La NASA utilise actuellement l’intelligence artificielle pour la science spatiale

Dans un communiqué publié par la NASA le mois dernier, l’agence a déclaré que l’intelligence artificielle a le potentiel pour aider à résoudre certains des plus grands problèmes de la science spatiale. L’intelligence artificielle pourrait être utilisée pour rechercher la vie sur d’autres planètes ou identifier les astéroïdes. Les scientifiques de la NASA s’associent avec des leaders de l’industrie de l’intelligence artificielle, tels qu’Intel, IBM et Google. Ensemble, ils peuvent appliquer des algorithmes informatiques avancés pour résoudre certains de ces problèmes.

Il existe certaines technologies d’intelligence artificielle sur lesquelles la NASA compte, telles que l’apprentissage automatique, pour interpréter les données. Ces données seront ensuite collectées par des télescopes, notamment le télescope spatial James Webb ou le satellite de survey des exoplanètes en transit, à un moment donné dans le futur.

Giada Arney, astrobiologiste au Centre de vol spatial Goddard de la NASA à Greenbelt, dans le Maryland, espère que l’apprentissage automatique pourra l’aider, elle et son équipe, à trouver certains indices de vie dans les données qui seront collectées par les télescopes et les observatoires.

“Ces technologies sont très importantes, en particulier pour les grands ensembles de données et en particulier dans le domaine des exoplanètes”, a déclaré Arney dans le communiqué. “Parce que les données que nous allons obtenir à partir d’observations futures seront rares et bruyantes. Il sera vraiment difficile de les comprendre. L’utilisation de ces outils a donc un potentiel énorme pour nous aider.”

La NASA organise chaque été un programme de huit semaines qui réunit des leaders des secteurs de la technologie et de l’espace, appelé Frontier Development (FDL).

Shawn Domagl-Goldman est un astrobiologiste de la NASA Goddard.

“FDL ressemble à de très bons musiciens avec différents instruments qui se réunissent pour une séance de jam dans le garage, trouvent quelque chose de vraiment cool et disent : ‘Hé, on a un groupe ici'”, a-t-il déclaré dans le communiqué.

En 2018, une équipe FDL a été encadrée par Domagal-Goldman et Arney, et ils ont développé une technique d’apprentissage automatique qui repose sur des réseaux de neurones. Ils analysent les images et identifient la chimie des exoplanètes en utilisant les longueurs d’onde de la lumière émise ou absorbée par les molécules de leur atmosphère.

En utilisant cette nouvelle technique, les chercheurs ont pu identifier diverses molécules dans l’atmosphère de l’exoplanète WASP-12b. La technique a fait cela avec plus de précision que les autres méthodes.

Selon Domagal-Goldman, le réseau de neurones peut également identifier lorsqu’il y a un manque de données. La technique bayésienne, comme on l’appelle, peut également indiquer aux scientifiques à quel point elle est certaine de sa prédiction.

“Dans les endroits où les données n’étaient pas suffisamment bonnes pour donner un résultat vraiment précis, ce modèle était meilleur pour savoir qu’il n’était pas sûr de la réponse, ce qui est vraiment important si nous voulons faire confiance à ces prédictions”, a déclaré Domagal-Goldman.

La technique bayésienne est encore en développement, mais d’autres technologies FDL sont utilisées dans le monde réel. Dès 2017, un programme d’apprentissage automatique a été développé par les participants FDL capable de créer rapidement des modèles 3D d’astéroïdes proches. Il pouvait également estimer avec précision leurs formes, tailles et vitesses de rotation. Ces informations sont utiles pour que la NASA détecte et détourne les astéroïdes qui menacent la Terre.

Les astronomes utilisent traditionnellement des logiciels informatiques simples pour créer des modèles 3D, et ils analysent les mesures radar d’un astéroïde en mouvement. Ils fournissent ensuite des informations utiles pour aider les scientifiques à déduire ses propriétés physiques en fonction des changements du signal radar.

Bill Diamond est le président et directeur général de SETI.

“Un astronome habile avec des ressources informatiques standard pourrait modeler un seul astéroïde en un à trois mois”, a déclaré Diamond. “Alors la question pour l’équipe de recherche était : Pouvez-vous accélérer le processus ?”

L’équipe, composée d’étudiants de France, d’Afrique du Sud et des États-Unis, ainsi que de mentors de l’université et de l’entreprise technologique Nividia, a développé un algorithme capable de rendre un astéroïde en seulement quatre jours. La technique est actuellement utilisée par des astronomes à l’observatoire d’Arecibo, à Porto Rico, et elle effectue un modelage de forme en temps réel des astéroïdes.

Les chercheurs suggèrent également que les technologies d’intelligence artificielle soient intégrées dans les futurs vaisseaux spatiaux, et que cela permettrait aux vaisseaux spatiaux de prendre des décisions en temps réel.

“Les méthodes d’intelligence artificielle nous aideront à libérer la puissance de traitement de nos propres cerveaux en effectuant beaucoup du travail initial sur les tâches difficiles”, a déclaré Arney. “Mais ces méthodes ne remplaceront pas les humains dans un avenir proche, car nous devrons toujours vérifier les résultats.”