Impression 3D sur métal

Bien que l’impression 3D existe depuis des décennies, elle est restée largement dans le domaine des amateurs et des designers qui fabriquent des prototypes uniques. Et l’impression d’objets avec autre chose que des matières plastiques, en particulier le métal, a été coûteuse et lente.

Aujourd’hui, cependant, il devient assez bon marché et facile pour être un moyen potentiellement pratique de fabriquer des pièces. S’il était largement adopté, il pourrait changer la façon dont nous produisons en masse de nombreux produits.

À court terme, les fabricants n’auraient pas besoin de maintenir des stocks importants – ils pourraient simplement imprimer un objet, comme une pièce de remplacement pour une voiture vieillissante, chaque fois que quelqu’un en a besoin.

A plus long terme, les grandes usines qui produisent en masse une gamme limitée de pièces pourraient être remplacées par des usines plus petites, plus diversifiées et s’adaptant aux besoins changeants des clients.

La technologie peut créer des pièces plus légères, plus résistantes et des formes complexes qui ne sont pas possibles avec les méthodes de fabrication conventionnelles. Elle peut également fournir un contrôle plus précis de la microstructure des métaux. En 2017, des chercheurs du Lawrence Livermore National Laboratory ont annoncé qu’ils avaient mis au point une méthode d’impression 3D pour créer des pièces en acier inoxydable deux fois plus résistantes que les pièces traditionnelles.

Toujours en 2017, la société d’impression 3D Markforged, une petite start-up basée à l’extérieur de Boston, a lancé la première imprimante 3D en métal pour moins de 100 000 $.

Une autre startup de la région de Boston, Desktop Metal, a commencé à livrer ses premières machines de prototypage des métaux en décembre 2017. Elle prévoit de commencer à vendre des machines plus grosses, conçues pour la fabrication, qui sont 100 fois plus rapides que les anciennes méthodes d’impression sur métal.

L’impression des pièces métalliques devient également plus facile. Desktop Metal offre maintenant un logiciel qui génère des conceptions prêtes pour l’impression 3D. Les utilisateurs indiquent au programme les spécifications de l’objet qu’ils souhaitent imprimer, et le logiciel produit un modèle informatique adapté à l’impression.

GE, qui préconise depuis longtemps l’impression 3D dans ses produits aéronautiques, a une version d’essai de sa nouvelle imprimante métallique assez rapide pour fabriquer des pièces de grandes dimensions. La société prévoit de commencer à vendre l’imprimante en 2018.

Les embryons artificiels

Dans le cadre d’une percée qui redéfinit la façon dont la vie peut être créée, les embryologistes travaillant à l’Université de Cambridge au Royaume-Uni ont développé des embryons de souris d’apparence réaliste en n’utilisant que des cellules souches. Pas d’oeuf. Pas de sperme. Juste des cellules prélevées sur un autre embryon.

Les chercheurs ont soigneusement placé les cellules dans un assemblage tridimensionnel et les ont regardées, fascinées, alors qu’elles commençaient à communiquer et à s’aligner dans la forme de boule caractéristique d’un embryon de souris vieux de plusieurs jours.

Nous savons que les cellules souches ont un puissant potentiel de ce qu’elles peuvent faire. « Nous ne nous rendions pas compte qu’elles pouvaient s’organiser de manière aussi belle ou aussi parfaite « , disait Magdelena Zernicka-Goetz, qui dirigeait l’équipe, à l’époque.

Zernicka-Goetz dit que ses embryons « synthétiques » n’auraient probablement pas pu devenir des souris. Néanmoins, ils laissent entendre que nous pourrions bientôt avoir des mammifères nés sans oeuf.

Ce n’est pas le but de Zernicka-Goetz. Elle veut étudier comment les cellules d’un embryon précoce commencent à assumer leur rôle spécialisé. « L’étape suivante, dit-elle, consiste à fabriquer un embryon artificiel à partir de cellules souches humaines, un travail qui se poursuit à l’Université du Michigan et à la Rockefeller University.

