Η Τεχνητή Νοημοσύνη Χρησιμοποιεί Ενίσχυση Μάθησης για Ναυσιπλοΐα στους Ωκεανούς

Μηχανικοί στο Caltech, ETH Zurich και Harvard εργάζονται σε μια τεχνητή νοημοσύνη (AI) που μπορεί να επιτρέψει σε αυτόνομους дрoνες να χρησιμοποιούν τις ωκεανικές ροές για να βοηθήσουν στη ναυσιπλοΐα τους. Με αυτήν την προσέγγιση, οι дрoνες δεν χρειάζεται να πολεμήσουν ενάντια στις ροές.

Η έρευνα δημοσιεύθηκε στο Nature Communications στις 8 Δεκεμβρίου.

Ο John O. Dabiri είναι ο Καθηγητής Εκατονταετηρίδας Αεροναυπηγικής και Μηχανικής και ένας από τους συγγραφείς της έρευνας.

“Όταν θέλουμε τα ρομπότ να εξερευνήσουν τον βαθύ ωκεανό, ιδιαίτερα σε σμήνη, είναι σχεδόν αδύνατο να τα ελέγξουμε με joystick από 20.000 πόδια μακριά στην επιφάνεια. Δεν μπορούμε επίσης να τα τροφοδοτήσουμε με δεδομένα σχετικά με τις τοπικές ωκεανικές ροές που χρειάζονται για να ναυσιπλοήσουν, επειδή δεν μπορούμε να τις ανιχνεύσουμε από την επιφάνεια. Αντίθετα, σε κάποιο σημείο χρειαζόμαστε ωκεανικές дрoνες να μπορούν να λαμβάνουν αποφάσεις για το πώς να κινηθούν από μόνα τους,” λέει ο Dabiri.

Δοκιμή της Τεχνητής Νοημοσύνης

Οι μηχανικοί δοκιμάζουν την ακρίβεια της Τεχνητής Νοημοσύνης με υπολογιστικές симουλές, και η ομάδα ανέπτυξε ένα μικρό ρομπότ που τρέχει τον αλγόριθμο σε ένα μικροεπεξεργαστή, ο οποίος θα μπορούσε να τροφοδοτήσει θαλάσσιες дрoνες στη Γη καθώς και σε άλλους πλανήτες. Τελικά, θα μπορούσαν να αναπτύξουν ένα αυτόνομο σύστημα που παρακολουθεί την κατάσταση των ωκεανών του πλανήτη, και θα το κάνουν αυτό συνδυάζοντας το με προθέρες που είχαν αναπτυχθεί προηγουμένως για να βοηθήσουν τις μεδούσες να κολυμπούν με εντολή.

Για αυτήν την προσέγγιση να λειτουργήσει, οι дрoνες πρέπει να λαμβάνουν αποφάσεις από μόνα τους για το πού να πάνε και πώς να φτάσουν εκεί. Πιθανότατα θα πρέπει να βασιστούν στα δεδομένα που συλλέγουν από μόνα τους, τα οποία θα ήταν στη μορφή πληροφοριών σχετικά με τις νερικές ροές που βιώνουν.

Οι ερευνητές χρησιμοποίησαν δίκτυα ενίσχυσης μάθησης για να αντιμετωπίσουν αυτό, και έγραψαν λογισμικό που μπορεί να τρέξει σε ένα μικρό μικροεπεξεργαστή.

Η ομάδα ήταν σε θέση να χρησιμοποιήσει μια υπολογιστική симουλά για να διδάξει την Τεχνητή Νοημοσύνη να ναυσιπλοήσει. Ο προσομοιωμένος κολυμβητής είχε πρόσβαση μόνο σε πληροφορίες σχετικά με τις νερικές ροές στη θέση του, αλλά ήταν σε θέση να μάθει γρήγορα πώς να εκμεταλλευτεί τις δίνες στο νερό για να οδηγηθεί προς ένα στόχο.

Этот τύπος ναυσιπλοΐας είναι κοινός μεταξύ αετών και γυπαετών, οι οποίοι οδηγούν θερμούς αέρες στο αέρα ενώ εξάγουν ενέργεια από τις αεροδυναμικές ροές για να манεβρώσουν. Αυτό τους επιτρέπει να κινηθούν προς einen στόχο ενώ εξοικονομούν ενέργεια.

Εфективικές Στρατηγικές Ναυσιπλοΐας

Σύμφωνα με την ομάδα, ο αλγόριθμος ενίσχυσης μάθησης θα μπορούσε επίσης να μάθει στρατηγικές ναυσιπλοΐας που είναι πιο αποτελεσματικές από αυτές που χρησιμοποιούνται από ψάρια στον ωκεανό.

“Αρχικά, ελπίζαμε ότι η Τεχνητή Νοημοσύνη θα μπορούσε να ανταγωνιστεί τις στρατηγικές ναυσιπλοΐας που ήδη υπάρχουν σε πραγματικά κολυμβώντας ζώα, οπότε μας έκπληξε να δούμε ότι μάθει ακόμη πιο αποτελεσματικές μεθόδους με την εκμετάλλευση επαναλαμβανόμενων δοκιμών στον υπολογιστή,” λέει ο Dabiri.

Οι ερευνητές θα δοκιμάσουν τώρα την Τεχνητή Νοημοσύνη σε κάθε τύπο ροής που θα συναντήσει στον ωκεανό. Θα το πραγματοποιήσουν αυτό συνδυάζοντας τις γνώσεις τους για τη φυσική των ωκεανικών ροών με την στρατηγική ενίσχυσης μάθησης.

Ο Peter Gunnarson είναι φοιτητής στο Caltech και ο κύριος συγγραφέας του εγγράφου.

“Όχι μόνο το ρομπότ θα μάθει, αλλά θα μάθουμε επίσης για τις ωκεανικές ροές και πώς να ναυσιπλοήσουμε μέσα από αυτές,” λέει ο Gunnarson.