این افراد در شانزدهمین مراسم تجلیل از نوآوران جوان دانشگاه MIT جالب توجه و ستودنی بودند. آنها فردی کنجکاو، مصر، الهامبخش و الهام گیرنده هستند. مهم نیست که آنها در حال پیگیری پیشرفتهای پزشکی، فناوریهای تغییر شکل انرژی، ساخت رایانههای سودمندتر و یا مهندسی دستگاههای جالب الکترونیکی هستند و صرف نظر از اینکه آنها استارتآپها را رهبری میکنند، در شرکتهای بزرگ کار میکنند و یا در آزمایشگاه دانشگاهها پژوهش میکنند؛ همه آنها آماده هستند تا رهبری زمینه خود را به دست بگیرند.
برترین نوآوران جوان در سال ۲۰۱۶
این مخترعین و نوآوران جوان در حال ایجاد کالاها و فناوریهای آینده هستند، از ساخت نوار چرمی هوشمند تا فناوری حافظه آینده. بخش نخست و دوم این مقاله را ببینید.
Adam Bry: ساخت هواپیمای بدون سرنشین که میتواند در جهان حرکت و به عنوان دستیار موجود در هوا به کار گرفته شود
«در شرکتی که من تأسیس کردهام یعنی Skydio ما همهی چیزهایی که مردم میخواهند با هواپیماهای بدون سرنشین انجام دهند را در نظر میگیریم تا متوجه تفاوت محصولات ابتدایی نسبت به آنچه که میتواند باشد شویم. امروزه تجربه معمولی مصرف کننده این است که هواپیما را از جعبه خارج و آن را به سمت یک درخت هدایت کند.
ما در حال ساخت یک هواپیمای بدون سرنشین برای مصرف کنندگان هستیم که جهان فیزیکی را درک میکند، هوشمندانه به شما واکنش نشان میدهد و میتواند از این اطلاعات برای تصمیمگیری استفاده کند. این هواپیما دارای دوربین است و آنها طوری قرار گرفتهاند که بینایی رایانه میتواند حرکت را پیگیری و ساختار سه بعدی جهان را درک کند. همچنین میتواند درک کند که « این یک درخت است» یا «این یک شخص است». ما نشان دادهایم که توانایی پرواز مستقل در مجاورت موانعی مانند درختان، ایمن و قابل اعتماد است و این هواپیما میتواند فردی را که راه میرود، میدود ویا دوچرخهسواری میکند را دنبال کند.»
«هر هفته شما میتوانید هواپیمای بدون سرنشینی را ببینید که دقیقتر و سازگارتر از قبل شده است. این نشاندهنده نوع رفتار و پاسخ به موقعیتهای گوناگون این وسیله است»
«این هواپیمای بدون سرنشین یک دستگاه به اندازه کافی هوشمند است که بهتر از یک خلبان خبره میتواند پرواز کند. دستگاههایی که میتوانند جهان را درک کنند، به شما پاسخ دهند و اقداماتی انجام دهند که تا به امروز وجود نداشته است. دوربینی که پرواز میکند و میتواند در هر نقطه از اطراف شما باشد، یک وسیله بسیار قدرتمند است. هواپیماهای بدون سرنشین به احتمال زیاد نخستین دسته رباتهای متحرک هستند که به طور گسترده توسعه یافتهاند.
Alex Hegyi: ساخت نوع جدیدی از دوربینها که به گوشیهای هوشمند اجازه میدهد داروهای تقلبی یا میوههای رسیده را تشخیص دهد
مهم نیست که دوربین گوشی هوشمند شما چقدر خوب است زیرا تنها بخشی از جزئیات را میتواند به شما نشان دهد. Alex Hegyi در شرکت تحقیق و توسعه PARC در پالو آلتو کالیفرنیا، دوربینی ساخته که جزئیات بیشتری را نشان میدهد. دلیلش این است که دوربین Hegyi بخشهایی از طیف نور که شما نمیتوانید ببینید را ثبت میکند.
از آنجا که دوربین Hegyi طیف وسیعی از طول موج را ثبت میکند، میتوان از آن برای کنترل محصولات فروشگاه مواد غذایی (میوههای رسیده طول موج خاصی را جذب میکنند) تا تشخیص داروهای تقلبی (آنهایی که واقعی هستند الگوهای متمایزی را منعکس میکنند) استفاده کرد. Hegyi امیدوار است در آینده نزدیک این فناوری به دوربین گوشیهای هوشمند اضافه شده و هر کسی بتواند از برنامههای به اصطلاح تصویربرداری فراطیفی استفاده کند.
چنین سامانههایی چندین سال وجود داشته اما آنها بزرگ و گران قیمت بودند و محدود به برنامههای کاربردی غیرمصرفی مانند نظارت و کنترل کیفیت مواد غذایی و مواد مخدر شده بودند. این نسخه که بسیار سادهتر و فشردهتر است بر دوربین سیاه و سفید USB متکی است. Hegyi یک سلول کریستال مایع که بین مجموعه فیلترهای پلاریزه قرار دارد را در مقابل حسگر تصویر اضافه کرده است. او همچنین نرم افزاری ایجاد کرده که بر روی یک رایانه برای پردازش تصاویر نصب شده است.
Hegyi فکر میکند سه تا پنج سال آینده گوشی شما میتواند این اطلاعات که در طیف مرئی نور نیست را آشکار کند. او میگوید: « با چنین ابزاری مصرف کنندگان لازم نیست خود چیزی در مورد طول موجها بدانند بلکه آنها تنها یک تصویر ثبت میکنند و صفحه نمایش نشان میدهد: « تقلبی» یا «واقعی» یا ممکن است بگوید «این میوه رسیده است».
Sergey Levine: او به رباتها میآموزد تا از موفقیتهای خود یاد بگیرند
در حالی که Sergey Levine نه ماه در شرکت گوگل کارمیکرد، رقابتی که برنامه هوش مصنوعی AlphaGo بهترین بازیکن جهان در بازی باستانی چینی Go شکست داد را تماشا کرد. لوین، متخصص رباتیک در دانشگاه کالیفرنیا برکلی، شاهکار پیچیده یادگیری ماشین را تحسین کرد.
روشی که سازندگان AlphaGo برای آموزش برنامه استفاده میکنند، تغذیه ۱۶۰،۰۰۰ بازی قبلی Go به یک الگوریتم قدرتمند به نام شبکه عصبی است. این الگوریتم همچون نشان دادن بیشمار تصویر برچسبدار از گربهها و سگهاست تا زمانی که آنها این حیوانات را در تصاویر بدون برچسب تشخیص دهند. اما این روش به راحتی برای آموزش یک بازوی رباتیک قابل اجرا نیست.
بنابراین متخصصین رباتیک ناچارند از روش متفاوتی استفاده کنند: لوین به ربات یک هدف میدهد، مانند پیچاندن درب یک بطری اما دستگاه خود باید متوجه جزئیات شود. با تلاش بیشتر و بیشتر در نهایت ربات به هدف دست پیدا میکند. این فرآیند یادگیری نیاز به مقدار زیادی تلاش دارد و برای اهداف دشوار جوابگو نیست.
موفقیت لوین، استفاده از این نوع الگوریتم است که نتیجه خیلی خوبی در طبقهبندی تصاویر به دست آورد. سپس وی برخی از وظایف که حل آنها آسان است مانند پیچاندن درب بطری را به ربات میدهد. ربات موفقیتهای گذشته خود را نگاه میکند. ربات مشاهده میکند که چگونه اطلاعات سیستم بینایی و سیگنالهای محرک دست رباتیکی، وظیفهای را به درستی انجام داده است. درواقع ربات بر یادگیری خود نظارت دارد. لوین میگوید: «این مهندسی معکوس بر رفتار ربات است». سپس ربات میتواند این یادگیری را به وظایف مرتبط اعمال کند.
با روش هوش مصنوعی انجام وظایف رباتیکی غیرمنتظره که قبلاً لاینحل بود، به لطف افزایش عظیم در بهرهوری آموزشی قابل انجام است و رباتها روز به روز باهوشتر میشوند.
منبع: technologyreview.com