Questo articolo è stato pubblicato nell'ambito del Blogathon sulla scienza dei dati.
Panoramica
L'esplorazione dello spazio è sempre stata di interesse per scienziati e governi di tutto il mondo, in quanto contiene la chiave dell'origine dell'umanità e molte meravigliose meraviglie dell'universo, compresa la possibilità di vite aliene. L'universo visibile rappresenta le parti di spazio che possiamo vedere usando i telescopi. tuttavia, scienziati ed esploratori credono che l'universo possa essere più grande di così.
Fino alla data, gli scienziati hanno esplorato approssimativamente solo il 4% dell'universo visibile che è fatto di pianeti, stelle, galassie e altri oggetti astronomici che astronomi e scienziati possono vedere e conoscere. Il riposo 96% ancora inesplorato.
Comprendere l'intelligenza artificiale e l'apprendimento automatico
L'intelligenza artificiale o il termine più breve e più interessante AI si riferisce alla simulazione dell'intelligenza umana in macchine programmate per pensare come gli umani e imitare le loro azioni.. Il termine può essere applicato anche a qualsiasi macchina che esibisca tratti associati a una mente umana., come l'apprendimento e la risoluzione dei problemi.
L'apprendimento automatico è una branca specializzata nel dominio dell'intelligenza artificiale che si occupa di addestrare macchine per sviluppare intelligenza che consente loro di eseguire compiti complessi usando la loro intelligenza. Gli algoritmi di apprendimento automatico utilizzano tonnellate di dati per aiutare le macchine a familiarizzare con i vari scenari che potrebbero dover affrontare.. Consente alle macchine di apprendere dalla tua esperienza di formazione e di utilizzarle in scenari di vita reale.
AI / ML nell'esplorazione dello spazio
Ora, se dovessimo combinare le idee di questi due termini enormi, vale a dire, AI ed esplorazione dello spazio, tenendo conto dei recenti sviluppi nel campo dell'apprendimento automatico e dell'intelligenza artificiale, immagina quanto sarebbe facile per scienziati ed esploratori raggiungere il loro obiettivo e come influenzerebbe le nostre vite.
Mettiamo insieme queste due idee e vediamo cosa è già stato fatto, cosa sta succedendo e cos'altro si potrebbe fare.
1. Prima immagine di un buco nero
Abbiamo ottenuto la nostra prima immagine di un buco nero utilizzando l'algoritmo CHIRP (Ricostruzione continua di immagini ad alta risoluzione utilizzando Patch Priors). CHIRP è un algoritmo bayesiano utilizzato per eseguire la deconvoluzione su immagini create in radioastronomia. Lo sviluppo di CHIRP ha coinvolto un ampio team di ricercatori di Informatica e Intelligenza Artificiale del MIT. CHIRP ha utilizzato i dati dell'immagine dei telescopi Event Horizon che erano troppo grandi ed è qui che doveva essere eseguita l'elaborazione delle immagini.. Gli scienziati hanno usato Numpy, panda e altre librerie Python per ridurre i dati, correlazione dati e calibrazioni. ML è stato utilizzato anche nell'analisi delle immagini.
Controlla questo link per maggiori dettagli: https://numpy.org/case-studies/blackhole-image/
Ora che abbiamo la prima immagine di un buco nero, scienziati e ricercatori stanno lavorando per ottenere immagini più accurate di un buco nero. Per farlo, creare algoritmi più complessi che utilizzeranno più apprendimento automatico e intelligenza artificiale.
Nota che molti oggetti ci sono ancora sconosciuti nello spazio profondo, quindi l'applicazione del Machine Learning e del Deep Learning ci aiuterà a classificare il tipo di oggetto e queste indagini in futuro potrebbero portare a identificare sempre più nuovi oggetti e, così, aiuta gli scienziati. ed esploratori nell'esplorazione dello spazio.
2. Assistenti e robot basati sull'intelligenza artificiale
I nomi TARS e CASE suonano un campanello?? sì, Sto parlando dei robot del famoso film 'Interstellar’ (e nel caso non l'avessi visto, Ti consiglio di farlo). Se ricordi il ruolo di TARS e CASE nel film, immagina quanto sarebbero utili nell'aiutare gli astronauti nella vita reale.
Gli scienziati stanno sviluppando assistenti basati sull'intelligenza artificiale per aiutare gli astronauti nella loro missione sulla Luna, Marte e oltre. Questi assistenti sono progettati per comprendere e prevedere i requisiti dell'equipaggio e comprendere le emozioni e la salute mentale degli astronauti e intraprendere le azioni necessarie in caso di emergenza. Ora, come fanno?? La risposta a questo è l'analisi del sentimento.. Analisi del sentimento (noto anche come opinion mining o emozione AI) è un sottocampo della PNL (elaborazione del linguaggio naturale) che cerca di identificare ed estrarre opinioni all'interno di un determinato testo attraverso i blog, recensioni, social networks, forum, notizia, eccetera.
