นาซาใช้ A.I. สำหรับวิทยาศาสตร์อวกาศในปัจจุบัน

ในคำสั่งซื้อที่นาซ่าเผยแพร่เมื่อเดือนที่แล้ว องค์การนี้ระบุว่า A.I. มีศักยภาพที่จะช่วยแก้ปัญหาที่ยิ่งใหญ่ที่สุดในด้านวิทยาศาสตร์อวกาศ A.I. สามารถใช้ในการค้นหาชีวิตบนดาวเคราะห์อื่นหรือระบุดาวเคราะห์น้อย นักวิทยาศาสตร์ของนาซ่ากำลังร่วมมือกับผู้นำในอุตสาหกรรม AI เช่น Intel (INTC ), IBM และ Google (GOOGL ) ร่วมกันสามารถใช้อัลกอริทึมคอมพิวเตอร์ที่ซับซ้อนเพื่อแก้ปัญหาเหล่านี้

มีเทคโนโลยี A.I. บางอย่างที่นาซ่าพึ่งพา เช่น การเรียนรู้ของเครื่อง เพื่อแปลข้อมูล ข้อมูลนี้จะถูกเก็บโดยกล้องโทรทรรศน์ รวมถึงกล้องโทรทรรศน์อวกาศเจมส์ เว็บบ์ หรือดาวเทียมสำรวจดาวเคราะห์นอกระบบในอนาคต

จิอาดา อาร์นีย์ นักชีววิทยาดาวเคราะห์ tạiศูนย์อวกาศก็อดดาร์ดของนาซ่า ในกรีนเบลต์ รัฐแมริแลนด์ หวังว่าเครื่องเรียนรู้จะช่วยเธอและทีมงานค้นหาสัญญาณชีวิตในข้อมูลที่จะถูกเก็บโดยกล้องโทรทรรศน์และหอดูดาว

“เทคโนโลยีเหล่านี้มีความสำคัญมาก โดยเฉพาะสำหรับชุดข้อมูลขนาดใหญ่ และในด้านดาวเคราะห์นอกระบบ” อาร์นีย์กล่าวในคำสั่งซื้อ “เนื่องจากข้อมูลที่เราจะได้รับจากการสังเกตในอนาคตจะเป็นข้อมูลที่กระจัดกระจายและไม่ชัดเจน จะยากที่จะเข้าใจ ดังนั้นการใช้เครื่องมือเหล่านี้จึงมีศักยภาพที่จะช่วยเรา”

นาซ่าจัดการโปรแกรมระยะ 8 สัปดาห์ทุกฤดูร้อน โดยรวบรวมผู้นำในด้านเทคโนโลยีและอวกาศ ในชื่อ Frontier Development (FDL)

ชอว์น โดมัก-โกลด์แมน เป็นนักชีววิทยาดาวเคราะห์ของนาซ่า

“FDL เหมือนกับวงดนตรีที่ดีๆ ที่มีเครื่องดนตรีต่างๆ มารวมกันในห้องซ้อม เพื่อค้นหาสิ่งที่ดีๆ และพูดว่า ‘เฮ้ เรามีวงดนตรีแล้ว’” เขากล่าวในคำสั่งซื้อ

ในปี 2018 ทีม FDL ที่ได้รับการสนับสนุนจากโดมัก-โกลด์แมนและอาร์นีย์ พัฒนาวิธีการเรียนรู้ของเครื่องโดยใช้เครือข่ายประสาทเทียม วิธีนี้วิเคราะห์ภาพและระบุเคมีของดาวเคราะห์นอกระบบโดยใช้ความยาวคลื่นที่ปล่อยหรือดูดกลืนโดยโมเลกุลในบรรยากาศ

โดยใช้วิธีนี้ นักวิจัยสามารถระบุโมเลกุลต่างๆ ในบรรยากาศของดาวเคราะห์นอกระบบ WASP-12b ได้ วิธีนี้ทำได้แม่นยำกว่าวิธีอื่นๆ

