Почему так трудно создать технологию удачного распознавания лиц - Александр Родин, Виктор Лемпицкий, Александр Ханин - Наука в фокусе - 2015-10-02
Д. Пещикова
―
16 часов и 7 минут в Москве. Действительно программа «Наука в фокусе». Наргиз Асадовой сегодня нет. Я вместо неё. Я Дарья Пещикова. Я с вами осталась. Со мной в студии сейчас соведущий этой передачи Егор Быковский, заведующий отделом науки журнала «Вокруг света». Добрый день.
Е. Быковский
―
Привет, Дарья. Здравствуйте, дорогие друзья.
Д. Пещикова
―
И наши гости, конечно же. Старший преподаватель Сколковского института науки и технологий, кандидат физико-математических наук Виктор Лемпицкий. Здравствуйте.
В. Лемпицкий
―
Здравствуйте.
Д. Пещикова
―
И создатель проекта «VisionLabs» Александр Ханин.
А. Ханин
―
Здравствуйте.
Е. Быковский
―
Давайте пойдём по порядку. Обычно мы начинаем с какой-то новости, которая нас удивила, и потом говорим о ней с экспертами. Удивила меня новость. Это было несколько месяцев назад. И мы всё не могли добраться до уважаемых экспертов, до этой темы. Она была про то, что компания, которая изготавливает всякие продукты безопасности, в том числе и антивирусы (может быть, некоторые из вас ими пользуются), она трудится над очками, которые сделают невозможным распознаванием лица во всяких сервисах – Facebook и всяких прочих, их сейчас много. Очки не ломают геометрию лица, как можно было бы подумать. Там две технологии. Одна инфракрасная, она засвечивает часть лица, а другая наоборот светоотражающая.Правда, современные камеры часто имеют светофильтр, отсекающий всё невидимое излучение. Поэтому инфракрасная засветка бесполезна.
Но суть не в том, я не про очки, а про то, что, поскольку люди начали заниматься разработкой средств, препятствующих распознаванию, это значит, что распознавание вышло на качественно новый уровень, его стоит бояться. Вас умеют распознавать очень хорошо. И вот мне стало ужасно интересно, как это работает. Потому что лет 10 назад успехи были ещё довольно скромные. Сейчас они, видимо, большие. И мы поговорим об этом сегодня в студии с людьми, которые этим так или иначе занимаются. С распознаванием не только лиц, но событий и всяких объектов.
Д. Пещикова
―
Я думаю, что наши слушатели тоже успели заметить, что всё это очень здорово сейчас работает. Тот же Facebook постоянно позволяет отмечать кого-то на фотографиях. Тоже, по-моему, использует одну из технологий популярных.
А. Ханин
―
Да, совершенно верно. У Facebook своя технология распознавания лиц, которая входит в тройку лидирующих в мире.
Д. Пещикова
―
А кто в мире лидер, кстати, по странам?
Е. Быковский
―
Таких технологий тройка или больше? Это одна технология под разными сервисами или разная?
А. Ханин
―
Технологий очень много разных. Но Facebook, Googleи другие ребята, безусловно, в топе.
В. Лемпицкий
―
Тут на самом деле интересный момент. Раньше в таких технологиях лидерами обычно являлись университеты. По крайней мере, что касается самого передового края. А сейчас всё поменялось. Дело в том, что все эти новые методы, которые работают настолько потрясающе хорошо, они работают хорошо во многом благодаря тому, что они обучаются на огромных объёмах данных, и эти объёмы на данный момент таковы, что их может собрать только большая компания, и даже ведущие университеты не всегда могут получить к ним доступ.
Е. Быковский
―
Но больших данных много всяких разных. И к некоторым можно получить доступ. Были бы средства обработки.
В. Лемпицкий
―
Facebook находится в уникальной позиции, чтобы получить доступ к большому количеству фотографий и лиц, и при этом он знает, какие лица принадлежат одному человеку, какие – разным. Скажем, MIT или Стэнфорд так просто эти данные не получат.
Д. Пещикова
―
При этом пользователи сами способствуют, отмечая и идентифицируя тех, кого они отмечают.
Е. Быковский
―
Да, обучают. Контролируют машинное обучение.
Д. Пещикова
―
В принципе как человек, который совершенно к техническим вещам отношения не имеющий, мне интересно, чем отличается наше зрение от зрения компьютера. Есть ли вообще некое зрение компьютера, которое может при этом ещё и анализировать как-то, что он видит.
Е. Быковский
―
Как человек распознаёт чисто технически? Мы не будем говорить, как в мозгу это происходит.
В. Лемпицкий
―
Точно никто не знает.
Е. Быковский
―
Точно никто не знает, да.
В. Лемпицкий
―
В мозгу какая-то большая биологическая нейросеть с очень неясными принципами работы. Примерно только понятны её масштабы. Современное техническое зрение тоже переходит на нейросети со стремительной скоростью. Это такаяминиреволюция или макрореволюция, которая происходит за последние 3 года, опять-таки, связанная с появлением большого количества данных и с появлением графических…
Е. Быковский
―
Буквально в паре слов, что такое нейросети. Потому что не все это знают. Если можно в паре слов.
В. Лемпицкий
―
Нейросеть – это последовательность математических преобразований. Она берёт некоторую картинку, преобразует её по какому-то закону, потом идет следующее преобразование, следующее преобразование. И каждое это преобразование математически записывается довольно простой формулой. И оно зависит от каких-то параметров, в какую сторону мы эту картинку двигает и что с ней делает.
Д. Пещикова
―
То есть что сейчас происходит? Учёные, специалисты пытаются научить думать компьютер?
В. Лемпицкий
―
Учёные, специалисты наслаивают друг на друга эти простые преобразования, получая очень сложные преобразования, и с помощью математически простых алгоритмов подстраивают параметры этих преобразований, чтобы сеть достигала эффекта зрения, чтобы сеть начинала что-то видеть в большом объёме картинок.
Д. Пещикова
―
То есть это путь к искусственному интеллекту?
Е. Быковский
―
Не совсем. Один из путей, без которых, наверное, искусственный интеллект не обойдётся, без распознавания всяких событий вокруг себя, но к интеллекту как таковому это, по-моему, не имеет отношения.
В. Лемпицкий
―
Это скорее философский вопрос. Меня часто про это спрашивают. Я не люблю вдаваться в детали, что является искусственным интеллектом, что не является. По мне так всё, что сейчас происходит, вполне удовлетворяет тем определениям искусственного интеллекта, которые давались некоторое время назад. То есть пресловутый тест Тьюринга сейчас вполне уже на каком-то уровне проходится. И все стали говорить: нет, нет. Тест Тьюринга – это на самом деле не настоящий критерий. Настоящий критерий такой-то.
Е. Быковский
―
У нас как-то была передача про искусственный интеллект. Там очень много определений, которые друг с другом не совпадают или перекрывают. Давайте сейчас не будем залезать в эту тему. Несомненно, что умение отделять одни события от других, распознавать их, является частью интеллекта. Но это условие, наверное, необходимое, но далеко не достаточное. Так как же мы всё-таки распознаём разные события? И как это делает машина?
А. Ханин
―
Смотрите, я могу рассказать с практической точки зрения. Мы занимаемся именно распознаванием лиц, это 99% нашей деятельности.
Д. Пещикова
―
Это Александр Ханин (я для слушателей).
А. Ханин
―
Да. Как работает? То есть мы берём за основу нейронные сети. И как заставить нейронную сеть работать и решать те задачи, которые нам нужны для конкретных применений? То есть есть алгоритмы машинного обучения. Если в двух словах без подробностей, мы берём огромное количество фотографий. И есть фотографии, которые принадлежат одному и тому же человеку. И мы говорим машине: машина, запоминай. Например, вот эти три фотографии принадлежат, допустим, Ивану Петровичу. Вот эти 10 фотографий принадлежат другому человеку.
Е. Быковский
―
Эти фотографии должны быть в каком-то определённом формате? Фас, профиль и полупрофиль? Потому что если есть фотография в фас, то машина в профиль не узнает человека, потому что это совершенно другой набор точек.
А. Ханин
―
Да, про точки потом отдельно поговорим. Как правило, используется более-менее фронтальное изображение. Там допускается поворот. Но на разумные углы. Не больше 30 градусов. Конечно, много запросов, чтобы распознавать с большими диапазонами. Но пока мы в таких ограничениях работаем. И когда мы скармливаем огромные объёмы обучающих примеров нейронной сети, то есть там подстраиваются её параметры, и она способна решать такую задачу. Есть ряд тестов, которые проверяют, насколько хорошо система решает эту задачу. И, по недавним данным, в прошлом году качество распознавания лиц машиной уже работает лучше, чем качество распознавания лиц человеческим мозгом. На это есть цифры.
Д. Пещикова
―
Виктор слово просил.
В. Лемпицкий
―
Тут есть важный момент, что под человеком понимается нетренированный человек, которому платят за просмотры. Я как раз вчера посмотрел. Есть недавнее исследование, которое сравнивает способности распознавания специалистов-криминалистов и неспециалистов. И, разумеется, криминалист это делает гораздо лучше, чем нетренированный человек.
Е. Быковский
―
Потому что он прошёл обучение.
А. Ханин
―
Да, безусловно. Но если говорить о том, что… Вы вначале упомянули, что Facebookздорово делает. То есть уже доступность технологий такая, что она доступна в принципе любому простому человеку. Поэтому если говорить о каких-то больших масштабах, то в среднем уже сейчас качество распознавания лиц машиной лучше, чем среднестатистический человек.
Д. Пещикова
―
Простому человеку это, скорее, для развлечения, в том же Facebook’е нужно. А для каких-то серьёзных целей это как используется? Кто заинтересован больше всего в новых технологиях?
А. Ханин
―
Наверное, самые заинтересованные – это государство и разные структуры, занимающиеся безопасностью. Но конкретно в нашей деятельности мы дистанцируемся от задач безопасности. Мы решаем практические насущные задачи организаций, например, банков, сетевых магазинов. То, чем мы занимаемся и где мы научились хорошо распознавать лица, например, банковская сфера, когда стоит задача просто узнавать клиентов. То есть голубая мечта каждого ритейлера, банкира – помнить своих клиентов в лицо и узнавать, когда они приходят к вам повторно, для того чтобы давать им дополнительный сервис и так далее.
