Τεχνητή νοημοσύνη στο διάστημα: από τα ρόβερ του Άρη ως τους δορυφόρους που σκέφτονται
Τον Δεκέμβριο του 2025 ένα ρόβερ στον Άρη ακολούθησε για πρώτη φορά διαδρομή που σχεδίασε τεχνητή νοημοσύνη. Πού χρησιμοποιείται ήδη η AI στο διάστημα, από τα ρόβερ και τους δορυφόρους ως τα τηλεσκόπια και τους αστροναύτες, και ποια είναι τα όριά της.

Σε αυτό το άρθρο10 ενότητες
- Γιατί το διάστημα χρειάζεται τεχνητή νοημοσύνη
- Οι πρώτοι αυτόνομοι πιλότοι
- Ρόβερ που αποφασίζουν μόνα τους
- Δορυφόροι που σκέφτονται σε τροχιά
- Εξωπλανήτες και αστρονομία των μεγάλων δεδομένων
- Πρόβλεψη του διαστημικού καιρού
- Βοηθοί για τους αστροναύτες
- Υπολογιστές για το διάστημα και στο διάστημα
- Τα όρια της τεχνητής νοημοσύνης
- Συχνές ερωτήσεις
Στις 8 Δεκεμβρίου 2025 το ρόβερ Perseverance διένυσε 210 μέτρα στον κρατήρα Jezero του Άρη, ακολουθώντας μια διαδρομή που δεν είχε σχεδιάσει άνθρωπος. Τα σημεία από τα οποία θα περνούσε τα είχε επιλέξει ένα σύστημα παραγωγικής τεχνητής νοημοσύνης (generative AI), δηλαδή AI που δεν αναγνωρίζει απλώς αλλά φτιάχνει κάτι καινούριο, εδώ ένα σχέδιο διαδρομής. Το σύστημα μελέτησε τις φωτογραφίες από την τροχιά και τον χάρτη υψομέτρων και εντόπισε πού ήταν οι βράχοι και πού η μαλακή άμμος. Δύο μέρες αργότερα ακολούθησε δεύτερη διαδρομή, 246 μέτρων, και δύο μήνες μετά το ίδιο ρόβερ έμαθε να βρίσκει μόνο του πού ακριβώς βρίσκεται. Η τεχνητή νοημοσύνη στο διάστημα έχει περάσει από τα πειράματα στη δουλειά.
Ο οδηγός αυτός εξηγεί γιατί το διάστημα χρειάζεται μηχανές που αποφασίζουν μόνες τους, πού χρησιμοποιείται ήδη η AI, από τα ρόβερ και τους δορυφόρους ως τα τηλεσκόπια και τους αστροναύτες, και πού είναι τα όριά της.
Γιατί το διάστημα χρειάζεται τεχνητή νοημοσύνη
Ο πρώτος λόγος είναι η απόσταση. Ένα ραδιοσήμα χρειάζεται από 3 έως 22 λεπτά για να φτάσει από τη Γη στον Άρη, ανάλογα με τη θέση των δύο πλανητών, και άλλα τόσα για να έρθει η απάντηση. Στο σύστημα του Δία η καθυστέρηση φτάνει τα 33 με 53 λεπτά προς κάθε κατεύθυνση. Ένα ρόβερ που θα περίμενε εντολή για κάθε μέτρο δεν θα έκανε σχεδόν τίποτα, και ένα σκάφος που περνά δίπλα από ένα φεγγάρι με δεκάδες χιλιόμετρα το δευτερόλεπτο δεν προλαβαίνει να ρωτήσει.
