هوش مصنوعی در سال‌های اخیر به‌شدت مدنظر قرار گرفته و مسائل زیادی را با سرعتی بیشتر از محاسبات سنتی حل کرده است. این پیشرفتها صرفا به کاربردهای موجود در سیاره‌ی زمین محدود نمی‌شود! دانشمندان به کمک هوش مصنوعی، توانایی بیشتری برای کشف جهان خارج از زمین پیدا کرده‌اند. از طراحی مأموریت‌ها تا پاک‌سازی مدار زمین از ضایعات، تنظیم ماهواره‌ها، پردازش تصاویر و حتی کشف ویژگی سیارات دیگر هوش مصنوعی می‌تواند به‌کمک صنعت فضایی بیاید.
[lwptoc]
دستیار فضانوردان
پژوهشگران تلاش می کنند که دستیار‌های هوشمندی برای کمک به فضانوردان توسعه دهند. این دستیار‌های مبتنی‌بر AI گرچه مانند فیلم‌ها ظاهری جذاب ندارند، اما می‌توانند برای اکتشافات فضایی مفید واقع شوند. اخیرا دستیاری مجازی توسعه یافته است که می‌تواند خطر‌های مأموریت‌های طولانی فضایی مثل تغییرات هوای فضاپیما (مثلا افزایش سطح کربن‌دی‌اکسید) و خرابی حسگر‌ها را آشکار کند. این دستیار پیشنهاد‌هایی نیز برای حل مشکل ارائه می‌کند.
دستیار هوش مصنوعی به نام سیمون (Cimon) در دسامبر ۲۰۱۹ به ایستگاه فضایی بین‌المللی (ISS) فرستاده شد و قرار شد در بازه‌ای سه‌ساله آزمایش و بررسی شد. سیمون با اجرای وظایف درخواستی فضانوردان استرس آن‌ها را کاهش داد. ناسا همچنین به‌دنبال توسعه‌ی همراهی برای فضانوردان به نام روبوناوت است که به‌جای فضانوردان، وظایف خطرناک در ایستگاه فضایی بین‌المللی را برعهده می‌گیرد. آن‌ها در فضا با این ربات گفتگو می‌کنند و سؤالات خود در مورد مسائل گوناگون را از آن می‌پرسند. نسخه پیشرفته این ربات یعنی Cimon 2 می‌تواند احساسات فضانوردان را درک و به آن‌ها واکنش نشان دهد.
کشف سیارات جدید
در سال ۲۰۱۷، گوگل و ناسا برای کشف سیارات جدید، یک پروژه مشترک تعریف کردند که با استفاده از شبکه‌های عصبی و تحلیل و بررسی داده‌هایی که از تلسکوپ فضایی کپلر (Kepler) دریافت می‌شود، می‌توان سیارات جدید را کشف کرد. این تلسکوپ تاکنون تعداد زیادی سیاره با اندازه‌های مختلف بزرگ‌تر و کوچک‌تر از زمین را کشف کرده است. در همان سال ناسا یک پروژه دیگر را نیز به اتمام رساند. در این پروژه از فناوری داده‌کاوی برای مدل‌سازی و کشف ویژگی‌های سیارات جدید مانند اندازه، شکل و نحوۀ چرخش آن‌ها استفاده‌شده است. این روش باعث کاهش چشمگیر زمان موردنیاز برای بررسی سیارات جدید شده است.
زباله‌های فضایی
گزارش‌های سازمان‌های فضایی نشان می‌دهد میزان قابل‌توجهی زباله در فضا سرگردان هستند و روز‌به‌روز به تعداد آن‌ها افزوده می‌شود. یکی از بزرگترین چالش‌های فضایی قرن ۲۱ چگونگی حل مشکل زباله‌های فضایی است. یکی از روش‌های پیشنهادی، پیشگیری از برخورد فضاپیماها، حامل‌ها و ماهواره‌ها در فضا است تا زباله جدیدی تولید نشود. پژوهشگران روشی را طراحی کرده‌اند که در آن سامانه‌های مبتنی‌بر هوش‌مصنوعی از برخورد پیشگیری می‌کنند.
