據報道，太空探索中的人工智能正在蓄勢待發。在未來幾年里，當我們前往彗星、衛星和行星，并探索在小行星上采礦的可能性時，新的任務看起來可能會得到AI的巨大幫助。

歐洲航天局高級概念和研究辦公室主任利奧波德·薩默斯說：

AI已經改變了游戲規則，使科學研究和探索更加高效。AI不僅讓這種效率翻倍，而是提高了10倍。

例證比比皆是

AI在太空探索中應用的歷史比許多人想象的要久遠得多。AI已經在研究我們的星球、太陽系和宇宙方面發揮了重要作用。隨著計算機系統和軟件的發展，AI的潛在用例也在不斷增加。

地球觀察者1號（EO-1）衛星就是個很好的例子。自本世紀初發射以來，其機載AI系統幫助優化了對自然災害的分析和響應。在某些情況下，AI甚至能夠讓地球觀察者1號衛星在地勤人員意識到事故發生之前就開始拍攝圖像。

其他衛星和天文學的例子也比比皆是。在第二次帕洛瑪天空調查中，天空圖像編目和分析工具已經協助研究人員對發現的天體進行分類。帕洛瑪天空調查旨在對成千上萬個在低分辨率下拍攝的物體圖像進行分類，這大大超出了人類的能力。類似的AI系統已經幫助天文學家確定了56個新的、可能的“引力透鏡”，這些透鏡在暗物質研究中發揮著關鍵作用。

AI搜索大量數據并發現相關性的能力將變得越來越重要，因為它能最大限度地利用現有數據。歐洲航天局的ENVISAT每年產生大約400TB的新數據，但與平方公里陣列相比就相形見絀了，后者每天產生的數據量與目前互聯網上的數據量差不多。

AI幫助登陸火星

AI也被用于軌道和載荷優化。這兩項任務都是美國宇航局下一個火星探測器（Mars 2020Rover）任務的重要步驟，這個探測器將于2021年初登陸火星。被稱為AEGIS的AI已經出現在美國宇航局當前的火星探測器上，該系統可以幫助攝像頭自動瞄準目標，并選擇調查對象。然而，下一代AI系統將能夠控制車輛，自主協助研究選擇，動態調度和執行科學任務。

在整個職業生涯中，來自丹麥DTU Space的約翰·列夫·喬根森已經設計出許多設備和系統，它們被應用在100多顆衛星上。喬根森是Mars 2020 Rover上自主科學儀器PIXL的團隊成員，該儀器廣泛使用AI。其目的是調查火星上是否存在類似疊層石的生命形式。

喬根森表示：

PIXL的顯微鏡安裝在探測器的臂上，需要放置在距離我們想要研究的東西14毫米的地方。這要歸功于安裝在探測器上的幾個攝像頭。這聽起來可能很簡單，但是交接過程和確定手臂的確切位置非常困難，就像是從屋頂上拍攝的街頭照片中辨認建筑一樣。不過，這是特別適合AI去做的事情。

AI還能幫助PIXL在夜間自動運行，并隨著環境的變化而不斷進行調整。在火星上，晝夜溫度的變化可以超過100攝氏度，這意味著探測器、攝像頭、機械臂和正在研究的巖石下面的地面距離都在不斷變化。喬根森稱：“AI是所有這些工作的核心，并幫助將效率提高1倍以上。”

先火星后衛星

火星很可能遠不是AI在太空探索中的最終目的地。長久以來，木星的多顆衛星都讓科學家們感到著迷。特別是木衛二（Europa），它可能存在地下海洋，埋在大約10千米厚的冰層下。它是太陽系中除了地球之外，最有可能找到生命的地方之一。

雖然這項任務可能在未來的某段時間內完成，但美國宇航局目前的計劃是在2020年將詹姆斯-韋伯太空望遠鏡發射到距離地球約150萬公里的軌道上。任務的一部分將涉及到AI支持的自主系統，它負責監督望遠鏡705公斤重的鏡片的全面部署。

地球和木衛二之間的距離，或者地球與詹姆斯-韋伯望遠鏡之間的距離，都意味著通信將被延遲。反過來，這也使得執行太空任務的宇航員必須能夠自己做出決定。來自火星探測器項目的例子表明，由于距離遙遠，火星探測器和地球之間的通信需要延遲20分鐘。而木衛二任務的通訊延遲時間可能更長。

這兩項任務在不同程度上說明了目前在空間探索中使用AI面臨的最重大挑戰之一。AI系統的表現與它們接收到的數據量之間往往存在直接的聯系。數據越多，AI系統的表現就越好。但是我們沒有太多的數據來訓練這樣的系統，讓它預見在像木衛二這樣的地方執行任務時可能遇到哪些挑戰。

計算能力是第二個挑戰。艱苦而耗時的審批程序和輻射風險意味著，在不久的將來，你家里的電腦可能比任何進入太空的東西都更強大。200MHz的處理器、256MB的RAM和2GB的內存聽起來更像諾基亞3210，而不是iPhone X，但它實際上就是下一代太空探測器的“大腦”。