بالن‌هاي اينترنت گوگل به لطف هوش مصنوعي مي‌توانند يك سال در حالت پرواز باقي بمانند
گوگل اعتقاد دارد با استفاده از الگوريتم‌هاي پيشرفته‌تر و دقيق‌تر مي‌توان پرواز بالن‌هاي غول‌آساي پرشده از گاز هليوم را بهبود بخشيد. به انديشه متخصصين مي‌رسد اين ايده براي گوگل جواب داده است و اين شركت واقعا توانسته پرواز بالن‌هاي غول‌آسايش را كه سرويس اينترنت ارائه مي‌دهند بهبود دهد.
طي چند سال اخير، پروژه‌ي لون (Project Loon) كه يكي از زيرمجموعه‌هاي آلفابت (شركت مادر گوگل) محسوب مي‌شود در تلاش بوده است تا دسترسي به اينترنت را در مناطق غير شهري و دورافتاده‌ي جهان ممكن كند. لون براي دستيابي به اين هدف، سراغ بالن‌هايي رفته است كه در ارتفاع زياد در استراتوسفر به پرواز درمي‌آيند و به لطف آن‌ها نوعي شبكه‌ي بي‌سيم هوايي ايجاد مي‌شود.
سال گذشته‌ي ميلادي، لون اعلام كرد ناوگان بالن‌هايش از ركورد يك ميليون ساعت پرواز در استراتوسفر عبور كرده است. در پايان ماه اكتبر ۲۰۲۰ (اوايل آبان ۱۳۹۹)، لون ركورد ديگري در زمينه‌ي طولاني‌ترين پرواز در استراتوسفر ثبت كرد و بالن‌هايش به مدت ۳۱۲ روز در هوا معلق باقي ماندند. اين‌طور كه لون مي‌گويد، اين بالن‌ها مسافتي در حدود ۱۳۵ هزار مايل (۲۱۷,۲۶۱ كيلومتر) را پوشش مي‌دهند.
در مقاله‌ي جديدي كه به‌تازگي در مجله‌ي Nature منتشر شده است، لون توضيح مي‌دهد كه بالن‌ها چگونه مي‌توانند هر بار تا چندين هفته در هوا معلق بمانند و به فعاليت ادامه دهند. نكته‌ي جالب اين است كه بالن‌ها مي‌توانند بدون دخالت انسان و حتي بدون آگاهي كامل از بادهايي كه در استراتوسفر مي‌وزد همچنان پرواز كنند. راز موفقيت لون چيست؟ از قرار معلوم لون به شكلي گسترده از فناوري‌هاي به‌روز هوش مصنوعي استفاده مي‌كند.
سال كانديدو، مدير ارشد واحد فناوري لون، به خبرگزاري ديجيتال ترندز مي‌گويد بالن‌هاي اين شركت ارتفاعشان را افزايش يا كاهش مي‌دهند تا بتوانند در معرض جريان‌هاي مطلوب باد قرار بگيرند كه باعث مي‌شود در جهت مورد انديشه متخصصين حركت كنند. تصميم براي زمان بالا يا پايين رفتن بالن‌هاي لون توسط «الگوريتم‌هايي پيچيده» گرفته مي‌شود و ظاهرا انسان دخالتي در اين موضوع ندارد.
گوگل با بهره‌گيري از هوش مصنوعي، سيستم ناوبري براي بالن‌هاي اينترنت طراحي مي‌كند
به‌طور سنتي الگوريتم‌هاي مورد مباحثه توسط انسان طراحي مي‌شوند؛ اما مدير ارشد فناوري لون مي‌گويد اين شركت به كمك تكنيك يادگيري تقويتي (Reinforcement Learning)، از هوش مصنوعي به‌منظور ساخت الگوريتم بهره مي‌گيرد. سال كانديدو ادامه مي‌دهد: «اساسا دستگاهي مي‌سازيم كه مي‌تواند بهتر از ما انسان‌ها، سيستم ناوبري را طراحي كند. دستگاه مورد مباحثه، فرايند ساخت سيستم‌هاي ناوبري را در زماني كوتاه‌تر از انسان به انجام مي‌رساند.»
يادگيري تقويتي يكي از زيرشاخه‌هاي فناوري يادگيري ماشين (Machine Learning) محسوب مي‌شود و به شكلي عمده از مكتب رفتارگرايي در روان‌شناسي الهام گرفته است. رهنمود اصلي يادگيري تقويتي يك ايده‌ي خاص است كه براساس آن، اپراتورهاي نرم‌افزاري مي‌توانند با حداكثر پاداش تعيين‌شده، ياد بگيرند كه اقدامات لازم را انجام دهند.
