เรื่องราวเทคโนโลยีสุดเจ๋งประจำสัปดาห์นี้จากทั่วทั้งเว็บ (จนถึงวันที่ 13 สิงหาคม)

เรื่องราวเทคโนโลยีซ้ำวงกลมรูปแบบพื้นผิวสถาปัตยกรรม

ปัญญาประดิษฐ์

AI ที่เรียนรู้ด้วยตนเองแสดงความคล้ายคลึงกันกับการทำงานของสมอง
อนิล อนันตสวามี | Quanta
ผม คิดว่า ไม่ต้องสงสัยเลยว่า 90% ของสิ่งที่สมองทำคือการเรียนรู้ด้วยตนเอง” เบลค ริชาร์ดส์ [สถาบันปัญญาประดิษฐ์แห่งควิเบก] กล่าว คิดว่าสมองชีวภาพจะคาดเดาตำแหน่งในอนาคตของวัตถุในขณะที่มันเคลื่อนที่หรือคำถัดไปในประโยคอย่างต่อเนื่อง เช่นเดียวกับที่อัลกอริธึมการเรียนรู้แบบควบคุมตนเองพยายามทำนายช่องว่างในภาพหรือส่วนของข้อความ และสมองก็เรียนรู้จากความผิดพลาดของตนเองเช่นกัน—เพียงส่วนเล็ก ๆ ของความคิดเห็นจากสมองของเราที่มาจากแหล่งภายนอกที่บอกว่า ‘ตอบผิด’ เป็น หลัก

เทคโนโลยีชีวภาพ

กระจกตาที่ดัดแปลงทางชีวภาพสามารถฟื้นฟูสายตาคนตาบอดได้
ไรอันนอน วิลเลียมส์ | MIT Technology Review
“ศัลยแพทย์ในอิหร่านและอินเดียทำการทดลองนำร่องกับคน 20 คนที่ตาบอดหรือใกล้จะสูญเสียการมองเห็นจาก Keratoconus ขั้นสูง โรคนี้ทำให้กระจกตาบาง ซึ่งเป็นชั้นนอกสุดที่โปร่งใสของตา และป้องกันไม่ให้ตาโฟกัสได้อย่างเหมาะสม รากฟันเทียมช่วยฟื้นฟูความหนาและความโค้งของกระจกตา ผู้เข้าร่วม 14 คนที่เคยตาบอดก่อนการผ่าตัดได้รับการฟื้นฟูการมองเห็น โดยสามคนมีวิสัยทัศน์ 20/20 ที่สมบูรณ์แบบ”

หุ่นยนต์

ฝูงหุ่นยนต์ขนาดเล็กสามารถขุดอุโมงค์แห่งอนาคตได้
คริส บารานุค | มีสาย
“บริษัทเสนออนาคตที่หุ่นยนต์ขนาดเล็กกว่ามาก ยาวประมาณ 3 เมตร ซึ่งมีรูปร่างเหมือนครึ่งสูบซูมไปรอบๆ ใต้ดินผ่านท่อที่เจาะไว้ล่วงหน้า …เมื่อเข้าไปข้างในแล้ว บอทจะใช้แขนหุ่นยนต์ที่มีหัวกัดเจาะเข้าไปในโลกโดยรอบและแกะสลักช่องว่างเล็กๆ ที่จะเต็มไปด้วยคอนกรีตหรือวัสดุแข็งแรงอื่นๆ ‘เรากำลังพูดถึงพวกเขาหลายพันคน’ [HyperTunnel’s Patrick Lane-Nott] กล่าว ‘เหมือนฝูงมดหรือปลวกทำงานเป็นฝูง’ ฉัน

อนาคต

คลื่นเสียงช่วยให้นักวิจัยสร้างสิ่งต่าง ๆ ด้วยพลัง
แอนดรูว์ ลิซเซวสกี้ | Gizmodo
“อนาคตของการก่อสร้างจะเป็นอย่างไร? เครื่องจักรอัตโนมัติหึ่งรอบไซต์ก่อสร้าง? เครื่องพิมพ์ 3 มิติยักษ์พ่นผนังและพื้น? นักวิจัยจาก Public University of Navarre ในสเปนได้ทดลองกับการใช้คลื่นเสียงเพื่อทำให้วัสดุก่อสร้างลอยอยู่ในตำแหน่งโดยไม่ต้องมีปฏิสัมพันธ์ทางกายภาพ”

คอมพิวเตอร์

3D-Stacked CMOS นำกฎของมัวร์ไปสู่ความสูงใหม่
Marko Radosavljevic และ Jack Kavalieros | IEEE Spectrum
“เราได้สร้างอุปกรณ์ทดลองที่วางซ้อนกัน โดยให้ตรรกะที่เล็กลง 30 ถึง 50 เปอร์เซ็นต์ อุปกรณ์ด้านบนและด้านล่างเป็นส่วนประกอบเสริมสองประเภทคือ NMOS และ PMOS ซึ่งเป็นรากฐานของวงจรลอจิกทั้งหมดในช่วงหลายทศวรรษที่ผ่านมา เราเชื่อว่าเซมิคอนดักเตอร์โลหะออกไซด์เสริม (CMOS) หรือ CFET (ทรานซิสเตอร์เอฟเฟกต์สนามเสริม) แบบซ้อน 3 มิติจะเป็นกุญแจสำคัญในการขยายกฎของมัวร์ไปสู่ทศวรรษหน้า”

สกุลเงินดิจิตอล

Ethereum เพิ่งดึงการทดสอบขั้นสุดท้ายออกก่อนหนึ่งในเหตุการณ์ที่สำคัญที่สุดใน Crypto
MacKenzie Sigalos | CNBC
“Ethereum กำลังทำงานเพื่อเปลี่ยนไปสู่รูปแบบใหม่สำหรับการรักษาความปลอดภัยเครือข่ายที่เรียกว่า proof of Stake แทนที่จะอาศัยการขุดที่ใช้พลังงานมาก วิธีการใหม่นี้ต้องการให้ผู้ใช้ใช้ประโยชน์จากแคชของอีเธอร์ที่มีอยู่เพื่อตรวจสอบธุรกรรมและโทเค็นเหรียญกษาปณ์ ใช้พลังงานน้อยกว่ามากและคาดว่าจะแปลเป็นธุรกรรมได้เร็วขึ้น การทดสอบครั้งสุดท้ายเกิดขึ้นในวันพุธ เวลาประมาณ 21:45 น. ET”

หุ่นยนต์

Hyundai ประกาศเปิดตัว AI มูลค่า 400 ล้านเหรียญสหรัฐ สถาบันวิทยาการหุ่นยนต์ ขับเคลื่อนโดย Boston Dynamics
ไบรอัน ฮีตเตอร์ | Tech Crunch
ผม ‘ภารกิจของเราคือการสร้างหุ่นยนต์ขั้นสูงและเครื่องจักรอัจฉริยะรุ่นอนาคตที่ฉลาดกว่า คล่องตัวมากขึ้น มีการรับรู้ และปลอดภัยกว่าสิ่งใดก็ตามที่มีอยู่ในปัจจุบัน’ [Marc] Raibert กล่าวในการแถลงข่าวที่เกี่ยวข้องกับข่าว ‘โครงสร้างที่เป็นเอกลักษณ์ของสถาบัน—ผู้มีความสามารถระดับสูงที่เน้นการแก้ปัญหาพื้นฐานด้วยเงินทุนสนับสนุนที่ยั่งยืนและการสนับสนุนทางเทคนิคที่ยอดเยี่ยม—จะช่วยให้เราสร้างหุ่นยนต์ที่ใช้งานง่ายขึ้น มีประสิทธิผลมากขึ้น สามารถทำงานที่หลากหลายได้กว้างขึ้น และที่ทำงานอย่างปลอดภัยยิ่งขึ้น กับผู้คน’ ฉัน

เสมือนจริง

VR นั้นดีพอๆ กับ Psychedelics ในการช่วยให้ผู้คนเข้าถึง Transcendence
ฮานะ คิรอส | MIT Technology Review
“ในตัวชี้วัดที่สำคัญ ประสบการณ์ VR กระตุ้นการตอบสนองที่แยกไม่ออกจากผู้ทดลองที่ใช้ LSD หรือเห็ดวิเศษในปริมาณปานกลาง …ผู้เข้าร่วมสามารถสัมผัสประสบการณ์ที่เรียกว่าการรวมตัวที่มีพลัง: พวกเขารวมตัวกันในจุดเดียวกันในภูมิทัศน์เสมือนจริงเพื่อซ้อนทับร่างกายที่กระจัดกระจาย ทำให้ไม่สามารถบอกได้ว่าแต่ละคนเริ่มต้นและสิ้นสุดที่ใด ความรู้สึกที่เกิดจากความเชื่อมโยงอย่างลึกซึ้งและการลดทอนอัตตาสะท้อนความรู้สึกที่มักเกิดขึ้นจากประสบการณ์ที่ทำให้เคลิบเคลิ้ม”

เทค

ข้อตกลง iRobot จะให้แผนที่อเมซอนในบ้านหลายล้านหลัง
คารี จอห์นสัน | มีสาย
“ทำไมบริษัท Roomba ถึงมีมูลค่าถึง 1.7 พันล้านดอลลาร์แก่ Amazon? ไม่ใช่ฝุ่น แต่เป็นข้อมูล …Roombas ทำงานบางส่วนโดยใช้เซ็นเซอร์เพื่อทำแผนที่บ้านที่พวกเขาดำเนินการ ในการสัมภาษณ์กับรอยเตอร์ในปี 2560 Colin Angle ซีอีโอของ iRobot แนะนำว่าสักวันหนึ่งบริษัทอาจแบ่งปันข้อมูลนั้นกับบริษัทเทคโนโลยีที่กำลังพัฒนาอุปกรณ์สมาร์ทโฮมและผู้ช่วย AI เมื่อรวมกับเป้าหมายการเข้าซื้อกิจการเมื่อเร็วๆ นี้ Amazon สามารถปิดท้ายด้วยภาพรวมของสิ่งที่เกิดขึ้นภายในบ้านของผู้คน”

อนาคต

เราอยู่ในสถานการณ์จำลองหรือไม่?
สตีเฟน พูล | เดอะการ์เดียน
“มีเหตุผลที่ดีหรือไม่ที่จะเชื่ออาร์กิวเมนต์การจำลอง? … Chalmers ตั้งข้อสังเกตว่าอย่างน้อยก็มีความเป็นไปได้มากกว่าการทำซ้ำก่อนหน้านี้ด้วยความสงสัยเช่นปีศาจร้ายของ Descartes เพียงเพราะตอนนี้เรามีต้นแบบที่ใช้งานได้ (วิดีโอเกม, VR) ว่าการจำลองดังกล่าวอาจทำงานอย่างไร คนอื่นคาดการณ์ว่าอาจมีเบาะแสเกี่ยวกับความจริงที่ว่าจักรวาลของเราเป็นแบบจำลองที่ซ่อนอยู่ในโครงสร้างของ ‘ความจริง’ ที่เราสามารถตรวจสอบได้: บางทีการจำลองอาจตัดมุมด้วยขนาดที่เล็กมากหรือพลังงานที่สูงมาก”

พันธุศาสตร์

โรงพยาบาลและผู้ผลิตยาย้ายไปสร้างฐานข้อมูลขนาดใหญ่ของ DNA ชาวนิวยอร์ก
โจเซฟ โกลด์สตีน | The New York Times
“ระบบสุขภาพ Mount Sinai เริ่มความพยายามในสัปดาห์นี้เพื่อสร้างฐานข้อมูลขนาดใหญ่ของข้อมูลทางพันธุกรรมของผู้ป่วยที่นักวิจัยและบริษัทยารายใหญ่สามารถศึกษาได้ เป้าหมายคือการค้นหาการรักษาโรคตั้งแต่โรคจิตเภทไปจนถึงโรคไต แต่ความพยายามที่จะรวบรวมข้อมูลทางพันธุกรรมสำหรับผู้ป่วยจำนวนมากที่เก็บรวบรวมในระหว่างการเจาะเลือดเป็นประจำอาจก่อให้เกิดความกังวลเรื่องความเป็นส่วนตัวได้เช่นกัน”

เครดิตภาพ: Jacky Watt / Unsplash

นักวิทยาศาสตร์เพิ่งเปิดเผยการอ้างสิทธิ์ Quantum Advantage ของ Google ด้วยซูเปอร์คอมพิวเตอร์

ชิปประมวลผลควอนตัมโปรเซสเซอร์ AI sycamore ของ Google

เมื่อ Google ประกาศว่าคอมพิวเตอร์ควอนตัมของตนได้แก้ไขปัญหาที่เกิน ความสามารถของ ซูเปอร์คอมพิวเตอร์ที่ทรงพลังที่สุดแล้ว คอมพิวเตอร์ดังกล่าวจึงกลายเป็นจุดสังเกตสำหรับอุตสาหกรรมนี้ แต่ขณะนี้นักวิจัยชาวจีนได้แสดงให้เห็นว่าพวกเขา สามารถ แก้ปัญหา เดียวกัน นี้บนซูเปอร์คอมพิวเตอร์ปกติได้ในเวลาเพียงไม่กี่วินาที

คำมั่นสัญญาสูงสุดของ คอมพิวเตอร์ ควอนตัมคือ ความสามารถใน การดำเนินการคำนวณบางอย่างได้เร็วกว่าเครื่องจักรแบบคลาสสิก หรือแม้แต่แก้ปัญหาที่เป็นไปไม่ได้เลยที่จะถอดรหัสโดยใช้วิธีการแบบเดิม

ฟิลด์นี้ยังเพิ่งตั้งไข่และอุปกรณ์ในปัจจุบันมีขนาดเล็กเกินไปที่จะนำไปใช้กับความท้าทายในโลกแห่งความเป็นจริง แต่ในความพยายามที่จะพิสูจน์ว่าภาคสนามมีความคืบหน้า นักพัฒนาของโปรเซสเซอร์ควอนตัมจึงกระตือรือร้นที่จะค้นหาปัญหาที่อาจใช้งานไม่ได้จริงมากนัก แต่สามารถแสดงให้เห็นถึงศักยภาพในการเร่งความเร็วที่เทคโนโลยีของพวกเขาสามารถทำได้

