...

суббота, 8 декабря 2018 г.

[Перевод] Доля рынка подключаемых электромобилей в Норвегии почти достигла нового максимума

В ноябре доля рынка достигла 2-го показателя за всё время

Несмотря на зиму, это был еще один жаркий месяц в Норвегии, где все электромобили расходились как горячие пирожки. С другой стороны продажи подключаемых гибридов ощутимо снизились.

В прошлом месяце было зарегистрировано 7 001 новых легковых подключаемых электромобилей (рост 20,4% в годовом выражении) с долей рынка в 56,9% (только сентябрь сего года был лучше с показателем 60,1%).

Вот подробности, которые показывают, что рынок смещается к чистым электромобилям:

  • электромобили с аккумуляторной батареей: 5087 (рост 88,1%, 41,3% доля продаж всех автомобилей) + 1106 с вторичной регистрацией + 187 фургонов (178 новых и 9 «б/у») + 3 электромобиля на топливных ячейках;
  • подключаемые гибриды: 1914 (падение 38,4%; 15,5% — доля продаж всех автомобилей).

Регистрация новых подключаемых электромобилей в Норвегии (ноябрь 2018 года)

В ноябре 2018-го года Nissan LEAF стал самым продаваемым легковым автомобилем среди всех моделей в Норвегии с 1209 новыми регистрациями (11584 с начала года). Самим же брендом было продано 1267 единиц за последний месяц, а с начала этого года – 13454, и похоже на то, что присутствие Nissan'а на норвежском рынке обеспечивается чуть ли не полностью за счет электромобилей.

В прошлом месяце BMW i3 удивил цифрой в 714 новых регистраций (5239 с начала года).

Абсолютно новый Jaguar I-PACE отметил 335 регистраций (916 с начала года), что как и в случае с Nissan'ом, составляет большую часть результата бренда за месяц – 366 единиц и 1167 с начала года.
Tesla доставила 455 электромобилей в ноябре, а Model X всё еще находится на 4-м месте в суммарных продажах за год.

Регистрация новых автомобилей на в Норвегии (20 лучших моделей), с начала 2018-го года

Let's block ads! (Why?)

[Из песочницы] О барьерах использования знаковых систем в искусственном интеллекте

Зачем нам знаковые системы


Знаковая система выступает в роли переносчика мыслей, идей, эмоций, переживаний, ощущений, организации памяти – продуктов психических процессов, протекающий, по представлениям современной науки, в головном мозге человека и высших животных. Знаковая система – это средство указания на такие продукты. Похоже, что в настоящий момент единственный способ передать информацию о результатах работы мышления, памяти, эмоций, ощущений, воображении – закодировать эту информацию с помощью знаковой системы. Мы не можем (пока?) напрямую обмениваться мыслями, эмоциями, ощущениями, не прибегая к той или иной знаковой системе. Нам нужны знаковые системы, чтобы обмениваться результатами таких процессов. Знаковые системы являются спутником обозначенных процессов, а, возможно, существует обратная связь, при которой психические процессы эволюционируют под влиянием знаковых систем, развиваются совместно друг с другом.

По всей видимости, мысль никогда невозможно точно и однозначно выразить только средствами знаковой системы, т.е. кодирование – это аппроксимация, некая модель. Всегда есть возможность уточнить что-то, обозначенное знаком. Не зря существует выражение «подбирать слова» – попытка выразить мысль с помощью знаков. Абсолютно точного и однозначного выражения мысли посредством слов, скорее всего, не существует. Ученый для выражения научных мыслей, идей пишет не одно слово или предложение, а целый ряд статьей, каждая из которых всё ближе и точнее описывает то, что он хотел описать, выразить в своей работе. Ответ на вопрос, тождественен ли знак мысли, эмоции, скорее отрицательный.
Для примера рассмотрим ощущение красного цвета. Если агенты коммуникации знают, что такое красный цвет, имеют соответствующий чувственный опыт, они могут использовать любую подходящую знаковую систему для передачи информации об этом чувственном опыте: произнести слово «красный» или на листе бумаги нарисовать красный круг и показать этот знак друг другу. Если же такого опыта нет, то передать информацию о «красности» невозможно – невозможно рассказать о красном цвете тому, кто не знает, что такое красный цвет. Можно попытаться объяснить, что красный цвет – это электромагнитные колебания с длиной волны около 700 нанометров, но ощущение «красности» от такой информации не появится, знание о том, что такое красный цвет, по-прежнему будет недоступно, т.к. мы не обмениваемся чувственным опытом напрямую – мы обмениваемся знаками, указывающими, включающими, запускающими схожий чувственный опыт у других агентов коммуникации. Т.е. знак – это «обёртка» продукта психического процесса, но не сам продукт.

Барьер понимания


Отсюда вытекает проблема барьера понимания. Современные технологии ИИ довольно успешно решают вопросы, связанные с изучением знаковых систем. Очевидны успехи ИИ в распознавании образов (знаков): письменная речь (OCR), устная речь (Алиса, Siri), музыка (Shazam), изображения; в моделировании естественных языков: выделение частей речи, членов предложения и имен собственных, машинный перевод. Вместе с тем, всё это – примеры изучения и работы со знаковыми системами, не более. Вообще, в изучении знаковых систем человечество постоянно развивается. Возникновение и развитие письменности, науки, культуры, искусства, спорта – всё это тесно связано с изобретением, использованием, изучением и развитием знаковых систем.

Вычислительные возможности, использующие операции со знаками, также растут – начиная с вавилонского абака, изобретённого 3000 лет до н.э., и Паскалины Блеза Паскаля с Арифмометром Лейбница в XVII веке до современной вычислительной техники. И если в вопросах изучения и работы со знаковыми системами прогресс очевиден, то с моделированием психических процессов по-прежнему наблюдаются непреодолимые трудности.

У человека (животных?) знак автоматически увязывается с продуктом мышления, эмоцией и т.п., т.к. он эволюционно и предназначен для кодирования последних. У ИИ нет подобных продуктов, поэтому распознанные знаки ни с чем не увязываются, ничто не кодируют, а остаются как бы сами по себе, остаются просто «голыми» знаками без указания на что-либо вообще, т.е. не несут какой-либо осмысленной или прочувствованной нагрузки, отсутствует понимание распознанного знака. Так, человек, испытавший страх, знает, что это такое, и может об этом попробовать сообщить, т.е. передать и сохранить информацию о своем опыте чувственного переживания, используя владение какой-либо знаковой системой. Например, он может:

  • нарисовать изображение на стене пещеры;
  • написать сочинение на естественном языке;
  • сочинить стихотворение;
  • создать музыкальное произведение;
  • поставить знак смайлика в чате;
  • наконец, вообще ничего не сделать (пустой знак).

ИИ не знает, что такое страх, соответственно, он не может сопоставить страху какой-либо знак вообще. И ощутить какой-либо распознанный знак как страх он тоже не в состоянии. Автопилот под управлением ИИ, наезжая на препятствие на дороге, ничего не поймет, ничего не почувствует, не задумается, не расстроится, не обрадуется, не испугается, не будет никакой рефлексии. Таким образом, для ИИ любой знак ссылается на несуществующий продукт несуществующих у него психических процессов.

