雲棲科技評論第99期--傳媒--人民網
人民網首頁
99

卷首語

人民網公眾號

阿裡雲公眾號

給黑洞拍張照,總共分幾步?
   2019年4月10日,人類終於親眼目睹黑洞存在的証據:橫跨地球直徑的8台望遠鏡組成了史詩般的“事件視界望遠鏡”(Event Horizon Telescope,以下簡稱EHT),經過兩年的觀測、協作與處理,為人類奉上了第一張黑洞照片。

   這張照片,距離愛丁頓遠征西非觀測日全食,驗証愛因斯坦的“質量確實可以令時空彎曲”,整整過去了100年﹔距離惠勒第一次提出黑洞(Black Hole)這個名詞,過去了52年。人類對黑洞是否存在的疑問,在長達一個世紀的探索之后,終於獲得了圓滿的答案。

   那麼,聽起來酷酷的“給黑洞拍張照片”這件事,總共分幾步?

   第一步,准備“相機”。給黑洞拍照的關鍵是“保証望遠鏡足夠靈敏,能分辨的細節足夠小,從而能保証看得到和看得清”,這意味著“望遠鏡的口徑需要像地球直徑大小”。因此,全球超過200名科學家達成了EHT這一重大國際合作計劃,利用位於多個不同地方的望遠鏡在同一時間進行聯合觀測。

   第二步,選定目標。在拍照設備能力有限的情況下,要想拍攝到黑洞照片,必須找到一個看起來角直徑足夠大的黑洞作為目標。經過一系列條件的篩選,科學家們確定了目標——質量巨大,達到了60億個太陽質量的M87中心黑洞。

   第三步,調試相機。如同觀看電視節目必須選對頻道一樣,對黑洞成像而言,能夠在合適的波段進行觀測至關重要,因此科學家們經過研究認為,觀測黑洞事件視界“陰影”的最佳波段約為1毫米,與此同時,為了增加空間分辨率看清更為細小的區域,科學家們特在此次進行觀測的望遠鏡陣列裡增加了位於智利和南極的望遠鏡。

   第四步,正式拍攝。拍攝從北京時間2017年4月4日EHT啟動開始,於美國東部時間2019年4月11日最后的觀測結束,整個拍攝過程共歷時2年。值得注意的是:為了確保信號的穩定性,事件視面望遠鏡利用“原子鐘”(一種計時裝置,精度可以達到每2000萬年才誤差1秒)來確保望遠鏡收集並記錄信號在時間上的同步。

   最后一步,沖洗照片。在觀測結束之后,各個站點收集的數據被匯集到兩個數據中心,在那裡,超級計算機通過回放硬盤記錄的數據,在補償無線電波抵達不同望遠鏡的時間差后將所有數據集成並進行校准分析,從而產生一個關於黑洞高分辨率影像。這一步的關鍵,是女科學家凱蒂·布曼(Katie Bouman)提出的補丁優先化連續高分辨率圖像再現算法(也稱為Chirp算法),該算法能夠讓所有拍攝照片正確地拼接在一起。

   總的來說,成功拍攝黑洞照片有兩個關鍵:1、通過“原子鐘”的准確時間相連, 各地的研究團隊通過收集上萬千兆字節的數據來定位光線,從而精准確認拍攝圖片的邊界﹔2、開發一種既可以找到最合理圖像,又能使圖像符合望遠鏡所測量信息的算法,即補丁優先化連續高分辨率圖像再現算法。最終,基於這兩個“金剛鑽”,EHT計劃的科學家們利用“地球尺寸的拼圖游戲+原子鐘的時間相連”成就了這次“甜甜圈”的世紀觀測。這同時也是一次“平台協作+算法加持+算力支撐”的典型示范。

