Hvordan AI hjalp til å lansere Artemis II-månelanding

Den 1. april 2026 ble fire astronauter spent på Orion-romfartøyet og fløy en rakett inn i historien. Kommandør Reid Wiseman, pilot Victor Glover og misjonsspesialistene Christina Koch og Jeremy Hansen ble de første menneskene som reiste rundt månen siden Apollo-misjonene.

Deres 10-dagers misjon var en bragd av menneskelig intelligens og ekspertise. Men den viste også AI som en partner i romutforskning.

SIAT: AI-en som ser alt

I sentrum av Orion-skipets intelligens er et system kalt System Invariant Analysis Technology (SIAT), som ble utviklet av NEC Corp. og integrert i Lockheed Martin-skipets systemer. SIAT er en analysemotor som overvåker sensordata kontinuerlig, lærer det normale oppførselen til komplekse systemer og markerer avvik før de eskalerer til feil.

Under evalueringer modellerte SIAT milliarder av relasjoner over flere systemvariable og sensorer. Moderne romfartøyssystemer som Orion genererer store mengder telemetri- og testdata, så SIAT hadde mye å jobbe med. Denne mengden informasjon, samt hastigheten det måtte analyseres, er utenfor kapasiteten til menneskelige operatører alene.

Denne teknologien er innbygd i Lockheed Martin-splattformen Technology for Telemetry Analytics for Universal Artificial Intelligence (T-TAURI), en analyse-rammeverk som skaper et komprehensivt bilde av romfartøyets helse. Denne tilkoblingen resulterer i proaktiv anomali-detteksjon som omfatter design, utvikling, produksjon og live-misjonsoperasjoner.

SIAT er ett av de mange AI-modellene som sitter langt fra rampelyset, men det er svært viktig i et mannskapet romfartøy. Det er stille, men i stand til å fange problemer som kan være utfordrende å overvåke manuelt.

Digitale tvillinger og autonome systemer

Før noen astronauter gikk om bord i Orion, kjørte ingeniører og mannskap fullsimuleringer inni en kopi av romfartøyet, øvde scenarier som ikke kunne testes på annen måte under jordens vanlige forhold.

Digitale tvilling-simuleringer refererer til AI-drevne virtuelle modeller av romfartøyets fysiske systemer. Disse verktøyene tillot teamene å stress-teste vitale elementer av romfartøyet og misjonen, såsom livsstøtte, navigasjon og kommunikasjon under forhold som er nesten umulige eller farlige å gjenskape i jordbaserte laboratorier.

Datamaskinene om bord var designet for å holde essensielle systemer i gang under de høye strålingsforholdene i rommet. Denne arkitekturen, kombinert med autonome algoritmer som håndterer banen i sanntid, tillot romfartøyet å opprettholde operasjoner under de forlengede kommunikasjonsblackoutene som er en del av dypromreisen.

Alexa i bane: Callisto-teknologidemoen

En av de mest synlige AI-applikasjonene om bord i Artemis-misjonene har vært Callisto, en teknologidemo utviklet i samarbeid med Lockheed Martin og NASA.

Callisto har innbygd Amazons Alexa-stemmeassistent og Ciscos Webex-kommunikasjonsplattform direkte i Orion-kapselens sentrale konsoll. Den kobler seg via NASAs Deep Space Network. Denne integreringen gir både astronauter og flyoperatører på Johnson Space Center en håndfri grensesnitt for dypromsoperasjoner.

En bemerkelsesverdig del av Callisto-prosjektet er dens offentlige aspekt. Under Artemis I-misjonen inviterte Lockheed Martin mennesker på jorden til å engasjere seg med integreringen direkte, samlet meldinger for menneskeheten og teamet bak Artemis-misjonene. Det er et tidlig eksempel på hvordan AI kan fungere som en bro mellom en misjon hundrevis av tusener av kilometer unna og den bredere offentligheten som følger med fra hjemmet.

