北京時間8月16日下午消息，微軟上周在內(nèi)華達(dá)州霍桑附近的沙漠山谷里測試了兩架無人駕駛滑翔機(jī)。借助機(jī)載傳感器提供的數(shù)據(jù)，這套系統(tǒng)便可預(yù)測氣流型態(tài)，并對路徑進(jìn)行規(guī)劃，從而借助上升氣流在空中滑翔。

　　他們希望這種無人駕駛飛行器能夠在只消耗很少能量的情況下在空中停留幾個小時甚至幾天，從而幫助研究人員追蹤天氣狀況，監(jiān)控農(nóng)作物生長情況，甚至向無法上網(wǎng)的地方發(fā)送互聯(lián)網(wǎng)信號。

　　現(xiàn)在有越來越多的研究人員開始開發(fā)能在遇到不確定狀況時自行決策的汽車、飛機(jī)和其他機(jī)器，而由阿西什么·卡普爾(Ashish Kapoor)領(lǐng)導(dǎo)這個團(tuán)隊便是其中之一。谷歌已經(jīng)利用類似的技術(shù)開發(fā)了能夠在空中漂浮數(shù)月的互聯(lián)網(wǎng)氣球，還有很多公司也在開發(fā)無人駕駛汽車。

　　得益于神經(jīng)網(wǎng)絡(luò)的快速發(fā)展，汽車飛機(jī)和各種各樣的機(jī)器人現(xiàn)在都能以比肩人類的準(zhǔn)確率識別周圍的物體。但要真正實現(xiàn)自主決策，還必須模仿人類的直覺預(yù)測方式，并對行為展開相應(yīng)的調(diào)整。微軟、谷歌和加州大學(xué)伯克利分校的項目都在向著這個方向努力。

　　隨著谷歌和越來越多的公司開始開發(fā)無人駕駛汽車，這類項目的重要性也逐漸提升。斯坦福大學(xué)航空和航天學(xué)教授邁克爾·克勤德非(Mykel Kochenderfe)表示，微軟的項目實現(xiàn)了一大進(jìn)步，使得無人駕駛交通工具有望應(yīng)對駕駛員、自行車騎行者和行人在公共道路上的各種出人意料的行為。

　　“借助滑翔機(jī)，你可以在人員和財產(chǎn)受損風(fēng)險最小的情況下測試這些算法。”他說。

　　卡普爾和他的團(tuán)隊使用了誕生于幾十年前的馬爾科夫決策流程，其本質(zhì)就是一種識別和應(yīng)對不確定狀況的方法。

　　這種方法類似于你在一個塞滿隨機(jī)物品的背包里尋找零錢的過程。如果你把手放進(jìn)背包，開始四處亂摸，就會面臨不確定性。你不知道應(yīng)該抓向那里。但如果你把書本和鉛筆等硬幣之外的大東西拿開，零錢就會掉到底下，從而簡化任務(wù)難度。微軟就使用了這樣一種算法。最終目的就是為了限制不確定性，縮小問題的范圍。

　　卡普爾團(tuán)隊中的安德烈·考羅波夫(Andrey Kolobov)是一位精通這種模式的研究人員。他4年前加入微軟研究團(tuán)隊時，就把這些理念融入到該公司的Windows操作系統(tǒng)和必應(yīng)搜索引擎中。他那時候負(fù)責(zé)應(yīng)對數(shù)字世界的不確定性，現(xiàn)在則要將其應(yīng)用到現(xiàn)實世界。“這些方法的適用范圍正在擴(kuò)大。”他說。

　　通過機(jī)載算法，這些滑翔機(jī)可以對周圍的環(huán)境加以分析，然后根據(jù)具體的需要改變方向。它們可以從環(huán)境中吸收信息，雖然永遠(yuǎn)無法確切知道接下來可能發(fā)生什么，但卻能夠猜測大概率事件。由于身處的環(huán)境不受控制，所以滑翔機(jī)必須提前規(guī)劃。

　　不過，這些算法還算不上完美。該團(tuán)隊最初希望創(chuàng)造滑翔機(jī)的無人駕駛飛行記錄——超過5小時——但經(jīng)過兩天的試錯后，他們并沒有做到。

　　這一過程可以用于改進(jìn)無人駕駛汽車。想要自行適應(yīng)真實世界，機(jī)器就必須模擬人類的直覺，從而應(yīng)對之前沒有經(jīng)歷過的狀況。

　　谷歌旗下的DeepMind開發(fā)的系統(tǒng)已經(jīng)擊敗了全球頂尖圍棋選手，而現(xiàn)在，人工智能研究人員又準(zhǔn)備向著現(xiàn)實世界中更大的目標(biāo)前進(jìn)。這也正是微軟開發(fā)自動滑翔機(jī)的重要原因，考羅波夫說：“明天的人工智能系統(tǒng)也將面臨同樣的挑戰(zhàn)。”