Google ได้สร้างความก้าวหน้าครั้งสำคัญในหน้านี้ในปี 2019 โดยอ้างว่า โปรเซสเซอร์ Sycamore ของ Google ได้แก้ปัญหาที่ต้องใช้เวลาถึง 10,000 ปีในซูเปอร์คอมพิวเตอร์ในเวลาเพียง 200 วินาที ปัญหานี้อยู่ในความโปรดปรานของพวกมัน เนื่องจากมันเกี่ยวข้องกับการจำลองเอาท์พุตของโปรเซสเซอร์ แต่ด้วยการแสดงให้เห็นว่าคอมพิวเตอร์แบบคลาสสิกจะต่อสู้ดิ้นรน พวกเขาสามารถอ้าง “อำนาจสูงสุดของควอนตัม” หรือที่เรียกกันทั่วไปว่า “ข้อได้เปรียบควอนตัม” ในปัจจุบัน

แต่ตอนนี้นักวิจัยใน Chin a ได้ แก้ปัญหาเดียวกันนี้ในเวลาเพียง 15 ชั่วโมง โดยใช้ การออกแบบอัลกอริธึมที่ชาญฉลาดและคอมพิวเตอร์ขนาดใหญ่ปานกลาง ตามการคำนวณของพวกเขา อาจใช้เวลาเพียงไม่กี่วินาทีหากพวกเขาเข้าถึงซูเปอร์คอมพิวเตอร์ขนาดเต็มได้

ความท้าทายที่ Google กำหนดไว้คือการจำลองตัวประมวลผลซึ่งทำหน้าที่เป็นตัวสร้างตัวเลขสุ่มไม่มากก็น้อย ความแตกต่างเพียงอย่างเดียวคือพวกเขาทำซ้ำอัลกอริธึมนับล้านครั้ง และเนื่องจากธรรมชาติของอัลกอริธึม รูปแบบบางอย่างจึงควรปรากฏขึ้นในตัวเลขสุ่มที่ถูกถ่มน้ำลายออกมา

การจำลองสิ่งนี้บนคอมพิวเตอร์แบบคลาสสิกน่าจะทำได้ยากขึ้นอย่างรวดเร็วเมื่อขนาดของโปรเซสเซอร์เพิ่มขึ้น เนื่องจากปริมาณข้อมูลที่เข้ารหัสจะเพิ่มขึ้นแบบทวีคูณด้วย qubit พิเศษแต่ละตัว ด้วยวิธีการทั่วไปในการแก้ปัญหานี้ Google คาดการณ์ว่าจะต้องใช้เวลา 10,000 ปีในการจำลองตัวประมวลผล 53 บิต

ทีมงานจากสถาบันฟิสิกส์เชิงทฤษฎีที่ Chinese Academy of Sciences ได้รับ รอบ นี้โดยการปรับคณิตศาสตร์พื้นฐานที่ใช้ในการแก้ปัญหา พวกเขาเป็นตัวแทนของโปรเซสเซอร์เป็นเครือข่าย 3 มิติของวัตถุทางคณิตศาสตร์ที่เรียกว่าเทนเซอร์ซึ่งเป็นตัวแทนของลอจิกเกตระหว่าง 53 qubits เครือข่ายนี้มีการทำซ้ำมากกว่า 20 เลเยอร์ ซึ่งออกแบบมาเพื่อแสดงถึง 20 รอบที่อัลกอริทึมควอนตัมทำงานก่อนที่จะอ่านเอาต์พุตของโปรเซสเซอร์

ข้อดีของการใช้เทนเซอร์คือ GPU ซึ่งเป็นชิปที่ขับเคลื่อนการปฏิวัติการเรียนรู้เชิงลึก สามารถประมวลผลแบบคู่ขนานได้อย่างรวดเร็ว นักวิจัยยังใช้ประโยชน์จากข้อเท็จจริงที่ว่าการคำนวณของ Google เกี่ยวกับ Sycamore นั้นไม่แม่นยำนัก โดยได้ความเที่ยงตรงเพียง 0.2 เปอร์เซ็นต์ สิ่งนี้ทำให้พวกเขายอมเสียสละความแม่นยำในการจำลองบางส่วนเพื่อเพิ่มความเร็ว ซึ่งพวกเขาทำได้โดยการขจัดการเชื่อมต่อระหว่าง qubits บางส่วน

ผลที่ได้คือพวกเขาสามารถจำลองเอาต์พุตของโปรเซสเซอร์ Sycamore ได้อย่างแม่นยำที่ 0.37 เปอร์เซ็นต์ในเวลาเพียง 15 ชั่วโมงบน 512 GPUs ซึ่งมีพลังในการประมวลผลน้อยกว่าซูเปอร์คอมพิวเตอร์ชั้นนำส่วนใหญ่อย่างมาก ขณะนี้มีกระดาษสรุปผลการตีพิมพ์ที่ Physical Review Letters แต่ งาน พิมพ์ล่วงหน้าแบบ non-peer-review ได้รับการเผยแพร่เมื่อเดือนพฤศจิกายน ปีที่ แล้ว

แม้ว่าผลลัพธ์จะค่อนข้างแตกออก ฟองสบู่ควอนตัมสูงสุดของ Google ในอีเมลที่ส่งถึง Science บริษัท ชี้ให้เห็นว่าได้คาดการณ์ว่าอัลกอริธึมแบบคลาสสิกจะปรับปรุงในรายงานปี 2019 แต่พวกเขาเสริมว่าพวกเขาไม่คิดว่าพวกเขาจะสามารถติดตามการเพิ่มขึ้นแบบทวีคูณของประสิทธิภาพของคอมพิวเตอร์ควอนตัมได้นาน

ไม่ใช่ การทดลองอำนาจสูงสุดของควอนตัมเพียงอย่างเดียว ที่ จะยกเลิก ในปี 2020 ทีมงาน ชาวจีน อ้างว่าปัญหาคอมพิวเตอร์ควอนตัมของพวกเขาสามารถแก้ไขได้ใน 200 วินาที จะใช้เวลาซูเปอร์คอมพิวเตอร์ 2.5 พันล้านปี แต่ในเดือนมกราคมนักวิจัยพบว่าจริง ๆ แล้วจะใช้เวลาเพียง 73 วันเท่านั้น

แม้ว่าสิ่งนี้จะไม่ลบล้างความก้าวหน้าที่เกิดขึ้นในภาคสนาม แต่กลุ่มนักวิจัยที่เติบโตขึ้นเรื่อยๆ กล่าวว่าการใช้ควอนตัมและเครื่องจักรแบบคลาสสิกมาแข่งขันกันในปัญหาการคำนวณเชิงนามธรรมประเภทนี้ไม่ได้ให้ความหมายที่ชัดเจนว่าเทคโนโลยีอยู่ ที่ ใด

พวกเขากล่าวว่าการทดสอบจริงจะเกิดขึ้นเมื่อคอมพิวเตอร์ควอนตัมสามารถแก้ปัญหาในโลกแห่งความเป็นจริงได้เร็วและมีประสิทธิภาพมากกว่าแบบคลาสสิก และดูเหมือนว่ามันอาจจะยังมีทางออกอยู่บ้าง

เครดิตภาพ: Google

โลกช่างน่ากลัว โลกดีขึ้นมาก โลกจะดีขึ้นมาก

โลกนี้ช่างน่ากลัว โลกดีขึ้นมาก โลกจะดีขึ้นมาก ข้อความทั้งสามเป็นจริงในเวลาเดียวกัน

การอภิปรายเกี่ยวกับสถานะของโลกมักเน้นไปที่ข้อความแรก: ข่าวดังกล่าวเน้นถึงสิ่งที่กำลังจะเกิดขึ้น ไม่ค่อยพูดถึงการพัฒนาในเชิงบวกใดๆ

การย้อนกลับของการเล่าเรื่องนี้นำไปสู่อีกขั้นหนึ่ง ซึ่งสร้างความเสียหายอย่างเท่าเทียมกัน การสื่อสาร ความคืบหน้าที่โลกประสบความสำเร็จ เพียงอย่างเดียวนั้นไม่ช่วยอะไรหรือน่ารังเกียจเมื่อมองข้ามปัญหาที่เกิดขึ้นจริงในปัจจุบัน

เป็นการยากที่จะต้านทานการตกจากมุมมองเหล่านี้เพียงด้านเดียว แต่การจะเห็นว่าโลกที่ดีกว่านั้นเป็นไปได้ เราต้องเห็นว่าทั้งสองเป็นจริงในเวลาเดียวกัน โลกนี้ช่างเลวร้าย และ โลกก็น่าอยู่มากขึ้น

เพื่อแสดงให้เห็นสิ่งที่ฉันหมายถึง ฉันจะใช้ตัวอย่างโศกนาฏกรรมครั้งใหญ่ที่สุดเรื่องหนึ่งของมนุษย์ นั่นคือการตายของลูกๆ ของมัน แต่ปัญหาอื่นๆ ของโลกก็เช่นเดียวกัน มนุษยชาติเผชิญกับปัญหามากมายที่สิ่งต่างๆ ดีขึ้นเมื่อเวลาผ่านไป ซึ่งยังคงเลวร้ายอยู่ และเรารู้ว่าสิ่งต่างๆ จะดีขึ้นได้ 1

Venn ดีกว่า แย่กว่า จะดีกว่า 1

โลกช่างน่ากลัว

เด็กทั่วโลกร้อยละ 4.3 เสียชีวิตก่อนอายุ 15 ปี นี่คือข้อมูลสำหรับปี 2020 ซึ่งเป็นปีล่าสุดที่มี

ซึ่งหมายความว่าเด็ก 5.9 ล้านคนเสียชีวิตทุกปี—เฉลี่ย 16,000 คนต่อวัน และเด็ก 11 คนทุกนาที 2

เห็นได้ชัดว่าโลกที่มีโศกนาฏกรรมหลายพันเรื่องเกิดขึ้นทุกวันนั้นช่างเลวร้าย

โลกมันช่างน่ากลัว3

โลกดีขึ้นมาก

บทเรียนที่ยิ่งใหญ่ของประวัติศาสตร์คือสิ่งต่างๆ เปลี่ยนไป แต่มันยากที่จะจินตนาการว่าสภาพความเป็นอยู่ที่เลวร้ายเพียงใด และนั่นทำให้ยากที่จะเข้าใจว่าโลกได้เปลี่ยนแปลงไปมากเพียงใด

ข้อมูลสามารถช่วยนำการเปลี่ยนแปลงมาสู่จิตใจได้ นักประวัติศาสตร์ประมาณการว่าในอดีต ประมาณครึ่งหนึ่งของเด็กทั้งหมดเสียชีวิต ก่อนจะเข้าสู่วัยเจริญพันธุ์ นี่เป็นความจริงไม่ว่าเด็กจะเกิดที่ใดในโลก และเริ่มเปลี่ยนแปลงในศตวรรษที่ 19 เพียงไม่กี่ชั่วอายุคนก่อน 3

เป็นเรื่องยากที่จะจินตนาการได้ แต่การตายของเด็กในสถานที่เลวร้ายที่สุดในปัจจุบันนั้นดี กว่า เมื่อก่อนมาก แม้แต่ในประเทศที่ร่ำรวยที่สุดในโลก อัตราการเสียชีวิตของเด็กก็สูงขึ้นมากในช่วงไม่นานนี้ ในโซมาเลีย ประเทศที่มีอัตราการเสียชีวิตสูงสุดในปัจจุบัน เด็กประมาณ 14 เปอร์เซ็นต์เสียชีวิตทั้งหมด 4 เมื่อไม่กี่ชั่วอายุคนที่ผ่านมา อัตราการเสียชีวิตสูงกว่าสามเท่า แม้แต่ในที่ที่ดีที่สุด 5

สิ่งที่เราเรียนรู้จากประวัติศาสตร์คือมันเป็นไปได้ที่จะเปลี่ยนแปลงโลก น่าเสียดายที่ข้อมูลระยะยาวเกี่ยวกับสภาพความเป็นอยู่ที่เปลี่ยนแปลงไปนั้นไม่ค่อยได้รับการศึกษาในโรงเรียนและไม่ค่อยรายงานในสื่อ ด้วยเหตุนี้ หลายคนจึง ไม่รู้เลย แม้แต่น้อยถึงพัฒนาการเชิงบวกขั้นพื้นฐานที่สุดในโลก

แต่ความจริงข้อนี้—ที่เป็นไปได้ที่จะเปลี่ยนแปลงโลกและบรรลุความก้าวหน้าที่ไม่ธรรมดาสำหรับทั้งสังคม—เป็นสิ่งที่ ทุกคน ควรรู้

โลกดีขึ้น2

โลกน่าอยู่ขึ้นมาก

ความก้าวหน้าเมื่อเวลาผ่านไปแสดงให้เห็นว่าสามารถเปลี่ยนแปลงโลกในอดีตได้ แต่เราทราบหรือไม่ว่ามีความเป็นไปได้ที่จะดำเนินความก้าวหน้านี้ต่อไปในอนาคต หรือบางทีเราอาจเกิดในช่วงเวลาที่โชคร้ายในประวัติศาสตร์ที่ความก้าวหน้าต้องหยุดชะงักลง?

