Há um ano
CONFIRA AS PROMOÕES DO DIA:
-
AirPods Apple - Aproveite as Promoções! - Sobre este item - Transdutor dinâmico desenvolvido pela Apple para som de alta‐fidelidade - Cancelamento ativo de ruído que bloqueia o som vindo ...
quinta-feira, 6 de julho de 2023
quinta-feira, 30 de março de 2023
quinta-feira, 2 de dezembro de 2021
Robôs Vivos Também Conseguem se Reproduzir
Cientistas que criaram os xenobots, robôs vivos feitos a partir de células de rã, anunciam que eles também são capazes de montar "bebês" – quando têm o formato de Pac-Man.
© Douglas Blackiston and Sam Kriegman Imagem de um xenobot divulgada pelos pesquisadores
Cientistas americanos que criaram os primeiros robôs vivos, conhecidos como xenobots, descobriram que eles têm a capacidade de se reproduzir, conforme estudo publicado na revista especializada Proceedings of the National Academy of Sciences.
A equipe das universidades de Vermont, Tufts e Harvard já havia apresentado em 2020 os primeiros xenobots, que têm menos de um milímetro e são feitos a partir das células-tronco de uma espécie de rã africana, a Xenopus laevis.
Os cientistas disseram que os xenobots, compostos por 3 mil células agrupadas, se reproduzem espontaneamente e de uma forma completamente nova. Eles também descobriram que a forma de Pac-Man é a mais apropriada para a reprodução dos xenobots.
Formato de Pac-Man
Segundo os cientistas, um xenobot em forma de Pac-Man coleta células-tronco ao seu redor com a sua "boca", numa placa de Petri, e com elas é capaz de montar "bebês", que poucos dias depois se transformam em novos xenobots. Inicialmente os cientistas estavam fazendo testes com xenobots em forma de esfera, mas este formato mostrou não ser o mais adequado. "Eles podem gerar filhos, mas depois o processo normalmente morre. Na verdade, é muito difícil fazer com que o processo continue seguindo", comentou o principal autor da pesquisa, San Kriegman, da Universidade de Vermont.
Utilizando um supercomputador e a inteligência artificial, um algoritmo evolutivo foi capaz de testar bilhões de formas, incluindo triângulos, quadrados, pirâmides e estrelas do mar, até encontrar aquela que permitia que as células fossem mais eficazes na replicação cinemática, com base em movimento, de que trata a nova pesquisa: a forma de Pac-Man.
A replicação cinemática é bem conhecida no nível de moléculas, mas nunca havia sido observada em células ou organismos completos, disseram os pesquisadores.
Máquinas vivas
"Estas são novas máquinas vivas", disse o especialista em robótica Joshua Bongard, coautor do estudo. "Elas não são nem um robô tradicional nem uma espécie conhecida de animal. É uma nova classe de artefato: um organismo vivo e programável."
Bongard lembrou que a definição de robô não exige que eles sejam feitos de metal, mas que ajam por conta própria para ajudar pessoas. Assim, esse organismo vivo feito de células de rã que não foram geneticamente modificadas também é um robô.
Ele garantiu ainda que os xenobots estão "completamente contidos em laboratório, são facilmente extintos e examinados por especialistas em ética".
Fonte: MSN
quinta-feira, 14 de outubro de 2021
‘Cães robôs’ agora têm fuzis de assalto montados nas costas
A Ghost Robotics e a SWORD International se uniram para criar um “cão-robô” armado com um fuzil. Chamado de Special Purpose Unmanned Rifle, ou SPUR, o sistema adiciona um fuzil Creedmoor de 6,5 mm da SWORD a um dos veículos terrestres não tripulados quadrúpedes da Ghost Robotics, ou Q-UGV.
O SPUR fez sua estreia no salão de exposições na principal convenção anual da Associação do Exército dos EUA (AUSA) em Washington, D.C., que foi inaugurada no dia 11 de outubro.
Embora a Ghost Robotics tenha parceria com várias outras empresas para explorar aplicativos de defesa e segurança, entre outros, para seus Q-UGVs, este parece ser o primeiro exemplo de um desses sistemas não tripulados com uma arma real montada nele.
Os exemplares desarmados do Q-UGV já estão notavelmente em uso limitado com o 325º Esquadrão das Forças de Segurança da Força Aérea dos EUA na Base Aérea de Tyndall na Flórida e estão sendo testados por outras unidades dessa Força.
Fonte: Forte
terça-feira, 30 de agosto de 2016
Primeiro robô totalmente mole e autônomo
Enquanto os robôs de metal líquido não chegam, que tal um robô mole, totalmente mole, sem qualquer parte rígida?
