Satelit CO ~ 2 ~ Pelacakan NASA Dekonstruksi Siklus Karbon Bumi


Banyak ilmuwan tahu: Manusia memompa sekitar 40 miliar ton CO 2 [1945909] ke atmosfer setiap tahun. Yang kurang jelas adalah di mana planet menaruhnya. [1945907]

Sekitar setengahnya tinggal di udara, di mana ia menambah kenaikan tahunan, dua sampai tiga per satu juta per kilogram di atmosfer CO 2 [1945909] konsentrasi dan pemanasan bertahap planet ini. Setengah lainnya dikibarkan oleh penyerap karbon planet ini – samudera dan tanaman – dalam jumlah yang hampir sama, memperlambat akumulasinya di atmosfer. Tapi tingkat pembuangan karbon dioksida, terutama oleh vegetasi, bervariasi dari tahun ke tahun. Terlebih lagi, tidak ada yang tahu di mana atau bagaimana reuptake ini terjadi, apalagi saat carbon sinks dunia meluap. [1945907]

Itu karena metode pemantauan karbon yang ada didominasi oleh ground-based – dan dengan persediaan yang sangat singkat . Sekitar 150 di antaranya menandai Bumi, mengendus udara dan melaporkan kandungan karbon cakrawala setempat. Tapi untuk mempelajari bagaimana daratan dan laut tenggelam bervariasi dalam skala global, dari musim ke musim? Hanya saja tidak cukup.

"Mereka sangat tepat, tapi jumlahnya sangat sedikit," kata Annmarie Eldering, seorang insinyur lingkungan di Laboratorium Propulsi Jet NASA. "Jika Anda ingin memahami bagaimana benua Afrika atau Samudra Pasifik berhubungan dengan siklus karbon global, kumpulan data tidak terlalu sensitif." Selama beberapa dasawarsa, para ilmuwan iklim telah mempelajari siklus karbon dari tanah, ketika yang mereka butuhkan sebenarnya adalah pemandangan setinggi 30.000 kaki.

Atau lebih baik lagi: Pandangan 2,3 juta kaki.

Pertunjukan artis tentang apa yang dilihat oleh pesawat ruang angkasa OCO-2.

Debbi McLean / GSFC / NASA-JPL

Pada bulan Juli 2014, NASA menempatkan yang pertama dan hanya CO 2 -memantau pesawat antariksa ke orbit Bumi, sekitar 435 mil di atas permukaan planet. Dijuluki Orbiting Carbon Observatory 2 (OCO-1 meninggal pada tahun 2009, ketika kapal tersebut gagal diluncurkan dan jatuh ke laut dekat Antartika), menghabiskan tiga tahun terakhir untuk memukul bola dunia di orbit elastis 1945 mengumpulkan jutaan pengukuran per bulan. [1945907]

Tapi OCO-2 tidak mengukur CO 2 secara langsung. Sebaliknya, ia mengukur panjang gelombang sinar matahari yang dipantulkan dari permukaan bumi. Intensitas relatif panjang gelombang tersebut menunjukkan berapa banyak CO [1945907] 2 [1945909] sinar matahari menerobos di kolom udara yang memisahkan satelit dari tanah di bawahnya. [1945907]

Setiap 16 hari, NASA mengumpulkan pengukuran ini ke dalam peta sejenis – sebuah cuplikan karbon global yang membantu para periset memahami bagaimana penyerap karbon bumi merespons perubahan musiman, emisi manusia 2 [1945909] dan peristiwa iklim utama. "Data ini jauh lebih banyak daripada yang pernah dikumpulkan," kata Eldering, yang merupakan ilmuwan proyek wakil OCO-2. "Dan yang menyenangkan adalah dalam rincian datanya." [1945907]

Rincian tersebut merupakan subyek beberapa penelitian yang diterbitkan dalam terbitan minggu ini Science . Secara keseluruhan, mereka menunjukkan kemampuan OCO-2 dengan mengisi kesenjangan penting dalam pemahaman ilmuwan tentang bagaimana pergeseran karbon antara Bumi, langit, dan laut – dan mengapa hal itu bergerak seperti yang terjadi. [1945907]

Dalam visualisasi ini, warna merah dan kuning menggambarkan daerah dengan CO2 lebih tinggi dari rata-rata, sedangkan blues menunjukkan daerah yang lebih rendah dari rata-rata. Tingkat CO2 di atmosfer turun selama musim semi dan meledak di musim dingin sebelum memuncak pada bulan April, ketika pembusukan tanaman dan emisi bahan bakar manusia menggerakkan tingkat karbon di atmosfer sampai maksimum tahunan mereka.

A. Eldering et al., Science (2017)

Satu studi mengungkapkan sebuah pasang surut yang dramatis dan mengalir di siklus karbon Belahan Bumi Utara: CO Atmosfer 2 [1945909] tingkat merosot selama musim semi dan meledak di musim dingin sebelum memuncak pada bulan April, ketika pembusukan tanaman dan emisi bahan bakar manusia menggerakkan tingkat karbon di atmosfer sampai maksimum tahunannya. Investigasi yang berbeda memamerkan kemampuan OCO-2 untuk melacak emisi karbon dari kota-kota dan gunung berapi. Studi lain menunjukkan kemampuan pesawat ruang angkasa tersebut untuk tidak hanya mendeteksi cahaya fluoresen samar yang dipancarkan oleh tanaman berfotosintesis, namun gunakan pengukuran tersebut untuk menyimpulkan, dari ratusan mil di atas, jumlah karbon yang dikonsumsi oleh vegetasi di Bumi. .

Namun, penelitian yang paling mengesankan menerangkan dampak peristiwa El Niño yang kuat pada siklus karbon global – dan bagaimana suhu yang meningkat dapat mendorong penyerap karbon planet ke batas mereka.

Acara El Niño 2014-2016 termasuk yang terkuat dalam sejarah [1945907] Alam jurnal ilmiah yang agung, menyebutnya sebagai " Godzilla "), yang berarti daerah tropis di dunia kurang basah dan jauh lebih panas dari biasanya. Ini juga bertepatan dengan tingkat tertinggi CO2 di atmosfir 2 yang terus meningkat. [1945907]

"El Niño memberikan sinyal yang sangat besar," kata Eldering. Sebagian besar dunia mengalami sinyal tersebut dalam bentuk cuaca buruk. Tapi untuk OCO-2? "Percobaan alam ini hebat dimana kita mengalami panas dan kekeringan di luar rentang normal, dan kita bisa mempelajari bagaimana sistem karbon merespons," kata Eldering. Hal ini juga memungkinkan timnya untuk menebak masa depan: Banyak model iklim menyarankan dunia akan lebih hangat dan kering pada akhir abad ini daripada sekarang. Kondisi yang diendapkan oleh El Niño berfungsi sebagai pelarian kering.

Peran acara dalam lonjakan karbon 2015 tampaknya sangat besar. Sebuah studi yang dipimpin oleh JPL climatologist Junjie Liu menggabungkan data dari OCO-2 dan satelit pengamatan Bumi lainnya untuk menunjukkan bahwa 80 persen dari kenaikan rekor CO di atmosfer [1945907] 2 [1945909] Tingkat dapat dikaitkan dengan daerah tropis di Amerika Selatan, Afrika, dan Asia yang melepaskan lebih banyak karbon daripada biasanya. Bersama-sama area ini menurunkan sekitar 2,5-gigaton karbon lebih banyak ke atmosfer pada tahun 2015 daripada tahun 2011 – hampir seperempat jumlah yang biasanya dikeluarkan manusia dalam setahun. [1945909]

Infografis ini menggambarkan tingkat pelepasan karbon dioksida yang luar biasa tinggi dari tiga benua tropis pada tahun 2015 El Niño.

NASA-JPL / Caltech

Lebih penting lagi, Liu dan rekan-rekannya menunjukkan bahwa proses penggerak fluks karbon ini bervariasi dari benua ke benua. Di Asia, pengemudi utama kebakaran besar. Di Amerika Selatan itu kurang hujan. Dan Afrika? Benua ini benar-benar melihat pertumbuhan tanaman yang khas namun lebih panas dari suhu biasa, yang mempercepat dekomposisi bahan tanaman dan pelepasan CO 2 [1945909] [1945907]

yang terakhir Dua kasus membawa implikasi serius bagi masa depan penyerap karbon bumi: Panas dan kekeringan yang anomali yang diamati para periset di Afrika dan Amerika Selatan diperkirakan terjadi pada akhir abad ini. Jika daerah ini bereaksi pada tahun 2100 seperti yang mereka lakukan pada tahun 2015, lebih banyak emisi karbon yang dikeluarkan manusia ke atmosfir akan tetap berada di atmosfer.

Studi OCO-2 menjelaskan bagaimana pergerakan karbon antara daerah tropis dan atmosfer Bumi bervariasi, tergantung pada wilayah yang Anda lihat. Nuansa seperti itu akan menjadi anugerah penelitian iklim. "Ini benar-benar mengesankan," kata Josep Canadell, direktur Global Carbon Project. "Ini menghasilkan sebuah novel, gambaran kompleks tentang proses di balik perubahan tingkat global 2 [1945909] . Bagi saya, ini menandai dimulainya era baru ilmu siklus karbon dan studi tentang sumber karbon bumi dan tenggelam. "

Bukan berarti tidak ada kebutuhan akan alat yang lebih banyak. Ingat: OCO-2 mendeteksi CO 2 secara tidak langsung, dengan mengukur cahaya; Tidak seperti pengukuran berbasis darat, Anda tidak dapat menguji keakuratannya dengan membandingkan pembacaannya dengan jumlah gas yang diketahui. "Ini adalah kuda hobi saya, namun tumit Achilles dari keseluruhan upaya pelacakan karbon telah menjadi investasi yang kurang dalam pengukuran yang telah dikalibrasi," kata Pieter Tans, direktur Kelompok Kaca Rumah Kaca Karbon NOAA. Satelit penginderaan jauh seperti OCO-2 menawarkan ahli iklim sebagai titik pandang yang berharga namun tidak memadai, katanya; Jaringan pemantauan yang komprehensif akan membutuhkan lebih banyak sensor gas rumah kaca-tidak hanya di tanah, tapi di langit. Tans membayangkan sebuah skenario di mana ratusan pesawat komersial yang dilengkapi dengan sensor menghasilkan profil vertikal gas atmosfer yang padat. Sebuah armada balon ketinggian juga bisa mengumpulkan pengukuran. [1945907]

Semua yang tentu saja membutuhkan uang – kenyataan yang menggelisahkan sehubungan dengan administrasi Trump pemotongan untuk pendanaan sains dan pengabaian kebijakan iklim era Obama. "Jelas saya khawatir dengan anggaran," kata Tans. "Penelitian iklim adalah kebutuhan ilmiah, tapi apa yang bisa saya lakukan? Tinggalkan AS? Apakah saya harus pergi ke Eropa untuk menyelesaikan sains?" [1945909]

[194590100] Mungkin. Tapi kemudian, banyak temuan ilmiah terpenting saat ini adalah hasil kolaborasi, upaya multinasional – dan misi OCO-2 tidak terkecuali. NASA's CO 2 -memantau pesawat ruang angkasa hanyalah satu di rasi satelit pengamat bumi yang dikenal di lingkaran iklim sebagai A-Train . "Kami diuntungkan dari kenyataan bahwa kerja sama di seluruh dunia bermanifestasi di rasi ini, dan bahwa kita dapat menggunakan satelit ini bersama-sama," kata Eldering. "Jika Anda ingin memisahkan semuanya – apakah api menyebabkan ini atau terjadi panas dan kekeringan menyebabkannya – Anda harus melihat sebanyak mungkin informasi sebanyak mungkin." [1945909]

Ini banyak ilmuwan tahu: Manusia memompa sekitar 40 miliar ton CO 2 ke atmosfer setiap tahun. Untuk melacak jalannya melalui bumi, udara, dan lautan, mereka memerlukan semua sensor, semua satelit, dan semua bantuan yang bisa mereka dapatkan. [1945907]

5 Kondisi 'Pil KB' Dapat Membantu Mengobati


            

Aturan baru dari Administrasi Trump yang dikeluarkan pada hari Jumat (6 Oktober) memungkinkan beberapa pengusaha memilih untuk tidak mencabut kontrol kelahiran bagi karyawan mereka, jika mereka memiliki keberatan agama atau moral terhadap kontrasepsi.

Aturan baru akan memungkinkan lebih banyak perusahaan untuk mencari pengecualian persyaratan "Obamacare" bahwa pengusaha mencakup layanan kontrasepsi. "Ini memberikan pengecualian, yang terbatas, bagi mereka yang memiliki keyakinan agama atau moral yang terlibat dalam mandat kontrasepsi," kata seorang pejabat Departemen Kesehatan dan Layanan Kemanusiaan AS (HHS) dalam sebuah berita singkat, menurut Vox.

Tapi obat kontrasepsi digunakan untuk alasan yang jauh melampaui sekadar mencegah kehamilan. Sebagai contoh, sebuah penelitian di tahun 2011 menemukan bahwa 14 persen wanita yang menggunakan pil KB atau 1,5 juta wanita, mengkonsumsi obat ini secara eksklusif untuk alasan yang tidak bertentangan. Di antara remaja, persentase tersebut lebih tinggi – sekitar sepertiga wanita (33 persen) usia 15 sampai 19 yang menggunakan pil KB melakukannya karena alasan selain mencegah kehamilan. Selain itu, diperkirakan 762.000 wanita yang mengonsumsi pil KB (7 persen) tidak pernah berhubungan seks, menurut penelitian yang dilakukan oleh Guttmacher Institute, sebuah organisasi penelitian kesehatan reproduksi. [Birth Control Quiz: Test Your Contraception Knowledge]

Banyak wanita juga mengonsumsi pil KB karena alasan kontrasepsi dan nonkontrasepsi. Studi tersebut menemukan bahwa, secara keseluruhan, hampir separuh pengguna pil KB (49 persen) menggunakan pil tersebut untuk lebih dari satu alasan.

Berikut adalah lima kondisi bahwa alat kontrasepsi dapat membantu mengobati:

Menurut penelitian 2011, 31 persen pengguna pil KB mengambil obat untuk mengurangi keparahan kram menstruasi atau nyeri haid. Pil KB mengandung hormon yang menipiskan lapisan rahim, yang dapat berakibat pada periode yang lebih pendek dan ringan yang kurang menyakitkan, menurut Bedsider, jaringan pendukung kelahiran online yang dioperasikan oleh organisasi nirlaba, Kampanye Nasional untuk Mencegah Remaja dan Kehamilan yang Tidak Terencana.

Periode tidak teratur dapat merujuk pada sejumlah masalah yang berbeda, termasuk periode yang tidak terjawab, periode yang lebih dari tujuh hari, periode yang jauh lebih berat dari biasanya dan periode yang kurang dari 21 hari terpisah atau lebih dari 35 hari, sesuai dengan Cleveland Klinik. Beberapa wanita dapat menggunakan pil KB untuk membantu mengatur siklus menstruasi mereka, atau mengendalikan perdarahan berat. Menurut penelitian 2011, sekitar 28 persen pengguna pil KB mengambil obat untuk regulasi menstruasi.

Sekitar 14 persen pengguna pil KB mengambil obat untuk mengobati jerawat mereka, menurut penelitian 2011. Penelitian lain menemukan bahwa wanita dengan jerawat dapat memperbaiki kondisinya dengan mengonsumsi pil KB yang mengandung estrogen dan progestin (disebut "pil kontrasepsi kombinasi hormon kombinasi"). Tiga jenis pil KB secara khusus disetujui oleh Food and Drug Administration untuk pengobatan jerawat: Estrostep, Ortho Tri-Cyclen dan YAZ, menurut Bedsider.