การศึกษาข้อมูลทั่วโลกแสดงให้เห็นว่าคำตอบคือไม่

วิธีหนึ่งที่จะเห็นสิ่งนี้คือการดูสถานที่ต่างๆ ในโลกที่มีสภาพความเป็นอยู่ที่ดีที่สุดในปัจจุบัน สถานที่ที่ดีที่สุดแสดงให้เห็นว่าอัตราการเสียชีวิตของเด็กที่ต่ำมากไม่ได้เป็นเพียงความเป็นไปได้เท่านั้น แต่เป็นความจริงอยู่แล้ว

ภูมิภาคโลกที่เด็กมีโอกาสรอดชีวิตในวัยเด็กได้ดีที่สุดคือสหภาพยุโรป 99.55 เปอร์เซ็นต์ของเด็กที่เกิดในสหภาพยุโรปรอดชีวิตในวัยเด็ก 6

เพื่อดูว่าโลกจะน่าอยู่ขึ้นขนาดไหน เราสามารถถามได้ว่าโลกจะเป็นอย่างไรหากสิ่งนี้กลายเป็นความจริงใน ทุก ที่ จะเกิดอะไรขึ้นถ้าเด็กทั่วโลกเป็นเหมือนเด็กในสหภาพยุโรป? เด็กจำนวนน้อยกว่าห้าล้านคนจะเสียชีวิตทุกปี 7

แน่นอนว่าอัตราการเสียชีวิตของเด็กในสหภาพยุโรปยังสูงเกินไป และไม่มีเหตุผลใดที่ความก้าวหน้าจะหยุดเพียงแค่นั้น มะเร็งอย่างมะเร็งเม็ดเลือดขาวและเนื้องอกในสมองคร่าชีวิตเด็กไปหลายร้อยคน แม้แต่ในประเทศที่ร่ำรวยที่สุดในปัจจุบัน เราควรพยายามหาวิธีป้องกันการเสียชีวิตที่น่าสลดใจเหล่านี้

อย่างไรก็ตาม โอกาสที่ใหญ่ที่สุดในการป้องกันความเจ็บปวดและความทุกข์ทรมานของเด็ก ๆ อยู่ในประเทศที่ยากจนกว่า ที่นั่นเรารู้ไม่เพียงแค่ว่าสิ่งต่าง ๆ จะดีขึ้นได้ แต่จะทำให้ดีขึ้นได้อย่างไร

คุณสามารถใช้งานวิจัยนี้ในการทำให้โลกนี้เป็นสถานที่ที่ดียิ่งขึ้นในการมีส่วนร่วมในความก้าวหน้านี้ด้วยตนเอง ฉันขอแนะนำให้พึ่งพางานวิจัยที่เผยแพร่โดย GiveWell.org องค์กรไม่แสวงหาผลกำไร ทีมงานของ GiveWell ใช้เวลาหลายปีในการระบุองค์กรการกุศลที่คุ้มค่าที่สุด เพื่อให้การบริจาคของคุณส่งผลกระทบเชิงบวกมากที่สุดต่อชีวิตของผู้อื่น องค์กรการกุศลที่แนะนำหลายแห่งมุ่งเน้นไปที่การพัฒนาสุขภาพของเด็ก โดยมอบโอกาสให้คุณมีส่วนสนับสนุนความก้าวหน้าในการต่อต้านการตายของเด็ก

งานวิจัยเกี่ยวกับวิธีป้องกันการเสียชีวิตของเด็กและข้อเท็จจริงที่ว่าการตายของเด็กในภูมิภาคต่างๆ ทั่วโลกต่ำกว่าค่าเฉลี่ยทั่วโลกถึง 10 เท่า แสดงให้เห็นถึงสิ่งที่เป็นไปได้ การเสียชีวิตของเด็ก นับล้าน สามารถป้องกันได้ เรารู้ว่ามันเป็นไปได้ที่จะทำให้โลกนี้น่าอยู่ขึ้น

โลกน่าอยู่ขึ้นได้3

โลกช่างน่ากลัว นี่คือเหตุผลที่เราต้องรู้เกี่ยวกับความก้าวหน้า

ข่าวมักเน้นที่ความเลวร้ายของโลก มีผู้ชมจำนวนมากสำหรับข่าวร้าย และทำให้ผู้คนหวาดกลัวง่ายกว่าการสนับสนุนให้พวกเขาบรรลุการเปลี่ยนแปลงในเชิงบวก

ฉันยอมรับว่าเป็นสิ่งสำคัญที่เราต้องรู้ว่ามีอะไรผิดปกติกับโลก แต่ด้วยขนาดของสิ่งที่เราประสบความสำเร็จไปแล้วและสิ่งที่เป็นไปได้ในอนาคต ฉันคิดว่าการรายงาน เฉพาะ สถานการณ์ของเราที่เลวร้ายนั้นไม่มีความรับผิดชอบ

การเห็นว่าโลกนี้น่าอยู่ขึ้นไม่ได้หมายความว่าเราจะปฏิเสธว่าเรากำลังเผชิญกับปัญหาร้ายแรง ในทางตรงกันข้าม ถ้าเราบรรลุสิ่งที่ดีที่สุดในโลก ฉันจะไม่ใช้เวลาทั้งชีวิตเขียนและค้นคว้าว่าเรามาที่นี่ได้อย่างไร เป็นเพราะโลกยังเลวร้ายอยู่จึงเป็นสิ่งสำคัญมากที่จะต้องเห็นว่าโลกนี้กลายเป็นสถานที่ที่ดีขึ้นได้อย่างไร

ฉันหวังว่าเราจะสามารถเปลี่ยนวัฒนธรรมของเราเพื่อให้เราสามารถดำเนินการอย่างจริงจังมากขึ้น นี่เป็นปัญหาที่แก้ไขได้: เรามีข้อมูลและการวิจัย แต่ขณะนี้เราไม่ได้ใช้งาน ข้อมูลมักถูกจัดเก็บไว้ในฐานข้อมูลที่ไม่สามารถเข้าถึงได้ งานวิจัยถูกล็อกไว้เบื้องหลัง paywall และถูกฝังไว้ภายใต้ศัพท์แสงในเอกสารทางวิชาการ ด้วย โลกของเราในข้อมูล เราต้องการเปลี่ยนแปลงสิ่งนี้

หากเราต้องการให้ผู้คนจำนวนมากขึ้นทุ่มเทพลังงานและเงินเพื่อทำให้โลกนี้น่าอยู่ขึ้น เราควรทำให้เป็นที่รู้จักในวงกว้างมากขึ้นว่า เป็นไปได้ที่จะทำให้โลกนี้น่าอยู่ขึ้น

แย่กว่านี้ก็ดีขึ้นได้

บทความนี้ถูกตีพิมพ์ครั้งแรกบน Our World in Data และได้รับการตีพิมพ์ซ้ำที่นี่ภายใต้สัญญาอนุญาตครีเอทีฟคอมมอนส์ อ่าน บทความต้นฉบับ

เครดิตภาพ: Matteo Imperiali จาก Pixabay

อดีตวิศวกรของ SpaceX เปิดตัวสตาร์ทอัพที่หุ่นยนต์ทำพิซซ่าใน 45 วินาที

พิซซ่าทำโดยหุ่นยนต์

ใครไม่ชอบพิซซ่าร้อนๆ เหนอะหนะ สดใหม่จากเตาบ้าง? หากมีอาหารที่ดีกว่านี้ คงไม่มีใครรู้เรื่องนี้ (แม้ว่าไอศกรีมจะเป็นคู่แข่งที่ค่อนข้างใกล้เคียง) ชาวอเมริกันชื่นชอบพิซซ่ามานานหลายทศวรรษ แต่การระบาดใหญ่ของโควิด-19 ทำให้การบริโภคอาหารอันโอชะอันรุ่งโรจน์นี้ของเราสูงขึ้นไปอีก ตาม รายงาน Pizza Power Report ประจำปี 2022 ของ Pizza Magazine (ใช่แล้ว มีสิ่งพิมพ์ชื่อ Pizza Magazine นะ ใครจะไปรู้!) ผู้บริโภคชาวอเมริกันคิดเป็นสัดส่วนประมาณหนึ่งในสามของการใช้จ่ายพิซซ่าทั่วโลก โดยใช้จ่ายไป 45 พันล้านดอลลาร์สำหรับพายชีส พ.ศ. 2564

คุ้มไหม? ต่อมรับรสและรอบเอวอาจไม่สอดคล้องกัน แต่เราอาจจะตอบตกลงได้

สตาร์ทอัพในลอสแองเจลิสชื่อ Stellar Pizza หวังว่าจะทำให้การบริโภคพิซซ่าง่ายยิ่งขึ้นสำหรับผู้อยู่อาศัยในแอลเอด้วยการนำพายที่สดใหม่ เร็วขึ้น และราคาถูกลง ปัจจัยสำคัญบางประการทำให้การเริ่มต้นนี้แตกต่างออกไป โดยเริ่มจากข้อเท็จจริงที่ว่ามันดำเนินการโดยอดีตวิศวกรของ SpaceX; หากคุณสามารถออกแบบส่วนประกอบสำหรับจรวดได้ การออกแบบหุ่นยนต์ทำพิซซ่าก็ไม่ใช่เรื่องยาก หรือมากกว่าชิ้นส่วนของพาย

ระบบการทำอาหารของ Stellar ไม่เพียงแต่เป็นแบบอัตโนมัติเท่านั้น แต่ยังทำพิซซ่าบนรถบรรทุก ในขณะที่รถบรรทุกดังกล่าวกำลังเดินทางไปยังไซต์จัดส่ง—พูดคุยเกี่ยวกับความสด สุดท้ายแต่ไม่ท้ายสุด มีรายงานว่าพิซซ่าใช้เวลาอบเพียง 45 วินาที และมีราคา 7 ถึง 10 ดอลลาร์ขึ้นอยู่กับตัวเลือกท็อปปิ้ง

คำถามเดียวที่เหลืออยู่คือมันดีหรือไม่?

บริษัทได้ว่าจ้างที่ปรึกษาด้านพิซซ่า (ฉันรู้—นั่นใช่ งาน ?!) Noel Brohner ผู้ซึ่งเคยร่วมงานกับบริษัทต่างๆ เช่น Google และ Mod Pizza เพื่อปรับแต่งสูตรของพวกเขา ตลอดจนเชฟ LA ชั้นนำและคนดังให้สมบูรณ์แบบ พิซซ่าเสิร์ฟในร้านอาหารและที่ทำที่บ้าน Brohner บอกกับ Los Angeles Times ว่าเมื่อเขาลองใช้สูตรเริ่มต้นของ Stellar “ฉันรู้สึกประทับใจมาก และตกใจมากที่วิศวกรจรวดสองคนสามารถทำได้ดีสำหรับตัวเอง แม้กระทั่งก่อนที่ฉันจะถูกนำเข้ามา”

แล้วพิซซ่าของ Stellar จะดีขึ้นได้มากน้อยเพียงใดหลังจากรวมคำติชมของกูรูเข้าไว้ด้วยกัน

กระบวนการทำพิซซ่าไม่ได้แตกต่างไปจากการทำพิซซ่าด้วยมือมนุษย์มากนัก ขั้นแรก แขนโลหะหย่อนลงในกล่องที่แช่เย็นแล้วคว้าก้อนแป้งมาวางบนสายพานลำเลียง โดยที่ดิสก์จะลดระดับลงเพื่อกดให้เป็นวงกลมขนาด 12 นิ้ว (บริษัททำแป้งที่สำนักงานใหญ่แล้วบรรจุลงไป ตู้เย็นของเครื่องเป็นลูกที่เตรียมไว้ล่วงหน้า) ในขณะที่เปลือกดิบเคลื่อนไปตามสายพาน เครื่องจักรต่างๆ จะราดด้วยซอสมะเขือเทศ เขย่าชีสลงไป ใส่ท็อปปิ้งอื่นๆ จากนั้นยกเข้าเตาอบ 900 องศาเพื่ออบ การเดินทางของพายถูกติดตามโดยกล้องและเซ็นเซอร์ ซึ่งสามารถปรับเปลี่ยนได้ตามต้องการ

เราทุกคนหวังเป็นอย่างยิ่งว่าจะไม่เห็นโรคระบาดอื่นในช่วงชีวิตของเรา แต่ Stellar กล่าวว่าจุดขายอย่างหนึ่งของพายคือไม่มีมือมนุษย์แตะต้องพวกมัน พวกมันถูกสร้างขึ้นด้วยเครื่องจักรทั้งหมด ไปจนถึงการเลื่อนเข้าไปในกล่อง ซึ่งพนักงานขับรถส่งของจะส่งต่อไปยังลูกค้า

ปัจจุบันบริษัทกำลังระดมทุนเพื่อสร้างหุ่นยนต์พิซซ่า ซึ่งมีแผนที่จะนำไปใช้กับพื้นที่ที่มีลูกค้าหนาแน่น เช่น สนามกีฬาและวิทยาเขตของวิทยาลัย ลูกค้าจะใช้แอพของบริษัทในการสั่งซื้อ

Stellar ไม่ใช่บริษัทสตาร์ทอัพรายแรกที่พยายามทำพิซซ่าแบบอัตโนมัติ แต่อาจเป็นคนแรกที่ประสบความสำเร็จ รุ่นก่อนไม่ได้มีอาการทั้งหมดที่ดี Basil Street Cafe ติดตั้งตู้จำหน่ายพิซซ่าอัตโนมัติ 12 เครื่องทั่ว LA ก่อนที่ จะเลิกกิจการ เมื่อสองสามเดือนก่อน และ Zume Pizza ที่ตั้งอยู่ใน Mountain View ได้ปิดตัวลงและหันไปทำวัสดุบรรจุภัณฑ์หลังจากทำพายที่ทำขึ้นด้วยหุ่นยนต์เป็นเวลาสองสามปี ( สูญเสียเงินเป็นจำนวนมาก ในกระบวนการ)

เมื่อพิจารณาจากอัตราเงินเฟ้อและการขาดแคลนแรงงาน เราอาจจะต้องรับมือในอนาคตอันใกล้ การนำ หุ่นยนต์เข้ามาให้บริการด้านอาหาร ดูเหมือนจะไม่ใช่แค่ความคิดที่ดี แต่ยังเป็นสิ่งที่จำเป็น โดยเฉพาะอย่างยิ่งหากช่วยให้อาหารมีราคาที่ไม่แพงมาก ในด้านเทคโนโลยีของ Stellar Brohner กล่าวว่า “แทนที่จะมีค่าใช้จ่ายแรงงานเกือบ 20, 30 หรือ 40 เปอร์เซ็นต์ แต่ก็ใกล้ถึง 10 เปอร์เซ็นต์แล้ว ดังนั้นสิ่งที่พวกเขาสามารถทำได้คือใช้ส่วนผสมคุณภาพสูงกว่ามากในขณะที่รักษาต้นทุนให้แข่งขันได้”

