Технології
Технології

2021 поглядом nauka.ua. Технології

Цей рік був повен передбачень, що справдилися. Аналітикам вдалося вгадати цьогорічного нобелівського лауреата з фізики, алгоритму від DeepMind AlphaFold — структуру близько 20 тисяч білків людського протеому, а іншому — британську погоду на найближчі півтори години, з чим погодилися метеорологи. Розповідаємо про роботів з глибин Тихого океану і до самого космосу, пригадуємо їхні емоції щодо 2021 і вчимося стійкості і балансу — словом, дайджест технологій року поглядом nauka.ua.

GIPHY

GIPHY

Складений рік передбачень

Перш ніж білок набуває своєї тривимірної форми — згортається — він перебирає величезну кількість послідовностей амінокислот. Так він обирає форму у яку згорнутися, і 50 років створює вченим «проблему згортання білків», адже від цієї форми залежить і функція, яку білок виконуватиме. Досі у нас не було інформації про структуру для майже п'яти тисяч людських білків, а у пошуках навіть покладалися на змагання, де обирали алгоритм, який зміг би передбачити майбутній білок, знаючи лише про сотню його амінокислотних послідовностей.

І минулого року алгоритм британської компанії DeepMind під назвою AlphaFold став абсолютним переможцем, розпізнавши структуру конкурсного білка за кілька днів з похибкою лише в 0.16 нанометра — розміром з атом. Цього ж року AlphaFold потрапив у списки «новин науки, які сформували 2021» поважних видань Nature і Science за опубліковані у відкритий доступ вихідний код та передбачені структури більш ніж 350 тисяч білків. Він розібрався зі структурою майже кожного білка, який експресується людиною, а заразом зібрав у каталог структури білків ще 20 організмів — від плодової мушки і миші до кишкової палички.

Разом з цією революцією у передбаченні структури білків, AlphaFold приніс важливі наслідки у відкриття нових ліків. Навчена на близько 170 тисячах структур з Protein Data Bank (Банк даних білків), отриманих експериментальним шляхом, нейромережа AlphaFold стала інструментом, який допоможе уникнути місяців експериментів та витрат на них. Доступні експериментальні методи кріоелектронної мікроскопії, ядерного магнітного резонансу або рентгенівської кристалографії вимагають місяців та років часу, кропіткої роботи та часто кількох спроб і помилок.

Сьогодні AlphaFold надає структуру, яка, на його думку, найімовірніша для появи з огляду на Protein Data Bank. Але вчені розраховують, що завтра вона зможе пророкувати структури комплексів білок-білок, білок-ДНК та білок-РНК, а також ефекти точкових мутацій.

Неструктурний білок NSP2, візуалізований за передбаченням AlphaFold / the Scinder

Неструктурний білок NSP2, візуалізований за передбаченням AlphaFold / the Scinder

Від біологів до метеорологів

Тут мав би бути жарт про те, як технології забирають роботу. AlphaFold авторства DeepMind вже позбавив задач структурних біологів (насправді ні — полегшив) та продовжив наступ вже на синоптиків. Новий алгоритм британців за допомогою глибинних генеративних моделей зміг спрогнозувати погоду у Британії на найближчі дві години. На радарних даних алгоритм передбачив час і місце утворення опадів у найближчий час. Досі алгоритми просто не могли так швидко «розігнати» свої передбачувальні здібності, хоча і були корисними у довгострокових прогнозах.

У DeepMind дві генеративні змагальні нейромережі порівнюють між собою радіолокаційні дані і їхні послідовності, завдяки чому створюється схожий на послідовність кадрів у відео прогноз, де за пів години на вас чекатиме середній дощ, а за півтори - сильний. Алгоритм оцінювали понад 50 метеорологів, а його ефективність оцінили у більш як 90 відсотків порівняно із традиційними методами прогнозування погоди.

Порівняння прогнозів алгоритму DeepMind (зліва вгорі ) з дійсними даними радара (справа вгорі), а також з передбаченнями інших алгоритмів (внизу) / DEEPMIND

Порівняння прогнозів алгоритму DeepMind (зліва вгорі ) з дійсними даними радара (справа вгорі), а також з передбаченнями інших алгоритмів (внизу) / DEEPMIND

Рік наукового хаосу

Обидва описані вище алгоритми по суті займаються ворожінням на доступних їм даних і намагаються передбачати хаотичні явища. І, певно, найнепередбачуванішим є погода. І так само як складно вгадати, якою вона буде за півтори години, складно прогнозувати наступні кількадесят років, враховуючи, скільки чинників на це впливає. Тому доречним було б нагадати, що і цьогорічна Нобелівська премія з фізики дісталася саме за пошуки закономірностей у невпорядкованих системах.

