Michio Kaku: Πως θα είναι η ζωή μας σε 20 χρόνια. Michio Kaku Described What Life Will Look Like in Twenty Years

It seems that each day brings with it a revolution in artificial intelligence, space travel, and DNA, which is the building block of life itself. Though these developments are inspiring, the rapid pace at which science and technology are advancing is sometimes a little disquieting. And according to Kaku, in the next twenty years, things are going to get really weird. From toilets that read our proteins to walls that talk to us, Kaku painted a staggeringly beautiful (and somewhat comical) picture of the world of tomorrow.

Ένας από τους διασημότερους φυσικούς στον κόσμο, ο Μίκιο Κάκου, υποστηρίζει πως λίγοι μπορούν να φανταστούν την άνεση στη διαβίωση και τα θαύματα που θα φέρει το μέλλον στους ανύποπτους σημερινούς πολίτες.

Μιλώντας κατά την έναρξη του Παγκόσμιου Συνεδρίου για τη Διακυβέρνηση στο Ντουμπάι, ο Μίκιο Κάκου είπε πως η επιστήμη θα κυριαρχήσει με ένα τέταρτο κύμα ανακαλύψεων στο μοριακό επίπεδο σε συνδυασμό με πολύ εξελιγμένη τεχνολογία.

«Οι ηλεκτρονικοί υπολογιστές θα είναι τόσο φθηνοί που θα κοστίζουν μια δεκάρα», δήλωσε ο Μίκιο Κάκου απευθυνόμενος στους συνέδρους. «Θα είναι διαθέσιμοι παντού και οπουδήποτε».

Click to View Full Infographic

Σύμφωνα με τον ίδιο, η τεχνολογία θα μας φέρει φακούς επαφής που θα συνδέονται με το Ίντερνετ, αυτοκίνητα χωρίς τιμόνι, ψηφιακή ταπετσαρία που θα απαντά σε ερωτήσεις και ιατρικές συσκευές MRI σε μέγεθος κινητού τηλεφώνου.

Πηγές:  http://www.amna.gr/home/article/229595/M-Kakou-Oi-ilektronikoi-upologistes-tha-einai-toso-fthinoi-pou-tha-kostizoun-mia-dekara – https://futurism.com/michio-kaku-life-20-years-future/

Μια καραβίδα και ένα ψάρι έχουν μόνο θηλυκό φύλο και ανθεκτικό DNA. Despite odds, fish species that bypasses sexual reproduction is thriving

Δεν συσσωρεύουν γενετικές μεταλλάξεις όπως συμβαίνει με την «παραδοσιακή» μέθοδο αναπαραγωγής που απαιτεί δύο φύλα. Success of asexual reproduction in Amazon molly an evolutionary anomaly. An international team of scientists has sequenced the genome of the Amazon molly, a fish that reproduces asexually. The researchers expected that the asexual organism would be at a genetic disadvantage, but the Amazon molly is thriving.

Επιστήμονες σε άρθρο που δημοσίευσαν στο επιστημονικό έντυπο Nature Ecology and Evolution, ανακοίνωσαν ότι «διάβασαν» το γονιδίωμα ενός ψαριού του γλυκού νερού, της «Αμαζόνας Μόλλυ», της οποίας το είδος έχει μόνο θηλυκό και καθόλου αρσενικό.

Η έκπληξη είναι ότι, όπως διαπίστωσαν οι ερευνητές, το DNA του ψαριού δεν έχει τα γενετικά προβλήματα, όπως τη συσσώρευση γενετικών μεταλλάξεων, που εμφανίζει συνήθως το γενετικό υλικό των ζώων (και των ανθρώπων).

Η «Αμαζόνα Μόλλυ», η οποία σκοπίμως έχει πάρει από τους βιολόγους το όνομα της πολεμίστριας της αρχαιοελληνικής μυθολογίας, διαθέτει ένα άκρως ανθεκτικό DNA, που φαίνεται να είναι ανώτερο από εκείνο όσων ειδών έχουν δύο φύλα, αναπαράγονται μέσω του σεξ και κληροδοτούν στους απογόνους τους 50-50 το γενετικό υλικό και των δύο γονιών. Οι βιολόγοι θεωρούσαν ανέκαθεν ότι αυτός ο συνδυασμός του μητρικού και του πατρικού DNA έχει μεγάλα εξελικτικά οφέλη.

Όμως ίσως να έχει υπερτιμηθεί η σημασία της σεξουαλικής αναπαραγωγής. Όπως δήλωσε ο βιολόγος Μάνφρεντ Σαρτλ του Πανεπιστημίου του Βίρτσμπουργκ, σύμφωνα με το Reuters, «η Αμαζόνα Μόλλυ τα πάει θαυμάσια. Απρόσμενα, δεν βρήκαμε σε αυτήν τα σημάδια της γονιδιωματικής φθοράς που περιμέναμε».

Το θηλυκό ψάρι αναπαράγεται μόνο του, όταν ένα ωοκύτταρό του αναπτύσσεται σε έμβρυο, χωρίς να προηγηθεί γονιμοποίηση από σπερματοζωάριο αρσενικού. Στην ουσία το θηλυκό ψάρι κλωνοποιείται συνεχώς.

Πάντως, χρειάζεται και ένα αρσενικό ψάρι καθώς το θηλυκό ζευγαρώνει με ένα αρσενικό κάποιου συγγενικού είδους, όμως το σπερματοζωάριο του αρσενικού δεν εισέρχεται στον πυρήνα του ωαρίου του θηλυκού για να το γονιμοποιήσει, αλλά, απλώς με την παρουσία του, πυροδοτεί τη διαδικασία της αυτογονιμοποίησης από το θηλυκό. Κατά συνέπεια στους απογόνους κληροδοτείται μόνο το θηλυκό DNA.

The Amazon molly is an all-female fish species that scientists have now traced back its evolutionary history to show that is has thrived for millennia in the fresh waters along the Mexico-Texas border (and, more recently, in aquariums everywhere). MANFRED SCHARTL

Η «Αμαζόνα» του γλυκού νερού ζει κυρίως στα σύνορα Τέξας-Μεξικού, έχει μήκος οκτώ εκατοστών και τρώει έντομα, φυτά και φύκη. Ως είδος προέκυψε - όπως αποκάλυψε η ανάλυση του DNA της- από τη συνεύρεση δύο άλλων ειδών «Μόλλυ», του Ατλαντικού και της Sailfin, πριν από 100.000 έως 200.000 χρόνια.