Ο δεύτερος λόγος είναι ο όγκος των δεδομένων. Τα σύγχρονα τηλεσκόπια και οι δορυφόροι μαζεύουν πολύ περισσότερα δεδομένα από όσα μπορούν να στείλουν στη Γη ή να κοιτάξουν άνθρωποι. Οι μεγάλες κεραίες του Δικτύου Βαθέος Διαστήματος της NASA μοιράζονται ανάμεσα σε δεκάδες αποστολές, οπότε κάθε εικόνα που δεν χρειάζεται να σταλεί είναι χρόνος που κερδίζεται για τα δεδομένα που πραγματικά μετρούν. Ο τρίτος είναι η ασφάλεια: με δεκάδες χιλιάδες αντικείμενα σε τροχιά, οι αποφάσεις για το πότε πρέπει να αποφύγει ένας δορυφόρος μια σύγκρουση δεν μπορούν πια να παίρνονται μία μία με το χέρι.

Οι πρώτοι αυτόνομοι πιλότοι
Η ιδέα δεν είναι καινούρια. Τον Μάιο του 1999 η NASA παρέδωσε για δύο μέρες τον έλεγχο του σκάφους Deep Space 1 σε ένα πρόγραμμα με το όνομα Remote Agent. Ήταν η πρώτη φορά που ένα σύστημα τεχνητής νοημοσύνης κυβέρνησε διαστημόπλοιο: σχεδίαζε μόνο του τις εργασίες της μέρας, παρακολουθούσε τα συστήματα και, όταν οι μηχανικοί προκάλεσαν εσκεμμένα βλάβες, βρήκε τρόπο να τις παρακάμψει.
Λίγα χρόνια αργότερα, από το 2004, ο δορυφόρος παρατήρησης της Γης EO-1 έτρεχε λογισμικό που εντόπιζε μόνο του μια ηφαιστειακή έκρηξη ή μια πλημμύρα στις εικόνες του και ξαναπρογραμμάτιζε τις επόμενες λήψεις για να την παρακολουθήσει, χωρίς να περιμένει εντολή από τη Γη. Πολλές από τις ιδέες που σήμερα θεωρούνται καινοτομίες δοκιμάστηκαν σε αυτά τα δύο σκάφη πριν από πάνω από είκοσι χρόνια.
Ρόβερ που αποφασίζουν μόνα τους
Τα ρόβερ του Άρη ήταν από τα πρώτα σκάφη που απέκτησαν τεχνητή νοημοσύνη. Το λογισμικό AEGIS, που δοκιμάστηκε στο Opportunity το 2010 και λειτουργεί στο Curiosity από το 2016, κοιτάζει τις εικόνες της κάμερας και διαλέγει μόνο του ποιος βράχος αξίζει να «χτυπηθεί» με το λέιζερ του οργάνου ChemCam, χωρίς να περιμένει τους γεωλόγους στη Γη. Έτσι το ρόβερ κάνει επιστήμη και τις ώρες που η ομάδα κοιμάται.
Το Perseverance πήγε ένα βήμα παραπέρα με το σύστημα AutoNav. Οι άνθρωποι ορίζουν μόνο τον προορισμό και κάποια ενδιάμεσα σημεία, και το ρόβερ φτιάχνει τρισδιάστατους χάρτες του εδάφους και διαλέγει μόνο του την ασφαλέστερη διαδρομή, σκεπτόμενο καθώς κινείται αντί να σταματά συνεχώς. Γι’ αυτό οδηγεί πολύ πιο γρήγορα από τους προκατόχους του. Το ίδιο ίσχυσε και για το ελικόπτερο Ingenuity που κουβαλούσε: κάθε πτήση του, από τις 72 που έκανε ως το 2024, γινόταν εντελώς αυτόνομα, αφού κανένας πιλότος στη Γη δεν θα μπορούσε να το κρατήσει στον αέρα με καθυστέρηση λεπτών.
