Google熱氣球網路計劃導入AI 可在空中停留更長的時間
▲Project Loon 目前最高紀錄是可以在沒有 AI 輔助下，在空中航行 312 天。（圖／取自Google）
週五來點不同的新聞！還記得 Google 的熱氣球計劃 Project Loon 嗎？在 Google I/O 2016 期間，Google 對外公開了它的真實樣貌，但是你絕對想像不到，Google 公司將 AI 機器學習應用在這計劃上，證實了 RL 可有效的強化自動控制的精確性，相關資料更登上了 nature 雜誌。
正如同先前介紹，熱氣球開發計劃（Project Loon）Alphabet 的 Google 神秘部門於 2013 年發表的產品，其原理是透過空飄氣球在距離地表 20 公里的高空上，讓平流層的風力來讓熱氣球移動到偏遠地區，藉由客製化網路天線通訊技術（Mesh Networking），讓網路數據從一個氣球傳輸到另一個氣球，然後地面上的住家只要在屋頂建置天線，就可以接收到網路，來供應該地區行動上網需求。
▲Project Loon 熱氣球計劃起始於 2013 年，主要目的是爲偏遠地區用戶提供網路。（圖／記者洪聖壹攝）
Project Loon 最初的計劃是讓每顆汽球預計在空中停留 100 天以上，停留的原理主要是透過演算法控制系統（Algorithmic Control）讓氣球能夠上下飄動，根據風向捕捉風流訊號，將氣球穩定在一個固定區域，電力方面則是依賴太陽能來解決，如果真的沒有電力，也只需要花費 4 個小時，就能擁有飛行 1 天所需的電力，希望藉由降低偏遠地區的網路費率，提升全球網路使用率。
這一整個過程中，氣球在平流層飛行的時間越長，就可以讓氣球更穩定的傳輸網路訊號，電池也比較不容易毀損，飛行成本也就因此會被降低，近期最高紀錄是在空中停留 312 天，這項紀錄是 2019 年 5 月，Loon從波多黎各（Puerto Rico）起飛，進入秘魯（Peru），然後在那裡進行爲期三個月的飛行測試。測試結束後，向南越過太平洋，於 2020 年 3 月在墨西哥的下加州（Baja）着陸。
根據 Project Loon 技術長 Sal Candido 的介紹，Project Loon 已經在澳洲、昆士蘭、肯亞、紐西蘭、加州中央峽谷，以及巴西利亞東北部等多個地區提供了相關服務。2019 年，因受到颶風襲擊的影響，美國電信業者還利用 Project Loon，爲超過 25 萬的災民提供了網路連接。此外，Project Loon 還被應用在觀察動物生態、氣候變化等領域。
然而最大的挑戰就是「停留時間」，要怎麼讓氣球克服風力等外在因素，持續在空中定點徘徊，持續提供網路訊號，是整個計劃最難的地方。
藉由「強化學習 (Reinforcement learning)」，Google 已經克服相關問題！
「強化學習 (Reinforcement learning,RL)」是機器學習中的一個領域，着重如何因應環境而行動，以取得最大化的預期利益，最知名的就是被應用在人工智慧圍棋系統 Alpha Go，後續也被導入到《Dota 2》、《星海爭霸》。
而在 Loon 當中，Google 公司透過安裝 RL 控制器，使用 AI 人工智慧預判各種高度的風速與風向，藉此控制氣球的高度。該系統還可以檢測 Loon 的太陽能電池板剩餘電力，以讓氣球上的控制設備能夠知道需要多少電力來操作氣球，藉此延長電池壽命。
▲Project Loon 透過太陽能提供電力，現在藉由 AI 可以延長電池壽命。（圖／記者洪聖壹攝）
Nature 雜誌詳細介紹了整個計劃的過程。Google Project Loon 計劃開發團隊在 2019 年 12 月 17 日到 2020 年 1 月 25 日期間，共計飛行 2884 個小時，透過一個 8 字型的持續運動軌跡，讓熱氣球保持在某個地點運行，以爲該地區的用戶提供 4G 訊號。
研究人員將相關數據分爲 851 個三小時時間樣本，每個樣本測試結果顯示擁有 RL 控制器的氣球在平流層飛行的時間更長、高度控制器消耗的功率更少。換句話說，這爲期 39 天的測試航程中，導入 RL 機器學習確實可以有效的縮短 Loon 在飛行過程中的決策時間，從而延長氣球們在某個區域的停留時間，這也再次證實深度學習是解決現實生活中，「自動控制系統」的需求關鍵。