За розрахунками французьких учених, понад мільйон американців північно-східних штатів, а також частина жителів Канади серйозно ризикують. На ці території може обрушитися мегацунамі, спровоковане 72-кілометровим розломом.

Британський таблоїд Daily Mail розповідає про підсумки дослідження вчені з Університету Гренобль-Альпи у Франції. Вони розрахували, що довжина тріщини XEOLXELEK-Elk Lake Fault сягає 72,4 км, вона йде через Британську Колумбію у Канаді.

Є побоювання, що цей розлом спровокує сильний землетрус, а потім і цунамі в басейні Джорджії. Відтак загроза бути зруйнованими та змитими стане актуальною для міст північного сходу США: Сіетл, Такома, Беллінгем та Олімпія, а також стихія торкнеться Вікторії, Ванкувера та Уістлера в Канаді.

Дослідники висувають версію, що тріщина стала наслідком землетрусу магнітудою від 6,1 до 7,6 бала приблизно 4700 – 2300 років тому. Розлом може продовжитись і до території США, вважають вчені. Під загрозою північний схід Штатів із населенням понад мільйон людей. Джерело

Немає навіть віддалено такого потужного та складного комп’ютера, як людський мозок. Грудки тканини, що знаходяться в наших черепах, можуть обробляти інформацію з такою кількістю та швидкістю, яку ледь під силу обчислювальній технології. Ключем до успіху мозку є ефективність роботи нейрона як процесора, так і пристрою пам’яті, на відміну від фізично розділених одиниць у більшості сучасних комп’ютерних пристроїв. Було багато спроб зробити обчислення більш схожими на мозок, але нова спроба йде на крок далі – шляхом інтеграції реальної, фактичної тканини людського мозку з електронікою.

Це називається Brainoware, і воно працює. Команда під керівництвом інженера Фен Го з Університету Індіани в Блумінгтоні поставила перед ним такі завдання, як розпізнавання мови та прогнозування нелінійних рівнянь. Він був трохи менш точним, ніж апаратний комп’ютер, що працює на основі штучного інтелекту, але дослідження демонструє важливий перший крок у новому типі комп’ютерної архітектури. Однак, хоча Гуо та його колеги дотримувалися етичних принципів у розробці Brainoware, кілька дослідників з Університету Джона Гопкінса відзначають у відповідному коментарі Nature Electronics важливість пам’ятати про етичні міркування під час подальшого розширення цієї технології.

Лена Смирнова, Брайан Каффо та Ерік К. Джонсон, які не брали участі в дослідженні, застерігають: «Оскільки складність цих органоїдних систем зростає, спільноті вкрай важливо вивчити безліч нейроетичних проблем, які оточують біокомп’ютерні системи. що включає людську нервову тканину». Людський мозок неймовірно дивовижний. Він містить приблизно 86 мільярдів нейронів у середньому та до квадрильйона синапсів. Кожен нейрон підключений до 10 000 інших нейронів, які постійно працюють і спілкуються один з одним.

На сьогодні наші найкращі спроби змоделювати діяльність мозку в штучній системі ледь подряпали поверхню. У 2013 році K Computer компанії Riken – тоді один із найпотужніших суперкомп’ютерів у світі – зробив спробу імітувати мозок. З 82 944 процесорами та петабайтом основної пам’яті знадобилося 40 хвилин, щоб змоделювати одну секунду активності 1,73 мільярда нейронів, з’єднаних 10,4 трильйонами синапсів – приблизно лише один-два відсотки мозку.

В останні роки вчені та інженери намагаються наблизитися до можливостей мозку, розробляючи апаратне забезпечення та алгоритми, які імітують його структуру та те, як він працює. Відомий як нейроморфні обчислення, він удосконалюється, але є енергоємним, а навчання штучних нейронних мереж займає багато часу. Гуо та його колеги шукали інший підхід, використовуючи реальну тканину людського мозку, вирощену в лабораторії. Людські плюрипотентні стовбурові клітини були змушені розвиватися в різні типи клітин мозку, які організувалися в тривимірні міні-мозки, які називаються органоїдами, укомплектовані зв’язками та структурами.

Це не справжні мізки, а просто утворення тканин без будь-якої схожості на думку, емоції чи свідомість. Вони корисні для вивчення того, як розвивається та працює мозок, не копаючись у справжній людині.

Brainoware складається з органоїдів мозку, з’єднаних із масивом мікроелектродів високої щільності за допомогою типу штучної нейронної мережі, відомої як резервуарні обчислення. Електростимуляція переносить інформацію в органоїд, резервуар, у якому ця інформація обробляється, перш ніж Brainoware викине свої обчислення у формі нейронної активності. Для вхідного та вихідного рівнів використовується звичайне комп’ютерне обладнання. Ці шари потрібно було навчити працювати з органоїдом, а вихідний рівень зчитував нейронні дані та робив класифікації або прогнози на основі вхідних даних.

Щоб продемонструвати систему, дослідники надали Brainoware 240 аудіозаписів із восьми чоловічих ораторів, які видають японські голосні звуки, і попросили ідентифікувати голос однієї конкретної людини. Вони почали з наївного органоїда; лише після дводенного тренування Brainoware вдалося ідентифікувати мовця з точністю 78 відсотків.

Вони також попросили Brainoware передбачити карту Хенона, динамічну систему, яка демонструє хаотичну поведінку. Вони залишили його без нагляду, щоб він навчався протягом чотирьох днів – кожен день представляв епоху навчання – і виявили, що він здатний передбачати карту з кращою точністю, ніж штучна нейронна мережа без довгого блоку короткочасної пам’яті.

Brainoware був дещо менш точним, ніж штучні нейронні мережі з довгою короткочасною пам’яттю, але кожна з цих мереж пройшла 50 епох навчання. Brainoware досяг приблизно таких же результатів менш ніж за 10 відсотків часу навчання.

«Завдяки високій пластичності та здатності до адаптації органоїдів Brainoware має гнучкість змінюватися та реорганізовуватися у відповідь на електричну стимуляцію, що підкреслює його здатність до адаптивних резервних обчислень», — пишуть дослідники.

Існують суттєві обмеження, включно з проблемою збереження живих і здорових органоїдів, а також рівнями споживання електроенергії периферійним обладнанням. Але, враховуючи етичні міркування, Brainoware має значення не лише для обчислень, але й для розуміння таємниць людського мозку.

«Можливо, пройдуть десятиліття, перш ніж вдасться створити загальні біообчислювальні системи, але це дослідження, ймовірно, дасть фундаментальне розуміння механізмів навчання, нервового розвитку та когнітивних наслідків нейродегенеративних захворювань», — пишуть Смирнова, Каффо та Джонсон. «Це також може допомогти розробити доклінічні моделі когнітивних порушень для тестування нових терапевтичних засобів».