文　李 熵

　　
　　
　　《流浪地球》电影里，有这样一个场景让人印象深刻：
　　以色列科学家提出点燃木星，被空间站的人工智能MOSS否决。然后MOSS逃跑，起初吴京以为是MOSS叛逃人类，后来贴出了四大国的联合法案，MOSS又变成了忠诚的人工智能。最后吴京想出用空间站点燃木星，MOSS瞬间切断通信，这回终于是真的叛逃了，人工智能也有怕死的时候。最后还说了一句：让人类保持完全理性是不可能的。
　　这句话令人震撼，这个人工智能觉醒了。
　　在当今媒体铺天盖地的报道中，人工智能已不再陌生，但很少人关注到它在太空中的应用。实际上，在太空中人工智能的使用比地面更加成熟，也被理解得更加透彻。人工智能在太空探索中就像机器人、远程投影和自动系统等技术一样，是真正的刚需。
　　
人工智能彻底改变太空探索
　　我们大多数人，如果被问到人工智能和太空之间的联系，可能会想到“2001∶ASpace Odyssey”（2001太空漫游）中邪恶的计算机HAL，而不是任何现实生活中的应用程序。我们当前对人工智能的定义，通常是指“能够执行需要人类智能任务的计算机系统”。HAL的任务是来谋杀，但谋杀也需要“人类的智慧”。
　　如果进一步思考太空中的人工智能，可能还会想到同名的Star Trek（星际迷航）里的“计算机”，或者Red Dwarf（红矮星）中能够脱离身体的“Holly”，它们实际上更像是一本在线百科全书。有的人可能还记得《星球大战》中分心但亲切的C-3PO（斯瑞皮欧）或者不那么亲切的“终结者”。
　　如果人工智能在太空中发挥作用，人们会期望美国宇航局（NASA）参与进来，但不希望其领导这项任务。美国国家航空航天局喷气推进实验室（JPL）的高级研究科学家、人工智能小组的技术小组主管Steve Chien博士说：“人工智能不仅在我们的日常生活中发挥着越来越大的作用，而且在航天领域也发挥着越来越大的作用，人工智能有潜力彻底改变太空探索的几乎每一方面。”
　　Chien说：“事实上，人工智能已经被用于操作地球观测1号（EO-1）航天器十多年了。”EO-1卫星于2000年发射，2017年退役，它是被用来展示地球所能观测领域的一些突破性技术。因此，在2003年，一个被称为自主科学飞行器实验（ASE）的软件套件被上传到EO-1，用机器学习技术（模式识别）演示机载图像运动轨迹和目标定位。
　　正如Chien解释的那样，ASE软件使EO-1能够根据所见分析机载图像，而不是依靠地面的人类图像分析人员。例如，它能够拒绝多云的图像，为以后的日期安排重复观测，并在适当的时候重新定位航天器的成像器。“在人工智能的控制下，已经收集了6万多幅图像。”Chien说。
　　这项被视为“高科技”的创新强调了空间系统的区分，但考虑到高可靠性，往往依然依赖过时的技术。
　　
从传统卫星到商用卫星
　　其实，人工智能已经在空间应用十分广泛。
　　自1993年以来，空间望远镜科学研究所（Space Telescope Science Institute，STSCI）一直在使用人工智能对近20万个用于观测的哈勃空间望远镜进行长期调度。最近，NASA已将人工智能应用于其他地球轨道望远镜的调度，如Chandra望远镜、Spitzer望远镜和Fuse望远镜，以及月球大气和尘埃环境探索者LADEE、欧洲航天局的Rosetta，以便在彗星上着陆探测器。
　　欧洲卫星运营商SES正在考虑使用人工智能来简化其舰队的运作以及从其卫星连续接收的“数万个遥测信号”。人工智能和机器学习可用于为人类操作员确定遥测的优先级，使他们能够专注于最重要的事情。
　　在地球成像领域，CosmiqWorks（一个由美国情报机构建立的实验室）举办了名为Spacenet的竞赛，为开发从高分辨率卫星图像中检测道路网络或其他地标的自动方法提供现金奖励。
　　空中客车公司为德国航空航天中心（DLR）开发和建造了一个基于人工智能的“宇航员助理”——CIMON（机组互动移动伴侣），并于2018年在国际空间站进行了演示。
　　2017年，深度神经网络接受了高达95%精度的模拟射电望远镜信号分类训练，这为寻找外星智能（SETI）提供了一个有用的工具。
　　以上，我们看到很多政府主导的卫星试用人工智能的例子，而商业卫星的老板们比较谨慎，希望通过他们投资的卫星是经过系统测试的。此外，他们必须要为自己的资产投保，以保证银行贷款和其他融资正常运行。因此，在一个保险承保人不愿意“资助研发”或收取更高保费的市场中，传统技术往往占据主导地位。
　　所以，我们看到自太空时代以来，空间机构先发射示范卫星用于通信和地球观测等应用，然后再将这些技术应用于私人资助的卫星或将其“商业化”。
　　Chien认为，人工智能系统将在不久的将来如EO-1那样进入商用卫星领域，这是地球成像系统的一次革命。目前主要依靠地面分析和计算，但今后人们可以更自然地与航天器互动。通过智能手机应用程序就可以从任何地方使用互联网为卫星分配任务。
　　EO-1展示的另一项创新成果是SensorWeb，这是一个自动网络。“它连接了大量的航天器、地面天文台、空中和海洋资产在没有任何人为干预的情况下获取数千张图像。”Chien解释说。
　　该系统用于监测火山、洪水、野火和其他现象。Chien举例说，通过使用从太空控制的地面传感器，他们已经在10几年里测量了数千次埃特纳（Etna）山的热辐射。这些数字证明：一个典型的非人工智能系统只要提供不到1%的具有活跃热特征的图像，Sensorweb的准确率就能高于35%。
