NASA ønsker kunstig intelligens for å hjelpe i letingen etter fremmede planeter og potensielt farlige asteroider.
(Bilde: © NASA)
Kunstig intelligens kan hjelpe i letingen etter liv på fremmede planeter og påvisning av asteroider i nærheten, ifølge NASA-tjenestemenn.
NASA håper å bruke kunstig intelligens, eller AI, teknologier som maskinlæring for å tolke data som vil bli samlet inn av fremtidige teleskoper som James Webb Space Telescope eller Mission Transit Exoplanet Survey Satellite (TESS), ifølge en uttalelse fra romfartsorganet .
Giada Arney, en astrobiolog ved NASAs Goddard Space Flight Center i Greenbelt, Maryland, sa i uttalelsen. "Disse teknologiene er veldig viktige, spesielt for store datasett og spesielt i eksoplanettfeltet. "Fordi dataene vi kommer til å få fra fremtidige observasjoner, vil være sparsomme og støyende. Det kommer til å bli veldig vanskelig å forstå. Så bruk av disse verktøyene har så mye potensiale å hjelpe oss."
NASA har inngått samarbeid med selskaper som Intel, IBM og Google for å utvikle avanserte maskinlæringsteknikker. Hver sommer bringer NASA også teknologi og rominnovatorer sammen for et åtte ukers program kalt Frontier Development Lab (FDL).
"FDL føles som noen virkelig gode musikere med forskjellige instrumenter som kommer sammen til en jam-økt i garasjen, finner noe skikkelig kult, og sier: 'Hei, vi har et band her,'" Shawn Domagal-Goldman, en NASA Goddard-astrobiolog , heter det i uttalelsen fra NASA.
I 2018 mentorer Domagal-Goldman og Arney et FDL-team som utviklet en maskinlæringsteknikk som bruker hjernelignende "nevrale nettverk" for å analysere bilder og identifisere kjemien til eksoplaneter basert på bølgelengdene til lys som sendes ut eller absorberes av molekyler i deres atmosfære. . Denne teknikken behandler informasjon som ligner på hvordan nevroner, eller nerveceller i hjernen, kobler seg til andre nevroner for å behandle og overføre informasjon, ifølge uttalelsen.
Ved hjelp av denne nevrale nettverksteknikken klarte forskerne å identifisere forekomsten av forskjellige molekyler i atmosfæren til en eksoplanett kalt WASP-12b mer nøyaktig enn konvensjonelle metoder.
I tillegg er det nevrale nettverksteknikken i stand til å identifisere når det ikke er tilstrekkelige data, "noe som virkelig er viktig hvis vi skal stole på disse spådommene," sa Domagal-Goldman i uttalelsen.
Mens teamets nevrale nettverksteknikk fremdeles er i utvikling, kan den en dag brukes til å studere data samlet inn av fremtidige teleskoper og på sin side bidra til å begrense eksoplanettkandidatene som fortjener videre undersøkelse, sa forskerne.
Andre FDL-teknologier har også blitt brukt til god bruk. For eksempel utviklet et team fra 2017 et maskinlæringsprogram som kunne lage 3D-modeller av asteroider - inkludert størrelse, form og spinnfrekvens - på så lite som fire dager. Denne typen programmer er spesielt viktig for å oppdage og avlede potensielt truende asteroider fra Jorden, ifølge uttalelsen.
NASA samler inn cirka 2 gigabyte med data hvert 15. sekund fra sin romfartsflåte. Imidlertid "analyserer vi bare en brøkdel av disse dataene, fordi vi har begrensede mennesker, tid og ressurser," sa Madhulika Guhathakurta, en heliosfysiker fra NASA, i uttalelsen. "Derfor må vi bruke disse verktøyene mer."
I tillegg foreslår forskere å bygge A.I. teknologier i fremtidens romfartøy. Dette vil gjøre det mulig for romfartøyet å ta vitenskapelige beslutninger i sanntid og i sin tur spare tid som ellers ville være nødvendig for romfartøyet til å kommunisere med forskere på jorden.
"A.I.-metoder vil hjelpe oss å frigjøre prosessorkraft fra våre egne hjerner ved å gjøre mye av det første arbeidet med vanskelige oppgaver," sa Arney i uttalelsen. "Men disse metodene vil ikke erstatte mennesker snart, fordi vi fortsatt må sjekke resultatene."
- 13 måter å søke etter intelligente romvesener
- NASAs livsjakt Mars 2020 Rover vil søke etter fremmede mikrofossiler
- Mystiske, eldgamle radiosignaler fortsetter å smelte jorden. Astronomer designet en AI for å jakte dem ned
