¿Cuál es la prueba definitiva de la inteligencia artificial en la exploración espacial?
Se entiende que en junio de 5438 + febrero del año pasado, la NASA anunció oficialmente el descubrimiento del sistema Kepler-90, que es un sistema planetario compuesto por ocho planetas que rodean una estrella. Por primera vez en la historia, los científicos han descubierto una galaxia similar al sistema solar compuesta por ocho planetas. Este descubrimiento es inseparable de la ayuda de la IA. La NASA utiliza el aprendizaje automático de Google para analizar los datos de la misión Kepler, logrando una mayor eficiencia de análisis.
De hecho, la NASA ya ha hecho mucho con la inteligencia artificial.
¿Es apropiado aplicar la tecnología de inteligencia artificial a la astronomía y al universo?
La respuesta es por supuesto.
En primer lugar, debido al alto coste tripulado y al alto factor de riesgo, la exploración espacial y la exploración planetaria son todas sin tripulación.
En segundo lugar, gran parte del trabajo de la NASA es analizar la imagen; los datos enviados por el sensor son, por supuesto, el mejor trabajo de la inteligencia artificial;
En tercer lugar, la aviación y la astronomía son campos con un alto grado de digitalización e informatización, que son adecuados para la extracción de datos históricos y el entrenamiento. varios campos. un modelo algorítmico que ayuda a los científicos en su trabajo.
En comparación con el pasado, la mayor dificultad a la hora de utilizar robots para explorar el sistema solar y buscar señales de vida es que no pueden tomar decisiones intuitivas o incluso creativas con tanta eficacia como los humanos.
Los avances recientes en inteligencia artificial prometen cerrar esa brecha; actualmente no hay planes para enviar humanos a explorar las cuevas subterráneas de Marte o buscar respiraderos hidrotermales en las gélidas aguas de Europa. Durante su vida, estas funciones probablemente serán reemplazadas por sondas y submarinos más inteligentes. Incluso si pierden contacto con la Tierra durante semanas o incluso meses, pueden resistir entornos hostiles y realizar importantes experimentos científicos.
A mediados de la década de 1990, cuando Qian Zhijun se hizo cargo del equipo de inteligencia artificial del Laboratorio de Propulsión a Chorro (JPL) de la NASA, la inteligencia artificial en ese momento se parecía más a la ciencia ficción y nadie podía pensar en ella jugando. un papel importante en la misión 2020 de la NASA a Marte. Jane siempre ha deseado hacer de la tecnología de inteligencia artificial una parte integral de la NASA. Sin embargo, en aquel momento la inteligencia artificial no recibía suficiente atención. Debido a que los algoritmos que se ejecutaban en computadoras más antiguas eran menos complejos, la tecnología simplemente no estaba a la altura de la tarea del espacio.
Sin embargo, el dinero tiene paciencia. Su equipo está utilizando tecnología para automatizar misiones espaciales y mejorar el trabajo que durante mucho tiempo ha dependido de las minuciosas observaciones de los investigadores. Por ejemplo, utilizando el modelo de toma de decisiones de los árboles de decisión, el JPL creó la herramienta de análisis y clasificación de imágenes del cielo (SKICAT) y la utilizó para ayudar a la NASA a clasificar los objetos descubiertos durante el segundo estudio del Monte Palomar a principios de la década de 1980. Siempre que SKICAT obtenga suficientes imágenes para el entrenamiento, podrá clasificar miles de objetos borrosos y de baja resolución en una encuesta.
Se informa que después de años de mejoras graduales, Qian Xuesen y su equipo lograron un gran avance cuando la NASA les pidió que diseñaran el software de automatización del satélite EO-1. En 2003, la NASA instaló el software del Experimento Independiente de Ciencia y Tecnología (ASE) del JPL en satélites y ayudó a estudiar inundaciones, erupciones volcánicas y otros fenómenos naturales durante más de una década. Antes de que se cerrara el EO-1 en marzo, el software ASE a veces recibía alertas de otros satélites o sensores terrestres y automáticamente solicitaba al EO-1 que capturara imágenes antes de que las personas en tierra se dieran cuenta del incidente.
