NASA letar efter konstgjord intelligens för att hjälpa till i sökandet efter främmande planeter och potentiellt farliga asteroider.
(Bild: © NASA)
Konstgjord intelligens kan hjälpa till i sökandet efter liv på främmande planeter och upptäckt av asteroider i närheten, enligt NASA-tjänstemän.
NASA hoppas kunna använda artificiell intelligens, eller AI, teknik som maskininlärning för att tolka data som kommer att samlas in av framtida teleskop som James Webb Space Telescope eller Mission Transit Exoplanet Survey Satellite (TESS), enligt ett uttalande från rymdbyrån .
"Dessa teknologier är mycket viktiga, speciellt för stora datamängder och särskilt inom exoplanetfältet," sade Giada Arney, en astrobiolog vid NASA: s Goddard Space Flight Center i Greenbelt, Maryland, i uttalandet. "Eftersom de data vi kommer att få från framtida observationer kommer att vara glesa och bullriga. Det kommer att bli riktigt svårt att förstå. Så att använda dessa typer av verktyg har så mycket potential att hjälpa oss."
NASA har samarbetat med företag som Intel, IBM och Google för att utveckla avancerade tekniker för maskininlärning. Varje sommar förenar NASA också teknik- och rymdinnovatörer för ett åtta veckors program som heter Frontier Development Lab (FDL).
"FDL känns som några riktigt bra musiker med olika instrument som går samman för en jam-session i garaget, hittar något riktigt coolt och säger:" Hej, vi har ett band här, "" Shawn Domagal-Goldman, en NASA Goddard-astrobiolog , sade i NASA: s uttalande.
År 2018 mentorerade Domagal-Goldman och Arney ett FDL-team som utvecklade en maskininlärningsteknik som använder hjärnliknande "neurala nätverk" för att analysera bilder och identifiera exoplanets kemi baserat på våglängderna för ljus som släpps ut eller absorberats av molekyler i deras atmosfärer. . Denna teknik bearbetar information som liknar hur nervceller eller nervceller i hjärnan ansluter till andra neuroner för att bearbeta och överföra information, enligt uttalandet.
Med hjälp av denna neurala nätverksteknik kunde forskarna identifiera överflödet av olika molekyler i atmosfären på en exoplanet som kallas WASP-12b mer exakt än konventionella metoder.
Dessutom kan neurala nätverkstekniken identifiera när det inte finns tillräckligt med data, "vilket verkligen är viktigt om vi ska lita på dessa förutsägelser", säger Domagal-Goldman i uttalandet.
Medan teamets neurala nätverksteknik fortfarande är under utveckling kan den en dag användas för att studera data som samlas in av framtida teleskoper och i sin tur hjälpa till att begränsa exoplanetkandidaterna som förtjänar ytterligare studier, sade forskarna.
Andra FDL-tekniker har också använts bra. Till exempel utvecklade ett team 2017 ett maskininlärningsprogram som kunde skapa 3D-modeller av asteroider - inklusive deras storlek, form och rotationsfrekvens - på så lite som fyra dagar. Denna typ av program är särskilt viktigt för att upptäcka och avleda potentiellt hotande asteroider från jorden, enligt uttalandet.
NASA samlar ungefär 2 gigabyte data var 15: e sekund från sin rymdfarkost. Men "vi analyserar bara en bråkdel av dessa data, eftersom vi har begränsade människor, tid och resurser," sade Madhulika Guhathakurta, en NASA-heliofysiker, i uttalandet. "Det är därför vi måste använda dessa verktyg mer."
Dessutom föreslår forskare att bygga A.I. teknik i framtida rymdfarkoster. Detta skulle göra det möjligt för rymdskeppet att fatta realtidsbeslut i realtid och i sin tur spara tid som annars skulle behövas för rymdskeppet att kommunicera med forskare på jorden.
"A. I. metoder kommer att hjälpa oss att frigöra bearbetningskraft från våra egna hjärnor genom att göra mycket av det första arbetet på svåra uppgifter," sade Arney i uttalandet. "Men dessa metoder kommer inte att ersätta människor snart, eftersom vi fortfarande måste kontrollera resultaten."
- 13 sätt att söka efter intelligenta utlänningar
- NASAs Life-Hunting Mars 2020 Rover kommer att söka efter främmande mikrofossiler
- Mystiska antika radiosignaler fortsätter att smälta jorden. Astronomer designade en AI för att jaga dem ner
