Od Antarktičkog mora do dubine vašeg zamrzivača, većina leda na Zemlji je relativno pitoma. No, u cijelom Sunčevom sustavu i dalje, ekstremne temperature i pritisci mogu smrviti smrznutu tvar u sve čudnije sorte.
Sada, istraživači su snimili rendgenske snimke onoga što bi moglo biti najnoviji sudionik u raznolikosti leda: visoko električki vodljiv materijal poznat kao superionski led. Kako danas izvješćuje tim u časopisu Nature, ovaj led postoji na pritiscima od jednog do četiri milijuna puta koji su na razini mora i temperature pola vrući od površine sunca.
“Da, govorimo o ledu”, kaže voditelj istraživanja Marius Millot, fizičar iz Nacionalne laboratorije Lawrence Livermore u Kaliforniji. “Ali uzorak je na nekoliko tisuća stupnjeva.”
Dok je na Zemlji obično neostvarivo, takvi bi uvjeti trebali biti prisutni duboko u vodenim divovima Uran i Neptun, što potencijalno pomaže objasniti kako ti udaljeni planeti djeluju, uključujući i porijeklo njihovih magnetnih polja.
Iza Vonneguta Znanstvenici već znaju za 17 vrsta kristalnog leda (ljubitelji Kurta Vonneguta mogli bi biti oduševljeni kad znaju da je Ice IX prilično bezopasan u usporedbi s njegovim izmišljenim kolegom). I prije više od 30 godina, fizičari su predvidjeli da pritisak treba istisnuti vodu u superionične oblike.
Superionski materijali su dualne zvijeri, dio čvrsti i dio tekućine, koje se na mikroskopskoj razini sastoje od kristalne rešetke propuštene slobodnim plutajućim atomskim jezgrama koje mogu nositi električni naboj. U vodi – poznata kao H2O – atomi kisika bi se skrhali u kristalizirani kristal, dok bi se protoni vodika zu-kurili poput tekućine. (Nedavno je još jedan tim znanstvenika koji su radili s kalijem potvrdio postojanje tvari koja je istodobno čvrsta i tekuća.)
“To je prilično egzotično stanje materije”, kaže koautor Federica Coppari, također iz laboratorija u Livermoreu.
Prošle godine, Millot, Coppari i njihovi kolege pronašli su prve dokaze za superionski led, koristeći dijamantne nakovnje i laserski inducirane udarne valove da stisnu tekuću vodu toliko da se pretvorila u čvrsti led u nekoliko milijarditih dijelova sekunde. Mjerenja tima pokazala su da je vodeni led nakratko postao stotinama puta više električki provodljivim nego što je to prije bio, snažan nagovještaj da je postao superionski.
U svojim najnovijim testovima, istraživači su koristili šest ogromnih laserskih zraka kako bi generirali niz udarnih valova koji su krckali tanki sloj tekuće vode u očvrsli led u milijunima puta Zemljinog površinskog tlaka i između 3.000 i 5.000 stupnjeva celzijusa. Upravo vremenski bljesak rendgenskih zraka ispitivao je konfiguraciju, koja je ponovno trajala samo nekoliko milijarditih dijelova sekunde, i otkrila da su atomi kisika doista preuzeli kristalni oblik.
Vidjelo se da je kisik čvrsto upakiran u kocke usmjerene prema licu – male kutije s atomom u svakom kutu i jedna u sredini svake strane. Ovo je prvi put da se vidi vodeni led koji preuzima takav dogovor, kaže Coppari. Tim je predložio da ovu novu formaciju nazove Led XVIII.
Iako je bilo nekih preklapanja u uvjetima između dva eksperimenta tima, bit će potrebno više istraživanja kako bi se definitivno dokazalo da je led superionski, kaže Roberto Car, fizičar Sveučilišta Princeton koji nije bio uključen u rad. Ipak, on smatra da je studija važna ilustracija varijabilnosti vode.
“Činjenica da se materija može urediti u tako velikom broju različitih oblika je zapanjujuća”, kaže on.
Magnetske tajne Rezultati tima već izvještavaju o modelima Urana i Neptuna. Često poznati kao ledeni divovi, ovi ogromni svjetovi su oko 65 posto vode, plus nešto amonijaka i metana, koji tvore slojeve slične stjenovitim metalima.
Smatra se da su magnetska polja Zemlje, Jupitera i Saturna stvorena unutarnjim dinamama blizu njihovih jezgri. Polja ovih planeta poravnata su usko s njihovim polovima, kao da dolaze iz barskih magneta koji lebde kroz središta planeta.
Naprotiv, magnetsko polje Neptuna, čini se, potječe od unutarnjeg magnetskog šipka koji se spuštao na jednu stranu, s krajevima koji izlaze iz točaka na pola puta do ekvatora. Uran je još neobičniji, poput magnetnog šipka koji se okrenuo naopako, što znači da je njegov magnetni južni potez izvan sjeverne polutke planeta. Sumnja se da su oba magnetska polja ledenih divova nestabilna.
