Hvordan AI hjalp med at lancere Artemis II-månemissionen

Den 1. april 2026 blev fire astronauter spændt fast i Orion-rumfartøjet og fløj med en raket ind i historien. Kommandør Reid Wiseman, pilot Victor Glover og missionsspecialister Christina Koch og Jeremy Hansen blev de første mennesker, der rejste rundt om månen siden Apollo-missionerne.

Deres 10-dages mission var en bedrift af menneskelig intelligens og ekspertise. Men den viste også AI som en partner i rumforskning.

SIAT: Den AI, der overvåger alt

I centrum af Orions ombord-intelligens er et system kaldet System Invariant Analysis Technology (SIAT), der er udviklet af NEC Corp. og integreret i Lockheed Martins rumfartøjsystemer. SIAT er en analytics-motor, der overvåger sensor-data kontinuerligt, lærer den normale adfærd af komplekse systemer og markerer afvigelser, før de udvikler sig til fejl.

Under evalueringer modellerede SIAT milliarder af relationer over mange systemvariable og sensorer. Moderne rumfartøjsystemer som Orion genererer store mængder telemetri- og testdata, så SIAT havde meget at arbejde med. Denne mængde information, samt hastigheden, det skulle analyseres, er ud over kapaciteten af menneskelige operatører alene.

Denne teknologi er integreret i Lockheed Martins Technology for Telemetry Analytics for Universal Artificial Intelligence (T-TAURI) platform, en analyse-ramme, der skaber en komplet billed af rumfartøjets sundhed. Denne forbindelse resulterer i proaktiv fejl-detection, der spænder over design, udvikling, produktion og live-mission-operationer.

SIAT er en af de mange AI-modeller, der sidder langt fra rampelyset, men er højt essentiel i et besætnings-rumfartøj. Det er stille, men i stand til at fange problemer, der kan være svære at overvåge manuelt.

Digitale tvillinger og autonome systemer

Før nogen astronauter gik ombord på Orion, kørte ingeniører og besætningsmedlemmer fulde simulationer i en kopi af rumfartøjet, hvor de øvede scenarier, der ikke kunne testes under jordens normale betingelser.

Digitale tvilling-simulationer refererer til AI-drevne virtuelle modeller af rumfartøjets fysiske systemer. Disse værktøjer tillod hold at stressteste vitale elementer af rumfartøjet og missionen, såsom livsstøtte, navigation og kommunikation under betingelser, der er næsten umulige eller farlige at genskabe i jordbaserede laboratorier.

Computerne ombord på fartøjet var designet til at holde essentielle systemer i gang under de højstrålings-betingelser i rummet. Denne arkitektur, kombineret med autonome algoritmer, der styrede banen i realtid, tillod rumfartøjet at opretholde operationer under de forlængede kommunikations-sortier, der er en del af dyb-rum-rejser. 

Alexa i kredsløb: Callisto-teknologidemonstrationen

En af de mest synlige AI-anvendelser ombord på Artemis-missionerne har været Callisto, en teknologidemonstration udviklet i samarbejde mellem Lockheed Martin (LMT ) og NASA. 

Callisto har integreret Amazon’s Alexa-lydassistent og Cisco’s Webex-kommunikationsplatform direkte i Orions kapsel-central-konsol. Det forbinder via NASA’s Deep Space Network. Denne integration giver både astronauter og fly-operatører på Johnson Space Center en håndfri grænseflade til dyb-rum-operationer.

En bemærkelsesværdig del af Callisto-projektet er dens offentlige aspekt. Under Artemis I-missionen inviterede Lockheed Martin mennesker på Jorden til at interagere med integrationen direkte, hvor de samlede beskeder til menneskeheden og holdet bag Artemis-missionerne. Det er et tidligt eksempel på, hvordan AI kan fungere som en bro mellem en mission hundredtusinder af kilometer væk og den bredere offentlighed, der følger med fra hjemmet.

