Коллектив Авторов - Цифровой журнал «Компьютерра» № 165 Страница 24

Ближе к началу графика находятся технологии, которые достигнут пика лишь через несколько лет. Именно о них мы поговорим сегодня.

Передний край развития вычислительной техники незаметно переместился с процессоров на батареи. Именно этой тенденции обязана своими успехами архитектура ARM, и именно из-за неё Intel, безусловному лидеру микроэлектронной индустрии в течение нескольких десятилетий, пришлось примерить на себя непривычную роль догоняющего.

Дело в том, что, когда речь идёт о мобильных устройствах, даже производительность в конечном итоге зависит не от умений разработчиков, а от ёмкости батарей. Мощный, но слишком «прожорливый» процессор оказывается никому не нужен, и выбор падает на более слабый чип с долгим временем автономной работы.

С тем, что придумают разработчики батарей, связано будущее не только компьютеров. Электромобили — другой хороший пример. Если бы существовали более ёмкие и дешёвые аккумуляторы, обычным автомобилям было бы труднее выдержать конкуренцию с ними.

Литий-ионные батареи с кремниевым анодом — ближайший прорыв, который ожидается в этой области. В Gartner полагают, что эта технология доберётся до «плато продуктивности» всего за пару лет. С кремниевыми анодами экспериментируют и почтенные гиганты вроде Lockheed Martin, и молодые компании, созданные специально для продвижения этой технологии, такие, как британский Nexeon.

Графит, из которого обычно делают анод литий-ионных аккумуляторов, удерживает ионы лития гораздо хуже, чем кремний. Уже за счёт этой разницы аккумулятор с кремниевым анодом должен обладать куда более высокой ёмкостью. Однако простые кремниевые аноды оказались непрактичны: они слишком быстро разрушаются.

Кремниевые аноды нового поколения используют кремниевые нанотрубки, покрытые оксидом кремния. Это отличие делает их гораздо надёжнее, не влияя на прочие преимущества кремниевых анодов.

Исследователи утверждают, что ёмкость нового типа литий-ионных аккумуляторов окажется на порядок выше, и при этом они будут быстрее заряжаться и выдерживать большее количество циклов перезарядки. Даже если эти обещания преувеличены вдвое, разница всё равно существенна.

В 2004 году агентство DARPA, научно-исследовательская ветвь американского военного ведомства, объявило Grand Challenge — состязание между несколькими командами разработчиков автономных самоуправляемых автомобилей. Поставленная задача: автомобиль должен без вмешательства человека преодолеть многокилометровый путь, проложенный через пустыню. Приз: миллион долларов. На старт вышло 25 самоуправляемых автомобилей, но ни один не добрался до финиша.

Спустя год DARPA повторила конкурс. На этот раз пять команд добились успеха: их автомобили добрались до конца 217-километрового маршрута. Победителем состязания стала команда Стэнфордского университета. Вскоре Себастьен Трун, известный исследователь в области робототехники, руководивший разработкой стэнфордских самоуправляемых автомобилей, возглавил секретный проект в Google.

Публика узнала о первых результатах этого проекта лишь в 2010 году: в Google построили самоуправляемый автомобиль, способный без водителя и специальной разметки передвигаться по обычным дорогам в окружении обычных машин. К середине 2012 года несколько прототипов, изготовленных инженерами Google, без особых происшествий накатали по дорогам США почти полмиллиона километров.

Основа самоуправляемого автомобиля Google — лазерный дальномер, установленный на крыше. Он фиксирует подробную трёхмерную картину всего, что его окружает. Затем компьютер сличает её с картой, хранящейся в базе данных, попутно внося поправки с учётом информации, собранной четырьмя радарами, установленными на бамперах и следящими за приближением к препятствиям, камерой, ищущей светофоры, а также GPS и другими датчиками.

Google, похоже, продвинулся дальше всех, но исследования в этой области ведут почти все крупные автопроизводители. В BMW экспериментируют с автономным управлением ещё с 2005 года. В Volvo разрабатывает систему, позволяющую связывать несколько автомобилей в цепочку, автоматически следующую за лидером. В Volksvagen делают бортовой компьютер для автономного управления, который можно устанавливать в обычные машины, а Toyota даже продемонстрировала свои разработки на последней выставке CES.

