Kai kurias šios teorijos detales Einsteinas publikavo daug anksčiau, pradedant 1907 metais. Tada ilgame tekste jis išvedė kai kurias labai svarbias reliatyvistines prognozes: ekvivalentiškumo principą, teigiantį, kad judėjimas gravitaciniame lauke atitinka judėjimą su pagreičiu, gravitacinį raudonąjį poslinkį, bei gravitacijos sukeliamą šviesos spindulių užlinkimą. Būtent pastaroji prognozė – tiesa, matematiškai išreikšta tik 1911 metais – buvo pirmoji, kurią pavyko patvirtinti eksperimentiškai. Tai įvyko prieš šimtą metų, 1919-ųjų gegužės 29 dieną.

Bendroji reliatyvumo teorija teigia, kad gravitacija iškreipia erdvėlaikį. Fotonai – šviesos spinduliai – erdvėlaikiu juda tiesiomis linijomis, bet jei pats erdvėlaikis yra iškreiptas, tai iškreipta atrodys ir fotonų trajektorija. Dėl to šviesos spinduliai, judantys pro masyvius kūnus, šiek tiek užlinksta.

Jei spinduliai pasiekia mus, mums atrodo, kad šviesos šaltinis yra šiek tiek kitoje dangaus vietoje, nei iš tikro. Jei erdvę iškreipiantis kūnas yra labai masyvus, o šviesos šaltinis – pakankamai toli už jo, galime matyti netgi ne vieną atvaizdą, o kelis, arba išvis taškinis šaltinis gali pavirsti į žiedą. Jei šaltinis nėra taškinis (pavyzdžiui, galaktika), jo atvaizdas labai iškreipiamas. Dėl tokių pasekmių šis procesas vadinamas gravitaciniu lęšiavimu, nes masyvus objektas, esantis tarp šaltinio ir stebėtojo, veikia panašiai, kaip lęšis optinėje sistemoje.

Pirmasis gravitacinio lęšiavimo eksperimentas atliktas dviejų ekspedicijų metu, stebint Saulės užtemimą. 1919 metų gegužės 29 dieną Saulės užtemimas buvo matomas didžiojoje Afrikos ir Pietų Amerikos dalyje. Mėnulio šešėlis slinko beveik ties pusiauju – per dabartines Tanzaniją, Kongą, Braziliją, Boliviją ir kelias kitas šalis. Viena ekspedicija užtemimą stebėjo Principės saloje netoli Afrikos krantų, kita – Sobralio mieste Brazilijoje. Dvi ekspedicijos buvo rengiamos tik siekiant užtikrinti kuo didesnę tikimybę, kad stebėjimams nesutrukdys oro sąlygos; jų užduotys buvo vienodos.

Abiejų ekspedicijų nariai Saulės užtemimo maksimumo metu darė Saulės vainiko ir aplinkinių žvaigždžių nuotraukas. Užtemimo metu dangus pritemsta tiek, kad žvaigždes įmanoma įžiūrėti, ypač per teleskopus. Aišku, Saulės vainikas vis tiek tam trukdo, bet ne tiek, kad nebūtų įmanoma išmatuoti žvaigždžių padėčių danguje. Matuodami žvaigždžių padėtis, mokslininkai galėjo patikrinti gravitacinio šviesos kelio iškreipimo hipotezę ir tris galimas prognozes:

1) gravitacija nepaveikia šviesos kelio, žvaigždžių padėtys nepasikeičia, joms esant arti Saulės disko (tai vadinama „nuline hipoteze“);

2) gravitacija paveikia šviesos kelią taip, kaip prognozuoja klasikinė (Niutoninė) fizika, laikant, kad fotonas turi masę, ekvivalenčią jo energijai;

3) gravitacija paveikia šviesos kelią taip, kaip prognozuoja bendroji reliatyvumo teorija.

