მხოლოდ Google-ს შეეძლო ეფიქრა, რომ გიგანტური, ჰელიუმით სავსე ბურთების ფრენის გასაუმჯობესებლად უკეთესი ალგორითმების შექმნაა. და სამართლიანი რომ ვიყოთ Mountain View-ზე დაფუძნებული საძიებო ლევიათანის მიმართ, როგორც ჩანს, მან იმუშავა.
შინაარსი
- დენების დაჭერა
- სწორი გადაწყვეტილებების მიღება
ბოლო ორი წლის განმავლობაში, პროექტი Loon, Google-ის მშობელი კომპანიის Alphabet-ის შვილობილი კომპანია, მუშაობს ინტერნეტთან წვდომის უზრუნველსაყოფად სოფლად და მსოფლიოს შორეულ ნაწილებში სტრატოსფეროში მაღალი სიმაღლის ბურთების გამოყენებით საჰაერო უსადენოების შესაქმნელად ქსელები. გასულ წელს ლოონმა გამოაცხადა, რომ სტრატოსფეროში ფრენის 1 მილიონ საათს მიაღწია თავისი გაერთიანებული საჰაერო ხომალდის ფლოტით. შემდეგ, ოქტომბრის ბოლოს, ლონმა დაამყარა ახალი რეკორდი ყველაზე გრძელი სტრატოსფერული ფრენით ჰაერში დარჩენა 312 დღის განმავლობაში, დაფარავს დაახლოებით 135,000 მილის მანძილს.
რეკომენდებული ვიდეოები
ახალ სტატიაში, გამოქვეყნდა ჟურნალ Nature-შილუნი განმარტავს, თუ როგორ ახერხებენ მის ბუშტებს ჰაერში კვირების განმავლობაში ყოფნა - ადამიანის ჩარევისა და მიმდებარე ქარების სრული ცოდნის გარეშე. საიდუმლო? ზოგიერთი შთამბეჭდავად უახლესი A.I.
დენების დაჭერა
„ლონის ბუშტები ნავიგაციას ახდენენ სიმაღლეზე მაღლა ან ქვევით მოძრაობით, რათა დაიჭირონ ხელსაყრელი ქარის დინებები, რომლებიც მათ სასურველ მიმართულებით მიჰყავს“. სალ კანდიდოგანუცხადა ლუნის ტექნოლოგიების მთავარმა ოფიცერმა Digital Trends-ს. „გადაწყვეტილებები იმის შესახებ, თუ როდის უნდა ასვლა ან დაღმართი, განისაზღვრება დახვეწილი ალგორითმებით. ტრადიციულად, ეს ალგორითმები დაწერილია ინჟინრების მიერ. განმამტკიცებელი სწავლით, ჩვენ ვიყენებთ A.I. ამ ალგორითმების შესაქმნელად. არსებითად, ჩვენ ავაშენეთ მანქანა, რომელსაც შეუძლია შექმნას უკეთესი სანავიგაციო სისტემა, ვიდრე ჩვენ ადამიანებს შეგვიძლია. ამ მანქანას ასევე შეუძლია ამ სანავიგაციო სისტემების აშენება იმ დროის იმ ნაწილში, რაც ჩვენ ადამიანებს სჭირდებათ.”
განმტკიცების სწავლა არის მანქანური სწავლის არომატი, რომელიც ძლიერ შთაგონებულია ბიჰევიორისტული ფსიქოლოგიით. განმტკიცების სწავლის სახელმძღვანელო პრინციპი არის იდეა, რომ პროგრამულ აგენტებს შეუძლიათ ისწავლონ ქმედებების განხორციელება ჯილდოს მაქსიმიზაციის ირგვლივ. ცნობილია, რომ განმამტკიცებელი სწავლა გამოიყენა Google DeepMind-ის მიერ A.I-ის სწავლებისთვის. რომ ითამაშეთ კლასიკური Atari ვიდეო თამაშები — არ იყენებს მხოლოდ იმ პიქსელებს, რომლებიც შეადგენდა თამაშების თითოეულ კადრს და ეკრანზე არსებულ ქულებს. როდესაც უთხრეს, რომ მაქსიმალურად გაზარდოს თავისი ქულა, DeepMind A.I. ისწავლა თამაშების თამაში საცდელ-შეცდომის გზით, თანდათან აუმჯობესებდა თავის უნარებს, სანამ ოსტატი გახდა.
