پیروزی هوش مصنوعی در مسابقات جهانی پهپادها
مهارت‌های هوش مصنوعی روزبه‌روز در حال گسترش است و حتی در بعضی از حوزه‌های خاص، عملکردی بهتر از نیروی انسانی از خود به نمایش می‌گذارد.
پیش‌ازاین، الگوریتم‌های هوش مصنوعی، توانمندی خود را در انجام وظایفی همچون پردازش گسترده داده‌ها، تشخیص الگوها، بهینه‌سازی و مدیریت محاسبات تکرارشونده به نمایش گذاشته‌اند و حال به نظر می‌رسد که حوزه پهپادها، مقصد بعدی هوش مصنوعی است تا با ارائه عملکردی خیره‌کننده، رقبای انسانی خود را به چالش بکشد.
محققان دانشگاه زوریخ موفق شده‌اند با توسعه یک پهپاد مجهز به هوش مصنوعی به نام سوئیفت (Swift) در یک رقابت پهپادی ۲۵ مرحله‌ای شرکت کنند و قهرمانان هواپیماهای بدون سرنشین جهان را در ۱۵ مرحله شکست دهند. این پهپاد در یکی از سریع‌ترین رکوردهای خود، مسیر مسابقه را با سرعتی معادل ۸۰ کیلومتر بر ساعت طی کرد و توانست تحت شتاب بالا، فشار زیادی را تحمل کند.
الیا کافمن، محقق و یکی از توسعه‌دهندگان سوئیفت طی مصاحبه‌ای گفت: «این مسابقات که در دسته رقابت‌های فیزیکی جای می‌گیرد، توسط انسان‌ها و برای مشارکت انسانی طراحی شده است. در نتیجه، این اولین‌باری است که یک ربات مجهز به هوش مصنوعی موفق می‌شود که رقبای انسانی خود را در یک مسابقه واقعی از میان بردارد.»
زمین مسابقه از دروازه‌ها و موانع متعددی تشکیل شده که هواپیمای بدون سرنشین می‌بایست برای کسب امتیاز کافی، بدون هیچ‌گونه برخوردی از سد این موانع بگذرد و کم‌ترین زمان ممکن را به نام خود ثبت کند. در تمامی طول مسیر، خلبانان قادرند از طریق دوربین‌های نصب‌شده بر روی پهپاد، مسیر مسابقه را مشاهده کنند. در این دور از رقابت‌ها، سوئیفت با سه قهرمان مسابقات پهپادی روبه‌رو شد و توانست توماس بیتماتا، ماروین شاپر و الکس وانور را در ۱۵ مرحله شکست. این سه خلبان، یک هفته فرصت داشتند تا برای آمادگی در این دوره تمرین کنند و این در حالی است که سوئیفت در یک محیط شبیه‌سازی شده از محیط مسابقه آموزش دید.
این پهپاد هوشمند از تکنیکی به نام یادگیری تقویتی عمیق (Deep Reinforcement Learning) برای پیداکردن بهینه‌ترین مسیر برای عبور از موانع استفاده می‌کند. پیروزی سوئیفت در این مسابقات بدون چالش هم نبوده و ازآنجایی‌که مدل یادگیری تقویتی عمیق بر آزمون‌وخطا متکی است، صدها بار در تمرینات خود شکست خورد و سقوط کرد. خوشبختانه محیط آزمایش سوئیفت، یک نرم‌افزار شبیه‌سازی محیط بود و محققان به‌سادگی می‌توانستند فرایند آزمایش و یادگیری را از سر بگیرند. کافمن درباره شبیه‌ساز یادگیری طراحی‌شده می‌گوید: «ما برای‌آنکه از عملکرد صحیح سوئیفت در دنیای واقعی اطمینان پیدا کنیم، روش بهینه‌سازی جدیدی را طراحی کردیم تا از داده‌های حقیقی، بهترین نتیجه ممکن را بگیریم.»
منبع: هوشیو