โมเดลและแพลตฟอร์ม AI

AI ช่วยสนับสนุนการส่งภารกิจอาร์เทมิส II ไปสำรวจดวงจันทร์ได้อย่างไร

Zac Amos
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญSIAT…
ดูเพิ่มเติม
  • SIAT ตรวจสอบความสัมพันธ์ของเซนเซอร์นับพันล้านรายการเพื่อจับความล้มเหลวของยานอวกาศก่อนที่จะลุกลาม
  • Callisto ผสานรวม Alexa และ Webex เพื่อการสื่อสารในห้วงอวกาศแบบแฮนด์ฟรีผ่านเครือข่ายห้วงอวกาศ (Deep Space Network)
  • UNOOSA เรียกร้องให้มีกรณีความปลอดภัยก่อนการติดตั้งใช้งานที่อนุญาตให้ AI ตัดสินใจเมื่อมนุษย์ไม่สามารถแทรกแซงได้

เมื่อวันที่ 1 เมษายน 2026 นักบินอวกาศสี่คนคาดเข็มขัดภายในยาน Orion และเดินทางด้วยจรวดสู่ประวัติศาสตร์ ผู้บัญชาการ Reid Wiseman นักบิน Victor Glover และผู้เชี่ยวชาญภารกิจ Christina Koch และ Jeremy Hansen เป็นมนุษย์กลุ่มแรกที่เดินทางไปรอบดวงจันทร์นับตั้งแต่ภารกิจ Apollo

ภารกิจ 10 วันของพวกเขาคือความสำเร็จของความคิดสร้างสรรค์และความเชี่ยวชาญของมนุษย์ อย่างไรก็ตาม ยังแสดงให้เห็นว่า AI เป็นหุ้นส่วนในการสำรวจอวกาศ

SIAT: AI ที่ดูทุกอย่าง

ที่ใจกลางของระบบอัจฉริยะบนยานอวกาศ Orion คือระบบที่เรียกว่า System Invariant Analysis Technology (SIAT) ซึ่งพัฒนาโดย NEC Corp. และรวมเข้ากับระบบอวกาศของ Lockheed Martin (LMT ) SIAT เป็นเครื่องมือวิเคราะห์ที่ติดตามข้อมูลเซ็นเซอร์อย่างต่อเนื่อง โดยเรียนรู้พฤติกรรมปกติของระบบที่ซับซ้อนและแจ้งเตือนการเปลี่ยนแปลงก่อนที่จะเกิดความล้มเหลว

ระหว่างการประเมิน SIAT สร้างแบบจำลองความสัมพันธ์หลายพันล้านระหว่างตัวแปรและเซ็นเซอร์หลายตัว ระบบอวกาศสมัยใหม่เช่น Orion สร้างข้อมูลโทรมาตรและข้อมูลทดสอบจำนวนมาก ดังนั้น SIAT จึงมีข้อมูลมากมายที่จะทำงาน นอกจากนี้ยังต้องวิเคราะห์ข้อมูลด้วยความเร็วที่เกินความสามารถของมนุษย์

เทคโนโลยีนี้ถูกฝังอยู่ใน แพลตฟอร์ม Technology for Telemetry Analytics for Universal Artificial Intelligence (T-TAURI)ของ Lockheed Martin ซึ่งเป็นเฟรมเวิร์กการวิเคราะห์ที่สร้างภาพรวมของสุขภาพของยานอวกาศ การเชื่อมต่อนี้ส่งผลให้เกิดการตรวจจับความผิดปกติเชิงรุก ซึ่งครอบคลุมการออกแบบ การพัฒนา การผลิต และการดำเนินงานภารกิจ

SIAT เป็นหนึ่งในแบบจำลอง AI หลายตัว ที่อยู่ห่างจากจุดสนใจ แต่ก็มีความสำคัญอย่างมากในยานอวกาศที่มีคนขับ ระบบทำงานอย่างเงียบๆ แต่ตรวจพบปัญหาที่อาจติดตามด้วยตนเองได้ยาก

ดิจิทัลทวินและระบบที่ทำงานอย่างอิสระ

ก่อนที่นักบินอวกาศจะขึ้นยาน Orion วิศวกรและลูกเรือได้ทำการจำลองแบบเต็มในตัวจำลองของยานอวกาศ โดยซ้อมรูปแบบที่ไม่สามารถทดสอบได้ในสภาพปกติของโลก

การจำลองแบบดิจิทัลทวินหมายถึงแบบจำลองเสมือนของระบบทางกายภาพของยานอวกาศ โดยใช้ AI เครื่องมือเหล่านี้ช่วยให้ทีมทดสอบความทนทานของส่วนสำคัญของยานอวกาศและภารกิจ เช่น ระบบช่วยชีวิต การนำทางและการสื่อสารภายใต้สภาพที่แทบเป็นไปไม่ได้หรืออันตรายที่จะจำลองในห้องปฏิบัติการบนโลก

คอมพิวเตอร์บนยานอวกาศได้รับการออกแบบให้ทำงานระบบสำคัญภายใต้สภาพรังสีที่สูงในอวกาศ สถาปัตยกรรมนี้รวมกับอัลกอริทึมแบบอัตโนมัติที่จัดการเส้นทางในเวลาจริง ทำให้ยานอวกาศสามารถดำเนินการต่อได้ระหว่างการหยุดสื่อสารที่ยาวนานซึ่งเป็นส่วนหนึ่งของการเดินทางในอวกาศ

Alexa ในวงโคจร: การแสดงเทคโนโลยี Callisto

หนึ่งในแอปพลิเคชัน AI ที่มีคนเห็นได้ชัดเจนที่สุดบนภารกิจอาร์เทมิสคือ Callisto ซึ่งเป็นการแสดงเทคโนโลยีที่พัฒนาโดย Lockheed Martin และ NASA

Callisto ได้ รวมผู้ช่วยเสียง Alexa ของ Amazon และ แพลตฟอร์มสื่อสาร Webex ของ Cisco เข้ากับคอนโซลกลางของแคปซูล Orion โดยเชื่อมต่อกับเครือข่ายอวกาศลึกของ NASA การรวมนี้ให้อินเทอร์เฟซแบบไม่ต้องใช้มือสำหรับนักบินอวกาศและผู้ควบคุมการบิน ที่ศูนย์อวกาศจอห์นสันสำหรับปฏิบัติการในห้วงอวกาศลึก

ด้านหนึ่งที่น่าสนใจของโครงการ Callisto คือส่วนติดต่อผู้ใช้ที่เผยแพร่สู่สาธารณะ ระหว่างภารกิจอาร์เทมิส I Lockheed Martin ได้เชิญชวนผู้คนบนโลกให้เข้าร่วมการรวมนี้โดยตรง โดยรวบรวมข้อความสำหรับมนุษยชาติและทีมงานเบื้องหลังภารกิจอาร์เทมิส เป็นตัวอย่างแรกของวิธีการที่ AI สามารถเป็นสะพานเชื่อมระหว่างภารกิจที่อยู่ไกลหลายแสนไมล์กับสาธารณชนที่ติดตามจากบ้าน

การเรียนรู้ลึกสำหรับการนำทางดวงจันทร์

การเดินทางไปดวงจันทร์เป็นความท้าทายหนึ่ง แต่การให้นักบินอวกาศรู้ตำแหน่งของตนเองเมื่ออยู่ที่นั่นคืออีกความท้าทายหนึ่ง เนื่องจากลูกเรือของ Apollo ทำงานในพื้นที่ที่เล็กกว่า จึงไม่ต้องการการนำทางพื้นที่กว้างๆ อย่างแม่นยำ แต่ภารกิจอาร์เทมิสที่มุ่งหน้าไปยังขั้วใต้ของดวงจันทร์จะต้องให้นักบินอวกาศสามารถกำหนดทิศทางในพื้นที่ที่ซับซ้อนและกว้างขึ้น

ในปี 2018 นักวิจัยที่ Frontier Development Lab ได้สร้างเครื่องมือนำทาง AI โดยใช้การจำลองพื้นที่ดวงจันทร์ที่มีรายละเอียด นักบินอวกาศสามารถ บันทึกภาพสภาพแวดล้อมและแบบจำลองการเรียนรู้ลึกจะเทียบเคียงภาพเหล่านั้นกับพื้นที่จำลองเพื่อกำหนดพิกัดของพวกเขาอย่างแม่นยำ

ระบบนี้ทำงานเหมือน GPS ที่ใช้การมองเห็นของเครื่องจักรแทนการส่งสัญญาณดาวเทียม ซึ่งแสดงถึงความหวังที่ดีสำหรับภารกิจที่มีขนาดใหญ่และทะเยอทะยานมากขึ้น AI ถูกใช้ในภารกิจต่างๆ เพื่อนำทางและสำรวจภูมิประเทศใหม่ๆ รวมทั้งดาวเคราะห์นอกระบบแล้ว และเมื่อเวลาผ่านไป เทคโนโลยีนี้สามารถพัฒนาและขยายความรู้ของมนุษยชาติเกี่ยวกับจักรวาลได้

ช่องว่างการกำกับดูแล

เมื่อ AI มีบทบาทมากขึ้นในการบินอวกาศที่มีคนขับ รัฐบาลและสถาบันต่างๆ ก็เริ่มถามคำถามเกี่ยวกับการกำกับดูแลและความรับผิดชอบ สำนักงานสหประชาชาติว่าด้วยกิจการอวกาศได้ เรียกร้องให้มีกรอบการกำกับดูแลที่ขึ้นอยู่กับวัตถุประสงค์หลักๆ ดังนี้

