Este artigo foi publicado como parte do Data Science Blogathon.
Visão geral
A exploração espacial sempre foi do interesse de cientistas e governos em todo o mundo, pois contém a chave para a origem da humanidade e muitas maravilhas maravilhosas do universo, incluindo a possibilidade de vidas alienígenas. O universo visível representa as partes do espaço que podemos ver usando telescópios. Porém, cientistas e exploradores acreditam que o universo pode ser maior do que isso.
Até a data, os cientistas exploraram aproximadamente apenas o 4% do universo visível que é feito de planetas, estrelas, galáxias e outros objetos astronômicos que astrônomos e cientistas podem ver e conhecer. O resto 96% ainda inexplorado.
Compreendendo Inteligência Artificial e Aprendizado de Máquina
Inteligência Artificial ou o termo mais curto e frio AI refere-se à simulação da inteligência humana em máquinas que são programadas para pensar como humanos e imitar suas ações.. O termo também pode ser aplicado a qualquer máquina que exiba características associadas à mente humana., como aprender e resolver problemas.
O aprendizado de máquina é um ramo especializado no domínio da inteligência artificial que lida com o treinamento de máquinas para desenvolver inteligência que lhes permita realizar tarefas complexas usando sua inteligência. Os algoritmos de aprendizado de máquina usam toneladas de dados para ajudar as máquinas a se familiarizarem com os vários cenários que podem enfrentar.. Permite que as máquinas aprendam com sua experiência de treinamento e as utilizem em cenários da vida real.
AO / ML na exploração espacial
Agora, se combinássemos as ideias desses dois termos massivos, a saber, IA e exploração espacial, levando em consideração desenvolvimentos recentes no campo do aprendizado de máquina e inteligência artificial, imagine como seria fácil para cientistas e exploradores atingirem seus objetivos e como isso afetaria nossas vidas.
Vamos colocar essas duas ideias juntas e ver o que já foi feito, o que está acontecendo e o que mais poderia ser feito.
1. Primeira imagem de um buraco negro
Obtivemos nossa primeira imagem de buraco negro usando o algoritmo CHIRP (Reconstrução contínua de imagens de alta resolução usando Patch Priors). CHIRP é um algoritmo bayesiano usado para realizar a deconvolução em imagens criadas em radioastronomia. O desenvolvimento do CHIRP envolveu uma grande equipe de pesquisadores de Ciência da Computação e Inteligência Artificial do MIT. O CHIRP usou os dados de imagem dos telescópios Event Horizon que eram muito grandes e é aqui que o processamento da imagem teve que ser feito.. Cientistas usaram Numpy, pandas e outras bibliotecas python para reduzir dados, correlação de dados e calibrações. ML também foi usado na análise de imagens.
Verifique este link para mais detalhes: https://numpy.org/case-studies/blackhole-image/
Agora que temos a primeira imagem de um buraco negro, cientistas e pesquisadores estão trabalhando para obter imagens mais precisas de um buraco negro. Para faze-lo, criar algoritmos mais complexos que usarão mais aprendizado de máquina e inteligência artificial.
Observe que muitos objetos ainda são desconhecidos para nós no espaço profundo, portanto, a aplicação de Aprendizado de Máquina e Aprendizado Profundo nos ajudará a classificar o tipo de objeto e essas investigações no futuro podem levar a identificar mais e mais objetos novos e, portanto, ajudar cientistas. e exploradores na exploração espacial.
2. Assistentes e robôs baseados em inteligência artificial
Os nomes TARS e CASE parecem uma campainha?? sim, Estou falando sobre os robôs do famoso filme 'Interestelar’ (e caso você não tenha visto, Eu recomendo que você faça isso). Se você se lembra do papel de TARS e CASE no filme, imagine como eles seriam úteis para ajudar os astronautas na vida real.
Os cientistas estão desenvolvendo assistentes baseados em IA para ajudar os astronautas em sua missão à Lua, Marte e além. Esses assistentes são projetados para compreender e prever os requisitos da tripulação e compreender as emoções e saúde mental dos astronautas e tomar as ações necessárias em caso de emergência. Agora, como eles fizeram isso? A resposta para isso é a análise de sentimento.. Análise de sentimentos (também conhecido como mineração de opinião ou IA de emoção) é um subcampo da PNL (processamento de linguagem natural) que tenta identificar e extrair opiniões dentro de um determinado texto por meio de blogs, avaliações, redes sociais, fóruns, notícia, etc.
