Csak a Google gondolhatta, hogy az óriási, héliummal töltött léggömbök repülését jobb algoritmusok kidolgozásával lehet javítani. És hogy igazságosak legyünk a Mountain View-alapú keresési leviatánnal szemben, úgy tűnik, hogy működött.
Tartalom
- Áramlatok felfogása
- A helyes döntések meghozatala
Az elmúlt pár évben Loon projekt, a Google anyavállalatának, az Alphabetnek a leányvállalata azon dolgozik, hogy internet-hozzáférést biztosítson a vidéki és a világ távoli részein a sztratoszférában lévő magas léggömbök segítségével légi vezeték nélküli létesítésre hálózatok. Tavaly a Loon bejelentette, hogy kombinált ballonflottájával elérte az 1 millió órányi sztratoszférikus repülést. Aztán október végén Loon felállította a leghosszabb sztratoszférikus repülési rekordot 312 napig maradt levegőben, mintegy 135 000 mérföldet tesz meg.
Ajánlott videók
Egy új cikkben a Nature folyóiratban jelent meg, Loon elmagyarázza, hogyan képesek léggömbjei hetekig a levegőben maradni – emberi beavatkozás vagy a környező szelek teljes ismerete nélkül. A titok? Néhány lenyűgözően élvonalbeli A.I.
Áramlatok felfogása
„A léggömbök úgy navigálnak, hogy felfelé vagy lefelé mozognak a magasságban, hogy elkapják a kedvező széláramlatokat, amelyek a kívánt irányba viszik őket.” Sal Candido, a Loon technológiai igazgatója mondta a Digital Trendsnek. „A felemelkedés vagy leszállás időpontjával kapcsolatos döntéseket kifinomult algoritmusok határozzák meg. Ezeket az algoritmusokat hagyományosan emberi mérnökök írták. A megerősített tanulással kihasználjuk az A.I. ezeknek az algoritmusoknak a felépítéséhez. Lényegében egy olyan gépet építettünk, amely jobb navigációs rendszert képes felépíteni, mint mi, emberek. Ez a gép a hozzánk, emberekhez szükséges idő töredéke alatt képes megépíteni ezeket a navigációs rendszereket is.”
A megerősítő tanulás a gépi tanulás egy íze, amelyet erősen a behaviorista pszichológia ihletett. A megerősítő tanulás vezérelve az az elképzelés, hogy a szoftverügynökök megtanulhatnak cselekedni a jutalom maximalizálása körül. A Google DeepMind a megerősítő tanulást híresen használta az A.I. nak nek klasszikus Atari videojátékokkal játszani — nem használ több információt, mint pusztán a játékok egyes képkockáit alkotó pixeleket és a képernyőn megjelenő pontszámot. Azzal, hogy a DeepMind A.I. maximalizálja a pontszámot. próba-szerencse módszerrel tanult meg játszani, fokozatosan csiszolta tudását, amíg mesterré nem vált.
Léggömböt úgy repülni, hogy az ne sérüljön ki, természetesen egészen más feladat, mint a számítógépes játék. Egy sikeres léggömbút nem jár olyan magas pontszámmal, amelyből azonnal kiderül, hogy sikeres volt. De ahogy Candido mondta, a megerősítő tanulás ennek ellenére kulcsfontosságú része Loon sikerének.
„A [megerősítő tanulás] hatalmas mennyiségű információt képes feldolgozni, és ezt a probléma megoldására alkalmazni, nem pedig ember magától értetődően meg kell érteni, hogyan kell reagálni erre az információra, vagy számítógéppel át kell kutatnia az összes lehetséges eredmény terében” mondott. „Mivel a Loon navigációja rengeteg tényező és információ [vagy] adat figyelembevételével javul, a komplexitás meghaladja a a mérnökök könnyen megtehetik [az előbbivel kapcsolatban], az utóbbi keresést pedig számításilag nehéz skálázni egy teljes flotta. [Ez teszi a megerősítéses tanulást] nagyszerű eszköz a munkához.”
A helyes döntések meghozatala
A megerősítő tanulás segítségével a mesterségesen intelligens léggömbök képesek optimális döntéseket hozni a hogyanról mozogni, a történelmi szélismeretek, a megfigyelt és előre jelzett szelek, valamint a várható jövőbeni repülés alapján utak. Mindezeket az adatokat mérlegelik, és különböző forgatókönyveket szimulálnak, mielőtt a ballon eldönti, hogyan kell cselekedni.
Loon: 312 nap a sztratoszférában
A Loon vezérlésére használt korábbi vezérlőkhöz képest az új megerősítés tanulás alapú módszertan jobban hatékonyan tartották Loon léggömbjeit földi állomásuk hatósugarán belül, így hatékonyan tudtak küldeni és fogadni jeleket. Amikor leütötték őket a pályáról, az azt is jelentette, hogy gyorsabban tértek vissza a megfelelő pozícióba.
„Az új, megerősítő tanulásra épülő algoritmusunk ma aktív, és segíti léggömbjeinket, hogy a kenyai felhasználók felett maradjanak, akiket a Telkom Kenya-val kötött partnerségünk részeként szolgálunk” – mondta Candido.
Az Alphabet régóta elkötelezett a tech gondolata mellett. Minél több embernek tud a Loon internet-hozzáférést biztosítani, annál jobb lesz a kezdeményezés. Ehhez pedig egyre intelligensebb technológiára van szüksége. Amint azt ez a legutóbbi mérföldkő is bizonyítja, úgy tűnik, hogy minden alapot lefed.
Szerkesztői ajánlások
- Honnan fogjuk tudni, hogy egy mesterséges intelligencia valójában mikor válik érzővé?
- Ez a technológia sci-fi volt 20 évvel ezelőtt. Most ez a valóság
- Mint egy alkoholszondás kimerültség ellen, az új vérvizsgálat is meg tudja állapítani, mennyire fáradt
Frissítse életmódjátA Digital Trends segítségével az olvasók nyomon követhetik a technológia rohanó világát a legfrissebb hírekkel, szórakoztató termékismertetőkkel, éleslátó szerkesztőségekkel és egyedülálló betekintésekkel.