Stellar Pizza วางแผนที่จะเปิดตัวใน LA ในฤดูใบไม้ร่วงนี้

เครดิตภาพ: Stellar Pizza

สุนัขหุ่นยนต์ตัวนี้มีสมอง AI และสอนตัวเองให้เดินได้ภายในเวลาเพียงหนึ่งชั่วโมง

สุนัขหุ่นยนต์ cal berkeley ai เรียนรู้ที่จะเดิน

เคยเห็นลูกละมั่งหัดเดินไหม? กวางซึ่งโดยพื้นฐานแล้วเป็นพ่อของสัตว์เลี้ยงลูกด้วยนมที่มีขายาว ตะกายลงไปที่เท้า ตกลงมา ยืนแล้วล้มอีก ในที่สุด มันก็ยืนได้นานพอที่จะเหวี่ยงขาที่เหมือนไม้จิ้มฟันลงไปในน้ำตกใกล้ๆ…อะแฮ่ม ขั้นบันได น่าแปลกที่เพียงไม่กี่นาทีหลังจากการแสดงที่น่ารักนี้ กวางตัวผู้ก็กระโดดไปมาราวกับมือโปรรุ่นเก่า

ตอนนี้เรามีเวอร์ชันหุ่นยนต์ของฉาก Serengeti สุดคลาสสิกแล้ว

กวางในกรณีนี้คือสุนัขหุ่นยนต์ที่มหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ และยังเป็นผู้เรียนที่รวดเร็วอย่างน่าประหลาดใจอีกด้วย (เทียบกับประเภทหุ่นยนต์ที่เหลือ) หุ่นยนต์นี้ยังมีความพิเศษอีกด้วย เพราะไม่เหมือนกับหุ่นยนต์ที่ฉูดฉาดอื่นๆ ที่คุณอาจเคยเห็นทางออนไลน์ หุ่นยนต์ตัวนี้ใช้ปัญญาประดิษฐ์ในการสอนตัวเองให้เดิน

โดยเริ่มจากหลัง การโบกขา หุ่นยนต์เรียนรู้ที่จะพลิกตัวเอง ยืนขึ้น และเดินในหนึ่งชั่วโมง การข่มขู่ด้วยกระดาษแข็งอีกสิบนาทีก็เพียงพอแล้วที่จะสอนวิธีต้านทานและฟื้นฟูจากการถูกผู้ดูแลผลักไปมา

นี่ไม่ใช่ครั้งแรก ที่หุ่นยนต์ใช้ปัญญาประดิษฐ์ในการเรียนรู้การเดิน แต่ในขณะที่หุ่นยนต์รุ่นก่อนเรียนรู้ทักษะจากการลองผิดลองถูกมากกว่าการจำลองซ้ำนับไม่ถ้วนในการจำลอง บ็อต Berkeley ได้เรียนรู้ทั้งหมดในโลกแห่งความเป็นจริง

ใน บทความที่ตีพิมพ์ บนเซิร์ฟเวอร์ preprint ของ arXiv นักวิจัย Danijar Hafner, Alejandro Escontrela และ Philipp Wu กล่าวว่าการถ่ายโอนอัลกอริธึมที่เรียนรู้จากการจำลองไปยังโลกแห่งความเป็นจริงนั้นไม่ใช่เรื่องง่าย รายละเอียดเล็กน้อยและความแตกต่างระหว่างโลกแห่งความจริงกับการจำลองสามารถสะดุดหุ่นยนต์ที่เพิ่งเกิดใหม่ได้ ในทางกลับกัน อัลกอริธึมการฝึกอบรมในโลกแห่งความเป็นจริงนั้นทำไม่ได้ มันต้องใช้เวลาและการสึกหรอมากเกินไป

ตัวอย่างเช่น เมื่อ 4 ปีที่แล้ว OpenAI โชว์มือหุ่นยนต์ที่เปิดใช้งาน AI ซึ่งสามารถจัดการกับลูกบาศก์ได้ อัลกอริธึมการควบคุม Dactyl ต้องการประสบการณ์ 100 ปีในการจำลองที่ขับเคลื่อนโดย 6,144 CPU และ 8 Nvidia V100 GPUs เพื่อทำงานที่ค่อนข้างง่ายนี้ให้สำเร็จ สิ่งต่าง ๆ ก้าวหน้าตั้งแต่นั้นมา แต่ปัญหาส่วนใหญ่ยังคงอยู่ อัลกอริธึมการเรียนรู้แบบเสริมกำลังล้วนต้องการการลองผิดลองถูกมากเกินไปในการเรียนรู้ทักษะเพื่อฝึกฝนในโลกแห่งความเป็นจริง พูดง่ายๆ ก็คือ กระบวนการเรียนรู้จะทำลายนักวิจัย และ หุ่นยนต์ก่อนที่จะดำเนินการใดๆ ที่มีความหมาย

ทีม Berkeley ตั้งใจที่จะแก้ปัญหานี้ด้วยอัลกอริธึมที่เรียกว่า Dreamer การสร้างสิ่งที่เรียกว่า ” แบบจำลองโลก ” Dreamer สามารถคาดการณ์ความน่าจะเป็นที่การดำเนินการในอนาคตจะบรรลุเป้าหมาย ด้วยประสบการณ์ ความแม่นยำของการคาดคะเนจึงดีขึ้น ด้วยการกรองการกระทำที่ประสบความสำเร็จน้อยกว่าไว้ล่วงหน้า โมเดลโลกช่วยให้หุ่นยนต์ค้นหาสิ่งที่ได้ผลอย่างมีประสิทธิภาพมากขึ้น

นักวิจัยเขียนว่า “การเรียนรู้แบบจำลองโลกจากประสบการณ์ในอดีตช่วยให้หุ่นยนต์สามารถจินตนาการถึงผลลัพธ์ในอนาคตของการกระทำที่อาจเกิดขึ้นได้ โดยลดจำนวนการลองผิดลองถูกในสภาพแวดล้อมจริงที่จำเป็นในการเรียนรู้พฤติกรรมที่ประสบความสำเร็จ” นักวิจัยเขียน “ด้วยการคาดการณ์ผลลัพธ์ในอนาคต แบบจำลองโลกช่วยให้สามารถวางแผนและเรียนรู้พฤติกรรมได้จากการปฏิสัมพันธ์ในโลกแห่งความเป็นจริงเพียงเล็กน้อย”

กล่าวอีกนัยหนึ่ง โมเดลโลกสามารถลดเวลาการฝึกอบรมในการจำลองที่เทียบเท่ากับปีให้เหลือไม่เกินชั่วโมงที่น่าอึดอัดใจในโลกแห่งความเป็นจริง

วิธีการนี้อาจมีความเกี่ยวข้องมากกว่าสุนัขหุ่นยนต์ด้วย ทีมงานยังใช้ Dreamer กับแขนหุ่นยนต์หยิบและวางและหุ่นยนต์ล้อเลื่อน ในทั้งสองกรณี พวกเขาพบว่า Dreamer อนุญาตให้หุ่นยนต์ของพวกเขาเรียนรู้ทักษะที่เกี่ยวข้องอย่างมีประสิทธิภาพ โดยไม่ต้องใช้เวลาซิม การใช้งานในอนาคตที่มีความทะเยอทะยานมากขึ้นอาจรวมถึง รถยนต์ที่ขับเคลื่อนด้วยตนเอง

แน่นอนว่ายังมีความท้าทายที่ต้องแก้ไข แม้ว่าการเรียนรู้แบบเสริมกำลังจะทำให้การเข้ารหัสด้วยมือที่ซับซ้อนบางส่วนเป็นไปโดยอัตโนมัติเบื้องหลังหุ่นยนต์ที่ล้ำหน้าที่สุดในปัจจุบัน แต่ก็ยังต้องการวิศวกรในการกำหนดเป้าหมายของหุ่นยนต์และสิ่งที่ก่อให้เกิดความสำเร็จ ซึ่งเป็นแบบฝึกหัดที่ใช้เวลานานและเปิดกว้างสำหรับสภาพแวดล้อมในโลกแห่งความเป็นจริง นอกจากนี้ แม้ว่าหุ่นยนต์จะรอดชีวิตจากการทดลองของทีมที่นี่ แต่การฝึกทักษะขั้นสูงที่นานขึ้นอาจพิสูจน์ได้ว่ามากเกินไปสำหรับบอทในอนาคตที่จะอยู่รอดได้โดยไม่มีความเสียหาย นักวิจัยกล่าวว่าการรวมการฝึกจำลองเข้ากับการเรียนรู้ในโลกแห่งความเป็นจริงอย่างรวดเร็วอาจเป็นประโยชน์

ถึงกระนั้น ผลลัพธ์ก็ทำให้ AI ในวิทยาการหุ่นยนต์ก้าวหน้าไปอีกขั้น Dreamer เสริมความแข็งแกร่งให้กับกรณีที่ “การเรียนรู้การเสริมกำลังจะเป็นเครื่องมือสำคัญในอนาคตของการควบคุมหุ่นยนต์” Jonathan Hurst ศาสตราจารย์ด้านวิทยาการหุ่นยนต์ที่ Oregon State University กล่าวกับ MIT Technology Review 

เครดิตภาพ: Danijar Hafner / YouTube

เรื่องราวเทคโนโลยีสุดเจ๋งประจำสัปดาห์นี้จากทั่วทั้งเว็บ (จนถึงวันที่ 6 สิงหาคม)

เรื่องราวเทคโนโลยี สถาปัตยกรรมเกลียว มหาวิทยาลัยเทคโนโลยี ซิดนีย์

ประสาทวิทยา

ยุคของการเชื่อมต่อระหว่างสมองกับคอมพิวเตอร์อยู่บนขอบฟ้า
เกรซ บราวน์ | มีสาย
“สิ่งแปลกใหม่อย่างแท้จริงกับอุปกรณ์ของ Synchron คือศัลยแพทย์ไม่จำเป็นต้องผ่าสมองของคุณ ทำให้มีการบุกรุกน้อยกว่ามาก ดังนั้นจึงมีความเสี่ยงน้อยกว่าสำหรับผู้ป่วย อุปกรณ์นี้เรียกว่า Stentrode มีการออกแบบคล้ายตาข่ายและมีความยาวประมาณแบตเตอรี่ AAA …ศัลยแพทย์ระบบประสาทส่วนใหญ่เร่งดำเนินการตามวิธีการพื้นฐานที่จำเป็นในการติดตั้ง ซึ่งช่วยลดการผ่าตัดที่มีความเสี่ยงสูงไปสู่ขั้นตอนที่สามารถส่งผู้ป่วยกลับบ้านได้ในวันเดียวกัน ‘และ นั่น คือนวัตกรรมที่ยิ่งใหญ่’ Kording กล่าว”

ปัญญาประดิษฐ์

Meta กำลังวาง AI Chatbot ล่าสุดบนเว็บสำหรับสาธารณะเพื่อพูดคุย
เจมส์ วินเซนต์ | The Verge
“รางวัลที่แท้จริงคือการสร้างระบบที่สามารถทำการสนทนาได้อย่างอิสระและเป็นธรรมชาติเหมือนมนุษย์ และ Meta กล่าวว่าวิธีเดียวที่จะบรรลุเป้าหมายนี้คือปล่อยให้บอทมีการสนทนาที่เป็นอิสระและเป็นธรรมชาติ “การขาดความอดทนต่อบอทที่พูดสิ่งที่ไม่ช่วยในความหมายกว้าง ๆ นี้เป็นเรื่องที่น่าเสียดาย” วิลเลียมสันกล่าว ‘และสิ่งที่เราพยายามทำคือปล่อยสิ่งนี้อย่างมีความรับผิดชอบและผลักดันการวิจัยไปข้างหน้า’ ฉัน

เทคโนโลยีชีวภาพ

การเริ่มต้นนี้ต้องการคัดลอกคุณไปสู่ตัวอ่อนสำหรับการเก็บเกี่ยวอวัยวะ
อันโตนิโอ เรกาลาโด | MIT Technology Review
“บริษัท Renewal Bio กำลังไล่ตามความก้าวหน้าล่าสุดในเทคโนโลยีสเต็มเซลล์และมดลูกประดิษฐ์ที่แสดงโดย Jacob Hanna นักชีววิทยาจากสถาบันวิทยาศาสตร์ Weizmann ใน Rehovot เมื่อต้นสัปดาห์นี้ ฮันนาแสดงให้เห็นว่าตั้งแต่เริ่มด้วยสเต็มเซลล์ของหนู ห้องแล็บของเขาสามารถสร้างตัวอ่อนของหนูที่ดูเหมือนสมจริงมาก และเลี้ยงพวกมันให้เติบโตในครรภ์แบบกลไกเป็นเวลาหลายวัน จนกว่าพวกเขาจะพัฒนาหัวใจที่เต้น เลือดที่ไหลเวียน และรอยพับของกะโหลก”

คอมพิวเตอร์

คาดว่าการเข้ารหัสแบบควอนตัมที่ถอดรหัสโดย Basic-Ass PC
ลูคัส โรเป็ค | Gizmodo
“ปรากฎว่าการทำลายอัลกอริธึมการเข้ารหัสเพื่อต้านทานการโจมตีทางไซเบอร์ที่ทรงพลังที่สุดเท่าที่จะจินตนาการได้อาจไม่ยากอย่างที่คิด ในบทความที่ตีพิมพ์เมื่อสุดสัปดาห์ที่ผ่านมา นักวิจัยได้แสดงให้เห็นว่าพีซีที่มีโปรเซสเซอร์แบบ single-core (น้อยกว่าแล็ปท็อปที่ดี) สามารถทำลายอัลกอริธึม ‘หลังควอนตัม’ ที่เคยเป็นคู่แข่งกันในการเป็นมาตรฐานทองคำสำหรับการเข้ารหัสในเครื่องเดียว ชั่วโมง.”

ระบบอัตโนมัติ

เทคนิคอัตโนมัติช่วยให้พัฒนา AI ได้ง่ายขึ้น
แทมมี่ ซู | MIT Technology Review
“แนวคิดคือการไปให้ถึงจุดที่ผู้คนสามารถเลือกคำถามที่พวกเขาต้องการถาม ชี้เครื่องมือ autoML ไปที่คำถามนั้น และรับผลลัพธ์ที่ต้องการ วิสัยทัศน์ดังกล่าวเป็น ‘จอกศักดิ์สิทธิ์ของวิทยาการคอมพิวเตอร์’ ลาร์ส คอททอฟฟ์ ผู้จัดการประชุมและผู้ช่วยศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์แห่งมหาวิทยาลัยไวโอมิงกล่าว ‘คุณระบุปัญหา แล้วคอมพิวเตอร์จะหาวิธีแก้ไข นั่นคือทั้งหมดที่คุณทำ’ แต่ก่อนอื่น นักวิจัยจะต้องคิดหาวิธีที่จะทำให้เทคนิคเหล่านี้มีเวลาและพลังงานอย่างมีประสิทธิภาพมากขึ้น”

หุ่นยนต์

Amazon ประกาศข้อตกลงซื้อ Roomba Maker มูลค่า 1.7 พันล้านดอลลาร์
รอน อมาเดโอ | อาส เทคนิค
“การเข้าซื้อกิจการที่รอดำเนินการจะใหญ่เป็นอันดับสี่ของ Amazon หลังจากที่ซื้อร้านขายของชำ Whole Foods ในปี 2560 (13.7 พันล้านดอลลาร์) สตูดิโอภาพยนตร์ MGM ในปี 2564 (8.45 พันล้านดอลลาร์) และผู้ให้บริการทางการแพทย์ One Medical เมื่อเดือนที่แล้ว (3.9 พันล้านดอลลาร์) . iRobot เป็นบริษัทหุ่นยนต์สำหรับผู้บริโภคชั้นนำของโลก บริษัทส่วนใหญ่ผลิตเครื่องดูดฝุ่น Roomba และโรโบม็อบ และยังพยายามดึงผลิตภัณฑ์เครื่องตัดหุ่นยนต์ออกจากพื้นอีกด้วย”

อนาคต

Graphene เป็น ‘Wonder Material’ ที่ได้รับรางวัลโนเบล Graphyne อาจเข้ามาแทนที่ได้
กองบรรณาธิการ | คิดใหญ่
“กราฟีนเป็น ‘วัสดุมหัศจรรย์’ ที่สร้างขึ้นจากอะตอมของคาร์บอนทั้งหมดซึ่งมีศักยภาพมหาศาลในอุตสาหกรรมเซมิคอนดักเตอร์ โมเลกุลที่เกี่ยวข้องที่เรียกว่ากราฟีนอาจจะดีกว่าด้วยซ้ำ อย่างไรก็ตาม Graphyne นั้นผลิตได้ยาก ตอนนี้ นักเคมีได้ค้นพบวิธีที่จะสร้างมันขึ้นมาเป็นจำนวนมาก การวิจัยสามารถเริ่มดำเนินการได้แล้ว”

ปัญญาประดิษฐ์

‘เครื่องยนต์สำหรับจินตนาการ’: กำเนิด AI Image Generator
เจมส์ วินเซนต์ | The Verge
“ งานศิลปะ ที่สร้างโดย AI กำลังเริ่มก่อร่างใหม่วัฒนธรรมอย่างเงียบ ๆ ในช่วงไม่กี่ปีที่ผ่านมา ความสามารถของระบบแมชชีนเลิร์นนิงในการสร้างภาพจากข้อความแจ้งได้เพิ่มขึ้นอย่างมากในด้านคุณภาพ ความแม่นยำ และการแสดงออก ตอนนี้ เครื่องมือเหล่านี้กำลังย้ายออกจากห้องปฏิบัติการวิจัยและไปอยู่ในมือของผู้ใช้ทุกวัน ที่ซึ่งพวกเขากำลังสร้างภาษาภาพแบบใหม่สำหรับการแสดงออกและปัญหารูปแบบใหม่ ซึ่งมีแนวโน้มมากที่สุด”

อนาคตของอาหาร

เบอร์เกอร์จากพืชไม่ทำให้คนติดเนื้อ
Matt Reynolds | มีสาย
“การพลิกกลับของวัฏจักรโฆษณาชวนเวียนหัวทำให้ผู้คนสงสัยว่า: การปฏิวัติเนื้อสัตว์จากพืชหมดแรงแล้วหรือยัง? …การพิจารณาว่าเนื้อสัตว์จากพืชมาทดแทนเนื้อวัวนั้นไม่ใช่สิ่งที่คุณจะทราบได้จากราคาหุ้นหรือยอดขายปลีกทั้งหมด เราต้องอาศัยข้อมูลจากการสำรวจและวิเคราะห์ตะกร้าสินค้าในซูเปอร์มาร์เก็ตแทน หลักฐานที่เรามีแสดงให้เห็นว่า Great Displacement ยังไม่เกิดขึ้น (ยัง)”

ปัญญาประดิษฐ์

AI ไม่ใช่ความรู้สึก ทำไมคนถึงบอกว่าใช่?
เคด เมตซ์ | The New York Times
“เป็นความจริงที่นักวิจัยเหล่านี้เร่งรีบ ช่วงเวลาที่ดูเหมือน Desdemona เมื่อเทคโนโลยีนี้ดูเหมือนจะแสดงสัญญาณของความฉลาดที่แท้จริง จิตสำนึก หรือความรู้สึกนึกคิดที่แท้จริงนั้นเป็นเรื่องธรรมดามากขึ้นเรื่อยๆ ไม่เป็นความจริงที่ในห้องปฏิบัติการทั่ววิศวกรของ Silicon Valley ได้สร้างหุ่นยนต์ที่สามารถแสดงอารมณ์ สนทนา และติดขัดกับเสียงร้องนำเหมือนมนุษย์ เทคโนโลยีไม่สามารถทำเช่นนั้นได้ แต่มันมีพลังที่จะหลอกลวงผู้คนได้”

ช่องว่าง

Zenno Astronautics ต้องการย้ายยานอวกาศไปรอบๆ โดยใช้แม่เหล็กไฟฟ้า ไม่ใช่เชื้อเพลิง
Aria Alamalhodaei | Tech Crunch
“เทคโนโลยีหลักคือแม่เหล็กไฟฟ้าที่สร้างสนามแม่เหล็กที่แรงมาก ซึ่งสามารถโต้ตอบกับสนามแม่เหล็กอื่น ๆ เช่นบนยานอวกาศอื่น หรือแม้แต่ของโลกเอง— เพื่อสร้างแรงบิด …นอกเหนือจากดาวเทียมชี้ตำแหน่ง ระบบแม่เหล็กไฟฟ้ายังสามารถใช้สำหรับปฏิสัมพันธ์ระหว่างดาวเทียม เช่น การทำความสะอาดเศษซากในวงโคจร การเทียบท่าของยานอวกาศ หรือการบริการในวงโคจร …บริษัทยังทำงานเกี่ยวกับการใช้เทคโนโลยีเพื่อปกป้องภายในยานอวกาศ ไม่ว่าจะเป็นลูกเรือหรือสินค้า จากรังสีปริมาณมหาศาลในอวกาศ”

เครดิตภาพ: Fidel Fernando / Unsplash

การออกแบบเครื่องปฏิกรณ์นิวเคลียร์แบบแยกส่วนขนาดเล็กครั้งแรกได้รับการอนุมัติโดยหน่วยงานกำกับดูแลของสหรัฐอเมริกา

เครื่องปฏิกรณ์นิวเคลียร์แบบแยกส่วนขนาดเล็ก Nuscale พลังงานนิวเคลียร์

พลังงานนิวเคลียร์อาจมีบทบาทสำคัญในการทำให้ภาคพลังงานปลอดคาร์บอน แต่เครื่องปฏิกรณ์มีราคาแพงเกินไปและซับซ้อนเกินกว่าจะนำไปใช้ได้อย่างรวดเร็ว เครื่องปฏิกรณ์ใหม่ที่เล็กกว่าสามารถเปลี่ยนแปลงได้ในไม่ช้าหลังจากได้รับการรับรองจากคณะกรรมการกำกับดูแลกิจการนิวเคลียร์เมื่อสัปดาห์ที่แล้ว

ในขณะที่ประเทศต่างๆ ทั่วโลกต่างแข่งขันกันเพื่อทดแทนโรงไฟฟ้าที่ใช้เชื้อเพลิงฟอสซิล การถกเถียงกันว่า พลังงานนิวเคลียร์ ควรมีบทบาทหรือไม่ ในขณะที่เทคโนโลยีสามารถให้กระแสไฟฟ้าที่ปราศจากคาร์บอนในปริมาณมากและเชื่อถือได้ ความกังวลเรื่องต้นทุนและความปลอดภัยได้ระงับการใช้งานเพื่อแก้ปัญหาวิกฤตสภาพภูมิอากาศ

อย่างไรก็ตาม ในช่วงไม่กี่ปีที่ผ่านมา กลุ่มบริษัทใหม่ๆ มีแนวโน้มว่าจะหลีกเลี่ยงข้อกังวลเหล่านี้ด้วยการย่อขนาดเครื่องปฏิกรณ์ลง เครื่องปฏิกรณ์แบบโมดูลาร์ขนาดเล็กที่เรียกว่าเครื่องปฏิกรณ์ขนาดเล็ก (SMR) ได้รับการออกแบบให้มีขนาดเล็กพอที่จะสร้างในโรงงานก่อนที่จะส่งไปยังทุกที่ที่ต้องการ ซึ่งจะช่วยลดต้นทุนได้อย่างมาก พวกเขายังได้รับการออกแบบให้ปลอดภัยกว่าเครื่องปฏิกรณ์ที่มีอยู่มาก

เครื่องปฏิกรณ์ที่ออกแบบโดยบริษัทพลังงานในรัฐโอเรกอน NuScale Power ได้กลายเป็นเครื่องปฏิกรณ์แบบแยกส่วนขนาดเล็กเครื่องแรกที่ได้รับการอนุมัติให้ใช้งานในสหรัฐอเมริกา โดยคณะกรรมการกำกับดูแลกิจการพลังงานนิวเคลียร์ (NRC) ซึ่งปูทางสำหรับโรงงานใหม่ที่ใช้เครื่องปฏิกรณ์ การเคลื่อนไหวนี้ไม่น่าแปลกใจเลย เนื่องจากการออกแบบ ผ่าน การประเมินความปลอดภัยขั้นสุดท้าย ในปี 2020 แต่เป็นขั้นตอนสำคัญในการนำเทคโนโลยีไปใช้จริงในภาคสนาม

ในขณะที่ SMR บางตัวที่อยู่ระหว่างการพัฒนาต้องอาศัยการออกแบบใหม่ที่แปลกใหม่ซึ่งใช้เกลือยูเรเนียมหลอมเหลวหรือเกลือทอเรียมเป็นเชื้อเพลิง เครื่องปฏิกรณ์ NuScale ซึ่งได้รับการตั้งชื่อว่า VOYGR ไม่ได้แตกต่างไปจากเครื่องปฏิกรณ์ฟูลสเกลแบบดั้งเดิมมากนัก มัน ขึ้นอยู่กับการออกแบบ ที่พัฒนาขึ้นที่ Oregon State University ในช่วงต้นปี 2000 ที่เรียกว่า “Multi-Application Small Light Water Reactor”

การออกแบบประกอบด้วยถังบรรจุทรงกระบอกสูง 76 ฟุตกว้าง 15 ฟุตซึ่งเป็นที่ตั้งของเครื่องปฏิกรณ์ น้ำถูกส่งผ่านแท่งเชื้อเพลิงยูเรเนียมที่สร้างความร้อนจากปฏิกิริยาฟิชชัน น้ำอุ่นจะลอยขึ้นไปทางเครื่องกำเนิดไอน้ำ ซึ่งใช้ความร้อนจากน้ำเพื่อผลิตไอน้ำร้อนยวดยิ่ง จากนั้นจะใช้เพื่อขับเคลื่อนกังหันที่ผลิตกระแสไฟฟ้า

แต่ละโมดูลได้รับการออกแบบมาเพื่อสร้างพลังงาน 50 เมกะวัตต์ แต่บริษัทวางแผนที่จะรวม SMR สูงสุด 12 ตัว เพื่อให้ได้ผลลัพธ์ที่คล้ายคลึงกันกับโรงไฟฟ้านิวเคลียร์ทั่วไป SMR มาพร้อมกับคุณสมบัติด้านความปลอดภัยแบบใหม่ที่ออกแบบมาเพื่อป้องกันภัยพิบัติที่ทำให้ความคิดเห็นของประชาชนแข็งกระด้างต่อพลังงานนิวเคลียร์

สำหรับการเริ่มต้น แท่งควบคุมที่ใช้หยุดปฏิกิริยาฟิชชันโดยหุ้มแท่งเชื้อเพลิงไว้เหนือแกนของเครื่องปฏิกรณ์ด้วยมอเตอร์ไฟฟ้า ซึ่งหมายความว่าในกรณีที่ไฟฟ้าดับพวกเขาจะตกตำแหน่งโดยอัตโนมัติภายใต้แรงโน้มถ่วง เครื่องปฏิกรณ์ทั้งหมดยังถูกแช่ในแอ่งน้ำ ซึ่งสามารถดึงความร้อนส่วนเกินออกไปได้ในกรณีฉุกเฉิน นอกจากนี้ การใช้เชื้อเพลิงในปริมาณที่น้อยลง ปริมาณความร้อนที่ผลิตได้ทั้งหมดจะลดลงอย่างมาก

ความหวังก็คือคุณลักษณะด้านความปลอดภัยพิเศษเหล่านี้ เมื่อรวมกับต้นทุนที่ลดลงเนื่องจากความสามารถในการผลิตเครื่องปฏิกรณ์เหล่านี้ในปริมาณมากในโรงงานแทนที่จะเป็นในสถานที่จริง อาจนำไปสู่การฟื้นฟูพลังงานนิวเคลียร์ NuScale กำลังทำงานในหลายโครงการในสหรัฐอเมริกา รวมถึงโครงการ หนึ่งในไอดาโฮ ที่มีกำหนดจะแล้วเสร็จภายในปี 2572

แต่มีการตั้งคำถามว่า SMR จะเป็นไปตามการเรียกเก็บเงินจริงหรือไม่ว่าเป็นทางเลือกที่ถูกกว่าและปลอดภัยกว่าสำหรับโรงไฟฟ้านิวเคลียร์แบบดั้งเดิม ผลการศึกษาที่ ตีพิมพ์ใน Proceedings of the National Academy of Sciences เมื่อเดือนพฤษภาคม พบว่าตรงกันข้ามกับคำกล่าวอ้างของผู้ผลิต SMR เครื่องปฏิกรณ์ขนาดเล็กเหล่านี้มีแนวโน้มที่จะผลิตกากกัมมันตภาพรังสีมากกว่าพืชทั่วไป

