Οι χάρτες, αναπόσπαστο κομμάτι του εξοπλισμού μας, έχουν ο καθένας τη δικιά του κλίμακα και κάποιες φορές αυτό μπερδεύει τους αρχάριους χρήστες. Τι ακριβώς σημαίνουν στην πράξη οι διαφορετικές κλίμακες;

Κάθε χάρτης είναι φτιαγμένος σε μια συγκεκριμένη κλίμακα, κάτι που επιτρέπει στο χρήστη να υπολογίζει τις αποστάσεις μεταξύ των σημείων. Πως δουλεύει στην πράξη αυτό;

Είναι πολύ απλό. Η κλίμακα δείχνει πόσες φορές θα χρειαστεί να μεγεθύνετε τον χάρτη, ώστε να ταιριάζει με το πραγματικό μέγεθος του τοπίου που παρατηρείτε. Παράδειγμα:

• Ένα τετράγωνο πλέγμα σε χάρτη 1:10 000 εάν μεγεθυνθεί 10.000 φορές θα ταιριάζει με το πραγματικό μέγεθος του εδάφους. Δηλαδή π.χ. ένας πόντος στο χάρτη, αντιστοιχεί σε 100  μέτρα (1πόντοςΧ10000=10000πόντοι=100μέτρα).
• Ένα τετράγωνο πλέγμα σε χάρτη 1:25 000 εάν μεγεθυνθεί 25.000 φορές θα ταιριάζει με το πραγματικό μέγεθος του εδάφους. Δηλαδή ένας πόντος στο χάρτη, αντιστοιχεί σε 250  μέτρα.
• Ένα τετράγωνο πλέγμα σε χάρτη 1:50 000, εάν μεγεθυνθεί 50.000 φορές, θα ταιριάζει με το πραγματικό μέγεθος του εδάφους. Δηλαδή ένας πόντος στο χάρτη, αντιστοιχεί σε 500 μέτρα

Είχαν περάσει είκοσι ολόκληρα χρόνια από την αποστολή μας στο Dhaulagiri του 1998 και ήθελα να επιστρέψω εκεί που τόσο άδικα έχασαν την ζωή τους οι Νίκος Παπανδρέου και Μπάμπης Τσουπράς και να ολοκληρώσω την ανάβαση στην κορυφή. Αλλά μια ξαφνική πρόσκληση από την Asian trekking να συμμετάσχω σε διεθνή αποστολή στο θρυλικό, από κάθε άποψη, mount Kanchenjunga (8586μ.) ήρθε σαν την πέτρα που πέφτει στην ήρεμη λίμνη και ταράσσει τα νερά της.

Ασφαλώς και είχα τους ενδοιασμούς μου για το αν θα έπρεπε να λάβω μέρος σε αποστολή με στόχο την τρίτη ψηλότερη κορυφή του κόσμου σε αυτό το τόσο δύσκολο και απομακρυσμένο βουνό, έτσι έγιναν πολλές σκέψεις αλλά και συζητήσεις με κάποιους φίλους μου – κάποιος μου είπε, «καλά είσαι στις δάφνες του Έβερεστ, τι τα θες αυτά, θέλεις να χρεωθείς μια αποτυχία;» – όμως όσο το σκεφτόμουν τόσο περισσότερο έβλεπα και  καταλάβαινα ότι ήταν πραγματικά μια ευκαιρία που δεν έπρεπε να χάσω. Εκείνο το διάστημα (Φεβρουάριος 2017) είχα προγραμματίσει με τους κάλους φίλους Γιάννη και Γιώργο Γιαννάτο να πάμε στην Gogna Ιταλίας για παγοαναρρίχηση, σχεδόν  ταυτόχρονα είχα γνωρίσει και τον Φώτη Θεοχάρη και έτσι πήγαμε όλοι μαζί. Μετά την επιστροφή μου στην Ελλάδα έψαξα για σχοινοσύντροφο  από αυτούς  που είχα στο μυαλό μου, αλλά  δεν ήταν κάποιος διαθέσιμος και έτσι κατέληξα και πρότεινα στον Φώτη Θεοχάρη, αφού είδα στην Gogna ότι σκαρφάλωνε καλά, αλλά κυρίως δίψαγε για δράση. Έτσι ξεκίνησε η αποστολή μας.

https://anevenontas.gr/kanchenjunga-2018-h-proth-ellhnikh-anavash/

Μία νέα προσέγγιση στη μελέτη της προέλευσης της ζωής επιχείρησε ο Κριστόφ Αντάμι, καθηγητής Μοριακής Βιολογίας στο πανεπιστήμιο του Μίσιγκαν, στη μελέτη του «Εκτιμήσεις της θεωρίας της πληροφορίας σχετικά με την προέλευση της ζωής».