Е. Быковский
―
Поправьте меня. Может быть, я ошибаюсь, но это задача сравнительно простая. Клиент пришёл, он не бегает туда-сюда. Он не скрывает лицо. Он встал перед камерой, его фронтально сняли. В принципе я могу себе представить какую-то простую аналоговую машину, которая сравнит два фронтальных изображения и скажет, trueorfalse. Наверное, даже я бы мог её построить. Но здесь же бывает задача гораздо сложнее. Вы повернули чуть лицо – набор точек сменился. Как узнать? Как это работает? Мне любопытно.
В. Лемпицкий
―
На самом деле задача распознавания фронтальных лиц – это тоже совсем не простая задача. Над ней очень умные люди бились десятилетиями. Проблема с компьютерным зрением, что оно как всегда кажется обманчиво простым. Потому что мы делаем это настолько хорошо, что нам не приходит в голову, что это сложно для компьютера. Люди, даже профессионалы, всегда недооценивают сложность задач, связанных со зрением. Это важно иметь в виду. А что касается выравнивания, современные системы не требуют фронтальности, не требуют идеального освещения.Тут интересный момент. Можно сравнить опубликованные системы от Facebook и от Google. Система Facebook чуть более ранняя. Она брала нефронтальное лицо и пыталась построить из него фронтальное лицо геометрическими преобразованиями, классическими методами компьютерного зрения. И они учили на 4 млн лицах, получили такое-то качество. Через год Googleвзял гораздо больше нейросеть, взял 400 млн лиц неизвестно откуда, не написано, но что-то подсказывает, что это как-то связано с сервисом picasa. И, не применяя никаких ухищрений, никаких выравниваний, смогли обучить большуюнейросеть на большем количестве данных и достигать большей точности распознавания.
То есть алгоритмическая сложность в некотором смысле уходит, появляется сложность инфраструктурная и сложность доставания данных.
Д. Пещикова
―
Ведь правильно. Если нет шаблона, заложенного в базу изначально, невозможно распознать лицо, если это лицо нигде не проявлялось до этого. Человек пластическую операцию сделал. Всё, его нет.
А. Ханин
―
Да. Безусловно, в каких-то практических задачах всегда есть эталон, с которым выполняется сравнение. Например, есть задачи какие-то – это узнавать, как часто к вам возвращаются посетители. Например, стоит камера в магазине.
Д. Пещикова
―
Некий N.
А. Ханин
―
Да, некий N, пришёл человек, id = 123, и потом система узнала, что человек с таким же лицом пришёл через месяц. Мы вспомнили, что это опять 123 приходил повторно, мы не знаем, как его зовут.
Е. Быковский
―
Если в базе сохранились…
А. Ханин
―
Фотография.
Е. Быковский
―
Покупки, то можно, соответственно, ему подсунуть те же самые покупки. Или если базы объединим с банком, он пришёл туда с пистолетом – понятно, что…
Д. Пещикова
―
Не с благими намерениями.
Е. Быковский
―
Всё-таки не очень ясно насчёт шаблонов. То есть чем больше база, тем лучше. Получается в итоге, что это некий чёрный ящик?
В. Лемпицкий
―
Да, это то, на что все жалуются, что математическое понимание этих алгоритмов сильно отстаёт от их практически успехов. Как говорил мой учитель физики, понять – это значит привыкнуть и научиться пользоваться. И с этой точки зрения наше понимание улучшается. С математической точки зрения, пока не настолько быстро.
Д. Пещикова
―
Смотрите, наша слушательница Нина из Северной Осетии прислала СМС на номер +79859704545 с вопросом: «Распознаётся ли одно и то же лицо в младенчестве и старости, или нужны лица одного временного промежутка?».
А. Ханин
―
Пока нет такой большой статистики, которая сказала бы, насколько хорошо это распознаётся. Но в общем случае – да, распознаётся. Но чем больше разница в возрасте между двумя снимками, тем меньше шанс распознать правильно.
Е. Быковский
―
Почему? Ведь лицо не сильно не меняется. Если человек, допустим, не потолстел в 5 раз, оно у него в принципе остаётся тем же самым. Пропорции более-менее те же самые. Нос такой же, если его не сломали, глаза примерно такие же. Что существенно меняется? Я сам хотел задать этот вопрос, потому что производил эксперимент с Facebook’ом, когда мои фотографии, сильно искажённые, но этого возраста, он узнавал уверенно, а фотографии хорошие, чёткие, ничего не надето, 20-летней давности не узнаёт, хотя любой человек скажет: да это ж вон.
В. Лемпицкий
―
Отчасти ответ заключается в том, что в Picasaили Facebook компании не могут намайнить примеры изображения, отделённых 20-летним промежутком. И сети не могут научиться быть устойчивыми к таким изменениям, пусть даже эти изменения гораздо меньше, чем изменения, которые вызываются просто изменением освещения.
Д. Пещикова
―
То есть компьютер лучше видит наши возрастные изменения, чем мы с вами?
Е. Быковский
―
Он не понимает.
Д. Пещикова
―
То есть для него это в большей степени изменение, чем для нас?
Е. Быковский
―
Да. Но это то, о чём мы говорили, сказав о размере базы и её характеристиках. Если из 300 млн лиц, из которых часть была бы снята год за годом, наверняка они бы обучились. Как они… я так всё-таки и не понимаю, чем человеческое восприятие отличается от машинного. Виктор уже ответил, что это чёрный ящик, мы сами не очень понимаем.
А. Ханин
―
Смотрите, я могу добавить, разложить это на несколько простых операций. Операция №Д. ПЕЩИКОВА: сначала нужно в кадре найти лицо.
Д. Пещикова
―
Вычленить.
А. Ханин
―
Это сейчас умеют делать очень многие. Это встроенная функция наших смартфонов, цифровых камер и так далее, и так далее. После того, как мы нашли лицо, следующая задача – привести его к какому-то нормализованному виду. Как Витя говорил, например, Facebook берёт и делает фронтализацию. Когда лицо, даже повёрнутое на какой-то угол, на основе найденных каких-то опорных точек на лице определяется 3D-угол поворота и дальше…
Д. Пещикова:3d
―
модель такая.
А. Ханин
―
Ну, не то, чтобы 3D-модель. И дальше просто выворачивается матричное преобразование и всё это выращивается во фронтале. Например, тот же Google так не делает. Им достаточно просто найденной области с лицом. После того, как лицо приведено к стандартному размеру, к стандартной ориентации. То есть для чего это делают вообще люди, те, кто это делают? Для того, чтобы, например, положение глаз, рта, носа на разных картинках примерно совпадало. Дальше полученная картинка дробится на части, и каждая из частей подаётся на вход нейронной сети. То есть задача набор пикселей закодировать в какой-то дескриптор. Получается, что из каждого кусочка изображения собирается некий вектор, и он называется дескриптор. Дальше эти дескрипторы из разных частей склеиваются в один. И получается на выходе некий дескриптор лица.
Д. Пещикова
―
Цифровая база.
А. Ханин
―
Который можно сравнивать с другими такими же.
В. Лемпицкий
―
Под дескрипторами можно понимать положение в некоторой карте. Можно представить, что каждая картинка лица переходит, проходя через нейросеть, в точку на карте. Только карта не двухмерная, а, скажем, стомерная. И цель нейросети – сделать так, чтобы картинки лица одного человека помещались бы на карте рядом, а картинки лица разных людей помещались бы как можно дальше друг от друга.
Д. Пещикова
―
А когда человек смотрит, у него не такие же ли процессы происходят, или всё совсем иначе?
А. Ханин
―
Мы до конца не знаем, что происходит в мозге человека. Но, конечно, хотелось бы…
В. Лемпицкий
―
Есть интересные сравнения.
Д. Пещикова
―
То есть мы лучше знаем, как функционирует компьютерное зрение, чем зрение человека?
Е. Быковский
―
Конечно.
В. Лемпицкий
―
Такие довольно жестокие. Сразу скажу, что мы их не проводим. Но учёные подсоединялись довольно глубоко в мозг макаки и пытались читать, как её нейроны реагируют на визуальные стимулы. Дальше эти стимулы в мозгу макаки они подавали на вход алгоритма машинного обучения и сравнивали её со стимулами, которые даёт искусственнаянейросеть. И вот оказывается, что с этой точки зрения признаки искусственной нейросетибыли по крайней мередля алгоритма машинного компьютерного обучения были более пригодны для распознавания. Там были не лица, там были некоторые общие категории объектов, но сути это, наверное, не меняет. Хотя наверняка для лиц у нас есть специальный отдел мозга, специальные какие-то приспособления в голове.
Д. Пещикова
―
Я так понимаю, у нас всё идёт по возрастанию. Начиналось всё явно не с лиц. Сначала пытались какие-то более простые объекты различить. Есть что-то ещё теперь большее, куда надо стремиться после распознавания лиц, куда теперь стремиться?
Е. Быковский
―
В события.
А. Ханин
―
Да. Например, у нас сейчас совместный проект, где задача – распознавать более обобщённые категории объектов и событий.
Д. Пещикова
―
Как это?
А. Ханин
―
Причём, в крупномасштабных сетях видеокамер. Представьте сеть видеокамер масштаба города или масштаба страны. Очень важная задача – понимать в этих огромных потоках видеоданных, происходит ли что-то важное для принятия решений. Например, возможно, происходят какие-то правонарушения – драки…
Д. Пещикова
―
Карманник что-то украл.
А. Ханин
―
Да, кражи и так далее. Либо человеку стало плохо. Невозможно…
Е. Быковский
―
Карманников… распознать будет…
Д. Пещикова
―
Это будет похоже на драку, но тут уже совсем…
Е. Быковский
―
На драку это не похоже. На драку похож грабёж.
