Klávesové zkratky na tomto webu - základní­
Přeskočit hlavičku portálu


Učte děti programovat, radí expertka. Umělá inteligence je překvapivě stará

aktualizováno 
Strojové učení pomáhá s překladem textu, rozpoznáváním řeči nebo vyhledáváním obrázků. Máme se bát umělé inteligence, která za pár let překoná inteligenci lidskou? Podle výzkumnice Anny Ukhanové ze společnosti Google mají lidé o umělé inteligenci zkreslené představy. Zeptali jsme se, jak se na svět plný „AI“ připravit.

Co už umí AI?

Naši čtenáři si mohli přečíst, že umělá inteligence překládá do češtinyporazila člověka ve hře Go, vyhrává ve hře poker a že vyhrává ve vědomostní soutěži. Problematické může být zapojení umělé inteligence do soudnictví, vojenství nebo medicíny, například proto, že AI neumí dobře zdůvodnit své závěry.

AI (čti „ej áj“) je zkratka pro umělou inteligenci, z anglického artificial intelligence. V posledních několika letech jste se s touto zkratkou nejspíše setkali a určitě ještě setkáte.

Je to módní označení pro strojové učení, které se v poslední době uplatňuje v řadě oborů a začíná pronikat i do běžně používaných služeb. „Cílem zapojení umělé inteligence by měla být tvorba nástrojů, které mají na zřeteli člověka jakožto uživatele,“ myslí si doktorka Anna Ukhanová, která se zabývá výzkumem umělé inteligence pro společnost Google ve Švýcarsku.

Příkladem takového povedeného zapojení AI je podle ní třeba překladač, který bere v úvahu kontext celé věty i pravidla obou jazyků (více v našem článku Umělá inteligence se zakousla do překládání). Firma Google ostatně prohlašuje, že chce být „AI-First“ společností, která klade vývoj a zapojení umělé inteligence na první místo. 

„Překladač Google nyní používá neuronové sítě i pro český jazyk. Zdá se, že...

„Překladač Google nyní používá neuronové sítě i pro český jazyk. Zdá se, že překlady se dramaticky zlepšily!“

„Umělá inteligence a strojové učení není novinkou posledních let!“

Anna Ukhanová, výzkumnice společnosti Google specializující se na strojové...

Anna Ukhanová, výzkumnice společnosti Google specializující se na strojové učení a umělou inteligenci

Pojem AI ale budí rozpaky a nedorozumění. Nejčastějším mýtem podle Ukhanové je představa lidí, že strojové učení je nějaká novinka posledních let: „Lidé si myslí, že jde o naprostou novinku, protože teprve v posledních několika letech vidíme zmínky o umělé inteligenci na každém kroku. Současné úspěchy ale vycházejí z desítek let práce. Některé z algoritmů využívaných pro neuronové sítě sahají doslova do osmdesátých let 20. století, kdy vyšly některé přelomové vědecké články. A i tyto články navazovaly na práci výzkumníků z předchozích dekád.“

Strojové učení obvykle využívá neuronových sítí, které jsou částečně inspirovány tím, jak funguje lidský mozek. Jednotlivé neurony (ve skutečnosti více či méně jednoduché počítačové algoritmy) jsou propojeny do mnoha vrstev. Pokud takováto síť dostane data, na kterých se natrénuje, může pak překvapivě rychle a spolehlivě rozhodovat o dalších datech, která nezná.

Ukázka jednoduché neuronové sítě se čtyřmi vrstvami po šesti neuronech....

Ukázka jednoduché neuronové sítě se čtyřmi vrstvami po šesti neuronech. Spojnice mezi neurony ukazují „dráhy“, kudy nejčastěji proudí komunikace. Tyto dráhy se posilují nebo oslabují na základě zpětné vazby. Tedy neuron, který dává neužitečný výstup, se buď poučí, nebo zůstane nevyužit.

