太空中的人工智能

第一张黑洞图像仅在一年前发布。这个黑洞位于梅西耶 87（M87）的中心，它恰好是一个距离地球 5500 万光年的椭圆星系！我们是如何做到这样的壮举的？一个名为“事件视界”的强大望远镜被用来捕捉图像。但是，有一个问题！用于太空探索的望远镜由帮助解码图像的超级计算机网络组成。因此，要获得适当的结果（在这种情况下是图像），需要使用高度复杂的算法。

处理黑洞图像所需的算法是由凯蒂鲍曼博士与麻省理工学院计算机科学和人工智能实验室共同设计和开发的。鲍曼博士和其他人开发了一系列称为 CHIRP 的算法，将望远镜数据转换为世界媒体共享的历史照片。这只是人工智能如何以智能算法的形式协作处理距离我们数百万公里的海量数据的一个例子。

技术塑造了整个软件世界。人工智能不仅有助于构建智能机器，还有助于发现地球以外的智能。美国宇航局部署的太空漫游车发现了生命以微生物形式存在于其他行星的事实证明了这一点。

帮助无人驾驶汽车安全驾驶的计算机算法能否帮助识别附近的小行星并在我们巨大的宇宙中寻找生命？机器学习是人工智能的核心。它描述了最常用的算法，这些算法允许计算机从数据中学习，以比人类更快、更准确地进行预测和分类对象。 ML 还被广泛用于帮助科技公司检测照片中的人脸或预测人们会喜欢哪些电影。但一些科学家看到的应用远远超出地球。机器学习也用于相关航天器和卫星运动控制。为宇宙飞船或卫星选择的每个控制动作都需要在极短的时间内考虑和处理大量信息。太空任务变得越来越频繁和复杂，航天器离地球越来越远，对超快速和自我校正的基于机器学习的导航能力的需求将不断增长。

神经网络已被广泛用于识别小行星的形态及其起源。神经网络在这些情况下的成功具有更广泛和令人惊讶的影响。机器学习在应用于天文学领域时，已经达到了一定程度的准确性和复杂性，太空机构可以更轻松地部署这些算法来处理海量的当前和天文数据集合。现在已经开发出这些算法，因此它们现在能够检测到一些最微弱的形态信号，这些信号本来会被人为干预完全遗漏的。航天机构现在已经意识到，利用如此复杂的神经网络算法和以前无法发现的信号可以节省时间和金钱，现在在神经网络的帮助下发现了信号。

太空技术的未来有一些最激动人心的冒险，包括殖民火星、识别与地球相似的其他行星并增加我们对可观测宇宙的视野。无论任务的目标是什么，任务的复杂程度如何，所有的太空任务都将始终涉及机器学习和智能算法的使用。