به گزارش گروه فناوری خبرگزاری دانشجو، هوش مصنوعی در سالهای اخیر، موج قابل توجهی را به راه انداخته است که به انسانها امکان میدهد تا مشکلات را بسیار سریعتر از رایانههای قدیمی حل کنند. پیشرفتهای هوش مصنوعی به انسانها امکان داده است تا در انواع حوزهها پیشرفت داشته باشند و این پیشرفتها تنها به سیاره محل سکونت ما محدود نمیشود. روشهای بسیاری وجود دارند که هوش مصنوعی به واسطه آنها میتواند به انسانها در فضایی ورای این سیاره کمک کند.
در این گزارش، به بررسی راههایی میپردازیم که هوش مصنوعی به واسطه آنها میتواند به اکتشافات فضایی کمک کند.
کمک به فضانوردان
شاید رباتهایی که در فیلمهایی مانند "Interstellar" در حال کمک به انسانها دیده میشوند، در ماموریتهای فضایی واقعی وجود نداشته باشند اما پژوهشگران سعی دارند رباتهایی هوشمند شبیه به این گونه رباتها بسازند که میتوانند دستیار انسانها شوند. حتی اگر ظاهر این دستیارهای مبتنی بر هوش مصنوعی، شبیه به نمونه آنها در فیلمهای علمی- تخیلی نباشد، باز هم در اکتشافات فضایی کارآمد خواهند بود.
پژوهشگران اخیرا نمونهای از یک دستیار مجازی را ابداع کردهاند که میتواند خطرات احتمالی موجود در ماموریتهای بلندمدت فضایی مانند تغییرات ایجاد شده در فضاپیما یا ضعف عملکرد حسگر را تشخیص دهد و هشدارهایی را در این مورد به خدمه آن ابلاغ کند.
در دسامبر سال ۲۰۱۹، یک دستیار صوتی مبتنی بر هوش مصنوعی موسوم به "Cimon" به "ایستگاه فضایی بینالمللی"(ISS) فرستاده شد تا به مدت سه سال مورد آزمایش قرار بگیرد. قرار است که این ربات نهایتا با انجام دادن وظایفی که برای آن مشخص شده است، به کاهش استرس فضانوردان کمک کند. همچنین ناسا در حال ابداع یک همراه برای فضانوردانی است که بیرون از ایستگاه فضایی بینالمللی کار میکنند. این ربات موسوم به "Robonaut" با فضانوردان همکاری خواهد کرد تا وظایفی را که برای آنها بیش از اندازه خطرناک است، انجام دهد.
طراحی و برنامهریزی ماموریتهای فضایی
برنامهریزی برای یک ماموریت فضایی به مقصد مریخ، کار سادهای نیست اما هوش مصنوعی میتواند به سادهتر شدن آن کمک کند. ماموریتهای فضایی جدید، به دانشی تکیه دارند که از ماموریتهای پیشین به دست آمدهاند اما امکان دارد که این اطلاعات، محدود باشند و یا به طور کامل در دسترس قرار نگیرند.
این بدان معناست که جریان اطلاعات فنی و میزان به اشتراکگذاری آن محدود میشود. اگر همه اطلاعات مربوط به همه ماموریتهای فضایی به سادگی در دسترس همه قرار میگرفت، تحول بزرگی در اکتشافات فضایی به همراه داشت. ممکن است روزی، یک سیستم هوشمندتر وجود داشته باشد که با تکیه بر هوش مصنوعی کار کند و بتواند به سوالات پیچیده، پاسخهای معتبر و مرتبط بدهد. این سیستم، کمک بزرگی برای طراحی ابتدایی و برنامهریزی ماموریتهای جدید فضایی خواهد بود.
پژوهشگران سعی دارند یک دستیار نیز برای کمک به حوزه مهندسی طراحی کنند تا زمان مورد نیاز انسانها برای طراحی ابتدایی ماموریتها کاهش یابد. "Daphne" نمونه دیگری از دستیارهای هوشمند است که برای طراحی سیستمهای اکتشافی ارائه میشوند. این دستیار توسط سیستمهای مهندسی در طراحی ماهواره مورد استفاده قرار میگیرد و با ارائه اطلاعات مورد نیاز به مهندسان این حوزه، کار آنها را سادهتر میکند.
