谷歌互聯網氣球持續飛行三個月全靠人工智慧認方向

這個夏天，谷歌 X 實驗室在秘魯上空的平流層中投放了一個氣球，它在那裡呆了 98 天。

現在谷歌 X 實驗室已經和谷歌分家，成了新成立的谷歌母公司 Alphabet 下的一個成員，名字也變成了 X。在平流層中投放氣球對 X 實驗室來說是家常便飯，它的 Project Loon 就是專門做這種事的——這些氣球可以在平流層中向還沒有互聯網接入的地區提供互聯網。

X 希望這些氣球能夠在平流層中待足夠長的時間並持續提供穩定可靠的互聯網接入。但大自然不會那麼「穩定」：氣球常常會飄走！所以說 X 實驗室能讓氣球在秘魯的上空呆上三個月已經是一件非常驚人的事了。而且更為驚人的是：這些氣球的導航系統只能讓氣球上下移動，而不能控制水平方向上的位移——這是因為更複雜的方向控制系統會更重、成本也更高。它們就像熱氣球一樣，需要在合適的天氣狀況中飛行。X 實驗室沒有給秘魯上空的氣球安裝什麼噴氣式推進系統，而是給了它一個人工智慧的大腦。

我們使用了廣義上的「人工智慧（artificial intelligence）」這個詞。但不管你叫它什麼，這些在秘魯上空給這些氣球導航的新演算法確實非常有效。這也代表著整個科技界近來的一場非常真實的也非常廣泛的巨大變革。

在剛開始的時候，Loon 團隊通過人工編寫的演算法來引導這些氣球；這些演算法可以響應一些預定義的變數集合（如：高度、位置、風速和每日時間等）。而新的演算法則在很大程度上利用了機器學習技術：通過分析大量數據，這些演算法可以隨時間不斷學習。它們可以基於過去發生過的狀況調整氣球未來的行為。

「我們在越來越多合適的地方用上了越來越多的機器學習，」谷歌的前搜索工程師、現任 Loon 項目負責人 Sal Candido 說，「這些演算法可以比任何人類都更高效地處理事情。」

但這並不意味著這些演算法總是能做出正確的決策。

Candido 擁有一個隨機最優控制（stochastic optimal control）的博士學位。也就是說他專門研究的是系統面對不確定情況的控制問題，現在他就正在應用自己的專業知識來解決實際的問題。當你將一個氣球投放到平流層時，會有很多可怕的不確定性，而你不能改變這一點。但在機器學習的幫助下，Candido 及其團隊正在尋找更好的解決不確定難題的方法。

當 Loon 項目剛啟動時，該團隊認為為一個地球提供互聯網覆蓋的唯一方法是投放大量氣球，然後讓它們相隔很遠地飄在空中。但現在，他們能更好地控制氣球的飄動方向了，這就意味著他們可以只用更少的氣球就能提供互聯網覆蓋了。「氣球不會飄到海洋上去，」Candido 說，「我們可以在用戶上空停留更久。」

機器學習不僅在 Project Loon 中的興起，在整個谷歌乃至整個科技行業也是一樣——Facebook、微軟、Twitter 等許多公司都在這個方向上發力。最值得注意的是，這些公司都在向深度神經網路（deep neural networks）的方向發展——這是一種稍微類似於人腦中神經元網路的演算法。這種技術在你的安卓手機上幫你識別語音指令、在 Facebook 上幫你識別照片中的人臉、在谷歌的搜索引擎中幫你選擇合適的鏈接……過去，驅動谷歌搜索的演算法是人工編程的。而現在，演算法已經能夠自己學習了，它根據人們的點擊情況進行分析從而選擇呈現最佳的搜索結果。

Project Loon 的導航系統並沒有使用深度神經網路，而是使用了一種更簡單的名叫高斯過程（Gaussian processes）的機器學習技術。但其中的基本思路是一樣的。而且這也能讓我們看到實際上深度學習只是人工智慧革命的一部分。

Project Loon 已經收集到了 1700 萬千米的氣球飛行數據；通過高斯過程，該導航系統可以預測氣球的運動軌跡，然後決定氣球應該向上移動還是向下移動（這涉及到向氣球充氣和給氣球放氣）。

這些預測並不完美——很大程度上是因為平流層的天氣是很難預測的。平流層位於我們所能感受的大多數氣象現象之上，但 Candido 說這些氣球所遭遇到的不確定性遠遠超過了該團隊的預期。所以，他們還使用了一種被稱為強化學習（reinforcement learning）的技術對系統進行了強化。該系統在做出預測後還會繼續收集氣球目前所處情況的額外信息——那些有效那些沒有——然後使用這些數據來調製自己的行為。

從廣義上講，這和另一支谷歌研究團隊打造 AlphaGo 的方法類似——這個下圍棋的人工智慧系統已經擊敗了一位世界最頂級的圍棋棋手李世石。AlphaGo 通過分析數百萬局人類棋局然後不斷和自己對弈而學會了下圍棋，它通過強化學習仔細地追蹤成功或不成功的策略，從而提升了自己的棋力。AlphaGo 的設計者相信這些同樣的技術也可以被用於機器人以及其它各種各樣的在線任務或離線任務。

這不是魔法，只是數據、數學和巨量計算處理能力的綜合結果。正如 Candido 所說的那樣，Loon 的導航系統之所以成為可能，是因為它能使用谷歌的巨型數據中心在成千上萬台機器上處理信息。他也表示 Loon 的機器學習還不夠完美。廣義的機器學習也是一樣——都還不夠完美。人工智慧並不總是那麼智能，它並不總是能得到我們想要的結果。但是隨著時間的推移，它會做得越來越好——不管是在地面、平流層、還是更進一步的星際空間中……

TAG:機器之心 |

※機器人接管地球？美媒稱人工智慧全勝美空軍飛行員
※印度「全女子航班」完成環球飛行 機組人員全女性破全球首例
※谷歌聯合創始人或在秘密計劃建造全球最大飛行器
※印度航空全球首次全女性航班飛行創造歷史
※美人工智慧在模擬空戰中擊落人類飛行員
※全球最大太陽能飛機成功橫跨美國 計劃繞地球飛行
※英姿颯爽的二戰蘇聯女飛行員
※人工智慧系統在模擬空戰中擊落美軍資深飛行員
※中國翼裝俠全球首次翼裝飛行穿擊移動靶挑戰成功
※「中國首次環球飛行」從法庫飛向世界
※志願軍米格戰鬥機震懾美海軍飛行員，我方飛行技術十分精湛
※激戰中國領空：蘇聯抗日援華飛行員口述親歷
※萬億級市場！全球飛行器飛向中國「藍海」
※培養了女王牌飛行員：蘇聯加里寧航空俱樂部
※美國首位繞地球飛行宇航員去世
※最美女飛行員在全世界各地「劈腿」留影！
※二戰蘇聯排名前七位的王牌飛行員
※美女飛行員曬照成網紅 在世界各地探險
※聖誕撒狗糧 美國一飛行學員乘機場行李轉盤向女友求婚獲贊