本文摘要：据SingularityHub报导，太空探寻中的人工智能（AI）正在蓄势待发。在未来几年里，当我们前往彗星、卫星和行星，并探寻在小行星上矿业的可能性时，新的任务看上去可能会获得AI的极大协助。欧洲航天局（ESA）高级概念和研究办公室主任利奥波德·萨默斯（LeopoldSummerer）在拒绝接受专访时说：“AI早已转变了游戏规则，使科学研究和探寻更为高效。AI不仅让这种效率缩减到，而是提升了10倍。 ”相比较比比皆是AI在太空探寻中应用于的历史比许多人想象的要久远得多。

据SingularityHub报导，太空探寻中的人工智能（AI）正在蓄势待发。在未来几年里，当我们前往彗星、卫星和行星，并探寻在小行星上矿业的可能性时，新的任务看上去可能会获得AI的极大协助。欧洲航天局（ESA）高级概念和研究办公室主任利奥波德·萨默斯（LeopoldSummerer）在拒绝接受专访时说：“AI早已转变了游戏规则，使科学研究和探寻更为高效。AI不仅让这种效率缩减到，而是提升了10倍。

”相比较比比皆是AI在太空探寻中应用于的历史比许多人想象的要久远得多。AI早已在研究我们的星球、太阳系和宇宙方面充分发挥了最重要起到。

随着计算机系统和软件的发展，AI的潜在用例也在大大减少。地球观察者1号（EO－1）卫星就是个很好的例子。自本世纪初升空以来，其机载AI系统协助优化了对自然灾害（如洪水和火山爆发）的分析和号召。

在某些情况下，AI甚至需要让地球观察者1号卫星在地勤人员意识到事故再次发生之前就开始摄制图像。其他卫星和天文学的例子也比比皆是。

在第二次帕洛玛天空调查（PalomarSkySurvey）中，天空图像编目和分析工具（SKICAT）早已帮助研究人员对找到的天体展开分类。帕洛玛天空调查目的对成千上万个在低分辨率下摄制的物体图像展开分类，这大大远超过了人类的能力。类似于的AI系统早已协助天文学家确认了56个新的、有可能的“引力透镜”，这些透镜在暗物质研究中充分发挥着关键作用。AI搜寻大量数据并找到相关性的能力将显得更加最重要，因为它能最大限度地利用现有数据。

欧洲航天局的ENVISAT每年产生约400TB的新数据，但与平方公里阵列（SquareKilometreArray）比起就相形见绌了，后者每天产生的数据量与目前互联网上的数据量差不多。AI协助登岸火星AI也被用作轨道和载荷优化。这两项任务都是美国宇航局（NASA）下一个火星探测器（Mars2020Rover）任务的最重要步骤，这个探测器将于2021年初登岸火星。被称作AEGIS的AI早已经常出现在美国宇航局当前的火星探测器上，该系统可以协助摄像头自动射击目标，并自由选择调查对象。

然而，下一代AI系统将需要掌控车辆，自律帮助研究自由选择，动态调度和继续执行科学任务。在整个职业生涯中，来自丹麦DTUSpace的约翰·列夫·乔根森（JohnLeifJorgensen）早已设计出有许多设备和系统，它们被应用于在100多颗卫星上。乔根森是Mars2020Rover上自律科学仪器PIXL的团队成员，该仪器普遍用于AI。

其目的是调查火星上否不存在类似于叠层石的生命形式。乔根森在拒绝接受专访时回应：“PIXL的显微镜加装在探测器的臂上，必须摆放在距离我们想研究的东西14毫米的地方。

这要得益于加装在探测器上的几个摄像头。这听得一起有可能很非常简单，但是过渡过程和确认手臂的清楚方位十分艰难，就看起来从屋顶上摄制的街头照片中辨识建筑一样。

不过，这是尤其合适AI去做到的事情。”AI还能协助PIXL在夜间自动运营，并随着环境的变化而大大展开调整。在火星上，昼夜温度的变化可以多达100摄氏度，这意味著探测器、摄像头、机械臂和正在研究的岩石下面的地面距离都在大大变化。乔根森称之为：“AI是所有这些工作的核心，并协助将效率提升1倍以上。