                                 阿裡雲研究中心 崔昊

  編輯制作:人民網研究院  內容提供:阿裡雲研究中心
  本刊僅用於行業交流,非商業用途。編輯或專家觀點獨立,不代表本刊立場。部分所選用內容,未能與作者取得聯系,請聯系本刊:yjy@people.cn

1、波士頓動力兩足輪式機器人又升級


波士頓動力兩足輪式機器人又升級

  【新聞摘要】 據TechCrunch報道,波士頓動力公司(Boston Dynamics)發布了新視頻,展示其升級版的兩足輪式機器人Handle在倉庫裡搬箱子的場景,其表現甚至勝過人類。“重新構想”的Handle與之前的版本有些明顯的不同。它看起來體型更大,更引人注目的是,它的雙臂已經被巨大的頭頂吸盤鉗所取代。Handle的托舉重量被限制在15公斤內,不過視頻中的箱子重約6公斤。盡管如此,視頻中機器人的靈巧度、可達性和平衡性都給人留下了深刻的印象。(閱讀報道)
  【小雲評論】鮮為人知的是,波士頓動力雖然創造了全球領先的機器人,但卻從未使用過人工智能技術,僅依靠精准的機械設計和先進的控制算法,波士頓動力便做到了連人工智能機器人都無法達到的高度。但波士頓動力的成功並不意味著人工智能非必要,它的成功意味著不能將未來機器人產業的所有發展期待都寄托在人工智能技術上,機械設計和(機器人)控制算法是機器人產業的基礎,借助人工智能實現更進一步的機器人能力升級的過程中,基礎仍然至關重要。

2、ACM宣布深度學習三巨頭共同獲得圖靈獎


ACM宣布深度學習三巨頭共同獲得圖靈獎

  【新聞摘要】 ACM(國際計算機學會)宣布,有“深度學習三巨頭”之稱的Yoshua Bengio、Yann LeCun、Geoffrey Hinton共同獲得了2018年的圖靈獎,這是圖靈獎自1966年建立以來少有的同時頒獎給三位獲獎者。ACM同時宣布,將於2019年6月15日在舊金山舉行年度頒獎晚宴,屆時正式給獲獎者頒獎,獎金100萬美元。根據ACM官網上的信息顯示,ACM決定將2018年ACM A.M.圖靈獎授予三位深度學習之父以表彰他們給人工智能帶來的重大突破,這些突破使深度神經網絡成為計算的關鍵組成部分。(閱讀報道)
  【小雲評論】據媒體報道,此次獲獎的三人既有各自獨立的研究,又有相互間的合作,他們為人工智能領域的發展確立了概念基礎,通過實驗發現了許多驚人的成果,並為証明深度神經網絡的實際優勢做出了貢獻。近年來,深度學習方法在計算機視覺、語音識別、自然語言處理和機器人等應用領域取得了驚人的突破。三位獲獎人是當前人工智能研究主要分支人工神經網絡的主要創立者,他們一直在這一領域持續進行深度研究,盡管他們的努力也曾遭到懷疑,但他們的想法最終點燃了人工智能社區對神經網絡的興趣,帶來了重大技術進步。需要注意的是:1、人工神經網絡只是實現機器學習任務的一種方法﹔2、機器學習只是實現人工智能的一種方法,人工智能研究還有專家系統、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統等不同分支。