А. Ханин
―
Направление мыслей правильное. Но задача такая, что данных столько, что операторов…
В. Лемпицкий
―
Но собрать тренировочные данные, что здесь происходила карманная кража, невозможно. Это делает эту задачу очень сложной и интересной.Ещё один пример задачи – это распознавать пешеходов, но не по лицам. То есть в ситуации, когда мы не видим их лица, они занимают несколько пикселей, там недостаточно информации ни для человека, ни для компьютера. Распознавать пешеходов по одежде, понять, что один и тот же человек, снятый с двух точек на расстоянии километра – это один и тот же человек. Это как раз одна из проблем, над которой и мы активно работаем, и другие исследователи. А лица потихонечку становятся индустриальной технологией.
Е. Быковский
―
А зачем распознавать по одежде? Я как-то себе не могу представить применение. Допустим, распознавать по всяким характерным паттернам походки и движения – это ясно, зачем можно сделать.
В. Лемпицкий
―
По одежде на самом деле проще, чем по походке. Проще и по одежде, и по походке. Но если вы выбираете одно из двух…
Е. Быковский
―
Одежду сменить очень быстро, а паттерн движения – нет.
В. Лемпицкий
―
Например, вы хотите понять, как ходит покупатель по вашему супермаркету. Или маршруты общественного транспорта.
А. Ханин
―
Да, или, например, потерялся человек.
В. Лемпицкий
―
Или найти потерянного человека, потерянного ребёнка. Вы знаете точно, как он был одет.
А. Ханин
―
Можно посмотреть, как он шёл, мимо каких камер он проходил. То есть можно восстановить полную картину. И это часто очень-очень важно.
Д. Пещикова
―
А в этой области прорыв – это вопрос какого периода времени?
Е. Быковский
―
Или уже прорыв был? Вообще насчёт эффективности…
В. Лемпицкий
―
Эта задача в принципе сложнее, в том числе потому, что человек её решает гораздо сложнее, с гораздо меньшим успехом. Сложно предсказать. Никто не предвидел текущего прорыва.
Д. Пещикова
―
Хотя бы какие величины? Десятилетия?
А. Ханин
―
Смотрите, по планам у нас до конца следующего года будут готовы частные случаи. То есть, например, в каких-то упрощённых условиях эта задача будет решаться. Общий случай, с карманниками…
Д. Пещикова
―
С карманниками, наверное, долго. Сложная история.
А. Ханин
―
Да, это уже десятилетия.
В. Лемпицкий
―
Коммунизм построят раньше.
Д. Пещикова
―
Но мы будем, конечно, следить за всем, что происходит в этой области, ждать какого-то прорыва. Спасибо большое. Старший преподаватель Сколковского института науки и технологий Виктор Лемпицкий, Александр Ханин, создатель проекта «VisionLabs», с нами обсуждали эту тему. Мы, Дарья Пещикова и Егор Быковский, вернёмся через несколько минут после новостей.
Е. Быковский
―
Спасибо большое. Было очень интересно.НОВОСТИ
Д. Пещикова
―
16 часов и 35 минут. Действительно «Наука в фокусе». Дарья Пещикова и Егор Быковский. Продолжаем. Меняем тему теперь. На этот раз о другом говорим.
Е. Быковский
―
Несколько дней назад NASA заявила об обнаружении жидкой воды на Марсе, а именно о том, что в летние месяцы на современном Марсе появляется вода, которая якобы течёт по стенкам каньонов и кратеров. По словам учёных, они обнаружили подтверждение существования воды на поверхности Марса. На снимках этой планеты там видны некие разводы от струек жидкости, стекающей по стенкам марсианских кратеров.Согласно исследователям, эти следы становятся шире в летние месяцы и уже в зимние, когда холоднее. Фотографии были получены с межпланетной станции MarsReconnaissanceOrbiter. Учёные признаются, что не понимают в точности, откуда берётся вода на Марсе. Возможно, она поднимается из неких ледяных линз или конденсируется из атмосферы. Я тоже не понимаю. Вообще эта новость меня поразила до глубины души. Потому что я считал, что вода на Марсе в стандартных состояниях, даже летних, при том давлении, которое есть на поверхности, возможна только в двух агрегатных состояниях: или она твёрдая, то есть это лёд, или она сразу газообразная, потому что там точка плавления практически совпадает с точкой кипения.
Д. Пещикова
―
Да. Естественно, мы попытались выяснить, что можно об этом более экспертно рассказать. Мы – это гораздо более постоянная, чем я, ведущая «Науки в фокусе» Наргиз Асадова. Она побеседовала со старшим научным сотрудником Института космических исследований РАН, доцентом МФТИ Александром Родиным по этому поводу. Если очень широко формулировать тему, то «Есть ли жизнь на Марсе?». На эту тему она беседовала.
Н. Асадова
―
Учёные из NASA показали, убедительно доказали, что на Марсе есть вода, притом жидкая. И что же это значит? Кто-то говорит о том, что это может указывать на наличие жизни на Марсе. Другие говорят, что это поможет первым колонизаторам Марса выращивать растения и так далее. Какие перспективы, на ваш взгляд, открывает эта находка NASA?
