人工智能
AI 如何帮助发射阿尔忒弥斯二号月球任务
2026 年 4 月 1 日，四名宇航员系紧在猎户座航天器中，乘坐火箭飞向历史。指挥官 Reid Wiseman、飞行员 Victor Glover 和任务专家 Christina Koch 及 Jeremy Hansen 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长的成就。然而，它也展示了 AI 在太空探索中的合作伙伴作用。
SIAT：监视一切的 AI
猎户座航天器的核心智能系统是系统不变性分析技术（SIAT），由 NEC Corp. 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，并在故障升级之前标记偏差。
在评估期间，SIAT 模拟了数十亿个关系，跨越多个系统变量和传感器。像猎户座这样的现代航天器系统会生成大量遥测和测试数据，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，涵盖设计、开发、生产和实时任务操作。
SIAT 是许多 AI 模型之一，它们远离聚光灯，但在载人航天器中至关重要。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，排练了不能在地球正常条件下测试的场景。
数字孪生模拟指的是 AI 驱动的航天器物理系统的虚拟模型。这些工具允许团队对航天器和任务的关键要素进行压力测试，例如 生命支持、导航和通信，在几乎无法或危险地在地球实验室中复制的条件下。
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。这种架构与实时管理轨迹的自主算法相结合，允许航天器在深空旅行中经历的延长通信中断期间维持操作。
亚历克斯在轨道上：卡利斯托技术演示
阿尔忒弥斯任务中最显著的 AI 应用之一是卡利斯托，这是一项由洛克希德·马丁和 NASA 协作开发的技术演示。
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胶囊的中央控制台。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公共面向元素。在阿尔忒弥斯 I 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 AI 如何作为一项任务与其遥远的更广泛公众之间的桥梁的早期例子。
深度学习用于月球导航
到达月球是一个挑战。另一项任务是让宇航员知道他们一旦到达月球后所在的位置。由于阿波罗船员工作在一个较小的区域内，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、更复杂的地域中定位自己。
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 AI 导航工具。宇航员可以 捕获环境的图像，并且深度学习模型将其与模拟环境进行比较，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。AI 已经被用于导航和探索新的地形和系外行星。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 AI 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的 AI：这需要可解释的 AI 系统、有意义的人类监督和强大的故障保护，特别是对于关键功能。
- 公平性、包容性和全球能力建设：为了解决 AI 模型中的偏见和资源分配不均，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。
- 地理基础模型的负责任开发和使用：虽然承认大型 AI 模型的潜力，但该组织强调了需要超越准确性的全面评估，包括能耗、健壮性以及社会和道德影响等因素。
- 集成气候恢复力和可持续性：办公室呼吁在整个 AI 和地球观测技术的生命周期中集成气候考虑因素。
- 保护数据所有权和完整性：这一目标集中在防止数据操纵和确保地理空间信息来源的必要措施上。
UNOOSA 政策简报中值得注意的一部分是呼吁创建部署前安全案例的框架。这些推荐的政策在定义的参数内预先授权 AI 决策，适用于实时人类干预不可能的太空任务。
AI 很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 AI 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 AI 在大气层以外的合作方式。
阿波罗时代需要在压力下表现出卓越的人类表现，主要是由于必要性。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的合作。
在这里，AI 处理了对机组人员来说具有挑战性的持续、数据密集的监测。这种帮助释放了他们的时间和精力，使他们能够专注于只有人类才能做出的决定和过程。
对于 AI 爱好者来说，阿尔忒弥斯二号月球任务是故意和周密的 AI 集成可以实现的概念证明，特别是当四条生命依赖于技术做对的时候。
