NASA 目前正在将人工智能用于空间科学

在一个 美国宇航局上个月发布的声明该机构表示，人工智能有潜力帮助解决空间科学中一些最大的问题。 人工智能可用于寻找其他行星上的生命或识别小行星。 NASA 科学家正在与英特尔、IBM 和谷歌等人工智能行业的领导者合作。 他们可以一起应用先进的计算机算法来解决其中一些问题。 

NASA 依赖某些人工智能技术（例如机器学习）来解释数据。然后，这些数据将由望远镜收集，包括詹姆斯韦伯空间 望远镜或凌日系外行星勘测卫星，在未来的某个时刻。

马里兰州格林贝尔特美国宇航局戈达德太空飞行中心的天体生物学家 Giada Arney 希望机器学习能够帮助她和她的团队在望远镜和天文台收集的数据中找到生命的迹象。 

“这些技术非常重要，特别是对于大数据集，尤其是在系外行星领域，”阿尼在声明中说。 “因为我们从未来的观测中获得的数据将是稀疏且嘈杂的。 这真的很难理解。 因此，使用这些工具对我们有很大的帮助。”

美国国家航空航天局 (NASA) 每年夏天都会开展一项为期八周的项目，汇集技术和太空领域的领导者，称为前沿开发 (FDL)。

肖恩·多马格-戈德曼 (Shawn Domagl-Goldman) 是美国宇航局戈达德天体生物学家。 

“FDL 感觉就像一些非常优秀的音乐家用不同的乐器聚集在一起在车库里进行即兴演奏，发现一些非常酷的东西，然后说，‘嘿，我们这里有一支乐队，’”他在声明中说。

早在 2018 年，FDL 团队在 Domagal-Goldman 和 Arney 的指导下，开发了一种依赖神经网络的机器学习技术。 他们通过利用大气中分子发射或吸收的光的波长来分析图像并识别系外行星的化学成分。 

通过使用这项新技术，研究人员可以识别系外行星 WASP-12b 大气中的各种分子。 该技术比其他方法更准确地做到了这一点。 

根据 Domagal-Goldman 的说法，神经网络还可以识别何时缺乏数据。 所谓的贝叶斯技术也可以告诉科学家其预测的确定性。 

“在数据不足以给出真正准确结果的地方，该模型更擅长知道它不确定答案，如果我们要相信这些预测，这一点非常重要，”Domagal-Goldman说。

贝叶斯技术仍在开发中，但其他 FDL 技术正在现实世界中使用。 到 2017 年，FDL 参与者开发了一个机器学习程序，能够快速创建附近小行星的 3D 模型。 它还可以准确地估计它们的形状、大小和旋转速率。 此类信息对于美国宇航局检测和偏转威胁地球的小行星很有用。 

天文学家传统上使用简单的计算机软件来创建 3D 模型，并分析移动小行星的雷达测量结果。 然后，它提供有用的信息，帮助科学家根据雷达信号的变化推断其物理特性。 

比尔·戴蒙德 (Bill Diamond) 是 SETI 的总裁兼首席执行官。 

戴蒙德说：“一位熟练的天文学家拥有标准的计算资源，可以在一到三个月内塑造一颗小行星。” “所以研究团队的问题是：我们能加快速度吗？”

该团队由来自法国、南非和美国的学生以及来自学术界和科技公司 Nividia 的导​​师组成，开发了一种能够在短短四天内渲染小行星的算法。 目前，波多黎各阿雷西博天文台的天文学家正在使用该技术，对小行星进行实时形状建模。 

研究人员还建议将人工智能技术内置到未来的航天器中，这将使航天器能够做出实时决策。

“人工智能方法将帮助我们通过完成困难任务的大量初始跑腿工作来释放大脑的处理能力，”阿尼说。 “但这些方法不会很快取代人类，因为我们仍然需要检查结果。”