ปัญญาประดิษฐ์เปิดพรมแดนใหม่ในการสำรวจอวกาศที่ NASA ได้อย่างไร
การสำรวจอวกาศเป็นภารกิจที่ยิ่งใหญ่ที่สุดอย่างหนึ่งของมนุษยชาติ โดยได้รับการกระตุ้นเตือนจากจิตใจ
ที่อยากรู้อยากเห็นและความไว้วางใจในความรู้เกี่ยวกับสิ่งที่อยู่นอกเหนือ ตัวอย่างล่าสุดของความอยากรู้อยากเห็นของมนุษย์และความก้าวหน้าทางเทคโนโลยี คือ การลงจอดอย่างปลอดภัยของ NASA rover Perseverance
ที่ผ่านมาซึ่งเป็นจุดเริ่มต้นของการค้นหาสิ่งมีชีวิตในอดีตบนดาวอังคาร งานของความพากเพียรคือการรวบรวมตัวอย่างดินและหินเพื่อศึกษาในภายหลังเพื่อเป็นสัญญาณแห่งชีวิต นอกเหนือจากการเก็บตัวอย่างหินรถแลนด์โรเวอร์ยังให้เรามีภาพใหม่ของดาวเคราะห์สีแดงและบันทึกวิดีโอที่เคยเป็นครั้งแรกและเสียงของดาวอังคาร
รถแลนด์โรเวอร์แห่งความเพียรพยายาม ไม่ได้อยู่คันเดียวบนดาวอังคาร มันมาพร้อมกับเฮลิคอปเตอร์ลำแรกที่ส่งไปยังดาวเคราะห์ดวงอื่น เฮลิคอปเตอร์อัจฉริยะ ขนาด ๔ ปอนด์ (๑.๘ กิโลกรัม) ขนาดเท่ากล่องทิชชู่
ที่มีการกำหนดขั้นตอนจำนวนมาก ในการสำรวจอวกาศ นอกเหนือจากการเป็นเที่ยวบินทางอากาศครั้งแรกบนดาวเคราะห์ดวงอื่น ความฉลาดเป็นเครื่องบินลำแรกที่จะพยายามควบคุมการบินบนดาวเคราะห์ดวงอื่น ซึ่งเป็นเรื่องยากมากเมื่อพิจารณาบางบรรยากาศของดาวอังคารและสภาพภูมิอากาศที่หนาวรุนแรง เฮลิคอปเตอร์เป็นการทดลองที่แปลกใหม่ แต่หากประสบความสำเร็จมันจะเปิดใช้งานมิติใหม่ทางอากาศของการสำรวจดาวอังคาร
ในอนาคตพร้อมกับยานบินหุ่นยนต์ขั้นสูงอื่น ๆ ที่สามารถเข้าถึงภูมิประเทศที่ยานโรเวอร์เข้าถึงได้ยากหรืออยู่ไกลเกินไปสำหรับยานอวกาศที่สูงกว่า ทั้งความพากเพียรและความเฉลียวฉลาดใช้ AI ตลอดภารกิจเพื่อลงจอดให้สำเร็จช่วยให้วิศวกรสามารถเล็งและควบคุมกล้องเคมีของรถแลนด์โรเวอร์จากระยะไกลและนำทางได้ด้วยตนเอง
ภารกิจของ NASA ในการสำรวจอวกาศก่อนหน้าหรือปัจจุบันทั้งหมดได้รับการเปิดใช้งานโดย AI ก่อนหน้านี้เราเคยสัมผัสถึงวิธีที่ NASA ใช้ AI และการเรียนรู้ของเครื่องสำหรับการสำรวจอวกาศในบทความทีเซอร์สำหรับเซสชั่น Data Innovation Summit ของ Shreyansh Daftry เพื่อเป็นการชื่นชมความสำเร็จอันยิ่งใหญ่ของ NASA และมนุษยชาติเรากำลังสำรวจหัวข้อนี้อีกครั้ง แต่ด้วยมุมมองเชิงลึก ในฐานะนักวิทยาศาสตร์ด้านการวิจัย AI ที่ NASA Jet Propulsion Laboratory Shreyansh ได้แนะนำให้เรารู้จักกับวิวัฒนาการของหุ่นยนต์อิสระสำหรับการสำรวจอวกาศด้วย AI และ ML ความท้าทายและแนวทางในการฝึกโมเดลการเรียนรู้เชิงลึกในสภาพแวดล้อมของดาวอังคารบทเรียนและการสำรวจที่ขับเคลื่อนด้วย AI ในอนาคต