Les embryons humains synthétiques seraient une aubaine pour les scientifiques, car ils permettraient à ces derniers de faire la part des choses dès le début du développement. Et puisque de tels embryons commencent par des cellules souches faciles à manipuler, les laboratoires seront en mesure d’utiliser une gamme complète d’outils, comme l’édition de gènes, pour les étudier au fur et à mesure de leur croissance.

Cependant, les embryons artificiels posent des questions éthiques. Et s’ils se révèlent indiscernables des embryons réels? Combien de temps peuvent-ils être cultivés en laboratoire avant de ressentir de la douleur? Nous devons nous pencher sur ces questions avant que la science n’avance beaucoup plus, disent les bioéthiciens.

Sensing City (la ville intelligente)

De nombreux projets de villes intelligentes se sont heurtés à des retards, ont réduit leurs objectifs ambitieux ou ont coûté cher à tout le monde, sauf aux super-employés. Un nouveau projet à Toronto, appelé Quayside, espère changer ce schéma d’échecs en repensant un quartier urbain à partir de zéro et en le reconstruisant autour des dernières technologies numériques.

Alphabet’s Sidewalk Labs, dont le siège social est situé à New York, collabore avec le gouvernement du Canada sur le projet de haute technologie, prévu pour le secteur riverain industriel de Toronto.

L’un des objectifs du projet est de fonder les décisions relatives à la conception, aux politiques et à la technologie de l’information provenant d’un vaste réseau de capteurs qui recueillent des données sur tout, de la qualité de l’air aux niveaux de bruit en passant par les activités humaines.

Le plan prévoit l’autonomie et le partage de tous les véhicules. Les robots erreront sous terre pour faire des tâches simples comme livrer le courrier. Sidewalk Labs affirme qu’il ouvrira l’accès aux logiciels et systèmes qu’il crée afin que d’autres entreprises puissent construire des services à partr d’eux, tout comme les gens construisent des applications pour les téléphones mobiles.

L’entreprise a l’intention de surveiller de près les infrastructures publiques, ce qui soulève des préoccupations au sujet de la gouvernance des données et de la protection des renseignements personnels. Mais Sidewalk Labs croit qu’elle peut travailler avec la communauté et le gouvernement local pour apaiser ces inquiétudes.

« Ce qui distingue ce que nous essayons de faire à Quayside, c’est que le projet est non seulement extraordinairement ambitieux, mais qu’il a aussi une certaine dose d’humilité « , explique Rit Aggarwala, responsable de la planification des systèmes urbains chez Sidewalk Labs. Cette humilité peut aider Quayside à éviter les pièges qui ont miné les initiatives précédentes de villes intelligentes.

D’autres villes nord-américaines réclament déjà d’être les prochaines sur la liste de Sidewalk Labs, selon Waterfront Toronto, l’organisme public qui supervise le développement de Quayside. « San Francisco, Denver, Los Angeles et Boston ont tous appelé pour demander des présentations « , déclare Will Fleissig, PDG de l’agence.

L’AI pour tout le monde

L‘intelligence artificielle a été jusqu’ à présent principalement le jouet de grandes sociétés technologiques comme Amazon, Baidu, Google, et Microsoft, ainsi que quelques startups. Pour de nombreuses autres entreprises et parties de l’économie, les systèmes d’IA sont trop coûteux et trop difficiles à mettre en œuvre.

Quelle est la solution? Les outils d’apprentissage machine basés dans le cloud apportent l’intelligence artificielle à un public beaucoup plus large. Jusqu’ à présent, Amazon domine le Cloud AI avec sa filiale AWS. Google s’ y oppose avec TensorFlow, une librairie AI open-source qui peut être utilisée pour construire d’autres logiciels d’apprentissage machine. Récemment Google a annoncé Cloud AutoML, une suite de systèmes préformés qui pourraient rendre l’IA plus simple à utiliser.

