podobnie do neuronów, które spełniają swoje funkcje nawet po rozciągnięciu o 50%.
      Podczas testów tranzystor umożliwiał np. powstanie potencjału postsynaptycznego pobudzającego czy zjawiska facylitacji (ang. paired-pulse facilitation, PPF), a także realizował funkcje pamięciowe.
      Koniec końców miękki robot został wyposażony w odkształcalną sztuczną skórę z gumy wrażliwej na nacisk i tranzystorów synaptycznych. Dzięki temu był w stanie "wyczuwać" interakcje ze środowiskiem zewnętrznym i odpowiednio na nie reagować.

      « powrót do artykułu
×
×
  • Create New...