編者按：如何才能讓無人機盡可能省電？找到上升氣流、盡量多滑翔，這可能是個不錯的答案。微軟正在沙漠中進行相關的實驗，試圖用算法解決尋找上升氣流的問題。本文編譯自紐約時報原題為“Microsoft Teaches Autonomous Gliders to Make Decisions on the Fly”的文章。

滑翔機轉向，朝着南方飛去，四個男人坐在SUV汽車内，在地面上追逐，穿過内華達荒漠。

在前排座位上，兩名男子用眼睛追蹤滑翔機。後面兩個人用筆記本追蹤，目測數據從滑翔機的内置小計算機發送出來，輸入到步話機。前面有一輛吉普車，Ashish Kapoor坐在車子内根據命令前進，汽車在碎石路上減速，他的眼睛牢牢盯住白色Styrofoam滑翔機。

很快，滑翔機轉了一個彎，它繞着不可見的、上升的熱氣流優雅轉了一個圈，然後緩慢沖向天空。“它在翺翔。”Kapoor指着滑翔機，它盤旋而上，越飛越高，在熱空氣之上飛翔。“它發現了熱氣流。”

上周，在内華達Hawthorne周圍的荒漠山谷内（位于Reno南部130英裡處），Kapoor與微軟同事測試了兩架滑翔機，它們可以自己在天空飛行。滑翔機由算法指引，通過内置傳感器學習，可以預測空氣模式，規劃前進路線，這些滑翔機能夠找到上升暖氣流，然後利用氣流飛翔。

微軟希望最終無人駕駛飛行器可以借助氣流在空中長時間飛翔，一次飛幾小時甚至幾天，将消耗的電力降至最低，這樣一來飛行器就可以追蹤天氣情況，監測農田作物，甚至為某些沒有網絡的地區提供網絡服務。

項目是Kapoor領導的，他是一名AI研究人員，拿到了飛行執照。有許多企業都在努力，想開發可以自己做決定的飛機、汽車及其它機器，它們處于不确定環境時能夠自己做決定，機器如果想自己導航，必須具備這樣的能力。

利用相似的方法，谷歌也在開發高緯度互聯網氣球，它可以在空中一次飛翔幾個月。許多公司都在設計能夠自動行駛的汽車。學校專家也在努力，比如加州大學伯克利分校，他們開發的東西相當廣泛，有家用機器人，這些機器人看起來簡單，實際上可以完成相當複雜的任務，比如整理床鋪，他們還在開發外科手術機器人。

汽車、飛機及其它機器人可以識别周邊目标物，精準度與人類眼睛不相上下，能做到主要是因為有了神經網絡，神經網絡是一個用來描述數學系統的術語，它可以通過分析大量數據不斷學習，完成特定任務。

要讓機器自己導航，機器必須模拟人類直覺，預測接下來會發生什麼事，根據情況改變行為。微軟、谷歌、伯克利瞄準的正是這個方向。

這種類型的研究越來越重要，谷歌和許多企業都在開發無人駕駛汽車。斯坦福航空航天教授Mykel Kochenderfer認為，微軟項目推動自動駕駛汽車向前發展，這種汽車可以處理各種意外行為，比如司機、自行車騎手、行人的意外行為。

如果要控制機器，讓它在相對安全但是非常真實的環境中行駛，數學技術的邊界必須拓寬。Kochenderfer說：“通過滑翔機，你可以測試算法，将測試對人、财産構成的威脅降到最低。”

開發算法時，Kapoor和團隊依靠幾十年前的老技術，這種技術叫作“馬爾可夫決策過程”。從本質上講就是對不确定環境進行識别并做出響應。

有一個背包，裡面随機裝了許多東西，你将手伸到背包裡拿東西，就會有許多不同的結果，馬爾可夫技術與此類似。當你将手伸到背包，開始搜索，拿到的東西非常不确定。你不知道去哪裡拿。首先，你要移開大東西，比如書和筆，你知道它們不是硬币，然後變化減少，降到最少，任務變得容易完成了。微軟算法正是要做相似的事，它是一種“數學感知”。算法會對不确定性進行限制，将問題的範圍縮小。

Andrey Kolobov也是Kapoor團隊的成員，他是一名研究人員，對這種方法很了解。

4年前，Andrey Kolobov加入微軟研究團隊，他将這種方法應用于Windows操作系統和必應搜索。當時，Kolobov要解決的是數字世界的不确定問題，現在他要将該方法應用于物理世界。Kolobov說這種方法的應該範圍越來越廣。

在内華達沙漠内，團隊讓兩個滑翔機升空，用手持遙控控制。一旦開始飛行，滑翔機用自己的設備翺翔，它必須利用風及其它空氣條件飛行。

通過内置算法，滑翔機可以分析周邊發生的事，然後根據需要改變方向。它們會從環境中學習，雖然滑翔機不知道接下來會發生什麼事，但是至少可以猜測。Kolobov解釋說，因為滑翔機要依賴無法控制的現象飛行，所以必須提前推斷、規劃。

滑翔機需要規劃路線，前往某個位置，那裡會有升力，然後尋找辦法利用升力，借上升暖氣流飛行。事實證明數學方法是可行的。

盡管如此，飛行器離完美還很遙遠。微軟使用的是玻璃纖維滑翔機，翼展16英尺，團隊希望能創下滑翔機無人駕駛飛行時間新紀錄，讓飛行時間達到5小時以上。反複嘗試了2天之後，因為無線電及其它設備有問題目标沒有達到。

研究人員可以改進學習算法，如果要讓無人駕駛汽車變得更完美，這點相當重要。要讓機器在真實世界自己導航，機器必須向人類直覺學習，為下一步做準備，處理之前未曾經曆過的事情。

加州大學伯克利分校教授Ken Goldberg說：“機器人的核心問題是不确定性，機器人與圍棋、國際象棋等遊戲的不同之處正在于此。”

在過去2年裡，谷歌旗下DeepMind用神經網絡及其它技術打造了一個系統，它打敗了世界知名圍棋高手，圍棋遊戲比國際象棋更複雜。在AI發展史上這是一個裡程碑。現在研究人員希望能讓AI在真實世界取得更大進步。

為什麼微軟要開發無人駕駛滑翔機？這是一個重要原因。正如Kolobov所說的：“明天的AI系統将會面臨所有相同的挑戰。”

【編譯組出品。編輯：郝鵬程】

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!