鸟类长期以来一直激励着人们创造自己的飞行方式。我们知道，飞跃的长距离迁徙鸟类利用热气流将其留在空中，而不会耗费拍打翅膀的能量。滑翔机飞行员同样使用热量流和上升的空气的其他区域，以便在空中停留更长时间。
然而，尽管我们已经使用各种工具精通滑行，但是确切的机制仍不清楚。但是，来自加利福尼亚和意大利的一组研究人员已经采取了一些有说服力的步骤，以使用人工智能(AI)回答这个问题。这可能会导致飞机导航系统的新发展，特别是对创建可以在空中长时间保持飞行的无人机产生特殊影响。
该研究的结果发表在《自然》上，目的是训练一个两米长的翼展自动滑翔机，就像真正的鸟类一样，以热能飞行。滑翔机使用一种称为机器学习的AI进行了编程，使它能够弄清楚如何利用气流在空中停留更长时间。
机器学习是对计算机进行编程以执行复杂任务的另一种方法。您无需向计算机(在这种情况下为自动滑翔机)提供一组指令来告诉计算机如何执行操作，而是告诉计算机在执行正确的操作时希望如何响应并给予奖励。
随着时间的流逝，它会学到什么东西会得到回报，并且倾向于做这些行为。这种技术可以使Google的AlphaGo等计算机程序学会玩棋盘游戏Go，然后击败专业玩家，这是传统编程技术无法实现的壮举。
这种类型的机器学习称为强化学习，它依赖于向计算机馈送的大量输入数据，以便计算机了解哪些操作将为其提供奖励。对于为自动滑翔机进行编程的研究人员，输入数据由能够读取向上(垂直)风强度变化的专用仪器组成。这些仪器能够确定沿滑翔机长度(纵向)以及从一个机翼尖端到另一个机翼尖端(横向)的这些变化。传感器每秒可以进行十次这些测量。
然后使用该数据对滑翔机的倾斜角度进行飞行调整。机翼高度平衡的飞机倾斜角为零，将以直线飞行。倾斜机翼并增加倾斜角度会使飞机转弯。在研究中，如果沿其飞行路径的向上风速的变化增加，则滑翔机将得到奖励。换句话说，如果滑翔机飞入上升气流。
上升气流是增加滑翔机可以在空中停留的时间的关键。与动力飞机不同，无法找到任何上升气流的滑翔机将逐渐落向地面。滑翔机是下降还是上升直接取决于周围有多少空气向上运动。在上升气流中，垂直空气流动的增加足以阻止滑翔机掉落;如果垂直风足够大，则允许其爬升。
在多次飞行过程中(总共飞行约16个小时)，研究滑翔机通过训练自己以某种输入(倾斜角，纵向和横向改变垂直风速)的组合来决定自己要学习什么，从而学会了飞行。接下来应该改变倾斜角度。结果是，在所有飞行结束时，飞机已经学会了如何飞入上升气流，从而使其在空中停留的时间更长。
作为奖励，研究人员使用了一个数值模型来显示这种方法将使更大的滑翔机受益更大，因为它们更长的翼展将提供对从一个翼尖到另一个翼尖的向上风速变化的更准确测量。
使飞机更智能
结果提出了一个问题，即我们可以看到哪些可能发生的未来自动滑翔机滑行以及它们将用于什么用途。麻省理工学院的工程师最近从波浪信天翁的空气动力学中汲取了灵感，设计出了自主滑翔机。
空中客车公司已经开发出一种太阳能滑翔机，该滑翔机可以在空中保持很长一段时间，以替代监视或通信卫星，例如可以将互联网信号广播到地面上的偏远地区。据报道，微软正在使用最先进的人工智能导航系统在自动驾驶飞机上工作。
但是也许这项研究中开发的技术有一天可能会导致新一代常规飞机的“智能”导航和自动驾驶系统。这些可以使用在数千个小时的飞行时间内收集的数据来决定最有效的出行方式。这将依赖于精确的传感器和进一步的发展，这将使飞机能够识别并从一个热上升气流跳到另一个热上升气流。目前，该方法仅允许在单个热源内滑动。
研究人员开发的方法和编程技术无疑将使我们更接近自动驾驶飞行器的目标，因为飞行时间为数天，数周或数月才能执行这些任务。但是增强学习的使用再次显示了这些算法在适应各种复杂任务(从控制滑翔机到在Go上击败人类)中的灵活性。