Технологии 2018: Топ-8 прорывных технологий 2018 года |

Содержание

Топ-8 прорывных технологий 2018 года

Четвертая промышленная революция и наступление второй машинной…

Четвертая промышленная революция и наступление второй машинной революции, как её часто называют, привели к появлению новых прорывных технологий в последние несколько лет. Об этом в статье на сайте www.geospatialworld.net пишет Anusuya Datta.

Поэтому интересно, как руководители и их топ-команды начинают разбираться в водовороте технологических прорывов, влияющих на бизнес сегодня? Как они оценивают влияние искусственного интеллекта на будущее своих компаний по сравнению, например, с интернетом вещей или виртуальной реальностью?

Восемь важнейших технологий — искусственный интеллект, дополненная реальность, блокчейн, дроны, интернет вещей, роботы, виртуальная реальность, 3D печать.

Исследование PwC недавно определило восемь наиболее важных на сегодняшний день прорывных технологий, которые будут иметь далеко идущие последствия и в ближайшем будущем. Команда исследовала больше 150 дискретных технологий и проанализировала технологии, которые будут оказывать самое большое межотраслевое и глобальное воздействие в течение ближайших лет.

Интересно то, что все эти восемь технологий тесно связаны с геоинформационной сферой, либо извлекая прямую выгоду из данных местоположения или технологий, либо непосредственно расширяя возможности геоинформационных решений. В некоторых случаях часть этих технологий совпадает с геоинформационными в отношении предоставления решений и долгосрочных последствий. Эти технологии имеют разную степень зрелости, при этом некоторые из них годами топтались на месте, прежде чем прийти к успеху, другие же быстро достигли высокого уровня. При перечислении технологий будет показано, как они связаны с геоинформационной сферой и будущими перспективами нашей отрасли.

Искусственный интеллект (AI)

Искусственный интеллект (AI) глубоко вошел в нашу повседневную жизнь. AI можно описать как алгоритмы, способные выполнять задачи, обычно требующие участия интеллекта человека, такие как визуальное восприятие, принятие решений или языковая обработка. AI — это концепция «зонтика», состоящая из множества подобластей, таких как машинное обучение и глубокое обучение.

Cамую большую возможность для геоинформационной индустрии в AI представляет ее главный актив, а именно пространственные данные. Общепризнано, что 80% всех генерируемых данных имеют пространственный характер. Поэтому применение этих данных с использованием автоматизированных процессов через AI и глубокое обучение, естественно, предназначены для создания решений в остальных базовых секторах.

AI — отличный инструмент для анализа снимков. При огромном количестве спутниковых данных и датчиков в мире, приложения, управляемые AI, могут предоставлять ранее недоступную информацию о глобальных экономических, социальных и промышленных процессах.

Искусственный и геоинформационный интеллект могут совпадать при создании решений, используемых для повышения прогнозов в сельском хозяйстве, прогнозирования болезней и интеллектуальной полицейской деятельности. Для предприятий они могут оказывать помощь в планировании, прогнозировании всплесков спроса, выявлении высокорентабельных перспектив, повышении эффективности в цепочке поставок и в оптимизации предоставления услуг.

Дополненная реальность

Дополненная реальность (AR) включает в себя расширение реального физического мира с помощью визуальных эффектов посредством сгенерированных компьютером или извлеченных реальных сенсорных исходных данных, таких как звук, видео, графика или GPS-данные, чтобы совершенствовать работу пользователей. Проще говоря, AR дополняет окружающий мир цифровыми объектами любого рода. Google Glass, являющийся основой AR, вкладывает данные, 3D-объекты и видео в зрительное восприятие тем или иным образом. Пока всё это имеет место, человек способен видеть окружающий мир. Авиационные пилотные шлемы, отображающие данные в пределах обзора пилота во время полёта, представляют собой AR-гарнитуры.

Кроме этого, существуют системы пространственной расширенной реальности (SAR), которые способны расширять реальные объекты и сцены без использования специальных дисплеев, таких как мониторы или закрепляемые на голове дисплеи.

Быстрорастущая область геолокационных технологий касается разработки AR-систем, которые могут предоставлять цифровую информацию пользователям на основе того, что они видят в реальности. Например, если человек, используя AR-очки, рассматривает стоящее на улице здание, система может накладывать подробные сведения о владельце здания, количестве жильцов и времени его постройки. Несмотря на то, что AR уже оставила свой отпечаток в области потребительских приложений, основанных на пространственных данных, существуют огромные возможности её внедрения в такие области, как управление строительством и инфраструктурой, анализ рисков бедствий и добычи полезных ископаемых, и т. д.

Блокчейн

Блокчейн — это постоянно растущий список записей, называемых блоками, которые связаны и защищены с помощью криптографии. Цепочка в блокчейне — это цепочка транзакций в форме записей в регистре об активах, которые могут быть деньгами, снимками, данными, картами, документами и т. д. Однако, на самом деле, что действительно реализуется, так это токены, содержащие метаданные активов с фактической физической передачей, происходящей обособленно.

Одной из областей, где блокчейн найдет широкое применение наряду с геоинформационными технологиями, является интернет вещей (IoT). Сегодня IoT вызывает воображаемый образ сложной сети людей и объектов, передающих данные друг другу. Например, может ли автономный фургон, который зависит от датчиков, быть угнан и доставлен в неподходящее место? Рассмотрим данные, содержащие инструкции в качестве транзакций. Если сеть находится на блокчейне, то процесс согласованности поможет подтвердить транзакции и отсеять неправильные инструкции, потому что незаконные транзакции окажутся в ловушке.

Другими областями, где блокчейн мог бы играть роль в отношении пространственных данных, являются земельные транзакции и хранилища данных.

