來源：學術頭條
作者：Thomas Lawrence
一說起太空 AI，你腦海中浮現的是這樣的角色嗎？
圖 | 電影《星球大戰》的AI機器人：C-3PO和R2-D2（來源：starwars.fandom.com)
實際上，早在現代計算機問世之前，科幻小說就已經大膽提出了在太空中使用 AI 的想法。差強人意的是，目前我們的太空 AI 技術還未成熟。不過人類確實需要太空 AI 的幫助，因爲太空中充滿挑戰，許多太空任務對精確度要求極高，僅憑人類難以實現。
目前在太空中使用最多的 AI 系統當屬一些衛星，它們通常負責太空攝像，每秒產生約 16 張圖像，但這些圖像的質量較差，無法用常規代碼進行處理。
此外，一顆衛星每天大概需要處理 150 TB 數據！如果這些數據未能在當天處理完而留到了第二天，它們將毫無作用。畢竟，有誰需要昨天的天氣情況呢？同樣重要的是，如果沒有迅速處理這些數據，那麼將必須等到衛星一直繞軌道旋轉至相同位置纔能有機會再次獲取所需數據或照片。
更糟糕的是，由於延時，原本監控的東西往往已經移動或更改，例如有一個小行星正向地球衝來！不幸的是，由於未能及時處理該信息，一切都將爲時已晚。
當然，我們也能看到，人類科學家已經開始嘗試使用 AI 技術和 AI 機器人，來幫助人類探索太空、征服太空。
由AI驅動的太空協作機器人
Cobots
Cobots（全稱collaborative robots）是爲了與人類直接接觸和互動而創造的機器人，例如機器狗或吸塵機器人。太空中的協作機器人數量驚人。
CIMON 1＆2(Crew Interactive MObile companioN)
CIMON 由 IBM，AIRBUS 和 DLR（德國航空航天中心）製造。最初的 CIMON 於 2016 年首次提出，並於 2018 年進入國際空間站（ISS)，工作時長 14 個月。CIMON 2 於 2019 年 12 月 5 日到達國際空間站，並計劃在那裏停留 3 年。
實驗證明，CIMON 能夠減輕工作人員的壓力，提高了國際空間站的安全性，並幫助人類更有效地執行任務。CIMON AI 助手呈球形，直徑 32cm，重 5kg，電池壽命爲 3 小時。CIMON 還可以說話，飛行，幫助執行一些任務，播放音樂，查看情況，收聽並向工作人員發出警報。CIMON 還將 IBM cloud 用於數據安全保護。
而且，CIMON 與 AR 兼容，完全使用 3D 打印構建，具有面部識別功能，可以識別人類及其面部表情。
圖 | DLR 項目經理 Christian Karrasch 和 Airbus 項目經理 Philipp Schulien 在 NASA 大樓前與 CIMON 合影（來源：維基百科）
Int-Ball
Int-Ball（也被稱爲 JEM 內置球型攝像機）。自 2017 年 6 月 4 日進入太空以來一直在國際空間站上，由日本航空航天局（JAXA）製造，直徑爲 15 釐米，重 1 千克，電池可續航約 2 個小時，外殼由 3D 打印材料製成。
Int-Ball 可以使用 12 個小型風扇和 3D 標記完成自主飛行，也可以由 JAXA 地勤人員操控以進行飛行和監控任務。它可以自動以 1280 x 720 高清像素和 1920 x 1080 全高清像素（FHD）拍攝照片，幫助國際空間站工作人員爲科學或公共目完成拍照和錄製視頻，幫助他們節省 10％的工作時間。
圖 | Int-Ball(來源：JAXA / NASA）
Kirobo
Kirobo 的使用，是爲了查看人類和 cobots 如何在太空中進行交互。它於 2013 年 8 月 10 日到達國際空間站，是第一個進入太空的 AI 伴侶機器人，工作時長 18 個月。它高約 34 釐米，寬 18 釐米，重約 1 公斤，還會說日語。
Kirobo 由日本電通（Dentsu），東京大學先進科學與技術研究中心，Robo Garage，豐田汽車（ Toyota）和日本宇航局（JAXA）聯合制造。Kirobo 具有聲音識別、話語識別，自然語言處理，語音合成，電信，面部識別和視頻錄製等功能。
Robonaut（R1＆R2）
Robonaut 是類人機器人，這意味着它能夠表現得像人一樣。Robonaut 由通用汽車 GM 和美國國家航空航天局（NASA）製造，可以實現遠程控制或自主 “思考”。
Robonaut 1 並未被送入太空，Robonaut 2 則更快，更小，更靈巧，並且感應範圍更廣，它們都有多個機械下肢。Robonaut 2 於 2011 年 2 月 24 日進入國際空間站，Robonaut 則於 2018 年 5 月回到地球。
Astrobee
Astrobee 是三個不同的協作機器人的總稱：Honey，Queen Bee 和 Bumble。Astrobee 呈立方體形狀，寬 31.75 釐米，可以使用小型風扇自主飛行。它們的任務是幫助宇航員在國際空間站上執行維護任務。