Η «Αμαζόνα Μόλλυ» ήταν το πρώτο σπονδυλωτό ζώο που ανακαλύφθηκε το 1932 ότι αναπαράγεται ασεξουαλικά, φέρνοντας τα πάνω-κάτω στη βιολογία, καθώς έως τότε θεωρείτο αδύνατο να υπάρξει αναπαραγωγή χωρίς σεξ. Μέχρι σήμερα έχουν ανακαλυφθεί περίπου 50 σπονδυλωτά (ψάρια, αμφίβια, ερπετά κ.α.) που χρησιμοποποιούν την ασεξουαλική αναπαραγωγή.

Και μια Αμαζόνα καραβίδα

Genome study finds the invasive clonal freshwater crayfish is descended from a single female and reproduces without males. The marbled crayfish threatens to crowd out seven native species in Madagascar. Photograph: Ranja Andriantsoa/Nature

Οι επιστήμονες ανακάλυψαν επίσης ότι ένα είδος καραβίδας που έχει μόνο θηλυκό, πολλαπλασιάζεται ταχύτατα και εισβάλλει στα θαλάσσια οικοσυστήματα όλου του πλανήτη. Οι ειδικοί κάνουν λόγο για ένα πραγματικό «περιβαλλοντικό θρίλερ».

Η δεκάποδη καραβίδα μήκους περίπου 15 εκατοστών και γαλαζωπού-γκρι χρώματος έχει προέλθει από μια μετάλλαξη που της επιτρέπει να αναπαράγεται χωρίς σεξ με αρσενικό, αλλά με αυτοκλωνοποίηση.

Η «παρθένα» καραβίδα (Procambarus virginalis) πωλείται στα ιχθυοπωλεία της βόρειας Αμερικής, αλλά οι πωλήσεις της έχουν απαγορευθεί στην Ευρώπη. Στις ΗΠΑ είναι δυνατό να αγορασθεί και ως κατοικίδιο ψάρι ενυδρείου, κάτι που όμως δεν συστήνουν οι επιστήμονες, από φόβο μήπως διαφύγει στη θάλασσα.

Η μετάλλαξη συνέβη πριν από τρεις δεκαετίες σε ένα γερμανικό ενυδρείο και οδήγησε σε ένα νέο είδος με ένα πρόσθετο ζεύγος χρωμοσωμάτων, που της επιτρέπει πλέον την ασεξουαλική αναπαραγωγή. Το νέο αυτό είδος υπάρχει στα νερά της Ιαπωνίας, της Μαδαγασκάρης, πολλών ευρωπαϊκών χωρών και των ΗΠΑ.

Οι Γερμανοί ερευνητές που «διάβασαν» το γονιδίωμά της και έκαναν τη σχετική δημοσίευση στο Nature Ecology and Evolution, σύμφωνα με το BBC, χαρακτήρισαν την καραβίδα ιδιαίτερα επεκτατική και απειλητική για τα ντόπια είδη. Όπως είπαν, πολλαπλασιάζεται με ρυθμό πολυβόλου, καθώς από ένα μόνο θηλυκό μπορούν να γεννηθούν 200 έως 300 μέσα σε τρεις μήνες.

Πηγές: https://www.nature.com/articles/s41559-018-0473-y - https://www.nature.com/articles/s41559-018-0467-9 - http://www.tovima.gr/science/medicine-biology/article/?aid=942494

Κωνσταντίνος Π. Καβάφης, «Επέστρεφε». Constantine P. Cavafy, “Come Back”

Φρέντερικ Λέιτον, Ο Ψαράς και η Σειρήνα (λεπτομέρεια), 1858

Επέστρεφε συχνά και παίρνε με,

αγαπημένη αίσθησις επέστρεφε και παίρνε με—

όταν ξυπνά του σώματος η μνήμη,

κ’ επιθυμία παληά ξαναπερνά στο αίμα·

όταν τα χείλη και το δέρμα ενθυμούνται,

κ’ αισθάνονται τα χέρια σαν ν’ αγγίζουν πάλι.

Επέστρεφε συχνά και παίρνε με την νύχτα,

όταν τα χείλη και το δέρμα ενθυμούνται...

Γιάννης Τσαρούχης, Έρως εσταυρωμένος και Στέλλα Βιολάντη, 1989 

(Από τα Ποιήματα 1897-1933, Ίκαρος 1984)

Come Back

Édouard Manet, At Père Lathuille, 1879

Come back often and take hold of me,

sensation that I love come back and take hold of me—

when the body’s memory awakens

and an old longing again moves into the blood,

when lips and skin remember

and hands feel as though they touch again.

Come back often, take hold of me in the night

when lips and skin remember...

Marc Chagall, Lovers in the sky of Nice, 1964

 Translated by Edmund Keeley/Philip Sherrard

(C.P. Cavafy, Collected Poems. Translated by Edmund Keeley and Philip Sherrard. Edited by George Savidis. Revised Edition. Princeton University Press, 1992)

Ο κακός φωτισμός αλλάζει τη δομή του εγκεφάλου. Dim Light Can Change Brain Structure And Impair Memory

Pierre Bonnard, The Oil Lamp, 1898-1900. Ο χαμηλός και κακός φωτισμός οδηγεί και σε χαμηλές επιδόσεις τόσο στη μάθηση όσο και στη μνήμη, σύμφωνα με τη νέα μελέτη. Spending too much time in dimly lit rooms and offices may actually change the brain's structure and hurt one's ability to remember and learn, indicates groundbreaking research by neuroscientists.

Η παραμονή για πολλές ώρες σε χώρους - είτε στο γραφείο είτε στο σπίτι - με λίγο και κακό φωτισμό μπορεί να οδηγήσει σε αλλαγές στη δομή του εγκεφάλου με αρνητική επίδραση στη μνήμη και στη μάθηση, σύμφωνα με μια νέα εντυπωσιακή μελέτη νευροεπιστημόνων του Πολιτειακού Πανεπιστημίου του Μίσιγκαν που δημοσιεύθηκε στην επιθεώρηση «Hippocampus».

Η επίδραση του «καλού» και του «κακού» φωτισμού

Nile grass rats exposed to dim lights (DLD) for four weeks experienced, on average, a 30 percent decrease in the number of 'dendritic spine' connections in their brains, which are the tiny protrusions near the solid green line, a dendrite. These rats performed poorly on a maze-like task. Rats exposed to bright light (BLD), on the other hand, had many more of the dendritic connections and showed superior performance on the task. Credit: Michigan State University

Οι ερευνητές μελέτησαν τους εγκεφάλους αρουραίων - συγκεκριμένα ενός είδους που ονομάζεται Nile grass rat και το οποίο, όπως και ο άνθρωπος, είναι ημερόβιο ζώο (αυτό σημαίνει ότι είναι δραστήριο την ημέρα και κοιμάται τη νύχτα) - αφού είχαν προηγουμένως εκθέσει τα τρωκτικά σε «κακό», χαμηλό φωτισμό αλλά και σε «καλό» φωτισμό επί τέσσερις εβδομάδες. Όπως φάνηκε, τα ζώα που εκτέθηκαν στον «κακό» φωτισμό έχασαν περίπου 30% της λειτουργικότητας του ιπποκάμπου, μιας περιοχής του εγκεφάλου ζωτικής σημασίας για τη μάθηση και τη μνήμη, και τελικώς είχαν κακές επιδόσεις σε μια δοκιμασία χωρικής μνήμης την οποία είχαν φέρει εις πέρας με επιτυχία πριν από την έκθεσή τους στον «κακό» φωτισμό.

Αντιθέτως, τα πειραματόζωα που είχαν εκτεθεί στον «καλό» φωτισμό είχαν πολύ καλές επιδόσεις στην ίδια χωρική δοκιμασία. Επιπλέον, όταν αρουραίοι που είχαν εκτεθεί στον κακό φωτισμό εκτέθηκαν στη συνέχεια σε καλό φωτισμό επί τέσσερις εβδομάδες (με διάλειμμα ενός μήνα), η εγκεφαλική λειτουργία τους - αλλά και οι επιδόσεις τους στη δοκιμασία - επανέκαμψαν πλήρως.

Η μελέτη, που χρηματοδοτήθηκε από τα Εθνικά Ινστιτούτα Υγείας των ΗΠΑ, είναι η πρώτη που δείχνει ότι αλλαγές στο φως μέσα σε έναν κλειστό χώρο - παρόμοιες με αυτές στις οποίες εκτίθενται οι άνθρωποι - οδηγούν σε δομικές αλλαγές στον εγκέφαλο.

«Όταν εκθέσαμε τους αρουραίους σε χαμηλό, κακό φωτισμό, αντίστοιχο με εκείνον που υπάρχει σε πολλούς κλειστούς χώρους στους οποίους ζούμε και εργαζόμαστε, τα ζώα εμφάνισαν προβλήματα στη χωρική μάθηση» ανέφερε ο Αντόνιο Νουνές, καθηγητής Ψυχολογίας στο Πολιτειακό Πανεπιστήμιο του Μίσιγκαν και ένας εκ των κύριων ερευνητών της μελέτης.

Χαμηλό φως, χαμηλές επιδόσεις

Édouard Vuillard, Autour de la lampe, le soir (Around the Lamp, evening). A new study reveals exposure to dim light might impact memory and learning. Researchers report rodents exposed to dim lighting lost 30 percent of hippocampal capacity and performed poorly on spatial tasks they had previously experienced.

Σύμφωνα με τον Τζόελ Σόλερ, διδακτορικό φοιτητή Ψυχολογίας και κύριο συγγραφέα της νέας μελέτης, η τακτική έκθεση σε χαμηλό φωτισμό οδηγεί σε σημαντική μείωση των επιπέδων του πεπτιδίου BDNF (Brain Derived Neurotrophic Factor), το οποίο βοηθά στο να διατηρούνται υγιείς οι συνάψεις των νευρώνων στον ιππόκαμπο. Οδηγεί επίσης σε μείωση των δενδριτικών ακάνθων, των σημείων «ένωσης» που επιτρέπουν στους νευρώνες να «συνομιλούν» μεταξύ τους. «Με δεδομένο ότι δημιουργούνται λιγότερες συνάψεις, εμφανίζεται πτώση στη μάθηση και στη μνήμη που συνδέονται άμεσα με τον ιππόκαμπο. Με άλλα λόγια, το χαμηλό φως οδηγεί σε χαμηλές επιδόσεις» προσέθεσε ο Σόλερ.

Αξίζει να σημειωθεί ότι το φως δεν επηρεάζει άμεσα τον ιππόκαμπο, γεγονός που σημαίνει ότι επιδρά πρώτα σε άλλες περιοχές του εγκεφάλου αφού περάσει μέσα από τα μάτια. Η ερευνητική ομάδα εξετάζει τώρα μια τέτοια υποψήφια περιοχή στον εγκέφαλο των αρουραίων - πρόκειται για μια ομάδα νευρώνων στον υποθάλαμο οι οποίοι παράγουν ένα πεπτίδιο, την ορεξίνη, που είναι γνωστό ότι σχετίζεται με πολλές και διαφορετικές εγκεφαλικές λειτουργίες. Ένα από τα μεγάλα επιστημονικά ερωτήματα που θα προσπαθήσουν να απαντήσουν οι ερευνητές είναι το εξής: εάν χορηγηθεί ορεξίνη σε αρουραίους που εκτίθενται σε κακό φωτισμό, ο εγκέφαλός τους θα ανακάμψει χωρίς να απαιτείται η επανέκθεση σε καλό φωτισμό;

Ελπίδα για πολλούς ασθενείς

Delphin Enjolras, Reading at lamp light. The study, funded by the National Institutes of Health, is the first to show that changes in environmental light, in a range normally experienced by humans, leads to structural changes in the brain. Americans, on average, spend about 90 percent of their time indoors, according to the Environmental Protection Agency.

Τα νέα ευρήματα μπορεί να αποδειχθούν πολύτιμα για τα ηλικιωμένα άτομα, τους ασθενείς με γλαύκωμα, με ηλικιακή εκφύλιση της ωχράς κηλίδας αλλά και γνωστικά προβλήματα. Οι ερευνητές θα αναζητήσουν αν στα άτομα με οφθαλμοπάθειες των οποίων τα μάτια δεν λαμβάνουν πολύ φως μπορούν να παρέμβουν άμεσα σε αυτή την ομάδα των νευρώνων στον εγκέφαλο, παρακάμπτοντας τα μάτια και προσφέροντάς τους έτσι τα οφέλη της έκθεσης στον καλό φωτισμό. Μια άλλη πιθανότητα είναι να επιτευχθεί η βελτίωση της γνωστικής λειτουργίας σε ηλικιωμένα άτομα αλλά και σε άτομα με νευρολογικές διαταραχές.

Πηγές: Joel E. Soler, Alfred J. Robison, Antonio A. Núñez, Lily Yan. Light modulates hippocampal function and spatial learning in a diurnal rodent species: A study using male nile grass rat (Arvicanthis niloticus). Hippocampus, 2017; DOI: 10.1002/hipo.22822 - http://www.tovima.gr/science/article/?aid=942343

Μηχανή αυτοδίδακτη στην ιστορία της τέχνης. Art-ificial Intelligence? Algorithm Sorts Paintings Like a Person

Βασίλι Καντίνσκι, «Τοπίο με καπνοδόχο εργοστασίου»: εκτός από τα καλλιτεχνικά ρεύματα η μηχανή μπόρεσε επίσης να διακρίνει τα έργα του κάθε ζωγράφου. Wassily Kandinsky, Landscape with factory chimney (1910). A team of researchers has developed an artificial intelligence (AI) program that can classify famous works of art based on their style, genre or artist — tasks that normally require a professional art historian.

Μπορεί μια μηχανή να δει την τέχνη έτσι όπως τη βλέπουν τα ανθρώπινα μάτια; Η αυθόρμητη απάντηση στο ερώτημα αυτό είναι συνήθως αρνητική, όμως η πρόοδος της τεχνητής νοημοσύνης έρχεται να μας εκπλήξει δείχνοντάς μας ότι οι «έξυπνες» μηχανές μπορούν να αξιολογήσουν τα έργα τέχνης με τον ίδιο τρόπο με τους ανθρώπους. Σε μελέτη που έγινε πρόσφατα στις Ηνωμένες Πολιτείες ένα σύστημα τεχνητής νοημοσύνης κατόρθωσε να εξελιχθεί σε αυτοδίδακτο ιστορικό τέχνης. Μελετώντας 77.000 πίνακες ζωγραφικής έμαθε μόνο του να ξεχωρίζει σε ποιο καλλιτεχνικό ρεύμα ανήκει ο καθένας και, βάσει αυτού, τους τοποθέτησε στη σωστή χρονολογική σειρά χωρίς να του έχει δοθεί καμία πληροφορία σχετικά με τους ζωγράφους που τους δημιούργησαν ή την εποχή του κάθε καλλιτεχνικού ρεύματος. Εξίσου εντυπωσιακό, η μηχανή ξεχώρισε τα έργα του κάθε δημιουργού και ήταν σε θέση να διακρίνει σχέσεις και επιρροές ανάμεσα σε ζωγράφους όπως ο Γκρέκο ή ο Σεζάν με μεταγενέστερα καλλιτεχνικά ρεύματα. Όπως διαπίστωσαν μάλιστα οι επιστήμονες, τα κριτήρια που φάνηκε να χρησιμοποιεί - χωρίς καν να τα γνωρίζει - είναι τα ίδια με αυτά που ισχύουν στην «ανθρώπινη» ιστορία της τέχνης.

Σχολείο για μηχανές

At the Art & Artificial Intelligence Lab at Rutgers University, computer scientists Ahmed Elgammal and Babak Saleh are teaching computers how to see and think like human beings – more specifically, like art historians.

Η μελέτη έγινε από ερευνητές του Εργαστηρίου Τέχνης και Τεχνητής Νοημοσύνης του Πανεπιστημίου Ράτζερς στο Νιου Τζέρσεϊ, το οποίο τα τελευταία χρόνια δεν παύει να μας εκπλήσσει με τις ανακαλύψεις του σχετικά με τις καλλιτεχνικές ικανότητες των έξυπνων μηχανών. Προκειμένου να διερευνήσουν το πώς ένα σύστημα τεχνητής νοημοσύνης μπορεί να αξιολογεί τη ζωγραφική, οι επιστήμονες κατέφυγαν στη μηχανική μάθηση, τα υπολογιστικά προγράμματα που σχεδιάζονται έτσι ώστε μια μηχανή να μαθαίνει μόνη της με την εμπειρία και να εφαρμόζει τις γνώσεις που αποκτά για να εκτελέσει διάφορα καθήκοντα. Συγκεκριμένα, οι επιστήμονες «έβαλαν στο θρανίο» ένα σύστημα συνελικτικών νευρωνικών δικτύων - μια μορφή βαθιάς μηχανικής μάθησης η οποία χρησιμοποιείται στην «υπολογιστική όραση» για την ανάλυση οπτικών πληροφοριών.

