NASA bruger i øjeblikket A.I. til rumvidenskab

I en erklæring udgivet af NASA for sidste måned, sagde agenturet, at A.I. har potentialet for at hjælpe med at løse nogle af de største problemer i rumvidenskab. A.I. kunne blive brugt til at søge efter liv på andre planeter eller identificere asteroider. NASA-forskere samarbejder med ledere i AI-industrien, som Intel, IBM og Google. Sammen kan de anvende avancerede computeralgoritmer til at løse nogle af disse problemer. 

Der er visse A.I.-teknologier, som NASA er afhængig af, såsom maskinlæring, til at fortolke data. Disse data vil derefter blive indsamlet af teleskoper, herunder James Webb Space Teleskopet eller Transiting Exoplanet Survey Satellite, på et tidspunkt i fremtiden.

Giada Arney, en astrobiolog ved NASA’s Goddard Space Flight Center i Greenbelt, Maryland, håber, at maskinlæring kan hjælpe hende og hendes team med at finde nogen indikation af liv i data, der vil blive indsamlet af teleskoper og observatorier. 

“Disse teknologier er meget vigtige, især for store datasæt og især i exoplanetfeltet,” sagde Arney i erklæringen. “Fordi de data, vi får fra fremtidige observationer, vil være sparsomme og støjende. Det vil være meget svært at forstå. Så brugen af disse værktøjer har så meget potentiale til at hjælpe os.”

NASA kører et otte ugers program hver sommer, der bringer ledere fra teknologi- og rumsektorerne sammen, kaldet Frontier Development (FDL).

Shawn Domagl-Goldman er en NASA Goddard-astrobiolog. 

“FDL føles som nogle rigtig gode musikere med forskellige instrumenter, der kommer sammen for en jam-session i garagen, finder noget rigtig cool og siger: ‘Hey, vi har et band her,'” sagde han i erklæringen.

Tilbage i 2018 udviklede et FDL-hold, der blev vejledt af Domagal-Goldman og Arney, en maskinlæringsteknik, der afhænger af neurale netværk. De analyserer billeder og identificerer kemien af exoplaneter ved at bruge bølgelængderne af lys, der udsendes eller absorberes af molekyler i deres atmosfære. 

Ved at bruge denne nye teknik kunne forskerne identificere forskellige molekyler i atmosfæren på WASP-12b, en exoplanet. Teknikken gjorde dette mere præcist end andre metoder. 

Ifølge Domagal-Goldman kan neuralt netværk også identificere, når der er mangel på data. Den bayesianske teknik, som det kaldes, kan også fortælle videnskabsmænd, hvor sikre de er på deres forudsigelse. 

“På steder, hvor data ikke var gode nok til at give et rigtig præcist resultat, var denne model bedre til at vide, at den ikke var sikker på svaret, hvilket er rigtig vigtigt, hvis vi skal stole på disse forudsigelser,” sagde Domagal-Goldman.

Den bayesianske teknik er stadig under udvikling, men andre FDL-teknologier bliver brugt i den virkelige verden. I 2017 udviklede FDL-deltagere et maskinlæringprogram, der kunne hurtigt oprette 3D-modeller af nærliggende asteroider. Det kunne også nøjagtigt estimere deres former, størrelser og rotationshastigheder. Denne type information er nyttig for NASA til at opdage og aflejre asteroider, der truer Jorden. 

Astronomer bruger traditionelt simpel computersoftware til at oprette 3D-modeller, og det analyserer radar-målinger af en flyvende asteroide. Det giver derefter nyttig information til videnskabsmænd om at slutte sig til dens fysiske egenskaber på grund af ændringer i radar-signalet. 

Bill Diamond er SETI’s præsident og administrerende direktør. 

“En dygtig astronom med standard computerressourcer kunne forme en enkelt asteroide på en til tre måneder,” sagde Diamond. “Så spørgsmålet for forskningsteamet var: Kan vi accelerere det?”

Holdet bestående af studerende fra Frankrig, Sydafrika og USA, samt mentorer fra akademiet og teknologiselskabet Nividia, udviklede en algoritme, der kan rendre en asteroide på så lidt som fire dage. Teknikken bliver i øjeblikket brugt af astronomer på Arecibo-observatoriet i Puerto Rico, og det udfører realtidsformningsmodellering af asteroiderne. 

Forskere foreslår også, at A.I.-teknologier skal indbygges i fremtidige rumfartøjer, og at det vil tillade rumfartøjet at træffe beslutninger i realtid.

“A.I.-metoder vil hjælpe os med at frigøre proceskraft fra vores egne hjerner ved at udføre meget af den indledende arbejde på vanskelige opgaver,” sagde Arney. “Men disse metoder vil ikke erstatte mennesker på noget tidspunkt, fordi vi stadig vil skulle kontrollere resultaterne.”