Millot je sugerirao da bi na gornjem rubu Urana i Neptunovog superionskog ledenog sloja mogao postojati sloj tekućine, ali i da je ujedno i visoko električki vodljiva faza vode. Magnetska polja planeta mogu nastati ovdje, daleko bliže površini nego kod ostalih planeta što bi moglo objasniti njihove čudne karakteristike.
Eksperiment australskog Univerziteta Queensland neprekinuto je trajao od 1927. godine.
Profesor Thomas Parnell je davne 1927. godine studentima htio pokazati kako je katran tekućina, mada na sobnoj temperaturi izgleda kao čvrsta tvar.
U lijevak je stavio komad katrana, prekrio ga staklenim zvonom, zapečatio i ostavio u kabinetu univerziteta. Nakon 3 godine (1930.) otpečatio je lijevak, ispod njega postavio čašu, te započeo s praćenjem viskoziteta u nastojanju bilježenja kapanja katrana u čašu.
Na njegovu žalost, niti jedan njegov student se nije mogao uvjeriti u to da katran doista može kapati na sobnoj temperaturi, jer je prva kap pala tek nakon 8 godina, a svakoj idućoj je trebalo između 7 i 12 godina da završi u čaši ispod lijevka.
Do danas je ukupno palo oko 10 kapi, a 2000. godine ih je bilo dovoljno za izračunati viskozitet katrana, pa danas imamo naučni podatak da je oko sto milijardi puta manje viskozan nego voda.
Niko od studenata nije vlastitim očima vidio trenutak kada je neka kap pala u čašu, a profesor John Mainstone je nastavio istraživanja Parnella, uočivši da se jedne večeri 1979., kap katrana nalazila vrlo blizu dna čaše, da bi drugo jutro ustanovio kako je pala u nju.
Mainstone si nije mogao oprostiti što je za tako malo propustio trenutak padanja kapi, a da bi stvar bila još luđa, trenutak padanja osme kapi 2000. godine nije zabilježen ni postavljenom video kamerom, jer se pokvarila baš u trenutku kada je došlo do tog “historijskog događaja”.
DARPA je jedna od najzanimljivijih američkih agencija. Posvećena je financiranju “ludih” projekata – ideja koje su potpuno izvan prihvaćenih normi i paradigmi. Ne treba čuditi što je DARPA pridonijela uspostavi ranog interneta i globalnog sustava pozicioniranja (GPS), kao i drugih bizarnih koncepata poput legiranih robota, tržišta predviđanja, pa čak i samoupravnih radnih alata. Otkako je DARPA prvi put osnovana, fokusirana je na mjesečeve snimke i inovativne napore, pa ne treba čuditi da se trenutno fokusira i na AI.
Nedavno je DARPA-ov Ured za informacijske inovacije objavio novu obabijest gdje je objasnio najsuvremeniju tehničku praksu, istaknuvši svoje mogućnosti u sadašnjosti – i razmotrio što bi to moglo učiniti u budućnosti. Online časopis Matična ploča opisao je članak kao AI hype.
Tri vala AI
DARPA razlikuje tri različita vala AI, svaki s vlastitim mogućnostima i ograničenjima. Od tri, treća je očigledno najuzbudljivija, no kako bi ju ispravno razumjeli morat ćemo proći kroz prve dvije.
Prvi AI val: Ručno znanje
U prvom valu AI, stručnjaci su razvili algoritme i softver prema spoznaji koju su oni sami posjedovali i pokušali pružiti te programe s logičkim pravilima koja su bila dešifrirana i konsolidirana tijekom ljudske povijesti. Ovaj pristup je doveo do stvaranja računala za igranje šaha i softvera za optimizaciju isporuke. Većina softvera koje koristimo danas temelje se na AI takve vrste: našem operacijskom sustavu Windows, našim aplikacijama za pametne telefone, pa čak i semafori koji omogućuju ljudima da prelaze ulicu kada pritisnu gumb.
Modria je dobar primjer za način na koji ovaj AI radi. Nizozemska vlada je posljednjih godina unajmila Modriju kako bi razvila automatizirani alat koji će pomoći parovima da se razvode uz minimalno sudjelovanje odvjetnika. Modria, specijalizirana za stvaranje pametnih pravosudnih sustava, preuzela je posao i razvila automatizirani sustav koji se oslanja na poznavanju odvjetnika i stručnjaka za razvod braka.
Na modrijskoj platformi, parovima koji žele razvod braka postavljaju se niz pitanja. To bi moglo uključivati pitanja o sklonostima svakog roditelja u pogledu skrbništva nad djecom, distribucije imovine i drugih uobičajenih problema. Nakon što par odgovori na pitanja, sustavi automatski identificiraju teme o kojima se slažu ili se ne slažu i pokušavaju usmjeriti rasprave i pregovore kako bi postigli optimalni ishod za oboje.
