北京时间8月16日下午消息，微软上周在内华达州霍桑附近的沙漠山谷里测试了两架无人驾驶滑翔机。借助机载传感器提供的数据，这套系统便可预测气流型态，并对路径进行规划，从而借助上升气流在空中滑翔。

　　他们希望这种无人驾驶飞行器能够在只消耗很少能量的情况下在空中停留几个小时甚至几天，从而帮助研究人员追踪天气状况，监控农作物生长情况，甚至向无法上网的地方发送互联网信号。

　　现在有越来越多的研究人员开始开发能在遇到不确定状况时自行决策的汽车、飞机和其他机器，而由阿西什么·卡普尔（Ashish Kapoor）领导这个团队便是其中之一。谷歌已经利用类似的技术开发了能够在空中漂浮数月的互联网气球，还有很多公司也在开发无人驾驶汽车。

　　得益于神经网络的快速发展，汽车飞机和各种各样的机器人现在都能以比肩人类的准确率识别周围的物体。但要真正实现自主决策，还必须模仿人类的直觉预测方式，并对行为展开相应的调整。微软、谷歌和加州大学伯克利分校的项目都在向着这个方向努力。

　　随着谷歌和越来越多的公司开始开发无人驾驶汽车，这类项目的重要性也逐渐提升。斯坦福大学航空和航天学教授迈克尔·克勤德非（Mykel Kochenderfe）表示，微软的项目实现了一大进步，使得无人驾驶交通工具有望应对驾驶员、自行车骑行者和行人在公共道路上的各种出人意料的行为。

　　“借助滑翔机，你可以在人员和财产受损风险最小的情况下测试这些算法。”他说。

　　卡普尔和他的团队使用了诞生于几十年前的马尔科夫决策流程，其本质就是一种识别和应对不确定状况的方法。

　　这种方法类似于你在一个塞满随机物品的背包里寻找零钱的过程。如果你把手放进背包，开始四处乱摸，就会面临不确定性。你不知道应该抓向那里。但如果你把书本和铅笔等硬币之外的大东西拿开，零钱就会掉到底下，从而简化任务难度。微软就使用了这样一种算法。最终目的就是为了限制不确定性，缩小问题的范围。

　　卡普尔团队中的安德烈·考罗波夫（Andrey Kolobov）是一位精通这种模式的研究人员。他4年前加入微软研究团队时，就把这些理念融入到该公司的Windows操作系统和必应搜索引擎中。他那时候负责应对数字世界的不确定性，现在则要将其应用到现实世界。“这些方法的适用范围正在扩大。”他说。

　　通过机载算法，这些滑翔机可以对周围的环境加以分析，然后根据具体的需要改变方向。它们可以从环境中吸收信息，虽然永远无法确切知道接下来可能发生什么，但却能够猜测大概率事件。由于身处的环境不受控制，所以滑翔机必须提前规划。

　　不过，这些算法还算不上完美。该团队最初希望创造滑翔机的无人驾驶飞行记录——超过5小时——但经过两天的试错后，他们并没有做到。

　　这一过程可以用于改进无人驾驶汽车。想要自行适应真实世界，机器就必须模拟人类的直觉，从而应对之前没有经历过的状况。

　　谷歌旗下的DeepMind开发的系统已经击败了全球顶尖围棋选手，而现在，人工智能研究人员又准备向着现实世界中更大的目标前进。这也正是微软开发自动滑翔机的重要原因，考罗波夫说：“明天的人工智能系统也将面临同样的挑战。”