ИИ помогает удерживать воздушные шары Google Project Loon неделями на одном месте
Google Project Loon — проект корпорации Google по обеспечению связью жителей труднодоступных удаленных регионов нашей планеты. В такие места сложно провести быстрый канал интернет-связи. Иногда проблема в неудобном географическом расположении региона, иногда — в том, что для интернет-провайдера тянуть «широкий» канал связи в район, где проживает несколько десятков человек, просто невыгодно.
Корпорация Google несколько лет назад взялась за решение этого вопроса. Инженеры компании предложили создать сеть мощных точек доступа, подвешенных на стратосферных аэростатах. В стратосфере такой аэростат может висеть несколько недель или даже месяцев, раздавая интернет на обширной территории.
Проект понемногу двигается вперед. В прошлом году Google заключил договор с такими провайдерами, как Indosat, Telkomsel и XL Axiata. После того, как аэростатная сетевая инфраструктура будет полностью развернута, эти компании будут подавать сигнал точкам доступа на аэростатах, а те — транслировать сигнал в регионы, где раньше интернета либо не было, либо же он был очень медленным.
Для управления аэростатом компания запатентовала собственную технологию. Правда, здесь речь идет об управлении высотой шаров. А ведь актуально и горизонтальное смещение аэростатов под действием движения воздушных слоев. Что делать в этом случае? Уход точки доступа из определенной точки чреват потерей связи.
Инженеры Google решили и эту проблему. Компании удалось продержать аэростат над одним из регионов Перу около 100 дней. Объект находился примерно в одном и том же месте в течение всего этого времени, не смещаясь на критическое расстояние ни по горизонтали, ни по вертикали.
Аэростат запустили из Пуэрто-Рико. Спустя 12 дней он достиг территории Перу. В день навигационная система совершала десятки корректирующих маневров для того, чтобы шар двигался в нужном направлении. Если над сушей не было подходящих потоков воздуха, шар смещался в сторону Тихого океана, где нужное воздушное течение находилось. За 14 недель пребывания над территорией перу тестируемый аэростат выполнил более 20 тысяч корректировок маршрута. После этого шар без проблем посадили.
Для управления своей летающей точкой доступа корпорация использовала слабую форму искусственного интеллекта. Изначально аэростаты держали на одном и том же месте, используя специально разработанные алгоритмы, которые учитывали множество факторов одновременно. Это высота, координаты объекта, скорость ветра, время суток, сезон года и многое другое. Проблема в том, что, запуская стратосферный аэростат, никто точно не знает, чем это закончится: на баллон с газом действует слишком много факторов, некоторые из которых непредсказуемы. То есть алгоритм нельзя научить сразу решать возникающие проблемы со смещением аэростатов идеально. Поэтому и было решено задействовать ИИ. «Вместо того, чтобы тратить время на поддержку положения аэростатов в одном месте, мы тратим больше времени на наших пользователей».
Управляя аэростатом, компьютерная система постепенно обучается. Найдя оптимальное решение в одном из случаев, она будет использовать это решение и в другом случае, если условия повторяются или близки. «Эти алгоритмы справляются с удержанием аэростатов на одном месте гораздо лучше, чем получилось бы сделать у любого человека», — заявил Сал Кандидо, ранее отвечавший за одно из направлений развития Project Loon.
Машины справляются со своим заданием хорошо, но не идеально. Проблема в том, что зачастую возникают новые условия, факторы, критически влияющие на движение шара. В этом случае расчеты приходится проводить заново, с одновременной корректировкой курса аэростата. Кандидо защитил научную работу по стохастическому оптимальному контролю. И привнес свой опыт в Google Project Loon. Здесь он решил задействовать принцип оптимального управления стохастическими системами для того, чтобы удерживать сетку аэростатов в одном месте.
Google использует слабую форму ИИ в своих проектах не впервые. Наиболее известным случаем работы корпорации с ИИ можно назвать создание системы для игры в го. AlphaGo, разработка подразделения Google DeepMind, без труда победила одного из сильнейших игроков мира в го Ли Седоля. Несколько месяцев спустя корпорации удалось снизить энергопотребление в своих дата центрах на 40% благодаря другому ИИ-сервису, также разработанному DeepMind.
Речи об использовании возможностей нейронных сетей в Project Loon не идет. Вместо этого инженеры проекта применили основы Гауссовского процесса. Для «натаскивания» алгоритма управления аэростатами инженеры загрузили в систему данные по предыдущим «рейсам». Всего аэростаты проекта налетали около 17 миллионов километров. Используя Гауссовский процесс, навигационная система может определять оптимальный курс шара, указывать, когда баллону лучше подняться вверх, а когда — опуститься. Сотрудники корпорации разработали модели, позволяющие прогнозировать движение воздушных масс на разных высотах.
Прогнозы компьютерной системы все еще не идеальны. В некоторых случаях она ошибается. И не потому, что плохо работает, а потому, что погодные условия в стратосфере — вещь мало предсказуемая. Для того, чтобы снизить процент ошибок, специалисты использовали стимулированное обучение компьютерной системы. И даже после того, как сделан прогноз траектории аэростата, наземные системы и датчики шара продолжают вести наблюдение за погодными условиями. Если что-то меняется, предварительный прогноз траектории можно изменить в соответствии с новыми данными. Вся работа ведется в режиме реального времени.
Кандидо говорит, что использование ИИ для корректировки движения аэростатов и управления всей сетью воздушных точек доступа стало возможным только благодаря ресурсам компании. Все вычисления производятся в ее мощных дата-центрах. А данных, которые требуется обработать, очень и очень много. По словам участников проекта Project Loon, пока что работа компьютерных систем далека от совершенства. Но даже в таком случае машинное обучение работает, и компьютеры управляются с аэростатами все лучше и лучше с течением времени.
Совершенствуются и обслуживающие системы. Например, для запуска шаров с 2015 года используется «Автозапускатель». Это специальная платформа, при помощи которой команда из четырех человек может запускать аэростат раз в 15 минут. До создания платформы каждый отдельный запуск был целым событием. Для успешной оправки шара в стратосферу требовалось 5- человек, которые могли запускать один шар в 45 минут при скорости ветра не более 9 километров в час (сейчас скорость ветра может превышать это значение, достигая 24 км/ч).