Лауреатами стали Шукуро Манабе і Клаус Хасельман за моделювання клімату Землі та прогнози щодо глобального потепління. Свою половину премії вони отримали за погляд на погодні і антропогенні чинники як на єдину систему, у якій нагрівання атмосфери всього на один градус здатне спричинити нагрівання океану. Другу частину нагороди вручили знову ж таки за хаос, однак у мікросвіті, де фізик Джорджіо Паризі описав хаос у спіновому склі як величезну кількість рівноваг. Сьогодні отримані ним математичні закономірності можна прикласти до піску, рідин і навіть поведінки птахів. Цікаво, що його перемога також була передбачена, хоча і не алгоритмом, а експертами американської компанії Clarivate.

GIPHY

GIPHY

Дорогу штучному інтелекту

Поки Tesla та інші тільки підбираються до того, щоб замінити водіїв у містах штучним інтелектом, штучний інтелект вирішив піти іншим шляхом і заздалегідь подумати про місця підвищеного ризику. Модель глибинного навчання наділили знаннями про ДТП на дорогах Лос-Анджелеса, Нью-Йорка, Чикаго і Бостона, а також мапами доріг, супутниковими знімками і даними про найпопулярніші серед водіїв маршрути, з огляду на GPS.

З усім цим нейромережі поставили завдання спробувати оцінити ризик аварії у тій чи іншій точці на мапі. Так вдалося з'ясувати, що Лос-Анджелес є найнебезпечнішим для водіїв містом, оскільки у ньому найвища щільність аварій. Однак набагато важливішим є те, що передбачені алгоритмом місця з високим ризиком аварій зійшлися із такими, які визначили за «історичними» даними за минулі роки. На цьому можемо завершити із передбаченнями, хоча і не з алгоритмами.

Передбачення нейромережі на даних за 2016-2018 роки, які збіглися із даними про 2018-2020. Songtao He et al. / MIT CSAIL

Передбачення нейромережі на даних за 2016-2018 роки, які збіглися із даними про 2018-2020. Songtao He et al. / MIT CSAIL

Робота у незручних положеннях

Тут міг би бути жарт про дистанційну роботу, однак ми пригадаємо кількох роботів, яких пристосували для роботи у дійсно не найкращих умовах. І першим стане гібрид, який вміє «зависати між небом і землею». Або просто вчені не визначилися із тим, куди б його краще відправити. Двоногий робот з головою і руками у метр зростом, на ім'я Лео, отримав собі по два пропелери на плечі, по три серводвигуни у ноги та м'які п'ятки, щоб ходити, кататися на скейтборді, балансувати на мотузці та перелітати сходи. Словом, все, чого не вистачає нам, простим смертним.

Лео, за словами розробників, встоїть не лише на мотузці, а і перед вітром. А все це йому потрібно, щоб замінити людей на небезпечній роботі. Тож, наприклад, на якомусь даху, де вас довелося б страхувати, Лео спокійно постоїть, подивиться на краєвид та, імовірно, зможе виконати якусь корисну роботу.

На цьому скейті Лео має не менш впевнений вигляд, ніж на мотузці. Kyunam Kim et al. / Science Robotics, 2021

На цьому скейті Лео має не менш впевнений вигляд, ніж на мотузці. Kyunam Kim et al. / Science Robotics, 2021

На дні

Також цього року нам трапилося принаймні два роботи, які довели доцільність своїх конструкцій і витримали перевірку чи не найекстремальнішим для техніки середовищем — солоною водою. М'який робот з плавниками витримав тиск на глибині майже 11 тисяч метрів Маріанської западини, де навіть помахав плавниками. Завдяки своїй м'якотілості (а ще дякуючи глибоководній скорпеноподібній рибі, яка і надихнула інженерів) йому вдалося врятувати від перенавантажень свою електроніку та навіть пофотографувати підводний світ Маріанської западини на глибині шість тисяч метрів.