Endometriosis adalah suatu kondisi di mana jaringan yang melapisi bagian dalam rahim tumbuh di luar rahim, menyebabkan rasa sakit selama menstruasi. Metode kontrasepsi hormonal membantu mengendalikan penumpukan jaringan endometrium setiap bulan, dan obat ini dapat mengurangi atau menghilangkan rasa sakit pada endometriosis, menurut Mayo Clinic. Sekitar 4 persen pengguna pil KB mengambil obat untuk membantu mengobati endometriosis, menurut penelitian tahun 2011.

Sindrom pramenstruasi, atau PMS, adalah sekelompok gejala yang dimulai satu sampai dua minggu sebelum menstruasi wanita, dan meliputi nyeri payudara, kembung, hasrat makanan, mudah tersinggung, perubahan mood dan depresi, menurut NIH. Bagi beberapa wanita, gejala ini cukup parah untuk mengganggu kehidupan sehari-hari mereka. Obat kontrasepsi hormonal menghentikan ovulasi (pelepasan telur dari ovarium), yang mungkin bisa menghilangkan gejala PMS, menurut Mayo Clinic.

Artikel asli di Ilmu Pengetahuan Live

        

'Destination Moon' Exhibit Marks Kembali ke Houston untuk Apollo 11 Spacecraft


            

HOUSTON – Terakhir kali berada di Houston, pesawat ruang angkasa yang menerbangkan manusia pertama berjalan di bulan sengaja dijauhkan dari masyarakat. Pada kembalinya pertamanya ke kota dalam 48 tahun, modul perintah Apollo 11 akan tersedia untuk dilihat semua orang.

Columbia, kapsul NASA yang membawa Neil Armstrong, Buzz Aldrin dan Michael Collins ke bulan dan kembali pada tahun 1969, adalah inti dari pameran perjalanan "Destination Moon: The Apollo 11 Mission" Smithsonian. Kendaraan dan 20 artefak lainnya dari pendaratan lunar pertama akan dimulai pada Sabtu (14/10) di Space Center Houston, pusat pengunjung NASA Space Center NASA di Texas.

"Tamu kami akan menjadi yang pertama menelusuri jejak pelayaran pertama ke [land humans on] bulan dalam pameran baru yang spektakuler ini," kata William Harris, presiden dan CEO Space Center Houston. [Apollo 11: The Historic Moon Landing in Pictures]

Pusat pembelajaran sains dan ruang nirlaba akan menjadi tuan rumah Columbia sampai 18 Maret 2018, saat pameran "Destination Moon" akan pindah ke Saint Louis Science Center di Missouri. Selama dua tahun ke depan, modul komando juga akan melakukan perjalanan ke Pittsburgh dan Seattle sebelum kembali ke National Air and Space Museum di Washington, D.C., di mana dipamerkan selama 40 tahun terakhir.

Tur tersebut merayakan ulang tahun ke-50 misi Apollo 11 dan memberi kesempatan kepada Smithsonian untuk menampilkan Columbia sebagai National Air and Space Museum mempersiapkan galeri baru untuk pameran yang sedang berlangsung.

Pembukaan "Destination Moon: The Apollo 11 Mission" juga menandai kembalinya Columbia ke "Space City" karena menghabiskan 15 hari di Houston pada tahun 1969.

 Modul perintah Apollo 11 Columbia akan diluncurkan pada layar di Space Center Houston pada 14 Oktober 2017.

Modul perintah Apollo 11 Columbia akan diluncurkan pada layar di Space Center Houston pada 14 Oktober 2017.

             Kredit: Eric Long / Smithsonian

Sebelum peluncuran misi Apollo 11 pada tanggal 16 Juli 1969, Columbia tidak memiliki alasan untuk berada di Houston. Meskipun kota ini adalah rumah bagi para astronot dan merupakan titik kontak mereka di Bumi (oleh karena itu, "Houston, Tranquility Base di sini, the Eagle telah mendarat") pesawat ruang angkasa tersebut dibangun di California dan dikirim langsung ke Florida, dari tempat ia berangkat untuk bulan [Watch: NASA Archive Video of Apollo 11 Moonwalk]

Pasca-penerbangan, Columbia dijadwalkan kembali ke fasilitas perakitan di sebelah tenggara Los Angeles untuk dianalisis, namun pertama-tama harus melakukan singgah di Houston karena kekhawatiran "kuman bulan." Bersama dengan kru dan bebatuan bulan yang mereka bawa kembali, NASA mengarantina kapsul selama 21 hari dari titik percikan, untuk memastikan – betapapun kecil kemungkinannya – bahwa tidak ada penularan yang dikembalikan dari permukaan bulan.

Dipulihkan dari Samudera Pasifik oleh A.S.S. Kapal induk Hornet, dan setelah berhenti di Ford Island dan Pangkalan Angkatan Udara Hickam di Hawaii (untuk penonaktifan kromatografi di kapal), Columbia diterbangkan ke pesawat C-133 ke Houston, tempat pesawat tersebut tiba pukul 06.15. Tengah (2317 GMT) pada tanggal 30 Juli 1969.

NASA membangun fasilitas khusus untuk mengarantina dan mempelajari bebatuan bulan, memeriksa awak kapal dan terus mengamankan modul perintah Apollo di Pusat Spasial Manned di Houston (hari ini, Johnson Space Center). Modul perintah tiba setelah kru dan bebatuan dan dibawa ke Laboratorium Penerimaan Lunar (LRA) melalui pintu masuk pintu garasi sendiri.

 Meskipun ditutup dari dalam, pintu masuk modul perintah masih ada di bekas lokasi Laboratorium Penerima Lunar di Johnson Space Center di Houston hari ini.

Meskipun ditutup dari dalam, pintu masuk modul perintah masih ada di bekas lokasi Laboratorium Penerima Lunar di Johnson Space Center di Houston hari ini.

             Kredit: collectSPACE.com

Sebagian besar LRL seluas 83.000 kaki persegi (7,711 meter persegi) dikhususkan untuk area penerimaan kru, laboratorium sampel dan area administratif. Hanya satu teluk kecil yang didedikasikan untuk mendukung modul perintah. [NASA’s 17 Apollo Moon Missions in Photos]

"Modul perintah dipindahkan ke teluk di trailer yang kami gunakan setelah memulihkan pesawat ruang angkasa," kenang John Hirasaki, satu-satunya insinyur yang akan dikarantina dengan kru dan Columbia, dalam sebuah wawancara dengan collectSPACE.com. "Kami meletakkannya di trailer sehingga kami bisa memindahkannya."

Hirasaki mengatakan bahwa teluk tersebut dikonfigurasi untuk memungkinkan pekerjaan terbatas pada pesawat ruang angkasa, termasuk tempat kerja, penerangan dan peralatan yang dibutuhkan untuk mengakses interiornya. Ruangan itu juga mendapat tekanan negatif sehubungan dengan atmosfer ambien eksterior, seperti banyak area bangunan, untuk memastikan agar bahan lunar yang terlepas akan terkandung.

"Ada langkan yang Anda turuni untuk turun ke lantai, tapi kami mengatur pekerjaan agar kami bisa berjalan dan mengakses modul perintah itu sendiri," katanya.

Hirasaki mulai bekerja di Columbia saat masih berada di laut di atas kapal Hornet, dalam perjalanan kembali ke pantai. Begitu sampai di LRL, ia melepaskan perekam data penerbangan dan mendekontaminasi atmosfer pesawat ruang angkasa.

Hirasaki adalah satu-satunya orang yang bekerja di Columbia saat berada di LRL. Dia tidak dapat mengingat apakah Armstrong atau Aldrin datang untuk melihat pesawat ruang angkasa mereka, tapi Collins – siapa pilot modul perintah – mampir, masuk ke dalam dan bertuliskan di dinding, "Kapal terbaik untuk diturunkan."

Columbia meninggalkan Houston di atas sebuah pesawat Super Guppy di Ellington Air Force Base (Bandara Ellington) untuk dikirim ke fasilitas Rockwell Utara Amerika di Downey, California, pada 14 Agustus 1969, pada hari yang sama kru Apollo 11 dirayakan dengan ticker yang sangat besar. tape parade di New York City.

Columbia terdekat datang ke Houston (sampai sekarang) pada bulan Maret 1971, ketika mengunjungi Austin, Texas selama tiga hari sebagai bagian dari tur 50 negara yang memuncak dengan sumbangannya di Smithsonian.

LRL kemudian menjamu dua pesawat ruang angkasa lain, Apollo 12's Yankee Clipper dan Apollo 14's Kitty Hawk, sebelum diputuskan bahwa modul komando dan kru yang dikembalikan tidak lagi diperlukan karantina. LRL, yang awalnya bertempat di Gedung 37 di Johnson Space Center, terus digunakan untuk menyimpan dan mempelajari sampel lunar sampai tahun 1979, ketika sebuah fasilitas yang lebih mumpuni dibuka di dekatnya (di Gedung 31N).

Bangunan 37 telah dipasang ulang untuk Lab Ilmu Pengetahuan NASA dan teluk modul perintah untuk beberapa waktu digunakan sebagai laboratorium penelitian. Akhirnya meskipun, itu menjadi ruang makan siang untuk penghuni bangunan, dengan meja, kursi dan kulkas.

Hari ini, teluk – dan seluruh bangunan – kosong. Divisi ilmu hayati dipindahkan ke fasilitas baru dan Gedung 37 dijadwalkan untuk pembongkaran, mungkin segera setelah akhir tahun, sementara peragaan Columbia di Pusat Antariksa terdekat Houston berlanjut.

Ikuti liputan debut "Destination Moon: The Apollo 11 Mission" tur pameran di collectSPACE

Ikuti collectSPACE.com di Facebook dan di Twitter di @collectSPACE. Hak Cipta 2017 collectSPACE.com. Semua hak dilindungi.

        

Mencabut Ilmu Buruk Tidak Membuatnya Menghilang


Bayangkan Anda adalah ilmuwan . Anda menerbitkan sebuah makalah dalam jurnal terkemuka beberapa tahun yang lalu, dan makalah itu telah memberi dampak di bidang studi Anda. Ini telah membentuk penelitian Anda sendiri dan telah mengilhami orang lain untuk melakukan penyelidikan serupa. Berkat kertas itu, Anda menikmati status tertentu di antara teman sebayamu. Sekarang Anda mengetahui bahwa salah satu karya yang Anda kutip di koran itu baru saja ditarik. Entah itu kesalahan jujur, total fabrikasi, atau sesuatu di antaranya, pekerjaan itu sekarang telah ditandai dan tidak lagi sesuai dengan pengamatan ilmiah.

Apa yang Anda lakukan?

WIRED OPINION

TENTANG

Jerome Samson adalah konsultan ilmu data, media, dan komunikasi riset. 3.14 Research Management Group sebuah lembaga penelitian dan komunikasi, dan sebelumnya mengelola editor publikasi ilmiah di Nielsen.

Ilmu pengetahuan modern adalah sebuah usaha kelompok Ini lamban, rumit, sering kali melibatkan banyak disiplin ilmu, dan ini hampir selalu mahal – semua alasan bagus bagi peneliti untuk bekerja sama untuk berbagi beban dan memeriksa persamaan masing-masing. Sebuah makalah tahun 2015 di Physical Review Letters memiliki seorang pemecah rekor 5.154 rekan penulis . Itu agak ekstrem, tentu saja, tapi tidak diragukan lagi bahwa di banyak bidang saat ini, kepengarangan tunggal menyusut dan multi-kepengarangan tumbuh . [1945907]

Dan sains dibangun di atas sains. Berdiri di pundak raksasa seperti Google Scholar menjelaskan di beranda rumahnya. Periset membaca tentang pekerjaan sebelumnya sebelum memulai penyelidikan mereka sendiri, sering kali mereplikasi eksperimen masa lalu untuk meletakkan dasar bagi penelitian mereka sendiri. Mereka mengutip referensi dengan teliti, dan peer review adalah norma sebelum dipublikasikan. [1945907]

Ilmuwan membentuk komunitas altruistik raksasa. Ada banyak pertimbangan dan pendanaan untuk bersaing, seperti pada kehidupan lain, namun pada umumnya, para ilmuwan melakukan apa yang mereka lakukan karena mereka termotivasi oleh kebaikan yang lebih besar, dan kolaborasi ada dalam DNA mereka.

Jadi ketika sebuah makalah dicabut, berpotensi membahayakan semua yang terjadi setelahnya, komunitas ilmiah beralih ke mode koreksi diri dan menarik semua dokumen yang, entah di mana, secara langsung atau tidak langsung, telah membuat referensi untuk pekerjaan itu. . Kanan? Sampai pemberitahuan lebih lanjut? Tidak persis. [1945907] [1945906]

Kutipan langsung untuk satu makalah, sebelum dan sesudah pencabutan (untuk legenda, lihat akhir cerita ini).

Untuk satu hal, kata bahwa sebuah makalah telah ditarik jarang membuat berita. Kecuali, tentu saja, kertas itu adalah potongan penyimpangan ini dan nama Anda Andrew Wakefield . Sebagian besar waktu meskipun, penerbit asli hanya mencatat pemberitahuan pencabutan, menampar tanda air "tertarik" pada versi online makalah ini, dan memberitahukan database online.

Sebagai contoh, Daftar daftar PubMed untuk kertas sel induk yang digunakan dalam ilustrasi di atas berisi label "Retracted article" besar di bagian atasnya. [1945906] Penelitian Kanker jurnal yang pertama menerbitkan makalah pada tahun 2005, mencantumkan ini di bagian atas: "Artikel ini memiliki koreksi, namun juga telah ditarik kembali. " Ini bagus dan bagus, tapi untuk setiap kertas yang ditarik, salinan asli yang tidak bertanda masih hidup di cetak (tempat Anda mungkin membacanya di tempat pertama). Dan jika Anda telah mengutip makalah itu dalam karya Anda sendiri, Anda tidak akan menerima peringatan bahwa salah satu kutipan Anda baru saja meledak. [194596] [1945907]

Yang berarti bahwa Anda mungkin benar-benar dalam kegelapan.

]

Dapatkah karya Anda sendiri bertahan tanpa satu kutipan itu? Dalam sebagian besar kasus, itu akan terjadi. Tapi mengapa menyimpan kutipan di ketika itu mungkin untuk melemparkan bayangan pada pekerjaan Anda? Dalam beberapa situasi di mana pencabutan tersebut mengguncang fondasi di mana rumah Anda dibangun, Anda akan ingin mengatasi situasi ini, dan lebih cepat daripada nanti.

Bukan rahasia lagi bahwa ilmu diserang Tim yang luar biasa di Retraction Watch katalog sekitar 600 retraksi baru setiap tahun. Itu belum tentu hal yang buruk – bagaimanapun juga, sejumlah besar pencoretan adalah tanda sehat [1945906] bahwa sains secara aktif memperbaiki dirinya sendiri. Dan ketika Anda membandingkan angka tersebut dengan volume makalah ilmiah di luar sana ( 2,5 juta makalah baru setiap tahun, yang diterbitkan oleh lebih dari 35.000 jurnal di seluruh dunia), ini adalah persentase yang sangat kecil. Tapi yang baik setengah dari semua retraksi disebabkan oleh kesalahan. Kepentingan politik cepat menerkam dan menggunakan kasus-kasus tersebut untuk memenuhi seluruh bidang studi. Dalam siklus berita hari ini yang tidak terkendali, memungkinkan pencabutan tunggal untuk memiliki efek riak pada kredibilitas penelitian masa depan tidak dapat diterima. [1945907]

Jadi, apa yang kita lakukan mengenai hal itu?