3、華裔黑客發現特斯拉Model3系統漏洞


華裔黑客發現特斯拉Model3系統漏洞

  【新聞摘要】 據美國《世界日報》報道,由華裔黑客Richard Zhu和Amat Cama組成的名為“Flouroacetate”的黑客團隊日前在世界黑客大賽Pwn2Own中找到特斯拉Model3系統漏洞。在比賽中,該黑客團隊在特斯拉Model 3的網絡瀏覽器中找到一個JIT (just-in-time)漏洞,因此得以進入Model 3汽車系統,在汽車的儀表板顯示屏上留了一個信息,以示“到此一游”。這個漏洞同時為該團隊贏得了3.5萬美元獎金和一部同款車。特斯拉方面對該黑客團隊找到漏洞表示感謝,並表示會更新軟件以彌補漏洞。(閱讀報道)
  【小雲評論】不止是特斯拉Model 3,“Flouroacetate”還在蘋果公司的Safari瀏覽器和微軟Windows系統中找到了新的漏洞。在“Flouroacetate”贏取豐厚獎金的背后,我們看到了如今數字經濟時代的隱憂:隨著數字化手段在社會生活、經濟活動中不斷滲透,相關的漏洞及安全威脅也在與日俱增,如果以封閉的心態對待安全問題,必然會產生嚴重的后果,Pwn2Own大賽這樣公開性質的安全挑戰活動,未來將在安全問題防范領域產生巨大的積極作用。

4、人類歷史首張黑洞照片誕生更多>>


人類歷史首張黑洞照片誕生

  【新聞摘要】 4月10日,人類歷史上首張黑洞照片終於問世:由來自全球30多個研究所超過200名科學家們通力合作的“事件視界望遠鏡”(EHT)這一重大國際合作計劃成功“沖洗”出首張黑洞照片,這張照片所“拍攝”的黑洞是位於射電星系M87的中心黑洞M87。EHT計劃耗時兩年,觀測期間,每一個射電望遠鏡都收集並記錄來自於目標黑洞附近的射電波信號,這些數據被集成用於獲得事件視界的圖像。值得一提的是,女科學家凱蒂·布曼(Katie Bouman)提出的補丁優先化連續高分辨率圖像再現算法讓各大望遠鏡收集到的數據可以“拼”到一起,這才有了這張彌足珍貴的黑洞照片。(閱讀報道)
  【小雲評論】“拍攝”時間長達兩年,“沖洗”也同步進行了兩年:射電望遠鏡不能直接“看到”黑洞,但它們將收集大量關於黑洞的數據信息,用數據向科學家們描述出黑洞的樣子。在觀測結束之后,各個站點收集的數據被匯集到兩個數據中心,在那裡超級計算機通過回放硬盤記錄的數據,在補償無線電波抵達不同望遠鏡的時間差后將所有數據集成並進行校准分析,從而產生一個關於黑洞高分辨率影像。這一過程中有兩個關鍵:1、通過原子鐘的准確時間相連, 各地的研究團隊們通過收集上萬千兆字節的數據來定位光線,從而精准確認拍攝的圖片的邊界﹔2、開發一種既可以找到最合理圖像,又能使圖像符合望遠鏡所測量信息的算法,也即“補丁優先化連續高分辨率圖像再現算法”。基於這兩個“金剛鑽”,EHT計劃的科學家們利用“地球尺寸的拼圖游戲+原子鐘的時間相連” 成就了這次“甜甜圈”的世紀觀測。這同時也是一次“平台協作+算法加持+算力支撐”的典型示范。

5、美國政府要求NASA 5年內重返月球


美國政府要求NASA 5年內重返月球

  【新聞摘要】 美國副總統彭斯日前表示,為了在未來五年內讓美國宇航員重返月球,美國政府將考慮所有可能的發射方案,而不會承諾“任何一家承包商”。彭斯的話將矛頭直指SLS火箭目前的承包商波音公司。據國外媒體報道,彭斯表示他並不關心重返月球計劃是選擇NASA目前建造的從航天飛機演變而來的運載火箭(Space Launch System,簡稱SLS),還是使用來自私人太空公司的火箭來完成發射任務。但實際上,由於NASA的航天發射系統火箭的研發進度落后於預定計劃且超出了預算,這項計劃的時間表被按時執行的可能性很小。(閱讀報道)
  【小雲評論】彭斯的這一表態對SpaceX來說是極大的利好,SpaceX正在開發一種名為“星際飛船”的新航天器,以及一種名為“超重型”的新火箭助推器,可將人類送上火星。既然可以登陸火星,用來實現重返月球計劃同樣可行。但彭斯的表態中值得關注的不僅如此,利用商用火箭實現對美國具有重要意義的重返月球計劃,意味著SpaceX等商業公司在未來商業太空探索中已經成為一種“標配”或者稱之為“默認選項”,這對中國商業太空探索事業的發展吹響了加速的號角。