El trabajo del JPL en ASE y otros proyectos ha convencido a la NASA de que la inteligencia artificial puede desempeñar un papel importante en la misión Mars 2020. Qian y su equipo están desarrollando un nuevo tipo de vehículo explorador que es mucho más avanzado que cualquier otro vehículo y puede navegar por la accidentada superficie de la Tierra. En su búsqueda de señales de vida en Marte, el rover Mars 2020 tiene considerable libertad para elegir objetivos de investigación y experimentales.
Recientemente, Chien (Chien), jefe del equipo técnico del Laboratorio de Propulsión a Chorro de la NASA y científico investigador senior en el departamento de planificación y ejecución de misiones del laboratorio, habló sobre la necesidad en una entrevista con "Scientific American". para sistemas de inteligencia artificial para viajes espaciales. A medida que los horizontes de la exploración humana se vuelven cada vez más lejanos y la demanda de inteligencia es cada vez mayor, ¿cómo será la misión espacial de inteligencia artificial "definitiva"?
El siguiente es el resumen
P: ¿El software ASE utilizado para controlar el satélite EO-1 es un hito para la NASA en la aplicación de la inteligencia artificial?
Este es definitivamente un hito para la inteligencia artificial, no solo para el JPL y la NASA, sino para todo el ecosistema de inteligencia artificial. Esto se debe al gran éxito de ASE y su longevidad. El software es bastante increíble: ha estado controlando naves espaciales durante más de 12 años.
Durante este período, emitió aproximadamente 3 millones de instrucciones y realizó más de 60.000 observaciones, logrando de hecho una mayor confiabilidad que las naves espaciales operadas por humanos. Un éxito así podría en realidad democratizar los recursos espaciales. Tenemos una página web donde organizaciones de todo el mundo pueden enviar solicitudes y enviarlas directamente a la nave espacial.
P: ¿Cuántas tareas está dispuesta la NASA a encomendar a la inteligencia artificial?
Uno de los desafíos de la inteligencia artificial en la NASA es que lleva mucho tiempo pensar en ello mientras nos ocupamos de misiones espaciales. Debemos asegurarnos de que la IA esté siempre en buen estado de funcionamiento, reuniendo conocimientos científicos y protegiendo las naves espaciales. Pero eso no significa que puedas predecir exactamente lo que hará. Algunas personas quieren deshacerse de este nivel de microgestión, con la esperanza de que la inteligencia artificial se convierta en asistente de los científicos y no de las máquinas, porque las máquinas deben ser microgestionadas. Algunas personas se preocupan por reemplazar a los buenos científicos, pero no es suficiente, así que no debemos preocuparnos.
P: ¿Cómo planeas utilizar la IA para comprender el mundo desconocido?
El aprendizaje no supervisado es muy importante para analizar situaciones desconocidas. Una gran parte de lo que los humanos pueden hacer es interpretar datos desconocidos. Hay muchas preguntas como esta en la NASA. Verá algunos datos y algunas partes no encajan. Tomemos como ejemplo la expedición al noroeste de Lewis y Clark. No crearon un mapa cada 65,438+ pies (que es lo que hacen la mayoría de las sondas hoy), pero la expedición de Lewis y Clark describió montañas, ríos y otras características, colocándolas en contexto. Queremos que los sistemas de inteligencia artificial hagan lo mismo.
Para desarrollar un sistema de este tipo, le pedimos a un estudiante que tomara fotografías con una cámara digital durante un vuelo a través del país. Luego aplicamos diferentes métodos de aprendizaje no supervisados a nuestros datos capturados. Queremos que la inteligencia artificial sepa que hay montañas, bosques, ríos y nubes de aprendizaje, día, noche, etc.
P: ¿Qué papel jugará la inteligencia artificial en la próxima misión del rover Mars 2020?
Esta tarea se aplica a tres aspectos de la tecnología de inteligencia artificial. La primera es la tecnología de conducción autónoma del rover de Marte, que se remonta al Pathfinder y forma parte del programa MER (Mars Exploration Rover). La conducción autónoma es como un dial. Puedes tener un control estricto y decirle al Rover adónde ir, o puedes dejar que conduzca. Existen diferentes compensaciones en cuanto a velocidad y seguridad.