Οι διαδρομές του Δεκεμβρίου 2025 πρόσθεσαν ένα ακόμη επίπεδο. Μια ομάδα του Jet Propulsion Laboratory της NASA, σε συνεργασία με την εταιρεία τεχνητής νοημοσύνης Anthropic, χρησιμοποίησε μοντέλα που καταλαβαίνουν εικόνα και κείμενο για να σχεδιάσουν τα ενδιάμεσα σημεία, δουλειά που ως τότε έκαναν οι οδηγοί της NASA με το χέρι. Πριν σταλεί στον Άρη, κάθε διαδρομή δοκιμάστηκε σε ένα ψηφιακό αντίγραφο του ρόβερ, που ελέγχει πάνω από 500.000 μεταβλητές, και οι άνθρωποι έδωσαν την τελική έγκριση, όπως περιγράφει η ανακοίνωση του JPL (ανοίγει σε νέα καρτέλα). Σύμφωνα με την Anthropic, οι μηχανικοί εκτιμούν ότι η μέθοδος μπορεί να μειώσει στο μισό τον χρόνο σχεδιασμού.
Ένα GPS για τον Άρη
Στον Άρη δεν υπάρχουν δορυφόροι εντοπισμού θέσης. Το ρόβερ υπολογίζει πόσο μετακινήθηκε συγκρίνοντας διαδοχικές φωτογραφίες, και τα μικρά λάθη αθροίζονται: σε μεγάλες διαδρομές η εκτίμηση της θέσης του μπορούσε να απέχει έως 35 μέτρα από την πραγματική. Τότε σταματούσε και περίμενε τους χειριστές στη Γη να του πουν πού βρίσκεται, κάτι που μπορούσε να κρατήσει μία μέρα ή και περισσότερο.
Στις 2 Φεβρουαρίου 2026 το Perseverance χρησιμοποίησε για πρώτη φορά σε κανονική λειτουργία το σύστημα Mars Global Localization. Τραβά ένα πανόραμα με τις κάμερες πλοήγησης και το συγκρίνει με χάρτες που κουβαλά στη μνήμη του, φτιαγμένους από εικόνες του δορυφόρου Mars Reconnaissance Orbiter. Σε δύο λεπτά περίπου βρίσκει τη θέση του με απόκλιση γύρω στα 25 εκατοστά. «Είναι σαν να δίνουμε στο ρόβερ GPS», είπε η Vandi Verma του JPL.
Ο υπολογισμός δεν γίνεται στον κύριο υπολογιστή του ρόβερ. Γίνεται στον σταθμό βάσης του Ingenuity, ένα κουτί πάνω στο Perseverance που μιλούσε με το ελικόπτερο και είχε μείνει χωρίς δουλειά από τότε που εκείνο σταμάτησε να πετά. Μέσα του υπάρχει ένας επεξεργαστής κινητού τηλεφώνου των μέσων της δεκαετίας του 2010, πάνω από 100 φορές ταχύτερος από τους δύο κύριους υπολογιστές του ρόβερ. Όσο λιγότερο σταματά το ρόβερ για να ρωτήσει πού είναι, τόσο μακρύτερα μπορεί να οδηγεί μόνο του ανάμεσα σε δύο επικοινωνίες με τη Γη, όπως εξηγεί η ανακοίνωση της NASA (ανοίγει σε νέα καρτέλα).
Δορυφόροι που σκέφτονται σε τροχιά
Περίπου τα δύο τρίτα της Γης είναι κάθε στιγμή σκεπασμένα από σύννεφα. Για έναν δορυφόρο που φωτογραφίζει την επιφάνεια, αυτό σημαίνει ότι μεγάλο μέρος των εικόνων του είναι άχρηστο, αλλά παλιότερα έπρεπε να σταλούν όλες στη Γη για να το διαπιστώσει κάποιος. Το Φ-sat-1 του Ευρωπαϊκού Οργανισμού Διαστήματος, που εκτοξεύτηκε τον Σεπτέμβριο του 2020, ήταν ο πρώτος δορυφόρος παρατήρησης της Γης με επεξεργαστή τεχνητής νοημοσύνης πάνω του: αναγνώριζε τις εικόνες με σύννεφα και τις πετούσε πριν τις στείλει.
Η ίδια ιδέα, η ανάλυση πάνω στον δορυφόρο, χρησιμοποιείται σήμερα για να εντοπίζονται πιο γρήγορα πλοία, πλημμύρες και πυρκαγιές. Εταιρείες όπως η γερμανική OroraTech, που φτιάχνει δορυφόρους για τις πυρκαγιές, θέλουν να στέλνουν ειδοποίηση λίγα λεπτά μετά τη στιγμή που ένας θερμικός αισθητήρας βλέπει νέα εστία, αντί για ώρες.