6、蘋果付費新聞上線首日即短暫宕機更多>>


蘋果付費新聞上線首日即短暫宕機

  【新聞摘要】 據CNBC報道,就在蘋果公司舉行新品發布會、宣布推出四大新服務的第二天,剛剛上線的蘋果付費新聞服務Apple News+就出現了問題,陷入無法訪問狀態。不過,蘋果很快解決了這個問題,恢復了Apple News+的功能。媒體報道稱,美國科技媒體CNBC記者在iPad上打開了Apple News+應用,試圖閱讀幾篇文章,卻發現這款應用在三分鐘內崩潰了大約三次。此外,這款應用加載內容很慢,在瀏覽應用程序或滾動內容時似乎會崩潰。不過,它在iPhone上運行更可靠。(閱讀報道)
  【小雲評論】Apple News+出現短暫的服務宕機並不意外,許多新產品剛剛上市時都會受到消費者的熱捧,從而出現“捧殺”的情況:因為同時涌入的服務請求量級過大,超過了原本的服務承載能力,便會造成服務宕機等問題,這與“雙十一”所遇到的情況完全相通。類似的情況並不鮮見,去年7月,就在亞馬遜為期36小時的會員日促銷活動拉開帷幕之際,亞馬遜遭遇罕見的宕機故障,有意在會員日購物的消費者被通知,網站和應用因流量過大而宕機。也正因如此,將服務架設在一個可以彈性擴展、按需付費的雲服務平台上,實現對高峰值情況的充分應對,對許多行業都有非常重要的價值。

7、亞馬遜被曝有數千員工在全球監聽用戶與Alexa對話


亞馬遜被曝有數千員工在全球監聽用戶與Alexa對話

  【新聞摘要】 據彭博社報道,多名知情人士透露,亞馬遜在全球雇佣有數千名員工,以幫助改進為其Echo智能音箱提供支持的數字助手Alexa。這些研究人員被曝可在Echo主人家裡和辦公室裡監聽他們的對話,並進行錄音。這些錄音材料被轉錄、注釋,然后反饋到軟件中,這是為了消除Alexa對人類語言理解的空白,幫助它更好地響應命令。知情人士說,這個團隊由承包商和全職亞馬遜員工組成,他們在波士頓、哥斯達黎加、印度和羅馬尼亞等地工作。這些人每天工作9個小時,每個人每班要分析多達1000個音頻片段。這項工作大多很枯燥,但他們偶爾會聽到Echo主人無意中泄漏的隱私。(閱讀報道)
  【小雲評論】就像深度學習中的智能視覺學習需要“標簽工廠”的大量人力去對原始物料進行標記一樣,亞馬遜改進Alexa也需要人類在初期“向其傳授知識和經驗”,但與前者不同,亞馬遜的“監聽”團隊所聽到的是涉及用戶隱私的數據,這不僅可能會無意中泄露用戶個人隱私,更有可能會被居心叵測者利用,即使亞馬遜表示有相應的程序可以處理,但仍然非常令人不安。當然,在Alexa的隱私設置中,該公司允許用戶在開發新功能時禁用語音記錄功能,這意味著用戶未來要對此類的設置多加小心。

