【AI星球（微信ID：ai_xingqiu）】8月26日报道（编译：小白）
NASA对AI并不陌生，其拥有一系列人工智能实验室，如QuAIL和JPL的人工智能小组（甚至还有一个创新的登月部门）。上周，在NASA的2017 Frontier Development Lab（FDL）中，六个研究小组探索了未来利用人工智能和机器学习来保护我们的地球与探索太空的可能性。
NASA的FDL是与英特尔、Nvidia、IBM以及洛克希德·马丁等公司联合主办的为期8周的研究开发项目。来自公共和私营领域的跨学科团队的共同努力，在美国宇航局已经对太空有相当了解的基础上，填补了少数空白并提供了分析方法。天文学家、平面科学家等通过望远镜拍摄的照片和雷达扫描进行研究。以前，他们可能需要在一天内整理一千个图像，来识别包含任何有意义信息的图像。显然，只要训练正确，AI可以在这方面发挥巨大的作用——它可以在极短的时间内整理这些数据。
在成立的第二年，FDL研究团队解决了三大领域问题：行星防御、太空资源和太空天气。
在行星防御领域，一个团队在1998年大片“末日战争”的假设背景下，解决了一个关键问题：弄清楚如何模拟小行星的形状。小行星不仅是悬浮在太空中的岩石球体。他们具有不同的几何形状，绕轴旋转，甚至还有可能拥有自己的小型卫星。如果，你想要发射一颗导弹准确击中小行星，或者，你希望绘制其轨迹以确保它不会最终与地球相撞，那么了解所有上述关于小行星的信息就非常重要。
目前，已知的近地小行星约有16000个，而我们只能通过雷达观测到其中的700个，而在这700个能观测的小行星中，仅有极少小行星的形状为我们所知。使用基于密度的聚类算法，该团队潜在地改进了我们建模小行星的大小和形状的速度，从一到两个月缩短到几个星期。
太空中有一种彗星的周期特别长，大约每200年甚至更长时间进入我们的太阳系一次。对于这种彗星，另一个团队则使用AI来开发一种技术，可以在收到这些彗星的影响之前，为我们提供更多的警告时间。
首先，他们必须训练他们的AI算法了解彗星在天空中的模样。有时，即便是人类，也难以从图像中辨别出这些神秘的彗星；他们可能与鸟类或飞机相混淆，或者被云层遮挡。知道彗星的样子后，该算法根据已知的流星雨和诸如Oerseids等的爆发数据进行训练。这有助于它在我们的天空中识别出未知的流星雨，并且，理想情况下，可以发现会对地球造成末日威胁的长周期彗星。
其他团队把焦点聚集在太阳风暴的问题上。太阳风暴，作为一种难以预测的现象，可以影响地球上的通信和电子设备。目前，国家海洋和大气管理局（NOAA）可以预测当地磁暴或太阳耀斑的一般出现时间。通过使用太阳风暴的历史数据对AI算法进行训练，研究人员可以识别出预测太阳耀斑的重要影响因素。他们还可以更准确地预测太阳耀斑活动高发期的到来时间（最终目标是在大风暴发生之前给予我们一小时的通知）。
图：NASA的4K镜头下的太阳耀斑
当涉及太空领域时，AI拥有无数前景。对于未来的月球任务，研究人员正在尝试准确地勾画月球陨石坑口表面，特别是可能拥有冷冻水的阴影陨石坑。现在，月球表面的图像质量千差万别，并且不总是与我们拥有的地形数据相匹配。为此，一个深入学习网络（Intel Nervana）分析了4万个月球图像，以回答这个问题：这是否是一个陨石坑口？
并且借助准确的地图，月球车可以在月球表面巡游以发现水资源，而不用担心突然陷入陨石坑里。
有些任务对于人类来说太远太危险，因此值得信赖的AI对将来的更远距离的太空任务至关重要。漫游型设备需要能够依靠自己来评估处境和做出决策。对于载人飞行任务来说，与地球的任务控制台来回通讯显然变得不切实际。在这些情况下，咨询飞船上的人工智能或许是个很好的选择（只要它不会变成《异形》中的大卫）。
几十年来，天文学家已经拍摄了无数关于我们的太阳、月球和夜空的常规照片。得益于AI算法，我们终于可以有效地分析所有这些数据，节省研究人员的时间，给予我们宝贵的见解，并让我们做好准备进入下一个太空时代。
