最近幾年 人工智能 (AI) 勢頭強勁,使我們能夠比傳統計算更快地解決問題。 例如,最近 DeepMind, 子公司 谷歌, 處理人工智能, 開發 阿爾法Fold2,一個可以解決蛋白質折疊問題的程序。 這是一個困擾科學家 50 年的問題。
人工智能的進步使我們能夠在各種學科中取得進步——它們不僅限於這個星球上的應用。 從設計任務到清理地球軌道上的碎片,人工智能可以幫助我們在太空中進一步推進。
宇航員助理
研究人員正在開發智能助手來幫助宇航員。 這些人工智能 (AI) 助手,即使它們看起來不像電影中那樣時尚,也可能對太空探索非常有用。
新開發的虛擬助手可能會檢測到長期太空飛行中的任何危險,例如航天器的變化,例如二氧化碳上升或傳感器故障,這可能是有害的。 然後它將向機組人員發出檢查建議。
助手 檸檬 於 2019 年 月交付給國際空間站(ISS),並在那裡進行了三年的測試。 最終,Cimon 將用於通過完成他們要求的任務來減輕宇航員的壓力。 美國航空航天局 還在為國際空間站上的宇航員開發一顆名為 機器人宇航員,他們將與宇航員一起工作或執行對他們來說風險太大的任務。
任務設計和規劃
計劃火星任務是一項艱鉅的任務,但人工智能可以讓它變得更容易。 新的太空任務傳統上基於從先前研究中獲得的知識。 但是,此信息通常可能是有限的或無法完整獲取。
這意味著技術信息的流動僅限於那些可以訪問並與其他任務設計工程師共享的人。 但是,如果任何人只需單擊幾下即可獲得有關幾乎所有先前太空飛行的所有信息,那會怎樣。 有一天,可能會有一個更智能的系統——類似於維基百科,但具有人工智能,可以用可靠和最新的信息來回答複雜的查詢——以幫助早期設計和規劃新的太空任務。
研究人員正在研究助理設計工程師的想法,以減少初始任務設計所需的時間,否則需要很多工時。 芫 是衛星地球觀測系統設計中智能助手的另一個例子。 衛星開發團隊的系統工程師使用 Daphne。 通過提供對相關信息(包括評論)以及特定查詢的答案的訪問,這使他們的工作更加輕鬆。
處理衛星數據
地球觀測衛星產生大量數據。 這些數據是由地面站在很長一段時間內分批接收的,必須一起收集才能進行分析。 儘管已經有幾個對衛星圖像進行基礎分析的眾包項目,但人工智能可以幫助我們對衛星數據進行詳細分析。
收到大量數據後,人工智能在處理數據方面非常有效。 它已被用於估算城市地區的熱量積累,並將氣象數據與衛星圖像相結合以估算風速。 人工智能還使用來自地球靜止衛星的數據以及許多其他應用幫助估計太陽輻射。
用於數據處理的人工智能也可用於衛星本身。 在最近的一項研究中,科學家們為遠程衛星健康監測系統測試了不同的人工智能技術。 它能夠分析從衛星接收到的數據以識別任何問題、預測衛星性能並為明智的決策提供可視化。
空間碎片
21 世紀最大的太空挑戰之一是清除太空碎片。 根據 歐空局,大約有 34 個大於 000 厘米的物體對現有的空間基礎設施構成嚴重威脅。 有一些對抗威脅的創新方法,例如開發再入衛星。
另一種方法是通過防止產生任何碎片來避免任何可能的太空碰撞。 在最近的一項研究中,研究人員開發了一種使用機器學習 (ML) 技術設計防撞機動的方法。
也很有趣:
另一種新方法是利用地球上可用的巨大計算能力來訓練機器學習模型,將這些模型轉移到已經在軌或途中的航天器,並在船上使用它們來做出各種決定。 最近提出了一種使用航天器上已經訓練好的網絡來確保太空飛行安全的方法。 這為設計在軌道上碰撞危險最小的衛星提供了更大的靈活性。
導航系統
在地球上,我們已經習慣了使用 GPS 或其他導航系統的 Google 地圖等工具。 但對於其他地外天體,目前還沒有這樣的系統。
我們沒有圍繞月球或火星的導航衛星,但我們可以使用來自監視衛星的數百萬張圖像,例如 月球偵察軌道器 (LRO)。 2018 年,NASA 的一組研究人員與英特爾合作,開發了一種使用 AI 進行行星探索的智能導航系統。 他們用在各種任務中拍攝的數百萬張照片對模型進行了訓練,並創建了月球的虛擬地圖。
隨著我們繼續探索宇宙,我們將繼續計劃雄心勃勃的任務,以滿足我們與生俱來的好奇心並改善地球上的生活。 在我們的努力中,人工智能將幫助我們在地球和太空中進行這項研究。
另請閱讀: