人工智能有助于提高太空探索效率

据报道，太空探索中的人工智能正在蓄势待发。在未来几年里，当我们前往彗星、卫星和行星，并探索在小行星上采矿的可能性时，新的任务看起来可能会得到AI的巨大帮助。

欧洲航天局高级概念和研究办公室主任利奥波德·萨默斯说：

AI已经改变了游戏规则，使科学研究和探索更加高效。AI不仅让这种效率翻倍，而是提高了10倍。

例证比比皆是

AI在太空探索中应用的历史比许多人想象的要久远得多。AI已经在研究我们的星球、太阳系和宇宙方面发挥了重要作用。随着计算机系统和软件的发展，AI的潜在用例也在不断增加。

地球观察者1号（EO-1）卫星就是个很好的例子。自本世纪初发射以来，其机载AI系统帮助优化了对自然灾害的分析和响应。在某些情况下，AI甚至能够让地球观察者1号卫星在地勤人员意识到事故发生之前就开始拍摄图像。

其他卫星和天文学的例子也比比皆是。在第二次帕洛玛天空调查中，天空图像编目和分析工具已经协助研究人员对发现的天体进行分类。帕洛玛天空调查旨在对成千上万个在低分辨率下拍摄的物体图像进行分类，这大大超出了人类的能力。类似的AI系统已经帮助天文学家确定了56个新的、可能的“引力透镜”，这些透镜在暗物质研究中发挥着关键作用。

AI搜索大量数据并发现相关性的能力将变得越来越重要，因为它能最大限度地利用现有数据。欧洲航天局的ENVISAT每年产生大约400TB的新数据，但与平方公里阵列相比就相形见绌了，后者每天产生的数据量与目前互联网上的数据量差不多。

AI帮助登陆火星

AI也被用于轨道和载荷优化。这两项任务都是美国宇航局下一个火星探测器（Mars 2020Rover）任务的重要步骤，这个探测器将于2021年初登陆火星。被称为AEGIS的AI已经出现在美国宇航局当前的火星探测器上，该系统可以帮助摄像头自动瞄准目标，并选择调查对象。然而，下一代AI系统将能够控制车辆，自主协助研究选择，动态调度和执行科学任务。

在整个职业生涯中，来自丹麦DTU Space的约翰·列夫·乔根森已经设计出许多设备和系统，它们被应用在100多颗卫星上。乔根森是Mars 2020 Rover上自主科学仪器PIXL的团队成员，该仪器广泛使用AI。其目的是调查火星上是否存在类似叠层石的生命形式。

乔根森表示：

PIXL的显微镜安装在探测器的臂上，需要放置在距离我们想要研究的东西14毫米的地方。这要归功于安装在探测器上的几个摄像头。这听起来可能很简单，但是交接过程和确定手臂的确切位置非常困难，就像是从屋顶上拍摄的街头照片中辨认建筑一样。不过，这是特别适合AI去做的事情。

AI还能帮助PIXL在夜间自动运行，并随着环境的变化而不断进行调整。在火星上，昼夜温度的变化可以超过100摄氏度，这意味着探测器、摄像头、机械臂和正在研究的岩石下面的地面距离都在不断变化。乔根森称：“AI是所有这些工作的核心，并帮助将效率提高1倍以上。”

先火星后卫星

火星很可能远不是AI在太空探索中的最终目的地。长久以来，木星的多颗卫星都让科学家们感到着迷。特别是木卫二（Europa），它可能存在地下海洋，埋在大约10千米厚的冰层下。它是太阳系中除了地球之外，最有可能找到生命的地方之一。

虽然这项任务可能在未来的某段时间内完成，但美国宇航局目前的计划是在2020年将詹姆斯-韦伯太空望远镜发射到距离地球约150万公里的轨道上。任务的一部分将涉及到AI支持的自主系统，它负责监督望远镜705公斤重的镜片的全面部署。

地球和木卫二之间的距离，或者地球与詹姆斯-韦伯望远镜之间的距离，都意味着通信将被延迟。反过来，这也使得执行太空任务的宇航员必须能够自己做出决定。来自火星探测器项目的例子表明，由于距离遥远，火星探测器和地球之间的通信需要延迟20分钟。而木卫二任务的通讯延迟时间可能更长。

这两项任务在不同程度上说明了目前在空间探索中使用AI面临的最重大挑战之一。AI系统的表现与它们接收到的数据量之间往往存在直接的联系。数据越多，AI系统的表现就越好。但是我们没有太多的数据来训练这样的系统，让它预见在像木卫二这样的地方执行任务时可能遇到哪些挑战。

计算能力是第二个挑战。艰苦而耗时的审批程序和辐射风险意味着，在不久的将来，你家里的电脑可能比任何进入太空的东西都更强大。200MHz的处理器、256MB的RAM和2GB的内存听起来更像诺基亚3210，而不是iPhone X，但它实际上就是下一代太空探测器的“大脑”。