ใน บทความใน Counterpunch ผู้เชี่ยวชาญ ด้าน พลังงานนิวเคลียร์ MV Ramana ยังชี้ให้เห็นว่าค่าใช้จ่ายของพลังงานหมุนเวียน เช่น ลมและพลังงานแสงอาทิตย์ นั้นต่ำกว่าพลังงานนิวเคลียร์อยู่แล้ว และยังคงลดลงอย่างรวดเร็วอย่างต่อเนื่อง ในทางตรงกันข้าม พลังงานนิวเคลียร์มีราคาแพงกว่าจริงในช่วงหลายปีที่ผ่านมา

เขาเสริมว่า SMR อาจมีราคาแพงกว่าโรงไฟฟ้านิวเคลียร์ขนาดใหญ่ เพราะพวกเขาไม่มีขนาดเศรษฐกิจเท่ากัน ในทางทฤษฎีแล้ว สิ่งนี้สามารถชดเชยได้ด้วยการผลิตจำนวนมาก แต่ถ้าบริษัทต่างๆ ได้รับคำสั่งซื้อเป็นจำนวนหลายร้อยเท่านั้น สาธารณูปโภคบางอย่างได้ สำรอง โครงการแรกของ NuScale แล้วเนื่องจากความกังวลด้านต้นทุน

บางทีสิ่งที่สำคัญกว่านั้นคือ รามานากล่าวว่า SMRs ไม่น่าจะพร้อมทันเวลาที่จะมีส่วนร่วมในการต่อสู้กับสภาพอากาศ คาดว่าโครงการต่างๆ จะไม่ออนไลน์จนถึงสิ้นทศวรรษ ซึ่ง IPCC บอกว่าเราจำเป็นต้องลดการปล่อยมลพิษอย่างรุนแรงแล้ว

เทคโนโลยีนี้มีตัวกระตุ้นที่ทรงพลัง อย่างน้อยประธานาธิบดีโจ ไบเดน ผู้ซึ่ง เพิ่งโน้มน้าวให้ “เทคโนโลยีอเมริกันที่ก้าวล้ำ” ของ NuScale ขณะประกาศให้ทุนสำหรับโรงงาน SMR ที่บริษัทจะสร้างในโรมาเนีย เมื่อเร็วๆ นี้ บริษัทยักษ์ใหญ่ด้านวิศวกรรม Rolls-Royce ได้ ประกาศรายชื่อตัวเลือก สำหรับที่ตั้งโรงงาน SMR ในอนาคต ซึ่งจะใช้สร้าง SMR 16 ลำสำหรับรัฐบาลสหราชอาณาจักรภายในปี 2050

การที่ SMR สามารถทำตามคำมั่นสัญญาของพวกเขานั้นยังคงต้องรอดูกันต่อไป แต่เมื่อพิจารณาจากขอบเขตของความท้าทายด้านสภาพอากาศที่เรากำลังเผชิญอยู่ การสำรวจทางเลือกที่มีอยู่ทั้งหมดก็ถือว่าฉลาด

เครดิตภาพ: UAMPS การแสดงผลว่าโรงงานแห่งแรกที่ใช้การออกแบบ SMR ของ NuScale จะมีลักษณะอย่างไร

นักวิทยาศาสตร์วิศวกร DNA ‘กล้องวิดีโอ’ เพื่อบันทึกประวัติทางพันธุกรรมของเซลล์

dna กล้องวิดีโอ dna tapes crispr ประวัติเซลล์พันธุกรรม

โฮมวิดีโอในวัยเด็กอาจทำให้อบอุ่นหัวใจ เฮฮา หรือน่าอายจริงๆ แต่ในเทปนั้นมีทรัพยากรอันล้ำค่า: ตัวอย่างการเดินทางของเด็กๆ ขณะที่พวกเขาเรียนรู้ที่จะท่องโลก แน่นอนว่าภาพถ่ายสามารถจับภาพวันเกิดปีแรกหรือครั้งแรกที่ตกจากรถจักรยานได้เช่นกัน—แต่แทนที่จะเป็นภาพยนตร์ มันเป็นภาพถ่ายเดี่ยวในเวลาเดียว

นักวิทยาศาสตร์ได้พยายามฝัง “กล้องวิดีโอ” ของ DNA ไว้ในเซลล์มานานเพื่อบันทึกประวัติของมัน เช่นเดียวกับเด็ก เซลล์จะเติบโต กระจายตัว และเติบโตเต็มที่เมื่อมีปฏิสัมพันธ์กับสิ่งแวดล้อม การเปลี่ยนแปลงเหล่านี้ฝังอยู่ในกิจกรรมของยีนของเซลล์ และด้วยการสร้างใหม่เมื่อเวลาผ่านไป นักวิทยาศาสตร์สามารถสรุปสถานะปัจจุบันของเซลล์ได้ ตัวอย่างเช่น เปลี่ยนเป็นมะเร็งหรือไม่

ดร. Nozomu Yachie และเพื่อนร่วมงานของ University of British Columbia กล่าวว่า “เทคโนโลยีนี้จะช่วยให้ความรู้เชิงลึกเกี่ยวกับชีววิทยาพัฒนาการและมะเร็งที่สามารถแปลเป็นกลยุทธ์การรักษาได้

ปัญหา? จนถึงปัจจุบัน กระบวนการบันทึกประกอบด้วยสแนปชอตเพียงภาพเดียวและได้ทำลายเซลล์ ทำให้ไม่สามารถติดตามการเติบโตของเซลล์ได้

ตอนนี้ ทีมงานที่นำโดย Dr. Seth Shipman ที่ UCSF Gladstone Institute ได้ออกแบบเครื่องบันทึกทางชีววิทยาที่ เรียกว่า Retro-Cascorder ซึ่งเหมือนกับกล้องวิดีโอของโรงเรียนเก่า ที่สามารถบันทึกประวัติการแสดงออกของยีนของเซลล์บน “เทป” ของ DNA เป็นเวลาหลายวัน เวลา. ต้องขอบคุณ CRISPR ทำให้ “เทป” เหล่านี้ถูกรวมเข้ากับจีโนมของเซลล์ ซึ่งสามารถอ่านได้ในภายหลัง

ข้อมูลที่ได้นั้นไม่ใช่ โฮมวิดีโอที่สนุกที่สุดของอเมริกา อย่างแน่นอน ค่อนข้างจะเป็นบัญชีแยกประเภทที่บันทึกสัญญาณทางชีววิทยาหลายตัวและจัดเก็บไว้อย่างเป็นระเบียบตามลำดับเวลา

“วิธีการใหม่ในการรวบรวมข้อมูลโมเลกุลทำให้เรามีหน้าต่างเข้าสู่เซลล์อย่างที่ไม่เคยมีมาก่อน” Shipman กล่าว นอกเหนือจากการแอบฟังประวัติการพัฒนาของเซลล์แล้ว เช่น การแพร่กระจายจากสเต็มเซลล์ทั่วไปอย่างไร การเพิ่ม Retro-Cascorder สามารถเปลี่ยนเซลล์ปกติให้กลายเป็นไบโอเซนเซอร์ที่มีชีวิตซึ่งเฝ้าติดตามมลพิษ ไวรัส หรือสิ่งปนเปื้อนอื่นๆ ขณะทดสอบความสามารถของดีเอ็นเอใน อุปกรณ์จัดเก็บข้อมูลที่เชื่อถือได้

การเพิ่มขึ้นของเทป DNA

ทำไมต้องติดตามประวัติของเซลล์?

ลองนึกภาพเซลล์เป็นเด็ก เริ่มจากไข่ที่ปฏิสนธิ มันเติบโต เปลี่ยนแปลงลักษณะภายนอกของมัน เช่น เซลล์ผิวหนังหรือเซลล์ประสาท เป็นต้น และสำหรับเซลล์สืบพันธุ์ ส่งต่อข้อมูลทางพันธุกรรมไปยังลูกๆ ของมัน การเดินทางไปตลอดชีวิตของเซลล์ไม่ได้ถูกกำหนดโดยพันธุกรรมของมันเพียงอย่างเดียว—แต่วิธีการดำเนินคำสั่งทางพันธุกรรมของมันขึ้นอยู่กับการมีปฏิสัมพันธ์กับทั้งเพื่อนบ้านในเซลล์และโลกภายนอก: อาหาร การออกกำลังกาย ความเครียด และประสบการณ์ทุกอย่างที่มนุษย์ได้รับ

ธรรมชาติและการเลี้ยงดูเหล่านี้กระตุ้นเซลล์ให้กระตุ้นรูปแบบของยีนบางรูปแบบ ซึ่งเป็นกระบวนการที่ขนานนามว่าการแสดงออกของยีน เซลล์ทั้งหมดของเรามียีนชุดเดียวกัน สิ่งที่ทำให้แตกต่างคืออันไหนเปิดหรือปิด การแสดงออกของยีนมีพลังมหาศาล มันสามารถเปลี่ยนแปลงเอกลักษณ์ หน้าที่ และในที่สุด กระบวนการทางชีววิทยาที่ควบคุมชีวิต

คงจะดีถ้าได้แอบดูผลงานภายในของพวกเขา

วิธีหนึ่งคือวิธีการสแนปชอต การใช้เทคโนโลยี “omics” กล่าวคือ การวิเคราะห์เซลล์หลายล้านเซลล์พร้อมกันสำหรับการแสดงออกของยีน เมแทบอลิซึม หรือสถานะอื่นๆ เราจะได้ภาพสแนปชอตที่มีความละเอียดสูงของกลุ่มเซลล์ในช่วงเวลาหนึ่งๆ ในขณะที่มีประสิทธิภาพ กระบวนการจะทำลายตัวอย่าง เหตุผลก็เพราะการอ่านข้อมูลการแสดงออกของยีนที่จัดเก็บไว้ภายในเซลล์ ซึ่งเป็นวิธีการที่เรียกว่า RNAseq จำเป็นต้องสลายไขมันที่ห่อหุ้มเซลล์เป็นฟองเพื่อเข้าถึงและแยกโมเลกุลออก ลองนึกภาพเมื่อเล็งกล้องโทรทรรศน์เจมส์เวบบ์ไปที่จุดใดก็ได้ในอวกาศ โดยรู้ว่ากล้องโทรทรรศน์จะทำลายทุกสิ่งที่มองเห็น—ใช่ ไม่ใช่เรื่องใหญ่

เทป DNA ใช้แนวทางที่แตกต่างออกไป เช่นเดียวกับโปรแกรมตัดต่อวิดีโอ พวกเขา “แท็ก” กิจกรรมของเซลล์ด้วยบาร์โค้ดที่ประกอบด้วยตัวอักษร DNA ซึ่งคล้ายกับการประทับเวลา Shipman ไม่ใช่คนแปลกหน้าในการใช้ DNA เป็นอุปกรณ์จัดเก็บข้อมูล ย้อนกลับไปในปี 2017 โดยทำงานร่วมกับนักชีววิทยาสังเคราะห์ ดร.จอร์จ เชิร์ช ที่ฮาร์วาร์ดและทีมงาน พวกเขาเข้ารหัส ภาพยนตร์ดิจิทัลลงในจีโนมของแบคทีเรียที่มีชีวิตโดยใช้ CRISPR

DNA Diary

การศึกษาใหม่มีเป้าหมายที่ค่อนข้างง่าย เช่น กล้องที่สะดุดการเคลื่อนไหว เริ่มบันทึกทุกครั้งที่มีการเปิดใช้งานยีน

ในการออกแบบ Retro-Cascorder ทีมงานได้หันไปใช้องค์ประกอบทางพันธุกรรมลึกลับที่เรียกว่า retrons สิ่งเหล่านี้คือ DNA ของแบคทีเรียชิ้นเล็กๆ ที่หลอกหลอนนักวิทยาศาสตร์มานานหลายทศวรรษ ก่อนที่จะตระหนักว่าพวกมันเป็นส่วนหนึ่งของระบบภูมิคุ้มกันของแบคทีเรีย ย้อนกลับไปในปี 2021 เชิร์ชผู้เขียนร่วมด้านการศึกษาได้เปลี่ยนการย้อนยุคจากแบคทีเรียแปลก ๆ ให้เป็นเครื่องมือแก้ไขยีน ที่สามารถคัดกรองการเปลี่ยนแปลงของ DNA นับล้านและติดตามผลกระทบได้ในเวลาเดียวกัน สิ่งสำคัญที่สุดคือพวกเขาตระหนักว่าการย้อนยุคสามารถใช้เป็นแท็กเพื่อประทับเวลาการเปลี่ยนแปลงทางพันธุกรรมโดยเฉพาะอย่างยิ่งในเวลา

ที่นี่ ทีมงานเริ่มต้นด้วยวิศวกรรมย้อนหลังเพื่อผลิตแท็ก DNA ที่เฉพาะเจาะจง เช่น การพิมพ์บาร์โค้ดหลายชุดเพื่อทำเครื่องหมายบนบรรจุภัณฑ์ แท็กเหล่านี้เชื่อมโยงกับตัวสร้าง DNA ซึ่งเหมือนกับสัญญาณไฟจราจร ทำให้เซลล์สามารถเปิดยีนได้

เมื่อยีนเปิดใช้งาน เรโทรนจะสร้างบาร์โค้ดเฉพาะที่รับรองกิจกรรมโดยอัตโนมัติ เป็นกระบวนการที่มีหลายขั้นตอน: แท็ก ซึ่งเดิมเข้ารหัสไว้ใน DNA นั้น จะถูกถอดรหัสเป็น RNA โดยเซลล์ก่อน จากนั้นจึงเขียนใหม่กลับเข้าไปใน “ใบเสร็จ” ของ DNA โดย retrons

นึกถึงเครื่องบันทึกเงินสดของร้านอาหาร ซึ่งเทียบเท่ากับการพิมพ์คำสั่งซื้อหนึ่งรายการในช่วงเวลาหนึ่งโดยมีใบเสร็จหนึ่งใบ

หลังจากตรวจสอบแล้วว่าเทคโนโลยีทำงานได้ตามที่คาดไว้ ทีมงานจึงหันไปสร้าง “ภาพยนตร์” ของเซลล์โดยใช้แท็กแบบย้อนยุค ไม่ใช่วิดีโอในความหมายดั้งเดิม ทีมงานยังคงต้องวิเคราะห์บาร์โค้ดเมื่อสิ้นสุดเซสชันการบันทึก ประมาณ 24 ชั่วโมง เพื่อเล่น ซึ่งจะทำลายเซลล์