Барьер распознавания


Отсюда вытекает еще один барьер – барьер качества распознавания знаков. Под качеством понимается верность, правильность, точность распознавания знака по отношению к эталону. Качество ограничено барьером понимания. ИИ не может оценить качество распознанного образа, т.к. нет обратной связи со стороны мышления и других психических процессов с целью исправления ошибок распознавания. В предложении «ама ыла аму» человек, владеющий русским языком, скорее всего сможет восстановить искажённые знаки-слова.

Например, возможно такое восстановление смысла: «мама мыла раму», т.к. последовательность этих знаков кодируют знакомую шуточную поговорку, которая кодируется набором именно таких слов: «мама мыла раму». Человек смог восстановить неверно распознанные знаки-слова: «ама» -> «мама», «ыла» -> «мыла», «аму» -> «раму». Для ИИ же все три слова в предложении отсутствуют в словаре русского языка. Домысливания, «подгонки» под какой-либо понятный, известный смысл нет, т.к. в памяти ИИ собственно вообще нет никаких сохраненных смыслов. Вместе с тем, если у человека нет знакомых мыслей, кодирующихся похожими словами, слова «ама ыла аму» не увяжутся с какими-либо мыслями, просто потому что их нет, т.е. процессы мышления и кодирования взаимоувязаны и постоянно работают в связке. Видится, что это обусловлено эволюционно – любой встреченный знак должен быть декодирован, «докручен до», «подогнан под» какой-либо известный смысл, т.е. существует автоматическая потребность понять знак, узнать его, увязать с чем-то знакомым и понятным. Существует потребность понять, какую пользу и какой вред несет то, что было закодировано этим знаком. Человек мне улыбается – хорошо, собака на меня лает – плохо. Если не знать, что хорошо, а что плохо, ни улыбка, ни лай не несут никакого смысла. ИИ не знает, что хорошо, а что плохо для него.

При неудачной попытке сопоставить знак смыслу у человека могут возникнуть другие мысли на счёт этого предложения, которые он может выразить, например, такими словами: «я не понимаю, что это, пойду-ка я лучше отсюда», «что бы это могло значить, интересно?», «что за белиберда тут написана?», «возможно, имелось в виду «мама мыла раму», я не уверен, но лучше отвечу так на этот вопрос теста» и т.п. Т.е. в любом случае какой-то по поводу воспринятых знаков вывод будет сделан. Также возможен вариант ложного следа. Например, если источником текста служит электронное средство, где зачастую пренебрегают правилами орфографии, слова «ама» и «аму» могли бы в оригинале быть написаны с прописной буквы – «Ама» и «Аму», т.е. быть именами собственными. Осмысление такого набора знаков уже совсем не было бы связано с поговоркой «мама мыла раму». Можно пофантазировать и предложить такой вариант осмысления – «Ама была Аму» – некто Ама, женского пола, была представителем некоего племени Аму. Отсюда может возникнуть следующая мысль: Ама – это имя из иностранного языка, т.к. мои знания подсказывают мне, что в русском языке нет имени собственного Ама, да и о племени Аму я не слышал. Таким образом, мыслительный процесс раскручивается дальше и дальше, пока не будет сделан какой-либо вывод. Сама по себе правильность или ложность вывода неважна, главное – чтобы вывод был сделан. Вывод может быть верными и неверным, человек может быть прав или ошибаться в своих предположениях. Т.е. неверные, неточные, ошибочные, ложные знаки могут приводить к ложным умозаключениям. На этом основаны развлекательные и интеллектуальные игры, когда по неполной или противоречивой информации предлагается восстановить изначальный смысл. В такую игру мы только что сыграли выше – что было загадано в сообщении «ама ыла аму»: «мама мыла раму» или «Ама была Аму»?

См. также игру в испорченный телефон. Сюда же распознавание изображений – эффект «показалось, померещилось». Сюда же распознавание звуков – эффект «послышалось». Хорошим примером слуховых артефактов служит распознавание слов в тональных языках, например, в китайском. Слово «shi», будучи произнесённым восходящим тоном (обозначим shi2), означает число «десять», а нисходящим тоном (обозначим shi4) – глагол-связку «быть». Местоимение «я» по-китайски произносится как «wo» с нисходяще-восходящим тоном (обозначим wo3). Тогда фраза «wo3 shi4…» для человека, владеющего китайским языком, могла бы обозначать начало предложения «я есть…», «я являюсь…» или просто «я…». В то же время фраза «wo3 shi2…» звучит бессмысленно, т.к. ведёт по ложному следу – слушающий выстраивает мысль «я десять…», что бессмысленно согласно грамматике китайского языка. Но так как мышление пытается придать знакам смысл, оно будет пытаться сопоставить наиболее возможные варианты интерпретации «wo3 shi2…» – «я десять…» с целью получить ожидаемый результат. Например, собеседник может либо додуматься сам, либо переспросить: «ты, наверное, хотел сказать wo3 shi4 вместо wo3 shi2?»

Т.е. будет предпринята попытка восстановить искажённые знаки с целью получения в итоге какого-то адекватного смысла с точки зрения слушающего. ИИ на такое неспособен, т.к. у него нет точки зрения. Продукты работы других органов чувств имеют подобные артефакты распознавания.

Еще раз, у ИИ знаки ни с чем не могут быть увязаны, отсюда барьеры понимания и качества распознавания знаков. Для ИИ слон в обычной городской квартире, оказавшийся там по какой-то причине, обусловленной работой алгоритма распознавания изображений, – нормальная ситуация. Для человека – абсурд, т.к. здравый смысл подсказывает, что даже если слон, пускай это будет слонёнок, смог поместиться в квартире, то совсем непонятно, как он туда попал – дверь квартиры слишком узкая, чтобы он смог войти, грузоподъёмность лифта не соответствует массе слона и прочие ограничения реального мира. Следовательно, слон в комнате на картинке – это либо иллюстрация к сказке, либо фотомонтаж, либо вообще ошибка распознавания образов, т.е. мне показалось, что на картинке изображен слон – вывод сделан. У ИИ нет такого критического мышления, он не может понять смысл, переданный теми знаками, которые он смог распознать, не может исправить ошибку распознавания, не может делать выводы.

Изучение знаковых систем – тупик?


Изучение знаковых систем не позволяет изучать мышление и иные психические процессы, протекающие в головном мозге, непосредственно. Означает ли это, что изучение знаковых систем бессмысленно? Нет, не означает. Знаковые системы – это средство кодирования и передачи наших мыслей, поэтому нам фактически ничего не остается, как изучать первые. Других способов в гуманитарных науках – лингвистике, психологии, социологии и смежных с ними – попросту нет.

Единственную работу, какую мы можем проделывать, чтобы учиться лучше понимать наши мысли, – это изучать знаковые системы. Изучение знаковых систем не отвечает на вопросы структуры и свойств мышления – эти вопросы пока остаются открытыми. Знаки – это указатели на мысли, возможно, даже триггеры мыслей, но не сами мысли, а значит, и изучаем мы только указатели на сущности, но не сами сущности. Изучая знаковые системы, мы изучаем свойства знаковых систем, но не свойства тех сущностей, для кодирования которых данные знаковые системы используются.