А. Родин
―
Первое, что хочется сказать – то, что, в общем, это, безусловно, важный результат, это очень добротная качественная работа, но, конечно, она не является эпохальным открытием. И то, как NASA это подало в этот раз, это для нас достаточно обычная практика. Если посмотреть историю пресс-релизов, то таких «эпохальных открытий» вы увидите достаточно много. То есть это скорее такой метод продвижения своих результатов на публику.Если говорить о том, что там есть конкретно, то вот эта идея о том, что вода может как-то просачиваться на поверхность в жидком виде, а устойчивой жидкой воды на Марсе быть не может, потому что атмосферное давление не позволяет, оно слишком низкое для этого, то грунтовые воды в каких-то небольших количествах там могут быть. И идея о том, что вода может просачиваться, выходить на поверхность – она обсуждается уже лет 15, начиная с тех пор, как первые картинки аппарата MarsGlobalSurveyor показали наличие таких как бы тёмных ручейков на склонах песчаных осыпей. И сейчас, опираясь на два прибора, это камера высокого разрешения Highrise и изображающий спектрометр инфракрасного диапазона большая международная группа провела достаточно тщательный анализ, показала сезонные и суточные изменения этого, и доказала достаточно убедительно, что в этих отложениях есть некие растворимые соли. И это стыкуется с гипотезой о том, что жидкая вода может выходить на поверхность. Вот, в общем-то, и всё. То есть, во-первых, эта вода существует крайне непродолжительное время. Во-вторых, она в очень небольших там количествах. И третье – это не прямое наблюдение воды, а, в общем-то, косвенное, это интерпретация. И, в-четвёртых, эта идея не нова, а обсуждается достаточно долго и находится в мейнстриме исследований Марса.
Н. Асадова
―
А как вообще жидкая вода может попадать на поверхность планеты, если там действительно очень холодно, средняя температура -40. Я понимаю, что в некоторых местах иногда летом до +22 доходит, но не значит же это, что внутри там, в этих ледяных линзах, она так быстро может растаять и подняться на поверхность. Как такое физически возможно?
А. Родин
―
Во-первых, речь идёт, конечно, не о чистой воде, а о достаточно сильно концентрированных растворах различных солей. И у таких растворов температура, точка замерзания может быть существенно ниже ноля по Цельсия. Во-вторых, температура меняется очень сильно. И плюсовые температуры для поверхности Марса в летний сезон, в общем-то, достаточно обычны. То есть мы говорим не о постоянном присутствии жидкой воды, а об очень кратковременном периодическом нестационарном процессе.
Н. Асадова
―
Все заговорили как раз, что нашли воду жидкую – значит там, вероятно, может быть жизнь. Но, насколько я помню, то вода – это, безусловно, необходимое условие, но не достаточное. Там ещё должны обнаружить метан, кислород. Были ли они обнаружены на Марсе?
А. Родин
―
Вообще говоря, мы не знаем, какие условия для жизни достаточны. Мы вообще плохо понимаем, что такое жизнь, откуда она берётся и так далее. И, конечно же, у нас нет никаких оснований предполагать сейчас о наличии на Марсе какой-либо биосферы, каких-либо форм жизни. Но если до сих пор сторонники найти жизнь на Марсе упирались в аргумент, что уж без жидкой воды точно жизни быть не может, теперь они получили в свои руки этот аргумент, что нет. Вот, пускай очень непродолжительное время, пускай в очень небольших количествах, но жидкая вода, тем не менее, бывает. Я на самом деле на всё это смотрю достаточно скептически, ещё в том числе потому, что, опять же, эта вода не чистая, и такие сильные растворы, как правило, для любых земных бактерий достаточно токсичны. Известно, что… огурцы мы зачем солим? Наверное, потому, чтобы там бактерии не разводились.Поэтому я думаю, что вот эти все разговоры про жизнь – они здесь для красного словца. То есть результат с точки зрения марсианской геологии, климатологии очень важный, очень интересный. Но всё-таки к жизни, наверное, это не имеет никакого отношения.
Н. Асадова
―
Тем не менее, я знаю, что учёные пытаются отслеживать и такие показатели, по крайней мере, жизни на Земле, как присутствие метана и кислорода. Ищут ли эти газы на Марсе, и если да, то какими приборами? Как можно было бы убедительно доказать, что метан есть?
