长期以来，鸟类一直启发人类设计属于自己的飞行方式。我们知道，长途迁徙的翱翔鸟类利用热上升气流无需耗费能量扇动翅膀即可留在空中。滑翔机飞行员同样利用热气流及其他上升气流区域，以便在空中停留更长时间。
然而，尽管我们已借助各种仪器掌握了利用这些上升气流滑翔的技术，但使鸟类能够翱翔的确切机制仍不为人所知。不过，一支来自加利福尼亚和意大利的研究团队已通过人工智能（AI）在回答这一问题上迈出了重要的一步。这可能推动飞机导航系统的新发展，尤其对制造能够长时间留空飞行的无人机具有重要意义。
该研究的目的是，发表于《自然》杂志，旨在训练一架翼展仅两米的自主滑翔机，使其像真正的鸟一样在热气流中飞行。该滑翔机被编程采用一种名为机器学习的人工智能，使其能够摸索如何利用气流在空中停留更长时间。
机器学习是一种为计算机编程以完成复杂任务的替代方法。与其向计算机（或本例中的自主滑翔机）输入一套告诉它如何做事的指令，不如告诉计算机你希望它如何响应，并在它做出正确行为时给予奖励。
随着时间推移，它会学会哪些行为会受到奖励，并倾向于转而表现出这些行为。这种技术正是诸如Google的AlphaGo等计算机程序能够学会下围棋并击败职业棋手的原因，这一成就是传统编程技术根本无法实现的。
这种机器学习被称为强化学习，它依赖于向计算机输入大量数据，以便其学习哪些行为会带来奖励。对于为自主滑翔机编程的研究人员而言，输入数据来自能够读取向上（垂直）风力变化的专用仪器。这些仪器能够测定沿滑翔机机身长度方向（纵向）以及从一侧翼尖到另一侧翼尖方向（横向）的变化。传感器每秒可进行十次测量。
随后，这些数据被用于调整滑翔机的所谓倾斜角。机翼保持水平、平衡良好的飞机倾斜角为零，将沿直线飞行。倾斜机翼并增大倾斜角，飞机便会转弯。在该研究中，若滑翔机沿其飞行路径的向上风速变化增大，即会获得奖励。换言之，即滑翔机正飞入上升气流之中。
上升气流是延长滑翔机留空时间的关键。与有动力飞机不同，若滑翔机找不到任何上升气流，便会逐渐向地面下降。滑翔机是下降还是上升，直接取决于其周围向上流动的空气量。在上升气流中，垂直空气运动的增加足以阻止滑翔机下坠；若垂直风足够强，则可使其爬升。
经过多次飞行（总计约16小时的飞行时间），该研究中的滑翔机通过自我训练学会了飞行：在特定的输入组合（倾斜角、纵向和横向垂直风速变化）下，决定倾斜角的下一步变化应为何。最终，经过这些飞行，该飞机自主学会了飞入上升气流，从而能在空中停留更长时间。
此外，研究人员还利用数值模型表明，该方法将对更大型的滑翔机更有益，因为其更长的翼展能够更精确地测量从一侧翼尖到另一侧翼尖的向上风速变化。
让飞机更智能
这些结果引发了一个问题：未来我们可能会看到哪些自主滑翔机在空中滑翔，它们又将被用于何种用途。麻省理工学院的工程师近期汲取了灵感，借鉴善于乘浪飞行的信天翁的空气动力学特性，设计出一款自主滑翔机。
空中客车公司已研发出一款太阳能滑翔机，可长时间留空，以替代监视或通信卫星，例如可向地面偏远地区广播互联网信号。微软公司正据报道正在研发配备最先进人工智能导航系统的自主飞机。
但或许，本研究所开发的技术有朝一日能够催生新一代用于传统飞机的“智能”导航与自动驾驶系统。这些系统可利用数千小时飞行时间所采集的数据，以做出最高效的飞行路线决策。这将依赖精确的传感器以及进一步的研发，使飞机能够识别热上升气流，并从一股热上升气流跳至另一股。目前，该方法仅允许在单一热气流内滑翔。
研究人员所开发的方法与编程技术，无疑将使我们更接近实现一种能够执行这些任务、飞行时间可达数天、数周乃至数月的自主飞行器这一目标。但正是强化学习的运用再次表明，这些算法在适应广泛复杂任务方面具有高度灵活性，从操控滑翔机到在围棋中击败人类，皆是如此。