Дроны

Широко известные как БПЛА (беспилотные летательные аппараты), дроны — это транспортные средства, которые летают или перемещаются без бортового пилота. Дроны способны работать автономно (с помощью бортовых компьютеров) в соответствии с предопределенным планом полета или управляться дистанционно и отличаются от наземных автоматизированных транспортных средств.

Ещё несколько лет назад использование БПЛА всегда ассоциировалось с разведкой и войной. Однако, в связи с растущим спросом на своевременные, точные, гиперспектральные данные и данные сверхвысокого разрешения для картирования, исследований, расследований и мониторинга, беспилотные летательные аппараты сегодня стали неотъемлемой частью геоинформационной отрасли. Сам факт того, что эти летающие платформы для получения данных могут управляться одним человеком, работающим в полевых условиях, резко снизил зависимость геоинформационной индустрии от спутниковых снимков.

БПЛА технически становится БАС (Безымянной воздушной системой) после добавления полезной нагрузки, которая в данном контексте представляет собой камеры, датчики и детекторы, как с возможностями визуализации, так и без неё. Аппаратное обеспечение разрабатывалось быстрыми темпами, и датчики с очень высоким разрешением (как пространственные, так и радиометрические) стали доступными на рынке. Также имело место параллельное развитие программного обеспечения для достижения высокой производительности данных, анализа и предоставления полезных продуктов.

Интернет вещей

Интернет вещей (IoT) был вчера. Сегодня речь идёт об интернете всего. IoT является межсетевым взаимодействием физических устройств, транспортных средств, зданий и других предметов, встроенных в электронные системы, программное обеспечение, датчики, приводы и сетевую связь, что позволяет им получать данные и обмениваться ими.

Согласно глобальному исследованию, 50 миллиардов устройств, начиная от смартфонов и телевизоров и до часов, трубопроводов и грузовиков, будут подключены к интернету к 2020 году. IoT имеет потенциал для достижения высоких показателей ежегодного экономического роста на уровне 11,1 триллионов долл. к 2025 году с учётом глобального экономического эффекта.

Опять же, самые большие возможности для геоинформационной индустрии заложены в данных, и фактически 80% всех генерируемых данных будут определяться фактором местоположения. Представляющее интерес пересечение IoT и геоинформационных больших данных станет основным критерием точности датчиков в сочетании с моделированием дополнительных данных видимого спектра при дистанционном зондировании в режиме, близком к реальному времени. Большие данные, облако и интернет вещей — все это взаимосвязанные части сплошной среды. Трудно думать об IoT, не думая об облаке, и думать об облаке, не думая об аналитике.

Роботы

Роботами являются электромеханические машины или виртуальные агенты, которые автоматизируют, дополняют или способствуют человеческой деятельности, автономно или в соответствии с установленными инструкциями, часто, компьютерными программами.

Четвертая промышленная революция и наступление второй машинной революции, как её часто называют, привели к появлению новых прорывных технологий в последние несколько лет.

В космических исследованиях наблюдается внедрение интерактивных роботов в сферу общественной безопасности и безопасности космоса. Эти машины способны трансформировать процессы традиционной безопасности и общественной безопасности, начиная от тактических военных ситуаций до рутинного патрулирования в целях обеспечения безопасности. Они уже решают задачи при проведении опасных или сложных операций, где непрерывное присутствие человека нежелательно или невозможно, например, в горнодобывающей промышленности, инженерных системах или коммунальном обслуживании. Однако автоматизация операций в отдалённых районах не может полагаться только на дистанционное управление. Оно может быть только первым шагом при проведении любой автономной операции, где постепенно всё больший объём работы будет автоматизироваться, а роль оператора-человека будет сведена лишь до наблюдения или мониторинга, в основном, автономных операций.

Следует отметить, что дроны также являются роботами, однако принято их рассматривать их как отдельную технологию.

Виртуальная реальность

Виртуальная реальность (VR ) отличается от дополненной реальности, хотя часто они используется вместе и являются взаимозаменяемыми. Если первая просто дополняет или расширяет физический мир, то VR заставляет человека полностью погрузиться в другой мир и блокирует все остальное.

Обычно эффект создается с помощью гарнитуры VR, состоящей из закреплённых на голове очков и экрана перед глазами. Facebook Oculus, Samsung Gear или Google Cardboard являются приборами VR, которые предусматривают просмотр через объективы гарнитуры, направленные на виртуальный экран.

Игры могут быть основой виртуального мира, но многие другие отрасли ждут возможности воспользоваться этой новой технологией. Например, применительно к автомобильной промышленности VR внесла изменения в процессы проектирования, безопасности и закупок. Аналогичным образом складывается ситуация и в розничной торговле, где VR позволяет магазинам демонстрировать все товары, а также предоставляет возможность клиентам тестировать продукты до покупки. В таких секторах, как туризм, архитектура или строительство, применение VR также очевидно.

Группа исследователей из Европейского космического агентства в своем центре управления полетами в Дармштадте, Германия, изучают новые концепции для управления роверами на какой-либо планете и спутниками на орбите. Один из подходов преследует цель оценить последние усовершенствования в области AR и VR и как они могут быть применимы к строгим эксплуатационным условиям и требованиям безопасности космических полетов, как роботизированных, так и с человеком на борту.

Esri CityEngine, выпущенный в прошлом году, позволяет градостроителям, архитекторам, и специалистам GIS быстро проводить опыты VR на мобильных устройствах. Эти опыты можно просмотреть в бесплатном приложении ArcGIS 360 VR, доступном в Esri Labs.

3D-печать

Трехмерная печать — это технология аддитивного производства, используемая для создания трехмерных твердых объектов на основе цифровой модели. Будучи доступной с 1980-х годов, она только в последнее десятилетие вышла на первый план, поскольку разнообразный спектр новых 3D-печатных продуктов (3DP) убедил предприятия в том, что эта технология может реально изменить правила игры.

Трехмерная визуализация на экране компьютера улучшает понимание человеком пространственных аспектов физической среды, в которой взаимодействуют многие тематические проблемы, а ограничения экрана компьютера могут быть преодолены с помощью реальных 3D-моделей. GIS-приложения для различных секторов создают множество тематических данных, которые могут быть напечатаны в формате 3D для ускорения процесса обсуждения или переговоров и укрепления взаимопонимания между различными заинтересованными сторонами. В случаях аварийного реагирования или военного планирования, городского планирования или обучения студентов 3D-печатные модели GIS могут радикально изменить способы использования и передачи геоинформационных данных.

Кроме того, 3D-печать также трансформирует спутниковую и космическую промышленность. Аэрокосмические компании обращаются к возможностям трехмерной печати, начиная от сложных деталей двигателя до интерьера салона, с целью производства более качественных деталей для своих коммерческих самолетов и / или космических аппаратов. Например, SpaceX использует 3D-печать для создания высокопроизводительной части ракеты для Falcon 9 с превосходной прочностью и пластичностью по сравнению с традиционно литой частью.

NASA имеет трехмерный принтер на борту Международной космической станции, который называется механическим цехом в космосе по запросу, критически важный компонент для пилотируемых миссий в глубоком космосе и для создания производств в космосе.

Благодаря тому, что 3D-принтеры и услуги печати становятся более доступными и экономически эффективными, открывается широкий диапазон областей применения, таких как трехмерное моделирование подземных пространств, моделирование атмосферы, строительство или реставрация зданий, и т. д.

Видеоролик, иллюстрирующий статью доступен по ссылке — https://youtu.be/RPevhwumqD0

Журнал СФУ. Техника и технологии. 2018 11 (7)

Extended Role Access Control Model for Web Applications Based on Path Hierarchy
стр. 748-754; Kononov, Dmitry D.; Isaev, Sergey V.
полный текст (.pdf) / аннотация
Параметрическая роботизированная система поиска мин на основе взаимодействия электромагнитных и сейсмических волн
стр. 755-763; Шайдуров, Р.Г.
полный текст (.pdf) / аннотация
Имитационная математическая модель построения двумерных радиолокационных изображений воздушных объектов в интересах оценки качества распознавания
стр. 764-774; Бердышев, В.П.; Миронов, А.М.; Помазуев, О.Н.; Савельев, А.Н.; Копылов, В.А.; Лой, В.В.
полный текст (.pdf) / аннотация
Анализ авиационных событий с государственными воздушными судами РФ из-за отказов бортового радиоэлектронного оборудования за период 2000–2017 гг.
стр. 775-782; Иванов, И.М.; Викторов, Д.С.; Бондарев, В.Н.
полный текст (.pdf) / аннотация
О выборе типа и конструкции пассивного радиоотражателя комплекса пассивной радиолокации, реализующего угломерно-разностно-дальномерный метод
стр. 783-788; Фомин, А.Н.; Лой, В.В.; Каримуллин, М.Р.; Горбачева, И.И.
полный текст (.pdf) / аннотация
Определение рациональной структуры разнородной системы дистанционного зондирования Земли на этапе внешнего проектирования
стр. 789-800; Волков, В.Ф.; Пономарев, А.С.; Жидков, Е.Н.; Толмачев, А.А.
полный текст (.pdf) / аннотация
Методика статического анализа для поиска дефектов естественной семантики программных объектов и ее программная реализация на базе инфраструктуры компилятора LLVM и фронтенда Clang
стр. 801-810; Викторов, Д.С.; Жидков, Е.Н.; Жидков, Р.Е.
полный текст (.pdf) / аннотация
Особенности корреляционного анализа изображений и видеопоследовательностей
стр. 811-822; Богословский, А.В.; Пономарев, А.В.; Жигулина, И.В.; Сухарев, В.А.
полный текст (.pdf) / аннотация
Методика расчета нагрузки отряда комплексов с беспилотными летательными аппаратами при проведении поисково-спасательных работ
стр. 823-830; Тищенко, А.И.
полный текст (.pdf) / аннотация
Организация обзора пространства в многопозиционной радиолокационной системе с некооперируемым источником подсвета на основе комбинаторного принципа
стр. 831-841; Петроченков, Д.М.; Федотов, А.В.
полный текст (.pdf) / аннотация
Влияние механоактивации на стабилизацию свойств золы уноса Красноярских ТЭЦ
стр. 842-855; Енджиевская, И.Г.; Василовская, Н.Г.; Дубровская, О.Г.; Баранова, Г.П.; Чудаева, А.А.
полный текст (.pdf) / аннотация
Применение критериев подобия для оценки электромагнитной совместимости частотных электроприводов с системой электроснабжения промышленных предприятий
стр. 856-866; Авербух, М.А.; Хворостенко, С.В.; Сизганова, Е.Ю.
полный текст (.pdf) / аннотация
Использование низкопотенциальных источников энергии на основе органического цикла ренкина
стр. 867-876; Карабарин, Д.И.; Михайленко, С.А.
полный текст (.pdf) / аннотация

Подростки, социальные сети и технологии, 2018

(Drew Angerer/Getty Images News via Getty Images)

До недавнего времени Facebook
доминировал в социальных сетях среди молодежи Америки, но, согласно новому опросу Pew Research Center, он больше не является самой популярной онлайн-платформой среди подростков. Сегодня примерно половина (51%) подростков в США в возрасте от 13 до 17 лет говорят, что они используют Facebook, что заметно ниже доли тех, кто использует YouTube, Instagram или Snapchat.

