Как НАСА использует машинное обучение?
Вы когда-нибудь смотрели на ночное небо и задавались вопросом, что находится за пределами звезд? Вы когда-нибудь задумывались, есть ли жизнь где-нибудь еще во Вселенной? Хотите отправиться в далекую галактику и узнать секреты вселенной? !! Что ж, все эти вопросы НАСА пытается решать ежедневно.
НАСА участвует во всех аспектах космоса, от изучения внешней атмосферы Земли до поиска признаков жизни на других планетах! И машинное обучение - большая часть этого открытия космоса, поскольку это необходимый инструмент в наш век данных. Количество данных, генерируемых различными космическими аппаратами и спутниками НАСА, безумно (в качестве примера рассмотрим, что только Sloan Digital Sky Survey создаст более 50 миллионов изображений галактик в будущем!), И, следовательно, машинное обучение необходимо для выявления закономерностей в эти данные, которые приведут к новым захватывающим открытиям в будущем! И это еще не все! Машинное обучение также можно использовать для наблюдения за здоровьем космонавтов в космосе, грамотного ремонта космических кораблей, открытия новых планет в других галактиках и других фантастических вещей !!! На самом деле, когда дело доходит до космоса и машинного обучения, даже небо не предел !!!
Итак, теперь давайте посмотрим на некоторые из существующих или разрабатываемых приложений машинного обучения для НАСА, чтобы вы могли лучше понять масштабы этой фантастической технологии в освоении космоса, а также получить представление о ее будущих приложениях.
1. Самоходные вездеходы на Марсе - вездеходы Spirit и Opportunity
Вы думали, что Tesla, Google, Uber и т. Д. Были первыми, кто серьезно инвестировал в беспилотные автомобили? Ну подумай еще раз !!! Фактически, НАСА создало технологию автономного вождения для марсоходов почти десять лет назад. Система навигации и вождения на основе машинного обучения для беспилотных марсоходов, известная как AutoNav, фактически использовалась в марсоходах Spirit и Opportunity, которые приземлились на Марсе еще в 2004 году. Другой марсоход, запущенный в 2011 году, Curiosity также использует Autonav, и это марсоход. который до сих пор изучает Марс с миссией по поиску воды и других факторов, которые могут сделать Марс пригодным для исследования человеком в будущем!
Теперь вы можете подумать, что ехать по Марсу сравнительно проще, чем по перегруженным дорогам Земли. Но не все так просто! Хотя AutoNav не должен беспокоиться о столкновении марсохода с другими транспортными средствами или людьми (на Марсе пока нет жизни!), Поверхность Марса очень каменистая, поэтому навигационная система должна следить за тем, чтобы марсоход не ударялся о камни или камни. скользкие песчаные дюны, которые навсегда задержат его.
Марсоход НАСА Curiosity
Источник изображения - НАСА
Еще одно применение машинного обучения в марсоходах - это алгоритм под названием AEGIS (автономное исследование для сбора расширенной науки), который определяет марсианские горные образования, которые могут быть интересны сами по себе, с помощью машинного обучения. Это потому, что марсоход не может отправлять все изображения Марса он возвращается на Землю, потому что возможность общения ограничена. Таким образом, AEGIS решает, какие изображения могут быть интересными или важными, а затем марсоход отправляет их обратно на Землю для изучения учеными НАСА.
2. Медицина в космосе - исследование медицинских возможностей (ExMC)
Теперь, когда космонавты продвигаются все дальше и дальше в космос за пределы околоземной орбиты, что произойдет, если им понадобится медицинская помощь? Очевидно, они не смогут вернуться на Землю для проверки у врача! По этой причине НАСА работает над исследованием медицинских возможностей, которые будут использовать машинное обучение для разработки вариантов здравоохранения, основанных на ожидаемых будущих медицинских потребностях астронавтов. Эти варианты здравоохранения будут созданы сертифицированными врачами и хирургами, и со временем они будут учиться и развиваться в соответствии с опытом космонавтов.
Исследование медицинских возможностей - так может выглядеть интерьер будущей медицинской среды обитания в космосе.
Источник изображения - НАСА
В общем, основная цель исследовательских медицинских возможностей состоит в том, чтобы астронавты оставались здоровыми и здоровыми в космосе (особенно в длительных и далеких миссиях). И в отличие от того, что комиксы рассказывают вам о космосе, некоторые из общих рисков для здоровья, связанных с космическими путешествиями, - это радиационная опасность, суровые экологические проблемы, проблемы, связанные с гравитационными изменениями и т. Д. В этих ситуациях астронавты не могут напрямую связываться с врачами на Земле, поскольку там Это отставание во времени, поэтому ExMC использует машинное обучение для обеспечения самостоятельной автономной медицинской помощи с помощью удаленных медицинских технологий.
3. Поиск других планет во Вселенной - генератор планетарного спектра
Я уверен, что мне не нужно говорить вам, что Вселенная огромна! НАСА считает, что в галактике около 100 миллиардов звезд, и около 40 миллиардов из них могут иметь жизнь. Это не научная фантастика, НАСА действительно считает, что однажды мы можем найти инопланетян! Но для открытия инопланетян НАСА сначала нужно открывать все больше и больше новых планет в разных солнечных системах. Как только эти экзопланеты будут обнаружены, НАСА измеряет атмосферный спектр этих планет, чтобы определить, есть ли возможность существования жизни.
Хотя эти шаги достаточно сложны, проблема в том, что реальных данных для экспериментов нет! Итак, ученые НАСА просто генерируют необходимые данные, и здесь на помощь приходит машинное обучение. Генератор планетарного спектра - это инструмент, который НАСА использует для создания трехмерных орбит и атмосферных свойств обнаруженных ими экзопланет. Чтобы создать рабочую модель солнечной системы, ученые используют линейную регрессию, а также сверточные нейронные сети . Затем на модели проводится дальнейшая тонкая настройка, прежде чем она будет готова к обучению.
Источник изображения - НАСА
На изображении выше показаны результаты, полученные для экзопланеты, которые демонстрируют количество воды и метана в атмосфере. Как вы можете видеть на графике CH4 и H2O, черные линии обозначают прогнозы, сделанные с помощью машинного обучения, а красные линии обозначают фактические результаты. Как видите, обученная модель машинного обучения в этой ситуации вполне точна!
4. Робот-космонавт - Робонавт.
Вы думали, что космонавтами могут быть только люди? !! Что ж, обычно вы были бы правы, но сейчас НАСА разработало робота-космонавта . Научная фантастика наконец-то сбывается! Робонавт был в первую очередь разработан, чтобы работать вместе с космонавтами в космосе и помогать им в выполнении задач, которые были довольно опасными для человека. Это было необходимо, поскольку это увеличило бы возможности НАСА для исследований и открытий в космосе, что, в свою очередь, позволило бы нам больше узнать о Солнечной системе.
Робонавт на борту Международной космической станции
Источник изображения - НАСА
Как видно из этого изображения, Робонавт теперь незаменимый помощник в космосе! Для этого Робонавт в основном использует машинное обучение, чтобы «думать» самостоятельно. Итак, ученые или космонавты могут давать робонавту задания, и он выясняет, как их выполнять. В общем, Eobonaut также имеет много преимуществ перед обычными людьми, например, усовершенствованные датчики, безумно высокие скорости, компактный дизайн и гораздо более высокую гибкость . Для разработки Robonaut было использовано множество передовых технологий, которые включают сенсорные датчики на кончиках пальцев, полный диапазон перемещения шеи, камеру с высоким разрешением и инфракрасные системы, улучшенные движения пальцев и большого пальца и т. Д.
5. Навигация на Луне - Планетарная навигация с углубленным изучением
Что бы случилось, если бы вы заблудились на Земле? Ну ничего особенного! Вы можете просто использовать GPS, чтобы без проблем добраться до места назначения. Но что, если вы потерялись на Луне ?! Что ж, лучше надеяться, что кто-то найдет вас, потому что GPS не работает на Луне! Или, по крайней мере, не было до сих пор !!! В настоящее время лаборатория NASA Frontier Development Lab работает над проектом по обеспечению навигации по поверхности небесных тел, включая Луну! Этот проект в основном направлен на обеспечение GPS даже на поверхности Луны, просто без использования нескольких очень дорогих спутников! А это непростая задача, учитывая каменистую и бесплодную поверхность Луны:
Источник изображения - НАСА
Это делается путем загрузки в систему машинного обучения множества изображений Луны (в данном случае 2,4 миллиона, которые, к счастью, у НАСА уже есть!), А затем создания виртуальной версии Луны с использованием нейронных сетей. Затем, если вы потерялись на Луне, вы можете сделать снимки своего окружения, и система машинного обучения сможет определить ваше местоположение на Луне, сравнив ваши изображения с уже созданной базой данных изображений лунной поверхности, которая составляет виртуальную луну. . Хотя этот метод не идеален (пока!), Он все же намного лучше, чем все, что уже существует, и может использоваться на любой поверхности планеты, а не только на Луне. И НАСА уже надеется, что в следующий раз его можно будет использовать на Марсе на случай, если кто-нибудь заблудится на красной планете!