يساعد الذكاء الاصطناعي في الحفاظ على بالونات Google Project Loon لأسابيع في مكان واحد

Google Project Loon هو مشروع لشركة Google Corporation لتوفير التواصل لسكان المناطق النائية البعيدة على كوكبنا. في مثل هذه الأماكن من الصعب تنفيذ قناة اتصال إنترنت سريعة. في بعض الأحيان تكون المشكلة هي الموقع الجغرافي غير الملائم للمنطقة ، وأحيانًا حقيقة أنه بالنسبة لمزود خدمة الإنترنت لسحب قناة الاتصال "الواسعة" إلى المنطقة التي يعيش فيها عشرات الأشخاص ، فإن ذلك ببساطة غير مربح.

تناولت Google المشكلة قبل بضع سنوات. اقترح مهندسو الشركة إنشاء شبكة من نقاط الوصول القوية المعلقة من بالونات الستراتوسفير. في الستراتوسفير ، يمكن أن يتدلى مثل هذا البالون لعدة أسابيع أو حتى أشهر ، ويوزع الإنترنت على مساحة شاسعة.

المشروع يمضي قدما قليلا. في العام الماضي ، دخلت Google في اتفاقية مع مزودي مثل Indosat و Telkomsel و XL Axiata. بعد نشر البنية التحتية لشبكة ايروستات بشكل كامل ، ستقوم هذه الشركات بإشارة نقاط الوصول على البالونات ، وستقوم تلك الشركات ببث الإشارة إلى المناطق التي لم يكن فيها إنترنت من قبل ، أو أنها كانت بطيئة جدًا.

للسيطرة على البالون ، حصلت الشركة على براءة اختراع لتكنولوجيا خاصة بها . صحيح ، نحن هنا نتحدث عن التحكم في ارتفاع الكرات. لكن الإزاحة الأفقية للبالونات تحت تأثير حركة طبقات الهواء مهمة أيضًا. ماذا تفعل في هذه الحالة؟ إن مغادرة نقطة وصول من نقطة معينة أمر محفوف بفقدان الاتصال.



لقد حل مهندسو Google هذه المشكلة. نجحت الشركةأمسك البالون فوق إحدى مناطق بيرو لمدة 100 يوم تقريبًا. كان الكائن في نفس المكان تقريبًا طوال هذا الوقت ، دون التحول إلى مسافة حرجة إما أفقيًا أو رأسيًا.

تم إطلاق البالون من بورتوريكو. بعد 12 يومًا ، وصل إلى أراضي بيرو. في يوم واحد ، قام نظام الملاحة بعشرات المناورات التصحيحية بحيث تحركت الكرة في الاتجاه الصحيح. إذا لم يكن هناك تيارات هواء مناسبة فوق الأرض ، تحولت الكرة نحو المحيط الهادئ ، حيث كان تدفق الهواء المطلوب. للبقاء لمدة 14 أسبوعًا فوق أراضي بيرو ، أجرى بالون الاختبار أكثر من 20 ألف تصحيح للطريق. بعد ذلك ، تم زرع الكرة دون أي مشاكل.

استخدمت الشركة شكلاً ضعيفًا من الذكاء الاصطناعي للتحكم في نقطة وصولها الطائرة. في البداية ، تم الاحتفاظ بالونات في نفس المكان ، باستخدام خوارزميات مصممة خصيصًا تأخذ في الاعتبار العديد من العوامل في نفس الوقت. هذه هي الارتفاعات ، إحداثيات الكائن ، سرعة الرياح ، الوقت من اليوم ، موسم السنة وأكثر من ذلك بكثير. المشكلة هي أنه عند إطلاق بالون الستراتوسفير ، لا أحد يعرف على وجه اليقين كيف سينتهي هذا: هناك العديد من العوامل التي تؤثر على أسطوانة الغاز ، وبعضها لا يمكن التنبؤ به. أي أنه لا يمكن تعليم الخوارزمية على الفور لحل المشاكل التي تنشأ مع إزاحة البالونات بشكل مثالي. لذلك ، تقرر استخدام AI. "بدلاً من قضاء الوقت في دعم وضع البالونات في مكان واحد ، نقضي المزيد من الوقت على مستخدمينا."

من خلال التحكم في البالون ، يتعلم نظام الكمبيوتر تدريجيًا. بعد أن وجدت الحل الأمثل في إحدى الحالات ، ستستخدم هذا الحل في الحالة الأخرى ، إذا تكررت الظروف أو أغلقت. قال سال كانديدو ، الذي كان مسؤولاً في السابق عن إحدى مناطق تطوير Project Loon: "يمكن لهذه الخوارزميات التعامل مع البالونات في مكان واحد أفضل بكثير مما يمكن لأي شخص القيام به."

