Hvordan A.I. fangede en vulkans skiftende lavasø

En af vores planets få eksponerede lavasøer ændrer sig, og kunstig intelligens hjælper NASA med at forstå hvordan.

Den 21. januar, en sprække åbnede sig på toppen af ​​Etiopiens Erta Ale-vulkan – en af ​​de få i verden med en aktiv lavasø i sin caldera. Vulkanologer sendte anmodninger om NASA's Earth Observing 1 (EO-1) rumfartøj for at afbilde udbruddet, som var stor nok til at begynde at omforme vulkanens topmøde.

Som det viste sig, at rumfartøjet allerede havde travlt med at indsamle data om lavasøen. Alarmeret af en detektering fra en anden satellit, et kunstig intelligens (A.I.) system havde beordret den til at se på vulkanen. På det tidspunkt, hvor forskerne havde brug for disse billeder, de var allerede behandlet og på jorden.

Det er en passende slutsten til A.I.s mission. Den software, kaldet Autonomous Sciencecraft Experiment (ASE), har ledet EO-1's handlinger i mere end 12 år, hjælper forskere med at studere naturkatastrofer over hele kloden. ASE afslutter sine aktiviteter i denne måned, når EO-1's mission slutter. ASE efterlader en arv, der antyder et stort potentiale for A.I. i fremtidens rumudforskning.

Udover det nylige udbrud, ASE hjalp videnskabsmænd med at studere en islandsk vulkan, da askefaner satte fly på tværs af Europa i 2010. Den sporede også katastrofale oversvømmelser i Thailand. Softwaren reducerede ekspeditionstiden for data fra uger til kun dage, som brugere kunne indsende anmodninger i realtid.

ASE blev udviklet af NASA's Jet Propulsion Laboratory i Pasadena, Californien, og uploadet i 2003 til EO-1, en jordvidenskabelig satellit styret af Goddard Space Flight Center i Greenbelt, Maryland. Softwaren instruerede EO-1 til at advare forskere, når den opdagede begivenheder af videnskabelig interesse, og pålagde autonomt rumfartøjet at tage billeder under efterfølgende kredsløb.

Derudover den administrerer et "sensorweb, "et netværk af andre satellitter og jordsensorer, der alle "taler" med hinanden, med til at prioritere, hvilke arrangementer der skal fokuseres på.

"Det er en milepæl i A.I.-applikationen, "sagde Steve Chien, hovedefterforsker af ASE og leder af Artificial Intelligence Group hos JPL. "Vi skulle gøre dette i seks måneder, og vi havde så stor succes, at vi gjorde det i mere end 12 år."

Softwaren underrettede typisk forskere inden for 90 minutter efter at have opdaget en hændelse. Det downlinkede derefter data og genudsatte EO-1 inden for et par timer - en proces, der tidligere tog uger, hvor videnskabsmænd og operationshold på jorden skulle koordinere.

A.I. kan befri et rumfartøj til at handle først, inden for nøje programmerede parametre, giver den mulighed for at fange værdifulde videnskabelige data, som ellers ville gå tabt, sagde Ashley Davies, ledende videnskabsmand for ASE og en vulkanolog ved JPL.

"Det sætter nogle videnskabelige smarts ombord på et rumfartøj, " sagde Davies.

Den seneste udbrud af Erta Ale fremhæver hastigheden og virkningen af ​​rummet A.I. Da en 1,9 mil lang (3 kilometer) sprække åbnede i slutningen af ​​januar, det fik dele af calderaen til at kollapse – præcis den slags hurtige begivenheder, der er svære at fange data om, medmindre du holder øje med det.

Heldigvis, JPL sensor-web har en bred rækkevidde. Den består af andre satellitter udover EO-1, og endda sensorer på jorden. Da en af ​​de andre satellitter opfangede hurtige temperaturændringer ved vulkanens topmøde, det var da den pingede EO-1, som begyndte at planlægge at afbilde webstedet.

"Vi fangede denne begivenhed på det perfekte tidspunkt, i løbet af en tidlig, udviklingsfasen af ​​udbruddet, " sagde Davies. Nu havde han og andre videnskabsmænd en meget bedre fornemmelse af, hvordan udledningen af ​​lava udvikler sig over tid. "Dette ville simpelthen ikke være sket uden Volcano Sensor Web."

Både Chien og Davies var enige om, at autonomi har et enormt potentiale, når det kommer til at studere begivenheder langt fra Jorden, hvor store afstande gør det umuligt at vide, hvad der sker, før begivenheden allerede er forbi. For eksempel, A.I. kunne gøre det meget nemmere at fange de dynamiske øjeblikke, når en komet passerer forbi, eller vulkaner begynder at bryde ud på en fjern måne.