Dyp læring for månenavigasjon

Å komme til månen er en utfordring. Å vite hvor astronautene befinner seg når de er der, er en annen oppgave. Siden Apollo-mannskapene arbeidet innenfor et mindre område, trengte de ikke presis breddeområdenavigasjon. Men Artemis-misjonene som tar mål på månens sydpol, vil kreve at astronautene orienterer seg over et større og mer komplekst terreng.

I 2018 bygde forskere ved Frontier Development Lab en AI-navigasjonstverktøy ved hjelp av en detaljert simulering av månens terreng. Astronauter kan ta bilder av omgivelsene, og dyp læring-modellene vil sammenligne dem med den simulerende omgivelsene for å presist bestemme deres koordinater.

Systemet fungerer som en GPS som arbeider med maskin-syn i stedet for satellitter, som viser stor løfte som misjoner vokser i omfang og ambisjon. AI brukes allerede over misjoner for å navigere og utforske nye terreng og eksoplaneter. Med tid kan denne teknologien utvikle seg videre og utvide menneskehetens kunnskap om universet.

Styringsgapet

Etterhvert som AI tar på seg mer ansvar i bemannede romferder, stiller regjeringer og institusjoner spørsmål om tilsyn og ansvar. FNs kontor for romsaker har kalt for styringsrammer som henger sammen med disse nøkkelobjektene:

• Etisk og gjennomsiktig AI for romoperasjoner: Dette krever forklarbare AI-systemer, meningsfullt menneskelig tilsyn og robuste sikkerhetsforanstaltninger, spesielt for kritiske funksjoner.
• Retferdighet, inklusivitet og global kapasitetsbygging: For å håndtere fordommer i AI-modeller og den ujevne fordelingen av ressurser, fremmer UNOOSA diverse datasett, åpen tilgang til data og verktøy, og målrettede treningsprogrammer for utviklingsland.
• Ansvarlig utvikling og bruk av geospasiale grunnmodeller: Mens de anerkjenner potensialet for store AI-modeller, betoner organisasjonen behovet for en omfattende vurdering utover nøyaktighet. Dette inkluderer faktorer som energiforbruk, robusthet og sosiale og etiske påvirkninger.
• Integrering av klimaresiliens og bærekraft: Kontoret krever integrering av klimaoverveielser gjennom hele livssyklusen til AI og jordovervåkningsteknologier.
• Beskyttelse av eierrett til data og integritet: Dette objektivet fokuserer på behovet for tiltak for å forhindre datamanipulering og sikre opphavet til geospasiale informasjoner.

En bemerkelsesverdig del av UNOOSA-s politikkbrev er oppfordringen om rammer for å lage sikkerhetssaker før deployering. Disse anbefalte politikker godkjenner AI-beslutninger innen definerte parametre for romferder hvor realtidsmenneskelig inngripen er umulig.

AI vil sannsynligvis ta beslutninger i rommet, spesielt i kritiske situasjoner hvor kommunikasjonssystemer er kompromittert. Mens teamene streber etter å forhindre at dette skjer, er det likevel viktig å forberede seg på disse situasjonene og bestemme under hvilke betingelser AI kan ta beslutninger og med hva slags menneskelig tilsyn.

Hva Artemis II beviste

Artemis II validerer med hell Orion-romfartøyets systemer, mannskapsoperasjoner og misjonsprosedyrer under forhold som ikke kan replikeres på jorden. På veien har det også validerert måtene mennesker og AI kan samarbeide utenfor atmosfæren.

Apollo-æraen krevde ekstraordinær menneskelig prestasjon under press, hovedsakelig på grunn av nødvendighet. Artemis tar en annen, mer fordelt tilnærming, som er samarbeidet mellom menneskelig intuisjon og trening og maskinintelligens.

Her håndterer AI den kontinuerlige, dataintensive overvåkingen som kan være utfordrende for mannskapet å håndtere. Denne assistansen har frigjort deres tid og innsats, og tillatt dem å fokusere på beslutningene og prosessene som bare mennesker kan gjøre.

For AI-entusiaster er Artemis II-månelanding en bevis på hva bevisst og gjennomtenkt AI-integrasjon kan oppnå, spesielt med fire liv som avhenger av at teknologien fungerer riktig.