Zadnjih godina Umjetna inteligencija (AI) dobija na zamahu, omogućavajući nam da rješavamo probleme brže nego što bi tradicionalno računarstvo ikada moglo. Na primjer, nedavno DeepMind, podružnica Google, koji se bavi umjetnom inteligencijom, razvijen AlphaFold2, program koji može riješiti problem savijanja proteina. Ovo je problem koji zbunjuje naučnike već 50 godina.
Napredak u umjetnoj inteligenciji omogućio nam je napredak u svim vrstama disciplina – i oni nisu ograničeni na primjene na ovoj planeti. Od dizajniranja misija do čišćenja Zemljine orbite od krhotina, evo nekoliko načina na koje nam umjetna inteligencija može pomoći da napredujemo dalje u svemiru.
Asistenti kosmonauta
Istraživači rade na inteligentnim pomoćnicima za pomoć astronautima. Ovi pomoćnici umjetne inteligencije (AI), čak i ako možda ne izgledaju tako moderno kao u filmovima, mogli bi biti nevjerovatno korisni za istraživanje svemira.
Novorazvijeni virtuelni asistent mogao bi potencijalno otkriti bilo kakve opasnosti u dugotrajnim svemirskim letovima, kao što su promjene u svemirskoj letjelici, kao što su porast ugljičnog dioksida ili kvarovi senzora, koji bi mogli biti potencijalno štetni. Zatim će upozoriti posadu s prijedlozima za inspekciju.
Asistent Cimon isporučen je na Međunarodnu svemirsku stanicu (ISS) u decembru 2019. godine, gdje se testira tri godine. U konačnici, Cimon će se koristiti za smanjenje stresa astronauta ispunjavanjem zadataka koje traže. NASA također razvija satelit za astronaute na ISS-u pod nazivom Robonaut, koji će raditi zajedno sa astronautima ili obavljati zadatke prerizične za njih.
Dizajn i planiranje misije
Planiranje misije na Mars je zastrašujući zadatak, ali umjetna inteligencija ga može olakšati. Nove svemirske misije tradicionalno se zasnivaju na znanju stečenom iz prethodnih istraživanja. Međutim, ove informacije često mogu biti ograničene ili nedostupne u cijelosti.
To znači da je protok tehničkih informacija ograničen na one koji im mogu pristupiti i podijeliti ih s drugim projektantima misije. Ali što ako su sve informacije o gotovo svim prethodnim svemirskim letovima bile dostupne svima s vjerodajnicama u samo nekoliko klikova. Jednog dana će možda postojati pametniji sistem – sličan Wikipediji, ali sa vještačkom inteligencijom koja može odgovoriti na složene upite s pouzdanim i ažuriranim informacijama – koji će pomoći u ranom dizajnu i planiranju novih svemirskih misija.
Istraživači rade na ideji pomoćnog inženjera dizajna kako bi se smanjilo vrijeme potrebno za početno dizajniranje misije, koja inače zahtijeva mnogo radnih sati. Daphne je još jedan primjer pametnog asistenta u dizajnu satelitskih sistema za posmatranje Zemlje. Daphne koriste sistemski inženjeri u timovima za razvoj satelita. To im olakšava posao pružanjem pristupa relevantnim informacijama, uključujući recenzije, kao i odgovore na određena pitanja.
Obrada satelitskih podataka
Sateliti za posmatranje Zemlje stvaraju ogromne količine podataka. Ove podatke zemaljske stanice primaju u serijama tokom dugog vremenskog perioda i moraju se zajedno prikupiti prije nego što se mogu analizirati. Iako je postojalo nekoliko crowdsourcing projekata za osnovnu analizu satelitskih snimaka u vrlo malom obimu, za detaljnu analizu satelitskih podataka može nam priskočiti u pomoć umjetna inteligencija.
Uz ogromnu količinu primljenih podataka, AI se pokazao vrlo efikasnom u njihovoj obradi. Koristi se za procjenu akumulacije topline u urbanim područjima i za kombinovanje meteoroloških podataka sa satelitskim snimcima za procjenu brzine vjetra. AI je također pomogao u procjeni sunčevog zračenja koristeći podatke sa geostacionarnih satelita, među mnogim drugim aplikacijama.
AI za obradu podataka može se koristiti i za same satelite. U nedavnoj studiji, naučnici su testirali različite tehnike veštačke inteligencije za daljinski satelitski sistem za praćenje zdravlja. Sposoban je analizirati podatke primljene sa satelita kako bi identificirao bilo kakve probleme, predvidio performanse satelita i pružio vizualizacije za informirano donošenje odluka.
Svemirski otpad
Jedan od najvećih svemirskih izazova 21. stoljeća je rješavanje svemirskog otpada. Prema ESA, postoji oko 34 objekata većih od 000 cm koji predstavljaju ozbiljnu prijetnju postojećoj svemirskoj infrastrukturi. Postoje neki inovativni pristupi u borbi protiv prijetnje, kao što je razvoj satelita za ponovni ulazak.
Drugi pristup je izbjegavanje mogućih sudara u svemiru sprječavanjem stvaranja bilo kakvog krhotina. U nedavnoj studiji, istraživači su razvili metodu za dizajniranje manevara za izbjegavanje sudara koristeći tehnike mašinskog učenja (ML).
Također zanimljivo:
- SpaceX će koristiti Starship za čišćenje prostora od krhotina
- Astroscale će početi sa čišćenjem otpada u Zemljinoj orbiti već 2021
Još jedan novi pristup je korištenje ogromne računalne snage dostupne na Zemlji za obuku modela strojnog učenja, prijenos tih modela u svemirsku letjelicu koja je već u orbiti ili na putu i korištenje na brodu za donošenje različitih odluka. Jedan od načina da se osigura sigurnost svemirskih letova nedavno je predložen korištenjem već obučenih mreža na brodu. Ovo pruža veću fleksibilnost u dizajniranju satelita uz minimalnu opasnost od sudara u orbiti.
Navigacijski sistemi
Na Zemlji smo navikli na alate poput Google mapa koje koriste GPS ili druge navigacijske sisteme. Ali za druga vanzemaljska tijela takav sistem još ne postoji.
Nemamo navigacijske satelite oko Mjeseca ili Marsa, ali mogli bismo koristiti milione slika koje imamo sa satelita za nadzor kao što su Lunar Reconnaissance Orbiter (LRO). U 2018. godini, grupa istraživača iz NASA-e, u saradnji sa Intelom, razvila je inteligentni navigacioni sistem koji koristi veštačku inteligenciju za istraživanje planeta. Obučili su model na milionima fotografija snimljenih u raznim misijama i kreirali virtuelnu mapu Mjeseca.
Dok nastavljamo da istražujemo svemir, nastavit ćemo planirati ambiciozne misije kako bismo zadovoljili našu urođenu radoznalost i poboljšali život na Zemlji. U našim naporima, umjetna inteligencija će nam pomoći i na Zemlji i u svemiru da omogućimo ovo istraživanje.
Pročitajte također: