🧱 ИИ против цемента: как искусственный интеллект из MIT помогает строить экологичное будущее

Цемент — один из самых углеродоёмких материалов на планете. Его производство отвечает за 7–8% мировых выбросов CO₂. Учёные из Массачусетского технологического института (MIT) решили переосмыслить подход к созданию бетона и делать это с помощью искусственного интеллекта.

Команда под руководством Суруша Махжуби из лаборатории Olivetti Group и MIT Concrete Sustainability Hub разработала алгоритм машинного обучения, способный проанализировать более миллиона образцов материалов и выделить из них те, что способны заменить цемент — надёжно, устойчиво и экологично.

По словам авторов, за десятилетия накоплены сотни тысяч страниц научных статей, описывающих свойства самых разных материалов. Алгоритм справился с задачей систематизации всей информации ней за считаные часы. Он оценивал образцы по ключевым химико-физическим параметрам: способности к гидратации и пуццолановой активности — двум свойствам, которые обеспечивают прочность и долговечность бетона.

Самое удивительное — среди перспективных заменителей оказались такие, казалось бы, банальные вещи, как старые керамические изделия: битая плитка, кирпичи, глиняная посуда. Эти материалы обладают высокой реактивностью и могут использоваться практически без дополнительной обработки — просто перемолол и добавил в состав. В Древнем Риме именно так и укрепляли бетонные конструкции, включая портовые сооружения.

Исследователи из MIT планируют развивать эту платформу, адаптируя её к ещё более широкому кругу материалов и работая в тесном сотрудничестве с промышленными партнёрами.

🤖 «МИР Робототехники»

#МирРобототехники #ИскуственныйИнтеллект #ИИ #MIT

🧠 Как понять, врёт ли ИИ?

Современные языковые модели всё чаще отвечают как люди — уверенно, логично, убедительно. Но когда они дают пояснение к своим решениям, можно ли верить, что это действительно их внутреннее обоснование, а не правдоподобная «отмазка»? Команда исследователей из MIT и Microsoft нашла способ это проверить.

Новая методика оценивает не просто насколько объяснение «хорошо звучит», а насколько оно честно отражает истинную логику модели. Исследование показывает тревожные кейсы. В одном из них GPT-3.5 давал женщинам более высокие оценки при найме на должность медсестры, чем мужчинам — даже если поменять пол кандидатов. При этом объяснение модели утверждало, что решение основано только на возрасте и навыках.

Чтобы выявить подобные случаи, исследователи используют вспомогательную ИИ-модель, которая сначала определяет, какие ключевые понятия присутствуют в вопросе (например, пол, возраст, диагноз). Затем с помощью генерации контрфактических вопросов они подменяют одно из этих понятий — например, меняют пол пациента или удаляют симптом — и проверяют, изменится ли при этом ответ основной модели. Если ответ меняется, это означает, что данное понятие на самом деле влияет на результат, даже если в объяснении оно не упоминается. Такой разрыв между реальным влиянием и заявленными причинами и есть недостоверность объяснения.

Этот метод, хоть и ресурсоёмкий, позволяет распознать системные искажения в логике LLM, которые скрываются за гладкими формулировками. Так, на датасете вопросов, проверяющих наличие социальных предубеждений, исследователи нашли примеры, где модели явно ориентируются на расу или доход, но в объяснениях упоминают исключительно поведение или опыт. На медицинском датасете были выявлены случаи, когда LLM принимали ключевые решения, опираясь на важные симптомы, но объяснения этих факторов попросту не содержали.

🤖 «МИР Робототехники»

#МирРобототехники #ИИ #ЭтикаИИ #ИскусственныйИнтеллект #LLM #AI #MIT #MicrosoftResearch

🌪️ ИИ помогает автономным летательным аппаратам справляться с непредсказуемыми условиями

Представьте себе: дрон, несущий воду для тушения пожара в горах, внезапно сталкивается с резкими порывами ветра. Удержаться на маршруте и не сбиться с курса — задача, требующая нечеловеческой реакции. Именно такую способность обеспечивают современные адаптивные системы управления, разработанные в MIT. Их новый алгоритм, основанный на машинном обучении, позволяет дронам практически в реальном времени подстраиваться под хаотичные и ранее неизвестные внешние воздействия — без предварительного знания о структуре этих помех.

Главная инновация в том, что дрон не просто ориентируется на заранее заданную модель окружающей среды, как это делают классические системы. Вместо этого он учится понимать хаос, анализируя всего 15 минут реальных полётных данных. ИИ сам выбирает, какой именно алгоритм оптимизации будет наилучшим именно в текущей ситуации, основываясь на геометрии внешних возмущений — от ветров до сдвига центра тяжести груза.