การติดตามการเปลี่ยนแปลงการแสดงออกของยีนในสแนปชอตครั้งเดียวนั้นค่อนข้างง่าย การติดตามการเปลี่ยนแปลงเดียวกันตลอดทั้งวันนั้นยากกว่ามาก เพื่อสร้าง “ความทรงจำ” ให้กับเครื่องบันทึก ทีมงานจึงหันไปใช้ CRISPR-Cas ในที่นี้ อาร์เรย์ CRISPR ทำหน้าที่เป็นไดอารี่ ในขณะที่การย้อนกลับเป็นเหมือนรายการรายวัน การรับ DNA ที่สร้างขึ้นโดย retrons นั้นรวมอยู่ในอาร์เรย์ CRISPR เช่นเดียวกับเทปคาสเซ็ต เทปนี้มีข้อมูลที่ตามด้วยตัวเว้นวรรค เช่น หน้าจอสีดำ เพื่อช่วยแยกเหตุการณ์ เมื่อมีการเพิ่มข้อมูลใหม่ ตัวเว้นระยะก่อนหน้าจะเลื่อนออกห่างจากรายการที่ใกล้ที่สุด ทำให้สามารถถอดรหัสไทม์ไลน์ของเหตุการณ์ได้

เซลล์ที่มีความสามารถในการใช้ CRISPR ในการเขียนข้อมูลทางพันธุกรรม “สามารถบันทึกเหตุการณ์ของเซลล์… ลงในเทป DNA ได้” Yachie กล่าว

ในการพิสูจน์แนวคิด ทีมงานได้แนะนำ Retro-Cascorder ใน Escherichia coli (E. Coli) ซึ่งเป็นแบคทีเรียที่ชื่นชอบของห้องปฏิบัติการ ผ่านพันธุวิศวกรรม การรวมโครงสร้างใหม่เข้าด้วยกันเป็นเรื่องง่ายสำหรับแมลง และเป็นสัญญาณที่ดีสำหรับนักวิทยาศาสตร์ เนื่องจากแสดงให้เห็นความเครียดหรือความเป็นพิษต่อเซลล์เพียงเล็กน้อย

จากนั้นจึงเปิดโปรโมเตอร์ DNA อย่างใดอย่างหนึ่งหรือทั้งสองอย่างโดยใช้สารเคมี เช่น คลิก “บันทึก” บน Walkman กว่า 48 ชั่วโมง ระบบได้บันทึกการแสดงออกของยีนที่เปลี่ยนแปลงตามที่คาดไว้ในอาร์เรย์ CRISPR หลังจากศึกษาลำดับของอาร์เรย์ CRISPR เพิ่มเติม ซึ่งก็คือการอ่านย้อนหลัง พวกเขาพบว่าประวัติของเซลล์ดำเนินไปอย่างที่คาดไว้

ประวัติความเป็นมาทั้งหมดของคุณ

เทป DNA ใหม่นี้เหมือนกับการบันทึกตัวอย่างภาพยนตร์ผ่านกาลเวลา แต่แก้ไขอย่างประหลาด แม้ว่า Retro-Cascorder สามารถบอกลำดับของการกระตุ้นยีนได้ แต่ก็ไม่สามารถระบุช่วงเวลาระหว่างสองเหตุการณ์ที่อยู่ติดกันได้ เช่นเดียวกับในโฮมวิดีโอ คลิปซ้อมเต้นตามด้วยอาหารเย็นอาจเป็นวันเดียวกัน หรือห่างกันเป็นปี

แต่เมื่อเทียบกับความพยายามครั้งก่อน เทปเป็นการก้าวกระโดดทางเทคโนโลยี โดยมีสัญญาณที่ดีกว่า ระยะเวลาการบันทึกที่นานขึ้น และการเล่นที่ดีขึ้น

“นี่ไม่ใช่ระบบที่สมบูรณ์แบบ แต่เราคิดว่ามันยังคงดีกว่าวิธีการที่มีอยู่ ซึ่งช่วยให้คุณสามารถวัดเหตุการณ์ได้ครั้งละหนึ่งเหตุการณ์เท่านั้น” Shipman กล่าว

การแข่งขันสำหรับนักสารคดีเซลลูล่าร์ที่สมบูรณ์แบบกำลังเริ่มต้นขึ้น และส่วนใหญ่มี CRISPR เป็นศูนย์กลาง สำหรับ Yachie วิธีหนึ่งคือการแทนที่ good-ole’-CRISPR ด้วย base editor หรือ CRISPR prime ซึ่งทั้งสองอย่างนี้ทำให้เกิดความเสียหายต่อจีโนมของเซลล์น้อยลง “VCR” ทางชีวภาพ—ซึ่งอ่านการแสดงออกของยีนที่บันทึกไว้—ยังต้องมีการอัปเกรด ซึ่งอาจขับเคลื่อนด้วยความสามารถในการคำนวณที่ดีขึ้น

เมื่อสมบูรณ์แบบมากขึ้น เครื่องบันทึก DNA สามารถช่วยเราติดตามเส้นทางการพัฒนาของสมองขนาดเล็กและอวัยวะอื่นๆ ศึกษาเซลล์มะเร็งในขณะที่พวกมันมีวิวัฒนาการ ตรวจสอบมลภาวะต่อสิ่งแวดล้อมในเซลล์ ทั้งหมดนี้โดยไม่ต้องเสี่ยงชีวิต

เครดิตรูปภาพ: Immo Wegmann / Unsplash

นักวิทยาศาสตร์ตามล่าหาอนุภาคที่เข้าใจยากเพื่อไขปริศนาของสสารมืด

นักวิทยาศาสตร์เข้าใจยาก อนุภาค ภาพประกอบ สสารมืด ความเร็วก๊าซ

นักวิทยาศาสตร์ชาวออสเตรเลียกำลังก้าวไปสู่การไขความลึกลับที่ยิ่งใหญ่ที่สุดแห่งหนึ่งของจักรวาล นั่นคือธรรมชาติของสสารมืดที่มองไม่เห็น

ORGAN Experiment ซึ่งเป็นเครื่องตรวจจับสสารมืดรายใหญ่แห่งแรกของออสเตรเลีย เพิ่งเสร็จสิ้นการค้นหาอนุภาคสมมุติที่เรียกว่าแอกเซียน ซึ่งเป็นตัวเลือกที่ได้รับความนิยมในหมู่ทฤษฎีที่พยายามอธิบายสสารมืด

ORGAN ได้กำหนดข้อจำกัดใหม่เกี่ยวกับลักษณะเฉพาะที่เป็นไปได้ของแกน ซึ่งช่วยจำกัดการค้นหาให้แคบลง แต่ก่อนที่เราจะก้าวไปข้างหน้า…

มาเริ่มกันที่เรื่องราว

เมื่อประมาณ 14 พันล้านปีก่อน สสารเล็กๆ ทั้งหมด—อนุภาคพื้นฐานที่จะกลายเป็นคุณ ดาวเคราะห์ และกาแล็กซีในเวลาต่อมา—ถูกบีบอัดให้กลายเป็นบริเวณร้อนที่หนาแน่นมากแห่งเดียว

จากนั้นบิ๊กแบงก็เกิดขึ้นและทุกอย่างก็แยกย้ายกันไป อนุภาคเหล่านี้รวมกันเป็นอะตอม ซึ่งในที่สุดก็จับกลุ่มกันเพื่อสร้างดาว ซึ่งระเบิดและสร้างสสารแปลกปลอมทุกชนิด

หลังจากนั้นไม่กี่พันล้านปีก็มาถึงโลก ซึ่งในที่สุดก็คลานไปกับสิ่งเล็กๆ ที่เรียกว่ามนุษย์ เรื่องเย็นใช่มั้ย? ปรากฎว่าไม่ใช่เรื่องทั้งหมด ยังไม่ถึงครึ่ง

ผู้คน ดาวเคราะห์ ดาวฤกษ์ และกาแล็กซีล้วนสร้างจากสสารปกติ แต่เรารู้ว่าสสารปกติคิดเป็น 1 ใน 6 ของสสารทั้งหมดในจักรวาล

ส่วนที่เหลือทำจากสิ่งที่เราเรียกว่าสสารมืด ชื่อของมันบอกคุณเกือบทุกอย่างที่เรารู้เกี่ยวกับมัน มันไม่เปล่งแสงออกมา (เราจึงเรียกมันว่ามืด) และมีมวล (เราจึงเรียกมันว่าสสาร)

ถ้ามันมองไม่เห็น เราจะรู้ได้อย่างไรว่ามันอยู่ที่นั่น?

เมื่อเราสังเกตการเคลื่อนที่ของสิ่งต่าง ๆ ในอวกาศ เราจะพบครั้งแล้วครั้งเล่าที่เราไม่สามารถอธิบายการสังเกตของเราได้ หากเราพิจารณาเฉพาะสิ่งที่เราเห็นเท่านั้น

กาแล็กซีที่หมุนได้เป็นตัวอย่างที่ดี ดาราจักรส่วนใหญ่หมุนด้วยความเร็วที่ไม่สามารถอธิบายได้ด้วยแรงดึงดูดจากสสารที่มองเห็นเพียงอย่างเดียว

ดังนั้นจะต้องมีสสารมืดในดาราจักรเหล่านี้ ทำให้เกิดแรงโน้มถ่วงเป็นพิเศษและทำให้พวกมันหมุนเร็วขึ้น—โดยที่ชิ้นส่วนต่างๆ จะไม่หลุดออกไปในอวกาศ เราคิดว่าสสารมืดยึดกาแล็กซีไว้ด้วยกันอย่างแท้จริง

กระจุกกาแลคซีที่แสดงเป็นเฉดสีชมพูและม่วงตัดกับพื้นหลังสีดำของจักรวาล ‘Bullet Cluster’ เป็นกระจุกดาราจักรขนาดมหึมาซึ่งถูกตีความว่าเป็นหลักฐานที่แน่ชัดสำหรับการมีอยู่ของสสารมืด เครดิตภาพ: NASA

ดังนั้นจะต้องมีสสารมืดจำนวนมหาศาลในจักรวาล ดึงเอาทุกสิ่งที่เราเห็น มันผ่านคุณไปเหมือนกัน เหมือนผีจักรวาล คุณไม่สามารถรู้สึกได้

เราจะตรวจจับได้อย่างไร?

นักวิทยาศาสตร์หลายคนเชื่อว่าสสารมืดอาจประกอบด้วยอนุภาคสมมุติฐานที่เรียกว่าแอกเซียน เดิมที Axions ถูกเสนอให้เป็นส่วนหนึ่งของการแก้ปัญหาสำคัญอื่นในฟิสิกส์อนุภาคที่เรียกว่าปัญหา CP ที่แข็งแกร่ง (ซึ่งเราสามารถเขียนบทความทั้งหมดได้)

อย่างไรก็ตาม หลังจากการเสนอ axion นักวิทยาศาสตร์ได้ตระหนักว่าอนุภาคสามารถประกอบเป็นสสารมืดได้ภายใต้เงื่อนไขบางประการ นั่นเป็นเพราะว่าแกนคาดว่าจะมีปฏิสัมพันธ์ที่อ่อนแอมากกับสสารปกติ แต่ก็ยังมีมวลอยู่บ้าง: สองเงื่อนไขที่จำเป็นสำหรับสสารมืด

คุณจะค้นหา axions ได้อย่างไร?

เนื่องจากคิดว่าสสารมืดอยู่รอบตัวเรา เราจึงสามารถสร้างเครื่องตรวจจับได้บนโลกนี้ และโชคดีที่ทฤษฎีที่ทำนาย axions ยังทำนายว่า axions สามารถแปลงเป็นโฟตอน (อนุภาคของแสง) ภายใต้สภาวะที่เหมาะสม

นี่เป็นข่าวดี เพราะเราเก่งในการตรวจจับโฟตอน และนี่คือสิ่งที่ ORGAN ทำ มันออกแบบเงื่อนไขที่ถูกต้องสำหรับการแปลง axion-photon และมองหาสัญญาณโฟตอนที่อ่อนแอ – แสงวาบเล็กน้อยที่เกิดจากสสารมืดที่ผ่านเครื่องตรวจจับ

การทดลองประเภทนี้เรียกว่า axion haloscope และเสนอครั้งแรกใน ทศวรรษ 1980 มีไม่กี่แห่งในโลกนี้ซึ่งแต่ละแห่งแตกต่างกันเล็กน้อยในด้านที่สำคัญ

เครื่องตรวจจับหลักของ ORGAN Experiment กระบอกทองแดงขนาดเล็กที่เรียกว่า ‘ช่องเรโซแนนท์’ ดักโฟตอนที่สร้างขึ้นระหว่างการแปลงสสารมืด กระบอกสูบถูกยึดติดกับ ‘ตู้เย็นแบบเจือจาง’ ซึ่งทำให้การทดลองเย็นลงจนถึงอุณหภูมิที่ต่ำมาก เครดิตรูปภาพ: ผู้แต่งให้ไว้

ส่องแสงบนสสารมืด

เชื่อว่า axion จะแปลงเป็นโฟตอนเมื่อมีสนามแม่เหล็กแรงสูง ในฮาโลสโคปทั่วไป เราสร้างสนามแม่เหล็กนี้โดยใช้แม่เหล็กไฟฟ้าขนาดใหญ่ที่เรียกว่าโซลินอยด์ตัวนำยิ่งยวด

ภายในสนามแม่เหล็ก เราวางช่องโลหะกลวงหนึ่งช่องหรือหลายช่อง ซึ่งมีวัตถุประสงค์เพื่อดักจับโฟตอนและทำให้พวกมันกระเด้งไปมาภายใน ทำให้ตรวจจับได้ง่ายขึ้น

อย่างไรก็ตามมีอาการสะอึกหนึ่งครั้ง ทุกอย่างที่มีอุณหภูมิจะปล่อยแสงแฟลชแบบสุ่มเล็กๆ ออกมาอย่างต่อเนื่อง (ซึ่งเป็นสาเหตุที่กล้องถ่ายภาพความร้อนทำงาน) การปล่อยหรือเสียงรบกวนแบบสุ่มเหล่านี้ทำให้ตรวจจับสัญญาณสสารมืดจาง ๆ ที่เรากำลังมองหาได้ยากขึ้น

