空间:新的人工智能前沿?

近年来,人工智能(AI)的概念出现了年报的科幻小说在日常生活中,随着社会面临一系列技术问题从网络安全到无人驾驶汽车。连同其他条款,如机器学习、神经网络和“图灵测试”,人工智能已成为当代媒体流行语在事实与虚构——尽管普遍缺乏对AI的真正含义的理解地球的普通公民。

在空间,然而,使用人工智能可以说是更成熟的和容易理解的,至少在当前的应用程序,而其融入未来的载人太空探索几乎是“显而易见的”,与兄弟姐妹技术,如机器人、远程监控和自治系统。

我们大多数人,如果要求考虑AI和空间之间的联系,可能会想到哈尔,邪道的计算机从“2001:太空漫游”,而不是任何实际的应用程序。当然,它似乎蜱虫的盒子当前人工智能的定义,通常涉及的计算机系统能够执行的任务通常需要人类智慧的。哈尔的扩展了其任务列表谋杀,这可以说是需要人类智能的,完全是另一回事。

进一步考虑人工智能空间可能疏浚同名的《星际迷航》“电脑”,其实是更多的在线百科全书,或红矮星同样空洞的“冬青”(尽管也许情报是一个误称,在这种情况下)。别人可能还记得体现人工智能的例子,如心烦意乱,但和蔼C3PO,从“星球大战”或少和蔼的终结者。

鉴于计算机系统和机器人技术的发展为国内应用在地球上,这将是令人惊讶的,如果未来的火星任务人员否认类似,但空间限制,版本的技术。事实上,这些系统的前身已经在地球轨道。

如果人工智能的作用空间,人们会预计美国宇航局参与,如果不是引领。事实上,史蒂夫·简博士、高级研究科学家在美国宇航局喷气推进实验室(JPL)和人工智能的技术组主管集团证实,人工智能”发挥着越来越大的作用不仅在日常生活中,而且在空间领域,人工智能已经潜在的革命性的方方面面,太空探索”。

事实上,简说,“人工智能软件被用来操作的地球观测1号(eo - 1)飞船十几年”。成立于2000年,并在2017年退役,eo - 1卫星的目的是展示一些在地球观测领域具有突破性的技术。因此,在2003年,一个软件套件称为自治Sciencecraft实验(ASE)上传到eo - 1演示机上形象运动规划使用机器学习技术,如模式识别和定位。

钱教授解释说,ASE软件(他是首席研究员)启用eo - 1分析意象,“基于它所看到的”,而不是依靠人类图像分析师在地上。例如,它能够拒绝多云为主的图像,时间表对于日后重复观测,gdp8 %航天器的成像系统在适当的时间。“已经收集了超过60000张的图片在人工智能控制,”简说。

这一创新突出了二分法与空间系统,它被视为“高科技”但往往依赖于过时的技术,因为高可靠性的必要性。

虽然很容易考虑国有卫星试验AI,商业卫星买家希望其实除了系统他们的数百万美元的投资。此外,他们必须能够确保资产担保银行贷款和其它融资。因此,在一个保险公司的市场是不愿“基金研究与发展”或收取更高保费,遗产系统支配。

结果,从早期的太空时代,空间机构发起了演示卫星、通信和地球观测等应用程序,在应用或私人资助卫星“商业化”技术。

期望是人工智能系统,如那些证明了eo - 1,将踏上商业卫星在不久的将来。钱教授认为这是革命地球成像系统,目前主要依靠地面分析和干预:“人们可以与飞船在一个更自然的方式,”他说,任务卫星“互联网从任何地方”使用智能手机应用。

另一个创新了eo - 1是Sensorweb,自主网络链接”的航天器,地面天文台,空气和海洋资产……获得成千上万的图像,无需人工干预”,简解释道。

系统用于监控火山,洪水、火灾和其他现象。例如,钱教授说从太空利用地面传感器控制,他们测量了热排放的埃特纳火山十几年来数千倍。概念证明的数字:一个典型的,non-AI-based系统提供不到1%的活跃的热图像签名,而Sensorweb命中率超过35%。

未来的目标是演示自治任务,通过给定的卫星,一个系统或其他卫星的星座使用人工智能。换句话说,基于给定的卫星“看到”,它告诉别人什么目标,有效控制权力被从人类转移到软件系统。“这是有趣的东西!这是简说的。

而轨道卫星的概念“告诉对方该怎么做”可能唤起喜欢self-preserving天网AI的“终结者”系列,它似乎满足现代人工智能的定义的计算机系统能够执行的任务通常需要人类智慧的。