Сами по себе 3D-сканеры — это не новость. У них есть масса узкоспециальных применений. Их используют на производстве для контроля качества изготовленных деталей. С их помощью создают трёхмерных виртуальных двойников актёров при съёмке фильмов. Компьютерный томограф, применяемый медиками, тоже представляет собой разновидность 3D-сканера.

Тут интересен не столько сам факт существования этой технологии, сколько то, что с ней происходит в данный момент: она дешевеет. А всё потому, что появились доступные 3D-принтеры. Для того чтобы извлечь из них пользу, необходимы трёхмерные модели для печати. Самый простой способ изготовления таких моделей — 3D-сканер.

Недорогим 3D-сканером, в сущности, являлся игровой контроллер Kinect, который разработали в Microsoft для консоли XBox 360. А некоторые методы 3D-сканирования даже не требуют специального устройства, достаточно программы. Например, мобильное приложение 123D Catch, созданное в Autodesk, позволяет скомбинировать в трёхмерную модель серию снимков, сделанных с помощью обычного смартфона.

В начале марта нью-йоркская компания MakerBot Industries, производящая настольные 3D-принтеры, которые можно купить примерно за две тысячи долларов, продемонстрировала на конференции SXSW прототип недорогого 3D-сканера под названием Digitizer.

С помощью Digitizer можно отсканировать существующий предмет, получить трёхмерную модель и тут же отпечатать её на 3D-принтере MakerBot. Возможные применения очевидны: таким способом, к примеру, можно чинить сломавшиеся устройства. Сломалась деталь — скопируй с помощи связки 3D-сканер-3D-принтер целую и поставь её взамен.

Впрочем, о том, какие применения найдут 3D-сканеры, если они станут общедоступны, можно только гадать. Демократизация технологий часто приводит к результатам, о которых их создатели даже не думали. Компьютеры изобретали не для компьютерных игр, а интернет — не для порнографии и мемов с кошками, но вы же видите, что всё закончилось именно ими.

Распознавание речи и общение на естественном языке — это две классические проблемы, над которыми с давних пор бились специалисты по искусственному интеллекту. Кое-что получаться стало лишь несколько лет назад, зато как! Прогресс и в той, и в другой области заметен невооружённым взглядом.

И в iOS, и в Android встроены системы распознавания речи, совсем неплохо справляющиеся с пониманием английского языка (по очевидным причинам разработчики уделяли ему больше всего внимания) и показывающие сносные результаты для нескольких других распространённых в мире языков.

Siri, программа-ассистент, который снабжены современные телефоны Apple, не просто распознаёт речь, но и пытается понять, что именно ей сказали. Разумность Сири, конечно, оставляет желать лучшего. Не составляет труда нащупать ограничения алгоритма, который она использует, однако в данном случае важен сам факт: это едва ли не первый настолько популярный голосовой интерфейс, применяющий и распознавание речи, и обработку запросов на естественном языке. И этим интерфейсом, несмотря на все недостатки, уже пользуются миллионы.

Ещё важнее голосовой интерфейс в электронных очках Google Glass, где он является не вспомогательным, как в iPhone, а главным способом взаимодействия с устройством. От того, насколько понятливым он окажется, зависит удобство и, в конечном счёте, успех Glass.

На другом краю спектра находится построенный в IBM суперкомпьютер Watson. Он показывает, чего можно достичь, когда разработчикам не приходится думать об ограничениях мобильных устройств, скорости связи или загрузке дата-центров. Watson состоит из 90 мощных серверов с суммарной производительностью, составляющей 80 терафлопс, и оперативной памятью ёмкостью 18 терабайт.

Обработка запросов на естественном языке — это главная задача Watson. В 2011 году он участвовал в телеигре Jeopardy (американский аналог «Своей игры») и легко одолел своих белковых оппонентов. Более мощная версия Watson, существующая в настоящий момент, будет анализировать медицинские данные и рекомендовать наиболее подходящие методы лечения пациентов.