«Προηγούμενες μελέτες, μεταξύ των οποίων κάποιες από το εργαστήριό μας, έχουν δείξει ότι μια μηχανή μπορεί να ξεχωρίσει τη διαφορά ανάμεσα σε έναν αναγεννησιακό και έναν μπαρόκ ή έναν ιμπρεσιονιστικό πίνακα» λέει ο καθηγητής Αχμέντ Ελγκαμάλ, διευθυντής του Εργαστηρίου Τέχνης και Τεχνητής Νοημοσύνης του Ράτζερς και επικεφαλής της μελέτης η οποία δημοσιεύθηκε στην ηλεκτρονική πλατφόρμα arXiv. «Θελήσαμε λοιπόν να δούμε πώς ακριβώς η μηχανή κάνει κάτι τέτοιο και αν αυτό σχετίζεται με την ιστορία της τέχνης και τη μεθοδολογία της. Έτσι χρησιμοποιήσαμε δίκτυα βαθείας μάθησης για να εκπαιδεύσουμε τη μηχανή να κατηγοριοποιεί καλλιτεχνικά ρεύματα». Τα μόνα δεδομένα που «φορτώθηκαν» στον υπολογιστή ήταν οι 77.000 εικόνες των ζωγραφικών έργων που έπρεπε να μελετήσει και μία εικόνα για κάθε καλλιτεχνικό ρεύμα - συνολικά είκοσι τον αριθμό, από την Αναγέννηση, τον 14ο αιώνα, ως την ποπ αρτ, τον 20ό αιώνα. «Μόνο αυτά δόθηκαν στη μηχανή, καμία άλλη πληροφορία» εξηγεί ο καθηγητής. «Στη συνέχεια τα δίκτυα βαθείας μάθησης "έβλεπαν" ολόκληρες τις εικόνες, εξήγαν ορισμένες πληροφορίες με διάφορους τρόπους και μετά τις επεξεργάζονταν ξανά και ξανά, ώσπου να φθάσουν σε μια τελική απόφαση».

Αυτοδίδακτος ιστορικός τέχνης

Art for the AI generation. An artificial intelligence has been developed that produces images in unconventional styles – and much of its output has already been given the thumbs up by members of the public. Credit: Art and Artificial Intelligence Laboratory, Rutgers University

Όπως αποδείχθηκε, οι αποφάσεις της μηχανής ήταν αλάνθαστες. Όχι μόνο κατηγοριοποίησε σωστά τους πίνακες στα είκοσι καλλιτεχνικά ρεύματα, αλλά επίσης τους έβαλε στη σωστή χρονολογική σειρά παρά το γεγονός ότι δεν της είχε δοθεί καμία σχετική πληροφορία. «Η μηχανή βρήκε από μόνη της ότι, για παράδειγμα, η Αναγέννηση προηγήθηκε του μπαρόκ ή ότι ο ιμπρεσιονισμός προηγήθηκε του κυβισμού» λέει ο κ. Ελγκαμάλ. «Αυτό ήταν πραγματικά εκπληκτικό. Γιατί δεν δώσαμε στη μηχανή πληροφορίες σχετικά με το πότε δημιουργήθηκε το κάθε έργο, δεν της δώσαμε την πληροφορία ότι η Αναγέννηση προηγείται του μπαρόκ. Ο τρόπος που η μηχανή τοποθέτησε τα έργα τέχνης με αυτή τη σειρά είναι πραγματικά εντυπωσιακός και σημαίνει κάτι σημαντικό. Ότι τα καλλιτεχνικά ρεύματα εξελίχθηκαν με τον χρόνο, τα οπτικά στοιχεία του στυλ εξελίχθηκαν με έναν πολύ ομαλό τρόπο με το πέρασμα των αιώνων. Και το υπολογιστικό σύστημα της μηχανής μπορεί να συλλάβει αυτή την εξέλιξη».

Σε αυτό συμφωνεί η Μάριαν Ματσόνε, αναπληρώτρια καθηγήτρια της Ιστορίας της Τέχνης στο Κολέγιο του Τσάρλεστον στη Νότια Καρολίνα, η οποία συνεργάζεται με το Εργαστήριο Τέχνης και Τεχνητής Νοημοσύνης του Ράτζερς και συνυπογράφει τη μελέτη. Όπως επισημαίνει, η ταξινόμηση των έργων στη σειρά με βάση το καλλιτεχνικό ρεύμα στο οποίο ανήκαν ήταν ακριβής μέχρι την παραμικρή... πινελιά. «Η μηχανή ήταν σε θέση να καταλάβει τη διαφορά ανάμεσα στις αρχικές εκφράσεις ενός ρεύματος και τις μεταγενέστερες, ενώ γενικώς μπορούσε να διακρίνει διαφοροποιήσεις μέσα σε κάθε ρεύμα» λέει. «Για παράδειγμα, στους πίνακες της Αναγέννησης ξεχώρισε τους ζωγράφους της πρώιμης από εκείνους της ύστερης περιόδου, όπως επίσης ξεχώρισε τους Βορειοευρωπαίους από τους Ιταλούς». Επιπλέον, όπως προσθέτει ο κ. Ελγκαμάλ, ο υπολογιστής στην κατηγοριοποίησή του «αρχίζει» το κάθε ρεύμα με τον καλλιτέχνη που πραγματικά το εισήγαγε. «Για παράδειγμα, ξεχώρισε ότι ο κυβισμός ξεκίνησε με τον Πικάσο, η Αναγέννηση της Βόρειας Ευρώπης με τον Βαν Αϊκ και τον Ντίρερ» λέει.

Γέφυρες επιρροής

Πολ Σεζάν, «Αγρότης καθιστός»: ότι ο Σεζάν αποτέλεσε «γέφυρα» από τον ιμπρεσιονισμό προς τον κυβισμό και τη μοντέρνα τέχνη ήταν γνωστό, αλλά επιβεβαιώθηκε από την τεχνητή νοημοσύνη.

Εντοπίζοντας τα κοινά σημεία των δεκάδων χιλιάδων έργων τέχνης, ο υπολογιστής έδειξε επίσης ότι έχει την ικανότητα να διακρίνει επιρροές. Στις γραφικές αναπαραστάσεις οι ερευνητές είδαν ότι σχημάτισε μια «γέφυρα» συνδέοντας τα έργα του Πολ Σεζάν, τα οποία είχε τοποθετήσει σωστά στον ιμπρεσιονισμό, με τα ρεύματα του κυβισμού και της αφηρημένης τέχνης. «Οι ιστορικοί τέχνης θα σας πουν αμέσως ότι ο Σεζάν επηρέασε τους κυβιστές και τους ζωγράφους της αφηρημένης τέχνης, ακόμα και τη Βικιπαίδεια αν κοιτάξετε γράφει ότι ο συγκεκριμένος καλλιτέχνης αντιπροσωπεύει τη μετάβαση από τον ιμπρεσιονισμό στον κυβισμό» λέει ο κ. Ελγκαμάλ. «Και η μηχανή εντόπισε αυτή τη σχέση συνδέοντας τον Σεζάν με τον ιμπρεσιονισμό αλλά απλώνοντας μια γραμμή που έφθανε στον Πικάσο, στον Καντίνσκι, στον Μάλεβιτς και σε άλλους».

