به گزارش مهر به نقل از اینترستینگ انجینرینگ، فناوری رباتهای انسان نما با هدف کمک به انجام فعالیتهای بدون بازده بسیار پیشرفته کرده اند. در همین راستا گروهی از محققان دانشگاه استنفورد و گوگل دیپ مایند یک سیستم رباتیک موبایل به نام «آلوها» ابداع کرده اند که میتوان در آینده آن را به عنوان یک خدمتکار مجهز به هوش مصنوعی در خانه به کار گرفت.
میتوان به راحتی این ربات را آموزش داد تا فعالیتهایی مانند پختن میگو یا دسته بندی و منظم کردن خانه را انجام دهد. این ربات براساس سیستم آلوها متعلق به شرکت دیپ مایند گوگل توسعه یافته و روی اهمیت تحرک و چابکی در میدان یادگیری رباتیک تاکید دارد. در این پروژه محققان دانشگاه برکلی و شرکت متا نیز همکاری کردند.
«موبایل آلوها» در اصل یک پایه متحرک را با یک رابط عملیاتی جامع برای کنترل کل بدنه یکپارچه میکند. به گفته توسعه دهندگان ربات، این پیشرفت به سیستم امکان میدهد وظایف پیچیده موبایل را تقلید کند و بر محدودیتهایی غلبه کند که به طور معمول با یادگیری مبتنی بر تقلید مرتبط است.
مهمترین ویژگی موبایل آلوها توانایی آن برای آموزش همزمان با استفاده از مجموعهای ثابت از دادههای آلوها است و همین امر آن را از سیستمهای رباتیک معمول متمایز میکند. محققان مدعی هستند این سیستم از طریق ترکیبی از شبیهسازی رفتارهای نظارت شده و ۵۰ نمایش برای هر فعالیت به نرخ موفقیت چشمگیری دست یافت که عملکرد آن در دستکاری فعالیتهای موبایل را تا ۹۰ درصد ارتقا داد.
این ربات نوآورانه میتواند به طور مستقل در شرایط حساس مانند تفت دادن و سِرو یک تکه میگو، باز کردن کابینت دیواری دوتایی برای قرار دادن قابلمههای سنگین، زنگ زدن و ورود به آسانسور و آبکشی تابه زیر شیر آشپزخانه به کار رود.
موبایل آلوها براساس مزایای سیستم اوریجینال آلوها ساخته شده و شامل تنظیماتی صرفه جویانه، ماهر، قابل تعمیر و قابل حمل است. در کنار این موارد باید اشاره کرد ربات متحرک است و میتواند با سرعت ۱.۴۲ متر بر ثانیه حرکت کند. همچنین میتواند هنگام کنترل وسایل خانه مانند قابلمهها و کابینتها ثبات خود را حفظ کند.
محققان یک باتری ۱.۲۶ کیلووات ساعتی به وزن ۱۴ کیلوگرم را به پایه ربات افزودند. این باتری نه تنها انرژی مورد نیاز سیستم را تأمین میکند بلکه به عنوان یک متعادل کننده به کار میرود تا اجازه ندهد کل سیستم واژگون شود.
NIF در سال ۲۰۲۳ موفق شده است چندینبار این دستاورد را تکرار کند و قدم مهمی درزمینه حرکت بهسمت تولید انرژی پاک بردارد. «ریچارد تاون»، فیزیکدان آزمایشگاه ملی لارنس لیورمور که پارسال برای اولینبار به این موفقیت دست یافته بود، درباره این خبر میگوید: «حس بسیار خوبی دارم. فکر میکنم همه ما باید به این دستاورد افتخار کنیم.»
به گزارش دیجیاتو، NIF بهعنوان یک نیروگاه ساخته نشده، درعوض یک تأسیسات تحقیقاتی برای بازتولید و مطالعه واکنشهایی است که حین انفجارهای گرماهستهای رخ میدهد.
این تأسیسات دستیابی به نرخ بازدهی بالاتر درزمینه همجوشی را ممکن کرده و اشتیاق نسبت به استفاده از این روش برای تولید انرژی پاک را افزایش داده است.
در NIF از ۱۹۲ پرتو لیزری برای شلیک به قرص یخزدهای از دوتریوم و تریتیوم استفاده میشود که دو ایزوتوپ هیدروژن هستند. این تأسیسات در آزمایشی در تاریخ ۵ دسامبر ۲۰۲۲، در واکنش همجوشی توانست تقریباً ۵۴ درصد بیشتر از انرژی پرتوهای لیزر ورودی، انرژی تولید کند. مقدار این انرژی ۲.۰۵ مگاژول بود.
