|
Μια εντυπωσιακή, όσο και ασυνήθιστη παρέα γαλαξιών αποτύπωσε ο φακός του διαστημικού τηλεσκοπίου «Χαμπλ», που συμπλήρωσε τα 32 χρόνια υπηρεσίας κάτω από τις εντολές των αστρονόμων. Η παρέα ονομάζεται Συμπαγής Ομάδα Χίκσον 40 και περιλαμβάνει τρεις σπειροειδείς γαλαξίες, έναν ελλειπτικό γαλαξία και έναν φακοειδή. Με κάποιον τρόπο αυτοί οι διαφορετικοί γαλαξίες συναντήθηκαν και πραγματοποιούν έναν βαρυτικό χορό ο ένας γύρω από τον άλλο, με ολόκληρη την ομάδα να καταλαμβάνει μια περιοχή του Διαστήματος όχι μεγαλύτερη από το διπλάσιο της διαμέτρου του δικού μας Γαλαξία.
Αν και τέτοιες ομαδοποιήσεις γαλαξιών μπορούν να βρεθούν στο κέντρο μεγάλων γαλαξιακών σμηνών, οι συγκεκριμένοι είναι απομονωμένοι σε μια περιοχή στον αστερισμό της Υδρας και αποτελούν μια από τις πιο πυκνές ομάδες, από τις περίπου 100 που έχουν καταλογογραφηθεί. Οι επιστήμονες υπολογίζουν ότι περίπου σε ένα δισεκατομμύριο χρόνια από τώρα θα έχουν συγκρουστεί και συνενωθεί, σχηματίζοντας έναν γιγαντιαίο ελλειπτικό γαλαξία. Μελέτησαν καθένα από τα μέλη της ομάδας τόσο στο ορατό τμήμα του ηλεκτρομαγνητικού φάσματος όσο και στο ραδιοφωνικό, το υπέρυθρο και το τμήμα ακτίνων-Χ, διαπιστώνοντας ότι καθένας τους διαθέτει μια πηγή ραδιοκυμάτων στον πυρήνα του, ένδειξη της ύπαρξης υπερμεγέθους μαύρης τρύπας. Οι παρατηρήσεις στο φάσμα ακτίνων-Χ έδειξαν την παρουσία θερμών αερίων ανάμεσα στους γαλαξίες, ένδειξη της βαρυτικής αλληλεπίδρασης μεταξύ τους, ενώ οι παρατηρήσεις στο υπέρυθρο αποκάλυψαν τον ρυθμό σχηματισμού νέων άστρων μέσα σε αυτούς τους γαλαξίες. Τέτοιες συνενώσεις γαλαξιών θεωρείται ότι μπορεί να σχηματίζουν τα κβάζαρ (μακρινοί ενεργοί γαλαξιακοί πυρήνες, που εμφανίζονται στο ορατό τμήμα του φάσματος ως σημειακά άστρα).
Τα μάτια αυτής της μύγας, αλλά και το νευρωνικό δίκτυο με το οποίο συνδέονται αποτελούν εξαιρετικά αποτελεσματικό βιολογικό μηχανισμό διαχωρισμού του σήματος από τον θόρυβο |
Για τους ρομποτιστές τα πουλιά αποτελούν ένα από τα πιο ενδιαφέροντα αντικείμενα μελέτης, επειδή, όπως και οι άνθρωποι, είναι δίποδα, που βαδίζουν όρθια. Δεδομένου ότι σήμερα υπάρχουν περισσότερα από 10.000 είδη πουλιών και μόνο ένα είδος ανθρώπου, τα πουλιά έχουν να διδάξουν πολλά όσον αφορά την όρθια βάδιση σε δύο πόδια. Αυτές οι πληροφορίες είναι κρίσιμες σε εκείνους που προσπαθούν να αντιγράψουν αυτό το είδος βάδισης σε ρομπότ. Κάθε φορά που ένα δίποδο τρέχει, το πόδι που πατά στο έδαφος ασκεί δύναμη μέχρι τρεις φορές το βάρος του, ενώ ακόμη κι όταν βαδίζει ασκεί δύναμη ίση με μιάμιση φορά το βάρος του. Επιπλέον, ένα δίποδο δεν πρέπει να αντεπεξέλθει μόνο σε αυτές τις επανειλημμένες συγκρούσεις των ποδιών του με το έδαφος, αλλά και να μπορεί να ισορροπήσει για λίγο στο ένα πόδι καθώς βαδίζει (εξαιρούνται οι αθλητές του βάδην).
Το εμπνευσμένο από τα πουλιά δίποδο BirdBot |
Αυτή η διαρρύθμιση προσφέρει πλεονέκτημα, επιτρέποντας στο πόδι του πουλιού να κινηθεί πιο γρήγορα απ' ό,τι μπορεί να λειτουργήσει το νευρικό του σύστημα. Αν και οι νευρικές ωθήσεις μπορεί να μοιάζουν ακαριαίες, απαιτούν κάποιο χρονικό διάστημα για να ταξιδέψουν από τον εγκέφαλο ως τον μυ. Αλλά με μυϊκό δίκτυο με πέντε αρθρώσεις, το πουλί χρειάζεται να ενεργοποιήσει μόνο έναν μυ. Κινεί αυτόν και εμμέσως κινείται όλο το σύστημα. Είναι σαν τον μαριονετίστα, που ελέγχει τα πάντα από πάνω. Η διάταξη αυτή εξαλείφει την ανάγκη για πλήθος πολύπλοκων αισθητήρων ισορροπίας και πίεσης στα πόδια του BirdBot, κάνοντάς το πιο ελαφρύ, ευέλικτο, κλιμακούμενο σε διάφορες διαστάσεις και κατά 75% λιγότερο απαιτητικό σε Ενέργεια, σε σύγκριση με συμβατικά ρομπότ του ίδιου μεγέθους.