Этот сдвиг в использовании подростками социальных сетей является лишь одним из примеров того, как изменился технологический ландшафт для молодежи с момента последнего опроса Центра о подростках и использовании технологий в 2014–2015 годах. В частности, владение смартфоном стало почти повсеместным элементом подростковой жизни: 95% подростков теперь сообщают, что у них есть смартфон или доступ к нему. Эти мобильные подключения, в свою очередь, подпитывают более постоянную онлайн-активность: 45% подростков теперь говорят, что находятся в сети практически постоянно.

Опрос также показал, что среди подростков нет однозначного мнения о влиянии социальных сетей на жизнь современной молодежи. Меньшинство подростков описывают этот эффект как в основном положительный (31%) или в основном отрицательный (24%), но наибольшая доля (45%) говорит, что эффект не был ни положительным, ни отрицательным.

Вот некоторые из основных результатов опроса подростков США, проведенного Центром с 7 марта по 10 апреля 2018 г. В отчете под «подростками» понимаются лица в возрасте от 13 до 17 лет9.0007

Facebook больше не является доминирующей онлайн-платформой среди подростков

Ландшафт социальных сетей, в котором живут подростки, выглядит заметно иначе, чем еще три года назад. В опросе Центра об использовании социальных сетей подростками в 2014–2015 годах 71% подростков сообщили, что являются пользователями Facebook. Никакая другая платформа не использовалась подавляющим большинством подростков в то время: около половины (52%) подростков заявили, что используют Instagram, а 41% сообщили, что используют Snapchat.

В 2018 году значительное большинство этой возрастной группы использует три онлайн-платформы, помимо Facebook, — YouTube, Instagram и Snapchat. Между тем, 51% подростков теперь говорят, что используют Facebook. Доля подростков, использующих Twitter и Tumblr, в значительной степени сопоставима с долей тех, кто делал это в опросе 2014–2015 годов.

По большей части подростки используют одни и те же платформы независимо от их демографических характеристик, но есть и исключения. Примечательно, что подростки с низкими доходами чаще тяготеют к Facebook, чем подростки из семей с более высокими доходами — тенденция, согласующаяся с предыдущими опросами Центра. Семь из десяти подростков, живущих в семьях с доходом менее 30 000 долларов в год, говорят, что пользуются Facebook, по сравнению с 36%, чей годовой семейный доход составляет 75 000 долларов и более. (Подробнее об использовании платформы социальных сетей различными демографическими группами см. в Приложении A.)

Важно отметить, что между опросами Pew Research Center 2014-2015 и 2018 годов об использовании социальных сетей подростками были некоторые изменения в формулировках вопросов. YouTube и Reddit не были включены в качестве вариантов в опрос 2014-2015 гг., но были включены в текущий опрос. Кроме того, опрос 2014–2015 годов требовал от респондентов предоставления явных ответов о том, использовали ли они каждую платформу, а опрос 2018 года предоставил респондентам список сайтов и позволил им выбрать те, которые они используют. ¹ Несмотря на это, очевидно, что среда социальных сетей сегодня меньше вращается вокруг одной платформы, чем три года назад. ²

Когда дело доходит до того, какую из этих онлайн-платформ подростки используют чаще всего, примерно треть говорит, что они чаще всего посещают Snapchat (35%) или YouTube (32%), а 15% говорят то же самое об Instagram. Для сравнения, 10% подростков говорят, что Facebook является их наиболее используемой онлайн-платформой, и еще меньше ссылаются на Twitter, Reddit или Tumblr как на сайты, которые они посещают чаще всего.

Опять же, подростки с низким доходом гораздо чаще, чем подростки из семей с более высоким доходом, говорят, что Facebook является онлайн-платформой, которую они используют чаще всего (22% против 4%). Существуют также некоторые различия, связанные с полом, расой и этнической принадлежностью, когда речь идет о наиболее посещаемых подростками сайтах. Девочки чаще, чем мальчики, говорят, что Snapchat — это сайт, который они используют чаще всего (42% против 29%), в то время как мальчики более склонны, чем девочки, определять YouTube как свою платформу для посещения (39% против 25%). Кроме того, белые подростки (41%) чаще, чем латиноамериканцы (29%).%) или темнокожих (23 %) подростков говорят, что Snapchat — это онлайн-платформа, которую они используют чаще всего, в то время как чернокожие подростки чаще, чем белые, считают Facebook своим наиболее посещаемым сайтом (26 % против 7 %).

Несмотря на почти повсеместное присутствие социальных сетей в их жизни, среди подростков нет четкого консенсуса относительно конечного влияния этих платформ на людей их возраста. Многие подростки (45%) считают, что социальные сети не оказывают ни положительного, ни отрицательного влияния на людей их возраста. Между тем, примерно трое из десяти подростков (31%) говорят, что социальные сети оказали в основном положительное влияние, а 24% описывают их влияние как в основном негативное.

