AI Google प्रोजेक्ट लून गुब्बारे को एक स्थान पर हफ्तों तक रखने में मदद करता है

Google Project Loon , Google Corporation की एक परियोजना है जो हमारे ग्रह के दूरस्थ दूरस्थ क्षेत्रों के निवासियों के लिए संचार प्रदान करती है। ऐसी जगहों पर तेज़ इंटरनेट कनेक्शन चैनल चलाना मुश्किल है। कभी-कभी समस्या क्षेत्र की असुविधाजनक भौगोलिक स्थिति होती है, कभी-कभी तथ्य यह है कि इंटरनेट सेवा प्रदाता के लिए "वाइड" संचार चैनल को उस क्षेत्र में खींचने के लिए जहां कई दर्जन लोग रहते हैं बस लाभहीन है।

Google ने कुछ साल पहले इस मुद्दे को उठाया था। कंपनी के इंजीनियरों ने स्ट्रैटोस्फेरिक गुब्बारों से निलंबित शक्तिशाली पहुंच बिंदुओं का एक नेटवर्क बनाने का प्रस्ताव दिया। समताप मंडल में, ऐसा गुब्बारा कई हफ्तों या महीनों तक लटका रह सकता है, जिससे इंटरनेट एक विशाल क्षेत्र में वितरित हो जाता है।

प्रोजेक्ट थोड़ा आगे बढ़ रहा है। पिछले साल, Google ने इंडोसैट, टेल्कोमसेल और एक्स्ट्रा लार्ज एक्साइटाटा जैसे प्रदाताओं के साथ एक समझौता किया। एयरोस्टेट नेटवर्क के बुनियादी ढांचे के पूरी तरह से तैनात होने के बाद, ये कंपनियां गुब्बारों पर पहुंच बिंदुओं का संकेत देंगी, और वे उन क्षेत्रों को संकेत प्रसारित करेंगी जहां पहले कोई इंटरनेट नहीं था, या यह बहुत धीमा था।

गुब्बारे को नियंत्रित करने के लिए, कंपनी ने अपनी तकनीक का पेटेंट कराया । सच है, यहां हम गेंदों की ऊंचाई को नियंत्रित करने के बारे में बात कर रहे हैं। लेकिन हवा की परतों के आंदोलन के प्रभाव के तहत गुब्बारे का क्षैतिज विस्थापन भी प्रासंगिक है। इस मामले में क्या करना है? एक विशिष्ट बिंदु से पहुंच बिंदु को छोड़ना संचार के नुकसान से भरा है।



Google इंजीनियरों ने इस समस्या को हल कर दिया है। कंपनी सफल हुईपेरू के क्षेत्रों में से एक पर लगभग 100 दिनों के लिए गुब्बारा पकड़ो। वस्तु इस समय लगभग उसी स्थान पर थी, जो एक महत्वपूर्ण दूरी पर या तो क्षैतिज या लंबवत रूप से स्थानांतरित किए बिना थी।

गुब्बारा प्यूर्टो रिको से लॉन्च किया गया। 12 दिनों के बाद, वह पेरू के क्षेत्र में पहुंच गया। एक दिन में, नेविगेशन सिस्टम ने दर्जनों सुधारात्मक युद्धाभ्यास किए ताकि गेंद सही दिशा में चले। यदि भूमि के ऊपर उपयुक्त वायु धाराएं नहीं थीं, तो गेंद प्रशांत महासागर की ओर स्थानांतरित हो गई, जहां आवश्यक वायु प्रवाह था। पेरू के क्षेत्र में 14 सप्ताह के प्रवास के लिए, परीक्षण गुब्बारे ने 20 हजार से अधिक मार्ग सुधार किए। उसके बाद, गेंद को बिना किसी समस्या के लगाया गया था।

निगम ने अपने फ्लाइंग एक्सेस प्वाइंट को नियंत्रित करने के लिए कृत्रिम बुद्धिमत्ता के कमजोर रूप का इस्तेमाल किया। प्रारंभ में, गुब्बारे एक ही स्थान पर रखे गए थे, विशेष रूप से डिज़ाइन किए गए एल्गोरिदम का उपयोग करके जो एक ही समय में कई कारकों को ध्यान में रखते थे। ये ऊंचाई, वस्तु निर्देशांक, हवा की गति, दिन का समय, वर्ष का मौसम और बहुत कुछ हैं। समस्या यह है कि स्ट्रैटोस्फेरिक गुब्बारे को लॉन्च करते समय, कोई भी यह सुनिश्चित करने के लिए नहीं जानता कि यह कैसे समाप्त होगा: गैस सिलेंडर को प्रभावित करने वाले बहुत सारे कारक हैं, जिनमें से कुछ अप्रत्याशित हैं। यही है, एल्गोरिथ्म को पूरी तरह से गुब्बारे के विस्थापन के साथ उत्पन्न होने वाली समस्याओं को तुरंत हल करने के लिए नहीं सिखाया जा सकता है। इसलिए, एआई का उपयोग करने का निर्णय लिया गया। "एक स्थान पर गुब्बारों की स्थिति का समर्थन करने में समय बिताने के बजाय, हम अपने उपयोगकर्ताओं पर अधिक समय बिताते हैं।"

गुब्बारे को नियंत्रित करके, कंप्यूटर सिस्टम धीरे-धीरे सीख रहा है। किसी एक मामले में इष्टतम समाधान पाए जाने के बाद, वह इस मामले का उपयोग अन्य मामलों में कर सकती है, यदि शर्तें दोहराई जाती हैं या बंद होती हैं। सैल कैंडिडो, जो पहले प्रोजेक्ट लून विकास क्षेत्रों में से एक के लिए जिम्मेदार था, "ये एल्गोरिदम एक जगह में गुब्बारे पकड़ना किसी भी व्यक्ति की तुलना में बेहतर कर सकते हैं।"