Ελ Γκρέκο, «Άγιος Ιερώνυμος»: η σύνδεση του Γκρέκο και ορισμένων άλλων αναγεννησιακών ζωγράφων με κάποιους μοντέρνους καλλιτέχνες εμφανίστηκε ισχυρή.

Μια άλλη σύνδεση που έκανε ο υπολογιστής ήταν εκείνη του Γκρέκο και ορισμένων ακόμα ζωγράφων της Αναγέννησης με ζωγράφους της μοντέρνας και της αφηρημένης τέχνης. «Γνωρίζουμε, αλλά μόνο αόριστα, ότι ορισμένοι μοντέρνοι ζωγράφοι έχουν πει ότι έχουν εμπνευστεί από κάποια έργα του Γκρέκο» λέει η κυρία Ματσόνε. «Το γεγονός όμως ότι η μηχανή συνέδεσε με τόσο ισχυρό τρόπο τον Γκρέκο και άλλους αναγεννησιακούς ζωγράφους με τους μοντέρνους καλλιτέχνες για μένα υποδηλώνει πως εμείς ως ιστορικοί τέχνης θα πρέπει μάλλον να επανεξετάσουμε το συγκεκριμένο ζήτημα και να προσπαθήσουμε να κατανοήσουμε περισσότερο αυτές τις επιρροές». Εκτός από τις ομοιότητες και τους συσχετισμούς η τεχνητή νοημοσύνη μπόρεσε επίσης να διακρίνει τις ιδιαιτερότητες. Έτσι «έβγαλε στην άκρη», κατά κάποιον τρόπο σαν ειδική κατηγορία, τον Ανρί Ρουσό, τον ναΐφ ζωγράφο του μετα-ιμπρεσιονισμού. «Αν κοιτάξετε τα γραφήματα, θα δείτε ότι η μηχανή τον έχει ξεχωρίσει. Σαν να μπορεί να δει ότι υπάρχει κάτι πραγματικά ενδιαφέρον και μοναδικό στον Ρουσό το οποίο τον ξεχωρίζει από όλους τους άλλους ζωγράφους του γυρίσματος του 20ού αιώνα» επισημαίνει η καθηγήτρια.

Τα μυστικά της μάθησης

Ανρί Ρουσό, «Το όνειρο»: ο υπολογιστής ξεχώρισε σαν «ειδική κατηγορία» τον ιδιαίτερο ναΐφ ζωγράφο του μετα-ιμπρεσιονισμού.

Το τι ακριβώς εξετάζει η μηχανή και πώς καταλήγει στα συμπεράσματά της δεν είναι ακόμη απολύτως κατανοητό. Οι ερευνητές θεωρούν ότι με βάση αυτά που «βλέπει» βρίσκει ομοιότητες λαμβάνοντας υπόψη χαρακτηριστικά όπως το φως, η υφή, τα χρώματα, συγκεκριμένα σχήματα και μορφές, ή ότι σε κάποιον βαθμό ενδέχεται να αναγνωρίζει και αντικείμενα.

 Heinrich Wölfflin

Για να εξετάσουν ωστόσο κάποια από τα κριτήρια που χρησιμοποιεί, ανέλυσαν τα αποτελέσματα συγκρίνοντάς τα με τους κανόνες ταξινόμησης των καλλιτεχνικών ρευμάτων που καθιέρωσε ο ελβετός ιστορικός τέχνης Χάινριχ Βέλφλιν στις αρχές του 20ού αιώνα. «Η τεχνητή νοημοσύνη φυσικά δεν σου λέει πώς κάνει τις ερμηνείες της. Για να το διερευνήσουμε, αποφασίσαμε να χρησιμοποιήσουμε τη μεθοδολογία των ιστορικών τέχνης, και συγκεκριμένα του Βέλφλιν» εξηγεί ο κ. Ελγκαμάλ. «Όπως είδαμε, τα κριτήρια που ορίζουν οι θεμελιώδεις αρχές του Βέλφλιν, όπως π.χ. το γραμμικό και το ζωγραφικό ή η επιφάνεια και το βάθος, έχουν εφαρμοστεί από τη μηχανή. Και αυτό είναι πολύ ενδιαφέρον γιατί βλέπουμε ότι μόνο λίγοι παράγοντες μπορούν να εξηγήσουν τις περισσότερες μεταβλητές στην ιστορία της τέχνης, επιτρέποντας στη μηχανή να συλλάβει τις παραλλαγές στα οπτικά στοιχεία».

Βεβαίως ο προσδιορισμός των καλλιτεχνικών ρευμάτων, και κυρίως των χαρακτηριστικών που συνιστούν το καθένα από αυτά, δεν είναι απλή υπόθεση και συχνά φέρνει σε αντιπαράθεση και διχάζει τους μελετητές. Το βέβαιο είναι ότι δεν βασίζεται μόνο στις οπτικές πληροφορίες στις οποίες βασίστηκαν τα συνελικτικά νευρωνικά δίκτυα που χρησιμοποίησαν οι ερευνητές, και αυτό θεωρήθηκε από ορισμένους ιστορικούς τέχνης ένα μειονέκτημα της μελέτης. Η κυρία Ματσόνε ωστόσο θεωρεί ότι - από την πλευρά της ιστορίας της τέχνης και όχι από εκείνη της τεχνητής νοημοσύνης, η οποία θέλει κατά κύριο λόγο να μελετήσει πώς «σκέφτονται» οι «έξυπνες» μηχανές για να τις εξελίξει περισσότερο - το ζητούμενο στη συγκεκριμένη εργασία δεν ήταν ο προσδιορισμός του στυλ.