เหตุใดการสำรวจอวกาศจึงต้องการ AI
NASA ได้สร้างยานอวกาศที่มีความสามารถซึ่งได้เยี่ยมชมวัตถุสำคัญเกือบทั้งหมดในระบบสุริยะของเราและสำรวจพรมแดนใหม่ในอวกาศระหว่างดวงดาวในช่วง 60 ปีที่ผ่านมา
อย่างไรก็ตามการสำรวจอวกาศในอดีตไม่ได้รวมถึงเครื่องจักรอัจฉริยะเสมอไป ในความเป็นจริงภารกิจของอพอลโลที่นำมนุษย์กลุ่มแรกไปยังดวงจันทร์ได้ทำการลงจอดอย่างเหมาะสมด้วยความสามารถของนีลอาร์มสตรองที่ขับยานอวกาศด้วยตนเอง อีกตัวอย่างหนึ่งคือ Curiosity rover ซึ่งเป็นหนึ่งในเครื่องจักรอวกาศที่มีความสามารถมากที่สุด แต่มันถูกควบคุมโดยมนุษย์จากระยะไกลจากห้องควบคุมภารกิจบนโลก
แม้ว่าเครื่องจักรอวกาศที่ใช้มนุษย์จะทำงานในอดีต แต่ก็ไม่สามารถปรับขนาดได้สำหรับภารกิจในอนาคต “ ยานอวกาศในอนาคตมีความต้องการเพิ่มมากขึ้นเพื่อให้เป็นอิสระตระหนักในตนเองและสามารถตัดสินใจอย่างมีวิจารณญาณได้ด้วยตัวเอง” นาย Shreyansh อธิบาย มีสองปัจจัยหลักสำหรับสิ่งนี้ ปัจจัยแรกคือความยากลำบากในการสื่อสารในห้วงอวกาศและภารกิจที่สำคัญโดยเฉพาะอย่างยิ่งเกี่ยวกับดาวเคราะห์นอกระบบสุริยะของเรา เนื่องจากระยะทางที่มากและแบนด์วิดท์ของสัญญาณวิทยุที่ จำกัด วิธีเดียวที่จะสำรวจดาวเคราะห์ที่อยู่ไกลออกไปได้คือการส่งหุ่นยนต์ที่เป็นอิสระอย่างเต็มที่ ปัจจัยที่สองคือความสามารถในการขยายขนาด ภารกิจในอนาคตจะต้องใช้ดาวเทียมและทรัพย์สินอวกาศอีกมากมายซึ่งจะต้องใช้วิศวกรและนักวิทยาศาสตร์กว่า 100 คนควบคุมพวกมันจากระยะไกลจากโลก หากเราต้องการขยายขนาดเศรษฐกิจอวกาศ ทรัพย์สินอวกาศของเราต้องมีความยั่งยืนในตัวเอง AI เป็นส่วนประกอบสำคัญในการทำให้ทั้งสองปัจจัยเป็นจริง
Shreyansh ได้สรุปความสามารถหลักหลายประการที่ต้องใช้การสำรวจอวกาศที่ขับเคลื่อนด้วย AI สำหรับภารกิจหุ่นยนต์ในอนาคตเช่นการนำทางด้วยตนเองวิทยาศาสตร์อิสระและการปฏิบัติภารกิจการกำหนดเวลาและการวางแผนการลงจอดที่แม่นยำการจัดการอัตโนมัติทำให้หุ่นยนต์สามารถปฏิบัติการที่คล่องแคล่วและภารกิจในอนาคตร่วมกับมนุษย์ – ทีมหุ่นยนต์ มีแอปพลิเคชัน AI อื่น ๆ อีกมากมายในการสำรวจอวกาศนอกเหนือจากหุ่นยนต์และระบบอัตโนมัติ แต่อยู่นอกขอบเขตการทำงานของ Shreyansh ในการพูดคุยของเขาเขามุ่งเน้นไปที่แอปพลิเคชัน AI ในการนำทางอัตโนมัติ
AI ในการนำทางอัตโนมัติที่ NASA
เพื่อนำทางยานสำรวจอย่างปลอดภัยบนพื้นผิวดาวอังคาร NASA ใช้ภาพพื้นผิวหรือวงโคจร ผู้ปฏิบัติงานที่เป็นมนุษย์ใช้ข้อมูลทางเรขาคณิตและพื้นผิวเพื่อประเมินความปลอดภัยของภูมิประเทศ
NASA ได้สร้าง SPOC ซึ่งเป็นตัวจำแนกภูมิประเทศตามการเรียนรู้เชิงลึกสำหรับยานสำรวจบนดาวอังคาร Shreyansh อธิบายเพื่อแก้ไขอุปสรรคนี้ในการนำทาง SPOC สามารถบอกประเภทภูมิประเทศบนรูปภาพตามลักษณะพื้นผิว พวกเขาได้พัฒนาอัลกอริธึม SPOC สองเวอร์ชัน – รุ่นหนึ่งที่ใช้ภาพโรเวอร์ (ซ้าย) และรุ่นที่ใช้ภาพวงโคจร (ขวา) ดังที่เห็นในภาพหน้าจอด้านล่าง
ด้วย SPOC NASA ได้พยายามเปิดใช้งานอัลกอริทึมที่มีความสามารถเหมือนมนุษย์เพื่อประเมินความสามารถในการเคลื่อนที่และความปลอดภัยของการขับรถแลนด์โรเวอร์ตามลักษณะภูมิประเทศและประเภทของภูมิประเทศความท้าทายและแนวทางแก้ไข ในการฝึกโมเดลการเรียนรู้เชิงลึก เกี่ยวกับสภาพแวดล้อมของดาวอังคาร
ด้วยการพัฒนาอย่างต่อเนื่องในด้านการมองเห็น คอมพิวเตอร์การเรียนรู้เชิงลึกและ AI ทำให้ NASA
มีความก้าวหน้าอย่างมากในภารกิจสำรวจอวกาศของพวกเขา อย่างไรก็ตามการนำแบบจำลองการเรียนรู้เชิงลึกและโครงข่ายประสาทเทียมมาใช้กับเงื่อนไขของดาวอังคาร ทำให้เกิดความท้าทายเชิงเลขชี้กำลังหรือเป็นชุดของความท้าทาย เช่น ความพร้อมของข้อมูลการคำนวณบนเครื่องบินที่จำกัดอย่างรุนแรง และการตรวจสอบความถูกต้องของระบบเพื่อให้ได้รับความไว้วางใจ
เพื่อรักษาความปลอดภัยชุดข้อมูล สำหรับการฝึกและถ่ายโอนการเรียนรู้พวกเขา ขอให้คนขับรถแลนด์โรเวอร์และนักวิทยาศาสตร์ของพวกเขา ในภารกิจสำรวจดาวอังคารติดป้ายกำกับข้อมูลจำนวนเล็กน้อยด้วยฉลากคุณภาพสูง ในการเพิ่มข้อมูลที่มีป้ายกำกับพวกเขาได้เปิดตัวโครงการวิทยาศาสตร์พลเมือง AI 4 Mars
โดยใช้การระดมทุนจากชุมชนอินเทอร์เน็ตฟรี เพื่อติดป้ายกำกับภาพความอยากรู้โดยใช้เครื่องมือบนเว็บ
เพื่อเอาชนะความท้าทายเพิ่มเติมจากการขาดความรู้ของผู้คนและเสียงรบกวนในข้อมูลที่มีป้ายกำกับพวกเขาได้พัฒนาบทแนะนำสไตล์เวิร์กชอปและเครื่องมือโต้ตอบใน ๑๐ + ภาษา
นอกจากนี้พวกเขายังตรวจสอบพื้นที่ที่กำลังพัฒนาอย่างรวดเร็วของการจำลองความเที่ยงตรงสูงและสร้างข้อมูลสังเคราะห์เพื่อปรับปรุงท่อการเรียนรู้เชิงลึก จากวิธีนี้พวกเขาสร้างตัวจำแนก SPOC เพื่อแบ่งประเภทภูมิประเทศของดาวอังคารได้สำเร็จ
เพื่อรับมือกับความท้าทายในการคำนวณที่จำกัด พวกเขาได้ปรับใช้อัลกอริทึม SPOC-lite บนรถแลนด์โรเวอร์ทดสอบและทดสอบ SPOC – lite สามารถระบุพื้นผิวทรายจากพื้นหินได้อย่างง่ายดาย