Darpa telah mengakui masalahnya dan baru-baru ini mengeluarkan permintaan informasi dengan penilaian suram berikut ini:

"Publikasi saat ini tidak memiliki mekanisme untuk menggabungkan secara cepat perubahan dinamis dalam literatur, seperti retraksi, replikasi, atau temuan baru, yang mungkin harus mengubah kepercayaan pengguna terhadap kesimpulan penelitian yang spesifik. "[1945907]

Agensi dengan gagah berani mengundang para periset untuk membantunya merancang beberapa sistem otomatis untuk Menetapkan tingkat keyakinan untuk hasil penelitian. Di luar p-values ​​ faktor dampak h-index dan altmetrics Darpa sedang mencari beberapa kombinasi pengolahan bahasa alami, sentimen analisis, analisis jaringan, dan pembelajaran mesin untuk menilai reliabilitas, reproduktifitas, dan ketahanan klaim penelitian dengan cepat. [1945907]

Ini patut dipuji dan patut untuk dijelajahi, namun sulit untuk membayangkan bahwa solusinya tidak akan melibatkan beberapa pekerjaan kasar kasar yang serius: yaitu, mengingatkan semua penulis yang telah mengutip karya yang ditarik, secara langsung atau tidak langsung, dan meminta mereka untuk secara formal mengevaluasi dampak pencabutan tersebut atas pekerjaan mereka sendiri. Kita dapat memperdebatkan bagaimana formal proses itu seharusnya (haruskah semua dokumen yang terkena dampak ditangguhkan sampai mereka selesai dibersihkan?), Tapi ada sedikit keraguan bahwa hal itu perlu terjadi.

Ini bukan masalah kecil. . Sebagai animasi di bagian atas artikel menunjukkan, satu sel induk kertas diterbitkan pada tahun 2005 dan ditarik pada tahun 2010 telah dikutip 667 kali – sejauh ini. Hampir setengah dari kutipan tersebut terjadi setelah pencabutan dilakukan secara resmi. Di sinilah kita, pada tahun 2017, tujuh tahun setelah pencabutannya, dan penulis terus menyebutnya seolah tidak ada yang terjadi (termasuk setengah lusin kali dalam beberapa bulan terakhir saja). Tidak ada yang tahu sejauh mana kesalahan dalam makalah itu telah mempengaruhi salah satu makalah di hilir.

Dan animasi di bagian atas hanya menyumbang kutipan langsung. Masing-masing dari 66 dokumen tersebut, pada gilirannya, dikutip oleh surat-surat lain, dan seterusnya dan seterusnya. Lihat bagaimana efek riak dari satu pencabutan itu berakhir yang mempengaruhi lebih dari 33.000 makalah: [1945907]


            

Ikuti Mike Wall di Twitter @michaeldwall dan Google+. Ikuti kami @Spacedotcom, Facebook atau Google+. Awalnya diterbitkan di Space.com.

        [194596]

SpaceX Rocket Meluncurkan 10 Satelit ke Orbit Senin: Cara Menonton Live


                     SpaceX Rocket Meluncurkan 10 Satelit Senin Pagi: Bagaimana Menonton Hidup

            
                                            

Roket SpaceX Falcon 9 berdiri di landasan peluncuran perusahaan di Vandenberg Air Force Base di California menjelang misi Iridium-2 pada bulan Juni 2017. Roket Falcon 9 yang serupa akan meluncurkan 10 satelit komunikasi Iridium Next ke orbit dari padanan yang sama untuk misi Iridium-3 pada 9 Oktober 2017.

                     Kredit: SpaceX
                

            

Perusahaan spaceflight swasta SpaceX dijadwalkan meluncurkan 10 satelit komunikasi ke orbit rendah Bumi pada Senin pagi (9 Oktober), dan Anda dapat menyaksikannya secara online.

Roket SpaceX Falcon 9 dijadwalkan meledak dari Pangkalan Angkatan Udara Vandenberg di California pada pukul 8:37 pagi pukul 05.39 WIB, membawa 10 satelit untuk Iridium Communications. Sebuah live webcast diperkirakan akan dimulai sesaat sebelum pembukaan jendela peluncuran, dan Anda dapat menontonnya di situs SpaceX, atau di Space.com.

Satelit tersebut merupakan bagian dari konstelasi Iridium Next, yang pada akhirnya akan terdiri dari 66 satelit utama dan sembilan satelit cadangan on-orbit (dan juga enam backup yang akan tetap ada di lapangan). Ini adalah yang ketiga dari delapan peluncuran SpaceX yang dijadwalkan untuk konstelasi Iridium Next, dan akan membawa jumlah satelit dalam orbit ke 30.

Pendorong Falcon 9 yang dapat digunakan kembali yang akan digunakan dalam peluncuran besok adalah melakukan penerbangan pertamanya, perwakilan perusahaan mengatakan kepada Space.com. Ini menyelesaikan uji api statis pada hari Kamis (5 Oktober). SpaceX akan berusaha mendongkrak booster tersebut di kapal tak berawak di Samudra Pasifik setelah peluncuran sehingga bisa digunakan untuk misi masa depan. SpaceX telah berhasil mendaratkan sebuah roket tahap pertama Falcon 9 sebanyak 16 kali dan dua penguat Falcon tahun ini

.

 Sebuah ilustrasi dari sebuah satelit Iridium NEXT di orbit.

Ilustrasi sebuah satelit Iridium NEXT di orbit.

             Kredit: Iridium Communications

Iridium Communications mengumumkan awal pekan ini bahwa pihaknya telah mulai menguji dan memvalidasi layanan Iridium Certus-nya, yang akan menggunakan satelit Iridium Next untuk menyediakan "layanan broadband global yang sesungguhnya" kepada penggunanya, menurut sebuah pernyataan dari perusahaan tersebut. Sebanyak 66 satelit akan tersebar di seluruh planet ini untuk memberikan layanan ke daerah-daerah terpencil di dunia, kata perusahaan tersebut.

"Iridium Certus akan mengubah secara mendasar status quo dalam konektivitas satelit untuk penerbangan, maritim, darat-mobile, Internet of Things (IoT) dan pengguna pemerintah," kata Matt Desch, CEO Iridium, dalam pernyataan tersebut. "Mencapai tonggak utama ini melanjutkan momentum kami untuk misi kami memperkenalkan layanan broadband dan aplikasi broadband yang dirancang untuk membantu mitra kami memberikan solusi konektivitas penting, baik mandiri maupun untuk mendukung teknologi broadband lainnya."

Layanan komersial ini diperkirakan akan tersedia di "awal kuartal kedua" tahun 2018, menurut pernyataan tersebut.

                    
            

Pada hari Rabu (11/11), roket SpaceX Falcon 9 lainnya dijadwalkan diluncurkan dari Kompleks Peluncuran NASA 39A di Kennedy Space Center di Florida, membawa satelit komunikasi lain yang disebut SES 11 / EchoStar 105.

Pembalap Falcon 9 untuk peluncuran itu, yang ditunda dari 7 Oktober, telah membuat satu lampu luar angkasa. Pada tanggal 19 Februari, booster tersebut membantu meluncurkan kapal kargo Naga untuk mengirimkan perlengkapan NASA ke Stasiun Luar Angkasa Internasional dan segera mendarat di sebuah pesawat luar angkasa SpaceX.

Elon Musk menulis di Instagram minggu ini bahwa perusahaan tersebut juga akan berusaha mendongkrak pendorong itu lagi.

