姓名：赵子健    学号：22021211991

转载自：https://zhuanlan.zhihu.com/p/30991758

【嵌牛导读】人工智能走向外太空，成为开发宇宙的未来工具

【嵌牛鼻子】人工智能 外太空 开发宇宙 未来工具

【嵌牛提问】人工智能是否适用于外太空？人工智能的前景如何？

【嵌牛正文】

相比于自动驾驶汽车、无人机和无人船这些智能化自主系统的夺人眼球，太空智能化虽显低调，却从未缺位，它一直在以其特有的、不易察觉的方式引领人工智能的发展和应用。

彗星探测

保护地球不受小行星和彗星撞击是 NASA 的重要使命，对地外行星和彗星的探测历来是 NASA 技术的最前沿。

8 月 18 日，来自NASA前沿探索实验室和英特尔、IBM、Nvidia、洛克希德·马丁公司等私营企业的人工智能联合团队发布研究成果表示，在彗星探测计划中，机器学习算法已经成为预测和识别彗星威胁的关键，宇宙天文学在人工智能的推动下正在加速发展且更具预测性。

该研究是 NASA 资助的人工智能太空试点研究计划的重要组成部分，旨在将人工智能技术引入地外彗星探测领域，加速地外搜寻科学发展和太空颠覆性技术创新。研究人员阐释，长周期彗星因其运行轨道超出木星轨道而往往难以直接观察，我们所能看到的其实仅是在彗星身后从彗核脱落形成的彗尾。观察这类彗星的一种有效方式就是对地球通过彗尾区域时形成的流星雨进行研究。

联合团队以 Nvidia 的 GPU 为基础构建了深度学习神经网络，通过人工智能图像分类算法对彗尾碎片进行聚类分析和识别，在无人工干预的条件下快速而准确地将流星从浮云、萤火虫和飞机的背景图像中区分出来，并进行持续跟踪。

如此一来，研究人员就可以将注意力集中到尚未被识别的彗星所形成的流星雨中，从而发现并标定新的距离地球较远、但存在潜在威胁的彗星。在为期两个月的测试过程中，这一深度学习神经网络对一百万颗流星图像进行了分类识别，与人工识别的相符程度高达 90%。

部分 NASA 科学家和技术观察者对彗星探测计划取得的成果感到兴奋，但仍持谨慎态度。他们希望有更加充分的证据表明深度学习神经网络探测捕捉到的流星并非来自于图像的背景噪声，也希望有更加充分的证据证实深度学习算法所标注的流星的确来源于彗星，而非小行星或其他星际物质。

人工智能识别和标注流星仅仅只是地外彗星探测的第一步，未来的路仍很漫长。正如参与该项目的巴西国家测绘研究所天文学家马瑟罗所说：「我们希望能从中学习并深入研究这些被预测的彗星轨道，因为我们对它们实在一无所知。」

月球表面绘图

月球是人类迈向太空的中转站。自从月球表面发现水存在的证据以来，探月再度掀起热潮。这一次人工智能成了探索月球的主角之一。

NASA 科学家再度牵手 Intel，使用后者开发的 Nervana 平台深度学习工具为月球表面图像绘制提供计算机视觉解决方案，从而获得更加清晰完整的月球表面图像。Nervana 平台是一款面向神经网络深度学习工具，所使用的 C–W 算法号称是理论上最快的矩阵操作算法，相比与 Nvidia Tesla 系列这种基于 GPU 的深度学习算法而言，其效率得到极大提升，且该平台允许开发者通过硬件优化进一步提升运算图形效率。

研究团队采用这一人工智能工具对月球表面图像识别进行分类和识别，以分辨月球表面的陨石坑。这一图像识别神经网络与人工识别相符度高达 98%，准确性比传统图像分析系统高出 5 倍，尤其是对月球两极地区阴影部分的陨石坑进行标识时更具优势。研究人员希望通过这种方式对月球两极地区的陨石坑进行精确绘图，以保证未来登月车在月球两级寻找水时不至于跌落至未标识的陨石坑中。

太阳耀斑预测

太阳耀斑是发生在太阳大气局部区域的一种最剧烈的爆发现象，在短时间内释放大量能量，并伴随各种电磁辐射和高能粒子辐射，可对各种航天器造成巨大损伤，并影响 GPS 导航、卫星通信、广播信号等太空基础设施。

科学家一直致力于准确预测太阳耀斑的爆发。如今，人工智能算法为此提供了一个强大的选择。IBM 公司和洛克希德·马丁公司分别资助了 NASA 前沿探索实验室两组科研团队对太阳耀斑进行预测，均采用人工智能算法。其中，IBM 支持的团队所使用的 Flarenet 动态模拟人工智能算法被证实比美国国家海洋与大气管理局正在使用的预测系统要先进得多，它不仅大大提供了太阳耀斑预测的准确度，而且预测时间提前了至少 5 个小时——这已足以使人们有足够时间做出应对举措。

宇宙的广阔无垠为人工智能的应用提供了无限遐想。当前，人工智能还只是仅仅在太空探测中取得了初步成果，而且仍处在基于计算机视觉、语音识别、自然语言处理、机器学习等弱人工智能阶段。可以预想，在改造火星、建造火星这样的宇宙开发和宇宙旅行时代真正到来时，具有强人工智能的机器人可能已经成为人类探索未知宇宙的重要助手，伴随人类一起迈向未知的太空。

参考链接：

https://zhuanlan.zhihu.com/p/30991758