AIがアルテミスII月ミッションの打ち上げを支援した方法

2026年4月1日、4人の宇宙飛行士がオリオン宇宙船に乗り込み、ロケットに乗って歴史に乗り出した。コマンダーのリード・ワイズマン、パイロットのビクター・グローバー、ミッション・スペシャリストのクリスティーナ・コックとジェレミー・ハンセンは、アポロ・ミッション以来、初めて月を周回する人間となった。

10日間のミッションは、人間の知性と専門知識の偉大な成果であった。しかし、宇宙探査におけるAIのパートナーとしての役割も披露された。

SIAT: すべてを見ているAI

オリオンのオンボード・インテリジェンスの中心にあるシステムは、NEC Corp.によって開発され、ロッキード・マーティンの宇宙船システムに統合されたSystem Invariant Analysis Technology (SIAT)である。SIATは、センサー・データを継続的に監視する分析エンジンであり、複雑なシステムの正常な動作を学習し、故障前に逸脱をフラグ付けする。

評価の際に、SIAT 数十億の関係をモデル化した。これは、多数のシステム変数とセンサーをまたいでいた。現代の宇宙船システムであるオリオンは、大量のテレメトリとテスト・データを生成するため、SIATには多くの情報が存在した。人間のオペレーターだけでは、情報の量と分析の速度を処理することは不可能であった。

この テクノロジーは、ロッキード・マーティンのTechnology for Telemetry Analytics for Universal Artificial Intelligence (T-TAURI)プラットフォームの中に埋め込まれている。このプラットフォームは、宇宙船のヘルスを総合的に把握する分析フレームワークであり、設計、開発、生産、実際のミッション・オペレーションを通じて、事前的な異常検出が可能となる。

SIATは、スポットライトから遠いところに座っている多くのAIモデルの一つであるが、乗員が乗る宇宙船では非常に重要である。静かではあるが、手動で監視するのが困難な問題を捕捉する能力がある。

デジタル・ツインとオートノマス・システム

宇宙飛行士がオリオンに乗る前に、エンジニアと乗員は、宇宙船のレプリカの中でシミュレーションを実行し、地球の通常の条件ではテストできないシナリオをリハーサルした。

デジタル・ツイン・シミュレーションとは、AIを使用した宇宙船の物理システムの仮想モデルを指す。これらのツールにより、チームは、宇宙船とミッションの重要な要素をストレス・テストすることができた。 生命維持、ナビゲーション、通信などを、地球の研究所では再現するのがほとんど不可能または危険な条件下でテストすることができた。

宇宙船のコンピューターは、宇宙の高放射線条件下で重要なシステムを実行し続けるように設計されていた。宇宙船の設計と、リアルタイムで軌道を管理するオートノマス・アルゴリズムを組み合わせることで、宇宙船は、深宇宙旅行の際に発生する長時間の通信ブラックアウト中に運用を維持することができた。

アレクサ・イン・オービット: カリスト・テクノロジー・デモ

アルテミス・ミッションで最も目立つAIの応用の一つは、ロッキード・マーティンとNASAが共同で開発したカリスト・テクノロジー・デモである。

カリストには、 アマゾンのAlexaボイス・アシスタントと、シスコのWebexコミュニケーション・プラットフォームが、オリオン・カプセルの中央コンソールに直接組み込まれている。NASAのディープ・スペース・ネットワーク経由で接続される。これにより、宇宙飛行士とジョンソン・スペース・センターのフライト・オペレーターは、深宇宙運用のためのハンズフリー・インターフェイスを使用できるようになる。

カリスト・プロジェクトの注目すべき側面の一つは、そのパブリック・フェイシング要素である。アルテミスIミッションの際、ロッキード・マーティンは、地球上の人々に、この統合と直接関わることを招待し、人類とアルテミス・ミッションのチームへのメッセージを収集した。これは、AIが何百万キロメートルも離れたミッションと、家からそれを追跡しているより広い公衆の間のブリッジとして機能する方法の初期の例である。

