רק גוגל יכלה לחשוב שהדרך לשפר את הטיסה של בלונים ענקיים מלאי הליום היא על ידי יצירת אלגוריתמים טובים יותר. וכדי להיות הוגן כלפי חיפוש לווייתן מבוסס Mountain View, נראה שזה עבד.
תוכן
- תופסת זרמים
- קבלת החלטות נכונות
בשנתיים האחרונות, פרויקט לון, חברה בת של חברת האם של גוגל Alphabet, פעלה לספק גישה לאינטרנט באזורים כפריים ו חלקים מרוחקים של העולם על ידי שימוש בבלונים בגובה רב בסטרטוספירה ליצירת אלחוטי אווירי רשתות. בשנה שעברה, לון הודיעה שהגיעה למיליון שעות טיסה בסטרטוספירה עם צי הבלונים המשולב שלה. ואז, בסוף אוקטובר, לון קבע שיא חדש לטיסה הארוכה ביותר בסטרטוספירה נשאר מוטס במשך עצום של 312 ימים, מכסה מרחק של כ-135,000 מיילים.
סרטונים מומלצים
במאמר חדש, פורסם בכתב העת Nature, לון מסביר כיצד הבלונים שלו מסוגלים להישאר באוויר במשך שבועות בכל פעם - ללא התערבות אנושית או ידע מלא על הרוחות שמסביב. הסוד? כמה A.I חדשני בצורה מרשימה.
תופסת זרמים
"בלוני לון מנווטים על ידי תנועה למעלה או למטה בגובה כדי לתפוס זרמי רוח נוחים שלוקחים אותם לכיוון הרצוי", סאל קנדידו, מנהל הטכנולוגיה הראשי של לון, אמר ל-Digital Trends. "ההחלטות לגבי מתי לעלות או לרדת נקבעות על ידי אלגוריתמים מתוחכמים. באופן מסורתי, האלגוריתמים הללו נכתבו על ידי מהנדסי אנוש. עם למידת תגבור, אנו ממנפים את A.I. לבנות אלגוריתמים אלה. בעצם, בנינו מכונה שמסוגלת לבנות מערכת ניווט טובה יותר ממה שאנו בני האדם יכולים. המכונה הזו יכולה גם לבנות את מערכות הניווט האלה בחלק מהזמן שלוקח לנו בני האדם".
למידת חיזוק היא טעם של למידת מכונה בהשראת הפסיכולוגיה הביהביוריסטית. העיקרון המנחה של למידת חיזוק הוא הרעיון שסוכני תוכנה יכולים ללמוד לנקוט בפעולה המבוססת על מיקסום התגמול. מפורסם, למידת חיזוק שימשה את Google DeepMind כדי ללמד A.I. ל לשחק משחקי וידאו קלאסיים של Atari - לא משתמש יותר במידע מאשר רק בפיקסלים שהרכיבו כל פריים של המשחקים ובניקוד על המסך. על ידי שנאמר לו למקסם את הניקוד שלו, ה-DeepMind A.I. למד לשחק את המשחקים באמצעות ניסוי וטעייה, משכלל בהדרגה את כישוריו עד שהיה מאסטר.
הטסת בלון בצורה כזו שלא יתפוצץ מהמסלול היא משימה שונה בהרבה ממשחקי מחשב, כמובן. מסע בלון מוצלח לא מגיע עם ציון גבוה שמבהיר מיד שהוא הצליח. אבל, כפי שאמר קנדידו, למידת חיזוק היא בכל זאת חלק מכריע בהצלחתו של לון.
"[לימוד תגבור] מסוגל לעבד כמויות אדירות של מידע וליישם אותו לפתרון הבעיה, ולא לאדם צריך להבין מטבעו איך להגיב למידע הזה או שמחשב יחפש במרחב של כל התוצאות האפשריות", הוא אמר. "מכיוון שהניווט של Loon משתפר על ידי התחשבות במספר עצום של גורמים ומידע [או] נתונים, המורכבות עלתה על מה מהנדסים מסוגלים בקלות לעשות [בקשר] את הראשון, ואת החיפוש האחרון קשה להרחיב מבחינה חישובית על פני צי. [זה הופך את למידת החיזוק] לכלי נהדר לתפקיד."
קבלת החלטות נכונות
באמצעות למידת חיזוק, הבלונים החכמים באופן מלאכותי מסוגלים לקבל החלטות אופטימליות לגבי איך לנוע, בהתבסס על ידע היסטורי של הרוח, הרוחות הנצפות והחזויות, והטיסה העתידית החזויה שבילים. כל הנתונים הללו נשקללים ומדומים תרחישים שונים לפני שהבלון מחליט כיצד לפעול.
Loon: 312 ימים בסטרטוספירה
בהשוואה לבקרים הקודמים ששימשו לשליטה ב-Loon, המתודולוגיה החדשה מבוססת למידה של חיזוקים יותר שמר ביעילות את הבלונים של לון בטווח של תחנת הקרקע שלהם כדי שיוכלו לשלוח ולקבל ביעילות אותות. כשהם הופלו מהמסלול, זה גם אומר שהם יחזרו מהר יותר למיקומים הנכונים.
"האלגוריתם החדש שלנו המופעל על ידי חיזוק למידה פעיל היום, ועוזר לבלונים שלנו להישאר מעל המשתמשים בקניה, אותם אנו משרתים כחלק מהשותפות שלנו עם Telkom Kenya", אמר קנדידו.
אלפבית כבר מזמן מחויבת לרעיון הטכנולוגיה לתמיד. ככל ש-Loon יכול לספק ליותר אנשים גישה לאינטרנט, כך היוזמה תהיה טובה יותר. וכדי לעשות זאת, היא זקוקה לטכנולוגיה חכמה יותר שתניע אותה. כפי שמעידה אבן הדרך האחרונה הזו, נראה שכל הבסיסים מכוסים.
המלצות עורכים
- איך נדע מתי בינה מלאכותית באמת הופכת לחושית?
- הטכנולוגיה הזו הייתה מדע בדיוני לפני 20 שנה. עכשיו זו המציאות
- כמו מנתח נשיפה לתשישות, בדיקת דם חדשה יכולה לדעת כמה אתה עייף
שדרג את אורח החיים שלךמגמות דיגיטליות עוזרות לקוראים לעקוב אחר עולם הטכנולוגיה המהיר עם כל החדשות האחרונות, ביקורות מהנות על מוצרים, מאמרי מערכת מעוררי תובנות והצצות מיוחדות במינן.
