Τι μπορεί να κάνει η τεχνητή νοημοσύνη για την εξερεύνηση του διαστήματος

Κάθε φορά που ένα ρόβερ κινείται στην επιφάνεια του Άρη, καλείται να πάρει αποφάσεις μόνο του. Ο Άρης βρίσκεται τόσο μακριά που ένα σήμα από τη Γη χρειάζεται από 3 έως 22 λεπτά για να φτάσει εκεί, ανάλογα με τη σχετική θέση των δύο πλανητών. Αν το ρόβερ περίμενε εντολές για κάθε βήμα, δεν θα έκανε σχεδόν τίποτα. Αυτό το πρόβλημα πώς να δίνεις αυτονομία σε μηχανές σε ακραία περιβάλλοντα είναι ένα από τα πεδία όπου η τεχνητή νοημοσύνη αλλάζει τα πάντα.

Αλλά αυτό είναι μόνο η αρχή.

Αυτόνομη Πλοήγηση και Αποφάσεις σε Πραγματικό Χρόνο

Το ρόβερ Perseverance της NASA χρησιμοποιεί ήδη σύστημα τεχνητής νοημοσύνης για αυτόνομη πλοήγηση. Αναλύει εικόνες εδάφους, αναγνωρίζει εμπόδια και επιλέγει διαδρομές χωρίς παρέμβαση από τη Γη. Η επόμενη γενιά αυτών των συστημάτων θα μπορεί να αποφασίζει και ποιους βράχους αξίζει να εξετάσει επιστημονικά, βασισμένη σε γεωλογικά κριτήρια που έχει μάθει από εκατομμύρια δεδομένα.

Για αποστολές ακόμα πιο μακριά — στα φεγγάρια του Δία ή του Κρόνου — αυτή η αυτονομία δεν είναι απλώς χρήσιμη, είναι απαραίτητη. Ένα σήμα από το σύστημα του Δία μπορεί να χρειαστεί έως 52 λεπτά για να φτάσει στη Γη. Το Europa Clipper, που ξεκίνησε ήδη το ταξίδι του, θα χρειαστεί συστήματα ΑΙ για να διαχειριστεί τα διελεύσεις από την Ευρώπη σε πραγματικό χρόνο.

Ανακάλυψη Εξωπλανητών σε Κλίμακα

Ο άνθρωπος δεν μπορεί να διαβάσει εκατομμύρια καμπύλες φωτός από δορυφόρους όπως το Kepler ή το TESS. Αλγόριθμοι μηχανικής μάθησης το κάνουν ήδη, εντοπίζοντας μικροσκοπικές πτώσεις φωτεινότητας που υποδηλώνουν ότι ένας πλανήτης περνά μπροστά από το άστρο του. Το 2019, ένα σύστημα ΑΙ της Google σε συνεργασία με τη NASA ανακάλυψε δύο νέους εξωπλανήτες που είχαν χαθεί στα δεδομένα του Kepler.

Το επόμενο βήμα είναι πιο φιλόδοξο: χρήση ΑΙ για ανάλυση ατμοσφαιρών εξωπλανητών και αναζήτηση βιοϋπογραφών, δηλαδή χημικών ενδείξεων ζωής, στα φάσματα του James Webb. Αυτό που θα έπαιρνε χρόνια σε ανθρώπινο χρόνο ανάλυσης, γίνεται σε ώρες.

Πρόβλεψη Διαστημικού Καιρού

Μια από τις πιο άμεσες εφαρμογές είναι η πρόβλεψη ηλιακής δραστηριότητας. Οι ηλιακές εκλάμψεις και εκτοξεύσεις κορωνιακής μάζας μπορούν να βλάψουν δορυφόρους, να διακόψουν επικοινωνίες και, σε ακραίες περιπτώσεις, να θέσουν σε κίνδυνο αστροναύτες. Η NASA έχει ήδη αναπτύξει μοντέλα ΑΙ που αναλύουν δεδομένα από δορυφόρους παρατήρησης ηλίου και προβλέπουν εκλάμψεις αρκετές ώρες ή και μέρες νωρίτερα από τα παραδοσιακά μοντέλα.

Η Φυσική του Απρόβλεπτου

Πέρα από τις αποστολές, η ΑΙ αλλάζει και τον τρόπο που κάνουμε θεωρητική αστρονομία. Νευρωνικά δίκτυα εκπαιδεύονται σε τεράστιες βάσεις δεδομένων παρατηρήσεων και εντοπίζουν πρότυπα που ανθρώπινο μυαλό δεν θα παρατηρούσε ποτέ. Πρόσφατα, αλγόριθμοι ΑΙ χρησιμοποιήθηκαν για να αναλύσουν εκπομπές ραδιοκυμάτων από νετρόνια άστρα, ενισχύοντας την κατανόησή μας για τη συμπεριφορά τους.

Το ΑΙ ακολουθεί μια χαρακτηριστική πορεία: αρχικά υιοθετείται αργά, μετά επιταχύνεται ως τσουνάμι. Στο διάστημα αυτό ισχύει ήδη. Κάθε νέος τηλεσκόπιος που εκτοξεύεται, κάθε νέος αστερισμός δορυφόρων που αναπτύσσεται, παράγει ποσότητες δεδομένων που μόνο ΑΙ μπορεί να επεξεργαστεί σε εύλογο χρόνο.

Τα Όρια

Υπάρχουν και προκλήσεις. Τα συστήματα ΑΙ είναι τόσο καλά όσο τα δεδομένα με τα οποία εκπαιδεύονται. Για αντικείμενα ή φαινόμενα που δεν έχουμε ξαναδεί όπως ένα πρώτο σήμα από εξωγήινη ζωή ένα σύστημα ΑΙ εκπαιδευμένο στα γνωστά μπορεί να το αγνοήσει ή να το κατηγοριοποιήσει λανθασμένα. Γι' αυτό το ανθρώπινο στοιχείο παραμένει απαραίτητο: όχι για να εκτελεί υπολογισμούς, αλλά για να θέτει τα σωστά ερωτήματα.

Το σύμπαν είναι αχανές και τα δεδομένα που μαζεύουμε από αυτό αυξάνονται εκθετικά. Η τεχνητή νοημοσύνη δεν αντικαθιστά την αστρονομία την επεκτείνει. Και σε μια εποχή που στέλνουμε σκάφη στα φεγγάρια του Δία και σχεδιάζουμε μόνιμες βάσεις στη Σελήνη, αυτή η επέκταση δεν θα μπορούσε να έρθει σε καλύτερη στιγμή.

🤖🚀