NASA Käyttää Parhaillaan A.I:ta Avaruustieteessä

NASA julkaisi viime kuussa lausunnon, jossa kerrottiin, että A.I:lla on potentiaalia auttaa joissakin avaruustieteen suurimmista ongelmista. A.I:ta voidaan käyttää etsimään elämää muilla planeetoilla tai tunnistamaan asteroideja. NASA:n tutkijat ovat yhteistyössä johtavien A.I-alan yritysten, kuten Intelin, IBM:n ja Google (GOOGL ):n, kanssa. Yhdessä he voivat soveltaa edistyneitä tietokonealgoritmeja ratkaisemaan joitakin näistä ongelmista.

NASA luottaa tiettyihin A.I-teknologioihin, kuten koneoppimiseen, tietojen tulkitsemiseen. Tiedot kerätään tulevaisuudessa esimerkiksi James Webb -avaruusteleskoopilla tai Transiting Exoplanet Survey Satellitella.

Giada Arney, astrobiologi NASA:n Goddard Space Flight Centerissä Marylandissa, toivoo, että koneoppiminen auttaisi häntä ja hänen tiimiään löytämään elämän merkkejä tulevaisuudessa kerättävistä tiedoista.

“Nämä teknologiat ovat erittäin tärkeitä, etenkin suurten tietojoukkien ja erityisesti eksoplaneettojen tutkimuksessa”, Arney sanoi lausunnossa. “Tulevaisuuden havaintojen tiedot ovat niukkoja ja meluisia, joten niiden ymmärtäminen on vaikeaa. Näiden työkalujen käyttäminen on todella lupaavaa.”

NASA järjestää joka kesä kahdeksan viikon ohjelman, jossa teknologia- ja avaruusalan johtajat kokoontuvat, nimeltään Frontier Development (FDL).

Shawn Domagl-Goldman on NASA Goddard -astrobiologi.

“FDL on kuin hyvät muusikot, joilla on eri soittimet, jotka kokoontuvat garage-bändiksi, löytävät jotain uutta ja sanovat: ‘Meillä on bändi'”, hän sanoi lausunnossa.

Vuonna 2018 FDL-tiimi, jota Domagal-Goldman ja Arney ohjasivat, kehitti koneoppimismenetelmän, joka perustuu neuroverkkoihin. Se analysoi kuvia ja tunnistaa eksoplaneettojen ilmakehän kemian aallonpituuksien avulla.

Tämän uuden menetelmän avulla tutkijat voivat tunnistaa eri molekyylejä eksoplaneetta WASP-12b:n ilmakehässä. Menetelmä teki tämän tarkemmin kuin muut menetelmät.

Domagal-Goldmanin mukaan neuroverkko voi myös tunnistaa, kun tietoja ei ole riittävästi. Bayes-menetelmä, jota se on, voi myös kertoa, kuinka varma se on tuloksistaan.

“Paikoissa, joissa tietoja ei ollut tarpeeksi hyviä antamaan tarkkaa tulosta, tämä malli oli parempi tunnistamaan, ettei se ollut varma vastauksesta, mikä on erittäin tärkeää, jos haluamme luottaa näihin ennusteisiin”, Domagal-Goldman sanoi.

Bayes-menetelmää kehitetään edelleen, mutta joitakin FDL-teknologioita käytetään jo käytännössä. Vuonna 2017 FDL-osallistujat kehittivät koneoppimisohjelman, joka pystyi nopeasti luomaan 3D-malleja lähellä olevista asteroideista ja arvioimaan niiden kokoja, muotoja ja pyörimisnopeuksia. Tällainen tieto on hyödyllistä NASA:lle asteroidien havaitsemiseen ja torjuntaan.

Astronomit käyttävät perinteisesti yksinkertaista tietokoneohjelmaa 3D-mallien luomiseen, joka analysoi asteroidien liikkeen radar-mittauksia ja antaa tietoa niiden fyysisistä ominaisuuksista.

Bill Diamond on SETI:n puheenjohtaja ja toimitusjohtaja.

“Taitava astronomi, jolla on standarditietokonevarusteet, voi muotoilla yhden asteroidin kolmeen kuukauteen”, Diamond sanoi. “Joten tutkimusryhmälle kysymys oli: Voimmeko nopeuttaa tätä?”

Ranskalaisista, eteläafrikkalaisista ja yhdysvaltalaisista opiskelijoista sekä akateemisista ja teknologiayritysten mentoreista koostuva tiimi kehitti algoritmin, joka pystyy luomaan asteroidin muodon neljässä päivässä. Tätä menetelmää käytetään jo Arecibon observatoriossa Puerto Ricossa, ja se tekee asteroidien muodon mallinnuksen reaaliajassa.

Tutkijat ehdottavat myös, että A.I-teknologioita rakennetaan tuleviin avaruusaluksiin, mikä mahdollistaisi niiden tekemän reaaliaikaisia päätöksiä.

“A.I-menetelmät auttavat meitä vapauttamaan prosessointikapasiteettia omista aivoistamme tekemällä paljon alkuvaiheen työtä haasteellisissa tehtävissä”, Arney sanoi. “Mutta nämä menetelmät eivät korvaa ihmisiä vielä pitkään aikaan, koska meidän on edelleen tarkistettava tulokset.”