Skirtumas tarp 2) ir 3) prognozių yra lygiai du kartai: Niutoninė fizika teigia, kad žvaigždės, matomos ties Saulės disko kraštu, tikroji padėtis yra 0,87 kampinės sekundės už Saulės disko, o reliatyvumo teorija teigia, kad atstumas yra 1,75 kampinės sekundės. Kuo toliau žvaigždė yra nuo Saulės disko, tuo mažesnis padėties iškreipimas. Stebėjimams pasirinktos 13 žvaigždžių, kurių tikėtinas padėties pokytis dėl Saulės gravitacijos turėtų būti 0,3 kampinės sekundės ir didesnis, remiantis reliatyvistine prognoze. Stebėjimus Principėje šiek tiek sutrukdė debesys, bet ir ten, ir Sobralyje gauti duomenys gerai sutapo su reliatyvistine prognoze ir leido paneigti kitas dvi. Apie šiuos rezultatus paskelbta 1920 metų sausį, straipsnyje žurnale „Philosophical Transactions of the Royal Society A“. Straipsnio skenuota versija prieinama ir internete.

Šį pirmąjį įrodymą sekė daugybė kitų, kuriuos padarėme per šimtą metų. Kol kas visi bandymai paneigti reliatyvumo teorijos prognozes baigėsi nesėkmingai – ji atlaikė visus išbandymus, kokius sugebėjome sugalvoti. Tačiau beveik neabejojama, kad ji nėra galutinis ir tikrai teisingas pasaulio aprašymas: reliatyvumo teorija duoda skirtingas prognozes nuo kvantinės mechanikos kai kurioms situacijoms, kurių patikrinti kol kas neturime galimybės. Taigi abi teorijos negali būti teisingos, o greičiausiai kažkiek pakeisti reikės jas abi.

Kaip bebūtų, reliatyvumas kol kas duoda daug naudos – ir astronominiams tyrimams, ir, pavyzdžiui, palydovinei navigacijai, mat palydovuose laikas eina šiek tiek greičiau, nei ant Žemės, taigi į tai reikia atsižvelgti įrengiant palydovų laikrodžius.

Gravitacinis šviesos nukrypimas, arba tiksliau – gravitacinis lęšiavimas – naudojamas daugybėje astronominių tyrimų. Jis padeda aptikti egzoplanetas, išmatuoti žvaigždžių mases, tyrinėti labai tolimas galaktikas, prognozuoti, kada jose pamatysime įsižiebiant supernovas, ir netgi sukurti gražius (ir teisingus) juodųjų skylių atvaizdus. Šiuo metu kalbama netgi apie tai, kad galėtume į Saulės sistemos pakraščius nusiųsti kosminį teleskopą, kuris pasinaudotų Saule kaip gravitaciniu lęšiu ir galėtų detaliai stebėti labai tolimus objektus.

Nebloga pažanga nuo poros ekspedicijų į pusiaujo regioną.

Pirkėjų elgsenos realiu laiku stebėjimas. Pirkinių krepšelių analizė. Geografinių koordinačių fiksavimas. Naršymo internete sekimas. Tai tik nedidelė kasdien verslo renkamų duomenų dalis, toli gražu neatspindinti didžiųjų duomenų („Big Data“) aprėpčių ir potencialo.

Švedijoje rizikos analitike dirbančios Kauno technologijos universiteto (KTU) absolventės A. Burauskaitės-Harju karjeros kelyje – tokie darbo su didžiųjų duomenų analitika pavyzdžiai, kaip modelių, skirtų prognozuoti, kurie klientai, greitu laiku gali atsisakyti banko paslaugų, kūrimas ar darbas su gamtos katastrofų nuostolių prognozavimo modeliais, grįstais didžiaisiais duomenimis.