Получив возможность объяснить свои взгляды своими словами, подростки, которые говорят, что социальные сети оказали в основном положительный эффект, как правило, подчеркивали проблемы, связанные с общением и связью с другими. Около 40% этих респондентов заявили, что социальные сети оказали положительное влияние, поскольку они помогают им поддерживать связь и взаимодействовать с другими людьми. Многие из этих ответов подчеркивают, как социальные сети упростили общение с семьей и друзьями и знакомство с новыми людьми:

«Я думаю, что социальные сети имеют положительный эффект, потому что они позволяют вам общаться с членами семьи на расстоянии». (Девочка, 14 лет)

«Я чувствую, что социальные сети могут заставить людей моего возраста чувствовать себя менее одинокими или одинокими. Это создает пространство, где вы можете взаимодействовать с людьми». (Девочка, 15 лет)

«Это позволяет людям легко общаться с друзьями и заводить новых друзей». (мальчик, 15 лет)

Другие в этой группе отмечают более широкий доступ к новостям и информации, который обеспечивают социальные сети (16%), или возможность общаться с людьми, разделяющими схожие интересы (15%):

«Моей маме приходилось ездить в библиотеку, чтобы получить то, что я все время держу в руках. Она мне это очень напоминает». (Девочка, 14 лет)

«Это дало многим детям моего возраста возможность выразить свое мнение и эмоции и пообщаться с людьми, которые думают так же». (Девочка, 15 лет)

Меньшие доли утверждают, что социальные сети являются хорошим местом для развлечения (9%), что они предлагают пространство для самовыражения (7%) или что они позволяют подросткам получать поддержку от других ( 5%) или узнать что-то новое в целом (4%).

«Потому что многие созданные или сделанные вещи могут приносить радость». (мальчик, 17 лет)

«[Социальные сети] позволяют нам свободно общаться и видеть, что делают все остальные. [Это] дает нам голос, который может достучаться до многих людей». (мальчик, 15 лет)

«Нам легче общаться с людьми из разных мест, и мы чаще обращаемся за помощью через социальные сети, которые могут спасти людей». (Девочка, 15 лет)

Подростки не согласны с тем, что социальные сети в основном негативно влияют на людей их возраста. Главный ответ (упомянутый 27% этих подростков) заключается в том, что социальные сети привели к большему количеству издевательств и общему распространению слухов.

«Дает людям большую аудиторию, чтобы говорить и учить ненавидеть и унижать друг друга». (мальчик, 13 лет)

«Люди могут говорить все, что хотят, сохраняя анонимность, и я думаю, что это оказывает негативное влияние». (мальчик, 15 лет)

«Потому что подростки убивают людей из-за того, что они видят в социальных сетях, или из-за того, что происходит в социальных сетях». (Девочка, 14 лет)

Между тем, 17% этих респондентов считают, что эти платформы вредят отношениям и приводят к менее значимым человеческим взаимодействиям. Схожие мнения считают, что социальные сети искажают реальность и дают подросткам нереалистичное представление о жизни других людей (15%), или что подростки проводят в социальных сетях слишком много времени (14%).

«Оказывает негативное влияние на социальные (личные) взаимодействия». (мальчик, 17 лет)

«Людям становится труднее общаться в реальной жизни, потому что они привыкают не взаимодействовать с людьми лично». (Девушка, 15 лет)

«Он создает фальшивое изображение чьей-то жизни. Иногда мне кажется, что их жизнь идеальна, когда это не так». (Девочка, 15 лет)

«[Подростки] предпочитают листать страницы на своих телефонах, а не делать домашнюю работу, и это так легко сделать. Это просто огромное отвлечение». (мальчик, 17 лет)

Еще 12% критикуют социальные сети за то, что они заставляют подростков поддаваться давлению со стороны сверстников, в то время как меньшее количество людей выражают опасения, что эти сайты могут привести к психологическим проблемам или драме.

Подавляющее большинство подростков имеют доступ к домашнему компьютеру или смартфону

Около 95% подростков теперь говорят, что у них есть или есть доступ к смартфону, что представляет собой увеличение на 22 процентных пункта по сравнению с 73% подростков, которые сказали это в 2014-2015 гг. Смартфоны есть почти у всех подростков разного пола, расы, национальности и социально-экономического положения.

Более сложная история возникает, когда речь заходит о доступе подростков к компьютерам. В то время как 88% подростков сообщают, что имеют доступ к настольному или портативному компьютеру дома, этот доступ сильно зависит от уровня дохода. Целых 96% подростков из семей с годовым доходом 75 000 долларов и более говорят, что у них есть доступ к домашнему компьютеру, но эта доля падает до 75 % среди подростков из семей с доходом менее 30 000 долларов в год.

Доступ к компьютеру также зависит от уровня образования родителей. Подростки, чьи родители имеют степень бакалавра или выше, чаще говорят, что у них есть доступ к компьютеру, чем подростки, чьи родители имеют диплом средней школы или ниже (9). 4% против 78%).

Растущая доля подростков описывают свое использование Интернета как почти постоянное

По мере того, как доступ к смартфонам становится все более распространенным, растущая доля подростков сообщает, что пользуются Интернетом почти постоянно. Около 45% подростков говорят, что пользуются Интернетом «почти постоянно», и эта цифра почти удвоилась по сравнению с 24%, которые сказали это в опросе 2014–2015 годов. Еще 44% говорят, что выходят в интернет несколько раз в день, то есть примерно девять из десяти подростков выходят в интернет как минимум несколько раз в день.

Существуют некоторые различия в частоте использования Интернета подростками в зависимости от пола, а также расы и этнической принадлежности. Половина девочек-подростков (50%) почти постоянно пользуются Интернетом, по сравнению с 39% мальчиков-подростков. А латиноамериканские подростки чаще, чем белые, сообщают о почти постоянном использовании Интернета (54% против 41%).

Большинство мальчиков и девочек играют в видеоигры, но игры почти универсальны для мальчиков.

0% говорят, что играют в видеоигры любого типа (будь то на компьютере, игровой приставке или мобильном телефоне). В то время как значительное большинство девочек сообщают, что имеют доступ к игровой приставке дома (75%) или вообще играют в видеоигры (83%), среди мальчиков эти доли еще выше. Примерно девять из десяти мальчиков (92%) имеют или имеют доступ к игровой приставке дома, а 97% говорят, что играют в видеоигры в той или иной форме или способом.

