太空旅行、探索和觀測當中，往往涉及人類歷史上最複雜、最危險的一系列科學與技術操作。在這些領域，人工智慧（AI）已經證明了自己強大的輔助作用。
正因為如此，太空人、科學家和其他以探索並記錄終極邊界為己任的人們，才積極轉向機器學習（ML）以協助應對自己面臨的非凡挑戰。
從引導火箭穿越太空到研究遙遠行星的表面，再到測量宇宙大小和計算天體的運動軌跡，AI在太空中擁有眾多有趣且令人興奮的應用場景。
在太空船的起飛與降落過程中，AI能夠實現發動機操作自動化並管理起落架等功能的實際部署，藉此優化燃料的分配與使用。
SpaceX公司就利用AI領航系統使其獵鷹9號飛船實現了自主操作，並按照與NASA簽訂的貨物運送合約與國際太空站（ISS）成功對接。該系統能夠計算火箭在太空中的軌跡，同時考慮燃料使用、大氣乾擾和引擎內部的液體「晃動」。
CIMON 2是空中巴士公司設計的機器人，相當於太空人身邊的移動式亞馬遜Alexa虛擬助理。它使用IBM Watson AI系統構建，使用內部風扇推動自身前進，能夠充當免提式資訊資料庫、電腦和相機。它甚至可以透過分析聲音中的壓力水平，來評估太空人的情緒和心態。
NASA旗下噴射推進實驗室的任務規劃人員，則利用AI對各種任務參數進行建模和評估，藉此了解不同選項和行動方案的潛在結果。這些實驗能夠為未來的太空船設計與工程操作提供指導資訊。收集到的數據還可用於一些假設性未來任務的前瞻性規劃，包括登陸金星和木衛二——這是一顆圍繞木星運行的冰冷衛星。
SpaceX也利用AI演算法來確保其星鏈衛星不會與太空中的其他軌道或過渡飛行器發生碰撞。他們的自主導航系統能夠即時偵測附近的危險，並調整衛星的速度和軌道來採取規避行動。
英國航太局同樣開發了自主系統，讓其太空船和衛星透過自主行動迴避太空碎片。到2025年，英國航太局計畫在此基礎上發射一艘自主太空船，任務是捕捉並清理太空碎片。如果不主動加以控制，太空碎片很可能對未來的航太飛行構成威脅。
火星漫遊車是專司探索火星表面的機器人，我們可以對它們發送回地球的資料進行分析和學習。造福機器學習演算法，這些機器人能夠在火星地表上自主導航，避開可能導致其硬體損壞或動彈不得的深坑與陡壁。先前發往火星的勇氣號就因車輪陷入軟土而困在當場，NASA最終在2011年決定放棄救援和聯絡。而在機器學習技術的幫助下，NASA已經成功避免了另一輛漫遊車的意外損失。
近年來，NASA旗下噴射推進實驗室利用影像辨識工具研究火星漫遊車等地面機器人拍攝的圖片，並對地形特徵進行分類。他們甚至發現了火星表面一個直徑僅四公尺的隕石坑。
毅力號漫遊車配備一套名為AEGIS的電腦視覺系統，能夠偵測並分類火星表面發現的不同岩石類型，讓我們更了解這顆紅色行星的地質成分。
大家甚至可以在家中參與訓練火星漫遊車使用的AI演算法。 AI4Mars專案就誠摯邀請用戶下載相關工具，透過在個人電腦上標記地形特徵來改進好奇號火星車上的自主導航系統。
雖然到目前為止，大多數地表探索都依靠輪式機器人完成，但歐洲太空總署正在試驗使用「跳躍式」機器人。這些機器人可以用腿前進並完成跳躍動作。 AI演算法會協調機器人四肢的運動和平衡，從而探索月球上以往無法抵達的位置，例如月球上由巨大隕坑形成的阿里斯塔克斯高原。
人們已經開始利用AI來偵測月球表面，確定未來載人任務的最佳著陸點。這也有助於太空人充分了解後續將要降落的環境，不必像阿姆斯壯等第一代登月人那樣直面巨大的風險。
天文學家正使用AI辨識遙遠星雲中各星團的模式，同時結合深空中偵測到的其他分類特徵來繪製宇宙星圖。
以NASA的開普勒望遠鏡為例，它能透過分析恆星發出光輻射的衰減來確定有行星在恆星和地球之間經過，進而確定行星的可能位置。
AI也被用來預測恆星和星系的活動，幫助我們了解超新星爆發等宇宙事件的潛在發生位置。
透過對這些神秘天體與中子星碰撞時產生的重力波進行時序分析，研究人員已經偵測到數十個黑洞的存在。
AI技術也被用來俯瞰地球和整個宇宙。 2004年開始運行的自主科學衛星技術實驗（Autonomous Sciencecraft Experiment）計畫就接入地球預測1號衛星，使其能夠對用相機拍攝到的影像做自動分類，進而決定哪些影像更值得花費寶貴的頻寬傳輸回地球。
加州大學柏克萊分校的SETI@Home計畫則使用AI演算法處理電波望遠鏡產生的大量數據，希望在太空中搜尋外星智慧的跡象。儘管該計畫已經停止向志工發送新的待檢查數據，但仍有大量數據未經分析檢索，所以令人興奮的真相也許就蘊藏在這部分素材當中！
AI也被用來創建迄今為止最準確的黑洞影像。 Roger Penrose、Reinhard Genzel和Andrea Ghez憑藉為M87星系中心超大質量黑洞創建逼真圖像，獲得了2020年的諾貝爾獎。
AI的應用範圍還遠不止於此，研究人員現在希望超越事件視界，使用AI技術揭示黑洞內部的情況。這項工作還將涉及量子計算，有望幫助物理學家解決領域中最核心的問題之一——將愛因斯坦的廣義相對論與粒子物理學的標準模型統一起來。
人們甚至希望AI能夠幫助測量宇宙，更好地掌握它的大小和形狀。使用AI超級電腦對日本的天文資料進行研究，我們已經成功創造出與已知存在的宇宙相符的模擬星圖。這意味著我們可以預測宇宙的特徵，並擺脫目前因光速限制（即可觀測宇宙）而難以突破的探索邊界。
以上是機器學習正以驚人方式破解宇宙奧秘的詳細內容。更多資訊請關注PHP中文網其他相關文章！