ความท้าทายประการที่สามของการรวมระบบและการตรวจสอบแบบ end – to – end เป็นสิ่งที่ถูกมองข้ามมากที่สุดในชุมชนวิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่อง แต่มีความสำคัญอย่างยิ่งในระบบทางกายภาพไซเบอร์ที่มีความสำคัญต่อความปลอดภัยที่มีความซับซ้อนสูง เช่น อวกาศยาน Shreyansh เน้น อัลกอริทึมการเรียนรู้เชิงลึกและแบบจำลองเครือข่ายประสาทเทียมเป็นเครื่องมือในการฝึกโรเวอร์ แต่โดยเนื้อแท้แล้วเป็น “กล่องดำ” ซึ่งเป็นอุปสรรคสำคัญในการตรวจสอบโมเดลและประสิทธิภาพ เมื่อรถแลนด์โรเวอร์เปิดตัวในอวกาศพวกเขาจะไม่สามารถแก้ไขสิ่งต่าง ๆ ได้หากมีสิ่งผิดปกติเกิดขึ้น เนื่องจากการปรับใช้ระบบแมชชีนเลิร์นนิงของพวกเขาต้องทำงานในช็อตแรก จึงต้องมีการผสานรวมระบบอย่างละเอียดถี่ถ้วนการตรวจสอบความถูกต้องและแคมเปญการทดสอบซึ่งเกี่ยวข้องกับการสร้างสถานการณ์ที่สามารถคาดหวังได้บนดาวอังคารและการทดสอบอย่างเข้มข้น
ภารกิจของ NASA ในอนาคตที่ขับเคลื่อนด้วย AI
การส่งความพากเพียรและความเฉลียวฉลาดไปยังดาวอังคาร ถือเป็นความสำเร็จที่ยิ่งใหญ่สำหรับ NASA และ AI ในอนาคต NASA มีแผนที่จะส่งยานสำรวจที่คล้ายกันไปยังดวงจันทร์ดาวอังคารและอื่น ๆ
อีกไม่กี่ทศวรรษข้างหน้าของการสำรวจอวกาศด้วยหุ่นยนต์ จะเกี่ยวข้องกับดาวเคราะห์ชั้นนอกและดวงจันทร์ของพวกมัน Shreyansh กล่าว
เพื่อเตรียมพร้อมสำหรับภารกิจตามแผนบนดวงจันทร์ยูโรปาของดาวพฤหัสบดี NASA ได้พัฒนาหุ่นยนต์ที่สามารถเรียนรู้วิธีการเดิน เล่นสกี ขับรถบนพื้นผิวน้ำแข็ง และดำน้ำในมหาสมุทร เพื่อค้นหาหลักฐานของสิ่งมีชีวิต หุ่นยนต์จะต้องเป็นอิสระอย่างสมบูรณ์และไม่มีส่วนเกี่ยวข้องกับมนุษย์เป็นเวลาหลายชั่วโมง
ความท้าทายเพิ่มเติมคือลักษณะของสิ่งแวดล้อมใต้ดินที่ไม่รู้จัก นี่เป็นหนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดสำหรับ AI และหุ่นยนต์แห่งศตวรรษ” Shreyansh กล่าวเสริม
สำหรับภารกิจของดาวอังคารในอนาคตความทะเยอทะยานต่อไป คือการสำรวจถ้ำและท่อลาวาที่มีศักยภาพสูงสุดสำหรับอาณานิคมของมนุษย์ เพื่อสร้างขีดความสามารถในการนำทางที่ลาดชัน NASA ได้พัฒนาหุ่นยนต์ LEMUR ที่สามารถปีนขึ้นไปบนทางลาดชันได้เกือบทั้งหมด
เมื่อมองไปข้างหน้าภารกิจที่น่าตื่นเต้นที่สุดอย่างหนึ่งของ NASA คือการสำรวจโดยมนุษย์ที่ขับเคลื่อนด้วย AI ซึ่งมนุษย์และหุ่นยนต์จะทำภารกิจสำรวจร่วมกัน ดังนั้นก้าวต่อไปของ Shreyansh และทีมของเขาคือการสำรวจว่าพวกเขาสามารถเปิดใช้งานการสำรวจดาวอังคารของมนุษย์ได้อย่างไรและบทบาทของ AI จะมีบทบาทอย่างไรโดยเฉพาะอย่างยิ่งในบริบทของทีมหุ่นยนต์มนุษย์
ที่มา : https://read.hyperight.com/how-ai-is-enabling-new-frontiers-in-space-exploration-at-nasa/
แปลและเรียบเรียงโดย เรืออากาศเอกยุทธนา สุพรรณกลาง