Ve velkém rozhovoru jsme si s Dr. Annou Ukhanovou povídali o současnosti i budoucnosti umělé inteligence. Využili jsme toho, že Ukhanová má zkušenosti z akademického výzkumu i z práce pro velkou společnost, naše první otázky tedy směřovaly k tomu, jak výzkum umělé inteligence probíhá.

Google má hodně dat, ale data nejsou všechno

Jaké to bylo odejít z akademického prostředí do vývoje ve společnosti Google?
Rozhodně tam jsou rozdíly. Asi ten největší rozdíl, který se týká přímo Google, je ten obrovský dopad. Výzkum, který děláme, prakticky ovlivní miliony a miliony lidí na celém světě. Pomáhala jsem řešit problémy pro projekty jako YouTube, Android, Google Mapy nebo Gmail a každá z těchto služeb má přes miliardu uživatelů. Náš výzkum okamžitě a přímo ovlivní život masy lidí.

V akademickém prostředí je něco takového spíše výjimka. Tam váš výzkum skončí v pečlivě sepsaném odborném článku, možná jej budete prezentovat na konferenci před publikem, ale tím to často končí. Nevidíte praktické dopady svého výzkumu, rozhodně ne v krátkém časovém horizontu. To pro mne byla úžasná změna.

Anna Ukhanová, výzkumnice společnosti Google specializující se na strojové...

Anna Ukhanová přednášela o umělé inteligenci novinářům v Praze

Třeba pro YouTube jsem řešila, jak zvýšit maximální frekvenci videoklipů. Ty měly do té doby maximálně 30 snímků za sekundu. Během svého akademického působení jsem mimo jiné studovala, jak frekvence ovlivní vizuální vnímání, takže když jsem přišla do Googlu, byl to jeden z mých zájmů. Jak zvýšit frekvenci a nezvýšit přitom příliš datový tok, bylo s tím spojeno několik dílčích technických problémů. A celkem brzy jsme zvýšili maximální frekvenci na 60 snímků za sekundu, což je důležité třeba pro videa z akčních kamer GoPro nebo pro videa hráčů počítačových her, které to prý hodně potěšilo.

To se ale netýká umělé inteligence. Ve své prezentaci jste mluvila o umělé inteligenci. Jaká jsou častá nedorozumění, se kterými se setkáváte, když lidem vysvětlujete koncept „AI“?
Jedna z věcí, kterou hodně lidí těžko přijímá, je, že umělá inteligence, jak ji známe dnes, není nic nového. Lidé si myslí, že jde o naprostou novinku, protože teprve v posledních několika letech vidíme zmínky o umělé inteligenci na každém kroku. Čteme o startupech, výzkumnících, vládách a velkých firmách, které nasazují nástroje umělé inteligence.

Proč v posledních letech vzkvétá obor umělé inteligence?

  1. Stoupá výpočetní výkon, především GPU a specializovaných procesorů
  2. Vznikají platformy pro strojové učení
  3. Lavinový efekt - úspěšné zapojení umělé inteligence inspiruje další
  4. Výzkum umělé inteligence na akademické půdě i ve firmách

Jsou čtyři důvody, proč je umělá inteligence v posledních pěti deseti letech tak prominentní. Prvním je stoupající výpočetní výkon, především specializovaných výpočetních jednotek. Druhým důvodem je vznik dostupných platforem, které lze využít k testování a vývoji nástrojů strojového učení. Za třetí je zde lavinový efekt – lidé mají k dispozici reálné příklady využití AI, což umožňuje vzájemnou inspiraci a nové pokusy. A konečně výzkumníci mají k dispozici lepší nástroje a prostředky.

Současné úspěchy ale vycházejí z desítek let práce. Některé z algoritmů využívaných pro neuronové sítě sahají doslova do osmdesátých let 20. století, kdy vyšly některé přelomové vědecké články. A i tyto články navazovaly na práci výzkumníků z předchozích dekád.