Το άλλο μεγάλο πεδίο είναι η αποφυγή συγκρούσεων. Οι δορυφόροι του Starlink, που είναι πλέον πάνω από 10.000, κάνουν αυτόνομους ελιγμούς όταν τα δεδομένα δείχνουν ότι κάποιο αντικείμενο θα περάσει πολύ κοντά τους: δεκάδες χιλιάδες ελιγμούς κάθε εξάμηνο, που κανένα κέντρο ελέγχου δεν θα μπορούσε να σχεδιάσει με το χέρι. Όσο πληθαίνουν οι αστερισμοί δορυφόρων, τέτοια συστήματα γίνονται προϋπόθεση για να μείνει η τροχιά ασφαλής.
Η τεχνητή νοημοσύνη αλλάζει και το πώς διαβάζουμε στη Γη τα δεδομένα των δορυφόρων. Το 2023 η NASA και η IBM δημοσίευσαν ελεύθερα το Prithvi, ένα μεγάλο μοντέλο εκπαιδευμένο σε δεκαετίες εικόνων των δορυφόρων Landsat και Sentinel-2. Ερευνητές σε όλο τον κόσμο μπορούν να το προσαρμόσουν με λίγα δικά τους παραδείγματα για να χαρτογραφούν καμένες εκτάσεις, πλημμύρες ή καλλιέργειες, δουλειά που παλιότερα χρειαζόταν μήνες.
Εξωπλανήτες και αστρονομία των μεγάλων δεδομένων
Το διαστημικό τηλεσκόπιο Kepler παρακολούθησε για χρόνια τη φωτεινότητα 150.000 άστρων, ψάχνοντας τις μικροσκοπικές πτώσεις που προκαλεί ένας πλανήτης όταν περνά μπροστά από το άστρο του. Τα σήματα ήταν τόσα πολλά που κάποια αδύναμα ξέφυγαν. Τον Δεκέμβριο του 2017 ένα νευρωνικό δίκτυο που εκπαιδεύτηκε σε χιλιάδες ήδη ελεγμένα σήματα εντόπισε δύο νέους πλανήτες, τους Kepler-90i και Kepler-80g. Ο πρώτος έκανε το Kepler-90 το πρώτο γνωστό άστρο με οκτώ πλανήτες, όσους έχει και το δικό μας ηλιακό σύστημα. Παρόμοια δίκτυα ψάχνουν σήμερα πλανήτες στα δεδομένα του TESS, του διαδόχου του Kepler, που παρακολουθεί σχεδόν ολόκληρο τον ουρανό.
Σήμερα η μηχανική μάθηση χρησιμοποιείται σε σχεδόν κάθε μεγάλη επισκόπηση του ουρανού: για να ταξινομεί εκατομμύρια γαλαξίες, να βρίσκει βαρυτικούς φακούς, να ξεχωρίζει τα ενδιαφέροντα σήματα από τον θόρυβο και να μελετά τα φάσματα των εξωπλανητών που παρατηρεί το James Webb. Το Παρατηρητήριο Vera C. Rubin στη Χιλή παράγει περίπου 10 terabyte δεδομένων κάθε νύχτα και έως 7 εκατομμύρια ειδοποιήσεις για αλλαγές στον ουρανό. Χωρίς αυτόματα συστήματα που διαλέγουν ποιες αξίζουν προσοχή, ένα σουπερνόβα ή ένας αστεροειδής που πλησιάζει θα χανόταν μέσα στον όγκο.
