นาซากำลังมองหาปัญญาประดิษฐ์เพื่อช่วยในการค้นหาดาวเคราะห์ต่างด้าวและดาวเคราะห์น้อยที่อาจเป็นอันตราย
(ภาพ: © NASA)
ปัญญาประดิษฐ์สามารถช่วยในการค้นหาสิ่งมีชีวิตบนดาวเคราะห์ต่างดาวและการตรวจจับดาวเคราะห์น้อยใกล้เคียง
NASA หวังที่จะใช้ปัญญาประดิษฐ์หรือ AI เทคโนโลยีเช่นการเรียนรู้ด้วยเครื่องเพื่อตีความข้อมูลที่จะถูกรวบรวมโดยกล้องโทรทรรศน์ในอนาคตเช่นกล้องโทรทรรศน์อวกาศเจมส์เวบบ์หรือภารกิจ Transiting Exoplanet Survey Satellite (TESS) ตามคำแถลงขององค์การอวกาศ .
“ เทคโนโลยีเหล่านี้มีความสำคัญมากโดยเฉพาะอย่างยิ่งสำหรับชุดข้อมูลขนาดใหญ่และโดยเฉพาะอย่างยิ่งในเขตดาวเคราะห์นอกระบบ” Giada Arney นักโหราศาสตร์ที่ศูนย์การบินอวกาศก็อดดาร์ดในกรีนเบลต์รัฐแมรี่แลนด์กล่าวในแถลงการณ์ "เนื่องจากข้อมูลที่เราจะได้รับจากการสำรวจในอนาคตจะเบาบางและมีเสียงดังมันเป็นเรื่องยากที่จะเข้าใจจริง ๆ ดังนั้นการใช้เครื่องมือประเภทนี้จึงมีศักยภาพมากที่จะช่วยเรา"
NASA ได้ร่วมมือกับ บริษัท ต่างๆเช่น Intel, IBM และ Google เพื่อพัฒนาเทคนิคการเรียนรู้ด้วยเครื่องจักรขั้นสูง ทุกฤดูร้อนนาซ่ายังนำผู้คิดค้นเทคโนโลยีและอวกาศมารวมกันสำหรับโครงการแปดสัปดาห์ที่ชื่อว่า Frontier Development Lab (FDL)
"FDL รู้สึกเหมือนนักดนตรีที่ดีจริง ๆ ที่มีเครื่องมือต่าง ๆ มารวมตัวกันเพื่อเข้าร่วมเซสชันติดขัดในโรงรถค้นหาสิ่งที่เจ๋งมากและพูดว่า 'เฮ้เรามีวงดนตรีที่นี่แล้ว'" Shawn Domagal-Goldman นักโหราศาสตร์นาซา กล่าวในแถลงการณ์ของนาซา
ในปีพ. ศ. 2561 Domagal-Goldman และ Arney ได้ให้คำปรึกษากับทีม FDL ที่พัฒนาเทคนิคการเรียนรู้ด้วยเครื่องที่ใช้สมอง "เครือข่ายประสาท" ในการวิเคราะห์ภาพและระบุเคมีของดาวเคราะห์นอกระบบจากความยาวคลื่นของแสงที่ปล่อยออกมาหรือดูดซับโดยโมเลกุลในชั้นบรรยากาศ . เทคนิคนี้ประมวลผลข้อมูลคล้ายกับวิธีการที่เซลล์ประสาทหรือเซลล์ประสาทในสมองเชื่อมต่อกับเซลล์ประสาทอื่นเพื่อประมวลผลและส่งข้อมูลตามคำแถลง
การใช้เทคนิคโครงข่ายประสาทนี้นักวิจัยสามารถระบุความหลากหลายของโมเลกุลต่าง ๆ ในชั้นบรรยากาศของดาวเคราะห์นอกระบบที่เรียกว่า WASP-12b ได้แม่นยำกว่าวิธีการทั่วไป
นอกจากนี้เทคนิคโครงข่ายประสาทเทียมสามารถระบุได้เมื่อไม่มีข้อมูลเพียงพอ "ซึ่งเป็นสิ่งสำคัญอย่างยิ่งหากเราต้องเชื่อถือการคาดการณ์เหล่านี้" Domagal-Goldman กล่าวในแถลงการณ์
ในขณะที่เทคนิคโครงข่ายใยประสาทของทีมยังอยู่ในระหว่างการพัฒนาอาจใช้สักวันหนึ่งเพื่อศึกษาข้อมูลที่เก็บรวบรวมโดยกล้องโทรทรรศน์ในอนาคตและช่วยให้ผู้สมัครดาวเคราะห์นอกระบบที่ได้รับการศึกษาต่อไปแคบลง
เทคโนโลยี FDL อื่น ๆ ก็ถูกนำไปใช้ให้เป็นประโยชน์ ตัวอย่างเช่นทีม 2017 ได้พัฒนาโปรแกรมการเรียนรู้ของเครื่องจักรที่สามารถสร้างแบบจำลองดาวเคราะห์น้อย 3 มิติรวมถึงขนาดรูปร่างและอัตราการหมุนของพวกเขาในเวลาเพียงสี่วัน โปรแกรมประเภทนี้มีความสำคัญอย่างยิ่งสำหรับการตรวจจับและการเบี่ยงเบนดาวเคราะห์น้อยที่อาจคุกคามจากโลกตามคำแถลง
นาซ่ารวบรวมข้อมูลประมาณ 2 กิกะไบต์ทุก ๆ 15 วินาทีจากกองยานอวกาศ อย่างไรก็ตาม "เราวิเคราะห์เพียงส่วนหนึ่งของข้อมูลนั้นเพราะเรามีคนเวลาและทรัพยากรที่ จำกัด " Madhulika Guhathakurta ซึ่งเป็นนัก heliophysicist ของนาซ่ากล่าวในการแถลง "นั่นคือเหตุผลที่เราจำเป็นต้องใช้เครื่องมือเหล่านี้ให้มากขึ้น"
นอกจากนี้นักวิจัยแนะนำให้สร้าง A.I เทคโนโลยีสู่ยานอวกาศในอนาคต สิ่งนี้จะช่วยให้ยานอวกาศทำการตัดสินใจทางวิทยาศาสตร์แบบเรียลไทม์และในทางกลับกันประหยัดเวลาที่ยานอวกาศจะต้องสื่อสารกับนักวิทยาศาสตร์บนโลก
“ วิธีการของ A.I. จะช่วยให้เราเพิ่มพลังการประมวลผลจากสมองของเราเองโดยการทำสิ่งแรกเริ่มมากมายสำหรับงานที่ยาก” Arney กล่าวในแถลงการณ์ "แต่วิธีการเหล่านี้จะไม่เข้ามาแทนที่มนุษย์เมื่อเร็ว ๆ นี้เพราะเรายังต้องตรวจสอบผลลัพธ์"
- 13 วิธีในการค้นหาเอเลี่ยนอัจฉริยะ
- การล่าสัตว์เพื่อชีวิตของนาซ่า 2020 2020 Rover จะค้นหา Microfossils ของคนต่างด้าว
- ลึกลับ, สัญญาณวิทยุโบราณทำให้การขว้างปาโลก นักดาราศาสตร์ออกแบบ AI เพื่อตามล่าพวกมัน
