想象一下，一个星际探测器可以本人选择轨道，本人拍摄照片，然后在没有人类协助的状况下，将探测器发送到悠远的星球外表。这是NASA希望运用人工智能的一个例子，该机构曾经在地球和火星的义务中运用了AI技术。
据雷锋网理解，去年12月，NASA正式宣布在一个恒星四周发现由8颗行星组成的行星零碎——开普勒90零碎，迷信家有史以来第一次发现了一个和太阳系相似的8颗行星的星系。这次发现离不开AI的助攻，NASA应用谷歌的机器学习剖析开普勒太空望远镜的数据，完成了更高的剖析效率。
其实NASA早就应用AI做到了很多事。
关于地理、宇宙这方面的任务来说，究竟适不合适使用人工智能技术呢？
答案是当然的。第一，由于载人本钱过高、风险系数大，宇宙探究、星球探究这类任务都在无人化倾斜；第二，NASA所做的任务中有很大一部都是对传感器回传图片材料停止剖析，剖析图像当然是人工智能最擅长的任务；第三，另外就是航空、地理范畴是一个数字化、信息化水平相当高的范畴，合适发掘历史数据，训练各种协助迷信家任务的算法模型。
和以往相比， 应用机器人探究太阳系寻觅生命迹象的最大困难就在于，它们无法像人类一样无效地停止直观甚至发明性的决策。
人工智能方面的最新停顿无望延长这个差距——目前还没有方案差遣人类去探究火星的地下洞穴，或许在木卫二Europa的冰冷水域里寻觅热液喷口。有生之年，这些角色很能够会被更智能的探测器和潜艇所替代，即便与地球失联数周甚至数月，它们也能接受恶劣的环境并停止重要的迷信实验。
20世纪90年代中期，当Steve Chien接手美国宇航局喷气推进实验室（JPL）的人工智能团队时，彼时的人工智能更像是存在于科幻小说中，没有人可以想到它会在NASA 2020年的火星义务中发扬重要的作用。 Chien不断有一个愿望，那就是让人工智能技术成为美国宇航局里不可或缺的一局部。但是，那时分的人工智能并没有取得足够的注重，用不那么复杂的算法运转在老旧的计算机上，技术基本无法胜任太空义务。
不过，Chien很耐烦。他的团队正在应用技术将太空义务自动化，并改良临时依赖于研讨人员艰辛察看的任务。例如，应用决策树的决策模型，JPL创立了天空图像分类和剖析工具（SKICAT），并应用它协助NASA在20世纪80年代初停止的第二次帕洛马山脉调查中发现的物体停止自动分类。只需SKICAT取得足够多的图像来停止训练，就可以对调查中不计其数个模糊、低分辨率的物体停止分类。
雷锋网 (大众号：雷锋网) 理解到，经过多年的渐进式改良，当NASA要求他们设计用于EO-1卫星自动化的软件时，Chien和他的团队取得了打破性的停顿。 NASA于2003年将JPL的自主迷信技术实验(ASE)软件使用到该卫星上，并在十多年的工夫里协助研讨了洪水、火山迸发和其他自然景象。 在3月份EO-1停用之前，ASE软件有时还会收到来自其他卫星或空中传感器收回的警报，并在空中上的人类认识到事情发作之前自动提示EO-1捕捉图像。
JPL在ASE和其他项目上的任务给了NASA决心，以为人工智能可以在“火星2020”的义务中发扬重要作用。Chien和他的团队正在开发一种新型的探测车，它比任何其他车辆都要先进得多，可以在星球坎坷不平的外表下行驶。在火星上寻觅生命迹象的时分，“火星2020”探测器在选择研讨和实验目的时拥有相当大的自在度。
最近，美国宇航局喷气推进实验室的技术小组主管、实验室义务规划和执行部门的初级研讨迷信家Chien在承受《迷信美国人》采访时谈到了太空游览对人工智能零碎的需求。随着人类探究的目光越来越远，对智能的需求越来越大，“终极”的人工智能太空义务将会是什么样子？
以下是雷锋网编辑整理内容
问：控制EO-1卫星的ASE软件是不是NASA在AI使用方面的里程碑？
这相对是人工智能的一个里程碑，不只仅是关于JPL和NASA，还包括整个AI生态圈。那是由于ASE的宏大成功加上它的短命。这个软件是相当不可思议的——它控制了航天器超越12年。在这段工夫里，它收回了大约300万条指令，停止了六万屡次观测，实践上到达了高于人类操作飞船的牢靠性。这样的一种成功实践上可以使太空资源变得民主化。我们就有一个网页，世界各地的机构可以在下面提交恳求，直接向航天器发送。
问：NASA情愿向人工智能交付多少义务？