Πρόβλεψη του διαστημικού καιρού
Οι ηλιακές εκλάμψεις και οι εκτινάξεις μάζας από το στέμμα του Ήλιου μπορούν να προκαλέσουν μαγνητικές καταιγίδες που βλάπτουν δορυφόρους, διαταράσσουν το GPS και φορτώνουν τα δίκτυα ηλεκτρισμού. Το 2023 ερευνητές της NASA παρουσίασαν το μοντέλο DAGGER, που εκπαιδεύτηκε σε δεδομένα δορυφόρων για τον ηλιακό άνεμο και σε μετρήσεις επίγειων σταθμών. Τα δεδομένα αυτά έρχονται από δορυφόρους όπως το ACE και το DSCOVR, που βρίσκονται 1,5 εκατομμύριο χιλιόμετρα πιο κοντά στον Ήλιο, στο σημείο Lagrange L1, και βλέπουν τον ηλιακό άνεμο λίγο πριν φτάσει σε εμάς. Το DAGGER μπορεί να προβλέπει πού στη Γη θα χτυπήσει μια μαγνητική διαταραχή περίπου 30 λεπτά πριν συμβεί, αρκετά γρήγορα ώστε να προλαβαίνουν οι διαχειριστές δικτύων και δορυφόρων να προστατέψουν τον εξοπλισμό τους.
Βοηθοί για τους αστροναύτες
Το 2018 ανέβηκε στον Διεθνή Διαστημικό Σταθμό το CIMON, μια ιπτάμενη σφαίρα με οθόνη για πρόσωπο, που έφτιαξαν η Airbus και η IBM για τη γερμανική διαστημική υπηρεσία. Μιλούσε με τον αστροναύτη Alexander Gerst, του έδειχνε οδηγίες για πειράματα και απαντούσε σε ερωτήσεις. Ήταν περισσότερο επίδειξη παρά εργαλείο, αλλά έδειξε προς τα πού πάει η ιδέα.
Για τις αποστολές στη Σελήνη και τον Άρη ο βοηθός γίνεται ανάγκη. Ένα πλήρωμα στον Άρη δεν θα μπορεί να ρωτήσει το κέντρο ελέγχου και να πάρει απάντηση σε δευτερόλεπτα, οπότε θα χρειάζεται συστήματα που παρακολουθούν την υποστήριξη ζωής, εντοπίζουν βλάβες, βοηθούν σε ιατρικά προβλήματα και προτείνουν λύσεις. Γι’ αυτό η εκπαίδευση των αστροναυτών για το βαθύ διάστημα περιλαμβάνει ήδη ασκήσεις με καθυστερημένη επικοινωνία και αυτόνομες αποφάσεις.
Υπολογιστές για το διάστημα και στο διάστημα
Υπάρχει και ένα πρακτικό εμπόδιο: η ακτινοβολία. Οι επεξεργαστές των διαστημικών σκαφών πρέπει να αντέχουν σωματίδια υψηλής ενέργειας που στη Γη σταματά η ατμόσφαιρα, γι’ αυτό είναι συνήθως γενιές πίσω από ένα σύγχρονο κινητό. Οι κύριοι υπολογιστές του Perseverance, για παράδειγμα, βασίζονται σε υλικό του 1997. Οι νέες γενιές τσιπ τεχνητής νοημοσύνης που αντέχουν την ακτινοβολία είναι ένα από τα πιο ενεργά πεδία της διαστημικής τεχνολογίας.
Η σχέση γίνεται και αντίστροφη. Εταιρείες σχεδιάζουν πλέον να στείλουν κέντρα δεδομένων για την τεχνητή νοημοσύνη σε τροχιά, όπου η ηλιακή ενέργεια είναι συνεχής, και η SpaceX έχει ενώσει τις δραστηριότητές της με την εταιρεία AI xAI. Το αν και πότε μπορεί να γίνει αυτό το εξετάζουμε στο άρθρο για τα κέντρα δεδομένων στο διάστημα.