I robot, In secondo luogo, può essere più utile quando si tratta di assistenti fisici, come aiutare a pilotare astronavi, attraccare veicoli spaziali e gestire condizioni estreme non sicure per l'uomo. La maggior parte può sembrare ipotetica, ma sarà di grande aiuto per gli astronauti.
3. Sistema di navigazione intelligente
Sopra 2018, La NASA con l'aiuto di Intel ha sviluppato un sistema di intelligenza artificiale che ha aiutato gli astronauti a trovare la loro strada sui pianeti. Questo nuovo sistema di navigazione aiuterà a navigare facilmente sulla superficie dei pianeti attraverso i percorsi più brevi possibili.. Gli scienziati hanno applicato questo programma alla nostra luna e il modo in cui funzionava questo sistema era che simulava la superficie della luna e poi la confrontava con l'ambiente locale.. L'intelligenza artificiale si allenerebbe sui milioni di immagini della luna e quindi utilizzerebbe una rete neurale per creare una mappa della luna virtuale.. Lo stesso algoritmo è stato successivamente applicato al programma di esplorazione di Marte.
4. La scoperta degli esopianeti di Keplero
Il telescopio Kepler della NASA è stato progettato per determinare la frequenza dei pianeti delle dimensioni della Terra in orbita attorno a stelle simili al Sole., ma questi pianeti erano sull'orlo della sensibilità al rilevamento della missione. La determinazione precisa del tasso di occorrenza di questi pianeti ha richiesto una valutazione automatica e precisa della probabilità che i singoli candidati siano effettivamente pianeti., anche con un basso rapporto di segnale / rumore.
Per superare questa limitazione, Ricercatori di Google e altri scienziati hanno utilizzato una rete neurale convoluzionale chiamata AstroNet K2 per prevedere se un dato segnale dal telescopio spaziale Kepler è un esopianeta in transito o un falso positivo causato da un fenomeno astrofisico o strumentale.. Addestrando questo modello di rete neurale fino a a 98 (circa) per cento, identificato con successo due nuovi esopianeti, vale a dire, Kepler 80g e Kepler 90i, in orbita attorno al sistema stellare di Keplero 80 e il sistema stellare di Keplero 90, rispettivamente.
5. Soluzione per i detriti spaziali
Detriti spaziali intorno alla Terra (FONTE: NASA)
Hai mai pensato a cosa succede ai satelliti e alle astronavi che vengono inviati nello spazio e non tornano mai sulla Terra?, bene, quelli si trasformano in spazzatura spaziale. La spazzatura spaziale o spazzatura spaziale è qualsiasi pezzo di macchinario o spazzatura lasciata dagli umani nello spazio. Può riferirsi a oggetti di grandi dimensioni come satelliti morti che hanno fallito o sono stati lasciati in orbita alla fine della loro missione.
L'immagine che vedete sopra è stata rilasciata il 2013 dalla NASA e ha mostrato la quantità di detriti spaziali che avevamo dentro 2013. Il problema dei detriti spaziali ha raggiunto un punto critico poiché scienziati e ricercatori continuano a inviare satelliti nello spazio., che non avviene mai. Indietro. C'è di più 23,000 frammenti creati dall'uomo nello spazio che sono più grandi di 4 "e più di 500,000 piccole particelle. La vera preoccupazione con questi detriti spaziali è che quando si scontrano con i satelliti o la navicella spaziale, lasciare un'ammaccatura nel corpo che a volte diventa la causa principale degli incidenti spaziali.
Per superare questo problema, Gli scienziati stanno utilizzando il deep learning per migliorare la precisione della tecnologia della gamma laser tradizionalmente utilizzata. Hanno usato modelli di rete neurale di retropropagazione per identificare la posizione dei detriti. È stato anche detto che dopo aver migliorato la precisione di puntamento del telescopio attraverso una tecnica di deep learning, detriti spaziali con un'area della sezione trasversale di 1 metro quadrato e una distanza di 1500 i chilometri possono essere identificati con precisione.
panorama
Ci sono molte altre indagini in corso sull'implementazione dell'intelligenza artificiale nell'esplorazione dello spazio. Sebbene, come altre applicazioni AI, niente può essere certo e concreto. Alla fine del giorno, abbiamo bisogno di interventi umani in tutto ciò che l'IA è in grado di fare. Con ogni innovazione, L'intelligenza artificiale si sta avvicinando alla fornitura di nuove conoscenze e si sta dimostrando un vantaggio per gli esseri umani nell'esplorazione dello spazio interstellare con macchine e progetti e ricerche innovativi.
Il supporto mostrato in questo articolo non è di proprietà di DataPeaker e viene utilizzato a discrezione dell'autore.
