کاربرد هوش مصنوعی در اکتشافهای فضایی
هوش مصنوعی (Artificial Intelligence) شامل ماشینها، برنامهها و رایانههایی است که میتوانند فکر کنند، یاد بگیرند و تصمیمگیری کنند. این شکل از هوشمندی مدتی است که در زندگی روزمره ما نفوذ کرده است؛ از خدماتی که بر اساس علاقه ما آگهی یا موسیقیهای جدید به ما پیشنهاد میدهند گرفته تا خودروهای خودرانی که گوگل و تسلا در حال توسعه آنها هستند.
با ثابت شدن کارایی هوش مصنوعی در حوزههای مختلف، این فناوری به اکتشافهای فضایی نیز نفوذ کرده است. بهعنوان مثال هماکنون هوش مصنوعی در کاوشگرهایی که به مریخ فرستاده میشوند، تلسکوپهای فضایی که به دنبال کشف اجرام جدید آسمانی هستند و همچنین اخترشناسانی که تصاویر تهیهشده توسط تلسکوپها را نحلیل میکنند، مورد استفاده قرار میگیرد.
هوش مصنوعی و تحلیل تصاویر اخترشناسی
هوش مصنوعی ابزاری ارزشمند برای بررسی کلاندادهها بوده و انبوه تصاویری که توسط تلسکوپهای فضایی و زمینی تهیه میشود نمونهای از کلاندادهها هستند. هنگام جستوجوی سیارههای جدید توسط تلسکوپها و کاوشگرها شبکههای هوش مصنوعی میتوانند متوجه الگوهایی شوند که تشخیص آنها برای انسان ممکن نیست. از آنجا که فضا بیکران بوده و شامل بیشمار ستاره و سیاره است، پیدا کردن سیارههایی که شرایط حیات را داشته باشند توسط رایانهها با سرعت بیشتری قابل انجام است.
در همین رابطه بخوانید:
پژوهشگران مختلفی در سرتاسر دنیا برای توسعه الگوریتمهای هوش مصنوعی با هدف تحلیل تصاویر اخترشناسی فعالیت میکنند. گروهی از مهندسان و دانشمندان ناسا در مرکز پروازهایی فضایی گودارد (Goddard Space Flight Center) مشغول آموزش چگونگی تشخیص حیات به کامپیوترها با فناوری یادگیری ماشینی هستند. این پژوهشگران در تلاش هستند تا چگونگی تشخیص ساختارهایی که موجودات زنده در میان سنگها ساختهاند را به ماشینها بیاموزند.
همچنین محققان انجمن سلطنتی نجوم دانشگاه لنکستر (Lancaster University) در انگلیس با استفاده از هوش مصنوعی، یک روش یادگیری جدید موسوم به دیپ-سی(Deep-CEE) را ابداع کردهاند که موجب تسریع فرایند شناسایی خوشههای کهکشانی (Galaxy clusters) در فضا میشود. علاوه بر این اخترشناسان موسسه اخترفیزیک و علوم فضایی (Instituto de Astrofísica e Ciências do Espaço) در شهر پورتو در پرتغال هوش مصنوعی و یادگیری ماشینی را برای تخمین اندازه سیارههای فراخورشیدی بهکار گرفتهاند که در مقایسه با روشهای قبلی پاسخهای دقیقتری میدهد.
هوش مصنوعی در فضا (مریخ)
هوش مصنوعی در فضا و ماموریتهای کاوش فضایی رباتیک یک عامل ضروری بهنظر میرسد. جابجایی امواج رادیویی بین زمین و مریخ ۲۲ دقیقه طول میکشد. ضمن اینکه پایگاه زمینی شاید در یک شبانهروز کمتر از یک ساعت با کاوشگر ارتباط داشته باشد؛ در نتیجه این رباتها باید برخی از تصمیمها را بدون دریافت دستور از مرکز کنترل ماموریت اتخاذ کنند. کاوشگرها برای تشخیص موانع موجود در مسیر حرکت خود و تعیین بهترین مسیر برای حرکت در سطح مریخ از هوش مصنوعی بهره میبرند.
در همین رابطه بخوانید:
برای نمونه هر دو کاوشگر اسپیریت (Spirit) و فرصت (Opportunity) که در سال ۲۰۰۳ به فضا ارسال شدند برای جستوجو در سطح مریخ به یک سامانه ناوبری هوش مصنوعی به نام اتوناو (Autonav) مجهز بودند. همچنین کاوشگر کنجکاوی (Curiosity) ناسا میتواند برای رسیدن به یک محل مورد نظر در فاصله ۵۰ متری، اطراف خود را تصویربرداری نموده و موانع را تشخیص دهد.