Например, изучая лексику и синтаксис русского языка, мы изучаем знаковую систему русского языка, но не сами мысли, которые выражаются с помощью русского языка. Признаемся, сейчас даже непонятно, какова структура, каковы свойства именно у мыслей, а не знаков. Очевидно лишь то, что мысль может быть выражена с определённой степенью точности, приближения с помощью предположительно любой знаковой системы. Например, мысль, которая по-русски выражается словами «грусть», «грустно» может быть выражена с помощью таких знаковых систем:

  • русский язык: предложения «мне грустно», «им грустно» и т.п.;
  • английский язык: предложение «I feel sad», «they look sad» и т.п.;
  • художественное произведение, где будут преобладать холодные тона;
  • музыкальное произведение, где будут преобладать минорные тональности;
  • «грустным» танцем с плавными «печальными» движениями;
  • фотографией грустного лица какого-либо человека или животного;
  • смайлик :-( в современной культуре электронной коммуникации.

Точность передачи этой мысли вышеперечисленными знаковыми системами разная. Способность знаковых систем передавать мысли соответствует потребностям передачи мыслей настолько хорошо, насколько это вообще возможно с учетом возможностей живого организма: органы чувств, окраска, средства передачи танцев, феромоны и т.п. Именно поэтому в естественных языках так много неоднозначностей, неопределённостей и избыточности – всё это служит лишь одной цели – как можно точнее закодировать и передать мысли, эмоции и т.п., даже если для этого требуется введение избыточности и иных неоптимальных с точки зрения объёма передаваемой информации и времени передачи. Люди постоянно уточняют полученную информацию, стараются убедиться, что правильно поняли распознанные знаки, найти в них смысл: переспрашивают фразы, перечитывают тексты, переслушивают музыку, ищут новые смыслы в ранее распознанных знаках.

Парень прочитал в интернете, что девушка поправляет волосы – значит, он ей понравился. Глупо? Возможно, но такова наша природа – сопоставлять знаки со смыслами. Думать, искать решения, чувствовать, распознавать знаки и сопоставлять их смыслам, ставить цели – жить – психические процессы не останавливаются в течение всей жизни. ИИ же дела нет до входной и выходной информации, т.к. её не с чем сопоставить, не к чему привязать.

Знаковые системы несовершенны, но они – единственное, что дала нам эволюция для обмена продуктами психических процессов. Как знать, возможно, природа уже пробовала другие способы передачи, но они оказались неуспешными, и в итоге прижились именно знаковые системы.

Let's block ads! (Why?)

mRemoteNG снова торт

Если вы администратор нескольких десятков Windows и Linux серверов, пачки коммутаторов и маршрутизаторов, то без менеджера удаленных подключений можно быстро и надёжно сойти с ума.

TL;DR. mRemote, разработка которой была давным-давно заброшена, обрела новую жизнь. Если вы пользуетесь RDCMan или Remote Desktop free от Devolutions — попробуйте mRemoteNG!

mRemote — в прошлом очень популярный менеджер удаленных подключений. К сожалению, его разработка была заброшена примерно в 2009 году. Недоработки в интерфейсе, глюки с новыми версиями RDP заставили меня отказаться от него.

Какое-то время хватало Remote Desktop Connection Manager (aka RDCman) от Microsoft.

Коммутаторы и Linux-серверы жили в отдельной консоли SuperPutty. Я был не в восторге ни от первой, ни от второй утилиты. Особенно плохо спалось из-за сохраненных паролей, которые шифровались по принципу Security through obscurity. Fail!

Потом перешел на VisionApp vRD.

Коммерческий, получилось раздобыть NFR лицензию. Неплохой, но глючненький менеджер. И не очень функциональный. Его сильная сторона — хранение подключений в SQL Server, это нужно для того, чтобы у всей вашей команды была общая база подключений. Сейчас продукт называется ASG Remote Desktop.

Двойственные впечатления от vRD заставили подумать об альтернативе. Долго искать не пришлось, в 2014 году на рынке уже доминировал Remote Desktop Manager от канадских ребят из Devolutions.

Великолепный продукт, который очень интенсивно разрабатывается. В нем, кажется, есть все что только можно пожелать. Автозаполнение форм на web-консолях. Свой модуль PowerShell. Шикарная (по-другому не скажешь) интеграция с KeePass — пожалуйста.

А самое главное — быстрый поиск сервера. По имени, описанию, по тегу. Это повысило удобство администрирования на порядок.

Мы купили на работу несколько лицензий. Проблема, как всегда, была одна — цена. 200$ за лицензию — гуманно для Enterprise и не очень для личного использования.
Есть бесплатная версия этого продукта. Внутри все тот же флагманский RDM, но функционал довольно скромен. Отсутствие наследования паролей и любовь к жору памяти заставили осмотреться и снова поискать альтернативу для личного использования.

И она нашлась. Оказалось, что старый добрый mRemote доведен до более чем работоспособного состояния.

Open Source проект под лицензией GPLv2. Судя по странице на GitHub у него как минимум 2 активных разработчика и несколько десятков комитеров. И они действительно правят баги и добавляют новые функции.
Программа отлично работает в Windows 10. За SSH отвечает мод Putty, а не сторонний компонент как в RDM (сторонние на практике обычно «глючат/виснут/тормозят»).

Коротко пробежимся по функциям.

Подключения: RDP, SSH, ICA,VNC, Telnet, HTTP/HTTPS.

Наследование: любые свойства подключения, включая пароли. Иерархическое наследование.

Хранение подключений: в файле, в SQL Server.

Шифрование: полное шифрование файла подключений, выбор из трех алгоритмов, шифрование паролей в SQL Server.

Импорт соединений: из встроенного сканера портов, Active Directory, RDCMan.

Есть поиск по соединениям, но к сожалению с RDM не идет ни в какое сравнение.

Да, проекту далеко до лучших коммерческих образцов, но он полностью рабочий, развивающийся и имеет относительно живой форум на Reddit и багтрекер.

Резюмирую. Мне кажется, что mRemoteNG на сегодня лучшая альтернатива коммерческим менеджерам подключений. 7zip потеснил WinZIP и WinRAR. qBittorent отвоевывает место mTorrent.
Хорошие вещи надо поддерживать. Тем более Open Source.
Страница проекта на GitHub.

Let's block ads! (Why?)

Почему вождение автомобиля — сложная задача даже для ИИ

Наверное, каждый водитель время от времени пытается оценить свой скилл вождения. Когда рассказываешь, скажем, детям, как это — водить автомобиль, задумываешься о том, как и почему ты знаешь, когда впереди идущий автомобиль повернет налево или направо. Почему внимание автоматически фокусируется на идущей вдоль дороги собаке, но не реагирует на ветви деревьев, нависшие над дорогой. Таких вопросов много, а ответы есть не на все.

Для того, чтобы обучиться вождению, необходимо понимать многие принципы и знать правила — это актуально как для человека, так и для искусственного интеллекта. Последний должен уделять внимание оценке тысяч факторов — где и когда притормаживать, где свернуть, а где ускориться.
Автомобили с высшими уровнями автономности должны не только распознавать разметку, сигналы и все прочее, но и уметь быстро реагировать на нестандартные ситуации, которых на дороге немало. Даже робомобили, разработкой которых занимаются годами, не всегда адекватно реагируют на такие ситуации.

В качестве примера можно привести робомобиль Uber, софт которого решил игнорировать неявный объект на дороге, который оказался женщиной в темной одежде, да еще с велосипедом, переходящей дорогу в неположенном месте.

В настоящее время принято выделять шесть уровней автономности машин — от нулевого (все операции выполняет человек, автономности нет) до пятого (все операции выполняет бортовой компьютер без участия человека). В подавляющем большинстве случаев робомобили добрались до второго уровня автономности, включая пресловутую Tesla со своим продвинутым автопилотом.

