Только Google мог подумать, что способ улучшить полет гигантских воздушных шаров, наполненных гелием, — это разработать более совершенные алгоритмы. И если быть справедливым по отношению к поисковому левиафану, базирующемуся в Маунтин-Вью, похоже, это сработало.
Содержание
- Улавливание течений
- Принятие правильных решений
За последние пару лет, Проект Лун, дочерняя компания Alphabet, материнской компании Google, работает над обеспечением доступа в Интернет в сельских и отдаленных уголках мира, используя высотные воздушные шары в стратосфере для создания воздушной беспроводной связи. сети. В прошлом году Loon объявила, что достигла 1 миллиона часов полета в стратосфере с помощью своего объединенного парка воздушных шаров. Затем, в конце октября, Лун установил новый рекорд по продолжительности полета в стратосфере. оставаясь в воздухе целых 312 дней, преодолев расстояние около 135 000 миль.
Рекомендуемые видео
В новой статье опубликовано в журнале Nature, Loon объясняет, как его воздушные шары могут оставаться в воздухе неделями — без вмешательства человека или полного знания окружающих ветров. Секрет? Некоторые впечатляюще передовые технологии искусственного интеллекта.
Улавливание течений
«Воздушные шары Loon перемещаются, поднимаясь или опускаясь по высоте, чтобы поймать благоприятные потоки ветра, которые унесут их в нужном направлении». Сал Кандидо, рассказал Digital Trends технический директор Loon. «Решения о том, когда подниматься или спускаться, принимаются сложными алгоритмами. Традиционно эти алгоритмы писались инженерами-людьми. При обучении с подкреплением мы используем искусственный интеллект. построить эти алгоритмы. По сути, мы создали машину, способную создать лучшую навигационную систему, чем мы, люди. Эта машина также может создавать навигационные системы за долю времени, которое требуется нам, людям».
Обучение с подкреплением — это разновидность машинного обучения, вдохновленная бихевиористской психологией. Руководящим принципом обучения с подкреплением является идея о том, что программные агенты могут научиться предпринимать действия, основанные на максимизации вознаграждения. Известно, что обучение с подкреплением использовалось компанией Google DeepMind для обучения искусственного интеллекта. к играть в классические видеоигры Atari — не используя никакой дополнительной информации, кроме пикселей, составляющих каждый кадр игр, и очков на экране. Получив команду максимизировать свой результат, DeepMind A.I. научился играть в игры методом проб и ошибок, постепенно оттачивая свои навыки, пока не стал мастером.
Конечно, управлять воздушным шаром так, чтобы его не сбило с курса, — это совсем другая задача, чем играть в компьютерные игры. Успешное путешествие на воздушном шаре не сопровождается высоким баллом, который сразу же дает понять, что оно было успешным. Но, как сказал Кандидо, обучение с подкреплением, тем не менее, является важной частью успеха Loon.
«[Обучение с подкреплением] способно обрабатывать огромные объемы информации и применять ее для решения проблемы, а не человеческий фактор. необходимость понимать, как реагировать на эту информацию, или заставить компьютер искать пространство всех возможных результатов», — он сказал. «Поскольку навигация Loon улучшается за счет рассмотрения огромного количества факторов и информации [или] данных, сложность превзошла все инженеры легко могут сделать [относительно] первого, а второй поиск вычислительно сложно масштабировать на всю территорию. флот. [Это делает обучение с подкреплением] отличным инструментом для работы».
Принятие правильных решений
Используя обучение с подкреплением, воздушные шары с искусственным интеллектом способны принимать оптимальные решения о том, как двигаться, основываясь на исторических знаниях о ветре, наблюдаемых и прогнозируемых ветрах, а также прогнозируемом будущем полете. пути. Все эти данные взвешиваются и моделируются различные сценарии, прежде чем воздушный шар решит, как действовать.
Лун: 312 дней в стратосфере
По сравнению с предыдущими контроллерами, которые использовались для управления Loon, новая методология, основанная на обучении с подкреплением, более эффективно удерживал воздушные шары Loon в пределах досягаемости их наземной станции, чтобы они могли эффективно отправлять и получать сигналы. Когда их сбивали с курса, это дополнительно означало, что они быстрее возвращались на правильные позиции.
«Наш новый алгоритм на основе обучения с подкреплением активен сегодня, помогая нашим воздушным шарам оставаться над пользователями в Кении, которых мы обслуживаем в рамках нашего партнерства с Telkom Kenya», — сказал Кандидо.
Alphabet уже давно привержена идее технологий во благо. Чем большему количеству людей Loon сможет предоставить доступ в Интернет, тем лучше будет инициатива. И для этого ему нужны все более умные технологии, управляющие им. Как свидетельствует этот последний этап, кажется, что все основы охвачены.
Рекомендации редакции
- Как мы узнаем, когда ИИ действительно станет разумным?
- Эта технология была научной фантастикой 20 лет назад. Теперь это реальность
- Как алкотестер на усталость, новый анализ крови может определить, насколько вы устали.
Обновите свой образ жизниDigital Trends помогает читателям быть в курсе быстро меняющегося мира технологий благодаря всем последним новостям, забавным обзорам продуктов, содержательным редакционным статьям и уникальным кратким обзорам.
