4 0 0 - 1 0 0 - 5 6 7 8

智能设备

Google的互联网气球获得新的飞行员:人工智能

  Google的互联网气球获得新的飞行员:人工智能

  Google的互联网气球获得新的飞行员:人工智能

   首页>智能硬件»Google的互联网气球获得新的飞行员:人工智能

  
 

  谷歌热气球

  

   这个夏天,Google X实验室向秘鲁的平流层发射了一个气球,它在那里呆了98天。

  

   将气球发送到平流层是Google X实验室的通常做法,或者只是X,因为它现在被称为从谷歌离开,并在新的伞下称为字母表。 X是Project Loon的所在地,一个将互联网从平流层下传到地球上的人的努力。希望这些气球可以飞越地球的互联网在其他地方无法使用的地方,留在那里足够长的时间,为人们提供可靠的连接。但有一个问题:气球倾向于飘浮。

  

   这就是为什么它是如此令人印象深刻,该公司设法保持一个气球在秘鲁的领空超过三个月。当你认为导航系统只能向上和向下移动这些气球,而不是向前和向后或侧向移动时,它是令人印象深刻的。它们像热气球一样移动,以避免天气或在正确的时间捕捉它,而不是直接通过它 - 这是因为更复杂的导航系统对于手头的任务来说太重了,太贵了。而不是用某种喷气推进系统导航秘鲁空域,洛恩小组转向人工智能。

  

   我们使用术语 - 人工智能 - 广义。那么为何不?其他人都。但是无论你想叫什么新的算法指导这些高空气球,他们是有效的。他们代表了整个科技世界的一个非常真实和非常大的转变。

  

   在开始,你看到,Loon团队主要使用手工算法,算法来响应预定的一组变量,如高度,位置,风速和时间。但是新的算法更多地利用机器学习。通过分析大量的数据,他们可以随着时间的推移学习。基于过去发生的事情,他们可以改变他们的行为在未来。 我们在更多的正确的地方有更多的机器学习, Sal Candido,前谷歌搜索工程师负责监督这项工作对Loon说。 这些算法比任何人都更有效地处理事情。

  

   这并不意味着这些算法总是做出正确的选择。 Candido拥有博士学位是所谓的随机最优控制。这意味着他专门在试图控制面临不确定性的东西,他正在把这个训练好用。当你将气球发射到平流层时,有很多不确定性,你不能改变。但在机器学习的帮助下,Candido和团队正在找到更好的管理方法。

  

   当团队首次启动Loon项目时,他们认为覆盖一个有互联网覆盖的区域的唯一方法是发射一排气球,让它们漂浮在远处。但是现在,他们对它们浮动的位置有更多的控制,最终,这意味着他们可以用更少的气球将互联网下载到地球。 Candido说, 而不是过海洋,我们可以花更多的时间在用户身上。

  

   Project Loon中机器学习的兴起与所有Google - 以及其他许多公司(包括Facebook和Microsoft和Twitter)的情况有点类似。最值得注意的是,这些公司正在朝着深度神经网络,基于人类大脑中神经元网络的松散算法。这是什么认识到你说到你的Android手机的命令,识别脸部的照片发布到Facebook,帮助选择在Google搜索引擎上的链接,以及更多。过去,工程师手动编码了Google搜索的算法。现在,算法可以自己学习,分析大量的数据显示什么人点击,什么不是。

  

   Project Loon的导航系统不使用深层神经网络。它使用称为高斯过程的更简单形式的机器学习。但基本动态是一样的。它强调了一个小小的公认的现实,深度学习只是人工智能革命的一部分。在项目Loon的过程中,公司收集了超过1700万公里气球飞行的数据,通过这些高斯过程,导航系统可以开始预测气球应该采取什么航向,当气球向上移动时,应该向下移动气球(这涉及将空气泵入气球内的气球或者抽出空气)。

  

   这些预测不是完美的 - 在很大程度上是因为在平流层中的天气是如此,好,不可预测的。平流层位于很多天气之上,但根据坎迪多,气球遇到的不确定性远远超过团队预期。因此,他们也加强了导航系统的强化学习。在做出预测之后,系统继续收集关于气球正面对什么 - 什么是有效和什么不是 - 的附加数据,然后它使用该数据来磨光它的行为。

  

   广义上来说 - (广义来说可能是好的!) - 这是另一个谷歌研究团队如何构建AlphaGo,人工智能系统,最近打败世界顶级球员之一古代的游戏。系统学会了通过分析数百万的人类动作玩游戏,然后,当它玩游戏后的游戏后,它提高了能力通过强化学习,仔细跟踪什么是成功和不是。 AlphaGo的设计师相信这些相同的技术可以应用于机器人和各种其他任务,在线和关闭。

  

   这些都不是魔法。它只是数据和数学和处理能力 - 很多和大量的处理能力。正如Candido所说,Loon的导航系统是可能的,因为它可以利用巨大的Google数据中心可以处理成千上万台机器上的信息。他还说,洛恩的机器学习远非完美。这也是机器学习的一般。非常真实。人工智能并不总是智能的。它并不总是让我们想要去的地方。但随着时间的推移,它越来越好地让我们到达我们想要去的地方 - 即使在平流层。

  

  

   除特别注明外,本站所有文章均为 人工智能学习网 原创,转载请注明出处来自Google的互联网气球获得新的飞行员:人工智能

今日热点