全人工智能控制气球实现自主导航
能在平流层一连数周待在原地
科技日报北京12月3日电（采访人员张梦然）根据英国《自然》杂志3日发表的一项计算机科学最新突破 ， 加拿大科学家团队报告：完全由人工智能控制的气球 ， 成功实现自主导航 ， 在平流层一连数周待在原地 。 这一成果标志着深度强化学习向现实应用迈出了重要且非常难得的一步 ， 同时提高了人类全自动环境监测的可能性 。
人工智能在气象领域的应用 ， 正在爆发式增长 ， 并且呈现出由传统的机器学习向深度学习发展的趋势 。 通常 ， 填充氦气的超压气球常被用于高层大气实验 ， 如气象监测 ， 但如果被风吹偏了航道 ， 它们必须要返回原驻点 ， 而深度强化学习可以训练人工智能系统进行决策——对于超压气球来说 ， 这些主动决策就包括采取哪些行动来保持它们的位置不变 。
此次 ， 加拿大谷歌研究院科学家马克·贝尔麦尔及其同事 ， 训练了一种人工智能控制器 ， 能根据风的历史记录、预报、局地风观测和其他因素（如氦气损失和电池疲劳） ， 决定是否要移动气球 。
研究团队利用一种数据增强算法来解释数据中的空白 。 他们将这一新成果——名为“StationSeeker”的技术应用到分布在全球各地的“Loon气球”上 ， 包括一项在太平洋上空进行的为期39天的受控实验 。 “Loon气球”原本是一个互联网项目 ， 团队将高空超压气球发放至平流层 ， 组成空中的无线网络 。 而贝尔麦尔的实验证明 ， 受到“StationSeeker”控制的气球能成功实现自主导航 ， 一旦被吹偏航道 ， 它们能比传统控制器控制的气球更快地回到原驻点 。
深度强化学习的应用此前已在受控环境——如电脑游戏中得到了演示 ， 但在受控环境中 ， 拥有完整的数据集和明确定义的参数 。 而在现实世界中 ， 可预测性变得更差 ， 比如关于环境中风的数据就不完整 ， 因此很难采取最优调整而让气球保持在原位 。
在一篇同时发表的“新闻与观点”文章中 ， 英国牛津大学科学家斯科特·奥斯佩尔表示 ， 正是由于这一理由 ， 此次最新成果可以说代表了增强学习在现实世界应用的一次巨大进步 。
【Loon|全人工智能控制气球实现自主导航】声明：转载此文是出于传递更多信息之目的 。 若有来源标注错误或侵犯了您的合法权益 ， 请作者持权属证明与本网联系 ， 我们将及时更正、删除 ， 谢谢 。
推荐阅读
- 年轻人|呼叫全城玩家，魔都首发「表情包地铁」启程，2022蓝不倒！
- 网络|天津联通全力助推天津市入选全国首批千兆城市
- 地面|全程回顾神舟十三号航天员乘组圆满完成第二次出舱任务
- 平板|消息称 vivo 平板明年上半年推出：骁龙 870，四边等宽全面屏设计
- 安全|Redline Stealer恶意软件：窃取浏览器中存储的用户凭证
- 解决方案|三菱重工AirFlex：全屋恒温，暖意守护安全工作
- |南安市交通运输局强化渣土 运输安全专项整治
- 测试|图森未来完成全球首次无人驾驶重卡在公开道路的全无人化测试
- ASUS|华硕预热ROG Flow Z13：称其是“全球最强悍的游戏平板”
- Tencent|原生版微信上架统信UOS应用商店：适配X86、ARM、LoongArch架构