นักวิจัยรายงานวันที่ 30 พฤศจิกายน ทางเว็บไซต์Nature รายงานว่า น้ำหนักจากปริมาณไนโตรเจนแช่แข็ง มีเทน และคาร์บอนมอนอกไซด์ที่ก่อตัวเมื่อหลายพันล้านปีที่แล้วแอ่งน้ำแข็งขนาดกว้าง 1,000 กิโลเมตรที่มีชื่อว่า Sputnik Planitia ถูกจัดแสดงเมื่อยานอวกาศ New Horizons ฉีกผ่านในเดือนกรกฎาคม 2015 ( SN: 12/26/15, p. 16 ) การศึกษาก่อนหน้านี้ได้เสนอว่าภูมิภาคนี้อาจเป็นรอยแผลเป็นจากการกระแทกกับเศษซากระหว่างดาวเคราะห์ ( SN: 12/12/15, p. 10 )
สปุตนิก พลานิเทียตั้งอยู่ในเขตเย็น
ซึ่งเป็นสถานที่สำคัญสำหรับการสร้างน้ำแข็ง นักวิทยาศาสตร์ด้านดาวเคราะห์ ดักลาส แฮมิลตันแห่งมหาวิทยาลัยแมริแลนด์ในคอลเลจพาร์ค และเพื่อนร่วมงานคำนวณ น้ำแข็งส่วนเกินที่สะสมในช่วงต้นของประวัติศาสตร์โลกจะนำไปสู่มวลส่วนเกิน ปฏิสัมพันธ์แรงโน้มถ่วงระหว่างดาวพลูโตและดวงจันทร์ที่ใหญ่ที่สุดของมัน ชารอน ทำให้การหมุนของดาวเคราะห์ช้าลงจนกระทั่งมวลนั้นหันไปทางทิศตรงกันข้ามจากชารอน เมื่อ Charon ซิงก์กับการหมุนของดาวพลูโต — มันมักจะอยู่เหนือจุดเดียวกันบนดาวพลูโต — แรงโน้มถ่วงจะทำให้ Sputnik Planitia อยู่ในเขตเย็นของดาวพลูโตและดึงดูดน้ำแข็งให้มากขึ้น เมื่อน้ำแข็งโตขึ้น น้ำหนักอาจทำให้พื้นผิวของดาวพลูโตกดดัน ทำให้เกิดแอ่งที่มีอยู่ในปัจจุบัน
ในห้องบอลรูมโรงแรมในโซล ประเทศเกาหลีใต้ ในช่วงต้นปี 2016 เกมวางแผนอายุหลายศตวรรษได้นำเสนอภาพรวมของอนาคตอันน่าอัศจรรย์ของการประมวลผล
โปรแกรมคอมพิวเตอร์ AlphaGo เอาชนะผู้เล่นแชมป์โลกที่เกมกระดาน Go ของจีน สี่เกมต่อหนึ่ง ( SN Online: 3/15/16 ) ชัยชนะทำให้ผู้เล่น Go และผู้เชี่ยวชาญด้านคอมพิวเตอร์ตกใจเหมือนกัน “มันเกิดขึ้นเร็วกว่าที่ผู้คนคาดไว้มาก” สจวร์ต รัสเซลล์ นักวิทยาศาสตร์คอมพิวเตอร์แห่งมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ กล่าว “หนึ่งปีก่อนการแข่งขัน ผู้คนบอกว่าเราต้องใช้เวลาอีก 10 ปีกว่าจะถึงจุดนี้”
การแข่งขันครั้งนี้เป็นการแสดงให้เห็นถึงศักยภาพของคอมพิวเตอร์
ที่สามารถเรียนรู้จากประสบการณ์ได้อย่างทรงพลัง องค์ประกอบของปัญญาประดิษฐ์เป็นจริงแล้ว ตั้งแต่การวินิจฉัยทางการแพทย์ไปจนถึงรถยนต์ที่ขับด้วยตนเอง ( SN Online: 6/23/16 ) และโปรแกรมคอมพิวเตอร์ยังสามารถค้นหาเส้นทางที่เร็วที่สุดผ่านรถไฟใต้ดินลอนดอน “เราไม่รู้ว่าขีดจำกัดคืออะไร” รัสเซลล์กล่าว “ฉันว่าต้องใช้เวลาอย่างน้อยหนึ่งทศวรรษในการหาสิ่งที่เราสามารถทำได้ด้วยเทคโนโลยีนี้”