8、微軟實現全自動DNA信息存儲


微軟實現全自動DNA信息存儲

  【新聞摘要】 微軟公司近日宣布,已經在概念驗証測試中實現了全自動DNA信息存儲,這意味著微軟在利用 DNA 來取代數據中心的路途上,向前邁進了一步。微軟同時表示,雖然該技術仍有改善的空間,但希望能借此証明 DNA 存儲技術的進展。微軟提到,“DNA可以將目前存儲在倉庫大小的數據中心的所有信息,存入大約幾個游戲骰子大小的空間中。”但是,如何檢索這些數據是一個依賴人工的耗時過程。這次實驗中,“hello ”轉譯成 DNA 並成功進行讀取共花了 21 個小時。(閱讀報道)
  【小雲評論】正如文中所說,假如合成 DNA 作為存儲手段能夠實現的話,那麼合成DNA的成本(本質上是定制DNA鏈)和提取信息的測序過程成本都需要降下來,因此這些過程自動化,對降低合成 DNA 存儲信息的成本極為重要。近年來在電磁、光存儲介質之外,業內不少公司已開始探索生物質硬盤,比如這次微軟所使用的 DNA(脫氧核糖核酸)。此前,微軟研究院透露,一個立方毫米的 DNA 能夠存儲一個 exabyte(十億字節,也就是 0.9 GB)的數據,更重要的是,DNA 上面的信息能夠保存一千到一萬年。

9、英特爾、Mobileye宣布AI與量子計算連接領域新突破


英特爾、Mobileye宣布AI與量子計算連接領域新突破

  【新聞摘要】 英特爾與Mobileye的研究團隊日前在《Physical Review Letters 》期刊上發表了名為《深度學習架構中的量子糾纏》的文章,該文章的研究工作証明了深度學習可以解決一些問題,並由此提出了一個有前途的量子計算發展方向。文章中寫道,CNNs 和 RNNs 中的深度學習架構可以高效地模擬高度糾纏的量子系統,而且CNNs 和 RNNs 比傳統的機器學習方法更好。研究團隊認為,該項研究量化了深度學習的強大功能,能夠以高糾纏波函數進行表示,並且理論上推動了深度學習架構在多體物理研究領域裡的運用。(閱讀報道)
  【小雲評論】雖然論文寫得比較深奧,但總結起來我們能得到三點關鍵信息:1、深度卷積網絡比傳統神經網絡方法更具顯著優勢﹔2、這種優勢在模擬量子計算方面更加明顯,比如重疊的卷積網絡可以支持任何尺寸為 100×100 的二維系統的糾纏,而這種糾纏是傳統方法無法實現的﹔3、量子多體物理和最先進的機器學習方法之間的距離得到了進一步的縮短,量子計算和深度學習未來會有更加深入的聯系和結合。

10、全球400萬枚比特幣下落不明


全球400萬枚比特幣下落不明

  【新聞摘要】 今年 2 月,加拿大最大加密貨幣交易平台之一 QuadrigaCX,因創始人科頓(Gerald Cotton)在印度驟逝,交易所冷錢包私鑰不知所蹤,高達 1.5 億美元的客戶資產被鎖死,震驚了整個加密貨幣世界。事后經多方努力,技術人員終於成功進入 QuadrigaCX 的 6 個冷錢包,但卻發現裡頭空空如也,外界甚至懷疑科頓可能是詐死。由多名專業區塊鏈研究人員組成的CHURP 研究團隊近日提出了一個針對區塊鏈系統設計的抗流失動態秘密分享解決方案,希望打造一個真正去中心化、同時有效率的秘密分享解決方案。(閱讀報道)
  【小雲評論】此次事件背后的核心,實際上是“數字貨幣儲存高度中心化,違背區塊鏈去中心化精神”,數字貨幣高度集中化的現象,不僅違背了區塊鏈去中心化的核心精神,且實際上也並沒有解決私鑰保管的問題。高度仰賴中心化平台又帶來更多的駭客盜竊、堅守自盜、平台倒閉等事件。這正是CHURP 研究團隊研究的意義:通過暫時性的“稀釋”(dilute)加密信息,而后再經過主動化(proactivze)、重新聚集(concentrate again)的過程,以恢復完整的加密信息。