NASA søger kunstig intelligens til hjælp i søgningen efter fremmede planeter og potentielt farlige asteroider.
(Billede: © NASA)
Kunstig intelligens kunne hjælpe med at søge liv på fremmede planeter og påvisning af nærliggende asteroider, ifølge NASA-embedsmænd.
NASA håber at bruge kunstig intelligens, eller AI, teknologier som maskinlæring til at fortolke data, der vil blive indsamlet af fremtidige teleskoper som James Webb Space Telescope eller Mission Transiting Exoplanet Survey Satellite (TESS), ifølge en erklæring fra rumfartsagenturet .
"Disse teknologier er meget vigtige, især for store datasæt og især inden for exoplanetfeltet," siger Giada Arney, en astrobiolog ved NASA's Goddard Space Flight Center i Greenbelt, Maryland, i erklæringen. "Fordi de data, vi vil få fra fremtidige observationer, vil være sparsomme og støjende. Det bliver virkelig svært at forstå. Så at bruge disse slags værktøjer har så meget potentiale til at hjælpe os."
NASA har indgået et samarbejde med virksomheder som Intel, IBM og Google for at udvikle avancerede maskinelæringsteknikker. Hver sommer bringer NASA også teknologi og ruminnovatorer sammen til et otte ugers program kaldet Frontier Development Lab (FDL).
"FDL føles som nogle virkelig gode musikere med forskellige instrumenter, der mødes sammen til en jam-session i garagen, finder noget rigtigt cool og siger, 'Hej, vi har et band her,'" Shawn Domagal-Goldman, en NASA Goddard-astrobiolog , sagde det i NASA-erklæringen.
I 2018 mentor Domagal-Goldman og Arney et FDL-team, der udviklede en maskinlæringsteknologi, der bruger hjernelignende "neurale netværk" til at analysere billeder og identificere kemi af exoplaneter baseret på bølgelængderne af lys, der udsendes eller absorberes af molekyler i deres atmosfære. . Denne teknik behandler information, der ligner, hvordan neuroner eller nerveceller i hjernen forbindes med andre neuroner for at behandle og overføre information, ifølge udsagnet.
Ved hjælp af denne neurale netværksteknik kunne forskerne identificere forekomsten af forskellige molekyler i atmosfæren på en exoplanet kaldet WASP-12b mere præcist end konventionelle metoder.
Derudover er den neurale netværksteknik i stand til at identificere, hvornår der ikke er tilstrækkelige data, "hvilket er virkelig vigtigt, hvis vi skal stole på disse forudsigelser," sagde Domagal-Goldman i erklæringen.
Mens holdets neurale netværksteknik stadig er under udvikling, kunne den en dag bruges til at studere data indsamlet af fremtidige teleskoper og på sin side hjælpe med at indsnævre de exoplanetkandidater, der fortjener yderligere undersøgelse, sagde forskerne.
Andre FDL-teknologier er også blevet brugt godt. For eksempel udviklede et 2017-team et maskinlæringsprogram, der kunne oprette 3D-modeller af asteroider - inklusive deres størrelse, form og spinhastighed - på så lidt som fire dage. Denne type program er især vigtig til at detektere og afbøje potentielt truende asteroider fra Jorden, ifølge erklæringen.
NASA indsamler cirka 2 gigabyte data hvert 15. sekund fra sin flåde af rumfartøjer. Men "vi analyserer kun en brøkdel af disse data, fordi vi har begrænsede mennesker, tid og ressourcer," sagde Madhulika Guhathakurta, en NASA-heliofysiker, i erklæringen. "Derfor er vi nødt til at bruge disse værktøjer mere."
Derudover foreslår forskere at bygge A.I. teknologier i fremtidens rumfartøj. Dette ville gøre det muligt for rumfartøjet at tage videnskabelige beslutninger i realtid og til gengæld spare tid, der ellers ville være nødvendigt for rumfartøjet til at kommunikere med forskere på Jorden.
"A.I.-metoder vil hjælpe os med at frigøre processorkraft fra vores egne hjerner ved at gøre meget af det indledende benarbejde på vanskelige opgaver," sagde Arney i erklæringen. "Men disse metoder erstatter ikke mennesker nogen tid snart, fordi vi stadig skal kontrollere resultaterne."
- 13 måder at søge efter intelligente udlændinge på
- NASAs Life-Hunting Mars 2020 Rover vil søge efter fremmede mikrofossiler
- Mystiske, eldgamle radiosignaler holder peltende jorden. Astronomer Designede en AI til at jage dem ned