السيارات تقوم بعملها بشكل جيد ، لكنها ليست مثالية. المشكلة هي أن الظروف الجديدة تنشأ غالبًا ، وهي عوامل تؤثر بشكل خطير على حركة الكرة. في هذه الحالة ، يجب إجراء الحسابات من جديد ، مع تعديل متزامن لمعدل البالون. دافع كانديدو عن عمله العلمي في التحكم العشوائي الأمثل. وقدم تجربته إلى Google Project Loon. هنا قرر تطبيق المبدأالتحكم الأمثل في الأنظمة العشوائية للحفاظ على شبكة البالون في مكان واحد.

ليست هذه هي المرة الأولى التي تستخدم فيها Google شكلاً ضعيفًا من الذكاء الاصطناعي في مشاريعها. الحالة الأكثر شهرة لشركة تعمل مع AI هي إنشاء نظام للعب. AlphaGo ، تطوير قسم Google DeepMind ، هزم بسهولة أحد أقوى اللاعبين في العالم في لعبة Lee Sedol. بعد بضعة أشهر ، تمكنت الشركة من تقليل استهلاك الطاقة في مراكز البيانات الخاصة بها بنسبة 40٪ بفضل خدمة الذكاء الاصطناعي الأخرى ، التي طورتها أيضًا DeepMind.

لا يوجد حديث عن استخدام إمكانات الشبكات العصبية في Project Loon. بدلاً من ذلك ، طبق مهندسو المشروع أساسيات العملية الغوسية.. من أجل "تدريب" خوارزمية التحكم في الإيروستات ، قام المهندسون بتحميل البيانات عن رحلات الطيران السابقة إلى النظام. في المجموع ، طارت بالونات المشروع حوالي 17 مليون كيلومتر. باستخدام عملية Gaussian ، يمكن لنظام الملاحة تحديد المسار الأمثل للكرة ، وتحديد متى يكون من الأفضل أن يرتفع البالون ومتى ينزل. طور موظفو الشركة نماذج للتنبؤ بحركة الكتل الهوائية على ارتفاعات مختلفة.



توقعات نظام الكمبيوتر لا تزال غير مثالية. في بعض الحالات ، تكون مخطئة. وليس لأنه يعمل بشكل سيئ ، ولكن لأن الأحوال الجوية في الستراتوسفير شيء يمكن التنبؤ به قليلاً. من أجل تقليل النسبة المئوية للأخطاء ، استخدم المتخصصون التدريب المحفز لنظام الكمبيوتر. وحتى بعد إجراء التنبؤ بمسار البالون ، تستمر الأنظمة الأرضية وأجهزة استشعار الكرة في مراقبة الأحوال الجوية. إذا تغير شيء ما ، يمكن تغيير التوقعات الأولية للمسار وفقًا للبيانات الجديدة. يتم تنفيذ جميع الأعمال في الوقت الحقيقي.

يقول كانديدو إن استخدام الذكاء الاصطناعي لضبط حركة البالونات وإدارة الشبكة الكاملة لنقاط الوصول الجوي لم يكن ممكنًا إلا بفضل موارد الشركة. تتم جميع الحسابات في مراكز البيانات القوية. والبيانات التي يجب معالجتها كبيرة جدًا. وفقا للمشاركين في مشروع Project Loon ، فإن عمل أنظمة الكمبيوتر حتى الآن بعيد عن الكمال. ولكن حتى ذلك الحين ، يعمل التعلم الآلي ، وتتعامل أجهزة الكمبيوتر مع البالونات بشكل أفضل وأفضل بمرور الوقت.



تحسين أنظمة الخدمة. على سبيل المثال ، لبدء الكرات منذ عام 2015 ، " Autostart". هذه منصة خاصة يمكن لفريق مكون من أربعة أفراد أن يطلقوا إيروستات كل 15 دقيقة. قبل إنشاء المنصة ، كان كل إطلاق فردي حدثًا كاملًا. لإرسال كرة إلى الستراتوسفير بنجاح ، كان يلزم 5-7 أشخاص ، يمكنهم إطلاق كرة واحدة في 45 دقائق بسرعة رياح لا تزيد عن 9 كيلومترات في الساعة (الآن يمكن أن تتجاوز سرعة الرياح هذه القيمة ، لتصل إلى 24 كم / ساعة).

Source: https://habr.com/ru/post/ar397921/