Не секрет, что обладатели смарт-часов и фитнес-браслетов рассчитывают с помощью носимой электроники повысить эффективность спортивных занятий. Тренировки под руководством таких гаджетов, предлагающих набор встроенных датчиков и интеллектуальное ПО с полезными советами по распределению нагрузок, кажутся многим панацеей успешных самостоятельных занятий без привлечения опытных инструкторов. Глобальная популяризация носимых устройств привела к тому, что смарт-браслеты стали общедоступными аксессуарами ввиду своей низкой стоимости. Мониторинг за сердцебиением спортсмена и возможность подсчитывать количество сожжённых им калорий превратились в обязательные атрибуты фитнес-электроники.  

gizguide.com

Специалисты Стэнфордского университета заинтересовались вопросом: действительно ли так точны в своих измерениях популярные модели смарт-часов. В основу эксперимента легли две наиболее востребованные функции при выборе носимых гаджетов:

• определение частоты сердечного ритма;
• подсчёт количества сожжённых калорий. 

Для объективности результатов исследования для теста были выбраны семь устройств разной ценовой категории и года выпуска. В числе конкурсантов оказались смарт-часы Apple Watch, Basis Peak, PulseOn, Samsung Gear S2, Fitbit Surge, Microsoft Band и часы-пульсометр Mio Alpha 2. Проверять на себе их возможности принялись 60 добровольцев, отличавшихся по возрасту, индексу массы тела и даже цвету кожи для непредвзятости испытаний.

Эталоном при определении физиологических показателей выступило профессиональное медицинское оборудование, которому доверили измерение затрачиваемых на выполнение физических упражнений калорий.

Новоиспечённые пользователи смарт-электроникой отправились на беговые дорожки и велотренажёры, после чего стэнфордские учёные пришли к следующим выводам:

1. Точность замеров частоты сердцебиения у всех испытанных гаджетов оказалась примерно на одинаково хорошем уровне. У шести из семи тестируемых моделей погрешность не вышла за рамки 5 %.
2. Для измерения сожжённых калорий годятся далеко не все фитнес-гаджеты по причине катастрофических расхождений в результатах и значительном отклонении от истинного значения. Причина этого кроется в сложности процедуры: для измерений недостаточно оперировать лишь массой тела, ростом пользователя и данными о его физической активности. Средняя погрешность показателей у Apple Watch и Fitbit Surge составила 27 %, а модель PulseOn и вовсе ошиблась аж на 97 %. Остальные смарт-часы находились в промежутке где-то посредине обнародованной статистики, демонстрируя неактуальную информацию.

Одна из причин, по которой проекты для шлемов виртуальной реальности вызывают у некоторых людей головную боль, тошноту и головокружение — это то, что экраны таких устройств не способны адаптировать изображение под особенности глаз того или иного пользователя. Команда исследователей из Стэнфордского университета планирует исправить эту проблему, разработав для VR-шлемов экраны, на которых изображение меняется в зависимости от возраста человека и других условий.

Например, многим пожилым людям гораздо сложнее фокусироваться на близко расположенных объектах, чем молодому поколению. «Каждый человек нуждается в различных оптических режимах для получения лучшего возможного опыта в виртуальной реальности», — заявил ведущий исследователь Гордон Ветцштейн (Gordon Wetzstein).

Сотрудники университета уже начали тестировать программные исправления и два шлема с различными вариантами настроек экрана. Основная проблема существующих экранов — это то, что из-за их близости к глазам человеку может быть тяжело концентрироваться на одной точке, поэтому разработка прототипов направлена именно на устранение этой трудности.

В одном из прототипов используются жидкие линзы, которые могут сжиматься и разжиматься. Второе тестовое устройство работает по принципу бинокля, перемещая экран вперёд и назад. Оба прототипа используют технологии отслеживания глаз для определения того, куда смотрит человек.

На данный момент прототипы стэнфордских учёных могут помочь только людям с близорукостью или дальнозоркостью, однако бесполезны, например, при астигматизме. Впрочем, по словам исследователей, это лишь начало — в будущем они планируют усовершенствовать имеющиеся технологии и продвигать их в массы.