Dispensando as engrenagens, as baterias e mesmo a eletrônica
convencional, o Octobô é o primeiro de uma nova classe de robôs
autônomos mais parecidos com coisas vivas.
Em vez de motores, o robô usa reações químicas que geram gases e
movem suas pernas pneumaticamente. Por decorrência, em vez de baterias,
são usados tanques com produtos químicos. E seu corpo é feito com géis
aplicados cuidadosamente para apresentarem diferenciais de densidade.
Uma reação interna transforma uma pequena quantidade de combustível
líquido - o peróxido de hidrogênio - em um volume muito maior de gás,
que flui até os tentáculos, inflando-os como um balão. Com a diferença
na densidade do gel, cada tentáculo se distende de forma precisa,
fazendo com que o robô se mova.
"As fontes de combustível para os robôs moles sempre se basearam em
algum tipo de componente rígido. O que é legal com o peróxido de
hidrogênio é que uma única reação química entre o composto e um
catalisador - neste caso a platina - nos permitiu substituir as fontes
de energia rígidas," disse Michael Wehner, criador do robô.
Cérebro microfluídico
O circuito lógico microfluídico é um análogo de um oscilador eletrônico, controlando quando o peróxido de hidrogênio se decompõe e dirigindo o fluxo de gás para a perna adequada.
A seguir, a equipe planeja fazer um cérebro microfluídico mais complexo, que permita que o octobô nade, suba obstáculos e interaja com o ambiente.
"Esta foi uma prova de conceito. Esperamos que nossa abordagem para a criação de robôs autônomos moles inspire roboticistas, cientistas de materiais e pesquisadores focados em sistemas avançados de manufatura," disse Ryan Truby, membro da equipe.
Bibliografia:
An integrated design and fabrication strategy for entirely soft, autonomous robots
Michael Wehner, Ryan L. Truby, Daniel J. Fitzgerald, Bobak Mosadegh, George M. Whitesides, Jennifer A. Lewis, Robert J. Wood
Nature
Vol.: 536, 451-455
DOI: 10.1038/nature19100
An integrated design and fabrication strategy for entirely soft, autonomous robots
Michael Wehner, Ryan L. Truby, Daniel J. Fitzgerald, Bobak Mosadegh, George M. Whitesides, Jennifer A. Lewis, Robert J. Wood
Nature
Vol.: 536, 451-455
DOI: 10.1038/nature19100
segunda-feira, 21 de setembro de 2015
Inteligência artificial: máquinas que pensam devem surgir 'até 2050'
Especialistas acreditam que a inteligência das máquinas se equiparará à de humanos até 2050, graças a uma nova era na sua capacidade de aprendizado. Computadores já estão começando a assimilar informações a partir de dados coletados, da mesma forma que crianças aprendem com o mundo ao seu redor.
Isso significa que estamos criando máquinas que podem ensinar a si mesmas a participar de jogos de computador – e ser muito boas neles – e também a se comunicar simulando a fala humana, como acontece com os smartphones e seus sistemas de assistentes virtuais.
Fei-Fei Li, professora da Universidade de Stanford e diretora do laboratório de visão computacional da instituição, passou os últimos 15 anos ensinando computadores a enxergar.
"Se você pensar, os olhos de uma criança são como um par de câmeras biológicas que tiram fotografias a cada 200 milissegundos, o tempo médio dos movimentos oculares. Então, aos 3 anos de idade, uma criança teria centenas de milhões de fotos. Isso é um grande treinamento."Seu objetivo é criar olhos eletrônicos para robôs e máquinas e torná-los capazes de entender o ambiente em que estão. Metade da capacidade cerebral de um humano é usada no processamento visual, algo que fazemos sem um grande esforço aparente. "Ninguém diz para uma criança como enxergar. Ela aprende isso por meio de experiências e exemplos do mundo real", disse Li em sua palestra na conferência TED neste ano.
Ela decidiu ensinar computadores da mesma forma. "Em vez de só me concentrar em criar em algoritmos cada vez melhores, minha ideia é dar aos algoritmos o treinamento que crianças recebem por meio de experiências, quantitativamente e qualitativamente."
Treinamento
Em 2007, Li e um colega de profissão deram início a uma tarefa desafiadora: filtrar e identificar 1 bilhão de imagens obtidas na internet para que sirvam de exemplos do que é o mundo real para um computador.
Eles pensavam que, se uma máquina visse imagens suficientes de uma determinada coisa, como um gato, por exemplo, seria capaz de reconhecer isso na vida real.
Eles pediram ajuda em plataformas de colaboração online e contaram com o apoio de 50 mil pessoas de 167 países. No fim, tinham a ImageNet, uma base dados de 15 milhões de imagens relativas a 22 mil tipos de objetos, organizada de acordo com seus nomes em inglês.