Sustavi AI prvog vala obično se temelje na jasnim i logičkim pravilima. Sustavi ispituju najvažnije parametre u svakoj situaciji koju trebaju riješiti i donose zaključak o najprikladnijoj akciji koju treba poduzeti u svakom slučaju. Parametri za svaku vrstu situacije prepoznaju unaprijed od strane ljudskih stručnjaka. Kao rezultat toga, sustavi prvog vala teško se mogu uhvatiti u koštac s novim vrstama situacija. Oni također imaju teška vremena apstrahiranja – uzimanje znanja i uvida koji proizlaze iz određenih situacija i njihovo primjenjivanje na nove probleme.
Ukratko, sustavi prvog vala AI sposobni su implementirati jednostavna logička pravila za dobro definirane probleme, ali su nesposobni za učenje i teško se bave nesigurnostima.
Sada, neki od vas čitatelja mogu u ovom trenutku slegnuti ramenima i reći da to nije umjetna inteligencija kao što većina ljudi misli. Stvar je, naše definicije AI su evoluirale tijekom godina. Ako bih pitati osobu na ulici, prije trideset godina, je li Google Maps softver AI, ne bi oklijevao u svom odgovoru: naravno, to je AI! Google karte mogu planirati optimalni tečaj kako bi vas odveli do vašeg odredišta. Pa ipak, mnogi danas vide mogućnosti Google Karata kao elementarne i zahtijevaju od AI-a da izvede mnogo više od toga: AI bi također trebala preuzeti kontrolu nad automobilom na putu, razviti savjesnu filozofiju koja će uzeti u obzir želje putnika i dati im kafa u isto vrijeme.
Pa, ispostavilo se da čak i “primitivni” softver poput Modrijevog pravosudnog sustava i Google karata predstavljaju dobre primjere za AI. I doista, sustavi prvog vala AI se danas upotrebljavaju posvuda.
Drugi val AI: Statističko učenje
Godine 2004. DARPA je otvorio svoj prvi Grand Challenge. Petnaest autonomnih vozila nastupilo je na popunjavanju tečaja od 150 milja u pustinji Mojave. Vozila su se oslanjala na AI prvog vala – tj. Pravilo utemeljeno na pravilima – i odmah je dokazalo koliko je to stvarno ograničeno. Svaka slika snimljena fotoaparatom vozila, nakon svega, je nova vrsta situacije koju AI mora riješiti!
Nisu mogli razlikovati različite tamne oblike na slikama i nisu mogli shvatiti je li to kamen, daleki objekt ili samo oblak koji zamagljuje sunce. Kao što je rekao zamjenik programskog direktora Grand Challengea, neka vozila – “bili su prestrašeni vlastite sjene, halucinirajući prepreke kad nisu bile tamo”.
Nijedna od skupina nije uspjela dovršiti cijeli tečaj, pa čak i najuspješnije vozilo imalo je samo 1,9 milja u utrku. Bio je to potpuni i krajnji neuspjeh – upravo onakvo istraživanje koje DARPA voli financirati, u nadi da će uvid i pouke iz tih ranih eksperimenata dovesti do stvaranja sofisticiranih sustava u budućnosti.
I to je točno kako su se stvari odigrale.
Godinu dana kasnije, kada je DARPA otvorio Grand Challenge 2005, pet vozila uspješno je došlo do kraja staze. Te su se skupine oslanjale na drugi val AI: statističko učenje. Google je voditelja jedne od pobjedničkih skupina postavio za razvoj Googleovog autonomnog automobila.
U sustavima sekundarnih AI sustava, inženjere i programere ne zanima učenje preciznih i točnih pravila za sustave koji slijede. Umjesto toga, razvijaju statističke modele za određene vrste problema, a zatim “obućuju” ove modele na mnogim različitim uzorcima kako bi ih preciznije i učinkovitije istrenirali.
Statistički sustavi učenja vrlo su uspješni u razumijevanju svijeta oko njih: mogu razlikovati ljude ili različite vokale. Mogu naučiti i prilagoditi se različitim situacijama ako su ispravno osposobljeni. Međutim, za razliku od sustava prvog vala, oni su ograničeni u njihovu logičkom kapacitetu: oni se ne oslanjaju na precizna pravila, već umjesto toga idu za rješenja koja “rade dovoljno dobro, obično”.
Primjer drugog vala je koncept umjetnih neuronskih mreža. U umjetnim neuronskim mrežama, podaci prolaze kroz računalne slojeve, od kojih svaki obrađuje podatke na drugačiji način i prenosi ih na sljedeću razinu. Obučavanjem svakog od tih slojeva, kao i cjelokupne mreže, oni se mogu oblikovati u proizvodnju najtočnijih rezultata. Često, trening zahtijeva da mreža analizira desetke tisuća izvora podataka kako bi postigla i mala poboljšanja. Ali općenito govoreći, ova metoda daje bolje rezultate od onih postignutih sustavima prvog vala u određenim područjima.