Takže to není tak, že by se v posledních letech objevil nový obor. Jen uzrála doba, sešly se příznivé podmínky, a vznikl tak velký potenciál. Ti, kteří se ale teprve v poslední době o umělé inteligenci dozvěděli, mají obvykle falešnou představu o tom, jak dlouho se na těchto algoritmech již pracuje.

Protože řada lidí netuší, jak starý je to obor, získají tím i představu o tom, že se tento obor vyvíjí rychleji, než tomu ve skutečnosti je, že?
Máte pravdu, některé věci mohou působit jako přelomové, protože až do nedávna se o nich mimo odborné vědecké kruhy moc nemluvilo. Dnes otevřete noviny a každý den je tam něco o umělé inteligenci. Takže se může zdát, že se obor řítí kupředu. Podle mne je ale obor umělé inteligence teprve na samém začátku.

Výzkumníci v poslední době slavili některé úspěchy. Významně zlepšili strojové překlady, hodně pokročilo rozpoznávání obrazu…. Ale jsou to všechno systémy s velmi úzce vymezenými schopnostmi.

Ukázka rozpoznání tvarů ve zdrojových datech (zde reCAPTCHA) - na ukázce je...

Ukázka rozpoznání tvarů ve zdrojových datech (zde reCAPTCHA) - na ukázce je vidět, že umělá inteligence si vede přibližně stejně dobře jako lidé.

Jako výzkumník pak vidíte, že je to nakonec pod kapotou pořád celkem pochopitelná matematika. Je to rovnice s velkým množstvím parametrů, a na konci je odpověď 1 nebo 0, tedy je to pes, není to pes. Vidím v tom určitou krásu. Ale pro většinu lidí je ta matematika ukrytá a pak mohou získat pocit, že jejich smartphone je „chytrý“, protože najednou umí analyzovat, co je na fotce. Ale ve skutečnosti je to pořád velmi hloupý přístroj, který dělá to, k čemu je naprogramovaný. Stačí, abyste něco řekli anglicky s přízvukem, a telefon vám najednou nerozumí.

Google je na poli výzkumu umělé inteligence celkem aktivní. Pomáhá vám fakt, že máte k dispozici ohromné množství dat? Že třeba můžete jednoduše vzít všechny videa psů na YouTube a analyzovat je?
Není pravda, že všechno záleží na datech. Celá řada našich výzkumů využívá veřejně dostupná data, Google také zveřejňuje datasety pro analýzu hlasových povelů, obrazů apod. A řada algoritmů vyžaduje nikoli velké množství dat, ale ta správná, správně popsaná data.

V rámci jednoho projektu se inženýři Google zaměřili na včasné rozpoznávání nemoci očí (diabetické retinopatie). Pokud se tato nemoc odhalí včas, lze ji léčit, pokud pozdě, může vést k nenávratnému oslepnutí. Zvláště v zemích, kde je přístup k lékařské péči obtížný, je to problém.

Když jsme pracovali na řešení, které by identifikovalo rané známky nemoci na snímcích očního pozadí, ukázalo se, že k natrénování umělé inteligence stačilo jen pár set správně popsaných snímků očního pozadí, které nám poskytli doktoři.

V takovýchto případech lze využít již natrénovanou síť a naučit ji něco specifického (tzv. transfer learning). Natrénujete svůj systém na ohromném vzorku obrázků (třeba image-net je veřejně dostupný) a pak svůj modul doladíte ke specifickému účelu. Nepotřebujete tedy miliony popsaných snímků očního pozadí, stačí pár stovek na doladění několika vrchních vrstev neuronové sítě. Takže ne vždy je potřeba velké množství dat, když se s nimi chytře pracuje.

Anna Ukhanová, výzkumnice společnosti Google specializující se na strojové...