人工智能在NASA面临的应战之一是，由于我们正在处置太空义务，因而需求破费少量的工夫和很长的工夫来思索。我们必需确保人工智能一直坚持良好的运转形态，即搜集迷信知识，维护太空船。但是这并不意味着你可以精确预测它将要做什么。有人想摆脱这种微观管理程度，希望人工智能成为迷信家的助手而不是机器，由于机器必需是微观管理的。有些人担忧取代优秀的迷信家，但这远远不够，我们不用为此担忧。
问：你如何预备用AI来理解未知的世界？
无监视学习对剖析未知状况十分重要。人类可以做的很大一局部是解释不熟习的数据。在NASA会有许多这样的成绩。你会看到一些数据，而这些数据的某些局部却不适宜。以Lewis和Clark探究东南地域为例，他们没有每10英尺画一张地图（这是目前大少数探测器所做的任务），但是Lewis和Clark的探险队描绘了山脉、河流和其他特征——将它们置于环境中。我们想要人工智能零碎做异样的事情。
为了开发这样一个零碎，我们让一个先生在一次越野飞行中用数码相机拍摄图像。然后，我们将不同的无监视学习办法使用于我们捕捉的数据。我们希望人工智能本人晓得有山、森林、河流，学习有云、白昼、夜晚等等。
问：人工智能在行将到来的“火星2020”遨游者义务中扮演什么角色？
这项义务使用到了三个方面的人工智能技术。 首先是“遨游者”的自动驾驶技术 ，这项技术可以追溯到“探路者”，也是MER（火星探测遨游者）方案的一局部。自主驾驶就像是一个拨号盘，你可以严厉控制它，通知“遨游者”去哪里，或许你可以让它们驾驶，在速度和平安性方面都有不同的权衡。
人工智能的第二个范畴包括将协助遨游者停止迷信研讨的零碎。 定位才能将会好得多，而且会有更多的仪器 - 不只仅是遨游者的SuperCam - 它将提供成像，化学成分剖析和矿物学。SuperCam是晚期火星探测器上特有的ChemCam的一种演化，可以经过激光停止扫描并研讨发生的气体来理解岩石的化学成分。先前的火星探测器、火星迷信实验室和如今的M2020，曾经越来越有才能选择目的，并依据迷信规范（如目的外形、质地或纹理）停止后续图像研讨，这种才能被称为自主探究搜集添加迷信（AEGIS）零碎，使得“遨游者”可以在更短的工夫内停止更多的迷信研讨。
第三，“火星2020”遨游者也将拥有更复杂的调度零碎， 使他们更具生机。假如任务提早或落后，探测车将自动调整行程，从而进步消费率。
问：AI如何协助“遨游者”探究火星的洞穴？
当我们探究火星的外表时，迷信家们想调查火星上的熔岩洞穴。由于深化到山洞外部就相似于一场“接力赛”，这样的义务也许只能继续几天，由于“遨游者”完全依托电池供电，洞穴勘探将需求少量的人工智能。人工智能必需在无限的工夫内尽能够无效地协调、绘制和探究尽能够多的洞穴。我们不断在研讨的办法之一就是 静态区域分配 ，它能够是以这种方式开端的： 你 有四个探测器，想要在火星上的一个洞穴里走100英尺。第一个遨游车的地图为0至25英尺，第二个为25至50英尺，依此类推。 它们将逐渐地绘制洞穴地图。这是经典的分治法。
它们也应用彼此将数据从洞穴中传递出去。将“遨游者”送入洞穴意味着它们无法持续与外界交流。所以它们开端做我们所谓的“sneaker netting” ——第一个“遨游者”进入洞穴，直到它分开通讯范围、完成察看，然后前往射程内发送数据。第二辆车进入山洞深处，但只需求前往到第一辆火星车的范围之内，为了掩盖100英尺，每一个探测器都在洞穴中逐步深化。探测器不会从洞穴中出来，但它们搜集的数据是可以出来的。这将是一个为期3天或4天的义务，由于电池只能撑这么长工夫。
问：在太空探究中人工智能的终极考验是什么?
人工智能在太空中的最终考验是“ 工夫 ”。例如，Europa潜水器不得不单独存活数年，能够每30天赋能与地球接触一次。当你想要等到冰盖消融的税后再将潜水器下降在地球的外表，这需求一年的工夫。此外，探测器想要在赤道到两极间寻觅热液喷口，就像山洞里的“遨游者”一样，为了和外界沟通，它必需走出去再回来。在这种状况下，“遨游者”能够会在六个月或一年的工夫内单独生活。 为了模仿这一点，我们设计了一个由AI控制的潜水器来研讨冰层下的热液喷口。 迷信家们想要在南极冰架下研讨气候变化的影响——这些义务需求相似的技术。
即使如此，与星际义务相比，这也算不了什么，由于宇宙飞船将完全自主地运转，往复于Proxima Centauri（最近的星系）的通讯之旅能够长达9年。假如你去Trappist-1（一颗外表温度极低的红矮星），这个星系里是至今最有能够在太阳系以外存在生命的星球，间隔我们大约有40光年。由于通讯的延迟，飞船更多地要靠本人，所以执行这样的义务时，你就需求一个足够弱小的AI。
。
