太空旅行、探索和觀測當(dāng)中，往往涉及人類歷史上最復(fù)雜、最危險的一系列科學(xué)與技術(shù)操作。在這些領(lǐng)域，人工智能（AI）已經(jīng)證明了自己強(qiáng)大的輔助作用。

正因?yàn)槿绱?，宇航員、科學(xué)家和其他以探索并記錄終極邊界為己任的人們，才積極轉(zhuǎn)向機(jī)器學(xué)習(xí)（ML）以協(xié)助應(yīng)對自己面臨的非凡挑戰(zhàn)。

(資料圖)

從引導(dǎo)火箭穿越太空到研究遙遠(yuǎn)行星的表面，再到測量宇宙大小和計算天體的運(yùn)動軌跡，AI在太空中擁有著眾多有趣且令人興奮的應(yīng)用場景。

在航天器的起飛與著陸過程中，AI能夠?qū)崿F(xiàn)發(fā)動機(jī)操作自動化并管理起落架等功能的實(shí)際部署，借此優(yōu)化燃料的分配與使用。

SpaceX公司就利用AI領(lǐng)航系統(tǒng)使其獵鷹9號飛船實(shí)現(xiàn)了自主操作，并按照與NASA簽訂的貨物運(yùn)送合同與國際空間站（ISS）成功對接。該系統(tǒng)能夠計算火箭在太空中的軌跡，同時考慮燃料使用、大氣干擾和發(fā)動機(jī)內(nèi)部的液體“晃動”。

CIMON 2是空中客車公司設(shè)計的機(jī)器人，相當(dāng)于宇航員身邊的移動式亞馬遜Alexa虛擬助手。它使用IBM Watson AI系統(tǒng)構(gòu)建，使用內(nèi)部風(fēng)扇推動自身前進(jìn)，能夠充當(dāng)免提式信息數(shù)據(jù)庫、計算機(jī)和相機(jī)。它甚至可以通過分析聲音中的壓力水平，來評估宇航員們的情緒和心態(tài)。

NASA旗下噴氣推進(jìn)實(shí)驗(yàn)室的任務(wù)規(guī)劃人員，則利用AI對各種任務(wù)參數(shù)進(jìn)行建模和評估，借此了解不同選項(xiàng)和行動方案的潛在結(jié)果。這些實(shí)驗(yàn)?zāi)軌驗(yàn)槲磥淼暮教炱髟O(shè)計與工程操作提供指導(dǎo)信息。收集到的數(shù)據(jù)還可用于一些假設(shè)性未來任務(wù)的前瞻性規(guī)劃，包括登陸金星和木衛(wèi)二——這是一顆圍繞木星運(yùn)行的冰冷衛(wèi)星。

SpaceX還利用AI算法來確保其星鏈衛(wèi)星不致與太空中的其他軌道或過渡飛行器發(fā)生碰撞。他們的自主導(dǎo)航系統(tǒng)能夠?qū)崟r檢測附近的危險，并調(diào)整衛(wèi)星的速度和軌道來采取規(guī)避行動。

英國航天局同樣開發(fā)了自主系統(tǒng)，允許其航天器和衛(wèi)星通過自主行動回避太空碎片。到2025年，英國航天局計劃在此基礎(chǔ)上發(fā)射一艘自主航天器，任務(wù)是捕捉并清理太空碎片。如果不主動加以控制，太空碎片很可能對未來的航天飛行構(gòu)成威脅。

火星漫游者是專司探索火星表面的機(jī)器人，我們可以對它們發(fā)送回地球的數(shù)據(jù)進(jìn)行分析和學(xué)習(xí)。利益于機(jī)器學(xué)習(xí)算法，這些機(jī)器人能夠在火星地表上自主導(dǎo)航，避開可能導(dǎo)致其硬件損壞或動彈不得的深坑與陡壁。此前發(fā)往火星的勇氣號就因車輪陷入軟土而困在當(dāng)場，NASA最終于2011年決定放棄救援和聯(lián)絡(luò)。而在機(jī)器學(xué)習(xí)技術(shù)的幫助下，NASA已經(jīng)成功避免了另一輛漫游車的意外損失。

最近幾年，NASA旗下噴氣推進(jìn)實(shí)驗(yàn)室利用圖像識別工具來研究火星漫游者等地面機(jī)器人拍攝的圖片，并對地形特征進(jìn)行分類。他們甚至發(fā)現(xiàn)了火星表面一個直徑僅四米的隕石坑。

