НАСА зараз використовує штучний інтелект для космічної науки

У заяві, опублікованій НАСА минулого місяця, агентство заявило, що штучний інтелект має потенціал допомогти вирішити деякі з найбільших проблем космічної науки. Штучний інтелект можна використовувати для пошуку життя на інших планетах або ідентифікації астероїдів. Ученні НАСА співпрацюють з лідерами галузі штучного інтелекту, такими як Intel (INTC ), IBM і Google. Разом вони можуть застосовувати передові комп’ютерні алгоритми для вирішення деяких цих проблем.

Є певні технології штучного інтелекту, на які НАСА покладаєся, такі як машинне навчання, для інтерпретації даних. Ці дані будуть зібрані телескопами, включаючи телескоп Джеймса Вебба або супутник для дослідження транзитних екзопланет, в якийсь момент у майбутньому.

Джада Арні, астробіолог у Центрі космічних польотів імені Ґоддарда НАСА в Ґрінбелті, штат Меріленд, сподівається, що машинне навчання допоможе їй і її команді знайти деякі ознаки життя в даних, які будуть зібрані телескопами і обсерваторіями.

“Ці технології дуже важливі, особливо для великих наборів даних і особливо в галузі екзопланет”, – сказав Арні в заяві. “Бо дані, які ми отримаємо від майбутніх спостережень, будуть розрідженими і шумними. Буде дуже важко їх зрозуміти. Тому використання таких інструментів має великий потенціал допомогти нам”.

НАСА проводить восьмитисячну програму кожне літо, яка збирає лідерів технологічної та космічної галузей, звану Frontier Development (FDL).

Шон Домагл-Ґолдман – астробіолог НАСА Ґоддарда.

“FDL схожа на групу дуже хороших музикантів з різними інструментами, які збираються для джем-сесії в гаражі, знаходить щось дуже круте і каже: «У нас є банда!»” – сказав він у заяві.

У 2018 році команда FDL, яку наставляли Домагл-Ґолдман і Арні, розробила техніку машинного навчання, яка використовує нейронні мережі. Вони аналізують зображення та ідентифікують хімію екзопланет, використовуючи довжини хвиль світла, які випромінюються або поглинаються молекулами в їх атмосфері.

За допомогою цієї нової техніки дослідники могли ідентифікувати різні молекули в атмосфері екзопланети WASP-12b. Ця техніка зробила це більш точно, ніж інші методи.

За словами Домагл-Ґолдмана, нейронна мережа також може ідентифікувати, коли даних недостатньо. Баєсівська техніка, як її називають, також може сказати вченим, наскільки вона впевнена у своєму прогнозі.

“У місцях, де дані не були достатньо добрими, щоб дати дуже точний результат, ця модель була кращою у тому, щоб знати, що вона не впевнена у відповіді, що дуже важливо, якщо ми хочемо довіряти цим прогнозам”, – сказав Домагл-Ґолдман.

Баєсівська техніка ще розробляється, але інші технології FDL вже використовуються у реальному світі. До 2017 року учасники FDL розробили програму машинного навчання, яка могла швидко створювати тривимірні моделі ближчих астероїдів. Вона також могла точно оцінювати їх форми, розміри та швидкості обертання. Ця інформація корисна для НАСА для виявлення та відхилення астероїдів, які загрожують Землі.

Астрономи традиційно використовують просте комп’ютерне програмне забезпечення для створення тривимірних моделей, яке аналізує радіолокаційні вимірювання рухомого астероїда. Воно надає корисну інформацію, щоб допомогти вченим вивести його фізичні властивості на основі змін радіосигналу.

Білл Даймонд – президент і головний виконавчий директор SETI.

“Здатний астроном з стандартними обчислювальними ресурсами міг би створити форму одного астероїда за один-три місяці”, – сказав Даймонд. “Тому питання для дослідницької команди було: Чи можемо ми прискорити це?”

Команда, до складу якої входили студенти з Франції, Південної Африки та США, а також наставники з академічних та технологічних компаній Nividia, розробили алгоритм, який міг створювати модель астероїда за чотири дні. Ця техніка зараз використовується астрономами в обсерваторії Аресібо в Пуерто-Рико, і вона здійснює реальне моделювання форми астероїдів у реальному часі.

Дослідники також пропонують, щоб технології штучного інтелекту були закладені в майбутні космічні кораблі, і що це дозволить космічним кораблям приймати рішення в реальному часі.

“Методи штучного інтелекту допоможуть нам звільнити обчислювальну потужність наших власних мозгів, виконавши багато початкової роботи над складними завданнями”, – сказала Арні. “Але ці методи не замінять людей будь-як скоро, тому що нам все ще потрібно буде перевірити результати”.