在自然界中,鳥兒并不總是拍翅膀飛翔; 有時候他們會利用被稱為升溫暖氣柱熱量的來爬升。 借助大翼展,它們可以在高空停留數(shù)小時,同時消耗最少的能量。 究竟他們是如何做到在不可預(yù)測的氣流中對微小的變化做出調(diào)整并不為人所熟知。 但科學(xué)家現(xiàn)在正在使用人工智能來學(xué)習(xí)鳥兒們。
正如本周發(fā)表在《自然》雜志上的一篇論文所描述的那樣,來自美國和意大利大學(xué)的研究人員使用機器學(xué)習(xí)訓(xùn)練算法來控制滑翔機以利用熱量上升。 這不是第一次將人工智能用于此類任務(wù)(微軟去年公布了與滑翔機類似的研究成果),但這是第一次使用真實飛行的數(shù)據(jù)來更新和改善AI在該領(lǐng)域的表現(xiàn)。
這項研究表明,未來的自動駕駛飛機可以利用熱能,而不是依賴嘈雜和能源密集的引擎提供的動力來飛行。 它還表明人工智能可以幫助我們確切地弄清楚在天空中爬升的鳥類如何做得如此好。 在訓(xùn)練他們的算法時,科學(xué)家發(fā)現(xiàn),在教導(dǎo)系統(tǒng)滑翔機平穩(wěn)飛行時,一些因素,尤其是垂直風(fēng)加速度和側(cè)向扭矩,非常重要。 他們認(rèn)為,同樣的情況可能適用于鳥類。
為了創(chuàng)建他們的AI系統(tǒng),研究人員使用強化學(xué)習(xí)。 這是一種像進行試驗、反思錯誤一樣工作的訓(xùn)練工具。 系統(tǒng)被賦予了許多輸入數(shù)值,并且要求它以最大化某種獎勵的方式進行自我改善。 它在不知道任務(wù)的情況下開始,并且隨著時間的推移學(xué)習(xí)如何正確控制自己的身體來達成目標(biāo)。 在這種情況下,輸入包括飛行信息,如滑翔機的俯仰,偏航,地面速度和空速。 它尋求的獎勵是最大化其爬升率(它獲得高度的速度)。
研究人員首先在模擬器中訓(xùn)練他們的算法,然后在現(xiàn)實生活中訓(xùn)練。 他們在加利福尼亞州波威的天空中進行了大約240次飛行,平均持續(xù)了大約三分鐘。 他們使用手動控制器將滑翔機引導(dǎo)到一個固定的位置,然后人工智能接管,使用熱量產(chǎn)生的氣流(可以每秒快速移動幾米)爬上天空。
該研究的作者之一可以高塔姆(Gautam Reddy)通過電子郵件告訴The Verge網(wǎng)站:“在良好的情況下,滑翔機可以在高空停留大約45分鐘。在我們的另一些試飛中,風(fēng)力太大,滑翔機無法處理,我們不得不過早地將它取回。還有幾次,我們的滑翔機收到了老鷹的攻擊。 還有一些老鷹和滑翔機一起利用氣流爬升。”
在我們可以真正使用AI控制飛行中的滑翔機進行實際工作之前,還有很多工作要做。熱量只是爬升的鳥類利用的一種上升氣流。 其他的是由氣流溢出山脊或山巒密集的區(qū)域中的氣團碰撞產(chǎn)生的,比如海岸和沙漠邊界等地方。 換句話說:僅僅因為AI可以駕馭熱量產(chǎn)生的氣流,并不意味著它已經(jīng)準(zhǔn)備好迎接世界所提供的各種風(fēng)。
然而,高塔姆和他的同事對未來充滿信心。 他們說,制造AI駕駛的利用熱量的自動滑翔機并不會太難。高塔姆說: “我們期待著在未來這樣做,” 這種技術(shù)可以用于長期的科學(xué)調(diào)查和其他雄心勃勃的項目,如跟蹤鳥類端到端的遷移。 通過學(xué)習(xí)如何像鳥一樣飛翔,我們也可以了解更多關(guān)于他們的生活的方方面面。同時我們也可以從鳥兒身上學(xué)到許多知識,希望可以教我們的飛機做同樣的事情