　　Chien说，未来的一个目标是通过一个给定的卫星来演示使用人工智能的系统或星座中其他卫星的自主任务。换句话说，基于给定卫星“看到”的内容，它告诉其他人瞄准什么——控制权力已经从人类有效地转移到软件系统。这是非常有趣的事情！
　　
人工智能对于寻找地球以外生命至关重要
　　虽然轨道卫星“告诉对方该做什么”的概念可能会让人想起《终结者》系列中自我保护的天网人工智能，但它似乎确实符合现代人工智能的定义，即“能够执行通常需要人类智能的任务的计算机系统”。
　　然而，我们也很清楚，在未来的10年里，我们所认为的人工智能可能会被“吸收”，成为日常技术。10年前，我们可能认为面部识别和语音翻译技术是“机器智能”。但今天很少有人会认为手机上的应用程序是一种智能形式，不管它看起来多么聪明。你车上卫星导航系统的动画声音也是如此。
　　虽然人工智能作为一个正式的研究领域可以追溯到20世纪50年代，但它的真正进步仍然依赖于计算能力的提高。在20世纪60年代，我们有了第一个“专家系统”，然后在70年代有了“神经网络”；今天，机器学习已经变成了“深度学习”，我们又回到了“人工智能”，尽管是以更现代的形式。
　　就遥感卫星应用而言，神经网络作为地理信息系统（GIS）分析工具的使用至少可以追溯到20世纪90年代初。欧盟委员会联合研究中心的Graeme Wilkinson在1993年的一篇论文中报告说：“神经网络在遥感和地理信息系统的应用数量正在逐年增长，农业、森林生态系统和城市增长的绘图以及云识别的实验技术已经得到验证。”
　　在简单的编程术语中，神经网络是基于决策树的，涉及比较数据和提问，从而得出与树的一个分支或另一个分支相关的答案。
　　网络通过分析多个示例数据集并调整其决策的“权重”来“学习”，使其看起来具有识别和区分某些自然特征的智能。例如，基于红外信号（一种常见的卫星应用程序）识别健康作物和患病作物之间的差异的能力。
　　对于EO-1航天器，决策树的概念被扩展到所谓的“随机决策森林”，这使得图像像素能够被分类用于云筛选，这一应用程序允许Sciencecraft软件拒绝云图像并重新安排观测时间。
　　如今多光谱传感器或成像仪已经发展成为能够区分100多个光谱带（当然人眼/大脑不能识别）的高光谱成像仪，机器学习的潜力就变得更加明显，因为在一个不可破解的数据集中，特征和模式变得明显。
　　图像中各个像素的分类（包含在被称为贝叶斯阈值的数学技术中）让像JPL的Chien这样的从业者兴奋不已。“这是机器学习的美妙之处，”他说。EO-1上使用了这种机器学习技术来检测加拿大Ellesmere岛Borup Fjord冰川的硫排放，尽管硫的排放量很小，而且“处于信号噪声的极限”。
　　人们对地球科学领域之外的这项技术感兴趣的原因是它在行星科学和天体生物学中的应用。正如Chien在德国举行的2018年国际航天大会上的特别演讲的标题：“人工智能在空间探索和探索地球以外的生命方面的作用越来越大”。
　　据Chien称，报告《人工智能对于未来寻找生命至关重要》描述了一种拟议中的Europa潜水器——一种设计用于覆盖木星卫星海洋的潜水艇。因为木星上的航天器需要一个小时的最佳时间才能得到指令(取决于地球的相对位置)，所以任何这样的航天器都需要很大的自主性，这也可能是“智能自主”。因此，任何Europa潜水器都有可能不仅负责自己的导航，还负责实时科学调查。
　　
人工智能——火星“探险家”
　　人工智能技术将被运用于为火星洞穴远程探索。因为洞穴探险车很可能依赖电池，任务持续时间长，没有时间等待来自地球的指示，所以探险车将被设计成完全自主的。
　　工程师们还提出了“人机合作”的概念，其中一些人驾车深入洞穴，而另一些人则留在洞穴后面，节省能源，以便将数据传送到洞穴入口和着陆器。人工智能还将允许系统作为一个整体，通过重新部署剩余能力，从走失的流动站中恢复过来。
　　找到地球以外的生命是一回事，如果地球上的生命找到了进入宇宙的途径呢？自1972年阿波罗号最后一批宇航员访问月球以来，宇航员一直被限制在低地球轨道上，但美国宇航局和一些新闻空间企业家计划将人们送回月球并继续前往火星。
　　由于信号传播时间较长，长期以来，自主性对于地球轨道以外的航天器的重要性已经被认识到。例如，火星探测器好奇号(又名火星科学实验室或MSL)使用人工智能来瞄准其ChemCam仪器的激光，该仪器可以使用一种叫作激光击穿光谱的技术来识别7米以外岩石样品的成分。
　　JPL的SteveChien称，人工智能分析一个区域的广域图像以决定潜在目标，然后“将激光指向它们并发射”。他补充道，正确处理这一问题的重要性是不言而喻的，因为如果你用激光射自己，那是非常糟糕的，但这是一种更有效地进行科学研究的绝佳方法。
　　虽然人工智能并不完全依靠自己，因为最初的摄像机指向是由地面控制器决定的，但是它确实有相当程度的自主性，因为软件会检测图像中的“候选岩石”，并根据预设属性进行“目标过滤”。人工智能然后确定目标的优先级，确定中心目标点，并可以在没有外部干预的情况下对多个目标重复这个过程。
　　据Chien称，已经为火星2020探测器计划了一个功能更强大的系统版本，以增强其自主性并提高其生产力。科
　　
　　（文章转载自《AI商业周刊》）