根據(jù)英國《自然》雜志3日發(fā)表的一項計算機科學最新突破，加拿大科學家團隊報告：完全由人工智能控制的氣球，成功實現(xiàn)自主導航，在平流層一連數(shù)周待在原地。這一成果標志著深度強化學習向現(xiàn)實應用邁出了重要且非常難得的一步，同時提高了人類全自動環(huán)境監(jiān)測的可能性。

團隊展開的超壓氣球?qū)嶒灐?/p>

圖片來源：《自然》在線版

人工智能在氣象領域的應用，正在爆發(fā)式增長，并且呈現(xiàn)出由傳統(tǒng)的機器學習向深度學習發(fā)展的趨勢。通常，填充氦氣的超壓氣球常被用于高層大氣實驗，如氣象監(jiān)測，但如果被風吹偏了航道，它們必須要返回原駐點，而深度強化學習可以訓練人工智能系統(tǒng)進行決策——對于超壓氣球來說，這些主動決策就包括采取哪些行動來保持它們的位置不變。

此次，加拿大谷歌研究院科學家馬克·貝爾麥爾及其同事，訓練了一種人工智能控制器，能根據(jù)風的歷史記錄、預報、局地風觀測和其他因素(如氦氣損失和電池疲勞)，決定是否要移動氣球。

研究團隊利用一種數(shù)據(jù)增強算法來解釋數(shù)據(jù)中的空白。他們將這一新成果——名為“StationSeeker”的技術應用到分布在全球各地的“Loon氣球”上，包括一項在太平洋上空進行的為期39天的受控實驗。“Loon氣球”原本是一個互聯(lián)網(wǎng)項目，團隊將高空超壓氣球發(fā)放至平流層，組成空中的無線網(wǎng)絡。而貝爾麥爾的實驗證明，受到“StationSeeker”控制的氣球能成功實現(xiàn)自主導航，一旦被吹偏航道，它們能比傳統(tǒng)控制器控制的氣球更快地回到原駐點。

深度強化學習的應用此前已在受控環(huán)境——如電腦游戲中得到了演示，但在受控環(huán)境中，擁有完整的數(shù)據(jù)集和明確定義的參數(shù)。而在現(xiàn)實世界中，可預測性變得更差，比如關于環(huán)境中風的數(shù)據(jù)就不完整，因此很難采取最優(yōu)調(diào)整而讓氣球保持在原位。

在一篇同時發(fā)表的“新聞與觀點”文章中，英國牛津大學科學家斯科特·奧斯佩爾表示，正是由于這一理由，此次最新成果可以說代表了增強學習在現(xiàn)實世界應用的一次巨大進步。(張夢然)