بارها در رسانه‌ها گفته شده كه واحد ديپ مايند (DeepMind) گوگل از يادگيري تقويتي براي تعليم دادن نوعي هوش مصنوعي استفاده كرده است. هوش مصنوعي ديپ مايند صرفا با استفاده از پيكسل‌هايي كه هر كدام از فريم‌هاي بازي‌هاي كلاسيك آتاري را ساخته‌اند و همچنين امتياز روي صفحه، امكان تجربه‌ي اين بازي‌ها را فراهم مي‌كند. با به حداكثر رساندن امتياز، ديپ مايند كه از طريق آزمون و خطا ياد گرفته است بازي‌ها را اجرا كند، به حدي مهارت‌هايش را تقويت مي‌كند تا در آن بازي خبره شود.
البته به پرواز درآوردن بالن با اين هدف كه از مسير مورد انديشه متخصصين منحرف نشود و همچنان به خدمت‌رساني ادامه دهد، بسيار متفاوت با اجراي بازي ويدئويي است و پيچيدگي بيشتري دارد. سفر موفقيت‌آميز بالن در آسمان، با تخصيص امتيازي خاص همراه نمي‌شود. در واقع امتيازي وجود ندارد كه به ما نشان دهد پرواز بالن موفقيت‌آميز انجام شده است. اما به گفته‌ي كانديدو، تكنيك يادگيري تقويتي بخشي حياتي از موفقيت لون محسوب مي‌شود و نمي‌توان از كنار نقش مهم آن به‌سادگي عبور كرد.
تكنيك يادگيري تقويتي، بخشي حياتي از موفقيت پروژه‌ي لون گوگل است
كانديدو مي‌گويد يادگيري تقويتي مي‌تواند حجم عظيمي از اطلاعات را در زماني كوتاه پردازش كند و از نتايجِ به‌دست‌آمده در راستاي حل كردن مسائل بهره بگيرد. اين درحالي است كه انسان به‌طور ذاتي در ابتدا بايد بفهمد چگونه به اطلاعاتي كه به دست آورده است واكنش نشان دهد و همين موضوع زمان‌بر است. از آن‌جايي كه سيستم ناوبري لون با درانديشه متخصصينگرفتن تعداد زيادي فاكتور و اطلاعات و داده بهبود پيدا مي‌كند، از پيچيدگي كارِ نهايي كاسته مي‌شود.
با استفاده از يادگيري تقويتي و براساس دانشي كه از تاريخچه‌ي وزش باد در مناطق در دسترس قرار دارد، بالن‌هاي شركت لون كه از هوش مصنوعي قدرت مي‌گيرند مي‌توانند تصميماتي مطلوب براي نحوه‌ي حركت كردن بگيرند. البته فاكتورهاي ديگري روي تصميم بالن‌ها براي حركت كردن اثرگذار هستند كه شامل بادهاي مشاهده‌شده و پيش‌بيني‌شده و همچنين مسيرهاي پيش‌بيني‌شده براي پرواز در آينده مي‌شود. تمامي اين داده‌ها به‌دقت مورد مطالعه قرار مي‌گيرند و پيش از اتخاذ تصميم نهايي توسط بالن، سناريوهاي مختلف شبيه‌سازي مي‌شوند.
سيستم جديد مبتني بر يادگيري تقويتي، در مقايسه با سيستم‌هايي كه پيش‌تر براي كنترل بالن‌هاي لون مورد استفاده قرار مي‌گرفتند به شكلي مؤثرتر عمل مي‌كنند و باعث مي‌شوند بالن‌ها به شكلي بهتر در محدوده‌ي ايستگاه زميني فعاليت كنند تا سيگنال‌ها را به‌خوبي دريافت و ارسال كنند. استفاده از سيستم جديد باعث مي‌شود زماني‌كه بالن از مسير اصلي‌اش خارج شد، سريع‌تر از قبل به مسير بازگردد.
كانديدو مي‌گويد: «الگوريتم جديد ما كه از يادگيري تقويتي نشأت گرفته، امروز فعال است و به بالن‌هاي ما كمك مي‌كند در بالاي كِنيا به پرواز دربيايند.»
آلفابت سال‌ها است كه خود را به استفاده از فناوري براي اهدافي مثبت متعهد مي‌داند. هرچه تعداد افرادي كه لون به آن‌ها اينترنت ارائه مي‌دهد افزايش يابد، آلفابت بيشتر و بيشتر به اهدافش دست پيدا مي‌كند. براي دستيابي به اين هدف، استفاده از فناوري‌هاي به‌روز و پيشرفته ضروري به انديشه متخصصين مي‌رسد و ظاهرا لون در همين راستا قدم برمي‌دارد.
هم انديشي ها