Τα όρια της τεχνητής νοημοσύνης
Η τεχνητή νοημοσύνη είναι τόσο καλή όσο τα δεδομένα με τα οποία εκπαιδεύτηκε. Αναγνωρίζει εξαιρετικά καλά ό,τι μοιάζει με κάτι που έχει ξαναδεί, αλλά η εξερεύνηση ψάχνει ακριβώς το αντίθετο: το πρωτοφανές. Ένα σύστημα που έχει μάθει να πετά τα «παράξενα» σήματα ως θόρυβο μπορεί να πετάξει και την ανακάλυψη της δεκαετίας. Υπάρχει και το ζήτημα της εμπιστοσύνης: σε ένα σκάφος αξίας δισεκατομμυρίων, κάθε απόφαση πρέπει να μπορεί να εξηγηθεί και να ελεγχθεί. Τα παραγωγικά μοντέλα, όπως αυτά που σχεδίασαν τις διαδρομές του Perseverance, μπορούν επίσης να κάνουν λάθη με απόλυτη σιγουριά, να «δουν» ένα πέρασμα εκεί που υπάρχει βράχος. Γι’ αυτό κανένα δεν στέλνει εντολές απευθείας σε σκάφος: ό,τι παράγουν περνά πρώτα από προσομοιώσεις και από τα μάτια έμπειρων μηχανικών.
Γι’ αυτό η NASA και η ESA χρησιμοποιούν σήμερα την AI με άνθρωπο στον έλεγχο. Το σύστημα προτείνει, ο άνθρωπος εγκρίνει, όπως έγινε με τις διαδρομές του Perseverance. Όσο οι αποστολές απομακρύνονται, προς τον Άρη και τα φεγγάρια του Δία, η ισορροπία θα γέρνει αναπόφευκτα προς περισσότερη αυτονομία, γιατί εκεί η Γη απλώς δεν θα προλαβαίνει να απαντήσει. Το επόμενο μεγάλο τεστ θα είναι το Dragonfly της NASA, ένα πολυκόπτερο με οκτώ έλικες που σχεδιάζεται να εκτοξευτεί το 2028 για τον Τιτάνα, το μεγαλύτερο φεγγάρι του Κρόνου. Με σήμα που κάνει πάνω από μία ώρα για να φτάσει, θα πρέπει να πετά, να διαλέγει σημεία προσγείωσης και να αποφεύγει εμπόδια χωρίς καμία βοήθεια από τη Γη.
Η τεχνητή νοημοσύνη στο διάστημα δεν θα εξερευνήσει για λογαριασμό μας. Θα κάνει όμως κάτι εξίσου σημαντικό: θα αναλάβει τις χιλιάδες μικρές αποφάσεις που σήμερα τρώνε τον χρόνο των επιστημόνων, ώστε οι άνθρωποι να ασχολούνται με τις ερωτήσεις που μόνο εκείνοι μπορούν να θέσουν. 🤖
Συχνές ερωτήσεις για την τεχνητή νοημοσύνη στο διάστημα
Πώς χρησιμοποιείται η τεχνητή νοημοσύνη στο διάστημα;
Η τεχνητή νοημοσύνη χρησιμοποιείται σήμερα σε πέντε βασικά πεδία του διαστήματος. Οδηγεί ρόβερ στον Άρη και διαλέγει στόχους για τα όργανά τους, φιλτράρει εικόνες πάνω στους δορυφόρους πριν σταλούν στη Γη, βοηθά τους δορυφόρους να αποφεύγουν συγκρούσεις, ψάχνει εξωπλανήτες και σπάνια φαινόμενα σε τεράστιους όγκους δεδομένων τηλεσκοπίων, και προβλέπει τις μαγνητικές καταιγίδες από τον Ήλιο. Οι περισσότερες εφαρμογές είναι εξειδικευμένα μοντέλα μηχανικής μάθησης και όχι γενικά συστήματα σαν τα chatbot.
