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.