Fem måder kunstig intelligens kan hjælpe med at udforske rummet

Kunstig intelligens har lavet bølger i de seneste år, gør det muligt for os at løse problemer hurtigere, end traditionel databehandling nogensinde kunne tillade. For nylig, for eksempel, Googles datterselskab for kunstig intelligens DeepMind udviklede AlphaFold2, et program som løste problemet med proteinfoldning. Dette er et problem, som har forvirret videnskabsmænd i 50 år.

Fremskridt inden for kunstig intelligens har gjort det muligt for os at gøre fremskridt inden for alle slags discipliner - og disse er ikke begrænset til applikationer på denne planet. Fra at designe missioner til at rydde Jordens bane for skrammel, her er et par måder, kunstig intelligens kan hjælpe os med at vove os videre i rummet.

Astronautassistenter

Kan du huske Tars og Case, assistentrobotterne fra filmen Interstellar? Selvom disse robotter endnu ikke eksisterer til rigtige rummissioner, forskere arbejder hen imod noget lignende, skabe intelligente assistenter til at hjælpe astronauter. Disse AI-baserede assistenter, selvom de måske ikke ser så fancy ud som dem i filmene, kunne være utroligt nyttigt til udforskning af rummet.

En nyligt udviklet virtuel assistent kan potentielt opdage enhver fare i længerevarende rummissioner såsom ændringer i rumfartøjets atmosfære - for eksempel øget kuldioxid - eller en sensorfejl, der kan være potentielt skadelig. Det ville så advare besætningen med forslag til inspektion.

En AI-assistent kaldet Cimon blev fløjet til den internationale rumstation (ISS) i december 2019, hvor den testes i tre år. Til sidst, Cimon vil blive brugt til at reducere astronauters stress ved at udføre opgaver, de beder den om at udføre. NASA er også ved at udvikle en ledsager til astronauter ombord på ISS, kaldet robonaut, som vil arbejde sammen med astronauterne eller påtage sig opgaver, der er for risikable for dem.

Mission design og planlægning

At planlægge en mission til Mars er ikke en let opgave, men kunstig intelligens kan gøre det lettere. Nye rummissioner er traditionelt afhængige af viden indsamlet af tidligere undersøgelser. Imidlertid, disse oplysninger kan ofte være begrænsede eller ikke fuldt tilgængelige.

Dette betyder, at det tekniske informationsflow er begrænset af, hvem der kan få adgang til og dele det med andre missionsdesignere. Men hvad nu hvis al information fra praktisk talt alle tidligere rummissioner var tilgængelige for alle med autoritet med blot et par klik. En dag kan der være et smartere system - svarende til Wikipedia, men med kunstig intelligens, der kan besvare komplekse forespørgsler med pålidelig og relevant information – for at hjælpe med tidligt design og planlægning af nye rummissioner.

Forskere arbejder på ideen om en designingeniørassistent for at reducere den tid, der kræves til indledende missionsdesign, som ellers tager mange menneskelige arbejdstimer. "Daphne" er et andet eksempel på en intelligent assistent til at designe jordobservationssatellitsystemer. Daphne bruges af systemingeniører i satellitdesignteams. Det gør deres arbejde lettere ved at give adgang til relevant information, herunder feedback samt svar på specifikke forespørgsler.

Satellitdatabehandling

Jordobservationssatellitter genererer enorme mængder data. Dette modtages af jordstationer i bidder over en længere periode, og skal stykkes sammen, før det kan analyseres. Mens der har været nogle crowdsourcing-projekter for at lave grundlæggende satellitbilleder i meget lille skala, kunstig intelligens kan komme os til undsætning for detaljeret satellitdataanalyse.

For den store mængde data, der modtages, AI har været meget effektiv til at behandle det smart. Det er blevet brugt til at estimere varmelagring i byområder og til at kombinere meteorologiske data med satellitbilleder til estimering af vindhastighed. AI har også hjulpet med estimering af solstråling ved hjælp af geostationære satellitdata, blandt mange andre applikationer.

AI til databehandling kan også bruges til selve satellitterne. I nyere forskning, videnskabsmænd testede forskellige kunstig intelligens-teknikker til et fjerntliggende satellit-sundhedsovervågningssystem. Dette er i stand til at analysere data modtaget fra satellitter for at opdage eventuelle problemer, forudsige satellittens sundhedsydelse og præsentere en visualisering til informeret beslutningstagning.

Rumaffald

En af de største rumudfordringer i det 21. århundrede er, hvordan man tackler rumaffald. Ifølge ESA, der er næsten 34, 000 genstande større end 10 cm, som udgør en alvorlig trussel mod eksisterende ruminfrastruktur. Der er nogle innovative tilgange til at håndtere truslen, som at designe satellitter til at genindtræde i Jordens atmosfære, hvis de er indsat i den lave kredsløbsregion om Jorden, hvilket får dem til at gå helt i opløsning på en kontrolleret måde.

En anden tilgang er at undgå eventuelle kollisioner i rummet, forhindrer dannelsen af ​​snavs. I en nylig undersøgelse, forskere udviklede en metode til at designe kollisionsundgåelsesmanøvrer ved hjælp af maskinlæringsteknikker (ML).

En anden ny tilgang er at bruge den enorme computerkraft, der er tilgængelig på Jorden, til at træne ML-modeller, overføre disse modeller til rumfartøjet, der allerede er i kredsløb eller på vej, og bruge dem ombord til forskellige beslutninger. En måde at sikre sikkerheden ved rumflyvninger er for nylig blevet foreslået ved at bruge allerede trænede netværk om bord på rumfartøjet. Dette giver mere fleksibilitet i satellitdesign, samtidig med at risikoen for kollision i kredsløb holdes på et minimum.

Navigationssystemer

På jorden, vi er vant til værktøjer som Google Maps, der bruger GPS eller andre navigationssystemer. Men der er ikke et sådant system for andre udenjordiske kroppe, for nu.

Vi har ingen navigationssatellitter omkring Månen eller Mars, men vi kunne bruge de millioner af billeder, vi har fra observationssatellitter såsom Lunar Reconnaissance Orbiter (LRO). I 2018, et team af forskere fra NASA i samarbejde med Intel udviklede et intelligent navigationssystem, der bruger AI til at udforske planeterne. De trænede modellen på de millioner af fotografier, der var tilgængelige fra forskellige missioner, og skabte et virtuelt månekort.

Mens vi fortsætter med at udforske universet, vi vil fortsætte med at planlægge ambitiøse missioner for at tilfredsstille vores iboende nysgerrighed samt for at forbedre menneskelivet på Jorden. I vores bestræbelser, kunstig intelligens vil hjælpe os både på Jorden og i rummet med at gøre denne udforskning mulig.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.