然而,同样清楚的是,我们认为人工智能在一个十年可能会吸收——有人可能会说被同化成日常技术在未来。插图,大约十年前,我们可能认为是人脸识别的技术和语言翻译的机器智能的例子。然而今天,很少精通科技的个人将把应用程序在手机上是一种智慧,然而聪明的似乎。卫星导航的动画声音也是一样在你的车。

尽管人工智能作为一个正式的领域的研究可以追溯到1950年代,其真正的权力——现在仍然是依赖于提高计算能力。此外,串联的术语的发展:在1960年代,我们有第一个“专家系统”,然后在1970年代“神经网络”;今天,机器学习已经成为“深度学习”,我们是“人工智能”,尽管更现代的格式。

至于卫星遥感的应用而言,使用神经网络作为一种分析工具,地理信息系统(GIS)至少可以追溯到1990年代初。从1993年的一篇论文中,欧洲委员会联合研究中心的格雷姆·威尔金森说:“神经网络申请的数量在遥感和GIS数据正在逐年增长。“实验技术已经验证映射的农业、森林生态系统和城市发展以及云识别。

在简单的编程术语中,神经网络是基于决策树的,涉及比较数据和问问题,导致答案有关树的一个分支或另一种(例如,“像素主要是黑人还是白人?”)。

网络“学习”通过分析多个示例数据集和调整的“权重”的决策,它似乎有智能识别和区分特定的自然特性。一个简单的例子可能是能够认识到石南的区别和患病的作物根据红外签名(常见的卫星应用程序)。

eo - 1的航天器,决策树的概念延伸到所谓的“随机决定森林”,使图像像素为云筛选分类,软件应用程序,允许Sciencecraft拒绝多云的图片,重新安排观察。

现在多光谱传感器,或影像,演变成高光谱成像系统,可以区分100多个人光谱波段(当然这人类的眼睛/大脑不能),机器学习的潜力变得更加清晰,在原本难辨认的特征和模式数据集变得明显。

图像每个像素的分类——包含的数学技术,即贝叶斯阈值,是激发从业者像喷气推进实验室的肩:“这是机器学习的美丽,”他说。这样的机器学习技术用于eo - 1检测硫排放的博峡湾冰川在加拿大埃尔斯米尔岛,尽管大量的可能性微乎其微,”信号噪声的限制”。

这种技术的兴趣的原因超出了地球科学领域应用行星科学和太空生物学——事实上,简的特殊的标题表示2018年国际宇航大会上,在不来梅,德国,是人工智能的越来越重要的角色在空间探索和寻找地外生命的。

根据简,“人工智能是未来的关键任务概念来寻找生命”,描述一个提议欧罗巴潜水器,设计的潜艇操作下冰想覆盖的海洋木星的卫星欧罗巴。因为它可以把最好的一部分,一个小时一个命令宇宙飞船在木星(取决于地球的相对位置),任何这样的飞船将需要大量的自主权,它也可能是“智能自治”。所以,机会是,任何欧罗巴潜水不仅会负责自己的导航,而且对它的实时的科学调查。

寻找地外生命是一回事,但是找到进入宇宙生命从地球?宇航员一直局限于低地球轨道自1972年以来,当最后一个阿波罗宇航员去过月球,但是Nasa -和一些新空间企业家计划送人重返月球和火星开始。

尽管Nasa使用基于ai测试设备准备新的猎户座飞船即将推出的深太空任务,最终,一个希望,火星——车载硬件时,我们回到了高科技和可靠性的二分法。

首先,安全是非常重要的对于载人任务,所以大多数系统需要展示“遗产”(这意味着它们不是最新型号)。其次,宇宙飞船本身多年设计和建造,所以车载系统的设计必须经常冻结年前首次发射;这就是为什么许多国际空间站的运行在笔记本电脑最新的软件,而不是某种大型机。第三,在电脑芯片必须辐射运往太空深处,这需要时间和金钱,限制了选择。

话虽这么说,人工智能的作用在载人航天任务肯定会增加其可靠性的增加,甚至可能成为常态,无聊的火星旅行当人类船员的注意力和效率必然会减少。

在玻璃座舱的年龄大部分仪器虚拟-和软件更新固有的期望改进或升级是一个真正的可能性。只要老系统保留备份,当然!(想象进入火星大气的时刻,从着陆7分钟,软件的准备更新。)

AI当然有它的位置在空间,那些勇敢的探险家们不用担心短时间内哈尔9000说,“对不起,戴夫,我恐怕不能这么做”。