アーテミスII月面ミッションを支えたAIの役割

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。司令官リード・ワイズマン、パイロットヴィクター・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、同時に、宇宙探査におけるAIのパートナーとしての役割も示された。

SIAT: すべてを見ているAI

オリオンの船載コンピュータの中心には、NEC株式会社が開発し、ロッキード・マーティンが宇宙船システムに統合したSystem Invariant Analysis Technology (SIAT)というシステムがある。SIATは、センサーデータを継続的に監視し、複雑なシステムの正常な動作を学習し、異常を検知するアナリティクスエンジンである。

評価の際に、SIAT 数十億の関係をモデル化した。これらの関係は、多数のシステム変数とセンサーにわたるものであった。現代の宇宙船システムは大量のテレメトリーデータとテストデータを生成するため、SIATには多くの情報が利用可能であった。ただし、この量の情報と、分析する必要がある速度は、人間のオペレーターのみでは処理しきれないものであった。

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)プラットフォームに組み込まれている。このプラットフォームは、宇宙船の全体的な健康状態を把握するための分析フレームワークであり、設計、開発、生産、実際のミッション運用を網羅する予測的な異常検知を可能にする。

SIATは、注目されることなく重要な役割を果たす、多くのAIモデルの一つである。静かに動作し、手動で監視するのが困難な問題を検知することができる。

デジタルツインと自律システム

宇宙飛行士がオリオンに乗る前に、エンジニアとクルーメンバーは、宇宙船のレプリカ内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練習した。

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である。これらのツールを使用して、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し、生命維持、ナビゲーション、通信などのシステムを、地球上の研究所では再現するのが困難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は、宇宙での高放射線条件下で重要なシステムを動作させるように設計されていた。このアーキテクチャと、実時間で軌道を管理する自律アルゴリズムを組み合わせることで、宇宙船は、深宇宙旅行における通信のブラックアウト期間中に運用を維持することができた。

アレクサ、軌道上へ：カリストテクノロジーデモ

アー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。

カリストは、アマゾンのアレクサ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を、オリオン宇宙船の中央コンソールに直接統合している。NASAのディープスペースネットワーク経由で接続される。この統合により、宇宙飛行士とジョンソン宇宙センターのフライトオペレーターは、深宇宙運用のハンズフリーインターフェイスを利用できるようになった。

カリストプロジェクトの注目すべき側面の一つは、その公開要素である。アーテミス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、統合に直接関与するよう招待し、人類とアー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、数十万キロメートル離れたミッションとそれを追跡するより広い公衆の間のブリッジとして機能する初期の例である。

月面ナビゲーションのためのディープラーニング

月に到達することは一つの課題である。宇宙飛行士が月面に到達した後、自分の位置を把握することは別の課題である。アポロミッションのクルーは、より小さなエリア内で作業していたため、正確な広域ナビゲーションは必要なかった。しかし、アーテミスミッションは、月の南極に向けてより広大で複雑な地形を目指しているため、宇宙飛行士は、より広いエリアで自分自身の位置を把握する必要がある。

2018年、フロンティア開発研究所の研究者は、月面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、周囲の写真を撮影し、ディープラーニングモデルは、これらの写真をシミュレートされた周囲と比較して、宇宙飛行士の正確な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、ミッションの範囲と野心が拡大するにつれて、大きな期待を持たれている。AIは、すでにミッション全体で、ナビゲーションと探索を行っている。また、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、政府と機関は、監督と説明責任について疑問を提起している。国連宇宙空間平和利用委員会は、ガバナンスフレームワークの必要性を強調している。これらのフレームワークは、以下の主要目標に基づいている。

• 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、そして重要な機能に対する堅牢なセーフティネットの必要性を強調する。
• 公平性、包括性、世界的能力開発：AIモデルにおける偏見と、リソースの不均衡な分布に対処するために、UNOOSAは、多様なデータセット、オープンアクセスのデータとツール、開発途上国のためのターゲットトレーニングプログラムを提唱している。
• 地理空間基盤モデルの責任ある開発と使用：大規模なAIモデルの潜在性を認めつつも、UNOOSAは、精度以外の要素、たとえばエネルギー消費、ロバスト性、社会的および倫理的影響についての包括的な評価の必要性を強調している。
• 気候変動への適応と持続可能性の統合：この目標は、AIと地球観測技術の全ライフサイクルに気候変動への考慮を統合することを求めている。
• データ所有権と完全性の保護：この目標は、データ操作を防止し、地理空間情報の出典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、事前に安全性ケースを作成するためのフレームワークの必要性の強調である。これらの推奨ポリシーは、人間の介入が不可能な宇宙ミッションで、AIの決定を事前に承認するためのパラメータを定義する。

AIは、特に通信システムが損なわれた場合など、宇宙で決定を下すことになる。チームはこれを防ぐために努力しているが、こうした状況に備えることが重要である。AIがどのような条件下で決定を下し、どのような人間の監督のレベルで行うかを決定する必要がある。

アーテミスIIが証明したこと

アーテミスIIは、オリオン宇宙船のシステム、クルー運用、ミッション手順が、地球上では再現できない条件下で正常に機能することを実証した。また、人間とAIが大気圏外で協力して働く方法も証明した。

アポロ時代は、主に必要性から、人間のパフォーマンスが極限まで求められた。アーテミスは、人間の直感と訓練とマシンの知能の協力という、より分散したアプローチを取っている。

ここで、AIは、クルーが管理するのが困難な、継続的なデータ集中監視を担当する。 この支援により、クルーは、人間だけが行える決定とプロセスに集中できる時間と労力を節約することができた。

AI愛好家にとって、アーテミスII月面ミッションは、特にテクノロジーが正しく機能することへの依存度が高い場合に、意図的で思慮深いAI統合が何を成し得るかを証明するものである。