AI有助于保持气球的谷歌项目龙几个星期在一个地方

谷歌项目龙项目的谷歌提供的通信的居民的偏远地区的我们的星球。 在这样的地方是难以得出一个快速互联网连接。 有时候问题在一个尴尬的地理位置地区，有时在互联网服务提供者拉动"宽"的通道的地区，在那里几十人，根本无利可图。

谷歌的一个前几年开展了解决这一问题。 该公司的工程师们已经建议创建一个网络的强有力的接入点，暂停关于平流层气球。 在平流层，这样一个气囊可以挂好几个星期或甚至几个月，给互联网的大片地区。

该项目是慢慢地前进。 去年，谷歌，输入一个合同与供应商，如此项目的，telkomsel公司和XL亚通的。 后气球网络基础设施将是全面部署，这些公司将会得到信号的接入点囊，这些广播信号的地区，那里以前的互联网或不行，或他非常缓慢。

以控制囊公司拥有其自己的专利技术。 然而，在这里，我们正在谈论的高度控制的球。 但真正的横向位移的气球作用下的移动空气层。 做什么在这种情况下？ 护理接入点从某一点导致的损失的通信。



谷歌的工程师已经解决了这个问题。 该公司管理以保持气球上的区域之一的秘鲁大约100天。 对象是大约相同的地方在这段时间不动处在一个关键的距离，既没有水平，也不是垂直的。

气球发射了从波多黎各。 12天之后，他到达该领土的秘鲁。 在一天的导航系统进行的数十纠正演习，以确保球是朝着正确的方向。 如果土地是不适合于空气流动，球是转移到太平洋，在那里所期望的气流。 在14周的停留在领土的秘鲁、测试气球进行的20多万调整的路线。 之后那球没有问题。

控制你的飞行一个接入点，该公司使用一种较弱形式的人工智能。 最初，气球保持在同一个地方使用专门设计的算法，考虑到许多因素同时进行。 这是高度的，坐标的目的、风速、天的时间、季节以及更多。 问题是，启动一个平流层气球，没有人知道它在哪里结束：气罐的操作太多的因素，一些是不可预测。 是的，算法不能被教导要解决的问题与移的气球。 因此，它决定使用AI。 "而不是浪费时间上的支持位置上的气球在一个地方，我们花更多的时间在我们的用户。"

控制浮空器、计算机系统正逐渐接受培训。 寻找最佳解决方案在一种情况下，它将使用本决定和在其他情况下，如果条件是重复的，或是接近的。 "这些算法应付的保留气球在一个地方是比会使任何人，"萨尔坎迪，先前负责一个方向发展的项目龙。

机器做我们的工作好吧，但不是完美的。 问题是，经常有新的条款，本因素，严重影响球的运动中。 在这种情况下，计算必须重复，同时调整率的气球。 坎迪捍卫科学工作上的随机的最佳控制。 并且带来了其专门知识在谷歌的项目龙。 在这里，他决定利用原则的最佳控制的随机系统为了保持网热气球在一个地方。

谷歌采用弱式的爱在他们的项目的第一次。 最着名的情况下，公司与大赦国际是一个建立系统的游戏中去。 AlphaGo，发展谷歌DeepMind，容易被击败的一个最强的球员在世界上去，如果塞达利亚的。 几个月后，该公司设法降低能源消耗在他们的数据中心通过40％的另一个AI服务，还开发了由DeepMind的。

谈论使用能力的神经网络，在项目龙不是。 相反，项目工程师使用的基本知识的高斯进程。 对于"填入"控制算法的气球工程师下载数据之前的"航班"的。 所有的气球项目已有大约17万公里。 使用高斯过程中，该导航系统可以确定最好的世界，以表明当的气球应该上去和当下来。 员工的公司已经开发了模型来预测空气的运动群众在不同的高度。



预测的计算机系统仍然不够完善。 在某些情况下，她是错误的。 并不是因为糟糕，但是因为天气条件下，在平流层—事情是一个小小的可预测性。 为了减少错误率，专家使用的一个刺激学习计算机系统。 甚至在预测的轨迹的气球，地面系统和传感器球继续监测天气条件。 如果有什么变化，初步预测的轨迹可以改变的，在根据与新数据。 所有在真实的时间。

坎迪所述，采用人工智能的调整运动的气球和管理整个网络的空入点是可能的，只有通过对资源的公司。 所有计算都是在它的强大的数据中心。 和数据处理的非常非常多。 根据该项目的参与者项目龙，是该系统是远非完美。 但是，即使在这种情况下，机械学习的工作和计算机管理与气球更好地和更好地随着时间的推移。



改善和服务系统。 例如，启动球2015年，使用"Autosalubritate的"。 这是一个特殊平台与其团队的四个可以启动一个气囊每次15分钟。 创建一个平台的每一个人跑的事件。 对成功的心轴球进入平流层所需要的一个5人，可以运行一个单一的球在45分钟内在风速的9公里每小时(现在风速超过这一价值，达到24公里/小时)。

资料来源：geektimes.ru/post/280856/