想象一下，一個星際探測器可以自己選擇軌道，自己拍攝照片，然后在沒有人類幫助的情況下，將探測器發(fā)送到遙遠的星球表面。這是NASA希望使用人工智能的一個例子，該機構已經在地球和火星的任務中使用了AI技術。

據雷鋒網了解，去年12月，NASA正式宣布在一個恒星周圍發(fā)現由8顆行星組成的行星系統(tǒng)——開普勒90系統(tǒng)，科學家有史以來第一次發(fā)現了一個和太陽系類似的8顆行星的星系。這次發(fā)現離不開AI的助攻，NASA利用谷歌的機器學習分析開普勒太空望遠鏡的數據，實現了更高的分析效率。

其實NASA早就利用AI做到了很多事。

對于天文、宇宙這方面的工作來說，到底適不適合應用人工智能技術呢？

答案是當然的。第一，由于載人成本過高、危險系數大，宇宙探索、星球探索這類工作都在無人化傾斜；第二，NASA所做的工作中有很大一部都是對傳感器回傳圖片資料進行分析，分析圖像當然是人工智能最擅長的工作；第三，另外就是航空、天文領域是一個數字化、信息化程度相當高的領域，適合挖掘歷史數據，訓練各種幫助科學家工作的算法模型。

和以往相比，利用機器人探索太陽系尋找生命跡象的最大困難就在于，它們無法像人類一樣有效地進行直觀甚至創(chuàng)造性的決策。

人工智能方面的最新進展有望縮短這個差距——目前還沒有計劃派遣人類去探索火星的地下洞穴，或者在木衛(wèi)二Europa的冰冷水域里尋找熱液噴口。有生之年，這些角色很可能會被更智能的探測器和潛艇所替代，即使與地球失聯數周甚至數月，它們也能承受惡劣的環(huán)境并進行重要的科學實驗。

20世紀90年代中期，當Steve Chien接手美國宇航局噴氣推進實驗室（JPL）的人工智能團隊時，彼時的人工智能更像是存在于科幻小說中，沒有人能夠想到它會在NASA 2020年的火星任務中發(fā)揮重要的作用。 Chien一直有一個愿望，那就是讓人工智能技術成為美國宇航局里不可或缺的一部分。但是，那時候的人工智能并沒有獲得足夠的重視，用不那么復雜的算法運行在老舊的計算機上，技術根本無法勝任太空任務。

不過，Chien很耐心。他的團隊正在利用技術將太空任務自動化，并改進長期依賴于研究人員艱苦觀察的工作。例如，利用決策樹的決策模型，JPL創(chuàng)建了天空圖像分類和分析工具（SKICAT），并利用它幫助NASA在20世紀80年代初進行的第二次帕洛馬山脈調查中發(fā)現的物體進行自動分類。只要SKICAT獲得足夠多的圖像來進行訓練，就能夠對調查中成千上萬個模糊、低分辨率的物體進行分類。

雷鋒網了解到，經過多年的漸進式改進，當NASA要求他們設計用于EO-1衛(wèi)星自動化的軟件時，Chien和他的團隊獲得了突破性的進展。NASA于2003年將JPL的自主科學技術實驗(ASE)軟件應用到該衛(wèi)星上，并在十多年的時間里幫助研究了洪水、火山爆發(fā)和其他自然現象。在3月份EO-1停用之前，ASE軟件有時還會收到來自其他衛(wèi)星或地面?zhèn)鞲衅靼l(fā)出的警報，并在地面上的人類意識到事件發(fā)生之前自動提示EO-1捕獲圖像。

JPL在ASE和其他項目上的工作給了NASA信心，認為人工智能可以在“火星2020”的任務中發(fā)揮重要作用。Chien和他的團隊正在開發(fā)一種新型的探測車，它比任何其他車輛都要先進得多，可以在星球崎嶇不平的表面上行駛。在火星上尋找生命跡象的時候，“火星2020”探測器在選擇研究和實驗目標時擁有相當大的自由度。

最近，美國宇航局噴氣推進實驗室的技術小組主管、實驗室任務規(guī)劃和執(zhí)行部門的高級研究科學家Chien在接受《科學美國人》采訪時談到了太空旅行對人工智能系統(tǒng)的需求。隨著人類探索的目光越來越遠，對智能的需求越來越大，“終極”的人工智能太空任務將會是什么樣子？

以下是雷鋒網編輯整理內容

問：控制EO-1衛(wèi)星的ASE軟件是不是NASA在AI應用方面的里程碑？

這絕對是人工智能的一個里程碑，不僅僅是對于JPL和NASA，還包括整個AI生態(tài)圈。那是因為ASE的巨大成功加上它的長壽。這個軟件是相當不可思議的——它控制了航天器超過12年。在這段時間里，它發(fā)出了大約300萬條指令，進行了六萬多次觀測，實際上達到了高于人類操作飛船的可靠性。這樣的一種成功實際上可以使太空資源變得民主化。我們就有一個網頁，世界各地的機構可以在上面提交請求，直接向航天器發(fā)送。

