<<<предыдущий список следующий>>>

Это - копия документа, находившегося на http://dz.ru. Авторские права, если не указано иначе, принадлежат Дмитрию Завалишину и/или Евгении Завалишиной. Все изменения, внесенные мной, находятся в этой рамочке.Пожалуйста, прочитайте disclaimer.


28 Апреля 1999

Третий день, и всё о стереодисплеях. :-) Вот какая тема толстая оказалась!

Под этим тентом идут испытания новых образцов трёхмерных дисплеев

Итак, постулат - чтобы сделать стереоизображение нужны два дисплея. Один показываем левому глазу, другой - правому. На одном показываем изображение, снятое (отрендеренное) с одной точки, на другом - с точки на десяток сантиметров правее. И - всё тип-топ. Только вот мучение - как сделать так, чтобы каждый глаз увидел своё.

А как это получается в голограмме? А у неё каждая точка в разных направлениях по-разному излучает. Соответственно, это и есть конечная цель - получить объект, каждая точка которого в разных направлениях по-разному излучает.

А вот если, к примеру, взять две жидкокристаллические матрицы, и сложить их вместе, просветив насквозь одним источником света, то получится интересная штука. Каждый глаз будет получать свет, прошедший через уникальное сочетание пар пикселей. Пиксели, расположенные прямо перед левым глазом, левый глаз видит прямо, соответственно, свет проходит через них пиксель в пиксель. Правый же глаз ту же точку видит несколько наискосок, лучи света к нему проходят через пары пикселей, расположенные наискосок. А значит если найти правильное сочетание изображений на паре мониторов, глазам можно показать два различных изображения, составляющие вместе стереопару. Только вот проблема - вывести на один монитор "правое" изображение, а на другой - "левое" не получится. Вернее, получится, но никакого эффекта объемности из этого не проистечёт. А нужна такая пара изображений, сумма которых с учётом пространственного расположения глаз наблюдателя даст стереопару.

Где их взять? Алгоритма решения этой задачи не существует. Под вопросом даже сам факт - может ли она быть решена. Есть ощущение, что может - по крайней мере, приблизительно, чего в данном случае достаточно. Но как - неизвестно.

И тут пригодилось другое ноу-хау компании Нейрок, то, что дало ей название - нейронные сети. Что это? Это - самообучающиеся системы анализа данных, которые обладают одним чрезвычайно полезным свойством - они пригодны для решения задач, описываемых не алгоритмом, а целевой функцией. Это когда неизвестно, как получить правильный ответ, но всегда можно сказать, насколько правилен данный вариант решения.

Про подобные устройства я уже рассказывал почти год тому назад, когда писал об "инженерном Дарвинизме" - построении методом неестественного отбора систем, решающих определённые целевой функцией задачи. В обоих случаях общий принцип сходен. Мы имеем процессор, способный получать информацию на входе и выдавать некоторый ответ на выходе. Имеем возможность грузить в него прошивку или программу, нечто, определяющее поведение станка, реакцию его на входные данные. Крайне желательно при этом, чтобы станок имел как можно более регулярную и параллельную структуру. То есть Пентиум не подойдет, как, впрочем, и Пауэр Писи. И вообще слово "процессор" здесь используется в самом общем смысле - нечто, способное перерабатывать данные.

В качестве первичной программы в процессор грузят просто шум - любую гадость, лишь бы послучайнее. Далее итеративным методом пытаются эту гадость улучшать, каждый раз пользуясь целевой функцией как маяком - в ту ли сторону плывём.

Тут Дарвинистский метод и метод нейросети расходятся в принципе. Второй использует метод обратного потока. При обучении на нейросеть подают входной сигнал и смотрят, что на выходе. Если полученный нейросетью ответ разошёлся с правильным (при обучении мы его знаем), генерируется волна поправок, которые идут от "выхода" сети ко "входу", перестраивая связи так, чтобы приблизиться к правильному ответу. Эта процедура повторяется многократно, после чего сеть научается обрабатывать входную информацию заданным образом. Причём не только ту, что была дана при обучении, но и любую похожую.

Метод же неестественного отбора работает иначе. Опять же, мы подаём на систему известный сигнал и смотрим, насколько правильный получился ответ. Но теперь уже мы работаем с целой популяцией прошивок. Грузим их по очереди и смотрим, какая хуже, какая лучше. Далее с некоторой вероятностью убиваем самые плохие и "размножаем" (дублируем) самые хорошие. Теперь немножко мутаций (случайным образом меняем биты в случайных местах случайно выбранных прошивок), кроссинговера (разрезаем пару случайно выбранных прошивок в случайном месте и "голову" одной приклеиваем к "ногам" другой) и операция повторяется.

Повторив эту вакханалию случайностей несколько десятков тысяч раз, получаем прошивку, которая решает поставленную задачу.

Андрей Путилин, создатель всего того, о чём я пишу уже третий номер

В данном случае был использован метод нейросетей, но суть не в этом, а в том, что задача была поставлена такая, решение которой логическим путём не ищется. Осмелюсь провести здесь параллель с "Понедельником, что начинается в субботу" - именно там, думается мне, впервые прозвучало описание этого подхода. Что смыслу решать задачи, у которых есть решение? ФИАНовцы победили задачу, решение которой невычислимо! Правда, в "Понедельнике" от попытки решать неразрешимые задачи просто горел компьютер, а в реальности - родилась новая технология формирования стереоизображений.

Правда, пока что существующая лишь в программной модели. Но в модели прекрасно работающая. А при учёте того, что остальные свои идеи Нейроковцы уже воплотили хоть в лабораторное, но железо - я не сомневаюсь, что и эта будет воплощена.

Удивительно, но за несколько часов, проведённых в ФИАНе, я узнал столько, что третий день не могу высказать. Вы думаете, я обо всём рассказал? Да дудки-то! Вон посмотрите, в руках у Андрея Путилина на фотографии - оптический прицел на базе туннельной голограммы. Это, говоря грубо, когда свет влетает в стекло перпендикулярно поверхности, потом поворачивает на 90 градусов, проходит внутри плоскости стекла некоторое расстояние, и выходит в другом месте опять через плоскость. При этом стекло в целом не теряет прозрачности. И это не всё - есть ещё многоракурсные изображения и синтезированные голограммы, есть еще проблемы упаковки стереовидео, есть еще...

Есть еще в России наука. Кстати, способная прокормить себя сама, без крика и плача о том, что демократы продали Рассею. Просто делают люди дело, а оно вдруг оказывается, что на дело есть спрос. А на плач - нету. Вот и весь фокус.

Кстати. На Прописи-то зайти, глянь - авось что интересное найдётся.