NASA v současné době používá AI pro vesmírnou vědu

V prohlášení NASA minulý měsícAgentura uvedla, že umělá inteligence má potenciál pomoci pracovat na některých z největších problémů vesmírné vědy. Umělá inteligence by mohla být použita k hledání života na jiných planetách nebo identifikaci asteroidů. Vědci z NASA spolupracují s lídry v oboru AI, jako jsou Intel, IBM a Google. Společně mohou použít pokročilé počítačové algoritmy k vyřešení některých z těchto problémů. 

Existují určité technologie umělé inteligence, na které se NASA při interpretaci dat spoléhá, ​​jako je strojové učení. Tato data pak budou shromažďovat teleskopy, včetně James Webb Space Telescope nebo Transiting Exoplanet Survey Satellite, někdy v budoucnu.

Giada Arneyová, astrobioložka z Goddard Space Flight Center NASA v Greenbeltu v Marylandu, doufá, že strojové učení jí a jejímu týmu pomůže najít nějaké náznaky života v datech, která budou shromažďována teleskopy a observatořemi. 

„Tyto technologie jsou velmi důležité, zejména pro velké datové sady a obzvláště v oblasti exoplanet,“ uvedl Arney ve svém prohlášení. „Protože data, která získáme z budoucích pozorování, budou řídká a zašumělá. Bude opravdu těžké jim porozumět. Takže použití těchto nástrojů má velký potenciál nám pomoci.“

NASA pořádá každé léto osmitýdenní program, který sdružuje lídry v technologickém a vesmírném sektoru, nazvaný Frontier Development (FDL).

Shawn Domagl-Goldman je astrobiolog NASA Goddard. 

„FDL působí jako pár opravdu dobrých hudebníků s různými nástroji, kteří se sejdou na jam session v garáži, najdou něco opravdu skvělého a řeknou: ‚Hele, máme tady kapelu,‘“ uvedl ve svém prohlášení.

V roce 2018 byl tým FDL mentorován Domagal-Goldmanem a Arneym a vyvinuli techniku ​​strojového učení, která se opírá o neuronové sítě. Analyzují snímky a identifikují chemii exoplanet pomocí vlnových délek světla emitovaného nebo absorbovaného molekulami v jejich atmosféře. 

Pomocí této nové techniky mohli vědci identifikovat různé molekuly v atmosféře WASP-12b, exoplanety. Technika to dokázala přesněji než jiné metody. 

Podle Domagal-Goldmana dokáže neuronová síť identifikovat i nedostatek dat. Bayesovská technika, jak se jí říká, může vědcům také říci, jak jistá je její předpověď. 

"V místech, kde data nebyla dost dobrá na to, aby poskytla opravdu přesný výsledek, tento model lépe věděl, že si není jist odpovědí, což je opravdu důležité, pokud máme těmto předpovědím věřit," Domagal-Goldman řekl.

Bayesovská technika se stále vyvíjí, ale v reálném světě se používají jiné technologie FDL. Do roku 2017 byl účastníky FDL vyvinut program strojového učení, který byl schopen rychle vytvářet 3D modely blízkých asteroidů. Mohl také přesně odhadnout jejich tvary, velikosti a rychlosti rotace. Tento typ informací je užitečný pro NASA k detekci a odklonu asteroidů, které ohrožují Zemi. 

Astronomové tradičně používají k vytváření 3D modelů jednoduchý počítačový software, který analyzuje radarová měření pohybujícího se asteroidu. Poté poskytuje užitečné informace, které vědcům pomohou odvodit jeho fyzikální vlastnosti na základě změn v radarovém signálu. 

Bill Diamond je prezident a výkonný ředitel SETI. 

"Adept astronom se standardními výpočetními zdroji by mohl tvarovat jeden asteroid za jeden až tři měsíce," řekl Diamond. "Takže otázka pro výzkumný tým zněla: Můžeme to urychlit?"

Tým složený ze studentů z Francie, Jižní Afriky a Spojených států spolu s mentory z akademické obce a technologické společnosti Nividia vyvinul algoritmus schopný vykreslit asteroid za pouhé čtyři dny. Technika je v současné době používána astronomy na observatoři Arecibo v Portoriku a provádí modelování tvaru asteroidů v reálném čase. 

Výzkumníci také navrhují, aby technologie umělé inteligence byly zabudovány do budoucích kosmických lodí a umožnily by kosmické lodi přijímat rozhodnutí v reálném čase.

„Metody umělé inteligence nám pomohou uvolnit výpočetní výkon z našich vlastních mozků tím, že za nás udělají spoustu počáteční práce na obtížných úkolech,“ řekl Arney. „Tyto metody ale v dohledné době lidi nenahradí, protože výsledky budeme muset stále kontrolovat.“