Исследователи из Стэнфордского университета разработали алгоритм искусственного интеллекта, способный наравне с профессиональными докторами обнаруживать у человека рак кожи. Для создания программы использовались примерно 130 тысяч изображений родинок, сыпи и кожных поражений. Затем в рамках тестирования эффективность алгоритма сравнили с работой 21 дерматолога, и искусственный интеллект, по словам авторов, в плане точности как минимум на 91 % соответствовал диагностике, проводимой живыми врачами. Предполагается, что в будущем алгоритм может быть использован для создания мобильного приложения для обнаружения рака кожи прямо на дому. Цель исследователей — не заменить дерматологов, а дать людям недорогой способ раннего обнаружения онкологических заболеваний.

Matt Young

Традиционный процесс обнаружения подобных заболеваний включает в себя визуальный осмотр на наличие родинок и других отметин на коже. Чем раньше заболевание обнаруживается, тем больше шансы, что человек выживет. Например, при обнаружении меланомы на ранней стадии её развития люди выживают в 97 % случаев, но на поздних стадиях показатель падает приблизительно до 14 %.

Стэнфордские исследователи начали процесс обучения искусственного интеллекта с использования алгоритма глубокого обучения, созданного Google для классификации изображений. Как говорится в документе, опубликованном в журнале Nature, исследователи «скормили» программе десятки тысяч изображений со всего мира, включавшие в себя информацию о типе рака и его доброкачественности или злокачественности. «Мы собрали картинки из Интернета и работали с медицинской школой, чтобы систематизировать данные, которые сначала были очень беспорядочными — сами по себе отметки были представлены на разных языках, включая немецкий, арабский и латинский», — написал один из авторов исследования Бретт Курпель (Brett Kuprel) в блоге университета.

В результате была создана база данных почти что из 130 тысяч изображений чуть более чем двух тысяч заболеваний. Нейронная сеть просканировала их пиксель за пикселем в поисках характеристик, присущих каждому диагнозу. В итоге алгоритм в плане точности обнаружения меланомы на 95 % соответствовал работе дерматологов, а в поиске доброкачественных родинок — на 76 %. В тех же тестах точность обнаружения злокачественных образцов составила 96 %, а безобидных поражений — 90 %.

Согласно проведённому Стэндфордским университетом исследованию, большинство учащихся не видят разницы между реальными новостными материалами и рекламными, что вызывает обеспокоенность по поводу того, как молодёжь воспринимает подаваемую СМИ информацию. Как сообщает The Wall Street Journal, это самое крупное исследование на данную тему: в нём приняло участие 7804 учащихся средней и старшей школы, а также колледжей.

Согласно исследованию, 82 % учащихся не смогли назвать разницу между естественной рекламой и реальной новостной заметкой на одном и том же сайте. Около 70 % учеников средней школы считают, что у них нет причин не доверять спонсорской финансовой статье, написанной генеральным директором банка. Помимо этого, многие учащиеся оценивают надёжность твитов по уровню их подробности и размеру прикреплённых к ним изображений.

Выборы президента США вызвали горячие споры касательно того, как в Facebook и на других сайтах должны отображаться фальшивые новости. Генеральный директор социальной сети Марк Цукерберг (Mark Zuckerberg) заявил, что компания уже работает над рядом систем для ограничения распространения дезинформации, а Google запретила сайтам с неправдоподобными новостями пользоваться её рекламными инструментами.

Исследование Стэндфордского университета показывает, что учащиеся имеют проблемы с оценкой достоверности информации из онлайн-источников. The Wall Street Journal сообщает, что некоторые учебные заведения уже начали предлагать своим учащимся курсы по медиаграмотности. По словам профессора университета Сэма Уайнбурга (Sam Wineburg), учащиеся должны научиться проводить перекрёстную проверку правдоподобности информации на сайтах, используя несколько источников, и не всегда приравнивать высокий ранг сайтов в поиске Google к их достоверности.

Компания SK Hynix и Стэндфордский университет заявили о намерении объединить усилия в исследовании и разработке устройств на базе искусственных нейронных сетей. Основой таких устройств станут ферроэлектрические материалы. Для ускорения разработки к процессу также подключатся компании Lam Research Corporation и Versum Materials. Ожидается, что результатом сотрудничества станет так называемый нейроморфный процессор.