Ikuti Calla Cofield @callacofield. Ikuti kami @Spacedotcom, Facebook dan Google+. Artikel asli di Space.com.

        [194596]

Teori Baru Retak Membuka Kotak Hitam Jaringan Syaraf Alami


Bahkan saat mesin dikenal sebagai "jaringan syaraf dalam" telah belajar untuk berkomunikasi, mengemudikan mobil, mengalahkan video game dan Go champions bermimpi, melukis gambar dan membantu membuat penemuan ilmiah, mereka juga telah mengacaukan pencipta manusia mereka, yang tidak pernah mengharapkan apa yang disebut algoritma "belajar mendalam" agar bekerja dengan baik. . Tidak ada prinsip dasar yang membimbing disain sistem pembelajaran ini, selain inspirasi samar yang diambil dari arsitektur otak (dan tidak ada yang benar-benar mengerti bagaimana hal itu beroperasi). [1945909]

Majalah Quanta


 penulis foto "data-reactid =" 258 "/> 

<h5 class= Tentang

Cerita asli dicetak ulang dengan izin dari Majalah Quanta, sebuah publikasi editorial independen dari Yayasan Simons yang misinya adalah untuk meningkatkan pemahaman masyarakat tentang sains dengan meliput perkembangan penelitian dan tren matematika dan ilmu fisika dan kehidupan.

Seperti otak, jaringan syaraf yang dalam memiliki lapisan neuron – buatan yang merupakan hiasan memori komputer. Ketika sebuah neuron menyala, ia mengirimkan sinyal ke neuron yang terhubung pada lapisan di atas. Selama belajar mendalam, koneksi di jaringan diperkuat atau dilemahkan sesuai kebutuhan untuk membuat sistem lebih baik dalam mengirimkan sinyal dari data masukan – piksel foto seekor anjing, misalnya melalui lapisan ke neuron yang terkait dengan high- konsep tingkat tinggi, seperti "anjing." Setelah jaringan syaraf yang dalam "belajar" dari ribuan sampel foto anjing, anjing dapat mengenali foto baru seakurat yang dapat dilakukan orang. Lompatan ajaib dari kasus-kasus khusus ke konsep umum selama pembelajaran memberi jaringan syaraf dalam pada kekuatan mereka, sama seperti mendasari penalaran manusia, kreativitas dan fakultas lainnya yang secara kolektif disebut "kecerdasan." Para ahli bertanya-tanya tentang pembelajaran mendalam yang memungkinkan generalisasi – dan sejauh mana otak memahami kenyataan dengan cara yang sama. [1945909]

Majalah Bacaan / Ikqanda Lucy

Bulan lalu, sebuah video YouTube tentang sebuah konferensi di Berlin, yang banyak digunakan oleh periset intelijen buatan, memberikan jawaban yang mungkin. Dalam ceramahnya, Naftali Tishby seorang ilmuwan komputer dan ilmuwan syaraf dari Universitas Ibrani di Yerusalem, mempresentasikan bukti untuk mendukung sebuah teori baru yang menjelaskan bagaimana pembelajaran yang mendalam. Tishby berpendapat bahwa jaringan syaraf dalam belajar berdasarkan prosedur yang disebut "bottleneck informasi", yang dengannya dia dan dua kolaboratornya pertama kali dijelaskan dengan istilah teoritis murni pada tahun 1999 . Idenya adalah bahwa jaringan memberi masukan yang berisik terhadap data detail yang tidak relevan seolah-olah dengan memeras informasi melalui hambatan, hanya mempertahankan fitur yang paling relevan dengan konsep umum. Menyerang percobaan komputer yang baru oleh Tishby dan muridnya Ravid Shwartz-Ziv mengungkapkan bagaimana prosedur pemerasan ini terjadi selama belajar, setidaknya dalam kasus yang mereka pelajari.

Tishby's Temuan memiliki komunitas AI yang berdengung. "Saya percaya bahwa ide bottleneck informasi bisa sangat penting dalam riset jaringan syaraf di masa depan," kata Alex Alemi Google Research, yang telah mengembangkan metode pendekatan baru untuk menerapkan sebuah informasi. analisis bottleneck ke jaringan syaraf dalam yang besar. Kemacetan dapat melayani "tidak hanya sebagai alat teoritis untuk memahami mengapa jaringan saraf kita bekerja sebaik yang mereka lakukan saat ini, tetapi juga sebagai alat untuk membangun tujuan dan arsitektur baru dari jaringan," kata Alemi.

Beberapa peneliti tetap skeptis bahwa teori tersebut sepenuhnya memperhitungkan keberhasilan pembelajaran yang mendalam, namun Kyle Cranmer seorang fisikawan partikel di Universitas New York yang menggunakan pembelajaran mesin untuk menganalisis tabrakan partikel di Large Hadron Collider, mengatakan bahwa sebagai prinsip umum belajar, itu "entah bagaimana berbau benar." [1945909]

Geoffrey Hinton pelopor pembelajaran mendalam yang bekerja di Google dan University of Toronto, mengirim email kepada Tishby setelah menonton pidatonya di Berlin. "Ini sangat menarik," tulis Hinton. "Saya harus mendengarkannya 10.000 kali lagi untuk benar-benar memahaminya, tapi sekarang sangat jarang mendengar ceramah dengan ide yang benar-benar orisinal di dalamnya yang mungkin merupakan jawaban atas teka-teki yang sangat besar."

Menurut Tishby, yang menganggap bottleneck informasi sebagai prinsip dasar dibalik pembelajaran, apakah Anda adalah algoritme, lalat rumah, makhluk sadar, atau perhitungan fisika dari perilaku yang muncul, jawaban yang telah lama dinanti "adalah yang paling lama ditunggu? Bagian penting dari pembelajaran sebenarnya lupa. "[1945909]

The Bottleneck

Tishby mulai merenungkan kemacetan informasi sekitar waktu dimana peneliti lain pertama kali merenungkan jaringan syaraf yang dalam, walaupun belum ada konsep yang disebut . Itu adalah tahun 1980an, dan Tishby sedang memikirkan bagaimana manusia yang baik dalam pengenalan suara – tantangan utama bagi AI pada saat itu. Tishby menyadari bahwa inti permasalahannya adalah pertanyaan relevansi: Apa ciri paling relevan dari kata yang diucapkan, dan bagaimana kita menggoda ini dari variabel yang menyertainya, seperti aksen, gumaman dan intonasi? Secara umum, ketika kita menghadapi lautan data yaitu kenyataan, sinyal mana yang kita simpan? [1945909]

Naftali Tishby, seorang profesor ilmu komputer di Hebrew University of Jerusalem. [1945909]

Miriam Alster, Flash 90. Seni ELSC dan Minggu Otak 2016 [1945909]

"Gagasan tentang informasi yang relevan ini telah disebutkan berkali-kali dalam sejarah tapi tidak pernah dirumuskan dengan benar, "kata Tishby dalam sebuah wawancara bulan lalu. "Selama bertahun-tahun orang mengira teori informasi bukanlah cara yang tepat untuk memikirkan relevansi, dimulai dengan kesalahpahaman yang berkaitan dengan Shannon sendiri." [1945909]

Claude Shannon, pendiri teori informasi, dalam arti tertentu membebaskan studi informasi yang dimulai pada tahun 1940an dengan membiarkannya dianggap abstrak – sebagai 1s dan 0s dengan makna matematis semata. Shannon mengambil pandangan bahwa, seperti yang dikatakan Tishby, "informasi bukanlah tentang semantik." Tapi, Tishby berpendapat, ini tidak benar. Dengan menggunakan teori informasi, dia menyadari, "Anda dapat mendefinisikan 'yang relevan' dengan tepat." [1945909]

Imagine X adalah rangkaian data yang kompleks, seperti piksel foto anjing, dan Y lebih sederhana. variabel yang ditunjukkan oleh data tersebut, seperti kata "anjing." Anda dapat menangkap semua informasi "relevan" di X tentang Y dengan mengompres X sebanyak yang Anda bisa tanpa kehilangan kemampuan untuk memprediksi Y. Pada kertas 1999 mereka, Tishby dan co -authors Fernando Pereira sekarang di Google, dan William Bialek sekarang di Universitas Princeton, merumuskan ini sebagai masalah optimasi matematis. Itu adalah ide dasar tanpa aplikasi pembunuh.

