NASA Şu Anda Uzay Bilimi için A.I. Kullanıyor

NASA tarafından geçen ay yayınlanan bir açıklamada, kurum A.I.’in uzay bilimindeki bazı büyük sorunlara yardımcı olmak için potansiyeli olduğunu söyledi. A.I., diğer gezegenlerde yaşam aramak veya asteroidleri tanımlamak için kullanılabilir. NASA bilim adamları, Intel, IBM ve Google gibi AI endüstrisinin liderleriyle işbirliği yapıyor. Birlikte, bazı sorunları çözmek için gelişmiş bilgisayar algoritmalarını uygulayabilirler. 

NASA, makine öğrenimi gibi belirli A.I. teknolojilerine güveniyor. Bu teknoloji, teleskoplar tarafından toplanan verileri yorumlamak için kullanılacak. Bu teleskoplar arasında James Webb Uzay Teleskobu veya Gezegen Araştırma Uydusu gibi gelecekte veri toplayacak teleskoplar bulunacak.

NASA’nın Goddard Uzay Uçuş Merkezi’nde astrobiyolog olan Giada Arney, makine öğreniminin kendisine ve ekibine, teleskoplar ve gözlemevleri tarafından toplanan verilerde yaşamın bazı işaretlerini bulmada yardımcı olabileceğini umuyor. 

“Bu teknolojiler çok önemli, özellikle büyük veri setleri ve özellikle gezegenler alanında,” dedi Arney açıklamada. “Gelecek gözlemlerden elde edeceğimiz veriler seyrektir ve gürültülü olacaktır. Anlaşılması gerçekten zor olacak. Bu tür araçları kullanmak çok fazla potansiyele sahip.”

NASA, teknoloji ve uzay sektörlerinin liderlerini bir araya getiren sekiz haftalık bir programa her yaz sahip. Bu program Frontier Development (FDL) olarak adlandırılıyor.

Shawn Domagl-Goldman, bir NASA Goddard astrobiyologu. 

“FDL, farklı enstrümanlar ile gerçekten iyi müzisyenlerin bir araya gelip garajda bir jam session yapmaları ve gerçekten cool bir şey bulmaları ve ‘Hey, burada bir banda sahip olduğumuzu’ demeleri gibi geliyor,” dedi açıklamada.

2018’de, bir FDL ekibi Domagal-Goldman ve Arney tarafından mentörlandı ve sinir ağlarına dayanan bir makine öğrenimi tekniği geliştirdiler. Bu teknik, moleküllerin atmosferinde yaydıkları veya emdikleri ışık dalga boylarını kullanarak resimleri analiz ediyor ve gezegenlerin kimyasını tanımlıyor. 

Bu yeni tekniği kullanarak araştırmacılar, WASP-12b adlı bir gezegenin atmosferindeki çeşitli molekülleri daha doğru bir şekilde tanımlayabildiler. Bu teknik, diğer yöntemlerden daha doğru sonuçlar verdi. 

Domagal-Goldman’a göre, sinir ağı ayrıca veri eksikliğini de tanımlayabiliyor. Bayesian tekniği olarak adlandırılan bu yöntem, bilim insanlarına ayrıca tahmininin ne kadar kesin olduğunu söyleyebiliyor. 

“Verilerin gerçekten doğru bir sonuç vermeye yeterli olmadığı yerlerde, bu model gerçekten cevaptan emin olmadığını biliyordu, bu da bu tür tahminlere güvenmemiz için gerçekten önemli,” dedi Domagal-Goldman.

Bayesian tekniği hala geliştirilse de, diğer FDL teknolojileri gerçek dünyada kullanılıyor. 2017’de, FDL katılımcıları tarafından geliştirilen bir makine öğrenimi programı, yakındaki asteroidlerin 3D modellerini hızlı bir şekilde oluşturabiliyor ve ayrıca их şekillerini, boyutlarını ve dönme hızlarını doğru bir şekilde tahmin edebiliyordu. Bu tür bilgiler, NASA’nın Dünya’yı tehdit eden asteroidleri tespit etmek ve savuşturmak için faydalı oluyor. 

Astronomlar geleneksel olarak, bir asteroidin fiziksel özelliklerini radar sinyalindeki değişikliklere dayanarak çıkarmak için basit bilgisayar yazılımları kullanıyorlar. 

SETI’nin başkanı ve CEO’su Bill Diamond. 

“Standart hesaplama kaynaklarına sahip bir astronom, tek bir asteroidi 1-3 ayda şekillendirebilir,” dedi Diamond. “Araştırma ekibinin sorusu ise: Hızlandırabilir miyiz?”

Fransa, Güney Afrika ve ABD’den öğrenciler ve akademiden ve teknoloji şirketi Nividia’dan mentorlardan oluşan bir ekip, bir asteroidi sadece dört günde render edebilen bir algoritma geliştirdi. Bu teknik, şu anda Puerto Rico’daki Arecibo Gözlemevi’ndeki astronomlar tarafından kullanılıyor ve asteroidlerin gerçek zamanlı şekil modellemesini yapıyor. 

Araştırmacılar, A.I. teknolojilerinin gelecekteki uzay araçlarına entegre edilmesini ve bu sayede uzay araçlarının gerçek zamanlı kararlar almasına olanak tanıyabileceğini öneriyorlar.

“A.I. yöntemleri, zor görevlerin ilk aşamasını yaparak bizim beynimizden işlem gücünü serbest bırakmamıza yardımcı olacak,” dedi Arney. “Ancak bu yöntemler insanları yakın zamanda değiştirmeyecek, çünkü sonuçları kontrol etmemiz masih gerekecek.”