Число владельцев игровых приставок среди латиноамериканских подростков и подростков из малообеспеченных семей увеличилось после предыдущего исследования Центром подросткового технологического ландшафта в 2014–2015 годах. Доля латиноамериканцев, которые говорят, что у них есть доступ к игровой консоли дома, за этот период выросла на 10 процентных пунктов. А 85% подростков из семей, зарабатывающих менее 30 000 долларов в год, теперь говорят, что у них дома есть игровая приставка, по сравнению с 67% в 2014–2015 годах.

Технологии, за которыми стоит следить в 2018 году

Интернет вещей изменил многие аспекты нашей жизни и теперь, наряду с другими прорывными технологиями, готов изменить исследования в области наук о жизни. Фото: chombosan/Alamy

Перекодирование генома

Джордж Черч Генетик, Гарвардская медицинская школа, Бостон, Массачусетс.

Несмотря на весь ажиотаж, связанный с инструментом для редактирования генов CRISPR, он не настолько эффективен и точен. Трудно вносить много изменений сразу. Пока что моя лаборатория установила рекорд — внесла 62 модификации в геном одной клетки, — но у нас есть привлекательные приложения, требующие большего количества одновременных изменений. Однако теперь у нас есть технологии, необходимые для того, чтобы сделать это возможным.

«Перекодирование кодонов» — это совершенно общий способ сделать любой организм устойчивым к большинству или всем вирусам и требует десятков тысяч точных изменений на клетку. Каждый кодон, участок ДНК длиной в три основания, такой как TTG, соответствует определенной аминокислоте, такой как лейцин, или сигналу трансляции (старт, стоп и т. д.). Учитывая, что у лейцина шесть кодонов, мы можем заменить любой один другим, воспользовавшись избыточностью, встроенной в генетический код. Покончив с этими заменами, мы удаляем ген транспортной РНК лейцина (тРНК), который совпадает с замененными кодонами, поэтому клетка больше не может распознавать эту последовательность.

Теперь, когда вирус заражает клетку, в которой перекодированы все эти кодоны, он не может транслировать свои белки со своей матричной РНК из-за отсутствия тРНК, и вирус погибает. Вирусы не так надежны; не нужно много, чтобы выбросить их из строя.

Чтобы одновременно внести несколько точных изменений, мы используем метод мультиплексной автоматической инженерии генома (MAGE). Короткие сегменты генетического материала, содержащие точные изменения пар оснований, которые вы хотите внести, вводятся в клетки, которые не могут восстанавливать несоответствие ДНК. После нескольких циклов клеточной репликации изменения полностью включаются в бактериальный геном.

Теоретически это можно сделать в каждом организме, для которого вирусы представляют проблему — микроорганизмы, используемые в молочной промышленности и важных для сельского хозяйства растениях и животных. Кроме того, исследователи могут создать устойчивых к вирусам свиней, органы которых можно использовать для трансплантации, и устойчивые к вирусам человеческие клетки для производства фармацевтических препаратов и вакцин.

Что действительно здорово, так это то, что вы можете сделать организм устойчивым ко всем вирусам — даже к вирусам, которые никогда не изучались. Но есть много других вещей, которые можно сделать с помощью перекодирования. Памела Сильвер из Гарвардской медицинской школы и Дэниел Гибсон из Synthetic Genomics в Ла-Хойя, Калифорния, совместно разработали еще одну технологию перекодирования для улучшения вакцинных штаммов Сальмонелла тифимуриум .

Исследователи могли бы также перекодировать организм, чтобы включить нестандартные аминокислоты в белки, чтобы включить химические процессы, которых нет в современных организмах: аминокислоты, которые флуоресцируют, напоминают нуклеиновые кислоты или образуют необычные связи. Совершенно новые измерения биохимии возникают, когда вы не ограничиваетесь универсальными и обычными 20 аминокислотами. Лаборатория Джейсона Чина в Лаборатории молекулярной биологии MRC в Кембридже, Великобритания, использует этот подход для внесения точных изменений на молекулярном уровне в хорошо известные белки плодовых мушек.

И последнее, но не менее важное: перекодирование обеспечивает мощную стратегию биосдерживания. Если устойчивый к вирусам организм сбежит, даже если он не будет «плохим» для окружающей среды, он займет естественные ниши и «победит». Используя одну из этих нестандартных аминокислот, вы можете создать организм, который сможет расти, только если ему будет дано определенное питательное вещество. Результатом является стратегия «защиты от побега» для экспериментальных организмов, используемых в лаборатории.

Источник: Сяовэй Чжуан

Картирование транскриптома

Сяовэй Чжуан Директор Центра усовершенствованной визуализации Гарвардского университета, Кембридж, Массачусетс.

Новая глобальная инициатива по идентификации всех типов клеток в организме человека и составлению карты их пространственной организации — недавно запущенная инициатива «Атлас клеток человека» (HCA) — является грандиозной целью. Для проекта такого масштаба потребуется множество дополнительных технологий.

Секвенирование РНК одиночных клеток — это эффективный способ идентификации различных типов клеток и важный инструмент для создания HCA, но для этого необходимо разделить ткань на отдельные клетки и затем выделить РНК. Что не сохранилось, так это пространственный контекст клеток в ткани — то, как они организованы и взаимодействуют.

Нам нужна технология, которая может обеспечить этот пространственный контекст путем визуализации профилей транскрипции клеток в неповрежденной ткани. Моя лаборатория разрабатывает MERFISH, или мультиплексную устойчивую к ошибкам флуоресцентную гибридизацию in situ, основанный на изображениях подход к транскриптомике отдельных клеток.