Microsoft, qui dispose de sa propre plate-forme de cloud computing AI, Azure, s’associe à Amazon pour proposer Gluon, une librairie d’apprentissage en profondeur open-source. Gluon est censé construire des réseaux neuronaux – une technologie clé de l’intelligence artificielle qui imite grossièrement la façon dont le cerveau humain apprend – aussi simple que la création d’une application pour smartphone.

Il n’est pas certain qui de ces sociétés deviendra le leader dans l’offre de services cloud AI. Mais c’est une occasion de business énorme pour les gagnants.

Ces produits seront essentiels si l’on veut que la révolution de l’IA se propage plus largement dans les différents secteurs de l’économie.

À l’heure actuelle, l’AI est surtout utilisé dans l’industrie de la technologie, où elle a créé des gains d’efficacité et produit de nouveaux produits et services. Mais de nombreuses autres entreprises et industries ont eu du mal à tirer parti des progrès de l’intelligence artificielle. Des secteurs tels que la médecine, la fabrication et l’énergie pourraient également être transformés s’ils étaient en mesure de mettre en œuvre la technologie de manière plus complète, ce qui stimulerait considérablement la productivité économique.

La plupart des entreprises, cependant, n’ont toujours pas assez de personnes qui savent comment utiliser l’IA dans les clouds. Amazon et Google mettent également en place des services de conseil. Une fois que le cloud met la technologie à la portée de presque tout le monde, la véritable révolution de l’intelligence artificielle peut commencer.

Le duel des réseaux neuronaux

L’intelligence artificielle est de plus en plus capable d’identifier les choses: montrez-lui un million d’images, et elle peut vous dire avec une précision déconcertante lesquelles représentent un piéton traversant une rue. Mais l’IA n’ a aucun espoir de générer des images de piétons par elle-même. Si elle pouvait le faire, ell serait capable de créer des images réalistes mais synthétiques représentant les piétons dans différents cadres, qu’une voiture autonome pourrait utiliser pour s’entraîner sans jamais sortir sur la route.

Le problème, c’est que la création de quelque chose de tout à fait nouveau exige de l’imagination – et jusqu’ à présent, cela a laissé perplexe les IA.

La solution a d’abord été trouvée par Ian Goodfellow, alors étudiant au doctorat à l’Université de Montréal, lors d’un débat académique en 2014. L’approche, connue sous le nom de réseau accusatoire génératif, ou GAN, prend deux réseaux neuronaux – les modèles mathématiques simplifiés du cerveau humain qui sous-tendent l’apprentissage de la plupart des machines modernes – et les oppose les uns aux autres dans un jeu de chat et de souris numérique.

Les deux réseaux sont formés sur le même ensemble de données. L’un, connu sous le nom de générateur, est chargé de créer des variations sur les images qu’il a déjà vues – peut-être une image d’un piéton avec un bras supplémentaire. Le second, connu sous le nom de discriminateur, doit indiquer si l’exemple qu’il voit est semblable aux images sur lesquelles il a été formé ou s’il s’agit d’un faux produit par le générateur, est-ce que cette personne à trois bras est susceptible d’être réelle?

Avec le temps, le générateur peut devenir si bon pour produire des images que le discriminateur ne peut pas repérer les faux. Essentiellement, on a appris au générateur à reconnaître les piétons et à créer des images réalistes.

Cette technologie est devenue l’une des avancées les plus prometteuses de la dernière décennie, capable d’aider les machines à produire des résultats qui trompent même les humains.

Les GAN ont été mis en œuvre pour créer de la fausse imagerie photoréaliste et un discours réaliste. Dans un exemple convaincant, des chercheurs du fabricant de puces Nvidia ont donné l’exemple d’un GAN avec des photographies de célébrités pour créer des centaines de visages crédibles de personnes qui n’existent pas. Un autre groupe de recherche a réalisé des faux tableaux qui ressemblent aux œuvres de van Gogh. Poussés plus loin, les GAN peuvent réimaginer les images de différentes manières – en faisant paraître une route ensoleillée enneigée, ou en transformant les chevaux en zèbres.