Ukhanová pracuje pro společnost Google ve švýcarském Curychu

Můžeme očekávat, že se roztrhne pytel s novými aplikacemi využívajícími umělou inteligenci, protože jsou tyto nástroje snadno dostupné a je zde řada příkladů, jak postupovat?
Máme nyní příležitost aplikovat umělou inteligenci na nejrůznější oblasti našich životů. Umělá inteligence může třeba udělat z mobilního telefonu užitečný nástroj pro lidi s postižením. Věřím, že se objeví řada velmi specifických využití AI, v různých oborech a v různých oblastech. Všechny velké společnosti i laboratoře na tom pracují.

Jaké jsou časté mýty o umělé inteligenci?

Lidé, kteří znají umělou inteligenci jen z doslechu, mohou mít o schopnostech AI falešnou představu. A tak tu máme debaty o tom, jak lidé přijdou o práci, jak nás zabijí superinteligentní roboti atd. Vy jako výzkumník jste si zřejmě celkem vědoma toho, jaké jsou nedostatky a omezení současných neuronových sítí. Co byste zdůraznila, když se mluví o AI?
Myslím, že hodně lidí přemýšlí o umělé inteligenci velmi zjednodušeně. Je třeba říci, že jsme stále v samotných počátcích výzkumu umělé inteligence. Strojové učení dnes dokáže vyřešit konkrétní úkol: rozpoznat na fotografii hory nebo objímající se lidi, nebo přeložit text z jednoho jazyka do druhého. Bylo by ale naivní se domnívat, že když vyřešíme tyto specifické úlohy, dokážeme v dalším kroku naprogramovat obecnou univerzální umělou inteligenci.

Lidé často dělají takovýto unáhlený závěr, ale pro nás, kteří pracujeme na výzkumu umělé inteligence, je univerzální obecné AI ohromný krok vpřed. A to, že by se taková umělá inteligence uměla učit, zobecňovat poznatky a sama sebe zdokonalovala a zrychlovala, to je další nesmírný krok. Podle mého je naivní myslet si, že tyto kroky po sobě zcela přirozeně následují. Zatím jsme opravdu u samotného zrodu tohoto oboru, kdy se snažíme udělat stroje o trochu chytřejší a o trochu užitečnější.

Jak pomáhá umělá inteligence při překládání textu (video Technet.cz):

Ale i Google se na tomto přehánění podílí. Třeba když vydá zprávu o tom, že jejich program AlphaZero nepotřebuje příklady toho, jak se hraje hra go, a přesto dokáže porazit nejlepší lidské hráče jenom tím, že se učí hrát sám se sebou. To pro někoho může znít jako první verze obecné umělé inteligence, která se sama učí…
Nepracuji pro DeepMind, takže nemůžu mluvit o AlphaGo. Obecně ale můžu říci, že je to stále ukázka strojového učení, kdy se počítač učí z velkého množství příkladů. Buď jsou to příklady v databázi, nebo příklady, které si počítač sám vygeneroval. Neuronová síť se dokáže zdokonalit v nějaké konkrétní úloze. Ale obecná inteligence – tak, jak ji známe třeba ze sci-fi – by se uměla učit obecně, své poznatky by dokázala aplikovat napříč doménami. Podle mého je ohromný rozdíl mezi tím, že vylepšujete specializované systémy (třeba na vyhledávání spamu nebo rozpoznávání objektů v obraze), a tím, že vytvoříte strojovou inteligenci, která dokáže zobecnit porozumění napříč doménami.

Můžeme se podívat i na běžné komunikační prostředky, jako je sarkasmus nebo humor. Ani lidé nedokážou těmto prostředkům vždy porozumět, když srovnám třeba Rusy a Švýcary, je to úplně jiný přístup k humoru, což vede k nedorozumění.

Já si dokážu představit, že by neuronová síť dokázala detekovat sarkasmus, nějaké takové pokusy už jsem viděl. Mnohem těžší bude humor generovat a ještě těžší mu porozumět, nikoli jej jen produkovat.
Je to běh na dlouhou trať.

