编者按：本文来源：人工智能学家，授权发布。

科学家们创建了一个让鸟类在气流中学习飞翔的计算机模型，探寻如何使机器掌握翱翔技巧。

抬头望去，你会发现高空中有些鸟儿无需振翼，就能滑翔而过。

它们凭借空气的力量，可以在耗能很低的情况下猛冲上去。科学家正在研究鸟类这种极其复杂的翱翔技巧，希望能彻底改变机器学习飞行的方法。如果有了能模拟鸟类学习飞行的算法，无人机和其他飞行机器就会更智能和灵活。

秃鹫，或白头鹰等鹰类只需通过调整双翼角度并捕捉正在上升的热空气流（thermals），就能维持飞行高度或向上提升。

但是热空气上升地并不平均。“有些部分上升，有些下降。”而且速度还不相同，加州萨克生物研究学院的计算神经生物学家Terrence Sejnowski说。鸟类必须补偿这种不均衡性才能避免下落。

但是“情况也有可能突变。”Sejnowski 博士对《基督教科学箴言报》说，“我们无法完美预测接下来会发生什么。”

鸟类可能遇到的情形非常多，但对某种鸟来说，它可能并未经历过所有情况，对每种特定气流也并非都有预设好的方法。因此我们需要归纳鸟类对环境的反应，评估环境的不同特点，并适当调整。

为了学会在如此多变的场景下导航，决定飞行方式，鸟类必须对一套复杂的感官输入进行计算。

科学家们认为，鸟类可能通过感知上升热气流的温度，推断出如何驾驭身体才能正好借到风力。但实验结果表明，另外两个感官输入更重要。

图：气流上升速度和扭矩可能会对鸟类的调整动作影响最大

即气流上升速度和扭矩——鸟身体上使其从直立位置发生旋转的压力——可能会对鸟类的调整动作影响最大，《美国国家科学院学报》周一发布的一篇论文写道。

俄勒冈州立大学的生物物理学家Douglas Warrick说，我们“完全不知道”鸟类在气流中如何学会翱翔的，Warrick主要研究空气动力学，未参与以上论文的研究。

很多人认为，幼鸟可能更难处理有气流的环境，但是“没有人能够真正地以科学的方式观察年幼动物或无经验的动物首次尝试的情况”。

因此，Sejnowski 和同事们在该研究中采用了另外一种方法。

该团队创建了一种会滑翔的鸟类可能遇到的气流模型，然后用增强学习算法教他们的模拟小鸟飞行。

所有的物种都使用增强学习，Sejnowski 说，这样才能基于自己的经验在环境中学会导航。比如，幼鸟可能会注意到，如果发生了某种程度的扭矩，进行某种调整就可以维持身体直立。然后，它们就会基于这些经验对以后面临的环境做出反应。

“这是个很难编程的问题。”Warrick 说，“但这是我所见过的第一次直面这个问题的一次研究，我认为这是一次很好的尝试。”

对于鸟类来说，“关键是要学习应该忽略什么，”他说。鸟类应该忽略什么程度的气流，而应该为哪种气流做好准备呢？ “如果你看到小鸟在一个多风的地方学习飞行”，Warrick 说，“它们一定是在非常小心地尝试。”

能够模拟鸟类滑翔的算法，可以帮助科学家创造能够学会翱翔的机器。

采用人工智能技术面临的困难之一在于，需要研发能够概括各种场景的应对办法的算法，Sejnowski说。过去，“他们的实验环境很有限。”他说，“一来到真实世界就会失败，因为真实世界太复杂了。”

但技术还在不断进步。三月，谷歌人工智能围棋程序AlphaGo打败了人类冠军。这次成功源于谷歌创建的AlphaGo 能够学习如何直觉性地选择最佳动作。

Sejnowski 说，他的研究表明，这种用来解决游戏问题的学习算法也可用来“解决人类和其他动物每天都会遇到的真正的难题。”

彻底变革无人机，或许就是在真实世界应用这种算法的一种方式，Sejnowski 说。现在的无人机由人类驱动和操作，但如果无人机能够通过学习，利用热空气流的免费能量，像老鹰一样翱翔，就可能真的自动化并节约大量能量。

这项技术也可用来提升已经研发的科技，比如Facebook太阳能无人机打算将互联网送到遥远地带，Sejnowski 说，该项目的无人机如果能利用上升的热气流，或许可以节省开销。

但是，“我们说的还是一种尚不存在的科技。”Sejnowski 说，因此“你无法预测它未来到底有怎样的影响。”

文章链接：

Gautam Reddy, et al, "Learning to soar in turbulent environments," PNAS, doi: 10.1073/pnas.1606075113

如若转载，请注明e科网。

如果你有好文章想发表or科研成果想展示推广，可以联系我们或免费注册拥有自己的主页