Компании объединились для разработки нейроморфного чипа

Нейроморфный чип представляет собой полупроводниковое устройство, имитирующее мысленные процессы, протекающие в человеческом мозге. В таких чипах особенно нуждается отрасль Big Data. В современном мире накапливаются гигантские объёмы неструктурированной информации, и обработка таких данных традиционными последовательными методами неэффективна. Нейроморфный процессор признаётся специалистами как наиболее эффективный инструмент для обработки неструктурированных данных. С помощью технологий искусственных нейронных сетей удастся повысить скорость вычислений, а также уменьшить потребляемую мощность систем.

Искусственная нейронная сеть

Основой новых чипов станут ферроэлектрики. Материалы этого класса способны спонтанно переходить в постоянное состояние положительной или отрицательной поляризации. При этом возможно осуществить переключение между этими состояниями поляризации путем приложения электрического поля соответствующей полярности. Поскольку материал способен сохранять свою поляризацию при отсутствии внешних полей, обеспечивается энергонезависимое запоминание. 

В группу подводных археологов, исследующих останки корабля La Lune короля Луи XIV, вошёл ещё один необычный участник. Робот OceanOne с «человеческим зрением, тактильной отдачей и искусственным мозгом» совершил свою первую научную экспедицию.

stanford.edu

Робот создан инженерами Стэндфордского университета. Человекоподобный водолаз ростом около 1,5 м первоначально разрабатывался для изучения рифов в Красном море. Хвостовая часть OceanOne включает блок аккумуляторов, компьютер и массив из восьми маневровых двигателей. В передней части робота размещены две камеры для стереоскопического зрения и две проворные конечности. Силовые датчики в каждом из запястий передают тактильную отдачу оператору, который благодаря этому может чувствовать вес захватываемого объекта. Как отметил один из исследователей, OceanOne играет роль аватара. Робот способен работать очень аккуратно, не разрушая хрупкие предметы, а специальная навигационная система позволяет ему уверенно держаться в одной точке в бурных водах.

Для исследования корабля OceanOne погрузился в Средиземное море на глубину около 100 метров. Интересно, что с момента крушения в 1664 году никто из водолазов не притронулся к этому судну. Одной из первых находок робота стала ваза размером с грейпфрут, которая, кстати, очень неплохо сохранилась. Радости исследователей не было предела.

В следующем месяце робот вернётся на родину. Инженеры планируют создать ещё несколько роботов и научить их работать группами.

Если некоторые люди способны тянуть зубами автомобили, автобусы и даже трамваи, то подобные роботы-силачи вряд ли вызовут удивление. Но миниатюрные роботы размером с таракана, сдвигающие с места авто весом почти две тонны, не могут оставить равнодушным.

При создании уникальных миниатюрных роботов исследователей Стэндфордской лаборатории биомимического гибкого манипулирования вдохновили обычные муравьи, известные своей способностью переносить грузы многократно превышающие их собственный вес. Новинка получила имя mTug. При весе всего 17 граммов этот микробот имеет грузоподъёмность порядка 34 кг. Но гораздо больше возможностей открывается при объединении их в команду. Шесть обученных микроботов уже способны, пусть и медленно, тянуть автомобиль.

stanford.edu

Больше информации об этих интересных исследованиях можно найти здесь. 

Два месяца назад стало известно, что компания NVIDIA вместе с группой учёных из Стэнфордского университета работает над уникальной версией шлема для погружения в виртуальную реальность. Партнёры начали создавать устройство на несколько другом принципе работы, чем остальные.