Les résultats ne sont pas toujours parfaits: les GAN peuvent évoquer des vélos avec deux jeux de guidons, par exemple, ou des visages avec des sourcils au mauvais endroit. Mais parce que les images et les sons sont souvent étonnamment réalistes, certains experts croient qu’il y a un sens dans lequel les GAN commencent à comprendre la structure sous-jacente du monde qu’ils voient et entendent. Et cela signifie que l’intelligence artificielle peut acquérir, avec un sens de l’imagination, une capacité plus indépendante de donner un sens à ce qu’elle voit dans le monde.

Les écouteurs Babel-Fish (capables de traduire les langues)

Dans le classique culte de science-fiction The Hitchhiker’s Guide to the Galaxy, vous glissez une oreillette Babel jaune dans votre oreille pour obtenir des traductions en un instant. Dans le monde réel, Google a mis au point une solution provisoire: une paire d’écouteurs Pixel Buds de 159 $. Ceux-ci travaillent avec ses smartphones Pixel et l’application Google Translate pour produire une traduction pratiquement en temps réel.

Une personne porte les écouteurs, l’autre tient un téléphone. Le porteur de l’oreillette parle dans sa langue (l’anglais est la langue par défaut) et l’application traduit la conversation et la prononce à haute voix par le téléphone. La personne qui tient le téléphone répond; cette réponse est traduite et lue à travers les écouteurs.

Google Translate dispose déjà d’une fonction de conversation, et ses applications iOS et Android permettent à deux utilisateurs de parler, car elle calcule automatiquement les langues qu’ils utilisent, puis les traduit. Mais le bruit de fond peut rendre difficile pour l’application de comprendre ce que les gens disent, et aussi de comprendre quand une personne a cessé de parler et qu’il est temps de commencer à traduire.

Les Pixel Buds contournent ces problèmes parce que le porteur tapote et tient un doigt sur le bouton droit de l’oreille pendant qu’il parle. Le fait de partager l’interaction entre le téléphone et les écouteurs permet à chaque personne de contrôler un micro et aide les haut-parleurs à maintenir le contact visuel.

Les Pixel Buds ont été largement utilisés pour le design subpar. Ils ont l’air ridicules, et ils peuvent ne pas bien s’adapter à vos oreilles. Ils peuvent aussi être difficiles à installer avec un téléphone.

Les Pixel Buds montrent la promesse d’une communication mutuellement intelligible entre les langues en temps quasi réel. Et pas besoin de poisson…

Gaz naturel zéro carbone

Le monde est probablement coincé avec le gaz naturel comme l’une de nos principales sources d’électricité dans un avenir prévisible. Bon marché et facilement accessible, il représente aujourd’hui plus de 30 % de l’électricité américaine et 22 % de l’électricité mondiale. Et même s’il est plus propre que le charbon, il reste une source massive d’émissions de carbone.

Une centrale électrique pilote juste en dehors de Houston, au cœur de l’industrie pétrolière et de raffinage américaine, teste une technologie qui pourrait faire de l’énergie propre tirée du gaz naturel une réalité. L’entreprise à l’origine du projet de 50 mégawatts, Net Power, estime qu’elle peut produire de l’électricité à un coût au moins aussi bas que les centrales à gaz naturel standard et capter la quasi-totalité du dioxyde de carbone libéré dans le processus.

Si c’est le cas, cela signifierait que le monde a un moyen de produire de l’énergie sans carbone à partir d’un combustible fossile à un coût raisonnable. De telles centrales à gaz naturel pourraient être mises en service à la demande, ce qui permettrait d’éviter les coûts en capital élevés de l’énergie nucléaire et d’éviter l’offre instable que fournissent généralement les énergies renouvelables.