Do sada su sustavi drugog vala uspjeli preplaviti ljude pri prepoznavanju lica, prepisivanju govora i identifikacijom životinja i objekata na slikama. Izrađuju velike skokove u prijevodu, a ako to nije dovoljno – počinju kontrolirati autonomne automobile i zračne dronove. Uspjeh tih sustava u takvim složenim AI stručnjacima smeta, i iz vrlo dobrog razloga: još uvijek nismo sigurni zašto oni zapravo rade.
Ahilova peta sustava drugog vala je da nitko nije siguran zašto tako dobro rade. Vidimo kako umjetne neuronske mreže uspijevaju obavljati zadatke koji im se daju, ali ne razumijemo kako to rade. Nadalje, nije jasno da postoji zapravo metodologija – neka vrsta oslanjanja na osnovna pravila – iza umjetnih neuronskih mreža. U nekim aspektima oni su doista slični našem mozgu: možemo baciti loptu u zrak i predvidjeti gdje će pasti, čak i bez izračuna Newtonove jednadžbe gibanja.
Ovo ne izgleda kao velik problem na prvi pogled. Uostalom, umjetne neuronske mreže čini se da rade “dovoljno dobro”. Microsoft se možda ne slaže s tom procjenom. Tvrtka je prošle godine objavila bot društvenim medijima, pokušavajući oponašati ljudsko pisanje i razgovarati lagano s mladima. Bot, nazvan “Tai”, trebao je replicirati govorne obrasce 19-godišnje američke ženske mladosti i razgovarati s tinejdžerima u svom jedinstvenom slangu. Microsoft je shvatio da bi mladi voljeli to – i doista jesu. Mnogi od njih počeli su se prestrašiti Tai: rekli su joj o Hitleru i njegovom velikom uspjehu, otkrivajući joj da je teroristički napad 11. rujna bio unutarnji posao i objasnio u neizvjesnim uvjetima da su imigranti zabrana velike američke nacije. I tako, nekoliko sati kasnije, Tai je počeo primjenjivati svoje novo znanje, tvrdeći uživo na Twitteru da je Hitler bio u redu i zapravo nije ništa krivo učinio.
To je bio slučaj kada su Microsoftovi inženjeri ugasili Tai. Posljednji tweet je bio da odlazi da razmišlja. Koliko znamo, još uvijek razmišlja.
Ova je epizoda izložila izazov uzročnosti koji su inženjeri AI-a trenutno suočeni. Mogli bismo predvidjeti prilično dobro kako će prvi valovi funkcionirati pod određenim uvjetima. Ali s sustavima drugog vala više ne možemo lako prepoznati kauzalnost sustava – točan način na koji se ulaz prevede u izlaz, a podaci se koriste za donošenje odluke.
Sve to ne govori da su umjetne neuronske mreže i drugi sustavi drugog vala AI beskorisni. Daleko od toga. No, jasno je da ako ne želimo da naši sustavi unutarnjih poslova budu svi uzbuđeni zbog nacističkog diktatora, neka poboljšanja su u redu. Moramo se preseliti na sljedeći i treći val AI sustava.
Treći AI val: Kontekstualna prilagodba
U trećem valu, AI sustavi će sami izgraditi modele koji će objasniti kako svijet funkcionira. Drugim riječima, oni će sami otkriti logična pravila koja oblikuju njihov proces donošenja odluka.
Evo primjera. Pretpostavimo da sustav AI drugog vala analizira donju sliku i odluči da je to krava. Kako objašnjava svoj zaključak? Vrlo jednostavno – to ne čini.
Drugi valni AI sustavi zapravo ne mogu objasniti svoje odluke – baš kao što dijete nije moglo zapisati Newtonove jednadžbe kretanja samo gledanjem kretanja lopte kroz zrak. Najviše, sustavi drugog vala mogli bi nam reći da postoji “87% šanse da ovo bude slika krave”.
Treći val AI sustavi bi trebali biti u mogućnosti dodati neke tvari do konačnog zaključka. Kada će sustav trećeg vala utvrditi istu sliku, vjerojatno će reći da tamo gdje postoji četveronožac, postoji veća vjerojatnost da je to životinja. A budući da je njezina površina bijela, s crnom, još je veća vjerojatnost da je ovo krava (ili dalmatinski pas). Budući da životinja ima i vate i kopita, to je gotovo sigurno krava. To je, pretpostavlja se , ono što bi rekao sustav trećeg vala.
Sustavi trećeg vala moći će se osloniti na nekoliko različitih statističkih modela, kako bi se postiglo potpunije razumijevanje svijeta. Oni će se moći trenirati – baš kao Alpha-Go, kada je igrala milijune igara protiv sebe, kako bi se utvrdila pravila koja bi trebala koristiti. Sustavi trećeg vala bi također mogli preuzeti podatke iz nekoliko različitih izvora kako bi došli do finog i dobro objašnjenog zaključka. Ti sustavi mogu, na primjer, izvući podatke s nekoliko naših nosivih uređaja, iz pametne kuće, iz našeg automobila i grada u kojem živimo i utvrditi naše zdravstveno stanje. Čak će se moći programirati i potencijalno razvijati apstraktno razmišljanje.
