هوش مصنوعی در فضا

هوش مصنوعی در فضا -هوش مصنوعی. ما بیشتر و بیشتر در مورد آن می شنویم. برخی وعده می دهند که جامعه را به سمت بهتر شدن تغییر می دهد، برخی دیگر ادعا می کنند که خطرناک است. چگونه از استفاده موثر و ایمن در فضا اطمینان حاصل می کنیم؟

هوش مصنوعی چیست؟

هوش مصنوعی به توانایی یک کامپیوتر یا ربات برای تقلید از هوش انسانی اشاره دارد.

 برای مثال می‌تواند رایانه‌هایی را که به طور مستقل داده‌ها را تجزیه و تحلیل می‌کنند یا سیستم‌های خودمختار تعبیه‌شده در وسایل نقلیه بدون راننده را پوشش دهد.

امروزه، دستیابی به هوش مصنوعی از طریق یادگیری ماشینی رایج است.

 یادگیری ماشینی به ماشین ها می آموزد که خودشان یاد بگیرند. این روشی برای “آموزش” یک الگوریتم نسبتا ساده برای پیچیده تر شدن است.

 حجم عظیمی از داده ها به الگوریتم وارد می شود که با گذشت زمان خود را تنظیم و بهبود می بخشد.

یادگیری عمیق یک تکنیک تخصصی در یادگیری ماشین است که به موجب آن یک ماشین از شبکه های عصبی مصنوعی چند لایه برای آموزش خود در کارهای پیچیده مانند تشخیص تصویر استفاده می کند.

 این می تواند از طریق یادگیری نظارت شده (به عنوان مثال، تغذیه یک سیستم از عکس های ماه و زمین تا زمانی که بتواند هر دو را با موفقیت شناسایی کند) یا یادگیری بدون نظارت، جایی که شبکه به خودی خود ساختار پیدا می کند، اتفاق بیفتد.

 نمونه هایی از یادگیری عمیق عبارتند از خدمات ترجمه آنلاین، چت بات ها و سیستم های ناوبری.

ما در حال حاضر شاهد پیاده سازی هوش مصنوعی در فناوری های جدید فضایی هستیم.

 برای کنترل صور فلکی ماهواره‌ای بزرگ، تجزیه و تحلیل حجم عظیمی از داده‌هایی که ماهواره‌ها جمع‌آوری می‌کنند و پردازش داده‌ها به طور مستقیم روی ماهواره‌ها استفاده می‌شود.

اما پتانسیل برای رفتن بیشتر وجود دارد. و به همین دلیل است که ESA، از جمله عناصر کشف و آماده سازی فعالیت‌های اساسی آژانس، در حال بررسی راه‌های جدیدی است که هوش مصنوعی می‌تواند همه مناطق فضا – از رصد زمین گرفته تا ناوبری ماهواره‌ای – را مؤثرتر کند.

Discovery & Preparation در این زمینه چه می کند؟

در سال 2022، ESA Discovery 12 پروژه را تأمین مالی کرد که بررسی کردند آیا می‌توانیم آخرین پیشرفت‌ها در هوش مصنوعی و پارادایم‌های محاسباتی پیشرفته را برای واکنش‌پذیرتر، چابک‌تر و مستقل‌تر کردن ماهواره‌ها اعمال کنیم.

 آنها از طریق فراخوان ایده‌های پلتفرم نوآوری فضای باز « رایانش ابری شناختی در فضا » انتخاب شدند. امید این بود که برنامه های کاربردی جدیدی تولید کنیم که از حیات روی زمین و اکتشاف ما در سایر سیارات پشتیبانی کند.

برخی از پروژه‌ها تحقیق کردند که چگونه ماهواره‌های مجهز به هوش مصنوعی می‌توانند مستقیماً زندگی ما را بر روی زمین بهبود بخشند، برای مثال با شناسایی مؤثرتر نشت متان و مدیریت بلایای فضا.

 دیگران به این نگاه کردند که چگونه این ماهواره‌های هوشمند می‌توانند از اکتشاف پایدارتر ماه پشتیبانی کنند و ماه‌نوردان را مستقل‌تر کنند. در مقاله اختصاصی ما بیشتر بدانید و لیست کامل پروژه ها را بیابید  .

بسیاری از پروژه‌های محاسبات شناختی بر صورت‌های فلکی ماهواره‌ها متمرکز شده‌اند، که ما در دنیای مدرن خود بیشتر و بیشتر از آن‌ها می‌بینیم. عملکرد آنها پیچیده است و نیاز به مانورهای منظم اجتناب از برخورد دارند.