कारें अपना काम अच्छी तरह से करती हैं, लेकिन सही नहीं। समस्या यह है कि नई स्थितियां अक्सर उत्पन्न होती हैं, ऐसे कारक जो गंभीर रूप से गेंद की गति को प्रभावित करते हैं। इस मामले में, गणना को नए सिरे से किया जाना है, साथ ही गुब्बारा दर के एक साथ समायोजन के साथ। कैंडिडो ने स्टोकेस्टिक इष्टतम नियंत्रण पर अपने वैज्ञानिक कार्य का बचाव किया। और उन्होंने अपना अनुभव Google प्रोजेक्ट लून में लाया। यहां उन्होंने सिद्धांत को लागू करने का फैसला कियागुब्बारा नेटवर्क को एक स्थान पर रखने के लिए स्टोकेस्टिक सिस्टम का इष्टतम नियंत्रण ।

यह पहली बार नहीं है जब Google ने अपनी परियोजनाओं में AI के कमजोर रूप का उपयोग किया है। एआई के साथ काम करने वाले एक निगम का सबसे प्रसिद्ध मामला खेल खेलने के लिए एक प्रणाली का निर्माण है। Google DeepMind डिवीजन के विकास में AlphaGo ने आसानी से वें ली सेडोल में दुनिया के सबसे मजबूत खिलाड़ियों में से एक को हराया। कुछ महीनों बाद, निगम अपने डेटा केंद्रों में ऊर्जा की खपत को 40% तक कम करने में सक्षम था, जो कि एक अन्य एआई सेवा के लिए धन्यवाद था, जिसे दीपमाइंड ने भी विकसित किया था।

प्रोजेक्ट लून में तंत्रिका नेटवर्क की क्षमताओं का उपयोग करने के बारे में कोई बात नहीं है। इसके बजाय, प्रोजेक्ट इंजीनियरों ने गौसियन प्रक्रिया की मूल बातें लागू कीं।। एयरोस्टेट नियंत्रण एल्गोरिदम को "ट्रेन" करने के लिए, इंजीनियरों ने सिस्टम पर पिछली उड़ानों के डेटा अपलोड किए। कुल मिलाकर, परियोजना के गुब्बारे ने लगभग 17 मिलियन किलोमीटर की उड़ान भरी। गाऊसी प्रक्रिया का उपयोग करते हुए, नेविगेशन सिस्टम गेंद के इष्टतम पाठ्यक्रम को निर्धारित कर सकता है, यह इंगित कर सकता है कि कब गुब्बारे के लिए बेहतर है और कब नीचे जाना है। निगम के कर्मचारियों ने विभिन्न ऊंचाइयों पर वायु जनता की आवाजाही की भविष्यवाणी करने के लिए मॉडल विकसित किए हैं।



कंप्यूटर सिस्टम के पूर्वानुमान अभी भी सही नहीं हैं। कुछ मामलों में, वह गलत है। और इसलिए नहीं कि यह खराब तरीके से काम करता है, बल्कि इसलिए कि समताप मंडल में मौसम की स्थिति थोड़ी पूर्वानुमानित होती है। त्रुटियों के प्रतिशत को कम करने के लिए, विशेषज्ञों ने एक कंप्यूटर सिस्टम के उत्तेजित प्रशिक्षण का उपयोग किया। और गुब्बारा प्रक्षेपवक्र के पूर्वानुमान के बाद भी, भूमि आधारित प्रणाली और गेंद सेंसर मौसम की स्थिति की निगरानी करना जारी रखते हैं। यदि कुछ बदलता है, तो नए डेटा के अनुसार प्रक्षेपवक्र के प्रारंभिक पूर्वानुमान को बदला जा सकता है। सभी काम वास्तविक समय में किए जाते हैं।

कैंडिडो का कहना है कि गुब्बारों की गति को समायोजित करने और वायु अभिगम बिंदुओं के पूरे नेटवर्क को प्रबंधित करने के लिए एआई का उपयोग करना केवल कंपनी के संसाधनों के लिए संभव बनाया गया था। सभी गणना इसके शक्तिशाली डेटा केंद्रों में की जाती है। और जिस डेटा को संसाधित करने की आवश्यकता है वह बहुत, बहुत अधिक है। प्रोजेक्ट लून प्रोजेक्ट के प्रतिभागियों के अनुसार, अब तक कंप्यूटर सिस्टम का काम एकदम सही नहीं है। लेकिन फिर भी, मशीन सीखने का काम करता है, और कंप्यूटर समय के साथ गुब्बारे को बेहतर और बेहतर तरीके से संभालते हैं।



सेवा प्रणालियों में सुधार। उदाहरण के लिए, 2015 से गेंदों को शुरू करने के लिए, " ऑटोस्टार्ट"। यह एक विशेष मंच है जिसके साथ हर 15 मिनट में चार की एक टीम एक एरोस्टैट लॉन्च कर सकती है। प्लेटफ़ॉर्म बनाने से पहले, प्रत्येक व्यक्तिगत लॉन्च एक पूरी घटना थी। स्ट्रैटोस्फीयर में एक गेंद को सफलतापूर्वक भेजने के लिए, 5-7 लोगों की आवश्यकता होती थी, जो 45 पर एक गेंद लॉन्च कर सकते थे। 9 किलोमीटर प्रति घंटे से अधिक की हवा की गति पर मिनट (अब हवा की गति इस मूल्य को पार कर सकती है, 24 किमी / घंटा तक पहुंच सकती है)।

Source: https://habr.com/ru/post/hi397921/