Неплохих успехов добилась компания Daimler, но испытания ее робокаров проходят в Германии, где разметка дорог и сами они — практически идеальны, а водители традиционно соблюдают правила дорожного движения.

Компания Waymo тоже неплохо продвигается вперед — на днях она заявила о запуске полностью автономного сервиса роботакси. Правда, в салоне все равно присутствует водитель, которого компания назвала «оператором безопасности». Если что-то пойдет не так, оператор возьмет управление на себя. Скорее всего, робомобили более высоких уровней автономности не появятся на дорогах вплоть до 20-х годов, а может. И позже.

Вероятнее всего, полной автономности удастся достичь лишь после появления специализированной инфраструктуры, которая должна быть едва ли не умнее самого робомобиля. Последний должен самостоятельно обучаться и понимать, что происходит вокруг, затем — принимать решения без участия оператора.

В качестве примера можно привести ситуацию, когда пассажир едет в робомобиле, дождливым вечером. Внезапно дорогу впереди переходит кошка. Что должен делать робомобиль? Очевидно, его системы обязательно должны распознать препятствие впереди, с тем, чтобы машина выполнила необходимый маневр. Но при этом необходимо знать местные правила скорости, представлять, насколько скользким может быть асфальт, плюс понимать, где находится машина в этот момент времени. Часть информации можно получить из сторонних источников (тот же прогноз погоды, условия температуры, влажности и ветра), для чего требуется широкий и надежный канал интернета — вероятнее всего, 5G.

Кроме кота, вокруг могут быть и другие препятствия — например, робомобили, которые тоже пытаются избежать столкновения. То есть робомобили должны уметь «общаться», чтобы хорошо представлять действия друг друга в каждый отдельно взятый момент времени. И общаться нужно в режиме реального времени. В противном случае неизбежно столкновение, чреватое угрозой здоровью и жизни владельца машины.

Плюс ко всему, робомобиль должен еще и уметь прокладывать оптимальный путь до конечной точки путешествия. А значит, машине необходимы данные карты, информация о разметке, знаки и другая информация. Для расширения спектра возможностей робомобилей им стоит все время держать связь друг с другом, для того, чтобы обмениваться информацией об окружающей обстановке. Но остается еще вопрос машин, которыми управляют люди, получается, что они также должны быть оснащены системами связи с робомобилями — иначе вторые не будут понимать, что делают первые.

Ну а если представить, что и с самым широким каналом связи может что-нибудь случиться, пускай проблема и будет временной, то ситуация усложняется еще больше. И это мы еще не упомянули обычные проблемы вроде «проблемы вагонетки», плюс множество других.

Вероятнее всего, ИИ 4-5 уровней автономности можно не ждать в ближайшие несколько лет — они появятся еще очень нескоро.


Let's block ads! (Why?)

Стажер Google по ошибке запустил рекламную кампанию желтого прямоугольника с бюджетом около $10 млн

Электронные биржи, где ведется торговля ценными бумагами, проводят десятки тысяч транзакций за секунду. Удачными или нет будут торги, порой решают миллисекунды. К сожалению, иногда сотрудники бирж допускают ошибки, которые оборачиваются миллионными убытками — такое случалось уже не раз, и, вероятно, будет случаться и далее.

На днях стало известно о схожей ошибке, допущенной, правда, не на бирже, а в системе рекламы от Google. Стажер корпорации, проходя обучение, случайно запустил рекламную кампанию с измененной ценой клика, где в качестве рекламируемого объекта продвигался простой желтый прямоугольник. Ошибка обошлась компании в $10 млн.
Причем рекламная кампания была активна всего 45 минут, но за это время ее успели у себя разместить многие издатели. По словам представителей корпорации, деньги отзывать со счетов тех, кто разместил у себя рекламу, Google не будет.

Стоит отметить, что ошибочная рекламная кампания была запущена во время обучения стажера — кроме него собственные рекламные кампании запускали и другие стажеры. Но ошибку допустил лишь один человек, скорее всего, по недосмотру. Она оставалась незамеченной в течение 45 минут, что является целой эпохой в системах такого рода.

Ошибка заключалась еще и в том, что стажер повысил стоимость рекламы в 10 раз по сравнению со стандартным показателем. Таким образом, CPМ превысил $25. Среднерыночная цена аналогичной рекламы составляет $2-$4 за тысячу показов.

Стажер изучал систему AdX от Google, она позволяет в режиме реального времени, в формате аукциона покупать рекламные места на тысячах вебсайтов и приложений. Проблема конкретно этой рекламной кампании была еще и в том, что благодаря высокой стоимости выкупа места ее разместили многие ресурсы, участвующие в системах обмена рекламой в рекламных сетях.

Сразу после завершения рекламной кампании, стоившей $10 млн корпорация Google «приняла меры» для того, чтобы подобное впредь не повторялось.

Let's block ads! (Why?)

[Перевод] Дональд Кнут: «3:16» — книга про Библию (72,73,74/97)

«Я бы прочитал книгу теолога о программировании.»
— Дональд Кнут
image

«3:16» — это книга, которая отличается от любой другой книги, которая когда-либо была написана. Я полагаю, что наконец-то созрел, чтобы написать такую книгу. Во всяком случае, 3:16 — это изучение Библии в другом ракурсе, не имеющее аналогов. Попробую пояснить.

Для ученых из области компьютерных наук естественно изучать сложные вещи, разбивая их на множество простых вещей и затем исследовать случайно выбранную часть. Таким образом, собирая несколько частей, они имеют представление в целом. Это похоже на опрос Гэллапа.

72


Взяв интервью у тысячи человек, вы знаете, что думают миллионы людей. Я использую выборку при исследовании документов. Если кто-то дает мне курсовую, и у меня нет времени, чтобы прочитать все 50 страниц курсовой работы, я буду выбирать случайную страницу и делать соответствующие выводы. Студент не знает заранее, какую страницу я собираюсь проверить. Таким образом? отбор проб это то, чем занимается компьютерный ученый.

Однажды, в 70-е, я задался вопросом, а что если я таким образом «исследую» Библию?

(Прим. переводчика: пожалуйста, комменты по вашим рекомендациям перевода присылайте в личку, статья лежала 2 года в черновиках, вот решил доделать Кнута, так что помогайте, дедушка крайне непросто говорит)

Что будет, если я выберу случайную часть Библии и, придя в библиотеку, поищу, что думают люди об этих частях. Что если спросить людей не об их любимом отрывке, а о случайном?

Я нашел это достаточно интересным чтобы заняться этим. Я попробовал это с группой людей в нашей местной церкви. И мы решили, что мы будем продолжать. Мы будем изучать главу 3 стих 16 каждой книги Библии.

Итак, мы начали с книги Бытия 3:16, а затем Исход 3:16 и мы продолжили пока мы не добрались до Откровения 3:16.

Я вам рассказывал, что учился в лютеранской школу еще ребенком. Подвергшись воздействию учения, тем не менее, никогда не чувствовал, что хорошо понимаю все это.

Таким образом, около 60 стихов из Библии я действительно знаю. Я мог бы сказать, что я знал Бытие 3:16 довольно подробно. Потому что мог бы пойти в библиотеку Стэнфордского университета и мог бы проверить все комментарии к Книги Бытия.

Всего несколько страниц достаточно прочитать, что бы понять самое важное в Бытие 3:16. Таким образом, идея отбора проб было большим выигрышем. Но не для понимания Библии, а для понимания комментариев к Библии.