А. Родин
―
Очень хороший вопрос. Спасибо. Молекулярные кислород и метан на Марсе присутствуют. Но если кислород является… Атмосфера Марса достаточно слабенькая, в 100 раз менее плотная, чем земная, но, тем не менее, она там есть, мы хорошо знаем её состав. В основном она состоит из углекислого газа. И кислород является вполне понятным продуктом достаточно сложной цепочки химических процессов, которые происходят в марсианской атмосфере. То есть в тех небольших количествах, в которых он там должен быть, он там есть. И он хорошо наблюдается. И достаточно яркий цикл работ наших российских учёных по результатам аппарата миссии MarsExpress как раз был основан на исследовании свечений молекулярного кислорода.Но, опять же, конечно, это не тот кислород, который мы имеем здесь на Земле, который является в основном продуктом фотосинтеза. Что касается метана, то да, он на Марсе есть. И по-прежнему это загадка. Начиная с 2004 года, он наблюдается разными независимыми приборами. И те оценки, которые сейчас даёт марсоходCuriosity – это примерно половина миллиардной доли. Притом то, что сама атмосфера марса в 100 раз слабее земной. То есть это ничтожное количество. На Земле, для сравнения, метана в том воздухе, которым мы дышим, примерно 1.5-2 миллионные доли. То есть это в десятки-сотни тысяч раз меньшее количество, чем на Земле. Тем не менее, он там есть, и объяснить наличие метана до сих пор разумно и убедительно не даётся, потому что мы не можем предположить, что метан сохранился на Марсе с каких-то очень древних времён, с геологически удалённых эпох, поскольку он разлагается под действием солнечного света, и молекула метана живёт на Марсе примерно 300 лет. А взять его откуда-то из химических цепочек, как кислород, не получается. Поэтому мы должны предположить наличие либо каких-то геологических процессов, либо, тоже пока не можем исключать, ¬может быть, наличие какой-то действительно очень примитивной биосферы. Но метан, подчёркиваю, остаётся загадкой. И на исследование метана сейчас брошены огромные силы. На марсоходеCuriosity работает целый комплекс, основанный на очень тонких аналитических методах лазерной спектроскопии. Похожий, но более совершенный прибор готовится на российскую посадочную платформу будущей, совместной с европейцами миссии «Экзомарс», и очень мощный комплекс приборов под названием «Комплекс атмосферной химии» совсем недавно ушёл из Института космических исследований уже на стыковку с орбитальным аппаратом «Экзомарс», запуск которого ожидается в следующем году. Так что на метан брошены огромные силы и есть надежда, что в скором времени мы узнаем много нового о нём.
Н. Асадова
―
А какие способы есть узнать, откуда там метан? Есть какие-то гипотезы, которые учёные собираются проверить?
А. Родин
―
Первые три догадки, это ещё в достаточно давнишней работе Краснопольского было указано, первое – это тектоника, откуда, скажем, на Земле метан. Второе – это могут быть какие-то кометы, которые могут периодически, метеориты попадать на марс. И мы знаем, что на периферии Солнечной системы метана достаточно много в атмосферах и планет-гигантов, и в атмосфере спутника Сатурна Титана тоже очень много метана, на Плутоне много метана. И третье – это биогенный метан. Никакого другого мы не знаем. Но мы знаем, что тектоника на Марсе практически мёртвая, никаких признаков мы сейчас не видим. Марс маленький по сравнению с Землёй и остыл достаточно давно. Комет и метеоритов, по оценкам, не хватает. То есть та органика, которую они могли привнести на Марс, её недостаточно, чтобы такие количества объяснить. И гипотеза биогенная с бактериями остаётся пока что из области фантастики. Но на самом деле пока обсуждается всё-таки в основном геологическое происхождение. Оно не обязательно должно быть связано с активной тектоникой. Но какие-то процессы, которые идут в недрах, могут приводить к дегазации пород, которые, возможно, накопили этот метан на какой-то ранней стадии формирования Марса
Н. Асадова
―
Смотрите, пока мы изучаем Марс издалека или с помощью аппаратов, которые мы туда посылаем, тот же Curiosity. Но говорят о том, что готовится экспедиция на Марс, люди полетят. И вот владелец компании «Tesla» Илон Маск недавно заявил о том, что да и колонизировать эту планету можно, раз там вода есть. И чтобы на ней стало теплее, можно взорвать термоядерную бомбу. Что вы скажете?
А. Родин
―
Я уже не раз на эту тему высказывался. Всё, что говорит господин Маск, надо принимать с известной долей иронии. У нас тоже есть известные политические деятели, в частности, которых без иронии невозможно воспринимать. Это как раз из этой серии. Что касается вообще идеи «раз на Марсе есть вода, значит туда надо лететь и там легко будет экспедиции», это не совсем так, потому что да, воды на Марсе много, и мы знаем достаточно давно, что там много просто льда. Но самая главная проблема для пилотируемой экспедиции – это всё-таки радиация, от которой надо защищаться. И вода нам тут никак не поможет.
Н. Асадова
―
Спасибо вам большое.
Д. Пещикова
―
Это был старший научный сотрудник Института космических исследований РАН, доцент МФТИ Александр Родин. С ним беседовала Наргиз Асадова. Мы узнали побольше нового о Марсе, возможно, о жизни и о теории, конечно, Илона Маска.
Е. Быковский
―
В общем, яблони там будут нескоро цвести, в любом случае.
Д. Пещикова
―
Будем надеяться, что хотя бы когда-нибудь всё-таки зацветут. Сейчас уйдём на короткую рекламу и вернёмся.РЕКЛАМА
Д. Пещикова
―
Заведующий отделом науки журнала «Вокруг света» Егор Быковский. Я Дарья Пещикова. Мы по-прежнему с вами. И, наверное, сразу же без предисловий перейдём к традиционной рубрике.