Net Power est une collaboration entre la société de développement technologique 8 Rivers Capital, Exelon Generation et la société de construction énergétique CB&I. La société est en train de mettre en service l’usine et a commencé les premiers essais. Elle a l’intention de publier les résultats des premières évaluations dans les mois à venir.

L’usine place le dioxyde de carbone libéré par la combustion du gaz naturel sous haute pression et chaleur, en utilisant le CO2 supercritique qui en résulte comme « fluide de travail » qui entraîne une turbine spécialement construite. Une grande partie du dioxyde de carbone peut être recyclée en continu; le reste peut être capturé à bon marché.

La réduction des coûts dépend en grande partie de la vente de ce dioxyde de carbone. Aujourd’hui, l’utilisation principale est d’aider à extraire le pétrole des puits de pétrole. Il s’agit d’un marché limité et pas particulièrement écologique. En fin de compte, toutefois, Net Power espère voir une demande croissante de dioxyde de carbone dans la fabrication du ciment, des plastiques et d’autres matériaux à base de carbone.

La technologie de Net Power ne résoudra pas tous les problèmes liés au gaz naturel, en particulier du côté de l’extraction. Mais tant que nous utilisons du gaz naturel, nous pourrions l’utiliser aussi proprement que possible. De toutes les technologies énergétiques propres en développement, Net Power est l’une des plus prometteuses en matière de réduction des émissions de carbone.

Parfaite confidentialité en ligne

La vraie confidentialité sur Internet pourrait enfin devenir possible grâce à un nouvel outil qui vous permettra, par exemple, de prouver que vous avez plus de 18 ans sans révéler votre date de naissance ou que vous avez suffisamment d’argent à la banque pour effectuer une transaction financière sans révéler votre solde ou d’autres détails. Cela limite le risque d’atteinte à la vie privée ou de vol d’identité.

L’outil est un protocole cryptographique émergent appelé preuve de la connaissance zéro. Bien que les chercheurs y travaillent depuis des décennies, l’intérêt a explosé au cours de la dernière année, en partie grâce à l’obsession croissante pour les cryptomonnaies, dont la plupart ne sont pas privées.

Une grande partie du mérite d’une preuve de l’absence totale de connaissance revient à Zcash, une monnaie numérique lancée à la fin de 2016. Les développeurs de Zcash ont utilisé une méthode appelée zk-SNARK (pour « zero-knowledge succinct non-interactive argument of knowledge « ) pour donner aux utilisateurs le pouvoir de traiter les données anonymement.

Ce n’est normalement pas possible dans les systèmes Bitcoin et la plupart des autres blockchains publiques, dans lesquelles les transactions sont visibles pour tout le monde. Bien que ces transactions soient théoriquement anonymes, elles peuvent être combinées avec d’autres données pour suivre et même identifier les utilisateurs. Vitalik Buterin, créateur d’Ethereum, le deuxième réseau de blockchain le plus populaire au monde, a qualifié les zk-SNARKs de « technologie révolutionnaire« .

Pour les banques, cela pourrait être une façon d’utiliser des blockchains dans les systèmes de paiement sans sacrifier la vie privée de leurs clients. L’année dernière, JPMorgan Chase a ajouté zk-SNARKs à son propre système de paiement basé sur la chaîne de paiement blockchain.

Malgré toutes leurs promesses, les zk-SNARKs sont lourds de calcul et lents. Ils nécessitent également une configuration dite de confiance, créant une clé cryptographique qui pourrait compromettre l’ensemble du système si elle tombait entre de mauvaises mains. Mais les chercheurs examinent des solutions de substitution qui permettent de déployer plus efficacement les épreuves de la connaissance zéro et qui n’exigent pas une telle clé.

Le prédiction génétique

Un jour, les bébés recevront un rapport ADN à la naissance. Ces rapports offriront des prédictions sur leurs chances de souffrir d’une crise cardiaque ou d’un cancer, de devenir accro au tabac et d’être plus intelligents que la moyenne.