درحالحاضر یک هوش مصنوعی به نام ایجیس (AEGIS) بر روی سطحنوردهای ناسا در مریخ نصب میشود. این سامانه میتواند بهطور خودکار دوربینها را هدفگیری کند و تصمیم بگیرد که کاوشگر چه چیزی را بررسی نماید. بااینحال نسل بعدی هوش مصنوعی کاوشگرهای مریخ قرار است پیشرفتهتر باشند و وظایفی از جمله کنترل کامل حرکت کاوشگر، انتخاب نمونههای مورد مطالعه و برنامهریزی پویا برای انجام آزمایشهای علمی را بهدست بگیرند.
برهمیناساس هوش مصنوعی بهکار گرفتهشده در ماموریت بعدی مریخ ناسا یعنی استقامت (perseverance) در ابزاری به نام پیکسل (PIXL) استفاده خواهد شد. پیکسل قرار است وجود حیات در گذشته مریخ به شکل استروماتولیتها (stromatolites) را مطالعه کند. میکروسکوپ این ابزار باید از سوژه مورد مطالعه دقیقا ۱۴ میلیمتر فاصله داشته باشد و کنترل و سازگاری آن با تغییر شرایط محیطی بر عهده هوش مصنوعی خواهد بود.
مریخ تنها شروع ماجرا است
نمیتوان مریخ را مقصد نهایی هوش مصنوعی در فضا و اکتشافات فضایی دانست. اقمار سیاره مشتری مدتهاست که توجه دانشمندان را به خود جلب کردهاند. خصوصا قمر اروپا که ممکن است زیر سطح یخی خود یک اقیانوس را پنهان کرده باشد و یکی از گزینههای یافتن حیات در منظومه شمسی میباشد.
با این وجود استفاده از هوش مصنوعی در کاوشگرهای قمرهای مشتری یک برنامه بلندمدت بوده و فعلا نزدیکترین برنامه ناسا که از هوش مصنوعی بهره خواهد برد، تلسکوپ فضایی جیمز وب (James Webb Space Telescope) میباشد. این تلسکوپ که در سال ۲۰۲۰ به فاصله ۱.۵ میلیون کیلومتری از سطح زمین ارسال خواهد شد، فرایند پیادهسازی آینه ۷۰۵ کیلوگرمی خود را توسط هوش مصنوعی مدیریت میکند.
ماموریتهایی که شامل بهکارگیری هوش مصنوعی در اکتشافات فضایی هستند، با یک چالش قابل توجه روبهرو میباشند. در حقیقت یک رابطه مستقیم بین عملکرد سامانههای هوش مصنوعی و میزان دادهای که در اختیار آنها قرار میگیرد وجود دارد. هرچه این سامانهها بهتر تغذیه شوند، عملکرد بهتری از خود نشان میدهند. اما مسئله این است که به عنوان مثال در مورد مکانی همچون قمر اروپا دانشمندان هنوز اطلاعات چندانی ندارند که بخواهند در اختیار سامانههای هوش مصنوعی کاوشگرها قرار بدهند.
در همین رابطه بخوانید:
چالش دیگری که در استفاده از هوش مصنوعی در فضا و اکتشافات فضایی وجود دارد، محدودیت در قدرت پردازش است. با توجه به ملاحظاتی که در مورد وزن محمولهها وجود دارد و نیاز به مقاوم بودن در برابر تشعشعات و شرایط سخت فضا، هنوز نمیتوان سامانههای هوش مصنوعی قدرتمندی به فضا ارسال کرد. برای مثال یک پرندازنده ۲۰۰ مگاهرتزی با ۲۵۶ مگابایت رم و ۲ گیگابایت حافظه که قدرتی در حد رایانههای خانگی ۱۰ سال پیش دارد، مغز متفکر کاوشگر مارس ۲۰۲۰ میباشد.
با بهرهگیری از هوش مصنوعی در فضا و اکتشافات فضایی میتوان فصلی جدید را در این حوزه رقم بزند. هنوز پیشبینی اینکه این فناوری تا کجا در صنعت فضایی پیش میرود سخت است اما پس از بهکارگیری آن در ماموریتهایی از جمله جستوجوی حیات در نقاط دوردست منظومه شمسی عیار آن مشخص خواهد شد. به هر حال آنچه با قطعیت میتوان گفت این است که بدون وجود خودمختاری در کاوشگرها، اکتشافات جهانهای دوردست اگر غیرممکن نباشد بسیار سخت خواهد بود.