Вы хорошо знаете, как менялись мнения в течение столетий об этих разных стихах. Множество людей имеют множество различных мнений на эту тему. Но вы могли бы получить довольно хорошее представление об этих тысячах книг, написанных о Библии. Знать направление мыслей авторов, если вы просто случайно взяли несколько частей и исследовали их.

Во всяком случае, это был удивительно эффективный способ узнать что-то о Библии. Когда я просыпаюсь среди ночи, говорю себе: « Это была бы хорошая книга, где я мог бы взять те вещи, которые я узнал в библиотеке, из главы 3, стих 16 и объяснять их к другим людям». Думаю, другие люди тоже будут использовать это метод изучения.

73


Я написал Герману Цапфу, который в то время был мне хорошим другом. В письме я написал: «Герман, у меня есть идея сумасшедшей книги под названием 3:16. Можете ли вы сделать обложку для меня?

Я хочу самую красивую „тройку“, которую когда-либо созвали в мире, самое красивое двоеточие, самую красивую „единичку“, самую красивую „шестерку“. Чтобы можно было произносить с гордостью: 3:16».

Герман ответил с энтузиазмом. Он был одним из величайших каллиграфов всех времен, он сказал: «Вы знаете, Дон, я знаю сотни каллиграфов по всему миру, я мог бы попросить этих людей внести свой вклад в страницы книги. И каждый из них мог бы оформить эти стихи.» Как оказалось, графические дизайнеры весьма приятные люди, и он собирался познакомить меня с ними.

Пока я находился в Бостоне, то занимался уборкой дома и прочими бытом, а так же ходил в Бостонскую публичную библиотеку, в Библейский музей Гарварда, в Богословскую библиотеку, изучал и копировал все различные переводы стихов, которые мог найти.

Герман сделал каллиграфию на стих Иоанна 3:16.

image
«Ибо так возлюбил Бог мир, что отдал Сына Своего Единородного, дабы всякий верующий в Него, не погиб, но имел жизнь вечную.»
— Иоанн 3:16

Люди в Super Bowl всегда держат плакаты с надписью Иоанна 3:16.

И это своего рода обзор части Евангелия и я выбрал Германа быть каллиграфом для этого стиха, и он предоставил мне образец страницы исполнения 3:16.

В то время как я находился в Бостоне, я получил образец страницы напечатанной на хорошем принтере, а затем Герман и я подготовили письмо 60 каллиграфам со всемго мира.

Я приглашал лучшие в своем деле в разных странах вносить свой вклад, свои страницы, формируя другие стихи.

Это был проект, который я успел сделать, пока я был в Бостоне. Я много времени проводил тогда в публичных библиотеках Бостона и других библиотеках, читал комментарии других людей на эти стихи.

Когда мой творческий отпуск подошел к концу, Джилл и я дошли до в середины Ветхого Завета.

Я работал над Песней Песней, а затем мы поехали через всю страну, чтобы вернуться в Калифорнию.

Я заехал в Йельский университет на нескольких дней, чтобы посетить библиотеку семинарии и проработать книгу Исаии и Иеремии.

Заехал в Пенсильванию, Питтсбург, в богословскую семинарию. В разных местах по всей стране я работал над этой идеей. А потом я вернулся в Стэнфорд.

Еще несколько лет ушло чтобы освоить Новый Завет. Мы получили большой библиоматериал здесь, в Стэнфордской библиотеке, а так же в теологическом союзе библиотек Беркли.

Таким образом прошло еще несколько лет, прежде чем мы получили выходной проект 3:16.

74


Я получил рисунки от мировых каллиграфов.

В это время мы прибыли в Бостон, и письма от людей сделавших вклад в книгу приходили каждый день. Это было похоже на Рождество!

image

Работа была сложная. Я пытался сделать текст таким же качественным, какими были получаемые мною художественные тексты.

Я проводил за работой выходные дни в течении нескольких лет. А потом мне пришло в голову перевести работу в цифровой формат. Потому что мир получал все больше становился цифровым.

image

Компания под названием Adobe Systems к тому времени уже была основана. И я позвонил Джону Уорноку, одному из основателей компании Adobe.

Совершенно случайно я все же дозвонился ему.

image

Я сказал: «Джон, у меня есть большое художественное произведение и хочу оцифровать его. И мы хотим сделать постер разных размеров. Есть ли подходящее программное обеспечение?»

И он сказал: «Дон, у меня есть кое-что для тебя. Сейчас мы работаем над Photoshop». «Устраивайся к нам и можешь использовать наше оборудование. Приноси свои работы сюда».

image

Так, в течение лета 1989 года, я был ночным сторожем в Adobe Systems.

Я работал в художественном отделе и у меня была возможность использовать около 50 Макинтошей каждую ночь, когда большинство людей спало.

Я мог запустить Photoshop, который на тот момент был в стадии бета-тестирования. Я должен был работать с мужчиной по имени Том. Я зову его «Том из Мичигана» он был главным реализатором.

Таким образом мы выявили некоторые ошибки Photoshop на тот момент. Но в любом случае, я мог использовать художественное произведение 3:16 в Adobe и спустя пару месяцев, у меня было все в том форме, который мне нравился.

Макинтоши были очень медленными в то время, и работа с файлом из двух или трех мегабайт требовало героических усилий. Начиная операцию в Photoshop на одной машине, он будет готов к следующей операции через пять минут.

Поэтому я шел к другой машине Macintosh. Это напоминало турнир по шахматам, где один человек одновременно играет на нескольких досках. Вы делаете шаг на одной доске, а затем, вы идете к следующей партии.

Я получал печатную версию медленно. Файлы передавались на принтер долго. В то время у них был процессор растрового изображения, они называли его RIP — процессор растрового изображения.

Получив распечатанный материал, я отправился в Сингапур, и я ждал что появятся один или два читателя, которым понравится издание. И мое желание сбылось в течение недели с момента публикации. Это было потрясающе.

Я ожидал много негативных реакций на книгу. И в самом деле, почему программист делает то, что он не имеет права делать — писать о Библии.

Вы знаете, я бы прочитал книгу теолога о программировании. И единственное, что я мог бы сделать, а теолог нет — я могу дать независимую оценку, в то время как они не могут этого сделать, потому что они, очевидно, имеют корыстные цели.

Я могу беспристрастно направлять людей, говоря, что действительно здорово. Нужно отдать должное богословам за то, что сделали свою работу во многом хорошо.

Но в любом случае, я нашел этот «уикэнд-проект» своего рода позновательно-обогащающим. И я очень рад, что получилось так, как это получилось.

image

Еще про Кнута на Хабре


EDISON Software - web-development
Статья написана при поддержке компании EDISON Software, которая пишет софт для работы удаленных команд и занимается разработкой электронных библиотек.

Let's block ads! (Why?)

ИТ-гигант хочет доказать квантовое превосходство уже в следующем году — что может пойти не так

В 2019 году Google планирует провести соревнование вычислительных машин и сравнить производительность своего 72-кубитного чипа Bristlecone с возможностями суперкомпьютера НАСА Pleiades. ИТ-гигант планирует показать, что квантовое превосходство достижимо. Под катом — подробнее о тестах и возможных сложностях, с которыми столкнутся в компании.


/ фото JD Hancock CC BY

Пара слов о квантовом превосходстве


Квантовое превосходство — условный момент времени, когда квантовые компьютеры научатся решать некоторые вычислительные задачи намного быстрее классических систем. К таким задачам, например, относят перебор ключей SHA-256.

