Так майже рік можуть літати інтернет-кулі Loon від Google

Тільки Google міг подумати, що спосіб покращити політ гігантських, наповнених гелієм повітряних куль – це придумати кращі алгоритми. І треба віддати належне пошуковому левіафану з Маунтін-В’ю, що базується в Маунтін-В’ю, це, здається, спрацювало.

• Ловити течії
• Прийняття правильних рішень

Протягом останніх кількох років Project Loon, дочірня компанія материнської компанії Google Alphabet, працювала над забезпеченням доступу до Інтернету в сільських і віддалених частинах світу, використовуючи висотні повітряні кулі в стратосфері для створення повітряних бездротових мереж. У минулому році компанія Loon оголосила, що досягла 1 мільйона годин нальоту в стратосфері зі своїм об’єднаним флотом повітряних куль. Потім, наприкінці жовтня, Лун встановив новий рекорд найдовшого стратосферного польоту, залишаючись у повітрі протягом 312 днів, подолавши відстань близько 135 000 миль.

У новій статті, опублікованій в журналі “Nature”, Лун пояснює, як саме його кулі здатні залишатися в повітрі тижнями – без втручання людини і повного знання про навколишні вітри. В чому секрет? Деякий вражаюче передовий штучний інтелект.

Ловити течії

“Повітряні кулі Loon орієнтуються, рухаючись вгору або вниз по висоті, щоб зловити сприятливі вітрові потоки, які несуть їх у потрібному напрямку”, – розповів Digital Trends Сал Кандідо, головний технічний директор компанії Loon. “Рішення про те, коли підніматися або спускатися, визначаються складними алгоритмами. Традиційно ці алгоритми були написані інженерами-людьми. За допомогою навчання з підкріпленням ми використовуємо штучний інтелект для створення цих алгоритмів. По суті, ми створили машину, яка здатна побудувати кращу навігаційну систему, ніж ми, люди, можемо. Ця машина також може будувати ці навігаційні системи за частку часу, який потрібен нам, людям”.

Навчання з підкріпленням – це різновид машинного навчання, який значною мірою натхненний біхевіористською психологією. Керівним принципом навчання з підкріпленням є ідея про те, що програмні агенти можуть навчитися діяти, орієнтуючись на максимізацію винагороди. Відомо, що навчання з підкріпленням було використано Google DeepMind для навчання штучного інтелекту грати в класичні відеоігри Atari – використовуючи не більше інформації, ніж просто пікселі, з яких складається кожен кадр гри, і рахунок на екрані. Отримавши вказівку максимізувати свій рахунок, ШІ DeepMind навчився грати в ігри методом проб і помилок, поступово відточуючи свої навички, поки не став майстром.

Керувати повітряною кулею так, щоб її не здуло з курсу – це, звісно, зовсім інше завдання, ніж грати в комп’ютерні ігри. Успішна подорож на повітряній кулі не супроводжується високим балом, який одразу показує, що вона була виконана на відмінно.

“[Навчання з підкріпленням] здатне обробляти величезні обсяги інформації і застосовувати її для розв’язання проблеми, замість того, щоб людині потрібно було за своєю природою розуміти, як реагувати на цю інформацію, або щоб комп’ютер перебирала усі можливі результати”, – сказав він. “Оскільки навігація Loon покращується завдяки врахуванню величезної кількості факторів і інформації [або] даних, складність перевершила те, що інженери легко можуть зробити [щодо] першого, а другий пошук складно масштабувати в масштабах усього флоту. [Це робить навчання з підкріпленням чудовим інструментом для роботи”.

Прийняття правильних рішень

Використовуючи навчання з підкріпленням, штучно інтегровані аеростати здатні приймати оптимальні рішення про те, як рухатись, на основі історичних знань про вітер, спостережуваного і прогнозованого вітру і прогнозованих майбутніх траєкторій польоту. Всі ці дані зважуються і моделюються різні сценарії, перш ніж куля вирішує, як діяти.

Лун: 312 днів у стратосфері

Порівняно з попередніми контролерами, які використовувались для управління Loon, нова методологія, заснована на навчанні з підкріпленням, більш ефективно утримувала кулі Loon в межах досяжності наземної станції, щоб вони могли ефективно надсилати і приймати сигнали. Коли вони були збиті з курсу, це додатково означало, що вони швидше поверталися на правильні позиції.

“Наш новий алгоритм на основі навчання з підкріпленням працює і сьогодні, допомагаючи нашим аеростатам залишатися над користувачами в Кенії, яких ми обслуговуємо в рамках нашого партнерства з Telkom Kenya”, – сказав Кандідо.

Компанія Alphabet вже давно прихильна до ідеї використання технологій на благо. Чим більшій кількості людей Loon зможе надати доступ до інтернету, тим кращою буде ця ініціатива. А для цього їй потрібні все більш розумні технології. Як свідчить ця остання віха, у неї, схоже, є всі підстави для цього.

Рекомендації редакторів

• Meta хоче підсилити Вікіпедію за допомогою ШІ-оновлення
• Як ми дізнаємось, коли штучний інтелект насправді стане розумним?
• Майбутнє штучного інтелекту: 4 головні речі, на які варто звернути увагу в найближчі кілька років
• Чому навчання роботів грі в хованки може стати ключем до АІ наступного покоління
• Вчені використовують ШІ для створення штучного генетичного коду людини

• HBO Max
• Особливості
• Що буде далі: Як технології допомагають суспільству відкритися після коронавірусу

Source: digitaltrends.com