替人類出征太空
廣爲人知的火星探測車 “好奇號 Curiosity”，能夠使用 AI 高效地收集數據。
“好奇號” 自 2012 年登上火星，已經在那裏度過 3005 天。“好奇號” 使用 AEGIS 軟件，該軟件使其能夠自主選擇合適的岩石和土壤目標進行分析。在流動站的激光檢測系統中安裝 AEGIS 軟件後，其選擇合適目標的性能超過 93％，而使用之前的隨機選擇方法的性能則只有 24％。
“好奇號” 還將使用 AI 以避開火星上的沙坑、銳利的岩石和其他障礙物，以免撞上銳利的岩石而終止壽命。此外，一個名爲 AI4Mars 的在線工具可以幫助人們標記出好奇號火星探測器周圍的地形。
AI 在太空探索中的另一種用途是 NASA 與 Google 合作開展的開普勒任務（Kepler mission），該任務使用系外行星的太陽系統的亮度數據來找到該行星。
圖 | “好奇號”火星探測器的自拍照
此外，AI 還被用於小行星探測。
通常，天文學家必須使用數學手段並藉助望遠鏡來手動對小行星進行分類，以弄清它們的形狀、大小、自旋速率和軌跡。該過程可能需要數月才能完成。而現在，藉助新的神經網絡算法，天文學家可以在 4 天內繪製出以上數據。
荷蘭的一個研究小組開發了一種稱爲 “Hazardous Object Identifier” 的神經網絡算法，該算法可以識別出可能與地球碰撞的小行星，且目前，已經發現了 11 顆直徑大於 100 米的小行星。該算法還研究了將在地球 470 萬英里範圍內行駛的小行星，這些小行星撞擊地球的可能性很小。該算法的準確度爲 90.99％，這意味着約 1/10 的小行星將不能被檢測出。
此外，Catalina Sky Survey 團隊根據 100 TB 數據開發了一種 AI 算法，名爲 NEO AID（Near-Earth Object Artificial Intelligence Detection 近地物體人工智能檢測）。Catalina Sky Survey 團隊正在測試該算法，看它是否能夠發現小行星並確定其優先級。比起 “Hazardous Object Identifier” 算法，NEO AID 的性能提高了 10％。
這一性能提升是由於 NEO AID 具備優先級劃分功能，它將重要的小行星（如朝向地球的小行星）放在堆棧頂部進行分析，而將不重要的小行星（如將要與地球擦肩而過的小行星）放在堆棧底部進行分析。研究人員希望利用它找到重定向小行星的方法，並預言這將很快成爲現實。
圖 | 小行星Eros的3D模型（來源：NASA的科學可視化工作室）
AI爲主，人類爲輔的太空技術
衛星-數據緊縮 Satellites-The Data Crunch
如前所說，衛星爲我們提供了有價值的信息，但是衛星在此過程中要做的一件事是創建大量的數據和圖像，衛星每天產生約 150 TB 的數據，而 AI 真正擅長的一件事就是非常快速地處理大量數據。因此，使用 AI 分析衛星上的數據也就不足爲奇了。
管理衛星
許多人認爲衛星易於使用，人們只需將其發射進入軌道，它們就能開始執行任務。但其實，這一想法有些天真。
AI 和 ML 在人造衛星上的主要用途之一是使之自動化，因爲在過去，人造衛星執行任務時需要大量的人工操作。而現在，藉助新的 AI 和 ML，算法衛星可以自動進行航向校正，以避開太空垃圾和其他衛星，還可以自動進行監視和維護任務，自動與地勤人員通信，並自動對外部刺激和傳感器數據做出響應。
Airbus 公司還一直在使用 Google 的開源 AI 語言 Tensor Flow 來監控其衛星在軌道上的運行狀況，從而使它們的衛星表現更出色。IBM 也有一個名爲 KubeSat 的項目，允許衛星間相互通信，創造了在太空中使用 AI 衛星的熱潮。
圖 | NASA的軌道上有很多衛星，幫助NASA研究海洋、陸地和大氣層（來源：NASA)
手機網絡
此外，將 AI 與衛星結合使用，可以輕鬆地爲身處信號不足地區的人們提供互聯網服務。這些地區根本沒有能力去自主發射繞地飛行的人造衛星，也無法使用電纜，光纖或移動網絡。在休斯 Hughes，人們使用 AI 來克服不良網絡狀況，例如沒有電話服務或電話服務緩慢，該算法可防止約 70％的不良網絡狀況。
衛星圖像增強
衛星圖像具有極高的分辨率，但是如果我們需要更清晰的圖像該怎麼辦？SuperRes 是一種 AI 算法，可以自動提高衛星圖像的質量。它可以爲衛星提供更低成本、更輕便的圖像傳感器。
Airbus 公司還使用了基於 Tensor Flow 和廣達幾十億平方公里圖像的 AI 算法，來進行自動雲檢測（如 literal clouds），傳統上在圖像傳遞之前所需要的手動檢查步驟也因此得以省略。現在該算法還可以檢測汽車，輪船或飛機等物體。
監測森林健康