A co děti, které budou s AI vyrůstat?

Pojďme se podívat na jiný aspekt umělé inteligence – aspekt společenský a pedagogický. Co by měli rodiče svým dětem říct o světě, ve kterém jsou algoritmy rozhodující na základě hluboké analýzy dat všudypřítomné? Stejně jako pro moje prarodiče je nesrozumitelné, jak funguje internetový vyhledávač, bude pro moji generaci složité pochopit, jak neviditelné algoritmy ovlivňují náš život?
Rozumím vám. Technologie se mění velmi rychle. Moje babička se narodila v roce 1918. Zažila většinu 20. století. Když se narodila, neexistovala v Rusku letadla, a za svůj život postupně sledovala, jak se tato technologie každé desetiletí zlepšuje a mění lidské životy. Jak je to vůbec možné, že tenhle člověk byl před třemi hodinami v Moskvě a teď je v Praze? To, co nám připadá samozřejmé, je pro předchozí generaci jako zázrak.

Rodiče by své děti měli učit základům programování. Dítě by mělo být zvědavé, jak věci fungují...

Rozhodně bych rodičům doporučila, aby svoje děti naučili základy informatiky a programování. Jak dítě vyrůstá, rodiče mu představí nová zařízení, třeba chytrý telefon. Je důležité, že jim ten přístroj nejenom dáte do ruky, ale ukážete jim, jak funguje, proč tak funguje, co umí a co neumí. Dítě by mělo být zvědavé, proč věci fungují, jak fungují.

Rozhodně potřebujeme více dívek a chlapců v oblasti programování, ale i dalších přírodních vědách. Je úžasné nadchnout dítě už na začátku. Já osobně vděčím svému otci a svému bratrovi za to, že mě odmalička trpělivě vysvětlovali všechno, co dělají. Můj otec byl elektroinženýr a vždycky mi jasně řekl, co dělá a proč. Díky tomu jsem nikdy neměla pocit, že technologie jsou nějak neproniknutelné, že by to bylo něco, kde nemám šanci. Když jsem se pak rozhodovala, zda jít na technickou univerzitu, nemusela jsem pochybovat o tom, zda bych to zvládla. 

Když už zmiňujete ty stereotypy o holkách a klucích. Když jste nám před chvílí ukazovala Překladač Google, řekla jste dánskou větu „Jeg gik til dansk Tekniske Universitet for at studere datalogi.“ Do češtiny to neuronová síť přeložila jako „Šel jsem na dánskou technickou univerzitu, abych studoval informatiku“, tedy v mužském rodě. Zkusil jsem přeložit několik takových vět z angličtiny do češtiny. Některé obory překladač vyhodnotil jako „mužské“, některé jako „ženské“ (tedy někde systém použil studoval a někde studovala). Pokud to chápu správně, je to tím, že Překladač Google nyní bere v potaz kontext celé věty, a tak si technické obory spojil s muži a humanitní se ženami. Kdyby to takto překládal člověk, řekli bychom, že vychází ze stereotypů. Dalo by se říci, že umělá inteligence si může vytvářet vlastní stereotypy a předsudky? A existuje nebezpečí, že o tom zkreslení (biasu) třeba ani nebudeme vědět?
V dánštině je sloveso stejné pro ženy i pro muže, stejně jako v angličtině. A protože Překladač nebere v potaz hlas, kterým byl dotaz položen, jsou oba překlady, tedy mužský i ženský rod, správné. Obecně je důležité, aby si vývojáři a výzkumníci uvědomili, že výsledky strojového učení jsou tak dobré, jako jsou zdrojová data, na kterých se stroj učí.

Je to pro nás příležitost lépe prozkoumat tyto stereotypy a zkreslení (biasy). Například jsme při analýze dat z experimentální aplikace QuickDraw zjistili, že lidé v různých kulturách jinak přistupují k tomu, když mají nakreslit řekněme židli. Na těchto rozdílech není nic nebezpečného, ale je to připomínka toho, jak rozmanitý je náš svět.