เพื่อแก้ปัญหานี้ เราได้วางเรโซเนเตอร์ของเราไว้ในตู้เย็นแบบเจือจาง ตู้เย็นแฟนซีนี้ทำให้การทดลองเย็นลงจนถึงอุณหภูมิที่เย็นจัด ประมาณ −273°C ซึ่งช่วยลดเสียงรบกวนได้อย่างมาก

ยิ่งการทดลองเย็นลงเท่าใด เรายิ่งสามารถ “ฟัง” โฟตอนจางๆ ที่เกิดขึ้นระหว่างการแปลงสสารมืดได้ดียิ่งขึ้น

กำหนดเป้าหมายภูมิภาคจำนวนมาก

แกนของมวลจำนวนหนึ่งจะเปลี่ยนเป็นโฟตอนที่มีความถี่หรือสีที่แน่นอน แต่เนื่องจากไม่ทราบมวลของแอกซอน การทดลองจึงต้องกำหนดเป้าหมายการค้นหาไปยังภูมิภาคต่างๆ โดยเน้นที่ส่วนที่ถือว่าสสารมืดมีแนวโน้มว่าจะมีอยู่มากกว่า

หากไม่พบสัญญาณสสารมืด แสดงว่าการทดลองนั้นไม่มีความไวเพียงพอที่จะได้ยินสัญญาณเหนือเสียงนั้น หรือไม่มีสสารมืดในบริเวณมวลแกนที่สอดคล้องกัน

เมื่อเกิดเหตุการณ์นี้ขึ้น เราได้กำหนด “ขีดจำกัดการยกเว้น” ซึ่งเป็นเพียงวิธีพูดว่า “เราไม่พบสสารมืดในช่วงมวลนี้ จนถึงระดับความไวนี้” สิ่งนี้บอกชุมชนวิจัยสสารมืดที่เหลือให้นำการค้นหาไปที่อื่น

ORGAN เป็นการทดลองที่ละเอียดอ่อนที่สุดในช่วงความถี่เป้าหมาย การทำงานล่าสุดไม่พบสัญญาณสสารมืด ผลลัพธ์นี้ได้กำหนดขีดจำกัดการยกเว้นที่สำคัญเกี่ยวกับคุณลักษณะที่เป็นไปได้ ของแกน

นี่เป็นระยะแรกของแผนหลายปีในการค้นหา axions ขณะนี้ เรากำลังเตรียมการทดสอบครั้งต่อไป ซึ่งจะมีความละเอียดอ่อนมากขึ้นและกำหนดเป้าหมายช่วงมวลใหม่ที่ยังไม่ได้สำรวจ

แต่ทำไมสสารมืดถึงมีความสำคัญ?

อย่างแรก เรารู้จากประวัติศาสตร์ว่าเมื่อเราลงทุนในฟิสิกส์พื้นฐาน เราจะลงเอยด้วยการพัฒนาเทคโนโลยีที่สำคัญ ตัวอย่างเช่น การคำนวณสมัยใหม่ทั้งหมดอาศัยความเข้าใจของเราเกี่ยวกับกลศาสตร์ควอนตัม

เราจะไม่มีวันค้นพบไฟฟ้าหรือคลื่นวิทยุ หากเราไม่ไล่ตามสิ่งต่าง ๆ ซึ่งในขณะนั้นดูเหมือนจะเป็นปรากฏการณ์ทางกายภาพที่แปลกประหลาดเกินกว่าที่เราเข้าใจ สสารมืดก็เหมือนกัน

พิจารณาทุกสิ่งที่มนุษย์ทำสำเร็จด้วยการทำความเข้าใจเพียงหนึ่งในหกของสสารในจักรวาล และลองนึกภาพว่าเราจะทำอะไรได้บ้างหากเราปลดล็อกส่วนที่เหลือ บทสนทนา

บทความนี้เผยแพร่ซ้ำจาก The Conversation ภายใต้สัญญาอนุญาตครีเอทีฟคอมมอนส์ อ่าน บทความต้นฉบับ

เครดิตภาพ: Illustris Collaboration

เรื่องราวเทคโนโลยีสุดเจ๋งประจำสัปดาห์นี้จากทั่วทั้งเว็บ (จนถึงวันที่ 30 กรกฎาคม)

ปัญญาประดิษฐ์

DeepMind ได้ทำนายโครงสร้างของโปรตีนเกือบทุกชนิดที่วิทยาศาสตร์รู้จัก
Melissa Heikkilä | MIT Technology Review
“ตั้งแต่วันนี้เป็นต้นไป แล็บ AI ของ Alphabet ได้เสนอฐานข้อมูลโปรตีนกว่า 200 ล้านตัวให้กับทุกคนฟรี …การอัปเดตประกอบด้วยโครงสร้างสำหรับ ‘พืช แบคทีเรีย สัตว์ และสิ่งมีชีวิตอื่น ๆ อีกมากมาย ซึ่งเปิดโอกาสให้ AlphaFold มีผลกระทบต่อประเด็นสำคัญ เช่น ความยั่งยืน เชื้อเพลิง ความไม่มั่นคงด้านอาหาร และโรคที่ถูกทอดทิ้ง’ Demis Hassabis, DeepMind’s ผู้ก่อตั้งและ CEO กล่าวกับผู้สื่อข่าวทางโทรศัพท์ในสัปดาห์นี้”

การขนส่ง

คุณสามารถซื้อรถบินได้ในราคา $92,000
Kristin Houser | คิดใหญ่
“Jetson One ไม่สามารถบินในเวลากลางคืน ผ่านการจราจรในเมือง หรือในพื้นที่จำกัดทางอากาศ ดังนั้นตอนนี้มันจึงเป็นเหมือนของเล่นที่มีราคาแพงจริงๆ และเจ๋งจริงๆ มากกว่าตัวเลือกการขนส่งอื่น แต่ถ้าเรา ทำได้ อะไรจะขัดขวางไม่ให้รถบิน ได้ เข้ามาแทนที่การเดินทางในแต่ละวันของเรา”

เซ็นเซอร์

แผ่นอัลตราซาวด์ขนาดเท่าแสตมป์นี้สามารถแสดงภาพอวัยวะภายในได้
แม็กกี้ เฉิน | มีสาย
“ในบทความที่ตีพิมพ์ใน วารสาร Science ในวันนี้ Zhao และทีมของเขาได้บรรยายถึงการพัฒนาแผ่นแปะอัลตราซาวนด์ขนาดเล็ก ซึ่งเมื่อติดอยู่กับผิวหนัง ก็สามารถให้ภาพที่มีความละเอียดสูงของสิ่งที่อยู่ใต้นั้นได้ นักวิทยาศาสตร์หวังว่าเทคโนโลยีนี้จะทำให้อัลตราซาวนด์รู้สึกสบายขึ้นสำหรับการตรวจติดตามในระยะยาว หรือแม้กระทั่งที่บ้านมากกว่าที่สำนักงานแพทย์” หน้าเก็บถาวร

สกุลเงินดิจิตอล

Ethereum สาบานว่าคราวนี้จะย้ายไปเป็นหลักฐานการถือหุ้น
Kyle Barr | Gizmodo
“มีวันที่ วันนั้นคือวันที่ 19 กันยายน นั่นคือเมื่อผู้ที่นั่งอยู่บนสุดของ Ethereum blockchain กล่าวว่าในที่สุดพวกเขาจะย้ายระบบ blockchain แบบ proof-of-work-based ไปใช้ proof-of-stake พวกเขาเคยสัญญาไว้ก่อนหน้านี้และได้เลื่อนกำหนดเส้นตายออกไปเป็นประจำ แต่ตอนนี้พวกเขามีวันที่แล้ว และจนถึงตอนนี้ ทุกคนที่เกี่ยวข้องดูเหมือนเห็นด้วยว่าเมื่อไรจะเกิดขึ้น… บางที… หวังว่า”

จริยธรรม

ศิลปะของ DALL-E ถูกยืมหรือถูกขโมยหรือไม่?
ดีคูเปอร์ | Engadget
“ปัญญาประดิษฐ์ทั่วไป (GAI) เป็นระบบที่สร้างชิ้นงานที่สามารถเทียบเคียงกับผู้เชี่ยวชาญในด้านเทคนิคได้ หากไม่ได้ตั้งใจ แต่มีปัญหา เนื่องจากระบบเหล่านี้ได้รับการฝึกอบรมเกี่ยวกับเนื้อหาที่มีอยู่ ซึ่งมักใช้เนื้อหาที่ดึงมาจากอินเทอร์เน็ต จาก เรา ถูกต้องหรือไม่ที่ AI แห่งอนาคตสามารถผลิตสิ่งมหัศจรรย์บนหลังแรงงานของเรา โดยไม่ได้รับความยินยอมหรือค่าตอบแทนจากเรา”

สุขภาพ

The Buck Institute ที่ซึ่งคำมั่นสัญญาของการวิจัยเรื่องผู้สูงอายุไม่ได้ยืนยาว
เกรซ รูเบนสไตน์ | Neo.Life
“ผู้นำของ Buck Institute for Research on Aging ต้องการให้คุณรู้ว่าพวกเขาจะไม่ทำให้คุณเป็นอมตะ แม้ว่าพวกเขาจะทำได้ พวกเขาก็ไม่ต้องการ เพราะการยืดอายุเพียงเพื่อใช้เวลาอีกสองสามปีบนโลกนี้ไม่ใช่ประเด็น แต่ถ้าภาคสนามของพวกเขามีบางอย่างที่ลึกซึ้งและดีกว่าที่จะส่งมอบ พวกเขาก็มาถึงช่วงเวลาที่พวกเขาต้องพิสูจน์จริงๆ แล้ว นั่นคือสิ่งที่พวกเขากำลังทำงานอย่างเดือดดาล”

ช่องว่าง

CTO ด้านการขับเคลื่อนของ SpaceX เกษียณอายุแล้ว ตอนนี้เขาต้องการไปดาวอังคาร
Aria Alamalhodaei | TechCrunch
“วิสัยทัศน์ของ Mueller สำหรับ Impulse ส่วนใหญ่มาจากการเปิดตัวซึ่งกลายเป็นต้นทุนที่ต่ำมาก และด้วยเหตุนี้ จึงมีข้อมูลจำนวนมากในพื้นที่ที่ต้องเคลื่อนย้าย เขาเปรียบเทียบจรวดที่นำกลับมาใช้ใหม่ได้อย่างเต็มที่ เช่น Starship, Terran R และ Neutron ของ Rocket Lab กับอินเทอร์เน็ตในช่วงต้นทศวรรษ 90 “ผู้คนไม่รู้จริงๆ ว่ามันกำลังจะทำอะไร หรือเกี่ยวกับอะไร หรือแอปนักฆ่าที่แท้จริงคืออะไร” เขากล่าว”

พลังงาน

หลังจากไปโซลาร์ ฉันรู้สึกถึงความสุขของความอุดมสมบูรณ์อย่างกะทันหัน
ไคลฟ์ ธอมป์สัน | มีสาย
“ด้วยอุปสรรคทางการเมืองทั้งหมดที่พลังงานทดแทนเผชิญ อาจดูแปลกที่จะพูดถึง ผลกระทบทางอารมณ์ ของพวกเขา แต่อารมณ์ขับเคลื่อนการเมือง นี่คือเหตุผลที่ผู้ให้การสนับสนุนด้านพลังงานหมุนเวียนบางรายพยายามโน้มน้าว – ให้ดังที่สุด – ว่าโลกที่ขับเคลื่อนด้วยพลังงานหมุนเวียนทั้งหมดจะเต็มไปด้วยความอุดมสมบูรณ์ ด้วยรถยนต์ที่เร็ว สปอร์ต และบ้านที่สะดวกสบาย ‘มันเป็นวาระที่อุดมสมบูรณ์’ [Saul] Griffith กล่าว”

อนาคต

ที่อยู่อาศัยอวกาศ 3 ชั้นได้รับการออกแบบให้พอดีกับยานอวกาศ Starship Rockets ของ SpaceX
เควิน เฮอร์เลอร์ | Gizmodo
“สำหรับนักเรียนที่โรงเรียนประจำในสวิตเซอร์แลนด์ หลักสูตรนี้รวมถึงสถาปัตยกรรมนอกโลก โรงเรียนได้ติดตั้งต้นแบบการพิมพ์ 3 มิติสูง 23 ฟุตของที่อยู่อาศัยในอวกาศที่ออกแบบโดยคำนึงถึงจรวด SpaceX …Institut auf dem Rosenberg ต้องการวางความยั่งยืนไว้ที่แถวหน้าของโครงการนี้ ด้วยเหตุนี้ ที่อยู่อาศัยจึงถูกขับเคลื่อนด้วยต้นไม้ลม (กังหันลมชนิดหนึ่ง) และพอลิเมอร์ที่ใช้พิมพ์หอคอยหลักสามารถย่อยสลายและนำกลับมาใช้ใหม่เป็นโครงสร้างการพิมพ์ 3 มิติอื่นๆ ได้”

ศาสตร์

สองสัปดาห์ต่อมา กล้องโทรทรรศน์อวกาศเวบบ์กำลังเปลี่ยนโฉมดาราศาสตร์
Jonathan O’Callaghan | Quanta
“ในช่วงหลายวันหลังจากกล้องโทรทรรศน์ขนาดใหญ่เริ่มส่งข้อมูล นักดาราศาสตร์รายงานการค้นพบใหม่ที่น่าตื่นเต้นเกี่ยวกับดาราจักร ดาวฤกษ์ ดาวเคราะห์นอกระบบ และแม้แต่ดาวพฤหัสบดี … ‘การแข่งขันที่ดีต่อสุขภาพ’ อย่างที่มาห์เลอร์เรียก เน้นย้ำถึงปริมาณวิทยาศาสตร์มหาศาลที่มาจาก JWST ไม่กี่วันหลังจากที่นักวิทยาศาสตร์เริ่มได้รับข้อมูลจากกล้องโทรทรรศน์ขนาดใหญ่ระบบตรวจจับอินฟราเรดที่รอคอยมานาน”

เครดิตภาพ: DeepMind / Unsplash