یک روش جدید دیگر، آموزش مدل‌های مبتنی‌بر 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. همچنین یکی از راه‌هایی که برای تضمین ایمنی پروازهای فضایی پیشنهاد شده است، به‌کار بردن شبکه‌های آموزش‌دیده است. این کار، انعطاف‌پذیری بیشتری را در طراحی ماهواره فراهم می‌کند و امکان برخورد در مدار را به‌حداقل می‌رساند.
ربات‌ها در فضا
مسیر هوش مصنوعی درزمینۀ کشف فضا در حال پیشرفت است تا جایی که امید است در آینده ربات‌ها جایگزین فضانوردان در سفرهای فضایی شوند. سفرهای فضایی برای انسان‌ها خطرآفرین هستند و اغلب هزینه‌های آماده‌سازی شرایط برای سفر فضایی توسط یک انسان بسیار زیاد است؛ چراکه انسان‌ها نیازمند ماه‌ها تمرین برای آماده‌سازی خود با شرایط بدون گرانش هستند. همچنین باید تجهیزات مختلفی برای انسان‌ها در یک سفر فضایی تهیه شود که همه آن‌ها هزینه‌بر است؛ اما ربات‌ها بسیاری از این مشکلات را نداشته به‌علاوه می‌توانند بدون بازگشت به زمین در فضا مانده و از راه دور کنترل شوند.
مریخ نورد Mars 2020 rover هم‌اکنون در مریخ است و دوربین‌های اطراف آن به‌طور مرتب تصاویر و فیلم‌های سطح مریخ را به زمین ارسال می‌کنند. این ربات که با الگوریتم‌های هوش مصنوعی آموزش‌دیده است، توانایی دیدن و شناسایی سنگ‌ها در سطح مریخ، اندازه‌گیری و تشخیص نوع و جنس مواد و همچنین تکان دادن و جابه‌جایی اشیاء را دارد. هم‌اکنون ربات‌های گوناگون دیگری نیز مانند Japanese intball و robonaut در ایستگاه فضایی بین‌المللی برای انجام مأموریت‌های مختلف حضور دارند.
طراحی و برنامه‌ریزی مأموریت
برنامه‌ریزی مأموریت به مریخ وظیفه‌ی ساده‌ای نیست؛ اما هوش مصنوعی می‌تواند آن را ساده‌تر کند. مأموریت‌های جدید فضایی معمولا به اطلاعاتی وابسته‌اند که از پژوهش‌های قبلی جمع‌آوری شده‌اند. بااین‌حال، این اطلاعات اغلب محدود هستند و دسترسی به آن‌ها کاملا امکان‌پذیر نیست. جریان اطلاعات تخصصی به دسترسی و اشتراک‌گذاری اطلاعات با مهندسان طراح مأموریت وابسته است؛ اما اگر تمام اطلاعات مأموریت‌های کاربردی گذشته فقط با چند کلیک در‌دسترس قرار بگیرند، تفاوت چشمگیری حاصل می‌شود. روزی سیستم‌ها مجهز به هوش مصنوعی خواهند شد و می‌توانند با اطلاعات مرتبط و مطمئن به پرسش‌های پیچیده هم پاسخ بدهند؛ در‌نتیجه به طراحی و برنامه‌ریزی مأموریت‌های جدید کمک کنند.
پژوهشگران مشغول کار روی ایده‌ی دستیار مهندس طراح هستند تا زمان لازم برای طراحی مأموریت اولیه را کاهش دهند. دافنه (Daphne) نمونه‌ی دیگری از دستیار هوشمند است که برای طراحی سیستم‌های ماهواره‌ای رصد زمین به‌کار می‌رود. مهندسان سیستم متعدد در تیم‌های طراحی ماهواره‌ای از دافنه استفاده کردند. این دستیار دسترسی به اطلاعات مرتبط از‌جمله بازخورد‌ها و پاسخ به پرسش‌های معین را آسان می‌سازد.
