Google熱氣球網路計畫導入AI 可在空中停留更長的時間

▲Project Loon 目前最高紀錄是可以在沒有 AI 輔助下,在空中航行 312 天。(圖/取自Google)

特約記者洪聖壹/綜合報導

週五來點不同的新聞!還記得 Google 的熱氣球計畫 Project Loon 嗎?在 Google I/O 2016 期間,Google 對外公開了它的真實樣貌,但是你絕對想像不到,Google 公司將 AI 機器學習應用在這計劃上,證實了 RL 可有效的強化自動控制的精確性,相關資料更登上了 nature 雜誌。

正如同先前介紹,熱氣球開發計畫(Project Loon)Alphabet 的 Google 神秘部門於 2013 年發表的產品,其原理是透過空飄氣球在距離地表 20 公里的高空上,讓平流層的風力來讓熱氣球移動到偏遠地區,藉由客製化網路天線通訊技術(Mesh Networking),讓網路數據從一個氣球傳輸到另一個氣球,然後地面上的住家只要在屋頂建置天線,就可以接收到網路,來供應該地區行動上網需求。

▲Project Loon 熱氣球計畫起始於 2013 年,主要目的是為偏遠地區用戶提供網路。(圖/記者洪聖壹攝)

Project Loon 最初的計畫是讓每顆汽球預計在空中停留 100 天以上,停留的原理主要是透過演算法控制系統(Algorithmic Control)讓氣球能夠上下飄動,根據風向捕捉風流訊號,將氣球穩定在一個固定區域,電力方面則是依賴太陽能來解決,如果真的沒有電力,也只需要花費 4 個小時,就能擁有飛行 1 天所需的電力,希望藉由降低偏遠地區的網路費率,提升全球網路使用率。

這一整個過程中,氣球在平流層飛行的時間越長,就可以讓氣球更穩定的傳輸網路訊號,電池也比較不容易毀損,飛行成本也就因此會被降低,近期最高紀錄是在空中停留 312 天,這項紀錄是 2019 年 5 月,Loon從波多黎各(Puerto Rico)起飛,進入秘魯(Peru),然後在那裡進行為期三個月的飛行測試。測試結束後,向南越過太平洋,於 2020 年 3 月在墨西哥的下加州(Baja)著陸。

根據 Project Loon 技術長 Sal Candido 的介紹,Project Loon 已經在澳洲、昆士蘭、肯亞、紐西蘭、加州中央峽谷,以及巴西利亞東北部等多個地區提供了相關服務。2019 年,因受到颶風襲擊的影響,美國電信業者還利用 Project Loon,為超過 25 萬的災民提供了網路連接。此外,Project Loon 還被應用在觀察動物生態、氣候變化等領域。

然而最大的挑戰就是「停留時間」,要怎麼讓氣球克服風力等外在因素,持續在空中定點徘徊,持續提供網路訊號,是整個計畫最難的地方。

藉由「強化學習 (Reinforcement learning)」,Google 已經克服相關問題!

「強化學習 (Reinforcement learning,RL)」是機器學習中的一個領域,著重如何因應環境而行動,以取得最大化的預期利益,最知名的就是被應用在人工智慧圍棋系統 Alpha Go,後續也被導入到《Dota 2》、《星海爭霸》。

而在 Loon 當中,Google 公司透過安裝 RL 控制器,使用 AI 人工智慧預判各種高度的風速與風向,藉此控制氣球的高度。該系統還可以檢測 Loon 的太陽能電池板剩餘電力,以讓氣球上的控制設備能夠知道需要多少電力來操作氣球,藉此延長電池壽命。

▲Project Loon 透過太陽能提供電力,現在藉由 AI 可以延長電池壽命。(圖/記者洪聖壹攝)

Nature 雜誌詳細介紹了整個計畫的過程。Google Project Loon 計畫開發團隊在 2019 年 12 月 17 日到 2020 年 1 月 25 日期間,共計飛行 2884 個小時,透過一個 8 字型的持續運動軌跡,讓熱氣球保持在某個地點運行,以為該地區的用戶提供 4G 訊號。

研究人員將相關數據分為 851 個三小時時間樣本,每個樣本測試結果顯示擁有 RL 控制器的氣球在平流層飛行的時間更長、高度控制器消耗的功率更少。換句話說,這為期 39 天的測試航程中,導入 RL 機器學習確實可以有效的縮短 Loon 在飛行過程中的決策時間,從而延長氣球們在某個區域的停留時間,這也再次證實深度學習是解決現實生活中,「自動控制系統」的需求關鍵。

分享給朋友:

※本文版權所有,非經授權,不得轉載。[ ETtoday著作權聲明 ]

5坨貓吃飽卡位「齊等暖扇上班」宛如邪教信徒...瞇眼放空超舒服

相關新聞

關鍵字:

讀者迴響

熱門新聞

最夯影音

更多

熱門快報

回到最上面