Hur A.I. Håller Googles Loon-ballonger uppe

Bara Google kunde tro att sättet att förbättra flygningen av gigantiska, heliumfyllda ballonger är genom att komma med bättre algoritmer. Och för att vara rättvis mot den Mountain View-baserade sökningen leviathan, verkar det ha fungerat.

Under de senaste åren, Projekt Loon, ett dotterbolag till Googles moderbolag Alphabet, har arbetat för att tillhandahålla internetåtkomst på landsbygden och avlägsna delar av världen genom att använda höghöjdsballonger i stratosfären för att skapa trådlösa antenn nätverk. Förra året meddelade Loon att den hade nått 1 miljon timmars stratosfärflygning med sin kombinerade ballongflotta. Sedan, i slutet av oktober, satte Loon ett nytt rekord för längsta stratosfäriska flygning kvar i luften i hela 312 dagar, som täcker en sträcka på cirka 135 000 miles.

I en ny artikel, publicerad i tidskriften Nature, förklarar Loon hur dess ballonger kan hålla sig i luften i veckor i taget - utan mänsklig inblandning eller full kunskap om omgivande vindar. Hemligheten? Några imponerande banbrytande A.I.

Fånga strömmar

"Loongballonger navigerar genom att röra sig upp eller ner i höjd för att fånga gynnsamma vindströmmar som tar dem i önskad riktning." Sal Candido, säger Loons tekniska chef, till Digital Trends. "Besluten om när man ska stiga eller gå ner bestäms av sofistikerade algoritmer. Traditionellt har dessa algoritmer skrivits av mänskliga ingenjörer. Med förstärkningsinlärning utnyttjar vi A.I. att bygga dessa algoritmer. I grund och botten har vi byggt en maskin som är kapabel att bygga ett bättre navigationssystem än vad vi människor kan. Den maskinen kan också bygga dessa navigationssystem på en bråkdel av den tid som det tar oss människor.”

Reinforcement learning är en variant av maskininlärning starkt inspirerad av behavioristisk psykologi. Förstärkningsinlärningens vägledande princip är idén att mjukvaruagenter kan lära sig att vidta åtgärder baserat på att maximera en belöning. Det är känt att förstärkningsinlärning användes av Google DeepMind för att lära ut en A.I. till spela klassiska Atari-videospel — använder inte mer information än bara pixlarna som utgör varje bildruta i spelen och poängen på skärmen. Genom att bli tillsagd att maximera sin poäng kan DeepMind A.I. lärde sig att spela spelen genom att trial-and-error, gradvis finslipa sina färdigheter tills det blev en mästare.

Att flyga en ballong på ett sådant sätt att den inte blåser ur kursen är naturligtvis en helt annan uppgift än att spela datorspel. En framgångsrik ballongresa kommer inte med en hög poäng som gör det omedelbart uppenbart att den har varit framgångsrik. Men, som Candido sa, förstärkningsinlärning är ändå en avgörande del av Loons framgång.

"[Reinforcement learning] kan bearbeta enorma mängder information och använda den för att lösa problemet, snarare än en människa att behöva förstå hur man reagerar på den informationen eller låta en dator söka igenom utrymmet för alla möjliga resultat", han sa. "Eftersom Loon-navigeringen förbättras genom att ta hänsyn till ett stort antal faktorer och information [eller] data, har komplexiteten överträffat vad ingenjörer kan lätt göra [med avseende på] den förra, och den senare sökningen är beräkningsmässigt svår att skala över en fullständig flotta. [Det gör förstärkningsinlärning] ett utmärkt verktyg för jobbet."

Att fatta rätt beslut

Med hjälp av förstärkningsinlärning kan de artificiellt intelligenta ballongerna fatta optimala beslut om hur att förflytta sig, baserat på historisk vindkunskap, observerade och prognostiserade vindar, och den projicerade framtida flygningen vägar. Alla dessa data vägs upp och olika scenarier simuleras innan ballongen bestämmer sig för hur den ska agera.

Jämfört med de tidigare kontrollerna som användes för att kontrollera Loon, den nya förstärkningsinlärningsbaserade metoden mer effektivt höll Loons ballonger inom räckhåll för sin markstation så att de effektivt kunde skicka och ta emot signaler. När de slogs ur kurs innebar det dessutom att de återvände snabbare till rätt positioner.

"Vår nya förstärkningsinlärningsbaserade algoritm är aktiv idag och hjälper våra ballonger att hålla sig ovanför användare i Kenya, som vi tjänar som en del av vårt partnerskap med Telkom Kenya," sa Candido.

Alphabet har länge varit engagerad i idén om teknik för gott. Ju fler personer Loon kan ge internetåtkomst till, desto bättre blir initiativet. Och för att göra det behöver den allt smartare teknik som driver den. Som framgår av den här senaste milstolpen verkar den ha alla baser täckta.

Redaktörens rekommendationer

• Hur ska vi veta när en AI faktiskt blir kännande?
• Den här tekniken var science fiction för 20 år sedan. Nu är det verklighet
• Som en alkomätare för utmattning kan nya blodprov avgöra hur trött du är

Uppgradera din livsstilDigitala trender hjälper läsare att hålla koll på den snabba teknikvärlden med alla de senaste nyheterna, roliga produktrecensioner, insiktsfulla redaktioner och unika smygtittar.