پردازش تصاویر ماهواره‌ای
هرروزه ماهواره‌ها میلیون‌ها تصویر را می‌گیرند و داده‌های بسیار ارزشمندی را به سراسر دنیا ارسال می‌کنند. درگذشته برای بررسی و تجزیه‌وتحلیل داده‌های دریافت شده از تصاویر ماهواره‌ای، نیاز به زمان بیشتری توسط انسان‌ها بود و بیشتر بررسی‌ها توسط انسان صورت می‌گرفت؛ اما امروزه سیستم‌های مبتنی بر فناوری بینایی ماشین، تصاویر را دریافت و آن‌ها را بررسی می‌کنند. سپس الگوهای جدید را کشف و برای بررسی بیشتر به محققین ارائه می‌دهند. این سیستم‌ها این کار را هرروز هفته و ۲۴ ساعته بدون خستگی انجام می‌دهند.
فضاپیماهای خودکار
افزودن سیستم هوش مصنوعی به ماشین‌هایی که تا به حال برای انجام کاوش‌های فضایی روانه‌ی بیرون از جو زمین کرده‌ایم، کاملا معقول به نظر می‌رسد. چنین کاری می‌تواند بدین معنی باشد که آن دستگاه‌ها برای تصمیم‌گیری در مواقع مشخص، منتظر مخابره‌ی دستورهای لازم از سوی زمین نخواهند بود.
فضاپیماهای رباتیک می‌توانند با اتخاذ تصمیم‌های مختص به خودشان در حین انجام کاوش‌ها، آزمایش‌ها و تحقیق‌های متداول علمی را به‌طور کارامدتری انجام دهند و حتی قادر باشند که به برخی مشاهدات غیرممکن در حالت‌های عادی دست یابند؛ یک ربات مجهز به هوش مصنوعی در یک کاوشگر می‌تواند روند لازم برای تشخیص دادن میان برف و یخ را بیاموزد یا اینکه بتواند تفاوت میان آب جاری و آب ساکن را تشخیص دهد و به این ترتیب بتواند ارزش و مفهوم بیشتری را برای داده‌هایی به ارمغان آورد که از آن نواحی به کره‌ی زمین مخابره می‌کند.
ما در حال حاضر نیز برخی از کاربردهای هوش مصنوعی و روندهای خودکار مرتبط با آن را در فضا می‌بینیم. مریخ‌نورد کنجکاوی (Curiosity) ناسا دارای نرم‌افزاری در بورد خود است که به انتخاب هدف‌ها و سوژه‌های کارامد برای دستگاه ChemCam خود کمک می‌کند. ChemCam دستگاهی است که به مطالعه‌ی سنگ‌ها و سایر پدیده‌های مربوط به زمین‌شناسی روی سیاره‌ی سرخ می‌پردازد. مریخ‌نورد کنجکاوی با گرفتن تصمیم‌های خود به جای منتظر ماندن برای رسیدن دستورالعمل‌های لازم از زمین، هم‌اکنون دارای عملکرد بسیار بهتری در یافتن اهداف قابل توجه است و می‌تواند مقادیر زیادی از داده‌های لازم را جمع‌آوری کند.
این مریخ نورد همچنین تمامی مراحل فرود روی سطح سیاره مریخ (از لحظه ورود به جو مریخ تا فرود روی سطح سیاره) را بدون کمک مستقیم دانشمندان و تنها با کمک هوش مصنوعی به درستی انجام داد. پرواز بالگرد Ingenuity در آسمان مریخ نیز یکی دیگر از نمونه های فضاپیمای خودکار است که با استفاده از هوش مصنوعی توانست با موفقیت در آسمان مریخ به پرواز دربیاید.
تنظیم هوشمند ماهواره‌ها
تا قبل از ظهور هوش مصنوعی، انسان‌ها باید دائماً مسیر حرکت ماهواره‌ها را رصد می‌کردند تا از برخورد آن‌ها به هم جلوگیری کنند و یا برای دریافت تصاویر از مناطق مختلف، آن‌ها را در مدار دیگری قرار دهند. امروزه مهندسین هوش مصنوعی، سیستم‌هایی را توسعه داده‌اند که می‌توانند به‌صورت خودکار ماهواره‌ها را ردیابی کرده و مسیر آن‌ها را در صورت نیاز تغییر دهند.
منابع:
