Viime vuosina Tekoäly (AI) on saamassa vauhtia, minkä ansiosta voimme ratkaista ongelmia nopeammin kuin perinteinen tietojenkäsittely koskaan pystyisi. Esimerkiksi äskettäin Deepmind, tytäryhtiö Google, joka käsittelee tekoälyä, kehitettiin AlphaFold2, ohjelma, joka voi ratkaista proteiinien laskostumisen ongelman. Tämä on ongelma, joka on vaivannut tutkijoita 50 vuoden ajan.
Tekoälyn edistysaskeleet ovat antaneet meille mahdollisuuden edistyä kaikenlaisilla tieteenaloilla – eivätkä ne rajoitu tämän planeetan sovelluksiin. Tehtäväsuunnittelusta Maan kiertoradan puhdistamiseen roskista, tässä on muutamia tapoja, joilla tekoäly voi auttaa meitä etenemään avaruudessa.
Kosmonautien avustajat
Tutkijat työskentelevät älykkäiden avustajien parissa auttamaan astronautteja. Nämä tekoäly-avustajat, vaikka ne eivät ehkä näytäkään yhtä muodikkailta kuin elokuvissa, voivat olla uskomattoman hyödyllisiä avaruustutkimuksessa.
Äskettäin kehitetty virtuaaliassistentti voisi mahdollisesti havaita mitkä tahansa vaarat pitkien avaruuslentojen aikana, kuten muutokset avaruusaluksessa, kuten hiilidioksidin nousu tai anturien toimintahäiriöt, jotka voivat olla haitallisia. Sen jälkeen se varoittaa miehistöä tarkastusehdotuksilla.
Assistant Cimon toimitettiin kansainväliselle avaruusasemalle (ISS) joulukuussa 2019, jossa sitä testataan kolmen vuoden ajan. Lopulta Cimonia käytetään vähentämään astronautien stressiä suorittamalla heidän pyytämiään tehtäviä. NASA kehittää myös satelliittia astronauteille ISS:llä robonaut, jotka työskentelevät yhdessä astronautien kanssa tai suorittavat heille liian riskialttiita tehtäviä.
Mission suunnittelu ja suunnittelu
Mars-matkan suunnittelu on pelottava tehtävä, mutta tekoäly voi helpottaa sitä. Uudet avaruustehtävät perustuvat perinteisesti aikaisemmasta tutkimuksesta saatuun tietoon. Nämä tiedot voivat kuitenkin usein olla rajoitettuja tai niitä ei ole saatavilla kokonaisuudessaan.
Tämä tarkoittaa, että teknisen tiedon virtaus on rajoitettu niille, jotka voivat käyttää sitä ja jakaa sitä muiden suunnitteluinsinöörien kanssa. Mutta entä jos kaikki tiedot käytännöllisesti katsoen kaikista aikaisemmista avaruuslennoista olisivat kenen tahansa valtuustiedot saatavilla vain muutamalla napsautuksella. Jonakin päivänä voi olla älykkäämpi järjestelmä – samanlainen kuin Wikipedia, mutta tekoälyllä, joka pystyy vastaamaan monimutkaisiin kyselyihin luotettavalla ja ajantasaisella tiedolla – auttamaan uusien avaruustehtävien varhaisessa suunnittelussa ja suunnittelussa.
Tutkijat työstävät ideaa apulaissuunnittelijasta, joka lyhentää tehtävän alkuperäiseen suunnitteluun kuluvaa aikaa, joka muuten vaatii monia työtunteja. Daphne on toinen esimerkki älykkäästä avustajasta satelliitti Maanhavainnointijärjestelmien suunnittelussa. Satelliittikehitysryhmien järjestelmäinsinöörit käyttävät Daphnea. Tämä helpottaa heidän työtään tarjoamalla pääsyn asiaankuuluviin tietoihin, mukaan lukien arvostelut, sekä vastaukset tiettyihin kyselyihin.