深層学習による月面ナビゲーション

月に到達することは一つの課題である。宇宙飛行士が月に到達した後、その場所を知ることは別の課題である。アポロの宇宙飛行士は、より小さなエリアで作業していたため、広域ナビゲーションは必要なかった。しかし、月の南極を目指すアルテミス・ミッションでは、宇宙飛行士がより広く複雑な地形で自分自身を向けられるようにする必要がある。

2018年、フロンティア・デベロップメント・ラボの研究者は、月の地形の詳細なシミュレーションを使用して、AIナビゲーション・ツールを構築した。宇宙飛行士は、 環境の写真を撮影し、深層学習モデルは、シミュレートされた周囲と比較して、正確に彼らの座標を決定することができる。

このシステムは、衛星ではなくマシン・ビジョンを使用するGPSのように機能し、より広範なミッションや野心的なミッションで大きな期待を持たれている。AIは、すでに新しい地形や惑星をナビゲートして探索するために、ミッション全体で使用されている。時間の経過とともに、このテクノロジーはさらに発展し、宇宙に関する人間の知識を拡大することができる。

ガバナンス・ギャップ

AIが有人宇宙飛行でより多くの責任を負うにつれて、政府や機関は、監督と説明責任について疑問を提起している。国連宇宙空間の平和的利用委員会事務局は、 ガバナンス・フレームワークの必要性を強調している。これらの主要な目的は次のとおりである。

• 宇宙運用のための倫理的かつ透明性のあるAI:説明可能なAIシステム、有意義な人間の監督、そして特に重要な機能のための堅牢なセーフティ・ネットが必要である。
• 公平性、インクルージョン、世界的な能力構築:AIモデルにおける偏見と、リソースの不均等な分布に対処するために、UNOOSAは、多様なデータセット、オープン・アクセス・データとツール、発展途上国向けのターゲット・トレーニング・プログラムを主張している。
• 地理空間基盤モデルの責任ある開発と使用:大規模なAIモデルが持つ可能性を認めつつも、UNOOSAは、精度以外の要素を考慮した包括的な評価の必要性を強調している。これには、エネルギー消費、ロバスト性、社会的および倫理的影響などが含まれる。
• 気候耐性と持続可能性の統合:事務局は、AIと地球観測テクノロジーの全ライフサイクルを通じて、気候に関する考慮を統合することを呼びかけている。
• データ所有権と完全性の保護:この目的は、データ操作を防止し、地理空間情報の出所を確保するための措置の必要性に焦点を当てている。

UNOOSAの政策文書の注目すべき側面の一つは、事前安全性ケースを作成するためのフレームワークの呼びかけである。これらの推奨ポリシーは、実時間の人間の介入が不可能な宇宙ミッションで、定義されたパラメータ内でAIの決定を事前に承認する。

AIは、特に通信システムが損なわれた場合に、宇宙で決定を下すことになるだろう。チームはこれが起こらないように努めているが、これらの状況に備え、AIがどのような条件下で決定を下し、どの程度の人間の監督下で行うかを決定することが重要である。

アルテミスIIが証明したこと

アルテミスIIは、オリオン宇宙船のシステム、乗員の運用、ミッションの手順を、地球では再現できない条件下で成功裏に検証した。また、人間とAIが大気の外で協力する方法も検証した。

アポロ時代は、主に必要性から、人間のパフォーマンスが圧力の下で必要とされた。アルテミスは、より分散されたアプローチを採用しており、それは人間の直感と訓練と機械の知能の協力である。

ここで、AIは、乗員が管理するのが困難な、継続的なデータ・インテンシブな監視を担当する。AIの支援により、乗員の時間と労力が解放され、人間だけが行える決定とプロセスに集中できるようになった。

AIの愛好家にとって、アルテミスII月ミッションは、故意で思慮深いAI統合が何を成し遂げることができるか、特にテクノロジーが正しく機能することへの4人の命が依存していることを証明する概念実証である。