问小白 wenxiaobai
资讯
历史
科技
环境与自然
成长
游戏
财经
文学与艺术
美食
健康
家居
文化
情感
汽车
三农
军事
旅行
运动
教育
生活
星座命理

紧追时代潮流,太空探索的AI时代来临!

创作时间:
作者:
@小白创作中心

紧追时代潮流,太空探索的AI时代来临!

引用
澎湃
1.
https://m.thepaper.cn/newsDetail_forward_29018110

近日,在2024中国国际大数据产业博览会期间,中国科学院地球化学研究所与阿里云联合发布国际首个“月球科学多模态专业大模型”。这一突破性进展标志着人工智能在太空探索领域的应用迈入新阶段。

航天是人类科技创新的前沿,人工智能技术在航天领域的应用已经有了一定发展。空间环境广袤单调,航天任务具有流程标准化、航天器在轨自主性高、航天控制系统高度自动化的特点。特别是近年来,航天领域高速发展,积累了大量数据和知识库,为人工智能技术的应用提供了良好基础。


新一代火星车“毅力号”采用了人工智能技术

其实,人工智能已经渗透到航天设计、研制、发射以及运行的各个阶段,在空间探索领域也有广泛应用。1998年,美国宇航局发射深空1号技术演示航天器,试验了自动导航等先进技术。“深空1号”的飞行实验由人工智能远程代理控制,能检测、诊断和修复任务中遇到的问题,保障任务顺利开展。

火星地表探测也是人工智能的用武之地。美国的勇气号火星车因车轮陷入软土,被迫终止任务。新一代火星车“毅力号”采用人工智能技术,能够探测火星漫游路线上的岩石、陨石坑等障碍物,自动计算前进路径,确保漫游车安全通过。

在天文观测中,计算机基于人工智能算法可以检测、分类并识别恒星和星系数据,使天文学家能够准确识别空中的恒星和星系。2015年,澳大利亚研究人员利用人工智能从数以千计的星系中挑选研究对象,在艰苦复杂的光谱分析工作中,把神经网络嵌入分析过程,大幅提升了工作效率。

此外,人工智能还被应用于寻找宜居星球和外星生命中。AI可以处理庞大的天文数据集,滤除宇宙辐射噪声,以极高的速度和准确性捕捉外星生命信号。在“突破聆听”项目中,科学家利用计算机算法对820颗恒星的观测数据进行分析,筛选出近300万个可疑信号,最终识别出8个有望昭示地外生命的候选信号。印度科学家开发人工智能算法,从5000颗行星中找出约60颗可能适合生命生存的行星。谷歌团队筛选开普勒望远镜的数据,发现了301颗以前未知的系外行星,展示了人工智能发现宜居行星的潜力。


帕克斯望远镜加入了“突破聆听”项目

航天任务是知识处理的过程,航天任务的规划设计通常涉及海量数据信息、复杂的逻辑推理和约束条件,很适合人工智能大显身手。然而,当前人工智能技术还处于“弱人工智能”阶段,航天领域以发展辅助分析和辅助决策层次的人工智能技术为主,在应用中尚且存在一些问题。

首先,以神经网络为核心的人工智能具有不可解释性,这意味着工程师们无法明确算法给出结果的原因。在航天工程中,不可解释意味着风险,这对于要求万无一失的关键任务,是不可接受的。

其次,人工智能算法的训练和应用需要大量样本数据,比如在航天器遥测故障领域内,样本数据积累较少,还无法充分训练模型,工作人员难以得到较好的模型分析效果。

此外,部署在地球上的人工智能有充足的能源、计算资源和存储资源支撑,可以充分发挥作用。但如果应用于深空探测器,人工智能还面临着算力、存储资源不足等方面的问题。深空探测器的尺寸、重量和功率有着严格限制,人工智能系统需要在有限的硬件、能源和计算资源中运行。在这种情况下,如何分配资源并使人工智能的性能和效率最大化,是需要权衡的问题。

另一方面,地球与航天器之间的通信带宽受限,而且存在通信延迟,使地面控制中心难以实时监控和指导人工智能系统。

很多情况下,人工智能是在没有人类实时干预的过程中做决策,在遇到未知情况时会尽可能保持安全和有效的操作,但如果这种决策出现错误并造成损害,后果不堪设想。

人工智能的应用也面临法律和政策的问题。太空探索受到国际法规的约束,人工智能的使用必须遵守相关法律,如外层空间条约。

虽然目前人工智能还没有达到科幻小说中描述的程度,但随着技术的发展,其在太空探索乃至更广阔的领域都将拥有光明的前景。

一方面,人工智能技术在太空探索应用中已经初露锋芒,通过与传统方法互补配合,相辅相成,有助于航天器和任务方案升级换代,取得更大成果。

另一方面,人工智能技术的深入普及,将促进多学科融合发展,造福于更多的航天科研领域。随着算法、算力和云技术的进一步突破,人工智能技术的应用将日趋广泛,未来将会促进整个航天领域的发展。


月球撞击坑可被人工智能大模型推理判断

如今,人工智能大模型的应用也初见成效。此次中科院与阿里云联合发布的“月球专业大模型”就是很好的例子。科研工作者只需输入月球撞击坑图像和相关问题,月球专业大模型即可从17种多模态数据中(包括光谱、高程、重力等数据)判定图像对应的模态类型,回答该撞击坑的形态、大小、年代等相关问题,并给出推理过程,在月球撞击坑年代和形态判别上的准确率已达到80%以上,极大提升了海量数据的处理速度,帮助科研工作者挖掘新的科学发现。

在可以预见的未来,人工智能将与机器人技术相结合,人们可能会看到能自行探索遥远行星和卫星的机器人。宇宙和其他星球的环境非常恶劣,矿物种类和结构与地球相差甚远,人工智能便可以代替人类进行深度探索和星球开发,采集有用的资源,甚至将外星环境改造得更适宜人类居住。

本文原文来自《中国航天报·飞天科普周刊》

© 2023 北京元石科技有限公司 ◎ 京公网安备 11010802042949号