مداومت پروازی یک ساله بالن های اینترنت گوگل به لطف هوش مصنوعی - وبلاگ سکوت

به گزارش وبلاگ سکوت، بالن های اینترنت پروژه لون گوگل می توانند تقریبا یک سال در حال پرواز باقی بمانند. لون برای دستیابی به این هدف از هوش مصنوعی استفاده می نماید.

به گزارش وبلاگ سکوت به نقل از زومیت، گوگل اعتقاد دارد با استفاده از الگوریتم های پیشرفته تر و دقیق تر می توان پرواز بالن های غول آسای پرشده از گاز هلیوم را بهبود بخشید. به نظر می رسد این ایده برای گوگل جواب داده است و این شرکت واقعا توانسته پرواز بالن های غول آسایش را که سرویس اینترنت ارائه می دهند بهبود دهد.

طی چند سال اخیر، پروژه لون (Project Loon) که یکی از زیرمجموعه های آلفابت (شرکت مادر گوگل) محسوب می گردد در کوشش بوده است تا دسترسی به اینترنت را در مناطق غیر شهری و دورافتاده دنیا ممکن کند. لون برای دستیابی به این هدف، سراغ بالن هایی رفته است که در ارتفاع زیاد در استراتوسفر به پرواز درمی آیند و به لطف آن ها نوعی شبکه بی سیم هوایی ایجاد می گردد.

سال گذشته میلادی، لون بیان کرد ناوگان بالن هایش از رکورد یک میلیون ساعت پرواز در استراتوسفر عبور نموده است. در خاتمه ماه اکتبر 2020 (اوایل آبان 1399)، لون رکورد دیگری در زمینه طولانی ترین پرواز در استراتوسفر ثبت کرد و بالن هایش به مدت 312 روز در هوا معلق باقی ماندند. این طور که لون می گوید، این بالن ها مسافتی در حدود 135 هزار مایل (217,261 کیلومتر) را پوشش می دهند.

در مقاله جدیدی که به تازگی در مجله Nature منتشر شده است، لون شرح می دهد که بالن ها چگونه می توانند هر بار تا چندین هفته در هوا معلق بمانند و به فعالیت ادامه دهند. نکته جالب این است که بالن ها می توانند بدون دخالت انسان و حتی بدون آگاهی کامل از بادهایی که در استراتوسفر می وزد همچنان پرواز نمایند. راز موفقیت لون چیست؟ از قرار معلوم لون به شکلی گسترده از فناوری های به روز هوش مصنوعی استفاده می نماید.

سال کاندیدو، مدیر ارشد واحد فناوری لون، به خبرگزاری دیجیتال ترندز می گوید بالن های این شرکت ارتفاعشان را افزایش یا کاهش می دهند تا بتوانند در معرض جریان های مطلوب باد قرار بگیرند که باعث می گردد در جهت مورد نظر حرکت نمایند. تصمیم برای زمان بالا یا پایین رفتن بالن های لون توسط الگوریتم هایی پیچیده گرفته می گردد و ظاهرا انسان دخالتی در این موضوع ندارد.

به طور سنتی الگوریتم های مورد بحث توسط انسان طراحی می شوند؛ اما مدیر ارشد فناوری لون می گوید این شرکت به یاری تکنیک یادگیری تقویتی (Reinforcement Learning)، از هوش مصنوعی به منظور ساخت الگوریتم بهره می گیرد. سال کاندیدو ادامه می دهد: اساسا دستگاهی می سازیم که می تواند بهتر از ما انسان ها، سیستم ناوبری را طراحی کند. دستگاه مورد بحث، فرایند ساخت سیستم های ناوبری را در زمانی کوتاه تر از انسان به انجام می رساند.

یادگیری تقویتی یکی از زیرشاخه های فناوری یادگیری ماشین (Machine Learning) محسوب می گردد و به شکلی عمده از مکتب رفتارگرایی در روان شناسی الهام گرفته است. رهنمود اصلی یادگیری تقویتی یک ایده خاص است که بر اساس آن، اپراتورهای نرم افزاری می توانند با حداکثر پاداشِ معین شده، یاد بگیرند که اقدامات لازم را انجام دهند.