Σταθερότητα και ακρίβεια

Examples of images generated by the system after trained on 80K paintings from the 15th century to 20th century and forced to deviate from established styles. Credit: Art and Artificial Intelligence Laboratory, Rutgers University

Δεν χρειαζόμαστε από τη μηχανή να μας πει τι είναι η μπαρόκ ζωγραφική, αυτό το γνωρίζουμε ήδη» τονίζει η καθηγήτρια. «Εκείνο που έχει σημασία εδώ δεν είναι η ταυτοποίηση του καλλιτεχνικού ρεύματος. Για εμάς ως ιστορικούς τέχνης είναι ενδιαφέρον να δούμε τα μοτίβα που μπορεί να ανιχνεύσει η μηχανή, όχι μόνο για να διαπιστώσουμε αν είναι τα ίδια μοτίβα που ανιχνεύουν οι ιστορικοί τέχνης αλλά και για να ανακαλύψουμε αν μπορεί να δει μοτίβα και συσχετισμούς που εμείς, με το ανθρώπινο μάτι, δεν μπορούμε να δούμε». Ένα «ατού» της τεχνητής νοημοσύνης για τον εντοπισμό ομοιοτήτων και τον προσδιορισμό μοτίβων σε σχέση με το ανθρώπινο μάτι είναι ότι μπορεί να επεξεργαστεί πάρα πολλά δεδομένα πάρα πολύ γρήγορα. Αυτό βεβαίως δεν την καθιστά «καλύτερο» ιστορικό τέχνης από ό,τι οι άνθρωποι. Προσφέρει όμως στους επιστήμονες ένα μέσο για να «τεστάρουν» θεωρίες και ενδεχομένως να προβούν σε νέες ανακαλύψεις. Ήδη από αυτή την πρώτη μελέτη η μηχανή φάνηκε πολλά υποσχόμενη και προς τις δύο αυτές κατευθύνσεις.

Without “style ambiguity”, the system would just generate images that look like traditional art; i.e., not creative. Here the system is generating images with recognizable genres such as portraits, landscapes, etc. Credit: Art and Artificial Intelligence Laboratory, Rutgers University

Κατ' αρχάς, τοποθετώντας σωστά τα δεκάδες χιλιάδες έργα στα καλλιτεχνικά ρεύματα στα οποία ανήκουν, η μηχανή επιβεβαίωσε για πρώτη φορά με έναν «απτό τρόπο» ορισμένες θεμελιώδεις θεωρίες και μεθοδολογίες της ιστορίας της τέχνης. «Ένα από τα πράγματα που με εντυπωσίασαν ήταν το πόσο σταθερά ακριβής ήταν» λέει η κυρία Ματσόνε. «Ακόμη, για παράδειγμα, και το ότι ξεχώρισε τον Ρουσό για μένα επιβεβαίωσε πως υπάρχει συνέπεια με τον τρόπο με τον οποίο οι ιστορικοί τέχνης εξετάζουν την τέχνη. Για μένα είναι πολύ σημαντικό το ότι τα αποτελέσματα στηρίζουν αυτά που εμείς οι ιστορικοί τέχνης ήδη πιστεύουμε για την τέχνη. Αρχίζουμε με αυτόν τον τρόπο να έχουμε ένα εργαλείο που μπορεί να προσφέρει εμπειρική απόδειξη για τις μεθόδους μας».

Η μηχανή άφησε επίσης να διαφανούν οι δυνατότητές της ως προς τον εντοπισμό συσχετισμών που ενδεχομένως είχαν διαφύγει ως τώρα από τους ειδικούς κυρίως, όπως επισημαίνει η καθηγήτρια, με τη σύνδεση που έκανε ανάμεσα σε αναγεννησιακούς ζωγράφους όπως ο Γκρέκο και εκπροσώπους της μοντέρνας και αφηρημένης τέχνης. Ευελπιστεί μάλιστα ότι στο μέλλον θα εντοπιστούν και άλλοι καινούργιοι ενδιαφέροντες συσχετισμοί. «Έδειξε ότι μπορεί να προσφέρει νέους τρόπους για τη θεώρηση των καλλιτεχνικών ρευμάτων και την εξέταση των δεδομένων. Η ακρίβεια και η συνέπειά της για μένα δείχνει ότι τελικά υπάρχουν κάποια βασικά, θεμελιώδη χαρακτηριστικά τα οποία η μηχανή βλέπει αλλά το ανθρώπινο μάτι δεν μπορεί να δει» τονίζει. «Ίσως δεν έχουμε ακόμη το κατάλληλο λεξιλόγιο για να περιγράψουμε αυτά τα χαρακτηριστικά, ίσως να μην κατανοούμε τι ακριβώς είναι αυτά τα χαρακτηριστικά, όμως το γεγονός ότι ο τρόπος σκέψης μας και ο τρόπος με τον οποίο η μηχανή οργανώνει τα καλλιτεχνικά ρεύματα μοιάζουν τόσο πολύ δείχνει πως εδώ υπάρχουν πραγματικά θεμελιώδεις πληροφορίες. Πληροφορίες που είναι κοινές για εμάς και για τη μηχανή, και τις οποίες θα πρέπει να αρχίσουμε να διερευνούμε».

Πηγές: arxiv.org/abs/1706.07068 -  https://www.sciencedirect.com/science/article/pii/S0165168412003623 - https://medium.com/@ahmed_elgammal/generating-art-by-learning-about-styles-and-deviating-from-style-norms-8037a13ae027 - http://www.tovima.gr/science/article/?aid=941451

Τράβηξαν φωτογραφίες σε απόσταση 6,12 δισεκατομμυρίων χιλιομέτρων από τη Γη. New Horizons Captures Record-Breaking Images in the Kuiper Belt

