人工智能如何帮助发射阿尔忒弥斯二号月球任务

2026年4月1日，四名宇航员登上了猎户座航天器，并乘坐火箭创造了历史。指挥官里德·威斯曼、飞行员维克托·格洛弗和任务专家克里斯蒂娜·科赫和杰里米·汉森成为自阿波罗任务以来首批环绕月球的宇航员。

他们的10天任务是人类智慧和专业知识的壮举。然而，它也展示了人工智能作为太空探索的合作伙伴。

SIAT：监视一切的AI

猎户座航天器的核心是系统不变量分析技术（SIAT），由NEC公司开发并集成到洛克希德·马丁的航天器系统中。SIAT是一个分析引擎，持续监测传感器数据，学习复杂系统的正常行为，并在它们升级为故障之前标记偏差。

在评估期间，SIAT 模拟了数十亿个关系，跨越了众多系统变量和传感器。像猎户座这样的现代航天器系统会产生大量的遥测和测试数据，因此SIAT有很多工作要做。这种信息量，以及需要分析的速度，超出了人类操作员的能力。

该 技术嵌入在洛克希德·马丁的遥测分析通用人工智能（T-TAURI）平台中，该平台是一个分析框架，创建了航天器健康状况的全面图景。这种连接导致了主动的异常检测，涵盖了设计、开发、生产和实时任务操作。

SIAT是许多人工智能模型中的一种，远离聚光灯，但对于载人航天器来说至关重要。它安静但能够捕捉到手动监测具有挑战性的问题。

数字孪生和自主系统

在任何宇航员登上猎户座之前，工程师和机组人员在航天器的复制品中运行了完整的模拟，排练了不能在正常地球条件下测试的场景。

数字孪生模拟是指人工智能驱动的航天器物理系统的虚拟模型。这些工具使团队能够压力测试航天器和任务的关键元素，例如生命支持、导航和通信，在几乎不可能或危险的条件下复制地球实验室中的条件。

航天器上的计算机被设计为在太空的高辐射条件下保持关键系统的运行。这种架构，结合实时管理轨迹的自主算法，使航天器能够在深空旅行期间维持操作，在此期间会出现延长的通信中断。

亚历克斯在轨道：卡利斯托技术演示

阿尔忒弥斯任务中最显著的人工智能应用之一是卡利斯托，一种由洛克希德·马丁和NASA合作开发的技术演示。

卡利斯托 嵌入了亚马逊的Alexa语音助手和思科的Webex通信平台直接到猎户座航天器的中央控制台。它通过NASA的深空网络连接。这种集成为宇航员和约翰逊航天中心的飞行操作员提供了深空操作的无手界面。

卡利斯托项目的一个显著方面是其面向公众的元素。在阿尔忒弥斯一号任务期间，洛克希德·马丁邀请地球上的人们直接与集成互动，收集人类和阿尔忒弥斯任务团队的信息。这是人工智能如何作为连接任务和更广泛公众之间桥梁的早期例子。

月球导航的深度学习

到达月球是一个挑战，知道宇航员在月球上的位置是另一个任务。由于阿波罗船员在较小的区域工作，因此他们不需要精确的广域导航。然而，针对月球南极的阿尔忒弥斯任务需要宇航员在更大、更复杂的地区定位自己。

2018年，边疆开发实验室的研究人员使用月球地形的详细模拟构建了一个人工智能导航工具。宇航员可以 拍摄周围环境的照片，深度学习模型将其与模拟的周围环境进行比较，以精确定位他们的坐标。

该系统的功能类似于使用机器视觉而不是卫星的GPS，这表明随着任务的范围和雄心壮志的增长，它具有很大的潜力。人工智能已经被用于导航和探索新的地形和外星行星。随着时间的推移，这项技术可以进一步发展并扩大人类对宇宙的了解。

治理差距

随着人工智能在载人航天中承担更多责任，政府和机构正在提出关于监督和问责的疑问。联合国外层空间事务厅已经 呼吁治理框架，这些框架依赖于以下关键目标：

• 太空操作的道德和透明人工智能：这需要可解释的人工智能系统、有意义的人类监督和强大的故障安全，特别是对于关键功能。
• 公平、包容和全球能力建设：为了解决人工智能模型中的偏见和资源的不均匀分布，UNOOSA倡导多样化的数据集、开放访问数据和工具，以及针对发展中国家的有针对性的培训计划。
• 地理空间基础模型的负责任开发和使用：虽然承认大型人工智能模型的潜力，但该组织强调了需要超越准确性的全面评估。这包括诸如能耗、鲁棒性和社会、道德影响等因素。
• 集成气候恢复力和可持续性：该办公室呼吁在整个人工智能和地球观测技术的生命周期中集成气候考虑。
• 保护数据所有权和完整性：该目标侧重于防止数据操纵和确保地理空间信息的来源的必要措施。

UNOOSA政策简报的一个显著部分是呼吁创建预部署安全案例的框架。这些推荐的政策预先授权人工智能决策在定义的参数内，对于无法进行实时人类干预的太空任务。

人工智能可能会在太空中做出决定，特别是在通信系统受损的紧急情况下。虽然团队正在努力防止这种情况发生，但为这些情况做好准备并确定人工智能可以在什么条件下做出决定以及需要什么级别的人类监督仍然至关重要。

阿尔忒弥斯二号的成就

阿尔忒弥斯二号成功验证了猎户座航天器的系统、机组人员操作和任务程序，在无法在地球上复制的条件下。同时，它也验证了人类和人工智能在大气层之外的合作方式。

阿波罗时代需要人类在压力下表现出非凡的能力，主要是出于必要性。阿尔忒弥斯采取了不同的、更分散的方法，即人类直觉和训练与机器智能之间的合作。

在这里，人工智能处理可能对机组人员具有挑战性的持续、数据密集型监测。这种协助使他们的时间和精力得以释放，允许他们专注于只有人类才能做出的决定和过程。

对于人工智能爱好者来说，阿尔忒弥斯二号月球任务是故意和周密的人工智能集成可以实现的概念证明，尤其是当四条生命依赖于技术的正确性时。