La segunda área de la inteligencia artificial incluye sistemas que ayudan a los rovers de Marte a realizar investigaciones científicas. Las capacidades de posicionamiento serán mucho mejores y habrá más instrumentos -no sólo la súper cámara del rover- para proporcionar imágenes, análisis de composición química y mineralogía. SuperCam es una evolución de ChemCam exclusiva de los primeros vehículos exploradores de Marte. La composición química de la roca se puede comprender mediante escaneo láser y estudiando los gases producidos. Los anteriores exploradores de Marte, el Mars Science Laboratory y el M2020, ahora tienen cada vez más la capacidad de seleccionar objetivos basándose en criterios científicos (como la forma, el grano o la textura del objetivo) y realizar estudios de imágenes posteriores. Esta capacidad, denominada sistema autónomo de exploración y recopilación de ciencia mejorada (AEGIS), permite al rover realizar más investigaciones científicas en menos tiempo.
En tercer lugar, el rover "Mars 2020" también tendrá un sistema de programación más complejo, lo que los hará más dinámicos. Si hay trabajo por delante o por detrás, el móvil ajustará automáticamente su cronograma, aumentando la productividad.
P: ¿Cómo puede la inteligencia artificial ayudar a los exploradores de Marte a explorar cuevas en Marte?
Mientras exploramos la superficie de Marte, los científicos quieren investigar las cuevas de lava en Marte. Debido a que profundizar en una cueva es similar a una "carrera de relevos", una misión de este tipo podría durar sólo unos pocos días, y dado que el rover funciona completamente con baterías, la exploración de cuevas requerirá mucha inteligencia artificial. La inteligencia artificial debe coordinar, mapear y explorar tantas cuevas como sea posible en un tiempo limitado. Uno de los enfoques en los que hemos estado trabajando es la asignación dinámica de regiones, que podría comenzar así: tienes cuatro rovers y quieres caminar 100 pies en una cueva en Marte. El mapa del primer rover era de 0 a 25 pies, el del segundo de 25 a 50 pies, y así sucesivamente. Gradualmente mapearán la cueva. Este es un enfoque clásico de dividir y conquistar.
También se utilizan entre sí para transmitir datos en la cueva. Enviar a los "rovers" a la cueva significa que ya no podrán comunicarse con el mundo exterior. Entonces comenzaron a hacer lo que llamamos "telas deportivas": el primer rover entra en la cueva hasta que está fuera del alcance de comunicación y completa sus observaciones, y luego regresa fuera del alcance para enviar los datos. El segundo vehículo se adentró más en la cueva, pero sólo tuvo que volver a estar dentro del alcance del primer rover. Para cubrir 65,438+00 pies, cada detector se adentra progresivamente en la cueva. El detector no sale de la cueva, pero los datos que recopila sí pueden. Será una misión de tres o cuatro días porque las baterías tienen una duración limitada.
P: ¿Cuál es la prueba definitiva de la inteligencia artificial en la exploración espacial?
La prueba definitiva de la inteligencia artificial en el espacio es el "tiempo". Por ejemplo, el sumergible Europa necesita sobrevivir solo durante varios años y puede entrar en contacto con la Tierra sólo una vez cada 30 días. Cuando se quiere esperar hasta que los casquetes polares se derritan antes de poder bajar un sumergible a la superficie de la Tierra, se necesita un año. Además, la sonda buscará fuentes hidrotermales entre el ecuador y los polos, actuando como un "rover" en una cueva. Para comunicarse con el mundo exterior, debe salir y regresar.
En este caso, el rover podría vivir solo durante medio año o un año. Para simular esto, diseñamos un sumergible controlado por IA para estudiar los respiraderos hidrotermales debajo del hielo. Los científicos quieren estudiar los efectos del cambio climático debajo de las plataformas de hielo de la Antártida, misiones que requieren tecnología similar.
Aun así, esto no es nada comparado con una misión interestelar, porque la nave funcionará de forma completamente autónoma, y el viaje de comunicación hacia y desde Próxima Centauri (el sistema estelar más cercano) puede durar nueve años. Si vas a Trappist-1 (una estrella enana roja con una temperatura superficial extremadamente fría), esta galaxia es el planeta con más probabilidades de albergar vida fuera del sistema solar y está a unos 40 años luz de distancia. Debido al retraso en las comunicaciones, la nave espacial depende más de sí misma, por lo que para realizar tal tarea se necesita una IA suficientemente potente.