В июне 2011 года, незадолго до SIGGRAPH, Microsoft выпустила комплект разработки программного обеспечения для Kinect, дав разработчикам все необходимое, чтобы они могли писать программы под PC, с помощью которых можно было бы управлять устройством. После конференции возник огромный интерес к использованию Kinect для целей SLAM. Многие команды, занимавшиеся робототехникой и исследованиями искусственного интеллекта, загрузили себе SDK и принялись за работу.

Менее чем через год команда ирландских и американских исследователей во главе с нашим коллегой Джоном Леонардом из лаборатории компьютерных наук и искусственного интеллекта МТИ анонсировала Kintinuous – «пространственно расширенную» версию Kinect. С помощью Kintinuous пользователи могли использовать Kinect для маппинга крупных объектов, например домов и даже улиц и площадей (которые команда сканировала, высовывая Kinect из открытого окна машины во время ночных поездок по городу). В конце статьи, описывающей их работу, создатели Kintinuous обещали: «В будущем мы расширим систему, чтобы она могла в полной мере осуществлять SLAM-подход».[88] Мы думаем, что нам не придется долго ждать очередного известия об успехе от этой группы. В руках способных инженеров экспоненциальная сила закона Мура со временем позволяет решать самые сложные проблемы.

Некоторые из технологий, которых мы касались в предыдущей главе, используют недорогие и мощные цифровые сенсоры. Так, у робота Baxter есть несколько цифровых камер и датчиков силы и положения. Совсем недавно все эти устройства были чудовищно дорогими, неуклюжими и неточными. Беспилотный автомобиль Google тоже использует несколько сенсорных технологий, однако самый важный из его «глаз» – устройство под названием LIDAR (от слов light («свет») и radar), размещенное на крыше машины. Этот прибор, разработанный компанией Velodyne, содержит 64 отдельных лазерных луча и такое же количество детекторов, заключенных в корпус, совершающий 10 оборотов в секунду. Устройство ежесекундно генерирует около 1,3 миллиона единиц данных, а бортовые компьютеры превращают их в трехмерную картинку в режиме реального времени, покрывающую до 100 метров во всех направлениях. Ранние коммерческие системы LIDAR, появившиеся на рынке около 2000 года, стоили до 35 миллионов долларов, однако в середине 2013 года появилось устройство Velodyne для беспилотной автомобильной навигации стоимостью около 80 000 долларов, и ожидается, что цена будет снижаться и дальше. Дэвид Холл, основатель и исполнительный директор компании, полагает, что массовое производство позволит цене продукта «сократиться до цены видеокамеры – то есть нескольких сотен долларов».[89]

Все эти примеры иллюстрируют первое из трех звеньев нашего объяснения, почему мы находимся во второй эре машин: устойчивый экспоненциальный рост позволил нам оказаться на второй половине шахматной доски – в эпохе, когда происходившее в прошлом больше не может служить надежным предиктором того, что случится дальше. Накопленное удвоение, описанное законом Мура (и этот процесс пока продолжается), привело нас в мир, где мощностью очередного суперкомпьютера всего через несколько лет после его появления обладает игрушка, где постоянно дешевеющие сенсоры позволяют экономично решать еще вчера неразрешимые задачи и где научная фантастика продолжает претворяться в реальность.

Иногда разница в количестве (то есть большее количество того же самого) превращается в качественные различия (появляется нечто, чего не было раньше). История второй половины шахматной доски напоминает нам о том, что экспоненциальный прогресс может привести нас в удивительные места. А множество недавних примеров убеждает в том, что мы уже там.

«Эй, а ты слышал о …?»

«Тебе надо бы взглянуть на …»

Вопросы и рекомендации такого рода часто встречаются в нашей повседневной жизни. Именно таким образом мы узнаем о чем-то новом от друзей, родных и коллег, и именно так мы рассказываем о вещах, которые чем-то нас заинтересовали. Обычно фразы, начинающиеся подобным образом, заканчиваются названием рок-группы, ресторана, достопримечательности, телевизионного шоу, книги или фильма.

В цифровую эру предложения такого рода часто завершаются названием веб-сайта или гаджета. А в последнее время – и названиями мобильных приложений. В общей сложности для двух основных технологических платформ на рынке – iOS (Apple) и Android (Google) – имеется свыше 500 тысяч доступных приложений.[90] В Сети можно найти множество различных рейтингов этих приложений, однако «сарафанное радио» по-прежнему остается мощным коммуникационным инструментом.

Не так давно совет такого рода дал нам Мэтт Бин, докторант бизнес-школы Слоуна при МТИ и участник нашей команды Digital Frontier: «Присмотритесь к Waze; это что-то потрясающее». Но когда мы обнаружили, что речь идет о GPS-приложении, умеющем прокладывать маршруты движения, то на нас это не произвело большого впечатления. В наших машинах и так уже есть навигационные системы, а наши айфоны тоже умеют прокладывать маршруты с помощью приложения Maps. Мы просто не понимали, зачем нужна еще одна технология, показывающая, как добраться до нужного места.

Мэтт терпеливо объяснил нам, что использовать Waze для навигации – это все равно что состязаться в скорости с воловьей упряжкой на гоночном байке Ducati. В отличие от традиционной GPS-навигации, Waze не говорит вам, какой путь к нужной точке будет лучшим в принципе; это приложение сообщает, какой маршрут будет лучшим прямо сейчас. На сайте компании рассказывается, что: