Seul Google pourrait penser que la manière d'améliorer le vol des ballons géants remplis d'hélium consiste à proposer de meilleurs algorithmes. Et pour être juste envers le géant de la recherche basé à Mountain View, cela semble avoir fonctionné.
Contenu
- Attraper les courants
- Prendre les bonnes décisions
Au cours des deux dernières années, Projet Loon, une filiale de la société mère de Google, Alphabet, s'efforce de fournir un accès Internet aux zones rurales et rurales. régions reculées du monde en utilisant des ballons à haute altitude dans la stratosphère pour créer des liaisons aériennes sans fil réseaux. L'année dernière, Loon a annoncé avoir atteint 1 million d'heures de vol stratosphérique avec sa flotte combinée de ballons. Puis, fin octobre, Loon a établi un nouveau record du plus long vol stratosphérique en rester en vol pendant 312 jours, couvrant une distance d'environ 135 000 milles.
Vidéos recommandées
Dans un nouvel article, publié dans la revue Nature, Loon explique comment ses ballons sont capables de rester en l'air pendant des semaines – sans intervention humaine ni pleine connaissance des vents environnants. Le secret? Une IA incroyablement avant-gardiste.
Attraper les courants
« Les ballons huards naviguent en montant ou en descendant en altitude pour capter les courants de vent favorables qui les emmènent dans la direction souhaitée. » Sal Candido, directeur de la technologie de Loon, a déclaré à Digital Trends. « Les décisions concernant le moment de monter ou de descendre sont déterminées par des algorithmes sophistiqués. Traditionnellement, ces algorithmes ont été écrits par des ingénieurs humains. Avec l’apprentissage par renforcement, nous exploitons l’IA. pour construire ces algorithmes. Essentiellement, nous avons construit une machine capable de construire un meilleur système de navigation que nous, les humains. Cette machine peut également construire ces systèmes de navigation en une fraction du temps qu’il nous faut à nous, humains.
L’apprentissage par renforcement est une variante de l’apprentissage automatique fortement inspirée de la psychologie behavioriste. Le principe directeur de l’apprentissage par renforcement est l’idée selon laquelle les agents logiciels peuvent apprendre à agir en fonction de la maximisation d’une récompense. L’apprentissage par renforcement a été utilisé par Google DeepMind pour enseigner à un IA. à jouer aux jeux vidéo Atari classiques - en n'utilisant pas plus d'informations que les pixels qui composent chaque image des jeux et le score à l'écran. En lui demandant de maximiser son score, DeepMind A.I. a appris à jouer aux jeux par essais et erreurs, perfectionnant progressivement ses compétences jusqu'à devenir un maître.
Faire voler un ballon de manière à ce qu’il ne déviera pas de sa trajectoire est bien sûr une tâche bien différente de celle de jouer à des jeux informatiques. Un voyage en ballon réussi ne s’accompagne pas d’un score élevé qui montre immédiatement qu’il a été réussi. Mais, comme l’a dit Candido, l’apprentissage par renforcement est néanmoins un élément crucial du succès de Loon.
« [L'apprentissage par renforcement] est capable de traiter d'énormes quantités d'informations et de les appliquer à la résolution du problème, plutôt qu'à une approche humaine. avoir besoin de comprendre intrinsèquement comment réagir à ces informations ou de demander à un ordinateur de parcourir l'espace de tous les résultats possibles », a-t-il déclaré. dit. « Parce que la navigation sur Loon s'améliore en prenant en compte un grand nombre de facteurs et d'informations [ou] de données, la complexité a dépassé ce qu'elle était. les ingénieurs sont facilement capables de faire [en ce qui concerne] la première recherche, et la seconde recherche est informatiquement difficile à étendre à une échelle complète. flotte. [Cela fait de l’apprentissage par renforcement] un excellent outil pour le travail. »
Prendre les bonnes décisions
Grâce à l'apprentissage par renforcement, les ballons artificiellement intelligents sont capables de prendre des décisions optimales sur la façon dont se déplacer, sur la base de la connaissance historique des vents, des vents observés et prévus et du futur vol projeté chemins. Toutes ces données sont évaluées et différents scénarios simulés avant que le ballon ne décide comment agir.
Plongeon: 312 jours dans la stratosphère
Par rapport aux contrôleurs précédents utilisés pour contrôler Loon, la nouvelle méthodologie basée sur l'apprentissage par renforcement est plus efficace. gardé efficacement les ballons de Loon à portée de leur station au sol afin qu'ils puissent envoyer et recevoir efficacement signaux. Lorsqu’ils étaient déviés de leur trajectoire, cela signifiait également qu’ils revenaient plus rapidement aux bonnes positions.
"Notre nouvel algorithme basé sur l'apprentissage par renforcement est actif aujourd'hui, aidant nos ballons à rester au-dessus des utilisateurs au Kenya, que nous servons dans le cadre de notre partenariat avec Telkom Kenya", a déclaré Candido.
Alphabet est depuis longtemps attaché à l’idée d’une technologie pour le bien. Plus Loon pourra fournir un accès à Internet à de personnes, meilleure sera l’initiative. Et pour ce faire, il lui faut une technologie toujours plus intelligente. Comme en témoigne cette dernière étape importante, toutes les bases semblent être couvertes.
Recommandations des rédacteurs
- Comment saurons-nous quand une IA devient réellement sensible?
- Cette technologie relevait de la science-fiction il y a 20 ans. Maintenant c'est la réalité
- Comme un alcootest pour l'épuisement, une nouvelle analyse de sang peut déterminer votre niveau de fatigue.
Améliorez votre style de vieDigital Trends aide les lecteurs à garder un œil sur le monde en évolution rapide de la technologie avec toutes les dernières nouvelles, des critiques de produits amusantes, des éditoriaux perspicaces et des aperçus uniques.