Os robôs, por outro lado, pode ser mais útil quando se trata de assistentes físicos, como ajudar a pilotar naves espaciais, atracar espaçonaves e lidar com condições extremas que não são seguras para humanos. A maior parte pode parecer hipotética, mas será de grande ajuda para os astronautas.
3. Sistema de navegação inteligente
Sobre 2018, A NASA, com a ajuda da Intel, desenvolveu um sistema de inteligência artificial que ajudou os astronautas a encontrar seu caminho nos planetas. Este novo sistema de navegação ajudará a navegar facilmente na superfície dos planetas através das rotas mais curtas possíveis.. Os cientistas aplicaram este programa à nossa lua e a forma como este sistema funcionou foi simulando a superfície da lua e depois comparando-a com o ambiente local.. A IA treinaria milhões de imagens da lua e, em seguida, usaria uma rede neural para criar um mapa da lua virtual.. O mesmo algoritmo foi posteriormente aplicado ao programa de exploração de Marte.
4. Descoberta de exoplanetas de Kepler
O telescópio Kepler da NASA foi projetado para determinar a frequência de planetas do tamanho da Terra orbitando estrelas semelhantes ao sol., mas esses planetas estavam à beira da sensibilidade de detecção de missão. A determinação precisa da taxa de ocorrência desses planetas exigia uma avaliação automática e precisa da probabilidade de os candidatos individuais serem realmente planetas., mesmo com uma relação de sinal baixa / barulho.
Para superar essa limitação, Os pesquisadores do Google e outros cientistas usaram uma rede neural convolucional chamada AstroNet K2 para prever se um determinado sinal do telescópio espacial Kepler é um exoplaneta em trânsito ou um falso positivo causado por fenômenos astrofísicos ou instrumentais.. Ao treinar este modelo de rede neural até um 98 (aproximadamente) por cento, identificou com sucesso dois novos exoplanetas, a saber, Kepler 80g e Kepler 90i, orbitando o sistema estelar Kepler 80 e o sistema estelar Kepler 90, respectivamente.
5. Solução de detritos espaciais
Detritos espaciais ao redor da Terra (FONTE: NASA)
Você já pensou no que acontece com satélites e naves espaciais que são enviadas ao espaço e nunca voltam para a Terra?, Nós vamos, aqueles se transformam em lixo espacial. Sucata espacial ou lixo espacial é qualquer peça de maquinário ou lixo deixado por humanos no espaço. Pode referir-se a objetos grandes, como satélites mortos que falharam ou foram deixados em órbita no final de sua missão.
A imagem que você vê acima foi lançada em 2013 pela NASA e mostrou a quantidade de detritos espaciais que tínhamos em 2013. O problema com os detritos espaciais atingiu um ponto crítico, pois os cientistas e pesquisadores continuam a enviar satélites para o espaço., isso nunca acontece. costas. Há mais de 23,000 fragmentos feitos pelo homem no espaço que são maiores do que 4 "e mais de 500,000 pequenas partículas. A verdadeira preocupação com esses detritos espaciais é que quando eles colidem com satélites ou a espaçonave, deixa uma marca no corpo que às vezes se torna a principal razão para acidentes espaciais.
Para superar este problema, Os cientistas estão usando o aprendizado profundo para melhorar a precisão da tecnologia de alcance do laser tradicionalmente usada. Eles usaram modelos de rede neural de retropropagação para identificar a localização dos detritos. Também foi mencionado que após melhorar a precisão de apontamento do telescópio através de uma técnica de aprendizado profundo, detritos espaciais com uma área transversal de 1 metro quadrado e uma distância de 1500 quilômetros podem ser identificados com precisão.
panorama
Existem muitas outras investigações em andamento sobre a implementação de inteligência artificial na exploração espacial. Embora, como outras aplicações de IA, nada pode ser certo e concreto. No final do dia, precisamos de intervenções humanas em tudo que a IA é capaz de fazer. Com cada inovação, A IA está cada vez mais perto de fornecer novos conhecimentos e provar ser uma vantagem para os humanos na exploração do espaço interestelar com máquinas e projetos e pesquisas inovadores.
A mídia mostrada neste artigo não é propriedade da DataPeaker e é usada a critério do autor.