Προς το παρόν ο τρόπος υλοποίησης του BirdBot του επιτρέπει να κινείται μόνο σε ένα επίπεδο (μπρος ή πίσω, αλλά όχι προς τα πλάγια). Οι ερευνητές σκοπεύουν να λύσουν αυτό το πρόβλημα στην επόμενη έκδοση του BirdBot, με τελικό στόχο τη χρήση τέτοιου είδους ρομπότ στη δασοκομία και σε αγροτικές καλλιέργειες, ιδίως σε ανώμαλα εδάφη και σε εδάφη με πυκνή βλάστηση. Μπορεί να φανταστεί κανείς και στρατιωτικές εφαρμογές για ρομπότ τύπου BirdBot...
Τα ΣμηΕΑ (Συστήματα μη Επανδρωμένων Αεροσκαφών), γνωστότερα ως drones, τείνουν να γίνουν μάστιγα και όχι μόνο στον πόλεμο. Ειδικά τα μικρά drones έχουν κόστος που κάνει προσιτή την αγορά τους από φίλους του αερομοντελισμού, αλλά κι από γονείς, συγγενείς και φίλους, ως δώρα προς παιδιά ή συνήθως νεαρής ηλικίας άτομα. Το 2018 χιλιάδες ταξιδιώτες ταλαιπωρήθηκαν στο αεροδρόμιο Γκάτγουικ του Λονδίνου, καθώς έκλεισε για δύο μέρες λόγω drones επικίνδυνων για την αεροπλοΐα, που πετούσαν οι κάτοχοί τους στα όρια του αεροδρομίου. Το ίδιο φαινόμενο επαναλήφθηκε από τότε σε μικρότερη κλίμακα σε πολλά αεροδρόμια σε όλο τον κόσμο. Για τον γρήγορο εντοπισμό αυτών των drones ερευνητές του Πανεπιστημίου της Νότιας Αυστραλίας, του Πανεπιστημίου Φλίντερς και ...μιας βιομηχανίας όπλων, κατασκευάζουν σύστημα ανίχνευσης βασισμένο σε ένα ζώο: Μια μύγα που μοιάζει με μικρή σφίγγα και συνηθίζει να αιωρείται κοντά σε λουλούδια.
Σε επιστημονική τους δημοσίευση παρουσίασαν αλγόριθμο, που σχεδιάστηκε εφαρμόζοντας αντίστροφη μηχανική στο οπτικό σύστημα της συγκεκριμένης μύγας. Οποιος έχει δοκιμάσει να χτυπήσει τέτοιες μύγες γνωρίζει ότι είναι πολύ δύσκολο, καθώς έχουν πολύ καλή όραση και γρήγορο χρόνο αντίδρασης. Αυτές οι ικανότητες πηγάζουν από τα σύνθετα μάτια τους, που συλλαμβάνουν πολλή πληροφορία μονομιάς, αλλά και από τους νευρώνες, που επεξεργάζονται αυτήν την πληροφορία και αποδεδειγμένα μπορούν να ξεχωρίσουν καλά το σήμα από τον θόρυβο. Πολλά ζώα έχουν οπτικά συστήματα που μπορούν να απομακρύνουν αποτελεσματικά τον θόρυβο, αλλά το απλό νευρικό σύστημα των μυγών και η ευκολία πειραματισμών με αυτές τις κάνουν εξαιρετικά χρήσιμο μοντέλο για τους επιστήμονες των υπολογιστών.
Οι ερευνητές αποκρυπτογράφησαν μέσα σε μια δεκαετία τη λειτουργία του νευρωνικού δικτύου των μυγών που διαχειρίζεται τις οπτικές πληροφορίες και τροφοδότησαν έναν αλγόριθμο τεχνητής νοημοσύνης (ΤΝ) για την ανίχνευση drone, ο οποίος αποδείχτηκε ικανός να τα εντοπίζει σε απόσταση 50% πιο μακριά από την καλύτερη συμβατική ΤΝ. Αντί να τροφοδοτήσουν τον αλγόριθμο με οπτικά δεδομένα drone σε πτήση, τον τροφοδότησαν με φασματογράμματα, δηλαδή οπτικές απεικονίσεις του ήχου που παράγεται από τα drones. Αποδείχτηκε τελικά ότι ο αλγόριθμος είναι δυνατό να προσαρμοστεί για χρήση σε διάφορες διαδικασίες ΤΝ, ώστε να αναδεικνύει τα πράγματα ενδιαφέροντος σε διάφορους τομείς και σε συνθήκες του πραγματικού κόσμου, με πολύ θόρυβο. Η ΤΝ είναι πιο αποτελεσματική σε ελεγχόμενο περιβάλλον, ενώ η βιολογία πρέπει να είναι αποτελεσματική παντού, γιατί αλλιώς το βιολογικό είδος πεθαίνει. Η έμπνευση από τη βιολογία μπορεί να δώσει συστήματα ΤΝ, που θα μπορούν π.χ. να ταξινομούν αντικείμενα ως αυτοκίνητα, ακόμη κι αν φαίνεται μόνο ένα τμήμα τους, ενώ το υπόλοιπο είναι στη σκιά ή εκτός θέας.