Jedini problem je što, kako kaže direktor ureda za informacijske inovacije DARPA-e, “puno je posla kako bismo mogli izgraditi te sustave”.
A to su, što se tiče DARPA, najsuvremeniji AI sustavi u prošlosti, sadašnjosti i budućnosti.
Što to sve znači DARPA-ov doista objašnjava razlike između različitih AI sustava, ali malo za ublažavanje strahova onih koji nas potiču na oprez u razvoju AI. DARPA jasno kaže da nismo ni blizu razvijanju ‘Terminator’ AI, ali to nikada nije bilo pitanje. Nitko ne pokušava tvrditi da je AI danas dovoljno sofisticiran da čini sve stvari koje bi trebalo učiniti u nekoliko desetljeća: imati vlastitu motivaciju, donositi moralne odluke i čak razviti sljedeću generaciju AI.
Ali ispunjenje trećeg vala svakako je veliki korak u tom smjeru.
Sustavi trećeg vala AI moći će dešifrirati nove modele koji će poboljšati njihovu funkciju, svi oni sami mogu biti u mogućnosti programirati nove generacije softvera. Kada shvate kontekst i posljedice svojih postupaka, moći će zamijeniti većinu radnika, a možda i sve njih. I ako im je dopušteno preoblikovanje modela kroz koje ocjenjuju svijet, onda će zapravo moći reprogramirati svoju motivaciju.
Sve gore navedeno neće se dogoditi u idućih nekoliko godina, i zasigurno se neće postići u potpunosti u narednih dvadeset godina. Kao što sam objasnio, nijedan ozbiljan AI istraživač ne tvrdi drugačije. Temeljna poruka istraživača i vizionara koji su zabrinuti za budućnost AI-a – ljudi poput Stevena Hawkinga, Nick Bostroma, Elona Muska i drugih – jest da moramo početi odmah pitati kako kontrolirati ove treće valne sustave, takve vrste koji će postati sveprisutni dvadeset godina od sada. Kada razmotrimo sposobnosti tih sustava upravljanja zračnim prostorom, ova poruka ne izgleda pretjerana.
Posljednji val
Najzanimljivija stvar za mene, koju DARPA ne objašnjava, jest ono kako će izgledati četvrti val AI sustava. Hoće li se oslanjati na točnu emulaciju ljudskog mozga? Ili možda sustavi četvrtog vala pokazuju mehanizme donošenja odluka koje još nismo u stanju razumjeti – a koji će ih razviti sustavi trećeg vala?
Ta su pitanja otvorena da razmotrimo, ispitamo i istražimo.
To je naša zadaća kao ljudskih bića, barem dok sustavi trećeg vala i to ne preuzmu.
Sila gravitacije (Fg) je jednaka sili otpora zraka (Fd). Ukupna silaje jednaka nuli, a posljedica toga je konstantna brzina objekta ili terminalna brzina.
U dinamici fluida, kaže se da se objekt giba terminalnom brzinom onda kada je dostigao stalnu brzinu, usljed trenja plina ili tekućine kroz koju se giba.
Objekt u slobodnom padu dostiže terminalnu brzinu onda kada je sila gravitacije (Fg) jednaka sili otpora zraka (Fd). Tada je ukupna sila jednaka nuli, pa je i akceleracija jednaka nuli, odnosno brzina je konstantna.
Kako se objekt ubrzava (najčešće usljed gravitacije), sila otpora se povećava, pa se ukupna sila smanjuje, a s njom i akceleracija. Pri određenoj brzini, sila otpora će se izjednačiti s težinom objekta (Fg). U ovom se trenutku zaustavlja ubrzavanje objekta, te on nastavlja padati dostignutom stalnom brzinom – terminalnom brzinom.
Terminalna brzina ovisi o težini i otporu fluida. Veći otpor znači manju terminalnu brzinu, dok veća težina znači veću terminalnu brzinu. Objekt koj pada brzinom većom od terminalne (npr. jer je došao iz rjeđih slojeva atmosfere ili je promijenio oblik) će se usporiti dok se ne postigne ravnoteža među silama, tj. do usporavanja do neke određene terminalne brzine.
Primjeri
Na temelju otpora vjetra, može se izračunati da terminalna brzina skydivera u slobodnom padu s poluzatvorenim padobranom iznosi otprilike 195 km/h (55 m/s). Ovo je asimptotska brzina ubrzavanja, i ona se nikad ne dostiže, jer se brzina tijela sve sporije i sporije približava ovoj vrijednosti. U ovom primjeru, 50% brzine se dostiže za oko 3 sekunde, 90% za oko 8 sekundi, a 99% za oko 15 sekundi.
