滑翔机由算法指引，通过内置传感器学习，可以预测空气模式，规划前进路线，这些滑翔机能够找到上升暖气流，然后利用气流飞翔。
如何才能让无人机尽可能省电?找到上升气流、尽量多滑翔，这可能是个不错的答案。微软正在沙漠中进行相关的实验，试图用算法解决寻找上升气流的问题。滑翔机转向，朝着南方飞去，四个男人坐在SUV汽车内，在地面上追逐，穿过内华达荒漠。
在前排座位上，两名男子用眼睛追踪滑翔机。后面两个人用笔记本追踪，目测数据从滑翔机的内置小计算机发送出来，输入到步话机。前面有一辆吉普车，Ashish Kapoor坐在车子内根据命令前进，汽车在碎石路上减速，他的眼睛牢牢盯住白色Styrofoam滑翔机。
很快，滑翔机转了一个弯，它绕着不可见的、上升的热气流优雅转了一个圈，然后缓慢冲向天空。“它在翱翔。”Kapoor指着滑翔机，它盘旋而上，越飞越高，在热空气之上飞翔。“它发现了热气流。”
上周，在内华达Hawthorne周围的荒漠山谷内(位于Reno南部130英里处)，Kapoor与微软同事测试了两架滑翔机，它们可以自己在天空飞行。滑翔机由算法指引，通过内置传感器学习，可以预测空气模式，规划前进路线，这些滑翔机能够找到上升暖气流，然后利用气流飞翔。
微软希望最终无人驾驶飞行器可以借助气流在空中长时间飞翔，一次飞几小时甚至几天，将消耗的电力降至最低，这样一来飞行器就可以追踪天气情况，监测农田作物，甚至为某些没有网络的地区提供网络服务。
项目是Kapoor领导的，他是一名AI研究人员，拿到了飞行执照。有许多企业都在努力，想开发可以自己做决定的飞机、汽车及其它机器，它们处于不确定环境时能够自己做决定，机器如果想自己导航，必须具备这样的能力。
利用相似的方法，谷歌也在开发高纬度互联网气球，它可以在空中一次飞翔几个月。许多公司都在设计能够自动行驶的汽车。学校专家也在努力，比如加州大学伯克利分校，他们开发的东西相当广泛，有家用机器人，这些机器人看起来简单，实际上可以完成相当复杂的任务，比如整理床铺，他们还在开发外科手术机器人。
汽车、飞机及其它机器人可以识别周边目标物，精准度与人类眼睛不相上下，能做到主要是因为有了神经网络，神经网络是一个用来描述数学系统的术语，它可以通过分析大量数据不断学习，完成特定任务。
要让机器自己导航，机器必须模拟人类直觉，预测接下来会发生什么事，根据情况改变行为。微软、谷歌、伯克利瞄准的正是这个方向。
这种类型的研究越来越重要，谷歌和许多企业都在开发无人驾驶汽车。斯坦福航空航天教授Mykel Kochenderfer认为，微软项目推动自动驾驶汽车向前发展，这种汽车可以处理各种意外行为，比如司机、自行车骑手、行人的意外行为。
如果要控制机器，让它在相对安全但是非常真实的环境中行驶，数学技术的边界必须拓宽。Kochenderfer说：“通过滑翔机，你可以测试算法，将测试对人、财产构成的威胁降到最低。”
开发算法时，Kapoor和团队依靠几十年前的老技术，这种技术叫作“马尔可夫决策过程”。从本质上讲就是对不确定环境进行识别并做出响应。
有一个背包，里面随机装了许多东西，你将手伸到背包里拿东西，就会有许多不同的结果，马尔可夫技术与此类似。当你将手伸到背包，开始搜索，拿到的东西非常不确定。你不知道去哪里拿。首先，你要移开大东西，比如书和笔，你知道它们不是硬币，然后变化减少，降到最少，任务变得容易完成了。微软算法正是要做相似的事，它是一种“数学感知”。算法会对不确定性进行限制，将问题的范围缩小。
Andrey Kolobov也是Kapoor团队的成员，他是一名研究人员，对这种方法很了解。
4年前，Andrey Kolobov加入微软研究团队，他将这种方法应用于Windows操作系统和必应搜索。当时，Kolobov要解决的是数字世界的不确定问题，现在他要将该方法应用于物理世界。Kolobov说这种方法的应该范围越来越广。
在内华达沙漠内，团队让两个滑翔机升空，用手持遥控控制。一旦开始飞行，滑翔机用自己的设备翱翔，它必须利用风及其它空气条件飞行。
通过内置算法，滑翔机可以分析周边发生的事，然后根据需要改变方向。它们会从环境中学习，虽然滑翔机不知道接下来会发生什么事，但是至少可以猜测。Kolobov解释说，因为滑翔机要依赖无法控制的现象飞行，所以必须提前推断、规划。
滑翔机需要规划路线，前往某个位置，那里会有升力，然后寻找办法利用升力，借上升暖气流飞行。事实证明数学方法是可行的。
尽管如此，飞行器离完美还很遥远。微软使用的是玻璃纤维滑翔机，翼展16英尺，团队希望能创下滑翔机无人驾驶飞行时间新纪录，让飞行时间达到5小时以上。反复尝试了2天之后，因为无线电及其它设备有问题目标没有达到。
研究人员可以改进学习算法，如果要让无人驾驶汽车变得更完美，这点相当重要。要让机器在真实世界自己导航，机器必须向人类直觉学习，为下一步做准备，处理之前未曾经历过的事情。
加州大学伯克利分校教授Ken Goldberg说：“机器人的核心问题是不确定性，机器人与围棋、国际象棋等游戏的不同之处正在于此。”
在过去2年里，谷歌旗下DeepMind用神经网络及其它技术打造了一个系统，它打败了世界知名围棋高手，围棋游戏比国际象棋更复杂。在AI发展史上这是一个里程碑。现在研究人员希望能让AI在真实世界取得更大进步。
为什么微软要开发无人驾驶滑翔机?这是一个重要原因。正如Kolobov所说的：“明天的AI系统将会面临所有相同的挑战。”
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 