網易科技訊9月24日消息，今夏谷歌旗下的Google X在南美秘魯升空了一顆互聯網熱氣球，其在秘魯平流層的滯空時間長達98天。

　　對于谷歌來說，將熱氣球升空至平流層對谷歌來說已經是一件稀松平常的事情。現在該項目已經從谷歌實驗室剝離出來，成為了一個單獨的項目Project Loon。其目的是通過熱氣球為廣大群眾提供互聯網接入服務。但是這種方法有一個問題，熱氣球在空中往往會飄忽不定。

　　這就是為什么谷歌將熱氣球在秘魯空域保持了三個多月讓人如此的印象深刻。要知道現有的導航系統只能讓氣球上升或下降，卻不能操縱其前后左右移動。因為更為復雜導航系統要么太重，會減少氣球的滯空時間；要么過于昂貴，不適用于互聯網氣球。整個Project Loon項目小組并沒有采用噴氣推進系統，而是轉向通過人工智能操縱氣球。

　　這種人工智能是一個寬泛的概念。但無論如何，谷歌的研究人員通過人工智能算法有效引導了高空熱氣球。從某種意義上說，這也代表了整個科技界在人工智能領域的重要轉變。

　　在最初，整個團隊通過手工算法引導氣球，氣球導航系統會根據高度、位置、風速以及時間等變量作出預定的反應。但人工智能新算法更好利用了機器學習的優勢。通過對大量數據進行實時分析，算法可以不斷進行學習，其基于過去發生的既定事實，預測并改變即將作出的操縱。Project Loon負責人、前谷歌搜索工程師薩爾·坎迪（Sal Candido）指出，“我們在合適的地方更多采用了機器學習。這些算法比人工處理更為有效。”

　　當然，人工智能算法并不意味著作出的選擇都是正確的。坎迪擁有隨機控制的博士學位，這意味著其對不確定性的控制更為在行。當熱氣球進入平流層后，會有很多的不確定性。雖然無法改變，但卻可以通過機器學習技術有效對其進行控制。

　　當團隊剛剛開始啟動Project Loon項目時，研究人員認為將互聯網信號覆蓋地面的唯一方法就是盡可能多的升空熱氣球。而現在，隨著獲取了更多的熱氣球控制權，這意味著他們的互聯網接入服務所需要的氣球數量將更少。坎迪指出，“通過避免氣球飄到海洋上空，我們可以為用戶提供更多的互聯網接入時間。”

　　機器學習在Project Loon上的應用與谷歌、Facebook以及Twitter在人工智能領域的研究有些類似。這些公司的人工智能技術正在朝著深度神經網絡方向邁進，這種技術是模擬人類大腦的神經元網絡算法。其可以用于智能手機的語音識別、人臉識別以及個性化搜索結果等等。

　　當然，Project Loon并沒有使用這種深層神經網絡技術，其應用的是名為高斯過程的簡單機器學習，但基本原理相同。在整個項目進行過程中，公司已經收集了超過1700萬公里的氣球飛行數據，導航系統通過高斯過程控制氣球何時上升或下降。

　　當然，這種預測方法并不完美，因為平流層的天氣情況也很復雜。坎迪指出，熱氣球所遇到的情況遠比想象的要復雜。因為他們對氣球的導航系統進行了升級，在機器學習的基礎上進行了強化學習。通過這種強化學習技術，系統會收集更多的數據，從而不斷進行學習。

　　同樣，谷歌研發人工智能系統AlphaGo的研究人員也在使用同樣的方法。該系統通過分析人類下棋的海量數據，通過每次比賽成功或失敗的詳細記錄，不斷提高自己的棋藝，最終戰勝了世界頂級圍棋選手。AlphaGo設計者相信，這些技術也可用于機器人或其他領域。

　　這一切并不是法寶，而僅僅是強大的數據處理能力。正如坎迪所說，Project Loon的人工智能導航系統之所以可行，是因為其能夠連接至谷歌龐大的數據中心。此外坎迪也承認，Project Loon的學習能力還遠遠稱不上強大。雖然目前人工智能還不夠完善，但隨著時間的推移，它總會變得更好，帶著人類去往任何地方——平流層甚至于外太空。（晗冰）