Теоретическую возможность квантового превосходства в октябре этого года доказали Сергей Бравый из IBM Research, Дэвид Госсет (David Gosset) из Университета Ватерлоо и Роберт Кениг (Robert König) из Мюнхенского института. Свое исследование они опубликовали в журнале Science, в котором показали, что при определенных условиях квантовая машина способна обогнать классическую вычислительную систему.

Хотя теоретическая возможность квантового превосходства была доказана, на практике этого сделать пока не удалось. В следующем году Google планируют исправить это «недоразумение».

Суть эксперимента Google


Чтобы доказать гипотезу о квантовом превосходстве, Google совместно с НАСА сравнят возможности нового 72-кубитного чипа Google с кодовым названием Bristlecone и суперкомпьютера Pleiades, который занимает 24 место в Top500 самых мощных вычислительных систем мира (5,95 петафлопс).

Классические системы пока что превосходят по производительности прототипы квантовых машин, эффективно симулируя работу квантовых цепей. Квантовый чип Google и суперкомпьютер НАСА произведут серию тестовых вычислений. Если чипу Bristlecone удастся превзойти Pleiades, то организации смогут заявить о достижении квантового превосходства.


/ фото NASA PD

Эксперимент проведут на платформе Google Cloud API, так как разместить эти две машины в одном помещении не получится. При этом для работы Bristlecone необходимо соблюдать ряд условий: например, температура окружающей среды должна быть близкой к абсолютному нулю.

Первые результаты тестов представят в июле 2019 года. Представители Google уверены, что Bristlecone сумеет достичь квантового превосходства. ИТ-гигант возлагает надежды на свои эффективные алгоритмы вычислений и механизмы коррекции ошибок, которые берут в расчет «хрупкость» кубитов, разрушающихся под воздействием внешней среды.

Почему эксперимент Google может провалиться


В мае ученые компании Alibaba опубликовали исследование (PDF), в котором утверждают, что о квантовом превосходстве можно говорить только тогда, когда число ошибок в вычислениях квантовых компьютеров будет равняться нулю. Даже если машина считает быстрее, в этом нет никакого смысла без правильного результата. А эти ошибки непременно возникают при записи (и считывании) данных в кубиты из-за разрушения их квантового состояния. Чем больше кубитов, тем выше шанс, что они начнут вносить в работу друг друга помехи.

Достигнуть нулевого значения пока никому не удалось. У того же Bristlecone процент ошибок составляет 0,6%. И хотя в Google уверены, что этого достаточно, на практике все может оказаться иначе.

Отметим, что в мире ведется разработка нескольких проектов, которые должны помочь в создании эффективных механизмов коррекции ошибок в квантовых компьютерах. К примеру, Себастиан Криннер (Sebastian Krinner) из Швейцарской высшей технической школы Цюриха предложил объединить несколько «простых» кубитов в один логический, уменьшив их количество. Но для практической реализации этой технологии потребуются годы разработок.

Другие пытаются решить задачу за счет уменьшения энтропии и объединения нескольких квантовых систем в одну большую. Например, в блоге мы рассказывали об исследователях из Университета штата Пенсильвания и их концепции демона Максвелла, а также о телепортации квантовых вентилей, которую продемонстрировали ученые Йельского университета.

Но даже если удастся реализовать достаточно эффективные механизмы коррекции ошибок для квантовых компьютеров, возникает еще одна сложность. Вычислительная мощность классических суперкомпьютеров не стоит на месте. Разрабатываются все более мощные системы, поэтому даже если у Google получится превзойти Pleiades, в будущем классические машины могут вновь превзойти квантовые.


/ фото IBM Research CC BY-ND

Вклад других компаний


Одной из компаний, которая участвует в квантовой гонке, является Intel. Из последних достижений компании — компьютер с 49 кубитами. Согласно дорожной карте, в ближайшие 5–7 лет ИТ-гигант планирует построить 1000-кубитную систему.

В компании предполагают, что с таким количеством кубитов превосходство квантовых компьютеров над традиционными обеспечено. Однако есть те, кто считает, что для этого понадобится машина с числом кубитов не менее миллиона.

Другая компания, работающая в этой области — стартап Rigetti. В октябре его представители объявили о награде в миллион долларов тому, кто докажет превосходство системы с кубитами над классическим компьютером.

Чтобы подстегнуть исследования, компания разработала облачный сервис для создания и запуска квантовых алгоритмов, доступный всем желающим. Специалисты Rigetti ожидают, что эксперименты с облаком и квантами положительно скажутся на развитии обеих технологий.



P.S. Пара статей из нашего корпоративного блога:
P.P.S. Материалы из нашего Telegram-канала об IaaS и не только:

Let's block ads! (Why?)

Аналитики UBS: к 2030 году выручка подразделения Alphabet по разработке беспилотных машин составит $114 млрд

image

Изображение: Waymo

Несколько дней назад стартап Waymo, принадлежащий Alphabet (головная компания Google), запустил в коммерческую эксплуатацию беспилотное такси. Согласно оценкам аналитиков инвестиционного банка UBS, развитие этого направления бизнеса к 2030 году будет генерировать $114 млрд выручки.

На чем зарабатывают беспилотники


В настоящий момент Waymo проводит ограниченный пилотный запуск беспилотных такси. В автомобилях все равно сидят водители, которые могут взять управление на себя в нештатной ситуации. Поездки совершаются в пригородах Финикса.

В настоящий момент компания зарабатывает только на оплатах поездки, предлагая цены, сравнимые с тарифа Uber и Lyft. Однако в будущем перед Waymo откроются сразу несколько новых каналов заработка. Так по мере географического расширения эксперимента и увеличения количества машин компания может лицензировать ОС управления беспилотниками и собственные карты и продавать их автопроизводителям.

Кроме того, пассажирам такси можно показывать рекламу, и это направление также имеет большой потенциал для увеличения выручки.

Перспективы


UBS – не единственная компания, убежденная в скором росте рынка беспилотных автомобилей. Летом 2018 года свой прогноз представила Intel: согласно этому документу, объем рынка беспилотных автомобилей достигнет $800 млрд к 2035 году.

Прогноз UBS по Waymo был составлен с опорой исключительно на перспективы направления беспилотного такси, однако аналитики отмечают, что технологии компании могут применяться в других сферах, вроде доставки и логистики.

Собственные технологии беспилотных автомобилей разрабатывает целый ряд компаний, включая General Motors и Uber, однако технологии Waymo считают наиболее продвинутыми в этой сфере.

UBS оценивает стоимость компании в диапазоне $25 до $135 млрд, при этом базовая оценка составляет $75 млрд. Аналитики Morgan Stanley летом 2018 года оценивали Waymo в $45 млрд и указывали на перспективы роста стоимости до $175 млрд.

Другие материалы по теме финансов и фондового рынка от ITI Capital:


Let's block ads! (Why?)

Российская компания вместо лечения зашифрованных вирусом файлов платит злоумышленникам


Источник: Naked Security — Sophos

Компаний, работающих в сфере информационной безопасности сейчас много. Технологии совершенствуются, а значит, злоумышленники получают все больше инструментов для работы. Им противостоят специалисты по информационной безопасности. Правда, не все из них действуют одинакового профессионально.