Е. Быковский
―
Традиционной и любимой.
Д. Пещикова
―
Сразу хочу напомнить координаты наши и номер для ваших сообщений: +79859704545 – сюда вы можете, как и на Twitter-аккаунт vyzvon и через формы на нашем сайте, присылать свои вопросы о том, что вам интересно узнать из научного мира, какие вопросы для вас слишком сложны, чтобы отвечать на них самостоятельно. О чём вы хотите спросить экспертов?А теперь, наверное, по списочку пойдём, который у нас есть уже.
Е. Быковский
―
Давайте, Даша, я сейчас буквально в двух словах отвечу на вопросы, которые были по мотивам в первой части передачи, очень маленьких. «Насколько система распознавания чувствительна к небольшим или естественным изменениям – растительность, косметика, загар и тому подобное?», - спрашивает Денис. Денис, я могу сразу ответить без экспертов, что к любым изменениям цвета, вы можете даже стать негром, но напор реперных точек это не изменит. Растительность может изменить, но только если сплошным слоем покроетесь. А так усы, борода особо не влияют. Так что это не поможет.И другой вопрос: «Чем больше фоткаешься для Facebook, - спрашивает Кирилл, - тем скорее появится устройство в виде фиксации, автономно засекающей кинувшего окурок на клумбу». Точно, именно так. И этим человеком можете стать вы. Поэтому не кидайте окурок на клумбу. А теперь давайте по вопросам, которые задавали в прошлый раз. Мы готовы на них ответить.
Д. Пещикова
―
Давайте. Андрей из Троицка спрашивал: «Какое животное слышит самые высокие звуки?».
Е. Быковский
―
Очень просто ответить. Большая восковая моль. Есть такое животное, оно же насекомое. Оно может слышать ультразвук на частоте в 300 килогерц. Напомню, что человек не слышит ничего выше 20 килогерц. Моль таким образом слышит охотящихся летучих мышей, потому что те не пищат выше 212 килогерц. Так что у моли есть все шансы вовремя свалить, что она часто и делает.
Д. Пещикова
―
Полезный навык. Полезное свойство. Просто мышь, так подписался наш слушатель или слушательница, спрашивала: «Почему кошки, - хороший вопрос для мыши, - любят коробки?».
Е. Быковский
―
Тут ответов несколько, Просто мышь. Во-первых, по той же причине, что бомжи любят газеты старые. Они в них заворачиваются, когда спят на скамеечках. Просто картон очень плохо проводит тепло. Поэтому сидеть в нём очень уютно. Он хорошо сохраняет тепло. В нём приятно находиться. А, во-вторых, кошки – они же всё-таки хищники, они охотятся из засады. Из коробки очень удобно неожиданно выпрыгнуть. И, кроме того, они мелкие хищники. И поэтому им лучше прятаться от больших хищников, которым иногда является человеком. В коробке тоже удобно.
Д. Пещикова
―
В продолжение нашей сегодняшней космической тематики Борис спрашивал по поводу космической пыли: «Откуда она берётся?».
Е. Быковский
―
Не стоит себе представлять пыль как пыль, которая лежит у вас или у меня дома. В астрономии слово «пыль» означает любую частицу или даже молекулу тяжелее водорода. И всё же чаще этот термин применяется в отношении небольших частичек вещества в открытом космосе, которые имеют тенденцию собираться в облака. Когда у нас были передачи про космос, мы часто упоминали межзвёздную пыль. Эти частицы состоят из чего угодно вообще: от воды, метанового льда до силикатов, карбонатов, органических молекул – всего, чего угодно. А главный источник пылевых частиц в межзвёздном пространстве – это звёзды, конечно. Они вообще главный источник всего. Звёзды, которые вошли в гигантскую стадию своего развития. Например, графитовые и силикатные частицы были найдены в атмосферах старых и холодных богатых кислородом звёзд. А вот карбид кремния возникает в оболочках холодных углеродных звёзд, красных гигантов. Взрывы сверхновых к тому же время от времени разбрасывают пыль на гигантские расстояния. И из них пополняются облака пыли, из которых, в свою очередь, могут образовываться новые звёзды, новые планетные системы и мы с вами.
Д. Пещикова
―
Напоследок такой бытовой вопрос: «Почему мы вскрикиваем «ай»?».
Е. Быковский
―
Это восклицание есть во многих культурах и языках. Оно очень похоже. У китайцев это «айя», у норвежцев «ау», у немцев «ах». И это всё на самом деле примерно одно и то же: широко открытый рот, короткий резкий выдох. Самый простой и быстрый способ произвести громкий звук. Возможно, это когда-то было сигналом оповещения племени об опасности. А, кроме того, если эта опасность – дикое животное, то очень удобно, потому что при этом обнажаются зубы.
Д. Пещикова
―
Вот так. Узнали напоследок такую важную деталь нашей жизни. Спасибо большое. Это был заведующий отделом науки журнала «Вокруг света» Егор Быковский. Я Дарья Пещикова. Наш звукорежиссёр Натаьля Селиванова. Это была «Наука в фокусе». До свидания.
Е. Быковский
―
Всем хороших выходных.