教授自動(dòng)駕駛汽車(chē)安全駕駛的計算機算法是否可以幫助識別附近的小行星或發(fā)現宇宙中的生命?美國宇航局的科學(xué)家正試圖通過(guò)與人工智能(AI)的先驅(例如英特爾，IBM和Google)合作，將先進(jìn)的計算機算法應用于太空科學(xué)中的問(wèn)題，從而弄清這一點(diǎn)。
機器學(xué)習是AI的一種。它描述了使用最廣泛的算法和其他工具，這些算法和其他工具使計算機可以從數據中學(xué)習，從而比人類(lèi)能夠更快，更準確地進(jìn)行預測和對對象進(jìn)行分類(lèi)。因此，機器學(xué)習已廣泛用于幫助技術(shù)公司識別照片中的面孔或預測人們喜歡的電影。但是一些科學(xué)家認為應用遠遠超出了地球。
馬里蘭州格林貝爾特市NASA戈達德太空飛行中心的天體生物學(xué)家Giada Arney希望機器學(xué)習可以幫助她和她的同事在一大堆數據中找到生命之源，這些數據將由未來(lái)的望遠鏡和天文臺(如NASA的James Webb Space)收集望遠鏡。
“這些技術(shù)非常重要，特別是對于大數據集，尤其是在系外行星領(lǐng)域，” Arney說(shuō)。“因為我們將從未來(lái)的觀(guān)察中獲得的數據將是稀疏且嘈雜的。這真的很難理解。因此，使用這類(lèi)工具具有巨大的潛力來(lái)幫助我們。”
為了幫助像Arney這樣的科學(xué)家構建最先進(jìn)的研究工具，美國航空航天局(NASA)的Frontier Development Lab或FDL于每年夏天召集技術(shù)和太空創(chuàng )新者八周，以集思廣益并開(kāi)發(fā)計算機代碼。這項歷時(shí)四年的計劃是SETI研究所與美國國家航空航天局(NASA)的艾姆斯研究中心(Ames Research Center)的合作伙伴關(guān)系，這兩家總部位于硅谷的孵化器孵化器匯集了人才，以加速突破性技術(shù)的發(fā)展。
在NASA的版本中，FDL將科學(xué)和計算機工程專(zhuān)業(yè)的早期博士生與太空總署，學(xué)術(shù)界以及一些世界上最大的科技公司的專(zhuān)家配對。合作伙伴公司貢獻了硬件，算法，超級計算資源，資金，設施和主題專(zhuān)家的各種組合。FDL開(kāi)發(fā)的所有AI技術(shù)將公開(kāi)提供，其中一些已經(jīng)幫助識別小行星，尋找行星并預測極端太陽(yáng)輻射事件。
“ FDL感覺(jué)像是一些非常出色的音樂(lè )家，他們用不同的樂(lè )器在車(chē)庫里聚在一起，進(jìn)行一場(chǎng)果醬表演，發(fā)現確實(shí)很酷的東西，然后說(shuō)：“嘿，我們在這里有一支樂(lè )隊，” NASA Goddard的肖恩·多瑪加爾·高德曼(Shawn Domagal-Goldman)說(shuō)：天體生物學(xué)家與Arney一起在2018年指導了FDL團隊。他們的團隊為旨在研究系外行星或我們太陽(yáng)系以外行星的大氣層的科學(xué)家開(kāi)發(fā)了一種機器學(xué)習技術(shù)。
這些戈達德的科學(xué)家希望有一天能夠使用先進(jìn)的機器學(xué)習技術(shù)，根據大氣中分子發(fā)射或吸收的光的波長(cháng)，快速解釋揭示系外行星化學(xué)性質(zhì)的數據。由于迄今已發(fā)現了成千上萬(wàn)的系外行星，因此迅速做出決定，哪些化學(xué)物質(zhì)與可居住性最相關(guān)。
為此，FDL團隊Arney和Domagal-Goldman在Google AI的技術(shù)支持下為建議提供了建議，該技術(shù)部署了一種稱(chēng)為“ 神經(jīng)網(wǎng)絡(luò ) ”的技術(shù)哈勃太空望遠鏡。團隊想知道，貝葉斯神經(jīng)網(wǎng)絡(luò )能否做得更好?
