Разницу в частоте птичьего пения объяснили массой тела и родственными связями

Разницу в частоте птичьего пения объяснили массой тела и родственными связями

Различия в частоте пения отдельных видов воробьиных птиц объясняются их родственными связями и массой тела, а также половым диморфизмом. При этом, вопреки популярной гипотезе, она не связана с тем, живут ли птицы в лесу или на открытой местности. К такому выводу пришли орнитологи, проанализировав записи песен 5085 видов воробьиных птиц со всего мира. Результаты исследования опубликованы в статье для журнала .

В мозге нашли «включатель» сознания

В мозге нашли «включатель» сознания

Финские, американские и шведские исследователи выявили мозговые отделы, с высокой вероятностью отвечающие за нахождение человека в сознании или без сознания. Ими оказались некоторые ключевые структуры мозга, активность которых, как выяснилось, играет фундаментальную роль в регуляции сознания вне зависимости от методов воздействия на него. Результаты работы опубликованы в .

«Юнона» построила карту распределения межпланетной пыли

«Юнона» построила карту распределения межпланетной пыли

Астрономы благодаря межпланетной станции «Юнона» смогли оценить распределение межпланетной пыли между орбитами Земли и Юпитера. Оказалось, что можно выделить две группы пыли, а первичный источник пылинок может быть связан с Марсом и его спутниками. Статья опубликована в журнале .

Квантовую динамику холодных атомов научились измерять недеструктивно

Квантовую динамику холодных атомов научились измерять недеструктивно

Физики научились отслеживать населенности уровней холодных атомов рубидия, измеряя сигнал отраженного от них микроволнового излучения. Они показали, что такой способ отличается от традиционных техник, связанных с измерением спектров излучения или поглощения, тем, что он почти не разрушает когерентность состояния. Работа опубликована в .

Алгоритм от Uber научился проходить игры на Atari лучше людей

Алгоритм от Uber научился проходить игры на Atari лучше людей

Инженеры из лаборатории искусственного интеллекта Uber AI Labs разработали семейство алгоритмов Go-Explore, основанных на обучении с подкреплением, которые превосходят по эффективности большинство существующих алгоритмов в тестах на играх Atari 1980-х годов. Go-Explore прошел 11 считающихся наиболее сложными для обучения с подкреплением игр, включая Montezuma’s Revenge и Pitfall, обойдя по набранным в них очкам большинство других алгоритмов и средний человеческий результат. Основной особенностью Go-Explore стала способность запоминать предшествующие перспективные состояния и возвращаться в них, осуществляя оттуда дальнейшую разведку, что позволяет повысить эффективность алгоритма обучения с подкреплением. Разработчики продемонстрировали возможное практическое применение Go-Explore для робототехники в задаче управления манипулятором робота. Кроме того в будущем алгоритм может быть полезен в решении множества других задач от обработки естественных языков до создания новых лекарств, говорится в работе, опубликованной в журнале

COM_SPPAGEBUILDER_NO_ITEMS_FOUND