Tai ne fantastika. Tai didžiųjų duomenų panaudojimas

„Bendradarbiavimas su ekstremalių įvykių modeliavimo kompanija, integruotos orų prognozės, atstatymo sąnaudų prognozavimo programos ir dirbtinio intelekto algoritmai leidžia greitu, beveik realiu laiku prognozuoti nuostolių mastą po gamtos sukeltų katastrofų. Tai, savo ruožtu, įgalina efektyviau paskirstyti išteklius, informuoti draudėjus ir apdraustuosius“, – apie didžiųjų duomenų panaudojimą draudimo sektoriuje pasakoja A. Burauskaitė-Harju.

Pavyzdžiu Agnė pateikia JAV kompaniją „Geomni“, neseniai pradėjusią taikyti naują strategiją – nuotoliniu būdu rinkti duomenis apie gamtos katastrofų žalą. Uraganas Irma, nusiaubęs Floridos krantus, šiai kompanijai tapo pirmu rimtu išbandymu. Panašu, kad įmonė susidorojo su išsikeltais tikslais – preliminarūs žalos nustatymo rezultatai pateikti jau kitą rytą po uragano.

Kaip tai pavyko? „Kompanija turi įspūdingą oro laivyną – daugiau nei 125 lėktuvus ir malūnsparnius, kurie iš 15 strategiškai dislokuotų taškų gali pasiekti bet kurią JAV vietą per valandą. Oro laivyno surinkti duomenys centralizuotai apdorojami moderniomis technologijomis, vaizdo atpažinimo algoritmais, analizės programomis, – pasakoja A. Burauskaitė-Harju. – Dar prieš katastrofą kompanija sukaupė didelę bazę pastatų infrastruktūros ir panašaus tipo duomenų, kurie gamtos katastrofos atveju lyginami su naujomis nuotraukomis, analizuojami skirtumai ir nustatoma žala“.

Tokie duomenys naudojami ne tik draudimo įvykių analizei ir išmokų po draudiminio įvykio nustatymui, bet ir galimų išmokų ateityje prognozei.

Skamba mistiškai, kaip iš kino filmo? Didžiųjų duomenų analitikos entuziaste save vadinanti Agnė teigia, kad praktikoje naudojami analitikos metodai matematiškai yra paprasti. Labai retai ir tik labai siauroms problemoms spręsti būtini sudėtingi metodai.

Didžiųjų duomenų iššūkiai – kiekis, greitis, patikimumas

Didžiaisiais duomenimis grindžiama vis daugiau verslo strategijų – „Uber“, „Amazon“, „Spotify“ ir kt. Nepaisant to, tyrimai rodo, kad vienas iš trijų vadovų nepasitiki duomenimis grįstais sprendimais, nes nėra tikras dėl duomenų kokybės. Kodėl?

„Didieji duomenys sudėtingi ir sunkūs įvairiomis prasmėmis, – teigia rizikos analitikė. – Jų ne tik daug.  Problema gali būti labai greiti duomenų srautai, kuomet duomenis reikia apdoroti čia ir dabar, nes visų išsaugoti neįmanoma ar nėra prasmės. Be to, didžioji dalis (apie 90 proc.) sukuriamų duomenų yra nestruktūrizuoti – foto, video, teksto dalys ir pan. Prieš taikant analizę, juos būtina apdoroti, struktūrizuoti. O tai užima daug laiko, kyla rizika prarasti dalį vertingos informacijos“.

Kitas iššūkis – duomenų patikimumas. „Dėl didelio duomenų kiekio, dažnai naudojami ne visi duomenys, o jų dalis arba apibendrinti duomenys. Neretai kintamųjų pasirinkimą modelyje riboja technologiniai ypatumai, o pats modelis kuriamas remiantis jau pasenusiais duomenimis. Tad susiduriama su rizika, jog duomenimis grįstas rizikos vertinimo modelis įdiegus gali būti ne(be)aktualus,“ – aiškina KTU absolventė.