Isso se tornou um recurso valioso usado por cientistas ao redor do mundo que buscam conferir aos computadores uma forma de visão. Todos os anos, a Universidade de Stanford realiza uma competição, convidando empresas como Google, Microsoft e a chinesa Baidu, para testar a performance de seus sistemas com base na ImageNet.
Nos últimos anos, estes sistemas tornaram-se especialmente bons em reconhecer imagens, com uma margem de erro média de 5%.
Para ensinar computadores a reconhecer imagens, Li e sua equipe usaram redes neurais, nome dado a programas de computadores feitos a partir de células artificiais que funcionam de forma muito semelhante à de um cérebro humano. Uma rede neural dedicada a interpretar imagens pode ter desde algumas centenas a até milhões destes neurônios artificiais, dispostos em camadas.
Cada camada reconhece diferentes elementos de uma imagem. Uma aprende que uma imagem é feita de pixels. Outra reconhece cores. Uma terceira determina seu formato e assim por diante. Ao chegar à camada superior – e as redes neurais hoje têm até 30 camadas –, esta rede é capaz de ter uma boa noção do que se trata a imagem.
Em Stanford, uma máquina assim agora escreve legendas precisas para vários tipos de imagens, apesar de ainda cometer erros, como, por exemplo, dizer que uma foto de um bebê segurando uma escova de dente foi identificada como "um menino segurando um taco de beisebol".
Apesar de uma década de trabalho duro, disse Li, esta máquina ainda tem a inteligência de uma criança de 3 anos. E, ao contrário desta criança, ela não é capaz de compreender contextos. "Até agora, ensinamos um computador a ver objetivamente ou a nos contar uma história simples quando vê uma imagem", afirmou Li.
Mas, quando pede para que a máquina avalie uma imagem de seu filho em uma festa de família, o computador simplesmente diz se tratar de um "menino de pé ao lado de um bolo". "O computador não vê que é um bolo especial que é servido apenas na época da Páscoa", explicou Li.
Este é o próximo passo de sua pesquisa no laboratório: fazer com que máquinas entendam uma cena por completo, além de comportamentos humanos e as relações entre diferentes objetos. A meta final é criar robôs que "enxergam" para que auxiliem em cirurgias, buscas e resgates e que, no fim das contas, promovam melhorias em nossas vidas, segundo Li.
Progresso
O complexo trabalho realizado em Stanford tem como base o lento progresso obtido nesta área nos últimos 60 anos.
Em 1950, o cientista da computação britânico Alan Turing já especulava sobre o surgimento de uma máquina pensante, e o termo "inteligência artificial" foi cunhado em 1956 pelo cientista John McCarthy.
Após alguns avanços significativos nos anos 1950 e 1960, quando foram criados laboratórios de inteligência artificial em Stanford e no Instituto de Tecnologia de Massachussets (MIT, na sigla em inglês), ficou claro que a tarefa de criar uma máquina assim seria mais difícil do que se pensava.
Veio então o chamado "inverno da inteligência artificial", um período sem grandes descobertas nesta área e com uma forte redução no financiamento de suas pesquisas.
Mas, nos anos 1990, a comunidade dedicada à inteligência artificial deixou de lado uma abordagem baseada na lógica, que envolvia criar regras para orientar um computador como agir, para uma abordagem estatística, usando bases de dados e pedindo para a máquina analisá-los e resolver problemas por conta própria.
Nos anos 2000, um processamento de dados mais veloz e a grande oferta de dados criaram um ponto de inflexão para a inteligência artificial, fazendo com que esta tecnologia esteja presenta em muitos dos serviços que usamos hoje.
Ela permite que a Amazon recomende livros, o Netflix indique filmes e o Google ofereça resultados de buscas mais relevantes. Algoritmos passaram a estarem presentes nas negociações feitas em Wall Street, indo às vezes longe demais, como em 2010, quando um algoritmo foi apontado como culpado por uma perda de bilhões de dólares na Bolsa Nova York.
Também serviu de base para os assistentes virtuais de smartphones, como a Siri, da Apple, o Now, do Google, e a Cortana, da Microsoft. Neste momento, máquinas assim estão aprendendo em vez de pensar. É alvo de controvérsia se é possível programar uma máquina para pensar, já que a complexa natureza do pensamento humano tem intrigado cientistas e filósofos há séculos.
E ainda assim restarão elementos da mente humana, como sonhar acordado, por exemplo, que máquinas nunca serão capazes de replicar. Ainda assim, a habilidade destes computadores vem melhorando, e a maioria das pessoas concorda que a inteligência artificial está entrando em sua era de ouro e só se tornará mais eficiente aqui daqui em diante.[Fonte: G1]
Assinar:
Postagens (Atom)
Postagens
