據(jù)報道，太空探索中的人工智能（AI）正在蓄勢待發(fā)。在未來幾年里，當我們前往彗星、衛(wèi)星和行星，并探索在小行星上采礦的可能性時，新的任務看起來可能會得到AI的巨大幫助。

歐洲航天局（ESA）高級概念和研究辦公室主任利奧波德·薩默斯（Leopold Summerer）在接受采訪時說：“AI已經(jīng)改變了游戲規(guī)則，使科學研究和探索更加高效。AI不僅讓這種效率翻倍，而是提高了10倍?！?/p>

例證比比皆是

AI在太空探索中應用的歷史比許多人想象的要久遠得多。AI已經(jīng)在研究我們的星球、太陽系和宇宙方面發(fā)揮了重要作用。隨著計算機系統(tǒng)和軟件的發(fā)展，AI的潛在用例也在不斷增加。

地球觀察者1號(EO-1)衛(wèi)星就是個很好的例子。自本世紀初發(fā)射以來，其機載AI系統(tǒng)幫助優(yōu)化了對自然災害(如洪水和火山爆發(fā))的分析和響應。在某些情況下，AI甚至能夠讓地球觀察者1號衛(wèi)星在地勤人員意識到事故發(fā)生之前就開始拍攝圖像。

其他衛(wèi)星和天文學的例子也比比皆是。在第二次帕洛瑪天空調(diào)查（Palomar Sky Survey）中，天空圖像編目和分析工具(SKICAT)已經(jīng)協(xié)助研究人員對發(fā)現(xiàn)的天體進行分類。帕洛瑪天空調(diào)查旨在對成千上萬個在低分辨率下拍攝的物體圖像進行分類，這大大超出了人類的能力。類似的AI系統(tǒng)已經(jīng)幫助天文學家確定了56個新的、可能的“引力透鏡”，這些透鏡在暗物質(zhì)研究中發(fā)揮著關鍵作用。

AI搜索大量數(shù)據(jù)并發(fā)現(xiàn)相關性的能力將變得越來越重要，因為它能最大限度地利用現(xiàn)有數(shù)據(jù)。歐洲航天局的ENVISAT每年產(chǎn)生大約400TB的新數(shù)據(jù)，但與平方公里陣列（Square Kilometre Array）相比就相形見絀了，后者每天產(chǎn)生的數(shù)據(jù)量與目前互聯(lián)網(wǎng)上的數(shù)據(jù)量差不多。

AI幫助登陸火星

AI也被用于軌道和載荷優(yōu)化。這兩項任務都是美國宇航局（NASA）下一個火星探測器（Mars 2020 Rover）任務的重要步驟，這個探測器將于2021年初登陸火星。被稱為AEGIS的AI已經(jīng)出現(xiàn)在美國宇航局當前的火星探測器上，該系統(tǒng)可以幫助攝像頭自動瞄準目標，并選擇調(diào)查對象。然而，下一代AI系統(tǒng)將能夠控制車輛，自主協(xié)助研究選擇，動態(tài)調(diào)度和執(zhí)行科學任務。

在整個職業(yè)生涯中，來自丹麥DTU Space的約翰·列夫·喬根森（John Leif Jorgensen）已經(jīng)設計出許多設備和系統(tǒng)，它們被應用在100多顆衛(wèi)星上。喬根森是Mars 2020 Rover上自主科學儀器PIXL的團隊成員，該儀器廣泛使用AI。其目的是調(diào)查火星上是否存在類似疊層石的生命形式。

喬根森在接受采訪時表示：“PIXL的顯微鏡安裝在探測器的臂上，需要放置在距離我們想要研究的東西14毫米的地方。這要歸功于安裝在探測器上的幾個攝像頭。這聽起來可能很簡單，但是交接過程和確定手臂的確切位置非常困難，就像是從屋頂上拍攝的街頭照片中辨認建筑一樣。不過，這是特別適合AI去做的事情?！?/p>

AI還能幫助PIXL在夜間自動運行，并隨著環(huán)境的變化而不斷進行調(diào)整。在火星上，晝夜溫度的變化可以超過100攝氏度，這意味著探測器、攝像頭、機械臂和正在研究的巖石下面的地面距離都在不斷變化。喬根森稱：“AI是所有這些工作的核心，并幫助將效率提高1倍以上?！?/p>

先火星后衛(wèi)星

火星很可能遠不是AI在太空探索中的最終目的地。長久以來，木星的多顆衛(wèi)星都讓科學家們感到著迷。特別是木衛(wèi)二（Europa），它可能存在地下海洋，埋在大約10千米厚的冰層下。它是太陽系中除了地球之外，最有可能找到生命的地方之一。
雖然這項任務可能在未來的某段時間內(nèi)完成，但美國宇航局目前的計劃是在2020年將詹姆斯-韋伯（James Webb）太空望遠鏡發(fā)射到距離地球約150萬公里的軌道上。任務的一部分將涉及到AI支持的自主系統(tǒng)，它負責監(jiān)督望遠鏡705公斤重的鏡片的全面部署。

地球和木衛(wèi)二之間的距離，或者地球與詹姆斯-韋伯望遠鏡之間的距離，都意味著通信將被延遲。反過來，這也使得執(zhí)行太空任務的宇航員必須能夠自己做出決定。來自火星探測器項目的例子表明，由于距離遙遠，火星探測器和地球之間的通信需要延遲20分鐘。而木衛(wèi)二任務的通訊延遲時間可能更長。

這兩項任務在不同程度上說明了目前在空間探索中使用AI面臨的最重大挑戰(zhàn)之一。AI系統(tǒng)的表現(xiàn)與它們接收到的數(shù)據(jù)量之間往往存在直接的聯(lián)系。數(shù)據(jù)越多，AI系統(tǒng)的表現(xiàn)就越好。但是我們沒有太多的數(shù)據(jù)來訓練這樣的系統(tǒng)，讓它預見在像木衛(wèi)二這樣的地方執(zhí)行任務時可能遇到哪些挑戰(zhàn)。

計算能力是第二個挑戰(zhàn)。艱苦而耗時的審批程序和輻射風險意味著，在不久的將來，你家里的電腦可能比任何進入太空的東西都更強大。200MHz的處理器、256MB的RAM和2GB的內(nèi)存聽起來更像諾基亞3210，而不是iPhone X，但它實際上就是下一代太空探測器的“大腦”。

私營企業(yè)騰飛

私人公司正在幫助突破這些限制。CB Insights統(tǒng)計了太空領域的57家初創(chuàng)公司，它們涉及自然資源、消費旅游、研發(fā)、衛(wèi)星、航天器設計和發(fā)射以及數(shù)據(jù)分析等各個領域。David Chew是日本衛(wèi)星公司Axelspace的工程師，他解釋了私人公司如何提高太空探索效率和降低成本的原因。

David Chew接受采訪時說：“許多私人太空公司正在利用后退系統(tǒng)（fall-back system），尋找使用傳統(tǒng)公司認為的非太空級部件和系統(tǒng)的方法。通過實施后退操作，并使用AI，就有可能在不增加失敗風險的情況下，集成和使用成本更低的部件?！?/p>

改造我們的未來家園

在更遙遠的未來，改造火星環(huán)境這樣的壯舉正等著我們?nèi)崿F(xiàn)。如果沒有AI的幫助，這些讓其他行星變成類似地球環(huán)境的項目是不可能成功的。自主飛行器在地球上已經(jīng)開始“變形”，BioCarbon Engineering公司利用無人機在1天內(nèi)種下10萬棵樹。無人機首先對某個區(qū)域進行調(diào)查和地圖繪制，然后在第二波無人機進行實際種植之前，算法決定樹木的最佳位置。

就像指數(shù)級技術的情況一樣，協(xié)同作用和融合的潛力是巨大的。比如AI和機器人，或者量子計算與機器學習。為什么不把AI驅(qū)動的機器人送上火星，并把它作為地球科學家的遠程操作目標？可以這樣說，我們已經(jīng)處于使用虛擬現(xiàn)實（VR）和增強現(xiàn)實（AR）系統(tǒng)的早期階段，這些系統(tǒng)從火星探測器那里獲取數(shù)據(jù)，創(chuàng)建一個虛擬景觀，科學家們可以在里面走動，并決定探測器下一個探索目標。

AI在太空探索中應用的最大好處之一，可能與它的實際功能沒有太大關系。David Chew認為，在短短10年內(nèi)，我們就可以在AI的幫助下，在柯伊伯帶（Kuiper Belt）發(fā)現(xiàn)第一批能夠采礦小行星。

他說：“我認為AI對太空探索做出的貢獻是，它開創(chuàng)了一系列新的可能產(chǎn)業(yè)和服務，這對地球上的人類生活將產(chǎn)生更直接的影響。它成為了一個能引起共鳴的行業(yè)，對人們的日常生活產(chǎn)生了實實在在的影響。在某種程度上，太空探索已經(jīng)成為人們思維方式的一部分，地球和太陽系之間的邊界變得不那么重要了?！?/p>