美国国家航空航天局目前正在使用人工智能进行太空科学研究

在美国国家航空航天局上个月发布的一份声明中，该机构表示，人工智能有助于解决太空科学中一些最大的问题。人工智能可以用于搜索其他行星上的生命或识别小行星。美国国家航空航天局的科学家正在与人工智能行业的领导者，如英特尔、IBM和谷歌合作。他们可以将先进的计算机算法应用于解决这些问题。

美国国家航空航天局正在依赖某些人工智能技术，例如机器学习，来解释数据。这些数据将由望远镜收集，包括詹姆斯·韦伯太空望远镜或凌日系外行星调查卫星，在未来某个时候。

美国国家航空航天局戈达德太空飞行中心的天体生物学家吉亚达·阿尔尼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和系外行星领域，”阿尔尼在声明中说。“因为我们将从未来的观测中获得的数据将是稀疏和嘈杂的。它将非常难以理解。因此，使用这些工具具有巨大的潜力来帮助我们。”

美国国家航空航天局每年夏天都会举办一个为期八周的项目，汇集技术和太空领域的领导者，称为边疆发展（FDL）。

肖恩·多马格尔-戈尔德曼是美国国家航空航天局戈达德的天体生物学家。

“FDL感觉就像一些擅长不同乐器的优秀音乐家聚集在一起，在车库里进行即兴演奏，找到一些真正酷的事情，并说，‘嘿，我们有一个乐队在这里，’”他在声明中说。

2018年，一个FDL团队在多马格尔-戈尔德曼和阿尔尼的指导下，开发了一种依赖于神经网络的机器学习技术。他们分析图像并通过使用大气中分子发射或吸收的光波长来识别系外行星的化学成分。

通过使用这种新技术，研究人员可以在系外行星WASP-12b的大气中识别各种分子。这种技术比其他方法更准确地做到了这一点。

根据多马格尔-戈尔德曼的说法，神经网络还可以识别数据不足的情况。这种称为贝叶斯技术的方法还可以告诉科学家它对预测的自信程度。

“在数据不够好的地方无法给出非常准确的结果，这个模型更擅长知道它不确定答案，这在我们信任这些预测时非常重要，”多马格尔-戈尔德曼说。

贝叶斯技术仍在开发中，但其他FDL技术正在被应用于现实世界。到2017年，FDL参与者开发了一种机器学习程序，能够快速创建附近小行星的3D模型。它还可以准确估计它们的形状、大小和自转速率。这些信息对于美国国家航空航天局检测和偏转威胁地球的小行星非常有用。

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

比尔·戴蒙德是SETI的总裁兼首席执行官。

“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个小行星，”戴蒙德说。“那么研究团队的问题是：我们可以加快速度吗？”

由法国、南非和美国的学生以及来自学术界和技术公司Nividia的导师组成的团队开发了一种算法，能够在短短四天内渲染小行星。该技术目前被波多黎各阿雷西博天文台的天文学家使用，它可以实时对小行星进行形状建模。

研究人员还建议在未来航天器中构建人工智能技术，并且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执行大量初始工作来释放我们大脑的处理能力，从而更好地处理困难的任务，”阿尔尼说。“但是这些方法不会很快取代人类，因为我们仍然需要检查结果。”