Dybe læring til måne-navigation

At komme til månen er en udfordring. At have astronauter, der ved, hvor de er, når de er der, er en anden opgave. Da Apollo-besætningerne arbejdede inden for et mindre område, havde de ikke brug for præcis bredt-område-navigation. Men Artemis-missionerne, der sigter mod månens sydpol, vil kræve, at astronauter skal orientere sig over en større og mere kompleks terræn.

I 2018 byggede forskere på Frontier Development Lab et AI-navigationsværktøj ved hjælp af en detaljeret simulation af månens terræn. Astronauter kan fange billeder af deres omgivelser, og dybe læring-modeller vil sammenligne dem med de simulerede omgivelser for at præcist bestemme deres koordinater.

Systemet fungerer som en GPS, der arbejder med maskin-vision i stedet for satellitter, hvilket viser stor løfte, da missioner vokser i omfang og ambition. AI bliver allerede brugt over missioner til at navigere og udforske nye terræner og exoplaneter. Med tiden kan denne teknologi udvikle sig yderligere og udvide menneskers viden om universet.

Styringsgapet

Da AI overtager mere ansvar i bemandede rumfarter, stiller regeringer og institutioner spørgsmål om tilsyn og ansvarlighed. De Forenede Nationers kontor for ydre rum har kaldt til styre-rammer, der afhænger af disse nøgle-mål:

• Etisk og gennemsigtig AI for rum-operationer: Dette kræver forklarbare AI-systemer, meningsfuld menneskelig tilsyn og robuste sikkerhedsforanstaltninger, især for kritiske funktioner.
• Fairness, inklusivitet og global kapacitetsopbygning: For at tackle fordomme i AI-modeller og den ujævne fordeling af ressourcer, fremhæver UNOOSA diverse datasæt, åben adgang til data og værktøjer samt målrettede træningsprogrammer for udviklingslande.
• Ansvarlig udvikling og brug af geospatiale grundmodeller: Mens organisationen anerkender potentialet for store AI-modeller, understreger den behovet for en omfattende vurdering ud over nøjagtighed. Dette inkluderer faktorer som energiforbrug, robusthed og sociale og etiske virkninger.
• Integration af klima-resiliens og bæredygtighed: Kontoret opfordrer til integration af klima-overvejelser over hele livscyklussen for AI og jordobservationsteknologier.
• Beskyttelse af ejerskab og integritet af data: Dette mål fokuserer på behovet for foranstaltninger til at forhindre data-manipulation og sikre oprindelsen af geospatiale oplysninger.

En bemærkelsesværdig del af UNOOSA’s politik-brief er opfordringen til rammer, der kan skabe forudgående sikkerhedssager. Disse anbefalede politikker forudgodkender AI-beslutninger inden for definerede parametre for rum-missioner, hvor realtids-menneskelig indgriben er umulig.

AI vil sandsynligvis træffe beslutninger i rummet, især i kritiske situationer, hvor kommunikationssystemer er kompromitteret. Mens holdene stræber efter at forhindre dette i at ske, er det alligevel afgørende at forberede sig på disse situationer og bestemme under hvilke betingelser AI kan træffe beslutninger og med hvilket niveau af menneskelig tilsyn.

Hvad Artemis II beviste

Artemis II validerede med succes Orion-rumfartøjets systemer, besætningsoperationer og missions-procedurer under betingelser, der ikke kan genskabes på Jorden. Undervejs har det også valideret måder, hvorpå mennesker og AI kan arbejde sammen ud over atmosfæren. 

Apollo-æraen krævede ekstraordinær menneskelig præstation under pres, primært på grund af nødvendighed. Artemis tager en anden, mere fordelt tilgang, som er samarbejdet mellem menneskelig intuition og træning og maskin-intelligens. 

Her håndterer AI den kontinuerlige, data-intensive overvågning, der kan være svær for besætningen at håndtere. Denne assistance har frigjort deres tid og indsats, så de kan fokusere på beslutninger og processer, der kun mennesker kan udføre.

For AI-entusiaster er Artemis II-måne-missionen et bevis på, hvad bevidst og gennemtænkt AI-integration kan opnå, især når fire liv afhænger af, at teknologien får det rigtigt.