Satelliittitietojen käsittely
Maan havainnointisatelliitit tuottavat valtavia määriä dataa. Maa-asemat vastaanottavat nämä tiedot erissä pitkän ajan kuluessa, ja ne on kerättävä yhdessä ennen kuin niitä voidaan analysoida. Vaikka satelliittikuvien perusanalyysiin on tehty useita joukkolähdehankkeita erittäin pienessä mittakaavassa, tekoäly voi tulla apuumme satelliittitietojen yksityiskohtaisessa analysoinnissa.
Saatuaan valtavan määrän dataa tekoäly osoittautui erittäin tehokkaaksi sen käsittelyssä. Sitä on käytetty arvioitaessa lämmön kertymistä kaupunkialueilla ja yhdistämällä meteorologisia tietoja satelliittikuviin tuulen nopeuden arvioimiseksi. Tekoäly on myös auttanut arvioimaan auringon säteilyä käyttämällä geostationaaristen satelliittien tietoja monien muiden sovellusten ohella.
Tietojenkäsittelyyn tarkoitettua tekoälyä voidaan käyttää myös itse satelliiteissa. Äskettäisessä tutkimuksessa tutkijat testasivat erilaisia tekoälytekniikoita etäsatelliitin terveydenseurantajärjestelmää varten. Se pystyy analysoimaan satelliiteista vastaanotettuja tietoja tunnistaakseen mahdolliset ongelmat, ennustaakseen satelliitin suorituskykyä ja tarjotakseen visualisointeja tietoisen päätöksentekoa varten.
Avaruusromut
Yksi 21-luvun suurimmista avaruushaasteista on päästä eroon avaruusjätteistä. Mukaan ESA, on noin 34 000 yli 10 cm:n kokoista esinettä, jotka muodostavat vakavan uhan olemassa olevalle avaruusinfrastruktuurille. Uhan torjumiseksi on olemassa joitakin innovatiivisia lähestymistapoja, kuten palaavien satelliittien kehittäminen.
Toinen lähestymistapa on välttää mahdolliset törmäykset avaruudessa estämällä roskien muodostuminen. Äskettäisessä tutkimuksessa tutkijat kehittivät menetelmän törmäysten välttämisliikkeen suunnitteluun käyttämällä koneoppimistekniikoita (ML).
Mielenkiintoista myös:
- SpaceX käyttää Starship puhdistamaan tilaa roskista
- Astroscale aloittaa roskien puhdistamisen Maan kiertoradalla jo vuonna 2021
Toinen uusi lähestymistapa on käyttää maan valtavaa laskentatehoa koneoppimismallien kouluttamiseen, siirtää mallit jo kiertoradalla tai matkalla olevaan avaruusalukseen ja käyttää niitä aluksella erilaisten päätösten tekemiseen. Äskettäin on ehdotettu erästä tapaa varmistaa avaruuslentojen turvallisuus käyttämällä jo koulutettuja verkkoja avaruusaluksella. Tämä tarjoaa enemmän joustavuutta suunniteltaessa satelliitteja minimaalisella törmäysvaaralla kiertoradalla.
Navigointijärjestelmät
Maapallolla olemme tottuneet työkaluihin, kuten Google Mapsiin, jotka käyttävät GPS:ää tai muita navigointijärjestelmiä. Mutta muille maan ulkopuolisille elimille sellaista järjestelmää ei vielä ole.
Meillä ei ole navigointisatelliitteja Kuun tai Marsin ympärillä, mutta voisimme käyttää miljoonia kuvia, joita meillä on valvontasatelliiteista, kuten Lunar Reconnaissance Orbiter (LRO). Vuonna 2018 NASAn tutkijaryhmä kehitti yhteistyössä Intelin kanssa älykkään navigointijärjestelmän, joka käyttää tekoälyä planeettojen tutkimiseen. He kouluttivat mallia miljoonien eri tehtävien aikana otettuihin valokuviin ja loivat virtuaalisen Kuukartan.
Jatkaessamme maailmankaikkeuden tutkimista jatkamme kunnianhimoisten tehtävien suunnittelua tyydyttääksemme luontaisen uteliaisuutemme ja parantaaksemme elämää maan päällä. Pyrkimyksissämme tekoäly auttaa meitä sekä maan päällä että avaruudessa mahdollistamaan tämän tutkimuksen.
Lue myös: