太空旅行、探索和觀測當(dāng)中，往往涉及人類歷史上最復(fù)雜、最危險的一系列科學(xué)與技術(shù)操作。在這些領(lǐng)域，人工智能（AI）已經(jīng)證明了自己強大的輔助作用。

正因為如此，宇航員、科學(xué)家和其他以探索并記錄終極邊界為己任的人們，才積極轉(zhuǎn)向機器學(xué)習(xí)（ML）以協(xié)助應(yīng)對自己面臨的非凡挑戰(zhàn)。

從引導(dǎo)火箭穿越太空到研究遙遠行星的表面，再到測量宇宙大小和計算天體的運動軌跡，AI在太空中擁有著眾多有趣且令人興奮的應(yīng)用場景。

太空航程

在航天器的起飛與著陸過程中，AI能夠?qū)崿F(xiàn)發(fā)動機操作自動化并管理起落架等功能的實際部署，借此優(yōu)化燃料的分配與使用。

SpaceX公司就利用AI領(lǐng)航系統(tǒng)使其獵鷹9號飛船實現(xiàn)了自主操作，并按照與NASA簽訂的貨物運送合同與國際空間站（ISS）成功對接。該系統(tǒng)能夠計算火箭在太空中的軌跡，同時考慮燃料使用、大氣干擾和發(fā)動機內(nèi)部的液體“晃動”。

CIMON 2是空中客車公司設(shè)計的機器人，相當(dāng)于宇航員身邊的移動式亞馬遜Alexa虛擬助手。它使用IBM Watson AI系統(tǒng)構(gòu)建，使用內(nèi)部風(fēng)扇推動自身前進，能夠充當(dāng)免提式信息數(shù)據(jù)庫、計算機和相機。它甚至可以通過分析聲音中的壓力水平，來評估宇航員們的情緒和心態(tài)。

NASA旗下噴氣推進實驗室的任務(wù)規(guī)劃人員，則利用AI對各種任務(wù)參數(shù)進行建模和評估，借此了解不同選項和行動方案的潛在結(jié)果。這些實驗?zāi)軌驗槲磥淼暮教炱髟O(shè)計與工程操作提供指導(dǎo)信息。收集到的數(shù)據(jù)還可用于一些假設(shè)性未來任務(wù)的前瞻性規(guī)劃，包括登陸金星和木衛(wèi)二——這是一顆圍繞木星運行的冰冷衛(wèi)星。

SpaceX還利用AI算法來確保其星鏈衛(wèi)星不致與太空中的其他軌道或過渡飛行器發(fā)生碰撞。他們的自主導(dǎo)航系統(tǒng)能夠?qū)崟r檢測附近的危險，并調(diào)整衛(wèi)星的速度和軌道來采取規(guī)避行動。

英國航天局同樣開發(fā)了自主系統(tǒng)，允許其航天器和衛(wèi)星通過自主行動回避太空碎片。到2025年，英國航天局計劃在此基礎(chǔ)上發(fā)射一艘自主航天器，任務(wù)是捕捉并清理太空碎片。如果不主動加以控制，太空碎片很可能對未來的航天飛行構(gòu)成威脅。

行星探索

火星漫游者是專司探索火星表面的機器人，我們可以對它們發(fā)送回地球的數(shù)據(jù)進行分析和學(xué)習(xí)。利益于機器學(xué)習(xí)算法，這些機器人能夠在火星地表上自主導(dǎo)航，避開可能導(dǎo)致其硬件損壞或動彈不得的深坑與陡壁。此前發(fā)往火星的勇氣號就因車輪陷入軟土而困在當(dāng)場，NASA最終于2011年決定放棄救援和聯(lián)絡(luò)。而在機器學(xué)習(xí)技術(shù)的幫助下，NASA已經(jīng)成功避免了另一輛漫游車的意外損失。

最近幾年，NASA旗下噴氣推進實驗室利用圖像識別工具來研究火星漫游者等地面機器人拍攝的圖片，并對地形特征進行分類。他們甚至發(fā)現(xiàn)了火星表面一個直徑僅四米的隕石坑。