"Saya telah memikirkan hal ini dalam berbagai konteks selama 30 tahun," kata Tishby. "Satu-satunya keberuntungan saya adalah bahwa jaringan syaraf yang dalam menjadi sangat penting." [1945909]

Bola Bicara pada Wajah Orang-orang di Pemandangan

Meskipun konsep di balik jaringan syaraf dalam telah lama ditendang selama beberapa dekade, kinerja mereka dalam tugas seperti pengenalan ucapan dan bayangan hanya dimulai pada awal tahun 2010, karena regimen pelatihan yang lebih baik dan prosesor komputer yang lebih hebat. Tishby mengakui hubungan potensial mereka dengan prinsip bottleneck informasi pada tahun 2014 setelah membaca sebuah makalah mengejutkan mengejutkan oleh fisikawan David Schwab dan Pankaj Mehta .

duo menemukan bahwa algoritma pembelajaran mendalam yang ditemukan oleh Hinton disebut "kepercayaan mendalam", dalam kasus tertentu, persis seperti renormalization, teknik yang digunakan dalam fisika untuk memperkecil pada sistem fisik dengan kasar perinciannya dan menghitung keseluruhan keadaannya. Ketika Schwab dan Mehta menerapkan kepercayaan mendalam pada model magnet di "titik kritisnya", di mana sistemnya fraktal, atau serupa dengan diri sendiri pada setiap skala, mereka menemukan bahwa jaringan tersebut secara otomatis menggunakan prosedur mirip renormalization untuk menemukan negara model. Itu adalah indikasi yang menakjubkan bahwa, sebagaimana dikatakan oleh ahli biofisik Ilya Nemenman "mengekstrak fitur yang relevan dalam konteks fisika statistik dan mengekstrak fitur yang relevan dalam konteks pembelajaran yang mendalam tidak hanya kata-kata yang serupa, tapi juga adalah satu dan sama. "

Satu-satunya masalah adalah bahwa, secara umum, dunia nyata tidak fraktal. "Dunia alam bukanlah telinga di telinga pada telinga di telinga; Ini adalah bola mata di wajah orang-orang di pemandangan, "kata Cranmer. "Jadi saya tidak akan mengatakan [the renormalization procedure] adalah mengapa pembelajaran mendalam pada citra alam bekerja dengan baik." Tetapi Tishby, yang pada saat itu menjalani kemoterapi untuk kanker pankreas, menyadari bahwa pembelajaran mendalam dan prosedur pemberian kasar dapat dilakukan. diliputi oleh gagasan yang lebih luas. "Berpikir tentang sains dan tentang peran gagasan lama saya adalah bagian penting dari penyembuhan dan pemulihan saya," katanya. [1945909]

Noga Zaslavsky, kiri, dan Ravid Shwartz- Ziv membantu mengembangkan teori bottleneck informasi tentang pembelajaran yang mendalam sebagai mahasiswa pascasarjana Naftali Tishby. [1945909]

Noga Zaslavsky / Ravid Shwartz-Ziv

]

Pada tahun 2015, dia dan muridnya Noga Zaslavsky berhipotesis bahwa pembelajaran yang mendalam adalah prosedur bottleneck informasi yang memampatkan data berisik sebanyak mungkin sambil melestarikan informasi tentang apa yang mewakili data. Eksperimen baru Tishby dan Shwartz-Ziv dengan jaringan syaraf dalam mengungkapkan bagaimana prosedur bottleneck benar-benar dimainkan. Dalam satu kasus, para periset menggunakan jaringan kecil yang dapat dilatih untuk memberi label data masukan dengan 1 atau 0 (berpikir "anjing" atau "tidak anjing") dan memberi mereka 282 koneksi saraf dengan kekuatan awal yang acak. Mereka kemudian melacak apa yang terjadi saat jaringan terlibat dalam pembelajaran mendalam dengan 3.000 kumpulan data masukan sampel. [1945909]

Algoritma dasar yang digunakan pada sebagian besar prosedur pembelajaran mendalam untuk meniru koneksi saraf dalam menanggapi data disebut "Keturunan gradien stokastik": Setiap kali data pelatihan dimasukkan ke dalam jaringan, sejumlah aktivitas penembakan menyapu ke atas melalui lapisan neuron tiruan. Ketika sinyal mencapai lapisan atas, pola penembakan terakhir dapat dibandingkan dengan label yang benar untuk gambar-1 atau 0, "anjing" atau "tidak ada anjing." Perbedaan antara pola tembak ini dan pola yang benar adalah "back- disebarkan "di lapisan bawah, yang berarti bahwa, seperti seorang guru yang mengoreksi sebuah ujian, algoritma memperkuat atau melemahkan setiap koneksi agar lapisan jaringan lebih baik menghasilkan sinyal keluaran yang benar. Selama pelatihan, pola umum dalam data pelatihan tercermin dalam kekuatan koneksi, dan jaringan menjadi ahli dalam memberi label data dengan benar, seperti mengenali anjing, sepatah kata, atau 1.

Dalam eksperimen mereka, Tishby dan Shwartz-Ziv melacak berapa banyak informasi yang diberikan setiap lapisan jaringan syaraf yang dalam mengenai data masukan dan berapa banyak informasi yang tersimpan pada label output. Para ilmuwan menemukan bahwa, lapisan demi lapis, jaringan berkumpul untuk hambatan informasi yang terikat teoretis: batas teoritis yang berasal dari kertas asli Tishby, Pereira dan Bialek yang mewakili sistem terbaik mutlak yang dapat dilakukan saat mengekstrak informasi yang relevan. Diikat, jaringan telah menekan masukan sebanyak mungkin tanpa mengorbankan kemampuan untuk memprediksi labelnya dengan akurat. [1945909]

Tishby dan Shwartz-Ziv juga membuat penemuan menarik bahwa pembelajaran dalam berlangsung dalam dua tahap: singkatnya Fase "pas", di mana jaringan belajar untuk memberi label data pelatihannya, dan fase "kompresi" yang jauh lebih lama, yang pada saat itu menjadi bagus dalam generalisasi, yang diukur dengan kinerjanya pada pelabelan data uji baru. [1945909]

Sebagai jaringan syaraf yang dalam, tweak koneksinya dengan turunan stokastik, pada awalnya jumlah bit yang disimpannya tentang data masukan tetap konstan atau sedikit meningkat, karena koneksi menyesuaikan diri dengan encode pola pada input dan jaringan menjadi bagus pada label yang sesuai. saya t. Beberapa ahli telah membandingkan fase ini dengan menghafal.

Kemudian belajar beralih ke fase kompresi. Jaringan mulai menumpahkan informasi tentang data masukan, mencatat hanya fitur terkuat – korelasi yang paling relevan dengan label output. Hal ini terjadi karena, pada setiap iterasi kemiringan gradien stokastik, korelasi kebetulan yang kurang lebih kebetulan dalam data pelatihan memberi tahu jaringan untuk melakukan hal yang berbeda, memutar kekuatan koneksi sarafnya naik turun dalam jalan acak . Pengacakan ini secara efektif sama dengan mengompresi representasi sistem dari data masukan. Sebagai contoh, beberapa foto anjing mungkin memiliki rumah di latar belakang, sementara yang lain tidak. Sebagai siklus jaringan melalui foto pelatihan ini, mungkin "melupakan" korelasi antara rumah dan anjing di beberapa foto karena foto lainnya menangkalnya. Ini adalah melupakan spesifik, Tishby dan Shwartz-Ziv berpendapat, yang memungkinkan sistem untuk membentuk konsep umum. Memang, eksperimen mereka mengungkapkan bahwa jaringan syaraf dalam meningkatkan kinerja generalisasi mereka selama fase kompresi, menjadi lebih baik pada data uji pelabelan. (Jaringan saraf dalam yang dilatih untuk mengenali anjing dalam foto mungkin diuji pada foto baru yang mungkin atau mungkin tidak termasuk anjing, misalnya.)