MERFISH использует устойчивые к ошибкам штрих-коды для идентификации каждого типа РНК в клетке, а также комбинаторную маркировку и последовательную визуализацию для обнаружения этих штрих-кодов в массовом мультиплексном режиме (см. «Транскриптомное картирование»).

Мы уже продемонстрировали способность отображать 1000 различных матричных РНК (мРНК) в отдельных клетках. При дальнейшем развитии MERFISH может обнаруживать весь транскриптом клеток в интактных тканях.

Эти данные профилирования РНК с пространственным разрешением дадут нам физическую картину ГКА — мы сможем изобразить отдельные клетки, классифицировать их по профилям экспрессии генов и составить карту их пространственной организации. Его можно объединить с данными о морфологии и функциях клеток, полученными с помощью других технологий визуализации, чтобы еще больше обогатить эту картину.

На данный момент наша картина клеточного атласа в основном неполная. Если у вас нет глобальной картины, вы просто не знаете, чего упускаете, не говоря уже о том, как разработать эффективную терапию для вмешательства в случае болезни.

*****

Усиление противораковых вакцин

Элейн Мардис Соисполнительный директор Института геномной медицины Национальной детской больницы, Колумбус, Огайо.

В области иммуногеномики рака исследователи хотят знать, какие из мутировавших белков, закодированных раковым геномом, способны вызывать иммунный ответ у данного человека. Такие белки, называемые неоантигенами, могут быть использованы для разработки персонализированных противораковых вакцин или других методов лечения.

Одной из интересных технологий, которую можно использовать для изучения этих неоантигенов, является CyTOF, так называемый метод масс-цитометрии для идентификации клеток, экспрессирующих специфические белки.

В типичной проточной цитометрии исследователи смешивают антитела, меченные флуоресцентной молекулой, с клетками, чтобы пометить интересующие белки. Затем клетки анализируют одну за другой, чтобы измерить их относительное содержание на основе этих белков. CyTOF заменяет ограниченное количество флуоресцентных меток металлическими метками, которые обнаруживаются в масс-спектрометре — 100 или более различных меток одновременно, по сравнению с дюжиной в случае проточной цитометрии.

Эта технология может изменить область иммуногеномики рака, позволив исследователям выяснить, какие неоантигены, продуцируемые раковыми клетками человека, являются наиболее распространенными и с наибольшей вероятностью вызывают сильную реакцию иммунной системы. Затем исследователи могли бы использовать эту информацию для создания персонализированных противораковых «вакцин». Они, используемые в сочетании с новыми лекарствами от рака, которые снимают тормоза с иммунной системы, могут дать людям, больным раком, возможность бороться с собственной болезнью.

Но для любого данного неоантигена, предсказанного геномом, можно только гадать, вызовет ли он значительный иммунный ответ. CyTOF дает нам представление об этом вопросе, позволяя нам количественно оценить силу связывания нескольких предсказанных пептидов с Т-клетками человека.

И это касается не только геномики рака. CyTOF можно использовать для отслеживания количества и состава любого набора белков, продуцируемых клетками, если вы можете найти антитела, связывающие интересующие вас белки. Это позволяет нам задавать вопросы на белковом уровне гораздо более многомерно и точно, чем раньше.

*****

Связывание генотипа и фенотипа

Руди Эберсолд Системный биолог, Институт молекулярной системной биологии, ETH Zurich, Швейцария.

Понятно, что мы живем в очень интересное время — существует огромное количество качественной геномной информации о генетической изменчивости. В то же время мы можем собирать массу данных, связанных со здоровьем населения, начиная от количества шагов, сделанных за день, и заканчивая артериальным давлением и клиническими изображениями. Хитрость заключается в том, чтобы связать их друг с другом. Особенно в медицине, если мы хотим превратить генетическую вариацию в лечение, нам необходимо механистическое понимание процессов, которые нарушаются болезнью.

Ключом к этой ссылке является анализ белковых комплексов, которые являются функциональными единицами клеток. Как перейти от больших данных — таких как геном опухоли яичника — к выяснению того, какие белковые комплексы нарушены и как?

Один путь сочетает в себе вычисления и количественную протеомику, в которой последовательно и точно определяется количество нескольких тысяч белков в когортах опухолевых и контрольных образцов. Такие наборы данных теперь могут быть созданы с использованием методов масс-спектрометрии, таких как SWATH-MS (последовательное получение всех теоретических масс-спектров в окне). Ожидается, что комплексные белки будут иметь высокую степень ковариации, то есть синхронно увеличиваться или уменьшаться в количестве. Но если комплекс нарушен и теряет субъединицы вследствие мутаций или структурных изменений, то ковариантность субъединиц будет иной. Это один из способов точного определения белковых комплексов, которые нарушены при раке.

Затем такие измененные комплексы можно изучать на структурном уровне с помощью криоэлектронной микроскопии анализа отдельных частиц или криоэлектронной томографии (CET), оба из которых могут отображать молекулы с разрешением около 5–10 ангстрем. Этого достаточно, чтобы визуализировать, как мутации изменяют состав, топологию и структуру, а следовательно, и функцию пораженного комплекса.

CET также может показать, как структуры меняются при других модуляциях, таких как добавление фосфатной группы к готовой молекуле. Действительно значительным достижением 2018 года является усовершенствование метода измельчения сфокусированного ионного пучка. Этот метод берет срез клетки или ткани млекопитающего, который в противном случае слишком толстый для CET, и вырезает тонкое окно клетки, так что структуру определенного белкового комплекса можно наблюдать в контексте клетки.

Вместе эти технологии улучшат наше понимание того, как белковый комплекс нарушается на молекулярном уровне при заболевании. И они прольют свет на то, как создать лекарство, чтобы уничтожить его, инактивировать или восстановить его нормальную активность.

