בני אדם עדיין שולטים במירוצי מזל"טים, אבל טייס הבינה המלאכותית של נאס"א עשוי לשנות זאת

במחסן של קליפורניה באוקטובר, מל"טים quadcopter התקרבו וזמזמו, דוהרים במסלול מכשולים של קשתות משובצות בשחור-לבן. בצוות אחד: מל"טים מונחים על ידי תוכנה ובינה מלאכותית, עבודת צוות ממעבדת ההנעה הסילון של נאס"א. מצד שני: מזל"ט מנווט על ידי איש מקצוע אנושי - קן לו, מהנדס גוגל וטייס ליגת מירוצי המל"טים.

התוצאות הרשמיות? ציון אחד לבשר ודם. המל"ט המנוהל על ידי אדם השלים את המסלול מהר יותר, בממוצע טס את ההקפות מהר יותר משתי שניות מאשר כלי השיט המופעל בתוכנה.

התחרות מדגישה את הדרכים השונות שבני אדם ומכונות למעשה לומדים במצבים כאלה, כמו גם את האופן שבו מל"ט מנווט בינה מלאכותית פועל מלכתחילה. הנה איך המערכת עובדת - ומדוע למירוצים עתידיים יכולה להיות תוצאה שונה מאוד.

איך המל"ט יודע היכן הוא נמצא

כדי שהמל"טים של נאס"א יטוסו בהצלחה במסלול, המכשירים צריכים לדעת היכן הם נמצאים בחלל. לשם כך, הם משתמשים בשתי מצלמות משולבות - אחת שמסתכלת קדימה, והשנייה, למטה, הגדרה משותפת לרחפנים צרכניים ברמה בינונית עד גבוהה. חיישנים אחרים על הסיפון מודדים את התאוצה והסיבוב של הרחפן. מל"טים שטסים בחוץ יכולים לעשות שימוש ב-GPS, אבל זו לא אופציה כאשר טסים בתוך הבית, בסביבה מורכבת, במהירויות של 30 עד 40 קמ"ש.

המל"ט זקוק גם למפה תלת מימדית של המסלול בהישג יד, כך שהוא יכול להתאים את מה שהוא רואה במצלמות למפה הפנימית הזו ולדעת היכן הוא באמת נמצא. תהליך זה ידוע בשם relocalization. זה יכול להתמקם כמה פעמים בכל שנייה, אומר רוברט ריד, מוביל הפרויקט במעבדת ההנעה הסילון.

"כל עוד אתה נשאר קרוב מספיק למפה הקיימת", הוא אומר, "סביר מאוד שלא נתרס".

למחקר זה (שגוגל מימנה) צוות נאס"א השתמש בטכנולוגיה של Google Tango, פלטפורמת מציאות רבודה הפועלת באמצעות שני סמארטפונים, ה-Lenovo Phab 2 Pro ו-Asus ZenFone AR. באופן מכריע, אותו טכנולוגיה יכול גם ליצור את סוג המפה התלת מימדית שרחפן צריך כדי לטוס במצבים כאלה.

איך זה מנווט

כמו נהג מרוצים שלומד קורס, המל"ט צריך לדעת את הקווים הטובים ביותר לנקוט כדי להגיע לאן שהוא הולך במהירות. "או שאנחנו נושאים ביד את המל"ט מסביב למסלול, או שאנחנו מטיסים אותו ידנית", אומר ריד, "כדי שנוכל ללמד את המל"ט היכן נמצא מסלול המירוצים."

אבל זו רק ההתחלה. משם, הצוות מגלה את המסלול הטוב ביותר עבור המל"ט על ידי מודלים שלו במחשבים. תהליך זה מאפשר לבני האדם להשתתף ולוודא שהנתיב הוא למעשה נתיב בטוח ששומר על הרחפן היקר שלהם במקשה אחת. במילים אחרות, בתחרות הזו, המל"ט לא מצא את הדרך הטובה ביותר לטוס לבדו - אנשים היו מעורבים. במובן זה, זו לא הייתה מערכת בינה מלאכותית אמיתית ועצמאית כמו אלה שמניעות אוטומטית, למשל, תרגום שפה בפייסבוק.

משם, לאחר שהרחפן מתוכנת עם המסלול, הוא יוצא למירוצים. ריד מדגיש כי בעוד שתכנון המסלול התרחש למעשה מחוץ לרחפן, בעתיד זה יכול לקרות רק באמצעות המחשב המשולב של המל"ט.

ללמוד לטוס

בשביל ה מרוץ בפועל באוקטובר, גם צוות נאס"א וגם לו היו צריכים ללמוד קורס חדש ולהתכונן תוך מספר שעות. אבל האופן שבו עשו את זה באמת האדם והמזל"ט המופעל על ידי AI הייתה שונה.

לו למד במהירות על ידי טיסה של הקורס מספר פעמים, אומר ריד. אבל צוות נאס"א עשה דברים אחרת. "אנחנו צריכים לטוס רק פעם אחת, ואז נוכל לשבת שם כמה שעות ולקרוע מספרים כדי להשתפר", הוא אומר. מעניין שתהליך האופטימיזציה הזה - שימוש באלגוריתמים כדי להבין את המסלול הטוב ביותר - לקח הרבה זמן.

"הטייס האנושי צריך ללמוד בטיסה - בעוד שאנחנו יכולים להקליט את זה, וללמוד אפילו בלי להטיס את המל"ט", אומר ריד.

לו היה לצוות נאס"א יותר זמן באותו יום להפעיל את התוכנה ולהבין את המסלול הטוב ביותר ללכת סביב המסלול, זמני המירוץ שהתקבלו יכלו להיות שונים - מזל"ט הבינה המלאכותית עשוי היה לנצח את בן אנוש.

ריד אומר שהם עובדים על שיפור היעילות של האלגוריתמים שלהם, כך שבעתיד, זה עלול לקחת פחות זמן כדי לחשב את המסלול המהיר ביותר. ואחרי זה, זה יוצא למרוצים. וזכרו: בניגוד לאדם, תוכנות לא מתעייפות.