Hodajte po vodi i ljudi mogu početi misliti da možete raditi čuda. No, ići po vrhu površine određenih tekućina ima u potpunosti prizemno znanstveno objašnjenje.
Novi dokazi sugeriraju da stres koji učini hodanje po mješavini kukuruznog škroba i vode omogućava prelaz pješice jer se mješavina sažima u čvrsti materijal koji može podržati težinu osobe.
Oobleck je ono što je poznato kao nenewtonovska tekućina, klasa relativno čestih tekućina koje se ponašaju neočekivano na ne-tekuće načine. Kečap, koji teče iz boce i još se skuplja uredno po liniji vašeg hot doga, još je jedan primjer. Tako isto boje, pasta za zube i šampon ponekad teku, a ponekad uzimaju čvršći oblik.
Od svih ne-newtonskih tekućina, međutim, oobleck je jedna od najčudnijih. Ako umočite vašu ruku polako, on se ponaša kao normalna tekućina – ali ako se krećete prebrzo, tvori čvrstu masu. Nastavnici i studenti koji vole zabavu odavno znaju da mogu popuniti kadu s oobleckom i pretrčati bez potonuća, no prethodna znanstvena objašnjenja za ovo su bila nedovoljna.
Mnogi istraživači su mislili da povećana viskoznost može biti odgovorna, ali ta sila stvorena za to povećanje viskoznosti nije dovoljna da bi ljudsko tijelo ostalo na površini. Dakle, znanstvenici su tražili druga objašnjenja.
Kada trćite preko stvari, ne širite ju koliko ju kompresirate.
Fizičar Heinrich Jaeger izvršio je nekoliko pokusa da bi dublje istražio svojstva ooblecka . Umjesto da mjere njen tok – tipičan pristup fizičara koji rade s ne-newtonskim tekućinama, ovaj put su istraživači pucali štapom po ooblecku i snimili proces s high-speed kamerom. Akcelerometar su mjerili silu šipke dok je udarala površinu.
Rezultati su pokazali da su se čestice kukuruznog škroba suspendirane u vodi skupljale zajedno, prisiljavajući ih da se ponašaju poput tvrdog predmeta. Tekućina grupirana poput snijega ispred ralice, formira kvazi-čvrsto stanje.
Da biste dobili bolji izgled iznutra, Waitukaitis je tako promatrao tekućinu sa stomatološkim strojem za X-zrake. To je otkrilo još jedan dokaz o kolonama potporne strukture.
Waitukaitis i Jaeger su izračunali da polu-kruti stupci daju dovoljno snage da drže težinu čovjeka, pod uvjetom da trči dovoljno brzo.
„Ovo je važno promatranje jer pokazuje da taj fluid može držati puno veću težinu”, rekao je fizičar Eric Brown sa Sveučilišta u Kaliforniji, Merced, koji radi na ne-newtonskim tekućinama.
No, Brown smatra da ovo nije poptuno objašnjenje. Privremeni čvrsti stup možda ne podržava čovjeka ako nije došao na dno kade, što vjerojatno drži dio težine, rekao je on.
Waitukaitis se ne slaže s ovim tumačenjem, sugerirajući da čak i ako bi čovjek pregazio okean od oobleck – a pri čemu kruti stup nije dotakao dno – on će biti podržan.
Ali oba istraživača se slažu da je studiranje nenewtonovskih tekućina važno. I pored mesijanskog trika za zabavu, mješavine kao što su oobleck bi jednog dana mogle biti korištene kako bi spasili živote. Već nekoliko laboratorija pokušavaju ubrizgati nenewtonovske tekućine u Kevlar, u suštini stvarajući tekući tijelesni oklop. Smatra se da bi ovi materijali mogli zaustaviti metke bez da budu teški i bili bi dovoljno tećni kako bi pružali lako kretanje.
U fizici, dinamika fluida je oblast mehanike fluida koja se bavi protokom fluida. Ona je prirodna nauka fluida (tečnosti i gasova) u kretanju. Ona ima više podoblasti, kao što su aerodinamika (studija vazduha i drugih gasova u kretanju) i hidrodinamika (studija tečnosti u kretanju). Dinamika fluida ima širok opseg primena, uključujući proračun sila i momenata na avionu, utvrđivanje brzine protoka mase nafte kroz cevovod, predviđanje vremenskih prilika, razumevanje nebula u međuzvezdanom prostoru, kao i modelovanje detonacija fisionog oružja. Neki od njenih principa se čak koriste i u saobraćajnom inženjerstvu, pri čemu se saobraćaj tretira kao kontinualno polje.
U mehanici čvrstih tela izučava se kretanje celog tela u odnosu na referentni sistem. Kod pomeranja fluida delovi fluida se kreću jedni u odnosu na druge.
Kretanje fluida
Strujne linije
Strujne linije (strujnice) su zamišljene linije duž kojih se kreću čestice fluida. Strujnice možemo tačnije definisati kao krive linije kod kojih je tangenta u svakoj tački fluida kolinearna sa vektorom brzine. Strujnice u stvari služe za opisivanje trenutnog rasporeda brzina delića fluida.