Cobb說(shuō)：“我們立即發(fā)現，在識別WASP-12b大氣中各種分子的豐度方面，神經(jīng)網(wǎng)絡(luò )比隨機森林具有更好的準確性。”
但是除了更好的準確性外，貝葉斯技術(shù)還提供了一些同樣重要的東西：它可以告訴科學(xué)家預測的確定性。Domagal-Goldman說(shuō)：“在數據不足以給出真實(shí)準確結果的地方，該模型更適合知道不確定答案，這對于我們相信這些預測非常重要。”說(shuō)。
盡管該團隊開(kāi)發(fā)的技術(shù)仍在開(kāi)發(fā)中，但其他FDL技術(shù)已在現實(shí)世界中被采用。到2017年，FDL參與者開(kāi)發(fā)了一種機器學(xué)習程序，該程序可以快速創(chuàng )建附近小行星的3-D模型，從而準確估計它們的形狀，大小和旋轉速度。這些信息對于NASA探測并偏轉來(lái)自地球的威脅小行星的工作至關(guān)重要。
傳統上，天文學(xué)家使用簡(jiǎn)單的計算機軟件來(lái)開(kāi)發(fā)3-D模型。該軟件分析了移動(dòng)小行星的許多雷達測量值，然后幫助科學(xué)家根據雷達信號的變化推斷其物理性質(zhì)。
SETI總裁兼首席執行官比爾戴蒙德(Bill Diamond)說(shuō)：“具有標準計算資源的熟練天文學(xué)家可以在一到三個(gè)月內塑造出一顆小行星。” “所以研究團隊的問(wèn)題是：我們可以加快速度嗎?”
答案是肯定的。該團隊包括法國，南非和美國的學(xué)生，以及來(lái)自學(xué)術(shù)界和科技公司Nvidia的導師，他們開(kāi)發(fā)了一種算法，可以在短短四天內完成小行星的渲染。如今，波多黎各阿雷西博天文臺的天文學(xué)家正在使用這項技術(shù)，對小行星進(jìn)行幾乎實(shí)時(shí)的形狀建模。
小行星建模以及外行星大氣分析是兩個(gè)FDL示例，這些示例顯示了將復雜算法應用到NASA 100多個(gè)任務(wù)收集的大量數據中的希望。
正如NASA的物理學(xué)家Madhulika(Lika)Guhathakurta所指出的那樣，航天局每15秒鐘從其航天器中收集大約2 GB的數據(并且還在不斷增長(cháng))。她說(shuō)：“但是我們僅分析了一部分數據，因為我們的人員，時(shí)間和資源有限。這就是為什么我們需要更多地利用這些工具的原因。”
Guhathakurta領(lǐng)導的任務(wù)專(zhuān)注于理解和預測太陽(yáng)對地球，技術(shù)和太空宇航員的影響，在過(guò)去的三年中，他一直在FDL工作，并且是制定該計劃的主要架構師。她在2018年支持了一個(gè)團隊，該團隊解決了NASA太陽(yáng)動(dòng)力學(xué)天文臺(SDO)上傳感器故障的問(wèn)題，該航天器用于研究太陽(yáng)對地球和近地空間的影響。
早在2014年，即該任務(wù)發(fā)射四年后，一個(gè)傳感器就停止返回與極端紫外線(xiàn)(EUV)輻射水平有關(guān)的數據，該信息與地球外部大氣層的膨脹相關(guān)，因此影響了包括國際空間在內的衛星的壽命站。因此，斯坦福大學(xué)和阿姆斯特丹大學(xué)的計算機科學(xué)博士生以及IBM，洛克希德·馬丁公司和SETI等組織的導師開(kāi)發(fā)了一種技術(shù)，該技術(shù)本質(zhì)上可以填補損壞的傳感器中的缺失數據。他們的計算機程序可以通過(guò)分析其他SDO儀器的數據以及損壞的傳感器在其工作的四年中收集的舊數據來(lái)做到這一點(diǎn)，根據其他SDO儀器在任何給定時(shí)間觀(guān)察到的信號推斷傳感器將檢測到的EUV輻射水平。“我們基本上生成了一個(gè)虛擬傳感器，” Guhathakurta說(shuō)。
這種工具的潛力并不會(huì )在任何人身上失去。SETI負責人戴蒙德(Diamond)設想了將這些虛擬工具集成到航天器中的未來(lái)，這種做法將使任務(wù)更輕，更簡(jiǎn)單，因此成本更低。Domagal-Goldman和Arney設想了未來(lái)的系外行星飛行任務(wù)，其中嵌入到航天器中的AI技術(shù)足夠智能，可以做出實(shí)時(shí)科學(xué)決策，從而節省了與地球科學(xué)家進(jìn)行交流所需的許多時(shí)間。
Arney說(shuō)：“人工智能方法將通過(guò)在棘手的任務(wù)上進(jìn)行大量的初始工作來(lái)幫助我們從大腦中釋放處理能力。” “但是這些方法不會(huì )很快取代人類(lèi)，因為我們仍然需要檢查結果。”