*****

Расширенный анализ последовательности генома

Ребекка Калиси Родригес Репродуктивный биолог, Калифорнийский университет, Дэвис.

Когда я поступал в аспирантуру, я был очарован открытием в 2000 году совершенно нового гормона, ингибирующего гонадотропин гормона (GnIH), который угнетает репродуктивную ось, когда животные испытывают стресс. Исследования GnIH полностью меняют наше понимание того, как мозг регулирует воспроизводство. Я подумал: «Черт, о чем еще мы не знаем? Когда произойдет следующее открытие, которое полностью изменит наше понимание воспроизводства?»

Сегодня, благодаря высокопроизводительному секвенированию ДНК геномов и транскриптомов, скорость открытия резко возрастает. 15 лет назад секвенирование генома человека стоило около 3 миллиардов долларов США. Сегодня он стоит несколько тысяч долларов, и цена все еще падает. Это важно, потому что позволяет нам исследовать животных, которые обычно не изучаются в лабораториях, в экосистемах и средах обитания, в которых они эволюционировали, что может дать больше физиологически значимых данных.

Как биолог-репродуктолог я особенно взволнован тем, что это приближает нас к пониманию великой симфонии — возможно, какофонии — механизмов, определяющих сексуальное поведение и размножение.

Недавно мы использовали секвенирование РНК, чтобы получить более глубокое представление о том, как репродуктивная ось у обычных голубей реагирует на стресс. Хронический стресс может нарушить размножение, и мы хотим знать, как это сделать.

Мы изучаем активность каждого гена, активно транскрибируемого в репродуктивной оси — гипоталамусе в головном мозге, гипофизе и половых железах — в ответ на стресс. Этот огромный набор данных породил сотни гипотез для изучения влияния стресса на то, что может быть недавно открытым репродуктивным механизмом. Это приведет нас к целям генетического вмешательства или терапии для миллионов мужчин и женщин, которые сообщают о проблемах с фертильностью.

Но мы также можем извлечь пользу, сделав шаг назад и изучив животных целиком в реальном мире. Например, одичавшие голуби могут служить мощными моделями для оценки того, какое влияние оказывает воздействие опасных веществ в окружающей среде на репродуктивную ось. Наши результаты показывают, что голуби, живущие на свободе, испытывают такие же угрозы воздействия окружающей среды, как и люди, живущие в том же районе. Мы можем использовать голубей, как когда-то канареек использовали в угольных шахтах, в качестве биоиндикаторов вредных веществ в окружающей среде. Затем методы секвенирования могут позволить нам определить, как эти воздействия влияют на хорошо сохранившуюся репродуктивную систему.

Мы можем взять наши новые блестящие технологии и соединить их с научными инструментами «старой школы», чтобы расширить открытия так, как никогда раньше. Мы могли бы наблюдать за голубями в их среде в режиме реального времени, характеризовать изменения в их геномах и протеомах и видеть их влияние на размножение. Мы — естествоиспытатели на уровне гена нашего времени.

Такие устройства, как эти Apple Watch, вдохновляют на разработку Интернета научных вещей. Фото: Дэвид Пол Моррис/Bloomberg/Getty

Создание Интернета научных вещей

Вивьен Минг Нейробиолог-теоретик и исполнительный директор Socos Labs, Беркли, Калифорния.

Интернет вещей, все эти устройства с доступом в Интернет, которые сегодня становятся все более распространенными в домах — Alexa, Google Home, термостаты Nest, смартфоны — это датчики и приводы огромного роевого интеллекта. Мы думаем об одном устройстве Alexa, умном помощнике, подключенном к Интернету, разработанном Amazon, как об одиноком личном помощнике, но более точно распознавать его как часть массивно распределенного мультисенсорного массива, охватывающего миллионы домов и подпитывающего огромные эксперименты. система, которая является истинной Alexa. Это не миллионы отдельных роботов, а единый искусственный интеллект (ИИ), который постоянно изучает мир, при этом действия одной семьи влияют на его исследование и эксплуатацию другой.

Распределенный интеллект меняет нашу жизнь, но он также может изменить и науку. Я хотел бы и верю, что мы готовы к тому, чтобы исследователи начали сотрудничать в области распределенного Интернета научных вещей (IoST) — открытой системы для подключения распределенных датчиков и исполнительных механизмов к мощной платформе машинного обучения, проводящей эксперименты глобального масштаба. Даже простые версии этой системы обладают огромной силой. Google обнаружил, что его смартфоны могут улавливать ранние симптомы болезни Паркинсона по изменениям походки, обнаруженным акселерометром и гироскопом телефона. Используя расширенный набор датчиков смартфона, моя команда смогла предсказать начало маниакальных эпизодов у людей с биполярным расстройством. Но сейчас такая экспериментальная мощь недоступна большинству ученых.

Представьте, если бы исследователи могли получить доступ к данным со смартфонов, смарт-часов и устройств, на которых запущены приложения IoT, а также с более традиционными датчиками, используемыми в экспериментах по всему миру? Добавьте к этому интеллектуальный анализ систем ИИ для соответствующих опубликованных исследований и данных, уже имеющихся в вашей области. Подобно тому, как текущий коммерческий ИИ выявляет скрытые деловые связи для продавцов, ИИ IoT дополнит работу ученых, занимающихся поиском данных, имеющих отношение к их областям. Что, если бы мое программное обеспечение для нейровизуализации было напрямую подключено к платформе IoT и сделало бы данные доступными в режиме реального времени не только для моей лаборатории, но и для всех в моей области и за ее пределами? Или войдите на платформу, чтобы узнать об активности пяти новых исследователей, с которыми вам следует познакомиться.