 Discovery قبلاً  در سال 2000 به دنبال خودکارسازی صورت‌های فلکی بود ، برای مثال با فعال کردن ناوبری مستقل، تجزیه و تحلیل تله متری و ارتقاء نرم افزار. یک مطالعه جدیدتر این ایده را بیشتر توسعه داد، با تمرکز بر  مدیریت مستقل صور فلکی پیچیده  برای کاهش بار کاری اپراتورهای زمینی.

 سایر مطالعات Discovery بررسی کردند که چگونه انبوهی از ماهواره‌های کوچک می‌توانند  آگاهی جمعی را تکامل دهند و به بررسی چگونگی استفاده از هوش مصنوعی در  عملیات‌ها و فناوری‌های ماموریتی پیشرفته و همچنین در  مفاهیم امنیتی، مکانیسم‌ها و معماری‌های نوآورانه پرداختند .

همچنین در سال 2022، دیسکاوری  تعدادی پروژه را برای توسعه نرم‌افزار، مفاهیم و پروتکل‌ها آغاز کرد تا  آزمایشگاه فضایی تجربی OPS-SAT  ESA را به محدودیت‌های خود برساند  .

 تعدادی از این موارد شامل هوش مصنوعی بود. دیوید ایوانز، مدیر فضاپیمای OPS-SAT گفت: “هوش مصنوعی یک اصطلاح گسترده برای یک جعبه ابزار بی نهایت موثر است، و دیدن برنامه های کاربردی بتن با استفاده از ابزارهای مختلف در سراسر زمینه بسیار عالی بود.”

پروژه‌های OPS-SAT با استفاده از هوش مصنوعی شامل اجرای الگوریتم‌های یادگیری عمیق برای بهبود کیفیت تصویر فضاپیما ، باز کردن روش‌های جدید برای به کارگیری یادگیری عمیق در فضاپیما ، شناسایی و ردیابی ویژگی‌های روی سطح زمین ، با استفاده از تکنیک هوش مصنوعی به نام «یادگیری تقویتی» برای کنترل بهتر بود. جهت گیری فضاپیما و شناسایی جنگل ها با استفاده از یادگیری عمیق .

سال قبل، دیسکاوری به 26 پروژه که در زمینه شناسایی و ردیابی زباله های دریایی با استفاده از ماهواره ها کار می کردند، بودجه ارائه کرد .

 تعدادی از اینها از هوش مصنوعی استفاده کردند، برای مثال با آموزش مدل‌های هوش مصنوعی برای شناسایی انواع خاصی از پلاستیک ، استفاده از هوش مصنوعی برای شناسایی ذرات پلاستیکی شناور ، و ترکیب هوش مصنوعی با هواپیماهای بدون سرنشین برای شناسایی خودکار زباله‌های پلاستیکی غوطه‌ور شده .

ناوبری خودکار یکی از کاربردهای کلیدی هوش مصنوعی است که به ما کمک می کند در اطراف زمین و سایر سیارات حرکت کنیم.

 یک مطالعه Discovery با استفاده از هوش مصنوعی برای کمک به فضاپیماها برای حرکت مستقل در محیط های ناشناخته مورد بررسی قرار گرفت .

 تیم مفاهیم پیشرفته ESA ( ACT ) همچنین با استفاده از یادگیری ماشین در زمینه هدایت، ناوبری و کنترل تحقیق کرد.

 به طور خاص، آنها به دنبال استفاده از گروه‌های بزرگ ربات‌های کوچک بودند که اطلاعات خود را در یک شبکه به اشتراک می‌گذارند : اگر یک ربات از تجربه یاد بگیرد که یک مانور خاص مفید است، کل گروه این را می‌آموزد. به این کار یادگیری کندو می گویند.

وظیفه آماده سازی ESA برای تغییرات مخرب، ACT روی پروژه های مختلف دیگر مرتبط با هوش مصنوعی کار کرده است، از جمله ارزیابی فناوری های الهام گرفته از مغز برای کاربردهای فضایی ، استفاده از هوش مصنوعی برای ترسیم هندسه و گرانش سنگ های فضایی ، و همچنین توسعه مواد جدید .

همچنین اخیراً پیشرفت زیادی در پردازش زبان طبیعی مبتنی بر هوش مصنوعی حاصل شده است که عمدتاً توسط ربات‌های گفتگو و دستیارهای صوتی خانگی هدایت می‌شود.

 یک مطالعه Discovery این فناوری‌ها را به فرآیندهای مهندسی فضایی تبدیل کرد و بررسی کرد که چگونه پردازش زبان طبیعی می‌تواند به مهندسان فضا در فعالیت‌های روزانه‌شان کمک کند .

کاربردهای AI/ML در سراسر ESA

رفتن از این تحقیقات اکتشافی به کاربردهای فضایی واقعی ممکن است قدم بزرگی به نظر برسد، اما ESA در حال حاضر شروع به استفاده از هوش مصنوعی در مأموریت‌های فضایی خود کرده است.

 به عنوان مثال، مریخ نوردها می توانند به طور مستقل در اطراف موانع حرکت کنند و  بارگیری داده ها از مریخ نوردها با استفاده از هوش مصنوعی برنامه ریزی شده است .

 هوش مصنوعی همچنین به فضانوردان در ایستگاه فضایی بین‌المللی (ISS) کمک می‌کند که جزئیات بیشتر آن را می‌توانید در بخش بعدی این مقاله ببینید.

ماموریت دفاعی سیاره ای Hera ESA   از هوش مصنوعی استفاده خواهد کرد، زیرا  خود را در فضا  به سمت یک سیارک هدایت می کند و رویکردی مشابه برای اتومبیل های خودران دارد.

 در حالی که بیشتر ماموریت‌های اعماق فضا یک محرک قطعی برای بازگشت به زمین دارند، Hera داده‌های حسگرهای مختلف را برای ساخت مدلی از محیط اطراف خود ترکیب می‌کند و تصمیم‌گیری می‌کند، همه به طور مستقل.

تست ناوبری خودران فضاپیمای هرا

ماهواره هایی که به دور زمین می چرخند نیز به استقلال بیشتری نیاز دارند، زیرا آنها باید مانورهای جلوگیری از برخورد مکرر را انجام دهند تا از حجم فزاینده ای از زباله های فضایی فرار کنند.

 در ژانویه 2021 ، ESA و مرکز تحقیقات آلمانی برای هوش مصنوعی ( DFKI ) ESA_Lab@DFKI را تأسیس کردند، یک آزمایشگاه انتقال فناوری که بر روی سیستم‌های هوش مصنوعی برای خودمختاری ماهواره‌ای، قابلیت‌های اجتناب از برخورد و موارد دیگر کار می‌کند.

علاوه بر این، ESA تجربه زیادی در استفاده از هوش مصنوعی برای شخم زدن مقادیر عظیمی از داده ها برای استخراج اطلاعات معنی دار به دست آورده است.

 این تکنیک قبلاً در برنامه‌های «زمینی» بیشتری اجرا شده است، از جمله نظارت بر تعداد خودروها در یک مرکز خرید، پیش‌بینی عملکرد مالی خرده‌فروشان، نظارت بر تغییرات آب و هوا و حمایت از نیروهای پلیس در تلاش‌هایشان برای دستگیری عاملان.

رصد زمین یکی از حوزه‌هایی است که هوش مصنوعی در حال حاضر به طور گسترده‌تری مورد استفاده قرار می‌گیرد.

 ESA در حال حاضر در حال کار بر روی دوقلوی دیجیتالی زمین است ، یک ماکت که دائماً با داده‌های رصد زمین و هوش مصنوعی تغذیه می‌شود تا به تجسم و پیش‌بینی فعالیت‌های طبیعی و انسانی روی این سیاره کمک کند.

و داشبورد «عمل سریع رصد زمین» آژانس نشان می‌دهد که چگونه می‌توان از هوش مصنوعی برای نظارت بر شاخص‌های اقتصادی استفاده کرد – برای مثال، ترکیب داده‌های ماهواره‌ای تجاری و هوش مصنوعی برای نظارت بر تغییرات تولید در یک سازنده خودرو در آلمان و ترافیک هواپیما در فرودگاه بارسلون.

 علاوه بر این، FSSCat – که در سپتامبر 2020 راه اندازی شد – اولین مأموریت رصد زمین اروپایی است که هوش مصنوعی را در قالب تراشه هوش مصنوعی ɸ-sat-1 حمل می کند .

 ɸ-sat-1 با فیلتر کردن داده‌های داخل هواپیما، کارایی ارسال مقادیر زیادی داده به زمین را بهبود می‌بخشد.

هوش مصنوعی همچنین در ناوبری ماهواره ای استفاده می شود ، جایی که می تواند پیش بینی آب و هوای فضا و زمین را بهبود بخشد و به شناسایی پهپادهای سرکش در فضای حساس هوایی کمک کند.

 ناوبری مجهز به هوش مصنوعی و بهبود عملکرد اتومبیل‌ها و قایق‌های خودران؛ یک پروژه تحت رهبری ESA از هوش مصنوعی برای دستیابی به آگاهی موقعیتی مستقل استفاده کرد و یک کشتی را قادر می‌سازد تا محیط خود را به طور قابل اعتمادی حس کند.