毅力號漫游者配備一套名為AEGIS的計算機視覺系統(tǒng)，能夠檢測并分類火星表面發(fā)現(xiàn)的不同巖石類型，讓我們更多了解這顆紅色行星的地質(zhì)成分。

大家甚至可以在家中參與訓(xùn)練火星漫游者使用的AI算法。AI4Mars項目就誠邀用戶下載相關(guān)工具，通過在個人計算機上標記地形特征來改進好奇號火星車上的自主導(dǎo)航系統(tǒng)。

雖然到目前為止，大多數(shù)地表探索都依靠輪式機器人完成，但歐洲航天局正在試驗使用“跳躍式”機器人。這些機器人可以用腿前進并完成跳躍動作。AI算法會協(xié)調(diào)機器人四肢的運動和平衡，從而探索月球上以往無法抵達的位置，例如月球上由巨大隕坑形成的阿里斯塔克斯高原。

人們已經(jīng)開始利用AI檢測月球表面，確定未來載人任務(wù)的最佳著陸點。這也有助于宇航員充分了解后續(xù)將要著陸的環(huán)境，不必像阿姆斯特朗等第一代登月人那樣直面巨大的風(fēng)險。

描繪宇宙

天文學(xué)家正使用AI識別遙遠星云中各星團的模式，同時結(jié)合深空中檢測到的其他分類特征來繪制宇宙星圖。

以NASA的開普勒望遠鏡為例，它能通過分析恒星發(fā)出光輻射的衰減來確定有行星在恒星和地球之間經(jīng)過，進而確定行星的可能位置。

AI還被用于預(yù)測恒星和星系的活動，幫助我們了解超新星爆發(fā)等宇宙事件的潛在發(fā)生位置。

通過對這些神秘天體與中子星碰撞時產(chǎn)生的引力波進行時序分析，研究人員已經(jīng)檢測到數(shù)十個黑洞的存在。

AI技術(shù)還被用于俯瞰地球和整個宇宙。2004年開始運行的自主科學(xué)衛(wèi)星技術(shù)實驗（Autonomous Sciencecraft Experiment）項目就接入地球預(yù)測1號衛(wèi)星，使其能夠?qū)τ孟鄼C拍攝到的圖像做自動分類，進而決定哪些圖像更值得花費寶貴的帶寬傳輸回地球。

加州大學(xué)伯克利分校的SETI@Home項目則使用AI算法處理射電望遠鏡生成的大量數(shù)據(jù)，希望在太空中搜索外星智能的跡象。盡管該項目已經(jīng)停止向志愿者發(fā)送新的待檢查數(shù)據(jù)，但仍有大量數(shù)據(jù)未經(jīng)分析檢索，所以激動人心的真相也許就蘊藏在這部分素材當(dāng)中！

AI也被用于創(chuàng)建迄今為止最準確的黑洞圖像。Roger Penrose、Reinhard Genzel和Andrea Ghez憑借為M87星系中心超大質(zhì)量黑洞創(chuàng)建逼真圖像，獲得了2020年的諾貝爾獎。

AI的應(yīng)用范圍還遠不止于此，研究人員現(xiàn)在希望超越事件視界，使用AI技術(shù)揭示黑洞內(nèi)部的情況。這項工作還將涉及量子計算，有望幫助物理學(xué)家們解決領(lǐng)域中最核心的問題之一——將愛因斯坦的廣義相對論與粒子物理學(xué)的標準模型統(tǒng)一起來。

人們甚至希望AI能夠幫助測量宇宙，更好地把握它的大小和形狀。使用AI超級計算機對日本的天文數(shù)據(jù)開展研究，我們已經(jīng)成功創(chuàng)造出與已知存在的宇宙相匹配的模擬星圖。這意味著我們可以預(yù)測宇宙的特征，并擺脫當(dāng)前因光速限制（即可觀測宇宙）而難以突破的探索邊界。