Netikrų priklausomybių įžiūrėjimo rizika

Burauskaitė-Harju nuomone, didieji duomenys atveria plačias erdves įžiūrėti netikras priklausomybes ir atrasti tai, ko nori. „Duomenų yra tiek daug, o technologijos tokios įvairios, kad duomenimis pagrįstų blogų sprendimų galima priimti tiek pat, kiek ir gerų. Tad analitikui būtinas gebėjimas tiksliai ir savikritiškai aprašyti prielaidas, o rezultatus įvertinti platesniame kontekste“, – pataria rizikos analitikė.

Klasikinis pavyzdys: analizuodami pirkinių krepšelius, prekybos tinklai nustato, kokie produktai perkami kartu. Siekiant didinti pardavimus, tokie produktai paprastai sudėliojami netoli vienas kito. Vieno prekybos tinklo duomenys parodė, kad dažnai kartu perkamos sauskelnės ir alus. Tiesmuka rezultatų interpretacija negalima, būtinas platesnis konteksto suvokimas. Paaiškėjo, kad sauskelnės kartu su alumi perkamos tik vakarais, kuomet į parduotuvę sauskelnių keliauti tenka vyrams.

Gausu neetiško duomenų panaudojimo galimybių

„Surenkama vis daugiau ir vis įvairesnių duomenų. Aplink – begalė įvairių įrenginių ir sensorių, kurie fiksuoja labai asmeniškus duomenis. Net šunų savininkus lengva identifikuoti iš geografinių koordinačių – jų judėjimo trajektorija dažnai nenuosekli. Neišvengiamai kyla verslo etikos ir žmogaus teisės į privatumą klausimas“, – su didžiųjų duomenų bumu susijusius iššūkius komentavo A. Burauskaitė-Harju.

Rizikos analitikės manymu, su naujomis technologijomis atsiranda naujos galimybės panaudoti duomenis ne tik gerais, bet ir blogais tikslais. Pavyzdžiui, analizuojant duomenis, lengva nustatyti nemokius asmenis, kuriems lengva įsiūlyti paskolą ir kurie vėliau ilgus metus mokėtų dideles palūkanas. Arba panaudojant interneto naršymo istorijos duomenis, lošimų internete svetainėse pasiūlyti individualizuotus, lengvai įtraukiančius, lošti skatinančius sprendimus.

Kompiuteriai pakeis analitikus?

Ir taip, ir ne. A. Burauskaitės-Harju nuomone, situacija primena XX amžių, kuomet automatizuoti procesai fabrikuose išstūmė rankų darbą. Tam tikrose srityse didžiųjų duomenų technologijos, dirbtinis intelektas (angl. „artificial intelligence“) ir kompiuterio mokymasis (angl. „machine learning“) konkuruos su profesionaliomis žiniomis ir specialistais.

„Drąsiai galima teigti, kad repetityvaus, rutininio darbo analitikams ir specialistams bus mažiau, o jų darbo pobūdis radikaliai keisis“, – įžvalgomis dalijasi rizikos analitikė.

„Įmonėms ir specialistams lieka prisitaikyti prie esamų ir laukiamų permainų, siekti naujų žinių ir mokytis dirbti naujai – kartu su technologijomis, o ne prieš jas ar vietoje jų. Šiandien kalbama apie žmogaus ir įrenginio kooperaciją, apie darbą kartu“, – teigia A. Burauskaitė-Harju.

Duomenų analitikai labiau patenkinti savo darbu?

Agnės teigimu, socialiniuose tinkluose sklandantis juokelis, kad analitikai 80 proc. laiko tvarko duomenis, o 20 proc. skundžiasi dėl to – netoli realybės. Pasak jos, duomenų „išplovimui“ (tvarkymui) analitikai vidutiniškai skiria apie 90 proc. darbo laiko, tik 10 proc. laiko lieka tikrajai analitikai ir matematiniam modeliavimui.

