Hvordan AI hjalp til å lansere Artemis II-månelandingen

Den 1. april 2026 strøk fire astronauter inn i 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 det viste også AI som en partner i romutforskning.

SIAT: AI som overvåker alt

I sentrum av Orion-skipets onboard-intelligens er et system kalt System Invariant Analysis Technology (SIAT), som ble utviklet av NEC Corp. og integrert i Lockheed Martin’s (LMT ) romfartøysystemer. SIAT er en analyse-motor som overvåker sensor-data kontinuerlig, lærer av komplekse systemers normale atferd og markerer avvik før de eskalerer til feil.

Under evalueringer modellerte SIAT milliarder av relasjoner over flere system-variabler og sensorer. Moderne romfartøysystemer som Orion genererer store mengder telemetri- og test-data, 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’s Technology for Telemetry Analytics for Universal Artificial Intelligence (T-TAURI) plattform, en analyse-ramme som skaper en omfattende bilde av romfartøyets helse. Denne tilkoblingen resulterer i proaktiv anomali-oppdaging 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 bemannet 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 fullstendige simulasjoner innenfor en kopi av romfartøyet, og øvde scenarier som ikke kunne testes under jordens vanlige forhold.

Digitale tvilling-simulasjoner refererer til AI-drevne virtuelle modeller av romfartøyets fysiske systemer. Disse verktøyene tillot lagene å stress-teste livsviktige elementer av romfartøyet og misjonen, slik som 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 drift under de høyradiasjonsforholdene i rommet. Denne arkitekturen, kombinert med autonome algoritmer som håndterer banen i sanntid, tillot romfartøyet å opprettholde operasjoner under de forlengede kommunikasjons-svart-utene som er en del av dyprom-ferd.

Alexa i bane: Callisto-teknologidemonstrasjonen

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

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

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, og samlet inn meldinger for menneskeheten og laget bak Artemis-misjonene. Dette er et tidlig eksempel på hvordan AI kan fungere som en bro mellom en misjon hundrevis av tusenvis av kilometer unna og den bredere offentligheten som følger med fra hjemmet.

Dyp læring for månenavigasjon

Å komme til månen er en utfordring. Å ha astronauter som vet sin posisjon når de er der, er en annen oppgave. Siden Apollo-mannskapene arbeidet innenfor et mindre område, trengte de ikke presis bredde-navigasjon. Men Artemis-misjonene som tar sikte på månens sørlige pol, vil kreve at astronautene orienterer seg over et større og mer komplekst terreng.

I 2018 bygde forskere ved Frontier Development Lab en AI-navigasjonsverktøy ved hjelp av en detaljert simulering av månens terreng. Astronauter kan ta bilder av sin omgivelse, og dyp-læringsmodeller vil sammenligne dem med den simulerende omgivelsen for å bestemme deres koordinater nøyaktig.

Systemet fungerer som en GPS som arbeider med maskin-syn i stedet for satellitter, som viser stor løfte som misjonene 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

Ettersom AI tar på seg mer ansvar i bemannet romferd, stiller regjeringer og institusjoner spørsmål om tilsyn og ansvar. FN’s kontor for utenomjordisk rom har krevd styringsrammer som henger sammen med disse nøkkel-målene:

• Etisk og gjennomsiktig AI for rom-operasjoner: 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 urene fordelt ressurser, fremmer UNOOSA diverse datasett, åpen tilgang til data og verktøy, og målrettede treningprogrammer for utviklingsland.
• Ansvarlig utvikling og bruk av geospatialt grunnlagsmodell: 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 klima-hensyn gjennom hele livssyklusen til AI og jord-observasjonsteknologier.
• Beskyttelse av eierrett og integritet: Dette målet fokuserer på behovet for tiltak for å forhindre data-manipulering og sikre opphav til geospatial informasjon.

En bemerkelsesverdig del av UNOOSA’s politikk-brev er kravet om rammer for å opprette før-deployering-sikkerhetssaker. Disse anbefalte politikker forhåndsgodkjenner AI-beslutninger innenfor definerte parametre for rom-misjoner hvor sanntids-menneskelig inngripen er umulig.

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

Hva Artemis II beviste

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

Apollo-æraen krevde ekstraordinær menneskelig ytelse under press, hovedsakelig på grunn av nødvendighet. Artemis tar en annen, mer distribuert tilnærming, som er samarbeidet mellom menneskelig intuition og trening og maskin-intelligens.

Her håndterer AI den kontinuerlige, data-intensiv 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-månelandingen et bevis på hva en bevisst og gjennomtenkt AI-integrasjon kan oppnå, spesielt med fire liv som avhenger av teknologien som fungerer riktig.