ماهوارههای اکتشافی زمین، میزان قابل توجهی از دادهها را تولید میکنند. این دادهها توسط ایستگاههای روی زمین و طی یک بازه بلند زمانی دریافت میشوند و سپس مورد بررسی قرار میگیرند. هوش مصنوعی میتواند به انسانها در تجزیه و تحلیل دقیق این دادههای ماهوارهای کمک کند.
هوش مصنوعی در پردازش هوشمندانه حجم گسترده دادههای دریافتی، بسیار موثر بوده است. برای نمونه میتوان به توانایی هوش مصنوعی در تخمین زدن میزان ذخیره گرما در مناطق شهری و ترکیب دادههای هواشناسی با تصاویر ماهوارهای برای اندازهگیری سرعت باد اشاره کرد.
هوش مصنوعی می تواند برای پردازش دادههای خود ماهوارهها نیز مورد استفاده قرار بگیرد. دانشمندان در پژوهشهای اخیر خود، چندین روش مبتنی بر هوش مصنوعی را در یک سیستم بررسی ماهوارهای از راه دور به کار بردهاند. این کار به ماهوارهها کمک میکند تا هر گونه مشکلی را تشخیص دهند، عملکرد ماهوارهها را پیشبینی کنند و امکان تصمیمگیری بهتر را فراهم سازند.
زبالههای فضایی
یکی از بزرگترین چالشهای فضایی قرن ۲۱، چگونگی حل کردن مشکل زبالههای فضایی است. گزارشهای سازمانهای فضایی نشان میدهند که میزان قابل توجهی از این زبالهها در فضا سرگردان هستند و روز به روز به آنها افزوده میشود. در حال حاضر، روشهایی برای مقابله با این مشکل ارائه شدهاند و روشهایی نیز در دست طراحی هستند تا زبالههای فضایی را با روش کنترل شدهای از بین ببرند.
یکی از روشهای پیشنهادی، پیشگیری از برخورد فضاپیماها، موشکها و ماهوارهها در فضا است تا زباله جدیدی تولید نشود. پژوهشگران در یک بررسی جدید، روشی را طراحی کردهاند که در آن، سیستمهای مبتنی بر هوش مصنوعی از برخورد پیشگیری میکنند.
یک روش جدید دیگر، آموزش مدلهای مبتنی بر یادگیری ماشینی و انتقال این مدلها به فضاپیمایی است که در مدار حضور دارد و یا در مسیر رسیدن به مقصد خود حرکت میکند تا به تصمیمگیری کمک کنند. یکی از راههایی که اخیرا برای تضمین ایمنی پروازهای فضایی پیشنهاد شده، به کار بردن شبکههای آموزشدیده است. این کار، انعطافپذیری بیشتری را در طراحی ماهواره فراهم میکند و امکان برخورد در مدار را به حداقل میرساند.
سیستمهای مسیریابی
ما روی زمین از نرمافزاهایی مانند "Google Maps" برای مسیریابی استفاده میکنیم اما در فضا نمونهای مانند این نرمافزار وجود ندارد.
در اطراف ماه یا مریخ، ماهوارههای مسیریاب وجود ندارند اما شاید بتوان برای این کار از میلیونها تصویر استفاده کرد که ماهوارههای اکتشافی مانند "مدارگرد شناسایی ماه"(LRO) آنها را فراهم کردهاند. در سال ۲۰۱۸، گروهی از پژوهشگران ناسا با همکاری شرکت "اینتل"(Intel)، یک سیستم هوشمند مسیریابی ابداع کردند که بتواند با استفاده از هوش مصنوعی به کشف سیارهها بپردازد. آنها این مدل هوشمند را با میلیونها تصویر تهیه شده از ماموریتهای گوناگون آموزش دادند و یک نقشه مجازی از ماه ابداع کردند.
پژوهشگران همزمان با کاوش در جهان، به برنامهریزی ماموریتهای بلندپروازانه ادامه میدهند تا هم حس کنجکاوی خود را برطرف سازند و هم به بهبود زندگی انسانها کمک کنند. هوش مصنوعی نیز در راستای رسیدن به این هدف، به پژوهشگران کمک خواهد کرد تا برنامههای اکتشافی در زمین و فضا محقق شوند.