Такой подход реализован благодаря метаобучению — технологии, которая позволяет системе не просто обучиться однажды, а научиться обучаться. В результате — в симуляциях погрешность в отслеживании траектории сократилась на 50% по сравнению с традиционными решениями. Причём эффективность сохраняется даже в условиях, которые дрон раньше не встречал.

🤖 «МИР Робототехники»

#МирРобототехники #Дроны #ИскусственныйИнтеллект #MIT #Беспилотники

🤖 В MIT с помощью ИИ создали прыгающего робота, который превзошёл своего «человеческого» близнеца

Исследователи из Массачусетского технологического института представили робота, чьи детали и механика были спроектированы генеративной моделью ИИ, основанной на диффузионных алгоритмах. Получился робот, способный прыгать на 41% выше, чем его аналог, спроектированный вручную.

Проект начался с простой цели: улучшить прыжковые характеристики робота. Исходный дизайн был загружен в систему, после чего ИИ начал генерировать сотни вариантов, изменяя формы, размеры и структуру компонентов. После каждого раунда симуляций лучшие модели использовались для уточнения параметров. Итог — робот с изогнутыми звеньями, напоминающими куриные ножки, который прыгал выше, был легче и устойчивее.

Используя ту же архитектуру ИИ, команда улучшила конструкцию «ноги» робота, что привело к снижению числа падений почти в два раза. Стабильность при приземлении выросла на 84%. Таким образом, задача оказалась не только в том, чтобы прыгать выше, но и приземляться точнее — и с этим ИИ справился на отлично.

Авторы проекта отмечают, что подобные подходы открывают путь к новой эре «ко-дизайна»: человек формулирует задачу, а ИИ находит неочевидные инженерные решения.

🤖 «МИР Робототехники»

#МирРобототехники #Робототехника #Робот #Роботы #Инновации #Технологии #MIT

👀 Человекоподобные роботы вскоре смогут видеть сквозь стены

Команда исследователей из Массачусетского технологического института (MIT) представила технологию, которая способна буквально позволить роботам «заглядывать» внутрь закрытых коробок — и делать это с точностью до 96%.

В основе разработки — система mmNorm, использующая миллиметровые волны (те же, что применяются в Wi-Fi) для создания точных 3D-реконструкций скрытых объектов. Эти волны свободно проходят сквозь картон, пластиковые поверхности и даже тонкие стены, отражаясь от предметов внутри. Полученные отражения анализируются алгоритмом, способным воссоздать форму и направление поверхности объекта с удивительной детализацией.

Система от MIT уверенно распознавала сложные предметы: от столовых приборов до дрелей и кружек с ручками, выявляя, например, повреждённую фурнитуру внутри закрытой упаковки.

В будущем такие технологии могут использоваться не только для автоматизированной инспекции на складах, но и в гуманоидах, которые смогут перемещаться по производственным зонам, инспектировать упаковки или объекты за перегородками. Аналогично, такие решения могут пригодиться в медицине и уходе за пожилыми людьми — например, для обнаружения упавших предметов за мебелью или контроля за обстановкой без нарушения приватности.

🤖 «МИР Робототехники»

#МирРобототехники #Робототехника #Робот #Роботы #Инновации #Технологии #MIT

🤖 Роботов научили осознавать собственное тело с помощью одной камеры

В лаборатории Массачусетского технологического института робот без сенсоров аккуратно сгибает «пальцы» мягкой руки и поднимает предмет. И делает он это не по заранее заданной программе, а потому что понимает, как работает его собственное тело. Не в метафорическом смысле, а буквально — он «видит» себя и учится двигаться на основе этой визуальной информации.

Исследователи представили новую систему управления роботами под названием Neural Jacobian Fields, которая даёт машине уникальное преимущество — способность формировать собственную модель тела и реакций на команды, используя только изображение с камеры. То есть робот начинает не просто выполнять команды, а понимать, как его собственные части двигаются в ответ на определённые сигналы.

Эта технология, по сути, превращает визуальную информацию в средство самообучения, которое работает даже с мягкими или нестандартными формами роботов. NJF позволяет системе двигаться, наблюдать за собой, делать выводы и адаптироваться.

Система обучается, просто наблюдая за случайными движениями робота с нескольких углов, а потом работает уже в реальном времени с одной камерой. Достаточно просто «показать» роботу, как он двигается, и он сам разберётся, как управлять своим телом.

🤖 «МИР Робототехники»

#МирРобототехники #Робототехника #Инновации #Технологии #Роботы #ИскусственныйИнтеллект #MIT