ИИ помогает удерживать воздушные шары Google Project Loon неделями на одном месте
Google Project Loon — проект корпорации Google по обеспечению связью жителей труднодоступных удаленных регионов нашей планеты. В такие места сложно провести быстрый канал интернет-связи. Иногда проблема в неудобном географическом расположении региона, иногда — в том, что для интернет-провайдера тянуть «широкий» канал связи в район, где проживает несколько десятков человек, просто невыгодно.
Корпорация Google несколько лет назад взялась за решение этого вопроса. Инженеры компании предложили создать сеть мощных точек доступа, подвешенных на стратосферных аэростатах. В стратосфере такой аэростат может висеть несколько недель или даже месяцев, раздавая интернет на обширной территории.
Проект понемногу двигается вперед. В прошлом году Google заключил договор с такими провайдерами, как Indosat, Telkomsel и XL Axiata. После того, как аэростатная сетевая инфраструктура будет полностью развернута, эти компании будут подавать сигнал точкам доступа на аэростатах, а те — транслировать сигнал в регионы, где раньше интернета либо не было, либо же он был очень медленным.
Для управления аэростатом компания запатентовала собственную технологию. Правда, здесь речь идет об управлении высотой шаров. А ведь актуально и горизонтальное смещение аэростатов под действием движения воздушных слоев. Что делать в этом случае? Уход точки доступа из определенной точки чреват потерей связи.
![e3efae9d4f00f9f03e33012e031f8bbd.jpg](/files/users/u3/2016/09/e3efae9d4f00f9f03e33012e031f8bbd.jpg)
Инженеры Google решили и эту проблему. Компании удалось продержать аэростат над одним из регионов Перу около 100 дней. Объект находился примерно в одном и том же месте в течение всего этого времени, не смещаясь на критическое расстояние ни по горизонтали, ни по вертикали.
Аэростат запустили из Пуэрто-Рико. Спустя 12 дней он достиг территории Перу. В день навигационная система совершала десятки корректирующих маневров для того, чтобы шар двигался в нужном направлении. Если над сушей не было подходящих потоков воздуха, шар смещался в сторону Тихого океана, где нужное воздушное течение находилось. За 14 недель пребывания над территорией перу тестируемый аэростат выполнил более 20 тысяч корректировок маршрута. После этого шар без проблем посадили.
![51847829e295eadaf26970af94114056.jpg](/files/users/u3/2016/09/51847829e295eadaf26970af94114056.jpg)
Для управления своей летающей точкой доступа корпорация использовала слабую форму искусственного интеллекта. Изначально аэростаты держали на одном и том же месте, используя специально разработанные алгоритмы, которые учитывали множество факторов одновременно. Это высота, координаты объекта, скорость ветра, время суток, сезон года и многое другое. Проблема в том, что, запуская стратосферный аэростат, никто точно не знает, чем это закончится: на баллон с газом действует слишком много факторов, некоторые из которых непредсказуемы. То есть алгоритм нельзя научить сразу решать возникающие проблемы со смещением аэростатов идеально. Поэтому и было решено задействовать ИИ.
«Вместо того, чтобы тратить время на поддержку положения аэростатов в одном месте, мы тратим больше времени на наших пользователей».
Управляя аэростатом, компьютерная система постепенно обучается. Найдя оптимальное решение в одном из случаев, она будет использовать это решение и в другом случае, если условия повторяются или близки. «Эти алгоритмы справляются с удержанием аэростатов на одном месте гораздо лучше, чем получилось бы сделать у любого человека», — заявил Сал Кандидо, ранее отвечавший за одно из направлений развития Project Loon.
Машины справляются со своим заданием хорошо, но не идеально. Проблема в том, что зачастую возникают новые условия, факторы, критически влияющие на движение шара. В этом случае расчеты приходится проводить заново, с одновременной корректировкой курса аэростата. Кандидо защитил научную работу по стохастическому оптимальному контролю. И привнес свой опыт в Google Project Loon. Здесь он решил задействовать принцип оптимального управления стохастическими системами для того, чтобы удерживать сетку аэростатов в одном месте.
Google использует слабую форму ИИ в своих проектах не впервые. Наиболее известным случаем работы корпорации с ИИ можно назвать создание системы для игры в го. AlphaGo, разработка подразделения Google DeepMind, без труда победила одного из сильнейших игроков мира в го Ли Седоля. Несколько месяцев спустя корпорации удалось снизить энергопотребление в своих дата центрах на 40% благодаря другому ИИ-сервису, также разработанному DeepMind.
Речи об использовании возможностей нейронных сетей в Project Loon не идет. Вместо этого инженеры проекта применили основы Гауссовского процесса. Для «натаскивания» алгоритма управления аэростатами инженеры загрузили в систему данные по предыдущим «рейсам». Всего аэростаты проекта налетали около 17 миллионов километров. Используя Гауссовский процесс, навигационная система может определять оптимальный курс шара, указывать, когда баллону лучше подняться вверх, а когда — опуститься. Сотрудники корпорации разработали модели, позволяющие прогнозировать движение воздушных масс на разных высотах.
![d0f509eb2981f371e0bfd25123ec77d1_1024x699.jpg](/files/users/u3/2016/09/d0f509eb2981f371e0bfd25123ec77d1_1024x699.jpg)
Прогнозы компьютерной системы все еще не идеальны. В некоторых случаях она ошибается. И не потому, что плохо работает, а потому, что погодные условия в стратосфере — вещь мало предсказуемая. Для того, чтобы снизить процент ошибок, специалисты использовали стимулированное обучение компьютерной системы. И даже после того, как сделан прогноз траектории аэростата, наземные системы и датчики шара продолжают вести наблюдение за погодными условиями. Если что-то меняется, предварительный прогноз траектории можно изменить в соответствии с новыми данными. Вся работа ведется в режиме реального времени.
Кандидо говорит, что использование ИИ для корректировки движения аэростатов и управления всей сетью воздушных точек доступа стало возможным только благодаря ресурсам компании. Все вычисления производятся в ее мощных дата-центрах. А данных, которые требуется обработать, очень и очень много. По словам участников проекта Project Loon, пока что работа компьютерных систем далека от совершенства. Но даже в таком случае машинное обучение работает, и компьютеры управляются с аэростатами все лучше и лучше с течением времени.
![2e6d0da9087a705557931699a0f0dce2.png](/files/users/u3/2016/09/2e6d0da9087a705557931699a0f0dce2.png)
Совершенствуются и обслуживающие системы. Например, для запуска шаров с 2015 года используется «Автозапускатель». Это специальная платформа, при помощи которой команда из четырех человек может запускать аэростат раз в 15 минут. До создания платформы каждый отдельный запуск был целым событием. Для успешной отправки шара в стратосферу требовалось 5–7 человек, которые могли запускать один шар в 45 минут при скорости ветра не более 9 километров в час (сейчас скорость ветра может превышать это значение, достигая 24 км/ч).
- Источник(и):
- Войдите на сайт для отправки комментариев