Η αμερικανική διαστημοσυσκευή, η οποία μελέτησε τον Πλούτωνα για πρώτη φορά τον Ιούλιο του 2015, έχει πια βάλει πλώρη για τα μυστηριώδη σώματα της ακόμη πιο μακρινής Ζώνης Κάιπερ (Kuiper Belt Objects - KBO). Φωτογραφίες των αντικειμένων KBO 2012 HZ84 (αριστερά) και 2012 HE85 της Ζώνης Κάιπερ που λήφθηκαν τον Δεκέμβριο του 2017 από το διαστημικό σκάφος New Horizons. With its Long Range Reconnaissance Imager (LORRI), New Horizons has observed several Kuiper Belt objects (KBOs) and dwarf planets at unique phase angles, as well as Centaurs at extremely high phase angles to search for forward-scattering rings or dust. These December 2017 false-color images of KBOs 2012 HZ84 (left) and 2012 HE85 are, for now, the farthest from Earth ever captured by a spacecraft. They're also the closest-ever images of Kuiper Belt objects. Credits: NASA/JHUAPL/SwRI

Το διαστημικό σκάφος New Horizons (Νέοι Ορίζοντες) της Αμερικανικής Διαστημικής Υπηρεσίας (NASA) τράβηξε τις πιο μακρινές από τη Γη φωτογραφίες που έχουν ποτέ τραβηχτεί, σπάζοντας το προηγούμενο ρεκόρ που κατείχε από το 1990 το σκάφος Voyager 1.

Σύμφωνα με το ΑΠΕ-ΜΠΕ, η αμερικανική διαστημοσυσκευή, η οποία μελέτησε τον Πλούτωνα για πρώτη φορά τον Ιούλιο του 2015, έχει πια βάλει πλώρη για τα μυστηριώδη σώματα της ακόμη πιο μακρινής Ζώνης Κάιπερ (Kuiper Belt Objects - KBO).

Ευρισκόμενο σε απόσταση περίπου 6,12 δισεκατομμυρίων χιλιομέτρων από τον πλανήτη μας ή σχεδόν 41 αστρονομικών μονάδων (δηλαδή 41 φορές τη μέση απόσταση Γης-Ήλιου), το New Horizons έστρεψε την τηλεσκοπική κάμερά του και φωτογράφισε στις 5 Δεκεμβρίου δύο σώματα ΚΒΟ, τα «2012 ΗΖ84» και «2012 ΗΕ85». Οι φωτογραφίες έφθασαν τώρα στη Γη και η NASA τις έδωσε στη δημοσιότητα.

For a short time, this New Horizons Long Range Reconnaissance Imager (LORRI) frame of the "Wishing Well" star cluster, taken Dec. 5, 2017, was the farthest image ever made by a spacecraft, breaking a 27-year record set by Voyager 1. About two hours later, New Horizons later broke the record again. Credits: NASA/JHUAPL/SwRI

Στην πραγματικότητα το ρεκόρ του Voyager είχε σπάσει για πρώτη φορά την ίδια μέρα, δύο ώρες νωρίτερα, όταν η κάμερα Long Range Reconnaissance Imager (LORRI) του New Horizons φωτογράφισε ένα ανοιχτό αστρικό σμήνος του γαλαξία μας. Δύο ώρες αργότερα, τράβηξε τις ακόμη πιο μακρινές φωτογραφίες των δύο ΚΒΟ.

Στις 14 Φεβρουαρίου 1990 το Voyager 1, ευρισκόμενο σε απόσταση 6,06 δισεκατομμυρίων χιλιομέτρων (40,5 αστρονομικών μονάδων) από τη Γη, είχε τραβήξει μια διάσημη φωτογραφία του πλανήτη μας ως μιας ωχρής μπλε κουκίδας. Η φωτογραφία εκείνη (γνωστή διεθνώς "Pale Blue Dot") είχε δημιουργηθεί από μια σύνθεση 60 εικόνων. Επειδή το σκάφος έκλεισε τις κάμερές του λίγο μετά το «πορτρέτο» της Γης, το ρεκόρ απόστασης εκείνης της φωτογραφίας δεν απειλήθηκε για περισσότερα από 27 χρόνια.

«Το New Horizons είναι εδώ και πολύ καιρό μία αποστολή με πρωτιές - η πρώτη που εξερεύνησε τον Πλούτωνα, η πρώτη που θα εξερευνήσει τη Ζώνη Κάιπερ, το πιο γρήγορο διαστημικό σκάφος που έχει ποτέ εκτοξευθεί. Και τώρα μπορέσαμε να τραβήξουμε φωτογραφίες από μεγαλύτερη απόσταση από τη Γη από κάθε άλλο διαστημικό σκάφος στην ιστορία», δήλωσε ο επικεφαλής ερευνητής του New Horizons Άλαν Στερν του Νοτιοδυτικού Ινστιτούτου Ερευνών του Κολοράντο.

Artist’s impression of NASA’s New Horizons spacecraft encountering 2014 MU69, a Kuiper Belt object that orbits one billion miles (1.6 billion kilometers) beyond Pluto, on Jan. 1, 2019. Credits: NASA/JHUAPL/SwRI/Steve Gribben

Το σκάφος έχει «ραντεβού» με ένα ΚΒΟ, το σώμα «2014 MU69», την 1η Ιανουαρίου του 2019. Θα πρόκειται για το πιο απομακρυσμένο «ραντεβού» με ουράνιο αντικείμενο στη διαστημική ιστορία. Συνολικά, το New Horizons θα μελετήσει τουλάχιστον 20 ΚΒΟ, νάνους πλανήτες και «Κενταύρους» (πρώην ΚΒΟs με ασταθείς τροχιές που διασταυρώνονται με τις τροχιές των γιγάντιων πλανητών του ηλιακού μας συστήματος).

Αυτή τη στιγμή, το σκάφος βρίσκεται σε θαυμάσια κατάσταση και έχει περιέλθει σε «ύπνωση». Οι χειριστές του από το Εργαστήριο Εφαρμοσμένης Φυσικής του Πανεπιστημίου Τζονς Χόπκινς (εκεί ακριβώς όπου άφησε εποχή ο «δικός μας» Σταμάτης Κριμιζής) θα το ξυπνήσουν από τον ηλεκτρονικό ύπνο του στις 4 Ιουνίου, ώστε να προετοιμασθεί για το ιστορικό «ραντεβού» της Πρωτοχρονιάς του 2019.

Πηγές: http://news.in.gr/science-technology/article/?aid=1500197726 – https://www.nasa.gov/feature/new-horizons-captures-record-breaking-images-in-the-kuiper-belt