Čtyři různé věty přeložené v Překladači Google z angličtiny do češtiny. U...

Čtyři různé věty přeložené v Překladači Google z angličtiny do češtiny. U „inženýrství“ zvolil překladač mužský rod, u univerzity, marketingu nebo práva rod ženský.

Měli bychom si uvědomit stereotypy, které nás jako společnost ovlivňují. Je to pro nás důležité téma, ve kterém shodou okolností může umělá inteligence i pomoci. Například ve výzkumu, na kterém spolupracujeme s Institutem Giny Davisové – pomohli jsme analyzovat, jaké role ve filmech obvykle náleží mužům a jaké obvykle dostávají ženy.

Všechny, kteří vyvíjejí nástroje umělé inteligence, bych povzbudila k tomu, aby pečlivě přemýšleli o tom, s jakými daty pracují a jaké důsledky to může mít. Zda skutečně učí stroj to, co jej chtějí naučit, a zda v datech není skrytý nějaký systematický problém.

Proč se AI rozhodla tak a ne jinak?

Vidíte problém v tom, že neuronové sítě vyplivnou nějaký výsledek, ale nedokážou obvykle konkrétně a srozumitelně popsat, jak k tomuto výsledku došly?
Přestože se může na první pohled zdát, že neuronová síť je něco neskonale komplexního a nepochopitelného, podle mého tomu tak není. Každé rozhodnutí je možné vystopovat, jak u neuronové sítě, tak u jiných způsobů statistického rozhodování (třeba lineární regrese s mnoha parametry).

Navíc už nyní pracujeme na nástrojích, které přispějí k interpretabilitě a vysvětlitelnosti závěrů umělé inteligence. Například v roce 2017 jsme pod licencí open-source zveřejnili TensorFlow Lattice, který umožňuje uživateli prozkoumat, jakým způsobem strojové učení dělá takové či onaké rozhodnutí. To přispívá k transparentnosti a interpretabilitě. Je rozhodně důležité se této oblasti věnovat.

Pamatujete si na okamžiky, kdy vás umělá inteligence nějakým výsledkem zaskočila?
Napadá mě příklad, kdy jsme trénovali systém na Smart Replies (automaticky generované krátké odpovědi na textové zprávy a e-maily, pozn. red.). Měli jsme natrénovaný systém, který došel k tomu, že když si není jistý, co odpovědět, tak prostě napíše „Miluju tě!“ (I love you!). Velmi mě to pobavilo, bylo to roztomilé. Zvláště když si uvědomím, jaké obavy někdo má z těch systémů, které trénujeme, tak si vzpomenu na tento příklad. 

Když mluvíme o automatických odpovědích – napadá vás příklad něčeho, v čem by lidé v žádném případě neměli spoléhat na umělou inteligenci?
Jako s každou technologií si musíte být vědomi toho, jaké má omezení. Já třeba na cestách hodně spoléhám na svůj budík, ale vím, že mu mohou dojít baterky. Toho jsem se u analogových budíků bát nemusela. Takže když mě čeká ráno něco opravdu důležitého, nastavím si několik na sobě nezávislých budíků v různých zařízeních.

Anna Ukhanová, výzkumnice společnosti Google specializující se na strojové...

Ukhanová vyrůstala v Rusku, studovala v Dánsku a pracuje ve Švýcarsku. „Každá ta země má svůj specifický humor a způsob komunikace,“ všímá si.

U systémů umělé inteligence obecně se nebojím přehnané závislosti. Důležité je, že jste si vědomi toho, co používáte a jakým způsobem to používáte. Pak nebudete mít problémy. A je potřeba si pamatovat, že výsledky nejsou stoprocentní.