毅力號漫游者配備一套名為AEGIS的計算機(jī)視覺系統(tǒng)，能夠檢測并分類火星表面發(fā)現(xiàn)的不同巖石類型，讓我們更多了解這顆紅色行星的地質(zhì)成分。

大家甚至可以在家中參與訓(xùn)練火星漫游者使用的AI算法。AI4Mars項(xiàng)目就誠邀用戶下載相關(guān)工具，通過在個人計算機(jī)上標(biāo)記地形特征來改進(jìn)好奇號火星車上的自主導(dǎo)航系統(tǒng)。

雖然到目前為止，大多數(shù)地表探索都依靠輪式機(jī)器人完成，但歐洲航天局正在試驗(yàn)使用“跳躍式”機(jī)器人。這些機(jī)器人可以用腿前進(jìn)并完成跳躍動作。AI算法會協(xié)調(diào)機(jī)器人四肢的運(yùn)動和平衡，從而探索月球上以往無法抵達(dá)的位置，例如月球上由巨大隕坑形成的阿里斯塔克斯高原。

人們已經(jīng)開始利用AI檢測月球表面，確定未來載人任務(wù)的最佳著陸點(diǎn)。這也有助于宇航員充分了解后續(xù)將要著陸的環(huán)境，不必像阿姆斯特朗等第一代登月人那樣直面巨大的風(fēng)險。

天文學(xué)家正使用AI識別遙遠(yuǎn)星云中各星團(tuán)的模式，同時結(jié)合深空中檢測到的其他分類特征來繪制宇宙星圖。

以NASA的開普勒望遠(yuǎn)鏡為例，它能通過分析恒星發(fā)出光輻射的衰減來確定有行星在恒星和地球之間經(jīng)過，進(jìn)而確定行星的可能位置。

AI還被用于預(yù)測恒星和星系的活動，幫助我們了解超新星爆發(fā)等宇宙事件的潛在發(fā)生位置。

通過對這些神秘天體與中子星碰撞時產(chǎn)生的引力波進(jìn)行時序分析，研究人員已經(jīng)檢測到數(shù)十個黑洞的存在。

AI技術(shù)還被用于俯瞰地球和整個宇宙。2004年開始運(yùn)行的自主科學(xué)衛(wèi)星技術(shù)實(shí)驗(yàn)（Autonomous Sciencecraft Experiment）項(xiàng)目就接入地球預(yù)測1號衛(wèi)星，使其能夠?qū)τ孟鄼C(jī)拍攝到的圖像做自動分類，進(jìn)而決定哪些圖像更值得花費(fèi)寶貴的帶寬傳輸回地球。

加州大學(xué)伯克利分校的SETI@Home項(xiàng)目則使用AI算法處理射電望遠(yuǎn)鏡生成的大量數(shù)據(jù)，希望在太空中搜索外星智能的跡象。盡管該項(xiàng)目已經(jīng)停止向志愿者發(fā)送新的待檢查數(shù)據(jù)，但仍有大量數(shù)據(jù)未經(jīng)分析檢索，所以激動人心的真相也許就蘊(yùn)藏在這部分素材當(dāng)中！

AI也被用于創(chuàng)建迄今為止最準(zhǔn)確的黑洞圖像。Roger Penrose、Reinhard Genzel和Andrea Ghez憑借為M87星系中心超大質(zhì)量黑洞創(chuàng)建逼真圖像，獲得了2020年的諾貝爾獎。

AI的應(yīng)用范圍還遠(yuǎn)不止于此，研究人員現(xiàn)在希望超越事件視界，使用AI技術(shù)揭示黑洞內(nèi)部的情況。這項(xiàng)工作還將涉及量子計算，有望幫助物理學(xué)家們解決領(lǐng)域中最核心的問題之一——將愛因斯坦的廣義相對論與粒子物理學(xué)的標(biāo)準(zhǔn)模型統(tǒng)一起來。

人們甚至希望AI能夠幫助測量宇宙，更好地把握它的大小和形狀。使用AI超級計算機(jī)對日本的天文數(shù)據(jù)開展研究，我們已經(jīng)成功創(chuàng)造出與已知存在的宇宙相匹配的模擬星圖。這意味著我們可以預(yù)測宇宙的特征，并擺脫當(dāng)前因光速限制（即可觀測宇宙）而難以突破的探索邊界。

關(guān)鍵詞：