NASA已允許遠程車載計算機指導其他星球上的生命搜尋。美國國家航空航天局戈達德太空飛行中心的科學家宣布了新智能系統的首批成果,該系統將安裝在太空探測器中,能夠從巖石樣本中識別生命的地球化學特徵。允許這些智能系統選擇要在地球上進行分析的內容和告訴我們的內容,將克服在遙遠的星球尋找生命時如何在遠距離傳輸信息的嚴格限制。該系統將在2022/23 ExoMars任務中首次亮相,然後在太陽系中更遠的物體上更全面地實施。
這是太空探索中的一個有遠見的步驟。這意味著隨著時間的流逝,我們將從人類參與幾乎所有空間事物的想法轉變為計算機配備智能系統,並且他們經過訓練可以做出一些決定並能夠優先傳輸最有趣或時間緊迫的信息。
美國國家航空航天局戈達德太空飛行中心(GSFC)行星環境實驗室的研究人員強調了擁有用於行星探索的智能儀器的必要性:將數據發送回地球需要花費大量的時間和金錢,這意味著科學家不能進行任意數量的實驗或分析任意數量的樣品。通過使用AI對收集後的數據進行初步分析,然後再將數據發送回地球,NASA可以優化接收到的數據,從而大大提高了太空飛行任務的科學價值。
NASA訓練了人工智慧系統,以分析來自火星有機分子分析儀(MOMA)的數百種巖石樣品和數千種實驗光譜,該儀器將登陸火星內部2023年ExoMars Rosalind FranklinRover。MOMA是基於質譜儀的最先進儀器,能夠分析和鑑定巖石樣品中的有機分子。通過對巖石樣本的分析,它將搜索火星表面和地下的過去或現在的生活。送往火星的系統仍將大部分數據傳回地球,但以後太陽系的系統將獲得自主權,以決定返回地球的信息。
最初的結果表明,當系統的神經網絡算法處理未知化合物的光譜時,可以將其分類為高達94%的準確度,並與以前看到的樣本具有87%的準確度匹配。它將進一步完善,直到被納入2023年任務。
從這些無人任務中獲得的是數據,其中很多在不同的環境中,跨越數億公裡的數據發送可能會非常具有挑戰性,並且成本非常高;換句話說,帶寬是有限的。需要確定發送回地球的數據的優先級,但是我們也需要確保這樣做不會浪費重要的信息。這導致我們開始開發智能算法,該算法現在可以幫助科學家分析樣品以及有關後續操作的決策過程,而從長遠來看,可以對數據本身進行分析的算法將能夠調整和調整儀器以進行下一輪操作,而無需動搖迴路,並且只會將最有用的數據傳輸到家裡。
該團隊使用來自初始實驗室測試的原始數據和基於地球的MOMA儀器來訓練計算機識別熟悉的模式。當接收到新的原始數據時,該軟體會告訴科學家先前遇到的樣本與該新數據匹配。
任務將面臨嚴格的時間限制。在火星上作業時樣品僅會在流動站中保留最多幾周,然後流動站將樣品轉儲並移至新的鑽孔位置。因此,如果需要重新測試樣品,則需要快速進行,有時需要24小時。將來探索諸如歐羅巴之類的木星和土衛二和土衛六等土星的衛星,將需要在現場做出實時決策。有了這些衛星,地球發出的信號可能需要5到7個小時才能到達儀器,所以這不會像控制無人機那樣具有即時響應。需要賦予儀器自主權以便快速做出決定以達到科學目標。
從火星傳回的數據非常昂貴,而隨著著陸器離地球越來越遠,數據變得越來越昂貴。「來自火星的火星車的數據所花費的成本可能是手機數據的100,000倍,因此需要使這些數據儘可能地具有科學價值。
行星飛行任務的主要挑戰之一是將數據送回地球-既費時又費錢。在火星上旅行時間延遲約為20分鐘,而在太陽系中所走的距離越遠,這一延遲就越大。考慮到任務的壽命有限,科學家們必須對選擇要帶回的數據非常挑剔。這些結果肯定看起來很有希望;擁有更大的自主權是確保返回數據有用的一種方式。