К примеру, недавно в сети появилась информация о компании, которая позиционирует себя, как последний шанс для жертв программ-криптовымогателей. Эта компания заявляет, что она в состоянии расшифровать пострадавшие файлы, спасая, таким образом, бизнес и репутацию жертвы.
Но в этом случае все не так однозначно. Как оказалось, компания, которая называется Dr. Shifro, не расшифровывает файлы. Вместо этого она платит злоумышленникам, а заказчикам предоставляет расшифрованные файлы, утверждая, что ее специалисты все смогли расшифровать.

Но это не совсем правда — дело в том, что Dr. Shifro просто берет с заказчиков в 2-3 раза больше денег, чем просят злоумышленники, и работает с последними. Как только файлы пострадавшей стороны расшифрованы, Dr. Shifro заявляет, что это ее заслуга.

В одном из случаев компания запросила $2,5 тысячи за услугу расшифровки файлов, заблокированных ransomware. Оказалось, что сами злоумышленники просят за это же $1500. Таким образом, компания взяла за услуги посредничества $1000, заплатив остальное киберпреступникам.

Часто владельцы пострадавшего бизнеса готовы заплатить и больше решение проблемы с зашифрованными файлами. Компании зачастую не хотят связываться с киберпреступниками, поэтому готовы много платить тем, кто способен решить проблему.

Но, как оказалось, компания Dr. Shifro и не думает заниматься самостоятельной расшифровкой. Она предпочитает договариваться со злоумышленниками, получая за это неплохую прибыль со стороны киберпреступников.

По расчетам, компания за время своей деятельности получила около $300 000 прибыли. В среднем решение одного инцидента обходится клиентам организации в $3000 (в биткоин-эквиваленте). Но точный расчет провести нельзя, поскольку неясно, все ли клиенты получают одинаковый прайс на услуги.

Общая рекомендация специалистов по информационной безопасности — не платить киберпреступникам, которые распространяют ПО-криптовымогатель. Справедливо считается, что если выплачивать злоумышленникам «выкуп», то они будут работать еще активнее. Поэтому многие жертвы вирусов-криптовымогателей обращаются к сторонним компаниям, обещающим расшифровать файлы. В этом случае некоторые жертвы готовы платить больше «белым» хакерам, чем выплачивать выкуп злоумышленникам.

Тем не менее, шанс на расшифровку файлов, которые закодированы при помощи серьезной технологии, невелик. Так что можно предположить, что Dr. Shifro далеко не единственная компания, которая просто договаривается с шантажистами.

Ну а последние и не собираются прекращать свою деятельность. Недавно новый вид криптовымогателя поразил более 100 тыс. компьютеров в Китае. Правда, мошенники требовали за ключ расшифровки небольшую сумму — всего $16. Обычно это сотни, если не тысячи долларов США. Насколько можно понять, новая разновидность ransomware рассчитана исключительно на китайских пользователей — в других странах случаев заражения этим вирусом пока нет.

Распространяется зловред в качестве «приятного» дополнения к темам для местных форумов и мессенджеров. Но чаще всего пользователи из Китая заражаются этим вирусом при установке ПО «Account Operation V3.1», это приложение, которое позволяет управлять одновременно несколькими аккаунтами в QQ. Возможно, что вирус скрывается в модуле EasyLanguage. Исследователи говорят, что вирус не только шифрует файлы, но и ворует доступы пользователей к различным социальным сетям и мессенджерам, а также цифровым кошелькам и хостингу.

Стоит отметить, что наибольшее распространение криптовымогатели получили в Китае. В других странах активность этого типа вирусов сошла на нет. По мнению специалистов, в частности, из компании Velvet Threat, ransomware разных видов заразило в Китае около 2 млн компьютеров.

Let's block ads! (Why?)

Изучаем азотные лазеры — часть 1. Лазеры поперечного разряда

Наверное, каждый увлекающийся околоэлектронными самоделками задавался вопросом, возможно ли сделать лазер самостоятельно, дома. И наверняка, очень часто натыкался на довольно предсказуемый ответ от старших, что это очень сложно или практически невозможно, дескать, лазерное излучение можно получить только из специальных дорогостоящих кристаллов и стекол, или каких-то ещё неведомых материалов, которые можно достать только в Тёмных Топях или на Заокраинном Западе. На самом деле это не так. Число веществ, в которых возможен лазерный процесс, исчисляются тысячами, и некоторые из них находятся буквально под ногами, и в прямом смысле вокруг нас, повсюду. Так, например, можно с удивлением узнать, что возможно получить лазерную генерацию в водяных парах, в красителях, добытых из фломастеров, в конце концов, в углекислом газе, выдыхаемом многими живыми существами, была получена лазерная генерация мощностью в сотни киловатт. Но, есть ещё одна рабочая среда лазера, которая распространена гораздо больше, чем все остальные вместе взятые. Это азот, которого 78% в атмосферном воздухе.

image

Если сделать в гугле запрос «самодельный лазер», то именно азотный всплывает первым, со множеством примеров конструкций:

image

Рассмотрим принцип его работы и конструкцию подробнее.
Азотный лазер – типичный представитель молекулярных газовых лазеров, который работает на электронных переходах в молекуле азота. Его главное свойство – это интенсивная генерация в ультрафиолетовом диапазоне, с основной длиной волны равной 337.1 нм. Свойства азота как рабочей среды делают генерацию возможной только в импульсном режиме, поскольку переходы являются самоограниченными, т.е. длительность существования инверсии населённости на таких переходах ограничена накоплением частиц на нижнем уровне; она не больше времени жизни частиц на верхнем рабочем уровне. Время жизни верхнего уровня у азота порядка 40 наносекунд, поэтому излучаемый лазерный импульс тоже очень короткий, порядка единиц-десятков наносекунд. Это накладывает специфические требования к электрическому импульсу возбуждения – он также должен быть коротким с крутым фронтом, чтобы успеть перевести большое количество молекул в возбужденное состояние за время жизни верхнего уровня.

При этом, у азота, как активной среды, очень высокий коэффициент усиления, настолько высокий, что не нужны зеркала – он вполне может работать в режиме сверхсветимости, когда усиление излучения происходит за один проход. А ещё, он может работать в широком интервале давлений вплоть до атмосферного. И, как выяснилось, кислород воздуха не мешает, хотя и снижает максимально достижимую мощность генерации. Таким образом, для самодельщика вырисовывается довольно привлекательная картина: рабочая среда предельно доступна, возня с вакуумом и газами не нужна, дефицитные материалы не нужны. Даже зеркала оптического резонатора не нужны. Нужно только немного повозиться с высоким напряжением. Рассмотрим подробнее устройство азотного лазера, который предлагается для самостоятельного изготовления.

image

Исходя из требования к импульсу возбуждения, как правило, вырисовывается схема накачки лазера основанная на генераторе Блюмляйна, который состоит из двух плоских конденсаторов, которые можно сформировать из нескольких слоев алюминиевой или медной фольги и диэлектрической пленки. Коммутатором в этом устройстве служит простейший искровой разрядник из двух винтов с закругленными головками. Казалось бы, где же сам лазер? А процесс генерации лазерного излучения происходит практически незаметно – в зазоре между двух металлических линеек, в котором горит импульсный разряд. Линейки укреплены на противоположных краях плоских конденсаторов С1 и С2. Разряд горит поперек оси линеек, а лазерное излучение выходит вдоль, соответственно получается газовый лазер с поперечным разрядом. Чтобы не загорался разряд в момент зарядки конденсаторов – параллельно лазерному зазору включен небольшой дроссель, который закорачивает зазор по постоянному току. Стоит подать высокое (порядка 10-15 кВ) напряжение как показано на схеме – и лазер заработает. В качестве источника ВН подходит любое подходящее средство – электрошокер, блок питания от ионизатора воздуха, электрофорная машина, источник ВН от ЭЛТ-телевизора или монитора. Поскольку он работает без зеркал, то излучение выходит с обоих концов линеек. Так как он излучает в ультрафиолете – это позволяет хорошо познакомиться с люминесценцией различных предметов и материалов. А ещё такой лазер довольно удобен для накачки лазера на красителях – просто добавь воды кювету с красителем и поставь под луч.
По этой же причине, а также, поскольку энергия импульса очень мала (десятки микроджоулей), то его излучение сравнительно безопасно для глаз, так как поглощается роговицей и не достигает сетчатки. Хотя, смотреть прямо в луч все равно не следует – ультрафиолетовые ожоги роговицы вещь довольно неприятная.