بارها در رسانه ها گفته شده که واحد دیپ مایند (DeepMind) گوگل از یادگیری تقویتی برای تعلیم دادن نوعی هوش مصنوعی استفاده نموده است. هوش مصنوعی دیپ مایند صرفا با استفاده از پیکسل هایی که هر کدام از فریم های بازی های کلاسیک آتاری را ساخته اند و همچنین امتیاز روی صفحه، امکان تجربه این بازی ها را فراهم می نماید. با به حداکثر رساندن امتیاز، دیپ مایند که به وسیله آزمون و خطا یاد گرفته است بازی ها را اجرا کند، به حدی مهارت هایش را تقویت می نماید تا در آن بازی خبره گردد.

البته به پرواز درآوردن بالن با این هدف که از راستا مورد نظر منحرف نگردد و همچنان به خدمت رسانی ادامه دهد، بسیار متفاوت با اجرای بازی ویدئویی است و پیچیدگی بیشتری دارد. سفر موفقیت آمیز بالن در آسمان، با تخصیص امتیازی خاص همراه نمی گردد. در واقع امتیازی وجود ندارد که به ما نشان دهد پرواز بالن موفقیت آمیز اجرا شده است. اما به گفته کاندیدو، تکنیک یادگیری تقویتی بخشی حیاتی از موفقیت لون محسوب می گردد و نمی توان از کنار نقش مهم آن به سادگی عبور کرد.

کاندیدو می گوید یادگیری تقویتی می تواند حجم عظیمی از اطلاعات را در زمانی کوتاه پردازش کند و از نتایجِ به دست آمده در راستای حل کردن مسائل بهره بگیرد. این درحالی است که انسان به طور ذاتی در ابتدا باید بفهمد چگونه به اطلاعاتی که به دست آورده است واکنش نشان دهد و همین موضوع زمان بر است. از آن جایی که سیستم ناوبری لون با درنظرگرفتن تعداد زیادی فاکتور و اطلاعات و داده بهبود پیدا می نماید، از پیچیدگی کارِ نهایی کاسته می گردد.

با استفاده از یادگیری تقویتی و بر اساس دانشی که از تاریخچه وزش باد در مناطق در دسترس قرار گرفته است، بالن های شرکت لون که از هوش مصنوعی قدرت می گیرند می توانند تصمیماتی مطلوب برای نحوه حرکت کردن بگیرند. البته فاکتورهای دیگری روی تصمیم بالن ها برای حرکت کردن اثرگذار هستند که شامل بادهای مشاهده شده و پیش بینی شده و همچنین راستاهای پیش بینی شده برای پرواز در آینده می گردد. تمامی این داده ها به دقت مورد آنالیز قرار می گیرند و پیش از اتخاذ تصمیم نهایی توسط بالن، سناریوهای مختلف شبیه سازی می شوند.

سیستم جدید مبتنی بر یادگیری تقویتی، در مقایسه با سیستم هایی که پیش تر برای کنترل بالن های لون مورد استفاده قرار می گرفتند به شکلی مؤثرتر عمل می نمایند و باعث می شوند بالن ها به شکلی بهتر در محدوده ایستگاه زمینی فعالیت نمایند تا سیگنال ها را به خوبی دریافت و ارسال نمایند. استفاده از سیستم جدید باعث می گردد زمانی که بالن از راستا اصلی اش خارج شد، سریع تر از قبل به راستا بازگردد.

کاندیدو می گوید: الگوریتم جدید ما که از یادگیری تقویتی نشأت گرفته، امروز فعال است و به بالن های ما یاری می نماید در بالای کِنیا به پرواز دربیایند.

آلفابت سال ها است که خود را به استفاده از فناوری برای اهدافی مثبت متعهد می داند. هرچه تعداد افرادی که لون به آن ها اینترنت ارائه می دهد افزایش یابد، آلفابت بیشتر و بیشتر به اهدافش دست پیدا می نماید. برای دستیابی به این هدف، استفاده از فناوری های به روز و پیشرفته ضروری به نظر می رسد و ظاهرا لون به همین دلیل قدم برمی دارد.