Nepaisant to, dalindamasi profesine patirtimi su KTU studentais, A. Burauskaitė-Harju pabrėžė, kad duomenų analitiko darbas savaime motyvuoja: užduočių daug ir įvairių, erdvė asmeniniam tobulėjimui – plati. Gerai nuteikia ir darbo autonomiškumas bei kompetentingi kolegos, su kuriais aptariami nauji metodai ar technologijos.

Studentams: imkite, kiek galite ir kiek duoda

Burauskaitė-Harju susidomėjimo matematika ir informacinėmis technologijomis pradžia įvardija KTU gimnaziją, kur „buvo puiki aplinka kūrybinei minčiai“. Stiprias matematikos žinias Agnė gavo studijuodama taikomąją matematiką KTU. Ji pastebi, kad apie lietuvių analitikų matematinį pasirengimą, darbštumą ir sumanumą švedai atsiliepia tik gerais žodžiais

Didžiuosius duomenis pamilo A. Burauskaitė-Harju doktorantūros studijų Linšiopingo  universitete metu. „Daugiausia su didžiaisiais duomenimis teko dirbti SAS institute: nuo klientų duomenų analizės, klientų elgesio ir pardavimų prognozavimo iki sukčiavimo atpažinimo sistemų bankinėse operacijose“.

Šiandien Agnė dirba draudimo srityje, kur mato dideles, kol kas dar nepanaudotas šių duomenų analitikos taikymo galimybes. Viena iš šiandien įdomiausių užduočių Agnė įvardija darbą su gamtos katastrofų rizikos vertinimo modeliais. Anot jos, tai  džiuginantis sugrįžimas prie studijų KTU ir Lundo universitetuose nagrinėtos matematinių ekstremumų tematikos.

Visiems Kauno technologijos universitete studijuojantiems matematiką ir didžiųjų verslo duomenų analitiką absolventė pataria: „Imkite, kiek galite ir kiek duoda“. Nes šiandien duomenų analitikai ypatingai reikalingi.

Daugeliui virimas asocijuojasi su aukšta temperatūra. Tačiau besidomintieji fizika žino, kad karštis – nebūtina sąlyga. Virimą galima sukelti ne tik aukšta temperatūra, bet ir… žemu slėgiu.

Cody’s Lab komanda sugalvojo įamžinti šį reiškinį ir pademonstruoti jį visiems, kas dar nebuvo matęs nieko panašaus ir nė nenujautė, kad tai gali būti įmanoma.

Kaip aiškina eksperimento autoriai, atmosferos slėgio mažinimas (tai atliekama vakuuminėje kameroje) ženkliai numuša vandens užvirimo temperatūrą.

O jei slėgis mažėja dramatiškai, vandens molekulės, pasižyminčios didžiausiu energijos kiekiu, ima atsiskirti nuo verdančio vandens, todėl likęs vanduo netrukus… pradeda šalti. T.y., virsti ledu.

Galiausiai inde iš verdančio vandens lieka tik ledo luitas.

Netikite? Kviečiame pasižiūrėti.

 

„Prieš mėnesį kinai paleido pirmąjį palydovą, kuris kvantiniu būdu gali perduoti duomenis. Jis veikia apie šimto kilometrų spinduliu ir, pavyzdžiui, gali net pastebėti lėktuvus, kurių nefiksuoja radarai“, – teigia K. Kaupinis. Anot jo, naudojantis tokiomis technologijomis, pavyzdžiui, visai nesenas įvykis, kai iš „Yahoo“ buvo pavogta 500 mln. prisijungimo prie jo duomenų, gali tapti kasdieniu įvykiu. Daugiau apie šį išradimą ir apie tai, kas yra kvantinė fizika, – įraše (nuo 15-tos minutės).

Norėdami matyti video turite pasirinkti nesaugaus ryšio įkelima, arba eikite čia http://www.lrt.lt/mediateka/irasas/103837

Apie Įsilaužimą į Yahoo skaitykite čia https://www.ctl.lt/kibernetine-ataka-pazeide-500-mln-yahoo-vartotoju-duomenu-sauguma/