Наш коллега - робот - [28]
Как научить робота "видеть"? У нас нет нужды приделывать ему "голову с глазами". Глаз мы можем поместить, например, на потолке, а затем сообщать роботу название и форму детали, и он будет собирать их.
В другом варианте мы могли бы поместить глаз робота ему на "ладонь".
Допустим, что при сварке различных конструкций робог должен помещать их металлические части в разные положения. Если его "глаз" расположен на "ладони", автомат сам сможет "видеть", где именно и как должна происходить сварка. Есть проект робота - упаковщика шоколада. Сейчас на обычной шоколадной фабрике работницы сидят за столом, а перед ними движется поток пустых коробок. Шоколадки подаются конвейерной линией. Работницы укладывают их в коробки по две штуки в секунду. Планируется установить у линии два небольших манипулятора и телекамеру. Камера будет сообщать манипуляторам, что делать их "пальцам" для укладки шоколадок. В данном случае у манипуляторов есть некое зачаточное "зрение". Но это крайне упрощенный случай - темные шоколадки на светлом фоне. Если сказать такому роботу: "Прошу тебя пойти и собрать букет белых лилий", для него невозможно было бы выполнить столь сложный приказ.
До настоящего времени оснащение зрением какоголибо устройства из металла требовало талантов поистине нечеловеческих. Однако усовершенствование технологии компьютеров радикальным образом изменило ситуацию. Разработка видеосистем для роботов началась с создания телекамер. Изображение объекта превращается в тысячи точек, из которых состоит телевизионное изображение. Эти черные и белые точки вводятся в ЭВМ, управляющую роботом, в виде цифровой информации в двоичном коде (0,1). Черную точку отображает единица, белую - ноль. Изображение предмета преобразуется в электронной памяти компьютера в серию нолей и единиц. Теперь робот может "увидеть" предмет, то есть сравнить его цифровую кодограмму с набором цифр, хранящихся в памяти, и "узнать" его, то есть определить, к классу каких объектов он относится.
Там, где нули переходят в единицы, компьютер отмечает силуэт объекта и его ориентацию. После этого он немедленно вычисляет многие из его характеристик, например площадь, периметр, диаметр и т. д., и сравнивает их с характеристиками объекта, хранящимися в его памяти. Когда ЭВМ отыщет в своей памяти подобный набор цифр, робот узнает, что же он видит перед собой.
Сказав на электронном языке "агаЬ, он даст команду своим "пальцам" сделать с предметом то, что нужно, например схватить за край, поднять и перевернуть.
Поскольку робот не может различать многочисленные оттенки серого цвета, необходимо высококонтрастное освещение, а как его осуществить для изделий, движущихся на сборочном конвейере?
Сейчас разрабатываются более совершенные системы, которые будут различать много оттенков яркости.
Создаются приборы, способные формировать изображение с помощью так называемой "серой шкалы", где яркость может быть выражена в диапазоне величин от О до 15 или даже от 0 до 255. С такими "способностями" компьютер сможет различить малейшие изменения яркости и обеспечить точное опознавание объектов. Однако системы с "серой шкалой" столь сложны, что время распознавания даже для мощной ЭВМ оказывается очень большим. Если имеется сотня уровней "серости" в широком поле зрения, то для распознавания образца компьютер должен выполнить огромное количество вычислений, и чем беспорядочней и хаотичней "сцена",тем сложнее задача ЭВМ. Таким образом, будущее систем со "прением" зависит как от продолжающегося прогресса в компьютерной технике, так и от создания лучших устройств распознавания.
Однако, чтобы быть таким же эффективным, как человеческий глаз, "глаз" робота должен опираться па соответствующий интеллект компьютера, который работает в миллион раз быстрее, чем любой из современных.
И хотя некоторым ученым это не кажется фантастнчным, особенно учитывая головокружительный прогресс микроэлектроники, даже современное состояние вычислительной техники позволяет делать весьма оптимистические прогнозы. В конце концов робот может "видеть" гораздо лучше человека и сегодня, ведь человеческому глазу доступна для восприятия лишь оптическая часть спектра электромагнитных волн. А соответствующее электронное устройство свободно от биологических ограничений, его можно сделать чувствительным к инфракрасным и ультрафиолетовым лучам. К электронному глазу можно подключить радар или сонар, он сможет видеть в темноте и при сверхъярком свете в печи телескопически или микроскопически, фиксировать процессы, проистекающие или очень быстро, или чересчур медленно. Тогда станет возможным то, что "и не снилось" зрению человека, например спектрографический анализ вещества объекта путем простого "осматривания".
На очувствленном роботе Токийского университета проводятся эксперименты с движущимися предметами.
Робот оснащен подсистемой "визуального очувствления", или, попросту говоря, зрения на телекамере. Это позволяет ему весьма точно определять координаты предмета. Управляющее устройство -на базе микрокомпьютера осуществляет пересчет из системы координат рабочей зоны в систему координат манипулятора и вырабатывает управляющее воздействие на приводы манипулятора. Управление осуществляется в так называемом реальном времени.
В этой книге океанограф, кандидат географических наук Г. Г. Кузьминская рассказывает о жизни самого теплого нашего моря. Вы познакомитесь с историей Черного моря, узнаете, как возникло оно, почему море соленое, прочтете о климате моря и влиянии его на прибрежные районы, о благотворном действии морской воды на организм человека, о том, за счет чего пополняются воды Черного моря и куда они уходят, о многообразии животного и растительного мира моря. Книга рассчитана на широкий круг читателей.
В книге рассмотрены ключевые вопросы советской внешней политики в 1956 г., связанные с известным политическим деятелем, членом Президиума ЦК КПСС, первым заместителем Председателя Совета министров СССР Анастасом Ивановичем Микояном. При написании работы использованы не вводившиеся ранее в научный оборот архивные документы и фотографии, воспоминания Микояна, другие исторические источники. Для широкого круга читателей, интересующихся проблемами международных отношений и внешней политики в годы «холодной войны», а также личностным фактором в отечественной истории советского периода. Издание приурочено к исполнившемуся в ноябре 2020 г.
О чем это? • о ключевых словах современной науки; • о самых страшных экспериментах; • о сущности цивилизации. «Любому человеку нужен просто разговор – о важном, научном. Это задача научных журналистов. И один из самых ярких, самых ясных, самых ответственных – Григорий Тарасевич». Александр Архангельский, телеведущий, писатель, профессор Высшей школы экономики «…Книга вызывает множество противоречивых чувств: с рядом моментов хочется спорить, от большинства историй смеялась в голос, а от некоторых глав становилось безумно грустно».
История машинного обучения, от теоретических исследований 50-х годов до наших дней, в изложении ведущего мирового специалиста по изучению нейросетей и искусственного интеллекта Терренса Сейновски. Автор рассказывает обо всех ключевых исследованиях и событиях, повлиявших на развитие этой технологии, начиная с первых конгрессов, посвященных искусственному разуму, и заканчивая глубоким обучением и возможностями, которые оно предоставляет разработчикам ИИ. В формате PDF A4 сохранен издательский макет.
Что значат для демократии добровольные общественные объединения? Этот вопрос стал предметом оживленных дискуссий после краха государственного социализма и постепенного отказа от западной модели государства всеобщего благосостояния, – дискуссий, сфокусированных вокруг понятия «гражданское общество». Ответ может дать обращение к прошлому, а именно – к «золотому веку» общественных объединений между Просвещением и Первой мировой войной. Политические теоретики от Алексиса де Токвиля до Макса Вебера, равно как и не столь известные практики от Бостона до Санкт-Петербурга, полагали, что общество без добровольных объединений неминуемо скатится к деспотизму.
С тех пор как человек обрел способность задумываться о себе, вопрос собственного происхождения стал для него центральным. А уж в XXI веке, когда стремительно растет объем данных по ископаемым остаткам и развиваются методики исследований, дискуссия об эволюционной истории нашего вида – поистине кипящий котел эмоциональных баталий и научного прогресса. Почему остались только мы, Homo sapiens? Какими были все остальные? Что дало нам ключевое преимущество перед ними – и как именно мы им воспользовались? Один из ведущих мировых специалистов, британский антрополог Крис Стрингер, тщательно собирает гигантский пазл, чтобы показать нам цельную картину: что на сегодняшний день известно науке о нас и о других представителях рода Homo, чего мы достигли в изучении своего эволюционного пути и куда движемся по нему дальше. В формате PDF A4 сохранён издательский дизайн.