W obserwowaniu życia morskiego w ruchu jest coś nieskończenie hipnotyzującego. Sposób, w jaki foka przemierza lodowate fale lub jak manty suną z taką niewymuszoną gracją, potrafi przykuć uwagę każdego. Od wieków te eleganckie wyczyny ruchowe pobudzają ciekawość naukowców, pragnących zrozumieć – a być może pewnego dnia nawet odtworzyć – mistrzostwo natury pod wodą.
Rozwiązania opracowane przez ludzi są jednak znacznie mniej kreatywne. Większość pojazdów podwodnych – tzw. AUV, czyli autonomicznych pojazdów podwodnych – opiera się na sprawdzonym schemacie: buduje się je na wzór torped. Ten długi, gładki, rurowy kształt skutecznie przecina wodę, a jego projektowanie i budowa są proste. Jednak w porównaniu z kreatywnością prawdziwych mieszkańców oceanów te stworzone przez człowieka maszyny wydają się nieco, cóż, pozbawione inspiracji. Częścią problemu jest po prostu logistyka: wypróbowywanie radykalnie odmiennych pomysłów jest zarówno kosztowne, jak i czasochłonne, więc nowe podejścia zazwyczaj schodziły na dalszy plan.
Obecnie zespół z CSAIL przy MIT oraz Uniwersytetu Wisconsin w Madison postanowił zmienić ten schemat. Wykorzystując sztuczną inteligencję i modelowanie 3D, odkryli nowy kierunek w projektowaniu pojazdów podwodnych — taki, który jest bardziej zgodny z kreatywnością świata przyrody. W swoim podejściu wykorzystują sztuczną inteligencję nie tylko do automatyzacji skomplikowanych obliczeń i symulacji, ale także do “wyobrażania sobie” pojazdów wodnych, które tradycyjna inżynieria mogłaby przeoczyć. Co więcej, pojazdy powstałe w wyniku tego procesu mogą być tańsze i łatwiejsze w produkcji niż ich konwencjonalnie zaprojektowane odpowiedniki.
Oto jak to działa: pod kierownictwem badacza Petera Yichena Chena zespół rozpoczął od stworzenia cyfrowych modeli wszelkiego rodzaju podwodnych kształtów — niektóre wzorowane na konstrukcjach stworzonych przez człowieka, inne zaczerpnięte bezpośrednio z życia morskiego, jak wieloryby i manty. Każdy z nich umieszczono w elastycznej cyfrowej “klatce deformacyjnej”, modyfikując i rozciągając kształty na niezliczone sposoby, a następnie przetestowano je w wirtualnym oceanie, aby sprawdzić, jak zachowują się pod różnymi kątami, poszukując nowych projektów szybowców, które mogłyby okazać się idealne.
Jednak ręczna ocena każdej możliwości jest po prostu niepraktyczna. Zamiast tego naukowcy wyszkolili sieć neuronową – rodzaj cyfrowego silnika prognostycznego – aby nauczyła się, w jaki sposób subtelne zmiany każdego kształtu wpływają na jego właściwości hydrodynamiczne. Ich głównym celem był współczynnik siły nośnej do oporu, kluczowa wartość opisująca, jak łatwo statek przedziera się przez wodę w porównaniu z siłą, z jaką jest on ciągnięty do tyłu. Zasadniczo: wyższe współczynniki oznaczają, że można płynąć dalej, szybciej i przy mniejszym zużyciu energii – co odzwierciedla to, co natura już zoptymalizowała u swoich najlepszych wodnych podróżników.
Aby zweryfikować prognozy sztucznej inteligencji, zespół zbudował prototyp szybowca oparty na jednym ze swoich nowych projektów. W eksperymentach w tunelu aerodynamicznym jego wskaźniki siły nośnej do oporu powietrza niemal idealnie pokrywały się z prognozami sztucznej inteligencji — różnica wyniosła zaledwie około 5%. Dwa z najbardziej obiecujących projektów szybowców zostały nawet wydrukowane w 3D i wyposażone w systemy sterowania, dzięki czemu można było nimi manewrować w prawdziwej wodzie. Podczas prób w basenie nowe modele pozostawiły w tyle klasyczne kształty torpedowe, potwierdzając wartość tego nowatorskiego podejścia opartego na sztucznej inteligencji.
Wciąż istnieje spore pole do udoskonaleń: zespół poszukuje obecnie sposobów na dalsze zmniejszenie różnicy między symulacją a rzeczywistością oraz na to, by ich szybowce były jeszcze cieńsze i zwinniejsze. Być może pewnego dnia podwodne roboty, które nieustannie dostosowują swój kształt do zmieniających się prądów oceanicznych, staną się normą. Istnieje nadzieja, że technologia ta pozwoli na stworzenie nowej klasy pojazdów podwodnych, zaprojektowanych specjalnie do zadań takich jak monitorowanie zmian klimatu, odkrywanie ukrytych światów oceanicznych czy ochrona wrażliwych środowisk morskich.
W realizacji tego projektu brało udział wiele osób: oprócz Petera Yichena Chena są to Pingchuan Ma z OpenAI, Wei Wang z Uniwersytetu Wisconsin w Madison oraz profesorowie MIT Daniela Rus i Wojciech Matusik. Prace były wspierane przez DARPA oraz program MIT-GIST. Jeśli chcesz dowiedzieć się więcej, oryginalny artykuł jest dostępny na stronie MIT News.
Ta strona używa plików cookie.