候鳥(niǎo)為什么能飛的很高？

感謝候鳥(niǎo)對(duì)上升熱氣流的戰(zhàn)略使用，它們能夠在出最小力扇翅膀的情況下滑翔很遠(yuǎn)的距離。一項(xiàng)新研究發(fā)現(xiàn)候鳥(niǎo)會(huì)利用兩種基本的感官線(xiàn)索，結(jié)合增強(qiáng)學(xué)習(xí)算法(RLA)在它們遇到的動(dòng)蕩不安的環(huán)境中導(dǎo)航。

新的計(jì)算機(jī)模擬采用的架構(gòu)與谷歌AlphaGo的一樣，而科學(xué)家們了解到的信息則有助于研發(fā)遠(yuǎn)程自動(dòng)滑翔機(jī)和自動(dòng)駕駛汽車(chē)。

某些候鳥(niǎo)，比如軍艦鳥(niǎo)能夠遷徙上千公里，并連續(xù)幾周不落地。一項(xiàng)發(fā)表在科學(xué)期刊上的研究發(fā)現(xiàn)候鳥(niǎo)會(huì)利用上升的熱氣流來(lái)節(jié)省拍翅膀的力氣，從而跨越海洋上的遙遠(yuǎn)距離。

這些熱氣流非常混亂，因此人類(lèi)飛行員駕駛飛機(jī)的時(shí)候通常會(huì)避開(kāi)它們。但法國(guó)國(guó)家科學(xué)研究中心的研究人員們發(fā)現(xiàn)，軍艦鳥(niǎo)可以利用這些風(fēng)來(lái)升高。這使得它們能夠在遇上新的熱氣流之前，滑翔很長(zhǎng)一段距離。

如果這需要復(fù)雜的決策，那么這些鳥(niǎo)兒如何在如此復(fù)雜的環(huán)境中導(dǎo)航呢？之前模擬的上升熱氣流只假定了非常簡(jiǎn)單的條件，并不適用于現(xiàn)實(shí)生活。

索爾克研究所的神經(jīng)生物學(xué)家Terrence Sejnowski及其同事結(jié)合混亂熱氣流模擬和RLA，訓(xùn)練出一種模型滑翔機(jī)，它能夠根據(jù)簡(jiǎn)單的感官信息反饋在熱氣流中導(dǎo)航。他們的研究被發(fā)表在美國(guó)國(guó)家科學(xué)院院刊上。

該團(tuán)隊(duì)發(fā)現(xiàn)候鳥(niǎo)使用的關(guān)鍵感官信息是垂直風(fēng)加速度和扭矩(即繞軸加速度)。這使得它們能夠在升力最大的熱氣流中心保持拍打翅膀的狀態(tài)。研究共同作者M(jìn)assimo Vergassola表示鳥(niǎo)兒可以借此在混亂的情況下導(dǎo)航：它們采用了更加保守也更能規(guī)避風(fēng)險(xiǎn)的飛行策略，比起轉(zhuǎn)向它們會(huì)遵循當(dāng)前的飛行路徑。

Sejnowski透露說(shuō)鳥(niǎo)兒和人類(lèi)一樣，頭部擁有能夠感應(yīng)加速度的器官。因此從原則上來(lái)說(shuō)鳥(niǎo)兒能夠感應(yīng)加速度，只不過(guò)科學(xué)家們目前不知道它們使用的是哪種神經(jīng)通路或者它們?nèi)绾握砀泄傩畔ⅰ?/p>

Sejnowski及其團(tuán)隊(duì)還買(mǎi)了一架翼展為3米的滑翔機(jī)。他們打算利用一部手機(jī)，將學(xué)習(xí)算法整合到內(nèi)置控制系統(tǒng)中，這樣該滑翔機(jī)就能自己滑翔，不再需要遠(yuǎn)程控制。希望它也能像AlphaGo那樣贏過(guò)人類(lèi)。

對(duì)Sejnowski而言，這是令人興奮的新事物到來(lái)之前的先驅(qū)。過(guò)去的大部分人工智能都被設(shè)定了能檢查所有可能的突發(fā)情況并為每種情況提出解決方法的程序。有了RLA之后，更多的數(shù)據(jù)會(huì)讓它們的表現(xiàn)變得更好。

這將給新的應(yīng)用帶來(lái)變革，比如更好的自動(dòng)駕駛汽車(chē)。它還能在不需要信號(hào)塔或者有線(xiàn)基礎(chǔ)設(shè)施的情況下，給偏遠(yuǎn)地區(qū)帶來(lái)網(wǎng)絡(luò)(比如非洲和南美部分地區(qū))。

Sejnowski說(shuō)：“我們已經(jīng)用AlphaGo證實(shí)這種簡(jiǎn)單的學(xué)習(xí)算法，只要輔助以良好的感官和電動(dòng)機(jī)輸出，那么它在接近特定工程問(wèn)題的時(shí)候就會(huì)變得非常有效。它能夠處理現(xiàn)實(shí)世界的復(fù)雜性，歸納經(jīng)驗(yàn)并利用這些知識(shí)來(lái)處理新的情況。”