在AI技術的幫助下，讓滑翔機學會這項非凡的本事

鳥兒并不總是靠振翅飛翔，很多時候會充分利用上升的熱氣流，并能夠根據(jù)氣流變化精確導航?，F(xiàn)在，科學家們試圖在AI技術的幫助下，讓滑翔機也學會這項非凡的本事。

鳥兒并不總是靠著振翅來飛翔，有時也會利用名為熱氣流來幫助自身飛行。大翼展的鳥兒可以在高空停留數(shù)小時之久，同時只消耗最少的能量。

鳥兒可以在不可預測的氣流中把握微小的氣流變化，并根據(jù)變化進行導航，人們對這個具體機制還并不是很清楚。現(xiàn)在，科學家現(xiàn)在正在使用人工智能來學習鳥兒的技巧，希望可以把這個本領搬到飛機上。

在本周發(fā)表在《自然》期刊上的一篇論文中，來自美國和意大利的大學研究人員使用機器學習訓練算法來控制滑翔機實施針對熱氣流的導航。這不是人們首次將人工智能用在這類任務上了（微軟去年發(fā)布了與此類似的成果），但這是第一次使用真實航班的數(shù)據(jù)來更新和改善AI在該領域的表現(xiàn)。

該成果表明，未來的自主駕駛飛機可以利用熱氣流飛行，而不再完全依賴燃料等動力源飛行。而且人工智能可以幫助我們確切地弄清楚飛翔的鳥類為何能夠如此出色地利用這一機制。

在訓練算法時，科學家發(fā)現(xiàn)，在訓練系統(tǒng)滑翔機實施平穩(wěn)導航時，一些因素——尤其是垂直風加速度和側(cè)向風等信息也非常重要。他們認為，同樣的情況可能適用于鳥類。

有AI控制的滑翔機ParkzoneRadian Pro在天空飛翔（沒錯，就是圖片中間的那個小東西）。

為了創(chuàng)建他們的AI系統(tǒng)，研究人員使用強化學習。這是一種像試錯原理相似的訓練工具。向系統(tǒng)輸入大量信息，并要求它以實現(xiàn)某種獎勵最大化的方式運行。系統(tǒng)在沒有預先知曉任務的情況下開始運行，隨著時間的推移逐步學習如何正確行事。

在本文討論的示例中，系統(tǒng)的輸入包括飛行信息，如滑翔機的俯仰角、航向偏離情況，地面速度和風速等。而系統(tǒng)尋求的獎勵最大化目標是爬升速度（即獲得飛行高度的速度）。

研究人員首先在模擬器中訓練他們的算法，然后在現(xiàn)實環(huán)境下繼續(xù)訓練。他們在加州的天空中進行了大約240次飛行，每次飛行時間平均持續(xù)約三分鐘。研究人員使用手動控制器，將滑翔機引導到一個固定的位置，然后由人工智能接管，利用熱氣流（氣流速度可達每秒數(shù)米）進行爬升。

“在理想的條件下，滑翔機可以在高空停留大約45分鐘，”該論文的作者之一Gautam Reddy說?！坝袝r候風太大，滑翔機應對不了，我們只能提前召回。我們在測試中使用了一些酷似老鷹的滑翔機，還有一些真的鷹在和測試機一起滑翔。”

滑翔機飛行數(shù)據(jù)的兩個示例圖。綠點是起始位置，紅點是終點

在我們可以真正使用AI控制的熱氣流滑翔機進行實際應用之前，還有很多工作要做。這只是鳥類輔助自身飛行的氣流中的一種。換句話說：僅僅因為AI可以駕馭熱氣流，也不意味著它可以駕馭來自世界各地的其他類型的風。

不過Gautam和他的同事對該項目的未來充滿信心。他們表示，制造出可以利用AI遠距離導航熱氣流的自動滑翔機并不是難度太大的事情。 “我們期待著在未來能夠?qū)崿F(xiàn)這一點，”Gautam說。

這種技術可以用于長期的科學調(diào)查和雄心勃勃的項目上，如跟蹤鳥類遷移時翅膀的精確動作。我們可以學習如何像鳥兒一樣飛翔，以此進一步了解它們的生活特點。