ბუშტის ფრენა ისე, რომ ის არ აფეთქდეს, რა თქმა უნდა, კომპიუტერული თამაშებისგან განსხვავებული ამოცანაა. წარმატებული ბუშტით მოგზაურობას არ გააჩნია მაღალი ქულა, რაც დაუყოვნებლივ ცხადყოფს, რომ ის წარმატებული იყო. მაგრამ, როგორც კანდიდომ თქვა, განმამტკიცებელი სწავლა ლუნის წარმატების გადამწყვეტი ნაწილია.
„[განმამტკიცებელ სწავლებას] შეუძლია უზარმაზარი ინფორმაციის დამუშავება და მისი გამოყენება პრობლემის გადასაჭრელად და არა ადამიანზე. აუცილებელია იმის გაგება, თუ როგორ უნდა მოიქცეთ ამ ინფორმაციაზე რეაგირება ან კომპიუტერის მოძიება ყველა შესაძლო შედეგის სივრცეში. ” განაცხადა. იმის გამო, რომ Loon ნავიგაცია უმჯობესდება ფაქტორების და ინფორმაციის [ან] დიდი რაოდენობის გათვალისწინებით, სირთულემ გადააჭარბა ინჟინრებს ადვილად შეუძლიათ პირველის გაკეთება, ხოლო ამ უკანასკნელის ძიება გამოთვლით რთულია სრული მასშტაბით ფლოტი. [ეს აქცევს გაძლიერებულ სწავლებას] შესანიშნავ ინსტრუმენტად სამუშაოსთვის. ”
სწორი გადაწყვეტილებების მიღება
გაძლიერებული სწავლის გამოყენებით, ხელოვნურად ინტელექტუალურ ბუშტებს შეუძლიათ მიიღონ ოპტიმალური გადაწყვეტილებები იმის შესახებ, თუ როგორ გადაადგილება, ქარის ისტორიული ცოდნის საფუძველზე, დაკვირვებული და პროგნოზირებული ქარები და დაგეგმილი მომავალი ფრენა ბილიკები. ყველა ეს მონაცემი აწონ-დაწონილია და სხვადასხვა სცენარების სიმულაცია ხდება მანამ, სანამ ბუშტი გადაწყვეტს როგორ იმოქმედოს.
ლოონი: 312 დღე სტრატოსფეროში
წინა კონტროლერებთან შედარებით, რომლებიც გამოიყენებოდა Loon-ის გასაკონტროლებლად, გაძლიერების სწავლაზე დაფუძნებული ახალი მეთოდოლოგია უფრო ეფექტურად ინახავდა ლუნის ბუშტებს მათი სახმელეთო სადგურის მანძილზე, რათა მათ შეეძლოთ ეფექტურად გაგზავნა და მიღება სიგნალები. როდესაც ისინი დაარტყეს კურსს, ეს დამატებით ნიშნავდა მათ უფრო სწრაფად დაბრუნებას სწორ პოზიციებზე.
”ჩვენი ახალი გაძლიერების სწავლის ალგორითმი აქტიურია დღეს, რომელიც ეხმარება ჩვენს ბუშტებს დარჩეს კენიაში მომხმარებლებზე მაღლა, რომლებსაც ჩვენ ვემსახურებით, როგორც Telkom Kenya-სთან ჩვენი პარტნიორობის ნაწილი”, - თქვა კანდიდომ.
Alphabet დიდი ხანია ერთგულია ტექნიკის იდეაზე. რაც უფრო მეტ ადამიანს შეძლებს ლუნი ინტერნეტთან წვდომის უზრუნველყოფას, მით უკეთესი იქნება ინიციატივა. და ამისათვის მას სჭირდება უფრო გონივრული ტექნოლოგია მის მართვაში. როგორც ეს უკანასკნელი ეტაპიდან მოწმობს, როგორც ჩანს, მას ყველა ბაზა აქვს დაფარული.
რედაქტორების რეკომენდაციები
- როგორ გავიგოთ, როდის ხდება AI რეალურად მგრძნობიარე?
- ეს ტექნოლოგია იყო სამეცნიერო ფანტასტიკა 20 წლის წინ. ახლა რეალობაა
- დაღლილობის ალკოანალიზატორის მსგავსად, სისხლის ახალ ანალიზს შეუძლია გითხრათ რამდენად დაღლილი ხართ
განაახლეთ თქვენი ცხოვრების წესიDigital Trends ეხმარება მკითხველს თვალყური ადევნონ ტექნოლოგიების სწრაფ სამყაროს ყველა უახლესი სიახლეებით, სახალისო პროდუქტების მიმოხილვებით, გამჭრიახი რედაქციებითა და უნიკალური თვალით.