Třeba u strojového překladu je to dobře vidět – výsledky jsou skvělé, ale nikoli dokonalé. Stále se objeví věty, které umělá inteligence přeloží naprosto nesmyslně. Proto třeba výsledky raději ověřuji, než je použiji v důležité komunikaci, protože by třeba mohlo dojít ke ztrátě kontextu nebo ke kulturnímu trapasu.

Jakým způsobem by nástroje umělé inteligence měly uživateli sdělit, že si nejsou zcela jisté výsledkem? Lidé to dělají třeba tak, že udělají v řeči přestávku nebo zpomalí, znejistí. Jak by to měly dělat počítače?
Myslím, že na to programátoři často pamatují. Třeba nástroje od Google pro identifikaci objektů v obraze ukazují číslo, které vyjadřuje, jak si je algoritmus jistý tou klasifikací. Záleží ale na programátorovi, jak tuto informaci prezentuje koncovému uživateli. Poslední dobou UX designéři (specialisté na uživatelskou přívětivost a použitelnost, pozn. red.) spolupracují s programátory na tom, aby byly nástroje umělé inteligence použitelné.

Aplikace by měly transparentně ukazovat, jakým způsobem dospěly ke svým závěrům, a v současnosti Google a další provádějí řadu výzkumů ohledně toho, jak na to. Nedávno jsme pořádali PAIR UX Symposium, kam jsme pozvali řadu odborníků na UX i na umělou inteligenci, abychom se tímto problémem zabývali společně. Cílem je vytvořit nástroje umělé inteligence, které mají na zřeteli člověka jakožto uživatele.

Velký test digitálních asistentek Google a Amazon (video Technet.cz):

Autor:


Nejčtenější

Vědci objevili pod zemí biliardy tun diamantů, ale nedostaneme se k nim

Diamanty značky Diamonds International Corporation

V litosférickém podloží Země odhadují vědci tisíce bilionů tun diamantů. Zaměřili ho pomocí zvukových vln. Dodávají...

Stíhačka Su-57 je podle některých ruských médií drahá a zbytečná hračka

Su-57

Ruské letectvo nenakoupí stíhačky páté generace Su-57, uvedl Vladimír Guteněv, člen expertní rady Státní dumy pro...



Bača v migu málem sestřelil špionážní SR-71, po revoluci děsil letce NATO

Ján Skladányi v kokpitu MiG-23 v Leteckém muzeu Kbely

Ján Skladányi byl stíhačem československého a později i českého letectva. Přečtěte si strhující příběh jeho leteckého...

Má hořet půl století jako františek. Jaký reaktor si přeje Bill Gates

Schéma reaktoru TWR-P s tepelným výkonem 600 MW, který by TerraPower měla...

Společnost TerraPower, v jejíž správní radě sedí zakladatel Microsoftu, se konečně přiblížila možnosti stavby reaktoru,...

Atomový řezník připravoval v SSSR půdu civilním proudovým strojům

Iljušin Il-28

Mezi významné bojové letouny studené války patří taktický bombardér Iljušin Il-28. Ten se stal prvním sovětským...

Další z rubriky

Po thajském neúspěchu chce Musk vyčistit vodu v americkém městě

Americký miliardář Elon Musk

Americký miliardář Elon Musk slíbil lidem amerického města Flint, že se postará o čistou vodu. Tamní obyvatele už roky...

Čtyři miliardy let stará částice prozradila, co po nás střílí černé díry

Neutrinová observatoř IceCube je umístěna v hloubkách zhruba od 1,5 do 2,5...

Laboratoř v antarktickém ledu ve spolupráci s vesmírným teleskopem dokázaly poprvé v historii astronomie ukázat, odkud...

Nekupovat: bzučáky proti komárům nefungují, shodli se popíchaní vědci

Nechají se komáři od své hostiny odradit ultrazvukem?

Koupili jste přístroj, který má pomocí zvuků o vysokých frekvencích odpuzovat komáry? Tak to jste naletěli na nesmyslná...

Najdete na iDNES.cz