Как мы сами создаем Матрицу
Sep. 22nd, 2018 08:42 pm![[personal profile]](https://www.dreamwidth.org/img/silk/identity/user.png){kind=small}
lankasterskyМы идем к тому, чтобы скоро построить полную 3D-карту всего, что нас окружает. И всеми этими данными будут управлять алгоритмы, анализируя и предсказывая наше поведение. Чем не матрица?
1 Автомобили - они покроют все, что снаружи.
Сейчас автомобили Google streets делают 2D-снимки всех плотно-населенных городов с задержкой в несколько дней-месяцев. Можно даже увидеть, как менялись некоторые локации с течением времени за последние годы.
Следующим шагом будут self-driving cars, оснащенные системами компьютерного зрения, способными строить 3D-картинку и сразу распознавать объекты вокруг.
Семантическое сегментирование с помощью системы компьютерного зрения автомобиля
Пока вычислительные мощности и пропускная способность компьютеров на борту автомобилей не достаточны, чтобы накапливать всю увиденную информацию и обрабатывать в режиме реального времени - автомобили не отправляют поток видео-данных на сервер, а обрабатывают данные и принимают решение локально. Но с развитием этих систем ситуация изменится.
Также сейчас если надо анализировать трафик на дороге (или погоду в небе и т.п.), это делается посегментно, т.к. тяжело обрабатывать тысячи километров пространств одновременно. Но уже есть прототипы систем, которые умеют делать сразу для больших локаций, и они более точные и умные.
Скоро self-driving автомобили наводнят все дороги мира, и картинка будет поступать с них на сервера почти непрерывно, с небольшой задержкой. Каждый автомобиль оснащен совершенной системой принятия решения, гораздо более точной и быстрой, чем человек.
2 Гаджеты (смартфоны, очки и т.п.) и камеры наблюдения - они построят 3D-картинку всего, что внутри.
Те же street views показывают 2д-изображения внутри музеев и других ценных локаций.
В смартфоны активно встраиваются модули дополненной реальности и датчики глубины. Алгоритмы учатся распознавать любое место по ключевым точкам (см на картинке выше) с точностью до нескольких сантиметров. Навигация внутри помещений сложней, чем внешняя, потому что требует большей точности, сложней просканировать пространство, нежели на автомобиле, но с помощью крауд-сорсинга и политики производителей гаджетов вся информация с камер наших телефонов и камер наблюдений будет накапливаться на серверах корпораций и постоянно анализироваться.
Скоро можно будет путешествовать по виртуальным 3д-копиям реальных пространств, надев на голову 3д-шлем за 100 баксов.
Конечно, в фильме Матрица многое - вымысел. Там время застыло, в 90-х, видимо, потому что у машин не хватало производительности и точности смоделировать более позднее будущее человеческой цивилизации. Но производительные мощности наращиваются так быстро (экспоненциально по закону Мура), что на самом деле возможно сколь угодно точно смоделировать и реальный поток времени с небольшим отставанием.
Со многими этими технологиями я работаю непосредственно. И порой мне самому страшно, как быстро это развивается и к чему может привести. Взять простой пример: чтобы заставить self-driving автомобиль не объезжать препятствия, а наоборот, преследовать их и таранить, достаточно поменять (условно) знак одной операции. Понятно, что системы безопасности тоже не отстают в развитии, но вопрос в том, в чьи руки попадет данная технология и для чего будет использоваться.
1 Автомобили - они покроют все, что снаружи.
Сейчас автомобили Google streets делают 2D-снимки всех плотно-населенных городов с задержкой в несколько дней-месяцев. Можно даже увидеть, как менялись некоторые локации с течением времени за последние годы.
Следующим шагом будут self-driving cars, оснащенные системами компьютерного зрения, способными строить 3D-картинку и сразу распознавать объекты вокруг.
Семантическое сегментирование с помощью системы компьютерного зрения автомобиля
Пока вычислительные мощности и пропускная способность компьютеров на борту автомобилей не достаточны, чтобы накапливать всю увиденную информацию и обрабатывать в режиме реального времени - автомобили не отправляют поток видео-данных на сервер, а обрабатывают данные и принимают решение локально. Но с развитием этих систем ситуация изменится.
Также сейчас если надо анализировать трафик на дороге (или погоду в небе и т.п.), это делается посегментно, т.к. тяжело обрабатывать тысячи километров пространств одновременно. Но уже есть прототипы систем, которые умеют делать сразу для больших локаций, и они более точные и умные.
Скоро self-driving автомобили наводнят все дороги мира, и картинка будет поступать с них на сервера почти непрерывно, с небольшой задержкой. Каждый автомобиль оснащен совершенной системой принятия решения, гораздо более точной и быстрой, чем человек.
2 Гаджеты (смартфоны, очки и т.п.) и камеры наблюдения - они построят 3D-картинку всего, что внутри.
Те же street views показывают 2д-изображения внутри музеев и других ценных локаций.
В смартфоны активно встраиваются модули дополненной реальности и датчики глубины. Алгоритмы учатся распознавать любое место по ключевым точкам (см на картинке выше) с точностью до нескольких сантиметров. Навигация внутри помещений сложней, чем внешняя, потому что требует большей точности, сложней просканировать пространство, нежели на автомобиле, но с помощью крауд-сорсинга и политики производителей гаджетов вся информация с камер наших телефонов и камер наблюдений будет накапливаться на серверах корпораций и постоянно анализироваться.
Скоро можно будет путешествовать по виртуальным 3д-копиям реальных пространств, надев на голову 3д-шлем за 100 баксов.
Конечно, в фильме Матрица многое - вымысел. Там время застыло, в 90-х, видимо, потому что у машин не хватало производительности и точности смоделировать более позднее будущее человеческой цивилизации. Но производительные мощности наращиваются так быстро (экспоненциально по закону Мура), что на самом деле возможно сколь угодно точно смоделировать и реальный поток времени с небольшим отставанием.
Со многими этими технологиями я работаю непосредственно. И порой мне самому страшно, как быстро это развивается и к чему может привести. Взять простой пример: чтобы заставить self-driving автомобиль не объезжать препятствия, а наоборот, преследовать их и таранить, достаточно поменять (условно) знак одной операции. Понятно, что системы безопасности тоже не отстают в развитии, но вопрос в том, в чьи руки попадет данная технология и для чего будет использоваться.