Masih harus dilihat apakah informasi bottleneck mengatur semua rezim pembelajaran yang mendalam, atau apakah ada rute lain untuk generalisasi selain kompresi. Beberapa pakar AI melihat gagasan Tishby sebagai salah satu dari banyak wawasan teoritis penting tentang pembelajaran yang mendalam telah muncul baru-baru ini. Andrew Saxe seorang peneliti AI dan ilmuwan syaraf teoritis di Harvard University, mencatat bahwa jaringan syaraf tiruan yang sangat besar sepertinya tidak memerlukan fase kompresi yang berlarut-larut untuk menggeneralisasi dengan baik. Sebaliknya, periset memprogram dalam sesuatu yang disebut penghentian awal, yang mengurangi pelatihan singkat untuk mencegah jaringan mengkodekan terlalu banyak korelasi. [1945906] [1945909]

Tishby berpendapat bahwa model jaringan yang dianalisis oleh Saxe dan Rekan-rekannya berbeda dari arsitektur jaringan syaraf yang dalam, namun bagaimanapun, bottleneck informasi yang terikat teoretis mendefinisikan kinerja generalisasi jaringan ini lebih baik daripada metode lainnya. Pertanyaan tentang apakah hambatan untuk jaringan saraf yang lebih besar sebagian ditangani oleh eksperimen terbaru Tishby dan Shwartz-Ziv, tidak termasuk dalam makalah awal mereka, di mana mereka melatih jaringan syaraf lebih besar, 330.000 sambungan dalam untuk mengenali digit tulisan tangan di database manual dan database Standar Nasional dengan Versi 60.000-gambar [1945906]sebuah tolok ukur yang terkenal untuk mengukur kinerja algoritma pembelajaran mendalam. Para ilmuwan melihat konvergensi jaringan yang sama dengan bottleneck informasi yang terikat teoretis; Mereka juga mengamati dua tahap pembelajaran dalam yang berbeda, yang dipisahkan oleh transisi yang lebih tajam daripada di jaringan yang lebih kecil. "Saya sepenuhnya yakin sekarang bahwa ini adalah fenomena umum," kata Tishby.

Manusia dan Mesin

Misteri bagaimana otak menyaring sinyal dari indera kita dan Angkat mereka ke tingkat kesadaran kita mendorong sebagian besar ketertarikan awal pada jaringan syaraf yang mendalam di antara pelopor AI, yang berharap bisa merekayasa ulang peraturan pembelajaran otak. Praktisi AI sejak itu telah meninggalkan jalan setapak di dasbor gila untuk kemajuan teknologi, bukannya menampar bel dan peluit yang meningkatkan kinerja dengan sedikit memperhatikan masuk akal secara biologis. Namun, karena mesin pemikiran mereka mencapai prestasi yang lebih besar-bahkan memicu ketakutan bahwa AI suatu hari nanti dapat menimbulkan ancaman eksistensial – banyak peneliti berharap bahwa eksplorasi ini akan mengungkap wawasan umum tentang pembelajaran dan kecerdasan.

Bagian terpenting dalam pembelajaran sebenarnya lupa.
Naftali Tishby [1945909]

Danau Brenden asisten profesor ilmu psikologi dan data di New York University yang mempelajari persamaan dan perbedaan bagaimana manusia dan mesin belajar, mengatakan bahwa temuan Tishby mewakili " sebuah langkah penting untuk membuka kotak hitam jaringan syaraf tiruan, "tapi dia menekankan bahwa otak mewakili kotak hitam yang jauh lebih besar dan lebih hitam. Otak dewasa kita, yang memiliki beberapa ratus triliun koneksi antara 86 miliar neuron, kemungkinan besar menggunakan sekantong trik untuk meningkatkan generalisasi, melampaui prosedur pembelajaran pengenalan citra dan pengenalan dasar yang terjadi selama masa kanak-kanak dan itu mungkin dalam banyak hal menyerupai belajar di dalam

Misalnya, Lake mengatakan fase pemasangan dan kompresi yang diidentifikasi Tishby tampaknya tidak memiliki analog dalam cara anak mempelajari karakter tulisan tangan, yang ia pelajari. Anak-anak tidak perlu melihat ribuan contoh karakter dan memampatkan representasi mental mereka dalam jangka waktu lama sebelum mereka dapat mengenali contoh lain dari surat itu dan menulisnya sendiri. Sebenarnya, mereka bisa belajar dari satu contoh saja. Danau dan model rekan-rekannya menyarankan agar otak dapat mendekonstruksi surat baru tersebut menjadi serangkaian goresan – konstruksi mental sebelumnya – memungkinkan konsepsi surat yang ditempelkan ke sebuah bangunan pengetahuan sebelumnya. "Daripada memikirkan gambar sebuah huruf sebagai pola piksel dan mempelajari konsep itu sebagai pemetaan fitur-fitur itu" seperti pada algoritma pembelajaran mesin standar, Lake menjelaskan, "sebagai gantinya saya bermaksud membangun model kausal sederhana dari surat tersebut," jalan yang lebih pendek menuju generalisasi.

Ide cerdik semacam itu bisa menjadi pelajaran bagi masyarakat AI, memajukan bolak-balik antara kedua bidang tersebut. Tishby percaya bahwa teori bottleneck informasinya pada akhirnya akan berguna di kedua disiplin ilmu, bahkan jika dibutuhkan bentuk yang lebih umum dalam pembelajaran manusia daripada di AI. Salah satu wawasan langsung yang dapat dipetik dari teori ini adalah pemahaman yang lebih baik tentang jenis masalah mana yang dapat dipecahkan oleh jaringan syaraf tiruan dan buatan. "Ini memberi karakterisasi lengkap masalah yang bisa dipelajari," kata Tishby. Ini adalah "masalah di mana saya dapat menghapus kebisingan dalam masukan tanpa menyakiti kemampuan saya untuk mengklasifikasikan. Ini adalah masalah penglihatan alami, pengenalan suara. Ini juga merupakan masalah yang bisa diatasi otak kita. "

Sementara itu, jaringan syaraf tiruan dan tiruan sebenarnya tersandung pada masalah di mana setiap detail penting dan perbedaan kecil dapat membuang keseluruhan hasil. Kebanyakan orang tidak dapat dengan cepat mengalikan dua jumlah besar di kepala mereka, misalnya. "Kami memiliki banyak masalah seperti ini, masalah logis yang sangat sensitif terhadap perubahan dalam satu variabel," kata Tishby. "Classifiability, masalah diskrit, masalah kriptografi. Saya tidak berpikir pembelajaran yang dalam akan membantu saya memecahkan kode kriptografi. "[1945999]

Generalisasi-melintasi kemacetan informasi, mungkin-berarti membiarkan beberapa rincian di belakang. Ini tidak begitu baik untuk melakukan aljabar on the fly, tapi itu bukan bisnis utama otak. Kami mencari wajah-wajah yang akrab di keramaian, ketertiban dalam kekacauan, sinyal-sinyal mencolok di dunia yang ribut. [19459909]

Kisah asli dicetak ulang dengan izin dari Majalah Quanta sebuah editorial independen publikasi Simons Foundation yang misinya adalah untuk meningkatkan pemahaman masyarakat tentang sains dengan meliput perkembangan penelitian dan tren matematika dan ilmu fisika dan kehidupan. [1945919]