Таким образом, эта схема делает «порог вхождения» в мир лазерной техники очень низким, такой лазер был построен бесчисленным количеством людей.

Есть конструкции пострашнее. Зелёное пятно на первой фотографии – люминесценция «мишени» для излучения.

image

image

Есть более обстоятельные и аккуратные, как например эта.

image

Да такой лазер можно собрать вообще меньше чем за 2 минуты! Если конечно все исходные материалы подготовлены, а конструкция отработана, т.е. рука уже набита.

Доступность и простота конструкции такого лазера позволяет экономить немало средств в западных университетских лабораториях, если к нему не предъявляют особых требований по выходным параметрам.

Тем не менее, для гарантии успешной работы такого лазера есть несколько нюансов, которые нужно соблюдать. Самый главный из них в том, что края линеек-электродов должны быть максимально гладкими и иметь скругленные края, чтобы у разряда не было возможности собраться в одну искру, загоревшуюся с какого-то острия. Второй – правильный выбор изоляционной плёнки для плоских конденсаторов, чтобы получалась максимально возможная емкость при максимально возможной электропрочности. Третий – правильный выбор зазора между электродами, который должен быть выдержан точно по всей длине и быть не большим 2-3 мм. Именно тогда через лазерный разряд будет получен максимально короткий фронт тока. Допуски по последним двум нюансам можно облегчить, если снизить давление рабочего газа до 100-200 мм рт. ст., и если подать чистый азот вместо воздуха, но это автоматически означает появление пусть и примитивной, но вакуумной системы, и заключение электродов в мало-мальски герметичный объем. В такой конфигурации расстояние между электродами можно увеличить, а требования к крутизне фронта тока несколько снижаются – плоские конденсаторы можно заменить компактными керамическими. Но такая конструкция тоже имеет право на существование.

К примеру, самодельные лазеры с продувкой азота от Джаррода Кинси.

image

Здесь из-за обилия разных предметов на его столе сам лазер рассмотреть довольно сложно.

image

Азотный лазер поперечного разряда с пониженным давлением, где плоские конденсаторы заменены керамическими. Конструкция Томаса Раппа.

image

Если кого интересует очень тщательное и подробное руководство по постройке такого лазера с описанием всех неочевидных нюансов, то стоит заглянуть опять на сайт Yun’a Sothory.

А еще есть довольно популярная легенда, что лазерный эффект при искровом разряде в протяженных воздушных промежутках мог быть обнаружен задолго до открытия принципов работы лазера как такового, в те времена когда только начинали осваивать электричество. Но это красивый фейк, как например вот этот рисунок. Что не отменяет правдивость его содержания.

image

Статья с описанием «лазера викторианских времен» находится здесь.

Теперь рассмотрим, какие в принципе бывают конструкции серийно выпускаемых азотных лазеров. На Западе абсолютно все встреченные мной азотные лазеры имеют поперечный разряд с накачкой от генератора Блюмляйна. Всё как в описанном самодельном лазере, только там добавлены удобные средства управления лазером, более продвинутые источники питания, вместо простейшего искрового разрядника – импульсный водородный тиратрон или управляемый искровой разрядник высокого давления, вместо больших плоских конденсаторов из пленки и фольги – много мелких керамических, а электроды между которыми происходит разряд расположены в закрытом объеме, в котором можно регулировать давление и вообще заправлять любой другой газ. Но принцип остается неизменным. У такой схемы есть следующие преимущества:

1. Простота. Как сказано выше, во многих случаях вполне применима даже конструкция самодельного простейшего азотного лазера работающего на атмосферном воздухе, даже при вполне серьезной научной работе в лаборатории.
2. Достаточно серьезная выходная энергия импульса – десятки миллиджоулей у крупных установок.
3. Очень малая длительность импульса, в ряде случаев составляющая сотни пикосекунд.
4. Сочетание предыдущих двух факторов позволяет достигнуть огромных импульсных мощностей – десятки-сотни мегаватт.

Вместе с этим есть и некоторые недостатки:

1. Отвратительное качество пучка. Луч не круглый а продолговатой формы, с неравномерной интенсивностью по сечению. В ряде случаев это не критично, когда, к примеру, нужно накачивать лазер на красителях.
2. Ограниченная частота повторения импульсов, обычно не более нескольких десятков Гц.
3. Нестабильность энергии от импульса к импульсу.
4. Некоторые конструкции требуют периодического обслуживания – смены рабочего газа, поддержания его давления, периодической чистки и полировки электродов.

Все упомянутые преимущества и недостатки полностью относятся и к самодельному азотному лазеру.

Посмотрим как выглядят азотные лазеры западных производителей и сравним их конструкцию с простейшей самодельной.

Малогабаритный азотный лазер фирмы Spectra-Physics и его лазерная камера с обвязкой. Эт лазер поперечного разряда с пониженным давлением.

image

image

Вместо плоских конденсаторов тут керамические, сверху – управляемый искровой разрядник. Лазерная камера заполнена азотом и запаяна.

Мощный азотный лазер, работающий на неосновном переходе в синей области спектра. Видно множество мелких керамических конденсаторов и блокирующий дроссель между электродами. Для получения генерации на иных длинах волн кроме 337.1 нм требуется добавка гелия к азоту.

image

Самая первая лазерная камера с поперечным разрядом, которая была сделана в 1973 году.

image

Лазерная установка фирмы Molectron.

image

Внутренности мощного лазера с поперечным разрядом, который при замене газовой смеси и оптики может работать как СО2 лазер или как эксимерный лазер.

image

Внешний вид электродов промышленно выпускаемого лазера с поперечным разрядом.

image

Лазерная камера для пикосекундных длительностей импульса.

image

Теперь, после всего сказанного выше, ко мне возникнет вполне резонный вопрос, не пробовал ли я повторять эту конструкцию. На самом деле, нет, не пробовал. На это были объективные причины. Если кратко – то мне нравится совершенно иной тип азотного лазера – лазер не поперечного, а продольного разряда! Но об этом в следующей части.

Использованные источники:

1. www.jarrodkinsey.org
2. www.rapp-instruments.de
3. www.spakbangbuzz.com
4. www.jonsinger.org
5. www.swissrocketman.fr
6. www.mylaser.ucoz.ru
7. www.laserkids.sourceforge.net
8. www.technology.niagarac.on.ca
Надеюсь, никого не забыл.

Let's block ads! (Why?)