問：NASA愿意向人工智能交付多少任務？

人工智能在NASA面臨的挑戰(zhàn)之一是，由于我們正在處理太空任務，因此需要花費大量的時間和很長的時間來考慮。我們必須確保人工智能始終保持良好的運行狀態(tài)，即收集科學知識，保護太空船。但是這并不意味著你可以準確預測它將要做什么。有人想擺脫這種微觀管理水平，希望人工智能成為科學家的助手而不是機器，因為機器必須是微觀管理的。有些人擔心取代優(yōu)秀的科學家，但這遠遠不夠，我們不必為此擔心。

問：你如何準備用AI來了解未知的世界？

無監(jiān)督學習對分析未知情況非常重要。人類能夠做的很大一部分是解釋不熟悉的數據。在NASA會有許多這樣的問題。你會看到一些數據，而這些數據的某些部分卻不合適。以Lewis和Clark探索西北地區(qū)為例，他們沒有每10英尺畫一張地圖（這是目前大多數探測器所做的工作），但是Lewis和Clark的探險隊描述了山脈、河流和其他特征——將它們置于環(huán)境中。我們想要人工智能系統(tǒng)做同樣的事情。

為了開發(fā)這樣一個系統(tǒng)，我們讓一個學生在一次越野飛行中用數碼相機拍攝圖像。然后，我們將不同的無監(jiān)督學習方法應用于我們捕獲的數據。我們希望人工智能自己知道有山、森林、河流，學習有云、白天、夜晚等等。

問：人工智能在即將到來的“火星2020”漫游者任務中扮演什么角色？

這項任務應用到了三個方面的人工智能技術。首先是“漫游者”的自動駕駛技術，這項技術可以追溯到“探路者”，也是MER（火星探測漫游者）計劃的一部分。自主駕駛就像是一個撥號盤，你可以嚴格控制它，告訴“漫游者”去哪里，或者你可以讓它們駕駛，在速度和安全性方面都有不同的權衡。

人工智能的第二個領域包括將幫助漫游者進行科學研究的系統(tǒng)。定位能力將會好得多，而且會有更多的儀器 - 不僅僅是漫游者的SuperCam - 它將提供成像，化學成分分析和礦物學。SuperCam是早期火星探測器上特有的ChemCam的一種演變，可以通過激光進行掃描并研究產生的氣體來了解巖石的化學成分。先前的火星探測器、火星科學實驗室和現在的M2020，已經越來越有能力選擇目標，并根據科學標準（如目標形狀、質地或紋理）進行后續(xù)圖像研究，這種能力被稱為自主探索收集增加科學（AEGIS）系統(tǒng)，使得“漫游者”可以在更短的時間內進行更多的科學研究。

第三，“火星2020”漫游者也將擁有更復雜的調度系統(tǒng)，使他們更具活力。如果工作提前或落后，探測車將自動調整行程，從而提高生產率。

問：AI如何幫助“漫游者”探索火星的洞穴？

當我們探索火星的表面時，科學家們想調查火星上的熔巖洞穴。因為深入到山洞內部就類似于一場“接力賽”，這樣的任務也許只能持續(xù)幾天，因為“漫游者”完全依靠電池供電，洞穴勘探將需要大量的人工智能。人工智能必須在有限的時間內盡可能有效地協(xié)調、繪制和探索盡可能多的洞穴。我們一直在研究的方法之一就是動態(tài)區(qū)域分配，它可能是以這種方式開始的：你有四個探測器，想要在火星上的一個洞穴里走100英尺。第一個漫游車的地圖為0至25英尺，第二個為25至50英尺，依此類推。它們將逐步地繪制洞穴地圖。這是經典的分治法。

它們也利用彼此將數據從洞穴中傳遞出去。將“漫游者”送入洞穴意味著它們無法繼續(xù)與外界交流。所以它們開始做我們所謂的“sneaker netting” ——第一個“漫游者”進入洞穴，直到它離開通信范圍、完成觀察，然后返回射程內發(fā)送數據。第二輛車進入山洞深處，但只需要返回到第一輛火星車的范圍之內，為了覆蓋100英尺，每一個探測器都在洞穴中逐漸深入。探測器不會從洞穴中出來，但它們收集的數據是可以出來的。這將是一個為期3天或4天的任務，因為電池只能撐這么長時間。

問：在太空探索中人工智能的終極考驗是什么?

人工智能在太空中的最終考驗是“時間”。例如，Europa潛水器不得不獨自存活數年，可能每30天才能與地球接觸一次。當你想要等到冰蓋融化的稅后再將潛水器降落在地球的表面，這需要一年的時間。此外，探測器想要在赤道到兩極間尋找熱液噴口，就像山洞里的“漫游者”一樣，為了和外界溝通，它必須走出去再回來。在這種情況下，“漫游者”可能會在六個月或一年的時間內獨自生存。為了模擬這一點，我們設計了一個由AI控制的潛水器來研究冰層下的熱液噴口。科學家們想要在南極冰架下研究氣候變化的影響——這些任務需要類似的技術。

即便如此，與星際任務相比，這也算不了什么，因為宇宙飛船將完全自主地運行，往返于Proxima Centauri（最近的星系）的通訊之旅可能長達9年。如果你去Trappist-1（一顆表面溫度極低的紅矮星），這個星系里是至今最有可能在太陽系以外存在生命的星球，距離我們大約有40光年。由于通信的延遲，飛船更多地要靠自己，所以執(zhí)行這樣的任務時，你就需要一個足夠強大的AI。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。