آژانس های فضایی دیگر در این زمینه چه می کنند؟

مرکز هوافضای آلمان ( DLR ) سالهاست که روش‌های هوش مصنوعی را برای کاربردهای فضا و زمین توسعه می‌دهد و در سال 2021 یک موسسه امنیت هوش مصنوعی راه‌اندازی کرد .

 در سال 2018 DLR یک دستیار هوش مصنوعی را راه اندازی کرد تا از فضانوردان خود در وظایف روزانه خود در ISS پشتیبانی کند.

 CIMON کاملاً صدادار (Crew Interactive MObile companioN) قادر به دیدن، صحبت کردن، شنیدن، درک و حتی پرواز است! CIMON پس از 14 ماه بازگشت، اما CIMON-2 در دسامبر 2019 برای جایگزینی آن وارد شد.

ناسا همچنین از هوش مصنوعی برای بسیاری از کاربردها استفاده می کند و یک گروه هوش مصنوعی راه اندازی کرده است که تحقیقات پایه ای را انجام می دهد که از تجزیه و تحلیل علمی، عملیات فضاپیما، تجزیه و تحلیل ماموریت، عملیات شبکه های فضای عمیق و سیستم های حمل و نقل فضایی پشتیبانی می کند.

 آژانس کارآمدتر و قابل اطمینان‌تر کردن شبکه‌های ارتباطی را با استفاده از رادیو شناختی ، که نواحی «نویز سفید» را در باندهای ارتباطی انتخاب می‌کند و از آنها برای انتقال داده‌ها استفاده می‌کند، بررسی کرد.

 این امر استفاده از باندهای مخابراتی محدود موجود را به حداکثر می رساند و زمان تاخیر را به حداقل می رساند.

 همچنین از هوش مصنوعی برای کالیبره کردن تصاویر خورشید استفاده کرد و داده هایی را که دانشمندان برای تحقیقات خورشیدی استفاده می کنند بهبود بخشید.

 برای اکتشاف در اعماق فضا، ناسا همچنین به دنبال طراحی فضاپیماها و فرودگرهای خودمختار بیشتری بوده است، به طوری که می توان در محل تصمیم گیری کرد و تأخیر ناشی از زمان رله ارتباطی را حذف کرد.

ناسا با گوگل همکاری کرد تا الگوریتم‌های هوش مصنوعی گسترده‌اش را آموزش دهد تا به طور موثر داده‌های ماموریت سیاره فراخورشیدی کپلر را برای جستجوی سیگنال‌هایی از عبور سیاره فراخورشیدی از مقابل ستاره مادرش بررسی کند.

 این همکاری موفق به سرعت منجر به کشف دو سیاره فراخورشیدی جدید شد که قبلا توسط دانشمندان بشری نادیده گرفته شده بود.

 پس از موفقیت، هوش مصنوعی بر روی داده های ماموریت TESS ناسا برای شناسایی سیارات فراخورشیدی نامزد استفاده شده است.

موشک اپسیلون آژانس فضایی ژاپن (JAXA) اولین موشک در تاریخ بود که از هوش مصنوعی استفاده کرد. اپسیلون با انجام بررسی ها و نظارت بر عملکرد خود به صورت مستقل، پرتاب محموله به فضا را ساده تر از همیشه می کند.

 JAXA همچنین یک ربات هوشمند به نام ” Int-ball ” توسعه داد که از آزمایشات در ایستگاه فضایی بین‌المللی عکس می‌گیرد و در وقت ارزشمند فضانوردان صرفه‌جویی می‌کند.

در همین حال، آژانس فضایی فرانسه CNES با شرکت فرانسوی Clemessy برای بهینه‌سازی پر کردن مخازن موشک با استفاده از شبکه‌های عصبی هوش مصنوعی همکاری کرد، آژانس فضایی بریتانیا پروژه‌ای را تامین مالی کرد که از هوش مصنوعی برای شناسایی بقایای باستان‌شناسی مدفون در تصاویر ماهواره‌ای استفاده می‌کند، و آژانس فضایی ایتالیا حتی همکاری کرد. یک شرکت متمرکز بر هوش مصنوعی را تأسیس کرد .

هوش مصنوعی در فضا

مهندس حمید تدینی: نویسنده و وبلاگ نویس مشهور، متخصص در زبان برنامه نویسی و هوش مصنوعی و ساکن آلمان است. مقالات روشنگر او به پیچیدگی های این زمینه ها می پردازد و به خوانندگان درک عمیقی از مفاهیم پیچیده فناوری ارائه می دهد. کار او به دلیل وضوح و دقت مشهور است.