”再行火星后卫星火星很有可能近不是AI在太空探寻中的最后目的地。长久以来，木星的多颗卫星都让科学家们深感著迷。尤其是木卫二（Europa），它有可能不存在地下海洋，挖出在约10千米薄的冰层下。它是太阳系中除了地球之外，最有可能寻找生命的地方之一。

虽然这项任务有可能在未来的某段时间内已完成，但美国宇航局目前的计划是在2020年将詹姆斯－韦伯（JamesWebb）太空望远镜升空到距离地球大约150万公里的轨道上。任务的一部分将牵涉到到AI反对的自律系统，它负责管理监督望远镜705公斤重的镜片的全面部署。地球和木卫二之间的距离，或者地球与詹姆斯－韦伯望远镜之间的距离，都意味著通信将被延后。

反过来，这也使得继续执行太空任务的宇航员必需需要自己作出要求。来自火星探测器项目的例子指出，由于距离很远，火星探测器和地球之间的通信必须延后20分钟。

而木卫二任务的通讯延迟时间有可能更长。这两项任务在有所不同程度上说明了目前在空间探寻中用于AI面对的最根本性挑战之一。AI系统的展现出与它们接管到的数据量之间往往不存在必要的联系。

数据就越多，AI系统的展现出就越少。但是我们没过于多的数据来训练这样的系统，让它意识到在像木卫二这样的地方继续执行任务时有可能遇上哪些挑战。计算能力是第二个挑战。艰难而耗时的审核程序和电磁辐射风险意味著，在旋即的将来，你家里的电脑有可能比任何转入太空的东西都更加强劲。

200MHz的处理器、256MB的RAM和2GB的内存听得一起更加像诺基亚3210，而不是iPhoneX，但它实质上就是下一代太空探测器的“大脑”。私营企业腾飞私人公司正在协助突破这些容许。

CBInsights统计资料了太空领域的57家初创公司，它们牵涉到自然资源、消费旅游、研发、卫星、航天器设计和升空以及数据分析等各个领域。DavidChew是日本卫星公司Axelspace的工程师，他说明了私人公司如何提升太空探寻效率和降低成本的原因。DavidChew拒绝接受专访时说：“许多私人太空公司正在利用前进系统（fall－backsystem），找寻用于传统公司指出的非太空级部件和系统的方法。通过实行前进操作者，并用于AI，就有可能在不减少告终风险的情况下，构建和用于成本更加较低的部件。

”改建我们的未来家园在更加很远的未来，改建火星环境这样的伟业于是以等着我们去构建。如果没AI的协助，这些让其他行星变为类似于地球环境的项目是不有可能顺利的。自律飞行器在地球上早已开始“变形”，BioCarbonEngineering公司利用无人机在1天内种下10万棵树。

无人机首先对某个区域展开调查和地图绘制，然后在第二波无人机展开实际栽种之前，算法要求树木的最佳方位。就像指数级技术的情况一样，协同作用和融合的潜力是极大的。比如AI和机器人，或者量子计算出来与机器学习。为什么不把AI驱动的机器人送来上火星，并把它作为地球科学家的远程操作者目标？可以这样说道，我们早已正处于用于虚拟现实（VR）和增强现实（AR）系统的早期阶段，这些系统从火星探测器那里获取数据，创立一个虚拟世界景观，科学家们可以在里面休息，并要求探测器下一个探寻目标。

AI在太空探寻中应用于的仅次于益处之一，有可能与它的实际功能没过于大关系。DavidChew指出，在短短10年内，我们就可以在AI的协助下，在柯伊伯带上（KuiperBelt）找到第一批需要矿业小行星。

他说道：“我指出AI对太空探寻作出的贡献是，它首创了一系列新的有可能产业和服务，这对地球上的人类生活将产生更加必要的影响。它沦为了一个能引起共鸣的行业，对人们的日常生活产生了实实在在的影响。在或许上，太空探寻早已沦为人们思维方式的一部分，地球和太阳系之间的边界显得不那么最重要了。

本文来源：南宫28圈官网-www.kubernetek.com