การออกแบบของ AlphaGo เลียนแบบวิธีที่สมองของมนุษย์จัดการกับปัญหาและช่วยให้โปรแกรมปรับแต่งตัวเองตามประสบการณ์ใหม่ ระบบได้รับการฝึกฝนโดยใช้ตำแหน่ง 30 ล้านตำแหน่งจากเกมโก 160,000 เกมที่เล่นโดยผู้เชี่ยวชาญที่เป็นมนุษย์ ผู้สร้าง AlphaGo ที่ Google DeepMind ได้พัฒนาซอฟต์แวร์ให้ดียิ่งขึ้นโดยให้ซอฟต์แวร์เล่นเกมกับเวอร์ชันที่เปลี่ยนแปลงเล็กน้อย ซึ่งเป็น “การอยู่รอดของผู้ที่เหมาะสมที่สุด” ทางดิจิทัล
ประสบการณ์การเรียนรู้เหล่านี้ทำให้ AlphaGo เหงื่อออกได้อย่างมีประสิทธิภาพมากขึ้นในก้าวต่อไป โปรแกรมที่มุ่งเป้าไปที่เกมที่ง่ายกว่าจะเล่นเกมสมมุติทุกเกมที่อาจเป็นผลมาจากตัวเลือกที่มีอยู่ในรูปแบบการแตกแขนง ซึ่งเป็นวิธีที่ใช้กำลังเดรัจฉานในการคำนวณ แต่เทคนิคนี้ใช้ไม่ได้กับเกมที่ซับซ้อนมากขึ้น เช่น หมากรุก โปรแกรมเล่นหมากรุกจำนวนมากจึงสุ่มตัวอย่างผลลัพธ์ที่เป็นไปได้เพียงเล็กน้อยเท่านั้น นั่นเป็นความจริงของ Deep Blue คอมพิวเตอร์ที่เอาชนะ Garry Kasparov ปรมาจารย์หมากรุกในปี 1997
แต่ Go เสนอทางเลือกให้กับผู้เล่นมากกว่าหมากรุก กระดาน Go ขนาดเต็มประกอบด้วยพื้นที่เล่น 361 ช่อง (เทียบกับหมากรุก 64) มักจะมี “การต่อสู้” ต่างๆ เกิดขึ้นทั่วทั้งกระดานพร้อมกันและสามารถเคลื่อนไหวได้มากขึ้น
AlphaGo เอาชนะความซับซ้อนที่แท้จริงของ Go ด้วยการใช้ความรู้ที่กำลังพัฒนาของตัวเองเพื่อเลือกการเคลื่อนไหวที่จะประเมิน Jonathan Schaeffer นักวิทยาศาสตร์คอมพิวเตอร์แห่งมหาวิทยาลัยอัลเบอร์ตาในแคนาดากล่าวว่าการคัดเลือกที่ชาญฉลาดนี้นำไปสู่ชัยชนะที่น่าประหลาดใจของโครงการนี้ “ผู้คนจำนวนมากใช้ความพยายามอย่างมากในการสร้างความก้าวหน้าทีละน้อยทีละน้อย” เชฟเฟอร์ซึ่งเป็นผู้นำในการพัฒนาโปรแกรมคอมพิวเตอร์เครื่องแรกเพื่อให้เล่นหมากฮอสได้อย่างสมบูรณ์แบบกล่าว “จากนั้นทีม AlphaGo ก็เข้ามาและ ความก้าวหน้าที่เพิ่มขึ้นเรื่อย ๆ ทำให้ก้าวกระโดดครั้งใหญ่นี้”
ปัญหาในโลกแห่งความเป็นจริงมีความซับซ้อนมากกว่าหมากรุกหรือเกมโก แต่กลยุทธ์การชนะที่แสดงให้เห็นในปี 2559 อาจเป็นตัวเปลี่ยนเกม
credit : hakkenya.org holyprotectionpreschool.org hornyhardcore.net howtobecomeabountyhunter.net inghinyero.com johnnybeam.com karenmartinezforassembly.org kenyanetwork.org kilelefoundationkenya.org kiyatyunisaptoko.com
