Saturday, 23 Feb 2019

10 year challenge: tre esempi di come sono cambiati il mondo, la tecnologia e la scienza

Questa settimana, gli utenti dei social media hanno condiviso le proprie foto scattate 10 anni fa, affiancandole alle foto attuali, sotto l’hashtag #10YearChallenge. Questo ci ha fatto pensare a come il mondo della scienza sia cambiato in quel tempo. L’ultimo decennio ha visto grandi progressi nelle nostre conoscenze e forti cambiamenti nel nostro mondo naturale. Nel frattempo, i computer hanno imparato a creare immagini completamente immaginarie ma realistiche. Abbiamo scelto quattro coppie di immagini che raccontano storie diverse degli ultimi 10 anni in ambito scientifico.

Columbia Glacier, Alaska

Il Columbia Glacier è uno dei ghiacciai che cambiano più rapidamente al mondo. È dal 1980 che continua a ritirarsi, come mostrato in queste immagini a falsi colori riprese dai satelliti Landsat della NASA. Il suo limite si è ritirato oltre 20 chilometri verso nord negli ultimi tre decenni. Il ghiaccio scioltosi in questi anni ha contribuito in modo importante all’innalzamento globale del livello del mare. Inoltre, il ghiacciaio si è assottigliato in modo sostanziale, perdendo molto del suo spessore.

2008 

2017

Plutone

Dieci anni fa, Plutone era stato da poco declassato dall’Unione Astronomica Internazionale dello status di pianeta, e classificato come pianeta nano. All’epoca, di Plutone avevamo solo alcune foto sfocate riprese dal telescopio orbitante Hubble.

NASA / STScI

Nel 2015, la sonda spaziale New Horizons della NASA ha sorvolato Plutone, inviandoci una serie di bellissime immagini che ci hanno sorpreso: Plutone si è presentato con una inattesa atmosfera nebbiosa, distese lisce e montagne ghiacciate, conquistando l’ammirazione di tutto il mondo.

Laboratorio di fisica applicata della Johns Hopkins University / Southwest Research Institute

Volti falsi generati da reti neurali

Negli ultimi 10 anni, i computer hanno imparato a creare foto realistiche di persone inesistenti. Le reti neurali funzionano analizzando un ampio insieme di dati, ad esempio migliaia e migliaia di fotografie, e cercando di generare dei modelli. In un particolare tipo di rete neurale competitiva chiamato GAN, un  sistema genera dati falsi mentre un’altra parte cerca di capire se si tratta di dati reali o meno. Costringendo la rete neurale a confrontarsi con sé stessa, questa impara a produrre immagini migliori. Come mostrano le immagini qui sotto, il tasso di progresso in questo campo è stato sorprendente.

2014

gan 2014

IJ Goodfellow et al. 2014

2018

gan 2018

T. Karras et al. 2018

Fonte: New scientist

Share
Potresti trovare interessanti
Share
Share
%d blogger hanno fatto clic su Mi Piace per questo: