科學家們建立了一個讓鳥類在氣流中學習飛翔的計算機模型，探尋如何使機器掌握翱翔技巧。

抬頭望去，你會發現高空中有些鳥兒無需振翼，就能滑翔而過。

它們憑藉空氣的力量，可以在耗能很低的情況下猛衝上去。科學家正在研究鳥類這種極其複雜的翱翔技巧，希望能徹底改變機器學習飛行的方法。如果有了能模擬鳥類學習飛行的演算法，無人機和其他飛行機器就會更智慧和靈活。

禿鷲，或白頭鷹等鷹類只需透過調整雙翼角度並捕捉正在上升的熱空氣流（thermals），就能維持飛行高度或向上提升。

但是熱空氣上升地並不平均。“有些部分上升，有些下降。”而且速度還不相同，加州薩克生物研究學院的計算神經生物學家Terrence Sejnowski說。鳥類必須補償這種不均衡性才能避免下落。

但是“情況也有可能突變。”Sejnowski 博士對《基督教科學箴言報》說，“我們無法完美預測接下來會發生什麼。”

鳥類可能遇到的情形非常多，但對某種鳥來說，它可能並未經歷過所有情況，對每種特定氣流也並非都有預設好的方法。因此我們需要歸納鳥類對環境的反應，評估環境的不同特點，並適當調整。

為了學會在如此多變的場景下導航，決定飛行方式，鳥類必須對一套複雜的感官輸入進行計算。

科學家們認為，鳥類可能透過感知上升熱氣流的溫度，推斷出如何駕馭身體才能正好借到風力。但實驗結果表明，另外兩個感官輸入更重要。

即氣流上升速度和扭矩——鳥身體上使其從直立位置發生旋轉的壓力——可能會對鳥類的調整動作影響最大，《美國國家科學院學報》週一釋出的一篇論文寫道。

俄勒岡州立大學的生物物理學家Douglas Warrick說，我們“完全不知道”鳥類在氣流中如何學會翱翔的，Warrick主要研究空氣動力學，未參與以上論文的研究。

很多人認為，幼鳥可能更難處理有氣流的環境，但是“沒有人能夠真正地以科學的方式觀察年幼動物或無經驗的動物首次嘗試的情況”。

因此，Sejnowski 和同事們在該研究中採用了另外一種方法。

該團隊建立了一種會滑翔的鳥類可能遇到的氣流模型，然後用增強學習演算法教他們的模擬小鳥飛行。

所有的物種都使用增強學習，Sejnowski 說，這樣才能基於自己的經驗在環境中學會導航。比如，幼鳥可能會注意到，如果發生了某種程度的扭矩，進行某種調整就可以維持身體直立。然後，它們就會基於這些經驗對以後面臨的環境做出反應。

“這是個很難程式設計的問題。”Warrick 說，“但這是我所見過的第一次直面這個問題的一次研究，我認為這是一次很好的嘗試。”

對於鳥類來說，“關鍵是要學習應該忽略什麼，”他說。鳥類應該忽略什麼程度的氣流，而應該為哪種氣流做好準備呢？ “如果你看到小鳥在一個多風的地方學習飛行”，Warrick 說，“它們一定是在非常小心地嘗試。”

能夠模擬鳥類滑翔的演算法，可以幫助科學家創造能夠學會翱翔的機器。

採用人工智慧技術面臨的困難之一在於，需要研發能夠概括各種場景的應對辦法的演算法，Sejnowski說。過去，“他們的實驗環境很有限。”他說，“一來到真實世界就會失敗，因為真實世界太複雜了。”

但技術還在不斷進步。三月，谷歌人工智慧圍棋程式AlphaGo打敗了人類冠軍。這次成功源於谷歌建立的AlphaGo 能夠學習如何直覺性地選擇最佳動作。

Sejnowski 說，他的研究表明，這種用來解決遊戲問題的學習演算法也可用來“解決人類和其他動物每天都會遇到的真正的難題。”

徹底變革無人機，或許就是在真實世界應用這種演算法的一種方式，Sejnowski 說。現在的無人機由人類驅動和操作，但如果無人機能夠透過學習，利用熱空氣流的免費能量，像老鷹一樣翱翔，就可能真的自動化並節約大量能量。

這項技術也可用來提升已經研發的科技，比如Facebook太陽能無人機打算將網際網路送到遙遠地帶，Sejnowski 說，該專案的無人機如果能利用上升的熱氣流，或許可以節省開銷。

但是，“我們說的還是一種尚不存在的科技。”Sejnowski 說，因此“你無法預測它未來到底有怎樣的影響。”