Overslaan en naar de inhoud gaan

Internetballonnen Loon navigeren met zelflerende AI

Loon, een zusterbedrijf van Google, gebruikt een nieuwe technologie voor de navigatie van zijn internetballonnen. De algoritmes voor de navigatie worden tegenwoordig zowel gemaakt als ook uitgevoerd door een zelflerende kunstmatige intelligentie (AI). Dit systeem moet efficiënter werken dan de oude software, die wel door mensen werd gemaakt.
Project Loon
© Google
Google

De Loon-ballonnen bieden vanuit de hoge luchtlagen internetconnectiviteit aan gemeenschappen die tot nu toe geen toegang hadden. De ballonnen drijven op ongeveer 20 kilometer hoogte, en vliegen over een gebied heen. Voorheen gebruikten de ballonnen een navigatiesysteem dat door mensen is gemaakt om de optimale vliegroute te berekenen. Maar dat systeem is nu ingewisseld voor één dat 'deep reinforcement learning' gebruikt. Dat is een vorm van machine learning waarbij de software zelf dingen leert aan de hand van zijn eigen fouten.

Dit nieuwe systeem voert niet alleen algoritmes uit om de optimale vliegroute te berekenen, maar schrijft die algoritmes ook, meldt Loon in een blogbericht. Om dat mogelijk te maken, is de AI eerst getraind om de ballonnen aan te sturen middels een computersimulatie. Daarbij kreeg Loon hulp van het AI-team van Google in Montreal. Door eerst met simulaties te werken, kon het systeem zichzelf verbeteren voordat het met de echte - en vrij dure - ballonnen aan de slag ging.

Overtreft de verwachtingen

Inmiddels is het systeem volledig operationeel. Volgens Loon zelf overtreft het de verwachtingen die ze eerder gesteld hadden. "We wilden bevestigen dat een machine aan de hand van reinforcement learning een navigatiesysteem kon bouwen dat net zo goed is als wat we zelf gemaakt hadden", schrijft CTO Sal Candido van Loon in het blogbericht. "Met onze simulatiebenchmark konden we niet alleen ons navigatiesysteem namaken, maar ook drastisch verbeteren aan de hand van reinforcement learning." Candido stelt dat het nieuwe systeem niet alleen sneller berekeningen maakt dan het oude, maar dat de ballonnen nu ook efficiënter vliegen. Daardoor verbruiken ze minder energie. 

Het bedrijf hoopt dat de bevindingen niet alleen handig zijn voor Loon zelf, maar dat het werk ook kan dienen als "bewijs dat reinforcement learning handig kan zijn om gecompliceerde, echte systemen te besturen voor fundamenteel constante en dynamische activiteit".

Reacties

Om een reactie achter te laten is een account vereist.

Inloggen Word abonnee

Bevestig jouw e-mailadres

We hebben de bevestigingsmail naar %email% gestuurd.

Geen bevestigingsmail ontvangen? Controleer je spam folder. Niet in de spam, klik dan hier om een account aan te maken.

Er is iets mis gegaan

Helaas konden we op dit moment geen account voor je aanmaken. Probeer het later nog eens.

Maak een gratis account aan en geniet van alle voordelen:

Heb je al een account? Log in

Maak een gratis account aan en geniet van alle voordelen:

Heb je al een account? Log in