Solo Google poteva pensare che il modo per migliorare il volo dei palloncini giganti pieni di elio fosse sviluppare algoritmi migliori. E per essere onesti nei confronti del leviatano della ricerca con sede a Mountain View, sembra aver funzionato.
Contenuti
- Catturare le correnti
- Prendere le giuste decisioni
Negli ultimi due anni, Progetto Loon, una filiale della società madre di Google, Alphabet, ha lavorato per fornire l'accesso a Internet nelle zone rurali e parti remote del mondo utilizzando palloni ad alta quota nella stratosfera per creare wireless aeree reti. L'anno scorso, Loon ha annunciato di aver raggiunto 1 milione di ore di volo stratosferico con la sua flotta combinata di palloncini. Poi, alla fine di ottobre, Loon ha stabilito un nuovo record per il volo stratosferico più lungo rimanendo in volo per ben 312 giorni, coprendo una distanza di circa 135.000 miglia.
Video consigliati
In un nuovo articolo, pubblicato sulla rivista Nature, Loon spiega come i suoi palloncini riescano a rimanere in aria per settimane di seguito, senza l'intervento umano o la piena conoscenza dei venti circostanti. Il segreto? Alcuni giochi di intelligenza artificiale straordinariamente all'avanguardia.
Catturare le correnti
“I palloncini lunari navigano spostandosi su o giù in altitudine per catturare le correnti di vento favorevoli che li portano nella direzione desiderata”, Sal Candido, ha detto a Digital Trends il chief technology officer di Loon. “Le decisioni su quando salire o scendere sono determinate da sofisticati algoritmi. Tradizionalmente, questi algoritmi sono stati scritti da ingegneri umani. Con l’apprendimento per rinforzo, stiamo sfruttando l’A.I. per costruire questi algoritmi. In sostanza, abbiamo costruito una macchina in grado di costruire un sistema di navigazione migliore di quello che possiamo fare noi umani. Quella macchina può anche costruire questi sistemi di navigazione in una frazione del tempo che impiega noi umani”.
L’apprendimento per rinforzo è un tipo di apprendimento automatico fortemente ispirato alla psicologia comportamentista. Il principio guida dell’apprendimento per rinforzo è l’idea che gli agenti software possono imparare ad agire in base alla massimizzazione di una ricompensa. Notoriamente, l'apprendimento per rinforzo è stato utilizzato da Google DeepMind per insegnare a un'intelligenza artificiale. A giocare ai classici videogiochi Atari - utilizzando solo le informazioni relative ai pixel che componevano ciascun fotogramma dei giochi e il punteggio sullo schermo. Quando gli viene detto di massimizzare il suo punteggio, DeepMind A.I. ha imparato a giocare attraverso tentativi ed errori, affinando gradualmente le sue abilità fino a diventare un maestro.
Far volare un pallone in modo tale che non venga portato fuori rotta è ovviamente un compito molto diverso rispetto ai videogiochi. Un viaggio in mongolfiera di successo non arriva con un punteggio elevato che renda immediatamente evidente che ha avuto successo. Ma, come ha detto Candido, l’apprendimento per rinforzo è comunque una parte cruciale del successo di Loon.
“[L’apprendimento per rinforzo] è in grado di elaborare enormi quantità di informazioni e applicarle alla risoluzione del problema, piuttosto che a un intervento umano. la necessità di comprendere intrinsecamente come reagire a tali informazioni o di avere un computer che cerca nello spazio di tutti i possibili risultati", ha disse. “Poiché la navigazione di Loon migliora considerando un numero enorme di fattori e informazioni [o] dati, la complessità ha superato quello gli ingegneri sono facilmente in grado di fare [per quanto riguarda] il primo, e la seconda ricerca è computazionalmente difficile da scalare su un intero flotta. [Ciò rende l’apprendimento per rinforzo] un ottimo strumento per il lavoro.”
Prendere le giuste decisioni
Utilizzando l'apprendimento per rinforzo, i palloncini artificialmente intelligenti sono in grado di prendere decisioni ottimali su come farlo muoversi, in base alla conoscenza storica del vento, ai venti osservati e previsti e al volo futuro previsto percorsi. Tutti questi dati vengono soppesati e vengono simulati diversi scenari prima che il pallone decida come agire.
Loon: 312 giorni nella stratosfera
Rispetto ai controller precedenti utilizzati per controllare Loon, la nuova metodologia basata sull'apprendimento per rinforzo è maggiore manteneva effettivamente i palloncini di Loon nel raggio d'azione della loro stazione di terra in modo che potessero inviare e ricevere efficacemente segnali. Quando venivano portati fuori rotta, significava anche che tornavano più velocemente nelle posizioni giuste.
"Il nostro nuovo algoritmo basato sull'apprendimento di rinforzo è attivo oggi, aiutando i nostri palloncini a rimanere al di sopra degli utenti in Kenya, che stiamo servendo come parte della nostra partnership con Telkom Kenya", ha affermato Candido.
Alphabet è da tempo impegnata nell’idea della tecnologia per sempre. Più persone Loon potrà fornire l'accesso a Internet, migliore sarà l'iniziativa. E, per farlo, ha bisogno di una tecnologia sempre più intelligente che lo guidi. Come evidenziato da quest’ultimo traguardo, sembra che tutte le basi siano coperte.
Raccomandazioni degli editori
- Come faremo a sapere quando un'intelligenza artificiale diventerà effettivamente senziente?
- Questa tecnologia era fantascienza 20 anni fa. Ora è realtà
- Come un etilometro per l'esaurimento, un nuovo esame del sangue può dire quanto sei stanco
Migliora il tuo stile di vitaDigital Trends aiuta i lettori a tenere d'occhio il frenetico mondo della tecnologia con tutte le ultime notizie, divertenti recensioni di prodotti, editoriali approfonditi e anteprime uniche nel loro genere.