Στην έρευνά του, ο Αντάμι επεξεργάζεται την ιδέα πως η ζωή είναι επί της ουσίας ένα φαινόμενο πληροφορίας. Στη βάση αυτή είχε τη δυνατότητα να αγνοήσει τις λεπτομέρειες της χημείας και της βιολογίας και μέσω πολύ βασικών κανόνων που προκύπτουν από τη φύση της πληροφορίας να μελετήσει τις κύριες ιδιότητες της ζωής.

https://www.astronomos.gr/archives/9015

Η έννοια της πληροφορίας είναι αντικείμενο ευρείας μελέτης στην επιστήμη, που σχετίζεται και με την έννοια της εντροπίας, η οποία ποσοτικοποιεί την αταξία που υπάρχει σε ένα σύστημα. Ένας από τους πιο θεμελιώδεις νόμους της φυσικής υπαγορεύει πως η εντροπία στο Σύμπαν πάντα αυξάνεται, ενώ παράλληλα η ποσότητα της πληροφορίας μειώνεται (με άλλα λόγια, σήμερα το Σύμπαν είναι πιο «τακτοποιημένο» σε σχέση με αύριο και από την ολοένα αυξανόμενη αταξία λαμβάνουμε λιγότερη πληροφορία). Σε κάθε σύστημα μάλιστα, η εντροπία αυξάνει έως ότου φθάσει σε μία μέγιστη τιμή, οπότε και λέμε πως το σύστημα βρίσκεται σε κατάσταση θερμοδυναμικής ισορροπίας.

Κεντρική ιδέα στο θεωρητικό κατασκεύασμα του Αντάμι είναι πως τα έμβια όντα δε βρίσκονται σε θερμοδυναμική ισορροπία αλλά αντίθετα καταφέρνουν με κάποιον τρόπο να διατηρηθούν σε μία κατάσταση εντροπίας που δε συνάδει με την ποσότητα της πληροφορίας που περιέχεται σε αυτά. Ένα χαρακτηριστικό των ζωντανών οργανισμών είναι μάλιστα πως μπορούν να συντηρήσουν αυτή την κατάσταση επ’ αόριστον.

Ο Αντάμι προχώρησε με το μαθηματικό ορισμό της παραπάνω ιδέας. Ξεκινώντας από το αξίωμα πως ένα ποσοστό από μόρια ενός συγκεκριμένου μεγέθους μπορούν να αναπαράγονται (να αναπαράγουν επί της ουσίας την πληροφορία που περιέχουν) ανέπτυξε ένα μαθηματικό μοντέλο που υπολογίζει τη διαφορά ανάμεσα στην εντροπία ενός αυτοαναπαραγόμενου συστήματος με τη θεωρητική κατάσταση θερμοδυναμικής ισορροπίας στην οποία θα έπρεπε να καταλήξει, δείχνοντας πως η διαφορά αυτή είναι ίση με την ποσότητα της πληροφορίας που χρειάζεται για την αναπαραγωγή.

Όταν η διαφορά αυτή είναι μεγάλη, η αναπαραγωγή φαίνεται πως χρειάζεται πολλή πληροφορία, κάτι που την καθιστά δύσκολη. Αντίθετα, μικρές διαφορές οδηγούν σε συστήματα που αυτοαναπαράγονται εύκολα. Οι τιμές αυτές δεν είναι σταθερές και σύμφωνα με τον Αντάμι υπάρχουν πολλές παράμετροι που εάν ρυθμιστούν ευνοϊκά για την εμφάνιση ζωής, μπορούν να αυξήσουν την πιθανότητα αναπαραγωγής κατά πολλές τάξεις μεγέθους.

Ο ερευνητής εφάρμοσε τη μέθοδο του σε ένα σύστημα τεχνητής νοημοσύνης με το όνομα Avida το οποίο είχε χρησιμοποιηθεί στο παρελθόν για τη μελέτη βιολογικών συστημάτων, καταφέρνοντας να αναπαράγει τα δεδομένα από προηγούμενες έρευνες που είχαν μελετήσει το πρόβλημα από διαφορετική σκοπιά.

Η μέθοδος αυτή φαίνεται εκ πρώτης όψεως πολλά υποσχόμενη καθώς παρακάμπτει τις δυσκολίες που εισέρχονται στη μελέτη του φαινομένου της ζωής εάν κανείς συμπεριλάβει το τεράστιο πλήθος από χημικές διεργασίες που λαμβάνουν χώρα σε ένα ζωντανό οργανισμό.  Σύμφωνα πάντως με τον ερευνητή, ένα από τα βασικά ευρήματα της έρευνας είναι πως «η πιθανότητα η ζωή να αναπτύχθηκε αυθόρμητα από μόνη της φαίνεται πως είναι πολύ ενισχυμένη».

Πηγή : naftemporiki