在當前全球環境惡化的情況下，森林健康狀況至關重要。在 20tree.ai 的幫助下，使用衛星圖像和 AI，就可以監視森林以發現森林危害、蟲斑、乾旱等不利情況。我們將能夠非常輕鬆，經濟高效且準確地發現並治療全世界的森林問題。
（來源：20tree.ai）
檢測異常
LatConnect 60 已開發出一種 AI 算法，可以實時檢測異常（例如海洋中的重要溫度變化）並使用時間戳、座標或其他類型的數據進行記錄。
製造業
人工智能不僅在太空中有所助益，而且在製造業中也大有用處。洛克希德·馬丁（Lockheed Martin）等許多人正在使用 AI 來分析製造工藝並對其進行改進，例如分析太空中的衛星，火箭等以改進未來的模型，也包括分析其所執行的工作以確保工作順利完成，還能夠對產品進行測試、加快製造過程。
火箭製造公司 Relativity Space 就是一個例子，該公司使用 AI 來以各種可能的方式優化其火箭製造業，併爲可靠的飛行零件鑄造定製解決方案，同時減少所需零件數量。
圖 | Relativity Space的超大型3D打印機，它使用AI打印火箭和衛星零件（來源：Relativity Space）
預測颶風
IBM Watson 工作室基於美國宇航局噴氣推進實驗室（(Jet Propulsion Laboratory 簡稱 JPL）的科學家發現的衛星圖像、AI 和相關信息建立了一種算法，該算法可以預測颶風的路徑，以及颶風加強的可能性。算法通過查看颶風中心的降雨量、雲層中的冰量以及從颶風眼中流走的空氣溫度來實現預測目標。對於風速在 24 小時內將最少增加至 56 公里 / 小時的颶風，該算法的預測性能優於人工預測約 60％，對於風速在 24 小時內將增加至 60 公里 / 小時的颶風，該算法的預測性能優於人工預測約 200％。
太空殘骸問題
每當有衛星、火箭等在太空中丟失或炸燬時，其製造出的殘骸移動速度將達到 1000米/秒，這會阻礙後續火箭衛星等順利進入預定軌道。因此，IBM 開發了一個名爲 SSA（Space Situational Awareness太空態勢感知）的系統，該系統可以預測和跟蹤這些殘骸垃圾，以確保其他物體不會被如高爾夫球大小的碎片擊中並被摧毀。
居住地建設
NASA 計劃在 2033 年將人類送往火星，而埃隆·馬斯克（Elon Musk）希望在 2022 年就完成該目標，但前提是，在宇航員到達火星之前，就要在火星上建立起人類可居住的地方。另外，火星上的棲息地必須密閉，能夠經受住持續數月之久的沙塵暴侵襲，並能承受-129C（200F）至-46C（-50F）的溫度以及任何宇宙碎片。
但其實，我們可以在宇航員到達火星之前使用 AI 爲宇航員 3D 打印一個居住地。AI Space Factory 是一家致力於火星居住地建設的公司。他們使用 3D 打印技術建造出一個居住地，由可在火星上找到的玄武岩和一種由玉米制成的塑料聚合物製成，NASA 希望能在火星上種出玉米以減少材料的運輸成本。而且，該居住地是由一種生成設計 AI 設計爲蛋形結構，這讓他們能夠使用最少的材料，創建出非常堅固的最佳結構，而且這種結構具有最佳的隔熱效果。
圖 | 在 NASA 3D 打印棲息地挑戰賽中，AI Space Factory 團隊在火星棲息地前留影太空 AI 未來的潛在用途
基於太空的戰爭情報
衛星可以用來向前線人員或操控信息戰爭的人提供情報。通常，數據處理和開發是在地面上進行的，而衛星則下載數據，但是 Raytheon Intelligence & Space 正在研究一種將數據收集、數據開發者和數據發送等功能全部集成至衛星的系統。
網絡安全
SmartSat 正在使用衛星 AI 通過啓發模式來檢測異常並改善網絡安全。隨着新威脅的出現，它可以通過自動更新來提高機載網絡安全性。
減少耗電量
AI 甚至可以爲國際空間站或衛星節省電力。這對太空技術的作用非常大，因爲對於衛星或者火箭發射來說，任何重量的減輕都將大大提高發射成功概率。而且，更有效的能源使用將使人們能夠獲取更多的太空能源。此外，AI 還有可能應用於自動化採礦、AI 宇航員、使任何月球或火星基地任務實現自動化、太空旅遊等等領域。
當然，我們還需注意，太空是一個極其危險的環境，而太空探索意味着生成、獲取和處理大量數據，AI 就恰好擅長與大量數據打交道。
同時，太空 AI 的使用可以徹底改變太空技術（現在它已經在這樣做了），相信很快，我們就會看到 AI 完全替代人類宇航員——因爲 AI 技術可以最大程度地減少生命損失，更廉價、更有效、更輕便，並且其潛在錯誤更少
未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）雲腦研究計劃，構建互聯網（城市）雲腦技術和企業圖譜，爲提升企業，行業與城市的智能水平服務。
如果您對實驗室的研究感興趣，歡迎加入未來智能實驗室線上平臺。掃描以下二維碼或點擊本文左下角“閱讀原文”