Stacionarno strujanje
Protok fluida oko avionskog krila.
Turbulentno strujanje
Stacionarno strujanje je strujanje kada se svaka čestica fluida koja se nađe u nekoj strujnoj liniji nastavlja da se kreće u pravcu strujnice kao i prethodna čestica, tj. ako se slika strujnica u toku vremena ne menja. Kod stacionarnog strujanja, strujnice se ne menjaju u toku vremena i poklapaju se sa putanjom čestica fluida. Ako postoji stacionarni tok, to ne znači da se brzina jedne čestice fluida neće promeniti u različitim tačkama strujnice. Upravo zakrivljene linije opisuju te promene.
Bilo koji fluid može proticati (strujati) stacionarno ako su ispunjeni opšti uslovi:
brzina je dovoljno mala i
prepreke su takve da ne uzrokuju previše nagle promene brzine
Ukoliko ovi uslovi nisu ispunjeni, proticanje fluida znatno je složenije i to strujanje nazivamo turbulentno.
Oblik strujnih linija zavisi od toga kog je telo oblika, tako da to dovodi do toga da će strujne linije imati najpravilniji oblik kod tela u obliku ribe/avionskog krila, dok kod tela u obliku lopte strujnice imaju potpuno drgačiji oblik. Naime, iza tela nastaju turbulencije (vrtlozi,) tako da to čini da strujnice više nisu paralelne. Najveći vrtlozi nastaju kod kretanja ravne ploče.
Strujna cev
Strujna cev je deo fluida koji je ograničen strujnicama. Iz toga sledi da čestice fluida nisu u mogućnosti da prolaze kroz omotač strujne cevi tako da se broj delića u cevi ne menja (ostaje stalan).
Idealni fluid
Idealni fluid je najjednostavniji model idealizacije u mnogim problemima dinamike fluida. Idealni fluid se definiše kao neprekidna, neuništiva sredina koja se kreće se bez unutrašnjeg trenja. Kod idealnog fluida, zapreminska masa se takođe ne menja, tj. ostaje stalna. U najužem smislu reči, to je neprekidna sredina koja poseduje sledeća svojstva: ne postoji unutrašnje trenje među slojevima (viskoznost) i nestišljiva je.
Pojam idealnog fluida se razlikuje od pojma idealnog gasa. Model idealnog gasa izražava diskontinualnost, čestičnu strukturu gasa. Njime se gas predstavlja kao skup ogromnog broja molekula, koji se zamišljaju kao idealno elastične čestice koje uzajamno deluju samo u direktnim međusobnim sudarima i udarima o zidove suda.
Kretanje idealnog fluida
Kretanje idealnog fluida karakterišu četiri osnovna makroskopska parametra: gustina, pritisak, temperatura i brzina delića fluida. U ovom slučaju pod pojmom „delić“ podrazumeva se deo supstancije obuhvaćene elementarnom zapreminom, čije se dimenzije u određenim odnosima mogu zanemariti.
Stacionarno proticanje je najjednostavniji oblik kretanja fluida. Kod stacionarnog proticanja nema nagomilavanja delića fluida, niti njihovog vrtložnog kretanja.
Stanje stacionarnog strujanja je stanje u kojem se idelan fluid nalazi ako se u nekoj tački prostora (unutar cevi kroz koju protiče idealan fluid) brzine čestice ne menjaju u toku vremena. Kad je strujanje idealnog fluida u pitanju, ono je uvek stacionarno jer je unutrašnje trenje tog strujanja važan preduslov za stvaranje vrtloga. Pri tome, brzina kretanja čestice može biti različita od tačke do tačke duž njene putanje. Međutim, u bilo kojoj tački prostora brzine svih čestica koje prođu kroz tu tačku su jednake. Ako se, pak, ovi parametri menjaju u toku vremena u datoj tački, onda je kretanje fluida nestacionarno.
Realni fluid
U realnim fluidima uvek postoji unutrašnje trenje koje je posledica međumolekularnih privlačnih sila. Delovanje ovog trenja na zakonitost kretanja zavisi od vrste fluida kao i od ostalih uslova kretanja. Po pravilu: sa povećanjem brzine kretanja, povećaće se i efekat trenja neuništivog fluida.
Jednačina kontinuiteta
Fluid koji se ispituje mora biti nestišljiv, odnosno gustina mora biti nezavisna od vrednosti pritiska u fluidu, a brzina fluida u datoj tački prostora mora biti ista za sve čestice fluida koje kroz nju prolaze. Na taj način, fluid je idealan, a stanje u kom se on nalazi je stacionarno strujanje. Linije duž kojih se čestice fluida kreću nazivaju se strujne linije. Deo fluida ograničen dvema strujnim linijama naziva se strujna cev. Kao što je prikazano na slici 1, postoji strujna cev i u dvema tačkama (1 i 2) po jedan poprečni presek površine S1 i S2. ν1 i ν2 su brzine na osama ovih poprečnih preseka. Ako je gustina fluida u svakoj tački ista, onda će kroz oba preseka strujne cevi za isto vreme proteći ista količina fluida. Na taj način se obezbeđuje da je masa fluida koji protekne kroz S1 jednaka masi fluida koji protekne kroz S2. Za vreme ∆τ kroz presek S1 prostruji fluid mase ∆m, a za isto vreme kroz presek S2 prostruji fluid iste mase ∆m. Pošto je ∆m=ρSνΔτ (gde je ρ – gustina fluida), kada se mase u ova dva preseka uporede, dobija se: ρS1ν1Δτ=ρS2ν2Δτ, a posle skraćivanja: S1ν1=S2ν2. Iz ove jednačine se izvodi njen drugačiji oblik: ν1/ν2=S2/S1. Odatle je jasno da je odnos brzina proticanja fluida kroz dva različita preseka obrnuto srazmeran odnosu površina tih preseka.
Bernulijeva jednačina
Na slici broj 2 prikazana je strujna cev koja je pod uticajem Zemljine teže, a krajevi cevi su na različitim visinama i imaju različite vrednosti površina poprečnih preseka. Na fluid mase Δm utiče pritisak p1 i pritisak p2. Pošto je p1>p2, fluid će se kretati u pravcu delovanja pritiska p1 i to u tački 1 sa poprečnim presekom S1, brzinom ν1, a u tački 2 sa poprečnim presekom S2, brzinom ν2. Po ovim vrednostima, rad sile pritiska u tački 1 je A1=p1S1Δl1 i u tački 2 A2=p2S2Δl2, odnosno A1=p1ΔV1 i A2=p2ΔV2. Prema jednačini kontinuiteta ΔV1=ΔV2=ΔV=Δm/ρ, pa je onda A1=p1ΔV, a A2=p2ΔV. Pošto je p1>p2 onda sledi da je A1>A2.
Razlika rada sile pritisaka u tačkama 1 i 2 je jednaka promeni ukupne energije tj. razlici kinetičke i gravitacione potencijalne energije u tački 1 i 2. Pošto je izvršen neki rad da bi se fluid doveo iz tačke 1 u tačku 2, onda je jasno da je u tački 2 veća vrednost energije fluida. Zbog toga jednačina glasi ovako:
(p1-p2)ΔV=1/2∆mν2^2+∆mgh2-(1/2∆mν1^2+∆mgh1)
Posle sređivanja, preuređivanja članova i deljenja jednačine sa ∆V, uzimajući u obzir da je ∆m/∆V=ρ, jednačina dobija oblik:
p1+1/2ρν1^2+ρgh1=p2+1/2ρν2^2+ρgh2
Iz ove jednačine se konačno dobija Bernulijeva jednačina u obliku:
U Bernulijevoj jednačini postoje 3 člana: p – statički pritisak (potencijalna energija sile pritiska u jedinici zapremine) ρgh – visinski pritisak (gravitaciona potencijalna energija jedinice zapremine tečnosti) 1/2ρν^2 – dinamički pritisak (kinetička energija jedinice zapremine tečnosti)
Rečima iskazana, Bernulijeva jednačina glasi:
Pri stacionarnom proticanju idealne nestišljive tečnosti kroz strujne cevi, ukupni pritisak koji je jednak sumi statičkog, visinskog i dinamičkog pritiska, ostaje konstantan u svakom poprečnom preseku strujne cevi.
Specifičan slučaj se javlja kod ravnih, horizontalnih cevi gde je visina ∆h=0. Onda je: p+1/2ρν^2=const.
Postoji puno jednostavnih, očiglednih i zanimljivih dokaza za ovaj princip: U narodu postoji jedna poslovica: „Tiha voda breg roni.“ Tako sažeto sročena, ova rečenica zvuči besmisleno, ali posmatrano sa gledišta dinamike fluida ova tvrdnja je potpuno opravdana. Opšte je poznato da brze planinske reke imaju uska korita, dok ravničarske, koje su spore, imaju širi tok. Ta pojava je upravo i dokaz za Bernulijev princip. Reka se ponaša kao fluid i kada se za nju napiše ova jednačina, ona ima članove:
p – pritisak fluida (reke) na obale; 1/2ρν^2 – brzinu toka, pomnoženu sa polovinom gustine vode;
dok je treći član jednak nuli jer se ravničarska reka ponaša kao horizontalna cev i onda nema visinske razlike. U ovom slučaju jednačina ima oblik: p+1/2ρν^2=const. Pošto je gustina ρ konstantna vrednost, moguće je menjati samo pritisak p i brzinu ν i to na taj način da, ako je brzina povećana, pritisak je umanjen, a ako je visoka vrednost pritiska, onda je brzina mala. Tako, ravničarska reka teče sporo, ali snažno pritiska obale koje vremenom popuštaju pod statičkim pritiskom.