در ادامه، در ۳۰ ژوئیه ۲۰۲۳، این تأسیسات با تولید ۳.۸۸ مگاژول رکورد قبلی خود را شکست. این آزمایش از افزایش ۸۹ درصدی انرژی خروجی نسبت به انرژی ورودی خبر میداد.
دانشمندان سپس در دو آزمایش دیگر در اکتبر ۲۰۲۳، بازهم به احتراق دست پیدا کردند. همچنین محاسبات این آزمایشگاه نشان میدهد که دو اقدام دیگر در ماه ژوئن و سپتامبر ۲۰۲۳ نیز منجر به دستیابی به خالص انرژی مثبت شد، اما این انرژی خروجی آنقدر زیاد نبود که تحت عنوان احتراق تأیید شود.
اگرچه دستاورد دانشمندان در این زمینه هنوز نقایصی دارد، اما آنها حالا به آینده امیدوارترند. بسیاری از کارشناسان اعتقاد دارند که با دستاوردهای دو سال اخیر، حوزه تولید انرژی از طریق رآکتورهای همجوشی وارد عصر جدیدی شده است.
پژوهشگران ژاپنی با کشف اسرار ذهن انسان، فناوری «رمزگشایی مغز» را توسعه دادهاند که از هوش مصنوعی برای ترجمه فعالیت مغز انسان به تصاویر ذهنی از اشیا و مناظر استفاده میکند.
به گزارش ایسنا، این رویکرد به رهبری تیمی از مؤسسه ملی علوم و فناوری کوانتومی(QST) و دانشگاه اوزاکا، تصاویر واضحی مانند یک پلنگ متمایز با ویژگیهای قابل تشخیص مانند گوشها، دهان و همچنین اشیایی نظیر هواپیما با چراغهای روی بال آن ایجاد کرد.
تحقیقات گذشته توانسته بود تصاویری را که مردم دیدهاند با تجزیه و تحلیل فعالیت مغزشان بازسازی کند. با این حال، دیدن این تصاویر ذهنی برای دیگران دشوار بود و تنها چند مطالعه با موفقیت تصاویر ذهنی را نشان دادهاند و این تصاویر معمولاً به دستهبندیهای خاصی مانند چهره انسان، حروف یا اشکال محدود میشوند.
پژوهشگران این مطالعه میگویند: تجسم تصاویر ذهنی برای تصاویر طبیعی دلخواه، یک نقطه عطف مهم است.
آنها شرکتکنندگان را در معرض حدود ۱۲۰۰ تصویر قرار دادند و سپس با استفاده از تصویرسازی تشدید مغناطیسی عملکردی(fMRI) ارتباط بین سیگنالهای مغزی آنها و محرکهای بصری را به دقت تجزیه و تحلیل کردند.
سپس از این نقشهبرداری برای آموزش یک هوش مصنوعی مولد برای رمزگشایی و تکرار تصاویر ذهنی حاصل از فعالیت مغز استفاده شد.
در این مطالعه آمده است: نتایج تجربی قابلیتهای چارچوب پیشنهادی ما را در بازسازی تصاویر طبیعی و اشکال مصنوعی که توسط شرکتکنندگان انسانی تصور میشد، نشان داد.
پژوهشگران در این مطالعه گفتند که پیامدهای این «رمزگشایی مغز» میتواند به کاربردهای بالقوه در پزشکی کمک کند.
اکنون که فناوری دیدن تصاویر ذهنی را بر اساس فعالیت مغز در اختیار داریم، این فناوری میتواند به ایجاد دستگاههای ارتباطی جدید کمک کند. علاوه بر این، به دانشمندان اجازه میدهد تا چگونگی عملکرد توهمات و رویاها در مغز را بررسی و درک کنند.
کی ماجیما پژوهشگر و نویسنده این مطالعه میگوید اگرچه ما از ابزارهایی مانند میکروسکوپ برای دیدن چیزهای کوچک استفاده کردهایم، اما نگاه کردن به اعماق ذهن انسان یک مرز کاملاً جدید و ناشناخته و مثل کشف یک دنیای جدید درون خودمان است.
این مطالعه در مجله Neural Networks منتشر شده است.