Первый показанный прототип шлема NVIDIA на эффекте «светового поля»

В классическом варианте шлем для виртуальной реальности содержит один большой или по два экрана меньшего размера — по одному для каждого глаза. Глаза блуждают по плоскости экрана — каждый в своей зоне с чуть сдвинутым друг по отношению к другу изображению (как бы под разным углом). Иллюзию объёмного изображения создаёт мозг. В реальном окружении движение глаз подчиняется другим правилам. Угол между осями фокусировки зрачков может сходиться и даже пересекаться, когда объект находится на кончике носа. При переносе взгляда в бесконечность оси фокусировки становятся параллельными. Шлем с экраном (с экранами) не может обеспечить подобного изменения угла между осями фокусировки зрачков, что вызывает у некоторых пользователей дискомфорт, вплоть до головных болей. Иллюзия начинает конфликтовать с реальными сигналами, получаемыми от глазных мышц.

Новый прототип шлема NVIDIA на эффекте «светового поля»

Совместная с учёными из Стэнфорда разработка позволила компании NVIDIA заявить о создании наиболее комфортного для просмотра 3D устройства. Уникальный шлем использует так называемый эффект «светового поля» (по-англ. Light Field). Вместо одного экрана используется два жидкокристаллических дисплея, расположенных друг за другом. Тыловая подсветка размещена за задним дисплеем. Оба дисплея разнесены друг от друга на 5 мм. На первый дисплей выводится изображение с фокусом на передний план. На второй дисплей транслируется картинка с фокусом на задний план. Подобная конструкция даёт возможность менять угол фокусировки зрачков по мере разглядывания «ближних» и «дальних» объектов. Это не полноценная замена реальности, но хотя бы частично начинает быть задействован естественный механизм бинокулярного зрения человека.

Демонстрация шлема на Virtual Reality 2016 (Twitter NVIDIA)

На днях на выставке Virtual Reality 2016 компания NVIDIA показала улучшенный прототип шлема на основе эффекта «светового поля». Раньше это было грубое подобие очков. Новый прототип уже похож на шлем. К сожалению, технических деталей улучшенной разработки пока нет. Будем надеяться, что новости с выставки нам что-нибудь принесут. Пока же известно, что для работы нового прототипа с ПК используется программное обеспечение на базе языка NVIDIA CUDA и, как нетрудно догадаться, одна или несколько видеокарт компании. Надо понимать, что для работы инновационного шлема требуется значительно увеличенная мощность системы. Всё-таки требуется обработать и вывести на шлем четыре разных изображения, которые затем «собираются» в голове в одно объёмное.

Условная схема конструкции шлема на эффекте «светового поля»

Остаётся напомнить, что NVIDIA не рассчитывает выпустить шлем на основе светового поля до 2018 года. Так что дело это нескорое, хотя производительность видеокарт к тому времени обещает вырасти настолько, что «улучшенная виртуальность» может оказаться доступной более-менее широкому кругу пользователей.

Инженеры Стэндфордского университета создали пластиковую «кожу», которая определяет силу касания и формирует электрический сигнал, который доносит эту информацию до живых клеток мозга.

Стэндфордский университет

Семнадцать специалистов под руководством профессора Дзенань Бао (Zhenan Bao), работающей над этим направлением уже десять лет, разработали материал, который имитирует такие свойства человеческой кожи как пластичность и способность к заживлению. Кроме того, изобретение включает сеть датчиков, которые воспринимают и отправляют мозгу информацию о силе касания, температуре и боли. В конечном итоге, эта разработка должна найти применение в протезах конечностей.

Стэндфордский университет

Как отмечает госпожа Бао, впервые удалось получить такой материал, способный определять давление и транслировать сигналы нервной системе. Верхний слой создаёт чувствительный механизм. При этом чувствительность датчиков такая же, как и кожи человека. То есть искусственная кожа способна легко различать лёгкое касание пальца от рукопожатия, например. Нижележащий слой транспортирует электрические сигналы и преобразовывает их в биохимические стимулы, совместимые с нервными клетками.

Стэндфордский университет

В искусственную кожу встроены миллиарды углеродных нанотрубок. При давлении на пластик нанотрубки «сжимаются» ближе друг к другу, что позволяет им проводить электричество (чем больше надавливание, тем значение тока выше).

Стэндфордский университет

Гибкие электронные компоненты инженерам помогли разработать специалисты из компании PARC. При разработке интерфейса взаимодействия электроники с нейронами использовалась техника Карла Дейсерота (Karl Deisseroth), известного специалиста в области оптогенетики.