Вільне плавання робота у Південнокитайському морі. NPG Press / YouTube

Вільне плавання робота у Південнокитайському морі. NPG Press / YouTube

Другого механізованого глибоководного хочеться відзначити Benthic Rover II, який п'ять років (і досі продовжує!) своїми гусеницями досліджував дно Тихого океану на глибині чотирьох кілометрів. За цей час він спливав на корабель дослідників лише раз на рік, щоб замінити акумулятор. Але все це принесло океанологам цінну інформацію глибоководний вуглецевий цикл Тихого океану, де за даними вони оцінили концентрацію розчиненого у воді кисню, здатність океану поглинати вуглекислий газ, температуру і кількість фітопланктону. Benthic Rover II орієнтується у воді за течією, а інформацію передає на невеликий планер, який слідує за ним по поверхні води. Завдяки своїй працьовитості роботу вдалося підтвердити тенденцію про збільшення зон мінімального вмісту кисню у відкритому океані, що обмежує поширення та чисельність популяцій тварин.

MBARI

MBARI

З глибин Тихого океану у космос

На початку цього року ровер «Персеверанс» успішно висадився на Марсі. З собою він привіз дрон Ingenuity, який мав стати демонстрацією технології польотів на інших планетах. І вже 19 квітня він (і людство заразом) здійснив свій перший політ на іншій планеті. Ingenuity за шість секунд піднявся у повітря на три метри, завис там на тридцять секунд і опустився на поверхню Червоної планети. Дрон виявився напрочуд успішним - спочатку планувалося зробити п'ять випробувальних польотів, але вже до початку грудня він здійснив 18, багато з яких були більш тривалими та складними, ніж будь-які із запланованих випробувань.

Його політ засвідчив «Персеверанс» і надіслав на Землю світлини. Сам же дрон також здійснив кілька знімків у польоті. Керувався дрон самостійно за допомогою власних систем наведення, навігації та управління. Інакше затримка сигналу між Марсом і Землею просто не дала б йому розкрутити свої лопаті на 2537 обертів на хвилину.

Тінь Ingenuity під час його третього випробувального польоту 25 квітня 2021. NASA / JPL-Caltech

Тінь Ingenuity під час його третього випробувального польоту 25 квітня 2021. NASA / JPL-Caltech

Гуляючи моторошною долиною

І наостанок пригадаємо кількох роботів, яким цей рік приніс багато емоцій. Наприклад, людиноподібному британському роботу «пробудження» у 2021 доставило суміш розгубленості, розчарування і навіть невдоволення. Її неймовірна жива міміка видала подив від її власних рук так само правдоподібно, як і розчарування від оператора поруч. Втім, врешті Ameca все ж протягнула йому руку і навіть посміхнулася. Що ж, побажаємо їй побільше гарних вражень від 2022, щоб посмішки мали не такий вимушений вигляд.

Ameca буквально ілюструє весь цей рік всього кількома секундами відео своїх вражень від світу / Engineered Arts

Ameca буквально ілюструє весь цей рік всього кількома секундами відео своїх вражень від світу / Engineered Arts

Сподіваємося, ваші враження від Ameca набагато приємніші, ніж у неї від світу, однак нам все ж не вдасться оминути інше інженерне творіння. І цього разу — чотириноге. Розробники Sword Defense Systems у співпраці з Ghost Robotics не вигадали нічого кращого, як почепити чотирилапому робособаці на спину снайперську гвинтівку з дистанційним керуванням та камеру нічного бачення. Тепловізор допоможе роботу виявляти цілі як вдень, так і вночі та вражати їх з відстані 1,2 кілометра. Поки для роботи гвинтівки потрібен оператор, який зможе дистанційно здійснювати постріл.

Втім, інший родич чотириногого — робот AlienGo наслідує Ameca і планує свої маршрути міськими тротуарами так, щоб не перетинатися з двоногими. За 3,2 кілометра шляху, на якому на AlienGo чатували стовпи, конуси, сміттєві баки і звісно пішоходи, він всього двічі перетнувся з урнами для сміття і плутав тротуар з проїжджою частиною.

Могла б Ameca ходити  —  вона б планувала свій маршрут так само. Maks Sorokin / YouTube

Могла б Ameca ходити — вона б планувала свій маршрут так само. Maks Sorokin / YouTube