Fåglar har länge inspirerat människor att skapa sina egna sätt att flyga. Vi vet att svävande fågelarter som vandrar långa sträckor använder termiska uppströmmar för att hålla sig i luften utan att använda energi och flaxa med vingarna. Och segelflygpiloter använder på liknande sätt termiska strömmar och andra områden med stigande luft för att förbli luftburen längre.

Än, medan vi har bemästrat att glida genom dessa updrafts med olika instrument, de exakta mekanismerna som tillåter fåglar att sväva är fortfarande okända. Men ett team av forskare från Kalifornien och Italien har gjort några talande steg för att besvara denna fråga med hjälp av artificiell intelligens (AI). Och det kan leda till nya utvecklingar inom navigationssystem för flygplan, med särskilda implikationer för att skapa drönare som kan stanna i luften under mycket långa tidsperioder.

Målet med studien, publiceras i Natur , var att träna ett litet två-meters autonomt segelflygplan för att flyga i termik, precis som en riktig fågel skulle göra. Segelflygplanet var programmerat med en sorts AI som kallas maskininlärning som gjorde det möjligt för den att ta reda på hur man använder luftströmmarna för att stanna i luften längre.

Maskininlärning är ett alternativt tillvägagångssätt för att programmera en dator för att utföra en komplex uppgift. Istället för att mata en dator (eller ett autonomt segelflygplan i det här fallet) en uppsättning instruktioner som talar om hur man gör något, du berättar för datorn hur du vill att den ska svara och belönar den när den gör rätt.

Med tiden kommer den att lära sig vilka saker som belönas och kommer att tendera att göra dessa beteenden istället. Denna teknik är hur datorprogram som Googles AlphaGo kan lära sig att spela brädspelet Go och sedan slå professionella spelare, en bedrift som helt enkelt inte är möjlig med konventionella programmeringstekniker.

Denna typ av maskininlärning kallas förstärkningsinlärning och den förlitar sig på att en stor mängd indata matas till datorn för att den ska lära sig vilka åtgärder som kommer att ge den belöningar. För forskarna som programmerar det autonoma glidflygplanet, indata bestod av specialiserade instrument som kunde avläsa förändringen i uppåtriktad (vertikal) vindstyrka. Instrumenten kunde bestämma dessa förändringar längs glidarens längd (längsgående) och från ena vingspetsen till den andra (lateralt). Sensorerna kunde göra dessa mätningar tio gånger per sekund.

Dessa data användes sedan för att göra flygjusteringar av vad som kallas glidarens bankvinkel. Ett välbalanserat flygplan med vingarnas nivå har noll bankvinkel och kommer att flyga i en rak linje. Att luta vingarna och öka krängningsvinkeln kommer att få planet att svänga. I studien, segelflygplanet belönades om förändringen i uppåtgående vindhastighet längs dess flygbana ökade. Med andra ord, om segelflygplanet flög in i en uppgång.

Uppströmmar är nyckeln till att öka den tid ett segelflygplan kan stanna i luften. Till skillnad från ett motordrivet flygplan, ett segelflygplan som inte kan hitta några uppströmmar kommer gradvis att falla mot marken. Huruvida segelflygplanet faller eller stiger beror direkt på hur mycket luft som rör sig uppåt runt det. I en uppgradering, ökningen av vertikala luftrörelser kan vara tillräckligt för att stoppa segelflygplanet att falla och, om den vertikala vinden är tillräckligt stark, låt den klättra.

Under loppet av ett antal flygningar (cirka 16 timmars flyg totalt), studiesegelflygplanet lärde sig att flyga genom att träna sig själv det under en viss kombination av inmatningar (bankvinkel, longitudinell och lateral förändring av vertikal vindhastighet) för att bestämma vad nästa förändring i bankvinkel ska vara. Resultatet var att i slutet av allt flygande hade planet lärt sig hur man flyger in i uppströmsdrag, så att den stannar i luften längre.

Som en bonus, forskarna använde en numerisk modell för att visa att detta tillvägagångssätt skulle gynna större segelflygplan ännu mer, eftersom deras längre vingspann ger en mer exakt mätning av förändringen i vindhastighet uppåt från en vingspets till en annan.

Gör flygplan smartare

Resultaten väcker frågan om vilka möjliga futuristiska autonoma segelflygplan vi kunde se glida runt och vad skulle de användas till. Ingenjörer vid MIT tog nyligen inspiration från aerodynamiken hos den vågridande albatrossen för att designa ett autonomt segelflygplan.

Airbus har utvecklat ett soldrivet segelflygplan som kan förbli luftburet under mycket långa perioder som ett alternativ till övervaknings- eller kommunikationssatelliter, till exempel som kan sända internetsignaler till avlägsna platser på marken. Microsoft arbetar enligt uppgift på autonoma plan med toppmoderna artificiella intelligenta navigationssystem.

Men kanske kan teknikerna som utvecklats i denna studie en dag leda till en ny generation av "smarta" navigations- och autopilotsystem för konventionella flygplan. Dessa kan använda data som samlats in under tusentals timmars flygtid för att fatta beslut om det mest effektiva sättet att ta sig runt. Detta skulle förlita sig på exakta sensorer och vidareutveckling som skulle göra det möjligt för ett plan att identifiera och sedan hoppa från en termisk uppströmning till en annan. Just nu, metoden tillåter endast glidning inuti en enda termisk.

De metoder och programmeringstekniker som utvecklats av forskarna kommer utan tvekan att föra oss ett steg närmare målet om ett autonomt flygande fordon med flygtider på dagar, veckor eller månader för att utföra dessa uppgifter. Men det är användningen av förstärkningsinlärning som återigen visar hur flexibla dessa algoritmer är för att anpassa sig till ett brett spektrum av komplexa uppgifter, från att styra ett segelflygplan till att slå en människa på Go.

Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.