La science qui a rendu ces bulletins possibles est soudainement arrivée, grâce à d’énormes études génétiques (IBM) – certaines impliquant plus d’un million de personnes.

Il s’avère que la plupart des maladies courantes et de nombreux comportements et traits de caractère, y compris l’intelligence, sont le résultat non pas d’un ou de quelques gènes, mais de nombreux actes de concert. En utilisant les données de grandes études génétiques en cours, les scientifiques créent ce qu’ils appellent des « scores de risque polygéniques« .

Bien que les nouveaux tests ADN offrent des probabilités, et non des diagnostics, ils pourraient être très bénéfiques pour la médecine. Par exemple, si les femmes présentant un risque élevé de cancer du sein faisaient plus de mammographies et que les femmes à faible risque en recevaient moins, ces examens risquent de détecter plus de cancers réels et de déclencher moins de fausses alertes.

Les compagnies pharmaceutiques peuvent également utiliser les scores de risque polygéniques dans les essais cliniques de médicaments préventifs pour des maladies comme la maladie d’Alzheimer ou les maladies cardiaques. En choisissant des volontaires qui sont plus susceptibles de tomber malades, ils peuvent tester plus précisément le bon fonctionnement des médicaments.

Le problème, c’est que les prédictions sont loin d’être parfaites. Qui veut savoir s’ils peuvent développer la maladie d’Alzheimer? Que se passe-t-il si une personne dont le score de risque de cancer est faible repousse le dépistage, puis développe un cancer de toute façon?

Les scores polygéniques sont également controversés car ils peuvent prédire n’importe quel caractère, pas seulement les maladies. Par exemple, ils peuvent maintenant prévoir environ 10% du rendement d’une personne aux tests de QI. Au fur et à mesure que les scores s’améliorent, il est probable que les prédictions de QI par l’ADN deviendront systématiquement disponibles. Mais comment les parents et les éducateurs utiliseront-ils cette information?

Pour le généticien comportemental Eric Turkheimer, la probabilité que les données génétiques soient utilisées à la fois pour le bien et le mal est ce qui rend la nouvelle technologie « à la fois excitante et alarmante ».

Le grand saut du matériel quantique

La perspective de nouveaux ordinateurs quantiques puissants vient avec un puzzle. Ils seront capables d’exploits de calcul inconcevables avec les machines d’aujourd’hui, mais nous n’avons pas encore compris ce que nous pourrions faire avec ces pouvoirs.

Une possibilité probable et séduisante: concevoir précisément des molécules.

Les chimistes rêvent déjà de nouvelles protéines pour des médicaments beaucoup plus efficaces, de nouveaux électrolytes pour de meilleures batteries, des composés qui pourraient transformer la lumière du soleil directement en carburant liquide et des cellules solaires beaucoup plus efficaces.

Nous n’avons pas ces choses parce que les molécules sont ridiculement difficiles à modéliser sur un ordinateur classique. Essayez de simuler le comportement des électrons même dans une molécule relativement simple et vous vous heurtez à des complexités bien au-delà des capacités des ordinateurs d’aujourd’hui.

Mais c’est un problème naturel pour les ordinateurs quantiques, qui au lieu de bits numériques représentant 1s et 0s utilisent des « qubits » qui sont eux-mêmes des systèmes quantiques. Récemment, des chercheurs d’IBM ont utilisé un ordinateur quantique à sept qubits pour modéliser une petite molécule composée de trois atomes.

Il devrait devenir possible de simuler avec précision des molécules beaucoup plus grandes et plus intéressantes à mesure que les scientifiques construisent des machines avec plus de qubits et, ce qui est tout aussi important, de meilleurs algorithmes quantiques.

Si vous avez la tête qui tourne, c’est normal…

Si vous êtes intéressés par mon livre Algorithme, laissez-moi un commentaire et je vous l’enverrai gratuitement.

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.