ตามโดมัก-โกลด์แมน เครือข่ายประสาทเทียมยังสามารถระบุได้ว่าข้อมูลไม่เพียงพอในการให้ผลลัพธ์ที่แม่นยำ วิธีการเบย์เชียนนี้ยังสามารถบอกนักวิทยาศาสตร์ได้ว่ามั่นใจในผลลัพธ์เท่าใด

“ในสถานที่ที่ข้อมูลไม่ดีพอจะให้ผลลัพธ์ที่แม่นยำ วิธีนี้ดีกว่าในการรู้ว่าไม่แน่ใจในคำตอบ ซึ่งสำคัญมากหากเราต้องการเชื่อถือในผลลัพธ์เหล่านี้” โดมัก-โกลด์แมนกล่าว

วิธีการเบย์เชียนยังคงอยู่ในระหว่างการพัฒนา แต่เทคโนโลยี FDL อื่นๆ ได้ถูกนำไปใช้ในโลกแห่งความเป็นจริง ในปี 2017 โปรแกรมเรียนรู้ของเครื่องได้ถูกพัฒนาขึ้นโดยผู้เข้าร่วม FDL ซึ่งสามารถสร้างแบบจำลอง 3 มิติของดาวเคราะห์น้อยที่อยู่ใกล้ๆ ได้อย่างรวดเร็ว และสามารถประมาณรูปร่าง ขนาด และอัตราการหมุนของดาวเคราะห์น้อยได้อย่างแม่นยำ ข้อมูลนี้มีประโยชน์สำหรับนาซ่าในการตรวจจับและเปลี่ยนแนวทางของดาวเคราะห์น้อยที่เป็นอันตรายต่อโลก

นักวิทยาศาสตร์ดาราศาสตร์แบบดั้งเดิมใช้ซอฟต์แวร์คอมพิวเตอร์แบบง่ายๆ เพื่อสร้างแบบจำลอง 3 มิติ ซึ่งวิเคราะห์ข้อมูลเรดาร์ของดาวเคราะห์น้อยที่เคลื่อนที่ และให้ข้อมูลที่มีประโยชน์แก่นักวิทยาศาสตร์ในการอนุมานคุณสมบัติทางกายภาพตามการเปลี่ยนแปลงของสัญญาณเรดาร์

บิล ไดมอนด์ เป็นประธานและซีอีโอของ SETI

“นักวิทยาศาสตร์ดาราศาสตร์ที่มีความสามารถดีๆ พร้อมทรัพยากรคอมพิวเตอร์มาตรฐาน สามารถสร้างรูปทรงของดาวเคราะห์น้อยได้ภายใน 1-3 เดือน” ไดมอนด์กล่าว “ดังนั้นคำถามสำหรับทีมวิจัยคือ: เราสามารถเร่งกระบวนการนี้ได้หรือไม่?”

ทีมงานที่ประกอบด้วยนักเรียนจากฝรั่งเศส แอฟริกาใต้ และสหรัฐอเมริกา พร้อมทั้งผู้ให้คำปรึกษาจากรั้ววิชาการและบริษัทเทคโนโลยี Nividia ได้พัฒนาอัลกอริทึมที่สามารถสร้างแบบจำลอง 3 มิติของดาวเคราะห์น้อยได้ภายใน 4 วัน เทคนิคนี้ถูกใช้โดยนักวิทยาศาสตร์ดาราศาสตร์ที่หอดูดาว Arecibo ในเปอร์โตริโก และทำการสร้างแบบจำลองรูปทรงของดาวเคราะห์น้อยแบบเรียลไทม์

นักวิจัยยังแนะนำให้สร้างเทคโนโลยี A.I. ลงในยานอวกาศในอนาคต และจะช่วยให้ยานอวกาศสามารถตัดสินใจได้แบบเรียลไทม์

“วิธีการ A.I. จะช่วยให้เรามีพลังในการประมวลผลจากสมองของเราเองโดยการทำงานเบื้องต้นในงานที่ยากๆ” อาร์นีย์กล่าว “แต่วิธีการเหล่านี้จะไม่แทนที่มนุษย์ในเร็วๆ นี้ เพราะเรายังคงต้องตรวจสอบผลลัพธ์”