Οδηγεί η τεχνητή νοημοσύνη τα ρόβερ στον Άρη;
Εν μέρει. Το Perseverance της NASA χρησιμοποιεί από το 2021 το σύστημα AutoNav, που αναλύει εικόνες του εδάφους και επιλέγει μόνο του την ασφαλέστερη διαδρομή ανάμεσα σε σημεία που ορίζουν οι άνθρωποι. Στις 8 και 10 Δεκεμβρίου 2025 το ρόβερ ολοκλήρωσε τις πρώτες διαδρομές του, 210 και 246 μέτρων, που είχαν σχεδιαστεί από παραγωγική τεχνητή νοημοσύνη αντί για τους οδηγούς της NASA, με τελική έγκριση από ανθρώπους. Από τον Φεβρουάριο του 2026 το Perseverance βρίσκει και μόνο του πού βρίσκεται, με το σύστημα Mars Global Localization και ακρίβεια περίπου 25 εκατοστών, χωρίς να περιμένει τη Γη.
Ποιος ήταν ο πρώτος δορυφόρος με τεχνητή νοημοσύνη;
Ο πρώτος δορυφόρος παρατήρησης της Γης με επεξεργαστή τεχνητής νοημοσύνης πάνω του ήταν το Φ-sat-1 του Ευρωπαϊκού Οργανισμού Διαστήματος, που εκτοξεύτηκε τον Σεπτέμβριο του 2020. Το μοντέλο του αναγνώριζε ποιες εικόνες ήταν καλυμμένες από σύννεφα και τις απέρριπτε πριν σταλούν στη Γη, γλιτώνοντας πολύτιμο εύρος επικοινωνίας. Από τότε η επεξεργασία πάνω στον δορυφόρο χρησιμοποιείται όλο και περισσότερο, για παράδειγμα για τον γρήγορο εντοπισμό πυρκαγιών.
Πώς βοήθησε η τεχνητή νοημοσύνη στην ανακάλυψη εξωπλανητών;
Τον Δεκέμβριο του 2017 ένα νευρωνικό δίκτυο που ανέπτυξαν ερευνητές της Google με αστρονόμο του Πανεπιστημίου του Τέξας εντόπισε στα δεδομένα του διαστημικού τηλεσκοπίου Kepler δύο πλανήτες που είχαν ξεφύγει, τους Kepler-90i και Kepler-80g. Ο Kepler-90i έκανε το Kepler-90 το πρώτο γνωστό άστρο με οκτώ πλανήτες, όσους και ο Ήλιος. Το δίκτυο είχε εκπαιδευτεί σε χιλιάδες ήδη ελεγμένα σήματα και έμαθε να ξεχωρίζει τις πραγματικές διελεύσεις πλανητών από τον θόρυβο.
Μπορεί η τεχνητή νοημοσύνη να αντικαταστήσει τους αστροναύτες και τους επιστήμονες;
Όχι στο ορατό μέλλον. Τα σημερινά συστήματα είναι πολύ καλά στο να αναγνωρίζουν μοτίβα που έχουν ξαναδεί, αλλά αδύναμα απέναντι στο πρωτοφανές, που είναι ακριβώς αυτό που ψάχνει η εξερεύνηση. Γι' αυτό η NASA και η ESA τα χρησιμοποιούν με άνθρωπο στον έλεγχο: η AI προτείνει διαδρομές, στόχους ή ειδοποιήσεις, και οι άνθρωποι τα ελέγχουν και αποφασίζουν. Σε μακρινές αποστολές, όπου η επικοινωνία καθυστερεί, η AI θα αναλαμβάνει όλο και περισσότερες αποφάσεις ρουτίνας.
Το άρθρο δημιουργήθηκε με τη βοήθεια τεχνητής νοημοσύνης και βασίστηκε σε αξιόπιστες επιστημονικές πηγές. Η τελική επιμέλεια και ο έλεγχος έγιναν από την ομάδα του Infinite Odyssey πριν τη δημοσίευση. Για περισσότερες διαστημικές ειδήσεις στα ελληνικά, μείνετε συντονισμένοι.
Newsletter
Ο μήνας στο διάστημα
Μία φορά τον μήνα: τα σημαντικότερα γεγονότα, τα νέα μας άρθρα και τι θα δεις στον ουρανό πάνω από την Ελλάδα. Χωρίς spam, διαγραφή με ένα κλικ.