  • AI ที่มีจริยธรรมและโปร่งใสสำหรับการดำเนินงานอวกาศ: ซึ่งหมายถึงระบบ AI ที่สามารถอธิบายได้ การกำกับดูแลของมนุษย์ที่มีความหมาย และการป้องกันความล้มเหลวที่มีประสิทธิภาพ โดยเฉพาะสำหรับฟังก์ชันสำคัญ
  • ความเป็นธรรม การมีส่วนร่วมอย่างทั่วถึง และการสร้างความสามารถระดับโลก: เพื่อแก้ไขปัญหาความลำเอียงในแบบจำลอง AI และการกระจายทรัพยากรที่ไม่เท่าเทียม UNOOSA ส่งเสริมให้มีเซตข้อมูลที่หลากหลาย การเข้าถึงข้อมูลและเครื่องมือแบบเปิด และโปรแกรมฝึกอบรมที่มุ่งเป้าไปที่ประเทศกำลังพัฒนา
  • การพัฒนาและการใช้แบบจำลองพื้นฐานทางภูมิศาสตร์ที่มีความรับผิดชอบ: องค์กรยอมรับถึงศักยภาพของแบบจำลอง AI ขนาดใหญ่ แต่เน้นย้ำถึงความจำเป็นในการประเมินอย่างครอบคลุมมากกว่าความแม่นยำ ซึ่งรวมถึงปัจจัยเช่น การบริโภคพลังงาน ความแข็งแกร่ง และผลกระทบทางสังคมและจริยธรรม
  • การบูรณาการความสามารถในการทนต่อการเปลี่ยนแปลงสภาพภูมิอากาศและความยั่งยืน: สำนักงานเรียกร้องให้มีการบูรณาการการพิจารณาเรื่องสภาพภูมิอากาศตลอดวงจรชีวิตของ AI และเทคโนโลยีการสังเกตการณ์โลก
  • การคุ้มครองการเป็นเจ้าของและความสมบูรณ์ของข้อมูล: วัตถุประสงค์นี้มุ่งเน้นไปที่ความจำเป็นในการนำมาตรการมาใช้ป้องกันการปลอมแปลงข้อมูลและรับประกันการสืบย้อนแหล่งที่มาของข้อมูลภูมิสารสนเทศ

ส่วนสำคัญของเอกสารสรุปนโยบาย UNOOSA คือการเรียกร้องกรอบการจัดทำเหตุผลรองรับความปลอดภัยก่อนนำไปใช้งาน นโยบายที่แนะนำเหล่านี้อนุมัติการตัดสินใจของ AI ล่วงหน้าภายในขอบเขตที่กำหนด สำหรับภารกิจอวกาศที่มนุษย์ไม่สามารถแทรกแซงได้แบบเรียลไทม์

AI มีแนวโน้มที่จะทำการตัดสินใจในอวกาศ โดยเฉพาะในกรณีฉุกเฉินที่ระบบสื่อสารถูกทำลาย แม้ว่าทีมงานจะพยายามป้องกันไม่ให้เกิดเหตุการณ์นี้ แต่ก็ยังสำคัญที่จะต้องเตรียมพร้อมสำหรับสถานการณ์เหล่านี้ และกำหนดว่า AI สามารถตัดสินใจได้ภายใต้เงื่อนไขใดและด้วยการกำกับดูแลของมนุษย์ในระดับใด

สิ่งที่อาร์เทมิส II ได้พิสูจน์

อาร์เทมิส II ได้พิสูจน์ความสำเร็จของระบบยานอวกาศ Orion การดำเนินงานของลูกเรือ และขั้นตอนการเดินทางในเงื่อนไขที่ไม่สามารถจำลองได้บนโลก นอกจากนี้ยังพิสูจน์ถึงวิธีการทำงานร่วมกันระหว่างมนุษย์และ AI นอกชั้นบรรยากาศ

ยุค Apollo ต้องการสมรรถนะอันยอดเยี่ยมของมนุษย์ภายใต้แรงกดดัน ซึ่งมาจากความจำเป็น อาร์เทมิสกำลังใช้แนวทางที่แตกต่างและกระจายออกไป ซึ่งเป็นการทำงานร่วมกันระหว่างสัญชาตญาณและฝึกอบรมของมนุษย์กับปัญญาเครื่องจักร

ที่นี่ AI จัดการการตรวจสอบข้อมูลอย่างต่อเนื่องที่สามารถท้าทายสำหรับลูกเรือในการจัดการ ซึ่งช่วยให้พวกเขามีเวลาและความพยายามในการตัดสินใจและกระบวนการที่ต้องทำโดยมนุษย์

สำหรับผู้ที่ชื่นชอบ AI ภารกิจสำรวจดวงจันทร์อาร์เทมิส IIเป็นตัวอย่างการบูรณาการ AI ที่มีจุดมุ่งหมายและรอบคอบ ซึ่งสามารถบรรลุผลสำเร็จได้ โดยเฉพาะอย่างยิ่งเมื่อชีวิตสี่ชีวิตขึ้นอยู่กับเทคโนโลยีที่ต้องทำสิ่งที่ถูกต้อง

Zac Amos เป็นนักเขียนเทคโนโลยีที่มุ่งเน้นด้านปัญญาประดิษฐ์ เขายังเป็นบรรณาธิการบทความสารคดีที่ ReHack ซึ่งคุณสามารถอ่านผลงานเพิ่มเติมของเขาได้